EVIE-Preview-4.5B di Tencent: il modello pesa 8,5 GB, indicizzare i vostri documenti no

Il 17 agosto 2026, alle 11:53 UTC, Tencent ha pubblicato su Hugging Face EVIE-Preview-4.5B: non un modello che genera testo, ma un motore che legge la pagina di un documento come un’immagine e restituisce quali pagine, fra milioni, rispondono a una domanda — senza passare da un OCR. Per un’organizzazione che deve interrogare archivi non nati digitali — contratti, fascicoli del personale, tabelle finanziarie scansionate, moduli compilati a mano — è esattamente il tipo di componente che finisce in un capitolato. Prima che ci finisca, due conti vanno fatti: quanto costa davvero farlo girare, e che cosa la scheda dichiara — o tace — sui dati con cui è stato addestrato. Verifichiamo qui, alla data del 24 agosto.

I fatti, in ordine

Pubblicazione: repository creato il 17 agosto 2026 alle 11:53:54 UTC, un aggiornamento minore il 18 agosto. Organizzazione tencent, spunta di verifica attiva (isVerified: true sull’endpoint pubblico delle organizzazioni).
Accesso: gated: false. Verificato senza autenticarsi: la richiesta del file di configurazione risponde con un reindirizzamento diretto al file, nessun login richiesto.
Adozione, oggi: 337 download, 39 like — i numeri di un modello pubblicato da una settimana, non di un rilascio già filtrato dal mercato.
Peso: un solo file di pesi, 4.539.593.344 parametri in BF16, circa 8,5 GB — nessuno shard, nessuna quantizzazione ufficiale (GGUF, FP8) ancora pubblicata.
Base: costruito su Qwen/Qwen3.5-4B di Alibaba, anch’esso Apache 2.0 e non sottoposto a gating.
Licenza: Apache 2.0, come una licenza di pesi aperti dovrebbe leggersi — file LICENSE.txt presente e coerente col tag dichiarato, con l’avvertenza, scritta nel testo, che le componenti di terzi restano sotto le proprie licenze originarie.
Documentazione: nessun rapporto tecnico, nessun identificativo arXiv. Tutto quello che sappiamo del modello sta in un README di 396 righe.
Il link promesso dalla scheda, github.com/Tencent/EVIE-Preview-4.5B, esiste ed è raggiungibile: non è una promessa rimasta senza pagina.

Che cos’è, in pratica

EVIE non risponde a domande: restituisce un punteggio di pertinenza per ogni pagina. Ogni pagina — vista come immagine, non trascritta — diventa un insieme di vettori a 128 dimensioni, uno per porzione visiva; la domanda diventa un altro insieme di vettori; il punteggio confronta i due insiemi token per token, tecnica nota come late interaction, la stessa famiglia di ColPali. Utile proprio dove l’OCR perde: tabelle, moduli, timbri, scansioni imperfette. La risposta alla domanda, però, la genera un altro modello a valle, che legge le pagine selezionate: EVIE trova, non spiega.

L’hardware che manca, e il numero che c’è

La scheda non dichiara una configurazione minima: nessuna GPU consigliata, nessuna soglia di memoria. L’unico dato che permette una stima è il peso del file, 8,5 GB — compatibile, a naso, con una singola scheda professionale. È una nostra deduzione, non un’affermazione della scheda, e va trattata come tale.

