La nuova frontiera dell’AI non è solo un chatbot più brillante. È una bolletta elettrica da discutere, un robot che mescola provette e un modello che costa la metà del precedente. Oggi guardiamo cosa succede quando la corsa all’intelligenza artificiale esce dallo schermo e incontra fabbriche, laboratori e regole molto concrete.
1. OpenAI dimezza i prezzi, ma GPT-6 non fa un salto spettacolare
OpenAI ha presentato due nuove varianti della famiglia GPT-6, chiamate Sol e Luna. La promessa è semplice e molto allettante per le aziende: prestazioni simili ai modelli precedenti, ma a circa metà del prezzo per token. I token sono i piccoli pezzi di testo che un modello legge e produce, quindi in pratica sono l’unità con cui si paga ogni conversazione, riassunto o documento analizzato.
La mossa punta direttamente al portafoglio di chi usa l’AI su larga scala, dai software di assistenza clienti agli strumenti per programmatori. Secondo le analisi indipendenti citate da The Decoder, però, la qualità delle risposte e le capacità di ragionamento non sembrano migliorare in modo clamoroso. Non è la classica nuova generazione che rende improvvisamente vecchia quella precedente, è più un’offerta da supermercato: quasi lo stesso prodotto, scaffale più conveniente.
Dietro al prezzo c’è anche la gara con Anthropic, che offre modelli percepiti come molto capaci ma spesso più costosi. Per OpenAI, abbassare il costo può essere un modo efficace per trattenere clienti e rendere più semplice mettere l’AI dentro prodotti quotidiani. Il mercato, insomma, sta entrando in una fase meno teatrale e più pratica: conta sempre di più quanto costa automatizzare un’attività, non solo quale modello vince un test online.
👉 In pratica, per chi lavora in ufficio questo significa che vedrà funzioni AI più economiche dentro gli strumenti che già usa. Non aspettarti magie nuove ogni settimana, ma è probabile che l’AI smetta gradualmente di essere un extra a pagamento.
Leggi la fonte → (The Decoder)
2. Claude Opus 5.5 arriva con un lucchetto in più
Anthropic ha lanciato Claude Opus 5.5, una nuova versione del suo modello più potente, mettendo al centro la sicurezza informatica. L’azienda dice di aver rafforzato le protezioni contro comportamenti rischiosi, compresi i tentativi del modello di uscire dall’ambiente di prova in cui viene testato. La notizia arriva dopo episodi recenti in cui strumenti di AI sono stati collegati ad attività di hacking sempre più autonome.
Vale la pena chiarire un punto: non significa che Claude “vuole scappare” come in un film di fantascienza. I ricercatori simulano scenari in cui un sistema potrebbe trovare scorciatoie, usare strumenti concessi male o aggirare limiti operativi. È un po’ come collaudare un’auto su una pista piena di ostacoli prima di lasciarla circolare in città, solo che qui gli ostacoli sono dati, software e permessi digitali.
La scelta di Anthropic racconta un cambio di tono nel settore. Fino a poco fa, i lanci erano soprattutto una gara a chi scriveva meglio, programmava meglio o rispondeva più velocemente. Ora i produttori devono dimostrare anche di saper limitare gli usi pericolosi, soprattutto quando i loro modelli possono aiutare a individuare vulnerabilità informatiche o automatizzare operazioni complesse.
👉 Se nella tua azienda si valutano chatbot o assistenti AI, la domanda non dovrebbe essere solo “quanto è bravo?”. Chiedi anche quali controlli ha, quali dati può vedere e chi risponde se viene usato nel modo sbagliato.
Leggi la fonte → (The Verge)
3. La California presenta il conto ai data center dell’AI
Il governatore della California, Gavin Newsom, ha firmato sette leggi per impedire che i costi energetici e idrici dei data center ricadano sulle famiglie. I data center sono gli enormi edifici pieni di computer che fanno girare servizi cloud e modelli di AI. Per funzionare richiedono molta elettricità e, spesso, molta acqua per raffreddare le macchine.
Il pacchetto obbliga la commissione californiana che regola le utility a creare una categoria tariffaria specifica per questi impianti. Inoltre, i data center dovranno contribuire agli aggiornamenti necessari alla rete elettrica, invece di lasciare la spesa agli altri clienti. È un dettaglio apparentemente burocratico, ma tocca una questione molto concreta: se arriva un grande impianto vicino a casa, chi paga i nuovi cavi, le centrali e l’infrastruttura necessaria?
La California è spesso un laboratorio normativo per gli Stati Uniti, quindi la decisione potrebbe fare scuola. Mentre le aziende tecnologiche annunciano investimenti miliardari nell’AI, cresce il controllo pubblico sull’impronta fisica della tecnologia. Il dibattito non è contro i data center in sé, ma contro un modello in cui i profitti sono privati e gli eventuali rincari in bolletta diventano collettivi.
👉 Il punto è che l’AI non vive in una nuvola eterea, vive in edifici che consumano risorse reali. Regole come queste potrebbero influenzare i prezzi dei servizi digitali e la velocità con cui verranno costruite nuove infrastrutture anche altrove.
