In materia di AI Generative ogni chatbot mente un po’

Introduzione

Ho creato un articolo completo che sintetizza il documento allegato, evidenziando sia i punti comuni che le differenze nel panorama dei chatbot AI del 2025.

L’articolo mette in luce un fenomeno interessante: mentre tutti i report convergono su alcune specializzazioni fondamentali (Perplexity per la ricerca, Claude per l’etica, Grok per l’integrazione X, ChatGPT per la versatilità), esistono contraddizioni drammatiche nelle valutazioni specifiche delle performance.

Alcuni punti chiave dell’analisi:

1. Convergenza delle performance: Il divario tra i migliori modelli si è ridotto significativamente, rendendo la specializzazione più importante delle performance generali.

2. Contraddizioni valutative: Lo stesso modello può essere descritto come “eccellente” in un report e “problematico” in un altro, suggerendo bias degli autori o metodologie di test diverse.

3. Approccio multi-modello: Non esiste un “vincitore assoluto”, ma piuttosto la necessità di combinare più strumenti AI per ottimizzare i risultati.

4. Spettro filosofico: I modelli si distinguono chiaramente per il loro approccio alla censura e al controllo, da Claude “eccessivamente cauto” a Grok “ribelle”.

L’articolo include anche tabelle comparative delle performance e una matrice dettagliata dei casi d’uso per diversi profili professionali, offrendo una guida pratica per la scelta degli strumenti AI più adatti.​​​​​​​​​​​​​​​​

Chatbot: la concorrenza sleale

Il panorama dell’intelligenza artificiale generativa del 2025 presenta un ecosistema maturo caratterizzato da una crescente specializzazione e da una “convergenza delle performance” che ha ridotto il divario tra i migliori modelli dal 11.9% al 5.4%. Questo fenomeno ha reso obsoleta la ricerca del “modello perfetto”, favorendo invece un approccio multi-modello che sfrutta le specializzazioni specifiche di ciascuna piattaforma.

Tuttavia, le differenze ci sono e eccome, e se io mi sono fatto una mia idea che probabilmente non è vicina a nessuna di quelle esaminate, ho usato queste presunte prime della classe in fatto di intelligenza anche se artificiale — a guardare questi risultati si direbbe piuttostoartificiosa.

Il metodo adoperato è piuttosto semplice: ho posto a 

• Perplexity
• ChatGPT
• Gemini
• Grock
• Claude

il prompt (o “domanda”) che segue:

Considerando in primis

• Perplexity
• Claude By Anthropic’s 
• Grock By xAI
• ChatGPT By OpenAI
• Successivamente
• Gemini e NotebookLM By Google
• Copilot By Microsoft
• la AI di Apple

Successivamente quelle simili alle sopra citate essenzialmente solo laddove portino del valore aggiunto, ho bisogno che elabori i criteri che portano ad utilizzare una gen-ai al posto di un’altra considerando le attività che compiono meglio, le performance migliori a seconda delle circostanze d’uso, le specializzazioni interne, le librerie che utilizzando, la qualità di linguaggio, le risorse di conoscenza cui attingono, il rapporto fra i reali costi di utilizzo (non solo la spesa ma anche i limiti di ricerche per spesa), quelle che sono più per matematici, informatici, gestori, scrittori, creativi, giornalisti, medici, insegnanti, maschi, femmine, giovani, vecchi, acculturati e basici, ecc… quelli più aperti e liberi, quelli più castigati da censure e controlli governativi, quelli più Smart e quelli più azzimati, quelli che fanno meglio deep research, quelli che eccellono nei laboratori… insomma l’elenco sarebbe lungo per dire che nell’elaborazione non devi accontentarti dei luoghi comuni che trovi nelle rassegne, ma devi entrare in ognuno di essi per studiarlo approfonditamente in tutte le sue feature, ma anche nelle critiche emerse dai dibattiti e SOLO dopo questa analisi, allora confronti i risultati emersi per fare una distinzione approfondita. Puoi farlo?

Dopodiché ho chiesto ad ognuna di loro di evidenziare i punti in comune e quelli discordanti.

Se su affermazioni come “l’acqua è liquida” sembrano tutti d’accordo, quando chiedi quale sia la migliore per bere… beh, apriti cielo!

Individua i punti in comune delle fonti allegate e aggrega per sommi capi le differenze più evidenti e drammatiche nelle valutazioni dei relativi chatbot tra i singoli report, uno nei confronti dell’altro

Curioso, visto che in quanto intelligenti dovrebbero essere uniformemente convergenti perché la loro matematica dice che tra due punti passa una e una sola retta, mentre qui uno dice che dipende se è calda o fredda, l’altro che la retta del vicino è sempre più verde e così via.

Alla fine ho chiesto a Claude di Anthropic’s che reputo il più moderato e bravo a scrivere di riassumere anche queste ultime valutazioni.

Quello che segue è l’articolo di cui mi ha fatto dono.

