Prospettive dell’IA nel luglio 2026: Google ritarda Gemini 3.5, la Cina impone leggi e Tesla espande i robotaxi

Il panorama globale dell’intelligenza artificiale si muove con importanti annunci e sfide nel luglio 2026, evidenziando il continuo ritardo di Gemini 3.5 Pro di Google. Nello stesso periodo, la Cina implementa nuove leggi severe per i servizi associati all’intelligenza artificiale, costringendo giganti come ByteDance e Alibaba a disabilitare funzionalità per milioni di utenti. Allo stesso tempo, Tesla espande il suo servizio Robotaxi a Miami, operando senza monitor di sicurezza e innescando dibattiti sull’autonomia dei veicoli. Nel frattempo, la Casa Bianca sta preparando standard volontari per i modelli di intelligenza artificiale nel tentativo di guidare il rapido progresso tecnologico.

Ritardi in Gemini 3.5 Pro e crescente competitività nel settore

Gemini 3.5 Pro, il modello di intelligenza artificiale di Google, entra nella sua seconda settimana di luglio 2026, ancora in fase di anteprima per le aziende, senza una data confermata per il lancio generale. Il modello ha già mancato due date di consegna, inizialmente promesse per giugno e con scadenza al 30 giugno per la disponibilità generale. La logica alla base dell’ultimo rinvio punta alla necessità di ottimizzare l’efficienza dei token in compiti complessi e migliorare le prestazioni nel ragionamento a lungo termine, sulla base del feedback dei primi tester.

Questo scenario si verifica in un ambiente di intensa concorrenza. Recentemente, Anthropic ha rilasciato Claude Sonnet 5 e ripristinato Claude Fable 5, mentre OpenAI ha presentato in anteprima GPT-5.6 per i partner governativi. L’urgenza di Google di fornire un modello con prestazioni chiaramente differenziate, soprattutto nel recupero del contesto e nel ragionamento complesso, è vitale per giustificare i rinvii e invertire la percezione negativa che ha accompagnato il mese di giugno dell’azienda. I test iniziali hanno rivelato che il modello consumava più token del previsto, rendendolo più costoso da operare su larga scala, e hanno mostrato lacune nelle prestazioni di codifica e nelle attività di ragionamento in più fasi.

Di più sul tema: Bank of America raccomanda a Tesla di acquistare con un obiettivo di 460 dollari per azione

La legislazione cinese influisce sugli agenti IA: Doubao e Qwen si adattano

La Cina si sta preparando ad attuare il 15 luglio le sue “Misure provvisorie per l’amministrazione dei servizi interattivi di intelligenza artificiale antropomorfa”, una legislazione che richiede che i servizi di intelligenza artificiale con personalità umana incorporino sistemi anti-dipendenza, notifiche obbligatorie sull’uso e meccanismi di uscita immediata. Questa nuova regolamentazione ha un impatto diretto su piattaforme come Doubao, di ByteDance, e Qwen, di Alibaba, che stanno disattivando le funzionalità degli agenti umanoidi e creati dagli utenti.

Doubao, l’app AI più utilizzata in Cina con 345 milioni di utenti attivi mensili, consentirà l’accesso di sola visualizzazione alle impostazioni e alla cronologia della chat fino al 15 ottobre, quando i dati saranno permanentemente inaccessibili. Gli utenti devono esportare i loro contenuti importanti prima della scadenza. La situazione di Qwen è ancora più critica in quanto Alibaba non ha annunciato alcun percorso di migrazione per gli utenti con configurazioni di agenti esistenti, aumentando il rischio di perdita di dati immediata e permanente. La decisione di entrambe le società di disabilitare le funzionalità anziché adattarle riflette la fondamentale incompatibilità tra le norme anti-dipendenza della legge e il funzionamento degli agenti di memoria persistente.

L’espansione aggressiva di Tesla con Robotaxi e i rischi dell’autonomia senza supervisione

Tesla ha ampliato il suo servizio Robotaxi a Miami, in Florida, diventando la quinta città degli Stati Uniti a ricevere la tecnologia, operando senza monitor di sicurezza a bordo del veicolo. Questa è la prima volta che la società avvia un’attività autonoma senza alcun periodo di supervisione preventiva, seguendo le normative dello stato della Florida. L’obiettivo di Tesla è quello di espandersi in una dozzina di stati degli Stati Uniti entro la fine del 2026, con il CEO Elon Musk che sostiene che la tecnologia Full Self-Driving (FSD) ha superato la soglia di sicurezza per l’implementazione commerciale.

Al contrario, Waymo, il principale operatore di robotaxi negli Stati Uniti, mantiene monitorati la sicurezza nei nuovi mercati e adotta un ritmo di espansione più cauto basato su una mappatura dettagliata e fasi di distribuzione supervisionate. L’approccio di Tesla, pur promettendo rapidi cicli di miglioramento grazie alla sua vasta flotta, solleva preoccupazioni da parte dei regolatori e dei difensori dei consumatori, che mettono in guardia dall’assenza di “errore umano” nel caso in cui il sistema autonomo dovesse incontrare situazioni impreviste. Questo modello di distribuzione di Tesla è considerato uno dei più aggressivi nella storia dell’intelligenza artificiale autonoma senza supervisione umana in contesti di consumo pubblico.

