Google sposta il piano gratuito di Gemini su Flash-Lite e toglie Pro da AI Plus, in attesa di Argon
Google taglierà gli utenti gratuiti di Gemini al modello Flash-Lite e toglierà Pro dal piano AI Plus da 4,99 dollari. Il cambiamento entra in vigore il 9 ottobre, secondo un documento di supporto aggiornato visto da 9to5Google.

Il cambiamento arriva il 9 ottobre. Da quella data chi usa l'app Gemini senza un piano Google AI a pagamento avrà solo Flash-Lite. I modelli 3.6 Flash e 3.1 Pro spariscono dal livello gratuito, ha riportato 9to5Google il 3 ottobre.
Per chi legge cambia una cosa semplice: il modello che genera la risposta diventa più piccolo, a meno che non si paghi. 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, secondo una tabella pubblicata da The Decoder. Google non ha detto quanti utenti stiano su ciascun livello, quindi la portata del declassamento resta ignota. I livelli ora corrispondono quasi esattamente alla divisione freemium di ChatGPT di OpenAI, dove i modelli buoni stanno dietro il muro dell'abbonamento. Per chi compra, la domanda pratica è se il piano più economico dia ancora un modello per cui valga la pena pagare.
Un passo indietro per il livello gratuito
Il taglio è una regressione, non un rimescolamento. Finora il livello gratuito offriva accesso a 3.6 Flash con accesso variabile a 3.1 Pro, ha riportato The Decoder. Ora gli stessi utenti ricevono il modello più piccolo e nient'altro.
Google comunica la mossa attraverso una pagina di supporto invece che con un annuncio, e 9to5Google nota che gli abbonati Plus riceveranno un'email che spiega quando i limiti entreranno in vigore. Secondo The Decoder, gli utenti occasionali se ne accorgeranno a malapena, visto che pochi sanno quale modello risponde loro. Gli utenti esperti, sostiene, pagano già. Può essere vero. Resta il fatto che i clienti paganti più economici hanno meno di prima. Nessuna delle due aziende ha detto quanto vale lo spostamento per Google, e non sono stati pubblicati numeri di utenti per alcun livello.
AI Pro però riceve qualcosa in cambio. 9to5Google riporta che i clienti da 19,99 dollari ottengono accesso a un'opzione Deep Think per il massimo ragionamento parallelo, prima limitata ai piani da 99,99 e 199,99 dollari. L'app Gemini sembra inoltre destinata ad aggiungere livelli di impegno basso, medio e alto per ogni modello, il che aumenterebbe la profondità delle risposte al costo dei limiti di utilizzo.
Dove si collochi il prossimo modello è la domanda aperta. Google ha detto all'inizio di questa settimana che Gemini 4 Argon arriva prima agli abbonati AI Ultra, e non ha specificato se Argon conti come modello Pro o stia in un nuovo livello sopra di esso, secondo 9to5Google. The Decoder suggerisce che la suddivisione in livelli possa essere un lavoro preparatorio per Argon, che potrebbe costare di più da eseguire.
Il ragionamento ha il suo listino
Google non è sola a vendere accesso al tempo di pensiero. Ideogram ha pubblicato la versione 4.5 del suo modello di immagini il 4 ottobre, con quattro modalità di qualità e prezzi fissi per immagine da 0,008 a 0,22 dollari. La sua proposta è che le modifiche ripetute non accumulano più artefatti, così la modifica multi-turno funziona a risoluzione nativa 2K. È un prodotto diverso, ma lo schema è lo stesso: la capacità si paga a consumo, e il contatore è il prodotto.
Il test più chiaro per capire se i modelli di ragionamento ripaghino il loro costo arriva dai dati sulla sicurezza. Jerry Gamblin ha eseguito Clef e Clef Flash di Cloudflare, due modelli decisionali che restituiscono risposte tipizzate invece che prosa, contro tutti i 27.489 CVE pubblicati tra il 4 agosto e il 3 ottobre 2026. Fuori dal kernel Linux, 989 delle 23.736 descrizioni, cioè il 4,2%, non dicono mai cosa potrebbe fare un attaccante, ha scritto il 4 ottobre.
