Dall’evoluzione dei modelli americani all’avanzata dell’intelligenza artificiale cinese, fino alle nuove frontiere dei sistemi agentici e delle piattaforme giuridiche verticali: una panoramica dello stato dell’arte dell’IA generativa a ottobre 2026 e delle opportunità per le professioni legali.
Luca Frabboni – Maat Srl
Dieci mesi che hanno cambiato il panorama dell’intelligenza artificiale
Quando, nel dicembre 2025, abbiamo pubblicato un approfondimento sullo stato dell’arte dei modelli di intelligenza artificiale generativa, il mercato era dominato dalla competizione tra OpenAI, con GPT-5.2, Google, con Gemini 3, e Anthropic, con Claude 4.5. In quel momento la corsa all’intelligenza artificiale sembrava concentrarsi principalmente sulla capacità dei modelli di ragionare meglio, comprendere documenti più complessi e produrre risposte sempre più accurate.
A distanza di meno di un anno, il panorama tecnologico è profondamente cambiato e la rapidità con cui si susseguono gli aggiornamenti rende particolarmente difficile individuare un modello destinato a mantenere a lungo una posizione di predominio.
OpenAI è arrivata alla famiglia GPT-6, Anthropic ha raggiunto Claude 5.5, Google ha introdotto Gemini 4 Argon e Meta, dopo aver contribuito alla diffusione dei modelli aperti attraverso la famiglia Llama, ha avviato una nuova fase con i modelli Muse. Anche xAI ha proseguito nello sviluppo di Grok, mentre in Europa Mistral AI ha presentato la quarta generazione del proprio modello di punta.
Ma forse la novità più significativa arriva dalla Cina, dove aziende come DeepSeek, Alibaba, Moonshot AI, Z.ai e MiniMax stanno sviluppando sistemi sempre più sofisticati, capaci in alcune attività di competere direttamente con i modelli americani più avanzati, spesso con costi inferiori e con una maggiore disponibilità di modelli a pesi aperti, o open-weight.
La competizione, tuttavia, non riguarda più soltanto la capacità di generare testi o rispondere a domande. Nel corso del 2026 abbiamo assistito al progressivo passaggio dall’intelligenza artificiale conversazionale all’intelligenza artificiale agentica, cioè a sistemi capaci non soltanto di elaborare informazioni, ma anche di utilizzare applicazioni, consultare archivi documentali, interagire con strumenti informatici ed eseguire attività articolate attraverso una successione di operazioni.
Si tratta di un cambiamento destinato a incidere profondamente anche sull’organizzazione degli studi legali, perché sposta l’attenzione dalla semplice assistenza alla redazione di testi verso l’integrazione dell’intelligenza artificiale nei processi di lavoro quotidiani.
Per comprendere la portata di questa trasformazione è utile ripercorrere le principali innovazioni intervenute dall’inizio del 2026, analizzando le strategie dei maggiori produttori, i progressi tecnologici e le possibili applicazioni per gli avvocati.
Da dicembre 2025 a ottobre 2026: una breve cronistoria
Il 2026 si è aperto con un’accelerazione della competizione tra i principali produttori, già evidente nei primi mesi dell’anno, quando Anthropic ha introdotto Claude 4.6, Alibaba ha proseguito lo sviluppo della famiglia Qwen e Moonshot AI ha presentato Kimi K2.5, confermando la crescente competitività dei laboratori cinesi.
Tra aprile e giugno, l’attenzione si è concentrata soprattutto sul miglioramento delle capacità di ragionamento, sulla programmazione e sull’utilizzo autonomo degli strumenti informatici. Anthropic ha introdotto Claude Opus 4.7 e successivamente Opus 4.8, mentre Meta ha avviato la nuova famiglia Muse, segnando un cambiamento importante rispetto alla precedente strategia incentrata su Llama.
Durante l’estate la competizione si è ulteriormente intensificata. OpenAI ha aggiornato la famiglia GPT-5 fino alla versione 5.6, Anthropic ha sviluppato la quinta generazione di Claude e Moonshot AI ha presentato Kimi K3, un modello di grandi dimensioni che ha attirato particolare attenzione per le sue capacità e per l’obiettivo di renderlo disponibile con pesi aperti.
Il mese di settembre ha segnato un passaggio generazionale particolarmente importante. OpenAI ha presentato GPT-6 Astra, seguito da GPT-6 Sol, Luna e GPT-6.1 Sol; Anthropic ha introdotto Claude Opus 5.5 e Sonnet 5.5, mentre xAI ha annunciato Grok 4.7. Nello stesso periodo Google ha avviato la presentazione della nuova generazione Gemini 4.
A ottobre sono arrivati ulteriori aggiornamenti: Gemini 4 Argon è stato reso disponibile su larga scala, Anthropic ha completato la famiglia Claude 5.5 con la variante Haiku, Meta ha presentato Muse Wonder e Muse Spark Open, mentre Mistral AI ha annunciato Large 4. Sul fronte cinese sono arrivati DeepSeek V4.1 Flash aggiornato, MiniMax M3.1 Flash e Kimi K3.1 Pro, quest’ultimo presentato il 23 ottobre.
Il 26 ottobre OpenAI ha infine introdotto GPT-6.1 Terra, una nuova variante specializzata nell’interazione con applicazioni e interfacce informatiche, dimostrando ancora una volta quanto rapidamente il mercato continui a evolversi.
Da questa cronologia emerge un aspetto fondamentale: non si assiste più soltanto alla sostituzione periodica di un modello con uno più potente, ma alla costruzione di intere famiglie di sistemi differenziati per capacità, velocità, costi e tipologie di attività.
Ed è proprio questa specializzazione che assume particolare importanza quando si passa dall’utilizzo occasionale dell’intelligenza artificiale alla sua integrazione nei processi professionali.
