Qual è la differenza tra un modello IA a pesi aperti e uno open source?

Pesi aperti significa che i parametri addestrati del modello sono scaricabili, ma i dati di addestramento, il codice o le libertà della licenza possono essere omessi. Open source (secondo la definizione OSI) richiede inoltre informazioni sui dati e il codice di addestramento/inferenza sotto termini aperti. Se i dati di addestramento non sono divulgati, il modello è a pesi aperti, non open source.

Llama è open source?

No — Llama è a pesi aperti sotto una licenza comunitaria. Meta non pubblica i dati di addestramento, e la licenza aggiunge una policy di uso accettabile, una soglia di 700 milioni di utenti attivi mensili e restrizioni sull'uso degli output per addestrare modelli concorrenti. L'OSI e altri lo classificano come a sorgente disponibile o a pesi aperti, non open source.

Cos'è la Definizione di IA Open Source dell'OSI?

Pubblicata nell'ottobre 2024, è la prima definizione stabile di IA open source. Concede quattro libertà — usare, studiare, modificare e condividere — e richiede tre componenti: informazioni sui dati, codice completo di addestramento e inferenza e i parametri del modello. Da notare che richiede informazioni dettagliate sui dati di addestramento anziché il dataset grezzo.

L'IA open source richiede la pubblicazione dei dati di addestramento?

Non il dataset grezzo — la definizione OSI richiede informazioni sui dati sufficientemente dettagliate perché una persona qualificata possa costruire un sistema sostanzialmente equivalente, e i dati reali solo quando legalmente possibile. Questo compromesso è la parte più dibattuta della definizione, poiché la vera riproducibilità richiederebbe probabilmente i dati stessi.

Posso usare modelli a pesi aperti commercialmente senza pagare?

Spesso sì, ma dipende interamente dalla licenza. I modelli Apache-2.0 (molte versioni di Qwen e Mistral) consentono un uso commerciale senza restrizioni. La licenza comunitaria di Llama consente l'uso commerciale ma con un limite di utenti e altre restrizioni. Alcune varianti sono solo per uso non commerciale. Controlla sempre la licenza specifica del modello prima del deployment commerciale.

Quali modelli IA sono veramente open source?

I modelli che pubblicano i pesi insieme ai dati di addestramento e al codice completo di addestramento e inferenza — OLMo di Ai2 è l'esempio di riferimento, in quanto pubblica il suo corpus, il codice, i log e i checkpoint. La maggior parte dei modelli "aperti" più diffusi (Llama, Qwen, Mistral, DeepSeek) sono a pesi aperti e trattengono almeno i dati di addestramento.

Un modello Apache-2.0 equivale a open source?

Apache-2.0 è una vera licenza open source, quindi i pesi sotto Apache-2.0 sono permissivi e senza restrizioni commerciali. Ma un modello con pesi sotto Apache-2.0 non è ancora del tutto "open source" secondo la definizione IA dell'OSI a meno che non vengano pubblicate anche le informazioni sui dati di addestramento e il codice — quindi è meglio descritto come pesi aperti con licenza permissiva.

← Resources

By Ren Sugaya — Performance Engineer, GPU & Inference · 2026-04-12 · INSIGHT

Modelli IA a pesi aperti vs. open source: qual è la differenza?

La maggior parte dei modelli presentati come "open source" sono in realtà a pesi aperti: i pesi sono scaricabili, ma i dati di addestramento e le libertà complete della licenza no. Questo articolo spiega la distinzione, la Definizione di IA Open Source dell'OSI, dove si collocano i modelli più diffusi sullo spettro e perché l'etichetta conta per l'uso commerciale.

La distinzione fondamentale

"Pesi aperti" significa che i parametri addestrati del modello sono scaricabili, ma i dati di addestramento, il codice di addestramento o le libertà complete della licenza possono essere omessi. L'"IA open source", secondo la definizione ufficiale, richiede inoltre informazioni sui dati e il codice di addestramento e inferenza, il tutto sotto termini aperti. Senza la divulgazione dei dati di addestramento, una pubblicazione è a pesi aperti, non open source.

