Generazione video AI: cosa mostra davvero il dossier, giorni dopo Gemini 4 Argon
Il documento più recente con una data nel dossier è Echo, il modello di scrittura di Fulcrum, pubblicato il 30 settembre. Il tema in questione, la generazione video AI, non ha però nel materiale di partenza nessun rilascio datato: solo titoli non datati, intorno al 30 settembre, che nominano Gemini 4 Argon di Google.
Il dossier arrivato in redazione non contiene un solo rilascio datato e documentato di un modello per la generazione video AI. È la prima cosa che un lettore deve sapere. La richiesta riguarda proprio questo tema, e il materiale non offre nulla che rispetti la regola della casa sulle fonti.
Quello che offre è una serie di titoli recenti, segnalati come contesto e dichiarati esplicitamente non citabili come fatti. Tra questi: "Google releases Gemini 4 Argon, called its most powerful model yet" di TechCrunch, datato 30 settembre, e "Gemini 4 Argon: our next era of frontier intelligence" da blog.google, stessa data. Nessuno dei due compare nell'elenco numerato delle fonti con un URL. Secondo le regole, questo basta a escluderli.
Anche gli altri titoli di contesto vanno nella stessa direzione. Kling 4.0, BytePlus Seedance 2.5, MiniMax H3, uno spin-off di Kuaishou dedicato al video AI, Higgsfield con una valutazione dichiarata di 5.400.000.000 di dollari. Sono tutti titoli senza corpo, e la maggior parte è uscita in ottobre o più tardi, ben dopo il gruppo del 30 settembre. Non possono reggere un numero, una citazione o un'affermazione.
Perché il dossier non può rispondere alla domanda
Ordinare le 28 fonti numerate per argomento rende il vuoto evidente. Ci sono rilasci di modelli, ma nessuno di questi genera video. Liquid AI ha pubblicato il 30 settembre la documentazione dei suoi modelli decisionali D1. Descrive una classe di modelli capace di restituire probabilità calibrate su esiti fissi in un'unica chiamata, con zero token generati. Phonon-2, di Fermion Research, è un modello di riconoscimento vocale da 164 MB, uscito lo stesso giorno. Embed 5 di Cohere è una famiglia di embedding. Kumo Tabular di NVIDIA si occupa di tabelle.
NVIDIA compare comunque con un articolo vicino al video, DreamZero, pubblicato il 30 settembre. È un World Action Model costruito su una backbone di diffusione video preaddestrata, che predice insieme stati futuri del mondo e azioni per il controllo dei robot. Gli autori riportano un modello di diffusione video autoregressivo da 14.000.000.000 di parametri che esegue controllo a ciclo chiuso in tempo reale a 7Hz, e un avanzamento medio del compito del 62,2% contro il 27,4% della migliore baseline visione-linguaggio-azione preaddestrata. È un risultato di robotica, non un prodotto video, e il dossier non lo presenta come tale.
"We introduce DreamZero, a World Action Model (WAM) built upon a pretrained video diffusion backbone." La pagina del progetto, 30 settembre 2026.
La cosa più vicina a un attrezzo per il video è un progetto GitHub chiamato qc, pubblicato il 30 settembre. Fa controllo qualità del video e ottimizzazione delle scale H.264, HEVC e AV1 con punteggio VMAF e intervalli di confidenza. Misura il video. Non lo produce.
Gli strumenti video che sono davvero documentati
Nel dossier c'è un solo modo davvero documentato di produrre video, e non passa da un modello video. Il 30 settembre Vincent Schmalbach ha scritto di come usa Claude Code per realizzare video esplicativi. L'agente scrive una pagina HTML e JavaScript su canvas, la percorre fotogramma per fotogramma in Chrome headless e consegna i fotogrammi a ffmpeg. Su questa base ha costruito un framework chiamato explainroo, con licenza MIT. Modello vocale, sincronizzazione delle parole e generazione della musica girano in locale, servono circa 400 MB di modelli e non occorrono chiavi API.
L'autore è onesto sui limiti. Claude Code, scrive, non può generare video direttamente e non è un modello video come Veo o Sora. Il risultato, dice, è molto migliore di una presentazione a slide. Un video di 15 secondi si renderizza in 16 secondi sulla sua macchina, su Linux, con macOS e Windows testati meno.
