# Adesso — 8 settembre 2026

> Indice di tutte le voci: https://singolarita.com/adesso.md · https://singolarita.com/adesso

## OpenAI dichiara chiuse due delle quattro alternative di Navier-Stokes: 88 ore di agenti su un problema aperto dal 1934

*scoperta · rilevanza 5/5 · aggiornata*

OpenAI dichiara di aver dimostrato il blowup in tempo finito per le equazioni di Navier-Stokes 3D incomprimibili, partendo da fluido fermo, con forzante liscia a supporto compatto ed energia cinetica limitata. Nella formulazione ufficiale scritta da Charles Fefferman per il Clay Institute si chiede la dimostrazione di una fra quattro alternative, e le alternative (C) e (D) ammettono esplicitamente una forzante liscia: la risoluzione è quindi negativa e pertinente all'enunciato, non una dimostrazione di regolarità, e restano aperte la (A) e la (B), il caso senza forze, che è la domanda che quasi tutti intendono quando dicono Navier-Stokes. Diverse coperture hanno scritto che la forzante mette il risultato fuori dal problema; l'enunciato ufficiale dice il contrario. OpenAI dichiara di non voler reclamare il premio da un milione di dollari. Al 12 settembre il Clay non si è pronunciato: la scheda del problema sul suo sito è ancora marcata «Active» e l'elenco dei sette problemi del millennio è invariato.

Le cifre sul processo sono tutte autodichiarate, perché il modello che le ha prodotte è interno e non pubblico: addestramento iniziato il 28 agosto, sforzo partito il 1° settembre, soluzione il 5 settembre dopo 88 ore, nell'ordine di 10.000 agenti concorrenti, 2,7 milioni di messaggi e circa 130 miliardi di token in uscita per il solo Navier-Stokes, 300 miliardi su tutti i problemi tentati, più 17 ore per la formalizzazione in Lean con Astra. Per dare una scala a quei 130 miliardi: convertiti grossolanamente in parole valgono una ventina di volte il testo dell'intera Wikipedia in inglese, che a marzo 2026 contava 5,1 miliardi di parole. Sul costo circolano due cifre, entrambe di terzi e nessuna di OpenAI: Sébastien Bubeck ha detto a Quanta «diversi milioni di dollari», e Simon Willison ha calcolato circa 15 milioni applicando i listini pubblici ai 300 miliardi di token. La parte controllabile è il repository Lean, creato l'8 settembre: due letture indipendenti fatte per questa voce ne hanno contato 2.659 e 2.669 file, quindi la cifra va presa come «circa 2.660». Concordano invece su ciò che conta: nessun `sorry` nei teoremi principali, i soli tre assiomi standard di Mathlib, e gli enunciati (C) e (D) ripresi alla lettera dal progetto Formal Conjectures di Google DeepMind, cioè scritti da terzi prima e indipendentemente. Al 12 settembre nessuno ha pubblicato un buco, e nessuna riverifica indipendente risulta completata.

La disputa di priorità è parte della notizia, e il testo di OpenAI è cambiato dopo la pubblicazione. La sera del 7 settembre, prima dell'annuncio, Buckmaster aveva diffuso una nota di quattro pagine in cui riferisce le telefonate del 6 settembre, dice che gli fu proposto di firmare da solo un articolo sul risultato di OpenAI togliendo Alpöge dalla paternità, e che alla domanda se il modello fosse stato addestrato sulle loro sessioni Codex non ebbe risposta. L'8 settembre la pagina di OpenAI conteneva, come riportato lo stesso giorno da Simon Willison, una frase secondo cui non si poteva escludere che dati de-identificati derivati dall'uso dei propri prodotti avessero contribuito a migliorare i modelli; la versione online il 12 settembre la sostituisce con l'esito di un'indagine interna che lo esclude. L'articolo è passato nel frattempo da 165 a 166 pagine, aggiungendo i riferimenti a Córdoba e Martínez-Zoroa.

