Alphabet ha lasciato sul terreno il 22 giugno 2026 una capitalizzazione stimata in 225 miliardi di dollari, nella seduta in cui i mercati hanno digerito la notizia del rinvio di Gemini 3.5 Pro, il modello di punta che Google DeepMind avrebbe dovuto rilasciare a giugno. La decisione, maturata a fine mese, sposta il debutto a una data prevista del 17 luglio e si accompagna a una scelta tecnica drastica, la ricostruzione dell’architettura di base, e a una emorragia di ricercatori di primo piano. Tre storie intrecciate, un rinvio, un rebuild e un esodo, che raccontano il momento più difficile degli ultimi anni per il laboratorio di Mountain View. E che pongono una domanda concreta a chi ha costruito flussi di lavoro su Gemini: cosa fare adesso.
Dalla promessa di Google I/O al rinvio di fine giugno
Il calendario originario era stato fissato in pubblico. Il 19 maggio 2026, sul palco di Google I/O, Sundar Pichai aveva annunciato che Gemini 3.5 Pro sarebbe arrivato “il mese prossimo”, cioè a giugno. Il mese è passato senza il modello. A fine giugno la decisione del rinvio è diventata di dominio pubblico, insieme al suo motivo: DeepMind ha scelto di abbandonare la base architetturale derivata dalla serie 2.5 e di ripartire con un ciclo di pre-addestramento nuovo, dopo che le versioni interne avevano mostrato limiti di prestazione ritenuti non emendabili con la sola messa a punto.
Un rinvio annunciato dal palco più visibile dell’azienda è un rinvio che costa doppio.
Per Google la tempistica è la peggiore possibile. Tra fine giugno e inizio luglio i concorrenti hanno rilasciato a raffica: Claude Sonnet 5 il 30 giugno, Grok 4.5 l’8 luglio, GPT-5.6 in disponibilità generale il 9. Ogni settimana di ritardo lascia i clienti di Gemini a confrontare il proprio modello attuale con prodotti concorrenti più recenti, e i team commerciali di Mountain View a vendere una promessa invece che un prodotto.
La posta in gioco commerciale è ampia quanto la base installata. Gemini non è solo un’API per sviluppatori: è il motore che Google ha innestato in Workspace, nel motore di ricerca, in Android e nell’offerta cloud. Milioni di organizzazioni, molte delle quali italiane, usano funzioni alimentate da Gemini senza nemmeno averlo scelto esplicitamente. Ogni slittamento del modello di punta si propaga quindi lungo tutta la filiera dei prodotti, dai riassunti automatici nelle caselle di posta agli agenti promessi ai clienti enterprise per la seconda metà dell’anno.
Il rebuild: perché DeepMind ha buttato via la base di partenza
La scelta tecnica al centro del rinvio è insolita per un laboratorio di questa scala. Secondo le ricostruzioni della stampa specializzata, le versioni interne costruite sulla base 2.5 mostravano soffitti di prestazione nel ragionamento matematico a più passaggi e nella generazione di scene vettoriali, due aree che i benchmark della concorrenza hanno reso terreno di confronto diretto. Invece di limare, DeepMind ha azzerato: nuova base, nuovo ciclo di pre-addestramento, con l’obiettivo dichiarato di arrivare a un modello con finestra di contesto da 2 milioni di token e un livello di ragionamento dedicato per i problemi complessi.
Per chi non mastica la terminologia: il pre-addestramento è la fase in cui il modello impara dal grosso dei dati, un processo che per i sistemi di frontiera impegna decine di migliaia di acceleratori per mesi e assorbe la parte dominante dei costi. La messa a punto successiva, il fine-tuning, è in confronto rapida ed economica, ma può solo plasmare capacità che la base già possiede. Dire che un difetto non si corregge con il fine-tuning equivale a dire che la casa ha un problema di fondamenta, non di intonaco.
