EUROPA: il modello AI europeo da 400 miliardi di parametri
EUROPA: il modello AI europeo da 400 miliardi di parametri
Il 19 giugno 2026 la Commissione europea ha scelto il consorzio guidato dalla startup milanese Domyn per costruire un LLM (Large Language Model, ovvero un modello linguistico di grandi dimensioni: un sistema software addestrato su enormi quantità di testo per comprendere e generare linguaggio naturale) sovrano, con pesi aperti e addestramento interamente su infrastruttura europea. Per chi deve tenere i dati in Europa, è la prima alternativa strutturata ai fornitori americani.
In sintesi
- Il consorzio EUROPA, guidato da Domyn (Milano) e Fraunhofer-Gesellschaft (Germania), ha vinto la Frontier AI Grand Challenge della Commissione europea il 19 giugno 2026.
- Il modello punterà a superare i 400 miliardi di parametri, addestrato da zero in tutte le 24 lingue ufficiali dell’Unione Europea, italiano incluso senza compromessi.
- I pesi aperti (open weights, ovvero il file finale del modello scaricabile e installabile liberamente) saranno disponibili gratuitamente per imprese, ricercatori e pubbliche amministrazioni: nessun canone, nessun fornitore unico da cui dipendere.
- Per sanità, legale e finanza — settori dove i dati non possono fisicamente uscire dall’Europa — questo apre uno scenario operativo che oggi non esiste con i modelli commerciali americani.
- Il modello non è ancora disponibile. Il segnale conta adesso perché orienta le scelte architetturali che si fanno oggi.
Cosa ha deciso la Commissione e perché tocca anche te
Il 19 giugno 2026 la Commissione europea ha assegnato la Frontier AI Grand Challenge al consorzio EUROPA. A guidarlo è Domyn, startup milanese specializzata in modelli linguistici, affiancata dal Fraunhofer-Gesellschaft, il principale ente tedesco di ricerca applicata, con oltre 30.000 ricercatori distribuiti in Europa.
L’obiettivo è costruire un modello da oltre 400 miliardi di parametri. I parametri sono, in modo semplificato, i “pesi” interni che determinano come il sistema elabora il linguaggio: più sono numerosi, più il modello è capace di ragionare su testi complessi. Per confronto, GPT-4 di OpenAI è stimato attorno a 1.800 miliardi di parametri, ma i modelli da 400 miliardi si collocano già nella fascia alta delle capacità disponibili oggi. Un modello di quella taglia, usato da uno studio legale di Torino, è in grado di analizzare un contratto di 80 pagine e restituire un riassunto strutturato in pochi secondi, in italiano corretto.
La differenza rispetto a qualsiasi modello commerciale non è la dimensione. È la struttura di accesso. I pesi aperti significano che il file del modello sarà scaricabile, installabile su infrastruttura propria, modificabile. Nessun contratto con un fornitore americano. Nessuna chiamata a server fuori dall’Unione Europea. Nessun dato che attraversa l’Atlantico.
Cosa fai oggi: se hai un progetto AI in valutazione, chiediti esplicitamente se la tua architettura prevede un modello installato su infrastruttura propria oppure una dipendenza da API (Application Programming Interface, ovvero il canale tecnico attraverso cui la tua applicazione comunica con un servizio esterno, come quando il tuo gestionale “parla” con ChatGPT) di terzi. La risposta cambierà il tipo di contratto, le garanzie legali e la flessibilità futura.
”Open weights” e “open source” non sono la stessa cosa
Vale la pena fermarsi qui. Genera confusione anche tra chi lavora nel settore.
Un modello con pesi aperti non è necessariamente open source nel senso pieno. Open source significa che il codice sorgente, i dati di addestramento e le procedure complete sono pubblici e replicabili da chiunque. Open weights significa che il file finale del modello — quello che serve per farlo girare — è scaricabile liberamente, ma i dati usati per addestrarlo possono restare parzialmente riservati.
Nella pratica, per un’azienda, la distinzione conta poco. Quello che serve è installare il modello su server propri o su cloud europeo certificato, senza dipendere da API di terzi. Con i pesi aperti, questo è già possibile. Llama di Meta e Mistral del gruppo francese omonimo funzionano già così oggi: una clinica privata di Bologna, ad esempio, può installare Mistral su un server interno e usarlo per redigere lettere di dimissione senza che un singolo dato del paziente esca dall’edificio.
EUROPA si inserisce in questo filone con una differenza concreta: addestramento su infrastruttura europea, dati selezionati in Europa, copertura di tutte e 24 le lingue ufficiali dell’Unione. L’italiano non sarà un ripensamento marginale, come accade spesso nei modelli addestrati prevalentemente in inglese.
Chi ha un problema reale con i fornitori americani, oggi
Non tutte le aziende hanno questo problema. Resto il fatto che per alcune categorie la questione della residenza dei dati non è una preferenza ideologica. È un requisito operativo.
Cliniche e strutture sanitarie. I dati clinici dei pazienti sono soggetti al GDPR (General Data Protection Regulation, il Regolamento Generale sulla Protezione dei Dati in vigore dal 2018) e, in molti casi, a normative nazionali più restrittive. Inviare referti o cartelle cliniche a un modello ospitato su server americani è un rischio legale concreto. Non teorico.
