Blu7, azienda in corso di riconoscimento MIM per corsi in aula e online. Iscriviti a 7 Pillole Blu.
«Altro che Jev.» Comincia così un video di due minuti e mezzo di Simone Rizzo, che racconta su YouTube le novità dell’intelligenza artificiale e che mi è arrivato la settimana scorsa (nota 1). Dice che Stanford e NVIDIA hanno appena pubblicato un modello della stessa famiglia di Jev, nove volte più veloce. Quando un video mi promette un record vado a leggere la fonte. L’ho fatto: il record c’è, con una precisazione che vale metà dell’articolo. Te lo racconto come ho fatto con Jev, per un ragazzo di quattordici anni, stavolta con Super Mario.
Se non hai letto cos’è Jev, parti da lì. In una riga: è un’intelligenza artificiale che non scrive, mette le crocette. Le dai un caso e delle domande con le risposte già stampate. Lei sceglie in un decimo di secondo dicendo quanto è sicura. Il 15 settembre 2026 l’ha messa in rete TypeSafe AI, come servizio chiuso. Otto giorni dopo, il 23 settembre, sette ricercatori di Stanford e di NVIDIA Research hanno pubblicato CLM-8B: fa le stesse crocette, è gratis, si scarica. E il modo in cui le mette è diverso in un punto che cambia tutto (nota 2).
Super Mario e la mappa con le puntine
Immagina di far giocare un computer a Super Mario. A ogni istante c’è un fotogramma: dove sta Mario, cosa ha davanti, se un tubo, un buco, una tartaruga. Chiamalo lo stato, come nell’articolo su Jev. E ci sono quattro mosse possibili: sinistra, destra, fermo, salta. Chiamale le azioni.
Jev, a ogni fotogramma, legge tutto da capo, il fotogramma e le quattro mosse scritte come testo, poi sceglie. CLM fa una cosa diversa. Prima ancora di cominciare a giocare prende le quattro mosse e le trasforma, una per una, in una puntina su una mappa. Poi comincia la partita. A ogni fotogramma trasforma lo stato in un punto sulla stessa mappa e guarda quale puntina gli sta più vicina. Tubo davanti? Il punto cade vicino alla puntina «salta». Fine. Le puntine non le tocca più: le ha calcolate una volta sola (nota 2).
La mappa non è un disegno, è una lista di numeri: ogni punto e ogni puntina sono un embedding, cioè una posizione in uno spazio con centinaia di dimensioni invece di due. Ma il principio è quello della cartina: vicino vuol dire simile e la decisione è «la puntina più vicina vince». CLM sta per Contrastive Language Model: «contrastive», contrastivo, è il nome della tecnica con cui gli si insegna dove mettere le puntine. Ci arrivo subito.
Traduco: Jev rilegge le opzioni ogni volta. CLM le ha già studiate e le tiene sulla mappa. Tutto il resto, velocità compresa, discende da qui.
Come si insegna a una mappa
Da dove viene la mappa giusta? Da un addestramento con un’idea semplice, che vale la pena capire perché ha più di trent’anni. Prendi milioni di coppie «situazione, mossa giusta». Per ogni coppia il modello sposta le posizioni in modo che la situazione finisca vicina alla sua mossa giusta e lontana da tutte le altre mosse. Attira la giusta, respinge le sbagliate: una calamita con due poli, ripetuta milioni di volte. L’idea è del 1993, quando serviva a riconoscere le firme false confrontando due firme con la stessa rete; nel 2021 OpenAI l’ha usata per CLIP, il modello che mette sulla stessa mappa le immagini e le loro descrizioni ed è alla base di molti generatori di immagini (nota 3).
Gli autori di CLM l’hanno fatto in tre tappe (nota 2). Prima 60 milioni di coppie domanda-risposta prese da un archivio pubblico di NVIDIA: la domanda è la situazione, la risposta è la mossa. Poi 30 milioni di «risposte sbagliate ma credibili», generate apposta con un modello di Google, per insegnare alla mappa a distinguere il quasi giusto dal giusto: è la tappa che rende di più, dal 52% al 69% di risposte corrette su un compito di prova. Infine un milione di passi veri di agenti al lavoro, presi da archivi pubblici: situazione sullo schermo, mossa fatta.
