OpenAI ha reso disponibile GPT-5.5, codename interno Spud, primo modello fondazionale completamente riaddestrato dal GPT-4.5 (tutti gli intermedi erano incrementi sulla stessa architettura). Il punteggio dell’Artificial Analysis Intelligence Index e’ 60, record assoluto del benchmark. Su OSWorld-Verified il modello segna 78,7%, su Terminal-Bench 2.0 segna 82,7%. Il contesto e’ da 1 milione di token. La capacita’ di richiamo su MRCR v2 alle lunghezze 512K-1M e’ 74%, contro il 36,6% del GPT-5.4. GPT-5.5 e’ nativamente omnimodale: testo, immagine, audio e video gestiti in una sola architettura. Nella stessa settimana, il 21 aprile, OpenAI ha lanciato GPT-Image-Gen-2, e il 26 aprile ha annunciato lo shutdown pubblico dell’app Sora. Per le imprese che pianificano il vendor mix per il 2027, il rientro in vetta di OpenAI cambia il quadro decisionale.
Cosa significa fully retrained dal GPT-4.5
Tutti i modelli OpenAI tra GPT-4.5 (rilasciato a fine 2024) e GPT-5.4 (rilasciato a fine 2025) erano costruiti partendo dai pesi del GPT-4.5, con incrementi di addestramento, fine-tuning, capacita’ multimodali aggiunte. Era un approccio efficiente in termini di costi computazionali, perche’ ogni training session partiva da una base gia’ consolidata. Aveva pero’ un limite: l’architettura di base, le scelte di vocabolario, la struttura di attention, restavano quelle di fine 2024.
GPT-5.5 e’ la prima base completamente nuova. OpenAI ha ripreso il processo di addestramento da zero, con architettura riprogettata, dataset rivisitato, procedure di alignment ridisegnate. Il costo computazionale e’ stato sostanziale, stimato dagli analisti in oltre 1 miliardo di dollari di compute. Il risultato giustifica l’investimento sui benchmark, ma resta da vedere l’impatto sulle applicazioni reali.
L’Intelligence Index a 60 e il ranking dei modelli
L’Artificial Analysis Intelligence Index e’ un benchmark composito che combina prestazioni su matematica, ragionamento, coding, conoscenza generale e seguimento di istruzioni. Nel 2025 il riferimento alto erano i modelli intorno al punteggio 50. Claude Opus 4.7 si colloca a 56, Gemini 2.5 Ultra a 54, GPT-5.4 era a 53. Il 60 raggiunto da GPT-5.5 e’ un salto significativo, e ridefinisce la fascia alta del mercato.
Per le imprese italiane il punto pratico e’ che la differenza tra 60 e 56 e’ misurabile in scenari complessi (progettazione di sistemi, analisi multidisciplinare, ragionamento giuridico-tecnico) ma e’ meno percepibile in casi d’uso standard (riassunto, generazione di email, customer service). Chi ha applicazioni critiche basate sul ragionamento avanzato trovera’ in GPT-5.5 un upgrade che giustifica il costo della migrazione. Chi ha applicazioni standard puo’ attendere senza svantaggio competitivo.
OSWorld-Verified e Terminal-Bench: i benchmark che misurano l’agente
OSWorld-Verified e’ un benchmark che valuta la capacita’ di un modello di completare task complessi che richiedono uso di un sistema operativo: aprire applicazioni, navigare file system, modificare documenti, interagire con software diversi. Il 78,7% di GPT-5.5 indica che su tre task su quattro il modello porta a termine l’obiettivo senza intervento umano. E’ il punteggio piu’ alto registrato a oggi.
Terminal-Bench 2.0 misura task che richiedono uso del terminale Unix: configurazione di server, gestione di processi, debug di sistemi, automazione amministrativa. L’82,7% di GPT-5.5 in questo benchmark e’ il dato che piu’ interessa i system administrator e i DevOps engineer. Significa che ampie porzioni del lavoro di amministrazione sistemi possono essere delegate al modello con tassi di successo elevati. Il vincolo resta la fiducia: un comando eseguito sbagliato in produzione puo’ causare downtime, e un tasso di errore del 17% non e’ accettabile per molti contesti senza supervisione umana.
L’omnimodalita’ nativa
GPT-5.5 e’ il primo modello OpenAI veramente omnimodale: testo, immagine, audio e video sono gestiti in una sola architettura unificata, non come componenti separati che si scambiano token attraverso un livello intermedio. Per le applicazioni il guadagno e’ duplice: la latenza si riduce perche’ non c’e’ il costo di traduzione tra modalita’, e la coerenza tra modalita’ migliora perche’ il modello ragiona in uno spazio rappresentazionale unico.
Il caso d’uso che cambia in modo piu’ tangibile e’ la videoanalisi. Un video di 10 minuti puo’ essere analizzato come unita’ coerente, con domande in linguaggio naturale che attraversano contenuto visivo, parlato, musica, testi sovrimpressi. Per le imprese italiane che lavorano in media, formazione, monitoraggio industriale, sicurezza, sanita’ (telemedicina), questa capacita’ apre casi d’uso che fino a ieri richiedevano pipeline complesse di prodotti diversi.
