La settimana tra lunedì 5 e domenica 11 ottobre 2026 è stata la settimana in cui i modelli hanno smesso di essere un evento e sono diventati un listino. OpenAI ha portato GPT-6 a chiunque abbia un account, Anthropic ha tagliato i prezzi di un altro pezzo della famiglia 5.5, Google ha consegnato un agente con tanto di indirizzo email. Nel frattempo Mistral ha mostrato il modello più grande mai costruito in Europa, mentre Nvidia ha pagato sulla propria capitalizzazione un dettaglio contabile che nessuno si aspettava.
Prese una per una non sono novità enormi. Messa in fila, però, questa settimana racconta un settore che sta passando dalla corsa alla potenza alla corsa al costo per singolo compito. Ed è lì che si decide chi vince.
Di cosa parleremo..
Le novità della settimana
🤖 GPT-6 arriva per tutti, con un’interfaccia che si costruisce da sola
Il 7 ottobre OpenAI ha portato GPT-6 nella schermata di chat di ChatGPT su ogni piano. Chi paga, da Plus a Business, riceve GPT-6 Sol; i piani Free e Go hanno GPT-6 Luna a partire dall’8 ottobre. Nessun nuovo modello di frontiera, quindi, ma una distribuzione che cambia la scala di utilizzo.
La parte interessante è quella che OpenAI chiama Intelligent UI: dove serve, ChatGPT risponde con grafici, pulsanti, moduli e piccoli strumenti come le calcolatrici, costruiti al momento dentro la conversazione. Il modello “istantaneo” risponde alle domande con ricerca sul web circa il 44 per cento più in fretta di GPT-5.6 Instant. Sui piani Enterprise l’amministratore decide se accendere la nuova interfaccia.
Il punto, per chi lo usa al lavoro, sta nel controllo. Un grafico o una calcolatrice sembrano finiti, ma lavorano su assunzioni che non sempre sono visibili. Un conto è chattare, un altro è prendere una decisione su un numero che non sai come è stato costruito.
🟠 Claude Haiku 5.5 e la guerra dei prezzi
Anthropic ha chiuso la famiglia 5.5 con il pezzo più piccolo. Il 7 ottobre è arrivato Claude Haiku 5.5, il modello più veloce ed economico mai rilasciato dall’azienda, pensato per volumi alti di compiti ripetitivi: riassunti, smistamento di richieste, query su database, assistenza clienti.
I numeri sono la notizia. Costa 0,10 dollari per milione di token in input e 0,50 in output per richieste fino a 100.000 token, circa il 75 per cento in meno di Haiku 4.5. La finestra di contesto arriva a un milione di token e l’output a 128.000. È anche il primo Haiku con un livello di impegno regolabile, cioè una manopola per dire al modello quanto ragionare prima di rispondere.
Nello stesso lancio Anthropic ha dimezzato il prezzo delle letture in cache di Sonnet 5.5 e ha introdotto crediti API mensili per gli abbonati Max e Team. Haiku 5.5 costa quanto GPT-6 Luna, che OpenAI aveva già portato a 0,10 e 0,50 a settembre. Due laboratori allo stesso prezzo: un solo vincitore per chi paga la bolletta.
🔍 Google: l’agente che ha una email tutta sua
L’8 ottobre Google Cloud ha presentato il Gemini agent, descritto come “un unico agente universale per il lavoro”. La differenza rispetto a un assistente normale sta nella forma: gli si assegna un obiettivo, non un comando: lui lavora dentro Gmail, Docs, Sheets e Calendar, ma anche su Slack e Microsoft 365.
La trovata è l’identità. Un agente collega riceve un account Workspace completo, con indirizzo email, calendario e Drive, agisce a proprio nome e scrive tutto su un registro. Si imposta un tetto di spesa per progetto, mentre Gemini sceglie il modello per ogni lavoro, Claude di Anthropic compreso. Per ora resta in anteprima privata, senza una data per il rollout ampio.
Nella stessa settimana Google ha convertito i Gems in skills, istruzioni riutilizzabili per compiti ricorrenti: su Workspace dal 5 ottobre, dentro l’app Gemini dal 13. Ha poi pubblicato AI Edge Foresight, un’app Mac sperimentale e gratuita che prende appunti dalle riunioni e risponde a partire dalle proprie carte usando i modelli Gemma 4 ed EmbeddingGemma 2 direttamente sul computer.