Questo conta perché i due termini vengono costantemente confusi. Un modello che puoi scaricare ed eseguire non è automaticamente "open source" nel senso inteso dal mondo del software — e la differenza emerge esattamente dove conta di più: diritti commerciali, riproducibilità e ciò che sei effettivamente autorizzato a fare.

La Definizione di IA Open Source dell'OSI

Nell'ottobre 2024 l'Open Source Initiative ha pubblicato la prima Definizione di IA Open Source stabile. Concede quattro libertà — usare il sistema per qualsiasi scopo senza autorizzazione, studiarne il funzionamento, modificarlo per qualsiasi scopo e condividerlo con o senza modifiche — e richiede tre componenti: informazioni sui dati (dettagli sufficienti per costruire un sistema sostanzialmente equivalente), il codice completo di addestramento e inferenza e i parametri del modello.

Il suo compromesso più controverso è che non richiede la pubblicazione del dataset di addestramento grezzo — solo informazioni sufficientemente dettagliate su di esso. I critici lo definiscono un indebolimento; i sostenitori sottolineano che i vincoli legali e di privacy spesso rendono impossibile pubblicare i dati grezzi. In ogni caso, è questo il metro con cui le affermazioni di "open source" devono essere valutate.

Dove si collocano davvero i modelli più diffusi

La maggior parte dei modelli "aperti" ben noti sono a pesi aperti, non open source:

Llama è a pesi aperti sotto una licenza comunitaria: Meta non pubblica i dati di addestramento, e la licenza aggiunge una policy di uso accettabile, una clausola di 700 milioni di utenti attivi mensili e restrizioni sull'uso degli output per addestrare modelli concorrenti. Non soddisfa la libertà di "usare per qualsiasi scopo senza autorizzazione", quindi è a sorgente disponibile, non open source. (Consulta la nostra [guida a Llama](/articles/run-llama-locally-hardware-guide).)
Qwen e Mistral pubblicano molti modelli sotto Apache-2.0, una vera licenza open source sui pesi che consente un uso commerciale permissivo; tuttavia, senza dati e codice completi restano comunque "pesi aperti con licenza permissiva" anziché aperti secondo l'OSAID. (Consulta la nostra [guida a Qwen3](/articles/run-qwen3-locally-guide).)
OLMo (di Ai2) è il riferimento per il vero aperto: pesi più il corpus di addestramento completo, il codice di addestramento, i log e i checkpoint.
DeepSeek è a pesi aperti: i pesi sono pubblicati, ma i dati di addestramento non sono divulgati.

Lo spettro delle licenze

È utile pensare a uno spettro dal più al meno aperto:

Completamente aperto / allineato all'OSAID: pesi più dati più codice (OLMo).
Licenza OSI permissiva sui pesi: Apache-2.0 (Qwen, Mistral) — pesi senza restrizioni commerciali, ma senza divulgazione completa di dati/codice.
"Comunitaria" restrittiva / sorgente disponibile: Llama — uso commerciale consentito ma con limiti, regole di uso accettabile e restrizioni per i concorrenti.
Solo non commerciale / solo ricerca: alcune varianti di modelli si limitano all'uso non commerciale.
Solo API / chiuso: i pesi non vengono mai pubblicati.

Sapere dove si colloca un modello indica cosa puoi legalmente farne — che è la domanda pratica, più che sapere se merita l'etichetta "open source".

Perché conta e l'"open-washing"

L'etichetta ha conseguenze reali. I termini della licenza — limiti di utenti attivi mensili, divieti per campo d'uso, clausole di non distillazione — determinano direttamente la legalità commerciale. L'open source (in senso stretto) consente inoltre di riprodurre e verificare un modello, il che conta per la fiducia e la ricerca. E la regolamentazione alza la posta in gioco: il Regolamento sull'IA dell'UE concede alcune esenzioni ai sistemi open source, quindi definire "open source" un modello a pesi aperti non è solo approssimativo — può avere conseguenze concrete.

Questo è il cuore della critica all'"open-washing": commercializzare un modello come open source quando nel migliore dei casi è a pesi aperti. Studi sui sistemi di IA generativa hanno rilevato che molte etichette "open source" sono in realtà a pesi aperti, e la tendenza generale lo conferma: la quota di download di modelli che divulgano i dati di addestramento è calata drasticamente, il che significa che l'ecosistema si sta orientando verso i pesi aperti, non verso l'open source.

