Test IA indipendenti: Laboratorio Nitido

👁 115 letture

Laboratorio Nitido e lo spazio in cui raccolgo i miei test indipendenti sull’intelligenza artificiale: modelli linguistici, generatori di immagini, video, voce, musica e modelli locali su scheda RTX 4090. Ogni prova riporta la data esatta, il numero di campioni analizzati, il metodo applicato e il costo effettivo da fattura API, con dati grezzi scaricabili dove possibile.

Come eseguo i test

Le regole di valutazione rimangono coerenti per ciascuna prova. I dettagli operativi e i parametri software sono consultabili nella guida su come testiamo.

• Stessi prompt e parametri. Tutti i modelli confrontati ricevono istruzioni identiche e le medesime impostazioni operative, come il livello di ragionamento impostato su effort=low nei test di testo. Le generazioni visive e video avvengono in un singolo tentativo, senza scartare output o ripetere il seed.
• Valutazione cieca senza risposta univoca. Quando non esiste un’unica risposta esatta, le risposte vengono esaminate da tre modelli giudici di aziende concorrenti con testi anonimizzati e ordine casuale; scarto sistematicamente il voto del giudice proveniente dallo stesso fornitore del modello in esame. I campioni vocali sono strutturati per l’ascolto cieco.
• Misurazioni oggettive al posto delle impressioni. La qualita vocale viene quantificata calcolando il tasso di errore con Whisper large-v3, i testi nelle immagini sono verificati carattere per carattere, la coerenza spaziale e i ritocchi sfruttano metriche IoU e SSIM, mentre le risposte fattuali seguono una griglia di correzione rigida. Token, tempi e spese derivano dai dati dell’API.
• Hardware trasparente e accessi pubblici. Per le prove in locale utilizzo una postazione con RTX 4090 24 GB, processore i9-14900KF, 64 GB di RAM e Windows 11, appoggiandomi a llama.cpp, Ollama e ComfyUI. I servizi in cloud vengono interrogati attraverso API pubbliche ufficiali e gateway commerciali accessibili a chiunque.
• Date certe per ogni misurazione. Poiche i sistemi cambiano di settimana in settimana, ogni punteggio riflette lo stato preciso del modello alla data del test, specificata nelle tabelle e nei singoli articoli.
• Costi reali da fattura. Riporto sempre la spesa effettiva sostenuta: la prima sessione di scrittura ha richiesto 6,12 USD, l’Arena video 8,54 USD. Nei test locali registro il consumo energetico diretto della scheda grafica.
• Pubblicazione integrale dei dati. Testi generati, fotogrammi, video e audio vengono mostrati negli articoli senza ritocchi. Il pacchetto grezzo con le risposte di scrittura, i commenti dei giudici e gli script di valutazione e liberamente accessibile.
• Correzione trasparente degli errori. Se scopro un’inesattezza nella chiave di correzione o nel codice di scoring, ricalcolo i valori e segnalo l’intervento nell’articolo; ad esempio, nel test di Gemini 4 Argon l’unico punto tolto era dovuto a una svista nel mio script di verifica.
• Limiti metodologici. Il singolo tentativo su un compito rappresenta l’esito di una prova puntuale e non una misura statistica universale. Prima di adottare un modello nei propri flussi, e opportuno provarlo sui propri testi specifici.

Tutti i test

In questa sezione elenco esclusivamente le prove che ho condotto e pubblicato di persona. La colonna dei campioni indica la quantita di modelli, compiti o file esaminati.

Scrittura, revisione e conoscenza (stress test in polacco)

AI in locale su RTX 4090

Video

Immagini

Voce, trascrizione e musica

Rilevatori di IA e costi operativi

Scrittura su lingua complessa: scala unificata

Quando esce un nuovo modello linguistico, lo sottopongo il giorno del rilascio al medesimo blocco di 13 compiti ideato per la prima edizione del 26 settembre. Calibro il punteggio finale per mezzo di modelli-ancora costanti, consentendo un confronto diretto tra le sessioni. Questo test e stato condotto interamente in lingua polacca come stress test non anglofono per mettere alla corda grammatica, concordanze e sfumature culturali.

La prima edizione del benchmark in cifre ha visto 16 modelli di 9 societa cimentarsi su 13 prove (9 compiti di scrittura creativa ed espositiva, 2 verifiche di correzione bozze e 2 quiz nozionistici), con 351 valutazioni cieche per una spesa complessiva di 6,12 USD (di cui 3,19 USD per le risposte generate, 2,75 USD per i modelli giudici e 0,18 USD imputabili a tentativi falliti). Il miglior rapporto tra resa e spesa e andato a GPT-6 Luna, capace di segnare 82,8 punti a fronte di soli 0,002 USD per completare i 9 compiti di scrittura. Puoi scaricare l’archivio completo dei dati grezzi dal pacchetto 2026-09-pisanie-po-polsku.zip contenente prompt, output integrali, note dei valutatori e chiavi di punteggio.

