BroadRouter

Modelli AI open-weight o chiusi in azienda: costi, controllo, rischi

A cura del team di BroadNet Inference · 4 min di lettura · Pubblicato

I modelli chiusi sono ancora in testa alla frontiera, ma Epoch AI stima che i migliori modelli open-weight siano indietro di circa quattro mesi. I modelli open-weight vincono su controllo, opzioni di privacy, blocco della versione e lock-in, perché molti provider possono servire gli stessi pesi. I modelli chiusi vincono quando ti serve la qualità migliore in assoluto sui compiti difficili. Molte aziende usano entrambi, instradati per compito.

Ogni team che costruisce su LLM fa questa scelta, spesso senza accorgersene: modelli chiusi raggiungibili solo tramite l’API di un fornitore, oppure modelli open-weight i cui pesi chiunque può scaricare ed eseguire. La scelta incide sulla bolletta, sul percorso dei dati, sulla stabilità del prodotto e su quanto è difficile andarsene.

Che cosa significa davvero open-weight?

Un modello open-weight pubblica i suoi parametri addestrati. Tu, o qualsiasi provider, potete eseguirlo. È un concetto più ristretto di open source: i dati di addestramento e l’intera pipeline di addestramento di solito non vengono rilasciati.

Le licenze variano. Alcune sono permissive: Whisper di OpenAI, per esempio, rilascia codice e pesi con licenza MIT. Altre limitano l’uso commerciale, il numero di utenti o gli ambiti d’uso. Leggi la licenza di ogni modello prima di costruirci sopra.

I pesi di un modello chiuso restano al fornitore. Ne noleggi l’accesso tramite la sua API, o tramite cloud a cui il fornitore ha concesso la licenza.

Modelli open-weight e chiusi a confronto

Fattore Open-weight Chiusi
Qualità di punta Indietro di qualche mese rispetto alla frontiera Di solito in testa sui compiti più difficili
Prezzo per token Spesso più basso; gli host competono sullo stesso modello Lo fissa un solo fornitore
Dove gira Sui tuoi server, su una GPU noleggiata o presso qualsiasi host L’API del fornitore o cloud con licenza
Opzioni di privacy Self-hosting, oppure un host con zero data retention Le condizioni e i livelli del fornitore
Stabilità della versione Blocchi i pesi esatti per tutto il tempo che vuoi Il fornitore ritira le versioni secondo i suoi tempi
Personalizzazione Fine-tuning o quantizzazione in autonomia Solo ciò che offre il fornitore
Lock-in Basso: diversi host servono gli stessi pesi Alto: un fornitore per modello
Operatività A carico tuo se fai self-hosting A carico del fornitore

Quanto è grande il divario di qualità?

Più piccolo di un tempo, ma reale. L’AI Index 2025 di Stanford ha riportato che il vantaggio del miglior modello chiuso sul miglior modello open-weight nella classifica Chatbot Arena è sceso dall’8,04% di inizio gennaio 2024 all’1,70% di febbraio 2025. Epoch AI ha stimato il 29 maggio 2026 che “the most capable open-weight models have lagged frontier closed models by an average of four months” (traduzione: «i modelli open-weight più capaci sono rimasti indietro rispetto ai modelli chiusi di frontiera in media di quattro mesi»), misurando sul suo Epoch Capabilities Index.

In pratica:

  • Classificazione, estrazione, riassunti, traduzione, chat di routine: i modelli open-weight di solito bastano, e costano meno.
  • Coding agent e documenti lunghi: esistono valide opzioni open-weight; provale sui tuoi repository. Vedi il miglior modello aperto per i coding agent.
  • Il ragionamento più difficile e le capacità più nuove: spesso i modelli chiusi ci arrivano prima.

Le classifiche sono medie. Il benchmark che conta sono i tuoi 50 casi di test reali.

Quali sono i tre modi per usare un modello open-weight?

Opzione Ideale quando Attenzione a
Self-hosting sulle tue GPU I dati non devono lasciare la tua rete; le GPU restano occupate Hardware, driver, scalabilità, sicurezza, aggiornamenti
Noleggio di una GPU dedicata Carico costante, pesi personalizzati Paghi anche le ore di inattività
API open-weight ospitata Traffico a picchi o in crescita; avvio rapido Ti fidi della conservazione dei dati e dell’uptime dell’host

Il self-hosting sembra gratuito per token, ma una GPU costa uguale che serva una richiesta all’ora o mille. Conviene con un utilizzo alto e costante. Sotto quella soglia, un’API a token o un piano a tariffa fissa di solito costa meno.

Quanto costa al mese un modello open-weight?