**Numeri:**

- 88 ore dal lancio degli agenti alla soluzione, su un problema aperto dal 1934 e messo in palio dal 2000: cifra dichiarata da OpenAI, non verificabile dall'esterno
- circa 10.000 agenti concorrenti nel gruppo che ha chiuso il problema, con 2,7 milioni di messaggi scambiati fra loro; autodichiarati
- 130 miliardi token in uscita per il solo Navier-Stokes, 300 su tutti i problemi: convertiti grossolanamente in parole, una ventina di volte l'intera Wikipedia in inglese
- 17 ore per formalizzare e verificare in Lean un articolo di 166 pagine, usando GPT-6 Astra
- 2 su 4 le alternative della formulazione Clay che il risultato chiude, la (C) e la (D); restano aperte la (A) e la (B), il caso senza forze
- 14 giorni fra il certificato Lean di Alpöge e Buckmaster, il 22 agosto, e la soluzione che OpenAI dice di aver raggiunto il 5 settembre

**Correzioni e aggiornamenti:**

- 2026-09-19 — 19/9: il 17 settembre Noam Brown, di OpenAI, parla del risultato nel podcast di Dwarkesh Patel; la trascrizione ufficiale è pubblica ed è stata letta per intero. Tre cose contano, e la prima smonta la lettura che ne è circolata. Brown nega che il merito sia dello sciame: l'impresa di risolvere un problema del millennio non è dovuta al multi-agente, e non gliene attribuirebbe nemmeno il 10% del merito; la ragione di fondo, dice, è semplicemente un modello generalista molto potente che si riesce a far lavorare su orizzonti lunghi e in parallelo. Seconda: non esiste alcuna ablazione. Nessuno ha provato a risolvere Navier-Stokes con un agente solo, e la scienza pubblicata sul multi-agente si ferma a sedici agenti, dove su alcuni banchi quattro agenti finiscono il lavoro in metà tempo pagando il doppio, con guadagno leggermente sublineare; portare quelle misure a diecimila, dice Brown, costa troppo. Terza: la previsione. Brown si aspettava un problema del millennio non nel 2026, probabilmente non nel 2027, forse nel 2028, e due settimane prima dell'annuncio aveva accettato la scommessa di mille dollari di un ricercatore di un altro laboratorio di frontiera, che diceva oltre il 2027 e pensava al 2030. Nel podcast le cifre già presenti in questa voce — diecimila agenti, 130 miliardi di token, 88 ore — vengono ripetute e Brown non le corregge. Una cosa invece non regge: la trascrizione non dice che la dimostrazione sia stata prodotta da un modello successivo ad Astra o significativamente più capace di Astra, come riportato da diversi riassunti. Brown dice soltanto che esiste internamente un modello molto potente, non disponibile all'esterno, senza nominarne la generazione.

**Fonti:** [OpenAI](https://openai.com/index/navier-stokes-solution/) · [OpenAI, «Finite time blowup for Navier-Stokes», 166 pagine](https://cdn.openai.com/pdf/32d9f210-8b73-45e0-91bc-82a30aef8a9a/navier-stokes.pdf) · [OpenAI, la formalizzazione in Lean](https://github.com/openai/NavierStokesAndEuler) · [Clay Mathematics Institute, l'enunciato ufficiale di Fefferman](https://www.claymath.org/wp-content/uploads/2022/06/navierstokes.pdf) · [Clay Mathematics Institute, la scheda del problema, ancora marcata «Active» al 12 settembre](https://www.claymath.org/millennium/navier-stokes-equation/) · [Tristan Buckmaster, la nota sulla priorità](https://cims.nyu.edu/~tristanb/statement.pdf) · [American Mathematical Society](https://www.ams.org/news?news_id=7686) · [Simon Willison, sul testo cambiato e sulla stima di costo (discussione)](https://simonwillison.net/2026/Sep/8/on-navier-stokes/) · [Quanta Magazine (discussione)](https://www.quantamagazine.org/ai-has-solved-one-of-maths-1-million-millennium-prize-problems-20260908/) · [Hacker News (discussione)](https://news.ycombinator.com/item?id=49613262)

## Gli stessi 54.189 genomi della UK Biobank, riletti con AlphaGenome Atlas: 22% di associazioni non codificanti in più senza un dato nuovo

*scoperta · rilevanza 4/5 · confermata*

Google DeepMind ha precalcolato le predizioni di AlphaGenome per tutti i circa 9 miliardi di cambi possibili di una singola lettera del genoma umano, più oltre 100 milioni di inserzioni e delezioni osservate in gnomAD, UK Biobank e All of Us. Ne esce un dataset da circa un petabyte, dichiarato oltre trenta volte l'AlphaFold Database, gratuito per la ricerca accademica via portale, API e skill in Google Antigravity, con un punteggio riassuntivo, l'AlphaGenome Variant Impact, che condensa AlphaGenome e AlphaMissense in un numero solo usando 18 caratteristiche contro le oltre 150 di CADD v1.7.

