Ferragosto, si sa, è il momento in cui l’Italia si ferma. Il mondo degli LLM, evidentemente, no: tra il 5 e il 14 agosto 2026 sono arrivati, uno dietro l’altro, Muse Spark 1.2 di Meta, Grok 4.6 di xAI, DeepSeek V4 Pro 0813, i pesi di Qwen 3.8 di Alibaba e GLM-5.3 di Zhipu. Cinque release di frontiera in dieci giorni.
Ma il dato interessante non è la quantità. È la geografia delle licenze.
Due mondi, due strategie
Da una parte i lab statunitensi, sempre più chiusi. Grok 4.6 è arrivato il 12 agosto: closed weights, API a 2$/6$ per milione di token, nessun download. E Meta, proprio Meta, quella dei Llama, per anni il vessillo dell’open statunitense, ha ormai completato la sua conversione: Muse Spark 1.2, uscito il 5 agosto insieme all’agente di coding Muse Code, è un modello proprietario. Niente pesi, niente self-hosting, niente fine-tuning. L’era Llama è ufficialmente chiusa. (Come contentino, il 10 agosto è uscito Muse Glimmer, un 30B open in Apache 2.0 pensato per girare in locale: apprezzabile, ma non è il modello di punta.)
Dall’altra parte i cinesi, sempre più aperti - e sempre più in alto:
- DeepSeek V4 Pro 0813 (12-13 agosto): il flagship da 1.600 miliardi di parametri (49B attivi per token, architettura Mixture-of-Experts) è andato in general availability con pesi su Hugging Face sotto licenza MIT, la più permissiva che esista. Contesto da 1 milione di token, prezzi che, nonostante un recente ritocco al rialzo introdotto il 17 agosto con fasce peak e off-peak, restano una frazione di quelli dei modelli di frontiera statunitensi.
- Qwen 3.8 di Alibaba: per la prima volta nella storia della famiglia Qwen, anche il modello di fascia Max (2.400 miliardi di parametri) è stato reso scaricabile, seguito il 14 agosto dal fratello minore da 27B in Apache 2.0. Fino a ieri la regola del settore era “scarichi il modello piccolo, il migliore resta dietro l’API”: Alibaba l’ha infranta.
- GLM-5.3 di Zhipu (14 agosto): stessa base di GLM-5.2, ma un post-training così spinto da rivendicare un +50% nel coding e il titolo di miglior modello open-weight per la programmazione. I pesi sono stati promessi a valle delle review di sicurezza.
- E a fine luglio c’era già stato Kimi K3 di Moonshot: 2.800 miliardi di parametri, open, a una frazione del prezzo dei modelli di frontiera.
Il pattern è chiaro: chi guida la classifica dei ricavi vende l’accesso, chi insegue regala i pesi. Se non puoi batterli sul prodotto… fai open source.
L’abbiamo già visto: la guerra dei sistemi operativi
Chi lavora nell’IT da abbastanza tempo ha una sensazione di déjà-vu. Negli anni ‘90 e 2000 il copione era identico, solo con altri attori.
Da una parte i sistemi operativi proprietari (Windows, gli Unix commerciali di Sun e HP) che dominavano il mercato e vendevano licenze. Dall’altra Linux, gratuito e a sorgenti aperti. E in mezzo, la mossa strategica che oggi si ripete: l’open source come arma di chi insegue. Netscape, ormai schiacciata da Internet Explorer, aprì il codice del browser e diede vita a Mozilla. IBM, che non riusciva più a vincere con i propri Unix, investì un miliardo di dollari su Linux, non per beneficenza, ma per erodere il margine di Sun e Microsoft. In gergo si chiama commoditize your complement: se non puoi vendere tu quel pezzo di stack, fai in modo che non possa venderlo a caro prezzo nemmeno il tuo concorrente.
Vent’anni dopo sappiamo come è finita. Linux ha vinto quasi ovunque: i server, il cloud, i supercomputer, e, via Android, le tasche di miliardi di persone.
La lezione per le aziende: leggere la licenza, non il tweet
C’è però una differenza rispetto agli anni di Linux, e non è di poco conto. “Open” oggi è una parola che copre situazioni molto diverse:
- DeepSeek rilascia in MIT, licenza limpida e permissiva.
- I pesi di Qwen 3.8 Max sono arrivati come checkpoint ridotto (solo testo, senza le capacità multimodali della versione API) e con condizioni di licenza diverse dall’Apache 2.0 del modello da 27B.
- GLM-5.3 al lancio era “open-weight” sulla carta, con i pesi in arrivo settimane dopo.
- E in ogni caso, molti benchmark che accompagnano queste release sono misurati dai vendor stessi: le prime verifiche indipendenti arrivano dopo, e spesso ridimensionano.
Senza contare il tema che a noi europei sta particolarmente a cuore: dove girano questi modelli e dove finiscono i vostri dati. Un modello open-weight self-hosted su infrastruttura europea è una cosa; la sua API ospitata altrove è tutt’altra.
È esattamente il motivo per cui abbiamo costruito AIDeskPro così com’è: la pluralità dei motori come principio, non come slogan. Il panorama cambia ogni dieci giorni, l’agosto 2026 lo ha dimostrato, e nessuna azienda dovrebbe sposare un singolo LLM, né rincorrere ogni release leggendo licenze e changelog. Noi selezioniamo, testiamo e integriamo i modelli migliori, li serviamo da endpoint europei con zero data retention, ed etichettiamo con trasparenza quelli che europei non sono. Voi scegliete il motore giusto per ogni task, con la serenità di sapere dove sono i vostri dati.
La guerra dei sistemi operativi ci ha insegnato che non vince chi tifa: vince chi sa usare, di volta in volta, lo strumento giusto. Con gli LLM sarà lo stesso.