Scientific American, ripreso da Portside, ha pubblicato il 19 aprile 2026 un’analisi dettagliata di Project Glasswing, il programma con cui Anthropic ha limitato l’accesso a Claude Mythos a circa 50 organizzazioni partner per scopi di sicurezza difensiva. E’ la prima volta dal rilascio mancato di GPT-2 da parte di OpenAI nel febbraio 2019 che un laboratorio AI di frontiera decide di non rendere pubblicamente disponibile un modello completato. Mythos, da 10 trilioni di parametri totali con architettura Mixture-of-Experts e 800 miliardi-1,2 trilioni di parametri attivi per forward pass, ha trovato vulnerabilita’ critiche in tutti i sistemi operativi e browser web piu’ diffusi, il 99% delle quali non patchate. Il documento tecnico di accompagnamento e’ di 245 pagine. La preview pricing e’ 25 dollari per milione di token in input e 125 in output. Le posizioni di esperti come Peter Swire (Georgia Tech) e Ciaran Martin (ex CEO del National Cyber Security Centre britannico) sull’effettiva pericolosita’ del modello sono divergenti.
Cosa e’ Project Glasswing
Glasswing e’ il programma con cui Anthropic distribuisce Mythos a un numero ristretto di organizzazioni partner, selezionate sulla base di criteri di affidabilita’, missione difensiva e capacita’ di gestire un modello con classificazione ASL-4. La lista non e’ pubblica nel suo dettaglio, ma include enti governativi statunitensi e britannici, alcuni grandi vendor di cybersecurity e un piccolo gruppo di laboratori accademici con storia consolidata in security research. Il modello non e’ accessibile come API standard, ma in modalita’ custodita: ogni query e’ loggata, le risposte passano un filtro automatico aggiuntivo, l’uso e’ soggetto a review periodica.
L’obiettivo dichiarato e’ permettere ai team difensivi di trovare e patchare vulnerabilita’ prima che attori malevoli possano sviluppare capacita’ simili. La logica e’ asimmetrica: se Mythos puo’ trovare vulnerabilita’ in tutti i browser e sistemi operativi, prima Mythos lavora dal lato della difesa, meno spazio resta per l’attaccante. La premessa e’ ottimistica, e infatti i critici la contestano.
L’eredita’ del rilascio mancato di GPT-2
Nel febbraio 2019 OpenAI annuncio’ GPT-2 e decise di non rilasciare pubblicamente il modello full-size, allora da 1,5 miliardi di parametri, per timore di abusi nella generazione di disinformazione. La decisione fu controversa. I sostenitori la considerarono una mossa di responsabilita’ anticipatrice, i critici la accusarono di essere una mossa di marketing per costruire l’aura di pericolosita’ intorno alla societa’. Sei mesi dopo OpenAI rilascio’ il modello e nessuno scenario apocalittico si verifico’.
Il caso Mythos arriva sette anni dopo, in un contesto completamente diverso. I modelli da 10 trilioni di parametri esistono gia’ in versione closed presso altri laboratori. Le capacita’ cyber dei modelli di frontiera sono documentate da decine di paper scientifici. Il pubblico tecnico e’ abituato a sentire annunci di modelli piu’ capaci ogni trimestre. Eppure la decisione di Anthropic resta inedita perche’ Mythos non e’ trattenuto temporaneamente, e’ progettato fin dall’inizio per restare ad accesso ristretto.
Le posizioni di Swire e Martin
Peter Swire, professore alla Georgia Tech e tra i massimi esperti mondiali di privacy e cybersecurity, ha dichiarato a Scientific American che la decisione di Anthropic e’ ragionevole nelle premesse ma rischia di essere fragile nell’esecuzione. Trattenere un modello presso 50 organizzazioni significa creare una superficie di rischio composta da 50 perimetri di sicurezza differenti, ciascuno con le proprie vulnerabilita’. La promessa di confinamento dipende dall’anello piu’ debole della catena.
Ciaran Martin, ex CEO del National Cyber Security Centre del Regno Unito, ha espresso una posizione piu’ articolata. Da un lato ha riconosciuto il valore difensivo di un modello come Mythos nelle mani di organizzazioni con missione chiara. Dall’altro ha sollevato il problema dell’asimmetria geopolitica: se l’accesso e’ limitato a partner statunitensi e britannici, gli stati alleati che non fanno parte del programma (inclusi alcuni stati UE) si trovano nella posizione di dover decidere se fidarsi della valutazione altrui o costruire capacita’ proprie. Questo accelera la corsa alla sovranita’ AI nazionale, esattamente l’opposto di cio’ che la cooperazione internazionale dovrebbe promuovere.