Ripartire dal pre-addestramento significa quindi rifare la parte più costosa e più lunga dell’intero processo di costruzione di un modello. È il tipo di decisione che si prende quando si ha la disponibilità di calcolo per permettersela. Google ce l’ha. Quello che il rebuild non può comprare è il tempo: le settimane perse non tornano, e il mercato dei modelli nel 2026 si muove a cicli di dieci giorni.
C’è anche una lettura più generosa, che circola tra gli addetti ai lavori: meglio un rinvio oggi che un modello deludente per i prossimi sei mesi. I precedenti dell’industria suggeriscono che i lanci affrettati si pagano più cari dei lanci rinviati. Ma questa lettura regge solo se il 17 luglio il modello arriva, e arriva bene.
L’esodo dei ricercatori: quattro nomi che pesano
Al rinvio si sono sommate le uscite. Nelle stesse settimane hanno lasciato Google DeepMind quattro figure di primo piano: Noam Shazeer, tra gli autori del paper del 2017 che introdusse l’architettura Transformer e considerato uno dei padri tecnici della linea Gemini; John Jumper, premio Nobel per la chimica 2024 per AlphaFold; e Jonas Adler e Alexander Pritzel, ricercatori senior dello stesso filone scientifico. Non sono partenze qualsiasi: sono i nomi che l’azienda esibiva come prova della propria profondità di ricerca.
Il caso di Shazeer è il più simbolico. Uscito una prima volta da Google nel 2021 per fondare Character.AI, era stato riportato a Mountain View nel 2024 con un accordo di licenza che la stampa americana valutò nell’ordine dei miliardi di dollari, letto allora come la dimostrazione che Google era disposta a qualunque cifra pur di riavere i suoi cervelli migliori. Vederlo uscire di nuovo, a meno di due anni di distanza e nel momento più delicato del progetto Gemini, trasforma quell’operazione da colpo di mercato a investimento dal ritorno breve.
Le ragioni individuali delle uscite non sono state dettagliate in comunicazioni ufficiali, e la prudenza impone di non attribuire motivazioni non verificate. Il dato oggettivo è la concentrazione temporale: quattro ricercatori di quel calibro nello stesso periodo in cui il progetto di punta inciampa. Nel mercato del lavoro dell’IA, dove laboratori concorrenti e fondi di venture capital corteggiano i nomi di vertice con pacchetti a nove cifre, ogni segnale di difficoltà interna accelera le partenze, e ogni partenza amplifica il segnale.
Il capitale di un laboratorio di frontiera cammina ogni sera fuori dalla porta. A volte non rientra.
Resta il fatto che DeepMind conserva una profondità di banco che pochi possono vantare: centinaia di ricercatori di livello assoluto, una tradizione scientifica che va dalla teoria dei giochi alla biologia computazionale, e la capacità dimostrata di trasformare la ricerca in prodotti. L’esodo pesa, ma non svuota.
I 225 miliardi del 22 giugno: cosa ha prezzato la borsa
La reazione dei mercati merita di essere letta con attenzione, perché 225 miliardi di dollari non si bruciano per un rinvio di tre settimane. Quello che gli investitori hanno prezzato il 22 giugno non è il ritardo in sé: è il dubbio che il rinvio, il rebuild e le uscite raccontino insieme una difficoltà strutturale, la possibilità che il laboratorio che ha inventato l’architettura su cui si regge l’intera industria stia perdendo il passo proprio mentre i concorrenti accelerano. Per un’azienda la cui valutazione incorpora aspettative pesanti sul primato nell’IA, anche un dubbio ha un prezzo, e si misura in centinaia di miliardi.
Il meccanismo è noto agli analisti: nelle valutazioni delle grandi aziende tecnologiche la componente legata alle aspettative sull’IA è cresciuta al punto che le notizie sui modelli muovono i corsi più dei dati trimestrali. Quando una parte consistente del prezzo di un titolo incorpora la promessa di primato tecnologico, ogni inciampo su quella promessa si traduce in vendite immediate, anche se i ricavi correnti non cambiano di un dollaro. È la stessa dinamica, rovesciata, che premia con rialzi a due cifre gli annunci riusciti dei concorrenti.
