Maple-Preview dichiara 5,31 GB. Il repository ne pesa 40,43

Il 4 agosto 2026 compare su Hugging Face un modello che promette molto a chi vuole inferenza dentro il proprio perimetro: ragionamento competitivo, 131.072 token di contesto, un checkpoint dichiarato di 5,31 GB. È deepgrove/maple-preview, licenza MIT, creato e aggiornato lo stesso giorno. Poi si elencano i file e si legge l’indice dei pesi: 40,43 GB. Due numeri fianco a fianco — 5,31 GB nella scheda, 40,43 GB nell’indice — e il taglio dichiarato subito: qui non discutiamo la qualità del modello. Guardiamo che cosa arriva sul disco.

Che cosa promette la scheda

La scheda si apre così: «Today we introduce Maple-Preview, an open-source 20B-A1B ternary-weight reasoning LLM. Maple-Preview has SOTA reasoning for its weight class and is even competitive with larger models. It solves IMO-level problems and runs at 200+ tokens/sec on a Mac mini M4, 5–16× faster than efficient models like Gemma 4, Qwen3.5, and gpt-oss.» — un modello di ragionamento a pesi ternari, 20B-A1B, open-source; ragionamento allo stato dell’arte per la classe di peso, competitivo con modelli più grandi; risolve problemi di livello IMO, oltre 200 token al secondo su un Mac mini M4, da 5 a 16 volte più veloce di Gemma 4, Qwen3.5 e gpt-oss.

Quattro numeri in evidenza: «20B-A1B Model»; «218 tok/s M4 Mac mini»; «5.31 GB Checkpoint»; «131,072 Token context». Per chi dimensiona una macchina, 20B-A1B si legge così: venti miliardi di parametri totali, ma circa uno attivo per token, perché su 256 esperti se ne accendono 8 a ogni passo.

I due numeri

Abbiamo elencato i file del repository via API e letto model.safetensors.index.json, che dichiara "total_size": 40428060672 — 40.428.060.672 byte, circa 40,43 GB, su nove file safetensors: otto da circa 5,00 GB e uno da 0,43 GB. Il config.json dichiara "dtype": "bfloat16" e "quantize": true.

La lettura, con precisione e senza accusare nessuno: il repository serve pesi in bfloat16, ed è quello che si scarica; i 5,31 GB descrivono il checkpoint nella forma ternaria, quella in cui il modello è progettato per girare. Le due affermazioni possono essere entrambe vere. Per chi installa, il divario è di circa sette volte e mezzo: banda, spazio su disco e percorso di messa in esercizio vanno dimensionati sui 40,43 GB che si scaricano, non sul numero del titolo.

Questo rapporto è una lettura nostra, ricavata dagli artefatti pubblicati: la domanda giusta da porre a chi pubblica non è se il numero sia vero, ma quale artefatto lo produce. Precisazione onesta: nel codice di modellazione pubblicato non troviamo un impacchettamento dei pesi in formato ternario; i tensori sono dichiarati bfloat16 e l’indice dichiara i 40,43 GB. Non concludiamo che i 5,31 GB siano sbagliati, ma che l’artefatto che li realizza non è quello servito dal repository.

La nota nel riquadro

Nella scheda, in un riquadro NOTE: «The included Transformers implementation depends on Triton and FlashAttention and is intended for a compatible CUDA environment. The reported Apple Silicon result uses a separate on-device runtime.» — l’implementazione inclusa dipende da Triton e FlashAttention, pensata per un ambiente CUDA compatibile; il risultato su Apple Silicon usa un runtime separato.

È il punto centrale del pezzo, insieme al peso. Il numero del titolo — il Mac mini M4 — non è prodotto dal codice che si scarica: quel codice punta a un ambiente CUDA, il risultato su Apple Silicon viene da un runtime separato, non incluso. Chi legge il titolo pensa a un Mac mini sulla scrivania; chi installa scopre che l’implementazione servita vuole Triton, FlashAttention e CUDA. Due macchine diverse, due budget diversi.

Come lo verifichiamo noi

Prima di proporre un modello a un cliente, ne elenchiamo i file via API e sommiamo i byte dichiarati, senza fidarci del numero in prima pagina. Leggiamo config.json per sapere in che tipo sono i tensori — bfloat16, int8, ternario — perché è quello a determinare spazio e calcolo richiesti. Apriamo sempre il file LICENSE, anche quando la scheda dichiara già un nome noto. E cerchiamo i riquadri di avvertenza: sono il punto dove un autore onesto scrive i propri limiti.

