---
title: "Cos’è un modello open-weight? Pesi aperti e open source"
description: "Un modello open-weight pubblica i pesi addestrati: chiunque può eseguirlo. Differenze con l’AI open source, perché contano le licenze e come lo servono le API."
url: https://broadrouter.com/it/glossary/open-weight-model/
lang: it
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Tradotto dall’inglese con l’aiuto dell’IA. [Leggi l’originale in inglese](https://broadrouter.com/glossary/open-weight-model/) (aggiornato il 2026-11-16).

# Modello open-weight (a pesi aperti)

Aggiornato 2026-11-16

Un modello open-weight è un modello di machine learning i cui pesi addestrati sono pubblicati perché chiunque possa scaricarli ed eseguirli, di solito con una licenza che pone condizioni. Si distingue dall’AI completamente open source, che rilascia anche il codice di addestramento e informazioni dettagliate sui dati, così altri possono studiare e riprodurre il modello.

Detto anche: modello a pesi aperti, pesi aperti, modello open, LLM open-weight, modelli open-weight, open weights, open model, open-weights LLM, openly available model weights

Un modello è soprattutto un file di numeri molto grande: i suoi pesi. Quando uno sviluppatore pubblica quel file, chiunque può eseguire il modello sul proprio hardware.

## Come funziona

L’addestramento produce i pesi, cioè i parametri che una rete neurale ha imparato. L’Open Source Initiative descrive gli open weights come “the final weights and biases of a trained neural network” (traduzione: i pesi e i bias finali di una rete neurale addestrata). Con quelli puoi fare inferenza, fine-tuning o quantizzare il modello.

Cosa di solito gli open weights non includono, secondo l’OSI:

-   il codice di addestramento;
-   informazioni dettagliate sui dati di addestramento.

La definizione di Open Source AI dell’OSI richiede entrambi, insieme ai pesi, così altri possono studiare e riprodurre il modello. Molti modelli popolari sono open-weight ma non open source in questo senso. I rapporti del governo statunitense usano un’espressione affine: modelli con “widely available model weights” (traduzione: pesi del modello ampiamente disponibili). Google, per esempio, chiama la sua famiglia Gemma “open models” (modelli aperti).

Ogni rilascio open-weight ha una licenza. Tra le più comuni ci sono Apache-2.0 e MIT, mentre altre limitano l’uso commerciale. È la licenza a stabilire se puoi servire il modello ad altre persone tramite un’API.

## Perché è importante

-   **Scelta di dove gira.** Puoi ospitarlo tu per avere il pieno controllo, oppure chiamare uno dei vari provider che servono lo stesso modello.
-   **Privacy.** Puoi tenere i dati sul tuo hardware, oppure scegliere un host con [zero data retention](https://broadrouter.com/it/glossary/zero-data-retention/).
-   **Niente lock-in.** Se un provider cambia condizioni, gli stessi pesi girano altrove. Un’[API compatibile con OpenAI](https://broadrouter.com/it/glossary/openai-compatible-api/) trasforma il passaggio in una modifica di configurazione.
-   **Stesso nome, serving diverso.** Due provider possono servire lo stesso modello con quantizzazione, limiti di contesto o impostazioni diverse. Fai prove sui tuoi prompt.

## Su BroadNet Inference

Il catalogo dei modelli di BroadNet dice “~270 models run on our GPUs” (traduzione: circa 270 modelli girano sulle nostre GPU; dato di laboratorio, settembre 2026). Il conteggio include ogni modello che BroadNet dice di aver eseguito, testato, quantizzato o sottoposto a fine-tuning, compresi quelli scartati, non solo i modelli della sua API. La sua informativa sulla privacy descrive l’hosting come hardware statunitense di proprietà di BroadNet o in leasing, con capacità di partner come riserva. Il suo catalogo dei modelli mostra le licenze perché, con le sue parole, “decide what can be served through an API” (traduzione: decidono cosa si può servire tramite un’API). [BroadNet Gemma 4 VL 26B](https://broadrouter.com/it/models/gemma-4-vl-26b/) è la build di BroadNet di Gemma 4 di Google. [BroadNet Transcribe Arabic](https://broadrouter.com/it/models/cohere-transcribe-arabic/) si basa su Cohere Transcribe, e BroadNet lo riporta in posizione #2 su 37 (dato di settembre 2026; la classifica in tempo reale lo indicava #4 su 39 il 15 novembre 2026) nell’Open Universal Arabic ASR Leaderboard, e al primo posto tra i modelli la cui licenza consente il serving via API.

