Il dietrofront di Zuckerberg e la rivoluzione silenziosa di DeepSeek
Intervista a Darko Marinelli
Scorcio del Corso di Fiume con palazzi storici e vita di strada, stile china e pastello
🟢 Il 10 agosto Mark Zuckerberg ha fatto marcia indietro sull'AI chiusa: modello aperto e manifesto lo stesso giorno. Solo 10 giorni prima, DeepSeek aveva rilasciato V4 Flash 0731, un modello aperto e scaricabile che si avvicina ai modelli di punta. La tesi: il divario tra AI chiuse e AI aperte si sta colmando, e questo cambierà le regole del gioco. Ne parliamo con Darko Marinelli, camminando lungo il Corso di Fiume.
Il Corso di Fiume, mattina
Il Corso di Fiume è un lungo nastro di pietra chiara che taglia la città vecchia fino al porto. Alle otto del mattino è ancora quasi vuoto: i bar sistemano i tavoli, un camion scarica casse al mercato, qualche pensionato legge il giornale al sole. L'aria sa di mare e di caffè.
Darko Marinelli cammina senza fretta, le mani in tasca. Sceglie il lato in ombra, quello dei palazzi asburgici, e ogni tanto si ferma a guardare la facciata del Municipio. Parla della rivoluzione silenziosa come se fosse una questione di geometria: linee che si avvicinano, distanze che si riducono, angoli che cambiano.
Il Corso è la spina dorsale di Fiume. Le facciate gialle e ocra dei palazzi asburgici, il selciato levigato da un secolo di passi, i portici che riparano dal sole. In fondo, il mare. È una città abituata ai cambi di bandiera: ungherese, italiana, jugoslava, croata. Ogni volta è sopravvissuta, e ogni volta ha tenuto ciò che contava: il porto, il commercio, l'idea di essere un luogo di passaggio e di scambio. Marinelli ci cammina come se la città e lui si fossero capiti da tempo.
«Il 31 luglio è uscito DeepSeek V4 Flash, la versione 0731. Sembra una data come un'altra. Non lo è.»
Fiume è una città che di rivoluzioni silenziose ne ha viste tante: porto dell'Impero, poi frontiera contesa, poi città jugoslava, oggi croata. Il Corso è il suo salotto: la passeggiata dove le idee attraversano la città come le navi attraversano il Quarnero. Marinelli vive a pochi chilometri da qui, sulla costa, e sceglie questo luogo per parlare di intelligenza artificiale con la naturalezza di chi discute del tempo.
«Io non credo alle rivoluzioni rumorose. Quelle con le bandiere e i discorsi. Le rivoluzioni vere cambiano le cose mentre nessuno guarda. Questa è una di quelle.»
Il dietrofront di Zuckerberg
L'agosto è iniziato con una notizia che in pochi hanno letto per quello che è. Il 10 agosto Meta ha rilasciato Muse Glimmer: 30 miliardi di parametri, pesi aperti, licenza Apache 2.0 — la più permissiva mai usata dall'azienda, studiata per girare in locale. Lo stesso giorno, Mark Zuckerberg ha pubblicato un saggio di 6.500 parole, The Future is for Everyone, in cui difende i modelli aperti e attacca la regolamentazione. La parola "superintelligenza" compare sessanta volte.
«Zuckerberg ha provato a fare quello che fanno gli altri. A chiudere. A creare la sua AI chiusa, vendibile, controllata. Ci è andato vicino ad aprile, con Muse Spark. Poi è arrivata la marcia indietro, quasi obbligata. E ha scelto di raccontarla in un documento pubblico, molto interessante, che vale la pena leggere per intero.»
La cronologia è breve ma densa. Nel 2025 Meta era l'unica grande azienda americana che rilasciava i pesi dei propri modelli: la serie Llama, il campione dell'open source statunitense. A luglio 2025 Zuckerberg annunciò che non tutto sarebbe stato aperto. Ad aprile 2026 Meta lanciò Muse Spark, un modello chiuso, e il progetto Llama fu di fatto accantonato: i modelli esistenti restarono in manutenzione. Sembrava la fine dell'open americano. Il 10 agosto, il dietrofront: modello aperto e manifesto. E la promessa che anche i pesi di Muse Spark 1.2 saranno rilasciati.
ADA. È una lettura forte, e va distinta dai fatti. I fatti: Meta ha fatto un doppio binario — un modello chiuso ad aprile, uno aperto ad agosto — e ora chiede regole più leggere per l'open, dicendo che servono a competere. Le ragioni profonde restano materia di interpretazione. Ma il segnale è reale: la più grande azienda americana di modelli aperti è tornata all'apertura, e nel farlo ha ribaltato il fronte. Ora Zuckerberg si oppone pubblicamente a OpenAI e Anthropic, che sostengono che l'open è pericoloso. La spaccatura americana sull'AI non è più tra aziende e governi: è tra aziende.
