Cronologia dello sviluppo dell’IA
Dalla macchina di Turing ai moderni modelli linguistici
89 eventi
I Teoremi di Incompletezza di Gödel
Kurt Gödel pubblicò i suoi teoremi di incompletezza, dimostrando che qualsiasi sistema formale sufficientemente potente contiene proposizioni che non possono essere né dimostrate né confutate all’interno del sistema stesso. Questa scoperta non solo scosse la comunità matematica, ma ebbe profonde implicazioni per la teoria della computazione e l’intelligenza artificiale.
Teoria degli IniziTesi di Church-Turing
Alonzo Church e Alan Turing proposero indipendentemente la celebre Tesi di Church-Turing. Questa tesi afferma che ogni funzione effettivamente calcolabile è Turing-calcolabile. Ciò formalizza la nozione intuitiva di «calcolabilità» e divenne il fondamento dell’informatica.
Teoria degli IniziMacchina di Turing
Alan Turing introdusse il concetto di macchina di Turing nel suo articolo fondamentale «On Computable Numbers, with an Application to the Entscheidungsproblem». Questo modello computazionale astratto può simulare qualsiasi processo matematicamente calcolabile.
Teoria degli IniziLambda Calcolo
Alonzo Church propose il Lambda Calcolo, un sistema formale per la definizione e l’applicazione di funzioni. Il Lambda Calcolo è considerato il fondamento teorico della programmazione funzionale e uno dei primi sistemi di tipi.
Teoria degli IniziModello del Neurone
Warren McCulloch e Walter Pitts pubblicarono «A Logical Calculus of the Ideas Immanent in Nervous Activity», introducendo il primo modello di neurone artificiale (neurone McCulloch-Pitts). Questo modello semplificava i neuroni a interruttori a soglia binaria, gettando le basi per la successiva ricerca sulle reti neurali.
Teoria degli IniziCibernetica
Norbert Wiener pubblicò «Cybernetics: Or Control and Communication in the Animal and the Machine», fondando la nuova disciplina della cibernetica. Lo studio di come i sistemi si autoregolano attraverso meccanismi di feedback ebbe un impatto profondo sull’IA e sulla robotica.
Teoria degli IniziTeoria dell’Informazione di Shannon
Claude Shannon pubblicò «A Mathematical Theory of Communication», gettando le basi della teoria dell’informazione. Concetti come entropia, codifica e quantità di informazione divennero strumenti fondamentali per comprendere i dati e l’elaborazione dell’informazione.
Teoria degli IniziTest di Turing
In «Computing Machinery and Intelligence», Turing sostituì l’ambigua domanda «Le macchine possono pensare?» con il gioco dell’imitazione, nel quale un esaminatore usa una conversazione scritta per distinguere una macchina da un essere umano. È un criterio comportamentale, non una prova di coscienza.
Teoria degli IniziLa proposta di Dartmouth del 1955
Nel 1955 John McCarthy, Marvin Minsky, Nathaniel Rochester e Claude Shannon usarono il termine «artificial intelligence» nella proposta del Dartmouth Summer Research Project e delinearono il programma di ricerca per l’estate 1956.
Teoria degli IniziConferenza di Dartmouth
Il workshop di Dartmouth dell’estate 1956 contribuì ad affermare il nome «artificial intelligence» e la relativa agenda di ricerca come identità di un nuovo campo accademico; il termine era già presente nella proposta del 1955.
Nascita dell’IALogic Theorist
Allen Newell e Herbert Simon svilupparono il «Logic Theorist», uno dei primi programmi pratici di IA. Questo programma poteva dimostrare teoremi dai Principia Mathematica ed è spesso citato tra i primi programmi di intelligenza artificiale. Newell e Simon ricevettero il Premio Turing nel 1975.
Nascita dell’IAPercettrone
Frank Rosenblatt propose il modello del Percettrone, un primo influente modello di rete neurale artificiale. Il Percettrone è un semplice classificatore binario lineare che apprende a classificare i dati di input regolando i pesi.
Nascita dell’IALinguaggio Lisp
John McCarthy sviluppò il Lisp al MIT, uno dei primi linguaggi di alto livello strettamente associati alla ricerca sull’IA. La flessibilità del Lisp e la sua potente elaborazione simbolica ne fecero il linguaggio preferito per la ricerca sull’IA.
Nascita dell’IAGeneral Problem Solver
Newell e Simon svilupparono il General Problem Solver (GPS), il primo programma di IA che tentava di simulare la risoluzione dei problemi da parte dell’uomo. Il GPS scomponeva la risoluzione dei problemi in scomposizione degli obiettivi e ricerca di sotto-obiettivi.
Nascita dell’IATeorema di Convergenza del Percettrone
Frank Rosenblatt dimostrò la proprietà di convergenza dell’algoritmo di apprendimento del percettrone, mostrando che se i dati sono linearmente separabili, il percettrone convergerà sicuramente.
Nascita dell’IAPrimo Robot Industriale
Unimate divenne il primo robot a lavorare su una catena di montaggio. Nel 1961 General Motors lo installò nello stabilimento di Trenton, nel New Jersey, per scaricare una macchina di pressofusione, togliendo dalla macchina i pezzi ancora roventi. Unimation costruì queste macchine per lavori difficili, pericolosi o monotoni per le persone.
Nascita dell’IAPercezione automatica di solidi tridimensionali
Nella sua tesi di dottorato al MIT del 1963, Larry Roberts descrisse un sistema per interpretare da immagini scene di semplici solidi poliedrici, un’importante base iniziale della visione artificiale tridimensionale.
Nascita dell’IAAvvio di Project MAC
Il MIT avviò Project MAC nel 1963 sotto la direzione di Robert Fano per studiare il time-sharing, la computazione e la cognizione assistita dalla macchina. Il progetto di intelligenza artificiale del MIT, fondato nel 1959, vi partecipò in seguito; non erano un unico laboratorio fondato nel 1959.
Nascita dell’IAELIZA
Joseph Weizenbaum creò ELIZA al MIT, uno dei primi chatbot. ELIZA simulava la conversazione di uno psicoterapeuta attraverso il riconoscimento di pattern, suscitando una profonda riflessione sull’interazione uomo-macchina.
Nascita dell’IAIl Robot Shakey
SRI International sviluppò Shakey, uno dei primi robot mobili autonomi in grado di percepire l’ambiente, pianificare percorsi ed eseguire compiti. Shakey combinava visione artificiale, elaborazione del linguaggio naturale e algoritmi di pianificazione.
Nascita dell’IACritica di Minsky-Papert
Marvin Minsky e Seymour Papert pubblicarono «Perceptrons», un’analisi rigorosa di ciò che i percettroni a singolo strato possono e non possono rappresentare. Il libro è spesso associato al successivo calo d’interesse per le reti neurali, ma i cambiamenti nei finanziamenti riflettevano anche limiti di calcolo, aspettative disattese e decisioni politiche più ampie.
L’Inverno dell’IATeoria dei Frame
Marvin Minsky pubblicò il «Frame Paper», proponendo la teoria dei Frame per la rappresentazione della conoscenza. Questa teoria influenzò la successiva programmazione orientata agli oggetti e i metodi di rappresentazione della conoscenza.
Nascita dell’IALa nascita di Prolog
Alain Colmerauer, Philippe Roussel e i loro collaboratori svilupparono a Marsiglia la prima versione di Prolog, applicando la logica dei predicati alla programmazione e facendo avanzare la programmazione logica e l’IA simbolica.
L’Inverno dell’IARapporto Lighthill
Lo scienziato britannico James Lighthill presentò al governo del Regno Unito un rapporto pessimistico sulla ricerca sull’IA, portando a tagli significativi nei finanziamenti.
L’Inverno dell’IASistema Esperto MYCIN
La Stanford University sviluppò MYCIN, un sistema esperto per la diagnosi medica. Dimostrò la praticità dei sistemi esperti, sebbene non fu mai utilizzato clinicamente a causa di questioni di responsabilità.
L’Inverno dell’IASistema Esperto XCON
DEC implementò XCON (eXpert CONfigurer), un sistema esperto per la configurazione dei sistemi informatici VAX. XCON fu il primo sistema esperto di successo commerciale, risparmiando milioni all’anno all’azienda.
L’Inverno dell’IAPrimo Inverno dell’IA
Dopo valutazioni critiche e tagli ai finanziamenti negli anni Settanta, parte della ricerca sull’IA entrò in una fase di contrazione. Il «primo inverno dell’IA» è una periodizzazione retrospettiva, variabile per paese e settore.
