Google sposta il modello più debole di Gemini nel piano gratuito; gli abbonati ottengono il resto
Dal 9 ottobre Google limiterà gli utenti dell'app Gemini senza abbonamento al modello Flash-Lite, secondo un documento di supporto aggiornato riportato da 9to5Google il 3 ottobre. Gli utenti gratuiti perdono l'accesso a Flash 3.6 e Pro 3.1, che oggi possono usare.
Il cambiamento è un rimescolamento dei piani, non una chiusura. Gli account gratuiti mantengono l'app Gemini; semplicemente gira sul modello più piccolo del listino. Gli abbonati AI Plus a 4,99 dollari al mese finiscono limitati a Flash-Lite e Flash. Anche il livello Pro sparisce dal loro piano.
9to5Google ha riportato il documento di supporto il 3 ottobre e ha scritto che le modifiche entrano in vigore il 9 ottobre. The Decoder, nel suo articolo del 4 ottobre, ha ricostruito tutta la scala. Nessun piano ottiene solo Flash-Lite. AI Plus ottiene Flash-Lite e Flash. Pro richiede AI Pro a 19,99 dollari al mese oppure AI Ultra a 99,99 e 199,99 dollari al mese. Le due testate concordano sui numeri dei modelli e sui prezzi. Il disaccordo, se c'è, riguarda il motivo e non i fatti.
Cosa recuperano chi compra Pro e Ultra
Ai livelli più alti non viene tolto nulla, e una cosa viene aggiunta. Secondo 9to5Google, i clienti AI Pro avranno l'opzione Deep Think, descritta come "massimo ragionamento parallelo". Finora era riservata ai piani da 99,99 e 199,99 dollari. Lo stesso articolo dice che l'app Gemini sembra destinata ad aggiungere i livelli di sforzo "basso", "medio" e "alto" "per ogni modello disponibile" a ottobre. Sostituiranno l'attuale unico interruttore Extended thinking. Uno sforzo maggiore consumerà più limiti di utilizzo.
Dove finirà Gemini 4 Argon resta una domanda aperta. 9to5Google ha notato che Google ha annunciato Argon prima per gli abbonati AI Ultra. L'azienda non ha detto se conta come modello Pro o come nuovo livello sopra Pro. The Decoder ha ipotizzato che la ristrutturazione possa essere il terreno di preparazione per Argon, che secondo la testata potrebbe costare di più da eseguire. Nessuna delle due testate ha una dichiarazione di Google sul prezzo di Argon.
La lettura di The Decoder sul danno pratico: la maggior parte degli utenti occasionali di Google AI non ha idea di quale modello stia usando, e chi lo sa probabilmente paga già.
È una scommessa ragionevole, ed è anche la parte di questa storia che nessuno ha misurato. Google non ha pubblicato come si distribuisce la sua base utenti Gemini tra gratuito, Plus, Pro e Ultra. Nessuna delle due testate offre un numero. Il livello da 4,99 dollari è quello interessante. Quegli abbonati pagavano per l'accesso a Pro e ora lo perdono senza un cambio di prezzo, cosa che secondo 9to5Google sarà spiegata via email.
Il fronte della sicurezza è altrove
Se la domanda riguarda l'AI nella difesa informatica, la notizia sui livelli di Gemini è soprattutto una storia di prezzi. Il materiale sulla sicurezza più concreto di questo ciclo arriva da OpenAI. Il 4 ottobre ha pubblicato un resoconto di una campagna coordinata di distillazione dei modelli, datando la prima attività alla prima settimana di luglio.
Il testo di OpenAI è attento a ciò che non è successo. Gli operatori, si legge, "non hanno violato la nostra crittografia, compromesso un database o ottenuto accesso diretto alle conversazioni degli utenti memorizzate". Hanno invece manipolato le interazioni con i modelli. Il ragionamento protetto, la traccia interna con cui il modello elabora un compito, poteva essere riprodotto in forma visibile su larga scala. Una tecnica descritta da OpenAI: copiare il ragionamento cifrato da una conversazione e chiedere a un modello in un'altra conversazione di decifrarlo e trascriverlo.
I numeri nel post sono precisi. OpenAI dice di aver visto picchi di volume il 24 e 25 luglio. Consistevano in 16.000 richieste che usavano un pattern di estrazione pertinente da più di 4.000 utenti. L'attività legata a schemi di prompt su un gruppo di più di 15.000 utenti è stata interamente bloccata entro il 28 luglio. OpenAI attribuisce "un nucleo centrale dell'attività" a persone legate a Moonshot AI, lo sviluppatore di Kimi. Afferma che non è chiaro se tutti gli operatori provenissero da un unico attore. OpenAI dice di aver condiviso informazioni con partner del settore tramite il Frontier Model Forum. Ringrazia i ricercatori di sicurezza indipendenti che hanno segnalato problemi correlati tra modelli e di compattazione delle conversazioni tramite divulgazione responsabile.
