EUROPA: il modello AI europeo in 24 lingue

EUROPA: il modello AI europeo in 24 lingue

Un consorzio europeo guidato da Domyn sta sviluppando EUROPA, un modello di intelligenza artificiale con oltre 400 miliardi di parametri, addestrato nativamente in tutte le 24 lingue ufficiali dell’Unione, con pesi aperti e scaricabili gratuitamente. Per chi costruisce assistenti su dati aziendali italiani, cambia la domanda di partenza.

In sintesi

• EUROPA punterà a superare 400 miliardi di parametri, addestrato da zero in 24 lingue UE, rilascio previsto entro il 2027.
• I pesi aperti, in inglese open weights, significano che il modello si scarica e gira su infrastruttura propria, senza pagare API a consumo.
• Per la prima volta un modello di questa taglia sarà nativo in italiano, non tradotto o adattato in un secondo momento.
• L’impatto pratico riguarda chi costruisce sistemi RAG, sigla inglese per Retrieval-Augmented Generation, ovvero generazione aumentata dal recupero di documenti, su dati sensibili: contratti, cartelle cliniche, pratiche legali.
• La domanda operativa non è “è meglio europeo?”, ma “a quale volume conviene passare da API a consumo a un modello gestito in casa?”

Cosa sta succedendo con EUROPA

Domyn, startup con sede in Lussemburgo sostenuta da investitori europei, ha annunciato un LLM, sigla inglese per large language model (modello linguistico di grandi dimensioni), che si distingue per due caratteristiche concrete. Viene addestrato da zero nelle 24 lingue ufficiali dell’Unione Europea, italiano incluso. E i suoi pesi, cioè i file numerici che contengono ciò che il modello ha imparato, saranno rilasciati gratuitamente e scaricabili da chiunque.

La dimensione dichiarata supera i 400 miliardi di parametri. I parametri sono i “cursori” interni del modello: più ce ne sono, più il modello regge testi complessi, ambigui, tecnici. Per confronto, GPT-4 di OpenAI non ha una dimensione ufficialmente dichiarata, ma le stime di settore lo collocano in un range simile.

Il punto non è la gara dei numeri. È che un modello nativo in italiano, con pesi scaricabili, apre una strada che finora era praticabile solo per i grandi gruppi: far girare l’AI sui propri server, senza che i dati escano dall’azienda. Per un notaio di Torino o una clinica privata di Napoli, non è un dettaglio.

Perché “nativo in italiano” fa differenza

I modelli oggi più capaci, GPT-4o di OpenAI e Claude 3.5 di Anthropic tra tutti, sono stati addestrati prevalentemente in inglese. L’italiano viene gestito bene. Resta, però, una lingua di seconda fascia nel loro addestramento originale.

Questo si nota nei contesti tecnici e settoriali. Un contratto di locazione con clausole specifiche del diritto italiano, un referto medico con terminologia ospedaliera locale, una pratica catastale: in questi casi il modello capisce, ma perde sfumature. Costrutti burocratici, lessico professionale regionale, riferimenti normativi precisi, tutto ciò che un avvocato o un medico italiano dà per scontato.

Un modello addestrato da zero in italiano, con testi italiani fin dalla prima fase di apprendimento, tende a mantenere meglio queste sfumature. Non è una garanzia assoluta. È una premessa strutturale migliore.

Esempio concreto: uno studio legale che vuole costruire un assistente sulle proprie sentenze di merito, o una clinica che vuole permettere ai medici di interrogare le cartelle in linguaggio naturale, troverebbe in EUROPA una base più aderente al proprio materiale rispetto a qualsiasi modello addestrato pensando prima all’inglese.

Il nodo dei dati sensibili e della sovranità

Quando un’azienda usa le API, in italiano interfaccia di programmazione (il canale tecnico attraverso cui ci si connette a un servizio esterno), di OpenAI, Anthropic o Google, i testi inviati al modello passano per infrastrutture fisicamente negli Stati Uniti. Per la maggior parte dei casi d’uso, non è un problema. Per alcuni lo è, e in modo rilevante.

Un hotel che analizza le recensioni degli ospiti: nessun ostacolo. Uno studio notarile che vuole interrogare gli atti dei propri clienti: il discorso cambia radicalmente. Il Regolamento UE 2016/679, noto come GDPR, non vieta in assoluto il trasferimento di dati personali verso paesi terzi, ma impone condizioni precise che molte imprese faticano a soddisfare in modo documentato e difendibile.

Un modello con pesi aperti, installato su un server italiano o europeo, elimina questa variabile. I dati non escono. Non c’è un fornitore esterno a cui applicare clausole contrattuali aggiuntive. La decisione su dove gira il modello è interamente dell’azienda.

