Sul catalogo di Hugging Face la famiglia Qwen di Alibaba conta più di 113.000 modelli derivati, che salgono oltre quota 200.000 contando tutti i repository che la citano fra i propri tag, più di quanti ne abbiano generati Google e Meta messi insieme. Dietro quel numero ci sono imprese, laboratori e sviluppatori singoli che hanno preso un modello già addestrato e lo hanno riadattato ai propri dati.
Deep Research, lo strumento di analisi di The Information, ha passato al setaccio oltre 870.000 istanze di modelli aperti e il 14 settembre ne ha ricavato una conclusione che pesa più di qualsiasi classifica di benchmark: un piccolo gruppo di famiglie cattura gran parte dell’attività degli sviluppatori, e il fine-tuning, ossia l’adattamento di un modello preesistente ai dati di chi lo userà, produce inerzia, perché chi ha investito su una base tende a restarci anche quando ne esce una migliore.
Indice degli argomenti
La concentrazione cambia il controllo dei modelli aperti
Un’amministrazione che compra oggi un servizio costruito su pesi aperti, cioè sui parametri numerici che un modello ha imparato durante l’addestramento e che chiunque può scaricare, eredita anche la genealogia di quel modello e la licenza che lo accompagna. Due cose che nei contratti non compaiono quasi mai, e che nelle ultime settimane si sono mosse entrambe.
Hugging Face e la concentrazione dei download
Il rapporto annuale di Hugging Face sullo stato dell’open source, pubblicato a marzo, misura un ecosistema enorme e concentratissimo: 13 milioni di utenti, più di due milioni di modelli pubblici, e circa metà di quei modelli sotto i 200 download totali, mentre i duecento più scaricati, lo 0,01% del catalogo, valgono da soli il 49,6% dei download complessivi.
La geografia si è ribaltata in un anno. I modelli cinesi hanno raggiunto il 41% dei download e la Cina ha superato gli Stati Uniti sia nel dato mensile sia in quello storico, e fra i modelli nuovi diventati popolari nel 2025 la maggioranza era sviluppata in Cina oppure derivata da un modello sviluppato in Cina.
C’è un secondo spostamento, meno visibile e altrettanto rilevante per chi valuta fornitori.
La quota dell’industria sullo sviluppo complessivo è scesa da circa il 70% di prima del 2022 al 37% del 2025, mentre gli sviluppatori indipendenti sono saliti dal 17% al 39% dei download, occupandosi soprattutto di quantizzare i modelli base altrui, cioè comprimerli per farli girare su hardware più piccolo, e di ridistribuirli. Lo strato che decide quale versione di un modello gira davvero in produzione è fatto in buona parte di intermediari che non hanno un contratto con nessuno.
Il costo di uscita dalla famiglia Qwen
L’inerzia che Deep Research misura ha una spiegazione banale e costosa. Chi adatta un modello base accumula intorno a quella scelta un patrimonio specifico, dataset curati su quell’architettura, valutazioni tarate su quei comportamenti, filtri di sicurezza e istruzioni di sistema scritte per quelle risposte. Cambiare famiglia non significa sostituire un indirizzo di rete, significa rifare il lavoro.
Poi c’è un dettaglio che rende il vincolo più stretto: la durata media dell’attenzione su un modello aperto, misurata sempre da Hugging Face, è di circa sei settimane. A monte le famiglie si aggiornano in fretta, a valle i derivati restano dove sono, e la distanza fra le due velocità è un costo che nessuno mette a bilancio.
Quanto la genealogia conti si vede da chi costruisce i modelli occidentali. Thinking Machines Lab, il laboratorio fondato da Mira Murati, ha rilasciato a luglio Inkling, 975 miliardi di parametri sotto licenza Apache 2.0, e scrive nella propria documentazione di aver avviato il post-training, la fase di rifinitura che segue il pre-addestramento, con dati sintetici generati da modelli aperti, Kimi K2.5 compreso. Composer 2 di Cursor poggia sulla stessa famiglia. L’alternativa americana ai modelli cinesi discende in parte dai modelli cinesi.
Licenze e controllo dei modelli aperti in Europa
Il secondo vincolo è scritto nelle licenze, e negli ultimi mesi si è irrigidito.
Moonshot ha pubblicato il 27 luglio i pesi di Kimi K3, 2.800 miliardi di parametri, abbandonando la MIT modificata della generazione precedente per un testo proprio:
chi rivende a terzi l’esecuzione del modello o il suo adattamento e supera i 20 milioni di dollari di ricavi aggregati in dodici mesi deve firmare un accordo separato con Moonshot prima di qualsiasi uso commerciale, mentre sopra i 100 milioni di utenti mensili o i 20 milioni di ricavi al mese il nome Kimi K3 va mostrato nell’interfaccia. L’uso interno resta esente, la licenza viaggia con i derivati.
Il caso limite lo ha offerto MiniMax. I pesi del modello video H3 sono usciti il 3 agosto con una licenza che definisce il territorio applicabile come il mondo intero tranne Unione Europea, Regno Unito, Corea del Sud e Stati Uniti, e in quei quattro mercati l’esecuzione locale dei pesi, insieme all’uso dei risultati che ne escono, richiede un’autorizzazione separata. L’azienda motiva la scelta con il quadro regolatorio in evoluzione sui modelli video generativi, dalla somiglianza delle persone al copyright alla sicurezza dei contenuti.
