Panoramica · Aggiornato al 13 agosto 2026
Dicci cosa vuoi fare e che tipo di dispositivo possiedi. Ti indicheremo i modelli adatti alle tue esigenze.
Un modello che riassume bene le informazioni non deve necessariamente essere ben programmato. Seleziona a sinistra ciò di cui hai bisogno. A destra appariranno tutti i modelli in grado di farlo, indipendentemente dal fatto che siano installati sul tuo dispositivo, ospitati da un provider o disponibili tramite abbonamento cloud.
1 Quali devono essere le funzionalità del modello?
È possibile selezionare più opzioni.
Dove è consentito correre
Di default, mostriamo tutte e tre le opzioni una accanto all'altra, in modo che tu possa confrontarle.
Seleziona a sinistra le funzionalità che desideri per il modello. I modelli corrispondenti verranno visualizzati qui.
Ricerche più frequenti
Indica che tipo di dispositivo possiedi e come lo utilizzi. Ti mostreremo quali attività è possibile svolgere con esso, con quale fluidità funzionano e quali altri ostacoli potrebbero presentarsi.
Per l'IA locale non serve una scheda grafica dedicata. Un modello funziona anche solo con il processore e la normale memoria di lavoro. Ciò che manca non è la capacità, ma la velocità.
La memoria di lavoro è lo scaffale su cui si trova il modello. Il processore è un cuoco che esegue le ricette. Una scheda grafica è composta da centinaia di piccoli cuochi che effettuano calcoli contemporaneamente, e la memoria grafica è il loro scaffale a portata di mano.
La memoria di lavoro determina quale modello è compatibile. La potenza di calcolo determina quanta pazienza occorre.
Valori indicativi per modelli quantizzati. A ciò si aggiunge una riserva per il programma, lo svolgimento della conversazione e i calcoli interni.
10 su 10
In questo modo i compiti diventano fattibili
Restano 11 GB per il modello, che rientra nella categoria “Notebook potenti”.
Solo il processore. Ad esempio, la velocità di lettura. La risposta si costruisce sotto gli occhi dell’utente; per ogni paragrafo bisogna attendere alcuni secondi. Per domande occasionali, sintesi e semplici analisi di documenti, è sufficiente.
Tutte le operazioni sono già fattibili. Una maggiore quantità di memoria di lavoro consente in questo caso di utilizzare modelli più grandi per le stesse operazioni, ma non di eseguire più operazioni né di ottenere una maggiore velocità.
Maggiori dettagli sui modelli citati sono disponibili nella sezione “Ricerca modelli” qui sopra.
Valori indicativi. In caso di più richieste simultanee, ciascuna occupa la propria memoria di conversazione. Il modello stesso viene caricato una sola volta, mentre la cronologia si moltiplica.
Il termine “Small Language Model”, tra l’altro, non ha una definizione rigida. Microsoft parla di 10 miliardi di parametri e allo stesso tempo definisce “piccolo” un modello da 14 miliardi. Più utili del termine stesso sono le due domande riportate sopra.
La colonna “Tedesco” indica quanto sia attendibile la nostra valutazione, non un voto inventato.
| Modello | Scade | Memoria | Tedesco | Licenza | Consultare |
|---|---|---|---|---|---|
| Qwen 3.5 | Smartphone | 0,8B a partire da 2 GB · 9B circa 8 GB · 27B circa 20 GB | Apache 2.0 | OllamaHugging Face | |
| Qwen 3 30B-A3B | Notebook da 32 GB | circa 20 GB | Buono in tedesco | Apache 2.0 | OllamaHugging Face |
| Apertus | Notebook | 8B circa 6 GB · 70B circa 45 GB | Buono in tedesco | Apache 2.0 | Hugging Face |
| Gemma 4 | Smartphone | E4B circa 4 GB · 12B circa 10 GB · 31B circa 20 GB | Buono in tedesco | Apache 2.0 | OllamaHugging Face |
| gpt-oss | Notebook da 32 GB | 20B circa 14 GB · 120B oltre 60 GB | Buono in tedesco | Apache 2.0 | OllamaHugging Face |
| Muse Glimmer | Desktop | circa 20 GB | Tedesco non revisionato | Apache 2.0 | Hugging Face |
| Granite 4.1 | Notebook | 3B circa 3 GB · 8B circa 7 GB · 30B circa 20 GB | Apache 2.0 | OllamaHugging Face | |
| Ministral 3 | Smartphone | 3B circa 3 GB · 8B circa 7 GB · 14B circa 11 GB | Apache 2.0 | OllamaHugging Face | |
| Phi-4 | Notebook | 3,8B circa 3 GB · 14B circa 11 GB | Buono in tedesco | MIT | OllamaHugging Face |
| SmolLM3 | Smartphone | circa 3 GB | Apache 2.0 | Hugging Face | |
| Teuken 7B | Notebook | circa 6 GB | Tedesco scarso | Apache 2.0 solo nella versione con l'aggiunta "commercial" e con alcune condizioni | Hugging Face |
| EuroLLM | Notebook | 9B circa 8 GB · 22B circa 16 GB | Buono in tedesco | Apache 2.0 | Hugging Face |
| Nemotron 3 Nano | Desktop | circa 20 GB | Tedesco non revisionato | Licenza NVIDIA Open Modelcon condizioni | OllamaHugging Face |
| DeepSeek V4 | Server | diverse centinaia di GB | Buono in tedesco | MIT | Hugging Face |
| Mistral Large 3 e Small 4 | Server | a partire da circa 70 GB | Buono in tedesco | Apache 2.0 | Hugging Face |
Un modello linguistico scrive testi. Non ascolta, non vede e non effettua ricerche in archivi. Per queste operazioni esistono modelli specifici, solitamente di dimensioni molto ridotte, che vengono combinati con un modello linguistico.
