Le prime intelligenze artificiali generative arrivate al grande pubblico hanno catturato l’attenzione grazie a testi convincenti, immagini interessanti e musica generata in tempo reale. A colpire era soprattutto la loro abilità nel riprodurre lo stile delle cose, nel restituire superfici riconoscibili e immediate, mentre la profondità del ragionamento restava in secondo piano.
Nel giro di pochi anni il quadro è cambiato. I modelli di linguaggio hanno imparato a scrivere codice, usare strumenti esterni, consultare basi di conoscenza, orchestrare “piani” per risolvere qualsiasi compito. Sempre più spesso non si limitano a completare una frase: scompongono il problema in passi, li mettono in sequenza, valutano il risultato intermedio e decidono da soli come proseguire.
Poetiq si inserisce proprio in questo passaggio di fase: è una piccola realtà di ricerca composta da sei ricercatori e ingegneri con molti anni di esperienza in Google e DeepMind, dedicata a migliorare il modo in cui le AI ragionano sui problemi complessi. Invece di creare un nuovo modello monolitico, il cuore del loro lavoro è un sistema che coordina più modelli già esistenti, li fa dialogare, li incarica di scrivere codice quando serve e controlla se la soluzione funziona davvero. L’intelligenza, in questa visione, nasce dal modo in cui si usano i modelli più che dal singolo modello in sé.
Che cos’è ARC-AGI e perché è così importante per capire l’evoluzione
Per raccontare l’evoluzione delle AI generative bisogna fermarsi un attimo su ARC-AGI. Si tratta di un benchmark creato a partire dal lavoro di François Chollet (“On the Measure of Intelligence”), pensato per misurare qualcosa di più profondo della semplice capacità di ricordare informazioni.
ARC-AGI propone piccoli puzzle visuali su griglie colorate. Ogni esercizio mostra alcuni esempi di trasformazione da input a output; il sistema deve scoprire la regola implicita e applicarla a un nuovo caso. Per gli umani, dopo un breve sforzo, questi compiti risultano intuitivi. Per le AI sono stati a lungo estremamente difficili, proprio perché richiedono: astrazione, capacità di generalizzare da pochi esempi. adattamento a problemi mai visti.
L’idea alla base del benchmark è chiara: usare situazioni “facili per gli umani, difficili per le macchine” per valutare quanto una intelligenza artificiale riesce ad acquisire nuove abilità oltre i dati su cui è stata addestrata. L’ARC Prize Foundation, che gestisce il benchmark e le competizioni collegate, insiste molto su questo punto: l’obiettivo consiste nel superare il singolo test con strategie generali e robuste, costruendo sistemi capaci di imparare in modo flessibile in ambienti nuovi.
Per anni i risultati sono cresciuti lentamente. Diversi gruppi di ricerca hanno proposto approcci innovativi, dai modelli ricorsivi super compatti a strati simbolici che affiancano il modello di linguaggio, fino a solver ispirati alla psicologia cognitiva. Tutte queste strade hanno portato progressi misurabili, eppure il benchmark restava un banco di prova severo, lontano dalla facilità con cui gli umani risolvono i puzzle.
Cosa annuncia Poetiq e perché è un salto di qualità
Nel novembre 2025 Poetiq pubblica un post tecnico con un titolo eloquente, “Traversing the Frontier of Superintelligence”. Nelle prime righe il team dichiara di aver raggiunto un nuovo stato dell’arte su ARC-AGI-1 e ARC-AGI-2, migliorando sia l’accuratezza sia il rapporto tra prestazioni e costo di calcolo. Il loro sistema, costruito sopra modelli come Gemini 3 e GPT-5.1, ridisegna la frontiera di Pareto del benchmark, cioè la curva che mostra il miglior punto possibile per ogni combinazione di costo e performance.
Questo risultato ha due aspetti fondamentali.
Il primo riguarda la qualità del ragionamento. Su ARC-AGI-2, ritenuto più complesso di ARC-AGI-1, il sistema di Poetiq supera il livello medio di un test umano, usando i dati ufficiali dell’ARC Prize come riferimento. Numeri di questo tipo mostrano che non si tratta più solo di avanzamenti incrementali: sempre più spesso sistemi di AI affrontano compiti pensati proprio per mettere in crisi le strategie tradizionali.
Il secondo aspetto riguarda l’efficienza. Il team insiste sul fatto che la loro architettura ottiene questi risultati con costi inferiori rispetto a molti modelli di base presi singolarmente. In pratica il meta-sistema di Poetiq usa i modelli sottostanti in modo selettivo, decide quando serve un ragionamento più profondo e quando basta un passaggio rapido, e usa meno chiamate possibili pur restando entro le regole del benchmark.
