Oltre il numero di versione: come si migliora, davvero, un'Intelligenza Artificiale?

Nelle ultime settimane, incuriosito dalla velocità frenetica con cui escono i nuovi modelli AI, mi sono fatto una domanda semplice quanto complessa e ambiziosa: come si migliora concretamente un modello AI che ci sembra già in grado di fare tutto? Che cosa lo porta a sapere fare quella cosa in più? Che cosa lo fa essere quel .1 in più di prima? Che cosa è stato fatto, di preciso, in quelle poche settimane di distanza tra un rilascio e l'altro?

Ho fatto un po’ di ricerca anche con l’aiuto dell’AI stessa, tra report tecnici, paper e annunci di OpenAI, Anthropic, Google e DeepSeek. Ne è uscito un quadro diverso da quello che immaginavo, e molto più interessante.

Per capire la risposta a questa domanda, dobbiamo smettere di guardare l'AI come se fosse un nuovo smartphone a cui viene montato un processore più veloce. Migliorare un modello linguistico è un mix affascinante di scoperte algoritmiche, ottimizzazione estrema e strategie aziendali.

1. La dieta dei dati

All'inizio (4 anni fa), la regola era: "più dati inseriamo, più il modello è intelligente" (Chinchilla, DeepMind, 2022). Si scaricava mezzo internet e lo si dava in pasto ai server. Ma la ricerca, poi (FineWeb del 2024), ha dimostrato che la qualità batte la quantità. Oggi, per rilasciare un modello migliore, le aziende passano mesi a "pulire" la libreria. Eliminano i testi duplicati e selezionano dati di altissima qualità (magari paper scientifici o codice scritto perfettamente). Il risultato? La nuova versione non ha un "cervello più grande", ma ha studiato su testi migliori, riducendo drasticamente le allucinazioni e gli errori grossolani. Questa è tendenzialmente la fase più importante, più pesante e costosa da portare avanti.

2. Il post-training, insegnare ad interfacciarsi

Se il pre-addestramento dà al modello la conoscenza del mondo, il post-training gli insegna come usarla. Ed è qui che ho trovato la storia più curiosa di tutte.

Per anni questa fase si è basata su addestratori umani che premiavano le risposte percepite come più utili. Il problema sta tutto in quel "percepite": si è finito per premiare ciò che suonava bene. Ne sono uscite macchine ruffiane, capaci di scrivere testi lunghi, ben formattati e persuasivi, che però nascondevano errori logici e fatti inventati. Uno studio di Anthropic del 2023 ha infatti misurato il fenomeno su cinque assistenti diversi, e ha trovato che in certi casi i sistemi usati per valutare le risposte preferivano una risposta compiacente a una corretta.

Oggi l'industria ha cambiato rotta adottando tecniche basate su ricompense verificabili. Invece di chiedere a un umano se una risposta "suona bene", si fanno risolvere all'AI problemi di programmazione o teoremi matematici, dove il risultato è oggettivamente vero o falso. Questo approccio severo costringe il modello a sviluppare un vero ragionamento deduttivo, sradicando l'abitudine di tirare a indovinare con eleganza.

È il metodo dietro modelli come DeepSeek-R1, il cui funzionamento è stato pubblicato su Nature nel 2025.

Questo però non ha sostituito il feedback umano, si è aggiunto. Tono, sicurezza e formato continuano a passare da lì.

3. L'architettura

In terza battuta si interviene sull'architettura, ovvero il modo in cui il modello è costruito internamente: quanti strati ha, come le informazioni circolano al suo interno, come mette in relazione una parola con un'altra che sta dieci pagine prima, quanto testo riesce a tenere a mente tutto insieme. Sono decine di scelte di progettazione, e ognuna si può rimettere in discussione a ogni versione.

Molti miglioramenti che ormai diamo per scontati arrivano da lì. Il fatto che oggi si possa incollare un contratto di ottanta pagine e ricevere una risposta sensata non dipende tanto dai dati su cui il modello ha studiato, quanto da come è stata riprogettata la parte che gestisce la sua memoria di lavoro.

Tra tutte queste scelte, quella che negli ultimi due anni ha cambiato di più le carte in tavola ha un nome: Mixture of Experts.

Il principio è intuitivo: invece di accendere tutto il cervello per ogni domanda, il modello attiva solo la porzione utile. In parole povere, invece di riunire tutto il team, si chiama solo lo specialista.

DeepSeek-V3 ha avuto il merito di mettere le cifre sul tavolo, e sono cifre che fanno impressione: 671 miliardi di parametri totali, ma solo 37 miliardi attivi per ogni pezzo di testo elaborato. Circa il 5%.

Questo è anche uno dei motivi per cui il costo di una singola richiesta è crollato negli ultimi due anni, il che la rende una leva commerciale ancora prima che tecnica.

