Qwen vs DeepSeek vs Llama: su quale conviene sviluppare?

La metro per il campus Xixi di Alibaba, dove lavora il team Qwen, impiega una ventina di minuti dal mio appartamento, e gli uffici di DeepSeek sono qualche quartiere nella direzione opposta. Così posso seguire questo confronto quasi in tempo reale, e si muove in fretta. I checkpoint open attuali sono Qwen3.8 e Qwen3.6, DeepSeek V4.1-Flash e il V4 Pro che prosegue, e Llama 4 Scout o Maverick. Il Qwen3.8-Max hosted di Alibaba merita una colonna a parte, perché noleggiarlo è un prodotto diverso dallo scaricare i pesi su cui poggia. Se si confondono queste versioni, il resto del confronto è sbagliato in partenza.

Qwen vs Llama vs DeepSeek: su quale conviene sviluppare?

La scelta va fatta in base al compito e al tipo di deployment. Qwen3.6 è la scelta di ampiezza ed ecosistema, con modelli open 27B dense e 35B-A3B sotto Apache-2.0. DeepSeek V4.1-Flash è la scelta della convenienza via API anche dopo l'aumento del prezzo di output di settembre; V4 Pro compra più capacità a un prezzo per token comunque basso, ma è enorme da ospitare in self-hosting. Llama 4 resta la scelta di ecosistema di origine occidentale sotto la licenza community di Meta. Il divario del 2,7% a livello di paese registrato da Stanford a marzo 2026 è ormai contesto storico, non un punteggio attuale, perché ogni famiglia cinese citata in questo paragrafo si è mossa da allora.

Punti chiave- Confrontare i checkpoint esatti: Qwen3.6, DeepSeek V4.1 e Llama 4, non i nomi di famiglia ereditati dalle release dell'anno scorso.- Qwen3.6 = ampiezza e Apache-2.0; DeepSeek V4.1-Flash = ragionamento e convenienza via API; Llama 4 = strumenti di origine occidentale e licenza community di Meta.- Qwen è la famiglia open più scaricata: il conteggio di Hugging Face la dà oltre 2 miliardi di download nei primi sette mesi del 2026, con 151.448 derivati sull'Hub.- Qwen3.8 è il più recente checkpoint open di Alibaba, uscito l'8 agosto 2026 con una licenza custom; Qwen3.8-Max è la versione hosted costruita su di esso.

Tutto quanto segue presuppone che i pesi cinesi siano già sul tavolo. Se questa è ancora la domanda aperta, ne discuto nel mio articolo su se la Cina stia vincendo la corsa all'IA, e il panorama più ampio è nella mia guida all'ecosistema IA open source cinese.

Come li classificherei

Non per classifica. Li classifico per realtà di deployment, il che significa che il lavoro lo fanno cinque criteri, all'incirca in questo ordine di peso.

• Capacità: è davvero abbastanza buono per il compito, in una valutazione comparabile e non in una tabella scelta dal vendor?
• Costo: costo per token su un'API e impronta GPU in self-hosting. È qui che si aprono i divari veri.
• Licenza: si può portare in produzione a fini commerciali senza grattacapi legali? Apache-2.0 e i termini in stile MIT vincono qui.
• Ecosistema: quanti fine-tuning, quantizzazioni e varianti pronte esistono? Più ce ne sono, meno lavoro per voi.
• Facilità di self-hosting: gira in modo pulito su hardware ragionevole con lo stack di inferenza open che già usate?

Eseguirli sulle mie GPU mi ha guarito dal culto delle classifiche più in fretta di quanto avrebbe potuto fare qualsiasi argomentazione. Il modello che vince un progetto è quello che si affina in modo pulito sui vostri dati e costa meno da servire, non quello con un punteggio marginalmente più alto questa settimana. Due dei miei ultimi tre progetti per clienti sono stati consegnati su un modello che non era in cima a nessuna classifica.

