L’open source AI è un cimitero di modelli mai usati
Il report estivo di Hugging Face rivela che l'85,6% dei modelli ha meno di 200 download, mentre l'1,5% dei repository raccoglie il 99,2% dei download.
Il 99,2% dei download è concentrato nell’1,5% dei repository, mentre ChatGPT tocca il miliardo di utenti mensili
Hai mai scaricato un modello open source su Hugging Face, provato due prompt e poi dimenticato di averlo? Tranquillo, è il comportamento standard. Secondo il report estivo di Hugging Face, l’85,6% dei modelli ha meno di 200 download totali. Non parliamo di esperimenti scolastici: è la maggioranza di tutto ciò che viene pubblicato.
E la concentrazione è ancora più estrema. L’1,5% dei repository raccoglie il 99,2% di tutti i download: la concentrazione dei download è quasi totale. Tradotto: pochi progetti catturano tutto il traffico, gli altri restano in un cimitero digitale. Il caso limite è all-MiniLM-L6-v2: 1,55 miliardi di download in sette mesi e 5.156 like. Lo usano tutti, non lo ama nessuno.
Nel frattempo, il mondo chiuso corre.
A maggio 2026, ChatGPT ha toccato il miliardo di utenti mensili dell’app, secondo i dati di Sensor Tower riportati da CNBC. Un singolo servizio con più trazione di migliaia di modelli aperti.
Il successo non si trasforma in affetto
Guardate le classifiche del 2026: le due top 25 per download accumulati e per like condividono un solo repository. Ciò che la gente scarica non è ciò che dice di apprezzare.
Ancora più indicativo: nessun modello pubblicato nel 2026 entra nella top 25 dei download, mentre tredici dei venticinque modelli più scaricati risalgono al 2022. I vincitori sono già morti, o vivono di rendita.
La dinamica è chiara. La maggior parte dei modelli subisce un forte calo di utilizzo subito dopo il rilascio, poi resta una lunga coda di attività costante. E l’adozione si decide quasi tutta nei primi mesi dopo il rilascio. Se non sfondi subito, non sfondi più.
Chi pubblica tanto non è chi resta
Nel 2026 la geografia dei rilasci è cambiata. AMD e NVIDIA hanno pubblicato ciascuno più di 200 nuovi repository di modelli, un ritmo da editori industriali. Google e Meta ora si classificano ben al di sotto di NVIDIA per nuovi rilasci di modelli.
E i grandi laboratori cinesi? Moonshot, MiniMax, Xiaomi e Z.ai pubblicano quasi nulla sotto la soglia dei 70 miliardi di parametri. Quasi tutti i download di MiniMax nel 2026 sono di; per Moonshot l’88% dei download è legato a. La scommessa è sui modelli grandi, non sui piccoli esperimenti.
La risposta dei modelli chiusi
Mentre l’open source accumula numeri sbilanciati, i modelli proprietari spingono sul valore concreto. Il rapporto prezzo-prestazioni di GPT-5.6 ridefinisce il costo dell’AI di frontiera. I clienti non parlano di like, ma di costi e velocità.
«Luna mantiene il 98% della precisione estrattiva di GPT-5.5 a un diciottesimo del costo», spiega Serhii Shchoholiev, Engineering Lead Agents at Hypha.
«Luna è ora il nostro modello predefinito per una serie di carichi di lavoro ad alta intensità. Per un’attività chiave di esplorazione del codice, ha ridotto i costi di inferenza del 64%, i tempi di risposta del 90% e migliorato l’F1 di cinque punti», racconta Animesh Koratana, fondatore e CEO di PlayerZero.
Il contrasto è netto: da un lato un open source che produce più di quanto riesca a far vivere, dall’altro modelli chiusi che si ottimizzano per costi e velocità. Non è una questione di qualità assoluta, ma di attenzione e manutenzione.
Nei prossimi mesi terrò d’occhio due cose: se NVIDIA e AMD continueranno a inondare Hugging Face di modelli hardware-first, e se i laboratori cinesi riusciranno a trasformare i modelli sopra i 70B in prodotti davvero usati. La vera notizia potrebbe non essere chi pubblica di più, ma chi sopravvive alla prima settimana.
