Livello 2: Specialisti e Fulmini di Guerra

Claude Opus 4.8 (Anthropic)

Prima dell'arrivo di Fable 5, Opus 4.8 era il re indiscusso. Rilasciato a fine maggio 2026, ora è il potente secondo in comando di Anthropic e rimane un modello di prim'ordine .

• Generale e Agentico: È stato il primo modello a guidare l'Artificial Analysis Intelligence Index con un punteggio di 61,4 e a capeggiare la classifica GDPval-AA a 1890 Elo, prima di essere superato da Fable 5 .
• Programmazione: Totalizza un 69,2% su SWE-bench Pro e l'88,6% su SWE-bench Verified .
• Matematica: Ha dimostrato un balzo storico di 27 punti nel benchmark di matematica competitiva USAMO 2026, passando dal 69,3% al 96,7% in soli 41 giorni .
• Onestà: Il modello ha il più basso tasso di "allucinazioni" fattuali tra i suoi pari, principalmente perché sceglie di astenersi dal rispondere quando è incerto, anziché tirare a indovinare .

GPT-5.5 (OpenAI)

GPT-5.5, rilasciato a fine aprile 2026, è stato il primo modello di questa generazione a riconquistare la leadership per OpenAI, ma con un set di competenze più specializzato .

• Ragionamento Matematico: È il modello di spicco per la matematica, totalizzando un 51,7% su FrontierMath Tier 1-3 e un 35,4% sull'impossibile Tier 4, un chiaro vantaggio sul resto del gruppo .
• Uso Autonomo del Terminale: È leader anche su Terminal-Bench 2.0, con un 82,7% in compiti complessi da linea di comando, rispetto al 69,4% di Claude Opus 4.7 .
• Contesto Lungo: GPT-5.5 ha fatto un balzo di 37 punti nel recupero di informazioni a contesto lungo (MRCR v2), totalizzando il 74,0% a 1 milione di token, lasciando indietro il 36,6% del suo predecessore .
• Attenzione alla Programmazione: Sebbene sia un ottimo tuttofare, il suo punteggio SWE-Bench Pro del 58,6% è ora significativamente inferiore a quello dei modelli Anthropic .

Gemini 3.5 Flash (Google)

Presentato al Google I/O 2026, questo modello è un'offerta di livello 'Flash', il che significa che è progettato per velocità ed efficienza dei costi senza sacrificare la capacità di competere con modelli più grandi .

• Velocità e Valore: È riportato come 4 volte più veloce di Gemini 3.1 Pro per compiti di tipo agente e coding, con un prezzo competitivo .
• Capacità Agentiche e Uso di Strumenti: Ottiene un solido 83,6% su MCP Atlas, un benchmark multi-step per l'uso di strumenti .
• Coding e Visione: Su SWE-Bench Pro, il suo punteggio del 55,1% supera di poco il suo predecessore più grande, Gemini 3.1 Pro, e totalizza l'84,2% sul benchmark di ragionamento visivo CharXiv .
• Verifica sul Campo: Dati indipendenti di Artificial Analysis suggeriscono che i suoi punteggi di coding siano significativamente inferiori a quanto indicato dai confronti di Google, quindi la sua utilità nel mondo reale per gli sviluppatori è ancora in fase di validazione .

Grok 4.3 (xAI)

Lanciato silenziosamente alla fine di aprile 2026, Grok 4.3 è una scelta di efficienza e velocità che eccelle in aree di nicchia .