Il numero che conta non è il petabyte: è il 22%. Gareth Hawkes, dell'Università di Exeter, ha applicato Atlas ai genomi di 54.189 partecipanti della UK Biobank per 2.028 proteine circolanti. A parità di persone e di dati, le associazioni significative con aggregati rari non codificanti passano da 595 con le sole annotazioni tradizionali a 728 aggiungendo le caratteristiche di Atlas. È un delta a denominatore costante: non più dati, solo uno strumento nuovo per leggere quelli che già c'erano. Sul secondo caso citato, il Broad Institute e il consorzio GREGoR hanno usato il punteggio su 814 individui con i genomi dei genitori e del probando: in un caso di encefalopatia epilettica non diagnosticata la variante finita al primo posto è in un introne di DNM1 e crea un sito di splicing scorretto, con il 69% del punteggio attribuito alla componente di splicing.

I limiti sono grossi e vanno detti. Sono predizioni di un modello, non misure sperimentali, e le varianti strutturali restano fuori. La replica è debole e lo dice l'articolo: delle venticinque associazioni, su trentuno, con abbastanza varianti nella coorte All of Us v8 da 415.000 genomi, solo quattro hanno replicato anche solo nominalmente, e nessuna a significatività di Bonferroni. Gli autori avvertono inoltre che i risultati sulla UK Biobank girano su una versione leggermente vecchia di Atlas, per un fermo della piattaforma di analisi, e l'articolo non è ancora passato da revisione dei pari. Una precisazione: le diciannove regioni legate all'indice di massa corporea citate nel post di Google non compaiono come tali nell'articolo, che riporta 43 aggregati non codificanti su tre tratti, statura, indice di massa corporea ed emoglobina glicata, di cui il 72% trovati grazie al filtro di AlphaGenome.

**Numeri:**

- +22% associazioni rare non codificanti significative sugli stessi 54.189 partecipanti della UK Biobank: da 595 a 728 aggiungendo le caratteristiche di Atlas, senza un dato nuovo
- 9 miliardi varianti a singola lettera precalcolate, cioè ogni cambio possibile del genoma umano, più oltre 100 milioni di inserzioni e delezioni osservate
- 1 petabyte il dataset, dichiarato da DeepMind oltre trenta volte l'AlphaFold Database, gratuito per la ricerca accademica
- 4 su 25 le associazioni replicate anche solo nominalmente nella coorte All of Us v8 da 415.000 genomi, nessuna a significatività di Bonferroni

**Fonti:** [Google DeepMind](https://deepmind.google/blog/alphagenome-atlas-a-predictive-map-of-every-possible-dna-letter-change-in-the-human-genome/) · [Il gruppo di AlphaGenome Atlas, l'articolo in PDF](https://storage.googleapis.com/deepmind-media/DeepMind.com/Blog/alphagenome-atlas-a-predictive-map-of-every-possible-dna-letter-change-in-the-human-genome/alphagenome-atlas.pdf) · [Università di Exeter](https://news.exeter.ac.uk/faculty-of-health-and-life-sciences/exeter-researcher-pioneers-alphagenome-atlas-identifying-genetic-regions-that-could-link-to-disease/)

## NSA, CISA e FBI accusano sei aziende cinesi di distillazione su scala industriale dai modelli americani, e raccomandano di degradare in silenzio le risposte ai sospetti

*società · rilevanza 4/5 · confermata*

L'avviso congiunto dell'8 settembre nomina DeepSeek, Moonshot AI, Alibaba, MiniMax, StepFun e Z.AI, e scrive che «probabilmente con la consapevolezza del governo cinese» hanno estratto miliardi di token attraverso milioni di scambi da varianti di Claude, GPT, Gemini e Grok almeno dalla fine del 2024, attraverso API native, provider cloud, aggregatori terzi e un mercato grigio di proxy che rivendono accesso ai modelli di frontiera a una frazione del prezzo ufficiale. Per ciascuna azienda l'avviso elenca i modelli distillati e le capacità prese di mira: ragionamento, funzioni agentiche, ingegneria del software, matematica.

