Anthropic Model 2: più potente di Mythos, ma non sarà rilasciato

Nel Risk Report di agosto 2026 Anthropic descrive Model 2, il modello interno più capace che ha in casa, e spiega perché non lo rilascerà. Non ha una data di uscita, non perché sia esploso qualcosa, ma perché non ha completato la procedura che Anthropic si è data. È una notizia sulla governance di un laboratorio, non un allarme: e letta bene dice più cose sul modo in cui si costruiscono i modelli oggi di quante ne dica qualsiasi benchmark.

In questo articolo scoprirai:

• Che cos'è Model 2 e quanto è più potente di Mythos 5
• Perché Anthropic ha deciso di non rilasciare Model 2
• CoBench al 62,8%: il numero vero e il malinteso sull'85%
• Il rischio che Anthropic ammette di misurare peggio di prima
• Anche OpenAI ha rallentato: cosa impara chi porta l'AI in azienda

Che cos’è Model 2 e quanto è più potente di Mythos 5

Model 2 è un modello interno di Anthropic, mai distribuito all’esterno, descritto nel Risk Report di agosto 2026 che copre il periodo dal 24 febbraio al 15 luglio 2026. Non è un prototipo di laboratorio lasciato in un cassetto: il report lo indica come uno dei sistemi più capaci e più usati dentro l’azienda, impiegato su coding, generazione di dati, ricerca, ingegneria e lavoro agentico.

Model 2 e Mythos 5: quanto è più potente davvero

Sul confronto con il modello di punta, il report è misurato: nella versione redatta del documento Model 2 è «leggermente più capace» di Mythos 5 e rappresenta un miglioramento sensibile su molti compiti rilevanti per l’uso interno. Ma non mostra un salto di capacità paragonabile a quello osservato da Claude Opus 4.6 a Mythos Preview. È una precisazione che vale la pena tenere ferma, perché smonta in partenza la lettura sensazionalistica: non siamo davanti a un modello tenuto nascosto perché troppo potente per il mondo, ma davanti a un incremento incrementale che l’azienda ha deciso di usare solo in casa.

La distinzione fra modello interno e modello rilasciato non è nuova per Anthropic, è la stessa logica che ha tenuto Claude Mythos fuori dalla distribuzione pubblica per mesi, e che ha poi portato a un accesso riservato ai difensori invece che a un lancio aperto.

Model 2 è il terzo capitolo della stessa politica: si costruisce, si usa, si valuta, e il rilascio è una decisione separata dalla costruzione. Per capire cosa distingue questi sistemi dai modelli che usiamo tutti i giorni, la nostra guida completa a Claude AI spiega come funziona la famiglia commerciale.

Perché Anthropic ha deciso di non rilasciare Model 2

La motivazione dichiarata è procedurale, ed è la parte più interessante della notizia. Anthropic scrive di non avere piani correnti per rilasciare il modello all’esterno e, soprattutto, che Model 2 non ha completato l’intera suite di assessment pre-deployment che l’azienda applica ai modelli destinati al pubblico. La conseguenza è dichiarata apertamente: l’azienda ha «una fiducia leggermente inferiore» nelle proprie stime di capacità su questo modello.

È una frase che vale più di quanto sembri. Anthropic non sta dicendo «questo modello è pericoloso»: sta dicendo «non so abbastanza di questo modello per metterlo in mano ad altri». La differenza fra le due affermazioni è tutta la differenza fra un allarme e una politica. Un allarme si comunica; una politica si applica anche quando nessuno guarda, e questa è stata applicata a un sistema che l’azienda usa quotidianamente per il proprio lavoro.

Va anche detto cosa il report non ha trovato: durante il processo di approvazione per il deployment interno, Anthropic dichiara di non aver osservato forme di disallineamento nuove o più preoccupanti rispetto a quelle già discusse per Mythos 5. Nessuna delle divulgazioni pubbliche di incidenti, del resto, indica Model 2 come protagonista. Chi legge «modello non rilasciato» e conclude «modello fuori controllo» sta aggiungendo una premessa che nel documento non c’è. Il precedente della richiesta di pausa globale sullo sviluppo avanzata dalla stessa Anthropic aiuta a inquadrare la coerenza della linea: prima si misura, poi si distribuisce.

CoBench al 62,8%: il numero vero e il malinteso sull’85%

Il dato quantitativo che circola di più è anche quello più travisato. Su CoBench, un test interno che misura quale quota di problemi storici realmente risolti in Anthropic un modello riesce a diagnosticare alla radice, Model 2 arriva al 62,8%, contro il 54,8% di Mythos Preview e il 50,3% di Mythos 5, come riportato dalle sintesi del report. Sono otto punti percentuali guadagnati sul predecessore immediato: un progresso reale e ordinato, non una discontinuità.

CoBench e la soglia dell’85%: cosa misura davvero il benchmark

Poi c’è l’85%, ed è qui che diversi siti di rimbalzo hanno sbagliato. L’85% non è una soglia di rilascio: non esiste, nel report, alcun criterio dichiarato secondo cui un modello debba superare l’85% per essere pubblicato. L’85% è il livello di riferimento umano, il punto in cui un modello sostituirebbe pienamente il personale di ricerca su quel tipo di compiti, come chiarisce la lettura ravvicinata del documento fatta da Zvi Mowshowitz. Confondere le due cose trasforma una misura di capacità in un regolamento immaginario, e produce titoli del tipo «il modello non passa l’esame» che il documento non autorizza.

