quando la velocità diventa più importante dell’ingegno ⚡🧠

Più economico anziché geniale: il sorprendente cambio di strategia di Google al Gemini

Il nuovo piano di Google per l’IA: l’azienda sta abbandonando la corsa all’intelligenza artificiale più avanzata?

Google sta cambiando radicalmente le regole del gioco nella corsa globale all’intelligenza artificiale. Invece di impegnarsi in una battaglia isolata con concorrenti come OpenAI e Anthropic per il modello di punta più intelligente – e quindi più costoso – il gigante tecnologico si sta concentrando sull’efficienza radicale. Con la sua nuova famiglia di modelli incentrata su Gemini 3.6 Flash, l’estremamente efficiente dal punto di vista energetico Flash-Lite e il modello Cyber, altamente specializzato ma attualmente top secret, un nuovo parametro sta diventando centrale: la riduzione dei costi con la massima praticità. Mentre l’attesissimo modello di punta Gemini 3.5 Pro non è ancora disponibile, Google si sta riposizionando come fornitore fondamentale e indispensabile per la crescita rapida dell’economia degli agenti. Ma cosa significa questo cambio di strategia per il futuro dell’IA generativa? E perché Google considera il suo ultimo modello di sicurezza troppo rischioso per il grande pubblico? Il seguente articolo analizza il percorso pragmatico di Google verso la prossima generazione di IA ed esamina il suo enorme impatto su aziende e sviluppatori.

Perché Google preferisce realizzare tre piccoli modelli piuttosto che mantenere un’unica grande promessa

L’ultima mossa di Google nella corsa tra i principali fornitori di intelligenza artificiale segue uno schema che sta diventando sempre più la norma nel settore: invece di un singolo progresso monolitico, l’azienda sta offrendo un’intera famiglia di modelli pensati per diversi casi d’uso. Con Gemini 3.6 Flash, Gemini 3.5 Flash-Lite e Gemini 3.5 Flash Cyber, Google lancia la prossima fase evolutiva a pochi mesi dall’introduzione di Gemini 3.5 Flash a maggio. Ciò che è notevole non è tanto la sostanza tecnica delle singole innovazioni, quanto il messaggio strategico sottostante: Google non si posiziona più principalmente come fornitore del modello più intelligente, ma piuttosto come fornitore dell’ecosistema di intelligenza artificiale più efficiente dal punto di vista economico.

La frugalità come nuovo status symbol nella corsa all’intelligenza artificiale

Il principale punto di forza di Gemini 3.6 Flash non è l’aumento dell’intelligenza, bensì la riduzione dei costi. Google pubblicizza una riduzione di circa il 17% nel consumo di token rispetto al suo predecessore, la versione 3.5 Flash, basandosi sulle misurazioni dell’Artificial Analysis Index. In alcuni benchmark, come DeepSWE, si afferma che il costo per token di output generato si riduca addirittura del 65%. Allo stesso tempo, anche il prezzo nominale è stato ridotto: mentre Gemini 3.5 Flash veniva fatturato a 1,50 dollari per milione di token di input e 9 dollari per milione di token di output, Gemini 3.6 Flash costa solo 7,50 dollari per milione di token di output, con costi di input invariati. Questa combinazione di minori consumi e un prezzo unitario inferiore si traduce in un effetto chiaramente percepibile sui costi operativi delle aziende che implementano l’IA generativa su larga scala.

Questa attenzione all’efficienza non è casuale, ma piuttosto l’espressione di una realtà economica che sta plasmando l’intero settore. I modelli linguistici di grandi dimensioni comportano costi computazionali per ogni singola query, che si sommano a cifre considerevoli quando si tratta di milioni o miliardi di query giornaliere. I fornitori di servizi cloud e gli operatori di piattaforme che desiderano scalare sistemi di agenti in grado di gestire autonomamente attività a più fasi devono ridurre drasticamente il consumo di token per ogni passaggio; in caso contrario, i benefici economici di tali sistemi saranno annullati dai costi dell’infrastruttura. Google affronta proprio questo problema offrendo un nuovo modello che, secondo quanto dichiarato dall’azienda stessa, richiede un minor numero di processi di pensiero e di chiamate a strumenti per completare flussi di lavoro a più fasi.

Progressi tecnologici che vanno oltre la mera questione dei costi

Oltre a una maggiore efficienza, Gemini 3.6 Flash mostra miglioramenti anche nei benchmark di performance classici. Nei compiti di programmazione, misurati dal test DeepSWE, il tasso di successo sale dal 37 al 49%. Nel benchmark di ricerca ML MLE Bench, il modello migliora dal 49,7 al 63,9%. Progressi sono evidenti anche nei compiti basati sulla conoscenza: il punteggio GDPval-AA sale da 1349 a 1421 punti. Particolarmente degno di nota è il miglioramento nell’alfabetizzazione informatica, nello specifico la capacità dell’IA di navigare autonomamente nelle interfacce utente grafiche: il punteggio OSWorld-Verified aumenta dal 78,4 all’83%. Inoltre, la base di conoscenza del modello è stata aggiornata da gennaio 2025 a marzo 2026, un vantaggio pratico significativo nell’odierno panorama tecnologico in rapida evoluzione.

