Frontier AI Models

I modelli di IA di frontiera sono i modelli di IA generalisti più capaci esistenti in un dato momento; in genere si tratta di grandi modelli fondamentali multimodali che eguagliano o superano ogni altro sistema in ambiti quali linguaggio, programmazione, ragionamento e comprensione delle immagini. La frontiera è un limite mobile: un modello che la definiva due anni prima viene regolarmente superato da successori più piccoli ed economici. Il termine è entrato nel dibattito politico nel 2023. Per l’AI Safety Summit di novembre, il governo del Regno Unito definì l’IA di frontiera come modelli di IA generalisti altamente capaci, in grado di svolgere un’ampia varietà di compiti e di eguagliare o superare le capacità dei modelli più avanzati del momento. Il Frontier Model Forum, un’organizzazione di settore fondata quell’anno da Anthropic, Google, Microsoft e OpenAI, a cui si sono aggiunte in seguito Amazon e Meta, considera di frontiera un modello generalista quando supera ogni modello distribuito ampiamente da almeno un anno.

Cosa porta un modello alla frontiera#

Nessun singolo punteggio determina lo status di modello di frontiera. I modelli di frontiera vengono addestrati con i maggiori budget di calcolo della loro generazione, su decine di migliaia di acceleratori, perché le capacità hanno seguito da vicino il calcolo, i dati e il numero di parametri secondo le leggi di scala. Ottengono ottimi risultati contemporaneamente in molti ambiti, compreso l’uso di strumenti in più passaggi e i compiti prolungati di agenti IA, che i modelli più ristretti non riescono a completare. Ottengono inoltre i punteggi più alti nei benchmark progettati per mettere in difficoltà i sistemi precedenti, come le domande di scienze universitarie di GPQA e i problemi scritti da esperti di Humanity’s Last Exam.

Le loro capacità sono disomogenee. Lo stesso modello che risolve problemi matematici di livello avanzato può sbagliare a contare gli oggetti in un'immagine o non riuscire a risolvere un semplice rompicapo spaziale: un fenomeno noto come intelligenza frastagliata. Di conseguenza, essere ai primi posti in un benchmark dice poco sull'affidabilità in una qualsiasi attività specifica.

Modelli di frontiera nei sistemi pratici#

Le capacità di frontiera comportano costi in termini di latenza, prezzo e hardware. Un modello di frontiera viene eseguito in un data center remoto e impiega secondi per ogni risposta, il che lo esclude da molti carichi di lavoro in tempo reale e di IA edge. Per questo, i sistemi di produzione affiancano un modello di frontiera per il ragionamento aperto a piccoli modelli specializzati per le attività rapide e ripetitive, secondo il modello noto come sistemi di IA composti, oppure usano l'instradamento dei modelli per inviare ogni richiesta al modello meno costoso in grado di gestirla. I team usano anche i modelli di frontiera come insegnanti, generando etichette o esempi di addestramento che la distillazione della conoscenza comprime in modelli compatti. In Ultralytics Platform, l'annotazione intelligente basata sulle classi invia le immagini del dataset a modelli di visione a pagamento di provider come OpenAI, Anthropic e Google, usando la chiave del provider del workspace, e aggiunge i rilevamenti come riquadri modificabili. In questo modo, un modello di frontiera può etichettare il dataset di rilevamento degli oggetti su cui viene poi addestrato un modello compatto YOLO26. La classifica VLM confronta la precisione con cui modelli come GPT-6 Astra, Claude Opus 5.5 e Gemini 4 Argon etichettano dataset di rilevamento del mondo reale, insieme a modelli open più piccoli.

Pratiche di test e sicurezza#

I principali sviluppatori pubblicano framework di sicurezza, come la Responsible Scaling Policy di Anthropic, il Preparedness Framework di OpenAI e il Frontier Safety Framework di Google DeepMind. Ognuno si impegna a verificare se i nuovi modelli possiedono capacità pericolose, tra cui la capacità di fornire un aiuto significativo nella creazione di armi biologiche o nelle operazioni informatiche offensive, nonché quella di automatizzare la ricerca sull’IA; si impegna inoltre ad aggiungere misure di protezione o a ritardare il rilascio quando un modello supera una soglia definita. Le verifiche combinano valutazioni automatizzate e red teaming dell’IA condotto da team interni, esperti esterni ed enti governativi come l’AI Security Institute del Regno Unito e il Center for AI Standards and Innovation (CAISI) degli Stati Uniti, che valutano i modelli di frontiera spesso prima del rilascio. I valutatori verificano anche il sandbagging, cioè se un modello rende deliberatamente meno bene nei test delle capacità; gli sviluppatori riportano i risultati nelle schede modello e nelle schede di sistema.

Come le leggi definiscono la frontiera#

È difficile disciplinare per legge la capacità, quindi i regimi di governance dell'IA usano la potenza di calcolo impiegata per l'addestramento come indicatore indiretto. Il regolamento dell'UE sull'intelligenza artificiale presume che un modello di IA per finalità generali presenti un rischio sistemico quando il suo addestramento ha comportato più di 10²⁵ operazioni in virgola mobile, e la Commissione europea può anche designare modelli al di sotto di tale soglia in base alle loro capacità e alla loro portata. I fornitori di questi modelli devono valutarli, anche tramite test avversariali, valutare e mitigare i rischi sistemici, segnalare gli incidenti gravi e proteggere la sicurezza informatica del modello. Gli obblighi si applicano dal 2 agosto 2025 e, dal 2 agosto 2026, la Commissione può farli rispettare imponendo sanzioni fino al 3% del fatturato annuo mondiale o a 15 milioni di euro, se tale importo è superiore.

La Legge californiana sulla trasparenza nell'intelligenza artificiale di frontiera (SB 53), in vigore dal 1° gennaio 2026, definisce un modello di frontiera come un modello addestrato con più di 10²⁶ operazioni, contando anche il successivo fine-tuning e l'apprendimento per rinforzo. Impone ai grandi sviluppatori di modelli di frontiera, quelli con ricavi annui superiori a 500 milioni di dollari, di pubblicare i propri framework per l'IA di frontiera e agli sviluppatori di modelli di frontiera di segnalare gli incidenti critici per la sicurezza all'Office of Emergency Services dello Stato entro 15 giorni. Le soglie di calcolo sono uno strumento grossolano, perché i progressi algoritmici e hardware consentono a esecuzioni di addestramento sempre più piccole di raggiungere le capacità di frontiera di un tempo; per questo entrambe le leggi prevedono la revisione delle proprie definizioni. Il RAISE Act di New York, modificato nel marzo 2026 per allineare le sue definizioni a quelle dell'SB 53, compreso il requisito di 500 milioni di dollari di ricavi per i grandi sviluppatori di modelli di frontiera, entra in vigore il 1° gennaio 2027 e concede agli sviluppatori 72 ore per segnalare un incidente critico per la sicurezza.