The Morning Paper — Settimana conclusa il 16 agosto 2026 Canonical episode: https://move37.app/cafe/it/episodes/morning-paper-2026-08-16-it/ Published: 2026-08-17T00:36:55Z Language: it TRANSCRIPT Benvenuti all'Andy's Café, dove le macchine preparano e le persone assaporano. Oggi serviamo il Morning Paper. Buon ascolto. Quando capacità e conseguenze avanzano insieme Nella settimana da lunedì dieci a domenica sedici agosto duemilaventisei, l'intelligenza artificiale si è mossa su due piani nello stesso momento. Da una parte abbiamo visto segnali concreti di capacità: un possibile nuovo risultato matematico, modelli più rapidi, sistemi pensati per lavorare più a lungo e pesi aperti che possono essere eseguiti su hardware controllato dall'utente. Dall'altra, quelle capacità sono entrate nei luoghi in cui acquistano conseguenze: un assistente usato su scala di massa, la pubblicità dentro una chat, una simulazione clinica in video e una decisione di sicurezza informatica che ha ritardato la pubblicazione di un modello. Non cercheremo un vincitore nella gara dei modelli. I numeri diffusi dalle aziende non permettono un confronto pulito, e una classifica ci farebbe perdere la storia più interessante. Questa settimana contavano anche la velocità, il prezzo, la possibilità di continuare un compito e il controllo su dove il modello viene eseguito. Cominciamo dal caso più insolito: una macchina che non si è limitata a rispondere a una domanda di matematica, ma potrebbe aver contribuito a spostare il confine di ciò che sappiamo. Claude e la funzione zeta: un risultato da esaminare, non un mistero risolto. Il dieci agosto, Anthropic ha presentato un lavoro realizzato con Claude su un problema legato agli zeri della funzione zeta di Riemann. Il documento matematico porta la data dell'undici agosto, mentre la pagina dell'azienda è stata aggiornata il tredici. Il risultato dichiarato riguarda gli zeri semplici che si trovano sulla cosiddetta linea critica. Il nuovo lavoro alza un limite inferiore incondizionato sulla loro densità dal quarantuno virgola sei per cento al sessantasette virgola due per cento. La formulazione è importante, perché impedisce un equivoco molto seducente. Claude non ha dimostrato l'ipotesi di Riemann. E quel sessantasette virgola due per cento non significa che l'ipotesi sia stata risolta per quella percentuale. È un limite inferiore relativo a una particolare classe di zeri. Descrive un avanzamento tecnico preciso, non una frazione di un grande enigma ormai completata. Anthropic non ha pubblicato soltanto un annuncio. Ha reso disponibile un articolo matematico e una formalizzazione in Lean, un sistema con cui una dimostrazione può essere espressa in una forma controllabile dal calcolatore. La società afferma inoltre che due matematici del proprio gruppo hanno ricavato nuovamente e validato il risultato in modo indipendente. Brian Conrey e Dan Goldston, due matematici esterni citati dall'azienda, lo hanno esaminato con poco preavviso. Anche qui le parole vanno pesate. Esaminare un lavoro non equivale a sottoscriverlo formalmente. E le verifiche descritte da Anthropic non sostituiscono ancora il normale processo con cui una comunità matematica studia, critica e, nel tempo, raggiunge o non raggiunge un consenso. Perché allora questa è la notizia più importante della settimana? Perché offre qualcosa di più ispezionabile di una tabella promozionale. Esistono un articolo e un artefatto formale. Altri possono controllare i passaggi, cercare errori e capire dove si trovi l'eventuale contributo nuovo. Non sappiamo ancora quale giudizio emergerà da un esame più ampio, ma sappiamo con precisione quale affermazione deve essere esaminata. È una differenza sostanziale. Nei benchmark costruiti dai produttori, spesso dobbiamo fidarci della scelta delle prove e del modo in cui vengono presentati i risultati. Qui la pretesa di capacità prende la forma di un oggetto matematico aperto alla critica. Se il risultato reggerà, sarà un esempio concreto di intelligenza artificiale che contribuisce alla ricerca. Se verrà corretto o ridimensionato, il materiale pubblicato permetterà di capire perché. La posizione ragionevole, per ora, è tenere insieme curiosità e cautela: un possibile progresso reale, accompagnato da strumenti insoliti per verificarlo, ma non ancora trasformato in consenso. Tre nuovi