OpenAI ha presentato GPT-6 Astra, e il dato che ha sorpreso di più non è un punteggio: è che il modello scrive meno. Su OSWorld 2.0, il benchmark che misura quanto bene un’AI sa pilotare un computer, Astra segna 72,6% contro il 65,7% di GPT-5.6 Sol e chiude i task in circa 40 minuti invece di 75. Allo stesso tempo, al massimo sforzo di ragionamento, usa circa 27.000 token di output per task, un terzo dei 78.000 di Claude Fable 5.1. Fa di più pensando ad alta voce di meno. L’ipotesi tecnica che circola per spiegarlo ha un nome preciso: looped transformer.
In questo articolo scoprirai:
- Che cos'è un looped transformer, spiegato senza formule
- Perché per ragionare serve profondità, non per forza più parametri
- Perché tracce di ragionamento più corte non vogliono dire ragionamento nascosto
- Cosa sappiamo dell'architettura di GPT-6 Astra e cosa è ancora un rumor
- Cosa cambia per chi costruisce agenti su questi modelli
Che cos’è un looped transformer, spiegato senza formule
Un modello linguistico è una pila di blocchi identici per struttura ma con pesi diversi: il testo entra, attraversa il primo blocco, poi il secondo, e così via fino all’uscita (se il meccanismo non ti è familiare, l’abbiamo smontato passo passo in come funziona davvero un modello di AI). Per rendere il modello più capace, la strada classica è aggiungerne altri: più blocchi, più pesi, più memoria occupata.
Il looping cambia una cosa sola. Invece di impilare blocchi nuovi, fa ripassare le rappresentazioni interne attraverso gli stessi blocchi più volte. Sebastian Raschka lo definisce «essenzialmente un ritocco architetturale», il cui nucleo è «passare le rappresentazioni intermedie attraverso gli stessi blocchi transformer più volte invece di una sola».
Un esempio concreto e a pesi aperti: Nanbeige4.2-3B usa lo stesso stack di 22 strati due volte invece di una, arrivando a 44 applicazioni di blocco con circa metà dei parametri di un modello a 44 blocchi distinti. ByteDance ha spinto oltre con Ouro-Thinking 2.6B: quattro passaggi su 48 blocchi, cioè 192 applicazioni. La differenza rispetto all’architettura transformer classica non sta nel meccanismo di attenzione: sta in quante volte quel meccanismo viene percorso prima di emettere il token successivo. Detto altrimenti, la profondità di calcolo cresce ma il numero di pesi da conservare no.
Perché per ragionare serve profondità, non per forza più parametri
La tesi non nasce con Astra. Nel paper Reasoning with Latent Thoughts, presentato a ICLR 2025, Saunshi e colleghi sostengono che «molti problemi di ragionamento richiedono una grande profondità ma non necessariamente molti parametri». La dimostrazione è netta: un transformer con k strati ripetuto L volte eguaglia quasi un modello non ripetuto con kL strati, e batte nettamente il modello con soli k strati.
C’è un secondo risultato, ed è quello che lega il looping al ragionamento vero e proprio: il modello può simulare T passi di catena di pensiero con T loop. Il ragionamento, cioè, può avvenire dentro gli stati nascosti invece che nei token scritti a schermo. È l’idea che a giugno 2026 ha portato su scala reale LOTUS, il sistema proposto da Fan, Svete e Lee in Bridging the Gap Between Latent and Explicit Reasoning with Looped Transformers: latenza della fase di pensiero ridotta di 2,5-6,9 volte a parità di qualità, su un modello da 3 miliardi di parametri. E sulle leggi di scala i conti tornano: il lavoro SMELT, uscito a settembre 2026, misura, secondo la ricostruzione di Raschka, che i looped transformer richiedono dal 6,8% al 18% di compute di training in meno per raggiungere la stessa validation loss, con test fino a 54 miliardi di parametri non-embedding. La sintesi di Raschka è asciutta: «i looped transformer danno semplicemente prestazioni migliori a parità di budget computazionale».
