Torna a infiammarsi il dibattito sui modelli di intelligenza artificiale cinesi. Con il rilascio in rapida successione di GLM 5.2 di Z.ai, Kimi K3 di Moonshot AI e Qwen 3.8 di Alibaba, il panorama competitivo si è arricchito di alternative open-weight che offrono prestazioni vicine ai modelli occidentali di frontiera, a una frazione del costo. Washington osserva con crescente preoccupazione, mentre a Silicon Valley si moltiplicano gli inviti alla cautela. Ma è davvero una questione di sicurezza, o piuttosto di margini di profitto? A rispondere è Lucas Atkins, CTO di Arcee, un laboratorio statunitense che, paradossalmente, avrebbe tutto da guadagnare da un bando ai modelli cinesi.
Secondo Atkins, i modelli open-weight cinesi non sono intrinsecamente più pericolosi di qualsiasi altro software open source utilizzato in azienda. La percezione diffusa, spiega, è che possano contenere istruzioni malevole attivabili da un attore ostile. Ma non è così che funzionano gli LLM. Una volta scaricato ed eseguito nel proprio ambiente, il modello è isolato, senza alcun canale di comunicazione con chi lo ha addestrato. Il codice sorgente che gira sui server è ispezionabile; ciò che rimane opaco sono i dati e i metodi di training, ma vale per praticamente tutti i modelli sul mercato.
La divergenza tra Stati Uniti e Cina si fa nel frattempo sempre più netta. Anthropic ha mantenuto il modello Mythos accessibile solo a collaboratori selezionati per mesi, prima di doverlo persino ritirare temporaneamente su richiesta della Casa Bianca. OpenAI ha rinviato l’uscita di GPT 5.6 per motivazioni analoghe. In Cina, al contrario, la scelta è opposta, all’insegna di apertura, trasparenza, possibilità per chiunque di scaricare, personalizzare e integrare. Una strategia che ha una logica competitiva chiara, permettendo agli attori cinesi di conquistare mindshare in un terreno di gioco diverso da quello dei colossi occidentali.
Le grandi organizzazioni, del resto, sottopongono ogni modello a processi di security testing, post-training e valutazione su bias, tossicità e allucinazioni prima della messa in produzione. L’ipotesi di un modello di coding con backdoor nascoste, attivabili solo in determinate condizioni, resta teoricamente possibile ma praticamente improbabile, perché la natura creativa e non deterministica degli LLM rende difficilissimo far emergere payload malevoli su richiesta. A ciò si aggiunge il fatto che le aziende stanno costruendo le proprie applicazioni AI in modo model-agnostic, pronte a sostituire un modello con un altro senza attriti rilevanti.
La vera domanda che la vicenda solleva non è quindi se bandire i modelli cinesi, ma quale strategia industriale gli Stati Uniti vogliano perseguire. La chiusura crescente dei laboratori occidentali rischia di consegnare l’ecosistema open a un vantaggio strutturale cinese, con conseguenze durature su ricerca, formazione dei talenti e adozione enterprise. La posizione di Arcee suggerisce che la risposta più efficace sia competitiva, non protezionistica, ovvero costruire modelli aperti migliori, coltivare un ecosistema domestico vivace e sfruttare la trasparenza reciproca come motore di innovazione. In un settore in cui il vantaggio tecnologico si erode nel giro di settimane, arroccarsi dietro export controls e sanzioni potrebbe rivelarsi una strategia difensiva che allontana il traguardo invece di avvicinarlo.
Per approfondire: link all’articolo originale