• Posizionamento Generale: Ottiene un punteggio di 53 sull'Artificial Analysis Intelligence Index. Questo lo colloca al di sopra di modelli di fascia media come Claude Sonnet 4.6, ma ben al di sotto dei top-tier GPT-5.5, Claude Opus 4.7 e Gemini 3.1 Pro .
• Re del Seguire Istruzioni: È 1° su IFBench con un punteggio dell'81%, battendo GPT-5.5, Gemini 3.1 Pro e Claude Opus 4.7 .
• Exploit Agentico: Grok 4.3 mostra un enorme balzo di 321 punti Elo su compiti agentici nel benchmark GDPval-AA rispetto al suo predecessore, raggiungendo un punteggio di 1500 . Ottiene anche un formidabile 98% sul benchmark τ²-Bench Telecom .
• Un Fulmine: Le prime rilevazioni indicano una velocità di 159 token al secondo, con altri benchmark che mostrano velocità tra 78,4 e 196 token/s .
• Prezzi e Limiti: Con un prezzo aggressivo di circa 1,25$/2,50$ per milione di token (input/output), è un'opzione dal forte rapporto qualità-prezzo per domini specifici, ma non è un concorrente per l'intelligenza generale .

La Sfida Open-Source: DeepSeek V4 Pro (DeepSeek AI)

Rilasciato ad aprile 2026, DeepSeek V4 Pro è il più forte sfidante open-source, offrendo un incredibile rapporto qualità-prezzo nel coding ma con un importante caveat da verifiche indipendenti.

• Leader nel Valore della Programmazione: Ottiene un impressionante 80,6% su SWE-bench Verified e il 93,5% su LiveCodeBench, ponendosi a un soffio da Claude Opus 4.6 sul coding a una frazione del prezzo (stimato intorno ai 3,48$ per milione di token in output) .
• Il Verdetto CAISI: Una valutazione indipendente del governo degli Stati Uniti (CAISI) ha rilevato che le capacità di DeepSeek V4 sono indietro di circa 8 mesi rispetto alla frontiera. Mentre i dati di DeepSeek lo paragonavano a GPT-5.4, CAISI colloca le sue prestazioni più vicine a GPT-5 dell'agosto 2025 .
• Classifica Generale: È indietro rispetto ai giganti proprietari in compiti di conoscenza generale e ragionamento complesso, classificandosi ad esempio 39° su 123 modelli in una classifica più ampia .

Sicurezza e Valutazioni Indipendenti

I test di sicurezza indipendenti e standardizzati rimangono rari e spesso non pubblicati.

• DeepSeek V4 Pro (CAISI/NIST): La valutazione del governo USA rimane il segnale di sicurezza più notevole, concludendo che le sue capacità erano circa 8 mesi indietro rispetto alla frontiera .
• GPT-5.5 (AI Security Institute): L'AI Security Institute del Regno Unito ha riportato che GPT-5.5 aveva un tasso di successo del 71,4% nei suoi complessi test di cybersicurezza, notando che "potrebbe essere il modello più forte che abbiamo testato" su quella metrica .

Come Leggere Questi Risultati

È forte la tentazione di incoronare un unico vincitore, ma i dati dipingono un quadro più pratico e articolato:

• Per pura abilità di programmazione e compiti agentici, Claude Fable 5 è in una classe a sé stante.
• Per ragionamento matematico pesante e lavoro autonomo da linea di comando, GPT-5.5 è lo strumento ideale.
• Per un modello equilibrato, economico, veloce e affidabile, Gemini 3.5 Flash è un'opzione convincente, anche se dovreste verificarne le affermazioni sul coding per il vostro caso d'uso specifico.
• Se avete bisogno di uno specialista per ragionamento legale, finanza o per seguire istruzioni a un prezzo basso, Grok 4.3 è una scelta sorprendentemente potente.
• Se state sviluppando con un budget limitato e avete bisogno di un coding di livello frontiera con licenza open-source, DeepSeek V4 Pro non ha rivali in termini di valore, ma la sua sofisticazione nel mondo reale potrebbe non eguagliare i migliori modelli proprietari.

Ricordate sempre che le condizioni dei benchmark variano (tecniche di prompting, uso di strumenti, sforzo di ragionamento) e non sono un predittore perfetto per la vostra specifica applicazione.