Quanto costa un giro in più: compute, memoria e KV cache
Il looping non è gratis, e su questo la confusione è frequente. I pesi non si duplicano, quindi la memoria per i parametri scende davvero. Ma il compute in inferenza non scende affatto: 44 applicazioni di blocco costano come 44 blocchi distinti, e in training i gradienti attraversano tutte e 44. Anche la KV cache va replicata a ogni passaggio, senza alcun risparmio rispetto a un transformer convenzionale con lo stesso numero di applicazioni. E la condivisione dei pesi ha un prezzo in qualità: Nanbeige, con due passaggi, conserva circa il 75% della token efficiency di un’architettura standard. Il guadagno sta nel rapporto, non nell’assoluto.
Perché tracce di ragionamento più corte non vogliono dire ragionamento nascosto
Qui arriva il gancio che ha acceso la discussione. La system card di Astra ammette una monitorabilità ridotta rispetto a GPT-5.6 Sol, associata a tracce di ragionamento più corte e meno informative. In molti hanno letto una causalità: il modello ragiona nel latente, quindi ci nasconde i passaggi.
Raschka smonta il nesso. «Le tracce di ragionamento più corte sono un effetto collaterale di modelli più intelligenti o capaci, che commettono meno errori», scrive. Non serve un’architettura ricorrente per ottenerle: GPT-5.6 Sol usava già l’80% di token in meno rispetto a Luna a parità di prestazioni, senza che nessuno abbia mai ipotizzato il looping per quel modello. Meno token è quello che succede quando un modello sbaglia meno strada, non quando la nasconde.
Il secondo argomento è ancora più diretto: OpenAI nasconde gran parte delle tracce di ragionamento agli utenti fin dall’inizio, cioè da o1, il primo modello di ragionamento della casa, che avevamo raccontato all’uscita in OpenAI o1 e il ragionamento complesso. Se le tracce erano già nascoste tre generazioni fa, l’architettura di Astra non può esserne la causa.
Il looping nasconde davvero il ragionamento? Cosa dicono i numeri
La risposta più solida non è un’opinione ma un numero, e arriva da OpenAI stessa. Il chief scientist Jakub Pachocki ha dichiarato che «la profondità del grafo di computazione dei nostri attuali modelli di frontiera, incluso Astra, è entro un fattore due rispetto a GPT-4», aggiungendo che l’azienda lavora per preservare il monitoraggio della catena di pensiero dai primi modelli di ragionamento. Un fattore due non è lo spazio in cui si nasconde un ragionamento: se il looping fosse il meccanismo con cui Astra sposta il pensiero nel latente, quella profondità dovrebbe essere di un altro ordine di grandezza.
Cosa sappiamo dell’architettura di GPT-6 Astra e cosa è ancora un rumor
Vale la pena essere espliciti, perché la distinzione conta. OpenAI non ha confermato nulla sull’architettura di Astra, né nell’annuncio ufficiale del modello. L’ipotesi del looping nasce da uno scoop di The Information, e Raschka la tratta per quello che è: «dobbiamo tenere a mente che questa è ancora solo una voce o uno scoop, senza conferma ufficiale». La considera comunque probabile per tre ragioni: il reporting, i risultati della ricerca recente, e proprio la frase di Pachocki, che nomina Astra accanto a una proprietà architetturale.
Ma c’è un’avvertenza più importante, e va contro la narrazione dominante: Raschka attribuisce il successo di Astra soprattutto a ricette di training e dati migliori, più che all’architettura, e liquida il looping come «un ritocco architetturale minuscolo», non la tecnica rivoluzionaria che l’hype racconta. Può aiutare, dice, ma un po’.
Sui numeri di prodotto, invece, il terreno è solido. Artificial Analysis colloca Astra primo nell’Intelligence Index con 53 punti, alla pari con Claude Fable 5.1, e a 62 nel Coding Agent Index, con un crollo delle allucinazioni su AA-Omniscience dal 92% al 51%. Punteggi e listini nel dettaglio li abbiamo raccolti in GPT-6 Astra benchmark: i numeri veri, i prezzi e cosa cambia; qui il punto resta l’architettura.
