AI 7 min di lettura

Modelli open weight e open source: licenze e uso commerciale

Torta fatta in casa e ricettario chiuso accompagnano il confronto tra modelli open weight e open source.

La differenza tra modelli open weight e open source non è soltanto terminologica. Decide che cosa possiamo usare, modificare e consegnare a un cliente. Nel passaggio del mio talk al WordCamp Pisa 2026 la riassumo così: «Ci danno la torta, ma non ci danno la ricetta». Scaricare i pesi permette di disporre del risultato dell’addestramento. Non significa ricevere anche gli elementi necessari per ricostruirlo, né ottenere automaticamente il permesso di impiegarlo per qualsiasi attività.

Per scegliere un modello, parto da tre verifiche: che cosa viene pubblicato, quali diritti concede la licenza e quale parte del sistema rimane sotto il nostro controllo. Uso commerciale, apertura secondo la definizione di AI open source ed esecuzione locale sono caratteristiche distinte, da valutare separatamente.

Modelli open weight e open source: cosa riceviamo davvero

I pesi sono i parametri appresi durante l’addestramento. Rendendoli disponibili, il produttore consente di ottenere una copia del modello da eseguire su un’infrastruttura compatibile, nei limiti dei termini applicabili. Questo distingue la disponibilità del modello dall’accesso a un servizio che lo espone attraverso un’interfaccia o un’API.

La disponibilità dei pesi non implica però quella del codice di addestramento, né delle informazioni necessarie a ricostruire la selezione e il trattamento dei dati. Posso quindi avere ciò che serve per usare il risultato, ma non per ricostruire il percorso che lo ha prodotto. L’Open Source Initiative mette proprio questa distanza al centro della distinzione tra pesi disponibili e apertura del sistema.

Per approfondire la metafora della torta, bisogna guardare ai singoli progetti: alcuni pubblicano più elementi di altri. Per questo preferisco chiedere quali componenti siano effettivamente disponibili, invece di fermarmi all’etichetta scelta nella presentazione.

Un’altra distinzione riguarda i modelli di frontiera e i modelli open weight, due categorie che possono sovrapporsi. La disponibilità dei pesi descrive una modalità di distribuzione. Il termine “frontiera” riguarda invece il posizionamento rispetto alle capacità più avanzate. Per decidere un’adozione, tengo separati capacità, accessibilità e diritti d’uso.

Le quattro libertà della definizione OSI

La Open Source AI Definition 1.0 dell’Open Source Initiative, o OSI, parte da quattro libertà: usare il sistema per qualsiasi scopo senza chiedere permesso, studiarlo, modificarlo e condividerlo, anche dopo averlo modificato. Per esercitare quelle libertà servono condizioni concrete, oltre alla possibilità di scaricare un file.

Secondo la definizione, servono i parametri, il codice completo usato per addestrare ed eseguire il sistema e informazioni sufficientemente dettagliate sui dati di addestramento. I termini di disponibilità devono essere coerenti con i requisiti OSI. La definizione considera anche modelli e pesi come elementi valutabili separatamente: il perimetro al quale si applica una dichiarazione di apertura conta.

Per i dati di addestramento, la definizione richiede informazioni sulla provenienza, sulle caratteristiche, sulla selezione, sull’etichettatura e sul trattamento, oltre agli elenchi dei dati pubblici o ottenibili da terzi. La pubblicazione integrale di tutti i dati grezzi non è necessariamente richiesta.

La distinzione è sostanziale. La disponibilità di queste informazioni permette di studiare il processo con strumenti che i soli pesi non offrono. La semplicità e il costo della riproduzione dell’addestramento restano una questione distinta: un conto è il diritto di farlo, un altro sono le risorse necessarie.

Pesi, codice e dati vanno controllati separatamente

Quando valuto il grado di apertura di un modello, non considero il repository come un blocco unico. Cerco di capire che cosa contenga davvero: pesi, codice di esecuzione, codice di training e documentazione sui dati rispondono a domande differenti. La presenza di uno di questi elementi non dimostra quella degli altri.

Il codice necessario a eseguire il modello, per esempio, risponde a una domanda diversa da come sia stato addestrato. Allo stesso modo, verifico che la documentazione delle fonti contenga le informazioni dettagliate richieste dalla definizione OSI. Il punto è capire quali verifiche i file rendano possibili.

Questa separazione serve anche a individuare l’ambito di ogni licenza. Controllo quali termini coprano il codice, quali i pesi e quali gli altri materiali. Prima di fare una dichiarazione al cliente, voglio sapere a quale componente si riferisce e quali documenti la sostengono.

Preferisco quindi una descrizione precisa a “open source” usato come sinonimo generico di scaricabile: pesi disponibili, codice pubblicato, informazioni sui dati presenti o mancanti, condizioni commerciali da verificare. Sono caratteristiche controllabili, non un giudizio complessivo affidato al marketing.

