Gemini 4 Carbon di Google guida i benchmark, i modelli aperti tagliano i prezzi

Gemini 4 Carbon di Google, uscito la scorsa settimana, è ora primo nell'Intelligence Index V5 di Artificial Analysis con 59 punti. Supera Claude Opus 5.5 di un punto, secondo il rapporto di Tom's Hardware del 3 novembre. Nella stessa suite GPT-6 Astra di OpenAI si ferma a 57 e Muse Wonder Full di Meta a 50.

L'intelligenza grezza non è tutta la proposta. Gemini 4 Carbon (high) ha anche un costo per attività di 7,76 dollari sull'Intelligence Index. Meno di Gemini 3.8 Flash (high) e diversi dollari sotto Claude Opus 5.5 e Sonnet 5.5. Claude Fable 5.1 (max con fallback) arriva a 12,99 dollari per attività, secondo gli stessi benchmark.

Google non lo vende ancora a tutti.

Tom's Hardware scrive che l'accesso si apre prima ai difensori informatici attraverso il programma Fairwind dell'azienda. La disponibilità più ampia è promessa più avanti. L'ordine conta. Qui si vende affidabilità in condizioni ostili, non la novità per il consumatore.

I punteggi di allucinazione restano bassi ovunque

Gemini 4 Carbon è primo anche nel test AA-Omniscience v1.1 di Artificial Analysis, che misura allucinazioni e richiamo dei fatti. L'avvertenza è netta. Anche il modello migliore si ferma a 54 su una scala da -100 a +100. I sistemi di frontiera del 2026 restano quindi lontani dall'essere affidabili in modo costante quando richiamano informazioni.

Tenete a mente quel numero quando i fornitori parlano di impiego agentico. Un modello che inventa fatti una volta su venti è un prodotto diverso da uno che li inventa una volta su mille. Il benchmark dice che nessuno è vicino al secondo valore. Anche la classifica si muove in fretta. Tom's Hardware presenta Gemini 4 Carbon come il ritorno di Google dopo un anno di uscite irregolari.

Intanto l'opzione capace più economica non è affatto il modello di punta di un laboratorio di frontiera.

DeepSeek V4.1 Flash 1017 costa circa 13 volte meno per attività di Gemini 4 Carbon. Sullo stesso indice segna appena 32, secondo Tom's Hardware.

Gartner: il lavoro lo fanno soprattutto i pesi aperti

Quel divario di prezzo è lo sfondo di un documento Gartner pubblicato la scorsa settimana e ripreso da The Register il 3 novembre. Gli analisti Mark Petty e Raymond Paquet sostengono che nove passaggi su dieci nei flussi di lavoro agentici sono di routine. I modelli a pesi aperti li gestiscono allo stesso livello per un quarto del prezzo del modello chiuso più economico, o per un ventesimo se il confronto è con un modello di frontiera usato a ogni passaggio.

"I modelli aperti attuali possono essere più verbosi e ritentare più spesso, quindi il risparmio per attività rispetto a un modello di frontiera si avvicina a cinque o sei volte", hanno scritto gli analisti, secondo The Register.

L'ipotesi di pianificazione strategica di Gartner è che entro il 2030 il 90% dei passaggi operativi nei flussi di lavoro agentici delle imprese girerà su modelli a pesi aperti. La società sostiene anche che il risparmio viene dopo. "Anni di cronologia dei flussi di lavoro sono gran parte di ciò che un acquirente paga in un'azienda SaaS, e ogni passaggio di routine inviato a un'API di frontiera ne sposta una fetta fuori dal tuo perimetro", hanno scritto gli analisti. "I pesi aperti preservano il tuo controllo. Il risparmio sui costi è un bonus."

The Register nota che Gartner si aspetta che il valore si sposti verso gli harness, il software che instrada il lavoro tra i modelli. I modelli di frontiera, in questa lettura, diventano spesa di ricerca e sviluppo. I pesi aperti diventano costo operativo.