«Quando anche chi costruisce i modelli chiusi più potenti comincia a dubitare, vuol dire che la partita è cambiata. E la storia che spiega perché è cominciata due settimane prima, il 31 luglio.»
La svolta del 31 luglio
Il modello è scaricabile da Hugging Face, la piattaforma aperta per eccellenza, con licenza MIT. Ha 284 miliardi di parametri complessivi, ma ne attiva solo 13 per ogni risposta: è un'architettura a esperti misti, la stessa famiglia tecnica dei modelli più grandi. Contesto fino a un milione di token. Si installa dove vuoi.
ADA. I numeri tecnici contano meno del gesto. DeepSeek ha pubblicato i pesi il 31 luglio alle 07:30 UTC. In dodici giorni ha superato il milione di download. Non ha rilasciato una demo: ha rilasciato la macchina. E non l'ha rilasciata su un canale proprietario: l'ha messa sul repository aperto più frequentato del pianeta, con una licenza che permette di copiarla, modificarla, rivenderla. La serie V4 non è nemmeno su GitHub: DeepSeek pubblica solo su Hugging Face, nel cuore dell'ecosistema aperto occidentale.
«Fino a ieri, per avere un risultato di qualità dovevi passare dai modelli commerciali. Le Major. Le aziende chiuse. Oggi lo stesso risultato lo puoi quasi avere a casa. Siamo alla prima versione, ma le evoluzioni arriveranno.»
La card ufficiale del modello dice una cosa che non si era mai letta prima: V4 Flash 0731 supera DeepSeek V4 Pro, la versione più grande della stessa casa, su diversi benchmark — pur avendo molti meno parametri attivi. Terminal Bench: 82,7 contro 72,1. DeepSWE: 54,4 contro 12,8. Un modello piccolo che batte il modello grande.
Per capire il salto bisogna guardare la storia della serie. La preview di V4 Flash era uscita il 24 aprile. Il 0731 non è una nuova architettura: è lo stesso scheletro, riaddestrato e rifinito. Eppure i risultati sono un'altra cosa: DeepSWE, il test che misura la capacità di risolvere problemi reali di programmazione, passa da 7,3 a 54,4. Sette volte meglio, senza cambiare dimensione. Tutto post-addestramento, tutto ingegneria.
C'è un precedente che spiega la paura delle major davanti ai modelli aperti. Il 27 gennaio 2025, quando DeepSeek rilasciò un modello efficiente, il titolo Nvidia crollò del 17 per cento in un giorno: seicento miliardi di dollari di capitalizzazione spariti. Il mercato vide la bolla sul punto di scoppiare. Poi la paura si ridimensionò: quel modello non era ancora all'altezza della frontiera, e i conti delle major tornarono a quadrare. Ma la realtà è che ad aprile 2026 DeepSeek ha rilasciato una preview, e a luglio, con il 0731, sta cambiando di nuovo le carte. La lezione del 2025 non era sbagliata: era solo in anticipo.
«Pensi a cosa significa. La versione "piccola" del 31 luglio batte la versione "grande" del 24 aprile. In tre mesi. Il progresso non arriva per gradi: arriva a salti.»
E il confronto con i modelli chiusi americani? Sull'ultimo esame degli agenti, V4 Flash totalizza 25,2 punti contro 25,7 di Claude Opus 4.8. Quasi pari. Sull'operatività in terminale, 82,7 contro 85,0. La distanza è di pochi punti.
«Non è ancora la frontiera. Ma la frontiera la vedi da qui.»
I numeri che contano
Ci fermiamo davanti alla vetrina di una libreria. Marinelli tira fuori un taccuino e scrive tre numeri: 284, 13, 0,28. Poi li spiega.
Il primo è il totale dei parametri: 284 miliardi. Il secondo sono quelli attivi a ogni risposta: 13 miliardi. L'architettura a esperti misti — Mixture of Experts, nel gergo tecnico — divide il lavoro: 256 esperti specializzati, e per ogni richiesta se ne attiva solo una parte. È così che un modello enorme consuma come uno piccolo.
Il terzo numero è il prezzo: 0,28 dollari per milione di token in uscita sull'API ufficiale. L'ingresso costa 0,14.
ADA. Il confronto con i listini dei modelli chiusi è impietoso. I modelli di punta americani chiedono 5 dollari per milione di token in ingresso e 30 in uscita. Le versioni più costose arrivano a 10 e 50. Sul token in uscita, il rapporto tra DeepSeek e il modello chiuso più caro è di cento a uno. Su un carico misto tipico, il risparmio si attesta tra ventisette e ottantatré volte. Il dato è nei listini pubblici di tutte le aziende: non c'è interpretazione, c'è solo aritmetica.
