Chi pensava che l’AI open si fermasse ai pesi pubblici deve ricredersi. Swiss-AI ha rilasciato Apertus 1.5, una famiglia di LLM da 8 e 70 miliardi di parametri che ridefinisce il concetto di trasparenza: non solo i checkpoint sono disponibili, ma anche tutti i dati di training, le procedure di addestramento e le ricette di post-training. In un settore dove molti modelli “aperti” si limitano a condividere i pesi senza dettagli sulla provenienza dei dati, Apertus 1.5 alza l’asticella con una filosofia di totale riproducibilità.

I modelli, basati su architettura decoder-only transformer con funzione di attivazione xIELU e ottimizzatore AdEMAMix, sono il frutto di un pre-training continuato a partire da Apertus 1.0. Al mix di addestramento sono stati aggiunti 4 trilioni di token per la versione 8B e 2 trilioni per la 70B, arricchendo il modello con capacità multimodali che ora accettano immagini, audio e testo in input e generano testo. Parallelamente, il contesto gestito sale fino a 262.144 token, un quadruplo rispetto alla release precedente, permettendo di elaborare interamente lunghi documenti o conversazioni senza ricorrere a strategie di chunking.

Un elemento distintivo è la modalità di ragionamento (thinking mode), che può essere attivata per migliorare le performance su compiti complessi. A questo si aggiungono un post-training raffinato per il controllo degli strumenti esterni e un miglioramento nell’aderenza alle istruzioni. Non è solo una questione tecnica: la possibilità di far “riflettere” il modello prima di rispondere apre a scenari decisionali on-premise in cui la qualità del ragionamento è critica – dal supporto diagnostico in sanità all’analisi di contratti in ambito legale, tutti casi in cui i dati non possono uscire dai confini aziendali.

La scelta di pubblicare tutto – pesi, dati, pipeline di training – ha ricadute immediate per chi valuta il self-hosting di LLM. Un modello completamente aperto elimina il rischio di lock-in su fornitori che non spiegano come hanno addestrato i propri modelli o quali dati abbiano usato. Per le organizzazioni con carichi di lavoro regolamentati (GDPR, settore pubblico, finanza) significa poter condurre audit approfonditi e personalizzazioni via fine-tuning con la certezza di non ereditare pregiudizi o dati in conflitto con le policy interne. Swiss-AI ha inoltre implementato meccanismi di opt-out retroattivo e prevenzione della memorizzazione, un ulteriore argine contro i rischi legali legati all’uso involontario di dati sensibili.

Dal punto di vista dell’infrastruttura, la versione 70B richiederà hardware adeguato: diverse GPU con VRAM capiente per un’inference a piena precisione, ma con quantization adatta può rientrare in configurazioni più contenute. Il modello 8B è invece già alla portata di singole GPU di fascia enterprise o addirittura di workstation avanzate, rendendo possibile un deployment on-premise anche per team più piccoli.

L’arrivo di Apertus 1.5 segnala anche una pressione competitiva sugli altri attori dell’open source. Dimostra che è possibile offrire multimodalità nativa, contesti lunghi e capacità di ragionamento senza rinunciare a una trasparenza radicale. Il prossimo report tecnico, con benchmark e checkpoint intermedi in arrivo, darà ulteriori elementi per valutare se le performance in produzione saranno all’altezza delle premesse. Intanto, la palla passa ai team IT e legali: verificare che la trasparenza promessa regga a un audit completo e che i modelli, una volta messi in carico, mantengano le attese su scala reale.