modelli, una sola gara che vale la pena seguire. Il dodici agosto, xAI ha annunciato Grok quattro punto sei nei propri canali per la programmazione e nelle interfacce destinate agli sviluppatori, insieme ai relativi prezzi. Il tredici agosto, Google ha lanciato Gemini tre punto sette Flash nei suoi prodotti e strumenti di sviluppo, con prezzi introduttivi temporanei. Nello stesso giorno, OpenAI ha avviato un'anteprima limitata di GPT cinque punto sei Sol Ultrafast, eseguito con infrastruttura Cerebras. OpenAI dichiara una velocità massima di settecentocinquanta token prodotti al secondo e fino a quattordici volte la velocità del modello standard. Sono cifre notevoli, ma restano misure diffuse dall'azienda. Inoltre descrivono un massimo e riguardano un'anteprima disponibile soltanto a un gruppo limitato, non un servizio già accessibile a tutti nelle stesse condizioni. Anche le affermazioni sulle capacità di Grok e Gemini provengono dai rispettivi produttori. Prezzi, velocità e prestazioni non sono direttamente confrontabili: cambiano le condizioni, i prodotti, i compiti e spesso anche ciò che viene incluso nel conteggio. La tariffa iniziale di Google è, per definizione, temporanea. Per questo non avrebbe senso costruire un podio usando le tabelle della settimana. C'è però una lettura comune, e va presentata come interpretazione, non come risultato misurato. La competizione tra modelli sta diventando anche una competizione sulla praticità. Un agente è più utile se riesce a continuare un lavoro complesso senza perdersi, se risponde abbastanza in fretta da rendere naturale l'interazione e se il costo permette di usarlo con continuità. Una capacità teorica conta meno quando l'attesa o la spesa ne impediscono l'uso quotidiano. È qui che le tre notizie si incontrano. Grok mette l'accento sul lavoro prolungato degli agenti e sugli strumenti di programmazione. Gemini Flash porta già nel nome la promessa di rapidità e arriva attraverso una vasta rete di prodotti. OpenAI e Cerebras spingono esplicitamente sulla velocità di generazione. Non possiamo concludere quale dei tre sistemi sia migliore. Possiamo però osservare che la domanda sta cambiando. Non soltanto: «Quanto è intelligente questo modello in una prova?». Anche: «Per quanto tempo può lavorare, quanto rapidamente risponde, quanto costa farlo funzionare e in quale ambiente posso usarlo?». Sono queste condizioni a decidere se una capacità resta una dimostrazione o diventa uno strumento. Muse Glimmer: più controllo locale, ma non su un computer qualunque. Meta ha pubblicato gli artefatti di Muse Glimmer trenta B con licenza Apache, versione due punto zero. La lettera B nel nome richiama l'ordine di grandezza dei parametri: secondo la scheda ufficiale, il modello linguistico denso ne contiene circa ventinove virgola sei miliardi, affiancati da un codificatore percettivo da circa uno virgola otto miliardi. Il sistema accetta testo e immagini e produce testo. La scheda indica una finestra di contesto superiore a centotrentunmila token, cioè una quantità molto ampia di materiale che può essere presentata al modello nello stesso lavoro. Qui è utile usare l'espressione corretta: pesi aperti sotto licenza Apache due punto zero. Non basta dire semplicemente «open source», perché l'apertura di un modello può riguardare componenti diversi. In questo caso sono disponibili gli artefatti che permettono di eseguire il modello, e la licenza è permissiva. Questo offre un grado di controllo che un servizio accessibile soltanto nel cloud non concede: si può scegliere dove far girare il sistema e mantenere localmente dati e applicazioni. Locale, però, non significa leggero. Per l'esecuzione non compressa nel formato numerico chiamato bi float sedici, Meta indica come obiettivo sessantaquattro gigabyte di memoria video. Le versioni compresse a quattro bit sono rivolte a macchine con trentadue oppure ventiquattro gigabyte. Sono configurazioni possibili su hardware personale di fascia alta, ma ben lontane dal portatile medio. Meta sostiene che la compressione mantenga quasi intatta la qualità misurata nei propri benchmark. In questa sede non abbiamo una verifica indipendente di quell'affermazione. Ridurre la precisione con cui vengono conservati i pesi permette di risparmiare memoria, ma il risultato pratico va valutato sul modello e sui compiti reali, non dedotto