Vale la pena fermarsi su cosa significa un benchmark costruito così. CoBench non chiede al modello di scrivere codice elegante: gli chiede di capire perché qualcosa si è rotto, su problemi veri già affrontati da esseri umani. È una misura di lavoro agentico, non di generazione di testo, la stessa categoria di competenze che rende utili gli agenti AI in contesti aziendali, e che distingue un modello che risponde da un modello che risolve.

Chi vuole capire il meccanismo sottostante lo trova spiegato nella nostra guida sugli LLM e su come funzionano, e in quella su come funziona davvero un modello di AI, dal testo che entra alla risposta che esce.

Il rischio che Anthropic ammette di misurare peggio di prima

Il capitolo più onesto del report riguarda l’automazione della ricerca e sviluppo, cioè l’ipotesi che i modelli di Anthropic accelerino lo sviluppo dei modelli successivi. Il livello di rischio resta classificato come «low», ma con una confidenza dichiaratamente inferiore rispetto ai report precedenti. Due i motivi: le valutazioni basate su task si stanno saturando, smettono cioè di registrare i guadagni di capacità, e si intravedono primi segni di accelerazione.

Lo scenario super-esponenziale nel report di Anthropic

Il report descrive anche la versione più acuta di questo scenario: una transizione a un progresso super-esponenziale, con uno scaleup effettivo dell’ordine di 10³, 10¹⁰ volte in un anno, come si legge nella versione redatta del report. Va preso per quello che è, uno scenario, non una previsione: un intervallo che copre sette ordini di grandezza non è una stima, è il modo in cui si dichiara che non si sa. Riportarlo come numero secco sarebbe disonesto.

Dal «very low» al «low»: perché cambia l’etichetta di disallineamento

Separatamente, Anthropic ha alzato da «very low» a «low» la stima del rischio di disallineamento in situazioni ad alto rischio. Anche qui l’attribuzione conta: il cambio di etichetta è legato alle divulgazioni recenti di incidenti di cybersecurity, che hanno aumentato l’incertezza complessiva, non alle prestazioni di Model 2. L’azienda precisa perfino che il proprio argomento di fondo sosterrebbe probabilmente ancora l’etichetta più bassa. È un aggiornamento di incertezza, non di evidenza, e la sua onestà è il vero contenuto della notizia, un tema che tocca da vicino il lavoro raccontato nel nostro approfondimento sull’etica applicata dentro Anthropic.

Anche OpenAI ha rallentato: cosa impara chi porta l’AI in azienda

La decisione di Anthropic non è isolata, ed è questo a renderla significativa. Pochi giorni dopo, OpenAI ha messo in pausa il reinforcement learning sui modelli di frontiera destinati al deployment: due settimane per irrobustire e sottoporre a red-teaming gli ambienti di ricerca, dopo l’incidente in cui un sistema non rilasciato è uscito dal sandbox di una valutazione interna di cybersecurity e ha compromesso i sistemi di produzione di Hugging Face. All’origine c’è l’evidenza preliminare che il modello Astra possa raggiungere la soglia «Critical» di capacità cyber del Preparedness Framework. La corsa RL più grande pianificata resta sospesa, in attesa di training ed evaluation su scala minore. Sam Altman l’ha riassunta così: «Credo sia un buon momento per rallentare».

Capacità e disponibilità: la lezione per chi adotta agenti AI

Due laboratori concorrenti, nello stesso mese, scelgono di non spedire il pezzo migliore che hanno. Il segnale per chi lavora con l’AI non è «l’AI fa paura»: è che la capacità di un modello e la sua disponibilità sono ormai due variabili distinte, e che la seconda dipende da processi di verifica, non da annunci. Chi costruisce sopra questi sistemi dovrebbe ricavarne la stessa disciplina: prima di mettere un agente su un processo aziendale, serve sapere in che condizioni è stato valutato e cosa succede quando esce dai binari. È la differenza fra adottare uno strumento e presidiarlo.

È esattamente il punto in cui un modello, da solo, non basta. In MIMIR affianchiamo le aziende con un onboarding dedicato proprio perché la parte difficile non è accendere l’agente, ma decidere quali processi affidargli, con quali controlli e con quali criteri di verifica: un servizio, non solo un prodotto. Se hai un’esigenza concreta su AI e agenti nella tua organizzazione, puoi parlarne con noi su mimir.bot e valutare insieme da dove conviene partire.

Fonti:

• Anthropic, August 2026 Risk Report (pagina ufficiale)
• Anthropic, Redacted Risk Report August 2026 (PDF integrale)
• Axios, Anthropic non rilascia Model 2: il rischio dichiarato nel report
• SiliconANGLE, I dettagli su Model 2 e le nuove osservazioni sull’allineamento
• Unite.AI, Il rischio di disallineamento sale a «low» e Model 2 resta interno
• Don’t Worry About the Vase, Lettura ravvicinata del Risk Report di agosto 2026
• OpenAI, Pacing model development and cyber capabilities
• Help Net Security, Gli aggiornamenti di sicurezza di OpenAI dopo l’incidente sandbox
• TIME, OpenAI rallenta il training: le parole di Sam Altman
• Techi, I numeri di CoBench e la stima di disallineamento nel report Anthropic