Anthropic potrebbe raggiungere tra luglio e agosto 2027 una fase di auto-miglioramento ricorsivo completo dei propri sistemi di intelligenza artificiale, nella quale i modelli sarebbero in grado di condurre autonomamente le principali attività di ricerca e sviluppo necessarie alla progettazione delle generazioni successive. La previsione è stata formulata da Rayan Krishnan, cofondatore e amministratore delegato di Vals AI, società specializzata nella valutazione indipendente dei modelli avanzati, durante una puntata del podcast American Optimist di Joe Lonsdale pubblicata il 27 ottobre 2026. La stima deriva dall’analisi dell’evoluzione delle capacità di ricerca automatizzata osservata nei modelli Anthropic nell’ultimo anno, attraverso attività sperimentali che richiedono di sviluppare, modificare e verificare concretamente sistemi di apprendimento automatico. Secondo Krishnan, il ritmo di miglioramento registrato nel periodo è rimasto relativamente costante, seguendo una traiettoria prossima a quella lineare. La previsione non riguarda pertanto un’accelerazione improvvisa già osservata, ma l’estrapolazione delle prestazioni misurate nelle valutazioni attuali verso un livello di autonomia sufficientemente elevato da consentire ai modelli di sostituire una parte sostanziale delle attività di ricerca oggi affidate agli specialisti umani.
Il concetto di Recursive Self-Improvement, abbreviato RSI, descrive un processo nel quale un sistema di intelligenza artificiale contribuisce direttamente alla progettazione e al miglioramento di altri sistemi AI, producendo modelli successivi che possono a loro volta partecipare allo sviluppo di ulteriori generazioni. La differenza rispetto all’attuale utilizzo degli assistenti AI nelle attività di programmazione e ricerca è rappresentata dal grado di autonomia lungo l’intero ciclo di sviluppo. I modelli disponibili sono già impiegati per scrivere codice, proporre modifiche alle architetture, analizzare risultati sperimentali e automatizzare parti delle procedure di addestramento, ma le decisioni principali rimangono generalmente sotto il controllo dei ricercatori. Un sistema capace di RSI completo dovrebbe invece essere in grado di formulare ipotesi di miglioramento, realizzare gli esperimenti, valutarne gli esiti e utilizzare i risultati per costruire modelli successori più avanzati, limitando sensibilmente la necessità di interventi umani nelle attività fondamentali di ricerca e sviluppo. L’autonomia così ottenuta potrebbe permettere di ripetere il processo attraverso generazioni successive, ma non garantisce automaticamente che ciascuna iterazione produca progressi superiori alla precedente.
Krishnan ha precisato che il raggiungimento dell’RSI completo non determinerebbe necessariamente una crescita immediatamente esplosiva delle capacità dei modelli. Lo sviluppo dei sistemi avanzati rimarrebbe infatti condizionato dalla disponibilità di acceleratori computazionali, dall’energia necessaria per eseguire gli addestramenti e dai tempi richiesti per verificare sperimentalmente le modifiche introdotte. La produzione di un’ipotesi algoritmica, anche quando avviene rapidamente, non equivale alla dimostrazione che una nuova architettura possa essere addestrata con successo, distribuita e utilizzata in un ambiente operativo reale. Rimangono inoltre necessari controlli sulla riproducibilità degli esperimenti, sull’affidabilità delle misurazioni e sulle eventuali conseguenze delle modifiche. Secondo la previsione del responsabile di Vals AI, una maggiore autonomia dei sistemi nella ricerca potrebbe comunque accelerare la frequenza con la quale vengono progettate e valutate nuove generazioni di modelli. Tale processo potrebbe rendere progressivamente più difficile per i ricercatori umani comprendere nel dettaglio tutte le decisioni tecniche adottate dai sistemi AI durante lo sviluppo.
