I rilasci di modelli AI accelerano, ma i benchmark non stanno al passo
Dieci dei 20 modelli attuali seguiti da stale.jock.pl arrivano senza una data di training cutoff pubblicata. I modelli cinesi hanno assorbito dal 57% al 67% dei token su OpenRouter nella settimana del 14 settembre.

Sei lanci di modelli sono arrivati tra il 1° e il 22 settembre 2026, secondo il tracker di modelli di stale.jock.pl. Il tracker elenca date di rilascio e training cutoff per 20 modelli attuali di otto laboratori. Solo OpenAI ne ha rilasciati tre il 22 settembre: GPT-6 Sol, GPT-6 Luna e Claude Opus 5.5 di Anthropic nello stesso giorno, secondo la tabella del tracker e i titoli recenti. I laboratori ormai misurano il calendario dei rilasci dei modelli di frontiera in giorni, non in trimestri.
Ma lo strumento con cui si giudicano quei modelli non tiene il passo. Solo metà dei modelli della lista ha una data di training cutoff pubblicata, cioè il giorno in cui il modello ha smesso di leggere. Cinque degli otto laboratori, Anthropic, Google DeepMind, Meta, OpenAI e xAI, pubblicano un cutoff per almeno un modello, dice il tracker. Una voce vuota significa che le fonti dei fornitori consultate non hanno stabilito un cutoff. Non è la prova che non esista.
Il divario tra rilasciare e sapere
La premessa del tracker è netta: sono due le date che decidono quanto un modello sia davvero aggiornato. La data di rilascio è quando il laboratorio lo ha messo sul mercato; il training cutoff è quando ha smesso di leggere. GPT-6 Astra, rilasciato il 3 settembre 2026, ha un cutoff al 30 aprile 2026, secondo la pagina. Il giorno del lancio era quindi indietro di circa quattro mesi. Claude Fable 5.1, rilasciato il 1° settembre 2026, porta un cutoff a giugno 2026. Gemini 3.1 Pro, rilasciato il 19 febbraio 2026, ha smesso di leggere a gennaio 2025, più di un anno prima di arrivare sul mercato.
Un modello può uscire a settembre e aver comunque smesso di leggere ad aprile, il che significa che è indietro di cinque mesi il giorno del lancio.
Quel divario pesa di più man mano che i cicli di rilascio si comprimono. Mistral AI ha rilasciato Mistral Large 3 il 2 dicembre 2025, Mistral Small 4 il 16 marzo 2026 e Mistral Medium 3.5 il 28 aprile 2026, nessuno con un cutoff pubblicato, secondo il tracker. Anche Qwen3.8-Max (3 agosto 2026) e Qwen3.8-Flash (26 agosto 2026) di Alibaba, e V4-Pro (13 agosto 2026) e V4.1-Flash (10 settembre 2026) di DeepSeek, sono elencati senza cutoff pubblicati. Lo stesso vale per Muse Glimmer e Muse Spark 1.3 di Meta e per Gemini 3.8 Flash di Google DeepMind.
Gli strumenti di ricerca non colmano il divario, sostiene la pagina. Un modello che cerca sul web legge qualche pagina, la usa in una risposta e dimentica. Apri una nuova chat e torna al suo cutoff. Peggio: deve essere il modello stesso ad attivare la ricerca, con gli stessi pesi che contengono il fatto obsoleto. Gli errori finiscono così dove il modello si sente più sicuro. La pagina cita una misurazione su oltre 2.000 chiamate a 16 modelli, a ciascuno dei quali era stato dato uno strumento di ricerca web. I modelli di frontiera decidevano correttamente quasi ogni volta. Quelli più deboli enunciano fatti consolidati che erano cambiati e cercavano sul web cose come il punto di ebollizione dell'acqua.
L'uso cambia più in fretta dei benchmark
Mentre i laboratori corrono ai rilasci, i dati d'uso raccontano un'altra storia su quali modelli gli sviluppatori scelgono davvero. I modelli AI cinesi sono passati da una quota ridotta a una maggioranza degli utilizzi su due grandi piattaforme per sviluppatori nel 2026, secondo CNBC, che ha citato dati d'uso condivisi con l'emittente. Su OpenRouter i modelli cinesi hanno rappresentato dal 57% al 67% dei token usati nella settimana del 14 settembre, contro il 6% al 13% di febbraio. Su Vercel la loro quota è salita al 55% ad agosto dall'11% di gennaio.
L'adozione si concentra in quello che OpenRouter definisce Global South, 82 paesi tra America centrale e meridionale, Africa e Asia. Più di due terzi dei token usati da quelle aziende vanno a modelli cinesi, ha riportato CNBC. Le aziende negli Stati Uniti usano circa la metà dei token su OpenRouter.