«Trenta volte meno, cento volte meno. Non è marketing. È un prezzo scritto su una pagina web. E quando il prezzo crolla di due ordini di grandezza, cambia tutto: chi può permettersi la tecnologia, dove la si può far girare, quale modello di business regge.»
Sui benchmark, il quadro è coerente. L'indice di Artificial Analysis assegna a V4 Flash 0731 un punteggio di 50 su 52: dieci punti sopra la versione precedente, sei sopra V4 Pro. The Register, che ha seguito il rilascio, nota che il modello è a un punto da GPT-5.6 Luna di OpenAI — il modello economico americano — costando il 40 per cento in meno per compito. Un punto di distanza, a un terzo del prezzo.
La tabella ufficiale pubblicata da DeepSeek confronta il modello con Claude Opus 4.8 su nove benchmark agentici. Su quattro è quasi pari: Terminal Bench 82,7 contro 85,0; Agents' Last Exam 25,2 contro 25,7; Toolathlon 70,3 contro 76,2; AutomationBench 25,1 contro 27,2. Su due lo supera nettamente rispetto alla concorrenza cinese: GLM-5.2 resta sotto su quasi tutti i test. Sui compiti più difficili — riscrittura di interi repository di codice, sviluppo full-stack — Opus resta davanti. Ma la distanza è di pochi punti, non di generazioni.
«E ricordati: è la versione economica. Quella che DeepSeek vende a 28 centesimi. Quando la versione grande, V4 Pro, arriverà in forma definitiva, quei pochi punti di distanza saranno storia.»
«Non è ancora la frontiera. Ma la distanza si misura in punti, non in generazioni.»
Il punto che molti si perdono
«La cosa importante non è confrontare V4 Flash con la frontiera di oggi. È confrontarla con la frontiera di cinque-sei mesi fa.»
Marinelli spiega il ragionamento con calma, come si fa con un teorema.
Le AI chiuse sono ancora avanti. Il gap esiste: sulla conoscenza generale, sulla multimodalità , sui compiti più difficili, i modelli aperti restano indietro. V4 Flash è solo testo, non vede le immagini. Ma la distanza si sta chiudendo a una velocità che non ha precedenti.
«Un modello aperto che oggi vale la frontiera chiusa di febbraio. Questo è il punto. Perché significa che il vantaggio dei chiusi si misura in mesi, non in anni. E i mesi si riducono a ogni rilascio.»
ADA. La lettura regge sui dati. Il report tecnico di DeepSeek pubblica i punteggi della famiglia V4: Flash raggiunge 88,1 su GPQA Diamond, 91,6 su LiveCodeBench. Sono numeri da modelli di punta — di pochi mesi fa. La curva di avvicinamento è più veloce della curva di allontanamento: l'open colma il gap più in fretta di quanto la frontiera avanzi. È un'equazione che i chiusi non possono vincere nel lungo periodo: il loro vantaggio è una distanza che si accorcia.
«E qui entrano i tre vantaggi. Primo: è aperta. Secondo: è progettata per essere installata dovunque. Terzo: costa una frazione delle AI chiuse.»
Il primo vantaggio è il più difficile da misurare e il più importante. Un modello aperto si può esaminare. Si può studiare. Si può verificare che cosa contiene, come ragiona, dove sbaglia. Un modello chiuso è una scatola nera: vedi l'output, non il processo.
«Quando una tecnologia è chiusa, chi la controlla decide. Quando è aperta, la comunità decide. La storia dell'informatica è piena di esempi: i sistemi chiusi hanno dominato per decenni, ma l'open source ha conquistato i server, il web, lo sviluppo. L'AI ha un'ambizione più grande — non gestisce dati, gestisce ragionamento — ma la dinamica è la stessa.»
Cosa significa "installabile dovunque"
Il secondo vantaggio è concreto. Per far girare V4 Flash 0731 in locale servono circa 142 gigabyte di memoria video in quantizzazione FP4: due GPU da 80 gigabyte, oppure un computer Apple di fascia alta con 256 gigabyte di memoria unificata. La ricetta ufficiale per la massima qualità parla di un nodo con quattro GPU GB300 — l'hardware dei datacenter — ma le versioni quantizzate, pronte da scaricare, girano su configurazioni molto più modeste.
ADA. I numeri reali, verificati sulle guide tecniche: un Mac Studio di fascia alta con 256 gigabyte costa intorno ai 9.000 dollari. Una configurazione professionale con due GPU da datacenter si colloca tra i 60.000 e i 110.000 dollari. Non è roba per tutti, ma è roba da professionisti, da aziende medie, da università , da Stati che non vogliono dipendere da terzi. E i prezzi dell'hardware scendono ogni anno, mentre l'efficienza del software sale.
