Ling-3.0-tiny: licenza MIT dichiarata nei tag, nessun file di licenza nel repository dei pesi
7 min di lettura
Il 10 agosto 2026 compare su Hugging Face inclusionAI/Ling-3.0-tiny: createdAt dell’API 2026-08-10T02:44:06Z, ultima modifica 2026-08-18T12:16:27Z, il giorno prima della nostra verifica. Lo abbiamo interrogato di persona il 19 agosto: 9.990 download, 321 like, 43 file nel repository, di cui 32 shard .safetensors. Tag dichiarati: safetensors, bailing_hybrid, text-generation, conversational, custom_code, license:mit, region:us. inclusionAI è il marchio open source di Ant Group — la società di Alipay, partecipata da Alibaba ma distinta dal team che pubblica Qwen — per la propria iniziativa di ricerca: la famiglia si chiama Ling, erede del nome interno «Bailing» che sopravvive nell’architettura dichiarata, BailingMoeV3ForCausalLM.
Un modello pensato per correre fuori dal datacenter
Il README dichiara 7,9 miliardi di parametri totali e 1,4 miliardi attivati per token (1,14 miliardi esclusi gli embedding): un MoE con 128 esperti instradati, 8 attivati per token più 1 esperto condiviso, su 24 layer. config.json conferma hidden_size 1536, 16 teste di attenzione, max_position_embeddings 131072 — 128K nativi, che la scheda indica estendibili con YaRN a un «256K YaRN context». Lo usedStorage dichiarato dall’API è 15,8 GB, coerente con i parametri in BF16.
La scheda non lo presenta come un modello da cluster: dichiara di essere stato «validated on NVIDIA DGX Spark, Apple Silicon MacBook, and Mac mini» (traduzione nostra: convalidato su DGX Spark, MacBook e Mac mini con chip Apple Silicon), con 100-105 token/s su DGX Spark e 86-90 token/s su un MacBook M4 Pro in FP8, circa 8,34 GiB di picco di memoria a 8K di contesto — numeri del laboratorio, non misurati da noi. Il punto non è la velocità dichiarata: è la soglia hardware, tanto bassa che un reparto tecnico non ha più bisogno di un budget GPU da datacenter per portare un modello agentico dentro il proprio perimetro.
La licenza dichiarata, il file che non c’è
Qui comincia la parte verificata riga per riga. Il campo cardData dell’API riporta "license": "mit"; il tag license:mit compare fra quelli pubblici. Abbiamo cercato il file che di norma accompagna quella dichiarazione — LICENSE, LICENSE.md, LICENCE, License.txt, in diverse varianti di maiuscole: HTTP 404 su ognuna. Fra i 43 file elencati dall’API non ce n’è uno che si chiami «licenza» in nessuna forma: solo README.md, i file di configurazione, i 32 shard e i file del tokenizer. La dichiarazione «mit» esiste, il testo che la sostanzia — nel repository dei pesi — no.
Non è il caso di DeepSeek-V4-Pro-0813, dove il file LICENSE c’era per intero. Non è nemmeno il caso opposto, di un download senza alcun riferimento a una licenza: qui la licenza è dichiarata, con un nome preciso. È una terza casistica: l’etichetta c’è, il documento che dovrebbe stare dietro l’etichetta manca dal repository che la dichiara.
Il testo pieno esiste, ma altrove: nel repository di codice inclusionAI/Ling-V2 su GitHub — un progetto diverso, non i pesi di questo modello — compare un file LICENSE con il testo integrale della MIT License, intestato «Copyright (c) 2025 inclusionAI»: «Permission is hereby granted, free of charge, to any person obtaining a copy of this software and associated documentation files (the “Software”), to deal in the Software without restriction, including without limitation the rights to use, copy, modify, merge, publish, distribute, sublicense, and/or sell copies of the Software» — traduzione nostra: si concede a chiunque, gratuitamente, il permesso di usare il Software senza restrizioni, compresi i diritti di copiare, modificare, distribuire, concedere in sublicenza e vendere. Non è però il documento allegato al repository dei pesi: è il testo di un progetto diverso. Chi archivia questo modello non ha, oggi, un file di licenza da conservare insieme ai pesi: ha un tag, e una ricostruzione.
Abbiamo cercato anche il secondo tipo di sorpresa che troviamo spesso: una usage policy, un file NOTICE, un allegato che restringe quello che il tag promette. NOTICE e USAGE_POLICY.md rispondono 404 quanto LICENSE, e nel README non compaiono le espressioni che di norma segnalano un vincolo — «usage policy», «acceptable use», «shall not», soglie di fatturato o di utenza. Non c’è un secondo documento, né qui né altrove nel repository.
