Un modello è soprattutto un file di numeri molto grande: i suoi pesi. Quando uno sviluppatore pubblica quel file, chiunque può eseguire il modello sul proprio hardware.
Come funziona
L’addestramento produce i pesi, cioè i parametri che una rete neurale ha imparato. L’Open Source Initiative descrive gli open weights come “the final weights and biases of a trained neural network” (traduzione: i pesi e i bias finali di una rete neurale addestrata). Con quelli puoi fare inferenza, fine-tuning o quantizzare il modello.
Cosa di solito gli open weights non includono, secondo l’OSI:
- il codice di addestramento;
- informazioni dettagliate sui dati di addestramento.
La definizione di Open Source AI dell’OSI richiede entrambi, insieme ai pesi, così altri possono studiare e riprodurre il modello. Molti modelli popolari sono open-weight ma non open source in questo senso. I rapporti del governo statunitense usano un’espressione affine: modelli con “widely available model weights” (traduzione: pesi del modello ampiamente disponibili). Google, per esempio, chiama la sua famiglia Gemma “open models” (modelli aperti).
Ogni rilascio open-weight ha una licenza. Tra le più comuni ci sono Apache-2.0 e MIT, mentre altre limitano l’uso commerciale. È la licenza a stabilire se puoi servire il modello ad altre persone tramite un’API.
Perché è importante
- Scelta di dove gira. Puoi ospitarlo tu per avere il pieno controllo, oppure chiamare uno dei vari provider che servono lo stesso modello.
- Privacy. Puoi tenere i dati sul tuo hardware, oppure scegliere un host con zero data retention.
- Niente lock-in. Se un provider cambia condizioni, gli stessi pesi girano altrove. Un’API compatibile con OpenAI trasforma il passaggio in una modifica di configurazione.
- Stesso nome, serving diverso. Due provider possono servire lo stesso modello con quantizzazione, limiti di contesto o impostazioni diverse. Fai prove sui tuoi prompt.
Su BroadNet Inference
Il catalogo dei modelli di BroadNet dice “~270 models run on our GPUs” (traduzione: circa 270 modelli girano sulle nostre GPU; dato di laboratorio, settembre 2026). Il conteggio include ogni modello che BroadNet dice di aver eseguito, testato, quantizzato o sottoposto a fine-tuning, compresi quelli scartati, non solo i modelli della sua API. La sua informativa sulla privacy descrive l’hosting come hardware statunitense di proprietà di BroadNet o in leasing, con capacità di partner come riserva. Il suo catalogo dei modelli mostra le licenze perché, con le sue parole, “decide what can be served through an API” (traduzione: decidono cosa si può servire tramite un’API). BroadNet Gemma 4 VL 26B è la build di BroadNet di Gemma 4 di Google. BroadNet Transcribe Arabic si basa su Cohere Transcribe, e BroadNet lo riporta in posizione #2 su 37 (dato di settembre 2026; la classifica in tempo reale lo indicava #4 su 39 il 15 novembre 2026) nell’Open Universal Arabic ASR Leaderboard, e al primo posto tra i modelli la cui licenza consente il serving via API.
Per scegliere un modello per testi in arabo, vedi come scegliere un LLM per l’arabo.