Vai al contenuto
Ora nel mondoEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portale su IA e tecnologiaeventi · analisi · interviste · approfondimenti tecnici

Cerca
LIVE
›

I livelli di Gemini e cosa sta succedendo ai modelli vocali nel resto del ciclo AI

Il 9 ottobre Google ridurrà gli utenti gratuiti di Gemini a Flash-Lite, ha scritto 9to5Google il 3 ottobre: spariscono 3.6 Flash e 3.1 Pro. La stessa settimana ha portato una raffica di lanci di modelli vocali e di traduzione che quasi nessuno di quegli utenti potrà usare.

IA e modelliSpiegatoChiara RomanoPubblicato: 4 ottobre 20267 min di letturaFonti 8
I livelli di Gemini e cosa sta succedendo ai modelli vocali nel resto del ciclo AI

Il cambiamento di Google è limitato e brutale. La pagina di supporto, riassunta da 9to5Google il 3 ottobre, dice che chi non ha un piano Google AI a pagamento perde l'accesso a 3.6 Flash e 3.1 Pro. Gli abbonati AI Plus a 4,99 dollari al mese mantengono Flash-Lite e Flash, ma perdono Pro. Solo AI Pro a 19,99 dollari e AI Ultra a 99,99 o 199,99 dollari tengono tutti e tre.

Per chi usa Gemini per tradurre o dettare, la conseguenza è diretta: ora è il livello di fatturazione a decidere quale modello lavora, non il compito. Un utente gratuito che ha bisogno di una coppia linguistica più difficile si ritrova Flash-Lite. Lo stesso documento di supporto dice che i clienti AI Pro ottengono l'opzione Deep Think, finora riservata ai due piani Ultra, e che l'app sta aggiungendo livelli di impegno basso, medio e alto per ogni modello. Nessuno dei due post di Google spiega cosa succede alle funzioni vocali. 9to5Google nota che non è ancora chiaro dove si collochi Gemini 4 Argon, né se conti come modello Pro o come livello superiore.

Un mese affollato per la voce, e poco viene da Google

Voce e traduzione sono state l'angolo più trafficato del ciclo AI di questo autunno. Le cronache recenti indicano diversi lanci. Tencent ha reso open source un modello per l'interpretazione simultanea cinese-inglese. Block ha lanciato Dessa, un modello AI addestrato interamente su voce umana. Microsoft ha presentato nuovi modelli MAI pensati per la voce in tempo reale e multilingue. Google ha aggiunto la traduzione vocale a Meet in 63 lingue. Ricercatori indiani hanno rilasciato SraVaani, un modello vocale che copre 65 lingue indiane. È il contesto in cui arriva il cambio di livelli di Google. Lo schema è che la voce continua a costare meno e a diventare più locale. Intanto l'assistente che quasi tutti hanno già si ritrova un paywall attorno ai modelli migliori, senza annunci.

L'ingresso più concreto di quella serie è Ideogram 4.5, pubblicato sulla pagina dei modelli dell'azienda il 4 ottobre. È un modello di editing di immagini, non vocale, ma il suo prezzo è il segnale più chiaro di dove stanno andando i costi AI per chiamata. Ideogram indica un prezzo fisso per immagine che non cambia con la lunghezza del prompt, il numero di riferimenti o la risoluzione. Il prezzo è 0,03 dollari a qualità bassa, 0,06 a media e 0,10 a alta per la generazione da solo prompt. È 0,22 dollari a qualità alta quando ci sono riferimenti o un editing preciso. La qualità molto bassa costa 0,008 dollari per gli endpoint di riferimento ed editing e non è offerta per la generazione da solo prompt. Non serve alcun abbonamento.

Quella tariffa fissa va tenuta accanto alla scala di abbonamenti di Google. Ideogram fa pagare a immagine e lascia che chiunque paghi man mano. Google fa pagare al mese e mette un cancello davanti al modello. Per uno sviluppatore che costruisce uno strumento di traduzione, il primo modello è una voce di spesa che cresce con l'uso. Il secondo è un tetto che arriva il 9 del mese.

