I modelli AI si perfezionano mentre li usiamo

Il post-training continuo trasforma i modelli in servizi aggiornabili senza ripartire da zero

Avete presente quando chiedete al vostro assistente vocale di riassumere l’ultima email e lui, con la voce più melliflua del mondo, vi allunga un link sospetto che non c’entra nulla? Fino a ieri pensavamo fosse un bug. Oggi sappiamo che è una finestra spalancata sul vero campo di battaglia dell’intelligenza artificiale. E non è il training iniziale di un modello. È tutto quello che viene dopo.

OpenAI ha appena mostrato qualcosa che suona come un videogioco ma che in realtà ridisegna le regole della sicurezza. Ha costruito il self-play reinforcement learning con modelli difensori per addestrare un sistema chiamato GPT‑Red. In pratica, due istanze del modello si sfidano: una prova a bucare le difese con prompt malevoli, l’altra impara a respingerle. Poi lo stesso GPT‑Red è stato messo al lavoro per la generazione di prompt injection per l’addestramento di GPT‑5.6. Il punto non è che l’AI diventi solo più brava a rispondere, ma che diventa più brava a correggersi da sola mentre la usiamo.

E qui si apre il vero capitolo.

La palestra nascosta dove i modelli fanno ginnastica

Per capire quanto questa idea sia già pervasiva basta guardare in casa Hugging Face. Un progetto chiamato DharmaOCR ha adottato la pipeline di addestramento in due fasi di DharmaOCR: prima un fine‑tuning supervisionato, poi lo stadio DPO che insegna al modello a selezionare l’estrazione migliore basandosi su preferenze comparative. Tradotto: invece di ri‑addestrare tutto il sistema su nuovi dati grezzi, gli fai vedere coppie di risposte e lui impara a distinguere la più elegante. Il risultato è stato un taglio secco su tempi e costi di inferenza ridotti con DPO. Per un’app che scansiona scontrini, significa risultati più affidabili senza far salire la bolletta cloud ogni volta che qualcuno fotografa un caffè.

Fin qui parliamo di modelli relativamente compatti. Ma il salto industriale ha un nome e un cognome: il modello open weight Nemotron 3 Ultra da 550 miliardi di parametri MoE. Messo alla prova su compiti di programmazione, ha centrato il punteggio del 71,7% su SWE‑bench verified. Non per merito di un pre‑training più massiccio, ma perché è stato affinato ossessivamente dopo. Il team NVIDIA lo ha fatto correre su la piattaforma NeMo RL applicando quella che loro chiamano, con pragmatismo, il post‑training dopo l’addestramento iniziale. Sembra un dettaglio tecnico, ma è l’unica ragione per cui modelli del genere iniziano a essere qualcosa di più di un esercizio accademico: diventano servizi che puoi davvero pagare a consumo senza ipotecare casa.

Non è più questione di quanto è grande il modello. È questione di quanto lo tieni in forma dopo averlo costruito.

Quanto costa davvero un pensiero

Se il pre‑training fosse ancora il re, continueremmo a misurare la potenza in petaFLOP. Invece la partita oggi si gioca su due metriche nuove di zecca: il costo per token e l’intelligenza per dollaro. La prima dice quanto ti costa ogni singola parola sfornata dal modello in fase di produzione; la seconda misura se vale la pena costruire e servire quel modello fin dal principio. Con la piattaforma Blackwell NVIDIA ha già abbassato il costo a run. Ma il pezzo di silicio che cambia tutto è la piattaforma Vera Rubin, progettata per addestrare modelli enormi con appena un quarto delle GPU rispetto a Blackwell. Significa che l’allenamento di un gigante può diventare un ciclo continuo senza mandare in rosso il reparto finanziario.

Chi ci è già salito sopra? Prime Intellect, una startup che fa post‑training come servizio, ha integrato Blackwell e NVIDIA Dynamo proprio per gestire cicli di perfezionamento non stop. E quando ha montato le CPU NVIDIA Vera nei propri nodi ha registrato in media il 30% di throughput in più per CPU rispetto alle vecchie architetture x86. Nel frattempo, chi l’AI la vende già agli utenti sta adottando la stessa logica. Perplexity, per esempio, esegue il post‑training RL su centinaia di GPU NVIDIA e ha costruito un motore di trasferimento pesi basato su RDMA che sincronizza modelli da trilioni di parametri in meno di due secondi.

Due secondi. È il tempo che impieghi a schioccare le dita, e intanto un intero modello aggiorna la sua comprensione del mondo sui server. Non è un esperimento: serve Qwen3 235B post‑addestrato su sistemi GB200 NVL72 proprio ora, mentre leggete.

Il cuore del ragionamento è che il post‑training continuo per modelli agentici non è una fase una tantum ma un processo perpetuo. Come un’auto che, dopo essere uscita dalla fabbrica, riceve aggiornamenti al motore ogni notte mentre dorme in garage. E non devi nemmeno essere un gigante per farlo: Together AI ha appena aperto il post‑training come servizio, mettendo a disposizione fine‑tuning supervisionato, RL e DPO sulla stessa piattaforma NVIDIA, con l’intenzione di saltare su Vera Rubin non appena sarà pronta.

Il lato B di un’intelligenza sempre sveglia

L’entusiasmo è reale, e si tocca con mano. Però c’è un rovescio della medaglia: quando il perfezionamento è continuo e si nutre di ciò che gli utenti gli danno in pasto, la privacy diventa un campo minato. Se un modello migliora analizzando le conversazioni, chi garantisce che i nostri dati non finiscano nell’allenamento notturno? La stessa tecnica di GPT‑Red che simula attacchi per rafforzare le difese potrebbe essere usata da qualcun altro per forzare i guardrail in modo più sottile. La sicurezza non sarà mai un traguardo, sarà una gara a inseguimento tra chi scappa e chi rincorre. E la palla, per ora, è sempre in gioco.

Quel che è certo è che il mercato ha già virato. Non compriamo più un modello come si compra un’enciclopedia: compriamo un flusso di intelligenza che si affina mentre lo usiamo. Tra poco chiederemo a una AI di prenotarci le ferie, e lei risponderà meglio perché ha appena finito una sessione di post‑training alle tre di notte. La metrica su cui giudicarla non sarà più “quanto sa”, ma “quanto mi costa ogni idea che mi regala”. Benvenuti nell’era dell’intelligenza al minuto.