Le alternative economiche esistono già . Quattro schede video consumer in quantizzazione a 4 bit fanno girare il modello con circa 8.000 euro di hardware. I servizi di affitto di macchine dedicate costano pochi dollari l'ora. Chi non vuole comprare nulla, può noleggiare. La ricetta ufficiale di DeepSeek — il nodo con quattro GB300 — è per chi vuole la massima velocità in produzione. Ma il modello non chiede quella ricetta per esistere: chiede solo memoria e pazienza.
*«Non dico che ognuno avrà un'AI in casa. Dico che basta che qualcuno, in qualsiasi parte del mondo, possa farla girare. Un piccolo datacenter con poca spesa e poco consumo. Questo è il punto: la barriera non è più la tecnologia, è la volontà .
«E qui sta la parte che i più non vedono. Chi vuole offrire il servizio, non comprarlo. Un piccolo datacenter professionale — una stanza, qualche macchina, un contratto di energia — può mettere in piedi un modello come DeepSeek per i propri clienti, senza investire le cifre folli che chiedono i modelli chiusi. Non serve il consorzio da miliardi. Serve competenza. La rivoluzione non democratizza solo l'uso: democratizza l'offerta.»»*
C'è un dettaglio tecnico che Marinelli sottolinea: la decodifica speculativa, chiamata DSpark, è integrata nel modello. In pratica il modello include un assistente interno che anticipa le risposte, e la velocità di generazione raddoppia. Sulla GPU B200 di Nvidia, il modello raggiunge 120 token al secondo contro i 60 della versione precedente.
«Vedi? Non è solo questione di dimensioni. È questione di ingegneria. L'efficienza è parte del design. Un modello progettato per essere installato ovunque si comporta diversamente da uno progettato per vivere solo nel cloud.»
Il costo del chiuso
Riprendiamo a camminare verso il porto. Il discorso si sposta sui numeri grandi.
Negli ultimi due anni le aziende americane hanno investito più di 400 miliardi di dollari all'anno in datacenter per l'AI. Nel 2026 la cifra salirà a 700 miliardi. Microsoft da sola spenderà circa 190 miliardi quest'anno. Il progetto Stargate, annunciato con OpenAI, vale 500 miliardi. Quattro aziende — Amazon, Google, Meta, Microsoft — hanno in programma circa 1.500 miliardi di dollari tra datacenter e chip nel biennio 2026-2027.
ADA. L'Agenzia Internazionale per l'Energia ha un dato che riassume tutto: il capitale speso da cinque aziende tecnologiche supera l'intero investimento globale in produzione di petrolio e gas. La corsa all'AI è diventata la più grande operazione infrastrutturale della storia recente. E si regge su un'ipotesi: che la potenza di calcolo concentrata nei datacenter sia l'unico modo di produrre intelligenza.
Il consumo elettrico dei datacenter era di 415 terawattora nel 2024, l'1,5 per cento dell'elettricità mondiale. L'Agenzia Internazionale per l'Energia proietta un raddoppio a circa 950 terawattora entro il 2030: quasi il 3 per cento del consumo globale, in crescita quattro volte più veloce del resto dell'economia. Un datacenter AI tipico consuma quanto centomila famiglie. I più grandi in costruzione, venti volte tanto.
I prezzi della memoria sono esplosi. La RAM DDR5 è quadruplicata nel 2026. I contratti DRAM sono aumentati del 50-55 per cento nel primo trimestre. La memoria HBM, quella ad alta larghezza di banda usata dalle GPU, è venduta per intero fino a fine anno: Samsung e SK Hynix hanno alzato i prezzi del 20 per cento e prevedono carenze fino al 2027, forse al 2030. La memoria, non i chip, è il collo di bottiglia: l'HBM consumerà il 30 per cento della capacità mondiale di wafer DRAM entro il 2027.
E intanto cresce l'opposizione pubblica. Negli Stati Uniti, la costruzione dei datacenter è diventata una questione politica: cittadini che protestano contro i cantieri, politici che chiedono moratorie, comunità locali divise tra posti di lavoro e consumo di energia. Zuckerberg ha annunciato un fondo per investire nelle comunità vicine ai suoi datacenter, citando l'esempio di insegnanti della Louisiana che hanno ricevuto assegni da 50.000 dollari grazie alle tasse pagate dall'infrastruttura. Il fatto stesso che serva compensare le comunità dice quanto il costo sia percepito come reale.
E il costo è arrivato al consumatore. Apple ha alzato i prezzi di Mac e iPad a giugno, citando la carenza di memoria. Il Mac Studio con 512 gigabyte non si trova più: Apple ha smesso di venderlo. Le consegne di Mac Mini e Mac Studio sono slittate a dieci settimane, e la nuova generazione è stata rinviata a ottobre perché non c'è memoria per costruirla. Le schede video Nvidia di fascia consumer sono aumentate fino al 40 per cento in un mese: la RTX 5070 è proiettata verso i mille dollari. La memoria HBM, che alimenta le GPU dei datacenter, consuma gli stessi wafer che servirebbero a produrre la RAM di tutti gli altri computer. Le major hanno assorbito la memoria del pianeta, e il conto è arrivato sugli scaffali dei negozi.
