A theoretical reconstruction of the Claude Mythos architecture, built from first principles using the available research literature
La vicenda di Claude Mythos, presuntamente custodito in un caveau digitale come fosse plutonio arricchito, appartiene esattamente a questa categoria. Non perché sia falsa o vera in senso assoluto, ma perché è perfettamente plausibile. E quando qualcosa nel mondo dell’AI è plausibile, significa che è già successo, o sta per succedere.
La storia è semplice, quasi archetipica. Una grande azienda costruisce un sistema avanzato, lo considera troppo potente per il pubblico, lo circonda di protocolli, NDA e infrastrutture blindate. Poi arriva un outsider, giovane, sottovalutato, fuori dal circuito accademico tradizionale, che in poche settimane scardina l’intero impianto. Kye Gomez, ventidue anni, drop-out, il tipo di figura che Silicon Valley celebra nei pitch deck ma teme nella realtà operativa, rappresenta l’anomalia sistemica che ogni architettura chiusa prima o poi incontra.
Il punto interessante non è tanto il reverse engineering in sé, che nella storia dell’informatica è pratica antica quanto Unix, ma il modo in cui viene descritto. OpenMythos non replica semplicemente un modello. Lo reinterpreta. Prende un sottoinsieme di livelli e li attraversa ciclicamente, come se avesse scoperto che la profondità non è necessariamente lineare ma può essere ricorsiva. È un’idea che sembra banale, ma è esattamente il tipo di intuizione che manda in crisi miliardi di dollari di investimenti.
Nel mondo dell’AI contemporanea domina un dogma implicito: più grande è meglio. Più parametri, più dati, più GPU, più consumo energetico. È la legge non scritta che ha giustificato la costruzione di data center grandi quanto città di medie dimensioni. È anche, incidentalmente, la legge che rende felici i fornitori di chip e gli investitori infrastrutturali. Tuttavia, la storia dell’informatica è piena di momenti in cui qualcuno dimostra che “più intelligente” batte “più grande”. Il passaggio dai mainframe ai personal computer, dal software monolitico ai microservizi, dal cloud centralizzato all’edge computing. Ogni volta, il capitale ha inseguito la scala, e l’innovazione ha risposto con l’efficienza.
OpenMythos si inserisce esattamente in questa tradizione. Se davvero un modello più piccolo, ma strutturalmente più sofisticato, può competere con sistemi mastodontici, allora il paradigma economico dell’AI vacilla. Non crolla, attenzione, ma si incrina. E quando un paradigma economico si incrina, il problema non è tecnologico. È politico.
Le grandi aziende tecnologiche non stanno investendo centinaia di miliardi in AI per amore della conoscenza. Stanno costruendo infrastrutture che funzionano come barriere all’ingresso. Il cosiddetto “moat”, il fossato competitivo, non è fatto di codice, ma di capitale. Data center, supply chain, accesso privilegiato a chip avanzati. L’idea è semplice: rendere il costo di ingresso così alto da scoraggiare qualsiasi concorrente serio. È una strategia che ha funzionato per anni nel cloud computing e nei social network.
Il problema è che il software, per sua natura, è allergico alle barriere fisiche. Può essere copiato, adattato, reinterpretato. Se un singolo sviluppatore riesce a replicare, anche solo parzialmente, il comportamento di un sistema avanzato utilizzando tecniche alternative, il fossato si trasforma in una narrazione. E le narrazioni, nel mercato tecnologico, hanno una vita molto breve quando vengono smentite dai fatti.
La questione del Progetto Glasswing, con la sua selezione rigorosa di partner e il controllo ossessivo della distribuzione, riflette una tensione crescente nel settore. Da un lato, la necessità reale di gestire rischi legati a sistemi potenti e potenzialmente imprevedibili. Dall’altro, il desiderio, meno dichiarato ma altrettanto reale, di mantenere il controllo su un asset strategico. La linea tra sicurezza e monopolio è sottile, e spesso viene attraversata senza troppo clamore.
La diffusione di una versione non filtrata, o percepita come tale, introduce un elemento di caos. Non tanto perché improvvisamente il mondo diventi più pericoloso, ma perché il controllo narrativo si dissolve. Le aziende non possono più decidere chi ha accesso, in quali condizioni, con quali limitazioni. Il sistema esce dal laboratorio e entra nell’ecosistema. E l’ecosistema, per definizione, è incontrollabile.
