Una storia di classifica con il titolo sbagliato

La famiglia Qwen di Alibaba ha superato i 3 miliardi di download cumulati nei sei mesi fino a meta agosto 2026, una cifra che l'azienda ha confermato a Bloomberg con una dichiarazione via email, insieme a un conteggio di oltre 460 modelli a pesi aperti e più di 300.000 modelli derivati costruiti sopra di essi. Quasi ogni testata che ne ha parlato ha pubblicato una variante dello stesso titolo: Qwen ha superato Google e Meta messi insieme, diventando la famiglia di IA a pesi aperti più scaricata al mondo.

Questa impostazione tratta la notizia come una classifica. Il rapporto di Hugging Face "State of Open Models: Summer 2026 Observations", pubblicato il 14 agosto 2026 ed è la fonte diretta della maggior parte della copertura, racconta una storia più precisa. Qwen totalizza 151.448 repository derivati sull'Hub di Hugging Face, 2,6 volte l'intera impronta di Meta e 4,7 volte il numero di repository specifici di Llama, e attira 39,6 milioni di download GGUF al mese, contro 20,8 milioni per Gemma di Google e 7,5 milioni per Llama. I modelli di Google occupano il secondo posto per numero di derivati con 82.506 repository; l'impronta implicita di Meta si aggira intorno a 58.249. Il divario non è piccolo.

La concentrazione, non la diversità, è il numero che conta

Il dettaglio che ogni sintesi ha tralasciato è la forma della distribuzione, non il vincitore. Il rapporto di Hugging Face rileva che l'85,6 per cento di tutti i modelli sull'Hub ha meno di 200 download nell'intero ciclo di vita, e che l'1,5 per cento dei repository concentra il 99,2 per cento di tutti i download. I modelli sotto 1 miliardo di parametri raccolgono l'83 per cento di tutti i download di sempre. Messo insieme, l'"ecosistema dei modelli aperti" spesso descritto come vasto e diversificato è, nella realtà pesata per download, una manciata di checkpoint che quasi tutti usano davvero, e i derivati di Qwen si trovano ora al centro di questa manciata, crescendo di circa 180-210 nuovi repository al giorno nei primi sette mesi del 2026.

Per un team di ingegneria europeo, questa concentrazione conta più del traguardo in se. "Abbiamo valutato diversi modelli aperti" e "ci siamo standardizzati sul checkpoint di un fornitore straniero, a tre livelli di fine-tuning dalla versione originale" descrivono lo stesso risultato pratico per la maggior parte dei team che oggi costruiscono su Hugging Face. La seconda descrizione è quella con peso legale.

L'innesco di conformità nascosto nel fine-tuning

L'AI Act europeo non tratta ogni azienda che tocca un modello di IA per finalita generali come un utente passivo. Secondo l'articolo 3, paragrafo 23, e il considerando 109 del regolamento, e il paragrafo 62 delle linee guida GPAI dell'Ufficio europeo per l'IA, un'azienda a valle che modifica un modello di IA per finalita generali può essa stessa diventare "fornitore" di quel modello, con gli obblighi che questo status comporta, se la modifica viene giudicata "sostanziale". L'Ufficio per l'IA ha fissato una soglia indicativa per questo giudizio: una potenza di calcolo di addestramento pari a circa un terzo o più di quella usata originariamente per addestrare il modello base. Sotto questa soglia, prompting, generazione potenziata da recupero e leggera regolazione degli iperparametri sono considerati non sostanziali. Sopra, il fine-tuning e la distillazione si presumono sostanziali, e i cambiamenti completi di architettura lo sono sempre.

Superare questa soglia non trasferisce a un team l'intero onere di conformità che Alibaba sostiene come fornitore originale di Qwen. Il considerando 109 limita gli obblighi ereditati, principalmente la documentazione tecnica e una sintesi sul rispetto del diritto d'autore, alla sola parte del modello effettivamente modificata. Resta pero un obbligo reale e vincolante che scatta automaticamente, basato su un rapporto di potenza di calcolo che la maggior parte dei team di fine-tuning non ha mai calcolato rispetto ai FLOP di addestramento del proprio modello base, tanto meno registrato in un fascicolo di conformità.

Cosa dovrebbe verificare davvero un responsabile IA europeo

La Commissione europea ha dichiarato pubblicamente di aspettarsi che "solo pochi soggetti modificatori" di modelli di IA per finalita generali superino la soglia della modifica sostanziale e diventino essi stessi fornitori. Questa aspettativa è un'ipotesi politica, non una garanzia, e si basa esplicitamente su una soglia che lo stesso Ufficio per l'IA definisce indicativa e non definitiva, e che secondo la Commissione potrebbe non cogliere modifiche a minore potenza di calcolo che comunque cambiano in modo significativo le capacità o il profilo di rischio di un modello.

La lettura di Servola è pratica, non allarmistica: il traguardo dei 3 miliardi di download non è di per sé un allarme, ma e uno spunto. Qualsiasi team europeo che esegue fine-tuning o distillazioni in produzione su Qwen, o su qualsiasi altro popolare modello base aperto, ha ora un motivo concreto per verificare a che punto si è collocata la sua ultima sessione di addestramento rispetto alla soglia di un terzo della potenza di calcolo, e per conservare quel numero agli atti, perché l'AI Act ha già dato a Bruxelles l'autorità di richiederlo, e un rapporto di potenza di calcolo mai tracciato e una posizione debole da cui difendersi.

Da leggere ora: Alibaba ha taciuto il numero che fissa i costi  |  Il 2 dicembre vincola chi esegue il modello