Metta questo accanto a ciò che descrivono i titoli del settore, generazioni da 30 secondi in un'unica inquadratura e output in 4K, e la distanza salta all'occhio. Il dossier può documentare l'approccio fotogramma per fotogramma. Non può documentare la frontiera.
Cosa suggeriscono i rilasci circostanti
Se in questo gruppo c'è una storia su dove stanno andando i rilasci di modelli, è quella di modelli più economici e più piccoli, non più cinematografici. Fulcrum ha dichiarato il 30 settembre che il suo modello di scrittura Echo è costato meno di 5.000 dollari di addestramento e batte i modelli di frontiera nell'imitazione di stile secondo la sua metrica Elo stilometrica, una metrica però definita da Fulcrum stessa. La famiglia D1 di Liquid AI include modelli a pesi aperti da 1.900.000.000, 2.200.000.000 e 587.000.000 di parametri, fatturati solo sui token in ingresso perché non producono token in uscita.
Nimble di Bespoke Labs, un modello decisionale da 9.000.000.000 di parametri messo a punto da Qwen3.5-9B, è ora in Ollama. Il repository di Bespoke riporta che Nimble-v4-max ha segnato 68,46 sulla suite pubblica Decision Index e Nimble-v4 63,70. Entrambi sono stati misurati in una prova interna di Bespoke del 12 ottobre e non sono ancora presenti nella dashboard dell'indice. Dei volontari stanno preaddestrando un modello da circa 145.000.000 di parametri chiamato Coop attraverso pull request e un cron job di GitHub Actions, senza server e senza finanziamenti.
Niente di tutto questo è video. È un promemoria del fatto che la cadenza dei rilasci in questo dossier è dominata da modelli piccoli, specializzati e addestrati a basso costo, e che le dichiarazioni video più rumorose sono arrivate come titoli senza corpo.
Come trattare un tema senza fonti
La tentazione è scrivere l'articolo su Gemini 4 Argon partendo dal titolo e dal nome del blog. Sarebbe una doppia violazione della regola sulle fonti: un titolo non è una fonte, e un elenco di contesto è dichiarato esplicitamente inutilizzabile per i fatti. Vale lo stesso per i pezzi su Kling 4.0 e Seedance, che portano date di ottobre e novembre, settimane dopo il materiale più fresco del dossier.
C'è una seconda ragione per andare cauti. In questo periodo i rilasci di generazione video vengono riportati attraverso comunicati stampa e ripost degli aggregatori. L'elenco dei titoli del dossier mostra la stessa storia che arriva due volte sotto domini diversi, Forbes via news.google.com accanto a Forbes diretto. Contarli come due testate gonfierebbe le fonti senza aggiungere un fatto.
Il pezzo onesto è quindi questo: una nota che il dossier non può sostenere una storia di rilascio di un modello video, più il racconto di cosa invece può sostenere. Il risultato di robotica DreamZero, lo strumento di misura qc, la pipeline fotogramma per fotogramma di explainroo e un gruppo di rilasci di modelli piccoli il 30 settembre.
Se la redazione vuole la storia di Gemini 4 Argon, le servono il post del blog di Google e il servizio di TechCrunch nell'elenco delle fonti, con URL e testo estratto. A quel punto si possono verificare numeri, benchmark e citazioni. Fino ad allora, l'apertura resta dov'è.
Fonti
11- 01Echo – A SOTA writing model for style imitation | FulcrumEN
- 02Liquid AI decision models D1 documentationEN
- 03Phonon-2: most accurate open speech recognition model in a 164 MB downloadEN
- 04DreamZero: World Action Models Are Zero-Shot PoliciesEN
- 05Qc: Video quality check and h264/HEVC/av1 ladder optimizationEN
- 06How to Make Videos with Claude Code - Vincent SchmalbachEN
- 07Nimble: Data, Model, Recipe for an Open Jev (From Bespoke Labs)EN
- 08Ollama now supports Jev-like decision models all locally in 0.35EN
- 09Coop: A small language model pretrained by volunteersEN
- 10Cohere: Embed 5 – A New Family of Frontier Embedding ModelsEN
- 11Nvidia Kumo Tabular: Open Foundation Model for Tabular PredictionEN
Tutti i numeri e le citazioni di questo testo provengono dalle fonti elencate sotto.
I contenuti sono stati preparati dalla redazione con il supporto dell'IA.
Commenti
0- Nessun commento — sii il primo.