Notizie

Mistral pubblica in Open-weight il suo modello più grande: 1 trilione di parametri totali, ~49B attivi per Token (52B con embed e output), multimodale nativo, contesto fino a 1M Token, licenza Mistral Ecosystem Open-weight (modificata da MIT; il Model-as-a-Service richiede licenza commerciale a parte).

Un Modello di mondo (world model) per la robotica chirurgica: partendo da un'inquadratura endoscopica e dalla stream dei comandi dei due bracci, genera il video risultante in streaming su una sola GPU. Derivato da Cosmos3-Nano e fine-tunato su dati clinici della piattaforma Versius; licenza NVIDIA Open Model, uso commerciale incluso.

Fine-tune comunitario di Qwen3.5-4B addestrato a scrivere codice 3D e Three.js, basato sul dataset 3D-Scenes: pesi GGUF Q4_K_M già disponibili per llama.cpp, Ollama e LM Studio. In tendenza su Hugging Face con 63.000 download al mese e 495 like.

Comfy-Org pubblica su Hugging Face il ripack di MOSS-Image con i file già pronti: base e SFT in bf16 e int8, LoRA di color-depth ed editing, encoder Qwen3.5 9B e VAE FLUX2. Quasi 2,2 milioni di download in un mese.

Un modello di Embedding bidirezionale da 3,2B derivato da Llama 3.2 3B: incorpora un passo di ragionamento prima di calcolare il vettore, pensato per Retrieval (recupero) e semantic search che girano anche su GPU da 16GB.

FLUX 3 Image Klein è un modello da 5,6B open weights per la generazione di testo-in-immagine e l'editing: un solo modello per prompt, editing con riferimento e composizione multi-riferimento, con box di posizionamento nel prompt. Viene in BF16, FP8 e NVFP4 (5,3 GB).

inclusionAI rilascia Ling 3.1 Flash: 560B parametri totali, 25B attivi per Token, architettura ibrida MoE, Finestra di contesto fino a 1M di Token e licenza MIT. A 4 bit entra in 512GB di Memoria unificata: è il caso limite dell'articolo di oggi sul Mac Studio M5 Ultra.

NVIDIA pubblica su Hugging Face MagpieTTS Multilingual, un modello di sintesi vocale compatto da 357M parametri per 12 lingue, tra cui italiano e francese. Architettura encoder-decoder, pensato per esecuzione in locale a bassa Latenza.

OpenBMB rilascia MiniCPM-V 4.7, variante 35B-A3B: il primo MoE open-source in grado di decodificare in modo fluido su smartphone senza compromessi di qualità — 13+ Token/secondo con soli 3GB di memoria su iPhone 17 Pro Max. Il segreto è lo scheduling degli esperti in anticipo (Lookahead Expert Scheduling su llama.cpp-omni) unito a Quantizzazione fine per livello e campionamento speculativo. Supporto day-0 per Rockchip, Intel, AMD e Arm; Ollama, llama.cpp, vLLM e SGLang.

ARDY è un modello di diffusione autoregressiva da 326M di parametri per la generazione di moto umanoide interattivo in tempo reale: prompt testuali online, vincoli cinematici flessibili (traiettorie, keyframe, pose sparse) e sequenze fino a 8 secondi. Il checkpoint Core-RP-20FPS-Horizon40, addestrato su Bones Rigplay 1, è su Hugging Face dal 7 ottobre e ottimizzato per GPU NVIDIA Ampere, Hopper e Blackwell.

NVIDIA mette su Hugging Face Kumo-Tabular, un modello fondazione da 500 milioni di parametri per dati tabellari, con supporto OpenMDW 1.1 e checkpoint pronti all'uso: un esempio di IA locale su dati strutturati di business.

Autotrust pubblica JEV-35B, un modello decisionale MoE da 35B parametri (3B attivi) fine-tunato su Qwen3.5-35B-A3B per classificazione di testo e scoring del rischio. In Quantizzazione NVFP4 occupa circa 25,6 GB di VRAM: gira su una GPU da 32 GB senza passare dal frontier.

Nuovo modello sovrano open weight di Aleph Alpha, addestrato da zero in Germania con 78B parametri (3,46B attivi) e fino a 1M Token di contesto. Progettato per ambienti mission critical: ragionamento in più passaggi, estrazione strutturata, RAG e tool calling affidabile, con tedesco e inglese nativi. I pesi sono su Hugging Face, con report tecnico completo.

DeepSeek V4.1 Flash porta l'architettura MoE a un livello nuovo: 552 miliardi di parametri totali, ma solo 8-16 miliardi attivi per Token, una Finestra di contesto da 1M di Token e licenza MIT. Un modello pensato per i servizi in linea, ma utile come riferimento per chi impara a leggere le schede tecniche dei modelli.

Gemma 4, rilasciata a marzo 2026, segna il cambio di licenza della famiglia Google: per la prima volta i pesi sono sotto Apache 2.0. Sono disponibili le taglie E2B, E4B, 26B A4B (MoE) e 31B, con finestre di contesto fino a 256K Token e input da testo, immagini e audio. A giugno è arrivato anche il 12B Unified, una taglia ideale per i PC con GPU consumer.

Prism ML pubblica Bonsai-2 27B in GGUF: un modello di ragionamento da 27B con pesi ternari a 1,72 bit per peso, 5,95 GB e contesto da 262K Token, che mantiene il 98,2% dell'intelligenza FP16 e arriva a ~47 tok/s su un laptop Apple M5 Max.

Nuovo modello open di trascrizione vocale: streaming in tempo reale con Latenza contenuta, pensato per dettatura live e sottotitoli. Un passo in più verso l'audio che gira davvero in locale, senza passare per il cloud.

Qwen-Image 2.1 è un modello Open-weight da 7B (DiT da 32 layer) che unisce generazione da testo fino a 2048x2048, editing con fino a 10 immagini di riferimento e trasparenza RGBA nativa. Con ~14GB di VRAM in bfloat16 gira su hardware consumer, e ComfyUI lo supporta nativamente: un passo concreto per la produzione di immagini senza cloud.

Il team Qwen di Alibaba ha rilasciato Qwen3.8-Omni-Flash, un modello nativo omnimodale che gestisce testo, immagini, audio e video insieme, con una Finestra di contesto da un milione di Token. È costruito attorno alle capacità agente: pianifica i task, chiama i tool e produce contenuti audiovisivi finiti. La famiglia Qwen continua a crescere proprio mentre questa guida la analizza per l'uso locale.

Meta ha rilasciato Llama 4, il nuovo modello linguistico Open Source con 100 miliardi di parametri. Le prestazioni superano GPT-4 su molti Benchmark e il modello è ottimizzato per l'esecuzione locale con Quantizzazione.