--- title: "Un modello che vede e gira sul telefono: 460 milioni di parametri, licenza Apache 2.0" description: "Tether Data pubblica VisionPsy-Nano in pesi aperti, per l’esecuzione sul dispositivo. I numeri dichiarati, come si leggono, e i limiti scritti nella scheda." url: https://csidia.com/note-operative/modello-visione-460m-sul-dispositivo/ lang: it date: 2026-07-30 label: "Osservatorio" publisher: CSIDIA S.r.l. (https://csidia.com/) english: https://csidia.com/en/notes/modello-visione-460m-sul-dispositivo/ --- # Un modello che vede e gira sul telefono: 460 milioni di parametri, licenza Apache 2.0 Il 29 luglio 2026 Tether Data ha pubblicato in pesi aperti **VisionPsy-Nano**, famiglia di modelli vision-language da circa 460 milioni di parametri, licenza Apache 2.0, progettata per essere eseguita sul dispositivo. Il comunicato dell’azienda porta la data del 30 luglio, con dateline San Salvador. I pesi stanno su Hugging Face in due varianti — `qvac/VisionPsy-Nano-460M` e `qvac/VisionPsy-Nano-460M-Flash` — più le rispettive versioni GGUF quantizzate. Per chi lavora in un’azienda o in un ente la notizia non è la classifica. È che un modello capace di leggere un’immagine e un documento possa stare dentro un telefono di servizio o un terminale di campo: se l’inferenza avviene lì, la fotografia del quadro elettrico, della bolla di consegna o del cartellino di collaudo non attraversa nessuna rete. È il caso d’uso che in [manifattura](https://csidia.com/settori/manifattura) chiedono più spesso, e finora richiedeva o una connessione o un armadio. Prima di metterlo in un capitolato conviene però leggere che cosa il produttore dichiara, e con quali riserve — che sono scritte nella scheda del modello, non nel comunicato. ## Che cosa è stato pubblicato - **Architettura dichiarata**: codificatore visivo SigLIP2 base, patch16, a 512×512; modello linguistico SmolLM2-360M; connettore pixel-shuffle. Il punto di partenza è nominato nella scheda: `lusxvr/nanoVLM-460M-8k`. Finestra di contesto 8.192 token. - **Licenza**: Apache 2.0. Testo della scheda: il modello «is licensed by Tether Data, S.A. de C.V. under the Apache 2.0 license». Nessuna soglia di fatturato, nessun accordo separato. - **Due varianti, non una**: la completa impiega 1.088 token visivi per immagine, la Flash 64. Sul punteggio complessivo normalizzato dichiarato il divario è 62,3 contro 61,4. - **Esecuzione**: `transformers` con `trust_remote_code`, vLLM, SGLang, Docker Model Runner, più le build GGUF per l’esecuzione locale. ## Il numero del titolo, e i tre che stanno sotto Il dato che circola è «primo token in 0,3 secondi su iPhone 15». È esatto, e va letto con tre precisazioni che stanno nel post del produttore ma non nel titolo. La prima: quel tempo riguarda la variante **Flash**, non la completa. La seconda: è il migliore di quattro misure. Nella stessa tabella il tempo al primo token è 0,3 s su iPhone 15, 2,6 s su Galaxy S25 Ultra, 5,9 s su Galaxy S23 e 6,1 s su Pixel 9 — venti volte di scarto fra il primo e l’ultimo. La terza: le condizioni sono dichiarate e sono strette, «measured on real phones with quantized GGUF builds at 512×512». Se il vostro parco terminali non è fatto di iPhone recenti, il numero utile alla vostra decisione è l’ultimo della riga, non il primo. Stesso lavoro sul primato «su 16 benchmark su 17». Il confronto è con i modelli della stessa taglia — LFM2.5-VL-450M, SmolVLM2-500M e nanoVLM-460M-8k — ed è il produttore stesso a dichiarare che il terzo è il checkpoint da cui VisionPsy-Nano parte. Un modello messo a punto che supera il proprio punto di partenza è il risultato atteso, non una sorpresa. Il diciassettesimo test, quello perso, non viene nominato. Le valutazioni le ha eseguite il produttore: il post afferma che tutti i modelli sono stati misurati con un solo strumento, VLMEvalKit, con configurazioni e giudice pubblicati, «so the benchmark numbers are reproducible». Vero — e va distinto da «già riprodotti da altri»: al 29 luglio il supporto ai due modelli dentro VLMEvalKit era una pull request aperta sul repository pubblico, la #1613, non codice integrato. Vale come regola generale, oltre questo caso. Di un numero dichiarato servono quattro informazioni prima di poterlo usare: chi ha eseguito la misura, contro quali concorrenti, in quali condizioni, e quale è il caso peggiore fra quelli misurati. Se ne manca una, quel numero non è una