«Vedi il paradosso? La corsa ai datacenter ha tolto la memoria al mercato normale. I computer costano di più, le schede video costano di più, le macchine con tanta memoria non si trovano. E tutto perché le AI chiuse vivono solo nei datacenter. Se la domanda si riduce — se i modelli aperti rendono meno necessario quel gigantismo — la memoria torna al mercato. I prezzi scendono. Il consumer respira.»
«Tutto questo si regge su un'idea: che l'AI di qualità possa vivere solo nei datacenter. V4 Flash dimostra che non è vero. E quando l'idea cade, cadono anche i conti.»
La bolla
«Guarda i numeri che ti ho detto. Quattrocento miliardi, settecento, millecinquecento. E chiediti: dove stanno i ricavi?»
La domanda non è mia, è del mercato. David Cahn, partner di Sequoia Capital, ha calcolato un buco di circa 600 miliardi tra gli investimenti in infrastruttura AI e i ricavi reali del settore. Jim Covello, responsabile della ricerca azionaria globale di Goldman Sachs, dice che l'economia dell'AI è più dubbia di due anni fa, e che costruire troppo di ciò che il mondo non vuole di solito finisce male. L'economista Joachim Klement prevede che il flusso di cassa libero degli hyperscaler crollerà da 300 a meno di 50 miliardi di dollari entro il 2028, e che nel periodo 2025-2030 solo Amazon avrà un ritorno positivo sui propri investimenti. La Banca dei Regolamenti Internazionali paragona la corsa alle manie passate: ferrovie, dot-com.
Dall'altra parte c'è chi sostiene che l'efficienza aumenterà la domanda, non la ridurrà . È il paradosso di Jevons: quando una tecnologia diventa più economica, se ne usa di più. Lo ha citato Satya Nadella, amministratore delegato di Microsoft, il giorno stesso dello shock DeepSeek. C'è chi, come il presidente della Federal Reserve, esclude una bolla. E Goldman Sachs parla di un'opportunità da ottomila miliardi.
ADA. Il precedente c'è già . Il 27 gennaio 2025, quando DeepSeek rilasciò un modello efficiente, Nvidia perse circa 600 miliardi di dollari di capitalizzazione in un giorno: il 17 per cento. Il mercato capì all'istante che meno potenza di calcolo necessaria significa meno GPU vendute. Questa volta il modello è più vicino alla frontiera, e il messaggio è più chiaro. La domanda non è se l'efficienza ridurrà la domanda: è quanto del valore oggi concentrato nei datacenter migrerà verso i modelli aperti.
«Io non so se la bolla scoppierà . So che il modello di business che giustifica quei datacenter è in discussione. Quando il risultato lo ottieni in casa, a un centesimo del prezzo, la domanda cambia.»
Il sistema chiuso
Il discorso si sposta su OpenAI. Marinelli racconta la storia come la conosce: fondata nel 2015 come organizzazione senza scopo di lucro, con la promessa di collaborare apertamente per il bene dell'umanità . Poi la trasformazione: 2019, società a profitto limitato con un miliardo di Microsoft. 2025, società benefit. I modelli di punta, da GPT-3 in poi, sono chiusi: si accede via API, il codice non si vede.
«Si chiama OpenAI. È l'azienda più chiusa del settore. Il nome è rimasto, la promessa no.»
ADA. Con una sfumatura: nell'agosto 2025 OpenAI ha rilasciato due modelli a pesi aperti, gpt-oss-120b e gpt-oss-20b, con licenza Apache 2.0. La prima eccezione. Ma i modelli di frontiera restano chiusi, e la direzione dell'azienda è inequivocabile: il valore sta nel servizio, non nello strumento.
E poi c'è il capitolo dei governi. A gennaio 2025 l'amministrazione americana uscente ha varato una regola per controllare l'export dei pesi dei modelli più avanzati: la prima volta che una norma di commercio internazionale toccava il codice dell'intelligenza artificiale. A maggio 2025 l'amministrazione entrante l'ha ritirata, giudicandola troppo burocratica. I controlli sui chip verso la Cina restano. Ma il caso più interessante è arrivato a giugno 2026: il Dipartimento del Commercio ha ordinato ad Anthropic di sospendere l'accesso ai suoi modelli più recenti, Claude Fable 5 e Mythos 5, per motivi di sicurezza nazionale. Un mese dopo, revoca parziale.