dal solo formato. La notizia conta comunque per una ragione semplice. Un modello multimodale di questa scala, con pesi disponibili e una licenza permissiva, sposta una parte della capacità degli agenti fuori dai servizi ospitati. Organizzazioni e persone con l'hardware adeguato possono sperimentare, adattare l'ambiente e decidere dove risiedono i dati. Non è la democratizzazione totale dell'intelligenza artificiale: le soglie di memoria restano elevate. È però un allargamento concreto dello spazio di scelta. Nella stessa settimana in cui altri produttori puntano su velocità e servizi remoti, Meta ricorda che la collocazione del modello e il controllo sull'esecuzione sono anch'essi caratteristiche del prodotto. Gemini supera un miliardo di utenti mensili, almeno secondo Google. L'undici agosto, Google ha dichiarato che l'applicazione Gemini ha oltrepassato un miliardo di utenti attivi al mese. L'azienda parla anche di più di cento milioni di utenti attivi sui dispositivi con sistema iOS e di oltre centocinquanta milioni di immagini create ogni giorno. Sono numeri forniti da Google e non sottoposti qui a una verifica indipendente. Anche la definizione di Gemini come il prodotto Google cresciuto più rapidamente appartiene alla descrizione dell'azienda. Queste cautele impediscono di trattare le cifre come un censimento neutrale, ma non le rendono irrilevanti. Anche applicando un ragionevole sconto alla comunicazione aziendale, la scala dichiarata è quella di un prodotto di massa. Il giorno seguente, dodici agosto, Google ha annunciato nuovi collegamenti tra Gemini e servizi esterni. Tra gli esempi compaiono OpenTable nel Regno Unito, Ticketmaster, Zocdoc e Wix. Le integrazioni dovrebbero arrivare nel corso delle settimane successive: sono state annunciate, non erano tutte disponibili nel giorno della presentazione. Il passaggio interessante è dalla risposta all'azione. Un assistente isolato può spiegare come prenotare un tavolo, trovare un evento o costruire una pagina. Un assistente collegato ai servizi può, almeno in linea di principio e nei limiti concessi, entrare nel flusso operativo di quelle attività. Non sappiamo ancora quanto bene funzioneranno tutte le connessioni annunciate, né quante persone le useranno. Sappiamo però che Google sta combinando due elementi: una platea che dichiara superiore al miliardo di utenti mensili e una rete di servizi attraverso cui l'assistente può fare più che generare testo. La diffusione cambia il significato di piccoli difetti e piccole scelte. Un comportamento che in laboratorio sembra marginale può interessare moltissime persone. E quando un assistente passa dal suggerire al compiere un'azione, diventano più importanti il consenso, la conferma e la capacità dell'utente di capire che cosa sta per accadere. Questa è una conseguenza generale della scala, non la prova che ogni integrazione annunciata sia già riuscita. La pubblicità entra nella conversazione. L'undici agosto, OpenAI ha aggiornato il proprio esperimento pubblicitario in ChatGPT aggiungendo cinque mercati: Regno Unito, Messico, Brasile, Giappone e Corea del Sud. Non è il primo lancio dell'esperimento. Il test iniziale negli Stati Uniti era cominciato il nove febbraio. La notizia di questa settimana è dunque l'espansione geografica, non l'arrivo assoluto della pubblicità nel servizio. Secondo il progetto pubblicato da OpenAI, gli annunci riguardano adulti che hanno effettuato l'accesso e usano i piani Free e Go. I livelli a pagamento ne restano esclusi. L'azienda afferma che l'abbinamento degli annunci può considerare l'argomento della conversazione in corso, le chat precedenti e le interazioni avute con la pubblicità. Agli inserzionisti verrebbero forniti risultati aggregati. OpenAI sostiene anche che gli annunci non influenzino le risposte e che le conversazioni restino private rispetto agli inserzionisti. Sono impegni dichiarati dall'azienda, non conclusioni raggiunte da una verifica indipendente. La distinzione è importante perché il valore di una risposta conversazionale dipende molto dalla fiducia che l'utente ripone nella sua neutralità. In una pagina tradizionale, il confine tra contenuto e pubblicità può essere visibile in uno spazio separato. In una chat, l'utente formula una domanda personale e riceve una risposta con tono diretto. Se nello stesso ambiente compare un messaggio