I modelli open-weight, quelli che puoi scaricare ed eseguire da solo, sono stati dominati dai laboratori cinesi per gran parte del 2026. Ottobre ha cambiato le cose. Dopo Muse Spark Open di Meta, nella stessa settimana sono arrivati altri due rilasci statunitensi: la famiglia Nemotron 3.5 di Nvidia il 15 ottobre, pensata per agenti AI dal data center fino ai portatili, e i pesi scaricabili di Beam di Reflection AI il 16 ottobre, un modello da 501 miliardi di parametri con la permissiva licenza Apache 2.0.
Nvidia Nemotron 3.5: agenti dal server al portatile
I modelli aperti di Nvidia sono fatti per essere personalizzati: l'azienda pubblica i pesi insieme a dati e ricette di addestramento, così le aziende possono riaddestrarli sui propri dati ed eseguirli sulla propria infrastruttura. Il rilascio 3.5 ha tre membri.
Super VL
120B- Input
- testo e immagini, compresi PDF, tabelle, grafici e pagine web
- Gira su
- GPU da data center, cloud, workstation DGX Station e RTX Pro
- Secondo Nvidia l'accuratezza è vicina al suo modello di ragionamento più grande, a circa un quinto delle dimensioni
- Usato o integrato da Salesforce, CrowdStrike, Perplexity, Atlassian, Ramp ed EY
- Le dichiarazioni sulla velocità (fino a 5 volte il throughput dei rivali) sono di Nvidia
Per agenti che lavorano su documenti aziendali.
Bolt 74B-A9B
24GB- Gira su
- una sola GPU RTX o un DGX Spark
- Strumenti
- llama.cpp, Ollama, LM Studio, Unsloth, vLLM
- Quantizzazione nativa a 2 bit, lascia spazio ad altre app
- Primo modello aperto della sua classe su PinchBench, secondo Nvidia
Per un agente privato di ricerca o programmazione sulla tua macchina.
Bolt E4B
4GB- Gira su
- GeForce RTX, Jetson e dispositivi Spark
- Stato
- in arrivo, ancora senza data
Per assistenti vocali locali e interfacce embedded.
Il messaggio per le aziende è il controllo. Una banca o un'assicurazione può prendere Super VL, addestrarlo sulle proprie pratiche o sui propri estratti conto e tenere ogni documento dentro la propria rete. Nvidia cita casi d'uso come l'analisi documentale, la contabilità e i sinistri assicurativi, e dice che, una volta riaddestrato per un compito specifico, Super VL lo completa più in fretta dei grandi modelli chiusi. Questi confronti vengono da Nvidia e dai suoi partner, quindi usali come punto di partenza per i tuoi test.
Reflection Beam: grande, aperto ed efficiente
Reflection AI ha annunciato Beam il 5 ottobre e ha pubblicato i pesi su Hugging Face il 16 ottobre, nelle versioni BF16, FP8 e NVFP4, più un piccolo modello "drafter" che accelera la generazione. È un modello mixture-of-experts: 501 miliardi di parametri in totale, ma solo 23 miliardi lavorano su ogni token, il che lo rende relativamente economico da servire.
- Dimensioni
- 501B in totale, 23B attivi per token
- Contesto
- addestrato fino a 256K, esteso a 1M di token
- Input
- solo testo
- Licenza
- Apache 2.0, senza limiti su fine-tuning, distillazione o merging
- Addestramento
- 23,8 trilioni di token su 6.144 GPU Nvidia GB300 in meno di quattro settimane
- Hardware per il self-hosting
- un nodo con quattro GPU Nvidia B300, usando la build NVFP4 da 273 GiB
- Serving
- Transformers, vLLM, SGLang, Unsloth, Axolotl e Nvidia Dynamo, più l'API di Reflection
Più alto è meglio. Dati di Reflection, 8 ottobre 2026.
Reflection ammette che Beam non è il modello aperto più forte: Kimi K3 resta avanti nelle capacità pure, e DeepSeek V4.1 Flash lo batte in alcuni test di programmazione in stile agente. I suoi punti di forza sono l'efficienza (Reflection dice che eguaglia GLM-5.2 nel ragionamento con tre-quattro volte meno calcolo) e la licenza Apache 2.0, chiara e semplice. L'Intelligence Index indipendente di Artificial Analysis gli assegna 30, 19° su 120 modelli, usando meno token di output della maggior parte.
Più alto è meglio. Punteggi indipendenti, metà ottobre 2026.
Quale modello aperto per il tuo agente?
- 1
Parti da dove deve girare
Un portatile o una sola GPU portano a Nemotron Bolt; il tuo data center apre a Super VL o Beam; qualsiasi cosa più grande è più semplice tramite un'API ospitata.
- 2
Controlla la licenza
L'Apache 2.0 di Beam è la più semplice per i prodotti. Muse Spark Open e i modelli Nvidia hanno condizioni proprie: leggile prima di lanciare.
- 3
Prova sui tuoi compiti
Le classifiche raramente riflettono i tuoi documenti o il tuo SQL. Fai passare da 30 a 50 esempi reali in due o tre candidati.
- 4
Pianifica il fine-tuning
Nvidia pubblica dati e ricette; Beam consente qualsiasi fine-tuning. Entrambi rendono realistico riaddestrare sui tuoi dati.
Verifica cosa hai capito
1/3Quale modello Nemotron 3.5 è pensato per girare su una sola GPU da 24GB?
La quantizzazione nativa a 2 bit fa stare i suoi 74B parametri in 24GB.
2/3Con quale licenza Reflection ha rilasciato i pesi di Beam?
L'Apache 2.0 non pone limiti a fine-tuning, distillazione o merging.
3/3Che hardware suggerisce Reflection per eseguire Beam in proprio?
Usando la versione NVFP4 dei pesi da 273 GiB.
Hai risposto correttamente a 0 domande su 3.
Altri modelli aperti: Meta Muse Spark Open, Mistral Large 4 e DeepInfer e V4.1 Flash di DeepSeek. Per la classifica completa, leggi i migliori modelli AI di ottobre 2026.
Fonti: l'annuncio di Nemotron 3.5 di Nvidia come riportato da IT Brief e TechCrunch (ottobre 2026); il post "Introducing Beam" di Reflection AI (benchmark aggiornati all'8 ottobre 2026) e il rilascio del modello Beam 1.0 (16 ottobre 2026); Artificial Analysis Intelligence Index v4.3.2. I benchmark dei produttori sono dati delle aziende stesse.
Alessandro Ecclesie AgazziScritto da Alessandro Ecclesie Agazzi, analytics engineer a Londra. Aggiornato il 21 ottobre 2026. Chi sono