OpenAI avrebbe acquistato negli ultimi mesi decine di migliaia di Mac mini e Mac Studio da utilizzare nei sistemi di reinforcement learning e nell’addestramento degli agenti di intelligenza artificiale capaci di utilizzare direttamente un computer. Le macchine costituiscono un’infrastruttura distinta dai grandi cluster di GPU impiegati dall’azienda per il training tradizionale dei modelli e rispondono alle esigenze specifiche dei cosiddetti computer-use agent, sistemi che devono interagire con applicazioni e sistemi operativi osservando ciò che appare sullo schermo ed eseguendo azioni analoghe a quelle di un utente umano.
Durante il reinforcement learning di questo tipo di agenti, il modello deve svolgere ripetutamente attività all’interno di un ambiente operativo reale o virtualizzato, osservare l’esito delle proprie azioni, ricevere un segnale di ricompensa o di errore e ricominciare il processo. Un agente può, per esempio, aprire un’applicazione, navigare tra finestre, compilare un documento, utilizzare menu e pulsanti, gestire finestre di dialogo oppure passare da un programma all’altro. Ogni sessione produce una traiettoria composta da una sequenza di osservazioni e azioni e l’addestramento richiede l’esecuzione contemporanea di un numero molto elevato di questi ambienti, che devono poter essere avviati, utilizzati, ripristinati e nuovamente messi a disposizione dell’agente.
È in questo contesto che Mac mini e Mac Studio avrebbero assunto un ruolo particolarmente importante per OpenAI. I computer Apple utilizzano un’architettura a memoria unificata nella quale CPU, GPU e altri componenti del SoC possono accedere allo stesso pool di memoria senza dover trasferire continuamente i dati tra RAM di sistema e memoria video separata. Pur non raggiungendo la potenza complessiva delle GPU Nvidia utilizzate nei grandi cluster di addestramento, i sistemi Apple possono quindi risultare convenienti per carichi di lavoro nei quali capacità di memoria, accesso condiviso ai dati ed esecuzione completa dell’ambiente desktop sono più importanti della sola capacità di calcolo matriciale.
Mac mini e Mac Studio offrono inoltre sistemi di raffreddamento più adatti a carichi prolungati rispetto ai MacBook. L’esecuzione continua di modelli, ambienti virtualizzati e sessioni di reinforcement learning può infatti mantenere CPU e GPU sotto carico per lunghi periodi, mentre i desktop Apple possono sostenere più facilmente questo tipo di attività senza le limitazioni termiche tipiche dei dispositivi portatili. Le configurazioni con grandi quantità di memoria unificata risultano inoltre particolarmente adatte all’esecuzione locale di modelli e workload AI che richiedono contemporaneamente memoria per il modello, per il sistema operativo e per l’ambiente utilizzato dall’agente.
OpenAI starebbe utilizzando questa infrastruttura soprattutto per gli agenti destinati al computer use e sarebbe ancora alla ricerca di ulteriori Mac da aggiungere alla propria capacità disponibile. Il numero preciso delle macchine acquistate non è stato comunicato pubblicamente e la stima di decine di migliaia di unità proviene da persone a conoscenza delle attività dell’azienda. Né OpenAI né Apple hanno al momento confermato pubblicamente il volume degli acquisti.
Una strategia simile sarebbe stata adottata anche da Anthropic, sebbene attraverso una modalità differente. L’azienda che sviluppa Claude utilizzerebbe infatti Mac mini noleggiati tramite Amazon Web Services anziché costruire direttamente una propria flotta di computer Apple. In entrambi i casi il ricorso ai Mac riguarda workload nei quali l’ambiente desktop rappresenta parte integrante dell’addestramento dell’agente e non semplicemente una macchina utilizzata per eseguire calcoli.
La domanda proveniente dai laboratori di intelligenza artificiale si inserisce in una crescita più ampia dell’utilizzo di Mac mini e Mac Studio per attività AI. I desktop Apple sono diventati popolari tra sviluppatori e aziende che eseguono modelli localmente grazie alla combinazione tra chip della serie M, memoria unificata disponibile in quantità elevate, dimensioni ridotte e consumi relativamente contenuti. Questa domanda avrebbe contribuito anche alle difficoltà di disponibilità riscontrate per alcune configurazioni, in particolare quelle dotate di quantità maggiori di memoria.
Apple ha aggiornato entrambe le famiglie di prodotti il 25 agosto 2026, anticipando rispetto alla tradizionale finestra autunnale in cui vengono spesso presentati nuovi Mac. Il nuovo Mac mini è disponibile con chip M6 oppure M5 Pro, mentre Mac Studio utilizza M5 Max e M5 Ultra. Il Mac mini parte da 899 dollari, mentre il Mac Studio parte da 2.499 dollari nella configurazione M5 Max e da 5.499 dollari con M5 Ultra. Le configurazioni più avanzate del Mac Studio possono arrivare fino a 512 GB di memoria unificata, una caratteristica particolarmente rilevante per l’esecuzione locale di modelli di grandi dimensioni e di workload AI intensivi.
L’impiego di migliaia di computer desktop evidenzia una differenza infrastrutturale importante tra il training tradizionale dei grandi modelli linguistici e l’addestramento degli agenti. Nel pre-training la risorsa centrale rimane la capacità di calcolo delle GPU, che devono elaborare enormi quantità di dati attraverso operazioni matematiche altamente parallelizzabili. Nel reinforcement learning applicato al computer use diventa invece necessario scalare anche il numero degli ambienti nei quali gli agenti possono agire. La capacità complessiva dipende quindi non soltanto dal numero di acceleratori disponibili, ma anche da quanti sistemi operativi possono essere eseguiti contemporaneamente, dalla velocità con cui possono essere ripristinati dopo ogni tentativo e dal numero di sessioni complete che l’infrastruttura riesce a produrre nell’arco della giornata.
La flotta di Mac mini e Mac Studio attribuita a OpenAI risponderebbe precisamente a questa esigenza: fornire agli agenti un numero molto elevato di ambienti desktop sui quali effettuare ripetutamente tentativi, errori e nuove esecuzioni durante il reinforcement learning. In questo tipo di sviluppo il computer non rappresenta quindi soltanto l’hardware che esegue il modello, ma diventa parte dell’ambiente stesso nel quale il modello deve imparare a operare.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)