OpenAI: dalla generazione GPT-5 a GPT-6 e ai nuovi ambienti di lavoro
OpenAI rimane uno dei principali protagonisti del mercato e nel corso del 2026 ha progressivamente modificato la propria strategia, affiancando allo sviluppo di modelli sempre più potenti una maggiore attenzione alla loro integrazione negli strumenti di lavoro.
Dopo il rilascio di GPT-5.2 nel dicembre 2025 e i successivi aggiornamenti della famiglia GPT-5, il vero salto generazionale è arrivato il 3 settembre 2026 con la presentazione di GPT-6 Astra, indicato dall’azienda come il proprio modello più avanzato per ragionamento, programmazione, ricerca scientifica e attività professionali complesse.
Rispetto alle generazioni precedenti, GPT-6 Astra è stato progettato per affrontare attività che richiedono non soltanto una buona comprensione del linguaggio, ma anche la capacità di gestire procedimenti articolati, utilizzare strumenti esterni e mantenere coerenza durante l’esecuzione di operazioni successive.
Un elemento particolarmente interessante riguarda il miglioramento delle capacità di computer use, vale a dire la possibilità, all’interno di ambienti opportunamente predisposti, di interagire con applicazioni e interfacce informatiche.
Non si tratta semplicemente di chiedere al modello di spiegare come effettuare un’operazione, ma di consentire a un sistema applicativo basato sul modello di svolgere direttamente determinati passaggi, sempre nei limiti delle autorizzazioni e degli strumenti disponibili.
Poche settimane dopo, il 22 settembre, OpenAI ha ampliato la famiglia introducendo GPT-6 Sol e GPT-6 Luna, due varianti sviluppate per offrire differenti equilibri tra capacità computazionali, velocità e costi. Alla fine dello stesso mese è arrivato GPT-6.1 Sol, che secondo i dati pubblicati dall’azienda si avvicina alle prestazioni di Astra in diverse attività professionali e agentiche, con costi API sensibilmente inferiori.
Questa diversificazione è significativa perché risponde a un’esigenza concreta delle organizzazioni: non tutte le attività richiedono il modello più potente e, soprattutto, non tutte giustificano lo stesso investimento in risorse computazionali.
Un’ulteriore conferma è arrivata il 26 ottobre con GPT-6.1 Terra, progettato per combinare ragionamento visivo, utilizzo delle interfacce informatiche e produzione di testi, con particolare attenzione alle attività ripetitive svolte attraverso applicazioni professionali.
Nelle valutazioni interne pubblicate da OpenAI, Terra presenta miglioramenti importanti rispetto alla precedente generazione in termini di affidabilità fattuale e capacità di operare sui software, pur restando distinto dai modelli Astra e Sol destinati alle attività di ragionamento più impegnative.
ChatGPT non è più soltanto un chatbot
Parallelamente all’evoluzione dei modelli, OpenAI ha ampliato le funzionalità disponibili in ChatGPT e nei propri ambienti operativi, sviluppando strumenti capaci di collegarsi a documenti, applicazioni e servizi esterni.
Con l’introduzione di Intelligent UI, annunciata il 7 ottobre, ChatGPT può inoltre presentare alcune risposte attraverso interfacce interattive, visualizzazioni e strumenti utilizzabili direttamente nella conversazione, superando il tradizionale schema domanda-risposta testuale.
Per un avvocato, queste innovazioni rendono possibili applicazioni decisamente più articolate rispetto alla semplice predisposizione della bozza di una lettera o di un atto processuale.
Si pensi, ad esempio, alla necessità di esaminare la documentazione relativa a una controversia, ricostruire cronologicamente i fatti, confrontare le diverse versioni di un contratto e predisporre una relazione contenente le principali questioni da approfondire. Un ambiente di IA dotato dei necessari strumenti potrebbe assistere il professionista in più fasi di questo lavoro, contribuendo a ridurre il tempo dedicato alle attività materiali di organizzazione e analisi.
La disponibilità concreta di queste funzioni dipende naturalmente dal prodotto utilizzato, dal piano di accesso e dalle integrazioni abilitate. È quindi importante distinguere le capacità teoriche del modello dalle operazioni che il sistema effettivamente utilizzato è autorizzato a compiere.
La direzione intrapresa appare comunque chiara: OpenAI punta a trasformare ChatGPT da assistente conversazionale a un ambiente nel quale l’intelligenza artificiale può contribuire direttamente all’esecuzione del lavoro.
Anthropic: Claude 5.5 e l’intelligenza artificiale orientata ai documenti e alle attività complesse
Tra i principali concorrenti di OpenAI, Anthropic si è distinta soprattutto per lo sviluppo di modelli particolarmente efficaci nell’elaborazione di testi articolati, nella programmazione e nella gestione di attività che richiedono numerosi passaggi.
Alla fine del 2025 la famiglia Claude 4.5 rappresentava uno dei riferimenti più interessanti per chi utilizzava l’intelligenza artificiale nell’analisi documentale. Nel corso del 2026 l’azienda ha ulteriormente sviluppato queste capacità, passando attraverso le versioni 4.6, 4.7 e 4.8, fino alla quinta generazione.
L’evoluzione è culminata nel settembre 2026 con la presentazione della famiglia Claude 5.5, articolata in tre modelli destinati a esigenze differenti.
Il primo è Claude Opus 5.5, presentato il 22 settembre e progettato per affrontare attività particolarmente complesse, che richiedono ragionamento approfondito, analisi di grandi quantità di informazioni e capacità di gestire processi operativi articolati. Anthropic ha dichiarato miglioramenti rilevanti rispetto a Opus 5, accompagnati da una riduzione dei costi di utilizzo.
Il 28 settembre è arrivato Claude Sonnet 5.5, che rappresenta una soluzione intermedia particolarmente interessante per l’impiego quotidiano, poiché combina capacità elevate con maggiore velocità e costi più contenuti. Secondo Anthropic, Sonnet 5.5 risulta significativamente più veloce rispetto alla versione precedente ed è particolarmente adatto alla creazione e revisione di documenti professionali.
