AIGenerato Le notizie sull’AI per tutti, scritte dall’AI e spiegate in modo semplice. Modelli, tecnologia, cultura e le persone che ci sono dietro.
Qwen è la famiglia di modelli linguistici AI open-source di Alibaba, ampiamente utilizzata da ricercatori e sviluppatori come base rapida e capace per tutto, dalla correzione di saggi agli agenti di codifica autonomi.
5 notizie, coperte per la prima volta il 13 ottobre 2026.
Qwen è una famiglia di modelli linguistici open-source di grandi dimensioni sviluppati da Alibaba. I modelli vanno da versioni piccole adatte a compiti individuali a versioni molto più grandi progettate per il ragionamento complesso e l'uso di strumenti. I modelli Qwen possono essere scaricati, studiati e modificati, il che li ha resi popolari tra laboratori di ricerca, startup e sviluppatori appassionati.
Le versioni recenti includono Qwen3-4B, Qwen3-8B, Qwen3.5-4B, Qwen3.5-9B, Qwen3.6-27B, Qwen3.6-35B-A3B e Qwen 3.8 2.4T. Il team ha rilasciato modelli sia in configurazioni dense che mixture-of-experts: questi ultimi attivano solo una piccola porzione di parametri in ogni momento, rendendo il modello più veloce ed economico da eseguire.
Poiché i modelli Qwen sono liberamente disponibili, molti team li utilizzano come banco di prova per nuove tecniche.
Un team di Dharma-AI ha ricostruito il vocabolario del tokenizer di un correttore di saggi Qwen3-4B per adattarlo al suo lavoro effettivo invece di mantenere la lista di parole a uso generale, riducendo i costi di inferenza del 77% senza modificare il modello o i dati di addestramento.
Ricercatori che hanno testato un metodo chiamato DScout hanno riportato un aumento medio della velocità di 3,84× su Qwen3-4B e 4,14× su Qwen3-8B rispetto alla generazione standard parola per parola, mantenendo la stessa accuratezza.
I ricercatori stessi di Alibaba hanno sviluppato ClawLoop, un ciclo di addestramento auto-migliorante che ha trasformato gli errori stessi di Qwen in dati di addestramento migliori senza bisogno di un modello insegnante più potente. Partendo da Qwen3.6-27B, il sistema ha migliorato le prestazioni su tre benchmark, e gli stessi dati di addestramento hanno potenziato anche i modelli più piccoli Qwen3.5-4B e Qwen3.5-9B.
Alibaba ha anche rilasciato QwenGyre, un framework elastico di reinforcement learning che consente agli agenti di codifica a esecuzione prolungata di addestrarsi in modo efficiente su hardware GPU costoso. Su Qwen 3.8 2.4T, QwenGyre ha completato 48 passaggi di addestramento in circa 75 ore — fino a 1,85× più veloce rispetto alle configurazioni concorrenti — e ha aumentato il tasso di superamento su NL2RepoBench dal 52,5% al 58,5%.
Qwen si colloca tra i migliori tra i modelli open-source. Alimenta tutto, dagli assistenti di codifica locali veloci ai sistemi di agenti auto-miglioranti, e la sua disponibilità consente a chiunque di eseguire strumenti AI specializzati senza pagare servizi cloud.
Qwen è sviluppato da Alibaba. I modelli sono open-source, il che significa che i pesi interni sono condivisi pubblicamente, così che chiunque possa scaricarli e modificarli.
La famiglia spazia da modelli piccoli come Qwen3-4B e Qwen3.5-4B, che girano in modo efficiente su hardware consumer, a versioni più grandi come Qwen3.6-27B e Qwen3.6-35B-A3B progettate per task di agent e reasoning più impegnativi.
Qwen è considerato uno dei modelli linguistici open-source più potenti disponibili. È stato utilizzato come punto di partenza per loop di agent auto-miglioranti, ricerca su decoding accelerato e ottimizzazione del tokenizer — tutto senza richiedere modelli proprietari.
Qwen è sviluppato da Alibaba. I modelli sono open-source, il che significa che i pesi interni sono condivisi pubblicamente, così che chiunque possa scaricarli e modificarli.
La famiglia spazia da modelli piccoli come Qwen3-4B e Qwen3.5-4B, che girano in modo efficiente su hardware consumer, a versioni più grandi come Qwen3.6-27B e Qwen3.6-35B-A3B progettate per task di agent e reasoning più impegnativi.
Qwen è considerato uno dei modelli linguistici open-source più potenti disponibili. È stato utilizzato come punto di partenza per loop di agent auto-miglioranti, ricerca su decoding accelerato e ottimizzazione del tokenizer — tutto senza richiedere modelli proprietari.
Scritto esclusivamente da AI a partire dalle sole storie elencate di seguito, ciascuna delle quali rimanda alle proprie fonti.
Nuovi modelliSpecializzare il vocabolario dei piccoli modelli linguistici riduce i costi di inferenza del 77%Herald of AI
I ricercatori hanno ricostruito il tokenizer per un classificatore di saggi in produzione invece di lasciarlo così com'è, dimostrando che trattare il vocabolario come leva di costo può tagliare drasticamente le bollette di inferenza.
Nuovi modelliRecursive lancia Flint, un modello di codifica locale da 40B con pesi aperti per agentiHerald of AI
Flint è il primo modello di Recursive Superintelligence: un agente di codifica locale veloce che gira su hardware consumer.
Come funzionaI ricercatori sviluppano un metodo per accelerare le risposte dei grandi modelli linguisticiHerald of AI
Un nuovo approccio di addestramento e inferenza chiamato DScout potrebbe aiutare i sistemi AI a generare testo fino a quattro volte più velocemente mantenendo l'accuratezza.
Come funzionaAgenti AI ClawLoop che imparano da soli a migliorareHerald of AIFigura: Yang et al., arXiv:2610.14118, CC BY 4.0
Un nuovo framework di addestramento consente agli agenti AI di migliorare in autonomia, senza che un modello insegnante più potente guidi ogni passaggio.
Come funzionaQwenGyre di Alibaba rende molto più veloce l'addestramento di agent AI a esecuzione prolungataHerald of AI
Un nuovo sistema di reinforcement learning elastico permette agli agent AI per la codifica di girare per ore restando efficienti sull'hardware GPU costoso.
Storie su qualcos'altro che nominano Qwen di passaggio, con la frase che lo fa.