Riassunto:
Negli ultimi mesi, OpenAI e Anthropic si sono alternati nel portare avanti i loro modelli di punta, ma Google sembrava insolitamente tranquillo. Flash viene aggiornato quasi ogni tre settimane, con 3.6, 3.7 e 3.8 che avanzano continuamente, ma non c'è stato alcun movimento per Pro, che rappresenta il limite di capacità più alto. Fino a questi due giorni, un modello con il nome gemini-3.8-flash è apparso improvvisamente nella grande arena di test dei modelli ciechi Arena.
Non appena gli sviluppatori hanno iniziato, hanno notato che qualcosa non andava. Il vero Gemini 3.8 Flash è stato rilasciato. Tutti sanno quale livello dovrebbe essere. Ma con questo "3.8 Flash", le prestazioni di scrittura del codice, creazione di SVG ed esecuzione di Agent sono ovviamente aumentate di livello.
Dopo diversi cicli di test effettivi, si è diffusa rapidamente un'ipotesi:
Questo modello sarà probabilmente il fiore all'occhiello di prossima generazione di Google nascosto dietro l'etichetta: il Gemini 4 Pro.
Subito dopo, un'immagine comparativa dei benchmark ancora più esagerata ha cominciato a diventare virale. Codifica, agente, ragionamento, punteggi multipli classificati GPT-6 Astra e Claude Fable di seguito.
Solo pochi giorni fa, molte delle più importanti aziende di intelligenza artificiale discutevano apertamente se fosse giunto il momento di rallentare. Ora, il suono della decelerazione non ha ancora raggiunto il suolo ed è iniziata una nuova tornata di gare.
Dietro questo sospetto "modello divino" di Gemini 4 Pro, c'è una parola chiave più pericolosa:
RSI.
Si sospetta che Gemini 4 Pro sia trapelato
Il 2 settembre Google ha appena rilasciato ufficialmente Gemini 3.8 Flash. Secondo i funzionari, questa è l'ultima generazione di Flash della serie Gemini 3, che ha migliorato significativamente l'ingegneria del software, le attività degli agenti e il complesso ragionamento in più fasi; da 3.7 Flash a 3.8 Flash sono passate solo tre settimane.
Quindi, quando in Arena è apparso un altro modello con lo stesso nome gemini-3.8-flash, gli sviluppatori hanno subito notato l'anomalia.
Il vero Flash 3.8 esiste già e tutti hanno un riferimento pronto. E questo modello sembra ovviamente più forte, ed è chiaramente la forza che si può trovare solo nel modello Pro.
Il primo gruppo di test effettivi che ha dato il via alla diffusione si è concentrato su SVG, pagine web e scene 3D.
Lo sviluppatore Harshith gli ha chiesto di disegnare un gatto domestico di traverso utilizzando SVG e di unire i risultati con GPT-6 Astra Max e la versione ufficiale di Gemini 3.8 Flash. Questa versione in Arena presenta un divario visibile con la 3.8 Flash ufficiale in termini di contorni, proporzioni e completezza dei dettagli.
Da sinistra a destra: "4 Pro", Astra, 3.8 Flash
X netizen @thtbee_ ha testato continuamente questo presunto modello Gemini 4 Pro da più angolazioni.
Una pagoda in stile Voxel, il modello ha funzionato per 8 minuti e ha generato direttamente una serie completa di scene 3D interattive.
Con un elicottero Airbus H145, ci sono voluti solo circa 10 minuti per creare una pagina di visualizzazione 3D completa, che è molto dettagliata. Tuttavia, questo netizen ha affermato che gli elementi dell'interfaccia utente nella parte inferiore della pagina "sembrano un po' scadenti".
In termini di web design, la modella ha impiegato circa 14 minuti per creare un sito web a tema monocromatico, che nel complesso era molto pulito e completo. I problemi di gusto del design di cui Gemini si è spesso lamentato in passato sembrano essere stati finalmente risolti questa volta.
Un altro netizen @Mr_Salio ha utilizzato direttamente questo presunto modello Gemini 4 Pro per creare giochi. La grafica finale è abbastanza fluida e anche la generazione del mondo e il design del gioco sono molto completi.
