Non è la prima volta che un’azienda lancia un modello di intelligenza artificiale accompagnandolo con dichiarazioni roboanti, ma il caso di Alibaba colpisce per la nettezza dell’affermazione e per l’assenza totale di dati a supporto. «Secondo solo a Fable 5» – quale che sia il riferimento esatto, probabilmente un LLM di frontiera – è una cartolina che promette prestazioni quasi da vertice, ma chi cerca benchmark, tabelle comparative o riproducibilità resta a mani vuote.

Nel frattempo, il panorama dei Large Language Models è sempre più affollato di numeri auto-certificati e classifiche stilate su metriche selezionate ad arte. Per chi opera in ambito enterprise, e in particolare per le organizzazioni che stanno valutando il self-hosting di modelli, la situazione è delicata: la scelta di un LLM non dipende solo da un singolo punteggio, ma da un equilibrio complesso tra latenza, throughput, consumo di memoria e costi di inference. Snocciolare un confronto binario («secondo solo a…») senza offrire né il metodo né l’ambiente di test equivale a chiedere fiducia cieca.

Alibaba non è nuova a questo tipo di comunicazione. L’azienda cinese ha investito massicciamente nella serie Qwen, rendendo open source diverse versioni e cercando di ritagliarsi uno spazio fra i modelli occidentali e le alternative nazionali. Ma proprio la natura open source di alcuni checkpoint precedenti rende più stridente l’assenza di benchmark indipendenti in questa campagna: chi usa Qwen in produzione, magari su server on-premise con GPU consumer o in configurazioni air-gapped, ha bisogno di sapere come il modello si comporta su task reali, non su punteggi scelti dal produttore.

Dietro queste dichiarazioni c’è un problema strutturale del settore. La corsa a rivendicare il «secondo posto» – una posizione in realtà mai certificabile senza un ente terzo riconosciuto – segnala che la competizione si sta spostando dal terreno tecnico a quello della percezione. E quando a parlare è un attore come Alibaba, che ha le risorse per produrre modelli su scala e che opera in un ecosistema normativo molto diverso da quello europeo, il tema della sovranità dei dati e della valutazione indipendente assume contorni ancora più concreti.

Chi distribuisce LLM self-hosted su infrastruttura propria non può permettersi di credere sulla parola. Ogni affermazione sulle prestazioni va validata con workload interni, su dataset specifici, misurando l’impatto sulla pipeline di inference. Senza un regime di trasparenza – e senza benchmark riproducibili – dichiarazioni come quella su Qwen3.8 Max restano materiale per slide commerciali, non per decisioni di deployment.

Questo non vuol dire che il modello non sia competitivo. Vuol dire che il ragionamento «fidatevi, è quasi il migliore» in un mercato dove ogni watt e ogni gigabyte di VRAM contano non è sufficiente. Anzi, il vuoto informativo potrebbe spingere le aziende più attente a scartare a priori offerte prive di documentazione tecnica verificabile.

A livello strutturale, la vicenda ricorda quanto accadde con altri annunci incauti nel mondo LLM: l’entusiasmo iniziale lascia spazio alla richiesta di prove, e il silenzio prolungato erode la credibilità. In un ecosistema dove framework di serving, tecniche di quantization e ottimizzazioni hardware permettono oggi di spremere ogni token con costi contenuti, le metriche non sono più un ornamento ma la materia prima delle decisioni architetturali.