Licenza e uso commerciale: da dove partire

Il primo controllo pratico è trovare il testo applicabile alla versione che si intende utilizzare. Il punto di partenza è la pagina ufficiale di distribuzione, insieme al repository e agli eventuali documenti richiamati. Cercherei il file di licenza, la scheda del modello e gli eventuali termini aggiuntivi, senza considerare sufficiente la descrizione sintetica di una piattaforma.

Nomi come Apache 2.0 e MIT possono comparire accanto a licenze proprie dei produttori. Ogni licenza va esaminata nei suoi termini. La distribuzione con Apache 2.0, per esempio, riguarda specifici modelli; per confrontare le licenze e valutare i diversi impieghi occorre esaminare le clausole applicabili.

Per un utilizzo commerciale la domanda deve essere concreta. Un conto è eseguire il modello internamente, un altro è integrarlo in un servizio, un altro ancora è consegnarne una copia al cliente. Sono scenari da descrivere prima della verifica, perché una generica domanda sulla possibilità di “usarlo in azienda” rischia di lasciare fuori proprio l’attività prevista.

Controllerei almeno questi punti, senza presumere che ogni licenza contenga gli stessi vincoli:

  • Quale versione del modello e quali file sono coperti dai termini individuati.
  • Se l’impiego commerciale previsto è consentito e a quali condizioni.
  • Quali condizioni riguardano modifica, condivisione e redistribuzione.
  • Se sono richiamati altri documenti o condizioni d’uso.
  • Quali obblighi devono essere mantenuti quando il modello viene consegnato o integrato nel prodotto.

Conserverei una copia dei termini esaminati insieme all’identificativo della versione scelta. La affiancherei alla valutazione legale quando serve. È il minimo per rendere ricostruibile una decisione tecnica e contrattuale, invece di affidarla al ricordo di una pagina web.

GPT-OSS: un esempio concreto, non una regola generale

Un caso concreto è quello di gpt-oss-120b e gpt-oss-20b. Il Sole 24 Ore ha riportato il lancio dei due modelli open-weight di OpenAI il 5 agosto 2025, indicando la loro disponibilità con licenza Apache 2.0. È un’informazione riferita a quei modelli, non una proprietà automatica di tutto ciò che viene chiamato open weight.

L’esempio chiarisce perché distinguo sempre due valutazioni. La prima riguarda i diritti concessi sui materiali distribuiti. La seconda riguarda la completezza di ciò che è pubblicato rispetto alla definizione di AI open source. Per rispondere alla seconda domanda, esamino i componenti pubblicati e la relativa documentazione.

Per approvare un’integrazione, la verifica deve arrivare al modello concreto e alla versione prevista. È lì che posso associare documentazione, termini e scelta tecnica, mantenendo la valutazione riferita al rilascio scelto.

L’esecuzione locale cambia il controllo, non risolve ogni problema

La disponibilità dei pesi apre una possibilità importante: eseguire il modello sulla propria infrastruttura anziché dipendere necessariamente da un servizio remoto. Il beneficio operativo è poter decidere dove collocare l’inferenza. Non significa però che l’intera applicazione rimanga automaticamente entro quel confine.

In un’integrazione ipotetica con WordPress, per esempio, controllerei anche eventuali servizi esterni, strumenti collegati e destinazioni dei log. Verificherei quindi sia la posizione del modello sia il percorso complessivo dei dati.

Lo stesso vale per il costo. Per valutare la convenienza dell’esecuzione locale per un certo carico, servono verifiche sull’infrastruttura disponibile e sul comportamento dell’applicazione. Qui il collo di bottiglia può spostarsi dall’accesso al servizio alla gestione del sistema che lo sostituisce.

Per questo tengo distinti permesso, fattibilità e convenienza. La licenza risponde alla prima domanda. La compatibilità e le prove rispondono alla seconda. La terza richiede una valutazione dei costi e delle responsabilità operative.

Prima della consegna, rendere verificabile la scelta

Per un impiego presso un cliente, vorrei arrivare a una decisione documentabile: modello e versione identificati, termini conservati, uso previsto descritto, componenti distribuiti chiariti e flussi dei dati verificati. Se manca un elemento decisivo, restringerei il perimetro dell’adozione invece di colmare il vuoto con un’interpretazione favorevole.

Il criterio non è scegliere sempre il modello con più materiali pubblicati. È scegliere sapendo quali libertà si ottengono, quali verifiche restano impossibili e quali responsabilità passano a chi integra il sistema. L’apertura può ridurre una dipendenza e lascia a chi integra il lavoro necessario per gestirla.

Nel talk completo «Dal modello a WordPress: MLOps con AI locale» questa distinzione accompagna il passaggio ai concetti operativi. La guida per rifare la demo è il riferimento per ripercorrerne i passaggi. Per un uso commerciale, alla riproduzione tecnica deve aggiungersi la verifica dei diritti: far funzionare un modello e poterlo consegnare alle condizioni previste sono due risultati diversi.

← Tutti gli articoli