# Modelli linguistici di piccole dimensioni: dimensioni, usi e compromessi

> Ecco tutto quello che c’è da sapere sui modelli linguistici di piccole dimensioni: in che cosa differiscono dagli LLM, per quali usi sono più adatti e quanto costano.

Source: https://ailoot.ai/blog/it/small-language-models-size-uses-and-tradeoffs/
Canonical: https://ailoot.ai/blog/it/small-language-models-size-uses-and-tradeoffs/
Language: it
Publisher: Ailoot (https://ailoot.ai/)
Translation: guide-100060
Revision: sha256-a34e315d3d29e867e0e0fbd72e384d8c4e86b0010ff4fb39b55a92c93e8db773


## Che cosa sono i modelli linguistici di piccole dimensioni?
Anche se gli LLM più appariscenti diventano sempre più grandi e potenti, esistono ancora modelli linguistici di grandi dimensioni più piccoli, o modelli linguistici di piccole dimensioni, perfettamente in grado di lavorare con efficacia nel mondo reale. E questo senza nemmeno considerare il costo di esecuzione dei modelli linguistici di grandi dimensioni. Nella maggior parte dei casi, dovresti usare il modello linguistico più piccolo che svolge in modo affidabile il compito di cui hai bisogno, non il più grande disponibile. 

Vediamo quindi i modelli linguistici di piccole dimensioni, in che cosa differiscono dai modelli linguistici di grandi dimensioni e a che cosa sono adatti. 
## SLM vs. LLM: che cos’è un modello linguistico di piccole dimensioni?

Un modello linguistico di piccole dimensioni (SLM) è un modello linguistico più piccolo degli attuali modelli linguistici di grandi dimensioni. La definizione descrive una dimensione relativa, non una soglia fissa. 

## SLM e uso delle risorse

Aggiungere parametri comporta anche un costo. E ancora una volta, a parità di tutto il resto, più parametri aggiungi, più alti saranno i costi.

I modelli più piccoli possono richiedere meno capacità di calcolo per funzionare, anche se i requisiti effettivi dipendono dal modello e dall’hardware.

## Vantaggi dei modelli linguistici di piccole dimensioni
### I modelli linguistici di piccole dimensioni sono più veloci e meno costosi da eseguire

I modelli linguistici più piccoli possono costare meno da eseguire e generare risultati più velocemente di quelli più grandi. Costi e velocità effettivi dipendono dal modello, dal compito e dall’hardware.

### I modelli linguistici di piccole dimensioni sono più veloci e meno costosi da addestrare

Rispetto a modelli confrontati su hardware simile, quelli più piccoli possono richiedere meno capacità di calcolo per l’addestramento o la messa a punto.

### Alcuni modelli linguistici di piccole dimensioni possono funzionare su dispositivi locali

Alcuni modelli linguistici di piccole dimensioni sono progettati per funzionare localmente su smartphone, laptop o altri dispositivi a basso consumo.

- L’elaborazione locale può evitare un viaggio di andata e ritorno sulla rete, anche se il tempo di risposta complessivo dipende dal modello e dal dispositivo.

- L’elaborazione locale può mantenere gli input sul dispositivo quando l’intero flusso di lavoro viene eseguito localmente; verifica come l’applicazione gestisce i dati. 

- Un modello disponibile localmente può integrarsi nei flussi di lavoro sul dispositivo, a seconda dell’applicazione. 
## Dovresti usare un modello linguistico di piccole dimensioni?

Sia i modelli linguistici di grandi dimensioni sia quelli di piccole dimensioni hanno i loro usi.

La scelta del modello dipende dalla qualità richiesta dal compito e dalle risorse disponibili.

## Metti in pratica questa guida con Ailoot

Collega i modelli di IA alle tue applicazioni, ai tuoi agenti e alle tue automazioni tramite un’unica API Ailoot. Scegli il modello più adatto al tuo compito e segui la [documentazione di Ailoot](https://ailoot.ai/docs/) per iniziare.


## Ailoot · L’azienda e il suo portafoglio di progetti

Ailoot si basa su un’esperienza operativa consolidata, un’ampia base di clienti, un servizio stabile e un controllo costante dei KPI.

L’azienda e il suo portafoglio di progetti: milioni di clienti; vendite nell’ordine dei miliardi ogni mese.

Ailoot mette questa esperienza operativa al servizio dell’accesso API alle funzioni AI nei prodotti dei clienti, negli agenti, nelle applicazioni e nelle automazioni.