La base quantitativa della previsione è costituita dal Vals RSI Index, una valutazione pubblicata il 15 ottobre 2026 per misurare la capacità dei modelli di svolgere effettive attività di ricerca sull’intelligenza artificiale. Vals AI, che sviluppa anche il Vals Index per la misurazione delle prestazioni professionali e il Vals Science Index per le capacità scientifiche, ha costruito il benchmark RSI utilizzando quattro categorie operative: compressione dei dati, addestramento di modelli linguistici, ingegnerizzazione degli ambienti di valutazione e post-training. I modelli partecipanti non devono semplicemente rispondere a domande teoriche o individuare la soluzione corretta tra alternative predefinite, ma sviluppare procedure funzionanti, eseguire esperimenti e produrre risultati misurabili entro limiti di tempo, risorse computazionali e budget. Le prestazioni vengono confrontate con riferimenti ottenuti da ricerche pubblicate, risultati umani e altri sistemi AI avanzati. L’indice complessivo rappresenta la media dei quattro punteggi normalizzati, ciascuno riferito a un’attività differente del ciclo di ricerca.
Nella classifica pubblicata il 15 ottobre, Claude Opus 5.5 di Anthropic ha raggiunto il primo posto con un indice complessivo di 0,373, equivalente a circa il 37,3% della scala normalizzata. Al secondo posto si è classificato Claude Fable 5.1 con 0,361, seguito da Claude Opus 5 con 0,330. Il modello Gemini 4 Argon di Google ha ottenuto circa 0,306, mentre GPT-6 Sol di OpenAI ha registrato un punteggio vicino a 0,281. I primi tre posti risultano quindi occupati da modelli Anthropic, sebbene le prestazioni varino sensibilmente nelle singole categorie. I risultati non indicano che Claude abbia già automatizzato il 37,3% dell’intero lavoro necessario a sviluppare un modello di nuova generazione: il valore costituisce un punteggio aggregato del benchmark, costruito mediante la normalizzazione delle prestazioni rispetto ai riferimenti selezionati. La graduatoria misura quindi l’efficacia nelle attività sperimentali previste dalla valutazione e non una percentuale direttamente trasferibile al grado complessivo di autonomia della ricerca industriale.
Le prestazioni di Claude Opus 5.5 sono risultate particolarmente elevate nell’addestramento dei modelli linguistici, categoria nella quale ha ottenuto 0,53, superando il riferimento di 0,50 utilizzato nella scala normalizzata. La prova richiedeva di sviluppare e addestrare un modello linguistico entro condizioni sperimentali controllate, con l’obiettivo di migliorare la capacità di previsione del testo misurata attraverso i bit per byte. Claude Opus 5.5 ha raggiunto un risultato di circa 0,8308 bit per byte, superando il riferimento selezionato di 0,85. Claude Fable 5.1 ha ottenuto circa 0,8536, mentre GPT-6 Astra si è collocato a 0,8607. La riduzione del valore bit per byte indica una migliore efficienza nella modellazione statistica del testo all’interno dello specifico protocollo sperimentale. I risultati sono stati ottenuti in condizioni controllate sul dataset enwik9 e non costituiscono una riproduzione perfettamente equivalente di tutti gli esperimenti delle ricerche utilizzate come riferimento. Gli agenti più efficaci hanno sviluppato modelli con circa 85 milioni di parametri, adottando componenti architetturali quali Rotary Positional Embeddings, RMSNorm, normalizzazione delle query e delle key e differenti varianti delle funzioni di attivazione nei livelli feed-forward.
La categoria della compressione ha prodotto per Claude Opus 5.5 un punteggio di circa 0,46, mentre il post-training ha raggiunto 0,35. Quest’ultima prova richiedeva di migliorare un modello già esistente destinato ad attività di analisi finanziaria attraverso modifiche alla procedura di addestramento o all’ambiente di utilizzo. Claude Opus 5.5 ha conseguito una prestazione del 44,53%, rispetto al 35,38% del modello iniziale, risultando il migliore nella categoria. Durante gli esperimenti, altri modelli hanno adottato strategie differenti: Claude Fable 5.1, per esempio, ha sviluppato due adattamenti tramite LoRA, ma ha successivamente scartato entrambi quando i controlli non hanno evidenziato miglioramenti sufficienti, preferendo mantenere i pesi originali e intervenire sulle istruzioni specifiche per il dominio finanziario. Questa differenza mostra che la ricerca automatizzata non coincide necessariamente con la modifica dei parametri di una rete neurale, ma può comprendere anche la progettazione di procedure di inferenza, la selezione delle strategie di verifica e la scelta di non applicare un cambiamento quando gli esperimenti non ne dimostrano l’utilità.