Per scegliere un modello per testi in arabo, vedi [come scegliere un LLM per l’arabo](https://broadrouter.com/it/blog/choosing-an-llm-for-arabic/).

## Domande frequenti

### Un modello open-weight è la stessa cosa di un modello open source?

Non secondo la definizione dell’Open Source Initiative. I pesi aperti ti danno il modello addestrato. L’Open Source AI richiede anche il codice di addestramento completo e informazioni dettagliate sui dati di addestramento, così altri possono studiarlo e ricostruirlo.

### Posso usare qualsiasi modello open-weight per scopi commerciali?

No. Le licenze variano. Alcune consentono l’uso commerciale e il serving tramite API, altre sono non commerciali o aggiungono condizioni. Leggi la licenza del checkpoint esatto che usi.

### Perché usare un’API ospitata per un modello open-weight?

Far girare modelli grandi richiede GPU, software di serving e lavoro operativo. Un’API ospitata ti dà lo stesso modello dietro una chiave, lasciandoti la possibilità di ospitarlo in proprio più avanti.

## Vedi anche

-   [Modello vision-language (VLM)](https://broadrouter.com/it/glossary/vision-language-model/) (termine)
-   [Zero data retention (nessuna conservazione dei dati)](https://broadrouter.com/it/glossary/zero-data-retention/) (termine)
-   [API compatibile con OpenAI](https://broadrouter.com/it/glossary/openai-compatible-api/) (termine)
-   [LLM router (router per LLM)](https://broadrouter.com/it/glossary/llm-router/) (termine)
-   [Mixture of experts (MoE)](https://broadrouter.com/it/glossary/mixture-of-experts/) (termine)
-   [Quantizzazione (quantization)](https://broadrouter.com/it/glossary/quantization/) (termine)
-   [Fine-tuning (addestramento di un LLM)](https://broadrouter.com/it/glossary/fine-tuning/) (termine)
-   [Provider di inferenza (inference provider)](https://broadrouter.com/it/glossary/inference-provider/) (termine)
-   [Licenza del modello (model license)](https://broadrouter.com/it/glossary/model-license/) (termine)
-   [GGUF (formato dei modelli llama.cpp)](https://broadrouter.com/it/glossary/gguf/) (termine)
-   [Leggere fatture e scontrini in arabo con un modello vision](https://broadrouter.com/it/guides/read-arabic-invoices-with-vision/) (guida)
-   [API speech-to-text in arabo, passo dopo passo](https://broadrouter.com/it/guides/arabic-speech-to-text-api/) (guida)
-   [Scegliere un’API LLM per l’arabo: cosa testare](https://broadrouter.com/it/blog/choosing-an-llm-for-arabic/) (articolo)
-   [API speech-to-text per l’arabo: come sceglierla nel 2026](https://broadrouter.com/it/blog/arabic-speech-to-text-api-buyers-guide/) (articolo)

Provalo sul tuo carico di lavoro reale. I nuovi account partono con USD 5 di credito per Gemma e trascrizione. DeepSeek, GLM e Qwen3.8 richiedono una ricarica.

[Inizia](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-glossary-open-weight-model&utm_content=page-cta) ·

**Fonti**

-   [Open Source Initiative, open weights e open source AI](https://opensource.org/ai/open-weights)
-   [NTIA, rapporto sui foundation model a duplice uso con pesi ampiamente disponibili](https://www.ntia.gov/issues/artificial-intelligence/open-model-weights-report)
-   [Google AI for Developers, modelli open Gemma](https://ai.google.dev/gemma/docs)
-   [Catalogo dei modelli di BroadNet (in inglese)](https://www.broadnet.ai/inference/models)
