Negli ultimi sei mesi, il panorama dei Large Language Models (LLM) — i modelli statistici alla base delle intelligenze artificiali conversazionali — ha subito una trasformazione radicale, passando da una fase di sperimentazione a una di efficacia operativa concreta.
Il punto di svolta di novembre 2025
Il periodo analizzato si apre con quello che viene definito il "punto di flessione di novembre 2025". In questo mese, il settore ha registrato un'accelerazione critica, in particolare nell'ambito della programmazione assistita. La competizione tra i tre principali fornitori — Anthropic, OpenAI e Google — è stata così serrata che la corona di "miglior modello disponibile" è passata di mano per cinque volte in poche settimane.
All'inizio di novembre, il leader era Claude Sonnet 4.5 di Anthropic (rilasciato il 29 settembre 2025). È stato superato in rapida successione da GPT-5.1 di OpenAI, Gemini 3 di Google, GPT-5.1 Codex Max e infine nuovamente da Claude Opus 4.5 di Anthropic il 24 novembre 2025. Sebbene Gemini 3 avesse dimostrato capacità visive eccellenti, il consenso tra gli addetti ai lavori ha indicato in Opus 4.5 il riferimento tecnologico per i mesi successivi.
Il test del "Pellicano in bicicletta"
Per valutare questi modelli, è stato utilizzato un benchmark basato sulla generazione di codice SVG (Scalable Vector Graphics, un formato di immagine vettoriale basato su testo). La richiesta specifica è: "Genera un SVG di un pellicano che guida una bicicletta".
La maturità degli agenti di coding
La vera notizia di novembre 2025 non riguarda solo le chat, ma gli "agenti di coding". OpenAI e Anthropic hanno impiegato gran parte dell'anno nell'addestramento tramite Reinforcement Learning from Verifiable Rewards (RLVR): un sistema di apprendimento per rinforzo basato su ricompense verificabili (ovvero, il modello riceve un premio se il codice che scrive funziona realmente e supera i test).
- ✓Capacità di risolvere task reali senza supervisione costante
- ✓Riduzione drastica degli errori stupidi
- ✓Integrazione fluida nei flussi di lavoro quotidiani
- ✗Richiedono ancora hardware potente per il massimo delle prestazioni
- ✗Costi computazionali elevati per i modelli di punta
I risultati sono diventati evidenti: gli agenti sono passati da essere "strumenti che a volte funzionano" a "strumenti di lavoro quotidiano", superando quella barriera di qualità che permette allo sviluppatore di non dover passare più tempo a correggere gli errori dell'IA che a scrivere il codice stesso.
L'era dei "Claws": assistenti IA personali
Mentre i grandi lab rilasciavano modelli chiusi, la comunità open source ha visto la nascita di progetti come OpenClaw. Nato il 24 novembre 2025 con il nome "Warelay", il progetto ha cambiato diversi nomi (CLAWDIS, CLAWDBOT, Moltbot) prima di stabilizzarsi.
Oggi il termine generico "Claw" identifica un assistente IA personale eseguito localmente. Questo fenomeno ha causato un picco di vendite di Mac Mini nella Silicon Valley: le piccole macchine desktop sono diventate l'"acquario digitale" perfetto per far girare questi assistenti in modo privato e persistente.
Sviluppi recenti: febbraio - aprile 2026
A febbraio 2026, Google ha rilasciato Gemini 3.1 Pro, capace di generare illustrazioni SVG di altissima qualità, includendo dettagli come un pesce nel cestino della bicicletta. Jeff Dean di Google ha persino mostrato versioni animate di questi test, suggerendo che i laboratori stiano ora ottimizzando i modelli specificamente per queste sfide grafiche.
Aprile 2026 ha visto l'ascesa dei modelli a pesi aperti (open weights), ovvero modelli i cui parametri sono scaricabili ed eseguibili senza dipendere da un'API proprietaria:
- Gemma 4 (Google): La serie più capace mai rilasciata da un'azienda statunitense in modalità aperta.
- GLM-5.1 (Cina): Un modello mastodontico da 1,5 TB e 754 miliardi di parametri, estremamente efficace ma dai requisiti hardware proibitivi.
- Qwen 3.6 (Cina): Il modello Qwen 3.6-35B-A3B (20,9 GB) ha dimostrato di poter superare Claude Opus 4.7 nella generazione di SVG direttamente su un laptop.
L’era dell’IA operativa
Gli ultimi sei mesi hanno segnato il passaggio dai chatbot capaci di generare testi ai sistemi capaci di eseguire compiti complessi in autonomia. La crescita dei modelli locali eseguibili su laptop (come Qwen) riduce drasticamente la dipendenza dai servizi cloud a pagamento.