Il prezzo è il motore, secondo le persone sentite da CNBC. Peter Walker, head of insights di OpenRouter, ha detto all'emittente che i modelli open source cinesi rilasciati quest'anno "possono funzionare in modo credibile in casi d'uso agentici avanzati, soprattutto per il coding, cosa che semplicemente non era vera alla fine del 2025". Sono anche "incredibilmente convenienti rispetto alla maggior parte dei modelli dei laboratori americani", ha detto. Harpreet Arora, head of agentic infrastructure di Vercel, ha detto a CNBC che una volta che un modello raggiunge la soglia di qualità per un lavoro, la differenza di prezzo diventa decisiva. Le aziende vogliono comunque modelli di frontiera statunitensi per i compiti più complicati, ha aggiunto.
All'inizio della settimana OpenAI e Anthropic hanno annunciato entrambe nuovi modelli più economici, ha riportato CNBC. Dianne Penn, head of product management, research and labs di Anthropic, ha detto all'emittente che l'azienda cercava di rendere le risposte dei suoi modelli "più efficienti, così da usare meno token a seconda dell'impostazione di effort".
Washington guarda ai conteggi dei token
Lo spostamento sta attirando attenzione a Washington, dove due commissioni della Camera degli Stati Uniti stanno indagando sull'impatto della crescente adozione dei modelli cinesi, secondo CNBC. Gli Stati Uniti hanno vietato alle aziende AI cinesi di comprare i chip più avanzati tramite controlli sulle esportazioni. Washington teme che possano accedere ai chip Nvidia da remoto attraverso data center all'estero. Temono anche il "distillation", cioè che i nuovi modelli imitino quelli più vecchi e affermati.
L'AI cinese rappresenta "rischi economici e di sicurezza reali per gli Stati Uniti", ha detto a CNBC Daniel Remler, senior fellow del programma su tecnologia e sicurezza nazionale del CNAS. "La preoccupazione ultima è che l'integrazione dei modelli AI cinesi trascini i paesi in una sfera d'influenza tecnologica cinese che si irrigidisce in un allineamento geopolitico", ha detto. Remler ha aggiunto che il Sud-est asiatico in particolare potrebbe vedere un'adozione significativa. Ha detto che "ovunque da Lagos a São Paulo a Giacarta, dove imprenditori e governi cercano modelli aperti ed economici, si guarderà prima all'AI cinese".
Nvidia prova a cambiare quel calcolo con il software invece che con i chip. L'azienda sta preparando un modello gratuito, che dovrebbe chiamarsi Nemotron 4, atteso entro la fine dell'anno. È rivolto a chi usa già hardware Nvidia, ha detto a Rest of World Marc Einstein, analista di Counterpoint Research. Pochi paesi corrispondono meglio a questa descrizione degli Emirati Arabi Uniti, il cui data center di punta funzionerà con 400.000 chip Nvidia, ha riportato la testata. Nvidia ha anche accettato di pagare quasi 13.000.000.000 di dollari per comprare Hugging Face, la piattaforma dove gli sviluppatori condividono e scaricano modelli, secondo Rest of World.
Il contesto di quella spesa: le versioni precedenti dei modelli AI statunitensi sono rimaste molto indietro rispetto ai modelli gratuiti cinesi. Quei modelli gratuiti sono stati scaricati circa 2.000.000.000 di volte quest'anno, molto più di qualsiasi rivale occidentale, secondo un rapporto di agosto di Hugging Face citato da Rest of World. I governi che costruiscono i propri modelli partono per lo più da uno gratuito fatto da Meta o Alibaba. Einstein ha detto che la spesa di Nvidia serve a fare di Nemotron la base che sceglieranno al posto di quelle.
Cosa sfuggono i benchmark
Niente di tutto questo risolve il problema di misurazione alla radice. I punteggi di benchmark di un modello non dicono nulla su se sappia cosa è successo dopo il suo cutoff. La pagina di stale.jock.pl suggerisce un controllo a bassa tecnologia: chiedere direttamente a un modello la sua data di training cutoff. Un modello ben educato risponde o dice di non essere sicuro. Uno che inventa una data con sicurezza ha detto qualcosa di utile su di sé, sostiene la pagina. Aggiunge che la risposta va confrontata con il tracker, perché un modello è una fonte scarsa sui modelli.
La pagina offre anche un export leggibile dalle macchine, models.json, con data di rilascio, cutoff pubblicato e link alla fonte per tutti i 20 modelli. Suggerisce di puntarci un agente tramite il file di istruzioni AGENTS.md o CLAUDE.md che l'agente già legge. L'export viene rigenerato insieme alla pagina, così un agente legge le date di oggi invece di quelle incorporate nei suoi pesi.
È un tampone, non una soluzione. I laboratori controllano cosa divulgano, e metà dei modelli attuali sul tracker non ha ancora un cutoff pubblicato. Finché non cambia, chi confronta i modelli solo sui benchmark sta valutando un'istantanea già superata quando è uscita.
Fonti
3- 01Show HN: How Stale Is Your AI? Release age and training cutoff for 20 modelsEN
- 02Chinese AI models surge in global popularity — and Washington is worriedEN
- 03Nvidia's free AI model could push the UAE closer to the U.S.EN
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.