Il contesto da 1 milione di token e il MRCR v2 a 74%
Il contesto da 1 milione di token, gia’ visto in altri modelli del 2025-2026, ha sempre avuto un problema di qualita’ del recupero: la capacita’ di trovare e usare informazioni inserite nel contesto a lunghezze elevate calava drasticamente oltre i 200-300K token. Il benchmark MRCR v2 misura proprio questo: data una serie di domande e una serie di documenti inseriti nel contesto, qual e’ la percentuale di risposte corrette quando l’informazione rilevante si trova alle estremita’ del contesto?
Il salto di GPT-5.5 da 36,6% a 74% sulla fascia 512K-1M token e’ il dato tecnico piu’ rilevante del rilascio. Significa che il contesto da 1 milione di token diventa effettivamente usabile: le imprese possono caricare interi documenti normativi, codici sorgente di repository medi, raccolte di email su periodi estesi, e attendersi risposte affidabili anche quando l’informazione e’ in fondo al contesto. Per applicazioni in legal, audit interno, analisi documentale, e’ un cambio di scala.
GPT-Image-Gen-2 e lo shutdown di Sora
Il 21 aprile, due giorni prima del rilascio di GPT-5.5, OpenAI ha lanciato GPT-Image-Gen-2, generatore di immagini con qualita’ superiore alla generazione precedente, integrato direttamente nei prodotti Claude e nelle API. Il 26 aprile, tre giorni dopo, OpenAI ha annunciato lo shutdown pubblico dell’app Sora, il generatore di video lanciato in versione beta nel 2024. Le funzionalita’ di Sora confluiscono in GPT-5.5 attraverso l’omnimodalita’ nativa.
La sequenza racconta una strategia. OpenAI sta consolidando le proprie capacita’ multimodali in un singolo modello generalista, eliminando la frammentazione tra prodotti specializzati. Per gli utenti questo significa minore complessita’ operativa: un singolo modello, una singola API, una singola fattura. Per gli sviluppatori che avevano integrato Sora come prodotto separato, significa lavoro di migrazione nei prossimi mesi.
Il vendor mix italiano nel 2027
GPT-5.5 ridefinisce il vendor mix per le imprese italiane che pianificano AI nel 2027. La fotografia e’ la seguente: OpenAI torna in vetta sull’intelligenza generale, Anthropic resta in vetta sul coding agentico (Opus 4.7 ha 87,6% su SWE-bench Verified) e ha asset proprietari ad accesso ristretto come Mythos, Google rafforza la presenza enterprise con Gemini Enterprise Agent Platform, Meta presidia il segmento open con Llama 4. Nessun fornitore copre con eccellenza tutte le dimensioni.
Le imprese che hanno costruito stack AI mono-vendor nel 2025 si trovano davanti a un dilemma. Migrare significa lavorare su contratti, integrazioni, formazione del personale, governance dei dati. Restare significa accettare di operare con la migliore opzione del proprio fornitore corrente, che non e’ sempre la migliore opzione assoluta. La figura dell’AI Research Scientist secondo la UNI 11621-8 ha tra le proprie competenze la valutazione tecnica comparativa dei modelli, e diventa risorsa centrale per le decisioni di multi-vendor.
Le competenze necessarie per gestire la transizione
La transizione verso architetture multi-vendor richiede competenze che le imprese italiane in larga misura non possiedono internamente. Servono profili che capiscano la differenza tecnica tra modelli, sappiano misurare la qualita’ per casi d’uso specifici, gestiscano i contratti enterprise con i grandi fornitori, costruiscano governance dei dati che supporti la portabilita’ tra piattaforme. Sono competenze rare e contese sul mercato del lavoro.
La mappatura UNI 11621-8 dei 12 profili professionali AI definisce le competenze richieste a ciascun ruolo. AIPIA, attraverso le proprie attivita’ di formazione e attestazione, contribuisce alla qualificazione di questi profili in Italia. Le imprese che entro fine 2026 avranno almeno tre dei dodici ruoli coperti internamente o presso fornitori qualificati saranno nella posizione di sfruttare le novita’ tecnologiche del 2027 invece di subirle.
Il ritorno di OpenAI come fatto strutturale
GPT-5.5 non e’ solo un modello migliore. E’ il segnale che OpenAI ha completato la prima vera transizione architetturale dal GPT-4.5, e che la societa’ ha l’organizzazione per ripetere questo ciclo di rinnovamento di base. Per il mercato globale dei modelli AI questo significa che la corsa non e’ in fase di plateau ma in una nuova fase di accelerazione, dove i salti di capacita’ arrivano ogni 12-18 mesi e ogni salto richiede alle imprese clienti una rivalutazione delle scelte architetturali. Restare fermi e’ una strategia sostenibile solo per chi ha applicazioni AI marginali. Per chi ha applicazioni AI strategiche, l’agilita’ nella valutazione dei modelli diventa una competenza chiave del prossimo triennio.