Infine, il 7 ottobre, è stato presentato Claude Haiku 5.5, il modello più rapido ed economico della famiglia, destinato soprattutto a operazioni ripetitive, classificazione di contenuti, sintesi, interrogazioni di database e gestione di attività che richiedono risposte rapide.
La strategia di Anthropic evidenzia una tendenza destinata a diventare sempre più diffusa: utilizzare modelli differenti all’interno dello stesso processo operativo, affidando le attività più semplici a sistemi efficienti e riservando quelli più avanzati ai problemi che richiedono ragionamenti articolati.
Le possibili applicazioni nell’attività legale
Le caratteristiche della famiglia Claude sono particolarmente interessanti per gli studi che gestiscono grandi quantità di documentazione, perché consentono di progettare attività di analisi nelle quali il professionista può essere assistito nella lettura, nel confronto e nell’organizzazione delle informazioni.
Si pensi alle operazioni di due diligence, all’esame di contratti complessi, alla ricostruzione delle modifiche intervenute tra versioni successive di un documento oppure alla necessità di individuare incoerenze all’interno di una raccolta di atti.
In questi contesti, la capacità di mantenere il filo logico di un’elaborazione e di utilizzare strumenti esterni può determinare un significativo miglioramento dell’efficienza.
Occorre tuttavia evitare di confondere l’efficacia nell’analisi linguistica con l’affidabilità giuridica: un modello capace di comprendere perfettamente la struttura di un contratto non è necessariamente in grado di individuare, senza ulteriori strumenti, la disciplina italiana più aggiornata o la giurisprudenza pertinente.
È una distinzione che diventa fondamentale quando l’intelligenza artificiale viene impiegata non soltanto per organizzare informazioni, ma anche per formulare valutazioni giuridiche.
Google: Gemini 4 Argon e l’integrazione dell’IA negli strumenti di lavoro
Google ha proseguito durante tutto il 2026 lo sviluppo della famiglia Gemini, rafforzando sia le capacità dei modelli sia la loro integrazione con l’ecosistema di applicazioni già utilizzate da milioni di professionisti e organizzazioni.
Dopo Gemini 3, presentato nel novembre 2025, l’azienda ha introdotto nuove versioni orientate al ragionamento, alla multimodalità e all’esecuzione di attività articolate, fino ad arrivare alla quarta generazione.
Il passaggio più importante è rappresentato da Gemini 4 Argon, annunciato alla fine di settembre e reso disponibile a livello globale il 13 ottobre 2026.
Il nuovo modello è stato progettato per gestire attività complesse che richiedono ragionamento prolungato, utilizzo di strumenti e capacità di elaborare informazioni provenienti da fonti differenti. Google ne ha evidenziato espressamente le possibili applicazioni nei settori giuridico, finanziario, scientifico e della sicurezza informatica.
Una delle caratteristiche tecniche più interessanti è la possibilità, nelle implementazioni supportate, di gestire contesti fino a un milione di token, una dimensione che rende tecnicamente possibile elaborare raccolte documentali molto estese.
È tuttavia necessario chiarire che una finestra di contesto più ampia non garantisce automaticamente una migliore comprensione dei documenti. La qualità dell’elaborazione dipende infatti anche dalla capacità del sistema di individuare le informazioni rilevanti, collegarle correttamente e mantenere coerenza nel ragionamento.
Per gli studi legali assume particolare rilievo l’integrazione con Google Workspace, che permette di sviluppare processi nei quali l’intelligenza artificiale può assistere l’utente nell’utilizzo di documenti, archivi, posta elettronica e altri strumenti dell’ambiente Google.
In prospettiva, il principale vantaggio competitivo potrebbe quindi non essere rappresentato soltanto dalla potenza di Gemini, ma dalla possibilità di inserirne le capacità direttamente negli strumenti già utilizzati per organizzare l’attività professionale.
Questa evoluzione presenta naturalmente anche implicazioni in materia di riservatezza e protezione dei dati: collegare un sistema di intelligenza artificiale agli archivi di uno studio significa attribuirgli determinate possibilità di accesso, che devono essere preventivamente valutate e configurate nel rispetto delle esigenze professionali.
Meta: da Llama ai nuovi modelli Muse, tra sistemi proprietari e open-weight
L’evoluzione di Meta merita particolare attenzione perché evidenzia un cambiamento significativo nelle strategie dei grandi produttori.
Negli anni precedenti l’azienda aveva contribuito in maniera determinante alla diffusione dei modelli a pesi aperti attraverso la famiglia Llama, permettendo a imprese, ricercatori e sviluppatori di realizzare soluzioni personalizzate senza dipendere esclusivamente da servizi proprietari accessibili tramite API.
Nel 2026 Meta ha affiancato a questa tradizione una nuova famiglia di modelli denominata Muse, orientata principalmente allo sviluppo di assistenti e sistemi agentici.
Dopo le prime versioni Muse Spark, presentate e aggiornate nel corso dell’anno, il 12 ottobre sono arrivati Muse Wonder e Muse Wonder Full, indicati dall’azienda come i modelli più avanzati sviluppati fino a quel momento.
La loro caratteristica distintiva non riguarda soltanto il ragionamento, ma soprattutto la capacità di gestire attività nel tempo, mantenendo informazioni rilevanti e proseguendo l’elaborazione anche quando un obiettivo richiede numerosi passaggi.
Meta ha introdotto a questo proposito i concetti di Active Memory e Active Focus, con i quali descrive funzionalità destinate a recuperare informazioni pertinenti da precedenti interazioni e a mantenere l’attenzione sugli obiettivi assegnati, verificando i risultati intermedi.
L’azienda ha richiamato espressamente possibili applicazioni anche nei settori giuridico e finanziario, come la comprensione di contratti, l’analisi di documenti e la gestione di attività professionali articolate.
