L’ondata di IA open source che nessuno si aspettava, ma tutti dovrebbero seguire

Puoi seguire ogni grande presentazione sull’IA e perderti comunque metà del lavoro interessante. A marzo 2026, modelli di Kimi, Qwen e MiroMind, insieme a progetti di ricerca specializzati, offrono agli sviluppatori più opzioni di quante suggerisca la solita rosa di abbonamenti.

È un’ondata, ma non un unico lunedì in cui sono usciti all’improvviso sei modelli. Alcuni sono arrivati a settimane o mesi di distanza. E “open source”, “pesi scaricabili” e “prova gratuita dell’API” sono cose diverse, per quanto Internet le getti entusiasticamente nello stesso carrello.

Il problema dei lanci sotto copertura

Prendi Hunter Alpha: un modello presentato anonimamente su OpenRouter che si è rivelato una versione iniziale di MiMo-V2-Pro di Xiaomi. L’annuncio di rilascio di Xiaomi identifica il collegamento e descrive un modello con oltre mille miliardi di parametri totali, 42 miliardi attivi e una finestra di contesto fino a un milione di token.

È un concorrente interessante. Non è però un download di pesi aperti: il lancio di Pro offre accesso API con prezzi a consumo. Test anonimi e accesso promozionale non vanno scambiati per una promessa di uso gratuito permanente.

La parte teatrale è il travestimento. Un modello che compare con un nome misterioso dà agli sviluppatori qualcosa su cui discutere prima che entri nella stanza il logo aziendale. Ma un lancio sotto copertura non dimostra che ogni laboratorio segua ormai segretamente lo stesso copione.

Kimi K2.5 e lo sciame di agenti che nessuno aveva chiesto, ma serviva a tutti

Moonshot AI ha introdotto Kimi K2.5 a gennaio, non nel gruppo di uscite di questa settimana. Il suo annuncio tecnico descrive programmazione a partire da input visivi e un’anteprima di ricerca di Agent Swarm capace di coordinare fino a 100 sottoagenti.

L’idea è che un orchestratore scomponga un lavoro grande in compiti paralleli: cercare un argomento qui, indagarne un altro là, poi riunire i risultati. Meno un assistente che giostra tutto, più un ufficio che ha scoperto di poter tenere varie riunioni contemporaneamente. Quanto sia rassicurante dipende dalla tua esperienza degli uffici.

C’è una distinzione importante fra prodotti. Accedere ai pesi del modello o a un endpoint API non include automaticamente l’intera esperienza ospitata di Agent Swarm. L’agente ha bisogno di strumenti e orchestrazione attorno a sé; l’annuncio di Moonshot presenta Swarm come anteprima di ricerca su Kimi.com.

Un altro sviluppo utile è arrivato il 19 marzo: Cloudflare ha aggiunto Kimi K2.5 a Workers AI, con una finestra di contesto da 256k, chiamate a strumenti e input visivi. Uno sviluppatore può usare il servizio d’inferenza ospitato senza gestire personalmente i server del modello. Costruirci un’applicazione affidabile attorno resta un altro lavoro.

Qwen 3.5 Small: ambizioni tascabili

Le uscite più piccole di Qwen3.5 di Alibaba comprendono varie dimensioni, non un singolo modello chiamato “Small”. La scheda del modello 9B riporta 81,7 su GPQA Diamond, accanto a 80,1 per GPT-OSS-120B nella tabella di confronto.

È un risultato notevole su un benchmark difficile di domande scientifiche. Non prova che un modello da nove miliardi di parametri eguagli quello più grande in ogni compito. La stessa tabella contiene altri test in cui l’ordine cambia. Fare acquisti fra i benchmark è molto più facile visitando una sola corsia.

Né dividere i numeri totali dei parametri dice esattamente quanto più veloce o piccola sarà un’applicazione funzionante. Contano architettura, precisione numerica e memoria usata durante l’elaborazione di una conversazione.

Le varianti più piccole rendono più accessibili gli esperimenti locali. Ma “funziona su qualsiasi iPhone recente con 4 GB di RAM” è una promessa troppo ampia: dispositivo, app, formato del modello e lunghezza del contesto devono essere compatibili. Una configurazione davvero locale può tenere i prompt sul dispositivo; scaricare i pesi da solo non dice se l’app circostante invii qualcosa altrove.

MiroThinker: fare ricerca non significa soltanto pensare più intensamente

Anche MiroThinker v1.0 72B di MiroMind rientra nel discorso, sebbene il relativo articolo di ricerca risalga a novembre 2025.