Guide tematiche e approfondimenti

Prime sperimentazioni sul campo

Prima di strutturare il Laboratorio in sessioni comparative regolari, ho pubblicato singole indagini verticali su modelli e anomalie riscontrate durante l’uso quotidiano.

• Test modelli AI settembre 2026: 7 modelli, 4 compiti, risultati
• Test allucinazioni GPT-6 Astra, Claude e Gemini in polacco
• AI Act chatbot: test 9 modelli, 8 sbagliano le date
• Gemini 3.8 Flash: test finestra contesto con testo polacco
• Modifica immagini ChatGPT: test con 11 correzioni successive
• Test 11 modelli AI: GPT-6 Astra vince, ma il test sbagliava
• Claude Opus 5.5 analisi dati: test su 44 affermazioni verificate

I miei principi di indipendenza

• Nessun posizionamento a pagamento. Nessuna azienda puo pagare per inserire il proprio modello o scalare la classifica. Sostengo personalmente l’intero costo delle chiamate API necessarie e riporto la cifra spesa in ogni articolo.
• La classifica rispecchia i dati. La posizione in graduatoria dipende unicamente dai punteggi raccolti sul campo, non dalla presenza di accordi commerciali o programmi di affiliazione.
• Trasparenza sui collegamenti affiliati. Alcuni link esterni possono contenere codici partner: in tal caso sono contrassegnati con l’attributo rel=”sponsored” e dichiarati chiaramente. La loro presenza non incide in alcun modo sul verdetto o sulle critiche espresse.
• Strumenti proprietari sempre dichiarati. Gestisco progetti software personali tra cui AUTHORRA, un rilevatore di testi generati da IA impiegato nel test sul romanzo di Orelien accanto a Pangram e ZeroGPT; gestisco inoltre un servizio API denominato Jantaris.
• Rettifica aperta di ogni errore. Gli sbagli commessi nella compilazione delle griglie o negli script di automazione vengono documentati ed emendati pubblicamente nell’articolo corrispondente.

Chi prepara ed esegue i test

Tutti i test del Laboratorio sono concepiti, configurati ed eseguiti direttamente da me, l’unico autore di Nitido. Per le elaborazioni in locale mi affido a una configurazione basata su scheda grafica RTX 4090 da 24 GB, CPU Intel i9-14900KF, 64 GB di memoria RAM e sistema operativo Windows 11. Tengo traccia costante dei rilasci dei nuovi modelli linguistici e multimodali, testandoli spesso nel giorno esatto del loro debutto sul medesimo pacchetto di prove per garantirne la confrontabilita. Per maggiori informazioni sulla linea editoriale e sulla filosofia del blog puoi visitare la pagina chi siamo.

Contatti e suggerimenti

• Segnalare un modello o un software: se desideri suggerire uno strumento da mettere alla prova, raggiungimi tramite la pagina contatti indicando come accedervi (tramite API pubblica, interfaccia web o pesi scaricabili per l’esecuzione in locale).
• Segnalare sviste o anomalie nei punteggi: se individui un errore di trascrizione in un numero o in una griglia di calcolo, segnalamelo; la correzione verra verificata e documentata nel relativo testo.
• Richiedere dati di test aggiuntivi: i dati grezzi dei benchmark di scrittura sono disponibili nel pacchetto scaricabile; per esportazioni o chiarimenti su altre rilevazioni puoi scrivermi dal modulo di contatto.

Cosa verra testato nei prossimi cicli

Sto preparando ulteriori serie di misurazioni strutturate secondo la consueta metodologia empirica:

• Sintesi di documenti complessi - contratti, relazioni tecniche e testi burocratici, quantificando le omissioni e le allucinazioni fattuali.
• Generazione di codice - problemi di programmazione descritti in lingua non anglofona, valutando commenti, logica e documentazione prodotta.
• Traduzioni su testi estesi - brani integrali di settore in sostituzione di singole frasi isolate, con particolare attenzione alla resa terminologica specialistica.

Questo e un piano di lavoro, senza scadenze temporali prefissate.

Domande frequenti

// continua a leggereStartup fallite: i laboratori AI comprano i loro datiStato dell'IAQuando due verifiche indipendenti sbagliano allo stesso modoMagazineAnthropic: il suo laboratorio di biologia ha scoperto un nuovo sistema enzimatico simile a CRISPRNotizie