Va detto che movimenti di questa scala sulle grandi capitalizzazioni tecnologiche si sono già visti e in parte riassorbiti, e che Alphabet resta un’azienda con conti solidi, ricavi pubblicitari imponenti e una posizione forte nel cloud e negli strumenti di produttività. La borsa non ha decretato un declino: ha alzato il costo dell’errore. Il 17 luglio, se la data sarà rispettata, il mercato misurerà il modello con la stessa severità con cui ha misurato il rinvio.
Una data prevista, non un annuncio: lo stato reale delle cose
Un punto va fissato con chiarezza, perché la copertura mediatica tende a confonderlo: alla data in cui scriviamo, il 17 luglio è un obiettivo riportato in modo concorde dalla stampa di settore, non un annuncio ufficiale con una pagina di lancio e un listino. Le API pubbliche di Google, a inizio luglio, elencano la versione flash della serie 3.5 e una anteprima della serie precedente, ma non il modello Pro; non esistono ancora una scheda tecnica definitiva né benchmark ufficiali. Chi pianifica attività aziendali su quella data deve trattarla per ciò che è: una previsione attendibile e revocabile, come il rinvio di giugno ha appena dimostrato.
Come distinguere, nelle prossime settimane, la sostanza dal rumore? I segnali affidabili sono tre: la comparsa del modello nel listino ufficiale delle API con prezzi per milione di token, la pubblicazione della scheda tecnica con le valutazioni di sicurezza, la disponibilità effettiva negli strumenti per sviluppatori e nelle piattaforme cloud. Tutto il resto, indiscrezioni comprese, va archiviato come contesto. Google ha inoltre l’abitudine dei rilasci graduali, con funzioni che arrivano prima negli Stati Uniti e poi in Europa: anche a lancio avvenuto, converrà verificare cosa è davvero accessibile dal mercato italiano e con quali condizioni contrattuali.
La distinzione non è pedanteria. È la differenza tra costruire un piano su un fatto e costruirlo su un’aspettativa.
Chi lavora con Gemini: come prepararsi senza farsi male
Per le organizzazioni che hanno costruito flussi su Gemini, il quadro impone qualche mossa concreta. La prima è l’inventario: censire quali processi dipendono da quali versioni del modello, con quali contratti e quali scadenze. La seconda è la prova comparativa: usare queste settimane per misurare i modelli concorrenti sui propri compiti reali, non per migrare d’impulso ma per conoscere il costo effettivo di un eventuale cambio. La terza è la clausola: nei nuovi contratti di fornitura conviene negoziare flessibilità sulle versioni e sugli impegni di volume, perché il 2026 ha dimostrato che anche i calendari dei giganti saltano. Diversificare i fornitori di modelli, dove l’architettura lo consente, è la polizza più semplice contro i rinvii altrui.
Nulla di tutto questo richiede di abbandonare Gemini, che resta una famiglia di modelli competitiva dentro un pacchetto, quello di Google Workspace e Google Cloud, che per molte imprese italiane ha un valore d’insieme superiore al singolo modello. Richiede però competenze interne per valutare e decidere. AIPIA lavora esattamente su questo con i suoi percorsi formativi sull’intelligenza artificiale e con i programmi di formazione aziendale pensati per chi deve governare gli strumenti, non solo usarli.
La vicenda Gemini 3.5 Pro non racconta il tramonto di Google. Racconta una cosa più interessante: nemmeno il laboratorio con più calcolo, più dati e più storia scientifica del settore può permettersi un semestre imperfetto. La frontiera dell’IA nel 2026 non perdona i ritardi, e li fa pagare in miliardi, in ricercatori e in fiducia. Il 17 luglio non è solo una data di rilascio prevista: è la scadenza entro cui Mountain View deve dimostrare che il rebuild era coraggio, non affanno.