Quello che l'avviso non contiene sono i numeri. Non c'è una sola cifra di scala: solo «miliardi di token», «milioni di scambi», «volumi dalle migliaia ai milioni per dominio», «campagne che vanno da giorni a mesi». Due numeri ci sono, e vanno tenuti. Il primo misura il ritmo del campo: MiniMax avrebbe dirottato i propri scambi su un nuovo modello Claude entro 24 ore dall'uscita, segno di sorveglianza in tempo reale e di infrastruttura già predisposta. Il secondo tocca il costo dell'intelligenza: l'avviso sostiene che la cifra di 5,6 milioni di dollari pubblicata da DeepSeek nella relazione tecnica di V3 è fuorviante perché non comprende il costo reale dei dati ottenuti con la distillazione.

Due cose sul contorno. La raccomandazione più discussa non è difensiva ma offensiva: le agenzie consigliano ai laboratori americani di alterare le risposte a chi è sospettato di distillazione, con meno profondità di ragionamento, ragionamenti diversi a parità di risposta corretta e incoerenze stilistiche, senza informarlo, e di informare invece i ricercatori di sicurezza e i valutatori terzi. Quanto alla cronologia: l'avviso esce due giorni prima del rapporto Anthropic che i numeri li ha, e il giorno dopo il ministero del Commercio cinese respinge le accuse come «infondate», definisce la distillazione una pratica comune e accusa gli Stati Uniti di volere un monopolio sull'industria dell'IA. Il legame fra i due documenti è cronologico e va letto così: nessuno dei due cita l'altro.

**Numeri:**

- 6 aziende laboratori cinesi nominati da NSA, CISA e FBI per distillazione su scala industriale dai modelli americani almeno dalla fine del 2024
- 24 ore dall'uscita di un nuovo modello Claude al dirottamento degli scambi di MiniMax su quel modello, secondo l'avviso
- 5,6 mln $ il costo di addestramento pubblicato da DeepSeek per V3, che l'avviso definisce fuorviante perché esclude il costo dei dati ottenuti distillando
- 2 giorni fra l'avviso senza numeri e il rapporto Anthropic che i numeri li porta; il giorno dopo l'avviso la Cina respinge le accuse

**Fonti:** [FBI e IC3, avviso congiunto NSA-CISA-FBI](https://www.ic3.gov/CSA/2026/260908.pdf) · [CISA](https://www.cisa.gov/news-events/cybersecurity-advisories/aa26-251a) · [Help Net Security (discussione)](https://www.helpnetsecurity.com/2026/09/09/china-malicious-ai-knowledge-distillation-against-us-companies/) · [The Washington Times (discussione)](https://www.washingtontimes.com/news/2026/sep/9/china-hitting-back-us-claims-malicious-ai-distillation-ahead-planned/)

## Mistral raccoglie 3 miliardi a oltre 21 di valutazione: 364 giorni prima erano 1,7 a 11,7, e 21 miliardi sono circa un quarantesimo di OpenAI

*società · rilevanza 4/5 · confermata*

Il comunicato di Mistral dichiara una serie D da 3 miliardi di euro a una valutazione post-money superiore ai 21 miliardi, guidata da Samsung Electronics con lo Scaleup Europe Fund gestito da EQT e PSG Equity come co-guide, e la definisce il più grande round azionario mai completato da una società tecnologica europea: è un primato dichiarato dall'azienda, non da un registro terzo. Fra i nuovi investitori Advent, fondi gestiti da BlackRock e il Granducato di Lussemburgo; restano a bordo ASML, NVIDIA, a16z, Bpifrance, General Catalyst, Index, Lightspeed e Salesforce Ventures. Mistral dichiara di operare in venti paesi e di servire più di 125 grandi imprese, fra cui Airbus, ASML e HSBC, e destina il capitale alla ricerca di frontiera e alla capacità di calcolo per l'addestramento.

Il delta è verificato sulla primaria precedente. Il 9 settembre 2025 Mistral aveva annunciato una serie C da 1,7 miliardi a 11,7 miliardi post-money, guidata da ASML. In 364 giorni la valutazione è cresciuta di circa 1,8 volte e la dimensione del round di circa 1,76: il ritmo è quello di un raddoppio all'anno, non di un salto di categoria.