ESEMPIO. Prima dell’addestramento, alla domanda «chi ha scritto Romeo e Giulietta?» la mappa di partenza metteva Shakespeare al terzo posto. Dopo la prima tappa lo mette al primo, con il 54% (nota 2). Nessuno le ha spiegato chi fosse Shakespeare. Ha solo spostato puntine.
Il dettaglio che fa capire quanto sia leggera questa cosa: CLM-8B non è un modello nuovo fatto da zero. Sotto c’è Qwen3-8B, un modello aperto di Alibaba da 8 miliardi di parametri, che resta congelato: non impara niente. Sopra ci sono due piccole «teste» da 20 milioni di parametri ciascuna, una per gli stati e una per le azioni. Si addestrano solo quelle. La prima tappa, i 60 milioni di coppie, gira in circa un’ora su una scheda grafica da gioco (nota 2). Dei costi di addestramento di un modello intero, che sono tutt’altra cifra, ho scritto qui.
Perché è più veloce di Jev (e quando)
Torniamo a Super Mario. Con Jev, a ogni fotogramma, il modello legge il fotogramma più il testo delle quattro mosse: cinque cose. Con CLM, a ogni fotogramma, passa dal modello solo il fotogramma: una cosa. Le quattro puntine sono già pronte. Gli autori lo scrivono così: da cinque passaggi a uno (nota 2). E il vantaggio cresce con le opzioni. Se le mosse possibili sono mille, come quando un agente deve scegliere quale link cliccare in una pagina di Wikipedia, Jev deve rileggere mille righe di testo a ogni passo; CLM confronta un punto con mille puntine già in mappa, che per un computer è un’operazione da nulla. Con circa mille opzioni, gli autori misurano CLM 13 volte più veloce (nota 2).
Ecco i numeri delle quattro prove senza addestramento aggiuntivo, misurati dagli autori (nota 4).
Leggili con il metro giusto. Sul gioco del dinosauro di Chrome CLM decide in 16 millesimi di secondo contro 150: nove volte. Su Super Mario 33 contro 133: quattro volte. Sulla scelta dello strumento giusto, 77 contro 126: nemmeno il doppio, perché lì le opzioni si riusano meno da un passo all’altro e il vantaggio delle puntine già pronte si riduce, come scrivono gli autori. Il «nove volte più veloce» del video è vero, ma è il caso migliore. Il lavoro originale dice infatti «fino a nove volte».
C’è poi una seconda prova, più seria, che il video non racconta. Gli autori hanno usato CLM e Jev come giudici: un grande modello propone quattro o cinque soluzioni a un problema di programmazione e il giudice deve scegliere la migliore. Qui CLM, dopo una messa a punto leggera, sceglie bene l’81,6% delle volte contro il 71,1% di Jev su un compito e l’87,6% contro l’83,1% sull’altro, con tempi da 4 a 6 volte più bassi. Jev, su questi compiti lunghi, fa peggio di chi sceglie a caso. Lo scrivono gli autori di CLM, quindi è un risultato da far verificare a qualcun altro, ma è un risultato (nota 2).
Dove CLM perde (e cosa non ti dice il video)
Nelle stesse quattro prove CLM non vince sempre. Nella corsa fra pagine di Wikipedia arriva alla meta 26 volte su 30, Jev 30 su 30. Nella scelta dello strumento fa 95,2% contro 99,2% (nota 4). Non è poco: in un’automazione un errore su venti si vede.
Poi ci sono i limiti di costruzione, gli stessi di tutta la famiglia delle crocette: CLM sceglie solo fra le puntine che gli dai, non ne inventa una nuova. La sua probabilità vale rispetto a quelle puntine, non in assoluto. Per i risultati migliori va messo a punto sui tuoi dati (nota 5). E non è un servizio: è un modello da far girare. Le due teste sono piccole, ma sotto serve Qwen3-8B, che vuole una scheda grafica seria; la comunità l’ha già convertito per girare su un Mac, con qualche perdita (nota 6). Gratis, sì. Senza lavoro, no.
