OpenAI ha rilasciato i suoi modelli open weight e noi li mettiamo subito alla prova, in locale, contro DeepSeek e Gemma. In questa puntata di Uno Nessuno e Centomil AI smontiamo l’hype con test reali: reasoning su indovinello, logica combinatoria (strette di mano) e traduzione idiomatica inglese-italiano. Spieghiamo con esempi chiari la differenza tra open source vs open weight, cosa significa far girare un LLM on-prem (privacy, costi, latenze), e perché strumenti come Ollama e Open WebUI sono utili per orchestrare più modelli in parallelo. Parliamo di licenze Apache/MIT, limiti di trasparenza (black box) e di come agenti verticali e federated learning possano cambiare il gioco.Risultato? In questi test Gemma (4B) sorprende per naturalezza e velocità; DeepSeek inciampa sull’italiano; l’open weight di OpenAI (20B) mostra muscoli ma anche qualche scivolone sul contesto. Il punto non è “chi è il più grosso”, ma quale modello è giusto per il compito: traduzione, chiarezza, reasoning leggero o pipeline aziendali on-prem dove i dati restano in casa. Se vuoi capire davvero come scegliere e testare un LLM oggi, questa è la guida pratica — zero fumo, solo prove replicabili. 00:00 — Intro & setup: OpenAI open weight vs DeepSeek vs Gemma02:52 — Open source vs open weight: cosa cambia davvero04:01 — Metafora “Star Wars”: licenze, black box e limiti di modifica06:46 — LLM on-prem: privacy dati, costi e latenze reali07:57 — Modelli e parametri: OpenAI 20B vs Gemma 4B (hardware richiesto)10:46 — Come testare un LLM: criteri oggettivi e rischi di leakage12:10 — Test di reasoning #1: l’indovinello dell’ascensore15:05 — Risultati a confronto: correttezze, tempi e catene di pensiero18:49 — Test di logica #2: quante strette di mano? (combinatoria)21:27 — Spiegazioni a confronto: formula vs chiarezza “umana”23:44 — Test di traduzione: idiomi inglese-italiano difficili26:01 — Traduzioni a confronto: DeepSeek vs Gemma vs OpenAI29:12 — Strategia: modelli specialistici, agenti verticali e orchestrazione30:35 — Prossimi passi: interfacce multi-modello e roadmap30:55 — Conclusioni & call-to-action: sperimenta e condividi i tuoi test