La mitigazione che si raccomanda a un’impresa europea preoccupata dalla residenza dei dati, scaricare i pesi e farli girare su infrastruttura propria in Europa, è esattamente ciò che quella licenza in Europa non concede. L’API ospitata in Cina, dove quei dati finiscono davvero, resta invece disponibile ovunque.
Hugging Face e OpenRouter nel controllo dei modelli aperti
Il terzo strato è il registro, e ha cambiato proprietario due volte in tre settimane.
Il 19 agosto Stripe ha annunciato l’accordo per acquisire OpenRouter, la piattaforma che smista le richieste degli sviluppatori su oltre 400 modelli di più di 80 fornitori scegliendo di volta in volta il più adatto per complessità del compito e prezzo. Il 2 settembre Nvidia ha firmato l’accordo definitivo per Hugging Face, 12,93 miliardi di dollari, il secondo acquisto più grande della sua storia, con chiusura attesa nel primo semestre del 2027 e subordinata alle autorizzazioni regolatorie.
Le due dichiarazioni si somigliano. Alex Atallah, cofondatore di OpenRouter, scrive che l’intelligenza sarà multi-modello e che gli sviluppatori hanno bisogno di uno strato neutrale per orchestrarla. Jensen Huang scrive che Hugging Face resterà una piattaforma aperta per l’intero ecosistema e che il calcolo Nvidia non sarà necessario per costruire o distribuire attraverso di essa.
Gli impegni sono espliciti e messi per iscritto, il che li rende verificabili nel tempo.
Resta il dato di struttura, che riguarda la posizione dell’Europa prima ancora delle due società. La piattaforma che ospita 3 milioni di modelli e serve 18 milioni di sviluppatori passa all’azienda che, secondo il rapporto di Hugging Face stesso, ne era già il primo contributore fra i grandi del settore;
lo smistamento che di fatto misura quali modelli vengano usati davvero passa a una società di pagamenti che di quei token vuole ottimizzare il costo. I modelli sono in prevalenza cinesi, i due strati che li catalogano e li distribuiscono sono americani, e l’Europa compra a valle di entrambi.
Modelli aperti e AI Act: chi risponde in Europa
Sul piano regolatorio la responsabilità si distribuisce in un modo poco intuitivo. Le linee guida della Commissione sui modelli di uso generale, adottate il 18 luglio 2025, stabiliscono che chi modifica un modello altrui ne diventa fornitore soltanto quando la modifica cambia in misura significativa generalità, capacità o profilo di rischio, con un criterio indicativo fissato a un terzo della potenza di calcolo impiegata nell’addestramento originale. Nessun fine-tuning aziendale si avvicina a quella soglia.
L’impresa o l’amministrazione che mette in produzione il servizio resta quindi fornitore del sistema, e di quel sistema risponde davanti al mercato europeo in termini di documentazione e trasparenza. Chi rilascia il modello con licenza libera e aperta, invece, gode di un’esenzione dagli obblighi documentali verso chi costruisce sopra di esso, mentre il riassunto dei dati di addestramento e la politica sul copyright restano dovuti, con una coda temporale lunga, visto che i modelli già sul mercato prima del 2 agosto 2025 hanno tempo fino al 2 agosto 2027.
L’esposizione di chi costruisce in Europa su pesi altrui è quindi documentale prima che tecnica: obblighi pieni su chi pubblica il servizio, informazioni facoltative da chi ha addestrato il modello, e in mezzo un mercato dove la base cambia ogni sei settimane.
Modelli aperti europei nei capitolati pubblici
La traduzione operativa passa dai documenti di gara. Dichiarare la genealogia del modello base, con versione e licenza, è una richiesta che oggi nessun capitolato formula e che non costa nulla aggiungere.
Le richieste successive sono altrettanto praticabili. Che i termini di licenza consentano l’esecuzione in Europa e l’uso dei risultati prodotti, come il caso MiniMax dimostra, non è affatto scontato, e il costo di sostituzione della base andrebbe quantificato in giornate di lavoro prima della firma, quando è ancora una variabile negoziabile. La documentazione del modello base va pretesa dal fornitore che dovrà ereditarla, perché l’esenzione open source la rende facoltativa proprio per chi quel modello lo ha addestrato.
Le alternative europee con genealogia verificabile esistono. Apertus, il modello dell’iniziativa Swiss AI del Politecnico federale di Zurigo, dell’EPFL e del centro di calcolo nazionale svizzero, e Mistral Large 3, rilasciato con licenza Apache 2.0, non arrivano con clausole territoriali che escludano il continente in cui vengono usati, e in entrambi i casi l’interlocutore per la documentazione è raggiungibile dentro quel continente.
Sui benchmark restano dietro ai migliori modelli cinesi, e la distanza si paga in prestazioni. Si guadagna in prevedibilità contrattuale, che in un servizio pubblico destinato a durare qualche anno pesa quanto un punto di benchmark.
Lo stesso rapporto di Hugging Face osserva che modelli e dataset vengono usati soprattutto nelle regioni dove sono stati sviluppati, perché gli sviluppatori scelgono ciò che rappresenta meglio la loro lingua e i loro requisiti. È un argomento industriale prima che identitario, e spiega perché la domanda pubblica aggregata, in Europa, abbia un peso che le singole gare non hanno.
Il prossimo capitolato pubblico per un servizio di AI generativa indicherà il fornitore che ha vinto e il canone annuo. Della famiglia di pesi da cui discende il modello, e della licenza che la governa, non dirà nulla, perché nessuno lo ha ancora chiesto. Quella riga vuota è il posto dove l’autonomia digitale europea si decide, molto più che nei documenti che la nominano.
Partecipa alla community