AI Wars: Quando i giganti si scontrano e il futuro si decide

Ecco la verità: Anthropic ha appena lanciato Claude Opus 4.7, e tutti stanno facendo finta che sia una vittoria netta. Ma dietro i numeri c'è una storia più complessa.

Il nuovo modello supera GPT-5.4 di OpenAI su diversi benchmark chiave, ma i margini sono risicati: 7-4 sui test comparabili diretti. Non è esattamente una rivoluzione, è più un sorpasso in curva. Opus 4.7 eccelle nel coding autonomo e nell'analisi finanziaria, ma GPT-5.4 mantiene il vantaggio nella ricerca agente e nel Q&A multilingue.

Il vero problema è che Anthropic sta giocando con le carte coperte. Il loro modello più potente, Mythos Preview, rimane riservato a partner selezionati come Nvidia e Microsoft per "motivi di sicurezza informatica". Traduzione: hanno costruito qualcosa di così potente che non osano rilasciarlo pubblicamente.

Ma il mercato non perdona le mezze misure. Con una valutazione di 800 miliardi di dollari e ricavi annui di 30 miliardi, Anthropic deve dimostrare che può competere senza nascondere i suoi assi nella manica. Opus 4.7 è un passo nella giusta direzione, ma la vera battaglia si combatterà quando Mythos uscirà allo scoperto.

Nessuno vuole dirlo, ma OpenAI sta chiaramente rincorrendo Anthropic nel coding AI. L'aggiornamento massiccio di Codex è una risposta diretta al successo di Claude Code, e le somiglianze non sono casuali.

Le nuove funzionalità sono impressionanti: Codex può ora operare in background sul desktop, controllare app multiple in parallelo, e persino ricordare le preferenze passate. Ma guardiamo oltre l'hype: molte di queste capacità erano già disponibili in Claude Code da mesi.

Il timing è tutto. Mentre Anthropic domina le classifiche enterprise per il coding, OpenAI sta disperatamente cercando di recuperare terreno. L'aggiunta di 90+ plugin e la funzione "memory" sono mosse aggressive, ma arrivano quando il mercato ha già scelto i suoi favoriti.

La vera sfida per OpenAI non è tecnologica, è di percezione. Gli sviluppatori si sono già abituati a Claude Code, e cambiare workflow consolidati richiede molto più di qualche feature in più. Codex dovrà dimostrare di essere non solo competitivo, ma superiore.

Dimentichiamo l'hype e parliamo di fatti: OpenAI ha appena lanciato GPT-Rosalind, un modello specializzato per le scienze della vita che potrebbe cambiare il modo in cui sviluppiamo farmaci. Ma c'è un problema: è disponibile solo per clienti enterprise qualificati negli Stati Uniti.

Il modello, addestrato specificamente per genomica, ingegneria proteica e chimica, ha superato GPT-5.4 in 6 test su 11 nel benchmark LABBench2. In collaborazione con Dyno Therapeutics, ha raggiunto il 95° percentile degli esperti umani nella predizione sequenza-funzione. Non male per un'AI.

Ma il vero problema è l'accesso limitato. Mentre OpenAI predica democratizzazione dell'AI, Rosalind è riservato a chi può permetterselo e superare controlli di sicurezza rigorosi. È una strategia comprensibile per un modello che può progettare strutture biologiche, ma contraddice la missione dichiarata dell'azienda.

Le partnership con Amgen, Moderna e Allen Institute dimostrano che c'è appetito nel mercato. La domanda è: quanto tempo ci vorrà prima che questa tecnologia raggiunga laboratori più piccoli che potrebbero beneficiarne di più?

Quello che non vi stanno dicendo è che Physical Intelligence ha appena fatto qualcosa che nemmeno i suoi ricercatori si aspettavano. Il loro modello π0.7 può eseguire compiti per cui non è mai stato addestrato, combinando frammenti di conoscenza in modi completamente nuovi.

L'esempio più sorprendente? Il modello ha imparato a usare una friggitrice ad aria avendo visto solo due episodi di training: uno dove un robot la chiudeva, l'altro dove inseriva una bottiglia di plastica. Eppure, con istruzioni verbali, è riuscito a cucinare una patata dolce con successo nel 95% dei casi.

Questo è il momento GPT-2 della robotica. Come quando i modelli linguistici iniziarono a generare storie su unicorni nelle Ande senza essere mai stati addestrati su quella combinazione specifica, π0.7 sta mostrando generalizzazione compositiva nella robotica.

Con una valutazione di 5.6 miliardi e discussioni per un round che la porterebbe a 11 miliardi, Physical Intelligence sta scommettendo che il futuro della robotica non sarà fatto di specialisti addestrati per singoli compiti, ma di cervelli generalisti che imparano e si adattano. Se hanno ragione, stiamo assistendo alla nascita dei primi veri robot intelligenti.

Ma il vero problema è che stiamo assistendo a una disconnessione totale tra valutazioni e realtà. Upscale AI, che non ha ancora rilasciato un prodotto, è in trattative per una valutazione di 2 miliardi. Factory ha raccolto 150 milioni a 1.5 miliardi di valutazione. Sequoia ha chiuso un fondo da 7 miliardi per "espandere le sue scommesse AI".

I numeri sono folli, ma c'è una logica perversa dietro. Le aziende AI possono scalare a velocità impensabili solo un decennio fa, e i fondi devono tenere il passo. Il problema è che stiamo finanziando promesse, non prodotti.

Sequoia sta scommettendo forte su OpenAI e Anthropic, entrambe candidate per IPO nel 2026. Se una delle due dovesse fallire o deludere, l'effetto domino colpirebbe l'intero ecosistema. È una strategia ad alto rischio che potrebbe pagare enormemente o creare la prossima bolla tech.

La domanda non è se ci sarà una correzione, ma quando. E chi rimarrà in piedi quando la musica si fermerà.