Venti miliardi di parametri che stanno in poco piu' di cinque gigabyte e girano su un Mac mini: e' la promessa di Maple-Preview, il modello di ragionamento pubblicato il 4 agosto 2026 dalla startup DeepGrove e rilanciato lo stesso giorno da Harj Taggar di Y Combinator. Il trucco sta in un'architettura poco comune, i pesi ternari, che comprime il modello in modo radicale senza rinunciare — sostiene l'azienda — a capacita' di ragionamento di livello per la sua classe di peso.
Pesi ternari: il trucco per un modello leggerissimo
Nei modelli tradizionali ogni peso e' un numero in virgola mobile a 16 bit. Maple usa invece pesi ternari: ogni parametro puo' assumere solo tre valori (-1, 0, +1). Questa scelta, adottata fin dall'addestramento e non applicata dopo come una semplice quantizzazione, riduce enormemente lo spazio occupato. Il risultato, secondo la scheda su Hugging Face, e' un checkpoint di appena 5,31 GB per un modello con 20 miliardi di parametri totali.
20 miliardi di parametri, ma solo uno attivo
Maple e' un modello mixture-of-experts (MoE): dei 20 miliardi di parametri totali, ne attiva circa 1 miliardo per ogni token generato, selezionando 8 "esperti" su 256. L'architettura conta 24 livelli e una finestra di contesto da 131.072 token. Grazie a questa combinazione — pochi parametri attivi e pesi compressi — l'azienda dichiara velocita' di circa 200-218 token al secondo su un Mac mini M4 e prestazioni fino a 5-16 volte piu' rapide rispetto a modelli come Gemma 4, Qwen3.5 e gpt-oss. I benchmark citati (LiveCodeBench v6, AIME 2026, HMMT 2026, GPQA-D) sono presentati come grafici sulla scheda del modello; i valori numerici puntuali non sono trascritti in forma testuale, quindi vanno letti direttamente dalla fonte.
Come provarlo nel browser o in locale
Il modo piu' immediato per farsi un'idea e' la demo WebGPU che gira direttamente nel browser, senza installare nulla: il progetto ProCreations/maple-webgpu su Hugging Face Spaces. Per l'uso locale, i pesi sono su Hugging Face come deepgrove/maple-preview (con una variante a 2 bit per Apple MLX e una versione GGUF a cura della community). Con vLLM bastano due comandi:
pip install vllm
vllm serve "deepgrove/maple-preview"Oppure, in Python con transformers:
from transformers import pipeline
pipe = pipeline("text-generation", model="deepgrove/maple-preview",
trust_remote_code=True)
print(pipe([{"role": "user",
"content": "Dimostra che esistono infiniti numeri primi."}]))Risultato atteso: una dimostrazione passo passo del teorema di Euclide. La licenza e' MIT, tra le piu' permissive: il modello e' quindi liberamente utilizzabile anche in contesti commerciali.
Un'anteprima: cosa aspettarsi e cosa no
Il nome "preview" e' un avviso da prendere sul serio. Gli stessi autori precisano che il modello ha ricevuto un post-addestramento minimo ed e' quindi debole sui compiti agentici (uso di strumenti, automazioni complesse). Il suo punto di forza e' il ragionamento su matematica e codice a fronte di un ingombro minuscolo, non l'affidabilita' come assistente tuttofare. E' un progetto interessante soprattutto per chi lavora su IA locale, dispositivi con poca memoria e ricerca sull'efficienza: dimostra che si possono ottenere buone capacita' di ragionamento comprimendo drasticamente i modelli. Per un uso quotidiano da assistente restano piu' indicati modelli piu' maturi e meglio rifiniti.
Le informazioni derivano dalla scheda ufficiale su Hugging Face, dal repository GitHub di DeepGrove e dall'annuncio pubblico del 4 agosto 2026; alcuni benchmark sono disponibili solo in forma grafica sulla scheda del modello.