Un indizio più critico arriva dallo sviluppatore Qwinah.
Ha affermato di aver eseguito con successo il "ghost routing" sul backend di Gemini 4 Pro e ha pubblicato uno screenshot di sospette informazioni interne sul terminale.
Secondo lui, G4P-ARGON e VIA_3.8_FLASH compaiono direttamente nel logo interno di questo modello. L'output massimo raggiunge 256K, la finestra di contesto supera i 10 milioni di token e dispone anche di memoria permanente per sessioni incrociate, rete senza API, compilazione automatica back-end ed esecuzione di script e persino capacità di controllo fisico dei robot.
Se queste informazioni sono vere, ovviamente non si tratta più di un normale aggiornamento Flash.
Contemporaneamente, nella community ha cominciato a circolare anche una tabella comparativa dei benchmark del Gemini 4 Pro.
Secondo i dati nell'immagine, Gemini 4 Pro ha ottenuto l'88,7% nel test di ingegneria del software DeepSWE v1.1, il 95,3% nel test Terminal-Bench 2.1 sull'agente terminale, il 72,1% nel test di ragionamento conoscitivo a livello di esperto HLE-Verified e l'86,8% nel test dell'agente operativo del computer OSWorld 2.0.
Ciò che è ancora più esagerato è che su GDPval-AA v2, che misura il lavoro di conoscenza reale, è scritto come 2064 Elo, superando direttamente la soglia del 2000.
Se questi dati sono veri, Gemini 4 Pro può semplicemente "prendere a pugni Fable e calciare Astra", piazzandosi in testa ai modelli all'avanguardia in un colpo solo.
Ma più esagera, più devi stare attento.
Vale la pena notare che questa tabella di benchmark non è del tutto coerente con il sospetto screenshot del backend "scavato" da Qwinah; il punteggio di Astra, utilizzato come elemento di confronto nella tabella benchmark, non è conforme ai dati ufficiali; entrambi i materiali non sono ufficialmente approvati da Google, Arena o benchmark correlati e costituiscono comunque solo informazioni diffuse nella community.
L'unico modello che può essere confermato è il modello denominato gemini-3.8-flash, che è completamente incoerente con le prestazioni di Gemini 3.8 Flash.
Ma c'è un altro motivo molto importante per cui tutti puntano subito al Gemini 4 Pro: il modello Pro di Google è rimasto vuoto per troppo tempo.
Gemini 3.5 Pro non è stato ancora lanciato ufficialmente ed è già stato confermato che Gemini 4 entrerà in formazione. Negli ultimi mesi, Flash è stato portato avanti di generazione in generazione e non c'è mai stato un nuovo modello nella linea Pro che rappresentasse veramente il limite superiore delle capacità.
Ora, un "3.8 Flash" con abilità ovviamente anomale è emerso all'improvviso dall'Arena.
Di conseguenza, le speculazioni stanno diventando sempre più ragionevoli: Google potrebbe non avere alcuna intenzione di lasciare il vero grande aggiornamento a 3.5 Pro, ma direttamente a Gemini 4 Pro.
Dietro Gemini 4 Pro,
La parola chiave più importante è RSI
Se Gemini 4 Pro è ancora solo una voce della community, ciò che è più degno di nota è che
Google sta accelerando in modo significativo la velocità della partecipazione dell'intelligenza artificiale allo sviluppo del modello.
In questi rumor su Gemini 4 Pro, la parola chiave RSI è stata menzionata più volte.
RSI sta per Recursive Self-Improvement, che significa auto-miglioramento ricorsivo. In poche parole, l’intelligenza artificiale inizia a contribuire a rendere un’intelligenza artificiale più forte e un’intelligenza artificiale più forte accelera ulteriormente lo sviluppo di modelli di prossima generazione.
Una volta avviato questo ciclo, non è solo l'abilità del modello in sé ad essere accelerata.
Anche la velocità dell'evoluzione del modello inizierà ad essere accelerata dal modello stesso.
Reuters ha rivelato nell'agosto di quest'anno che il co-fondatore di Google Sergey Brin ha spinto Gemini ad accelerare negli ultimi mesi e ha elencato l'auto-miglioramento ricorsivo come una delle direzioni chiave.