L’Inverno dell’IAFGCS Giapponese
Il Giappone annunciò il Fifth Generation Computer Project (FGCS), un progetto decennale per sviluppare computer in grado di ragionare logicamente ed elaborare la conoscenza.
L’Inverno dell’IAAlgoritmo di Retropropagazione
David Rumelhart, Geoffrey Hinton e Ronald Williams pubblicarono i loro studi sull’algoritmo di retropropagazione, rendendo possibile l’addestramento di reti neurali multilivello.
L’Inverno dell’IAInizio del Secondo Inverno dell’IA
Con l’ascesa dei personal computer, il costoso mercato delle macchine Lisp crollò. Molte aziende di IA fallirono nuovamente.
L’Inverno dell’IAAscesa dei Metodi Statistici
Negli anni ’90, i metodi statistici iniziarono a dominare la ricerca sull’IA. I Modelli di Markov Nascosti (HMM) nel riconoscimento vocale, il Naive Bayes e gli alberi decisionali nel machine learning ottennero tutti buoni risultati.
La RinascitaIA nella Guerra del Golfo
L’esercito statunitense utilizzò sistemi di pianificazione e logistica basati sull’IA nella Guerra del Golfo, dimostrando il potenziale dell’IA nelle applicazioni reali.
L’Inverno dell’IANascita del World Wide Web
Tim Berners-Lee creò il World Wide Web. La diffusione di Internet cambiò lo stile di vita umano e fornì risorse di dati senza precedenti per l’IA.
La RinascitaFine del Secondo Inverno
Con la maturazione della tecnologia e l’aumento delle applicazioni commerciali, l’IA iniziò a uscire dall’inverno. La rinascita delle reti neurali e l’ascesa dei metodi statistici gettarono le basi per una nuova era.
L’Inverno dell’IAMacchine a Vettori di Supporto
Vladimir Vapnik e altri proposero le Macchine a Vettori di Supporto (SVM), un potente metodo di classificazione e regressione. Le SVM ottennero eccellenti prestazioni nella classificazione del testo e nel riconoscimento della scrittura.
La RinascitaDeep Blue contro Kasparov
Deep Blue di IBM sconfisse il campione mondiale di scacchi Garry Kasparov, dimostrando la capacità dell’IA di superare le capacità umane in compiti ben definiti.
L’Inverno dell’IALong Short-Term Memory (LSTM)
Sepp Hochreiter e Jürgen Schmidhuber proposero l’LSTM, un tipo speciale di RNN in grado di apprendere dipendenze a lungo termine. L’LSTM ottenne grande successo nel riconoscimento vocale e nella modellazione del linguaggio.
La RinascitaLeNet-5
Yann LeCun sviluppò LeNet-5, una CNN per il riconoscimento di cifre scritte a mano. LeNet-5 fu tra i primi modelli di deep learning distribuiti su larga scala in ambito commerciale, utilizzato dal Servizio Postale degli Stati Uniti per il riconoscimento dei codici postali.
La RinascitaModello linguistico neurale probabilistico
Yoshua Bengio, Réjean Ducharme, Pascal Vincent e Christian Jauvin proposero un modello linguistico neurale probabilistico che apprende congiuntamente rappresentazioni distribuite delle parole e probabilità delle sequenze per affrontare la maledizione della dimensionalità. La rete è feed-forward, non ricorrente.
La RinascitaProgramma CIFAR di calcolo neurale
Dal 2004 un programma CIFAR favorì incontri regolari tra Geoffrey Hinton, Yann LeCun, Yoshua Bengio e collaboratori. Coordinò ricerche che contribuirono alla rinascita del deep learning, senza rappresentarne un unico punto di partenza.
La RinascitaReti Deep Belief
Geoffrey Hinton propose le Reti Deep Belief (DBN), la prima rete neurale profonda addestrata con successo. Hinton introdusse il «pre-addestramento strato per strato» per risolvere le difficoltà di addestramento.
La RinascitaGPU per il Deep Learning
I ricercatori iniziarono a utilizzare le GPU per accelerare l’addestramento del deep learning. Il calcolo parallelo delle GPU rese possibile l’addestramento di grandi reti neurali.