La cosa interessante per chi osserva l’evoluzione delle AI generative è che tutto questo avviene con un team minuscolo, che dichiara di usare solo sei ricercatori e ingegneri con esperienza in Google DeepMind. La leva principale non è la dimensione dell’organizzazione, bensì il modo in cui l’architettura trasforma i modelli di base in “agenti” capaci di auto-valutare i propri passi, scrivere codice quando serve, fermarsi nel momento in cui la soluzione appare soddisfacente.
Dal benchmark al panorama più ampio: cosa dice questo progresso
Il fatto che ARC-AGI sia stato a lungo considerato un ostacolo quasi invalicabile fa sì che ogni progresso venga letto con molta attenzione. Testate specializzate hanno sottolineato come la “caduta” di un benchmark così difficile mostri la forza della macchina di ottimizzazione costruita attorno ai modelli più recenti.
Questo non svuota di senso il benchmark. La storia di ARC-AGI mostra piuttosto come si muove il confine fra ciò che un sistema generativo riesce a fare e ciò che ancora richiede ricerca. Nel 2019 i puzzle griglia di ARC-AGI mettevano in luce limiti molto netti. Oggi la situazione è diversa:
I modelli generativi di nuova generazione combinano più strategie. Comune denominatore è la capacità di passare da un singolo passaggio ad architetture ricorsive, in cui ogni risposta viene usata come materiale grezzo per il passaggio successivo.
I benchmark stessi si evolvono. ARC-AGI-2 innalza il livello di difficoltà e punta su problemi che richiedono maggiore astrazione; l’ARC Prize Foundation ha già annunciato un’anteprima di ARC-AGI-3 con ambienti interattivi in stile videogioco, pensati per mettere alla prova memoria, pianificazione ed esplorazione.
L’impressione generale è che le AI generative stiano entrando in una fase nella quale il testo, le immagini e i suoni prodotti in superficie sono solo la parte visibile di sistemi più profondi, progettati per comporre strategie, verificare risultati, esplorare alternative.
Perché tutto questo riguarda la vita quotidiana, e non soltanto i laboratori
ARC-AGI, Poetiq, Gemini 3, GPT-5.1: a prima vista sembrano nomi lontani dalla vita di tutti i giorni. Eppure dietro questi progetti scorrono alcune tendenze che toccano direttamente applicazioni comuni.
La prima riguarda gli “assistenti intelligenti” dentro software e servizi. Se un sistema addestrato su puzzle astratti impara a scomporre un problema, valutare i risultati intermedi e imparare dai propri tentativi, le stesse tecniche si trasferiscono facilmente in ambiti come l’analisi di documenti, la stesura di report, la ricerca di informazioni complesse.
La seconda riguarda i costi. L’attenzione alla frontiera di Pareto, alla combinazione migliore fra spesa computazionale e accuratezza, apre la strada ad applicazioni professionali e consumer più accessibili. Ogni miglioramento in questa direzione rende possibile integrare capacità avanzate di ragionamento in prodotti con margini ridotti, abbonamenti mensili contenuti, soluzioni per piccole aziende.
La terza tendenza riguarda la creatività. Sistemi che risolvono puzzle astratti con strategie sempre più raffinate non servono solo per gare di benchmark. Gli stessi meccanismi possono aiutare un autore a esplorare trame narrative complesse, un designer a generare varianti di un’interfaccia, un ricercatore a costruire simulazioni di scenari alternativi. La generazione di contenuti e il ragionamento su quei contenuti iniziano a convivere nello stesso ambiente di lavoro.
Un nuovo ruolo per i benchmark nell’era delle AI generative
Ogni volta che un benchmark “cade”, qualcuno pensa che il test abbia perso valore. Nel caso di ARC-AGI succede qualcosa di più interessante: il benchmark diventa un racconto vivente dell’evoluzione delle AI generative.
All’inizio è lo strumento che mostra dove i modelli falliscono. Poi diventa la mappa su cui vengono registrate le prime traiettorie di successo, come quelle dei solver specializzati o delle architetture ricorsive. Infine si trasforma in un campo di gioco per sistemi come quello di Poetiq, capaci di usare modelli diversi come blocchi modulari, coordinati da una regia di alto livello.
Ogni nuova iterazione del benchmark stimola idee inedite: più interattività, più attenzione alle strategie di esplorazione, maggiore somiglianza con i processi di ragionamento umani. Allo stesso tempo i risultati dei modelli più recenti suggeriscono che i confini fra generazione e ragionamento stanno diventando meno rigidi.
Se si osserva il quadro da questa prospettiva, l’annuncio di Poetiq su ARC-AGI non è solo la celebrazione di un record. È un segnale di maturità della stagione attuale delle AI generative: sistemi capaci di produrre contenuti convincenti e, allo stesso tempo, di risolvere problemi astratti con efficienza crescente, in dialogo con benchmark sempre più ambiziosi e in grado di stimolare la progettazione dei test futuri.