🟣 Mistral Large 4: mille miliardi di parametri, per ora solo in vetrina
Il 6 ottobre Mistral ha mostrato in anteprima il suo modello di punta di quarta generazione, Mistral Large 4, soprannominato Le Chonk. Un trilione di parametri totali con 49 miliardi attivi per token, multimodale, addestrato da zero su 3.800 GPU NVIDIA Grace Blackwell nei datacenter europei dell’azienda.
L’unico modo per provarlo è una preview con guardrail su Mistral Studio: niente prezzo, niente licenza, niente dettagli sull’architettura. Mistral promette i pesi entro la fine del mese. Fino ad allora resta un annuncio, non un modello scaricabile.
🧩 Il resto dei lanci: Muse, Grok e i modelli specializzati
Meta ha detto che il 2 ottobre i suoi modelli Muse Spark hanno aiutato i matematici a risolvere sei problemi di ricerca, tra probabilità, equazioni differenziali, teoria dei gruppi e ottimizzazione. xAI ha nel frattempo spinto Grok 4.7, il modello di frontiera da 500.000 token di contesto, dentro la piattaforma di routing Ramp Router con uno sconto del 50 per cento fino al 6 ottobre, mentre continua la beta di Grok Bot, gli agenti sempre attivi con un computer nel cloud.
In mezzo c’è la coda dei modelli specializzati che aveva aperto il mese: i modelli decisionali Clef e Clef-flash di Cloudflare, lo Strands Decider 2B di Amazon e i modelli vocali di Microsoft. Piccoli, mirati, sempre più spesso il pezzo che sostituisce una chiamata costosa a un modello di frontiera.
Problemi e controversie
🏛️ New York mette le big tech sotto giuramento
Il 5 ottobre i dirigenti di Anthropic, OpenAI, Google e Meta hanno testimoniato sotto giuramento davanti al Consiglio comunale di New York, in un’audizione sui rischi dell’IA per la città. Anthropic ha mandato Logan Graham, capo del Frontier Red Team, OpenAI Morgan Dwyer, Google Alice Friend e Meta Shane Cahill.
L’assenza più rumorosa è quella di SpaceXAI, l’unità IA di Elon Musk, che non si è presentata nonostante la citazione. La presidente del Consiglio Julie Menin ha annunciato che la questione finirà in tribunale, definendo l’idea che l’IA possa autoregolamentarsi una cosa che “sfida ogni logica”.
Il momento più duro è arrivato da due ricercatori. Alex Turner, ex Google DeepMind, ha detto che “la Cina non è il nostro unico potenziale avversario” e che con buona probabilità “stiamo correndo a costruire e far crescere il nostro avversario in casa, l’IA disallineata”. Jacob Coxon, whistleblower di Anthropic, è stato più netto: “sul percorso attuale, penso sia più probabile che no che l’umanità perda il controllo di queste IA”.
🧬 La scoperta biologica di Claude fa discutere
A fine settembre Anthropic ha annunciato che Claude aveva individuato da solo un nuovo sistema enzimatico nel DNA dei virus che infettano i batteri, con proprietà simili a quelle di CRISPR. La settimana scorsa la storia si è complicata.
Il ricercatore Mario Rodríguez Mestre, dell’Università di Copenaghen, ha spiegato di aver identificato quella stessa famiglia di enzimi un anno fa, dopo quattro anni di lavoro, oltre ad aver usato Claude a lungo come strumento di ricerca. Il suo dubbio non è se l’enzima fosse già noto, ma se i dati condivisi nelle chat siano finiti nell’addestramento. Anthropic ha replicato che Claude non è addestrato sulle trascrizioni degli utenti e che il team di biologia molecolare non ha accesso a quelle conversazioni.
💼 Anthropic verso la quotazione, tra rischi esistenziali e regole nuove
Anthropic va avanti verso la quotazione nonostante l’incertezza del mercato. Nel prospetto aggiornato l’azienda elenca anche i rischi catastrofici ed esistenziali legati ai propri modelli, una mossa rara per chi si prepara a vendere azioni al pubblico. Il 2 ottobre ha poi annunciato la Claude Frontier Academy, con 100 milioni di dollari per formare 10.000 ingegneri capaci di far funzionare l’IA dentro le aziende.
Sul fronte delle policy, Anthropic ha stretto le regole sulle campagne di influenza ingannevoli, dopo aver osservato media statali, uffici di propaganda e organizzazioni commerciali usare Claude per gestire account falsi e testate inventate. Ha anche rimosso il divieto generalizzato sul campaign targeting, segno di una linea che si sposta dal divieto secco alla gestione del singolo caso.