4. Il tempo di riflessione

Fino a poco tempo fa pretendevamo che l'AI rispondesse all'istante. I modelli orientati al ragionamento, dalla serie “o” di OpenAI del settembre 2024 in poi, sono stati programmati per fare l'opposto: fermarsi a pensare prima di parlare.

Ma cosa vuol dire, concretamente, pensare? Questa caratteristica si divide in 4 fasi.

La prima: il modello si scrive il ragionamento. Prima di darvi la risposta produce un lungo testo intermedio in cui imposta il problema e lo smonta in pezzi. Alcuni modelli non lo mostrano affatto, altri ne fanno vedere un riassunto, ma è lì, ed è la parte più lunga del lavoro.

La seconda: prova più strade. Invece di seguire il primo percorso che gli viene, ne genera diversi e li confronta.

La terza: si rilegge. Se a metà strada trova una contraddizione torna indietro e cambia impostazione, invece di tirare dritto fino in fondo come facevano i modelli precedenti.

La quarta, la più interessante: decide quanto pensare. Non tutte le domande meritano lo stesso sforzo, e buona parte del lavoro di questi anni è stata insegnare al modello a dosarlo.

Migliorare il ragionamento significa quindi toccare i parametri di queste fasi e trovare il giusto equilibrio che porta economicità, velocità e precisione. Sembra un salto di intelligenza, ma in realtà è un salto di metodo: non un cervello più grande, ma un percorso di elaborazione migliore, acceso solo quando serve davvero.

Questa leva però non riguarda tutti i modelli, ma solo quelli più potenti come Opus 5, GPT-6 Astra, Gemini 3.1 Pro ecc. Accanto a quelli che ragionano esiste un'intera famiglia di modelli veloci, quelli che trovate chiamati flash, mini o lite, tarati esattamente per il contrario: rispondere subito, senza passaggi intermedi. Non sono versioni scadenti. Servono per compiti dove la risposta è quasi ovvia e quello che conta è che arrivi in mezzo secondo e costi pochissimo. È la stessa leva, girata al minimo.

5. La distillazione, come nascono le versioni flash e mini

Le quattro leve analizzate richiedono mesi di lavoro e milioni di dollari. Ma tra un rilascio e l'altro passano spesso tre settimane. Com'è possibile?

Perché viene usata una quinta leva ovvero si ricorre alla distillazione: si prende un modello grande, gli si fanno produrre migliaia di risposte, e si addestra un modello più piccolo a imitarle. Ne esce un modello leggero che su certi compiti si comporta come uno pesante, a una frazione del costo.

È la leva meno spettacolare e probabilmente la più usata. Quasi tutte le versioni "mini", "flash" o "lite" che escono a pochi giorni dal modello grande arrivano da lì.

6. La parte commerciale, la leva non tecnica

Dietro un nuovo numero di versione ci sono queste cinque cose. E poi ce n'è una sesta, che in nessun report tecnico troverete: il calendario commerciale.

Le aziende non rilasciano una nuova versione solo perché un team ha scoperto qualcosa. La rilasciano anche perché c'è una gara in corso. Se un concorrente presenta un modello più veloce ed economico, gli altri devono rispondere entro settimane, o perdono gli sviluppatori che hanno costruito i propri prodotti sulle loro API, e uno sviluppatore che ha migrato di solito non torna indietro. C'è poi un secondo pubblico da convincere, più esigente del primo: gli investitori che in queste aziende hanno messo decine di miliardi e vogliono vedere che la curva di crescita non si appiattisce.

Questo non toglie niente ai miglioramenti, che sono reali e misurabili. Aggiunge però una chiave di lettura: il momento in cui un modello viene annunciato racconta il mercato tanto quanto la tecnologia.

Per concludere

Quest’analisi descrive una finestra precisa, lo sviluppo delle AI generativa dal 2022 a oggi. Le cinque leve non sono leggi della fisica, sono le risposte che il settore ha trovato alle domande di questi anni. Fra due anni saranno ancora quelle? Nessuno può garantirlo.

Anzi, un segnale c'è già: Epoch AI stima che lo stock di testo pubblico prodotto dagli esseri umani verrà completamente consumato tra il 2026 e il 2032. La leva numero uno ha una data di scadenza, e a quel punto bisognerà inventarsi altro.

Se ripenso a cosa sapeva fare un modello dodici mesi fa, la distanza con oggi è quasi imbarazzante. Magari la curva si appiattirà e ci assestiamo lì vicino. Magari spunta una leva a cui oggi non pensa nessuno, come è successo con il tempo di riflessione, che due anni fa non era nell'elenco di nessuno.

Una cosa però credo resterà vera. I salti non sono mai arrivati facendo le stesse cose in scala più grande, ma ogni volta che qualcuno ha cambiato la domanda: non quanti dati, ma quali. Non quanto è grande, ma quanta parte ne accendo. È l’essenza del progresso della storia umana.