L'italiano nei modelli locali: cosa aspettarsi

La domanda giusta da porsi

"Quanto bene capisce l'italiano il mio modello?" non ha una risposta unica: dipende dal modello, dalla dimensione, e da cosa gli chiedi. La buona notizia è che nel 2026 quasi tutti i grandi modelli open weight reggono l'italiano in modo solido. La cattiva è che la differenza tra "regge" e "regge davvero" si vede solo quando provi sul serio.

In questo articolo ti dico quali modelli puntano sull'italiano, dove sbattono, e come misurarli tu stesso in mezz'ora, con i tuoi dati.

Perché l'italiano è un punto dolente

Ci sono due ragioni tecniche per cui molte IA locali funzionano meglio in inglese che in italiano, e capirle ti aiuta a scegliere.

Il tokenizer. I modelli non leggono parole, leggono token: pezzetti di testo. I tokenizer dei modelli di punta sono stati costruiti su corpus enormi in cui l'inglese domina. Per l'italiano servono spesso più token per dire la stessa cosa: parole come "confermazione" o "immediatamente" si spezzano in tre o quattro pezzi. Il risultato è duplice:

• più calcolo per frasi equivalenti, quindi un po' di latenza in più;
• contesto che si consuma più in fretta: un documento lungo in italiano "pesa" più token dello stesso documento in inglese.

I dati di addestramento. Quanto un modello "sa" l'italiano dipende da quanti testi in italiano ha visto. I modelli addestrati su corpus multilingue bilanciati sono più a casa in italiano di quelli addestrati quasi solo in inglese. È la ragione per cui un modello più piccolo ma multilingue può battere un modello più grande ma anglofono, per un compito in italiano.

I modelli, uno per uno

Ecco cosa aspettarti dai principali, con i numeri che i vendor dichiarano.

Llama 3.1 (Meta). L'italiano è uno dei 8 lingue ufficialmente supportate (insieme a inglese, tedesco, francese, portoghese, hindi, spagnolo e thailandese). Nel modello card ufficiale, la valutazione multilingue MMLU (a 5 esempi) in italiano è pari a 61,63 per la versione 8B Instruct, 80,40 per la 70B e 85,04 per la 405B. Il messaggio è chiaro: l'italiano regge, ma il salto di qualità si vede soprattutto con i modelli grandi. In una GPU da 16 GB con la quantizzazione Q4, la 8B è quella che userai davvero, e lì l'italiano è "sufficiente" più che "ottimo". Fonte: model card di Llama 3.1.

Qwen3 (Alibaba/Qwen). Qui la storia cambia: il report tecnico dichiara 119 lingue e dialetti a cui Qwen3 viene pre-addestrato su 36 trilioni di token, passando da 29 (Qwen2.5) a 119. L'italiano è esplicitamente nella lista dei 10 più rappresentati insieme a inglese, cinese, portoghese, arabo, giapponese, coreano, indonesiano, russo, vietnamita, tedesco e thailandese. Per chi lavora in italiano, Qwen3 è spesso la scelta più "a casa" in assoluto, e la famiglia include dimensioni piccole (8B) che girano su 16 GB.

Gemma 3 (Google DeepMind). La presentazione ufficiale punta su un nuovo tokenizer multilingue che copre oltre 140 lingue. Meno lingue "ufficiali" ma un vocabolario più largo, e questo ha un effetto pratico diretto: l'italiano viene codificato più efficientemente rispetto a un tokenizer anglofono, cioè meno token per la stessa frase e contesto che dura di più.

Mistral 7B. Il modello base è progettato principalmente per l'inglese (la scheda tecnica elenca "en"); in italiano funziona ma con qualità inferiore, e in francese fa meglio che in italiano. Lo uso come riferimento "cos'è un modello anglofono in italiano" più che come scelta principale per contenuti in italiano.

LLaMAntino (community). Un caso a parte: una famiglia di fine-tune basati su Llama, adattati specificamente all'italiano dall'Università di Bari (UNIBA) e poi rifinati su dataset italiani. Il paper descrive il fine-tuning di Llama 2 su testo italiano esteso. È il tipo di modello che, su un hardware modesto (16 GB, un Mac con M-series), spesso batte modelli più grandi ma non adattati, per compiti in italiano.

Dove sbagliano

Quanto è "vero" l'italiano di un modello locale? Tre zone tipiche di cedimento:

1. Idiomi, registri e ironia. "Fare il diavolo a quattro", "avere la penna veloce", il tono tra un'email al cliente e un post sui social: qui i modelli, anche grandi, tendono a normalizzare verso un italiano neutro e un po' tradotto.
2. Frasi lunghe e sintassi complessa. Più la frase è intricata, più cresce il rischio di un errore di concordanza, di un complemento oggetto sparito, di un participio sbagliato.
3. Codacchio inglese. In un contesto tecnico, i modelli tendono a inserire anglicismi anche quando esistono termini italiani consolidati. In un contenuto per il pubblico finale è un problema di tono, in un contenuto tecnico a volte è solo una scelta stilistica.

I modelli piccoli (7-8B) sbagliano di più; i grandi (70B, 405B) sbattono raramente ma costano hardware.

Come valutare un modello in italiano, tu stesso

Nessun benchmark copre il tuo caso d'uso. Ecco il metodo che uso:

1. Prepara un test set. 30-50 esempi presi dai tuoi casi reali: una email di supporto, un riepilogo di un documento, una risposta a un cliente, una riscrittura in tono formale. In italiano, come lo scriveresti tu.
2. Lancia ogni modello sullo stesso test. Ollama fa il lavoro in una riga: ollama run <modello>.
3. Valuta con criteri espliciti. Tre punteggi da 0 a 5: correttezza grammaticale, tono appropriato, pertinenza al contenuto.
4. Guarda i fallimenti, non i punteggi medi. Una media di 4,2 ti dice poco. I tre esempi peggiori ti dicono tutto: se sbagliano tutti e tre il registro o la concordanza, il modello non fa per te.

Con 30 minuti e due modelli hai una risposta concreta.

La raccomandazione pratica

• Se l'italiano è centrale per il tuo lavoro: parti dai modelli che dichiarano italiano nei propri supporti — Qwen3 (119 lingue), Llama 3.1 (8 lingue, italiano incluso), Gemma 3 (tokenizer multilingue 140+). Il più grande che il tuo hardware regge in Q4 è quasi sempre la scelta giusta.
• Se il tuo hardware è modesto (16 GB o meno): un fine-tune italiano come LLaMAntino, o un Qwen3 8B, spesso battono un Llama 3.1 8B per compiti in italiano.
• Prima di fidarti dei numeri: il test con 30 esempi tuoi vale più di qualsiasi tabella. I vendor dichiarano quello che hanno misurato loro; tu misura quello che ti serve.

L'italiano nei modelli locali non è più un limite: è una variabile che puoi misurare. Scegli in base a cosa ti serve, non a cosa ti dicono che funziona.

Articolo generato con IA