Muse Spark Open e la nuova generazione dei modelli aperti
Pochi giorni dopo, il 15 ottobre, Meta ha presentato Muse Spark Open, rendendo disponibili i pesi di un modello multimodale caratterizzato da circa 816 miliardi di parametri complessivi, dei quali 42 miliardi attivi, e da una finestra di contesto di un milione di token.
La disponibilità dei pesi consente a sviluppatori e organizzazioni di utilizzare il modello su infrastrutture proprie o attraverso fornitori specializzati, con possibilità di personalizzazione e adattamento a specifiche attività.
Non bisogna tuttavia immaginare che un modello di queste dimensioni possa essere installato facilmente su un normale computer da ufficio: Meta ha descritto configurazioni particolarmente avanzate, tra cui l’utilizzo congiunto di due Mac Studio dotati di processore M5 Ultra.
È inoltre necessario distinguere la disponibilità dei pesi dalla piena apertura del sistema, poiché Muse Spark Open viene distribuito attraverso una licenza specifica che contempla condizioni e limitazioni commerciali.
L’importanza del rilascio rimane comunque considerevole, perché dimostra come anche nel mercato statunitense continui a esistere un forte interesse verso modelli che possano essere utilizzati senza dipendere necessariamente dall’infrastruttura del produttore.
Per il mondo legale questa possibilità può assumere un valore particolare, soprattutto quando l’obiettivo è sviluppare sistemi personalizzati mantenendo un maggiore controllo sui documenti trattati e sull’ambiente nel quale vengono elaborate le informazioni.
xAI: Grok 4.7 e la competizione nelle attività professionali
Anche xAI ha continuato a sviluppare la famiglia Grok, arrivando il 21 settembre 2026 alla presentazione di Grok 4.7, un modello che punta soprattutto al miglioramento delle capacità di ragionamento, programmazione e gestione di attività professionali complesse.
Rispetto alla generazione precedente, Grok 4.7 è stato progettato per affrontare lavori di maggiore durata, utilizzare strumenti esterni e verificare con più attenzione alcuni risultati intermedi.
L’evoluzione si inserisce nella più ampia strategia di xAI, orientata allo sviluppo di ambienti nei quali i modelli possano operare attraverso applicazioni e strumenti informatici, anziché limitarsi alla generazione di risposte testuali.
Per gli avvocati, Grok rappresenta quindi un’ulteriore alternativa nel mercato dei modelli generalisti avanzati, con possibili applicazioni nell’analisi di documenti, nella redazione e nell’organizzazione delle informazioni.
Tuttavia, anche in questo caso, la qualità del modello deve essere distinta dall’attendibilità delle fonti giuridiche utilizzate, soprattutto quando l’analisi riguarda normativa e giurisprudenza italiane.
La disponibilità di un sistema particolarmente efficace nel ragionamento generale non costituisce, da sola, una garanzia di correttezza delle risposte giuridiche.
La grande avanzata dei modelli cinesi: DeepSeek non è più un caso isolato
Se nel 2025 l’attenzione internazionale si era concentrata soprattutto su DeepSeek, che aveva dimostrato come fosse possibile sviluppare modelli competitivi con costi e strategie differenti rispetto ai grandi operatori americani, durante il 2026 il mercato cinese si è notevolmente ampliato.
Oggi non esiste più un unico protagonista, ma un ecosistema articolato nel quale aziende come Alibaba, Moonshot AI, Z.ai e MiniMax competono direttamente nello sviluppo di modelli avanzati.
La caratteristica più interessante di questa evoluzione è che la competizione non riguarda più soltanto il prezzo. Alcuni modelli cinesi hanno raggiunto prestazioni elevate in specifiche attività di ragionamento, programmazione e utilizzo di strumenti, riducendo il divario tecnologico rispetto ai sistemi proprietari occidentali.
Parallelamente, numerosi produttori continuano a investire sulla distribuzione di modelli open-weight, favorendo lo sviluppo di un mercato nel quale le imprese possono scegliere se utilizzare servizi online oppure installare e personalizzare i sistemi su infrastrutture autonome.
DeepSeek: dalla rivoluzione del 2025 alla famiglia V4
DeepSeek rimane uno dei riferimenti più importanti di questa trasformazione.
Dopo il successo internazionale delle prime generazioni, l’azienda ha proseguito lo sviluppo dei propri modelli, arrivando alla famiglia V4 e introducendo nel corso del 2026 ulteriori miglioramenti nelle capacità di ragionamento, programmazione e automazione.
Il 17 ottobre è stata pubblicata la versione aggiornata DeepSeek V4.1 Flash, identificata anche come V4.1-Flash-1017, che presenta miglioramenti rispetto alla variante precedente in diversi benchmark e presta particolare attenzione all’efficienza computazionale.
Il modello viene distribuito con licenza MIT, una scelta particolarmente significativa perché consente ampie possibilità di utilizzo, modifica e integrazione in applicazioni personalizzate.
La strategia di DeepSeek dimostra come un modello aperto possa rappresentare un’alternativa concreta ai servizi proprietari, soprattutto per le organizzazioni che dispongono delle competenze necessarie a gestirne l’esecuzione e l’integrazione.
Naturalmente, la disponibilità dei pesi non elimina le esigenze di sicurezza, aggiornamento e controllo delle informazioni: un modello installato su infrastrutture autonome può offrire maggiore controllo tecnico, ma non diventa automaticamente più affidabile sotto il profilo dei contenuti generati.
Alibaba e Qwen: modelli di dimensioni differenti per esigenze differenti
Un ruolo di primo piano è svolto anche da Alibaba, che attraverso la famiglia Qwen ha sviluppato una gamma particolarmente articolata di modelli linguistici.
Nel corso del 2026 la famiglia è arrivata alla generazione Qwen 3.8, con sistemi progettati per attività professionali, programmazione, ricerca e processi agentici.