Trascrive le registrazioni in 99 lingue. Per il tedesco sono disponibili versioni addestrate con tassi di errore molto bassi. Il tedesco svizzero rimane difficile: anche le versioni appositamente adattate presentano circa un errore ogni quattro parole.
Converte i testi in sequenze di numeri, in modo da trovare risultati simili dal punto di vista del contenuto anziché solo corrispondenze esatte a livello di parole. Attualmente è il modello gratuito più potente di questo tipo per più lingue. Non risponde autonomamente.
L'alternativa collaudata, progettata per oltre cento lingue e sezioni più lunghe. La scelta più affidabile per archivi multilingue.
Legge il testo contenuto in foto, documenti e moduli in 32 lingue. Importante: si tratta di un unico modello, non di una combinazione tra riconoscimento delle immagini e modello linguistico.
Specializzato nel codice e addestrato a leggere e modificare autonomamente i file all’interno di un progetto. La variante 30B funziona su un potente computer da lavoro.
Alternativa europea a Whisper, che non solo trascrive ciò che viene detto, ma ne comprende anche il contenuto. Attenzione alla sintesi vocale: questa funzione non può essere utilizzata a fini commerciali.
I produttori pubblicizzano il numero di lingue supportate. Si tratta di una dichiarazione relativa ai dati di addestramento, non di una misurazione. La Bundesdruckerei tedesca ha effettuato una misurazione in collaborazione con l’Istituto Fraunhofer: 39 modelli per compiti amministrativi in lingua tedesca.
Confronto MÖVE della Bundesdruckerei tedesca, 39 modelli testati
Qwen3, con 4 miliardi di parametri, si colloca all’ottavo posto, subito dietro a GPT-4o. Un modello per notebook è alla pari con uno del centro dati. Vale più la pena scegliere questo modello che potenziare il proprio computer.
Il modello Teuken, sviluppato appositamente per l’UE, ha ottenuto il 47,7% nel test di conoscenza sulla Germania, mentre il modello Llama di Meta, di dimensioni equivalenti, ha raggiunto il 61,5%. Essere addestrati per il tedesco non sostituisce un buon addestramento.
Il confronto valuta il linguaggio amministrativo tedesco e, per la verifica dei valori, fa riferimento alla Costituzione tedesca. Non fornisce indicazioni riguardo al tedesco standard svizzero, agli “helvetismi” e ai termini amministrativi locali. Finora non esiste un test svizzero analogo, pertanto questo rimane il miglior punto di riferimento disponibile.
Il modello svizzero si colloca al terzo posto, davanti a GPT-4o. Per lo svizzero tedesco, tuttavia, non esiste ancora una soluzione locale affidabile: nella trascrizione del dialetto, circa una parola su quattro risulta errata. Maggiori informazioni sulla nascita di Apertus nella Swiss AI Initiative.
I modelli cloud non possono essere scaricati. Ciononostante, costituiscono il punto di riferimento più importante.
Solo pochi modelli sono stati testati in tedesco. Per Claude Opus 5, GPT-5.6, DeepSeek V4, Qwen 3.5, Gemma 4 e Mistral Large 3 non sono ancora disponibili dati relativi al tedesco, sebbene siano in circolazione già da tempo. Mostriamo quindi l’ultimo stato misurato per ciascun fornitore e segnaliamo ciò che nel frattempo è stato sostituito. Il valore relativo a Gemini 3.1 Pro è pubblicato arrotondato, mentre tutti gli altri sono arrotondati al primo decimale.
