Scaricare un modello non è più un segno di fiducia
Un modello scaricato 1,55 miliardi di volte ma con soli 5.156 like evidenzia il divario tra popolarità e affidabilità nel settore AI.
Mentre Hugging Face registra miliardi di download, la verifica indipendente dei paper ICML 2026 smentisce quasi un quarto delle affermazioni
Scaricare 1,55 miliardi di volte un modello che ha ricevuto appena 5.156 like non è un dettaglio statistico: è una fotografia della distanza tra popolarità e affidabilità. Il caso di all-MiniLM-L6-v2 — sette mesi, un miliardo e mezzo di download, nemmeno seimila segnali di apprezzamento — dice più di molti paper.
Nel frattempo Google ha presentato Gemini 3.7 Flash il 13 agosto 2026, descrivendolo come il modello workhorse più intelligente per coding e agenti. Era arrivato tre settimane dopo Gemini 3.6 Flash.
Tre settimane non sono un ciclo di ricerca: sono un ciclo di marketing. E il prezzo segue la stessa logica: il prezzo introduttivo di è la metà del costo originale di Gemini 3.6 Flash per milione di token. Chi guadagna da questa accelerazione? Chi vende accesso a API, non chi verifica risultati.
Il 23% che nessuno vuole leggere
La domanda vera non è quanti modelli scarichiamo, ma quanti ne possiamo verificare. Il progetto di riproduzione dei paper ICML 2026 offre una risposta scomoda: il 51% dei paper esaminati aveva almeno un’affermazione verificata in modo indipendente, secondo il bilancio delle riproduzioni ICML. In numeri assoluti, 1.103 paper reggono almeno in parte.
Ma è l’altra metà a preoccupare. Solo 266 paper sono stati completamente riprodotti, con ogni affermazione estratta verificata, come documentato da l’esperimento di riproduzione dei paper ICML. Il 23% dei paper esaminati — 496 in totale — presentava almeno un’affermazione falsificata o contestata, stando al report sulle riproduzioni ICML.
E non è finita: in 49 casi tutte le affermazioni erano falsificate e nulla poteva essere verificato, secondo il lavoro di riproduzione ICML.
Altrettanto inquietante è il disaccordo interno: 242 paper hanno visto team di riproduzione indipendenti raggiungere verdetti opposti sulle stesse affermazioni, come risulta da l’indagine sulle riproduzioni ICML. Se due gruppi indipendenti non riescono a concordare su cosa sia vero, cosa stiamo scaricando esattamente?
E poi ci sono i paper che non dovrebbero nemmeno essere definiti riproducibili: 502 si basavano solo su evidenze a scala ridotta, le famose toy, e 280 non hanno prodotto risultati conclusivi, soprattutto per artefatti mancanti, come emerge da l’analisi delle riproduzioni ICML.
La top 25 che premia il passato
Se la riproducibilità traballa, della popolarità su Hugging Face ci si può fidare? La risposta è no. Nella top 25 dei repository per download accumulati nel 2026 e nella top 25 per like, solo un repository appare in entrambe le liste, secondo lo stato dei modelli open. Chi scarica non è chi apprezza.
Ancora più indicativo: nessun modello pubblicato nel 2026 raggiunge la top 25 dei download, mentre tredici dei venticinque modelli risalgono al 2022, come emerge da lo stato dei modelli open dell’estate 2026. L’innovazione recente non muove i numeri; il passato sì. E la maggior parte dei modelli subisce un forte calo di utilizzo dopo il rilascio, seguito da una lunga coda di attività costante, documentata da le osservazioni sullo stato dei modelli open.
Soprattutto, l’adozione di un modello è in gran parte determinata nei primi mesi dopo il rilascio, come evidenzia il monitoraggio dei modelli open. Questo significa che un modello che nasce con artefatti mancanti o affermazioni non verificate ha poche possibilità di essere corretto in corso d’opera: la finestra di attenzione è già chiusa.
Google sforna un modello nuovo ogni tre settimane, Hugging Face registra miliardi di download di modelli che nessuno controlla, e il 23% dei paper di una conferenza prestigiosa non regge a una verifica indipendente. Che cosa stiamo costruendo: una base di conoscenza o un mercato di fiducia a scadenza?