La strategia di Alibaba comprende sia modelli di grandi dimensioni, destinati a competere con i sistemi più avanzati, sia versioni più compatte e adattabili, che possono essere impiegate in applicazioni specialistiche.
Questo approccio risulta particolarmente interessante perché consente di scegliere il modello in funzione dell’attività da svolgere, evitando di utilizzare necessariamente un sistema di dimensioni elevate per operazioni relativamente semplici.
Nel settore legale, ad esempio, attività come la classificazione dei documenti, l’estrazione di informazioni da atti o la predisposizione di riepiloghi strutturati possono essere affidate a modelli più efficienti, purché opportunamente verificati e integrati con strumenti adeguati.
Il vantaggio non deriva soltanto dalla riduzione dei costi, ma anche dalla possibilità di costruire applicazioni specialistiche nelle quali il modello svolge un compito ben definito, anziché essere utilizzato indistintamente per qualsiasi operazione.
Moonshot AI: Kimi K3 e K3.1 Pro tra i modelli più competitivi
Tra le novità più importanti del 2026 figurano quelle sviluppate da Moonshot AI, l’azienda cinese responsabile della famiglia Kimi.
Dopo Kimi K2.5, presentato a gennaio, e K2.6, introdotto in primavera, nel luglio 2026 è arrivato Kimi K3, un modello di grandi dimensioni progettato per attività complesse, ragionamento e utilizzo di strumenti.
Il 23 ottobre Moonshot AI ha successivamente annunciato Kimi K3.1 Pro, presentato come un’evoluzione particolarmente significativa delle capacità della famiglia Kimi.
Il nuovo modello supporta una finestra di contesto di un milione di token e introduce miglioramenti nella programmazione, nella ricerca finanziaria e nella gestione di processi agentici articolati.
I risultati ottenuti in alcuni benchmark sono particolarmente interessanti: Kimi K3.1 Pro si colloca tra i modelli competitivi nelle attività di automazione e utilizzo degli strumenti, arrivando in alcune prove a raggiungere o superare sistemi proprietari americani.
Questo non significa che Kimi sia superiore in ogni ambito, ma dimostra come la distanza tecnologica tra i principali laboratori statunitensi e quelli cinesi non possa più essere considerata insuperabile.
Al 28 ottobre il modello è già utilizzabile attraverso le applicazioni e le API Kimi, mentre il rilascio dei pesi completi è stato annunciato per il 4 novembre 2026. È una distinzione importante, perché un modello accessibile attraverso un servizio online non è necessariamente già disponibile per l’installazione autonoma.
Z.ai e MiniMax: altri protagonisti della competizione globale
Accanto a DeepSeek, Alibaba e Moonshot AI, meritano attenzione anche Z.ai, precedentemente nota come Zhipu AI, e MiniMax, due operatori che hanno contribuito ad ampliare ulteriormente l’offerta cinese.
Z.ai ha sviluppato la famiglia GLM, arrivata nell’agosto 2026 alla versione GLM-5.3, caratterizzata da miglioramenti nelle attività di programmazione e nei processi che richiedono numerose operazioni successive.
Particolarmente interessante è l’attenzione dedicata al miglioramento delle prestazioni attraverso le fasi successive all’addestramento iniziale, dimostrando come l’evoluzione di un modello non dipenda esclusivamente dall’aumento delle sue dimensioni.
MiniMax ha invece sviluppato la famiglia M3, arrivando il 19 ottobre a MiniMax M3.1 Flash, un modello progettato per coniugare capacità agentiche, velocità ed efficienza economica.
Secondo i dati pubblicati dall’azienda, la nuova versione consente miglioramenti nelle prestazioni e una significativa riduzione dei costi rispetto alle soluzioni precedenti.
Nel complesso, questi sviluppi mostrano come la Cina sia ormai diventata uno dei principali poli mondiali dell’intelligenza artificiale generativa, non soltanto per capacità produttiva, ma anche per ricerca, innovazione e diffusione dei modelli aperti.
Europa: Mistral Large 4 e la sfida della sovranità tecnologica
Mentre Stati Uniti e Cina continuano a competere attraverso un numero crescente di aziende, il panorama europeo appare ancora caratterizzato da una minore presenza di produttori capaci di sviluppare modelli di frontiera.
In questo contesto, la realtà commercialmente e tecnologicamente più rilevante rimane la francese Mistral AI, che ha proseguito durante il 2026 lo sviluppo della propria famiglia di modelli linguistici.
Dopo Mistral Large 3, presentato nel dicembre 2025, il 6 ottobre 2026 è arrivato Mistral Large 4, disponibile inizialmente attraverso una versione di anteprima pubblica.
Si tratta di un modello multimodale basato su un’architettura Mixture of Experts, caratterizzata da circa mille miliardi di parametri complessivi, dei quali 52 miliardi attivi durante l’elaborazione.
Questa architettura consente di utilizzare soltanto una parte delle componenti del modello per ciascuna operazione, migliorando l’efficienza rispetto a sistemi che attivano indistintamente tutti i parametri.
Mistral Large 4 supporta inoltre contesti particolarmente estesi e presenta capacità multilingue che possono assumere rilevanza nelle applicazioni professionali europee.
Secondo quanto dichiarato dall’azienda, il modello è stato sviluppato e addestrato su infrastrutture europee, una caratteristica che si inserisce nella strategia di Mistral orientata alla sovranità tecnologica e alla riduzione della dipendenza dai grandi operatori extraeuropei.
Al 28 ottobre il modello risulta accessibile tramite API in anteprima, mentre la pubblicazione dei pesi completi è stata annunciata per la fine del mese.
Il divario con i modelli americani e cinesi
Mistral Large 4 rappresenta indubbiamente un progresso importante per l’ecosistema europeo, ma sarebbe eccessivo affermare che abbia completamente raggiunto i modelli più avanzati sviluppati negli Stati Uniti o in Cina.