La RinascitaDataset ImageNet
Il team ImageNet pubblicò nel 2009 l’articolo sul database gerarchico di immagini organizzato con WordNet. ImageNet e la successiva competizione divennero un’infrastruttura importante per addestramento e valutazione su larga scala.
La RinascitaSvolta nel Riconoscimento Vocale
Google utilizzò modelli di deep learning per ridurre del 25% il tasso di errore nel riconoscimento vocale. Fu la prima grande svolta del deep learning nel riconoscimento vocale.
La RinascitaSvolta di ImageNet
Il team di Alex Krizhevsky, Ilya Sutskever e Geoffrey Hinton utilizzò AlexNet nella competizione ImageNet, vincendo con un margine schiacciante. Il tasso di errore scese dal 26% al 15%.
La RinascitaWord2Vec
Tomas Mikolov rilasciò Word2Vec, un modello di rete neurale per l’apprendimento di rappresentazioni vettoriali delle parole. Word2Vec permise ai computer di comprendere le relazioni semantiche tra le parole.
La RinascitaReti Generative Avversarie (GAN)
Ian Goodfellow propose le GAN, una delle innovazioni più importanti nel deep learning. Le GAN generano immagini estremamente realistiche attraverso l’addestramento avversario.
La RinascitaResNet
Kaiming He e altri proposero ResNet, risolvendo la difficoltà di addestramento delle reti profonde attraverso connessioni di salto. ResNet permise l’addestramento di centinaia di strati.
La RinascitaAlphaGo Sconfigge Lee Sedol
AlphaGo di DeepMind sconfisse il campione mondiale di Go Lee Sedol per 4 a 1. Il Go era considerato uno dei giochi da tavolo più difficili per l’IA.
La RinascitaArchitettura Transformer
Google propose l’architettura Transformer, una svolta rivoluzionaria nell’NLP. Il Transformer è la base dei moderni modelli linguistici di grandi dimensioni.
La RinascitaRilascio di GPT-3
OpenAI ha rilasciato GPT-3, un modello linguistico di grandi dimensioni con 175 miliardi di parametri. GPT-3 ha dimostrato capacità sorprendenti di generazione del linguaggio, suscitando un ampio dibattito sull’AGI.
L’Era degli LLMDALL-E e CLIP
OpenAI ha rilasciato DALL-E (generazione di immagini) e CLIP (apprendimento contrastivo immagine-testo). Questi modelli hanno dimostrato la capacità dell’IA di comprendere e generare contenuti multimodali.
L’Era degli LLMCodex e GitHub Copilot
OpenAI ha rilasciato Codex, un modello di IA in grado di comprendere e generare codice. GitHub Copilot è diventato il primo assistente di programmazione IA ampiamente utilizzato.
L’Era degli LLMRilascio di ChatGPT
Nel novembre 2022, OpenAI ha rilasciato ChatGPT, il primo assistente conversazionale generativo rivolto al mercato di massa. ChatGPT ha raggiunto 100 milioni di utenti in due mesi, diventando il prodotto di consumo in più rapida crescita nella storia.
L’Era degli LLMStable Diffusion Open Source
Stability AI ha rilasciato Stable Diffusion, un modello di generazione di immagini open source. L’attività della comunità open source ha rapidamente democratizzato la tecnologia di generazione di immagini.
L’Era degli LLMRilascio di GPT-4
OpenAI ha rilasciato GPT-4, un modello multimodale in grado di elaborare immagini e testo. GPT-4 ha mostrato prestazioni vicine a quelle umane su benchmark professionali e accademici.
L’Era degli LLMRilascio di Claude
Anthropic ha rilasciato Claude, un assistente IA focalizzato su sicurezza e utilità. Il design di Claude riflette l’enfasi sulla sicurezza dell’IA — l’IA deve essere utile, innocua e onesta.
L’Era degli LLMLLaMA Open Source
Meta ha rilasciato LLaMA, un modello linguistico di grandi dimensioni sotto licenza di ricerca non commerciale. Sebbene LLaMA abbia dimensioni di parametri relativamente ridotte, le sue eccellenti prestazioni hanno promosso lo sviluppo di LLM a pesi aperti.iluppo degli LLM open source.
L’Era degli LLMAscesa del Concetto di Agente IA
Il concetto di Agente IA ha iniziato a ricevere ampia attenzione. Gli Agenti sono sistemi di IA in grado di pianificare ed eseguire autonomamente compiti complessi.