L’impatto sulle imprese italiane che dipendono da Claude
Le imprese italiane che usano Claude in produzione non sono direttamente coinvolte da Project Glasswing. Mythos non e’ disponibile per loro, e le loro applicazioni continuano a girare su Opus 4.7 e sui modelli precedenti. Ma il caso introduce un fattore di incertezza nella pianificazione di lungo periodo. Se Anthropic ha dimostrato di poter trattenere un modello completato, puo’ farlo di nuovo. Le aziende che hanno costruito flussi su Claude devono includere nella valutazione di vendor risk il rischio di non disponibilita’ futura di certe categorie di modelli.
Per i team di security delle imprese italiane che fanno cybersecurity professionale (banche, telco, infrastrutture critiche, fornitori di servizi cloud), il caso pone un problema diverso: la disponibilita’ asimmetrica dei modelli avanzati significa che la difesa di paesi alleati non statunitensi opera con strumenti meno potenti rispetto agli Stati Uniti. La figura dell’AI Security Specialist secondo la UNI 11621-8 include espressamente la valutazione di questa asimmetria nel risk assessment di chi usa AI in security operations.
Le 245 pagine del documento tecnico
Il technical report di Mythos e’ un documento inusuale. Le 245 pagine combinano dettagli architetturali (ridotti rispetto ai paper accademici tradizionali per ragioni di non riproducibilita’), descrizioni delle valutazioni di sicurezza pre-rilascio, scenari di abuso considerati, e descrizioni delle capacita’ misurate sui benchmark interni. Il documento dichiara, tra l’altro, che Mythos ha registrato 31 punti percentuali in piu’ rispetto a Claude Opus 4.6 sulla USAMO 2026, la US Mathematical Olympiad. Si tratta di un salto enorme su un benchmark che misura ragionamento matematico avanzato.
Il livello di dettaglio scelto e’ un equilibrio tra trasparenza pubblica e prudenza. Anthropic non ha rilasciato i pesi del modello ne’ dettagli sufficienti a riprodurlo, ma ha pubblicato abbastanza informazione perche’ la comunita’ di ricerca possa valutare in modo critico la decisione di non rilasciarlo. E’ un approccio che probabilmente fara’ scuola: trasparenza descrittiva sui modelli trattenuti, in alternativa al rilascio totale o al silenzio totale.
Il pricing che blocca l’uso commerciale
Il pricing di preview a 25/125 dollari per milione di token rende Mythos economicamente irraggiungibile per la quasi totalita’ delle applicazioni commerciali, anche tra i partner Glasswing. Una analisi di security su un binario complesso puo’ richiedere decine di migliaia di token in input e migliaia in output. Un’iterazione tipica costa nell’ordine dei dollari o decine di dollari. Per ricerca difensiva su asset critici, il costo e’ giustificabile. Per ricerca su prodotti commerciali generalisti, no.
Questo pricing rinforza la natura di nicchia di Mythos. Non e’ un modello che diventera’ mass-market in versioni successive a prezzo ribassato. E’ un modello pensato per restare in una fascia premium ad accesso ristretto, con capacita’ che giustificano il costo solo per casi d’uso ad altissimo valore unitario.
L’etica del confinamento e la Rome Call
Anthropic motiva Project Glasswing con una posizione etica esplicita: rilasciare al pubblico un modello con capacita’ potenzialmente offensive sproporzionate sarebbe un atto irresponsabile. Questa posizione si allinea con i principi sottoscritti dai grandi attori AI nella Rome Call for AI Ethics, di cui AIPIA e’ Official Endorser. La Call sottolinea il principio di responsabilita’ nella distribuzione delle tecnologie AI, soprattutto quando il loro impatto sociale e’ ambiguo.
Resta aperto il dibattito su chi decide. Anthropic e’ una societa’ privata che ha preso una decisione che impatta la sicurezza globale. Non esiste oggi un meccanismo internazionale di governance che validi o contesti queste decisioni. La Commissione Europea, attraverso l’AI Office, sta costruendo gli strumenti, ma il lavoro e’ agli inizi.
Il precedente che cambia il mercato
Mythos non e’ solo un modello trattenuto. E’ la dimostrazione che la traiettoria di sviluppo dell’AI di frontiera puo’ biforcarsi: una linea continua a essere disponibile pubblicamente con capacita’ sempre maggiori ma sotto il livello di rischio dichiarato, una seconda linea resta confinata in cerchie ristrette per ragioni di sicurezza. Per le imprese italiane il messaggio operativo e’ semplice: pianificare AI nel 2027 significa pianificare con due cataloghi di modelli, e il catalogo a cui si avra’ effettivamente accesso dipendera’ tanto dal budget quanto dalla geografia, dalle relazioni industriali e dai riconoscimenti formali di affidabilita’ che oggi sembrano marginali e domani saranno discriminanti.