Accesso e canali: gated false, verificato senza credenziali
Il campo gated è false, verificato senza autenticarci: config.json restituisce un reindirizzamento 307 verso la cache pubblica, non un 401; l’API risponde 200. Il modello è raggiungibile anche via un endpoint ospitato gratuito su OpenRouter (inclusionai/ling-3.0-tiny:free) e tramite ModelScope: non abbiamo verificato se la versione ospitata offra funzioni assenti nei pesi scaricabili, né il contrario.
Un dettaglio operativo: il supporto Ollama non è nella distribuzione ufficiale — vive in una pull request non ancora integrata (ollama/ollama#17643), richiede build da sorgente ed è, verbatim, «limited to running via MLX on Apple Silicon» (traduzione nostra: limitato all’esecuzione tramite MLX su Apple Silicon), verificato su un Mac M4 Pro con 48 GB di memoria unificata. Chi legge «pesi aperti, gira su un Mac mini» e si aspetta un comando ollama pull confonde due fasi: i pesi sono scaricabili oggi, lo strumento con cui molti reparti li farebbero girare non li supporta ancora.
Abbiamo provato anche i link citati nella scheda — cookbook SGLang, pull request GitHub, le immagini ospitate, pagina OpenRouter, organizzazione ModelScope: rispondono tutti 200. Nessun documento fantasma questa volta: il controllo va fatto comunque, anche a risultato negativo.
Il perimetro, non solo il download
Pesi scaricabili senza il calcolo che li rende eseguibili non sono sovranità: qui il calcolo necessario è insolitamente basso, e il ragionamento va ribaltato. Se un modello agentico gira su un Mac mini, la soglia che tratteneva un download non autorizzato dentro un reparto — GPU, budget, approvazione — si abbassa quasi a zero. Il problema del registro dei modelli non si allenta: si aggrava, perché aumentano le persone che possono scaricare e far girare un modello senza che nessuno lo sappia. Vale anche per la scelta più ampia fra modelli occidentali e cinesi a pesi aperti: la domanda non è mai solo «funziona», è «chi lo ha scaricato, quando, con quale licenza archiviata».
Per questo la riga della licenza non basta: serve versione e digest dell’artefatto, canale e data di acquisizione, la licenza archiviata nel testo del giorno — non richiamata a memoria mesi dopo, quando può essere cambiata o, come qui, quando il file dietro il tag semplicemente non esiste — e gli usi approvati, con chi li ha approvati.
Quello che non sappiamo
Non abbiamo provato il modello: nessuna affermazione su qualità, comportamento o affidabilità nell’uso reale. La scheda dichiara un punteggio di 25 sull’Artificial Analysis Intelligence Index e 16 sull’Agentic Index: numeri della scheda, non verificati da noi e non riportati come nostri. Non conosciamo l’hardware minimo per un uso in produzione oltre a quanto dichiarato per contesti brevi; non sappiamo su quali dati sia stato addestrato né chi ne risponda; non formuliamo qualificazioni giuridiche, AI Act incluso. Non sappiamo se la licenza resterà questa, né se un file LICENSE comparirà in futuro: quello che riportiamo è lo stato verificato il 19 agosto 2026.
Vedi il servizio · Parlane con un tecnico
I due assi, applicati a questo caso
Adempiere: il registro dei modelli in produzione diventa un controllo che gira sui sistemi del cliente — per ciascun modello, versione e digest dell’artefatto, canale e data di acquisizione, licenza archiviata nel testo del giorno del download (qui: un tag «mit», non un file), usi approvati e chi li ha approvati. Con la traccia datata da esibire a un’ispezione, a un cliente in gara o a un consiglio di amministrazione.
Decidere: 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. Più la soglia hardware per far girare un modello si abbassa, più serve un impianto che sappia sempre cosa gira dove, con quale licenza archiviata e chi lo ha autorizzato — non un divieto che nessuno rispetta, un registro che tutti possono consultare. Sempre in due modalità, on-premise su macchine autonome del cliente o cloud dedicato con VPN dedicata e data center in Italia, sempre con gestione condivisa.
Dalla prima sessione, senza costi, esce il registro datato dei modelli che avete in esercizio: per ciascuno, come è stato ottenuto, se il canale è ancora aperto, che cosa avete conservato — comprese le caselle vuote. Resta a voi anche se non proseguiamo insieme.