Il 15 ottobre 2026 DiarioBitcoin ha riferito che una valutazione interna di Google DeepMind, inclusa nel rapporto di sicurezza di Gemini 4 Argon pubblicato il 14 ottobre, non aveva rilevato un’accelerazione strutturale significativa del progresso dell’IA dopo aprile 2026. Il tasso mensile del General Capability Index (GCI), l’indice usato per seguire le capacità dei modelli, era però salito da 0,091 a 0,118 punti per i modelli pubblici.
L’analisi avrebbe considerato 123 modelli e 92 benchmark. Il risultato descritto riguarda l’andamento misurato e non equivale a una conclusione generale sul futuro sviluppo dell’IA.
Il confronto tra i tassi GCI
| Periodo | Tendenza mensile dei modelli pubblici |
| Prima di aprile 2026 | 0,091 punti GCI al mese |
| Dopo aprile 2026 | 0,118 punti GCI al mese |
Dai due valori riportati si ricava una differenza di 0,027 punti GCI al mese, pari a circa il 29,7% in più rispetto al tasso precedente. DiarioBitcoin riferisce che la valutazione non ha considerato l’aumento una significativa accelerazione strutturale. Il resoconto cita anche un possibile segnale da monitorare: un tasso sostenuto superiore a circa 0,1 punti GCI al mese senza un corrispondente aumento della potenza di calcolo.
Codice scritto con l’IA e ricerca autonoma
Secondo DiarioBitcoin, gli strumenti di IA contribuivano alla scrittura di oltre il 75% del codice di produzione di Google DeepMind, ma l’88% delle modifiche richiedeva ancora una revisione umana. La quota di modifiche interamente delegate sarebbe salita dal 7,5% all’11,9%.
Sono misure diverse: contribuire alla stesura del codice non significa che un sistema conduca da solo la ricerca necessaria a migliorare i modelli. Un sondaggio riportato nell’articolo, con risposte di 12 ricercatori senior di Google DeepMind, indicava che l’automazione risultava più efficace nei compiti definiti e verificabili che nell’ideazione aperta e nella pianificazione complessa.
Le discussioni sulle prestazioni pratiche di Gemini 4 Argon e sulla risposta di Google erano già al centro della precedente copertura di NeoTeo.
Che cosa misurano i risultati di RE-Bench
DiarioBitcoin riporta anche i risultati di RE-Bench, una valutazione composta da 74 attività di ingegneria del machine learning: Gemini 4 Argon avrebbe risolto circa metà dei compiti, mentre Gemini 3.7 Flash avrebbe ottenuto il 27%. Una revisione separata di 1.389 esecuzioni di Argon segnalava un successo inferiore nei compiti complessi senza intervento umano.
Questi risultati descrivono prestazioni in compiti di ingegneria specifici. La conclusione attribuita alla valutazione riguarda invece l’accelerazione strutturale del progresso misurato dei modelli dopo aprile 2026.
