L’Italia è fuori dai giochi dell’intelligenza artificiale? Gli LLM italiani esistono

Quando si parla di intelligenza artificiale, l’Italia sembra spesso il Paese che arriva alla festa quando stanno già sparecchiando. Gli altri costruiscono i modelli, noi discutiamo se sia opportuno usarli. Una rappresentazione efficace, soprattutto per un titolo. Ma quanto è corretta?

La domanda da cui partire è molto concreta: esistono LLM italiani, cioè grandi modelli linguistici sviluppati da realtà del nostro Paese? Sì. Ci sono progetti universitari, modelli industriali e adattamenti di tecnologie internazionali. Per capire che cosa rappresentano, però, dobbiamo distinguere la ricerca dalla pubblicità e l’origine di un modello dalle prestazioni che riesce a dimostrare.

Che cosa significa davvero “LLM italiano”

Un LLM è il modello che elabora e genera linguaggio; un chatbot è uno dei modi con cui possiamo utilizzarlo. Un’interfaccia in italiano, magari con un nome evocativo e il tricolore nel logo, non basta a dimostrare che sotto ci sia un modello sviluppato in Italia.

Per orientarsi, propongo di separare quattro domande: chi lo sviluppa? Su quali dati viene addestrato? Parte da un modello già esistente? Dove viene eseguito? Sono aspetti distinti, che possono combinarsi in modi diversi.

Addestrare da zero significa costruire le capacità del modello attraverso il preaddestramento, anziché partire dai pesi già appresi da un altro LLM. Adattare un modello significa intervenire su una base esistente, per esempio con ulteriore addestramento o con esempi di istruzioni e risposte. Il paper scientifico su Minerva, presentato a CLiC-it 2024, affronta proprio questa distinzione e il controllo sui dati e sul vocabolario che il preaddestramento consente.

Un progetto derivato può essere molto utile e richiedere competenze importanti. Basta descriverlo per quello che è. Anche il luogo di esecuzione è un’altra questione: un modello straniero può funzionare su un server italiano. Il passaporto del produttore e l’indirizzo del data center non sono la stessa informazione.

LLM italiani: alcuni progetti documentati

Quella che segue è una selezione di progetti verificabili, con caratteristiche diverse. Non è una classifica né un censimento completo. Le informazioni sono state controllate il 9 ottobre 2026; dove si parla di capacità dichiarate dai produttori, queste non vanno confuse con risultati di una mia prova comparativa.

Minerva: dalla Sapienza a ChatMinerva

Minerva nasce dal gruppo Sapienza NLP della Sapienza Università di Roma, guidato da Roberto Navigli. Il progetto coinvolge la Fondazione FAIR e utilizza il supercomputer Leonardo di CINECA. Il sito ufficiale di Minerva documenta una famiglia di modelli preaddestrati da zero su dati in italiano e inglese, con taglie da 350 milioni a 7 miliardi di parametri.

C’è anche una distinzione utile per chi vuole provarlo: Minerva indica la famiglia di modelli; ChatMinerva è l’assistente che li porta dentro un’esperienza d’uso. Il sito presenta un percorso di industrializzazione con Babelscape e funzioni per lavorare con documenti e immagini. L’esistenza di questi servizi non rende automaticamente tutte le funzioni proprietà del solo modello linguistico di base.

Velvet: modelli multilingue sviluppati da Almawave

Velvet è la famiglia di LLM sviluppata da Almawave. La scheda tecnica ufficiale di Velvet-14B descrive modelli sviluppati da zero e addestrati sull’infrastruttura Leonardo di CINECA. Le taglie indicate sono 2 e 14 miliardi di parametri; le lingue comprendono italiano, inglese, francese, tedesco, spagnolo e portoghese.

La scheda indica una licenza Apache 2.0. È un elemento concreto per chi valuta integrazioni e personalizzazioni, ma non è una certificazione di qualità per ogni compito. La stessa documentazione riconosce possibili risposte inesatte e la necessità di verificare il comportamento nelle applicazioni specifiche.

FastwebMIIA: modello e offerta per imprese e PA

FastwebMIIA, Modello Italiano di Intelligenza Artificiale, è documentato nella model card ufficiale pubblicata da Fastweb. La versione descritta ha 7 miliardi di parametri ed è stata progettata e addestrata con attenzione alla lingua e al contesto culturale italiani.

Qui la licenza merita attenzione: la distribuzione pubblica prevede condizioni per usi non commerciali e determinati usi interni; per gli impieghi commerciali è prevista una licenza distinta. La pagina dell’offerta aziendale FastwebMIIA presenta anche modalità on-premise e private cloud. Quindi esistenza del modello, accesso ai pesi e condizioni di impiego sono tre informazioni da controllare separatamente.

LLaMAntino: adattare una base internazionale all’italiano

LLaMAntino-3-ANITA mostra un’altra strada. Il paper di Marco Polignano, Pierpaolo Basile e Giovanni Semeraro descrive l’adattamento di Meta Llama 3 nella versione da 8 miliardi di parametri, con addestramento su dati italiani e inglesi e successivo allineamento delle risposte.

È dunque un progetto di adattamento, non un modello preaddestrato da zero in Italia. Questa precisazione aiuta a capire da dove arrivano le capacità iniziali e quali dipendenze tecnologiche rimangono. Non sminuisce il lavoro: migliorare una base esistente può essere una scelta razionale.

Domyn: modelli per contesti aziendali regolamentati

Per Domyn conviene evitare elenchi fermi ai primi annunci. Il resoconto tecnico pubblicato il 15 aprile 2026 presenta Domyn-Large, da 263 miliardi di parametri, e richiama i precedenti Italia-10B e Colosseum-355B.

