Il 28 giugno Elon Musk ha annunciato su X che Grok 4.5, basato sul nuovo modello fondativo V9 da 1,5 trilioni di parametri, è entrato in beta privata su SpaceX e Tesla. Musk sostiene che le valutazioni interne mostrino risultati vicini, se non superiori, a quelli di Claude Opus: un’affermazione da prendere con cautela, perché non esiste ancora alcun benchmark indipendente pubblico, e l’unico modello davvero accessibile agli sviluppatori resta Grok 4.3, costruito sull’architettura precedente da 500 miliardi di parametri.
La storia interessante, però, non è il modello in sé ma la struttura che lo produce. Il 16 giugno SpaceX ha rilevato per 60 miliardi di dollari in azioni Anysphere, la società dietro Cursor, l’editor di codice usato da oltre un milione di sviluppatori. I dati dei flussi di lavoro di Cursor sono già confluiti in una fase di training supplementare di V9 (non fin dall’inizio del pre-training, un limite che alcuni ingegneri xAI hanno ammesso apertamente). Il prossimo modello, promette Musk, li incorporerà fin dal principio. Il risultato è un ciclo chiuso in un’unica proprietà: il supercomputer Colossus di Memphis addestra il modello, il modello alimenta lo strumento di coding, lo strumento genera i dati che tornano ad addestrare il modello successivo, una dinamica di integrazione verticale che nessun altro laboratorio frontier ha replicato finora.
Il costo resta enorme: le perdite operative di xAI nel primo trimestre 2026 hanno toccato i 2,47 miliardi di dollari, con una spesa in conto capitale di 7,7 miliardi, mentre tutti e undici i co-fondatori originali dell’azienda hanno lasciato la società. Musk ha comunque promesso un modello completamente addestrato da zero ogni mese fino a fine anno, un ritmo senza precedenti considerando che un training run di questa scala richiede tipicamente mesi e centinaia di milioni di dollari.
La Cina cambia le carte: LongCat-2.0 e il fantasma di Owl Alpha
Mentre xAI punta sull’integrazione proprietaria, Meituan, la piattaforma cinese di food delivery, ha scelto la strada opposta. Il 30 giugno l’azienda ha rilasciato LongCat-2.0, un modello MoE da 1,6 trilioni di parametri (circa 48 miliardi attivi per token), sotto licenza MIT completamente aperta. La rivelazione ha avuto un colpo di scena: LongCat-2.0 altro non è che “Owl Alpha“, il modello anonimo che da due mesi girava su OpenRouter scalando le classifiche degli sviluppatori senza che nessuno sapesse di che modello si trattasse, arrivando a processare oltre 10 trilioni di token al mese e a piazzarsi primo su Hermes Agent, secondo su Claude Code, terzo su OpenClaw.
Il dettaglio politicamente più pesante è che l’intero pre-training, oltre 35 trilioni di token, è stato eseguito su un cluster di oltre 50.000 acceleratori cinesi domestici, senza una sola GPU Nvidia coinvolta. Sui benchmark, LongCat-2.0 batte GPT-5.5 su SWE-bench Pro (59,5 contro 58,6) pur restando dietro Claude Opus 4.7/4.8, mentre sul prezzo è aggressivo fino alla spregiudicatezza: 0,75 dollari per milione di token in input contro i 5 dollari di GPT-5.5 e i 2 dollari introduttivi di Claude Sonnet 5, con le letture di contesto in cache completamente gratuite. Come nota un’analisi di settore, il caso non smentisce la logica dei controlli export sui chip americani, ma ridimensiona una delle sue assunzioni di base: negare a Pechino l’hardware Nvidia più recente non impedisce, di per sé, di addestrare e servire sistemi da trilione di parametri.
Google rallenta, il mercato si riassesta
Google ha intanto rinviato Gemini 3.5 Pro da giugno a luglio, mancando la promessa fatta da Sundar Pichai al Google I/O di consegnarlo “il mese successivo”. Il rinvio arriva mentre l’azienda ha perso sei ricercatori del team coding negli ultimi cinque mesi, ceduti a Meta, OpenAI e Anthropic, e mentre secondo il report State of AI di Sensor Tower ChatGPT controlla il 46% del mercato globale degli assistenti IA contro il 28% di Gemini; Claude, più piccolo in valore assoluto, è quello cresciuto più rapidamente negli Stati Uniti, dal 5% di dicembre al 14% di maggio, trainato da coding e ricerca approfondita.
Nello stesso periodo OpenAI ha distribuito GPT-5.6 in anteprima limitata a circa venti partner selezionati dal governo USA, un dettaglio che segnala come l’accesso ai modelli più avanzati sia sempre più filtrato da soglie di rischio informali piuttosto che da semplici logiche di mercato: Gemini 3.5 Pro, non essendo mai stato oggetto di restrizioni, resta per ora l’unico grande modello frontier a circolare senza vincoli governativi. Sul fronte cinese dell’open weight, anche GLM-5.2 di Z.AI si è inserito nella corsa al ribasso, salendo rapidamente su classifiche come Code Arena pur restando dietro Fable 5 di Anthropic.
Tre assi, una sola corsa
Il quadro che emerge in questi giorni è che la competizione tra i grandi laboratori IA si gioca ormai su tre piani distinti, in parte indipendenti dai benchmark stessi: l’integrazione verticale compute-modello-strumento-dati di xAI, l’apertura aggressiva sul prezzo e sull’hardware domestico dei laboratori cinesi, e un accesso ai modelli USA sempre più filtrato da soglie di rischio decise a Washington. Chi vincerà la prossima generazione di modelli dipenderà tanto dagli ingegneri quanto dai regolatori.
