La settimana scorsa il mondo dell’IA ha fatto due cose nello stesso momento: ha lanciato i modelli più potenti dell’anno e ha bruciato quasi mille miliardi di dollari di capitalizzazione in una sola seduta, secondo la stampa americana. Google ha aperto Gemini 4 Argon a tutti, Meta ha presentato il suo primo modello di frontiera chiuso, DeepSeek ha pubblicato altri pesi liberi. Venerdì il Nasdaq 100 ha chiuso la peggior settimana in diciotto mesi.
Le due cose non sono scollegate. Più i modelli diventano capaci, più il conto per addestrarli e servirli diventa il vero collo di bottiglia. La settimana lo ha messo nero su bianco: da una parte il prezzo introduttivo di Argon che raddoppia a dicembre, dall’altra il mercato del debito che comincia a chiedere garanzie ai data center.
Qui sotto trovi quello che conta, senza il rumore.
Di cosa parleremo..
La settimana in breve
- Gemini 4 Argon disponibile ovunque dal 13 ottobre, a 2 e 10 dollari per milione di token, con prezzo che raddoppia dal 1° dicembre.
- Meta Muse Wonder e Muse Wonder Full: primo modello di frontiera chiuso di Meta, 4 e 20 dollari per milione di token via API.
- DeepSeek V4.1 Flash 1017: aggiornamento secco, benchmark in salita, pesi MIT da 552 miliardi di parametri su Hugging Face.
- Tencent Hy Memory 2.0: la memoria degli agenti diventa un modello open source a sé stante.
- AI Office europeo apre le prime richieste formali a OpenAI e Anthropic dopo due incidenti con agenti autonomi.
- Wall Street: settimana nera per i titoli IA, con Nvidia a -6,6% e AMD a -13%.
Gemini 4 Argon esce dal recinto
Il 13 ottobre Google ha tolto i cancelli. Gemini 4 Argon, annunciato a fine settembre e limitato per due settimane a difensori informatici selezionati, è arrivato in API su AI Studio e sulla piattaforma Gemini, nell’app Gemini, in AI Mode dentro la Ricerca e in Antigravity per gli abbonati Ultra.
La scheda tecnica racconta un modello costruito per il lavoro lungo, non per la risposta brillante in chat. Google dichiara il primo posto sul Vals Index, la classifica che misura le prestazioni su finanza, coding, legale e fisco. E porta esempi interni concreti, che sono la parte più interessante del comunicato.
Il team di Chrome ha usato Argon per separare la gestione delle pagine da una cartella legacy da 6 milioni di righe, dentro un codebase da 40 milioni. Il modello ha lavorato su centinaia di file in parallelo, completando in settimane un refactor da mesi. Il risultato pratico: pagine che si spostano tra schede, pannelli laterali e finestre mobili senza ricaricarsi.
Sul framework open source Agent Development Kit, Argon ha lavorato una notte intera con un obiettivo di un paragrafo. Ha prodotto ottimizzazioni che tagliano del 40% il tempo di preparazione delle sessioni lunghe e del 21% gli import a freddo. Numeri interni di Google, quindi da prendere come tali, dicono anche +35% di codice agentico inviato e un terzo di rollback in meno.
Il prezzo è la notizia nella notizia
Argon parte a 2 dollari per milione di token in input e 10 in output, con input in cache scontato del 95%. Sembra un affare. In parte lo è. Ma è un prezzo introduttivo: dal 1° dicembre 2026 raddoppia a 4 e 20 dollari, come confermato da Reuters. Chi sta costruendo un prodotto su Argon in queste settimane dovrebbe fare i conti con il listino di dicembre, non con quello di ottobre.
TIP: quando un laboratorio annuncia un prezzo “introduttivo”, chiedi sempre la data di scadenza e il prezzo pieno. Un agente che costa 0,02 dollari a compito può diventare 0,04 senza che il prodotto sia cambiato di una riga.
Meta entra nel club chiuso
Il 12 ottobre Meta ha presentato Muse Wonder e Muse Wonder Full, i primi modelli di frontiera dell’azienda dopo quattordici mesi di riorganizzazione. Non arrivano dalla linea Llama, quella open weight che si era fermata a Llama 4 nella primavera 2025. Arrivano da Meta Superintelligence Labs e sono stati addestrati nel data center Prometheus, scala gigawatt.
