Google relega Flash-Lite dietro il piano gratuito mentre Gemini 4 Argon resta in attesa
Dal 9 ottobre Google toglierà agli utenti gratuiti dell'app Gemini l'accesso a Flash e Pro, lasciando solo Flash-Lite, secondo un documento di supporto aggiornato riportato da 9to5Google il 3 ottobre.

Dal 9 ottobre Google toglierà agli utenti gratuiti dell'app Gemini l'accesso a Flash e Pro. Resterà solo Flash-Lite, secondo un documento di supporto aggiornato riportato da 9to5Google il 3 ottobre. Lo stesso documento dice che gli abbonati AI Plus, che pagano 4,99 dollari al mese, perderanno Pro e manterranno Flash-Lite e Flash.
È un declassamento, non una riorganizzazione. Finora il piano gratuito includeva 3.6 Flash e un accesso variabile a 3.1 Pro, secondo l'articolo di The Decoder del 4 ottobre. Dopo il 9 ottobre, tutti e tre i modelli finiscono dietro AI Pro a 19,99 dollari al mese o AI Ultra a 99,99 o 199,99 dollari al mese. I tre modelli sono Flash-Lite, Flash e Pro. Per il lettore cambia una cosa semplice. Il selettore dei modelli nell'app Gemini smette di essere un menu con tutto e diventa un listino dei prezzi. Chi contava su Pro gratis, o pagava 4,99 dollari aspettandoselo, ottiene un modello più debole o una bolletta più salata. Resta da capire come Google tratterà la sua prossima ammiraglia, Gemini 4 Argon, quando arriverà.
Due testate, una pagina di supporto, inquadrature leggermente diverse
I due articoli divergono sui tempi. 9to5Google data il cambiamento al 9 ottobre. Dice che gli abbonati AI Plus riceveranno un'email che spiega quando le modifiche entreranno in vigore. The Decoder inquadra la svolta come un avvio a ottobre 2026 senza indicare un giorno. Entrambi la ricondcono alla stessa pagina di supporto Google, quindi la distanza sembra una questione di inquadratura, non una contraddizione. Nessuna delle due testate riporta una dichiarazione di Google oltre al documento.
9to5Google riferisce anche che i limiti si aggiungono a un cambiamento nell'uso basato sul calcolo che Google ha introdotto a maggio. Gli utenti AI Pro e AI Ultra, intanto, non perdono nulla. Il piano da 19,99 dollari guadagna l'opzione Deep Think per il "massimo ragionamento parallelo", finora riservata ai piani da 99,99 e 199,99 dollari. L'app sembra destinata ad aggiungere anche livelli di impegno "basso", "medio" e "alto" per ogni modello disponibile. È lo stesso schema che Google AI Studio e Antigravity offrono già.
Il modello che nessuno riesce a collocare
Dove si inserisca Gemini 4 Argon è la domanda aperta. 9to5Google riporta che Google ha detto all'inizio di questa settimana che Argon arriverà prima agli abbonati AI Ultra. L'azienda non ha ancora precisato se Argon conti come modello Pro o stia in un nuovo livello sopra di esso. Questa ambiguità pesa più del taglio a Flash-Lite. Se Argon arriva sopra Pro, 19,99 dollari comprano l'accesso a un modello dell'era 3.1 mentre la frontiera sta uno o due livelli più su.
The Decoder solleva una possibilità collegata: che i livelli siano il terreno preparatorio per Argon, che potrebbe costare di più da eseguire. Sostiene anche che l'impatto reale sarà probabilmente piccolo. La maggior parte degli utenti occasionali di Google AI non ha idea di quale modello stia usando, e chi lo nota è probabilmente già abbonato. È una lettura ragionevole, ed è anche la lettura che Google preferirebbe che tu facessi.