L’Era degli LLMGemini 1.5 e il contesto lungo
Nel febbraio 2024 Google ha presentato Gemini 1.5, con architettura mixture-of-experts e una finestra di contesto sperimentale fino a un milione di token.
L’Era degli LLMSerie Claude 3
Anthropic ha rilasciato la serie Claude 3, che include Opus, Sonnet e Haiku. Claude 3 Opus è stato competitivo con GPT-4 su diversi benchmark tra cui MMLU e GPQA, rimanendo indietro su altri.
L’Era degli LLMLlama 3 open source
Meta ha rilasciato la famiglia Llama 3 con pesi aperti, inclusi modelli da 8 e 70 miliardi di parametri. Il successivo Llama 3.1 405B fu il primo modello a pesi aperti a eguagliare i concorrenti closed-source di frontiera sui benchmark comuni.losed source sui benchmark comuni.
L’Era degli LLMLegge europea sull’IA adottata
L’Unione europea ha adottato la legge sull’IA, prima regolamentazione orizzontale completa dell’intelligenza artificiale. La legge ha stabilito una classificazione basata sul rischio e requisiti rigorosi per i sistemi IA ad alto rischio.
L’Era degli LLMModello OpenAI o1
OpenAI ha rilasciato il modello o1, un modello di grandi dimensioni con capacità di ragionamento. o1 eccelle nei compiti scientifici e di programmazione, dimostrando la capacità di «pensare».
L’Era degli LLMBeta pubblica di computer use per Claude
Nell’ottobre 2024 Anthropic ha introdotto la beta pubblica di computer use per una versione aggiornata di Claude 3.5 Sonnet, consentendo agli sviluppatori di fargli osservare lo schermo, muovere il cursore, fare clic e digitare.
L’Era degli LLMRilascio del Protocollo MCP
Anthropic ha rilasciato MCP (Model Context Protocol), un protocollo standard aperto per collegare i modelli di IA con strumenti e fonti di dati esterne. MCP sta diventando l’«USB-C» delle applicazioni IA.
L’Era degli LLMMaturazione dell’ecosistema degli agenti
Entro il 2025, gli agenti IA sono maturati da demo di ricerca a strumenti di produzione. Agenti di coding, agenti browser e agenti multi-step sono diventati offerte standard, con OpenAI, Anthropic, Google e progetti open source che hanno rilasciato sistemi capaci.
L’Era degli LLMRilascio di DeepSeek R1
Il laboratorio cinese DeepSeek ha rilasciato R1, un modello di ragionamento open source le cui prestazioni rivaleggiavano con o1 di OpenAI. Il rilascio ha dimostrato che capacità all’avanguardia possono essere raggiunte fuori dall’establishment IA americano e ha innescato una rivalutazione globale della competizione IA.
L’Era degli LLMLancio del progetto Stargate
OpenAI, Oracle, SoftBank e MGX degli Emirati Arabi Uniti hanno annunciato congiuntamente un investimento di 500 miliardi di dollari per costruire infrastrutture IA negli Stati Uniti. Il progetto prevede la costruzione di numerosi grandi data center nell’arco di quattro anni, il più grande investimento del settore privato nella storia dell’IA.
L’Era degli LLMRilascio di Claude 3.7 Sonnet
Anthropic ha rilasciato Claude 3.7 Sonnet, il primo modello a supportare il «ragionamento ibrido»: gli utenti possono passare da risposte istantanee a riflessione approfondita nello stesso modello. Claude 3.7 segna l’inizio del consolidamento delle forme di prodotto dell’IA per il ragionamento.
L’Era degli LLMAnthropic raccoglie 3,5 miliardi di dollari
Nel marzo 2025, Anthropic ha annunciato un round di finanziamento da 3,5 miliardi di dollari a una valutazione di 61,5 miliardi di dollari, diventando una delle startup IA più valutate al mondo e riflettendo l’ulteriore concentrazione di capitale nell’industria IA.
L’Era degli LLMRilascio open source di Llama 4
Meta ha pubblicato i modelli multimodali a pesi aperti Llama 4 Scout e Maverick e presentato Behemoth, un modello insegnante ancora in addestramento e non rilasciato.