misura ma un argomento di vendita — lo stesso criterio con cui abbiamo scritto [come si verifica che un sistema abbia funzionato davvero](https://csidia.com/note-operative/come-si-misura-se-un-sistema-ha-funzionato). ## Le righe che pesano più dei punteggi La sezione dei limiti della scheda è breve e va letta per intero, perché decide più dei benchmark. «Primarily English; other languages are not officially supported yet.» Per chi deve leggere DDT, verbali, referti o schede di manutenzione in italiano, questa riga viene prima di ogni punteggio: la prova sui vostri documenti reali è l’unico test che conta. «Single-image by design»: una immagine per richiesta, i prompt multi-immagine sono fuori dall’uso previsto. Poi l’ammissione sul comportamento: il modello «may occasionally hallucinate or miscount and is best suited to focused tasks rather than very dense documents or long multi-step math». E infine la riga che va copiata nel fascicolo: «Not intended for safety-critical or high-stakes automated decisions». Quest’ultima non è una formula di stile. Se il vostro caso d’uso ricade fra i sistemi ad alto rischio, avete un documento del fornitore che dichiara che il modello non è destinato a quell’impiego: o l’uso cambia, o la dichiarazione va spiegata e compensata con controlli umani documentati. Su che cosa pretendere dalla documentazione di un modello prima di installarlo abbiamo scritto [una nota dedicata](https://csidia.com/note-operative/rapporto-tecnico-modello-cosa-dichiara). ## Apache 2.0 sui pesi non copre tutto quello che c’è dietro La scheda elenca i corredi usati per la messa a punto con la rispettiva licenza: FineVision (CC BY 4.0), NVIDIA Nemotron-Image-Training-v3 (CC BY 4.0), mPLUG TinyChartData (Apache 2.0), TabMWP (CC BY-NC-SA 4.0), PopVQA (MIT), InfoSeek (Apache 2.0), MMKU-Bench (Apache 2.0), VisionFoundry-10K (Apache 2.0), PKU-SafeRLHF-V (CC BY-NC 4.0). Due portano la clausola **NC**, non commerciale. Se e in che misura una licenza sui dati di addestramento si estenda ai pesi che ne derivano è una questione aperta, e non risulta una pronuncia che la chiuda: i pesi restano pubblicati come Apache 2.0. Il punto operativo non è avere la risposta: è che la domanda esiste, sta scritta nella scheda del fornitore, e chi non se ne accorge oggi se la sente porre in una due diligence. [Come si legge una licenza di pesi aperti l’abbiamo già spiegato](https://csidia.com/note-operative/licenze-pesi-aperti-openmdw-cosa-permettono): qui si aggiunge un passo, cioè leggere anche l’elenco dei dati dichiarati. E archiviare la scheda del giorno in cui scaricate, con la revisione esatta e l’impronta dei file: la scheda si può riscrivere, la vostra copia no. ## Cosa fare adesso - Provate il modello sui vostri documenti in italiano prima di qualunque altra valutazione: la scheda dichiara supporto primario all’inglese, e questo da solo può chiudere il caso d’uso. - Non portate nel business case il numero del produttore: rimisurate il tempo al primo token sul terminale che userete davvero, con la stessa quantizzazione e la stessa risoluzione. - Scrivete nel documento quale variante state adottando. Completa e Flash non hanno gli stessi tempi né gli stessi punteggi, e nei repository si somigliano. - Fate valutare le due licenze non commerciali prima della produzione, non dopo. La risposta può essere «rischio accettabile»: deve essere una decisione scritta, non una dimenticanza. - Trattate la riga sulle decisioni ad alto impatto come un requisito di progetto: stabilite dove il modello non decide, chi decide al suo posto e dove resta traccia. ## Fonti - [QVAC (Tether Data) — VisionPsy-Nano: state-of-the-art vision AI in its weight class, 29 luglio 2026](https://qvac.tether.io/blog/visionpsy-nano-state-of-the-art-vision-ai-in-its-weight-class-small-enough-to-run-on-your-phone/) - [Comunicato Tether Data — Tether Data Open-Sources VisionPsy-Nano, 30 luglio 2026](https://www.prnewswire.com/news-releases/tether-data-open-sources-visionpsy-nano-best-in-class-460m-on-device-vision-language-model-leading-industry-benchmarks-302839217.html) - [Hugging Face — scheda del modello qvac/VisionPsy-Nano-460M](https://huggingface.co/qvac/VisionPsy-Nano-460M) Nota di CSIDIA S.r.l. (Vignola, MO): https://csidia.com/note-operative/modello-visione-460m-sul-dispositivo/ · Chi siamo e che cosa facciamo: https://csidia.com/in-breve/ · engagement@csidia.com