Livello 2: Specialisti e Fulmini di Guerra

Claude Opus 4.8 (Anthropic)

Prima dell'arrivo di Fable 5, Opus 4.8 era il re indiscusso. Rilasciato a fine maggio 2026, ora è il potente secondo in comando di Anthropic e rimane un modello di prim'ordine .

• Generale e Agentico: È stato il primo modello a guidare l'Artificial Analysis Intelligence Index con un punteggio di 61,4 e a capeggiare la classifica GDPval-AA a 1890 Elo, prima di essere superato da Fable 5 .
• Programmazione: Totalizza un 69,2% su SWE-bench Pro e l'88,6% su SWE-bench Verified .
• Matematica: Ha dimostrato un balzo storico di 27 punti nel benchmark di matematica competitiva USAMO 2026, passando dal 69,3% al 96,7% in soli 41 giorni .
• Onestà: Il modello ha il più basso tasso di "allucinazioni" fattuali tra i suoi pari, principalmente perché sceglie di astenersi dal rispondere quando è incerto, anziché tirare a indovinare .

GPT-5.5 (OpenAI)

GPT-5.5, rilasciato a fine aprile 2026, è stato il primo modello di questa generazione a riconquistare la leadership per OpenAI, ma con un set di competenze più specializzato .

• Ragionamento Matematico: È il modello di spicco per la matematica, totalizzando un 51,7% su FrontierMath Tier 1-3 e un 35,4% sull'impossibile Tier 4, un chiaro vantaggio sul resto del gruppo .
• Uso Autonomo del Terminale: È leader anche su Terminal-Bench 2.0, con un 82,7% in compiti complessi da linea di comando, rispetto al 69,4% di Claude Opus 4.7 .
• Contesto Lungo: GPT-5.5 ha fatto un balzo di 37 punti nel recupero di informazioni a contesto lungo (MRCR v2), totalizzando il 74,0% a 1 milione di token, lasciando indietro il 36,6% del suo predecessore .
• Attenzione alla Programmazione: Sebbene sia un ottimo tuttofare, il suo punteggio SWE-Bench Pro del 58,6% è ora significativamente inferiore a quello dei modelli Anthropic .

Gemini 3.5 Flash (Google)

Presentato al Google I/O 2026, questo modello è un'offerta di livello 'Flash', il che significa che è progettato per velocità ed efficienza dei costi senza sacrificare la capacità di competere con modelli più grandi .

• Velocità e Valore: È riportato come 4 volte più veloce di Gemini 3.1 Pro per compiti di tipo agente e coding, con un prezzo competitivo .
• Capacità Agentiche e Uso di Strumenti: Ottiene un solido 83,6% su MCP Atlas, un benchmark multi-step per l'uso di strumenti .
• Coding e Visione: Su SWE-Bench Pro, il suo punteggio del 55,1% supera di poco il suo predecessore più grande, Gemini 3.1 Pro, e totalizza l'84,2% sul benchmark di ragionamento visivo CharXiv .
• Verifica sul Campo: Dati indipendenti di Artificial Analysis suggeriscono che i suoi punteggi di coding siano significativamente inferiori a quanto indicato dai confronti di Google, quindi la sua utilità nel mondo reale per gli sviluppatori è ancora in fase di validazione .

Grok 4.3 (xAI)

Lanciato silenziosamente alla fine di aprile 2026, Grok 4.3 è una scelta di efficienza e velocità che eccelle in aree di nicchia .