Il suo approccio di “interactive scaling” aumenta l’interazione con strumenti e ambiente esterno. L’agente raccoglie informazioni e usa il feedback per affinare il lavoro. È diverso dal limitarsi a eseguire più cicli di pensiero interni prima di rispondere.

Lo sviluppatore riporta l’81,9% su GAIA-Text-103, uno specifico sottoinsieme testuale. È un risultato promettente per un agente di ricerca, non un punteggio universale per ogni ragionamento né la dimostrazione che ogni flusso GPT-5 a pagamento abbia un equivalente gratuito.

I pesi si possono scaricare. Eseguire un modello 72B e i suoi strumenti richiede comunque risorse. I pesi aperti rimuovono una barriera; non convincono una GPU a lavorare in cambio di visibilità.

Gli specialisti: CUDA Agent e FireRed

CUDA Agent, descritto in un articolo di ricerca del 27 febbraio, affronta l’ottimizzazione dei kernel GPU. Gli autori combinano apprendimento per rinforzo e un ambiente di sviluppo che verifica la correttezza e misura le prestazioni. Riportano risultati forti su KernelBench.

È ricerca specializzata, non la garanzia che un assistente pronto all’uso ottimizzi ogni pezzo di codice GPU meglio di qualunque modello generalista. La lezione interessante è che addestramento, strumenti e un obiettivo misurabile possono lavorare insieme. Non sta cercando di scrivere poesie, probabilmente con sollievo sia della GPU sia della poesia.

FireRed-Image-Edit 1.1, uscito il 3 marzo, lavora sulle immagini, non sui video 4K. Il progetto elenca miglioramenti nella coerenza dei ritratti, nella combinazione di elementi, nello stile del testo e nelle modifiche al trucco.

Mira a seguire istruzioni di modifica preservando dettagli visivi utili. Non equivale a garantire che cambino soltanto i pixel richiesti. La configurazione d’inferenza ottimizzata del progetto cita inoltre 30 GB di memoria GPU: qui “leggero” sta facendo un lavoro diverso da quello che fa nella descrizione di un’app per telefono.

Cloudflare offre un altro esempio di modello inserito in un flusso mirato. Nell’annuncio di marzo descrive l’uso di Kimi K2.5 in una pipeline di revisione automatica del codice, visibile tramite il revisore Bonk sui repository pubblici Cloudflare. È prova della sua implementazione, non una promessa che ogni gruppo possa eliminare i revisori umani.

Un campo più ampio, non soltanto laboratori più piccoli

Nulla di tutto questo richiede una favola su cinque ricercatori in un garage che superano chiunque altro. Alibaba e Xiaomi sono grandi aziende. Organizzazioni diverse perseguono combinazioni differenti di modelli, strumenti e distribuzione, e “non uno dei tre nomi familiari” non significa “piccolo laboratorio indipendente”.

Il cambiamento utile è l’ampliamento delle scelte. Potresti volere pesi scaricabili, un endpoint ospitato economico, un piccolo modello locale o un sistema progettato per un compito preciso. Queste esigenze non indicano tutte lo stesso prodotto.

Per la storia vicina degli strumenti di sviluppo che costruiscono modelli propri, leggi il nostro articolo sul modello di programmazione di Cursor (in inglese). Il software circostante conta quanto il nome sulla scheda del modello.

Che cosa significa se non sei uno sviluppatore

Non ti serve un server personale per interessarti alla tendenza:

• Più opzioni locali: piccoli modelli scaricabili danno a chi sviluppa app più possibilità di offrire funzioni offline, quando hardware e implementazione le supportano.
• Flussi più specializzati: un modello abbinato agli strumenti adatti può essere utile senza vincere ogni benchmark generalista.
• Più modi di pagare: abbonamenti, API a consumo e hosting autonomo hanno costi diversi. I pesi gratuiti sono una parte del confronto.
• Più concorrenza: Kimi, Qwen e gli altri meritano considerazione per le capacità effettive, non di essere liquidati perché un altro marchio domina i titoli.

La maggiore storia di IA di marzo potrebbe non essere un unico lancio. Potrebbe essere il numero crescente di luoghi che meritano attenzione. Il divario non si è magicamente chiuso ovunque, ma la lista dei candidati si allunga. La cartella dei tuoi segnalibri ha tutta la nostra solidarietà.

Traduzione italiana dell’articolo originale in inglese del 2026-03-23. Tradotto il 30 ottobre 2026 con assistenza IA; i riferimenti temporali restano quelli dell’originale.