Scopri di più: Elon Musk unisce SpaceX e xAI per un piano da 1 milione di satelliti e avanza nel Tesla Robotaxi

Nuovi benchmark e il futuro dell’intelligenza artificiale in ambiti specialistici

Lo sviluppo di benchmark più sofisticati sta rivelando sia i progressi che i limiti dei modelli di intelligenza artificiale. Meta ha lanciato SWE-Together, uno strumento di valutazione degli agenti di codifica multi-turno con 109 attività. Questo benchmark, che simula sessioni reali di ingegneria del software, valuta la capacità dei modelli di mantenere il contesto, adattarsi al feedback e correggere la rotta nel corso di molteplici interazioni. Claude Opus 4.8 di Anthropic ha dimostrato la minima necessità di intervento umano, con il 63% di completamento corretto al primo tentativo.

D’altra parte, OpenAI ha introdotto GeneBench-Pro, un benchmark di biologia computazionale di 129 problemi che copre l’analisi genomica, il ripiegamento delle proteine ​​e la progettazione sperimentale. La scoperta più significativa è che GPT-5.6 Sol Pro, la versione più avanzata dei modelli OpenAI, ha raggiunto solo il 31,5% di precisione. Claude Opus 4.8 ha ottenuto il 16%. Questi risultati sottolineano la sfida per l’intelligenza artificiale nel padroneggiare la conoscenza scientifica specializzata a livello di dottorato, che non è ancora completamente catturata dai percorsi di formazione degli attuali modelli di frontiera.

Il panorama globale dell’IA: standard, modelli cinesi e infrastrutture strategiche

Il panorama dell’intelligenza artificiale non riguarda solo nuovi modelli e normative, ma anche l’evoluzione degli standard globali e dell’infrastruttura che li supporta. Si prevede che questa settimana la Casa Bianca annuncerà un quadro di standard volontari per i modelli di intelligenza artificiale di frontiera, stabilendo criteri per la revisione da parte del governo di 30 giorni prima del rilascio pubblico. Questo movimento, che prevede la partecipazione di Google ai negoziati, mira a creare un precedente per il coordinamento tra il governo e le aziende tecnologiche.

Nel frattempo, i modelli di intelligenza artificiale cinesi stanno assorbendo una quota significativa del traffico su piattaforme come OpenRouter, rappresentando circa il 45% del totale, rispetto a meno del 2% di un anno fa. Il successo non è dovuto solo ai benchmark delle prestazioni, ma a una combinazione di prezzi competitivi, 1 milione di finestre contestuali di token e accesso gratuito. Questo “arbitraggio dei costi” sta trasformando il panorama per gli sviluppatori e le imprese. Tuttavia, l’utilizzo di questi modelli richiede la valutazione di tre importanti lacune:

Sullo stesso tema: Prototipo Tesla Cybercab avvistato mentre percorreva le strade del centro di Austin prima della produzione di massa

• Restrizioni sui contenuti:I modelli cinesi spesso rifiutano temi politicamente sensibili come Taiwan, Piazza Tiananmen e lo Xinjiang.
• Giurisdizione dei dati:Le chiamate API possono instradare i dati attraverso server in Cina, il che potrebbe violare i requisiti di residenza dei dati per i settori regolamentati.
• Rigidità dello schema di chiamata degli strumenti:Esistono casi di JSON non standard nelle chiamate agli strumenti, che richiedono una gestione aggiuntiva nei framework degli agenti.

A livello aziendale, Alibaba ha ristrutturato tutta la sua attività di intelligenza artificiale in quello che chiama “Alibaba Token Hub”, consolidando cinque unità sotto la diretta supervisione del CEO Eddie Wu. La ristrutturazione riflette il riconoscimento strategico del fatto che la creazione di valore di Alibaba nell’intelligenza artificiale deriva dalla tokenizzazione su larga scala, con l’obiettivo di competere per il mercato interno cinese e l’adozione da parte degli sviluppatori internazionali.

La costruzione di data center negli Stati Uniti è vista anche come una politica di catena di fornitura, che va oltre un semplice investimento nella capacità di intelligenza artificiale. I massicci investimenti di aziende come Microsoft e Alphabet vengono inquadrati come ancore della domanda in grado di strutturare catene di produzione nazionali di semiconduttori, sistemi di alimentazione, infrastrutture di raffreddamento e reti in fibra ottica. Questo approccio collega direttamente la politica industriale allo sviluppo delle infrastrutture di intelligenza artificiale, cercando di indirizzare la spesa verso apparecchiature prodotte negli Stati Uniti.