Modelli di IA: analisi delle capacità, architetture e guide alle famiglie di modelli
Il modello in sé, analizzato: famiglie, architetture, compromessi.
Scegliere un modello è un problema diverso dal farlo girare. I runtime, le GPU e gli stack di serving rispondono alla domanda “come faccio a farlo girare?”; questo cluster risponde alla domanda “quale modello, e perché questo in particolare?”.
Le pagine qui analizzano i modelli come artefatti: come un’evoluzione di famiglia si sviluppa da una generazione all’altra, cosa cambia un’architettura del modello in termini di capacità operative e dove si collocano i compromessi tra quantizzazione e prestazioni. Ogni affermazione è ancorata a schede modello dei vendor, benchmark indipendenti o esecuzioni misurate: i valori di previsione sono etichettati come stime.
Dove si colloca AI Models nello stack
Il sito suddivide la questione dei modelli in tre livelli:
| Livello | Cosa copre | Cluster |
|---|---|---|
| Il modello | capacità, architettura, evoluzione delle famiglie, quantizzazione | Ti trovi qui |
| Il serving | runtime, compatibilità GPU, throughput, comportamento del contesto | Ospitalità LLM · Prestazioni LLM |
| Il sistema | routing, memoria, agenti, verifica | Sistemi AI · Architettura LLM |
Un’affermazione sulla capacità fatta qui (cosa trattiene un modello denso da 27B a 4 bit, cosa emette un decisore a singola passata in avanti) diventa un input per le decisioni di hosting e prestazioni prese altrove. I cluster sono deliberatamente separati affinché le tabelle dei benchmark non migrino negli saggi sull’architettura e viceversa.
Mappa del cluster
Il cluster è giovane e cresce per densità, non per pianificazione. Ecco cosa esiste oggi:
- Ti trovi qui — questo pilastro: cosa copre il cluster e dove si collocano i suoi confini
- Architetture — Cosa viene dopo gli LLM? Mamba, Diffusione e Modelli del Mondo — il paesaggio post-transformer: modelli di stato spaziale, modelli linguistici a diffusione e modelli del mondo JEPA, con le evidenze per ciascuno
- Famiglie — Qwen 4: ciò che è confermato e cosa significa per l’AI locale — una pagina di riferimento per famiglie costruita attorno alla scala di benchmark 27B generazionale, l’anteprima dell’architettura Flash-Next e la compatibilità con le GPU consumer
Sottocluster pianificati, da avviare quando esisteranno abbastanza pagine correlate: benchmark (confronti tra modelli), quantizzazione (riferimenti sulla scala dei bit), embedding e reranker (modelli lato ricerca), confronti (famiglia contro famiglia).
Architetture dei modelli
L’analisi delle architetture chiede cosa fa un cambio di progettazione alla capacità, alla memoria e al comportamento di inferenza — non quale modello è in testa a una classifica questa settimana. La pagina di riferimento copre i candidati disposti a succedere o integrare il transformer:
- Modelli di stato spaziale (Mamba) — scalare linearmente rispetto alla lunghezza della sequenza attraverso uno stato ricorrente compresso
- Modelli linguistici a diffusione — generazione parallela di token invece del decodifica da sinistra a destra
- Modelli del mondo e JEPA — previsione su rappresentanze anziché su token
Il pattern ibrido — attenzione transformer dove ne vale la spesa, attenzione lineare dove non ne vale — è già presente in modelli in uscita, e Cosa viene dopo gli LLM? traccia sia la linea di ricerca sia le evidenze di produzione.
Famiglie di modelli
Le pagine per famiglie tracciano una linea di modelli tra le generazioni: cosa ha cambiato ogni rilascio, quali guadagni nei benchmark sono reali rispetto a quelli dichiarati dai vendor, e cosa significa la prossima generazione per l’hardware che potresti già possedere.
La prima copre la famiglia con pesi aperti più eseguita su GPU consumer:
- Qwen 4: ciò che è confermato e cosa significa per l’AI locale — la roadmap confermata di Alibaba, la scala di benchmark 27B Qwen3.5 → 3.6 → 3.8, Flash-Next come anteprima di architettura eseguibile, e gli obiettivi di memoria a cui un Qwen 4 27B arriverà.
Cosa non appartiene qui
Le regole di confine mantengono il cluster onesto:
- Domande su serving e tuning — quanto veloce gira un modello, come far stare il contesto, quale runtime usare — appartengono a Prestazioni LLM e Ospitalità LLM. Una pagina per famiglie linka a quelle misurazioni invece di riprodurre tabelle di tok/s.
- Utilizzo dei modelli all’interno di un sistema — livelli di routing, memoria, progettazione di agenti — appartiene a Sistemi AI e Architettura LLM.
- Modelli lato ricerca — gli embedding e i reranker sono analizzati qui come modelli, ma la loro applicazione all’interno di pipeline vive in RAG.
Come questo cluster si collega agli altri
- Prestazioni LLM nel 2026 — i controparti misurati delle affermazioni sulla capacità qui: la frontiera efficiente dei modelli aperti e le pagine di benchmark da 16 GB trasformano “questo modello è capace” in “questo modello sta e gira a N t/s”.
- Ospitalità LLM nel 2026 — la decisione su runtime e infrastruttura che segue la scelta del modello.
- Cosa viene dopo gli LLM? e le pagine per famiglie si incrociano a vicenda: le anteprime architetturali in una famiglia (Flash-Next) sono l’evidenza a breve termine per i cambiamenti architetturali che la pagina sul paesaggio descrive.
