Podcasts · Risorse Artificiali AI Engineering in italiano

Open weight con l'asterisco: cosa Qwen non ha rilasciato

15 Aug 2026 · 1 h 12 min · Episode 67

Open weight con l'asterisco: Qwen ha rilasciato i pesi di 3.8, ma senza la variante Max, senza vision e con il contesto tagliato. Kimi K3 invece aveva rilasciato tutto, e la differenza si vede su chi ci fa inferenza davvero.

Nella prima parte il giro dei rilasci di queste settimane: Muse Glimmer e Nemotron pensati per girare in locale, il subagent workhorse (o muletto, se preferite la traduzione di Paolo), la corsa all'hardware a memoria condivisa tra DGX Spark, RTX e Apple Silicon. Poi il video open weight, con Minimax H3 che si prende la community a colpi di LoRA e LTX 2.5 che risponde con l'auto duration e una tabella comparativa un po' interessata.

Nella seconda parte Anthropic mette il watermark sui testi di Claude per stare dentro l'AI Act, e ne parliamo per quello che è: un gioco a guardie e ladri che dura da prima di noi. Alessio spiega come funziona davvero il watermark sul testo, Paolo racconta la storia delle mail di Musk e quella volta che Reddit lo ha bannato per un post generato.

Poi la parte che ci ha tenuti più a lungo: il continual learning si sta spostando dai modelli agli harness, gli agenti iniziano ad avere una personalità che dipende da chi li usa, e se ogni installazione prende una deriva diversa diventa complicato perfino capire cosa si legifera. Dwarkesh Patel dà questo per la fine dei modelli open. Noi la vediamo al contrario.

CAPITOLI

00:00 Sondaggio ascoltatori e Qwen 3.8 senza Max

06:08 Kimi K3, Muse Glimmer e il workhorse Nemotron

11:20 Intelligenza ibrida: DGX Spark, RTX e Apple Silicon

16:14 Minimax H3 e le licenze per regione

19:48 LTX 2.5, auto duration e i LoRA

25:25 Attention quadratica e vision language nei prompt video

30:00 Watermark su Claude e AI Act

35:37 Reverse engineering del watermark e Musk

40:28 Detector che sbagliano: Substack e Reddit

44:14 Grok 4.6 e le PR su Hermes

49:07 MuseSpark 1.2, continual learning e memorie condivise

54:37 Sviluppo artigianale e agenti con personalità

58:32 Hermes in vacanza: mappa interattiva e spese

1:04:09 Se ogni installazione diverge, cosa legiferi?

1:07:37 La fine dei modelli open? Al contrario

Ascolta su Spotify: https://open.spotify.com/episode/5r7HVXxocIGv9lDezyvvZE?utm_source=youtube&utm_medium=description&utm_campaign=ep67_drop

Tutti gli episodi e le trascrizioni: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep67_drop

LinkedIn: https://www.linkedin.com/company/risorseartificiali

Se la puntata ti è servita iscriviti al canale, ci aiuta più di quanto sembri. E diteci nei commenti se volete Ivan Fioravanti in puntata a parlare di inferenza locale.

Risorse Artificiali, AI Engineering in italiano. Puntata #67

The episode on the publisher’s site ↗ (opens in a new tab)