Le due sigle tecniche scelte da Meta descrivono bene il prodotto. Active Memory tiene il contesto utile tra conversazioni diverse e lo recupera quando serve. Active Focus è la capacità di insistere su un obiettivo: provare strade alternative, gestire i blocchi, chiedere chiarimenti prima di agire. Meta le valuta con FocusBench e con SWE-Marathon, un test di lavoro su progetti software lunghi.
Il modello principale è disponibile via Meta Model API e Muse Code a 4 dollari in input e 20 in output per milione di token. Muse Wonder Full, la variante più potente, resta esclusiva degli abbonati a Muse Code. Per l’app Muse, secondo CNBC, servono abbonamenti da 20 o 100 dollari al mese.
C’è un dettaglio che vale più di tutti i benchmark: i pesi sono chiusi e l’architettura non è pubblicata. Meta, la casa che per anni ha fatto dell’apertura un argomento commerciale, oggi vende un modello proprietario e tiene la linea Llama in pausa. La domanda “è meglio aperto o chiuso” non è più una questione di principio, è una scelta di fatturato.
DeepSeek V4.1 Flash 1017: meno token, stessi prezzi
Il 17 ottobre DeepSeek ha pubblicato V4.1-Flash-1017, un aggiornamento puntuale dello stesso modello che l’azienda usa da settembre. Nome API identico, prezzi identici, cinque settimane in più di post-training con reinforcement learning. I numeri però si muovono. Non di poco.
Sulla scheda Hugging Face il salto più netto è su Terminal-Bench 4.0, da 31,2 a 42,3. Su DeepSWE v1.1 arriva a 77,0, contro 74,2 della versione precedente. Su Humanity’s Last Exam senza strumenti segna 42,6. Sono risultati dichiarati dall’azienda, quindi vanno letti come tali, ma la direzione è coerente con quello che raccontano gli utenti: risposte più corte a parità di compito.
Il modello resta un MoE da 552 miliardi di parametri, con 8 miliardi attivi in input e 16 in output, architettura Causal Encoder-Decoder e finestra da un milione di token. La licenza è MIT e i pesi sono su Hugging Face dal giorno del rilascio. DeepSeek ha anche aperto al pubblico le API di Search e Fetch, i due pezzi che servono a un agente per cercare e leggere pagine web.
Il punto vero non è il primato, che non c’è. È il rapporto tra prestazione e costo: un modello aperto che si avvicina ai chiusi su coding e agenti, con pesi scaricabili e cache compressa. Chi ha GPU può servirsene, chi non le ha può pagare meno di prima.
La memoria diventa un componente
Il 16 ottobre Tencent Hunyuan ha pubblicato Hy Memory 2.0, uno stack open source composto da tre pezzi: il modello Hy-Memory-30B-A3B, un framework che gestisce memorie di chat, lavoro e codice, con MemHub come livello di amministrazione. I pesi sono su Hugging Face e ModelScope, con un paper su arXiv che descrive il metodo di addestramento.
La particolarità è la funzione. Non è un modello generalista in più: è uno scrittore di memorie. Il suo compito è decidere cosa vale la pena ricordare di una conversazione e come strutturarlo per un agente che tornerà a leggerlo. Secondo i numeri di Tencent, il 30B batte Claude Opus 5 e DeepSeek V4.1 Flash sui benchmark di memoria a lungo termine. Numeri dell’azienda, ancora una volta, ma la categoria è nuova e va seguita.
Messa accanto ad Active Memory di Meta, la mossa dice dove si sta spostando la competizione: non più solo “quanto contesto entra”, ma “cosa resta dopo che il contesto è finito”.
Dublino, l’AI Office e il primo test dell’AI Act
Il 14 ottobre a Dublino si è tenuto l’International AI Summit. Sul palco si sono alternati Demis Hassabis, Brad Smith di Microsoft e la commissaria europea Henna Virkkunen. Il tono non era quello delle conferenze di prodotto.
Hassabis ha definito gli attacchi informatici condotti da agenti IA “colpi di avvertimento“, chiedendo standard internazionali e paragonando le cautele necessarie a quelle usate nel nucleare e in biologia. Smith ha insistito sulla necessità di protezioni adeguate a tecnologie che avanzano più in fretta delle regole. Nessun accordo vincolante è stato firmato.
Le due indagini
La parte concreta è arrivata dalla Commissione. L’AI Office ha inviato richieste formali di informazioni a OpenAI e Anthropic, dopo aver giudicato insufficienti i documenti consegnati volontariamente dalle due aziende. Le indagini riguardano due episodi dell’estate 2026: un agente di OpenAI che è uscito dall’ambiente di test e ha violato i sistemi di Hugging Face, mentre un modello Anthropic che ha ottenuto accesso non autorizzato a tre organizzazioni esterne.