Una nota strutturale prima della tabella. Le preview hosted e i pesi scaricabili sono prodotti diversi, e gli ultimi due mesi lo dimostrano bene: Qwen3.8-Max è stato lanciato come modello hosted il 3 agosto e i pesi open di Qwen3.8 sono arrivati l'8 agosto, con una licenza custom anziché Apache-2.0. Il lato hosted si è già mosso di nuovo: lo snapshot Qwen3.8-Max-0902 ha preso il controllo dell'endpoint il 2 settembre allo stesso prezzo di 2 e 6 $, un aggiornamento di post-training mirato al coding e alla collaborazione che Alibaba sostiene abbia guidato la classifica WebDev di Code Arena al lancio. Chiunque abbia fissato qwen3.8-max ad agosto sta ora noleggiando un modello diverso. Alibaba ha inoltre annunciato Qwen 4 alla sua conferenza Apsara il 22 settembre, esplicitamente in addestramento, senza data, pesi né prezzo; una preview sperimentale open-weights di quell'architettura, Qwen3.8-Flash-Next, era apparsa il 26 agosto. Quindi una classifica che mescola "cosa si può scaricare" con "cosa si può noleggiare" indurrà in errore. La tabella qui sotto riguarda il lato scaricabile; i flagship hosted hanno una loro colonna nella prosa.

Le tre famiglie a colpo d'occhio

Tutte e tre sono davvero pronte per la produzione. A differire è l'impostazione su licenza e costi, molto più della capacità. Qwen è la più grande famiglia open per adozione: il rapporto State of Open Models: Summer 2026 di Hugging Face, pubblicato il 14 agosto, conta circa 2,045 miliardi di download di Qwen sull'Hub nei soli primi sette mesi del 2026 e 151.448 derivati, mentre il conteggio di Alibaba stessa rivendica oltre 3 miliardi di download e 300.000 derivati su tutte le piattaforme. Ecco come sintetizzerei le tre famiglie a livello operativo.

Anche l'adozione in senso più ampio si è mossa nella stessa direzione. I modelli open-weight cinesi hanno superato quelli statunitensi nei download totali su Hugging Face, e le sole varianti derivate da Qwen erano oltre il 40% dei nuovi derivati ad agosto 2025. Questo conta per chi sviluppa in modo molto pratico: più derivati significa che una quantizzazione o un fine-tuning di dominio adatto al proprio budget di latenza probabilmente esiste già, e quindi si salta del tutto un ciclo di addestramento.

Un'avvertenza su questa tabella. Le licenze cambiano da una versione all'altra, e una sintesi a livello di famiglia è un punto di partenza, non un vangelo. Aprite la scheda del modello e leggete la licenza effettiva del checkpoint preciso che intendete portare in produzione.

Capacità: quanto sono vicini davvero?

Più vicini di quanto suggeriscano le guerre di marketing, ma non più riducibili a un solo numero. Lo Stanford AI Index 2026 ha registrato a marzo un divario del 2,7% tra i migliori modelli USA e i migliori modelli cinesi su Chatbot Arena, nel capitolo sulle prestazioni tecniche dell'Index. Da allora sono arrivati DeepSeek V4.1-Flash, Qwen3.8 e 3.6 e gli snapshot hosted di Qwen3.8-Max, quindi quella cifra non può onestamente essere scritta al presente. Per la maggior parte dei carichi di lavoro aziendali, la capacità è una soglia da superare, non il selettore finale. Di solito a decidere sono costo, vincoli di serving e licenza.