• Posizionamento Generale: Ottiene un punteggio di 53 sull'Artificial Analysis Intelligence Index. Questo lo colloca al di sopra di modelli di fascia media come Claude Sonnet 4.6, ma ben al di sotto dei top-tier GPT-5.5, Claude Opus 4.7 e Gemini 3.1 Pro .
• Re del Seguire Istruzioni: È 1° su IFBench con un punteggio dell'81%, battendo GPT-5.5, Gemini 3.1 Pro e Claude Opus 4.7 .
• Exploit Agentico: Grok 4.3 mostra un enorme balzo di 321 punti Elo su compiti agentici nel benchmark GDPval-AA rispetto al suo predecessore, raggiungendo un punteggio di 1500 . Ottiene anche un formidabile 98% sul benchmark τ²-Bench Telecom .
• Un Fulmine: Le prime rilevazioni indicano una velocità di 159 token al secondo, con altri benchmark che mostrano velocità tra 78,4 e 196 token/s .
• Prezzi e Limiti: Con un prezzo aggressivo di circa 1,25$/2,50$ per milione di token (input/output), è un'opzione dal forte rapporto qualità-prezzo per domini specifici, ma non è un concorrente per l'intelligenza generale .

La Sfida Open-Source: DeepSeek V4 Pro (DeepSeek AI)

Rilasciato ad aprile 2026, DeepSeek V4 Pro è il più forte sfidante open-source, offrendo un incredibile rapporto qualità-prezzo nel coding ma con un importante caveat da verifiche indipendenti.

• Leader nel Valore della Programmazione: Ottiene un impressionante 80,6% su SWE-bench Verified e il 93,5% su LiveCodeBench, ponendosi a un soffio da Claude Opus 4.6 sul coding a una frazione del prezzo (stimato intorno ai 3,48$ per milione di token in output) .
• Il Verdetto CAISI: Una valutazione indipendente del governo degli Stati Uniti (CAISI) ha rilevato che le capacità di DeepSeek V4 sono indietro di circa 8 mesi rispetto alla frontiera. Mentre i dati di DeepSeek lo paragonavano a GPT-5.4, CAISI colloca le sue prestazioni più vicine a GPT-5 dell'agosto 2025 .
• Classifica Generale: È indietro rispetto ai giganti proprietari in compiti di conoscenza generale e ragionamento complesso, classificandosi ad esempio 39° su 123 modelli in una classifica più ampia .

Sicurezza e Valutazioni Indipendenti

I test di sicurezza indipendenti e standardizzati rimangono rari e spesso non pubblicati.

• DeepSeek V4 Pro (CAISI/NIST): La valutazione del governo USA rimane il segnale di sicurezza più notevole, concludendo che le sue capacità erano circa 8 mesi indietro rispetto alla frontiera .
• GPT-5.5 (AI Security Institute): L'AI Security Institute del Regno Unito ha riportato che GPT-5.5 aveva un tasso di successo del 71,4% nei suoi complessi test di cybersicurezza, notando che "potrebbe essere il modello più forte che abbiamo testato" su quella metrica .

Come Leggere Questi Risultati

È forte la tentazione di incoronare un unico vincitore, ma i dati dipingono un quadro più pratico e articolato:

• Per pura abilità di programmazione e compiti agentici, Claude Fable 5 è in una classe a sé stante.
• Per ragionamento matematico pesante e lavoro autonomo da linea di comando, GPT-5.5 è lo strumento ideale.
• Per un modello equilibrato, economico, veloce e affidabile, Gemini 3.5 Flash è un'opzione convincente, anche se dovreste verificarne le affermazioni sul coding per il vostro caso d'uso specifico.
• Se avete bisogno di uno specialista per ragionamento legale, finanza o per seguire istruzioni a un prezzo basso, Grok 4.3 è una scelta sorprendentemente potente.
• Se state sviluppando con un budget limitato e avete bisogno di un coding di livello frontiera con licenza open-source, DeepSeek V4 Pro non ha rivali in termini di valore, ma la sua sofisticazione nel mondo reale potrebbe non eguagliare i migliori modelli proprietari.

Ricordate sempre che le condizioni dei benchmark variano (tecniche di prompting, uso di strumenti, sforzo di ragionamento) e non sono un predittore perfetto per la vostra specifica applicazione.