Il numero che la scheda dichiara riguarda un’altra voce, quella che decide davvero se il progetto sta in piedi: l’indice. Il documento mette la formula in chiaro — 1.763,58 vettori per pagina, 128 dimensioni, due byte per valore — e il risultato: 179,2 GiB per milione di pagine al livello di addestramento (768 token visivi a pagina), 420,5 GiB per milione di pagine al livello esteso. Su quest’ultimo la scheda è onesta fino in fondo: «The 1,792 tier is pure test-time extrapolation — the same weights, never trained or fine-tuned at that budget, and never re-exported.» Il livello a 1.792 è pura estrapolazione a tempo di query: gli stessi pesi, mai addestrati né adattati a quel budget, mai riesportati. Su dieci milioni di pagine — un archivio storico medio di un ente pubblico, non un caso limite — si parla di 1,8 terabyte nella versione leggera e 4,1 nella pesante. Nessuna riga della scheda dice che cosa serve a interrogare quell’indice in tempo utile: né un database vettoriale, né una cifra di latenza a quella scala. Pesi scaricabili senza il calcolo che li rende eseguibili non sono sovranità: qui il calcolo mancante non è quello della GPU, già misurato altrove per un modello dieci volte più pesante — è lo spazio in cui l’archivio del cliente, trasformato in vettori, deve restare fermo, veloce da leggere e dentro lo stesso perimetro dei documenti originali.

I dati di addestramento: due dataset dichiarati, uno mancante

I metadati della scheda dichiarano due dataset: vidore/vidore_benchmark e vidore/vidore_benchmark_v2. Letto fino in fondo, il README chiarisce che quei due nomi non sono il materiale di addestramento: sono le classifiche di valutazione, gli stessi ventidue insiemi pubblici che lo script reproduce.sh scarica per rifare i punteggi in tabella. Il materiale con cui il modello ha davvero imparato è descritto altrove, in un paragrafo di poche righe: «EVIE was trained on approximately 0.8 million high-quality image-query pairs spanning multilingual documents, technical reports, complex financial tables, infographics and document visual QA.» Circa 0,8 milioni di coppie immagine-domanda, su documenti multilingue, rapporti tecnici, tabelle finanziarie complesse, infografiche e quesiti visivi su documenti. Nessuna fonte nominata, nessuna licenza, nessun intervallo di date. Vale l’osservazione già fatta su un rapporto tecnico ben più esteso di questo: qui il paragrafo sui dati è più corto di quello sull’installazione via pip. Per chi valuta il modello — un’organizzazione cinese, con quello che comporta in materia di provenienza e governance — la domanda non è retorica: se quelle coppie derivano da documenti reali raccolti altrove, un pezzo del perimetro di qualcun altro è già dentro i pesi che state per installare nel vostro.

Quello che non sappiamo

Non abbiamo provato il modello sui nostri documenti. Il primato dichiarato — primo su ViDoRe V3 e su V1+V2 — è calcolato con lo script del produttore per la propria riga della tabella; le righe dei concorrenti sono, per ammissione dello stesso README, punteggi pubblicati dai singoli fornitori, non una prova comparativa indipendente. Non diamo qualificazioni giuridiche sulla licenza né sulla provenienza dei dati. Un dettaglio minore, verificato oggi: il README dichiara Sentence Transformers 6.0.0 «not on PyPI yet»; al 24 agosto lo è già. Un README di una settimana invecchia più in fretta di quanto sembri: un motivo in più per controllare invece di fidarsi.

Come lo risolviamo noi

La verifica di un modello come questo non si ferma alla licenza: entra nel registro dei modelli come una riga datata — versione, digest del file, canale e data di acquisizione, licenza archiviata nel testo del giorno in cui l’avete letta, uso approvato e chi lo ha approvato — pronta da esibire a un’ispezione, a una gara, a un consiglio di amministrazione. Vale anche per l’indice che ne nasce: è un derivato dei vostri documenti, e nel nostro impianto resta dentro lo stesso perimetro, mai su uno storage terzo scelto per convenienza. Lo stesso impianto tiene insieme modelli, dati, contratti, archivi e documenti in un modello operativo unico, su cui agenti AI eseguono decisioni con un operatore al comando: per grandi imprese, difesa, pubblica amministrazione e sanità. On-premise su macchine autonome che non richiedono integrazione profonda nella rete del cliente, oppure cloud dedicato con VPN dedicata e data center in Italia — sempre con gestione condivisa.

Vedi il servizio · Parlane con un tecnico

Avete un archivio di documenti scansionati che nessuno riesce a interrogare bene? Mezz’ora con un nostro esperto, senza costi: portiamo la stima reale di spazio e infrastruttura prima di mettere in capitolato un modello come questo.