Dopo il lancio di Gemini 3 lo scorso novembre, Google era stata indicata come una delle aziende meglio posizionate nella competizione sui modelli di intelligenza artificiale. Il vantaggio non dipendeva soltanto dalle prestazioni del modello, ma dalla disponibilità di una filiera quasi completa: chip TPU proprietari, infrastruttura cloud, motore di ricerca, Android e applicazioni distribuite su scala globale. Il nuovo rinvio di Gemini 3.5 Pro sta però modificando rapidamente questa percezione.
Il 21 luglio Google ha presentato nuovi modelli della linea Flash, progettati per offrire maggiore velocità ed efficienza, ma non ha fornito una data precisa per il rilascio di Gemini 3.5 Pro. Il modello di punta era già stato posticipato più volte e la nuova assenza dal lancio ha spostato l’attenzione dalla convenienza delle varianti intermedie alla capacità dell’azienda di mantenere il passo nelle prestazioni di fascia alta.
Gemini 3.6 Flash può risultare competitivo per costo, latenza e utilizzo su grandi volumi, ma il mercato sta valutando Google soprattutto in rapporto ai modelli più avanzati di OpenAI e Anthropic. In questo contesto, una versione efficiente non compensa interamente la mancanza del modello destinato a rappresentare il livello massimo della famiglia. La distinzione è rilevante perché le varianti Flash sono orientate all’esecuzione economica di attività ripetitive, mentre il modello Pro dovrebbe sostenere ragionamento complesso, coding, uso avanzato degli strumenti e carichi agentici più impegnativi.
Il ritardo ha offerto ai concorrenti l’occasione per mettere pubblicamente in discussione il posizionamento di Google. Alexander Wang, Chief AI Officer di Meta, ha pubblicato su X la frase “Gemini chi?”, accompagnandola con una classifica di Artificial Analysis nella quale Muse Spark 1.1 risultava davanti al nuovo modello Google. Il confronto riguardava una specifica graduatoria e non l’intera capacità tecnologica delle due aziende, ma il messaggio ha evidenziato quanto rapidamente la reputazione di un laboratorio possa cambiare quando un rilascio atteso non arriva.
Anche OpenAI ha utilizzato il ritardo come argomento competitivo. Dopo che Logan Kilpatrick di Google ha annunciato l’avvio del pre-addestramento di Gemini 4, Tivo Sotio, responsabile di Codex, ha commentato auspicando che almeno quel processo venisse completato. La critica riguardava la scelta di parlare già della generazione successiva mentre Gemini 3.5 Pro non era ancora disponibile, creando una distanza crescente tra roadmap dichiarata e prodotti effettivamente rilasciati.
La stessa lettura è emersa nelle analisi finanziarie. Josh Beck di Raymond James ha osservato che il rinvio sta trasformando la percezione di Google da azienda all’avanguardia a concorrente in ritardo. Nel mercato dei modelli generativi, la tempistica non è più un elemento secondario: ogni posticipo concede ai rivali settimane utili per pubblicare nuovi benchmark, acquisire sviluppatori e consolidare integrazioni nei prodotti.
La valutazione non è però univoca. Ansel Sag di Moor Insights ha definito insolito promuovere Gemini 4 prima dell’arrivo di Gemini 3.5 Pro, ma ha escluso che il ritardo sia sufficiente per dichiarare Google definitivamente arretrata. L’azienda dispone di dimensioni, infrastrutture e processi diversi rispetto ai laboratori più piccoli e può seguire cicli di distribuzione meno lineari. In un settore in cui le prestazioni relative cambiano a ogni rilascio, una fase di ritardo non stabilisce automaticamente un vincitore permanente.
I risultati commerciali continuano inoltre a sostenere la posizione di Google. Nel secondo trimestre, Ricerca, YouTube e Cloud hanno mantenuto una crescita collegata anche all’estensione delle funzionalità AI. Le nuove varianti Flash stanno ricevendo valutazioni positive soprattutto nei casi in cui costo e capacità di elaborazione contano più del punteggio assoluto nei benchmark, come l’analisi documentale, l’automazione tramite agenti e altri carichi aziendali ad alta frequenza.
Questo punto distingue la competizione tecnologica da quella economica. Un modello Flash meno costoso può risultare più utile di un modello di punta per l’elaborazione continua di documenti, richieste e transazioni, dove il costo per token e la latenza incidono direttamente sulla sostenibilità del servizio. Il problema per Google non è quindi l’assenza di prodotti utilizzabili, ma il fatto che il modello chiamato a dimostrare la leadership tecnica non sia ancora arrivato.
La pressione è aumentata perché il ciclo di rilascio dell’intero settore si è accorciato. OpenAI e Anthropic hanno portato quest’anno l’intervallo tra i principali aggiornamenti a circa due mesi, mentre Meta, xAI e diversi laboratori cinesi pubblicano nuove versioni a distanza di poche settimane. Anche Zhipu AI e Moonshot AI stanno accelerando il rilascio di modelli, aumentando il numero di alternative disponibili per sviluppatori e imprese.
Le classifiche cambiano di conseguenza con grande rapidità. Un modello può raggiungere il vertice e perderlo dopo poche settimane, mentre l’efficienza sta diventando un criterio competitivo parallelo alla qualità assoluta. OpenAI, per esempio, sta presentando GPT-5.6 Sol non soltanto attraverso le prestazioni di punta, ma anche in termini di velocità e costo operativo. Questo rende insufficiente competere su un’unica dimensione: i fornitori devono offrire contemporaneamente modelli avanzati, versioni economiche e cicli di aggiornamento prevedibili.
Google possiede già gran parte degli elementi necessari per sostenere questa competizione. Le TPU riducono la dipendenza dagli acceleratori esterni, Google Cloud fornisce l’infrastruttura di distribuzione e prodotti come Search, Workspace, YouTube e Android consentono di integrare i modelli direttamente in servizi utilizzati da miliardi di persone. Proprio per questo, il protrarsi del silenzio su Gemini 3.5 Pro pesa più di quanto accadrebbe a un laboratorio con risorse inferiori.
Il nodo non riguarda quindi la capacità di Google di costruire modelli efficienti o di distribuirli su vasta scala, già dimostrata dalla linea Flash e dai risultati dei suoi prodotti. La questione è se l’azienda riuscirà a trasformare la propria integrazione verticale in un modello di punta capace di ristabilire un vantaggio percepibile nei benchmark e negli utilizzi più complessi. Fino a quando Gemini 3.5 Pro non avrà una data e prestazioni verificabili, i concorrenti continueranno a utilizzare il ritardo come prova di una distanza tra il potenziale dell’infrastruttura Google e la velocità con cui quel potenziale viene tradotto in nuovi modelli.