La forma freemium è presa in prestito. The Decoder nota che l'impianto ricalca il modello di OpenAI con ChatGPT, dove gli utenti gratuiti hanno un'esperienza limitata e i clienti paganti ottengono la frontiera. La versione di Google è più brutale. Non misura quanto di un buon modello usi, rimuove del tutto il buon modello dai piani economici. C'è anche una tabella dei prezzi che lo accompagna. La pagina di supporto di Google, come riprodotta da The Decoder, dà Flash-Lite a tutti, Flash ad AI Plus e superiori, e Pro solo ad AI Pro e AI Ultra. Quattro livelli, tre modelli, un punto di stretta chiaro a 4,99 dollari.
Altrove nei modelli questa settimana, le uscite non sono benchmark
Il resto delle notizie sui modelli di questa settimana riguarda meno le classifiche e più cosa viene spedito e chi può eseguirlo. Ideogram ha pubblicato i dettagli di Ideogram 4.5 il 4 ottobre. Presenta il modello come un modello di modifica preciso a risoluzione nativa 2K, attivo nella sua app, nella sua integrazione MCP e nella sua API. L'azienda dice che il modello elimina l'accumulo di artefatti tra una modifica e l'altra. È la cosa che rende possibile la modifica a più turni invece di un trucco da un solo colpo.
Il prezzo è per immagine e fisso: 0,008 dollari in qualità molto bassa, 0,03 bassa, 0,06 media e da 0,10 a 0,22 alta. La cifra più alta copre la generazione con riferimenti e le modifiche precise. Ideogram dice che il prezzo non cambia con la lunghezza del prompt, il numero di immagini di riferimento o la risoluzione di output, e che non serve alcun abbonamento. Per chi confronta i modelli di immagini sul costo per output utilizzabile invece che su un video dimostrativo, è quel numero che conta.
Sul fronte dei pesi aperti, l'uscita più interessante di questa settimana non è affatto un modello di frontiera. Jerry Gamblin ha passato Clef e Clef Flash di Cloudflare su tutti i 27.489 CVE pubblicati nei 60 giorni fino al 3 ottobre. Ha posto a ogni descrizione due domande: stabilisce un impatto sulla sicurezza, ed è chiara per un difensore? Clef Flash, un modello da 9 miliardi di parametri messo a punto da Qwen 3.5, ha risposto a entrambe con una mediana sotto il secondo per CVE su un laptop, senza chiave API. Il modello grande conta 27 miliardi di parametri, la variante Flash 8 miliardi.
I risultati sono un benchmark di prosa, non di ragionamento. Fuori dal kernel Linux, 989 delle 23.736 descrizioni, il 4,2%, non dicono mai cosa potrebbe fare un attaccante. Il kernel è un caso a sé: la sua policy lascia l'impatto all'utente. Così 3.661 dei suoi 3.753 record non ne dichiarano nessuno, il che porta il dato su tutti i CVE a 4.650 su 27.489, il 16,9%. Gamblin fa parte di gruppi di lavoro del CVE Program e dice che nulla di quanto scritto è una posizione del programma. Ha trovato Flash da solo troppo severo: il modello Clef da 27 miliardi ha ribaltato 1.198 dei 2.187 flag, il 54,8%. Contro 129 CVE etichettati a mano, la risposta in due passaggi ha intercettato 15 dei 16 che non dichiarano alcun impatto.
È il tipo di uscita di benchmark che raramente finisce in un post di lancio e cambia più lavoro quotidiano di un punto in classifica. Un modello piccolo che gira in locale e classifica testo a poco prezzo è una categoria di prodotto diversa da un chatbot di frontiera. I pesi di Clef sono Apache 2.0 su Hugging Face, eseguibili tramite Ollama.