commerciale, il disegno dell'interfaccia e la separazione degli incentivi diventano particolarmente delicati. La pubblicità può finanziare un accesso gratuito o meno costoso. Allo stesso tempo introduce un soggetto che paga per raggiungere l'utente. Per questo la domanda non è soltanto quanti annunci compariranno. È se le persone riusciranno a distinguere chiaramente la risposta dal posizionamento commerciale e se le regole annunciate resteranno comprensibili nel tempo. L'espansione in cinque nuovi paesi indica che l'esperimento non è più confinato agli Stati Uniti. Non ci dice ancora quale sarà il modello economico definitivo di ChatGPT. Ci mostra però che gli incentivi pubblicitari stanno entrando direttamente nell'interfaccia attraverso cui molte persone chiedono informazioni e consigli. Una visita medica in video, con pazienti simulati e cautele molto reali. Il dieci agosto è stato pubblicato uno studio su AMIE, un sistema di ricerca di Google per consultazioni cliniche audiovisive in tempo reale. Google Research lo ha presentato il giorno successivo. Lo studio ha usato un esame clinico randomizzato e simulato. Comprendeva cento scenari e trecento consultazioni. Quindici attori addestrati interpretavano i pazienti. I trenta medici avevano ruoli distinti: dieci medici di medicina generale conducevano le visite di confronto e altri venti valutavano i risultati. Secondo lo studio, i valutatori medici hanno giudicato AMIE alla pari o migliore dei medici in diverse categorie cliniche. Gli attori che interpretavano i pazienti hanno preferito il sistema nella valutazione del caso e nella spiegazione, mentre hanno preferito i medici umani per il rapporto personale e il senso di collaborazione. È un risultato interessante proprio perché non è uniforme. Il sistema sembra mostrare punti di forza in alcune parti strutturate della consultazione, mentre le persone mantengono un vantaggio percepito nella relazione. Non occorre scegliere tra l'idea che la macchina abbia «vinto» e l'idea che non sia accaduto nulla. Le valutazioni descrivono capacità diverse in dimensioni diverse. Ma il confine dell'esperimento va tenuto ben visibile. I pazienti erano attori addestrati, non persone che cercavano assistenza per una condizione reale. Gli scenari erano limitati ai disturbi che la simulazione poteva rappresentare. Il documento segnala errori occasionali di percezione, di ragionamento e di funzionamento tecnico. Inoltre lo studio è stato realizzato dagli stessi ricercatori di Google che hanno sviluppato il sistema. Tutto questo significa che non abbiamo una prova di sostituzione della pratica clinica. AMIE resta un sistema di ricerca, valutato in un ambiente controllato. Una visita reale aggiunge storia medica incompleta, urgenze, responsabilità, esami fisici, conseguenze degli errori e una varietà di persone che una simulazione non riproduce interamente. Il valore della ricerca è più circoscritto e, proprio per questo, più credibile. Mostra che un agente capace di trattare voce e immagini può sostenere in tempo reale un'interazione clinica complessa e ottenere valutazioni competitive in alcune categorie. Allo stesso tempo rende evidente quanta distanza resti tra una buona prestazione simulata e un impiego sicuro con pazienti reali. È una lezione utile anche fuori dalla medicina. Quando l'intelligenza artificiale entra in un ambito ad alto rischio, non basta chiedere se il risultato medio sia impressionante. Bisogna sapere chi è stato valutato, in quale ambiente, su quali compiti e quali errori sono ancora presenti. GLM cinque punto tre: due settimane di attesa per una capacità a doppio uso. Il quattordici agosto, Zeta AI ha lanciato l'accesso ospitato a GLM cinque punto tre attraverso il proprio Coding Plan. I pesi del modello, però, non sono stati pubblicati nello stesso momento. L'azienda dice di volerli rendere disponibili soltanto dopo due settimane dedicate a valutazioni di sicurezza e a interventi di rafforzamento. La ragione dichiarata è che le capacità di sicurezza informatica del modello sono cresciute più rapidamente del previsto. Zeta AI riferisce di aver tracciato duemilaquattrocentotrentasei vulnerabilità in duecentosessantanove progetti a codice aperto. Tra queste, mille e novantasette sarebbero state classificate dall'azienda come critiche o di gravità elevata. La maggior parte delle