Mozilla: i modelli IA open cinesi sono a 4,4 mesi dai sistemi frontier statunitensi

Il rapporto State of Open Source AI v1.1, pubblicato da Mozilla il 15 settembre 2026, stima in circa 4,4 mesi il divario tra i principali modelli open-weight e i sistemi frontier chiusi, sulla base di un’analisi dei tempi necessari a completare compiti complessi. Il dato non descrive una vittoria generale di una categoria sull’altra: prestazioni, costi e requisiti cambiano con il lavoro richiesto e con l’hardware disponibile.

La stima di 4,4 mesi ha condizioni precise

La cifra nasce da un’analisi adattata ai dati sull’orizzonte temporale dei compiti: in pratica, misura quanto a lungo un sistema riesce a lavorare su un’attività che un esperto umano completerebbe in un certo numero di ore. La stima di Mozilla colloca il divario tra modelli open e chiusi a circa 4,4 mesi; una stima separata citata nel rapporto lo porta a circa quattro mesi.

Nel quadro descritto da Mozilla, i compiti che richiedono meno di otto ore a un esperto umano rientrano generalmente nelle possibilità di entrambe le categorie. Il vantaggio dei sistemi chiusi emerge soprattutto nella fascia di attività da otto a dodici ore, mentre oltre le dodici ore nessuna delle due categorie risulta generalmente affidabile.

Il riferimento temporale è importante: la classifica citata nel rapporto usa dati con cutoff al 1° settembre 2026. Non è quindi una fotografia delle classifiche successive.

Open-weight non significa open source

Un modello open-weight rende scaricabili i pesi, cioè i parametri addestrati che permettono al sistema di funzionare. Questo può consentire l’esecuzione autonoma, la modifica e la scelta dell’infrastruttura, nel rispetto della licenza del modello.

L’open source in senso pieno richiede però qualcosa in più: accesso o trasparenza sui dati, codice e procedure sufficienti a comprendere e riprodurre l’addestramento, oltre alle libertà previste dalla definizione dell’Open Source Initiative. I pesi, da soli, non bastano. Mozilla afferma che nessuna delle 16 release open considerate nel rapporto fornisce la ricetta completa dei dati richiesta dalla sua definizione di IA open source.

La differenza è tutt’altro che accademica. Scaricare un modello può dare maggiore controllo sull’esecuzione, ma non permette automaticamente di controllare l’origine dei dati, ricostruire l’addestramento o replicare i risultati.

Dove i modelli si avvicinano — e dove no

Nella fotografia dell’Artificial Analysis Intelligence Index v4.1.1 del 1° settembre 2026, Kimi K3 e GLM-5.3 hanno raggiunto 60 punti. I quattro modelli in cima alla classifica erano sistemi chiusi, con punteggi compresi tra 61 e 63.

Un confronto più circoscritto mostra una distanza ridotta ma ancora misurabile:

Il confronto misura una prova specifica, non la qualità complessiva dei modelli. Anche il prezzo è quello indicato per l’attività in questa comparazione ospitata: non comprende automaticamente hardware, personale, integrazione, manutenzione, sicurezza o supporto.

Mozilla segnala inoltre un vantaggio dei sistemi chiusi nei lavori professionali valutati da esperti, nella fedeltà su contesti lunghi e in alcune attività di recupero ad alta intensità. Nel benchmark professionale GDPval-AA v2 citato nel rapporto, Kimi K3 è rimasto 92 punti Elo sotto Claude Fable 5.

La vera linea di demarcazione è il lavoro da svolgere

Per attività di routine, implementazioni sensibili al prezzo o progetti che richiedono controllo sull’infrastruttura, un modello open-weight può essere una scelta interessante. Il vantaggio non è soltanto il download dei pesi: più fornitori possono ospitare lo stesso modello e competere sul prezzo del servizio, mentre architetture come la Mixture of Experts possono attivare soltanto una parte dei parametri per ogni richiesta.

Per attività professionali lunghe, contesti che devono restare coerenti per molte ore o flussi in cui contano supporto e responsabilità operativa, il modello chiuso conserva elementi difficili da sostituire. L’accesso pronto via API, i servizi gestiti, i pacchetti di conformità e l’assistenza riducono il lavoro che altrimenti ricade sul team interno.

La decisione, in altre parole, può cambiare da un carico di lavoro all’altro anche nella stessa organizzazione.

Un’API economica non equivale a un’installazione economica

Il caso di Kimi K3 rende concreto il compromesso. Il modello conta 2,8 trilioni di parametri complessivi, di cui circa 104 miliardi attivi; il checkpoint nativo in formato MXFP4 occupa circa 1,56 TB distribuiti su 96 shard. La configurazione di servizio descritta da Mozilla richiede almeno 64 acceleratori.

Per un consumatore comune, eseguire Kimi K3 localmente nella sua configurazione nativa non è realistico. Il rapporto cita invece Inkling-Small come esempio di modello più piccolo capace di entrare in un singolo acceleratore B300: non è però la stessa configurazione e non può essere usata per ridimensionare i requisiti di Kimi K3.

La differenza tra servizio ospitato e infrastruttura propria pesa anche nei benchmark. Il miglior modello open nella configurazione di un singolo server con otto GPU ha raggiunto 52,6 punti nel grafico hardware citato da Mozilla; il miglior esempio su una singola GPU B300 si è fermato a 40, contro 60 dell’ingresso principale per piccoli data center. Le prestazioni ottenibili con i pesi scaricabili dipendono quindi anche dal sistema capace di eseguirli.

L’uso cresce più rapidamente dei ricavi osservati

Nella classifica OpenRouter per volume di token dell’agosto 2026, otto dei primi dieci modelli avevano pesi open; sette di quegli otto erano sviluppati in Cina. In una fotografia precedente, relativa al periodo maggio-settembre 2025, i fornitori di modelli chiusi rappresentavano invece il 96% dei ricavi a livello di modello secondo i dati citati da Mozilla.

I due numeri descrivono metriche e periodi diversi: il volume di token su una piattaforma non equivale ai ricavi dell’intero mercato. La combinazione resta comunque significativa per capire la direzione del settore: l’adozione dei modelli open-weight può accelerare anche mentre il valore economico continua a concentrarsi nei servizi chiusi.

La questione strategica è la concentrazione

La crescita dei modelli open-weight non sta producendo un ecosistema distribuito in modo uniforme. Il rapporto di Mozilla descrive una fornitura open sempre più concentrata nei laboratori cinesi, mentre i sistemi frontier chiusi più forti restano concentrati tra aziende statunitensi.

Per gli sviluppatori, questo significa poter scegliere tra maggiore portabilità e controllo operativo da una parte, e servizi gestiti con prestazioni di punta in alcuni compiti dall’altra. Per il settore, significa che la dipendenza non riguarda soltanto quale modello sia più forte: riguarda anche chi fornisce i pesi, chi controlla l’infrastruttura e chi sostiene il costo dell’esecuzione.