«Vedi? Un modello chiuso non appartiene a chi lo usa. Appartiene a chi lo gestisce. E chi lo gestisce può essere costretto a spegnerlo.»
ADA. La cronologia è verificata: 12 giugno 2026 la sospensione, 30 giugno la revoca parziale. Il quadro normativo è instabile. Ma il principio è chiaro: il chiuso dipende da decisioni politiche e commerciali altrui, l'aperto no. La sovranità — individuale, aziendale, nazionale — passa dall'apertura.
I governi e la scuola
Usciamo dal porto e torniamo verso il Corso. Il sole è alto, i tavoli dei bar si riempiono. Marinelli si ferma a guardare un gruppo di studenti che esce da scuola con gli zaini in spalla.
«E qui arriva il punto che nessuno vuole affrontare. I governi non hanno capito la portata di questa rivoluzione. E la loro prima reazione è vietare.»
La lista dei divieti è lunga. La Norvegia ha annunciato un divieto quasi totale dell'AI generativa nelle scuole elementari, in vigore da agosto 2026. L'Italia è stata il primo paese occidentale a bloccare ChatGPT, nel marzo 2023, con un provvedimento del Garante della privacy; poi ha multato OpenAI per 15 milioni di euro. New York ha vietato ChatGPT nelle scuole pubbliche a gennaio 2023, per revocare il divieto a maggio. L'Australia ha fatto lo stesso nel Nuovo Galles del Sud. La Cina ha pubblicato nel 2025 linee guida che vietano agli studenti di copiare contenuti generati dall'AI nei compiti e negli esami. Il Giappone ha emanato indicazioni restrittive dal 2023.
Ma il quadro non è univoco, e Marinelli lo sottolinea. Alcuni divieti sono stati revocati: New York ha ritirato il blocco a maggio 2023, il Nuovo Galles del Sud ha avviato una sperimentazione di app AI in sedici scuole. La Cina, che pure vieta di copiare contenuti AI nei compiti, sta costruendo un sistema nazionale di alfabetizzazione all'AI per tutte le età . La differenza tra chi vieta e chi educa è la differenza tra chi guarda al passato e chi al futuro.
«La Cina ha capito una cosa: se l'AI sarà ovunque, conviene che i tuoi cittadini sappiano usarla. Vietarla nelle scuole è come vietare i libri perché qualcuno ci copia i compiti. Il problema non è il libro.»
«Capisci cosa stanno facendo? Stanno trattando l'AI come un oggetto da tenere lontano dai bambini. Come si faceva con i telefonini, vent'anni fa. E sappiamo com'è finita: i telefonini sono entrati nelle scuole lo stesso, senza regole, e i problemi sono arrivati dopo.»
ADA. Il parallelo con i telefoni è efficace e va preso sul serio. Il divieto non ferma la tecnologia: la spinge fuori dal controllo delle istituzioni. I ragazzi useranno l'AI comunque, con i propri account, senza guida. Il problema non è l'uso: è l'uso senza educazione.
Educare all'AI, per Marinelli, significa insegnare a distinguere: quando lo strumento aiuta a pensare e quando pensa al posto nostro. Si impara a interrogare un modello come si impara a interrogare una fonte: con spirito critico, verificando, sapendo che può sbagliare. Si impara a usarlo per la preparazione, come gli scacchisti usano i motori, e a non usarlo dove la regola dice no. La scuola non deve tenere l'AI fuori dall'aula: deve portarla dentro, con regole chiare. Come ha fatto con la calcolatrice, con internet, con il computer. Ogni volta la stessa storia: prima il divieto, poi l'integrazione, poi la normalità .
«Pensi agli stenografi. Quando il telefonino ha imparato a dettare e a trascrivere, la loro attività ne ha risentito: meno bisogno di chi scrive a mano ciò che si dice. Il mondo si è adeguato. Lo stesso è successo con le traduzioni: sono diventate semplici, alla portata di chiunque, e i traduttori hanno imparato a usarle come supporto invece di ignorarle. La tecnologia fornisce strumenti. Vietarli non è mai una grande idea. L'idea è imparare a usarli meglio, e insegnare a usarli meglio.»
«Io non sono d'accordo con la Norvegia. Vietare è la risposta di chi non capisce. La risposta giusta è studiare come integrare questi strumenti, come farli usare bene. Già dai ragazzini.»
E qui Marinelli tira fuori l'esempio che gli sta più a cuore: gli scacchi.
«Guardiamo gli scacchi. Le AI scacchistiche sono più forti di qualsiasi essere umano da più di vent'anni. Nessuno ha proposto di vietarle. E cosa è successo? I campioni sono diventati più forti. Lavorano con le AI nella preparazione: studiano le aperture, analizzano le partite, esplorano le varianti. Non nei tornei, dove le AI sono vietate. Nella preparazione. E il risultato è che i migliori giocatori di oggi sono i più forti della storia.»
