Model fatigue: quattro modelli di frontiera in una settimana, e la migrazione la paga chi compra

A inizio settembre 2026 sono usciti quattro modelli di frontiera in pochi giorni. CNBC racconta l'effetto su chi compra, e un CEO del settore lo chiama con il suo nome. Il costo del disallineamento cade su chi migra, non su chi annuncia.

BlueSky Agent AI · 2026-09-10

Nel giro di pochi giorni, a inizio settembre 2026, sono usciti Claude Fable 5.1 e Mythos 5.1 di Anthropic, Muse Spark 1.3 di Meta, Gemini 3.8 Flash di Google e GPT-6 Astra di OpenAI. Il 6 settembre CNBC ha raccontato cosa succede dall'altra parte: amministratori delegati e responsabili IT che passano una quantità sproporzionata di tempo a confrontare costi e capacità per non restare indietro.

Zhen Lu, amministratore delegato di Runpod, l'ha detta così: "model fatigue is a real thing". Sam Altman, sempre a CNBC, ha confermato la causa dal lato dei laboratori: "we're all moving to faster cadences".

Il conto lo paga chi non ha annunciato niente

I laboratori rilasciano più in fretta di quanto un'azienda riesca a valutare. È questo il disallineamento, ed è asimmetrico: annunciare un modello costa una conferenza stampa, migrare un processo su un modello nuovo costa settimane di lavoro a qualcuno che nel frattempo non fa altro.

Il lavoro di migrazione, per chi non l'ha mai fatto, è più o meno questo. Rifare i prompt, perché lo stesso testo su un modello diverso produce un'uscita diversa. Ricontrollare i formati di risposta, che è la parte che rompe le integrazioni in silenzio. Rifare le prove sui casi limite, quelli scoperti in produzione nei mesi precedenti e mai documentati. Ritarare i costi, perché il rapporto qualità/prezzo di ogni fase cambia. E poi convincere qualcuno in azienda che valeva la pena.

Moltiplicate per una cadenza di sei settimane e avete il quadro. Poi aggiungete che in una PMI italiana quella persona di solito è una sola, fa anche altro, e la migrazione arriva sempre nella settimana in cui c'è la chiusura o la fiera.

C'è anche un effetto meno visibile che vale la pena nominare, perché è quello che frena davvero le decisioni. Quando i modelli cambiano ogni sei settimane, chi in azienda deve firmare un progetto AI comincia a rimandare: se fra due mesi esce qualcosa di meglio, tanto vale aspettare. È una razionalità apparente che porta a non partire mai, ed è il motivo per cui alcune aziende che ci parlano da un anno sono ancora ferme al primo incontro.

Non esiste il modello migliore, esiste il migliore per il compito

L'8 settembre Simone Rizzo ha pubblicato una rassegna in italiano che rifiuta esplicitamente la domanda "qual è il modello migliore" e la sostituisce con "migliore per cosa". La sintesi che ne esce:

• Gemini Flash per velocità e multimodalità, quindi audio, immagini, video;
• GPT-6 Astra per l'uso agentico sul computer, coding e ricerca;
• Claude per il coding con flussi dinamici e subagent;
• Muse Spark 1.3 di Meta come miglior compromesso fra velocità, multimodalità, capacità agentiche e prezzo;
• Grok come il più permissivo;
• i modelli open cinesi (Qwen 3.8, Chimera P3, GLM 5.3) con prestazioni notevoli a costo contenuto, adatti anche all'esecuzione in locale.

Questa classifica è utile e sarà obsoleta entro Natale. Il che dice qualcosa di più interessante della classifica stessa: se la scelta del modello va rifatta ogni poche settimane, allora il modello è il posto sbagliato dove mettere la stabilità di un processo aziendale.

Dove va messa la stabilità

Un processo agentico non è una chiamata a un modello. È una sequenza: capire cosa vuole chi ha scritto, recuperare i dati giusti, decidere se il caso rientra in una casistica nota, chiamare uno strumento, comporre la risposta, passare la palla a una persona quando serve.

Attorno a quella sequenza c'è tutto il lavoro vero: gli strumenti collegati, la memoria di cosa è già stato risolto, i permessi, i controlli, la traccia di cosa è successo. È l'imbracatura del processo, e il modello è il motore che ci sta dentro.

Un'azienda che ha costruito il processo dentro un modello specifico rifà il lavoro a ogni rilascio. Un'azienda che l'ha costruito dentro l'imbracatura cambia il motore e tiene il resto: cambiare fornitore di batterie non dovrebbe voler dire riprogettare l'auto.

Come lo risolve ModelMatch

ModelMatch è il motore di routing della piattaforma BlueSky: sceglie quale modello usare per ogni fase del processo agentico, invece di legare l'intero processo a un modello solo.

Quando esce un modello nuovo, la valutazione la facciamo noi, una volta, sul catalogo. Nei processi dei clienti non cambia niente: le fasi restano quelle, gli strumenti restano quelli, i permessi restano quelli. Cambia quale motore gira sotto una certa fase, e nella maggior parte dei casi il cliente se ne accorge solo perché quella fase costa meno o risponde più in fretta.

Va detto cosa questo non è. Non è un modo per ottenere sempre il modello più potente su tutto, e non è una percentuale di risparmio garantita: quanto si risparmia dipende dal mix di fasi di quel processo specifico. Un flusso fatto quasi tutto di ragionamento complesso ha poco margine di routing. Un flusso dove metà dei passaggi sono estrazione di campi, classificazione e riscrittura ne ha molto.

E c'è un limite che non nascondiamo: se un fornitore ritira o cambia in modo sostanziale un modello che stavamo usando su una fase, quella fase va rivalutata. Il routing riduce il numero di volte in cui il cliente deve occuparsene, non lo azzera.

Cosa fare adesso, se state valutando

Tre domande da farsi prima della prossima ondata di annunci.

Quante delle vostre integrazioni AI oggi funzionerebbero se cambiaste modello domani? Se la risposta richiede una riunione, la stabilità è nel posto sbagliato.

Chi ha scritto, in azienda, i casi limite su cui il vostro flusso è stato tarato? Se sta nella testa di una persona, la prossima migrazione dipende dalle ferie di quella persona.

Su quante fasi del processo state usando il modello più costoso senza averlo mai verificato? Nella pratica sono quasi sempre più di quante ci si aspetti, perché all'inizio si sceglie il migliore per essere sicuri e poi non ci si torna più.

In sintesi

• A inizio settembre 2026 sono usciti quattro modelli di frontiera nel giro di pochi giorni: Fable 5.1 e Mythos 5.1, Muse Spark 1.3, Gemini 3.8 Flash, GPT-6 Astra.
• CNBC misura l'effetto sul lato di chi compra, e un amministratore delegato del settore lo chiama con il suo nome: "model fatigue is a real thing".
• Il costo del disallineamento fra cadenza dei rilasci e capacità di valutare cade su chi migra, non su chi annuncia.
• La rassegna dell'8 settembre di Simone Rizzo mostra che ogni modello vince in una categoria diversa: la domanda utile è "migliore per cosa", e la risposta cambia ogni poche settimane.
• Il posto dove mettere la stabilità di un processo aziendale è l'imbracatura — strumenti, memoria, permessi, controlli — non il modello. È il problema che ModelMatch risolve facendo la scelta per fase, una volta, a monte.

Fonti: CNBC (6 settembre 2026), AI Weekly, Startup Fortune, Simone Rizzo (rassegna dell'8 settembre 2026).