Come osFoundry gestisce la questione

osFoundry esegue modelli a pesi aperti indipendentemente da dove si trovino sullo spettro: i permissivi Apache-2.0 (Qwen, Mistral), quelli con licenza comunitaria restrittiva (Llama) e i completamente aperti (OLMo) funzionano tutti allo stesso modo tramite BYOK o self-hosting. Poiché la questione "aperto versus pesi aperti" è in fondo una questione di licenze, osFoundry mostra i termini di licenza effettivi di ciascun modello — le clausole di limite utenti, le regole di non distillazione e le restrizioni non commerciali — così che i team possano verificare la legalità commerciale prima del deployment. Con BYOK e il self-hosting mantieni i pesi, i dati e l'inferenza sotto il tuo controllo anziché dietro l'API di un fornitore, e questo è il vantaggio pratico dell'"aperto", a prescindere dal fatto che un dato modello superi o meno il rigoroso standard open source.

Frequently asked questions

Qual è la differenza tra un modello IA a pesi aperti e uno open source?: Pesi aperti significa che i parametri addestrati del modello sono scaricabili, ma i dati di addestramento, il codice o le libertà della licenza possono essere omessi. Open source (secondo la definizione OSI) richiede inoltre informazioni sui dati e il codice di addestramento/inferenza sotto termini aperti. Se i dati di addestramento non sono divulgati, il modello è a pesi aperti, non open source.
Llama è open source?: No — Llama è a pesi aperti sotto una licenza comunitaria. Meta non pubblica i dati di addestramento, e la licenza aggiunge una policy di uso accettabile, una soglia di 700 milioni di utenti attivi mensili e restrizioni sull'uso degli output per addestrare modelli concorrenti. L'OSI e altri lo classificano come a sorgente disponibile o a pesi aperti, non open source.
Cos'è la Definizione di IA Open Source dell'OSI?: Pubblicata nell'ottobre 2024, è la prima definizione stabile di IA open source. Concede quattro libertà — usare, studiare, modificare e condividere — e richiede tre componenti: informazioni sui dati, codice completo di addestramento e inferenza e i parametri del modello. Da notare che richiede informazioni dettagliate sui dati di addestramento anziché il dataset grezzo.
L'IA open source richiede la pubblicazione dei dati di addestramento?: Non il dataset grezzo — la definizione OSI richiede informazioni sui dati sufficientemente dettagliate perché una persona qualificata possa costruire un sistema sostanzialmente equivalente, e i dati reali solo quando legalmente possibile. Questo compromesso è la parte più dibattuta della definizione, poiché la vera riproducibilità richiederebbe probabilmente i dati stessi.
Posso usare modelli a pesi aperti commercialmente senza pagare?: Spesso sì, ma dipende interamente dalla licenza. I modelli Apache-2.0 (molte versioni di Qwen e Mistral) consentono un uso commerciale senza restrizioni. La licenza comunitaria di Llama consente l'uso commerciale ma con un limite di utenti e altre restrizioni. Alcune varianti sono solo per uso non commerciale. Controlla sempre la licenza specifica del modello prima del deployment commerciale.
Quali modelli IA sono veramente open source?: I modelli che pubblicano i pesi insieme ai dati di addestramento e al codice completo di addestramento e inferenza — OLMo di Ai2 è l'esempio di riferimento, in quanto pubblica il suo corpus, il codice, i log e i checkpoint. La maggior parte dei modelli "aperti" più diffusi (Llama, Qwen, Mistral, DeepSeek) sono a pesi aperti e trattengono almeno i dati di addestramento.
Un modello Apache-2.0 equivale a open source?: Apache-2.0 è una vera licenza open source, quindi i pesi sotto Apache-2.0 sono permissivi e senza restrizioni commerciali. Ma un modello con pesi sotto Apache-2.0 non è ancora del tutto "open source" secondo la definizione IA dell'OSI a meno che non vengano pubblicate anche le informazioni sui dati di addestramento e il codice — quindi è meglio descritto come pesi aperti con licenza permissiva.