Il risultato più debole di Claude Opus 5.5 è stato registrato nell’harness engineering, con un punteggio di circa 0,15. In questa categoria, i modelli dovevano migliorare l’infrastruttura software utilizzata per valutare un sistema AI, lavorando su un’applicazione web, sul relativo codice sorgente e su procedure di giudizio automatizzato. Il compito richiedeva di individuare le condizioni nelle quali un modello valutatore commetteva errori e di progettare un ambiente capace di raccogliere evidenze più affidabili. Claude Opus 5.5 ha ottenuto un accordo del 73,98% con il riferimento umano, mentre GPT-6 Sol ha raggiunto l’81,46% e Claude Fable 5.1 l’81,30%. L’ampia differenza tra i risultati delle categorie evidenzia che la capacità di un modello di migliorare procedure di addestramento o produrre nuovi modelli non coincide necessariamente con la sua capacità di progettare sistemi di verifica altrettanto efficaci. Questa eterogeneità costituisce un elemento importante nella valutazione dell’RSI completo, poiché un processo di sviluppo autonomo richiede non soltanto di generare nuove soluzioni, ma anche di individuare eventuali errori e misurare correttamente i progressi ottenuti.
Vals AI ha utilizzato questi risultati per stimare la possibile evoluzione delle capacità di ricerca dei modelli Anthropic nei mesi successivi. La relativa stabilità del ritmo di miglioramento osservato nell’ultimo anno ha portato Krishnan a collocare il potenziale raggiungimento dell’auto-miglioramento ricorsivo completo nell’estate del 2027, con una finestra temporale indicativa tra luglio e agosto. La previsione rimane tuttavia condizionata alla prosecuzione della tendenza misurata e alla possibilità che i progressi nei singoli benchmark si traducano in capacità realmente utilizzabili lungo l’intero ciclo di sviluppo dei modelli. Non è stato dimostrato che un determinato punteggio del Vals RSI Index corrisponda automaticamente al raggiungimento dell’autonomia completa, né che l’andamento delle prestazioni possa mantenersi lineare in presenza di nuovi limiti tecnici o sperimentali. La capacità di migliorare un modello attraverso singole attività controllate rimane distinta dalla gestione indipendente di un programma di ricerca completo, che comprende la selezione degli obiettivi, la gestione delle risorse, la verifica dei risultati e la decisione di adottare nuove architetture.
L’aumento dell’autonomia dei sistemi di intelligenza artificiale nella ricerca rende infine particolarmente rilevante il ruolo delle valutazioni indipendenti. Krishnan ha sottolineato che modelli capaci di progettare e sviluppare altre generazioni AI potrebbero produrre soluzioni sempre meno comprensibili ai ricercatori umani, soprattutto se le procedure di ottimizzazione dovessero diventare più articolate e frequenti. In tale contesto, la misurazione delle prestazioni non potrebbe basarsi esclusivamente sui risultati dichiarati dalle aziende responsabili dello sviluppo. Le verifiche esterne dovrebbero esaminare gli esperimenti effettivamente eseguiti, la correttezza delle procedure, la riproducibilità delle misurazioni e la presenza di eventuali errori nei sistemi utilizzati per valutare i nuovi modelli. Il Vals RSI Index costituisce uno strumento per misurare parte di queste capacità attraverso compiti operativi, mentre la previsione formulata per il 2027 rappresenta un’interpretazione prospettica dei risultati attualmente disponibili, non una dimostrazione che l’auto-miglioramento ricorsivo completo sia già stato raggiunto o che si manifesterà necessariamente entro quella data.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)