Il kernel è un caso a sé: la sua politica pubblicata lascia l'impatto all'utente, quindi 3.661 dei suoi 3.753 record non ne dichiarano alcuno.
Così il dato su tutti i CVE sale a 4.650 su 27.489, cioè il 16,9%. Clef Flash, un modello da 9.000.000.000 di parametri, ha risposto a una mediana inferiore a un secondo per CVE su un portatile senza chiave API. Il Clef da 27.000.000.000 di parametri ha riletto i flag e ribaltato 1.198 su 2.187, cioè il 54,8%, un promemoria utile: il giudizio di un modello piccolo richiede un secondo passaggio.
I benchmark incontrano i loro limiti
Anche la qualità del ragionamento viene sondata dal lato del modello. OpenAI ha pubblicato il 4 ottobre il resoconto di una campagna coordinata per estrarre il ragionamento protetto dai suoi modelli, con le prime attività nella prima settimana di luglio. Gli operatori copiavano il ragionamento cifrato da una conversazione e chiedevano a un modello in un'altra di decifrarlo e trascriverlo, afferma l'azienda. OpenAI attribuisce un cluster centrale a individui associati a Moonshot AI, lo sviluppatore di Kimi, e dice di aver bloccato più di 15.000 utenti entro il 28 luglio.
La lezione per chiunque valuti i modelli di ragionamento è che il blocco di appunti è un bene che vale la pena rubare. Il ragionamento estratto potrebbe addestrare un altro modello senza portarsi dietro le salvaguardie dell'originale, sostiene OpenAI, ed è per questo che l'azienda ha condiviso i dettagli tramite il Frontier Model Forum.
La ricerca continua a indicare la stessa fragilità. Un articolo di Lewis Mitchell su arXiv, inviato il 1 ottobre, ha testato il filtraggio del testo sintetico di addestramento tramite il tasso di entropia invece che tramite le log-probabilità del modello. In un esperimento di collasso QLoRA su sei generazioni con Llama-3.1-8.000.000.000, il filtraggio basato sulle logprob non ha dato alcun beneficio significativo alla diversità del testo su nessuna metrica (p > 0,23). Il filtro di entropia ha prodotto il 42% in più di trigrammi unici, il 30% in più di vocabolario e il 19% in meno di ripetizione, tutto con p < 0,001.
Poi c'è il problema della forma. Alex L. Zhang ha sostenuto il 4 ottobre che i modelli linguistici hanno mantenuto la stessa forma testo-in, testo-out da ChatGPT in poi, e che gran parte del lavoro sugli agenti si spende a costruire un'impalcatura attorno a essa. Cita Jev, un modello di Typesafe AI il cui output è vincolato a una probabilità tra 0 e 1, il che lo rende veloce su una classe ristretta di domande. Un modello più piccolo che risponde a una domanda a basso costo è di per sé un risultato di benchmark.
Nel frattempo Anthropic chiede agli utenti di Claude di consegnare registrazioni vocali per l'addestramento. La richiesta compare nelle funzioni vocali ed è disattivata per impostazione predefinita, ha riportato BleepingComputer il 4 ottobre, con un interruttore separato in Impostazioni, Privacy. È facoltativa, cancellabile e del tutto separata dall'impostazione di addestramento della chat.
Niente di tutto questo stabilisce quale modello ragioni meglio. Mostra però dove vanno i soldi e il rischio: dietro il paywall, nel blocco di appunti e nei dati che addestrano il prossimo.
Fonti
9- 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
- 05Disrupting a coordinated model-distillation campaignEN
- 06No Model Required: Text Entropy Rate Filtering Mitigates Iterative Fine-Tuning CollapseEN
- 07Language Model "Shape"EN
- 08Anthropic asks Claude users to share voice data for AI model trainingEN
- 09OpenAI'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.