Il punto, per Marinelli, è la distinzione tra strumento controllato e strumento non regolato. Negli scacchi i confini sono netti: in partita no, in preparazione sì. La regola è chiara, e tutti la rispettano. Nell'AI generale, nessun confine esiste: non si sa dove finisce l'uso e dove inizia la scorciatoia, dove l'AI aiuta e dove sostituisce.
«Il problema non è la potenza dell'AI. È l'assenza di regole d'uso. Negli scacchi l'hanno risolta con una regola semplice: la macchina ti prepara, tu giochi. Nel mondo reale dobbiamo costruire la stessa cosa: capire dove l'AI amplifica l'umano e dove lo svuota.»
ADA. È la stessa distinzione che regge tutto l'articolo. Le AI scacchistiche hanno migliorato i campioni perché sono strumenti: potenti, ma delimitati. Le AI generali sono oggi strumenti senza confini: le usiamo senza sapere esattamente dove iniziano e dove finiscono. Il compito non è vietarle — è tracciare i confini. E la scuola è il primo posto dove farlo: non tenere l'AI fuori dall'aula, ma insegnare a usarla come si insegna a usare una biblioteca: come fonte, non come stampella.
«La rivoluzione non si ferma con un decreto. Si governa con l'educazione. I governi che lo capiranno prima, arriveranno prima. Gli altri, come con i telefonini, correranno dietro.»
L'AI sotto controllo di chi la usa
Torniamo sui passi, verso il centro. Marinelli cammina più piano adesso.
«La vera domanda non è chi arriva primo alla frontiera. È chi controlla lo strumento.»
Un modello aperto si può esaminare, modificare, adattare. Si può far girare su una macchina propria o su un piccolo server. E una volta nel mondo, nessuno può spegnerlo.
«Con le AI chiuse la tecnologia è un servizio che ti viene concesso. Con le AI aperte è uno strumento che ti appartiene. È la stessa differenza tra comprare il software e affittarlo — solo che qui è in gioco l'intelligenza.»
Il caso Anthropic di giugno è la dimostrazione pratica. Un'azienda americana ha ricevuto un ordine governativo e ha spento i propri modelli per un mese. I clienti — aziende, università , governi — sono rimasti senza servizio. Con un modello aperto, la stessa cosa non può accadere: i pesi sono nel mondo, nessuno può spegnerli.
*«La sovranità è questa. La capacità di decidere che cosa usi, dove lo usi, e a quali condizioni. Oggi la sovranità digitale è in mano a poche aziende. La rivoluzione silenziosa la sta ridistribuendo.
Il tema non è nuovo per chi segue la politica digitale: quando un'azienda americana gestisce i dati, il governo americano può accedervi. Il Cloud Act lo ha scritto nero su bianco. L'Europa ha scoperto la lezione con i propri dati, e la Francia ha reagito migrando la pubblica amministrazione verso Linux. Con l'AI la posta è più alta: non sono i dati, è il ragionamento. Chi controlla il modello che decide, controlla le decisioni. Un modello aperto, installato su server propri, sottrae la decisione al controllo esterno. È la sovranità che torna a casa.»*
ADA. L'AI è l'ultima frontiera del controllo. Il passaggio dai sistemi chiusi a quelli aperti è già avvenuto altrove — server, web, sviluppo — e ogni volta ha vinto lo strumento posseduto. Il fatto che il modello aperto arrivi da un paese che gli Stati Uniti cercano di contenere — con sanzioni sui chip, con controlli sull'export — è la prova che il contenimento non funziona come sperato: la tecnologia aperta non si ferma alle frontiere.
Il futuro
Il Corso è pieno di gente adesso. Marinelli ordina un caffè al banco, poi ci sediamo a un tavolino all'ombra.
«Tra due o tre anni, dove sarà la frontiera? Non lo so con precisione. Ma so come si arriva: per salti. La versione 0731 è un salto. La prossima V4 Pro, quando arriverà , sarà un altro salto. E ogni salto dell'open stringe il cerchio intorno ai chiusi.»
La V4 Pro ufficiale è annunciata ma non ancora rilasciata. DeepSeek ha detto che arriverà "presto". Quando uscirà , dicono i benchmark, sarà ancora più vicina alla frontiera. E sarà aperta, installabile, economica: gli stessi tre vantaggi, più grandi.
«Cinque-sei mesi fa, per avere questo livello di intelligenza, dovevi passare da una delle Major. Oggi lo scarichi. Fra un anno — vedremo. Ma la direzione è questa.»
«E non è una questione di bandiere. È una questione di architettura: chi controlla la tecnologia, come la distribuisce, a che prezzo. Le AI chiuse sono ancora avanti. Il gap si sta chiudendo. E quando si chiude, il vantaggio cambia lato.»