La scala va detta, perché è l'unica cosa che il numero da solo non dice. La valutazione dell'unico laboratorio di frontiera europeo, 21 miliardi di euro, è circa un quarantesimo degli 852 miliardi di dollari a cui OpenAI ha chiuso il proprio round il 31 marzo 2026; e i 3 miliardi del round europeo record sono circa un quarantesimo dei 122 miliardi di capitale impegnato in quello di OpenAI. Il confronto mescola due valute e va letto come ordine di grandezza: a nessun cambio plausibile fra euro e dollaro l'ordine di grandezza cambia. Una precisazione sulla data: il comunicato è datato 8 settembre 2026 nel feed della stessa Mistral, mentre gran parte delle coperture lo riporta il 9.

**Numeri:**

- 21 mld € la valutazione post-money dichiarata; era 11,7 miliardi il 9 settembre 2025, ed è circa un quarantesimo degli 852 miliardi di dollari di OpenAI
- 3 mld € la serie D, contro gli 1,7 miliardi della serie C guidata da ASML 364 giorni prima; circa un quarantesimo dei 122 miliardi di dollari impegnati nell'ultimo round di OpenAI
- ×1,8 la crescita della valutazione in 364 giorni; il round è cresciuto di 1,76 volte
- oltre 125 le grandi imprese clienti dichiarate da Mistral, in venti paesi: cifra dell'azienda, non verificata

**Fonti:** [Mistral, comunicato della serie D](https://mistral.ai/news/mistral-makes-sovereign-open-weight-ai-to-frontier) · [Mistral, comunicato della serie C del 9 settembre 2025](https://mistral.ai/news/mistral-ai-raises-1-7-b-to-accelerate-technological-progress-with-ai) · [Mistral, feed del blog, da cui la data dell'annuncio](https://mistral.ai/news/rss) · [CNBC, sul round OpenAI a 852 miliardi (discussione)](https://www.cnbc.com/2026/03/31/openai-funding-round-ipo.html)

## Il primo disegno di legge al mondo per vietare la superintelligenza entra ai Comuni: seconda lettura fra 66 giorni, testo non ancora pubblicato

*società · rilevanza 3/5 · confermata*

Il registro parlamentare britannico conferma l'atto: Artificial Superintelligence Bill, numero 4288, prima lettura ai Comuni l'8 settembre 2026, presentatore Alex Sobel, deputato laburista di Leeds Central and Headingley. Il titolo lungo depositato recita: «un disegno di legge per prevedere il divieto di sviluppo, distribuzione e funzionamento di sistemi di superintelligenza artificiale; per istituire poteri di monitoraggio e controllo su tali sistemi; e per scopi connessi». La seconda lettura è fissata al 13 novembre 2026.

Due cose vanno dette con la stessa calma. La prima è la forma: il registro classifica il testo come proposta di un deputato semplice sotto la regola dei dieci minuti, il formato con cui un singolo parlamentare ottiene dieci minuti d'aula e che quasi mai arriva in fondo; un disegno di legge presentato non è un disegno di legge approvato, e il 13 novembre è un venerdì riservato alle proposte dei deputati semplici, dove il tempo si esaurisce più spesso di quanto si voti. La seconda è che al 12 settembre l'elenco delle pubblicazioni del disegno di legge è vuoto: nessun articolato depositato, quindi nessuna verifica possibile su come la proibizione sia definita.

Di conseguenza non è verificabile, sul registro, la parte che gli si attribuisce sull'obbligo per il governo di negoziare un accordo internazionale di proibizione: nel titolo lungo non c'è, e senza testo non c'è altro da leggere. Il testo è stato scritto da ControlAI, che è anche la parte che ne dà notizia; le cifre che l'organizzazione dichiara sulla propria campagna, legislatori informati e sostenitori pubblici, sono autodichiarate e non sono riportate qui perché non hanno un riscontro terzo.

**Numeri:**

- 66 giorni fra la prima lettura dell'8 settembre 2026 e la seconda fissata al 13 novembre; è una proposta sotto la regola dei dieci minuti, formato che quasi mai arriva in fondo
- 0 le pubblicazioni depositate: al 12 settembre il registro parlamentare non contiene alcun testo del disegno di legge

**Da verificare il:** 2026-11-13

**Fonti:** [Parlamento del Regno Unito, API dei disegni di legge, Artificial Superintelligence Bill 4288](https://bills-api.parliament.uk/api/v1/Bills/4288) · [Parlamento del Regno Unito, scheda del disegno di legge](https://bills.parliament.uk/bills/4288)