Le valutazioni indipendenti disponibili evidenziano ancora un divario nelle prestazioni generali rispetto ai sistemi proprietari di vertice, anche se Mistral presenta risultati competitivi in alcune attività e conserva un posizionamento interessante nel mercato dei modelli aperti.
Occorre tuttavia considerare che la scelta di un sistema di intelligenza artificiale non dipende esclusivamente dai punteggi ottenuti nei benchmark.
Per un’organizzazione europea, la possibilità di utilizzare infrastrutture collocate nell’Unione, definire condizioni contrattuali adeguate, controllare i trasferimenti di dati e personalizzare un modello può assumere un’importanza pari, e in determinate circostanze superiore, rispetto alla sua capacità di ottenere il punteggio più elevato in una classifica.
Mistral rappresenta quindi una risorsa strategica per lo sviluppo di un ecosistema europeo dell’intelligenza artificiale, anche se il continente deve ancora affrontare la sfida di ridurre la distanza tecnologica e industriale rispetto ai principali operatori globali.
Non mancano, inoltre, iniziative europee e svizzere rivolte allo sviluppo di modelli aperti, al multilinguismo e alla ricerca pubblica, ma attualmente il loro ruolo deve essere distinto da quello dei grandi sistemi commerciali di frontiera.
Quali sono i modelli più avanzati a ottobre 2026?
La rapida successione dei rilasci rende sempre meno significativa la ricerca di un unico modello da considerare il migliore in assoluto.
Una valutazione più attendibile richiede il confronto tra prove differenti, capaci di misurare ragionamento, comprensione documentale, programmazione, utilizzo degli strumenti e capacità di completare attività articolate.
Tra le principali fonti indipendenti figura Artificial Analysis, che pubblica valutazioni comparative dei modelli considerando non soltanto le prestazioni, ma anche costi, velocità e caratteristiche tecniche.
Il 27 ottobre 2026 è stata pubblicata la quinta versione dell’Artificial Analysis Intelligence Index, che introduce una nuova metodologia di valutazione e considera nove differenti prove.
I risultati confermano la presenza ai vertici dei principali modelli di Anthropic, OpenAI e Google, ma evidenziano anche la competitività raggiunta da alcuni sistemi cinesi.
In particolare, Claude Opus 5.5 ottiene risultati di riferimento in diverse prove di ragionamento e programmazione, GPT-6 Astra si distingue in alcune attività scientifiche e tecniche, Gemini 4 Argon registra prestazioni elevate nell’automazione, mentre Kimi K3.1 Pro raggiunge risultati particolarmente significativi nei test di utilizzo degli strumenti informatici.
Il quadro generale mostra tuttavia che i modelli proprietari più avanzati conservano ancora un vantaggio nelle valutazioni aggregate. Secondo il nuovo indice, Claude Opus 5.5 raggiunge un punteggio di 58, mentre Kimi K3.1 Pro si colloca a 46: un risultato importante per il modello cinese, ma che non consente di considerare completamente annullato il divario.
Tra i modelli con pesi già pubblicati, DeepSeek V4.1 Flash e GLM-5.3 risultano particolarmente competitivi, pur collocandosi generalmente al di sotto dei sistemi proprietari di vertice.
Un altro dato interessante riguarda il costo delle elaborazioni. Modelli meno costosi, come GPT-6.1 Sol, possono avvicinarsi alle prestazioni di sistemi di fascia superiore in alcune attività, consentendo di sviluppare applicazioni economicamente più sostenibili.
La valutazione deve tuttavia tenere conto anche della configurazione utilizzata, perché le prestazioni cambiano sensibilmente in funzione del livello di ragionamento richiesto e delle risorse computazionali impiegate.
I limiti dei benchmark per la professione forense
Per gli avvocati è necessario introdurre un’ulteriore considerazione.
I benchmark generali misurano la capacità dei modelli di risolvere specifiche categorie di problemi, ma non dimostrano automaticamente la loro affidabilità nella ricerca normativa e giurisprudenziale italiana.
Un modello particolarmente efficace nella programmazione o nel ragionamento matematico potrebbe non conoscere una recente modifica legislativa, non individuare correttamente una sentenza oppure confondere orientamenti giurisprudenziali differenti.
Di conseguenza, la posizione occupata da un modello in una classifica internazionale dovrebbe rappresentare soltanto uno degli elementi di valutazione, da affiancare alla qualità delle fonti disponibili, alla verificabilità delle risposte e all’idoneità del sistema rispetto alle concrete esigenze dello studio.
I grandi trend del 2026: dall’intelligenza artificiale che risponde a quella che lavora
Al di là della competizione tra produttori, l’analisi dei modelli presentati nel 2026 permette di individuare alcune tendenze tecnologiche comuni, che stanno progressivamente modificando il modo di concepire l’utilizzo dell’intelligenza artificiale.
L’affermazione dei sistemi agentici
La prima, e probabilmente più importante, riguarda il passaggio dai tradizionali chatbot ai sistemi agentici.
Fino a poco tempo fa, l’interazione più comune consisteva nel formulare una domanda e attendere una risposta, oppure nel fornire un documento chiedendone la sintesi o l’analisi.
Oggi i modelli più avanzati possono essere inseriti in ambienti nei quali sono in grado di pianificare una successione di operazioni, utilizzare strumenti esterni, consultare documenti, verificare risultati intermedi e proseguire l’attività fino al raggiungimento dell’obiettivo.
La differenza è sostanziale perché il sistema non si limita più a produrre un contenuto, ma può contribuire allo svolgimento di un processo di lavoro.
Per uno studio legale, ad esempio, ciò potrebbe significare affidare a un ambiente opportunamente configurato il compito di analizzare una raccolta documentale, individuare i riferimenti a determinati fatti, predisporre una cronologia e organizzare i risultati in una relazione, mantenendo il controllo del professionista sulle attività e sulle conclusioni.