Il documento spiega che Domyn-Large parte da Colosseum-355B e impiega compressione, ulteriore preaddestramento e fine-tuning, nel quadro della collaborazione con NVIDIA. Il progetto punta a compiti come generare interrogazioni per database e lavorare con informazioni aziendali strutturate. Queste sono capacità e risultati descritti dagli sviluppatori: per un acquisto vanno verificati sul proprio caso d’uso. Colosseum-355B è un modello; il nome Colosseum viene usato anche per un’infrastruttura di calcolo. Meglio non confonderli.

EngGPT2: un altro esempio di sviluppo industriale

Un rapporto tecnico del maggio 2026 su EngGPT2MoE-16B-A3B documenta il modello di Engineering e lo confronta con diversi LLM italiani e internazionali. L’architettura è di tipo Mixture of Experts: 16 miliardi di parametri complessivi, con 3 miliardi attivi.

Il rapporto illustra risultati differenti secondo il benchmark, compreso quello italiano ITALIC. Essendo un preprint firmato da autori che includono gli sviluppatori, lo considero documentazione da esaminare, non una certificazione indipendente di superiorità. Ma è un ulteriore elemento concreto contro l’idea che in Italia non si sviluppino LLM.

Un video per capire il contesto europeo

Per approfondire il tema delle infrastrutture e dell’AI sovrana, propongo il keynote di Jensen Huang al GTC Paris 2025, richiamato anche nel resoconto tecnico di Domyn. È la prospettiva di NVIDIA, quindi va ascoltata tenendo presente il ruolo commerciale del relatore.

https://www.youtube.com/watch?v=X9cHONwKkn4

Esistere e guidare il mercato sono due cose diverse

Questi progetti bastano a smentire l’affermazione “non esistono LLM italiani”. Non bastano a dimostrare che l’Italia guidi il mercato mondiale o che uno di questi modelli sia migliore di qualsiasi alternativa internazionale.

Per sostenere un primato servono confronti aggiornati e riproducibili: stessi compiti, versioni dichiarate, impostazioni comparabili, costi e tempi di esecuzione misurati. Un numero di parametri più alto non è, da solo, una prova di maggiore utilità. E vincere un benchmark non equivale a rispondere correttamente alle domande dei dipendenti di un’azienda.

Nel mio lavoro di formazione, la domanda che proporrei a un’organizzazione è più concreta: quale sistema svolge bene il compito che vogliamo affidargli, con un costo sostenibile e condizioni di gestione adeguate? Un assistente per cercare informazioni nei manuali di un’azienda e un chatbot generalista hanno esigenze diverse. Cercare un unico campione nazionale per entrambi rischia di essere un esercizio di tifo.

L’Italia partecipa anche attraverso le infrastrutture

La partita comprende anche la capacità di mettere calcolo e competenze a disposizione di chi sviluppa applicazioni. La scheda ufficiale EuroHPC dell’AI Factory italiana IT4LIA descrive un’iniziativa coordinata da CINECA, con servizi per preparazione dei dati, addestramento ed esecuzione dei modelli.

Il comunicato EuroHPC del 22 aprile 2026 documenta la firma del contratto per potenziarne la capacità di calcolo. Lo stesso comunicato precisa che IT4LIA fornisce già risorse e servizi a PMI e startup dall’aprile 2025, sfruttando l’infrastruttura esistente, in particolare Leonardo. Il nuovo supercomputer è un potenziamento distinto: la firma del contratto non dimostra che sia già interamente operativo.

Ne ho discusso anche nell’articolo “L’America crea, la Cina copia, l’Europa regolamenta?”: le formule geografiche sono comode per raccontare una competizione, ma rischiano di nascondere le collaborazioni e le diverse parti della filiera.

Come valuterei un LLM italiano in azienda

Propongo un test semplice da organizzare, anche durante un workshop. Prepariamo un piccolo insieme di documenti non riservati e una ventina di domande realistiche. Alcune devono avere una risposta nei documenti; altre devono essere volutamente senza risposta, per verificare se il sistema ammette di non sapere.

Facciamo svolgere gli stessi compiti a più sistemi, distinguendo sempre il modello dall’applicazione che lo usa. Misuriamo correttezza, fedeltà ai documenti, rispetto delle istruzioni, qualità dell’italiano, tempi e costo. Registriamo anche quanto lavoro umano serve per correggere gli errori. È una proposta di valutazione pratica, non il resoconto di un test già svolto.

Prima dell’impiego reale, chiederei inoltre al fornitore la versione del modello, la licenza applicabile e come vengono gestiti documenti, conversazioni e accessi. La nazionalità del produttore non sostituisce queste risposte. Un tricolore sul sito non è una scheda tecnica.

La domanda utile: che cosa vogliamo costruire con l’AI?

La mia lettura è che l’Italia abbia progetti credibili da conoscere e mettere alla prova, senza bisogno di raccontarli come campioni imbattibili. Ricerca, sviluppo industriale, adattamento di modelli e infrastrutture sono contributi diversi; riconoscerli permette di discutere opportunità e dipendenze con maggiore precisione.

Per imprese e Pubblica Amministrazione, partirei dai processi da migliorare: documenti da trovare, informazioni da estrarre, richieste da gestire, attività da semplificare. Poi sceglierei il modello e il sistema più adatti, italiano o internazionale, sulla base delle prove.

Gli LLM italiani esistono. La partita da giocare è trasformarli, insieme alle altre tecnologie disponibili, in strumenti utili e verificabili. Il rischio che vedo è fermarsi alternativamente al disfattismo o all’orgoglio da comunicato stampa. In entrambi i casi, il lavoro vero resta da fare.