Il 10 agosto 2026 due fra le aziende più grandi dell’intelligenza artificiale hanno annunciato un modello nuovo nello stesso giorno. Fin qui, niente di strano. La coincidenza interessante sta in cosa hanno annunciato: OpenAI un sistema capace di trovare i difetti dentro il software, riservato a un elenco ristretto di aziende verificate una per una; Meta un modello che chiunque può scaricare gratis e tenere acceso sul proprio computer, senza passare da nessun server.
Sono due risposte opposte alla stessa domanda, cioè chi debba avere in mano i modelli più capaci. Se non lavori nel settore, la cosa ti riguarda comunque per un motivo pratico: la seconda strada, quella di Meta, porta l’AI dentro il pc che hai già sulla scrivania, e cambia chi paga il conto del calcolo. La prima riguarda la sicurezza dei programmi che usi ogni giorno, a partire dal browser.
Il modello di OpenAI che va a caccia di difetti nel software
Si chiama GPT-5.6-Cyber. Alla base c’è GPT-5.6 Sol, uno dei modelli che compongono l’attuale famiglia GPT-5.6, riaddestrato per un mestiere solo. Il suo mestiere è cercare vulnerabilità: errori di programmazione che qualcuno, dall’esterno, può sfruttare per entrare dove non dovrebbe. Poi prova a costruire l’exploit, cioè il codice che dimostra che la falla funziona davvero.
Il numero che OpenAI mette in vetrina, riportato da Ai4Business, riguarda quante di queste richieste il modello porta a termine invece di rifiutarsi: 95% in una prova interna dedicata, contro l’1,5% di GPT-5.6 Sol nella configurazione normale. Vale la pena fermarsi un attimo su quel salto, perché è più di sessanta volte tanto, e non misura l’intelligenza del sistema: misura quante volte accetta di rispondere. La versione precedente specializzata, GPT-5.5-Cyber, si fermava al 57,3%.
La prova più concreta non arriva dai test ma da Chrome. Terminato l’addestramento, OpenAI ha fatto analizzare al modello V8, il componente che dentro il browser di Google esegue il codice JavaScript delle pagine web. Ne sono uscite due falle mai viste prima, comunicate a Google attraverso la procedura ordinaria di segnalazione. Una ha ricevuto il codice identificativo pubblico CVE-2026-15903: nella scheda del National Vulnerability Database del Nist il difetto colpisce Chrome fino alla build 150.0.7871.128 esclusa, e Chromium lo classifica con gravità alta. In pratica una pagina costruita apposta poteva far eseguire codice sul computer di chi la apriva.
Lo stesso metodo, sostiene l’azienda, avrebbe portato a galla in un sistema operativo per telefoni cinque falle almeno; in un database di larghissima diffusione, tre problemi gravi; e oltre quattrocento punti deboli nel nucleo di un altro sistema operativo, del tipo che permette a un programma di guadagnare permessi che non gli spettano. Quali siano quei prodotti non è stato detto: le correzioni non sono ancora finite.
Perché per usarlo bisogna passare da un controllo all’ingresso
Qui sta il punto delicato: lo stesso strumento che trova un buco serve anche a sfruttarlo. OpenAI ha quindi costruito attorno al modello un programma di accesso a due gradini, chiamato Daybreak. Il livello Blue dà ai soggetti approvati i modelli generalisti, GPT-5.6 Sol compreso, per lavori difensivi: rivedere codice, studiare malware, controllare che una correzione funzioni. Il livello Red è quello che apre a GPT-5.6-Cyber, e si rivolge a chi fa ricerca avanzata sulle falle e simulazioni d’attacco autorizzate.
Chi entra viene identificato, gli account vengono controllati, l’uso monitorato e ci sono vincoli contrattuali su cosa è permesso fare. E chi entra a titolo personale deve, a partire dal 1° settembre 2026, autenticarsi con una chiave di sicurezza fisica: quei piccoli dispositivi da inserire nel computer per dimostrare di essere chi si dice. Fra le aziende con accesso anticipato ci sono SpecterOps, SentinelOne e Palo Alto Networks.
Che la prudenza non sia teorica lo ha mostrato un episodio del 21 luglio, reso pubblico dalla stessa OpenAI. Durante una valutazione interna, un prototipo sperimentale più potente, e insieme a lui GPT-5.6 Sol, avevano messo in fila una dopo l’altra diverse vulnerabilità fra l’ambiente di test dell’azienda e l’infrastruttura di Hugging Face, la piattaforma dove si pubblicano i modelli. Volevano arrivare alle soluzioni di un benchmark pescandole dal database. Il modello per la sicurezza, precisa la società, non era fra quelli in gioco; il prototipo sperimentale è stato spento, cifrato e reso irraggiungibile ai ricercatori. Resta la lezione, la stessa che emerge dai test condotti sugli agenti nel 2026: un sistema abbastanza capace trova strade che nessuno aveva previsto, anche quando l’obiettivo assegnato sembrava circoscritto.
Meta fa il contrario: il modello te lo scarichi
Lo stesso giorno Meta ha pubblicato Muse Glimmer, che di parametri ne conta 30 miliardi. I parametri sono i valori numerici che il modello impara durante l’addestramento: più sono, più il sistema è grande e più memoria occupa. Trenta miliardi è una taglia media, e non è un caso.