I prezzi per token dei modelli open-weight ospitati sono facili da calcolare. Per 100 milioni di token di input e 10 milioni di output al mese su DeepSeek V4.1 Flash tramite BroadNet:

100 x $0.175 + 10 x $0.52 al mese, prima di eventuali sconti per la cache.

Rifai lo stesso calcolo con i prezzi per milione pubblicati dal tuo fornitore chiuso e i tuoi conteggi reali di token, oppure parti dal nostro confronto dei costi API tra modelli open-weight e chiusi, che calcola il prezzo di un carico di lavoro su GPT, Claude, Gemini, Grok e cinque modelli aperti. L’input in cache cambia molto il risultato: su questo modello i token in cache costano $0.0055 per milione. Il calcolatore dei costi delle API LLM fa questo calcolo per ogni modello BroadNet, e la tabella dei prezzi delle API LLM elenca quanto fanno pagare altri host per gli stessi pesi aperti.

Perché il lock-in conta più di quanto sembri?

Quando un fornitore chiuso alza i prezzi, cambia le condizioni sui dati o ritira il modello su cui sono tarati i tuoi prompt, puoi solo accettare o riscrivere. Con un modello open-weight puoi spostare gli stessi pesi su un altro host, o in casa, e mantenere lo stesso comportamento.

Per mantenere concreta questa possibilità:

  1. Chiama i modelli tramite un SDK compatibile con OpenAI, con base URL e ID del modello nella configurazione.
  2. Tieni un test set di regressione ed eseguilo a ogni cambio di provider.
  3. Se vuoi, metti davanti un router come LiteLLM, così cambiare diventa una modifica di configurazione.

Come combinano le aziende modelli aperti e chiusi?

La maggior parte delle aziende finisce per usarli entrambi:

  • Instrada i compiti ad alto volume e ben definiti (estrazione, smistamento, riassunti, passaggi di routine degli agenti) verso un modello open-weight.
  • Instrada i compiti rari e difficili verso un modello chiuso di frontiera.
  • Ripeti i test ogni trimestre. Visto il divario misurato da Epoch, con il tempo i compiti passano dalla seconda lista alla prima.

Dove si colloca BroadNet Inference

BroadNet Inference è un’API open-weight ospitata: DeepSeek V4.1 Flash, GLM 5.3, Qwen3.8 27B e la build di BroadNet di Gemma 4 di Google, più due modelli speech-to-text, tutti tramite un endpoint compatibile con OpenAI. La sua informativa sulla privacy dice che non conserva prompt né output e non usa i dati di inferenza per addestrare, fare fine-tuning o valutare modelli. DeepSeek V4.1 Flash è disponibile anche con piani a tariffa fissa, da $1 all’ora a $60 al mese per sessione.

Non serve modelli chiusi. Se un compito richiede GPT, Claude o Gemini, usa quei fornitori per quel percorso e tieni il resto sui pesi aperti. Per confrontare BroadNet con altri provider, usa la checklist dei provider in 20 punti.

Domande frequenti

Che differenza c’è tra modelli AI open-weight e open source?

Un modello open-weight pubblica i pesi addestrati, così chiunque può eseguirlo. Un modello open source pubblicherebbe anche il codice e i dati di addestramento. La maggior parte degli LLM «aperti» più diffusi è solo open-weight, con licenze che vanno dalle permissive alle restrittive.

I modelli open-weight sono bravi quanto quelli chiusi?

Ci vanno vicino, ma non sono alla pari al vertice. Epoch AI ha stimato a maggio 2026 che i migliori modelli open-weight sono indietro di circa quattro mesi rispetto ai migliori modelli chiusi. In molti compiti quotidiani la differenza è piccola; nei compiti più difficili di solito i modelli chiusi sono ancora in testa.

I modelli open-weight costano meno?

Spesso sì per token, perché molti host competono per servire gli stessi pesi. Il self-hosting conviene solo quando le tue GPU restano occupate; le GPU inattive costano che tu le usi o no.

Un modello open-weight è più riservato?

Può esserlo. Puoi ospitarlo in self-hosting così i dati non lasciano mai la tua rete, oppure scegliere un host con zero data retention. Un modello chiuso può girare solo dove lo serve il suo fornitore, alle condizioni del fornitore.

Posso passare da un modello chiuso a uno open-weight senza riscrivere il codice?

Di solito sì, se l’host offre un’API compatibile con OpenAI. Cambia base URL, chiave e ID del modello, poi riprova prompt, tool call e qualità dell’output sul tuo test set.

Leggi in MarkdownChiedi a ChatGPTChiedi a ClaudeChiedi a Perplexity