L’Era degli LLMRilascio di Claude 4
Anthropic ha rilasciato la famiglia Claude 4 (Opus 4 e Sonnet 4), introducendo la capacità di «riflessione estesa» (Extended Thinking) con miglioramenti significativi nella programmazione, nel ragionamento e nelle attività a lungo orizzonte. Claude 4 ha consolidato la posizione di Anthropic nel mercato dell’IA aziendale.
L’Era degli LLMIniziano ad applicarsi gli obblighi GPAI dell’AI Act
Il 2 agosto 2025 sono divenute applicabili le regole di governance e gli obblighi per i modelli di IA per finalità generali. Altre disposizioni seguono scadenze diverse, quindi non è l’avvio generale della piena applicazione.
L’Era degli LLMRilascio di GPT-5
OpenAI ha rilasciato GPT-5, un modello di punta unificato che integra le capacità di ragionamento della serie o con le capacità conversazionali della serie GPT. GPT-5 stabilisce una nuova frontiera nella programmazione, nella matematica e nel ragionamento, supportando contesti più lunghi e l’uso di strumenti.
L’Era degli LLMOpenAI completa la ricapitalizzazione
OpenAI ha completato la ricapitalizzazione della propria struttura. L’attività a scopo di lucro è diventata una public benefit corporation denominata OpenAI Group PBC, e la OpenAI Foundation, ente senza scopo di lucro, continua a controllarla con la stessa missione. Secondo OpenAI, la ricapitalizzazione è arrivata dopo quasi un anno di confronti con i procuratori generali della California e del Delaware.
L’Era degli LLMGli agenti entrano nei prodotti aziendali rilasciati
Nel primo semestre 2026 le capacità agentiche sono uscite dalle dimostrazioni e sono entrate nei prodotti aziendali rilasciati: agenti per la programmazione, l’assistenza e l’automazione d’ufficio sono diventati funzioni documentate, e attorno a essi è maturata l’infrastruttura di chiamata degli strumenti e di collaborazione multi-agente. Quanto sia arrivata davvero l’adozione non è stabilito. Le indagini pubblicate riportano tassi di produzione molto diversi perché non concordano su che cosa conti come agente; questa voce registra quindi una direzione e non un livello.
L’Era degli LLMI modelli a pesi aperti pubblicano su scala di frontiera
Nel primo semestre 2026 i rilasci a pesi aperti di DeepSeek, Alibaba Qwen, Moonshot, Zhipu e Meta hanno raggiunto una scala prima riservata ai sistemi chiusi, con pesi e schede di modello scaricabili e non solo descritti. Se qualcuno di essi eguagli la frontiera chiusa dipende da quale indice di benchmark si usa e da come lo si pondera; questa voce registra quindi che cosa è stato rilasciato e con quale licenza, non una classifica.
L’Era degli LLMNature pubblica il sistema multi-agente Co-Scientist
Nature ha pubblicato Co-Scientist, un sistema multi-agente basato su Gemini che formula ipotesi di ricerca inedite da verificare sperimentalmente. L’articolo riporta la validazione in tre applicazioni biomediche: il riposizionamento di farmaci, la scoperta di nuovi bersagli e la spiegazione dei meccanismi di resistenza antimicrobica. Gli autori lo presentano come assistente dei ricercatori e non come sostituto, il che ne fa una prova sottoposta a revisione paritaria di un’IA che partecipa alla formulazione di ipotesi e non solo all’analisi.
L’Era degli LLMMeta inizia a sciogliere l’integrazione di Manus
Secondo una notizia dell’11 giugno 2026, Meta ha iniziato a sciogliere l’integrazione dell’acquisizione di Manus, interrompendo la condivisione dei dati e separando le operazioni. La notizia collega la decisione a requisiti normativi cinesi; lo stato legale e operativo successivo va verificato con aggiornamenti più recenti.
L’Era degli LLMClaude Fable 5 e Mythos 5 sospesi e poi ripristinati
Il 9 giugno 2026 Anthropic ha lanciato Fable 5, protetto per l’uso generale, e Mythos 5 per i partner verificati di Project Glasswing. I controlli statunitensi del 12 giugno richiedevano restrizioni per i cittadini stranieri; non potendo verificarne la nazionalità in tempo reale, Anthropic ha sospeso entrambi i modelli nel mondo. Revocati i controlli il 30 giugno, Fable 5 è tornato globalmente il 1° luglio e Mythos 5 inizialmente per organizzazioni statunitensi approvate.