Cosa cambia per chi costruisce agenti su questi modelli
La conseguenza pratica del ragionamento più efficiente si vede in fattura. Astra costa 10 dollari per milione di token in input e 50 in output, contro i 4 e 20 di GPT-5.6 Sol: due volte e mezzo il listino. Ma il costo di un agente non si misura sul listino, si misura sul task completato. Artificial Analysis calcola 3,26 dollari per task contro i 7,63 di Claude Fable 5.1, circa il 40% del costo a parità di punteggio. Il prezzo per token sale, il prezzo per lavoro finito scende.
Computer use e tempo per task: dove GPT-6 Astra guadagna
Sul computer use il salto è ancora più leggibile: 92,7% su ScreenSpot-Pro contro il 76,9% di Sol, e su Agents’ Last Exam 59,3% usando circa il 65% di token di output in meno rispetto a Claude Opus 5. Per chi progetta agenti AI destinati a operare su interfacce reali, il tempo per task, 47% in meno rispetto a Sol, pesa quanto l’accuratezza, perché i costi di un agente scalano con la durata dell’esecuzione, non solo con i token.
Looped transformer e ispezionabilità del ragionamento
Resta la domanda di fondo, che il looping rende concreta: quanta parte del ragionamento di un modello deve restare leggibile. Se la ricerca continua a spostare il pensiero negli stati nascosti, e i modelli aperti che già lo fanno esistono: Ouro, Huginn, Nanbeige, il compromesso fra capacità e ispezionabilità diventerà una scelta di prodotto, non un dettaglio da paper. Per valutarla serve sapere cosa c’è sotto il cofano, e il punto di partenza resta come funziona davvero un large language model e più in generale l’AI generativa.
Fonti:
- magazine.sebastianraschka.com, GPT-6 Astra, Looped Transformers, and Hidden Reasoning (newsletter estesa, 9 settembre 2026)
- sebastianraschka.com, OpenAI Astra and Looped Transformers (post breve di debunking sul blog personale, 2 settembre 2026)
- openai.com, Introducing GPT-6 Astra (annuncio ufficiale)
- arxiv.org, Reasoning with Latent Thoughts: On the Power of Looped Transformers (Saunshi et al., ICLR 2025)
- arxiv.org, Bridging the Gap Between Latent and Explicit Reasoning with Looped Transformers (Fan, Svete, Lee, 2026), il paper che propone LOTUS
- artificialanalysis.ai, Benchmarking GPT-6 Astra
- vellum.ai, GPT-6 Astra Benchmarks Explained
- datacamp.com, GPT-6 Astra: Features, Benchmarks, and Pricing
- github.com, Awesome-Loop-Models
Domande frequenti
Che cos'è un looped transformer?
È un transformer che, invece di impilare blocchi sempre nuovi, fa ripassare le rappresentazioni interne attraverso gli stessi blocchi più volte. Nanbeige4.2-3B, per esempio, applica due volte lo stesso stack di 22 strati, arrivando a 44 applicazioni di blocco con circa metà dei parametri di un modello a 44 blocchi distinti. La profondità di calcolo cresce, il numero di pesi da conservare no.
GPT-6 Astra usa davvero un'architettura looped?
Non è confermato. OpenAI non ha dichiarato nulla sull'architettura di Astra: l'ipotesi nasce da uno scoop di The Information. Sebastian Raschka la considera probabile ma la tratta esplicitamente come una voce, e attribuisce il salto di Astra soprattutto a ricette di training e dati migliori più che all'architettura.
Le tracce di ragionamento più corte significano che il modello nasconde i passaggi?
No, e ci sono due argomenti contro. Primo: GPT-5.6 Sol usava già l'80% di token in meno rispetto a Luna a parità di prestazioni, senza che nessuno ipotizzasse il looping. Secondo: OpenAI nasconde gran parte delle tracce agli utenti fin da o1, tre generazioni prima. Jakub Pachocki ha inoltre dichiarato che la profondità del grafo di computazione di Astra resta entro un fattore due rispetto a GPT-4.
Il looping fa risparmiare risorse?
Solo sui parametri. La memoria per i pesi scende perché i blocchi sono condivisi, ma il compute in inferenza no: 44 applicazioni di blocco costano come 44 blocchi distinti, e la KV cache va replicata a ogni passaggio. Il guadagno misurato sta nel rapporto prestazioni/budget, non nel costo assoluto.
