Google non sta più gareggiando con OpenAI e Anthropic verso lo stesso traguardo. Le sue rivali vogliono un’IA che si auto-migliora. Google vuole un’IA che comprenda il mondo reale.
La differenza è facile da non notare, perché Google continua comunque a rilasciare nuovi modelli e a generare profitti. Tuttavia, la sua ultima versione si è posizionata al 10° posto in una graduatoria indipendente.
Cosa Google Ha e Non Ha Detto sulla Gara dell’IA
Google ha rilasciato Gemini 3.6 Flash il 21 luglio. Il punto di forza era velocità e costi, non la potenza pura.
Seguici su X per ricevere le ultime notizie in tempo reale
Il modello produce il 17% di token in meno rispetto alla versione precedente, come si legge nel blog di Google. I token sono i piccoli frammenti di testo generati da un’IA. Meno token equivalgono a risposte più economiche.
La questione della potenza è diversa. Una lettura pubblicata dell’indice Artificial Analysis posiziona il modello al 10° posto. Tutte le altre principali aziende sono sopra di esso in classifica.
Google non è però ferma. Ha avviato il suo più grande addestramento di sempre, per Gemini 4. Un modello più grande, Gemini 3.5 Pro, è ancora in fase di test con i partner.
Sundar Pichai ha puntato su un obiettivo diverso. Ha collegato la roadmap agli agenti personalizzati invece che alle vittorie nelle classifiche.
Gli investitori però sono meno tranquilli. Le azioni Alphabet sono calate del 6% a giugno dopo che due senior ricercatori sono passati alla concorrenza.
Dentro la Scommessa di DeepMind sui World Model
Un world model è un’IA che apprende come si comportano le cose fisiche: gravità, movimento, causa ed effetto. Prevede cosa succede in una stanza, non semplicemente la parola successiva in una frase.
Anche il sito di DeepMind mostra questa scommessa. Inserisce Genie 3 e Gemini Robotics sotto la sezione dedicata ai world model e alla embodied AI, cioè software che controlla le macchine.
A maggio il laboratorio ha esteso Project Genie a Street View. Inoltre, ha pubblicato SIMA 2, un agente che apprende giocando all’interno di mondi 3D virtuali.
OpenAI e Anthropic invece puntano completamente altrove. Vogliono il recursive self-improvement, RSI in breve.
In termini semplici, si tratta di un’IA abbastanza intelligente da creare la prossima IA ancora migliore. Poi quella ne costruisce una superiore, e così via.
Martedì lo scrittore Alberto Romero ha sostenuto che Google abbia abbandonato di proposito questa gara.
“Hassabis sta puntando su altro: i world model. Modelli in grado di comprendere e simulare il mondo reale, non solo di prevedere il prossimo token”, ha spiegato in dettaglio Alberto Romero in una recente analisi.
Google non ha mai dichiarato nulla del genere. Demis Hassabis, che guida Google DeepMind, non ha mai escluso pubblicamente la RSI.
Perché un Co-Fondatore di una Rivale Sostiene Che DeepMind Sia l’Eccezione
L’osservazione più acuta dall’esterno è arrivata mesi fa da una concorrente.
Jack Clark è il co-fondatore di Anthropic. Il 4 maggio ha pubblicato un saggio su dove sta andando l’IA.
Ha assegnato una probabilità del 60% che l’IA sia in grado di condurre la propria ricerca entro la fine del 2028. Per il 2027, la possibilità sale al 30%.
Clark poi si è chiesto quali sono i laboratori che puntano a quell’obiettivo. DeepMind, ha scritto, “sembra essere la più cauta delle grandi tre aziende”. Cauta significa prudente.
Le sue prove arrivano dalla stessa DeepMind. Ha citato un articolo del 2025 sulla sicurezza dell’IA, scritto insieme al co-fondatore Shane Legg.
Anthropic invece è molto più audace. In uno studio sul recursive self-improvement ha spiegato in dettaglio che Claude ha scritto oltre l’80% del codice rilasciato entro maggio 2026.
Prima di febbraio 2025, tale quota era vicina allo zero.
L’azienda ha spiegato in dettaglio casi in cui le IA creano IA migliori. In un test di velocità, i suoi modelli hanno raggiunto un aumento di 52 volte ad aprile, rispetto a 2,9 volte in un anno precedente.
Un ingegnere esperto impiega da quattro a otto ore per ottenere un miglioramento di quattro volte nello stesso compito.
Perché Forse Google Non Ha Davvero Abbandonato la Gara dell’IA
Due fatti smentiscono completamente questa tesi:
- Google guida il test che si avvicina di più a misurare le competenze di ricerca sull’IA.
MLE-Bench chiede a un modello di costruire da solo sistemi di machine learning. Un modello Gemini 3 ha ottenuto il 64,4% a febbraio. All’epoca era il miglior risultato. Google ha portato 3.6 Flash al 63,9% a luglio.
Raramente i laboratori che abbandonano un settore restano in cima alle classifiche.
- Google è tutt’altro che assente dal mercato.
Pichai ha dichiarato agli investitori che l’app Gemini conta 950 milioni di utenti mensili. Google però ha saltato a luglio l’open AI alliance di NVIDIA. Anche OpenAI e Anthropic hanno fatto lo stesso.
Google può permettersi di aspettare?
La spiegazione a favore della pazienza è semplice. Gli annunci nella ricerca finanziano tutto il resto, quindi DeepMind può prendersi il suo tempo.
I documenti interni di Alphabet mostrano che questo margine si sta assottigliando.
I ricavi hanno raggiunto 119,8 miliardi di dollari nel trimestre di giugno, con una crescita del 24%, secondo i risultati presentati il 22 luglio. Solo la ricerca ha generato 63,3 miliardi di dollari.
Poi arrivano le spese. Alphabet ha investito 44,9 miliardi di dollari in data center e attrezzature in tre mesi, circa il doppio rispetto a un anno prima.
Il risultato è stato un flusso di cassa libero negativo di 5,86 miliardi di dollari. Il flusso di cassa libero rappresenta ciò che resta dopo aver pagato le spese di costruzione.
Questa voce era positiva per 10,1 miliardi di dollari a marzo. A dicembre era positiva per 24,6 miliardi di dollari.
Alphabet ha coperto la differenza vendendo 49,6 miliardi di dollari in nuove azioni a giugno. Ha anche preso in prestito altri 20,3 miliardi di dollari.
Il debito a lungo termine è raddoppiato in sei mesi, passando da 46,5 miliardi di dollari a 98,2 miliardi di dollari.
Una voce nei conti relativa alla ricerca condivisa sull’IA ha registrato una perdita di 5,79 miliardi di dollari, rispetto ai 3,37 miliardi precedenti. La pazienza ora ha un prezzo ben preciso.
Cosa osservare nei prossimi 30 giorni
- Se Gemini 3.5 Pro verrà lanciato e come si posizionerà in classifica
- Se DeepMind mostrerà risultati sui world-model legati a Gemini 4
- Se il flusso di cassa di Alphabet tornerà positivo a settembre
- Se Hassabis risponderà in modo diretto sulla questione dell’auto-miglioramento
Gemini 4 rappresenta il vero banco di prova. Se i world models riusciranno dove gli agenti di coding si bloccano, la lentezza sembrerà una scelta saggia e non sintomo di paura.
Il prossimo report sugli utili mostrerà per quanto tempo Alphabet potrà continuare a sostenere queste spese per scoprire la risposta.