L’Era degli LLMOpenAI sotto inchiesta dei procuratori generali degli Stati USA
Il 13 giugno 2026 una coalizione di procuratori generali di diversi Stati americani, guidata da quella dello Stato di New York, ha aperto un’indagine su OpenAI e notificato un’intimazione. La citazione in giudizio richiede documenti su inserzioni pubblicitarie, coinvolgimento e fidelizzazione degli utenti, tendenza dei modelli all’adulazione, trattamento dei dati dei consumatori e sanitari, nonché tutele per minori e anziani. Si tratta della prima indagine sistematica avviata dalle autorità statali USA contro una grande azienda di IA.
L’Era degli LLMOpenAI limita il rilascio di GPT-5.6 su richiesta del governo USA
Il 26 giugno 2026, su richiesta del governo USA, OpenAI ha avviato un’anteprima limitata di GPT-5.6 Sol, Terra e Luna per pochi partner fidati. Il 9 luglio la famiglia GPT-5.6 è diventata generalmente disponibile; OpenAI ha dichiarato che la procedura limitata non dovrebbe diventare lo standard.
L’Era degli LLMSamsung e SK Hynix annunciano grandi piani pluriennali per le memorie
Il 29 giugno 2026 Samsung e SK Hynix hanno annunciato piani pluriennali da 800.000 miliardi di won, comprendenti quattro fab di memoria nel sud-ovest della Corea. La conversione in dollari varia col cambio; ambito, autorizzazioni ed esecuzione restano da verificare.
L’Era degli LLMGemini Spark arriva su Mac come agente desktop
Il 1° luglio 2026 Google ha rilasciato Gemini Spark — il suo assistente IA agentico 24/7 — su macOS, con tracciamento in tempo reale e integrazione più ampia con le app. Spark agisce in modo persistente sulla vita digitale dell’utente, segnando la spinta di Google a portare l’IA agentica sul desktop consumer.
L’Era degli LLMMoonshot pubblica i pesi aperti di Kimi K3
A luglio 2026 Moonshot AI ha pubblicato su Hugging Face i pesi aperti di Kimi K3. La scheda del modello riporta 2.800 miliardi di parametri totali, di cui 104 miliardi attivati, una finestra di contesto di 1.048.576 token e la licenza Kimi K3. È il più grande modello linguistico liberamente scaricabile pubblicato finora e colloca un laboratorio asiatico alla frontiera dei rilasci a pesi aperti.
L’Era degli LLMCloudflare classifica i crawler IA per utilizzo
Il 1° luglio 2026 Cloudflare ha annunciato controlli distinti per Search, Agent e Training. Dal 15 settembre i nuovi domini bloccheranno per impostazione predefinita Training e Agent nelle pagine con pubblicità, consentendo Search; i proprietari possono modificare le impostazioni e ai crawler multiuso si applica la regola più restrittiva.
L’Era degli LLMMicrosoft lancia una società di deployment IA da 2,5 miliardi di dollari
Il 2 luglio 2026 Microsoft ha annunciato Microsoft Frontier Company, una nuova business unit operativa focalizzata sul deployment IA in azienda, basata sugli strumenti IA esistenti di Microsoft. Il progetto è sostenuto da un investimento Microsoft di 2,5 miliardi di dollari e 6 000 esperti industriali e tecnici — raggiungendo Amazon e OpenAI nel lancio di un’organizzazione dedicata al deployment IA.
L’Era degli LLMIl regolamento europeo sull’IA diventa pienamente applicabile
Il 2 agosto 2026 il regolamento europeo sull’IA è diventato pienamente applicabile e l’Ufficio per l’IA, insieme alle autorità nazionali, ha assunto attuazione, vigilanza ed esecuzione. La stessa revisione ha rinviato gli obblighi ad alto rischio più gravosi: i sistemi autonomi dell’allegato III si applicano dal 2 dicembre 2027 e l’IA integrata nei prodotti regolamentati dal 2 agosto 2028. Le pratiche vietate si applicavano già dal 2 febbraio 2025 e gli obblighi sui modelli per finalità generali dal 2 agosto 2025.
L’Era degli LLM