Nonostante questi progressi, Gemini 3.6 Flash rimane chiaramente un modello di fascia media. Nei test comparativi diretti su piattaforme come Arena.ai, si posiziona dietro a modelli di punta come Claude Opus o il nuovo GPT 5.6-Sol. Non si tratta di un punto debole, bensì di una scelta progettuale deliberata: Google rinuncia all’affermazione di offrire il modello più potente in assoluto e si concentra invece su un segmento in cui velocità, costo e qualità sufficiente sono più importanti del massimo teorico in termini di intelligenza. Questa strategia ricorda la classica segmentazione del mercato in altri settori tecnologici, come quello dei processori, dove i produttori offrono costantemente prodotti di fascia media efficienti per applicazioni di massa, accanto a chip ad alte prestazioni.

Il nuovo strato di base per l’economia degli agenti

Con Gemini 3.5 Flash-Lite, Google persegue un obiettivo di efficienza ancora più ambizioso. Questo modello è esplicitamente progettato come base per la creazione e la scalabilità di agenti di intelligenza artificiale, ovvero sistemi in grado di elaborare autonomamente attività complesse in più fasi, senza richiedere l’intervento umano in ogni passaggio. Supera significativamente il suo predecessore, 3.1 Flash-Lite, nei benchmark sia per le attività basate sulla conoscenza che per quelle di programmazione, mentre i costi operativi rimangono eccezionalmente bassi, pari a 0,30 dollari per milione di token di input e 2,50 dollari per milione di token di output. La flessibilità del modello è notevole: a seconda del caso d’uso, può essere configurato per operare in modo particolarmente rapido ed economico oppure per fare maggiore affidamento sulle sue capacità di ragionamento. Quest’ultima opzione si rende necessaria quando le attività devono essere elaborate in modo collaborativo da diverse subroutine specializzate, note come subagenti.

Questa scelta architetturale rivela la direzione in cui si sta muovendo l’intero settore. Molti osservatori di mercato ritengono che il futuro dell’IA non risieda in modelli individuali sempre più grandi, bensì in sistemi in rete di modelli più piccoli e specializzati che, lavorando insieme, mappano processi complessi. Un singolo calcolo di grandi dimensioni eseguito da un modello potente viene sostituito da molte query piccole ed economiche a modelli snelli che collaborano in parallelo o in sequenza. Un modello come Flash-Lite si adatta perfettamente a questa architettura perché riduce il costo per query a tal punto da rendere economicamente sostenibile un elevato numero di query. L’annuncio che Flash-Lite fornirà risultati di IA anche nella ricerca web di Google sottolinea ulteriormente il ruolo centrale che Google attribuisce a questo modello snello nel mercato di massa.

Uno strumento dalle due facce: la sicurezza informatica come settore imprenditoriale

La terza nuova versione, Gemini 3.5 Flash Cyber, segna una significativa espansione della serie Flash in un’area altamente sensibile. Questo modello è stato specificamente addestrato per individuare e analizzare le vulnerabilità di sicurezza nel codice software e per suggerire misure correttive. Questa specializzazione si basa sull’efficiente Gemini 3.5 Flash, ulteriormente perfezionato attraverso un addestramento mirato per analizzare grandi codebase. Invece di inviare un’unica, onerosa query a un modello molto grande, l’agente di sicurezza generale Codemender richiama più volte il modello Cyber ​​ottimizzato per esaminare in parallelo diversi percorsi di esecuzione di un programma. I singoli risultati parziali vengono quindi consolidati in un report completo.

Le prestazioni di questo approccio sono evidenti in cifre concrete. In un test sul complesso motore JavaScript V8, il modello di sicurezza informatica ha identificato 55 vulnerabilità distinte e confermate, mentre il modello Flash generico ne ha trovate solo 47 e Claude Opus 4.6 di Anthropic appena 36. Dieci delle vulnerabilità scoperte sono state individuate esclusivamente dal modello di sicurezza informatica specializzato. Nel benchmark CyberGym, che valuta gli agenti di intelligenza artificiale rispetto a centinaia di vulnerabilità software reali, il modello, in combinazione con più esecuzioni, raggiunge un livello di prestazioni paragonabile a modelli di sicurezza significativamente più grandi e costosi di fornitori come Anthropic e OpenAI. In un test interno condotto dal team di sicurezza cloud di Google, il modello ha scoperto diverse vulnerabilità critiche nei sistemi di produzione in sole due ore, tra cui una vulnerabilità di corruzione della memoria per la quale ha anche generato un exploit funzionante che aggirava i comuni meccanismi di protezione come la randomizzazione dello spazio degli indirizzi.

Questa enorme capacità di identificare le vulnerabilità nel codice rappresenta anche il rischio maggiore del modello. Google stessa riconosce apertamente la duplice natura della tecnologia: la stessa capacità che consente ai difensori di colmare le vulnerabilità potrebbe essere utilizzata dagli aggressori per sfruttare proprio quelle stesse falle prima che vengano corrette. Per questo motivo, Google ha deciso di non rendere il modello pubblicamente disponibile per il momento, ma di condividerlo esclusivamente attraverso il proprio strumento di sicurezza, Codemender, nell’ambito di un programma pilota strettamente controllato con governi e partner selezionati e fidati. Non è stata fornita alcuna tempistica precisa per l’ampliamento dell’accesso. Questa riluttanza riflette una crescente consapevolezza nel settore che i sistemi di intelligenza artificiale altamente specializzati nel campo della sicurezza non possono essere rilasciati con le stesse regole delle applicazioni chatbot generiche.