The Biological Computing Co. (TBC) ha annunciato il lancio di Mischief, un modello di intelligenza artificiale per la generazione di video a partire da immagini, sviluppato sulla base di Wan 2.2 e modificato attraverso tecniche derivate dallo studio delle reti neuronali biologiche. Il sistema viene distribuito dal 30 ottobre 2026 attraverso la piattaforma fal.ai e, secondo i risultati comunicati dall’azienda, permette di generare contenuti video con una velocità cinque volte superiore e un costo inferiore dell’80% rispetto al modello di riferimento, accompagnando questi miglioramenti con un incremento dichiarato della qualità visiva. L’architettura non utilizza cellule biologiche durante l’esecuzione delle richieste, ma incorpora modifiche software elaborate a partire dall’analisi sperimentale dell’attività neuronale. L’obiettivo è intervenire sull’efficienza computazionale di un modello generativo esistente senza dover sviluppare una nuova architettura di base o ricorrere a processori biologici durante l’inferenza. I miglioramenti prestazionali indicati da TBC rimangono risultati dichiarati dal produttore, non accompagnati al lancio da benchmark indipendenti sufficientemente dettagliati per verificarne la riproducibilità in differenti condizioni operative.
Mischief viene proposto attraverso un endpoint image-to-video di fal.ai, con accesso gratuito previsto fino al 2 novembre 2026 e una tariffa annunciata di 0,02 dollari per secondo di video generato. Una sequenza di cinque secondi presenta quindi un costo nominale di 0,10 dollari, mentre la produzione di cento sequenze della stessa durata corrisponde a un costo di generazione di 10 dollari, esclusi eventuali ulteriori costi associati alle elaborazioni successive. TBC ha inoltre comunicato i risultati di una sperimentazione condotta da Wonder Studios, nella quale il modello avrebbe prodotto cento video di cinque secondi ciascuno in circa sei minuti. Il dato descrive la capacità di elaborazione di un insieme di richieste e non rappresenta necessariamente il tempo di attesa per la generazione di un singolo video, poiché la latenza dipende anche dal livello di parallelizzazione, dalla risoluzione, dai parametri di campionamento e dall’infrastruttura hardware utilizzata. La distribuzione tramite API permette di integrare Mischief nei flussi di produzione audiovisiva già esistenti, sottoponendo immagini e richieste di generazione al modello senza introdurre componenti hardware specializzati.
La tecnologia sviluppata da TBC deriva da un procedimento sperimentale nel quale problemi computazionali vengono codificati in segnali elettrici e presentati a reti di neuroni coltivati in laboratorio. Le risposte elettriche prodotte da queste reti vengono registrate e successivamente trasformate in rappresentazioni numeriche, dalle quali i ricercatori cercano di ricavare principi utilizzabili per modificare il funzionamento dei modelli artificiali. Nel caso delle architetture generative, l’azienda descrive l’impiego di uno strato di adattamento applicato dopo l’addestramento ai blocchi diffusion transformer, con un incremento del numero di parametri inferiore allo 0,1% rispetto al modello originale. Questo approccio permette di introdurre modifiche mirate nei processi di elaborazione e generazione senza sostituire integralmente la rete neurale preesistente. L’utilizzo dei neuroni biologici è quindi limitato alla fase di ricerca e individuazione delle soluzioni algoritmiche, mentre l’esecuzione del modello commerciale continua ad avvenire su infrastrutture convenzionali per l’intelligenza artificiale.
Una precedente sperimentazione di TBC, dedicata al Neural Dynamics Adapter, ha utilizzato una matrice ad alta densità composta da 4.096 elettrodi per registrare l’attività di reti neuronali coltivate e ricavarne informazioni da integrare in un adattatore software leggero. La ricerca è stata condotta sul modello video interattivo Oasis, utilizzato per generare ambienti riconducibili a Minecraft, e non direttamente sull’architettura Wan 2.2 impiegata da Mischief. I risultati hanno contribuito a documentare la possibilità di trasferire informazioni ricavate dalle dinamiche neuronali a un sistema generativo digitale, evidenziando tuttavia limiti legati alle caratteristiche dell’ambiente sperimentale e alla variabilità delle prestazioni in funzione delle impostazioni di denoising. Un ulteriore filone di ricerca, denominato A Sense of Space and Time, ha esaminato un’architettura capace di combinare elaborazione spaziale locale e memoria temporale per conservare informazioni utili tra fotogrammi successivi. In questo secondo caso, i miglioramenti di velocità sono stati ottenuti anche attraverso ottimizzazioni software tradizionali, comprendenti la memorizzazione del contesto già elaborato, la riduzione del lavoro di campionamento e la gestione efficiente di più sessioni contemporanee. Entrambe le sperimentazioni riguardano tecnologie precedenti e non costituiscono una misurazione diretta delle prestazioni commerciali di Mischief.
Il lancio si inserisce nel percorso di sviluppo commerciale avviato da TBC anche attraverso la collaborazione annunciata a settembre con Amazon Web Services, relativa all’impiego di AWS Trainium, Amazon SageMaker AI e alla possibile distribuzione del software derivato dalla ricerca neuronale attraverso AWS Marketplace. Tale collaborazione riguardava applicazioni text-to-video, mentre Mischief viene inizialmente distribuito come modello image-to-video su fal.ai. La società, guidata dal cofondatore e amministratore delegato Alex Ksendzovsky e dal cofondatore e direttore operativo Jon Pomeraniec, sta inoltre esplorando l’applicazione delle proprie tecniche a modelli video più recenti, modelli linguistici e sistemi di intelligenza artificiale fisica. Per Mischief, la verifica dei miglioramenti dichiarati richiede confronti riproducibili con Wan 2.2 a parità di hardware, risoluzione, parametri di campionamento e condizioni di esecuzione, distinguendo le prestazioni del modello dalle ottimizzazioni dell’infrastruttura di inferenza. Rimane inoltre necessario misurare la qualità dei video prodotti, la continuità temporale delle sequenze e il numero di generazioni necessarie per ottenere un risultato utilizzabile, oltre al consumo energetico effettivo. La disponibilità attraverso API rende possibile effettuare queste valutazioni su flussi di lavoro reali, utilizzando come riferimento sia il costo della singola generazione sia la quantità di contenuti effettivamente impiegabili nella produzione.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI).