Modello a pesi aperti

I pesi sono i numeri che un modello regola durante l’addestramento: miliardi di valori, conservati in file che possono pesare molti gigabyte. Famiglie come Llama, Qwen e DeepSeek pubblicano i pesi di molti loro modelli. La quantizzazione riduce quei numeri a meno bit, così che un modello stia su una scheda grafica domestica, con un po’ di perdita di precisione. La messa a punto su qualche migliaio di esempi, una procedura economica rispetto all’addestramento da zero, è il modo in cui un modello generale diventa un assistente legale o un aiuto per programmare. Con i pesi e il codice che li esegue, una persona o un’azienda può ospitare il modello sul proprio hardware, adattarlo a un compito speciale o comprimerlo per macchine più piccole. Un modello chiuso non offre nulla di tutto ciò: resta sui server del creatore e si raggiunge solo tramite la sua interfaccia, il che significa che il creatore vede ogni richiesta.

Pesi aperti e open source si confondono spesso. L’open source in senso stretto chiede di più: accesso al codice, informazioni sui dati e una licenza che permetta a chiunque di usare, studiare, modificare e condividere il lavoro. Molti modelli a pesi aperti arrivano con una licenza che aggiunge condizioni, per esempio sull’uso commerciale o su installazioni molto grandi, e i dati di addestramento di solito restano riservati. Leggi la licenza del modello su cui vuoi costruire, invece di darla per scontata.

L’effetto pratico è la concorrenza tra gli host. Poiché gli stessi pesi possono essere serviti da più aziende, un utente o un’applicazione può scegliere dove va una richiesta, confrontare velocità e prezzo e preferire un host con una politica di conservazione adatta. Anche i compromessi sono reali: i modelli grandi richiedono hardware serio, i pesi da soli non rivelano su cosa il modello sia stato addestrato, e chiunque può rifinirli, quindi due modelli costruiti sugli stessi pesi possono comportarsi in modo molto diverso: una versione rifinita dalla comunità può essere più asciutta, più prudente, specializzata nel codice o pensata per la traduzione. I benchmark aiutano ma ingannano: la posizione in classifica premia formati di test particolari, perciò una breve prova sui tuoi documenti dice più di un punteggio pubblicato.

Mistral Small 3.2 è un modello aperto di Mistral che NeverNo include nel piano gratuito. È etichettato come privato: le richieste vanno a fornitori scelti perché non le conservano, nessun dato dell’account viaggia con il messaggio e le conversazioni sono conservate cifrate nel tuo browser, come spiega la pagina sull’IA privata. Legge le immagini, accetta fino a 128.000 token di contesto, scrive risposte fino a 4.096 token e non ragiona prima di rispondere, quindi risponde subito.

Su NeverNo, privato significa proprio questo: un modello aperto, servito da DeepInfra o da OpenRouter con la sua opzione di conservazione zero, che non conserva le richieste. Il catalogo ne contiene diversi, da DeepSeek, GLM, Qwen e Mistral a NeverNo Uncensored. L’etichetta poggia sugli impegni di quei fornitori, e NeverNo dice chiaramente nella sua pagina di trasparenza di non poter ispezionare i loro server.