Due paper, un avvertimento sull'addestramento sul proprio output
Due lavori di ricerca di questa settimana girano intorno allo stesso problema: i modelli addestrati sull'output di un modello peggiorano. Il paper di Lewis Mitchell, inviato ad arXiv il 1 ottobre, affronta il collasso del modello nel fine-tuning iterativo. L'esperimento ha usato sei generazioni di QLoRA su Llama-3.1-8B. Il filtraggio basato su logprob, la baseline consolidata che richiede accesso alle probabilità del modello, non ha dato alcun beneficio significativo di diversità testuale su nessuna metrica (p > 0,23). Il filtraggio con uno stimatore non parametrico del tasso di entropia calcolato dal solo testo grezzo ha prodotto il 42% di trigrammi unici in più, il 30% di vocabolario in più e il 19% di ripetizione in meno, tutto a p < 0,001.
Il risultato è ristretto e l'impostazione è del tutto sintetica, un fine-tuning su una sola linea. Ma indica qualcosa di pratico: puoi filtrare i dati di addestramento per la diversità senza un modello nel ciclo. Il paper elenca 17 pagine, 8 figure e NeurIPS 2026 nei suoi commenti.
Il post di Alex L. Zhang sulla "forma" dei modelli linguistici, pubblicato il 4 ottobre, argomenta da un'angolazione diversa. Nota che la forma di input e output dei modelli linguistici è rimasta più o meno statica da ChatGPT in poi. Tutto il lavoro sugli agenti è costruito come un'impalcatura intorno a un modello autoregressivo, non il contrario. Cita Jev di Typesafe AI, un modello il cui spazio di output è vincolato all'intervallo da 0 a 1, come esempio di uno spazio di compromesso alternativo. È un argomento di progettazione, non un risultato di benchmark, e va letto come tale.
Una storia di sicurezza che non è il lancio di un modello
La divulgazione di sicurezza AI più rilevante della settimana non ha alcun benchmark allegato. OpenAI ha detto il 4 ottobre di aver interrotto una campagna coordinata per estrarre il ragionamento protetto dai suoi modelli. L'attività più antica risale alla prima settimana di luglio. Gli operatori non hanno violato la crittografia né raggiunto conversazioni memorizzate, dice l'azienda. Hanno manipolato le interazioni con il modello perché il ragionamento nascosto potesse essere riprodotto su larga scala.
Il resoconto di OpenAI fornisce date e volumi. L'attività è iniziata il 1 luglio. I picchi di alto volume del 24 e 25 luglio consistevano in 16.000 richieste da oltre 4.000 utenti. L'attività correlata di schemi di prompt su un cluster di più di 15.000 utenti è stata completamente interrotta entro il 28 luglio. OpenAI attribuisce un nucleo dell'attività a persone legate a Moonshot AI, lo sviluppatore di Kimi. Dice che non è chiaro se tutti gli operatori provenissero da un unico attore.
Lette insieme al cambio di livelli di Gemini, le due storie descrivono lo stesso mercato da estremità opposte. Google stringe su ciò che i suoi clienti più economici possono raggiungere. OpenAI ha a che fare con chi ha aggirato la porta principale per arrivare a un ragionamento che il modello non mostra. Nessuna delle due aziende ha detto quanto siano costati loro i rispettivi cambiamenti. Nessuna ha pubblicato una cifra per quanto valesse il ragionamento estratto.
Quello che il cambio di Gemini non ci dice è se Argon giustificherà la scala. Google ha confermato che Argon arriverà prima ad AI Ultra. Non ha detto dove si collochi Argon rispetto a Pro. Finché la questione non è risolta, il taglio del 9 ottobre è una decisione di prezzo con una domanda di prodotto ancora aperta sopra.
Fonti
8- 01Gemini app limiting what models free and AI Plus users can accessEN
- 02Google's new Gemini tiers cut free users to its weakest model and lock $5/month subscribers out of ProEN
- 03Ideogram 4.5: The most precise edit modelEN
- 04Decision Models vs. CVE DataEN
- 05No Model Required: Text Entropy Rate Filtering Mitigates Iterative Fine-Tuning CollapseEN
- 06Language Model "Shape"EN
- 07Disrupting a coordinated model-distillation campaignEN
- 08OpenAI's latest features take direct aim at the app store modelEN
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.