Il modello che fa tremare Nvidia e OpenAI
Qwen 3.8 27B non è soltanto un altro modello linguistico da aggiungere alla lista infinita di rilasci settimanali. È un segnale chiaro: l’open source sta raggiungendo, e in alcuni casi superando, le prestazioni dei modelli proprietari che le Big Tech ci vendono come prodotti esclusivi. Con un punteggio di 1141 su benchmark indipendenti e quasi 700 commenti entusiasti nella community, questo modello da 27 miliardi di parametri in formato FP8 dimostra che l’accesso aperto alla tecnologia AI non è più un’utopia accademica, ma una realtà competitiva.
Mentre OpenAI protegge gelosamente i pesi di GPT-4 e Anthropic trattiene Claude come un tesoro di Stato, Alibaba Cloud rilascia Qwen 3.8 27B sotto licenza permissiva, permettendo a chiunque di scaricarlo, modificarlo e deployarlo senza chiedere il permesso a un consiglio di amministrazione. Questo non è filantropismo: è una mossa strategica che mette in discussione l’intero modello di business delle aziende che monopolizzano l’accesso all’AI avanzata attraverso API costose e termini di servizio restrittivi.
Chi guadagna davvero dall’AI chiusa?
La risposta è semplice: chi controlla l’accesso controlla il potere. Quando Microsoft integra GPT-4 in Office 365 e chiede un sovrapprezzo del 30% per le funzionalità AI, non sta vendendo un prodotto migliore: sta tassando l’innovazione. Quando Google richiede che i suoi modelli Vertex AI vengano usati solo sulla sua cloud, sta creando un lock-in che rende impossibile uscire dal suo ecosistema senza riscrivere metà del proprio codice.
Qwen 3.8 27B rompe questo schema. Essendo rilasciato con pesi aperti e formato FP8 ottimizzato per l’inferenza efficiente, può girare su hardware consumer di fascia alta o su server dedicati senza dover pagare un centesimo a Nvidia per le loro licenze AI Enterprise o a Microsoft per l’accesso privilegiato a Azure. Questo non è soltanto un vantaggio tecnico: è un atto di sovranità tecnologica.
“Quando un modello aperto raggiunge prestazioni paragonabili a quelli chiusi, non sta semplicemente competendo: sta rivelando che il valore reale non è nei pesi, ma nell’accesso controllato”
La guerra nascosta nei formati: FP8 come arma di democratizzazione
La scelta del formato FP8 (floating point a 8 bit) non è casuale. Mentre Nvidia spinge il suo formato FP4 proprietario come futuro obbligatorio per le sue prossime GPU, la comunità open source sta dimostrando che si può ottenere un ottimo trade-off tra precisione e efficienza con standard aperti. FP8 permette di ridurre l’uso di memoria VRAM fino al 75% rispetto al FP16 tradizionale, rendendo possibile l’inferenza di modelli grandi su schede grafiche che fino a ieri erano considerate inadatte.
Questo ha implicazioni profonde: un sviluppatore indipendente a Napoli può ora far girare Qwen 3.8 27B su una RTX 4090 da 1600 euro invece di dover noleggiare un’istanza AWS p4d.24xlarge che costa più di 30 dollari all’ora. Un collettivo attivista può deployare un chatbot per il supporto legale agli immigrati su un vecchio server donato, senza dover giustificare spese di cloud a un finanziatore europeo che chiede sempre ROI misurabili.
È qui che si vede la differenza tra innovazione vera e innovazione di facciata: le Big Tech spendono miliardi per addestrare modelli sempre più grandi, poi li razionano attraverso API che costano più dell’addestramento stesso. L’open source prende quei stessi risultati (spesso derivati da ricerca pubblica finanziata con tasse nostre) e li rende effettivamente utilizzabili da chi ne ha bisogno, non da chi può pagare.
Dalla ricerca alla repressione: l’AI come strumento di controllo
Non possiamo parlare di Qwen 3.8 27B senza chiedersi: chi potrebbe usarlo e per cosa? La stessa tecnologia che permette a una cooperativa di creare un assistente per la mutua sanitaria può essere riadattata per il controllo sociale. Ma qui entra in gioco la differenza cruciale tra modelli aperti e chiusi: con un modello aperto, la comunità può esaminare, modificare e migliorare le safeguard. Con un modello chiuso, dobbiamo fidarci della parola di chi ha tutto l’interesse a nascondere i propri bias e le proprie falle di sicurezza.