Quest'ultimo dettaglio conta più della disputa sull'attribuzione. Un laboratorio che conferma che ricercatori esterni hanno trovato percorsi di attacco reali nel proprio prodotto è un tipo di divulgazione diverso da un fornitore che dice di aver fermato dei malintenzionati. OpenAI afferma di aver verificato che i percorsi fossero reali prima di pubblicare.
Il cambiamento più silenzioso di Anthropic
Il contributo di Anthropic alla settimana è un'impostazione sulla privacy, non un prodotto di difesa. BleepingComputer ha riportato il 4 ottobre che le funzioni vocali di Claude ora chiedono agli utenti: "Consentici di usare i tuoi dati vocali per migliorare i nostri modelli di AI". La richiesta ha i pulsanti Allow e Not now e un interruttore sotto Impostazioni, Privacy. Dice che le registrazioni audio e i dati delle chat vocali aiutano i modelli a capire e rispondere al parlato, e che i dati possono essere cancellati dalle impostazioni.
BleepingComputer riporta che l'impostazione è disattivata per impostazione predefinita. È separata dall'opzione esistente per l'addestramento su chat e sessioni di Claude Code. Un utente può condividere la voce e trattenere il testo, o il contrario. Questa separazione è il dettaglio che vale la pena notare. Qui il consenso è granulare, il che lo rende più facile da verificare e più facile da dimenticare di averlo dato.
I classificatori come strumento di sicurezza
L'elemento di sicurezza più direttamente utile qui non è il lancio di un prodotto. Jerry Gamblin dice di far parte dei gruppi di lavoro Quality, Automation and Consumer del CVE Program. Nota che nulla nel suo post è una posizione del CVE Program. Ha eseguito i modelli Clef di Cloudflare su ogni CVE pubblicato tra il 4 agosto e il 3 ottobre 2026, 27.489 record. Ha posto due domande a ogni descrizione: stabilisce un impatto sulla sicurezza, e quanto è chiara per un difensore.
I suoi risultati: fuori dal kernel Linux, 989 descrizioni su 23.736, il 4,2%, non dicono mai cosa potrebbe fare un attaccante. Il kernel è un caso a parte perché la sua politica pubblicata lascia l'impatto all'utente. Dei suoi 3.753 record, 3.661 non ne indicano nessuno. Questo porta il dato su tutti i CVE a 4.650 su 27.489, il 16,9%. Riporta anche che Clef Flash da solo era troppo severo. Il modello più grande Clef 27B ha ribaltato 1.198 dei 2.187 record segnalati, il 54,8%, fuori dal kernel. Su 129 CVE etichettati a mano, il metodo in due passaggi ha individuato 15 dei 16 che aveva giudicato privi di impatto. Non ha mai segnalato uno dei suoi positivi.
I modelli sono Apache 2.0, messi a punto da Qwen 3.8 e Qwen 3.5. Girano in locale tramite l'endpoint di decisione di Ollama con i pesi su Hugging Face. Gamblin dice che tutto nella sua esecuzione è stato fatto su un portatile senza chiave API. Prendete il 4,2% e il 16,9% come la misura di un ricercatore con un metodo dichiarato, non come una statistica ufficiale del CVE Program. Ma il metodo è pubblicato e i dati sono pubblici, cosa che offre più di quanto faccia la maggior parte delle dichiarazioni sulla sicurezza in una settimana qualsiasi.
Segnali più piccoli
Altri due elementi meritano una riga ciascuno. Ideogram ha rilasciato la versione 4.5 del suo modello di immagini il 4 ottobre. Propone editing multi-turn senza artefatti a risoluzione nativa 2K con un prezzo fisso per immagine da 0,008 a 0,22 dollari a seconda della modalità di qualità. E un articolo inviato ad arXiv il 1 ottobre da Lewis Mitchell riporta un risultato sul filtraggio. Filtrare il testo di addestramento con uno stimatore non parametrico del tasso di entropia, senza alcun modello coinvolto, ha prodotto il 42% in più di trigrammi unici, il 30% in più di vocabolario e il 19% in meno di ripetizioni rispetto al filtraggio basato sui logprob. Era in un esperimento di collasso QLoRA su sei generazioni con Llama-3.1-8B, con valori p inferiori a 0,001.
Nessuno dei due è una storia di difesa informatica. Entrambi indicano lo stesso problema di fondo sollevato dalla divulgazione di OpenAI. Le pipeline che addestrano e affinano i modelli sono ormai superficie d'attacco, che l'input sia una descrizione CVE, un corpus raccolto o il ragionamento nascosto di un altro modello. E il conto dei parametri resta un numero che nessuno dei due articoli mette in discussione: 27.000.000.000 e 8.000.000.000 sono le cifre che circolano per i modelli di frontiera, mentre 2.000 è il numero di record che un revisore umano può ancora controllare in una settimana.
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
- 03Disrupting a coordinated model-distillation campaignEN
- 04Anthropic asks Claude users to share voice data for AI model trainingEN
- 05Decision Models vs. CVE DataEN
- 06Ideogram 4.5: The most precise edit modelEN
- 07No Model Required: Text Entropy Rate Filtering Mitigates Iterative Fine-Tuning CollapseEN
- 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.