Attenzione, però: auto-installare un modello da 400 miliardi di parametri non è un’operazione banale. La VRAM, sigla per video RAM (memoria della scheda grafica dedicata al calcolo AI), necessaria per far girare un modello di quella dimensione è nell’ordine di centinaia di gigabyte. Esistono tecniche di compressione chiamate quantizzazione, che riducono il peso del modello a scapito di una parte della qualità. Rimane un territorio che richiede competenza tecnica specializzata, non un’operazione da fare in autonomia un sabato mattina.

La domanda operativa: API o modello in casa?

La notizia di EUROPA rende più urgente una valutazione che molte imprese rimandano. A quale punto conviene smettere di pagare le API a consumo e passare a un modello gestito internamente?

Tre variabili concrete decidono la risposta.

Volume di richieste. Le API si pagano per quantità di testo elaborato. Sotto una certa soglia mensile il costo è trascurabile, quasi invisibile. Sopra quella soglia, un modello in casa ammortizza l’investimento hardware in tempi ragionevoli. Per un e-commerce che fa girare un assistente su migliaia di schede prodotto al giorno, o una clinica che processa centinaia di referti, il calcolo inizia a cambiare in fretta.

Sensibilità dei dati. Se i documenti da interrogare contengono dati personali, sanitari o coperti da segreto professionale, la scelta del modello in casa non è solo economica. È una scelta di governo del rischio legale e reputazionale.

Capacità tecnica interna. Installare, aggiornare e monitorare un modello di grandi dimensioni richiede competenze che non ogni azienda ha. Affidarsi a un partner che gestisce l’infrastruttura per conto dell’impresa, ma su server europei, è spesso la via più praticabile. Non la più economica in assoluto, ma la più sostenibile nel tempo.

Per chi costruisce sistemi RAG su archivi aziendali italiani, EUROPA potrebbe diventare la base più adatta disponibile: nativa in italiano, senza dipendenza da infrastrutture extra-UE, con pesi modificabili tramite fine-tuning (addestramento mirato, cioè prendere un modello già addestrato e affinarlo sui propri dati specifici di settore).

Cosa fare oggi, prima che EUROPA sia disponibile

Il rilascio è previsto entro il 2027. Non esiste ancora una data pubblica precisa. Aspettare non è una strategia; prepararsi sì.

Tre azioni concrete che hanno senso adesso.

Prima: mappare quali processi aziendali usano o potrebbero usare l’AI su dati sensibili. Contratti, schede cliente, referti, pratiche catastali. Sapere dove sei esposto è il prerequisito per scegliere l’architettura giusta quando il momento arriva.

Seconda: fare un calcolo reale dei costi API attuali o stimati. Se non hai ancora messo in produzione nessun sistema AI, stimalo sul caso d’uso che hai in mente. Il confronto con il costo di un’infrastruttura gestita diventa così concreto, non teorico.

Terza: valutare già oggi i modelli open weight esistenti di dimensione minore, come Llama 3 di Meta o Mistral, per capire se la qualità è sufficiente per il tuo caso d’uso. EUROPA sarà più grande e più italiano. I modelli attuali possono già servire da banco di prova per capire se l’approccio in casa regge davvero, o se è solo una buona idea sulla carta.

La notizia di EUROPA non cambia le decisioni di oggi. Cambia il quadro in cui prenderle.

Domande correlate

Cosa significa che un modello AI ha i pesi aperti?

Significa che i file che contengono ciò che il modello ha imparato sono scaricabili liberamente. Puoi installare il modello su un tuo server, modificarlo, adattarlo ai tuoi dati. Non dipendi da un fornitore esterno né paghi per ogni utilizzo.

Un modello da 400 miliardi di parametri si può installare su hardware normale?

No. Richiede hardware specializzato con molta memoria grafica, nell’ordine di centinaia di gigabyte. Esistono versioni compresse che girano su macchine meno potenti, con qualche compromesso sulla qualità. Per uso aziendale serio serve un server dedicato o un fornitore cloud europeo.

Quando sarà disponibile EUROPA di Domyn?

Il rilascio è previsto entro il 2027. Non esiste ancora una data precisa pubblica. Nel frattempo esistono modelli open weight di dimensione minore, già disponibili, che permettono di sperimentare l’approccio in casa.

Usare un modello in casa mi mette al riparo dal GDPR?

Non automaticamente. Il GDPR regola come tratti i dati, non solo dove li mandi. Un modello installato su server italiano elimina il problema del trasferimento extra-UE, ma restano gli obblighi di base sul trattamento: registro, base giuridica, misure di sicurezza.

Vale la pena aspettare EUROPA o conviene partire adesso con altri modelli?

Dipende dall’urgenza del caso d’uso. Se hai un processo che beneficia già oggi dell’AI, partire con modelli disponibili ha senso: impari, misuri, aggiusti. Quando EUROPA sarà disponibile, la migrazione sarà più semplice se hai già un’architettura definita.

Fonti:

• tech-insider.org, “Domyn: modello IA open source EUROPA 2026”, https://tech-insider.org/it/domyn-modello-ia-open-source-europa-2026/ (accesso luglio 2025)