Naturalmente, maggiore autonomia operativa significa anche maggiore necessità di controllo, soprattutto quando il sistema può interagire con informazioni riservate oppure compiere operazioni che producono effetti verso l’esterno.
La crescita delle finestre di contesto
Un secondo cambiamento riguarda le dimensioni delle informazioni che i modelli possono elaborare.
Molti sistemi avanzati supportano ormai finestre di contesto nell’ordine di centinaia di migliaia o di un milione di token, rendendo possibile sottoporre all’intelligenza artificiale raccolte di documenti molto più ampie rispetto al passato.
Questa caratteristica è particolarmente interessante per le professioni giuridiche, nelle quali il lavoro riguarda frequentemente fascicoli complessi, documentazione contrattuale, atti processuali e corrispondenza.
Non bisogna però confondere la quantità di informazioni che il modello può ricevere con la capacità di utilizzarle correttamente: anche in presenza di contesti molto estesi, il sistema può omettere elementi rilevanti o attribuire eccessiva importanza a informazioni secondarie.
Per questo motivo continuano a essere importanti le tecniche di organizzazione, indicizzazione e recupero delle informazioni.
La multimodalità e l’utilizzo del computer
Un’altra tendenza riguarda la progressiva integrazione di testo, immagini, audio e altri contenuti all’interno degli stessi modelli.
La capacità di analizzare documenti digitalizzati, immagini e registrazioni amplia le possibili applicazioni professionali, mentre l’evoluzione del computer use consente ai sistemi di interagire direttamente con le interfacce dei software.
In ambito legale queste funzionalità possono offrire un supporto nell’analisi di materiali documentali eterogenei, ma non modificano le regole giuridiche relative alla formazione, acquisizione e valutazione della prova digitale.
La capacità di un sistema di riconoscere il contenuto di un’immagine o trascrivere una registrazione non costituisce, di per sé, una garanzia di autenticità, integrità o attendibilità del materiale analizzato.
L’importanza crescente dei modelli open-weight
Il quarto elemento riguarda la diffusione dei modelli a pesi aperti, sostenuta soprattutto dai produttori cinesi ma presente anche nelle strategie di Meta e Mistral.
La disponibilità dei pesi permette a sviluppatori e organizzazioni di installare, adattare e utilizzare determinati modelli senza dover necessariamente inviare tutte le richieste a un servizio gestito dal produttore.
Questo può favorire la personalizzazione delle applicazioni e una maggiore autonomia tecnologica, ma richiede competenze informatiche, infrastrutture adeguate e una gestione attenta della sicurezza.
È inoltre essenziale distinguere i modelli open-weight dai sistemi pienamente open source, perché la pubblicazione dei parametri addestrati non comporta necessariamente la disponibilità dei dati e delle procedure utilizzate durante l’addestramento, né l’assenza di limitazioni nella licenza.
La specializzazione e la riduzione dei costi
Infine, il 2026 conferma una tendenza verso la diversificazione dei modelli in funzione delle attività da svolgere.
Non è più necessario utilizzare il sistema più potente per ogni operazione. Modelli compatti e varianti ottimizzate possono essere impiegati per compiti ripetitivi, mentre i sistemi di ragionamento avanzato possono essere riservati alle elaborazioni più complesse.
In prospettiva, questa impostazione potrebbe favorire lo sviluppo di piattaforme professionali che utilizzano diversi modelli senza richiedere all’utente di scegliere continuamente quale impiegare.
Il valore dell’applicazione risiederà quindi sempre meno nella disponibilità di un singolo modello e sempre più nella capacità di selezionare automaticamente gli strumenti adeguati, integrarli con le informazioni necessarie e produrre risultati verificabili.
L’impatto sull’attività degli avvocati e l’importanza della formazione
L’evoluzione tecnologica descritta apre prospettive importanti per la professione forense, ma richiede anche una revisione del modo in cui gli strumenti vengono valutati e utilizzati.
L’intelligenza artificiale può certamente contribuire a migliorare l’efficienza nella gestione dei documenti, nella predisposizione di bozze, nell’organizzazione dei fascicoli e nell’analisi delle informazioni, ma la sua introduzione nell’attività professionale non può essere considerata una semplice scelta tecnologica.
Occorre infatti valutare le condizioni di trattamento dei dati, la riservatezza delle informazioni dei clienti, la sicurezza degli accessi e l’affidabilità delle risposte, soprattutto quando i sistemi vengono collegati a documenti e applicazioni dello studio.
Queste esigenze assumono particolare rilevanza nel quadro normativo europeo e nazionale.
Il Regolamento (UE) 2024/1689, cosiddetto AI Act, nella versione vigente, disciplina l’intelligenza artificiale attraverso un sistema di obblighi differenziati, mentre l’art. 4, come modificato nel luglio 2026, richiede ai fornitori e agli utilizzatori professionali di adottare misure volte a sostenere lo sviluppo di adeguate competenze in materia di IA.
Sul piano nazionale, la Legge 23 settembre 2025, n. 132, all’art. 13, disciplina l’utilizzo dell’intelligenza artificiale nelle professioni intellettuali, prevedendo che i sistemi siano impiegati per attività strumentali e di supporto, con prevalenza del lavoro intellettuale del professionista, e stabilendo specifici obblighi informativi nei confronti del cliente.
Il quadro è stato ulteriormente integrato dal Decreto legislativo 7 ottobre 2026, n. 179, entrato in vigore il 23 ottobre 2026, che interviene sull’adeguamento della normativa nazionale all’AI Act, con particolare attenzione alle autorità competenti e ai percorsi di formazione e alfabetizzazione.
La crescente disponibilità di sistemi agentici rende queste considerazioni ancora più importanti, perché un conto è utilizzare un modello per ottenere una sintesi documentale, altro è consentirgli di accedere a una casella di posta elettronica, consultare archivi professionali o eseguire operazioni attraverso applicazioni.
