In queste settimane ricche di rilasci dalla Cina, con il fenomeno 𝐃𝐞𝐞𝐩𝐒𝐞𝐞𝐤 𝐞 𝐥’𝐮𝐥𝐭𝐢𝐦𝐨 𝐦𝐨𝐝𝐞𝐥𝐥𝐨 𝐝𝐢 𝐀𝐥𝐢𝐛𝐚𝐛𝐚, 𝐔𝐒𝐀 𝐞 𝐔𝐄 cercano di stare al passo lanciando due nuovi modelli: OpenAI o3-mini e Mistral AI Small 3.

⚡ 𝐎𝐩𝐞𝐧𝐀𝐈 𝐨𝟑-𝐦𝐢𝐧𝐢
OpenAI o3-mini fa parte della famiglia di modelli reasoning di OpenAI, progettata per essere lo stato dell’arte nelle AI capaci di “ragionare”. o3-mini non è il modello più potente dell’azienda di Sam Altman, ma punta a bilanciare accuratezza e bassa latenza. È il primo modello di ragionamento di OpenAI a supportare funzionalità come function calling e generazione di output strutturati, ed è disponibile su ChatGPT per gli utenti Plus, Team e Pro. Inoltre, consente di scegliere tra diversi livelli di ragionamento, adattandosi a esigenze specifiche di precisione o velocità.

🚀 𝐌𝐢𝐬𝐭𝐫𝐚𝐥 𝐒𝐦𝐚𝐥𝐥 𝟑
Mistral Small 3, modello da 24B di parametri, rappresenta l’unica alternativa made in UE in grado di competere con i giganti dell’AI, offrendo prestazioni comparabili a modelli come Llama 3.3 70B o Qwen 32B. Grazie alla sua architettura ottimizzata, riduce drasticamente la latenza, rendendolo ideale per il deployment locale e per applicazioni che richiedono risposte rapide e affidabili. Si posiziona nello stesso segmento di GPT-4o mini, ma in una versione open-weight. Il modello è infatti rilasciato con licenza Apache 2.0, che lo rende facilmente accessibile, personalizzabile e utilizzabile sia per la ricerca che per applicazioni commerciali.

🔓 𝐎𝐩𝐞𝐧 𝐨 𝐂𝐥𝐨𝐬𝐞𝐝? 𝐝𝐮𝐞 𝐟𝐢𝐥𝐨𝐬𝐨𝐟𝐢𝐞 𝐚 𝐜𝐨𝐧𝐟𝐫𝐨𝐧𝐭𝐨
Il confronto più interessante di queste settimane è quello tra modelli closed e open, come visto nel recente derby cinese tra DeepSeek-r1 e Qwen2.5-Max di cui abbiamo parlato nei due articoli precedenti. Attualmente, gli utenti e le prestazioni sembrano favorire la filosofia closed, che offre i modelli più avanzati e utilizzati. Tuttavia, la distanza si sta riducendo, soprattutto in termini di performance. Ad oggi, il principale limite dei modelli open-source (o open-weight) è la potenza computazionale necessaria per utilizzare modelli di frontiera non distillati o quantizzati. Questo sposta il problema della privacy e dei costi sui server necessari per ospitare versioni “casalinghe” dei modelli più grandi e performanti, oltre a richiedere un livello di know-how più elevato per la gestione e l’ottimizzazione.

Fonti: https://lnkd.in/gSn9NaUm
https://lnkd.in/dWGrUgkV