Sebbene Google non abbia annunciato pubblicamente di aver raggiunto questo obiettivo, sta affidando agli agenti sempre più compiti che originariamente appartenevano ai ricercatori, tra cui la valutazione dei modelli, la ricerca di indicazioni per il miglioramento, l'esecuzione di esperimenti e quindi il reinserimento dei risultati nel processo di sviluppo del modello.
Quando Gemini 3.8 Flash è stato rilasciato il 2 settembre, Google ha anche menzionato nella descrizione ufficiale che un ciclo dell'agente di lunga durata sta "valutando e migliorando ricorsivamente il modello sottostante".
Il ricercatore di Google DeepMind Yao Shunyu (non Yao Shunyu di Tencent) ha utilizzato le parole di Armstrong quando sbarcò sulla luna per descrivere questo aggiornamento dopo il rilascio di 3.8 Flash:
"Questo è un piccolo passo per il modello, un passo da gigante per la RSI."
Proprio di recente, Google ha incluso anche "RSI" nel titolo di un nuovo articolo.
Il 14 settembre, Google, GDM e altri team hanno rilasciato Dream-RSI, che studia specificamente come consentire agli agenti di raggiungere un auto-miglioramento ricorsivo attraverso il miglioramento continuo delle strategie di esplorazione. Nell'ingegneria degli algoritmi, nell'ottimizzazione matematica e nelle attività del kernel GPU, questo metodo mostra una maggiore efficienza di esplorazione e costi di ricerca inferiori.
È proprio per questo che le voci su Gemini 4 Pro sono state rapidamente legate a RSI.
La speculazione nella community non si ferma a "Gemini 4 Pro è molto forte", ma si chiede anche in che misura Google abbia raggiunto l'RSI internamente.
Google non è ovviamente l'unico a intraprendere questa strada della RSI.
Il 17 settembre, ora degli Stati Uniti, Anthropic ha divulgato una serie di dati interni sull'automazione della ricerca e sviluppo sull'intelligenza artificiale.
I funzionari di Anthropic hanno affermato che il motivo per cui hanno divulgato questi indicatori è che credono che il mondo esterno abbia bisogno di sapere quanta parte della ricerca e dello sviluppo sull'intelligenza artificiale nei laboratori all'avanguardia ha iniziato a essere completata dall'intelligenza artificiale stessa.
I dati mostrano che, ad agosto di quest'anno, Claude è stato in grado di guidare il 26% delle attività di ricerca e sviluppo dell'intelligenza artificiale antropica, ovvero gli esseri umani devono solo fornire obiettivi di alto livello e supervisionare, e Claude può sostanzialmente completare le attività end-to-end. Questa percentuale era inferiore all’1% nei mesi di febbraio e marzo di quest’anno.
Allo stesso tempo, oltre il 90% delle attività di ricerca e sviluppo sull'intelligenza artificiale all'interno di Anthropic sono almeno entrate nella fase di collaborazione sull'intelligenza artificiale.
In Cina, Tang Jie, fondatore e capo scienziato di Zhipu, ha recentemente affermato: "Siamo ancora lontani dal raggiungere l'auto-miglioramento ricorsivo, ma è apparso il ciclo più piccolo: sistema di ottimizzazione del modello, modello di servizio del sistema."
Il lungo articolo di Tang Jie su X, solo l'inizio è troncato
Nella pratica ingegneristica divulgata da Zhipu, un Infra Agent guidato da GLM-5.3 ha partecipato alla progettazione, al debug e all'ottimizzazione dell'infrastruttura di inferenza GLM-5.3-Flash. Questo sistema funziona su un cluster di oltre 100.000 chip IA domestici. Ci sono volute solo due settimane dal primo passaggio per rilevare tutto il traffico di produzione, aumentando il throughput end-to-end a 3,2 volte il livello iniziale.
"Rallenta" alla fine lascia solo un avviso
Solo pochi giorni fa, Amodei ha invitato le aziende all'avanguardia nel campo dell'intelligenza artificiale a unirsi per "rallentare".
La prima condizione a cui ha indicato di prestare attenzione era l'RSI.