In Cina cresce il volume di inferenza

La domanda cresce a prescindere da quale modello risponde. In Cina le chiamate medie giornaliere ai token hanno superato 175.000.000.000.000, più di 1.000 volte il livello di inizio 2024. Il dato viene da un rapporto diffuso sabato dal China Centre for Information Industry Development, che dipende dal Ministero dell'Industria e della Tecnologia dell'Informazione. Il South China Morning Post ha scritto il 2 novembre che i dati di inferenza generati in Cina hanno superato per la prima volta quelli usati per addestrare i sistemi.

Le chiamate ai token, come le definisce il SCMP, misurano l'uso attraverso i fornitori di cloud pubblico. Sono un indicatore dei consumi, non una misura della qualità. Il rapporto non distingue quanto di quel traffico sia video, testo o agenti.

La generazione di video è uno dei carichi che spinge quel volume. I dati pubblici sulle uscite di modelli in quella categoria restano scarsi, al di là degli annunci dei fornitori nelle notizie recenti.

Gli specialisti portano le loro ragioni

Il Sole 24 Ore ha scritto il 1 novembre che Translated, azienda di servizi linguistici con sede a Roma, ha rilasciato in ottobre Lara 3, un modello costruito per la traduzione professionale. Nei test organizzati dall'azienda, traduttori professionisti hanno valutato in cieco 16.800 traduzioni dall'inglese verso 21 lingue. L'82% dell'output di Lara 3 è stato giudicato utilizzabile senza modifiche, contro il 69% di GPT-5.6 Sol, il miglior generalista del confronto. Il giornale nota che i test sono stati condotti dall'azienda e limitati a quei tipi di contenuto.

È l'argomento dello specialista in piccolo: meno correzioni, meno tempo di revisione. È anche la dichiarazione di un fornitore sul proprio benchmark. Per questo la dimensione del campione e l'ambito contano più della percentuale nel titolo.

Sotto, il lavoro su hardware e addestramento continua.

RTL-Interact, un articolo inviato ad arXiv il 30 ottobre, descrive un quadro di post-addestramento multi-attività per il design dei chip. Raggiunge il 48,7% di Pass@1 ponderato sul benchmark CVDP con un modello da 32B, davanti al suo insegnante DeepSeek-V3.2. Riduce anche le chiamate medie agli strumenti del 63,8% con un metodo che gli autori chiamano Pattern-Aware Policy Optimization.

Energia e patch

I data center che eseguono tutta questa inferenza hanno un vincolo proprio. L'analisi di Ember di ottobre 2026, ripresa da pv magazine il 3 novembre, rileva che i data center coprono già circa il 19% della domanda elettrica di picco in Irlanda. Stima che quella quota possa arrivare al 24% entro il 2030, con una domanda dei data center di 1,6 GW contro un picco di sistema di 6,5 GW. Lo spostamento dei carichi potrebbe ridurre il picco irlandese di circa 100 MW, ovvero l'1,5%, entro il 2030. La generazione e lo stoccaggio dietro il contatore potrebbero dare quasi cinque volte più sollievo, con riduzioni potenziali fino a 2,7 GW in Texas.

I team di sicurezza hanno un problema più immediato.

Red Hat ha distribuito kernel il 1 novembre che correggono CVE-2026-98432, un use-after-free nel codice IPv4 TCP del kernel Linux. Il team CVE del kernel lo valuta 9,8 su 10, e un attaccante remoto non autenticato può raggiungerlo, ha riportato The Hacker News il 3 novembre. Red Hat all'inizio lo aveva valutato 5,9 e ha alzato il punteggio a 9,8. Canonical ha detto il 2 novembre che le correzioni per Ubuntu 22.04, 24.04 e 26.04 LTS sono nel canale -proposed, su adesione volontaria, senza data di rilascio per l'aggiornamento regolare.

Su questo sfondo i numeri di Gemini 4 Carbon somigliano meno a un traguardo e più a un'istantanea. Un punto di vantaggio su un indice di intelligenza, 7,76 dollari di costo per attività e un punteggio di allucinazione di 54 descrivono un mercato in cui la frontiera costa cara. Il mezzo costa poco, e la maggior parte del lavoro in produzione, se Gartner ha ragione, non toccherà affatto la frontiera.