Le regole del digitale stanno cambiando.
O sei visibile o sei fuori. Noi ti aiutiamo a raggiungere i clienti giusti — quando ti stanno cercando.
Contattaci ora
La crescita di Anthropic è quasi doppia, trainata dall’uso interno dell’AI.
La valutazione Metr rileva che i modelli Anthropic crescono 1,9 volte più in fretta dal 2025, con l'80% del balzo attribuito all'uso interno dell'AI e non alla scala di training. Il dato conta perché segnala un'accelerazione della ricerca sull'AI, ma poggia su modelli non rilasciati e non verificabili, mentre l'azienda si prepara alla quotazione.
Nei giorni scorsi METR ha pubblicato la valutazione ad alto accesso condotta presso Anthropic tra il 12 agosto e il 29 ottobre 2026. L’obiettivo era misurare quanto l’AI stia accelerando la ricerca sull’AI stessa. Il dato che emerge stride con la narrativa ufficiale: i punteggi dei modelli Anthropic, misurati con il benchmark AECI, crescono 1,9 volte più in fretta rispetto a prima di ottobre 2025. In un anno, Anthropic ha coperto circa due anni di progresso storico. Non è la potenza di calcolo: METR ha ricevuto prove convincenti che l’accelerazione non dipende dalla scala di training. Secondo la stima di METR, l’80% del balzo arriva dall’uso dell’AI. E allora la domanda è una sola: quale AI?
L’accelerazione misurabile: 1,9 volte, e l’80% viene dall’AI
Partiamo dal dato tecnico, tradotto per chi non vive di benchmark. L’AECI è la versione Anthropic dell’Epoch Capabilities Index: una misura sintetica di quanto sono capaci i modelli. Da ottobre 2025, secondo METR, questa misura cresce a un ritmo stimato di 1,9 volte superiore al periodo precedente. L’intervallo di confidenza va da 1,5 a 2,8 volte: anche nella stima più prudente, l’accelerazione è netta.
Il punto non è la velocità in sé. È da dove arriva. METR esclude l’ipotesi più semplice: più calcolo, più soldi, modelli più grossi. No. La fonte del balzo è l’uso dell’AI dentro i processi di ricerca e sviluppo di Anthropic. Circa l’80%, secondo la stima di METR. Se non è la potenza di calcolo a spingere i punteggi, cosa c’è dietro? La risposta sta in un modello che quasi nessuno può vedere.
Il 26% che guida e il 12x che non si può verificare
Qui il racconto si complica. Il Claude che conosci — quello pubblico, quello che puoi testare — ad agosto 2026 non operava in modo completamente autonomo per nessun sottoinsieme misurato del lavoro di ricerca e sviluppo. Lo scrive Anthropic stessa nel suo Institute: Claude «guida» il 26% del lavoro di R&S AI. La quota di lavoro in cui l’AI almeno «collabora» supera il 90%. Ma guidare un quarto del lavoro non significa sostituire un ricercatore.
Eppure i numeri interni raccontano un’altra storia. Secondo i sondaggi interni riportati da Anthropic, a ottobre 2026 l’uplift medio autodichiarato per il modello interno più capace era di circa 12 volte. Significa che un dipendente, lavorando con quel modello, si percepiva circa 12 volte più produttivo rispetto a lavorare senza assistenza AI. Il dato è circa il doppio di quanto riportato pochi mesi prima con il modello Mythos 5, come emerge da The Verge, che cita i dati METR.
Il problema è che quel modello interno — quello da 12 volte — non è rilasciato. Non puoi testarlo, non puoi verificarlo, non puoi nemmeno sapere cosa fa davvero. METR lo riconosce esplicitamente: gran parte dell’accelerazione misurata proviene da modelli interni non rilasciati, il che rende impossibile per un osservatore esterno verificare in modo indipendente i guadagni di capacità.
E qui arriva il paradosso. Secondo la RSP v3.4 di Anthropic — come riportato da METR nella sua analisi del Risk Report di agosto 2026 — le soglie di Automated R&D sono due: la Full Substitution Threshold scatta solo se un modello sostituisce completamente l’intero insieme dei Research Scientists e Research Engineers, a costi competitivi entro un fattore 5; la 2x Acceleration Threshold scatta invece se si registra un’accelerazione drammatica del ritmo di progresso dell’IA attribuibile all’automazione della R&D. Ed è qui che il quadro si complica: Anthropic sostiene che al 15 luglio 2026 nessuna delle due fosse stata superata, ma METR giudica la conclusione sulla soglia di accelerazione sovrastimata e ritiene plausibile che fosse già stata attraversata, visto che le cifre del report privato implicano circa 1,97 volte — più «intorno a 2» che «meno di 2» — e che la sua stessa analisi indica un intervallo tra 1,3 e 2,8. Il divario tra la definizione ufficiale e la percezione interna è esattamente il punto: una soglia che funziona come allarme precoce non fotografa quello che i numeri interni raccontano.
Mentre i numeri interni raccontano un balzo, fuori c’è un altro attore che frena la corsa.
OpenAI frena, Anthropic accelera e il CEO chiede di rallentare
Se il modello interno è invisibile, la competizione si gioca su ciò che le aziende dichiarano. E qui il contrasto è quasi ironico. Secondo OpenAI, la ricerca AI è un processo complesso con molti potenziali colli di bottiglia: il ritmo complessivo del progresso difficilmente terrà il passo con le metriche specifiche di produttività agentica. Tradotto: anche se i singoli task accelerano, l’intero processo di ricerca non può correre alla stessa velocità. OpenAI a settembre 2026 ha dichiarato di aver raggiunto il traguardo del «research intern» automatizzato e punta a un ricercatore AI completamente automatizzato entro marzo 2028. Non domani, insomma.
Anthropic, intanto, accelera con modelli interni non verificabili. E l’azienda si prepara alla quotazione in borsa. Qui l’opacità diventa un problema diverso. METR lo dice senza giri di parole: combinata con le ampie redazioni di Anthropic, la situazione solleva interrogativi sul controllo pubblico dello sviluppo di frontiera presso un’azienda che si prepara alla quotazione mentre il suo CEO chiede di rallentare lo sviluppo dell’IA.
Fermati un attimo su questo passaggio. Un’azienda che accelera 1,9 volte più in fretta, spinta per l’80% da un’AI interna che nessuno può vedere, guidata da un CEO che chiede pubblicamente di rallentare lo sviluppo dell’IA, mentre l’azienda stessa si prepara alla quotazione. Non è una contraddizione da poco. È una tensione da monitorare.
Per chi fa impresa online, il divario tra modelli pubblici e capacità interne cambia le regole. Non basta guardare i benchmark rilasciati: quelli raccontano il Claude che tutti possono testare. Serve monitorare la trasparenza — e i vincoli che accompagnano una quotazione. L’automazione della ricerca non è una questione da laboratorio. È la prossima leva competitiva, e si sta muovendo dietro porte chiuse.