Vedi il servizio · Parlane con un tecnico

Quello che gli autori dichiarano da soli

La sezione Evaluation dice che il modello «sets a new point on the Pareto frontier for both memory-to-performance and speed-to-performance» — un nuovo punto sulla frontiera di Pareto per memoria-prestazioni e velocità-prestazioni — con confronto su «the dense output head across LCBv6, AIME 2026, HMMT 2026, and GPQA-D».

Ma la stessa sezione aggiunge, verbatim: «However, we note that this preview is focused primarily on raw reasoning and, as such, may underperform on agentic benchmarks. We intend to continue improving general performance through extended training before Maple’s full release.» — l’anteprima è concentrata soprattutto sul ragionamento puro e può avere prestazioni inferiori sui benchmark agentici; l’intenzione è migliorare le prestazioni generali con addestramento esteso prima del rilascio completo di Maple.

E la sezione Limitations: «This preview received minimal post-training for agentic tasks and only small-scale general reinforcement learning.» — post-training minimo per i compiti agentici, apprendimento per rinforzo solo su piccola scala.

Per chi legge queste note la frase che decide è «may underperform on agentic benchmarks»: chi cerca agenti che eseguono decisioni guarda proprio il banco su cui il modello è dichiarato debole. Lo diciamo senza sarcasmo: è dichiarato dagli stessi autori, ed è un merito.

La licenza, per una volta, non è il problema

Abbiamo scaricato il file LICENSE: 1.066 byte, testo della MIT License, «Copyright (c) 2026 deepgrove», la concessione «without restriction, including without limitation the rights to use, copy, modify, merge, publish, distribute, sublicense, and/or sell copies», l’obbligo di conservare avviso di copyright e licenza, la clausola «THE SOFTWARE IS PROVIDED “AS IS”, WITHOUT WARRANTY OF ANY KIND». Nessuna soglia di fatturato, nessuna esclusione territoriale, nessuna terminazione automatica: a differenza della soglia dei dieci milioni di LFM Open License o dell’esclusione UE di MiniMax H3, qui il problema non è il diritto d’uso, ma cosa si scarica e su che cosa gira.

Duecentocinquantaquattro preferiti, ottocentonovantasei download

Alla nostra interrogazione dell’API, in cinque giorni: 254 like e 896 download. Molte persone lo hanno messo fra i preferiti, quasi nessuno lo ha preso. Lo presentiamo come dato osservato, non come giudizio: è il profilo tipico di un annuncio che interessa prima di essere provato — e i 40 GB da scaricare sono una spiegazione plausibile fra le altre, non certa.

Cosa fare, in pratica

Sommate i byte di tutti i file del repository, non solo il numero della scheda, prima di pianificare banda e spazio su disco.
Leggete config.json per sapere in che tipo sono i tensori: è quello, non l’etichetta del titolo, a determinare il costo reale.
Chiedete quale artefatto produce la cifra di dimensione annunciata, e con quale runtime è stato misurato.
Verificate su quale ambiente è stata misurata la velocità dichiarata: un runtime separato non incluso è un impegno diverso da un’implementazione pronta all’uso.
Cercate i riquadri di avvertenza della scheda prima dei grafici: è lì che un autore onesto scrive i limiti.

I due assi, applicati

Adempiere: la verifica di licenza, provenienza, dimensione reale e ambiente di esecuzione di ogni modello in esercizio diventa un controllo che gira sui sistemi del cliente, con un registro datato — artefatto, repository, revisione, licenza, byte effettivi, runtime richiesto, data della verifica — pronto da esibire a un’ispezione o a un committente.

Decidere: lo stesso impianto tiene insieme modelli, dati, documenti e sistemi dell’organizzazione in un modello operativo unico, su cui agenti AI eseguono decisioni con un operatore al comando, per grandi imprese, difesa, pubblica amministrazione e sanità. L’argomento multimodello si vede qui in concreto: se un modello è debole sui compiti agentici, si cambia il componente e non il progetto, perché ontologia, dati e processi restano del cliente.

Sempre in due modalità — on-premise, su macchine autonome senza integrazione profonda nella rete del cliente, oppure cloud dedicato con data center in Italia — sempre con gestione condivisa. È l’impianto che proponiamo alla pubblica amministrazione.

State valutando Maple-Preview, o un altro modello a pesi aperti, e volete sapere quanto pesa davvero e su quale macchina gira? Parlatene con un nostro tecnico: la prima sessione è senza costi.