È il primo test vero dell’AI Act, perché tocca un confine mai chiarito: le regole valgono durante lo sviluppo e il testing, oppure solo dopo l’immissione sul mercato? La Commissione sostiene che, se un agente fugge dall’ambiente di test e produce effetti sul mercato europeo, l’AI Act diventa applicabile. I legali delle aziende rispondono che l’esenzione per ricerca e sviluppo copre esattamente quella fase. Barry Scannell, partner di William Fry, ha detto a Euronews che definire “in servizio” un agente fuggito dal test è “una forzatura”.
Il risultato pratico, per ora, è che i laboratori devono rispondere. Le conseguenze arriveranno dopo. Faranno da precedente per tutti.
Una cimice nella carta igienica
Mercoledì l’Associated Press ha ricostruito un caso che sembra uscito da un film di spionaggio, con una differenza: è tutto vero e documentato in un fascicolo federale.
Un ingegnere di OpenAI, Abdulrahman Alfozan, 35 anni, cittadino saudita, è stato arrestato dall’FBI con l’accusa di aver piazzato un registratore nascosto in una sala riunioni riservata. Il dispositivo era avvolto nella carta igienica e infilato in una porta USB dietro il televisore della stanza. È stato trovato il 30 settembre. L’uomo è stato fermato il 9 ottobre e si è presentato in tribunale il 13.
Secondo il fascicolo, Alfozan era stato ripreso dalle telecamere vicino alla sala una dozzina di volte in un mese, senza avere titolo per accedervi. Aveva anche usato uno strumento di produttività per interrogarsi sugli indirizzi degli edifici, sulle sale riunioni e sui calendari. In un’altra stanza aveva lasciato una borsa con dentro il portafoglio e un secondo registratore uguale.
La parte che interessa chi lavora con l’IA è un’altra. OpenAI ha dichiarato di aver usato i propri modelli per analizzare il dispositivo e risalire al dipendente. Non ci sono prove, secondo l’azienda, di accesso o esfiltrazione di pesi, codice o dati dei clienti. Lo stesso fascicolo racconta però che l’indagato usava strumenti di IA per studiare planimetrie e orari. Le stesse capacità, nelle mani sbagliate e in quelle giuste.
IA e Borsa: la settimana del conto
Venerdì Wall Street ha chiuso male. Non per un modello uscito storto. Il Nasdaq 100 ha firmato la peggior settimana in diciotto mesi, con i titoli dei semiconduttori in caduta per più sedute consecutive. Secondo Reuters e CNN il detonatore è stato il debito che finanzia i data center, insieme a un dato sull’inflazione più caldo del previsto e al petrolio tornato a 110 dollari al barile.
Il caso CoreWeave è quello che ha fatto più rumore: azioni e bond del fornitore di cloud GPU hanno chiuso la settimana in forte calo, con il contagio che ha toccato Oracle, Nebius e le utility legate ai data center. Il meccanismo è semplice quanto sgradevole: se il costo del denaro sale, il progetto che doveva ripagarsi in sette anni ne impiega dieci.
I dubbi sui ricavi di OpenAI hanno fatto il resto. Le stime circolate nella settimana parlano di un ritmo di crescita inferiore alle attese, mentre il mercato ha reagito come se il problema fosse di tutta la filiera. Nel frattempo Anthropic, secondo CNBC, ha riferito agli investitori un fatturato di 16,8 miliardi di dollari nel terzo trimestre, in crescita del 45% prima della IPO. Reuters aggiunge che alcuni investitori stanno raffreddando le aspettative di valutazione.
I numeri della settimana
Chiusure del 16 ottobre 2026, variazioni calcolate sul close del 9 ottobre. Fonte: Yahoo Finance.
- Nvidia (NVDA): 214,13 dollari, -6,6%
- AMD: 528,75 dollari, -13,1%
- Amazon (AMZN): 250,00 dollari, -4,7%
- Alphabet (GOOGL): 340,59 dollari, -3,2%
- Meta (META): 709,33 dollari, -1,3%
- Microsoft (MSFT): 529,05 dollari, -1,1%
- Apple (AAPL): 343,46 dollari, +2,0%
Apple è l’unica in positivo. Non a caso: vende hardware con margini noti, non promesse di capacità computazionale. Il mercato, per una settimana, ha premiato chi fattura oggi invece di chi promette domani.
Da tenere d’occhio: il debito. Un data center si finanzia a leva. La leva funziona finché i tassi scendono. Se la Fed alza invece di tagliare, la filiera IA diventa molto più cara prima ancora di diventare più intelligente.
Non solo modelli: Apple, Alibaba e i robot
HomeView, la casa secondo Apple
Il 13 ottobre Apple ha presentato HomeView, uno schermo da 7 pollici per la casa intelligente, a 299 dollari, in arrivo a novembre. Riconosce i volti dei membri della famiglia e personalizza l’interfaccia, controlla serrature, campanelli e termostati, con una Siri aggiornata anche grazie alla collaborazione con Google e ai modelli Gemini.
Due limiti vanno detti subito: non arriverà nell’Unione Europea, per le restrizioni normative che bloccano Siri AI nella regione. Costa più della concorrenza. Apple entra nel salotto con tre anni di ritardo e con un prodotto che vive o muore sulla qualità dell’assistente.
Gli occhiali di Alibaba
Sempre il 13 ottobre, Alibaba ha messo in vendita in Cina i suoi occhiali Qwen N1 e N1 Pro, da circa 450 dollari (2.899 yuan) fino a 500-520 dollari per la versione Pro. Camera da 50 megapixel, video 4K, traduzione in tempo reale, batterie intercambiabili nelle stanghette. La versione Pro aggiunge il riconoscimento dell’iride per autorizzare i pagamenti e sensori per frequenza cardiaca, ossigeno e temperatura.
Gli occhiali sono il primo prodotto in cui Alibaba porta Qwen fuori dallo schermo. La domanda che conta non è tecnica: chi indossa un paio di occhiali con una fotocamera da 50 megapixel in giro per la città, quanto si fida di chi li produce?
Hesai digitalizza le stanze
Il 14 ottobre a Shanghai, Hesai ha presentato Kosmo: una fotocamera spaziale che, secondo l’azienda, digitalizza una stanza da 100 metri quadrati in 15 minuti, con risoluzione fino a 8K. L’obiettivo è produrre ambienti 3D da usare come palestra per robot, invece di farli esercitare solo nel mondo reale.
È la stessa scommessa di DexForce, startup di Shenzhen che addestra robot in simulazione e lavora con aziende industriali. La simulazione però non è la realtà: attrito, peso, luce e posizione cambiano. Le competenze acquisite in virtuale vanno comunque validate.
Tre cose da provare questa settimana
1. Misura il costo per compito, non per token. Prendi un flusso che usi davvero, per esempio la stesura di un preventivo o la revisione di un contratto. Conta quante volte lo esegui in una settimana, quanti token consuma e quanti vengono dalla cache. Moltiplicare il prezzo per i token è il modo più rapido per sbagliare previsione: il costo vero dipende da quante volte il modello deve rileggere lo stesso contesto.
2. Dai all’agente una memoria su file. Se usi un agente per un progetto lungo, apri un file di stato con tre sezioni: decisioni prese, cose aperte, prossimo passo. Chiedigli di leggerlo a ogni sessione e di aggiornarlo alla fine. È la versione povera di Active Memory, funziona con qualsiasi modello e ti evita di rispiegare tutto ogni mattina.
3. Pretendi output lunghi, ma controlla a campione. I modelli nuovi producono documenti interi in una risposta. Il rischio non è la lunghezza, è la sicurezza: un output da trenta pagine sembra più autorevole di un paragrafo, anche quando contiene lo stesso errore. Fissa tre punti da verificare sempre: numeri, nomi e date.
Appuntamenti: 19-25 ottobre
20-22 ottobre, Berlino: NVIDIA GTC Berlin. La keynote di Jensen Huang è in programma il 21 ottobre, con sessioni su agenti, robotica e inferenza. È il primo grande evento europeo di NVIDIA dopo la correzione in Borsa. Le sue parole sui data center conteranno più delle slide.
Questa settimana: Meta pubblica i risultati del terzo trimestre, insieme a Tesla e Netflix. Per Meta è il primo conto dopo il lancio di Muse Wonder. Gli investitori vorranno sapere quanto costa servirlo e quanti abbonati ha davvero l’app Muse.
19-20 ottobre, Columbus (Ohio): terza edizione dell’AI Rising Conference, due giorni su adozione aziendale e casi d’uso. Utile se lavori in un’azienda che sta ancora decidendo da dove partire.
Domande frequenti
Gemini 4 Argon costerà davvero il doppio da dicembre?
Sì, secondo Google e Reuters. Il prezzo introduttivo è di 2 dollari per milione di token in input e 10 in output, con cache scontata del 95%. Dal 1° dicembre 2026 le tariffe passano a 4 e 20 dollari. Se stai valutando un progetto, fai il business plan sul prezzo pieno.
Muse Wonder è open source?
No. Meta non ha pubblicato pesi né dettagli sull’architettura. L’accesso passa dall’API a pagamento o da Muse Code, con Muse Wonder Full riservato agli abbonati. La linea Llama open weight, per ora, è ferma.
I pesi di DeepSeek V4.1 Flash 1017 sono davvero liberi?
Sì, la licenza è MIT e i pesi sono su Hugging Face. “Liberi” non significa “gratis da usare”: servono GPU e competenze per servire un modello da 552 miliardi di parametri, anche se gli 8 miliardi attivi in input riducono molto il costo rispetto a un denso equivalente.
L’AI Act si applica agli incidenti avvenuti durante i test?
È la questione aperta. La Commissione sostiene che, se un agente esce dall’ambiente di test e ha effetti sul mercato europeo, le regole diventano applicabili. I legali delle aziende citano l’esenzione per ricerca e sviluppo. Le prime risposte dell’AI Office faranno da precedente.
La settimana nera in Borsa significa che la bolla IA è scoppiata?
Non lo sappiamo. Chi te lo dice con certezza sta vendendo qualcosa. I numeri mostrano una correzione guidata da tassi, debito e dubbi sui ricavi, non dal fallimento tecnico dei modelli. Le aziende continuano a vendere capacità di calcolo; il mercato sta solo chiedendo prova che quella capacità produca utili.
Come funziona
La parola “memoria”, applicata a un agente, confonde tre cose diverse. Vale la pena separarle, perché la maggior parte dei problemi nasce dal confonderle.
La prima è la finestra di contesto: la quantità di testo che il modello può leggere in una singola chiamata. Gemini 4 Argon, Claude Haiku 5.5 e DeepSeek V4.1 Flash dichiarano finestre nell’ordine del milione di token, cioè centinaia di migliaia di parole. Sembra memoria infinita. Non lo è: il modello non ricorda nulla tra una chiamata e l’altra: ogni conversazione riparte da zero.
La seconda è la KV cache, il posto dove il motore di inferenza conserva i calcoli già fatti sui token letti. Serve a non ricalcolare tutto a ogni nuova parola. È qui che si gioca buona parte del costo: DeepSeek, con V4.1 Flash, ha compresso la cache a un quarto della memoria HBM e a un ottavo dello spazio su disco rispetto alla generazione precedente. Un agente che rilegge lo stesso repository dieci volte al giorno vive o muore su questo dettaglio.
La terza è la memoria esterna, cioè tutto ciò che sta fuori dal modello: file, database, indici vettoriali. Quando un agente come Muse Wonder “ricorda” una preferenza detta tre settimane prima, non la tiene nei pesi. La scrive da qualche parte, poi la recupera con una ricerca e la rimette nel contesto al momento giusto. Active Memory è esattamente questo: un meccanismo di scrittura, selezione e richiamo.
Il ciclo completo, in un agente che lavora su un progetto vero, è sempre lo stesso. Legge lo stato dal disco, recupera i documenti pertinenti, riempie il contesto con la parte utile, lavora, produce un risultato e riscrive lo stato. Se il passo di scrittura è pigro, l’agente dimentica. Se è troppo zelante, il file di memoria diventa un secondo problema: lungo, contraddittorio, pieno di dettagli inutili che consumano contesto.
Qui entra in scena Hy-Memory-30B-A3B di Tencent. Non genera risposte: decide cosa merita di essere ricordato e in che forma. È un problema di compressione con perdita, uguale a quello che fa un buon riassunto, con una differenza: sbagliare a ricordare costa molto più che sbagliare a scrivere. Un agente che dimentica una decisione presa ieri la ripropone domani. Chi lavora con lui perde fiducia.
La lezione tecnica della settimana è che la memoria non si compra con la finestra di contesto. Si progetta. Un milione di token senza un criterio di scrittura è solo una stanza più grande in cui accumulare cose. Le stanze piene, si sa, non aiutano a ricordare dove hai messo le chiavi.