Il problema delle intercettazioni che nessuno ha risolto

La voce è anche il tipo di input con il peggior curriculum sulla privacy, e gli ultimi giorni hanno prodotto un esempio limpido. BleepingComputer ha riportato il 4 ottobre che Anthropic ha iniziato a chiedere agli utenti di Claude di offrire volontariamente le proprie conversazioni vocali per l'addestramento dei modelli. Il messaggio recita: "Allow us to use your voice data to improve our AI models." L'impostazione si trova sotto Impostazioni, Privacy, è disattivata per impostazione predefinita ed è separata dall'interruttore esistente per le sessioni di chat e Claude Code. Un utente può quindi consentire l'addestramento vocale tenendo fuori il testo. Anthropic dice che gli utenti possono disattivarlo o cancellare i dati in seguito.

È la versione ragionevole della richiesta. Resta comunque una richiesta, e arriva nello stesso mese in cui Google trasforma i modelli Gemini migliori in un prodotto a pagamento. Le due mosse tirano in direzioni opposte per un utente che vuole un buon riconoscimento vocale senza pagare due volte: una in denaro, una in registrazioni.

I modelli locali in stile Whisper sono la via di fuga ovvia, e gli strumenti intorno a loro migliorano. Jerry Gamblin, che siede nei gruppi di lavoro sulla qualità e l'automazione del CVE Program, ha pubblicato una prova il 4 ottobre. Ha usato i modelli Clef di Cloudflare attraverso il nuovo endpoint di decisione di Ollama per classificare tutti i 27.489 CVE pubblicati nei 60 giorni precedenti. Clef è un modello da 27.000.000.000 di parametri messo a punto da Qwen 3.8, Clef Flash è un modello da 9.000.000.000 di parametri messo a punto da Qwen 3.5, entrambi Apache 2.0, pesi su Hugging Face, entrambi eseguibili in locale. Riferisce che Clef Flash ha risposto a due domande per CVE con una mediana sotto il secondo ciascuna su un portatile, senza chiave API e senza bolletta. È un compito di classificazione, non di traduzione, ma mostra cosa fa ormai in fretta un modello da 9.000.000.000 di parametri su un portatile. Il dato di Gamblin, che il 4,2% delle descrizioni CVE non kernel non indica mai un impatto sulla sicurezza, dice più su come si scrivono i CVE che sui modelli.

Su cosa si stanno battendo i produttori di modelli

OpenAI ha usato la propria pagina di sicurezza il 4 ottobre per descrivere una battaglia diversa. Ha detto di aver interrotto una campagna coordinata per estrarre il ragionamento protetto dai suoi modelli, con la prima attività nella prima settimana di luglio. Secondo il post, gli operatori non hanno rotto la crittografia né letto conversazioni archiviate. Hanno manipolato le interazioni in modo che il ragionamento nascosto diventasse visibile a chi faceva la richiesta. Questo includeva copiare il ragionamento cifrato da una conversazione e chiedere a un modello in un'altra di decifrarlo e trascriverlo. OpenAI dice che l'attività è aumentata il 24 e 25 luglio fino a 16.000 richieste da oltre 4.000 utenti. Dice che schemi di prompt correlati su più di 15.000 utenti sono stati completamente interrotti entro il 28 luglio. Attribuisce un nucleo centrale a persone legate a Moonshot AI, lo sviluppatore di Kimi, e dice che non è chiaro se tutti gli operatori venissero da un unico attore.

Niente di tutto questo riguarda la voce. Conta però per chi costruisce sopra un modello ospitato, perché mostra quanta parte del valore di un modello stia nelle parti che il fornitore non pubblica. Una funzione di traduzione che dipende dal livello di ragionamento di un fornitore eredita la postura di sicurezza e i termini di quel fornitore. Lo stesso vale per una funzione vocale che dipende dallo stack di trascrizione di un fornitore.

