2 milioni di token: perché Google ha dovuto ricostruire Gemini 3.5 Pro da zero

Il fallimento che ha preceduto il lancio di oggi non è stato annunciato. Google ha silenziosamente accantonato la prima versione di Gemini 3.5 Pro dopo che le valutazioni interne avevano rivelato carenze critiche: scarse performance nel ragionamento matematico, generazione di SVG difettosa e qualità delle immagini incoerente. Il modello che aveva programmato di rilasciare all’inizio di quest’anno non era abbastanza buono per essere distribuito, e così non lo è stato.

La ricostruzione e ciò che ha sbloccato

Quello lanciato oggi è un modello completamente diverso. Il Gemini 3.5 Pro ricostruito parte con una finestra di contesto da 2 milioni di token, il doppio della capacità del limite di 1 milione di Gemini 2.5 Pro, il che significa che un team legale può inserire un’intera libreria di contratti, un anno di dichiarazioni finanziarie e un archivio completo di email in una singola chiamata API prima di porre la prima domanda. Un documento di 200.000 parole che avrebbe richiesto di essere suddiviso in tre chiamate separate ora trova spazio nel contesto con margine.

Questa finestra è accompagnata da una struttura di prezzo pensata per il consumo enterprise: 15 dollari per milione di token in input, 60 dollari per milione di token in output. Generare un’analisi di 10.000 parole a partire da un corpus documentale di 500.000 parole costa circa 37 dollari — una cifra reale, ma inferiore alla tariffa oraria dell’analista junior che sostituisce per le attività di revisione documentale.

Il livello premium di ragionamento, chiamato Deep Think, si trova dietro un abbonamento Ultra da 250 dollari al mese. Questa decisione sui prezzi traccia una linea: gli utenti API standard ottengono un modello generalista capace; la versione di ragionamento più potente rimane preclusa ai singoli sviluppatori che non vogliono pagare l’equivalente di una licenza software solo per accedervi.

La concorrenza che deve superare

DeepSeek V4-Pro è stato lanciato a giugno a 0,87 dollari per milione di token in output, circa 69 volte più economico su quel parametro, con punteggi benchmark che rivaleggiano con Gemini 3.5 Pro in diverse valutazioni testa a testa. Fable 5 e GPT-5.6 Sol stanno eseguendo varianti a contesto esteso proprie, sebbene entrambi rimangano in anteprima limitata. La risposta di Google sui prezzi è che 2 milioni di token consentono carichi di lavoro che nessuna architettura concorrente può gestire senza una costosa orchestrazione multi-chiamata — il confronto dei costi regge solo se l’attività rientra in una finestra più breve.

Nessuna valutazione indipendente di Gemini 3.5 Pro alla scala di 2 milioni di token è stata ancora pubblicata. I modelli a contesto lungo perdono affidabilità nel recupero delle informazioni man mano che la profondità del documento aumenta — una modalità di fallimento nota nelle versioni precedenti di Gemini. Google ha passato un anno a ricostruire il modello. Se quell’anno abbia risolto il problema su larga scala è la domanda a cui ogni team enterprise che acquista a 60 dollari per milione risponderà per primo.

Tag: intelligenza artificiale, Google, Gemini, DeepSeek, modelli IA, Apprendimento Automatico