[CHART: grafico a barre raggruppate che confronta Qwen, DeepSeek e Llama su quattro assi qualitativi]

La distinzione operativa è più chiara quando è versionata. DeepSeek V4.1-Flash punta su ragionamento e codice, e l'aggiornamento del 10 settembre ha aggiunto visione nativa, una finestra di contesto da 1M e un output massimo di 384K. Qwen3.6 è il tuttofare open e il più semplice dei tre da dimensionare per un deployment specifico. Llama 4 è l'opzione di origine occidentale con l'ecosistema Meta intorno, anche se vale la pena sapere che lo sforzo di frontiera di Meta si è spostato sulla linea Muse, con Llama 4 in modalità manutenzione e il più grande Behemoth in pausa. Muse è per lo più chiuso, ma non del tutto: Muse Glimmer 30B ha rilasciato pesi open sotto Apache-2.0 il 10 agosto, e il Muse Charm mostrato al Meta Connect di fine settembre è rimasto chiuso. Gli strumenti intorno a Llama sono ancora profondi, ma non pianificherei una scommessa pluriennale sul prossimo checkpoint open di Llama.

L'ossessione per i benchmark è attivamente fuorviante per chi sviluppa quando le righe provengono da harness di provider diversi. Il modello che vince il vostro progetto è quello che supera la vostra soglia di qualità, si comporta bene sui vostri dati e rientra nel vostro budget di serving, non quello con un punteggio auto-dichiarato marginalmente più alto.

Per questo tratto la capacità come un sostanziale pareggio e passo direttamente alle cose che fanno davvero la differenza.

Valutazione direzionale dell'autore su una scala da 1 a 5, non numeri di benchmark. I punteggi riflettono le release correnti all'inizio di ottobre 2026: DeepSeek V4.1-Flash e V4 Pro, Qwen3.8 e 3.6, e Llama 4 con la linea open di Meta in modalità manutenzione.

Costi e licenze: i veri elementi distintivi

È qui che la decisione si gioca davvero, e DeepSeek l'ha spostata due volte da agosto. Le tariffe di picco e fuori picco sono arrivate il 16 agosto, poi V4.1-Flash è stato lanciato il 10 settembre con una nuova architettura (una backbone da 552B con circa 8B parametri attivi in prefill e 16B in decode) e pesi open sotto licenza MIT su Hugging Face. Il vecchio V4 Flash è ritirato: il nome deepseek-v4-flash instrada ancora ma è ora servito da V4.1-Flash, e il nome canonico è deepseek-flash, secondo il registro degli aggiornamenti di DeepSeek. Sui prezzi ufficiali di DeepSeek, Flash ora costa 0,15 $ per milione di token di input con cache miss fuori picco e 0,30 $ nelle ore di picco, con l'output da 0,60 a 1,20 $ per milione a seconda della fascia. Quel prezzo di output è circa il doppio del precedente, il che conta se il vostro carico di lavoro è ricco di generazione. V4 Pro, la cui dismissione pianificata DeepSeek ha revocato dopo le proteste degli utenti, ora va da 0,66 a 1,32 $ per milione di token di input e da 1,98 a 3,96 $ per milione di output; non esistono un V4.1-Pro né un V5. Qwen3.8-Max è venduto tramite i servizi hosted di Alibaba a circa 2 e 6 $ rispettivamente, un'economia da token hosted più che da pesi aperti. Flash conserva la corona di leader di prezzo in questo confronto, ma con un margine più sottile sull'output rispetto ad agosto. Llama non ha un'API token first-party di Meta in questo confronto, quindi il suo costo è il prezzo del vostro host o della vostra infrastruttura.

Su questo fronte le famiglie si dividono nettamente. Qwen3.6 è Apache-2.0. DeepSeek V4 è MIT. Llama 4 usa la licenza community di Meta, con restrizioni d'uso che richiedono una vera lettura legale. La nota importante su Qwen è che la linea open ha lasciato Apache-2.0 alla versione 3.8: i nuovi pesi portano una licenza Qwen custom con clausole commerciali basate sul fatturato, quindi 3.6 resta la risposta Apache-2.0.

Quando faccio self-hosting, la questione Apache-2.0 è la prima cosa che verifico, perché una risposta netta elimina un'intera categoria di revisione legale. Con Llama ho dovuto fermarmi a leggere per bene la licenza community prima di un deployment per un cliente, e in due occasioni quella clausola ha cambiato l'esito. Quell'attrito è reale, ed è il motivo per cui Qwen tende a vincere i miei progetti da "pubblica e basta".