Infine il video. I sottotitoli automatici con cui l’ho riletto chiamano Jev «Jeff», «Jeev» e «GEV» nello stesso minuto. Hugging Face, l’archivio da cui si scarica CLM, diventa «Gameface». Non lo dico per fare lo spiritoso ma perché è un promemoria: un video è uno spunto, la fonte è il lavoro originale. I due numeri più citati del video, 44 millesimi di secondo contro 579 con mille opzioni, nelle figure pubblicate dagli autori non li ho trovati. Il rapporto fra i due coincide con il «13 volte» che gli autori dichiarano, quindi vengono probabilmente da una tabella che non ho visto. Li lascio al video (nota 1).
LLM, Jev e CLM in una tabella
| LLM | Jev | CLM-8B | |
|---|---|---|---|
| Cosa produce | Testo | Scelte, voti, vero o falso, con probabilità | Scelte fra candidati, con probabilità |
| Chi lo fa | OpenAI, Anthropic, Google, Meta e altri | TypeSafe AI, startup di San Francisco | Stanford e NVIDIA Research |
| Si scarica? | Alcuni sì (pesi aperti) | No: servizio chiuso, in accesso anticipato | Sì, licenza Apache 2.0 |
| Come decide | Scrive una parola per volta | Legge stato e opzioni, risponde in un passaggio | Misura la distanza fra lo stato e le opzioni già in mappa |
| Tempo per decisione (prove degli autori di CLM) | Secondi | Da 126 a 225 millesimi di secondo | Da 16 a 80 millesimi di secondo |
| Cosa serve per usarlo | Un abbonamento o una chiave API | Una chiave API, su lista d’attesa | Una scheda grafica e Qwen3-8B, oppure un Mac con la versione ridotta |
| Cosa non sa fare | Decidere in un lampo a costo quasi zero | Scrivere, spiegare, fare conti, inventare opzioni | Scrivere, inventare opzioni; senza messa a punto rende meno |
| Legge le immagini? | Sì, i modelli multimodali | Solo testo e dati strutturati | Solo testo; la versione con le immagini è in arrivo |
Le due settimane che hanno cambiato il menu
Metti in fila le date e vedi la forma di quello che sta succedendo.
Il 15 settembre esce Jev, chiuso. Il 18 esce Laya, aperto ma da addestrare prima di usarlo. Il 23 esce CLM-8B, aperto e già utilizzabile. Il 29 OpenAI annuncia una Decisions API, cioè lo stesso servizio dentro i suoi modelli. Il 1° ottobre Cloudflare pubblica Clef e Amazon pubblica Strands Decider 2B, tutti e due aperti (note 7-9). In sedici giorni il «cervello veloce» dei programmi è passato da un prodotto di una startup a una cosa che si scarica da quattro posti diversi. Quando una cosa diventa gratis così in fretta il valore si sposta: non sta più nel modello, sta nelle domande che gli fai e nei dati su cui lo metti a punto. Ed è un lavoro che si fa in casa. Di cosa vuol dire davvero «aperto», ho scritto qui.
Per una piccola impresa o una scuola la traduzione è questa: fra un anno il pezzo che smista, controlla e sceglie dentro i tuoi programmi potrà girare su una macchina tua, senza mandare fuori una riga di dati. Chi lo prepara, con quali domande, su quali esempi: questo resta tutto da decidere, ed è la parte che vale.
CLM-8B è il primo gradino di una scala. Gli autori stanno addestrando CLM-35B, più grande, che guarderà anche le immagini e dovrebbe uscire a ottobre (nota 2). Quando esce, torniamo sulla mappa.
Intanto una domanda, perché il meccanismo delle puntine la fa venire da sola. Un programma che decide in 16 millesimi di secondo non ha pensato: ha trovato la puntina più vicina. Funziona finché il mondo somiglia alla mappa. Nel tuo lavoro, quante decisioni sono davvero «trova la puntina più vicina» e quante lo sembrano soltanto, finché non arriva il caso che sulla mappa non c’è?