Sul fronte della ricerca, il paper di Lewis Mitchell su arXiv, presentato il 1 ottobre, offre un modo più economico per evitare che i modelli messi a punto collassino nella ripetizione. Il metodo filtra il testo di addestramento con un tasso di entropia stimato dal solo testo grezzo, senza log-probabilità del modello. In un esperimento QLoRA su sei generazioni con Llama-3.1-8B, il filtro basato sulle logprob non ha dato alcun beneficio significativo in diversità del testo su nessuna metrica (p > 0,23). Il filtro di entropia ha prodotto il 42% di trigrammi unici in più, il 30% di vocabolario in più e il 19% di ripetizioni in meno, tutto a p < 0,001. Il paper è di 17 pagine, otto figure, e indicato per NeurIPS 2026. Per chi mette a punto un modello vocale o di traduzione su dati sintetici, è una ricetta concreta più che un avvertimento.

L'app store si trasferisce dentro il chatbot

TechCrunch ha riportato il 29 settembre che gli annunci del Dev Day di OpenAI, presi insieme, trasformano ChatGPT in un luogo dove le app vengono scoperte ed eseguite. ChatGPT, che secondo OpenAI ha 1.200.000.000 utenti settimanali, suggerirà app a metà conversazione quando una sarebbe utile. Un'architettura di plug-in ampliata ora supporta estensioni che mostrano pannelli interattivi dentro la chat. "Sign in with ChatGPT" porta la quota AI di un utente nelle app di terzi, con 16 partner al lancio tra cui Devin di Cognition, Notion, Vercel e Figma. Se funziona, l'assistente diventa il canale di distribuzione, e il modello dietro diventa la cosa attraverso cui tutti gli altri devono passare.

Metti questo accanto al cambio di livelli di Google e la forma del mercato è più chiara. Google fa pagare per l'accesso ai suoi modelli migliori. OpenAI regala la portata e tiene il modello. Anthropic chiede registrazioni vocali. Ideogram vende immagini a unità. Ognuno risponde in modo diverso alla stessa domanda: chi paga l'inferenza, e cosa riceve in cambio.

Per un lettore che cerca uno strumento di traduzione questo mese, le domande pratiche sono più ristrette. Quale modello esegue davvero il livello gratuito, e cambierà senza preavviso. Dove finiscono le registrazioni, e c'è un interruttore. E se la risposta a una delle due non soddisfa, esiste un'opzione locale abbastanza buona. Alla luce dell'ultima settimana, la terza risposta migliora più in fretta delle prime due.

Commenti 0

Fonti

8
  1. 01Gemini app limiting what models free and AI Plus users can accessEN
  2. 02Google's new Gemini tiers cut free users to its weakest model and lock $5/month subscribers out of ProEN
  3. 03Ideogram 4.5: The most precise edit modelEN
  4. 04Anthropic asks Claude users to share voice data for AI model trainingEN
  5. 05Decision Models vs. CVE DataEN
  6. 06Disrupting a coordinated model-distillation campaignEN
  7. 07No Model Required: Text Entropy Rate Filtering Mitigates Iterative Fine-Tuning CollapseEN
  8. 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.

Chiara Romano

Chiara Romano

IA, modelli e tecnologie

Chiara Romano scrive di tecnologia, IA e modelli, media e internet per FLASH24, partendo da documentazione tecnica, repository e specifiche invece che da comunicati stampa. Per ogni modello o piattaforma che segue controlla versioni, licenze, parametri e benchmark, e verifica i numeri confrontandoli con i dati originali o con test indipendenti. Confronta le schede tecniche tra fornitori, parla con sviluppatori e amministratori di sistema, e tiene d'occhio le finestre di rilascio e le modifiche ai termini d'uso. Fuori dalla redazione gestisce self-hosting e reti domestiche, esperienza che le serve per capire come funzionano davvero i servizi che racconta. Non pubblica una notizia se la fonte primaria non è verificabile.

Redazione →

Commenti

0
  1. Nessun commento — sii il primo.

Scrivi un commento

I commenti sono pubblici. Non pubblichiamo insulti, spam né pubblicità.