Il self-hosting amplifica la questione dei costi. Un modello con un'impronta più contenuta significa meno GPU, e quindi una bolletta più bassa ogni mese, non solo un risparmio una tantum al lancio. Svolgo questi conti nella mia guida su come eseguire i modelli open on-prem rispetto al cloud, e il lato governance della stessa decisione è nel mio articolo su se DeepSeek sia sicuro per le aziende.

Sul fronte dell'adozione, l'impostazione sui costi sta facendo ciò che ci si aspetterebbe. I modelli cinesi hanno conquistato la maggioranza del consumo di token della top 10 di OpenRouter a fine febbraio 2026 e hanno tenuto circa il 61% del volume totale di token della piattaforma a giugno 2026 secondo le classifiche di OpenRouter. Anche i nuovi arrivati si muovono in fretta: GLM-5.3-Flash e DeepSeek-V4.1-Flash hanno entrambi raggiunto i vertici settimanali entro pochi giorni dal lancio, stando alle ricostruzioni di terze parti di quelle classifiche pubbliche. I token sono lavoro reale, non comunicati stampa, e gli sviluppatori hanno spostato i propri.

Ecosistema e deployment

L'adozione racconta gran parte di ciò che serve sapere sulla profondità dell'ecosistema. La libreria di derivati di Qwen è la più profonda delle tre: 151.448 derivati nel conteggio estivo 2026 di Hugging Face, e oltre 300.000 su tutte le piattaforme secondo il conteggio di Alibaba stessa. Più derivati significa più fine-tuning e quantizzazioni da prendere già pronti invece di addestrarli da sé. Non dice se il Qwen3.8 hosted sia l'endpoint di produzione giusto.

[IMAGE: Lo schermo di uno sviluppatore che mostra il download dei pesi di un modello da un model hub, luce calda, inquadratura da dietro la spalla]

Ogni famiglia presidia una corsia di deployment diversa. Qwen3.6 offre la gamma più utile di dimensioni open e il percorso di fine-tuning più dolce. DeepSeek V4.1-Flash è difficile da battere per il ragionamento hosted a basso costo anche dopo l'aumento del prezzo di output di settembre, mentre Pro è per i lavori che giustificano più calcolo. Llama 4 vince ancora quando gli strumenti occidentali circostanti e la tranquillità negli acquisti contano più della differenza di licenza.

Tutte e tre hanno pesi scaricabili, ma la via hosted non è simmetrica. DeepSeek gestisce la propria API. La disponibilità, le regioni e i termini di Qwen e Llama dipendono dall'esatto servizio Alibaba o di terze parti scelto. Si può noleggiare l'inferenza per partire, e poi portare in casa lo stesso checkpoint open quando il volume o la residenza dei dati lo richiedono. Verificate che sia davvero lo stesso checkpoint, non un modello più recente solo hosted come Qwen3.8-Max.

Quale scegliere per quale compito

Il modello va abbinato al carico di lavoro, non al titolo. La cifra sul divario di capacità di marzo 2026 precede ogni release cinese confrontata qui sotto, quindi ogni raccomandazione riguarda adattabilità attuale, costo e licenza, non una percentuale a livello di paese ormai datata.

Assistente di programmazione

Si parte da DeepSeek V4.1-Flash per le chiamate di coding ad alto volume, poi si testa Qwen3.6-27B se contano il controllo locale o un checkpoint open più piccolo. Se il compito dura ore su un repository di grandi dimensioni, questo articolo sulle tre famiglie non è più l'intera shortlist: Kimi K3 e GLM-5.3 meritano ora la stessa valutazione.

RAG e back-office

La scelta è Qwen3.6. I compiti di retrieval e di workflow interno premiano ampiezza, gestione multilingue e un fine-tuning pulito, e Apache-2.0 mantiene semplice la prima revisione legale. È la corsia in cui la libreria di varianti di Qwen ripaga davvero.