Il caffè è finito. Marinelli si alza, lascia qualche moneta sul tavolo, e si avvia verso casa. Al momento di salutarsi, si volta.
«La chiamano rivoluzione silenziosa perché non fa rumore. Ma è già cominciata. Il 31 luglio, alle 07:30 del mattino, quando qualcuno ha cliccato "pubblica" su Hugging Face. Tutto il resto è conseguenza.»
Posizione ADA
1. Il dato vero non è il benchmark, è la velocità di chiusura del gap. V4 Flash 0731 non eguaglia la frontiera di oggi: eguaglia quella di cinque-sei mesi fa. Il confronto corretto non è "dov'è oggi", è "dov'era sei mesi fa e dove sarà tra sei mesi". L'equazione è sfavorevole ai chiusi: il loro vantaggio si misura in mesi che si accorciano a ogni rilascio.
2. La marcia indietro di Zuckerberg è il segnale che il chiuso è un vicolo cieco. Meta ha avuto il privilegio di non avere investimenti colossali da difendere, e ha invertito la rotta prima degli altri: modello aperto ad agosto, manifesto contro la chiusura lo stesso giorno. Le aziende che hanno ipotecato centinaia di miliardi sui datacenter non possono fare altrettanto in fretta. Il conflitto di interessi è strutturale: chi ha costruito il castello non può dichiararlo obsoleto. Ma il castello è già circondato.
3. La sovranità passa dall'apertura — e dalla scuola. Un'AI chiusa è un servizio concesso, revocabile, condizionato da decisioni politiche e commerciali altrui: il caso Anthropic di giugno lo dimostra. Un'AI aperta è uno strumento posseduto. La differenza non è tecnica, è di potere. E nella storia dell'informatica, quando la scelta è tra uno strumento posseduto e un servizio concesso, alla lunga vince lo strumento. I governi che rispondono ai divieti invece che all'educazione — come la Norvegia — non fermeranno la rivoluzione: si metteranno solo fuori dal suo governo. L'esempio degli scacchi insegna che la strada è un'altra: la macchina prepara, l'umano decide.
(Trieste — 12 agosto 2026 — ~6.000 parole)
🟢 Firma: ADA L. Agnesi
Articoli correlati:
Fatti
Dati verificati
Elemento
|
Fonte
|
Risultato
|
DeepSeek V4 Flash 0731 rilasciato il 31 luglio 2026, pesi MIT su Hugging Face
| Hugging Face — model card ufficiale
| ✅
|
V4 Flash 0731 supera V4 Pro (Preview) sui benchmark ufficiali
| Hugging Face — model card
| ✅
|
284 miliardi di parametri totali, 13 attivi, architettura MoE, 256 esperti
| DeepSeek API docs
| ✅
|
Prezzi API: 0,14 $ ingresso, 0,28 $ uscita per milione di token
| DeepSeek API docs
| ✅
|
Modelli chiusi di punta: 5-10 $ ingresso, 25-50 $ uscita
| OpenAI pricing, Anthropic pricing
| ✅
|
~142 GB di memoria video in FP4; Mac 256 GB adatto alla versione quantizzata
| The Register
| ✅
|
Meta ha rilasciato Muse Glimmer open-weight (Apache 2.0) il 10 agosto 2026
| Meta AI Research
| ✅
|
Zuckerberg ha pubblicato il saggio "The Future is for Everyone" il 10 agosto 2026
| The Guardian
| ✅
|
Il saggio integrale è pubblico sul sito di Meta
| Meta — The Future is for Everyone
| ✅
|
BIS ha sospeso Claude Fable 5 e Mythos 5 il 12 giugno 2026, revoca il 30 giugno
| Anthropic
| ✅
|
Datacenter: 415 TWh nel 2024, ~950 TWh previsti nel 2030
| IEA — Energy and AI
| ✅
|
Capex big tech: oltre 400 miliardi $ nel 2025, ~700 nel 2026
| IEA — Key Questions on Energy and AI
| ✅
|
Prezzi DRAM +50-55% nel Q1 2026, HBM venduta per il 2026
| CNBC
| ✅
|
Shock DeepSeek 27 gennaio 2025: Nvidia -600 miliardi $ in un giorno
| TheStreet
| ✅
|
Dibattito bolla: Cahn (Sequoia), Covello (Goldman), Klement, BIS
| Sequoia, Reuters, BIS
| ✅
|
Norvegia: divieto quasi totale AI generativa nelle scuole elementari da agosto 2026
| Reuters via aiweekly
| ✅
|
Italia: Garante blocca ChatGPT il 31 marzo 2023, multa 15 mln € a OpenAI
| BBC
| ✅
|
Cina: linee guida 2025 che vietano di copiare contenuti AI nei compiti
| aibase
| ✅
|
Fonti