🇮🇹 Emma-3 (ONNX)
Overview
Questo modello è un Large Language Model sperimentale decoder-only ottimizzato per lingua italiana, progettato da Egomnia S.p.A. per scenari a bassa latenza e utilizzo su hardware consumer.
È un modello ultra-leggero (125,3 milioni di parametri) pensato per:
- inferenza rapida
- basso consumo computazionale
- utilizzo locale (laptop / edge devices)
- task NLP generalisti
Non è progettato per ragionamento complesso o uso critico ad alta affidabilità.
Architettura
- Tipo: GPT decoder-only
- Transformer blocks: 16
- Hidden size: 768
- Attention heads: 12 query + 4 KV (GQA 3:1)
- Head dimension: 64
- Feed-forward dimension: 2.048 (SwiGLU, ff_mult 8/3)
- Activation function: SwiGLU
- Normalization: RMSNorm
- Positional encoding: RoPE (theta 10.000)
- Dropout: 0.0
- Embeddings: tied (token embedding = lm_head)
Contesto e vocabolario
- Context length: 2.048 token
- Vocabulary size: 32.000 token
- Tokenizer: SentencePiece BPE con byte fallback
Dataset di training
Distribuzione del dataset utilizzato:
- Generalista: 39,97%
- Enciclopedico: 35,22%
- Codice: 17,15%
- Colloquiale: 3,91%
- Politico: 2,96%
- Libri: 0,79%
Alignment
- Supervised Fine-Tuning (SFT)
- Direct Preference Optimization (DPO): disabilitato
Export e ottimizzazione
- Framework originale: PyTorch
- Export: ONNX
- Opset: 18
- Quantizzazione: INT8
- Peso modello ONNX: 601,6 MB
Uso consigliato
Questo modello è ottimizzato per:
- autocompletamento semplice
- NLP italiano generalista
- sistemi a bassa latenza
Uso non consigliato
- ragionamento multi-step complesso
- applicazioni mediche, legali o finanziarie
- sistemi ad alta affidabilità o safety-critical
- analisi avanzate
Focus prestazionale
Il modello è ottimizzato per:
- latenza minima
- inference su CPU
- footprint ridotto
- risposta rapida più che profondità logica
Limitazioni
- capacità di ragionamento limitata (modello piccolo)
- possibile generazione di contenuti imprecisi
- sensibilità a prompt complessi o ambigui
- contesto limitato a 2.048 token
Licenza
Distribuito sotto licenza OpenRAIL-M, con eventuali vincoli derivati dalle licenze dei dataset utilizzati.
Questa licenza consente l’uso, la modifica e la distribuzione del modello anche in ambito commerciale, imponendo tuttavia restrizioni sull’utilizzo in scenari potenzialmente dannosi, illegali o non etici, secondo i principi di Responsible AI e nel rispetto delle eventuali restrizioni derivanti dalle licenze dei dataset utilizzati.
Si richiede esprezzamente di citare Egomnia S.p.A. come autore del modello in caso di utilizzo di quest'ultimo per prodotti, servizi, pubblicazioni o documentazione tecnica.
Autore
Egomnia S.p.A.
Sito ufficiale
Manifesto di Emma — LLM italiano per la sovranità tecnologica
Per la sovranità tecnologica italiana
Noi crediamo che l’intelligenza artificiale non sia soltanto una tecnologia, ma un’infrastruttura critica per il futuro economico, culturale e democratico di una nazione.
Per troppo tempo, i modelli linguistici che plasmano informazione, lavoro e conoscenza sono stati sviluppati altrove, secondo logiche, valori e priorità non sempre allineate con il contesto italiano ed europeo.
I nostri modelli nascono per cambiare questo paradigma.
Non è solo il lancio di un nuovo modello, ma una presa di posizione chiara: rilanciare un ecosistema italiano dell’intelligenza artificiale, capace di essere autonomo, competitivo e coerente con le esigenze del nostro Paese.
La famiglia dei LLM "Emma" è anche il risultato di un lavoro costruito nel tempo. Il modello è stato addestrato utilizzando, in parte, dataset proprietari realizzati e custoditi per anni, mai ceduti a terzi. Un patrimonio informativo unico, che siamo convinti possa diventare nel tempo il nostro vero elemento distintivo rispetto ai grandi attori globali.
Oggi non abbiamo la presunzione di competere con i nomi che guidano il settore: Emma rappresenta un primo passo, concreto ma ancora iniziale, all'interno di un percorso di crescita e innovazione che intendiamo sviluppare negli anni a venire.
Questa non è solo innovazione tecnologica.
È una scelta di indipendenza.
È una visione industriale.
È il nostro contributo.
Dedicato a mia figlia, Emma.
Matteo Achilli
Fondatore di Egomnia
Note
Italian Ultra-Light GPT: Emma-3 è un modello della prima fase evolutiva della famiglia Emma, progettato per garantire efficienza e bassa latenza in contesti di utilizzo basilari.
Inference (ONNX Runtime)
1import onnxruntime as ort
2import numpy as np
3
4session = ort.InferenceSession("model.onnx")
5
6outputs = session.run(
7 None,
8 {
9 "input_ids": input_ids,
10 "attention_mask": attention_mask
11 }
12)