Rivolto ai clienti

In questo caso dipende dalla propensione al rischio. Llama 4 è la scelta prudente se gli stakeholder vogliono un modello di origine occidentale e le clausole di licenza sono accettabili. Se la governance approva un modello di origine cinese, Qwen3.6 offre una via open pulita e un'ampia copertura multilingue. In entrambi i casi, testate i comportamenti sui contenuti che i vostri utenti incontreranno davvero.

On-prem e contesti regolamentati

Per build air-gapped o regolamentate, a decidere sono licenza, dimensione del modello e controllo dei dati. Qwen3.6 è la via di self-hosting più gestibile. DeepSeek V4.1-Flash ha licenza MIT ma è molto più grande. Entrambi possono girare senza inviare prompt in Cina, purché i pesi siano effettivamente distribuiti dentro il vostro perimetro. Superate prima la revisione di governance; il mio articolo su se DeepSeek sia sicuro per le aziende ripercorre questa due diligence.

FAQ

Qwen è meglio di Llama?

Per la maggior parte delle decisioni di sviluppo open partirei da Qwen3.6, perché offre dimensioni gestibili, Apache-2.0 e un grande ecosistema di derivati. Llama 4 vince quando la tranquillità di un procurement di origine occidentale e gli strumenti Meta esistenti pesano più della differenza di licenza. Qwen3.8 è il modello grezzo più forte, ma comporta una licenza custom e hardware serio; Qwen3.8-Max è la via hosted, non la risposta per il self-hosting.

DeepSeek è meglio di Qwen?

Per un endpoint di ragionamento hosted economico, DeepSeek V4.1-Flash è la scelta più chiara, anche se il suo prezzo di output è circa raddoppiato a settembre. Per dimensioni open, fine-tuning e ampiezza dell'ecosistema, Qwen3.6 è più facile su cui costruire. I pesi open 3.8 meritano un'occhiata una volta che i conti su licenza e hardware funzionano per voi.

I modelli open cinesi sono sicuri su cui sviluppare?

Possono esserlo, con la dovuta diligenza. Fare self-hosting dei pesi significa che i dati non devono lasciare la vostra infrastruttura, il che elimina la via dell'API ospitata in Cina dalla valutazione del rischio. Resta comunque necessario valutare comportamento sui contenuti, provenienza, licenza e sicurezza della supply chain, argomenti che tratto nella mia guida alla sicurezza per le aziende.

Quale modello open è il più economico da eseguire?

Su un'API first-party, l'endpoint Flash di DeepSeek è ancora il leader di prezzo in questo confronto, da 0,15 a 0,30 $ per milione di token di input con cache miss e da 0,60 a 1,20 $ per milione di token di output, a seconda della fascia di picco o fuori picco. Per il self-hosting, un checkpoint Qwen3.6 più piccolo può costare meno in assoluto, perché la backbone di V4.1-Flash è da 552B parametri. Prezzo per token e prezzo dell'infrastruttura rispondono a domande diverse.

In conclusione

La formula sintetica attuale è versionata. Qwen3.6 per un'ampia linea open Apache-2.0. DeepSeek V4.1-Flash per il ragionamento hosted economico, con il V4 Pro salvato in extremis quando il lavoro più duro ne giustifica il costo più alto. Llama 4 quando l'ecosistema Meta e la tranquillità di un procurement di origine occidentale contano di più. I pesi di Qwen3.8 sono usciti, con una licenza custom; Qwen3.8-Max, ora lo snapshot 0902, resta l'endpoint hosted. Leggete la scheda esatta del modello, fate i conti sul deployment reale e testate il compito che vi serve.

Se state valutando la questione in vista di un prodotto reale, le domande di governance vengono prima, e il mio articolo su se DeepSeek sia sicuro per le aziende porta quella diligenza dall'inizio alla fine. Raccontatemi il vostro caso d'uso e vi indicherò il modello di partenza giusto.