Leggi la fonte → (The Verge)
4. Anthropic porta Claude in un laboratorio di biologia
Anthropic sta costruendo un proprio laboratorio di biologia in cui Claude guiderà robot durante esperimenti legati allo sviluppo di farmaci. Finora gran parte dell’AI applicata alla ricerca scientifica lavorava su simulazioni, database e previsioni al computer. Qui il progetto fa un passo ulteriore: le indicazioni dell’AI dovranno tradursi in provette, strumenti e risultati osservabili nel mondo reale.
L’idea è usare robot di laboratorio per eseguire esperimenti ripetitivi con precisione, mentre il modello aiuta a pianificare i passaggi, interpretare i dati e proporre l’esperimento successivo. Non significa che Claude inventerà da solo una cura domani mattina. Significa piuttosto che il ciclo classico, ipotesi, test, risultato, nuova ipotesi, potrebbe diventare più rapido e continuo.
Il laboratorio serve anche a capire dove l’AI sbaglia quando smette di lavorare su un testo e deve confrontarsi con la materia. In biologia un’istruzione ambigua, un dato incompleto o una previsione troppo sicura possono far perdere tempo e risorse, se non peggio. Per questo l’automazione scientifica avrà bisogno di controlli umani, protocolli chiari e di persone capaci di distinguere una buona intuizione da una risposta scritta con grande sicurezza ma poca sostanza.
👉 Tradotto: i primi effetti potrebbero arrivare in farmaci e diagnostica prima che nei chatbot che usiamo ogni giorno. Per chi lavora nella ricerca, questa è soprattutto una nuova squadra: software, robot e scienziati allo stesso banco.
Leggi la fonte → (The Decoder)
5. Toyota immagina 400.000 robot per le sue fabbriche
Toyota stima che per ampliare l’automazione nelle sue fabbriche, nelle società del gruppo e presso i grandi fornitori potrebbero servire circa 400.000 robot. La cifra è emersa in discussioni con gli investitori e riguarda un piano che, se realizzato, potrebbe comportare una spesa annua di circa 1.000 miliardi di yen, pari a 6,4 miliardi di dollari, dal 2028. L’azienda non ha però confermato che l’intero investimento verrà effettivamente approvato.
Qui entra in gioco quella che molti chiamano AI fisica: intelligenza artificiale applicata a macchine che devono vedere, afferrare, spostarsi e lavorare in spazi veri. Non parliamo solo dei classici bracci robotici che ripetono sempre lo stesso gesto dietro una gabbia. L’obiettivo è rendere gli impianti più flessibili, capaci di adattarsi a prodotti, componenti e imprevisti diversi.
Toyota non è sola, ma le sue dimensioni rendono la stima particolarmente significativa. Quando una delle più grandi case automobilistiche del mondo pianifica centinaia di migliaia di robot, segnala che la corsa all’AI non riguarda soltanto chip e applicazioni da ufficio. La sfida sarà organizzativa oltre che tecnologica: integrare le macchine, formare le persone e mantenere affidabili processi che non possono permettersi una risposta fantasiosa da chatbot.
👉 Per te cambia che l’AI comincerà a comparire sempre più nei prodotti e nei servizi, anche quando non la vedi. Tempi di consegna, qualità e lavori di manutenzione potrebbero essere tra i primi aspetti a trasformarsi.
Leggi la fonte → (AI News)
In breve
- Snorkel AI ha raccolto 350 milioni di dollari e ha portato la propria valutazione a 3,5 miliardi. Il suo business è aiutare le aziende a preparare dati migliori per addestrare l’AI: promemoria utile, senza buoni dati anche il modello più celebrato ragiona con le scarpe slacciate.
- Qualcomm ha presentato due nuovi chip per smartphone con un forte accento sull’AI eseguita direttamente sul telefono. Il modello di punta può far girare localmente un modello con 30 miliardi di parametri, cioè senza mandare ogni richiesta al cloud: una possibile spinta per velocità e privacy.
- Qwen, il team AI di Alibaba, ha pubblicato Qwen-Image-2.1, un modello a pesi aperti da 7 miliardi di parametri per generare e modificare immagini. Può lavorare con più immagini di riferimento e gestire la trasparenza, ma per gli usi commerciali serve una licenza separata: aperto non vuol dire automaticamente utilizzabile senza condizioni.
- ByteDance ha lanciato Dramagic, una piattaforma che promette di produrre brevi drammi dal copione al video. In Cina il formato è già enorme: nel primo trimestre 2026 sono usciti 128.000 short drama e, secondo l’azienda, il 95% era generato con AI.
Lo sapevi che…
Il primo programma considerato un compositore di musica per computer, Illiac Suite, fu creato nel 1957 da Lejaren Hiller e Leonard Isaacson. L’AI generativa, insomma, provava a fare arte quando molti computer occupavano ancora un’intera stanza.
Tool del giorno
Crea video con avatar AI che parlano qualsiasi lingua, con lip-sync realistico. Clona te stesso in 30 lingue.
Come usarlo: Carica un tuo video di 2 minuti per creare il tuo avatar. Poi scrivi un testo in qualsiasi lingua e il tuo clone digitale lo recita con movimenti naturali delle labbra. Perfetto per video aziendali multilingua.
Ti è piaciuta questa edizione?
Ricevila gratis ogni lunedì, mercoledì e venerdì.