Global MMLU, sezione tedesca, dati raccolti da Artificial Analysis, percentuali
Ciò che conta è l'ordine di grandezza, non la classifica espressa in decimi di punto: tra il miglior modello cloud e il miglior modello aperto vi è una differenza di circa quattro punti, mentre tra i modelli cloud tra loro la differenza è in alcuni casi inferiore a due.
I modelli di punta attualmente disponibili richiedono un server. Per quanto riguarda le attività complesse, le prestazioni su un notebook rimangono ancora nettamente inferiori a quelle di ChatGPT. In caso di attività ben definite, come la sintesi, la differenza è quasi impercettibile.
Per privati e per un utilizzo sporadico
Venti franchi al mese, nessuna configurazione, sempre il modello più potente. Finché non sono in gioco dati sensibili, questa è la soluzione più pragmatica.
Per i dati sensibili e l'indipendenza
Non viene trasmesso alcun dato all'esterno, non ci sono costi ricorrenti e funziona senza Internet. In compenso, le prestazioni sono inferiori e la configurazione richiede un po' di impegno.
Per aziende e team
Modelli aperti offerti da un fornitore svizzero. Coniugano prestazioni adeguate con una situazione giuridica chiara, senza che ogni postazione di lavoro necessiti di hardware proprio.
La terza opzione è poco conosciuta: Infomaniak, Swisscom ed Exoscale gestiscono modelli aperti in data center svizzeri, in parte con Apertus. Si paga in base all’utilizzo e i dati rimangono nel Paese. Chi, invece di un’interfaccia, cerca una chat già pronta, può trovare questi fornitori su Schweizer KI-Chats. Altri fornitori sono elencati su Swiss AI Landscape.
È possibile scaricare tutti questi modelli. Tuttavia, non tutti possono essere utilizzati a fini commerciali. Questo è l’ostacolo più comune nelle aziende.
La regola è semplice: se il modello riporta la licenza Apache 2.0 o MIT, puoi utilizzarlo a fini commerciali, modificarlo e distribuirlo senza bisogno di chiedere autorizzazione. Questo vale per la maggior parte dei modelli qui presenti.
Per tutti gli altri, vale la pena dare un'occhiata al file di licenza. Alcuni produttori consentono solo l'uso a fini di ricerca e privato. Altri fissano un limite massimo al numero di utenti. All'interno della stessa famiglia di modelli, le condizioni possono variare; pertanto, è necessario verificare la licenza del modello specifico, non quella del produttore in generale. Per la strategia di IA nell'azienda nel suo complesso, l'associazione offre un proprio pacchetto pratico.
È possibile, ma non in qualsiasi modo. Questi sono i quattro casi che si verificano più spesso.
Modello di ricerca, poi modello linguistico
Il modello di ricerca individua i passaggi pertinenti nei tuoi documenti, mentre il modello linguistico formula la risposta sulla base di essi. I due modelli funzionano contemporaneamente e il loro fabbisogno di memoria si somma. Si tratta della struttura più diffusa in assoluto ed è già integrata in strumenti come AnythingLLM o Open WebUI.
Riconoscimento vocale, poi modello linguistico
Whisper genera il testo, mentre il modello linguistico lo trasforma in un log. I due processi vengono eseguiti in sequenza, non contemporaneamente, pertanto è sufficiente la memoria per il più grande dei due.
Un unico modello
In questo caso non serve alcuna combinazione. Modelli come Qwen3-VL o Gemma 4 integrano già il riconoscimento delle immagini. Chi collega in serie un modello di immagini e un modello linguistico perde in qualità, anziché guadagnarne.
Prima un modello in scala ridotta, poi un modello in grande scala
Il modello più piccolo anticipa diverse parole, mentre quello più grande le verifica tutte in un’unica operazione. La qualità delle risposte rimane invariata, mentre la velocità aumenta. Su hardware standard, l’aumento è compreso tra un fattore di 1,5 e 2, non il multiplo spesso promesso.
Una regola vale in tutti i casi: se due modelli vengono eseguiti contemporaneamente, il loro fabbisogno di memoria si somma per intero; se vengono eseguiti in sequenza, è sufficiente lo spazio necessario per quello più grande.
In modo che tu possa verificare ciò che è scritto qui.
La ricerca, la raccolta dei dati e la realizzazione sono state effettuate con il supporto dell'intelligenza artificiale. Tutte le informazioni sono state verificate confrontandole con le fonti originali indicate nei link sopra riportati. Ciò che non è stato possibile comprovare non è riportato in questa pagina.
Le versioni dei modelli, le licenze e i valori di misura cambiano rapidamente. Manca un modello o un dato non è più corretto? Scrivici, provvederemo a correggerlo.
Seguiamo lo sviluppo dei modelli aperti per la Svizzera e vi teniamo aggiornati sui cambiamenti.
