Modello open weight o proprietario: cosa cambia

Chiara è responsabile qualità in un'azienda alimentare. Vorrebbe usare l'AI per leggere i rapporti dei fornitori, ma i documenti contengono ricette e capitolati riservati. Un collega le ha parlato di "modelli aperti" da installare in casa. Prima di decidere serve capire cosa si guadagna e cosa si perde. La scelta tra open weight e proprietario non riguarda solo dove gira il modello: riguarda la licenza, chi lo aggiorna, chi risponde quando qualcosa non va.

Cosa vuol dire, in pratica

Un modello proprietario resta sui server del produttore. Tu mandi il testo, ricevi la risposta e paghi secondo il listino, come succede con i modelli di OpenAI ¹. Non vedi il modello e non puoi spostarlo.

Un modello open weight mette a disposizione i pesi, cioè il file che contiene quello che il modello ha imparato. Lo scarichi e lo fai girare sul tuo computer, su un server tuo o presso un fornitore a tua scelta. Un esempio dalla libreria di Ollama: il modello nimble è distribuito con licenza Apache 2.0 e si scarica in un file di circa 9 GB ². Open weight non vuol dire per forza libero per ogni uso: la licenza va sempre letta.

Qualità e potenza

I modelli proprietari più grandi sono in genere i più capaci sui compiti difficili: ragionamenti lunghi, documenti complessi, scrittura curata. Molti modelli open weight sono più piccoli e pensati per girare su macchine normali. Non è un difetto: per compiti precisi e ripetitivi, come classificare una mail o estrarre un campo da un documento, un modello piccolo e ben scelto può bastare.

La domanda da farsi non è "quale è più intelligente" ma "quale basta per questo compito". Prova il modello aperto sui tuoi casi veri e confronta il tasso di errore con quello del proprietario.

Dati, costi e responsabilità

Con un modello open weight installato in azienda, i testi non escono: è il motivo per cui piace a chi tratta dati riservati. Eseguito in locale con un programma come Ollama non ci sono costi d'uso per richiesta ³; restano il costo della macchina e di chi la configura.

Con un modello proprietario usato tramite API, i dati viaggiano verso il fornitore, ma con regole aziendali: OpenAI dichiara di non usarli per l'addestramento salvo tua scelta ⁴. In cambio non ti occupi di hardware, aggiornamenti e sicurezza del server. Con l'open weight queste cose diventano tue, o di un fornitore che paghi per farle.

Dipendenza dal fornitore e futuro

Con un proprietario dipendi dalle decisioni del produttore: prezzi, versioni che vengono ritirate, condizioni che cambiano. Con un open weight il file resta tuo e puoi continuare a usarlo anche se il progetto si ferma. Per un processo che deve durare anni senza sorprese, questa stabilità ha un valore. Per un assistente da ufficio che deve migliorare a ogni versione, conta di più l'accesso ai modelli più recenti.

Una via di mezzo è scrivere il proprio processo in modo che il modello si possa cambiare senza rifare tutto: le istruzioni, gli esempi e i controlli restano vostri, il modello diventa un pezzo sostituibile. Così puoi partire con un proprietario per avere risultati subito e provare un open weight più avanti, sugli stessi casi, senza ricominciare da capo.

Il verdetto

Per gli assistenti di uso generale e i compiti che richiedono il massimo della qualità, un modello proprietario con piano aziendale è la scelta più semplice. Per compiti ripetitivi su dati riservati, come quelli di Chiara, vale la pena provare un modello open weight in casa, con una licenza compatibile e qualcuno che lo gestisca. Molte aziende finiscono per usare entrambi, ognuno dove rende di più.

Altri confronti sono in Confronti e strumenti.