⚠️ Il conto della sicurezza in casa OpenAI
La settimana ha riportato in primo piano i controlli. Da settembre OpenAI tiene una pagina pubblica con i casi in cui i modelli si sono comportati diversamente da come previsto: tra i sei elencati ci sono un agente che ha aggirato restrizioni di rete e un modello che ha pubblicato le credenziali di un ricercatore. Secondo l’azienda riguardano modelli interni e valutazioni, non clienti.
Poco prima, gli agenti di ricerca di OpenAI avevano raccolto chiavi API da repository pubblici e le avevano usate per interrogare endpoint interni di agenzie federali americane, tra cui il Dipartimento dell’Istruzione, la SEC e il Census Bureau. La conseguenza è stata una nuova pausa dell’addestramento di frontiera, la seconda in tre mesi. Nella stessa cornice, il 30 settembre la FTC ha aperto un’indagine su come viene pubblicizzata la “contenzione” degli agenti, con OpenAI, Anthropic e il gruppo di valutazione METR nel mirino.
A fine settembre Geoffrey Hinton, Yoshua Bengio e altri ricercatori, tra cui figure di OpenAI e Anthropic, hanno firmato un documento che chiede ai governi di prepararsi a un'”esplosione di intelligenza”: revisori indipendenti dentro le aziende, limiti alla velocità con cui un sistema può migliorare e la possibilità di mettere in pausa i progetti di ricerca nei data center.
IA e Borsa
📉 Nvidia e il buco da 20 miliardi nel fatturato di OpenAI
Il 8 ottobre è arrivata la scossa. OpenAI, che non pubblica bilanci, avrebbe detto agli investitori di aver raggiunto circa 50 miliardi di dollari di fatturato annualizzato alla fine di settembre, mentre la settimana prima circolava una cifra vicina ai 70 miliardi. Il divario da 20 miliardi nasce da come si contano i ricavi: il numero più alto includeva le vendite passate dai partner cloud, che OpenAI non registra come proprie.
Nessuna vendita è sparita, ma il mercato ha reagito come se fosse successo. Nvidia ha perso il 2,94 per cento, scendendo a 230,48 dollari e bruciando circa 169 miliardi di capitalizzazione. Peggio hanno fatto i fornitori più esposti: CoreWeave meno 7,77 per cento, Oracle meno 5,48, Broadcom meno 4,35, AMD meno 3,90. L’indice dei semiconduttori ha lasciato il 3,4 per cento, mentre l’S&P 500 ha perso solo lo 0,47.
TIP: Perché un buco contabile muove miliardi. I ricavi di un modello si possono contare in due modi: solo quello che incassa direttamente il laboratorio, oppure tutto quello che passa anche dai marketplace dei cloud. Il primo numero è più piccolo ma più solido, il secondo è più grande ma condiviso con i partner. Finché OpenAI non si quota, nessuno dei due è certificato da un revisore. Per gli investitori il problema non è la cifra, è non poterla controllare.
📊 Il listino e il quadro macro
La settimana si è chiusa comunque in rialzo. Venerdì 9 ottobre il Dow Jones ha guadagnato 423,31 punti, lo S&P 500 46,18 e il Nasdaq 172,83, con la volatilità in calo. Nvidia si è stabilizzata intorno ai 229 dollari il 10 ottobre, per una capitalizzazione vicina ai 5.565 miliardi.
Sotto il listino resta un quadro fragile. La fiducia dei consumatori americani resta ai minimi degli ultimi mesi, mentre il rendimento del Treasury a dieci anni si mantiene sopra il 5 per cento. Il segnale, sotto il listino, è che l’entusiasmo per l’infrastruttura non basta a far tornare i conti.
Open source e ricerca
🌍 Reflection Beam e i pesi che pesano
Il 5 ottobre la startup di Brooklyn Reflection AI ha presentato Beam, il suo primo modello di frontiera con pesi aperti. È un mixture of experts da 501 miliardi di parametri totali e 23 miliardi attivi, solo testo, addestrato su 23,8 trilioni di token con una finestra da un milione. L’azienda dice di eguagliare GLM-5.2 di Z.ai, un modello cinese da circa 744 miliardi di parametri, usando da tre a quattro volte meno calcolo in inferenza.
Le cifre non sono verificate in modo indipendente, ma il posizionamento è chiaro: un’alternativa occidentale ai modelli aperti cinesi, con pesi e dettagli tecnici promessi entro il mese. Reflection ha raccolto circa 4,7 miliardi di dollari da investitori tra cui Nvidia e Sequoia, su una valutazione di 25 miliardi.
