Nella corsa ai modelli aperti non ci sono solo i colossi cinesi e americani. Il 22 luglio 2026 la coreana Upstage ha pubblicato su Hugging Face Solar-Open2-250B, un modello a pesi aperti da circa 250 miliardi di parametri costruito con architettura a mistura di esperti e con una particolare attenzione a inglese, coreano e giapponese. E' una delle uscite piu' interessanti dell'estate per chi vuole un modello potente da eseguire sulla propria infrastruttura, senza dipendere da un'API esterna.
Che modello e' e a chi serve
Solar-Open2-250B e' pensato per sviluppatori, aziende e ricercatori che hanno bisogno di controllo completo: eseguendo il modello in proprio, i dati non lasciano i propri server, un requisito spesso decisivo in ambiti come sanita', finanza e pubblica amministrazione. L'architettura a esperti fa si' che, pur avendo 250 miliardi di parametri totali, a ogni richiesta ne venga attivata solo una parte, migliorando l'efficienza rispetto a un modello "denso" di pari dimensioni. Il supporto rafforzato al coreano e al giapponese lo rende inoltre una scelta naturale per applicazioni multilingue in Asia orientale, ma le capacita' in inglese restano di primo piano.
Come scaricarlo da Hugging Face
Il modello si scarica con gli strumenti ufficiali di Hugging Face. Prima installa la libreria, poi effettua il download (serve molto spazio su disco, nell'ordine delle centinaia di gigabyte):
pip install -U huggingface_hub
huggingface-cli download upstage/Solar-Open2-250B \
--local-dir ./solar-open2-250bSe il repository richiede l'accettazione della licenza, aprilo sul sito di Hugging Face, leggi le condizioni d'uso e accedi con huggingface-cli login usando un token del tuo account.
Eseguirlo con vLLM (e i requisiti reali)
Il modo piu' pratico per servire un modello di questa taglia e' vLLM, un motore di inferenza ottimizzato. Un avvio tipico e':
pip install vllm
vllm serve upstage/Solar-Open2-250B \
--tensor-parallel-size 8 \
--host 0.0.0.0 --port 8000Attenzione ai requisiti: nella versione a piena precisione un modello da 250 miliardi di parametri richiede diverse GPU da data center con molta memoria (l'opzione --tensor-parallel-size 8 distribuisce il carico su otto acceleratori). Non e' hardware da computer di casa. Una volta avviato, vLLM espone un'API compatibile con lo standard OpenAI: puoi interrogarla con lo stesso codice che useresti per un servizio cloud, cambiando solo l'indirizzo di base in http://localhost:8000/v1.
Se non hai un data center: le versioni quantizzate e le alternative
Per chi non dispone di un cluster ci sono due strade. La prima e' cercare su Hugging Face le versioni quantizzate del modello, che riducono drasticamente la memoria necessaria comprimendo i pesi (formati come NVFP4 o GGUF): la qualita' cala di poco, ma i requisiti diventano piu' accessibili per una workstation con GPU potenti. La seconda, se l'obiettivo e' semplicemente far girare un buon modello in locale su un PC normale, e' rivolgersi a modelli aperti piu' piccoli — da qualche miliardo a qualche decina di miliardi di parametri — gestibili con strumenti come Ollama o LM Studio, che si installano in pochi minuti. La regola pratica e' scegliere il modello piu' piccolo capace di svolgere il tuo compito: un gigante come Solar-Open2-250B ha senso quando servono qualita' massima e controllo totale, non per un chatbot leggero.
Il quadro: l'open source come contrappeso
L'uscita di Solar-Open2 conferma una tendenza del 2026: accanto ai modelli chiusi e alle API a pagamento cresce un ecosistema aperto sempre piu' competitivo, alimentato da laboratori di tutto il mondo — Cina, Corea, Europa, Stati Uniti. Per chi costruisce prodotti, avere alternative a pesi aperti significa piu' concorrenza, prezzi piu' bassi e la possibilita' di personalizzare i modelli sui propri dati. Il consiglio, come sempre, e' leggere con attenzione la licenza specifica prima di usare un modello aperto in un contesto commerciale: "aperto" non significa automaticamente "libero per qualsiasi uso".