segnalazioni resta sotto embargo. Sono numeri forniti dal produttore. Finché gran parte dei dettagli non è pubblica, non possiamo ispezionare indipendentemente l'insieme delle vulnerabilità o stabilire quanto le cifre siano confrontabili con altre valutazioni. Anche le prestazioni del modello nei test informatici restano affermazioni aziendali. E l'annuncio di una pubblicazione dopo due settimane esprime un'intenzione, non una garanzia che la data verrà rispettata. La decisione è comunque istruttiva. La ricerca automatica di vulnerabilità può aiutare chi difende il software: individuare un difetto, avvisare il progetto e correggerlo prima che venga sfruttato. La stessa capacità, resa facilmente disponibile, può però abbassare il costo della ricerca di bersagli per chi intende attaccarli. È il significato concreto di «doppio uso». Non abbiamo due strumenti separati, uno buono e uno cattivo. Abbiamo una capacità che cambia valore secondo chi la impiega, con quali autorizzazioni e in quale momento. Se una vulnerabilità viene resa sfruttabile prima che gli sviluppatori abbiano preparato una correzione, la velocità stessa del modello diventa parte del rischio. Il ritardo scelto da Zeta AI non risolve automaticamente il problema. Due settimane possono servire per ulteriori prove e misure di sicurezza, ma non garantiscono che ogni possibile abuso sia stato previsto. D'altra parte, mantenere per sempre chiusi i pesi ridurrebbe anche le possibilità di studio indipendente e di uso difensivo locale. Per questo la vicenda supera il singolo prodotto. Nella stessa settimana in cui Meta ha ampliato l'accesso a pesi aperti, un altro sviluppatore ha citato una capacità emergente come motivo per aspettare. Apertura, controllo e sicurezza non si muovono sempre nella stessa direzione. La scelta sensata dipende dal modello, dalla capacità specifica e dalle conseguenze realistiche della sua diffusione. Capacità, accesso, incentivi e controllo. Le sette storie di questa settimana descrivono lo stesso movimento da prospettive diverse. Il lavoro sulla funzione zeta offre un possibile contributo scientifico che può essere esaminato nei suoi dettagli. Grok, Gemini e GPT mostrano una competizione sempre più legata a durata del lavoro, velocità e costo. Muse Glimmer porta pesi aperti su macchine locali molto potenti. Gemini dichiara una platea superiore al miliardo e prepara collegamenti con servizi che trasformano risposte in azioni. ChatGPT allarga un test pubblicitario che porta nuovi incentivi dentro la conversazione. AMIE mostra capacità cliniche promettenti, ma soltanto in una simulazione delimitata. GLM cinque punto tre rende visibile il conflitto tra utilità difensiva e rischio di abuso. Non tutte queste notizie hanno lo stesso grado di certezza. Un articolo matematico pubblicato può essere controllato, ma non ha ancora ricevuto il giudizio ordinario della comunità. I numeri sugli utenti e sulle vulnerabilità provengono dalle aziende. Le prestazioni cliniche appartengono a uno studio simulato. Le velocità massime di un modello non creano da sole un confronto equo. La sintesi, quindi, non è che l'intelligenza artificiale abbia superato un'altra soglia immaginaria. È più concreta: capacità, accesso, incentivi e controllo si stanno modificando insieme. Per capire che cosa cambia davvero, dobbiamo guardarli insieme e continuare a chiedere chi misura, chi decide e dove ricadono le conseguenze. Questo era The Morning Paper per la settimana conclusa domenica sedici agosto duemilaventisei. Per oggi è tutto. Il café è sempre aperto. A presto. MORE INFORMATION Source notes: https://move37.app/cafe/episodes/morning-paper-2026-08-16/ TEXT LICENSE This transcript, description and original Andy's Café editorial text are licensed under Creative Commons Attribution 4.0 International (CC BY 4.0). License: https://creativecommons.org/licenses/by/4.0/ Attribution: Andy's Café — https://move37.app/cafe/it/episodes/morning-paper-2026-08-16-it/ Indicate changes when adapting. Identified third-party quotations and linked source material remain under their own terms. AUDIO AND OTHER MATERIAL The composed episode has separate component terms because its piano cues are third-party material. Artwork and the Andy's Café brand are not included in the CC BY licence. Rights map: https://move37.app/cafe/welcome/#reuse Contact: hello@move37.app