ChatMinerva, l’assistente italiano che sfida (con pochi mezzi) i colossi dell’AI

03/06/2026 ECONOMIA Preferisci Informazione.News su Google

Redazione Economia   -   Non è certo la prima volta che sentiamo parlare di intelligenza artificiale generativa, eppure, quando l’etichetta recita “made in Italy” e il prodotto nasce tra i banchi di un ateneo pubblico, la storia assume inevitabilmente un’altra musica. È di questi giorni, infatti, il lancio ufficiale di ChatMinerva, un assistente AI multimodale sviluppato dal gruppo Sapienza NLP della Sapienza Università di Roma in stretta collaborazione con Babelscape, lo spin-off accademico che proprio in questi mesi festeggia un decennio di attività.

Chi si aspetta il solito clone di ChatGPT, però, farebbe meglio a prestare attenzione: perché ciò che distingue questo progetto – accessibile al pubblico attraverso il portale – è anzitutto un approccio culturale e scientifico diametralmente opposto a quello dei giganti della Silicon Valley.

Un’architettura trasparente che guarda al web in tempo reale

ChatMinerva, che rappresenta l’evoluzione diretta del precedente modello Minerva 7B, si presenta all’utenza con una caratteristica che, nel panorama odierno dominato da black box proprietarie, suona quasi come una dichiarazione di intenti: la trasparenza. Il modello, guidato dal professor Roberto Navigli, è stato addestrato da zero su circa 3 trilioni di token (provenienti da corpora accademici, libri e pagine web) e vanta una finestra contestuale estesa fino a 32mila token, il che gli consente di digerire documenti complessi o conversazioni molto lunghe senza perdere il filo del discorso.

Ma la vera novità – quella che lo distacca nettamente dai precedenti LLM nostrani – è la capacità di navigare il web in tempo reale grazie a un sistema di Web RAG basato sul motore di ricerca aperto DuckDuckGo, scelto non a caso per garantire un’architettura completamente indipendente e open source.

L’intelligenza multimodale al servizio della ricerca (e non solo)

A differenza di molti chatbot che si limitano a conversare, ChatMinerva è stata progettata per assorbire e interpretare informazioni visive e testuali in modo contestuale. L’utente, insomma, può caricare fotografie, pagine scannerizzate, articoli scientifici o report tecnici, e l’assistente – grazie a un sistema integrato di riconoscimento ottico dei caratteri (OCR) – non solo legge il testo distorto di una scansione, ma lo traduce, lo riassume o ne estrae i concetti chiave su richiesta.

L’addestramento, va detto, non è stato un lavoro da poco: il fine-tuning del sistema ha richiesto milioni di esempi sia testuali che multimodali, resi possibili dalla potenza di calcolo messa a disposizione dal supercomputer Leonardo del CINECA. Navigli stesso ha sottolineato come ChatMinerva sia stato costruito «con molta più passione che budget», un dato che fa riflettere se si considera la mole di lavoro necessaria per mettere a punto i meccanismi di moderazione dei contenuti (safety), progettati per filtrare risposte non affidabili o sensibili prima che raggiungano l’interfaccia utente.

La forza del dato locale e il ruolo della comunità accademica

Se da un punto di vista puramente economico il paragone con le risorse di OpenAI o Google è impari, il vero punto di forza di ChatMinerva risiede nella sua specificità linguistica e nella proprietà intellettuale del dato. Il modello, infatti, non si limita a tradurre meccanicamente risposte dall’inglese, ma “pensa” in italiano, sfruttando corpus addestrativi che includono conversazioni reali raccolte durante la fase pubblica di Minerva 7B. I numeri, seppur lontani da quelli dei colossi americani, sono comunque significativi: oltre 5.

200 utenti hanno partecipato alla fase di test generando circa 25mila conversazioni, e a questi si aggiungono 7,4 milioni di istruzioni utilizzate per l’instruction tuning, di cui quasi la metà in italiano.

La rettrice Antonella Polimeni ha accolto il progetto come la prova che l’università può trasformare «la ricerca di frontiera in innovazione concreta», mentre dal punto di vista operativo, il team sta già lavorando a una versione ancora più potente da 20 miliardi di parametri, attualmente in addestramento (e destinata a debuttare in autunno), oltre che a un’evoluzione definita “Agentic Minerva”, cioè un sistema capace di pianificare azioni complesse in autonomia.