L’arrivo della versione completa di GPT-5.5-Cyber da parte di ha riacceso un dibattito che l’industria dell’intelligenza artificiale aveva solo apparentemente archiviato: chi decide realmente quali modelli siano troppo pericolosi per essere distribuiti e, soprattutto, secondo quali criteri? La presentazione del nuovo sistema, progettato per identificare, analizzare e correggere vulnerabilità software, è stata accompagnata dalle dichiarazioni di Sam Altman, secondo cui il modello raggiungerebbe prestazioni allo stato dell’arte nei benchmark di sicurezza informatica. Nulla di sorprendente dal punto di vista tecnico. Da anni i principali laboratori sviluppano capacità offensive e difensive sempre più sofisticate; sorprendente, piuttosto, è la differenza di trattamento politico e reputazionale tra operatori che, nella sostanza, sembrano muoversi nella stessa direzione.
Il caso Mythos, che avrebbe contribuito al blocco di Fable 5 da parte di , rappresenta un esempio emblematico delle ambiguità che attraversano il settore. Secondo le argomentazioni rese pubbliche, la funzionalità di ricerca avanzata delle vulnerabilità sarebbe stata ritenuta eccessivamente rischiosa. Diversi ricercatori indipendenti, tuttavia, hanno osservato come la capacità di individuare exploit, errori di configurazione e difetti nel codice sia ormai una caratteristica standard dei modelli di frontiera. In altre parole, l’industria si trova davanti a una situazione paradossale: ciò che in un laboratorio viene definito potenzialmente pericoloso, in un altro viene presentato come un avanzamento naturale della cybersecurity difensiva.
Dal punto di vista strettamente tecnologico, la questione appare relativamente semplice. I moderni modelli linguistici di fascia alta possiedono già competenze sufficienti per assistere analisti di sicurezza, sviluppatori e red team nella scoperta di vulnerabilità. La vera differenza non risiede tanto nella capacità grezza del modello, quanto nel livello di autonomia, nella velocità di esecuzione e nell’integrazione con strumenti esterni. GPT-5.5-Cyber, come altri sistemi avanzati, sembra collocarsi all’interno di questa evoluzione incrementale piuttosto che rappresentare una rottura radicale. La ricerca di vulnerabilità automatizzata non nasce oggi; cambia semplicemente scala, velocità e accessibilità.
La divergenza emerge invece sul piano geopolitico. occupa ormai una posizione quasi istituzionale nell’ecosistema statunitense dell’intelligenza artificiale. L’azienda collabora con agenzie governative, intrattiene rapporti privilegiati con Washington ed è percepita da molti osservatori come uno degli asset strategici nazionali nella competizione tecnologica globale. In un contesto nel quale Stati Uniti e Cina considerano l’AI una componente critica della sicurezza nazionale, il confine tra impresa privata e infrastruttura strategica diventa sempre più sfumato.
L’aspetto politico assume quindi un peso determinante. Se un laboratorio gode di un elevato capitale istituzionale, i suoi sistemi vengono spesso interpretati attraverso la lente della sicurezza difensiva e della leadership tecnologica occidentale. Se, al contrario, un attore entra in collisione con l’amministrazione federale o adotta posizioni divergenti rispetto alle priorità della Casa Bianca, la percezione del rischio può cambiare rapidamente. Il recente coinvolgimento di figure vicine all’amministrazione di Donald Trump nelle strategie sull’intelligenza artificiale rafforza ulteriormente la sensazione che la governance dell’AI sia ormai inseparabile dagli equilibri politici.
Questa dinamica produce un effetto collaterale poco discusso. Il mercato riceve segnali regolatori incoerenti. Startup, investitori e ricercatori comprendono rapidamente che il rischio tecnologico non è l’unica variabile rilevante; il posizionamento politico, la reputazione istituzionale e la capacità di influenzare il dibattito pubblico diventano fattori altrettanto importanti. In termini economici, si tratta di una forma di arbitraggio regolatorio basato sul capitale politico più che sulla sostanza tecnica.
Il settore dell’intelligenza artificiale sta dunque entrando in una fase diversa rispetto agli anni dell’entusiasmo indiscriminato. Non basta più costruire il modello migliore; occorre costruire anche il rapporto migliore con governi, regolatori e apparati di sicurezza nazionale. La retorica secondo cui i benchmark scientifici sarebbero l’unico criterio di valutazione appare sempre meno credibile. Nell’era dei foundation model, la potenza computazionale conta molto, ma il potere politico conta spesso di più. Ed è probabilmente questa la lezione più significativa che emerge dal confronto tra Mythos e GPT-5.5-Cyber.