## Il capo dell'allineamento di Anthropic dichiara più del 10% di estinzione entro il decennio; 356 giorni prima il suo amministratore delegato diceva 25% di «andare molto, molto male»

*dibattito · rilevanza 3/5 · confermata*

L'8 settembre sera Jacob Coxon, ricercatore sul pre-addestramento prima a OpenAI e poi ad Anthropic, ha annunciato su X le dimissioni: i laboratori «non stanno agendo responsabilmente, corrono dritti verso la superintelligenza auto-migliorante e scommettono le nostre vite». Un'ora e ventitré minuti dopo Evan Hubinger, che guida il gruppo di Alignment Science di Anthropic, gli ha dato pubblicamente ragione e ha aggiunto il numero: la probabilità che l'IA uccida tutti gli umani entro il prossimo decennio è, a suo avviso, superiore al 10%, e Anthropic «ci sta provando, ma non abbiamo ancora un piano per risolvere l'allineamento della superintelligenza né siamo chiaramente sulla strada giusta».

Il confronto va fatto, e va fatto con la sua asimmetria dichiarata. Il 17 settembre 2025, 356 giorni prima, l'amministratore delegato di Anthropic Dario Amodei aveva risposto «25%» alla domanda sulla propria probabilità di catastrofe al summit di Axios a Washington, precisando di detestare il termine e che resta «il 75% che le cose vadano molto, molto bene». Le due grandezze non sono omogenee: «andare molto, molto male» è un insieme più ampio dell'estinzione umana, quindi il più del 10% di Hubinger non è necessariamente più basso del 25% del suo amministratore delegato, è un'altra cosa, misurata su un altro evento. Quel che è cambiato non è il numero ma chi lo dice e dove: non il fondatore a una conferenza, ma il responsabile dell'allineamento sul proprio profilo pubblico.

I limiti di questa voce sono tre e vanno detti. Le fonti primarie sono due post su X, letti il 20 settembre attraverso l'endpoint oEmbed ufficiale e riscontrati su due mirror indipendenti; fino ad allora le citazioni poggiavano su tre coperture concordanti, Quartz, Newsweek e Deadline, e sul riepilogo di Axios che al 9 settembre quantificava la diffusione in oltre 110 milioni di visualizzazioni. Non ha invece retto alla verifica nessuna delle circostanze di contorno che circolano, cioè quattro mesi di impiego ad Anthropic, dimissioni due mesi prima del primo vesting, rinuncia alle azioni Anthropic e mantenimento di quelle OpenAI: le coperture aperte dicono solo che Coxon era in OpenAI prima di passare ad Anthropic quest'anno, e nessuna conferma le cifre sull'equity. Per la linea editoriale questa non è una dichiarazione falsificabile, perché non c'è impegno datato né scadenza, ed entra come dibattito per una ragione sola: è la settimana in cui il calcolo interno del rischio di estinzione è uscito dai laboratori, e il comunicato con cui la California ha firmato SB 813 il giorno dopo ci si appoggia esplicitamente.

**Numeri:**

- più del 10% la probabilità di estinzione umana entro il prossimo decennio dichiarata da Evan Hubinger, che guida l'Alignment Science di Anthropic
- 25% la probabilità che «le cose vadano molto, molto male» dichiarata da Dario Amodei il 17 settembre 2025, 356 giorni prima: grandezza non omogenea con l'estinzione
- 110 milioni le visualizzazioni del post di dimissioni di Coxon su X secondo Axios, al 9 settembre; il contatore di X ne segna 173,2 milioni il 20 settembre, e 42,9 sul post di Hubinger