Fonti e note dell’autore
- Simone Rizzo, «Nvidia e Stanford rilasciano una nuova AI stile Jev quindi un System One Model che sbaraglia tutti», video YouTube di 2 minuti e 45 secondi. Spunto di questo articolo, riletto con i sottotitoli automatici il 5 ottobre 2026; cifre e meccanismi sono stati rifatti sulla fonte originale (nota 2). I numeri 44 e 579 millesimi di secondo sono del video.
- Jacky Kwok, Hangoo Kang, Tarun Suresh, Jon Saad-Falcon, Marco Pavone, Christopher Ré, Azalia Mirhoseini, «Contrastive Language Models: A System One Model for Fast and Generalizable Decision-Making», Stanford University e NVIDIA Research, 23 settembre 2026. Da qui: le tre tappe (60 milioni di coppie dall’archivio Nemotron di NVIDIA, 30 milioni di risposte sbagliate credibili generate con Gemini 2.5 Flash-Lite, un milione di passi di agenti), le due teste da 20 milioni di parametri su Qwen3-8B congelato, l’ora di addestramento su una RTX 4090, il «da cinque passaggi a uno» di Super Mario, il 13 volte con circa mille opzioni, Shakespeare dal terzo al primo posto con il 54,2%, dal 52,1% al 69,2% con le risposte sbagliate credibili, DeepSWE 81,6% contro 71,1% e Terminal-Bench 2.1 87,6% contro 83,1% con i tempi misurati su una scheda H100, CLM-35B multimodale in addestramento. È un lavoro pubblicato dagli autori, non ancora rivisto da altri.
- Jane Bromley e colleghi, «Signature verification using a Siamese time delay neural network», 1993: la rete «siamese» che confronta due firme. Alec Radford e colleghi, CLIP, OpenAI, 2021: allinea immagini e testi nello stesso spazio con lo stesso tipo di obiettivo contrastivo.
- Figura «Zero-shot latency and success rate» nel repository GitHub di CLM, letta il 5 ottobre 2026: gioco T-Rex 16,5 contro 149,8 millesimi di secondo (riuscita 5 su 5 per entrambi); scelta dello strumento (BFCL v4) 76,8 contro 125,5 (95,2% contro 99,2%); WikiRacing 79,8 contro 225 (26 su 30 contro 30 su 30); Super Mario 33,5 contro 132,6 (5 su 5 per entrambi). Misure degli autori.
- Scheda del modello CLM-v0.1-8B su Hugging Face: pesi con licenza Apache 2.0, limiti dichiarati (non genera azioni nuove, probabilità relative ai candidati, messa a punto consigliata per i risultati migliori). Codice del progetto, Apache 2.0, su GitHub.
- Qwen3-8B di Alibaba, scheda su Hugging Face, licenza Apache 2.0. Conversione della comunità per Mac, a 4 bit: CLM-v0.1-8B-MLX-4bit.
- OpenAI, «DevDay 2026 Recap», 29 settembre 2026: la Decisions API in anteprima limitata, «a specific set of user-defined questions with finite pre-defined answers».
- Cloudflare, «Introducing Clef: our open-source decision models, and new RL fine-tuning platform», 1° ottobre 2026: Clef da 27 miliardi di parametri e Clef-flash da 9, Apache 2.0, mediana di 38,8 millesimi di secondo per Clef-flash contro 524,1 misurati da Cloudflare per Jev.
- Amazon Web Services, Strands Decider 2B, 1° ottobre 2026 (SiliconANGLE, MarkTechPost): modello Qwen3.5 da 2 miliardi di parametri senza lo strato che scrive, Apache 2.0, poco più di 100 millesimi di secondo su una scheda da gioco. Laya di ConvAI Innovations, 18 settembre 2026, pagina del progetto: Apache 2.0, 421 milioni di parametri, da mettere a punto prima dell’uso.
- Jev: TypeSafe AI, «Introducing System One Models & Jev» e documentazione dell’API. Tutte le fonti su Jev, comprese le prove indipendenti, sono nell’articolo precedente.
Spunto tratto da un video di Simone Rizzo.
Blu7, azienda in corso di riconoscimento MIM per corsi in aula e online. Iscriviti a 7 Pillole Blu.