Quando la polizia di Shanghai usa l’AI per il riconoscimento facciale in tempo reale, non sta usando un modello misterioso proveniente da chissà dove: sta probabilmente usando versioni modificate di tecnologie sviluppate in contesti accademici aperti, poi chiusi e riapplicati al controllo. L’open source non elimina questo rischio, ma almeno ci dà gli strumenti per capire cosa sta succedendo sotto il cofano.
In Italia, dove il Garante della Privacy ha appena multato una società per l’uso illegale di algoritmi di scoring sui lavoratori della logistica, avere modelli AI apertamente ispezionabili diventa una questione di difesa costituzionale. Se non possiamo vedere come funziona l’algoritmo che decide se siamo idonei a un prestito o a un’assunzione, non possiamo contestarne le decisioni in tribunale.
Alternative dal basso: cosa sta già succedendo in Italia
Non serve aspettare che il Parlamento legiferi sull’AI aperta. Già oggi esistono esperienze che dimostrano un’altra strada è possibile. Il progetto Roma Tre AI Lab ha deployato una versione fine-tuned di Qwen 2.5 per aiutare gli studenti con dislessia a comprendere testi universitari, tutto running su server acquistati con fondi di ricerca pubblica e rilasciato sotto licenza AGPL.
A Napoli, il collettivo Hackmeeting Sud sta costruendo una rete di inferenza distribuita usando vecchie GPU donate da studi di grafica falliti, creando un ‘cloud popolare’ dove attivisti, giornalisti indipendenti e piccoli editori possono far girare modelli linguistici senza dipendere da Google o Amazon.
Queste non sono iniziative isolate: fanno parte di una crescente consapevolezza che la sovranità tecnologica non si ottiene aspettando che qualche miliardario filantropo decida di condividere i suoi giocattoli. Si costruisce prendendo ciò che è già aperto, migliorandolo e mettendolo a disposizione di chi ne ha bisogno.
Il vero costo dell’AI ‘gratuita’
Quando Sam Altman ci dice che vuole dare l’AI a tutti, dobbiamo chiedersi: a quale prezzo? L’accesso gratuito a ChatGPT ha un costo nascosto: la cessione permanente dei nostri dati di addestramento, l’accettazione di termini di servizio che permettono a OpenAI di usare le nostre conversazioni per migliorare modelli che poi venderemo a caro prezzo alle imprese, e la dipendenza da un singolo punto di fallimento che può decidere di chiudere l’accesso domani mattina.
Qwen 3.8 27B ci offre un’alternativa diversa: sì, devi mettere su qualche ora di lavoro per scaricarlo, quantizzarlo e deployarlo. Ma una volta fatto, è tuo. Nessuno può revocarti la licenza. Nessuno può cambiare i termini di servizio senza che tu ne venga a conoscenza e possa decidere di forkare il progetto. Nessuno può usare le tue interazioni per addestrare modelli che poi userà per competere con la tua attività.
Questa è la differenza tra consumare un servizio e possedere uno strumento. E nella lotta per l’autonomia digitale, possedere gli strumenti fa tutta la differenza del mondo.
Conclusioni: l’AI non è neutrale, scegli da che parte stare
Qwen 3.8 27B non è soltanto un modello linguistico più efficiente degli altri. È un punto di riferimento nella battaglia per decidere chi controlla il futuro dell’intelligenza artificiale. Ogni volta che scegliamo di usare un modello aperto invece di un’API proprietaria, stiamo votando con i nostri download per un mondo dove la tecnologia serve le persone, non il contrario.
La prossima volta che senti parlare di ‘democratizzazione dell’AI’ da un CEO di Big Tech, chiediti: sta davvero dando potere agli utenti, o sta semplicemente trovando un nuovo modo per monetizzare il controllo? La risposta di Qwen 3.8 27B è chiara: la vera democratizzazione non passa attraverso abbonamenti tiered e API rate-limited, ma attraverso la libertà di scaricare, modificare e eseguire il codice senza chiedere il permesso a nessuno.
In un’epoca in cui anche il diritto alla riparazione viene messo in discussione, avere modelli AI che possiamo davvero possedere, studiare e migliorare potrebbe essere l’ultima linea di difesa contro il tecno-feudalesimo che avanza. Non è abbastanza dire ‘l’open source vince sempre’. Dobbiamo costruire le condizioni perché vinca davvero. E Qwen 3.8 27B ci mostra che quelle condizioni esistono già: basta usarle.