**Correzioni e aggiornamenti:**

- 2026-09-20 — 20/9: la primaria è stata letta e la voce passa a confermata. Il post di Evan Hubinger è stato recuperato attraverso l'endpoint oEmbed ufficiale di X e riscontrato identico su due mirror indipendenti: «Jacob is correct here—we really do earnestly believe AI could kill all humans! I personally think it is >10% within the next decade. I believe Anthropic is trying its best, but we do not yet have a plan to solve alignment for superintelligence and are not clearly on track to», e la biografia dell'account conferma il ruolo, «Alignment Science lead @AnthropicAI». Le date si chiudono: il post di dimissioni di Jacob Coxon è delle 00:04 UTC del 9 settembre e quello di Hubinger dell'01:27 UTC, cioè le 17:04 e le 18:27 dell'8 settembre in California — la voce resta datata 8 settembre, e fra i due post passa un'ora e ventitré minuti, non «poche ore»: il testo è corretto. Corretto anche il terzo numero, che ora porta la sua data: i 110 milioni di visualizzazioni sono il conteggio di Axios al 9 settembre, e oggi il contatore di X segna 173,2 milioni sul post di dimissioni e 42,9 su quello di Hubinger.
- 2026-09-19 — 19/9: CORREZIONE aritmetica, e un dubbio di data che resta aperto. Dal 25% di Amodei, che è del 17 settembre 2025, all'8 settembre 2026 passano 356 giorni, non 357: il conto è corretto in titolo e numeri. I 357 sarebbero esatti se la dichiarazione fosse del 9 settembre, ed è la data che le coperture le attribuiscono, perché Hubinger ha risposto nella notte al post di dimissioni di Coxon dell'8 sera. La primaria resta irraggiungibile: la dichiarazione è un post su X, e x.com respinge sia la richiesta diretta sia il proxy di estrazione, quindi il testo esatto non è stato letto e la data della voce non viene spostata senza averlo aperto. La sala stampa di Anthropic, letta fino al 18 settembre, non contiene nulla sul tema.

**Fonti:** [Evan Hubinger su X, il post con il «>10% within the next decade»](https://x.com/EvanHub/status/2097497037956891126) · [Jacob Coxon su X, il post di dimissioni dell'8 settembre sera](https://x.com/hilbertspaess/status/2097476196791709843) · [Axios, «AI's extinction debate breaks containment» (discussione)](https://www.axios.com/2026/09/09/anthropic-ai-human-extinction-pdoom-safety-risks) · [Axios, il 25% di Amodei del 17 settembre 2025 (discussione)](https://www.axios.com/2025/09/17/anthropic-dario-amodei-p-doom-25-percent) · [Quartz (discussione)](https://qz.com/anthropic-researcher-quits-self-improving-ai-safety-090926) · [Newsweek (discussione)](https://www.newsweek.com/anthropic-researcher-quits-warns-ai-could-kill-everyone-12418798) · [Deadline (discussione)](https://deadline.com/2026/09/anthropic-jacob-coxon-resignation-artificial-intelligence-1237072134/)

## Più di 3 miliardi di immagini a settimana con i modelli OpenAI: erano 700 milioni nella prima settimana di marzo 2025

*modelli · rilevanza 2/5 · confermata*

Con l'annuncio di ChatGPT Images 2.5 OpenAI dichiara che ogni settimana vengono create più di 3 miliardi di immagini fra ChatGPT Images e i modelli GPT-Image dell'API. Il riferimento precedente è dell'azienda stessa: nell'aprile 2025, 130 milioni di utenti avevano creato più di 700 milioni di immagini nella prima settimana di generazione in ChatGPT.

I due perimetri non coincidono e il confronto va letto con questa cautela: il dato del 2025 è la prima settimana di un lancio virale del solo ChatGPT, quello di oggi è una settimana ordinaria che include l'API. Con questo limite, il rapporto è di circa quattro volte in diciassette mesi.

Il resto è dichiarato da OpenAI e non verificato da terzi: latenza ridotta fino al 50% rispetto a Images 2.0. La pagina prezzi dell'API mostra che i due nuovi modelli, GPT-Image-2.5 Flare e Sunburst, costano quanto GPT-Image-2, cioè 30 dollari per milione di token di immagine in uscita: il miglioramento di latenza arriva a prezzo invariato.

**Numeri:**

- ×4 immagini a settimana: più di 3 miliardi oggi, più di 700 milioni nella prima settimana di marzo 2025; perimetri non identici, entrambe le cifre dichiarate da OpenAI
- −50% latenza di generazione rispetto a Images 2.0, dichiarata da OpenAI e non verificata
- 30 $ per milione token di immagine in uscita per Flare e Sunburst, lo stesso prezzo di GPT-Image-2; era 40 dollari con GPT-Image-1

**Fonti:** [OpenAI, «Introducing ChatGPT Images 2.5»](https://openai.com/index/introducing-chatgpt-images-2-5/) · [OpenAI, il modello di generazione immagini in API, 23 aprile 2025](https://openai.com/index/image-generation-api/) · [OpenAI, listino dell'API](https://developers.openai.com/api/docs/pricing)