L’introduzione dell’intelligenza artificiale nello studio richiede pertanto un approccio organizzativo nel quale siano definiti ruoli, autorizzazioni, procedure di controllo e modalità di verifica dei risultati.
La formazione diventa così un elemento essenziale, non soltanto per imparare a formulare richieste più efficaci, ma soprattutto per comprendere il funzionamento dei sistemi, riconoscerne i limiti e individuare le attività nelle quali il loro utilizzo può realmente offrire un valore aggiunto.
Per gli avvocati il futuro è nelle piattaforme di intelligenza artificiale verticali
L’evoluzione dei modelli di intelligenza artificiale generativa nel corso del 2026 dimostra che oggi disponiamo di strumenti sempre più potenti, capaci di ragionare, analizzare documenti complessi e svolgere attività articolate con livelli di autonomia impensabili soltanto pochi anni fa.
Tuttavia, per gli avvocati il modello più avanzato non è necessariamente quello più affidabile, soprattutto quando l’obiettivo è effettuare ricerche giuridiche, individuare precedenti giurisprudenziali o ricostruire correttamente il quadro normativo applicabile a una controversia.
Nonostante i significativi miglioramenti introdotti dalle nuove generazioni, uno dei principali limiti dei sistemi generalisti rimane infatti il fenomeno delle cosiddette allucinazioni, cioè la produzione di risposte apparentemente corrette e convincenti che possono contenere riferimenti normativi inesatti, sentenze inesistenti, citazioni non pertinenti o interpretazioni giuridiche prive di adeguato fondamento.
Si tratta di una criticità particolarmente delicata nel mondo legale, perché l’autorevolezza apparente del linguaggio utilizzato dal modello può indurre a considerare attendibile un’informazione che, a un controllo successivo, risulta completamente errata.
È proprio per affrontare questo problema che stanno assumendo un ruolo sempre più importante le piattaforme di intelligenza artificiale verticali, sviluppate specificamente per il settore giuridico, nelle quali le capacità dei modelli linguistici vengono integrate con banche dati normative, giurisprudenziali e dottrinali autorevoli, selezionate e costantemente aggiornate.
Uno degli approcci tecnologici più interessanti è rappresentato dalla Retrieval-Augmented Generation (RAG), che consente al sistema di recuperare informazioni da fonti esterne pertinenti prima di elaborare la risposta.
La differenza rispetto all’utilizzo di un modello generalista privo di strumenti di ricerca è sostanziale: anziché affidarsi esclusivamente alle informazioni acquisite durante l’addestramento, il sistema può individuare e consultare documenti giuridici, compresi testi normativi provenienti da fonti ufficiali e pronunce giurisprudenziali presenti in banche dati affidabili, utilizzandoli come riferimento per costruire una risposta documentata.
Quando questa architettura viene accompagnata da sistemi di controllo delle citazioni e da procedure di verifica della corrispondenza tra le affermazioni generate e le fonti richiamate, il rischio di allucinazioni può essere ridotto in maniera significativa, offrendo al professionista la possibilità di verificare direttamente i riferimenti sui quali si fonda l’elaborazione.
Naturalmente, neppure il RAG garantisce l’eliminazione assoluta degli errori, poiché il sistema potrebbe recuperare documenti non pertinenti, interpretarli in modo inesatto oppure non considerare informazioni rilevanti. Rimangono quindi indispensabili la qualità delle banche dati, il loro aggiornamento e il controllo finale dell’avvocato.
Un esempio di questo approccio è rappresentato da OpenLeges, piattaforma di intelligenza artificiale specializzata nel settore giuridico che integra i modelli generativi con milioni di documenti normativi, giurisprudenziali e dottrinali, consentendo agli avvocati di effettuare ricerche, analizzare documenti e predisporre elaborati attraverso un ambiente nel quale le fonti possono essere consultate e verificate.
L’evoluzione verso sistemi agentici, capaci di collegarsi ad archivi documentali e strumenti professionali, amplia ulteriormente le possibilità di queste piattaforme, che possono progressivamente trasformarsi da semplici strumenti di ricerca a veri ambienti di supporto all’attività dello studio.
Il futuro dell’intelligenza artificiale applicata al diritto, quindi, non dipenderà esclusivamente dalla disponibilità di modelli sempre più potenti, ma soprattutto dalla capacità di mettere la loro intelligenza al servizio di fonti giuridiche ufficiali, autorevoli, aggiornate e verificabili, integrandole in processi di lavoro nei quali rimangano centrali la competenza, la responsabilità e il controllo del professionista.
Webinar gratuito del 9 novembre: legal prompting e utilizzo strategico di OpenLeges
Per approfondire questi temi e comprendere concretamente come utilizzare l’intelligenza artificiale nell’attività forense in modo efficace, consapevole e soprattutto affidabile, MAAT LegalPaperless organizza il webinar gratuito “Avvocati e AI: competenze base di legal prompting e uso strategico di OpenLeges”, in programma il 9 novembre 2026, dalle ore 14:30 alle 16:30, con il riconoscimento di 2 crediti formativi.
Durante l’incontro saranno approfondite le tecniche fondamentali di legal prompting, i rischi derivanti da un utilizzo non consapevole dei modelli generalisti e le modalità con cui le piattaforme giuridiche verticali possono ridurre significativamente le allucinazioni grazie all’integrazione con banche dati normative e giurisprudenziali verificabili.
Attraverso l’analisi delle caratteristiche e delle funzionalità di OpenLeges, il webinar offrirà inoltre indicazioni pratiche per comprendere come l’intelligenza artificiale possa diventare uno strumento concreto di supporto alla ricerca giuridica, all’analisi documentale e all’organizzazione dell’attività professionale.
Un’occasione di formazione rivolta agli avvocati che desiderano andare oltre il semplice utilizzo dei chatbot e acquisire le competenze necessarie per integrare l’intelligenza artificiale nel proprio lavoro con maggiore sicurezza, consapevolezza e rigore professionale.