Il terzo elemento, forse il più destabilizzante, riguarda l’efficienza. Un trilione di dollari investito in infrastrutture è una scommessa sul fatto che la traiettoria attuale continuerà. È una scommessa lineare in un mondo non lineare. Se emerge un approccio che riduce drasticamente il fabbisogno computazionale mantenendo prestazioni competitive, l’intero modello economico deve essere ricalibrato. Non immediatamente, non completamente, ma inevitabilmente.
La storia economica offre un parallelo interessante. Negli anni ’80, le compagnie telefoniche investirono enormemente in infrastrutture per la trasmissione vocale. Poi arrivò internet, e con esso protocolli che permettevano di trasmettere voce come dati. Il valore si spostò dall’infrastruttura al software. Le telco non scomparvero, ma persero il controllo del gioco. Qualcosa di simile potrebbe accadere con l’AI.
Gomez, con il suo progetto decentralizzato, incarna una visione alternativa. Non migliore in senso assoluto, ma radicalmente diversa. Mentre le big tech costruiscono cattedrali centralizzate, lui propone una rete distribuita. È una dicotomia che ricorda quella tra server e peer-to-peer, tra piattaforme chiuse e protocolli aperti. La storia suggerisce che entrambe le visioni possono coesistere, ma anche che quella più flessibile tende a infiltrarsi ovunque.
Un dettaglio curioso, quasi ironico, è che l’industria tecnologica ama raccontarsi come meritocratica e aperta. Chiunque, dal garage giusto, può cambiare il mondo. Tuttavia, quando qualcuno lo fa davvero, senza passare dai canali ufficiali, la reazione è spesso di panico. La retorica dell’innovazione aperta funziona finché non minaccia modelli di business consolidati.
La vicenda di OpenMythos, al di là della sua precisione fattuale, funziona come una metafora potente. Mostra quanto sia fragile l’idea che la complessità possa essere contenuta. Mostra quanto sia pericoloso confondere il controllo con la sicurezza. E soprattutto, mostra che l’innovazione non segue i percorsi pianificati dai boardroom.
Nel breve termine, è probabile che episodi simili vengano utilizzati per giustificare una regolamentazione più stringente. È una reazione comprensibile, quasi inevitabile. I regolatori vedono il rischio e cercano di contenerlo. Tuttavia, regolamentare qualcosa che può essere replicato e distribuito globalmente con pochi megabyte di codice è un esercizio complesso. Non impossibile, ma certamente meno efficace di quanto molti sperino.
Nel lungo termine, il vero impatto sarà culturale. La percezione dell’AI come qualcosa di accessibile solo a pochi attori privilegiati verrà erosa. Emergerà una narrativa diversa, in cui piccoli team, o addirittura individui, possono contribuire in modo significativo. Non sostituiranno le grandi aziende, ma ne ridurranno l’asimmetria di potere.
Una frase sintetizza bene il momento attuale: la scala non è più una garanzia, è solo una strategia. E come tutte le strategie, può essere superata.
Le fonti su episodi specifici come Claude Mythos o OpenMythos sono, al momento, più vicine alla sfera delle discussioni emergenti su community tecniche e repository open source che a report ufficiali verificati. Tuttavia, il contesto che rende plausibile questa storia è ben documentato. La crescente capacità di reverse engineering dei modelli, la diffusione di tecniche di distillazione e compressione, e il dibattito sull’open versus closed AI sono temi trattati da organizzazioni come arXiv, MIT Technology Review, e report industriali di aziende come OpenAI, DeepMind e Anthropic stessa. Analisi sul costo e sulla scalabilità dell’AI sono state pubblicate da McKinsey, Goldman Sachs e Stanford AI Index, che evidenziano chiaramente la tensione tra crescita infrastrutturale e ricerca di efficienza.
Alla fine, la domanda non è se OpenMythos sia reale. La domanda è se qualcosa del genere possa accadere. E la risposta, per chi ha visto evolvere l’informatica negli ultimi trent’anni, è fin troppo ovvia. Non solo può accadere. È esattamente ciò che accade quando il software incontra l’ambizione umana e un laptop sufficientemente potente.