Bentornati a questo appuntamento, lo State of AI. L’ultimo l’ho fatto a febbraio, ora siamo a settembre: sette mesi in cui è successo, come sempre, più di quanto sembri possibile. Ci vado a ruota libera, dai modelli open weights fino alle ultime uscite di frontiera, passando per quello che nel frattempo è cambiato nel mio utilizzo quotidiano.

Open weights: capaci, mentre la frontiera si sposta

Negli ultimi mesi, anche con l’arrivo di DeepSeek V4, si è riaccesa la corsa tra due filosofie contrapposte: quella dei modelli proprietari e quella dei modelli a pesi aperti. Dico apposta open weights e non open source, perché la distinzione è sostanziale: avere i parametri appresi dal modello permette di eseguirlo, ma non garantisce di avere tutto ciò che serve a riprodurne l’addestramento.

Questo non significa che manchino necessariamente codice o informazioni sul training. DeepSeek, per esempio, pubblica anche dettagli sul proprio processo. Il punto è che pesi scaricabili e addestramento interamente riproducibile sono due cose diverse. Chi dispone dell’hardware necessario può comunque far funzionare il modello sulla propria infrastruttura, nei limiti della licenza. Ed è un vantaggio mica da ridere. La documentazione di DeepSeek V4 dà un’idea sia di ciò che viene reso disponibile sia delle risorse richieste.

I modelli sono migliorati, come era prevedibile data la traiettoria. Io resto un sostenitore del famigerato plateau: prima o poi, secondo me, ci arriveremo. Per ora, però, continuo a stupirmi di quanto margine sembri esserci. Le scaling laws mi affascinano proprio per questo: aumentare le risorse può ancora portare a progressi importanti. Non conta soltanto la dimensione del modello, ma anche la qualità dei dati, l’addestramento, il post-training e il calcolo impiegato durante il ragionamento.

Sul fronte aperto abbiamo gli ultimi DeepSeek, Kimi K3, GLM-5.3. Sistemi molto capaci, che competono con quelli proprietari su diversi compiti. Poi arriva una nuova generazione e la frontiera si sposta di nuovo. Oggi mi sembra che i modelli proprietari più avanzati mantengano un vantaggio nei lavori più difficili, soprattutto se considero anche i sistemi di ricerca a cui non abbiamo accesso diretto.

Per l’uso quotidiano, però, molti modelli aperti sono già sufficientemente bravi da essere utili sul serio: dalla preparazione di un’email alla manutenzione di un’infrastruttura. E su quest’ultimo punto voglio spendere qualche parola in più.

L’AI nel terminale

Se ne parla meno di quanto meriterebbe: questi modelli sono molto forti anche nel deploy di applicazioni web e nell’amministrazione dei sistemi. Scrivono file Docker Compose, aiutano a gestire deployment Kubernetes, leggono log e configurazioni. Sanno lavorare dentro un terminale GNU/Linux, e per quello che faccio io è un risultato enorme.

Pensiamo a un aggiornamento: leggere le modifiche della nuova versione, scegliere l’immagine corretta per l’architettura, fissarne eventualmente il digest, controllare le migrazioni, preparare i backup e fare un riavvio controllato. Poi verificare che i servizi siano effettivamente ripartiti e che il database sia a posto. Passaggi ripetitivi ma delicati, che un agente capace può aiutare a eseguire con metodo.

Dall’uscita di V4 Flash in poi, questo è stato uno degli usi migliori che ho fatto dell’AI. Mi ha aiutato a migliorare sicurezza, resilienza e manutenzione dello stack di applicazioni che tengo in piedi. La responsabilità dei server rimane mia, ma avere uno strumento che sa ricostruire un problema dai log e lavorare sulle configurazioni mi semplifica parecchio la vita.

Io sono più sbilanciato verso il cloud che verso l’homelab puro. Preferisco una soluzione ibrida, con alcuni servizi in casa e altri su infrastrutture esterne, soprattutto quando mi interessa la disponibilità. In entrambi i casi, l’aiuto di questi modelli si è fatto sentire.

È una parte meno appariscente delle grandi demo, ma per me conta tantissimo: meno manutenzione rimandata, più controlli e meno tempo perso nelle operazioni ordinarie.

Frontier models: la gara che sto seguendo

Chiusa la parentesi open weights, arriviamo ai modelli più capaci. Per il mio utilizzo, il confronto principale oggi è tra Anthropic e OpenAI. Google mi sembra rimasta più indietro rispetto alle aspettative che avevo a febbraio. Continuo a seguirla, ma non so cosa stia succedendo internamente.

Quest’anno si avverte l’avvicinamento a un’AI sempre più capace, e inevitabilmente il discorso torna sull’AGI. Sono d’accordo con chi pensa che non sia un traguardo netto, ma un concetto sfumato: cosa si intende davvero per general intelligence?

Se la definizione è una macchina capace di svolgere molti dei compiti intellettuali che riescono bene alla maggior parte delle persone, mi sembra che siamo molto vicini. Se invece chiediamo di imparare qualsiasi lavoro e portarlo avanti in autonomia con affidabilità, il discorso cambia. Io la vedo più come uno spettro di capacità che come una linea da attraversare.

Una parte di me spera che si arrivi a un plateau: progressi più graduali, senza un salto generazionale dietro l’altro. Potrebbe essere l’inizio dello sgonfiamento di quella che considero una bolla, alimentata dalla corsa partita con ChatGPT nel 2022. Mi preoccupa quante risorse stia assorbendo e quanto questa espansione possa pesare su hardware, energia e infrastrutture. Vorrei che rimanessero gli strumenti utili e si ridimensionasse un po’ la frenesia che li circonda.

Nel frattempo, sul fronte OpenAI, il 9 luglio è arrivata la disponibilità generale di GPT-5.6, dopo una fase di anteprima: Luna come modello più economico, Terra come soluzione intermedia e Sol come modello di punta.

Sol è stato un gran modello. Per il mio utilizzo l’ho trovato decisamente superiore a GPT-5.5: nei due mesi di piano Plus l’ho usato quasi sempre con reasoning effort medio, mi sono trovato benissimo e ho praticamente ignorato i livelli di ragionamento estremi. Quando un modello mi basta già nell’effort medio, per me è un ottimo segnale.

Su Anthropic il discorso è più controverso. Haiku e Sonnet non mi convincono rispetto alle alternative. Con Opus ho apprezzato molto 4.6 e, con qualche riserva, 4.7; con 4.8 e Opus 5 mi sono trovato peggio. Troppa verbosità, troppo lavoro prodotto rispetto a quello che chiedevo e un costo che faccio fatica a giustificare.

Non sto dicendo che ogni nuova versione sia peggiore in assoluto. Sto dicendo che, nel mio modo di usare questi strumenti, il rapporto tra risultato, tempo e spesa è diventato più favorevole a OpenAI. Avere un modello molto capace conta, ma conta anche quanto gli serve per arrivare al punto.

Il caso Mythos e Fable

Qui secondo me Anthropic ha fatto scelte discutibili. È vero che capacità maggiori pongono problemi reali, anche nella cybersecurity. Capisco la necessità di protezioni mirate, ma trovo frustrante la distanza tra ciò che il modello potrebbe fare e ciò a cui posso effettivamente accedere.

Mythos e Fable condividono il modello sottostante: la differenza riguarda le protezioni e le condizioni di accesso. Mythos è riservato a soggetti selezionati; Fable è disponibile più ampiamente, con limitazioni aggiuntive. Alcune richieste vengono reindirizzate a Opus. Non è quindi semplicemente un modello più piccolo o meno intelligente: è un accesso più limitato alle stesse capacità di base. Anthropic lo spiega sia per Fable 5 sia per la generazione 5.1.

Ed è proprio il reindirizzamento che mi lascia perplesso. Se scelgo un prodotto di fascia alta, voglio capire quale modello sta rispondendo, quando intervengono le limitazioni e cosa sto pagando. Posso comprendere il motivo di una protezione e, allo stesso tempo, trovare poco convincente il prodotto che ne risulta per i miei compiti.

Poi c’è stato il blocco vero e proprio. Il 12 giugno il governo statunitense ha imposto controlli sulle esportazioni di Fable 5 e Mythos 5, dopo un rapporto dei ricercatori Amazon su un metodo per aggirare le protezioni di Fable. Il provvedimento richiedeva di limitare l’accesso ai cittadini stranieri; Anthropic, non potendo verificarne immediatamente la nazionalità, ha sospeso entrambi i modelli per tutti.

I controlli sono stati revocati il 30 giugno e Fable è tornato disponibile al pubblico dal 1° luglio. L’accesso a Mythos è rimasto selettivo, con un primo ripristino per alcune organizzazioni statunitensi già autorizzato il 26 giugno. Quindi quasi tre settimane di stop per il pubblico, non una semplice pausa di qualche giorno. È la cronologia riportata nella ricostruzione ufficiale di Anthropic.

Fable rimane molto capace, ma nell’uso che mi interessa faccio fatica a preferirlo a Sol quando il vantaggio non mi sembra sufficiente a giustificare la spesa. Amodei può avere buone intenzioni, ma la comunicazione di Anthropic spesso mi convince poco. E non sono così sicuro che in questa gara ci siano “i buoni”: quando ci sono interessi economici di queste dimensioni, preferisco giudicare le aziende da quello che fanno e da come trattano gli utenti.

Le ultime due uscite

Arriviamo alla parte più recente. A inizio settembre Anthropic ha rilasciato Fable 5.1, riducendo il prezzo delle letture dalla cache del 75% rispetto a Fable 5, fino a 0,25 dollari per milione di token. L’azienda stima un risparmio sui carichi tipici, ma il costo finale dipende anche da quanto ragionamento viene generato e da come si usa il modello.

Il 3 settembre OpenAI ha presentato GPT-6 Astra, il successore di Sol. A me sembra un salto generazionale vero, soprattutto nella capacità di utilizzare il computer e portare avanti lavori complessi. OpenAI riporta miglioramenti sia nei risultati sia nei tempi di completamento rispetto a Sol: è una direzione che mi interessa molto, perché estende alle interfacce grafiche quello che già apprezzo negli agenti da terminale.

Sul costo abbiamo un confronto concreto. Al 9 settembre, Artificial Analysis riporta 3,26 dollari per task per Astra max contro 7,63 dollari per Fable 5.1 max con fallback. Si tratta del costo medio ponderato dei task del suo Intelligence Index, non del prezzo di una generica richiesta. Il punteggio aggregato visualizzato è 53 per entrambi.

In quella valutazione Astra costa quindi meno della metà. Questo non rende i modelli identici in ogni compito, ma rende molto chiaro perché l’efficienza mi interessi tanto. Anche la velocità va letta bene: generare più token al secondo non significa necessariamente finire prima un lavoro, se poi ne vengono prodotti molti di più.

Io resto piuttosto fiducioso su OpenAI. Sol mi ha convinto nell’uso quotidiano e Astra mi incuriosisce ancora di più. Nel frattempo aspetto Google: un altro ritorno in grande stile sarebbe una buona notizia per tutti quelli che usano questi strumenti.

La parte scientifica

Nel frattempo, dentro questi laboratori succedono cose che mi colpiscono ancora più delle nuove uscite commerciali. L’8 settembre OpenAI ha annunciato una dimostrazione relativa al problema di esistenza e regolarità di Navier–Stokes, pubblicando anche una formalizzazione in Lean.

Il risultato dichiarato riguarda la formazione di una singolarità in tempo finito nella formulazione con una forza esterna liscia. Secondo l’azienda, è stato ottenuto con un sistema di agenti basato su un modello interno più capace di Astra; Astra è intervenuto nella successiva formalizzazione e verifica.

È un annuncio appena uscito, quindi distinguerei ciò che OpenAI ha presentato dalla sua piena accettazione da parte della comunità matematica.

È qui che spero vadano a finire gli sforzi e i soldi investiti: nuovi materiali, strumenti per la ricerca, contributi allo sviluppo di cure e alla comprensione di problemi che contano davvero. Tra un risultato al computer e un beneficio reale rimane moltissimo lavoro, ma la prospettiva mi entusiasma.

Posso essere critico verso la corsa economica e trovare straordinario quello che sta succedendo sul piano tecnico. In questo momento mi sento esattamente così.

Questo è più o meno tutto per questo State of AI di settembre 2026. A febbraio provavo a capire dove stesse andando il settore; sette mesi dopo devo già rimettere mano a parecchie convinzioni.

What a time to be alive.

~Joe

P.S. Articolo derivato da una trascrizione vocale, riordinato e rivisto da GPT-6 Astra.