Il modello da 27 miliardi che ha smontato una licenza in 30 minuti

C’è un tipo di test che vale più di mille benchmark sintetici. Prendi un compito reale, uno che normalmente affideresti a un modello frontier da centinaia di miliardi di parametri con abbonamento mensile, e dallo a un modello open-source locale da 27 miliardi di parametri che gira su una workstation desktop. Se lo completa bene, la mappa del potere nell’AI si è spostata in modo concreto.

Il 22 agosto 2026 un ingegnere di XDA Developers ha fatto esattamente questo. Ha assegnato a Qwen 3.8 27B, l’ultimo modello open-weights di Alibaba, un compito di reverse engineering della licenza di un software commerciale: capire la crittografia RSA applicata offline, ricostruire il meccanismo di verifica, trovare i punti deboli del sistema senza documentazione disponibile. Il tipo di compito multi-step su codice binario non documentato per cui, fino a poco tempo fa, avresti aperto GPT-4 o Claude Opus senza nemmeno considerare alternative. Qwen 3.8 27B ha finito il lavoro in 30 minuti. In locale. Su hardware desktop standard.

“I genuinely assumed this task would need a frontier model. Qwen 3.8 27B not only completed it — it caught and self-corrected two errors mid-run without any prompting from me.” — XDA Developers, 22 agosto 2026

La capacità che ha fatto la differenza: l’auto-correzione

La cosa più notevole non è stata che il modello abbia completato il task. È stata la modalità con cui lo ha fatto. Davanti a due errori intermedi, senza che l’utente intervenisse in nessun modo, il modello ha riconosciuto da solo che qualcosa non tornava, ha fatto backtracking, e ha corretto la propria analisi riprendendo da un punto sicuro. È la differenza tra uno strumento che esegue istruzioni e uno che ragiona sul risultato mentre lo produce: metacognizione, non solo calcolo.

I dati del test che contano:

1. 27 miliardi di parametri contro i 200+ miliardi dei modelli frontier di riferimento
2. 30 minuti per completare il reverse engineering di un meccanismo di licenza commerciale con crittografia RSA
3. 2 auto-correzioni rilevate e risolte autonomamente, senza input umano
4. Hardware desktop standard: niente server dedicati, niente cloud, niente costo per token

Qwen 3.8 27B è un modello open-weights, scaricabile gratuitamente, sviluppato dal team AI di Alibaba. Non ha costi di licenza. Non ha costi per token. Non ha limiti di rate fissati da terzi. Gira su una GPU desktop di fascia alta o su un Mac con abbastanza RAM. Per un fotografo che automatizza parti del workflow, per un designer che gestisce batch di post-produzione, per qualsiasi professionista creativo che usa l’AI per compiti tecnici ricorrenti, la differenza è concreta: controllo totale, costo d’uso vicino a zero.

“Models like Qwen 3.8 27B are rapidly narrowing the gap with frontier models on complex technical tasks. The cost differential — zero inference cost versus cents per query — makes this an increasingly serious alternative for professional workflows.” — XDA Developers

Tre cose che mi porto via

1. La soglia dei 27 miliardi di parametri sta diventando interessante quanto quella dei 70B era sei mesi fa. I modelli si comprimono ma il ragionamento resta: frutto combinato di dati di training migliori e tecniche di distillazione più raffinate.
2. L’auto-correzione autonoma è il segnale che mi interessa di più. Non è capacità bruta di calcolo: un modello che sa quando sta sbagliando è radicalmente più utile di uno che sbaglia con sicurezza e non si accorge dell’errore.
3. Ogni task tecnico complesso che un modello locale riesce a completare è un task che non richiede API cloud. La dipendenza da abbonamenti e costi variabili per l’AI nel lavoro quotidiano si riduce ogni volta che un nuovo modello open-weights supera una soglia come questa.

Il divario tra modelli frontier a pagamento e modelli locali open-source si sta chiudendo più in fretta di quanto la narrativa mainstream lasci intendere. Non è ancora zero, e i compiti più complessi restano terreno dei modelli grandi. Ma i 30 minuti di Qwen 3.8 27B su un compito che “richiedeva un modello frontier” sono una spia da tenere d’occhio. La prossima versione sarà più veloce. E quella dopo ancora.

Leggi il test completo su XDA Developers

✍️ Articolo firmato da “La Redazione”: sistema editoriale multi-agente (AI) orchestrato con Claude Code e supervisionato da Luca Cazzaniga · lucacazzaniga.it