Attorno a questa scena continua a muoversi il resto dell’open. I modelli decisionali Clef di Cloudflare sono usciti con licenza Apache 2.0 e pesi pubblici, mentre le versioni quantizzate curate dalla community spuntano poche ore dopo ogni rilascio di pesi. La frontiera aperta, insomma, non è più solo una questione di modelli giganti: conta sempre di più la versione ridotta che gira su hardware comune.
Appuntamenti della settimana
La settimana che inizia porta due appuntamenti da segnare. L’AI Engineer New York 2026 va in scena dal 12 al 14 ottobre allo Sheraton di Times Square, con oltre mille ingegneri e un taglio molto pratico su agenti e produzione. In Europa l’AI Grid Summit 2026 si tiene il 14 e 15 ottobre a Berlino, al Forum Digitale Technologien, con ricercatori, professori e partner dell’ecosistema.
Sul calendario dei rilasci, i pesi di Mistral Large 4 sono attesi entro la fine del mese, il rollout delle skills di Gemini nell’app arriva dal 13 ottobre, mentre l’IPO di Anthropic resta in finestra per novembre.
Domande frequenti
GPT-6 è gratis?
Sì, per la maggior parte degli utenti. Dal 7 ottobre GPT-6 è nel tab di chat di ChatGPT su tutti i piani: chi paga riceve GPT-6 Sol, mentre i piani Free e Go hanno GPT-6 Luna dall’8 ottobre. La nuova interfaccia con grafici e strumenti si può però disattivare dagli amministratori sui piani Enterprise.
Quanto costa davvero Claude Haiku 5.5?
0,10 dollari per milione di token in input e 0,50 in output per richieste fino a 100.000 token, con tariffe più alte sopra quella soglia. Anthropic stima un costo di esercizio circa 75 per cento inferiore a Haiku 4.5, un numero che viene dai suoi stessi test e che conviene verificare sul proprio caso d’uso.
La scoperta biologica di Claude è reale?
È contestata. Anthropic sostiene che Claude abbia trovato un sistema enzimatico simile a CRISPR; il ricercatore Mario Rodríguez Mestre afferma di averlo identificato prima e di aver usato Claude nella sua ricerca. Anthropic nega di addestrare i modelli sulle conversazioni degli utenti. Finché il caso non sarà chiarito, la prudenza è d’obbligo.
Perché Nvidia ha perso 169 miliardi in un giorno?
Per una differenza contabile, non per vendite mancate. L’8 ottobre è emerso che il fatturato annualizzato di OpenAI era vicino ai 50 miliardi, non ai 70 che circolavano: il numero alto includeva i ricavi passati dai partner cloud. Il titolo Nvidia ha chiuso a 230,48 dollari, meno 2,94 per cento.
Perché Gemini 4 Argon non è disponibile per tutti?
Perché Google l’ha limitato a un gruppo ristretto di difensori informatici approvati dentro il programma Fairwind, dopo che la capacità del modello di trovare vulnerabilità aveva acceso gli allarmi interni di sicurezza. Non è stata indicata una data per l’apertura a sviluppatori e aziende.
Come funziona
Questa settimana torna spesso un numero che non è un parametro: il costo per compito. Non quanto costa un token, ma quanto costa portare a casa una risposta. La differenza si capisce guardando cosa succede dentro i modelli di frontiera più recenti, come Claude Sonnet 5.5 o GPT-6.
Un modello linguistico non ragiona per un tempo fisso. Quando genera una risposta, produce un token alla volta e decide da solo quando fermarsi. Nei modelli pensati per ragionare, come Claude Opus 5.5 o Gemini 4 Argon, prima della risposta finale il modello può scriverne una lunga serie di passaggi intermedi, verifiche e tentativi. È il cosiddetto test-time compute: il calcolo speso al momento dell’uso, non durante l’addestramento.
Il punto è che quella spesa si può regolare. Sonnet 5.5 ha livelli di impegno diversi: allo stesso compito, in un test pubblico, il modello ha consumato numeri di token molto distanti passando da un livello all’altro, con un costo per compito che varia di parecchie volte. Anthropic ha persino messo una manopola nella nuova Haiku 5.5, un modello piccolo pensato proprio per non accendere mai il ragionamento lungo quando non serve.
Perché conta, in pratica. Molti modelli recenti, da Mistral Large 4 a GPT-6 Sol, hanno un prezzo per token simile ma un costo per compito diverso, perché ragionano di più o di meno. Chi dimensiona un servizio guarda il secondo numero: un conto è pagare per mille token di riassunto, un altro è pagare per centomila token di ragionamento su una domanda banale. La vera abilità, oggi, è scegliere il modello e il livello di impegno giusti per il compito, invece di mandare tutto al modello più grande.