Studi legali e notarili. Atti, contratti, comunicazioni riservate tra avvocato e cliente sono protetti da obblighi di riservatezza professionale. Usare un servizio cloud esterno all’Europa per elaborarli richiede valutazioni legali che molti studi non hanno ancora affrontato.
Banche, assicurazioni, società finanziarie. Le autorità di vigilanza europee, Banca d’Italia e IVASS in testa, hanno indicazioni sempre più stringenti sulla residenza dei dati e sulla catena di responsabilità nei sistemi automatizzati.
Per queste realtà, avere un modello installabile internamente, su server fisici propri o su un datacenter europeo certificato, risolve un problema che oggi non ha una soluzione semplice con i modelli commerciali disponibili.
Cosa fai oggi: verifica dove vengono processati i dati che invii al tuo strumento AI attuale. Non è sufficiente che il datacenter sia geograficamente in Europa. Conta anche dove l’azienda madre può accedere ai dati per ragioni legali o di manutenzione. Se non lo sai con certezza, è un punto da chiarire con il tuo fornitore prima che diventi un problema in sede di audit.
Cosa puoi fare ora, prima che il modello esista
EUROPA non è ancora disponibile. I tempi di addestramento di un modello di questa dimensione si misurano in mesi. Non c’è una data di rilascio pubblica confermata al momento della pubblicazione di questo articolo.
Il segnale è utile adesso perché orienta scelte che si fanno oggi. Tre in particolare.
Se stai valutando un progetto AI interno, chiediti se la tua architettura prevede un modello installato on-premise (in sede, su hardware fisicamente controllato dall’azienda, come un server nella tua sala IT) oppure una dipendenza da API esterne. La risposta cambierà le garanzie legali e la flessibilità futura.
Se stai già usando un modello commerciale, verifica le condizioni contrattuali sulla residenza dei dati. Molti fornitori offrono opzioni di datacenter europeo, ma le garanzie effettive variano. Microsoft Azure con datacenter in Germania o Google Cloud con region europea sono opzioni reali, ma le condizioni di accesso da parte della casa madre americana restano una variabile da valutare.
Se hai un fornitore IT o un consulente, è il momento di chiedere esplicitamente: “Quando EUROPA sarà disponibile, siamo attrezzati per valutare un’integrazione?” Non per impegnarsi ora. Per capire se chi ti supporta conosce il panorama.
Perché l’Europa ci sta provando adesso
L’Unione Europea investe in AI attraverso il programma Horizon Europe e l’iniziativa EuroHPC (European High Performance Computing, la rete di supercomputer pubblici distribuiti nei paesi membri) da anni. La Frontier AI Grand Challenge è il tentativo più ambizioso di tradurre quegli investimenti in un prodotto concreto, scaricabile e usabile, non solo ricerca accademica.
Il contesto geopolitico pesa. La dipendenza europea da infrastrutture digitali americane è discussa a livello istituzionale da almeno un decennio. L’AI Act, il Regolamento UE 2024/1689 sull’intelligenza artificiale, pubblicato nella Gazzetta Ufficiale dell’Unione Europea il 12 luglio 2024, ha aggiunto una dimensione regolatoria che rende urgente avere modelli con una catena di sviluppo tracciabile e verificabile in Europa.
Domyn è una startup, non un colosso consolidato. Il rischio di esecuzione esiste. Impressionante, però, che la Commissione abbia scelto un consorzio guidato da un’azienda italiana, con un partner del peso di Fraunhofer: è un segnale che l’ecosistema europeo ha raggiunto una maturità sufficiente per essere preso sul serio anche in questo segmento.
Domande correlate
Posso usare EUROPA già oggi per la mia azienda? No. Il modello è in fase di costruzione senza una data di rilascio pubblica. Puoi però valutare oggi se la tua architettura AI è compatibile con un modello installabile internamente, in modo da essere pronto quando diventerà disponibile.
Qual è la differenza tra pesi aperti e un servizio AI in cloud? Con i pesi aperti installi il modello su infrastruttura tua o europea: i dati non escono mai. Con un servizio cloud invii i dati a server di terzi per ogni richiesta. Per sanità, legale e finanza la distinzione ha implicazioni legali dirette.
Un modello da 400 miliardi di parametri richiede hardware speciale? Sì. Modelli di questa dimensione richiedono server con schede grafiche professionali e molta memoria dedicata. Per la maggior parte delle aziende, la soluzione pratica sarà usarlo tramite un fornitore cloud europeo certificato, non installarlo fisicamente in ufficio.
L’italiano sarà davvero supportato bene, o sarà una lingua marginale? Il progetto dichiara addestramento da zero in tutte e 24 le lingue ufficiali dell’UE, non adattamento successivo di un modello inglese. Se l’impegno verrà rispettato, l’italiano dovrebbe avere qualità comparabile all’inglese, diversamente dalla maggior parte dei modelli attuali.
Cosa faccio se il mio settore ha già vincoli sulla residenza dei dati? Documenta l’architettura attuale: dove vanno i dati che invii ai tuoi strumenti AI, con quale contratto, con quali garanzie. Se non lo sai con certezza, chiariscilo con il tuo fornitore prima che diventi un problema in sede di audit o ispezione.
Fonti: