AI e AGI, le ultime novità: modelli più accessibili e la sfida del controllo

Illustrazione concettuale di una rete luminosa che emerge da un microchip, osservata da una figura umana.
Illustrazione concettuale generata con intelligenza artificiale per Scifaith.

Rassegna aggiornata al 9 ottobre 2026.

L’intelligenza artificiale sta cambiando a una velocità che rende difficile separare i progressi concreti dalle promesse. Nei primi giorni di ottobre sono arrivati nuovi modelli, iniziative per la sicurezza informatica e analisi sul ruolo dell’AI nella ricerca scientifica. Sullo sfondo resta la domanda più ambiziosa: quanto ci avvicina tutto questo all’intelligenza artificiale generale, o AGI? Le notizie più recenti raccontano un salto nell’accessibilità e nelle applicazioni, ma non autorizzano a confondere ogni nuovo risultato con il raggiungimento di quella soglia.

Claude Haiku 5.5: l’AI diventa più economica da usare

Il 7 ottobre Anthropic ha presentato Claude Haiku 5.5, un modello pensato soprattutto per attività frequenti e circoscritte: sintesi di documenti, classificazione, interrogazione di database e supporto ad altri agenti software. Secondo l’azienda, il costo medio di esecuzione è circa il 75% inferiore rispetto a Haiku 4.5. È una stima del produttore che considera prezzi e consumo di token, non una riduzione identica per ogni utilizzo.

La novità interessante è il rapporto tra capacità, velocità e costo. Un sistema più economico può rendere praticabili operazioni che, ripetute migliaia di volte, prima pesavano troppo sul budget. Anthropic precisa però che i modelli più grandi restano preferibili per compiti di programmazione agentica complessi. Anche i risultati dei benchmark pubblicati vanno letti nel contesto delle valutazioni del fornitore. Fonte: annuncio di Anthropic del 7 ottobre 2026.

Mistral Large 4: la nuova tappa europea

Il 6 ottobre Mistral ha annunciato l’anteprima pubblica di Mistral Large 4, accessibile attraverso API su Mistral Studio. L’azienda lo presenta come un avanzamento nella competizione tra modelli a pesi aperti, ossia sistemi i cui parametri vengono resi disponibili per utilizzi disciplinati dalla relativa licenza.

Qui una distinzione temporale è essenziale: l’anteprima del servizio è disponibile, mentre il rilascio dei pesi è annunciato per la fine di ottobre. Non si tratta quindi di due disponibilità già coincidenti. Per chi segue l’AI in Europa, sarà interessante verificare come la promessa di apertura si tradurrà nelle condizioni effettive del rilascio e negli impieghi concreti. Fonte: presentazione ufficiale di Mistral Large 4.

La sicurezza informatica diventa una prova decisiva

L’8 ottobre Anthropic ha lanciato la Cyber Mission, un’iniziativa che punta a sostenere la difesa delle infrastrutture critiche e del software open source. Il programma comprende collaborazione con specialisti dei sistemi industriali e OSS Scanner, un servizio gratuito di scansioni periodiche per progetti open source aderenti.

La stessa azienda esplicita un limite importante: i rapporti di OSS Scanner sono generati dai modelli e inviati senza revisione umana, quindi possono contenere inesattezze. Individuare una possibile vulnerabilità, valutarne la gravità e correggerla restano passaggi diversi. Nei sistemi che gestiscono energia, acqua o trasporti, una modifica deve inoltre essere compatibile con la continuità del servizio.

È un esempio concreto del problema del controllo: rendere l’AI più capace aumenta il valore degli strumenti difensivi, ma rende ancora più importante verificarne gli esiti. Fonte: Anthropic Cyber Mission, 8 ottobre 2026.

AI nella scienza: produrre ipotesi non basta

Sempre l’8 ottobre, Alex Imas e James Manyika hanno pubblicato sul DeepMind Institute un’analisi su come l’AI stia trasformando la scoperta scientifica. Il punto centrale riguarda il passaggio da strumenti che accelerano singole operazioni a sistemi capaci di ampliare le domande affrontabili dai ricercatori.

Gli autori sottolineano però un ostacolo: generare più ipotesi e previsioni non elimina il tempo necessario a verificarle. Esperimenti fisici, interpretazione dei risultati e controllo degli errori possono diventare il collo di bottiglia. Un candidato promettente prodotto al computer deve ancora superare la prova della realtà.

Per chi immagina uno “scienziato artificiale” completamente autonomo, questa è una distinzione sostanziale. L’analisi descrive opportunità e limiti della collaborazione tra persone, agenti e modelli specializzati; non annuncia la sostituzione del metodo sperimentale. Fonte: DeepMind Institute, analisi dell’8 ottobre 2026.

E l’AGI? Potrebbe non essere una singola “mente”

Per AGI si intende, in termini generali, un’intelligenza artificiale capace di affrontare un’ampia varietà di compiti cognitivi e trasferire competenze tra contesti diversi. È un concetto più ambizioso del successo in una singola prova. Parlare di capacità generali, inoltre, non equivale a dimostrare coscienza o esperienza soggettiva.

Un contributo al dibattito arriva dal saggio del 24 settembre firmato da Benjamin Bratton, Blaise Agüera y Arcas e James Manyika. Gli autori propongono l’idea di un’intelligenza “simbiotica”: l’AGI potrebbe emergere dall’interazione fra più modelli, strumenti, persone e istituzioni, anziché da un unico sistema isolato.

È una prospettiva teorica, non la certificazione che l’AGI sia stata raggiunta. Il DeepMind Institute specifica inoltre che i saggi esprimono le idee degli autori e non vanno interpretati come posizioni ufficiali di Google. La proposta sposta l’attenzione anche sulle regole della collaborazione: chi decide, chi verifica e chi risponde degli errori? Fonte: Artificial symbiotic intelligence, DeepMind Institute.

Che cosa osservare nei prossimi mesi

Letti insieme, questi annunci suggeriscono una direzione: l’AI si diffonde attraverso sistemi specializzati, strumenti coordinati e costi più sostenibili. Per valutarne il progresso servirà guardare oltre i titoli: disponibilità effettiva, risultati riproducibili, capacità di affrontare situazioni nuove e affidabilità quando qualcosa va storto.

La domanda sull’AGI rimane aperta in questa rassegna: le fonti esaminate non offrono una dimostrazione condivisa del suo raggiungimento. Offrono invece elementi concreti per discutere come costruire sistemi utili, verificarli e mantenere un ruolo umano nelle decisioni che contano.

Immagine di copertina: illustrazione concettuale generata con intelligenza artificiale per Scifaith.

Condividi

Comments

No comments yet. Why don’t you start the discussion?

Lascia un commento