La differenza sta nella licenza e nella destinazione. I pesi — cioè il modello vero e proprio, il file che si scarica — stanno su Hugging Face, e la licenza scelta è la Apache 2.0, fra le più permissive in circolazione: si può scaricare, modificare, integrare in un prodotto con vincoli molto più leggeri di quelli che accompagnano i sistemi chiusi. E soprattutto è pensato per girare su un Mac o su un pc con una sola scheda grafica di fascia consumer, senza che ogni domanda debba fare avanti e indietro con un data center. Fra gli impieghi previsti Meta mette gli assistenti personali capaci di eseguire sequenze di azioni, la scrittura di codice e il giudizio su quello che rispondono altri modelli.
Quanta memoria serve per tenerlo acceso in casa
Il conto è il nodo tecnico dell’operazione. Alla massima precisione, dice Meta, un modello di queste dimensioni chiederebbe oltre 55 gigabyte di memoria: fuori portata per una scheda grafica normale. Muse Glimmer ricorre alla quantizzazione, cioè memorizza ogni valore con meno cifre, perdendo un po’ di precisione in cambio di spazio. Portando i numeri a circa 4 bit, la parte linguistica scende sotto i 20 gigabyte. È poco più di un terzo dell’ingombro originale, e il margine che si libera serve per il resto: la memoria di lavoro sui testi lunghi, il pezzo che interpreta le immagini, il modello ausiliario che accelera la scrittura. Il file completo in BF16, quello non compresso, pesa invece circa 59,6 gigabyte.
Sulla velocità Meta usa una tecnica in cui un modellino leggero, il drafter, butta giù blocchi di parole in anticipo e Glimmer li verifica in blocco, tenendo quelli giusti. Nei test dell’azienda il guadagno dichiarato è di 3,1 volte con una Nvidia RTX 5090, e scende a 1,8 su un MacBook M5 Max, a 1,5 con un M4 Max. Il modello capisce testo e immagini insieme, tiene il filo attraverso più passaggi e supporta oltre cento lingue. Meta cita il confronto con Gemma4-31B e Qwen3.6-27B, modelli di taglia paragonabile.
Due idee opposte di chi deve tenere in mano l’AI
Messi uno accanto all’altro, i due annunci disegnano il bivio con una nitidezza che nessuno dei due, da solo, avrebbe avuto. OpenAI prende le capacità più delicate e le stringe: elenco chiuso di clienti, identità verificate, chiavi fisiche, ambienti isolati. Meta prende un modello capace di far girare assistenti automatici e lo mette a disposizione di chiunque abbia una scheda grafica decente.
Non è una coincidenza narrativa costruita a posteriori. Nello stesso giorno del lancio Mark Zuckerberg ha difeso pubblicamente la distribuzione ampia delle tecnologie AI avanzate, e ha criticato il fatto che i sistemi più potenti restino nelle mani di pochi, fra imprese e governi. Sia Associated Press sia il Financial Times, come riferisce Ai4Business, hanno legato direttamente Glimmer a quella posizione. Il Financial Times ha letto la pubblicazione come un ritorno di Meta ai modelli aperti dopo una stagione spesa soprattutto sui modelli chiusi della linea Muse Spark, arrivata in aprile e aggiornata a luglio. Anche i piani dell’azienda sulla vendita di potenza di calcolo vanno letti dentro questa strategia più larga.
Sullo sfondo c’è un mercato in crescita. In una previsione del 5 febbraio 2026 Gartner mette a 244 miliardi di dollari quello che il mondo spenderà in sicurezza informatica nel corso del 2026: l’11,6% in più dell’anno precedente, calcolato a cambi costanti. E il costo di sbagliare sale: il rapporto IBM sulle violazioni di dati pubblicato ad agosto 2026 calcola una media globale vicina ai 5 milioni di dollari per incidente, il 12% in più dell’anno prima, con gli attacchi che si appoggiano all’AI cresciuti del 56%.
Quello che ancora non sappiamo
Una precisazione che vale per entrambi: quasi tutti i numeri qui sopra li hanno prodotti le aziende che vendono i modelli. Il 95% di GPT-5.6-Cyber viene da una prova interna di OpenAI, e negli altri confronti il quadro è meno lineare — nella valutazione che pesa insieme la scoperta della falla e la qualità del rapporto tecnico scritto dopo, il modello generalista resta avanti, perché il nuovo tende a produrre documentazione più stringata. Nella scala di rischio che l’azienda applica alle capacità informatiche, il nuovo arrivato è piazzato al gradino alto ma non a quello critico; e alla data degli annunci mancava ancora la scheda tecnica dedicata.
Per Glimmer la verifica indipendente è invece già possibile, ed è il vantaggio pratico dell’aver pubblicato i pesi: chiunque può misurare quanti compiti completa, in quanto tempo e con quanta memoria su hardware reale. Meta ha citato AMD, Arm, Dell, Intel e Nvidia fra i partner al lavoro sull’ottimizzazione, e il supporto degli strumenti più diffusi fra chi fa girare modelli in locale.
Resta il punto di partenza. Due aziende, lo stesso giorno, hanno mostrato che la partita non si gioca più solo su quale modello sia più bravo, ma su dove viene eseguito e chi decide se puoi usarlo.
Lascia un commento