Il progresso del modello di per sé è ovviamente una buona cosa, ma il problema è che se l'intelligenza artificiale inizia a partecipare alla produzione della prossima generazione di IA, la velocità del progresso del modello potrebbe essere sempre più veloce, ma la velocità della comprensione, della valutazione e del controllo da parte degli esseri umani potrebbe non essere accelerata allo stesso tempo.
Quindi Amodei ha più volte sottolineato che la valutazione di parte terza, gli standard di sicurezza comuni e i meccanismi di decelerazione devono essere stabiliti in anticipo prima che le capacità superino determinate soglie.
Perché una volta che l'RSI forma veramente un feedback positivo, il modello potrebbe aver superato la "distanza di sicurezza" della frenata.
In termini di rischio, diversi laboratori all'avanguardia hanno effettivamente raggiunto un consenso.
Altman ha concordato pubblicamente di "rallentare il ritmo di sviluppo dell'intelligenza artificiale all'avanguardia" e ha promesso che OpenAI avrebbe introdotto anche revisori indipendenti con diritti dei dipendenti simili; Musk ha detto che "Dario ha ragione"; Hassabis ha anche detto che questa è la direzione giusta, ma come realizzarla occorre continuare a discuterne.
Ma l'iniziativa sottolinea anche che non ha senso rallentare da soli. Se la ricerca e lo sviluppo sull’intelligenza artificiale continuano ad essere accelerati dall’intelligenza artificiale, un rallentamento o una sospensione veramente efficace in futuro richiede la creazione di una serie di regole comuni: come l’introduzione di valutatori indipendenti e la possibilità che laboratori all’avanguardia stabiliscano congiuntamente soglie di capacità e misure di sicurezza e si coordinino per rallentare il ritmo di ricerca e sviluppo quando necessario.
Ma fino ad ora, per diversi motivi competitivi, non sono state stabilite regole comuni.
Tutti possono già dire insieme che "dovremmo essere cauti", ma quando si tratta di "come rallentare nello specifico, chi dovrebbe rallentare per primo e se altri paesi dovrebbero rallentare", il consenso svanisce rapidamente.
Esiste una concorrenza più diretta tra i modelli tra i laboratori, mentre c'è una maggiore concorrenza sull'intelligenza artificiale tra i paesi. Se un paese rallenta da solo, correrà il rischio di cedere la finestra di vantaggio ai suoi avversari; se un paese impone restrizioni da solo, si preoccuperà che l’altra parte continui ad accelerare.
Diversi laboratori di intelligenza artificiale all'avanguardia, quindi, si comportano in modo alquanto incoerente con le loro parole e azioni.
Da parte di Google c'è il menzionato Gemini 4 Pro che si sospetta sia stato testato in modo anonimo nell'Arena.
Sul lato antropico, recentemente hanno cominciato ad apparire nella comunità anche tracce in scala di grigi di Opus 5.2. Alcuni utenti di Claude Code hanno affermato di aver visto il logo del nuovo modello claude-opus-5-2 attraverso lo stato di funzionamento e le informazioni sull'instradamento delle richieste e sospettavano che alcune richieste fossero state in scala di grigio per l'Opus di prossima generazione.
Per quanto riguarda OpenAI, alcune persone hanno affermato di aver visto il nome del modello gpt-6-sol nell'elenco dei modelli in background e alcune persone hanno affermato di sospettare che fossero stati trasformati in scala di grigi in un nuovo modello. Secondo le notizie più diffuse, GPT 6 Sol potrebbe essere rilasciato la prossima settimana, oppure potrebbe essere il Dev Day, il 29 settembre, ora americana... Insomma, non è lontano.
La successiva serie di modelli dei tre laboratori di intelligenza artificiale all'avanguardia ha iniziato a mostrare tracce di test nella comunità.
Il risultato più certo di questa serie di "iniziative di decelerazione" finora non è che qualche azienda abbia realmente rallentato, ma che le più importanti aziende di intelligenza artificiale abbiano parlato pubblicamente in anticipo dei rischi.
Il modello non rallenta.
Ma almeno, se un giorno dovesse succedere qualcosa, potranno dire: li abbiamo avvertiti.
Commenti