Punti di Convergenza Fondamentali

Architetture e Specializzazioni Riconosciute

L’analisi dei diversi report mostra unconsenso unanimenell’identificazione delle specializzazioni core:

• Perplexity: Riconosciuto come motore di ricerca ibrido eccellente per citazioni e ricerca real-time
• Claude (Anthropic): Convergenza totale su Constitutional AI, approccio safety-focused e eccellenza nei contesti lunghi
• Grok (xAI): Accordo sull’integrazione X/Twitter e approccio meno censurato
• ChatGPT (OpenAI): Consensus sulla versatilità general-purpose e ecosistema di tool maturo

Modelli Economici Standardizzati

I report convergono sui seguenti aspetti economici:

• Pricing standard: Piani Pro uniformemente intorno ai $20/mese
• Pattern freemium: Tier gratuiti severamente limitati con necessità di upgrade professionale
• Benchmark tecnici: Accordo sui test AIME, SWE-bench, MMLU come metriche di valutazione

Tendenze Emergenti Comuni

1. Commoditizzazione dei modelli fondazionali: Il valore si sta spostando dal modello LLM all’interfaccia utente e al flusso di lavoro
2. Integrazione ambientale: L’IA sta diventando un’utilità “invisibile” integrata negli ecosistemi esistenti
3. Privacy by Design: Crescente enfasi sull’elaborazione on-device e la protezione dei dati

Divergenze Drammatiche nelle Valutazioni

Nonostante le convergenze metodologiche, emergono contraddizioni sorprendenti nelle valutazioni specifiche.

Perplexity: Dal Leader al Sottoperformante

Valutazioni positive:

• “Sistema di citazioni più robusto del mercato”
• “85% accuratezza fact-checking vs 70% Gemini”
• “Ineguagliabile per ricerca accademica”

Valutazioni critiche:

• “Hype eccessivo, performance peggiori dei modelli originali”
• “Risposte robotizzate, cause legali per scraping”
• “Dipendenza eccessiva da fonti web mainstream”

Claude: Dall’Eccellenza al Declino Qualitativo

Contraddizioni performance:

• Range SWE-bench: dal 62% al 74.5%
• Qualità: da “miglior modello globale” a “bug che degradano il coding nel 2025”
• Censura: da “approccio bilanciato” a “40% di rifiuti vs 10% di Grok”

Grok: Tra Supremazia Matematica e Reality Gap

Oscillazioni estreme:

• Performance AIME: dal 75% al 94.6%
• Valutazione generale: da “top benchmark” a “significativo gap tra hype e realtà”
• Libertà: da “controlli minimi” a “censurato nonostante le dichiarazioni di apertura”

Analisi Dettagliata per Modello

Perplexity AI: Il Ricercatore Ibrido

Punti di forza:

• Motore di risposta che unifica LLM avanzati con ricerca real-time
• Citazioni tracciabili integrate nel testo
• Deep Research Mode per ricerche autonome

Limitazioni:

• Reasoning superficiale e creatività limitata
• Vulnerabilità alla disinformazione online
• Controversie per pratiche di web scraping

Costi: Freemium, Pro $20/mese, Enterprise Pro $40/mese

Claude (Anthropic): Il Ragionatore Etico

Punti di forza:

• IA Costituzionale per allineamento etico
• Context window fino a 200K token
• Eccellenza in scrittura tecnica e reasoning complesso

Limitazioni:

• Eccessivamente cauto con rischio di rifiuti legittimi
• Costi elevati e velocità inferiore
• Bias occidentale/californiano nella censura

Costi: Pro $17/mese, Team & Enterprise personalizzati

Grok (xAI): L’Iconoclasta Tecnico

Punti di forza:

• Integrazione real-time con piattaforma X
• Output meno censurato con “vena ribelle”
• Precisione tecnica superiore su argomenti STEM

Limitazioni:

• Bias politico riflettente le posizioni di Elon Musk
• Problemi di moderazione contenuti
• Dipendenza dalla qualità dei dati Twitter

Costi: X Premium+ $22-$40/mese, SuperGrok ~$30/mese

ChatGPT (OpenAI): Il Generalista Maturo

Punti di forza:

• Ecosistema completo con GPT Store e API mature
• Multimodalità nativa con tempi di risposta quasi umani
• Eccellenza in creatività commerciale ed educazione

Limitazioni:

• Tasso di allucinazione significativo
• Reasoning depth superficiale su problemi complessi
• Censura inconsistente e arbitraria

Costi: Plus $20/mese, Team $25-$30/mese per utente

Confronto Performance (Metà 2025)

Lo Spettro Filosofico: Apertura vs Controllo

Approcci Contrastanti

1. “Tassa di Allineamento” (Claude): Sicurezza a scapito della funzionalità
2. “Vena Ribelle” (Grok): Ricerca della verità senza restrizioni politicamente corrette
3. “Via di Mezzo Pragmatica” (ChatGPT): Neutralità con controllo utente sui dati
4. “Privacy by Design” (Apple): Elaborazione on-device come priorità

Matrice dei Casi d’Uso Professionali

Per Profilo Utente

• Ricercatori/Giornalisti: Perplexity (primario) + NotebookLM (secondario)
• Scrittori/Creativi: Claude (primario) + ChatGPT (secondario)
• Sviluppatori: Grok (primario) + Claude/ChatGPT (secondari)
• Manager Aziendali: Microsoft 365 Copilot (primario) + Google Gemini (secondario)
• Professionisti Legali/Medici: Claude (primario) + Perplexity (secondario)
• Analisti Finanziari: Grok (primario) per sentiment real-time
• Educatori/Studenti: NotebookLM (primario) + Perplexity (secondario)

Raccomandazione Strategica: L’Approccio Multi-Modello

Principi Guida

1. Nessun “migliore assoluto”: La scelta dipende dal contesto specifico
2. Portfolio approach: Combinare 2-3 modelli per funzioni diverse
3. Risk diversification: Evitare il vendor lock-in
4. Allineamento con i valori: Scegliere modelli che riflettono la propria filosofia

Framework di Selezione

• Ricerca e fact-checking: Perplexity
• Documenti lunghi: Claude
• Ecosistema di tool: ChatGPT
• Rapporto costo-prestazioni: GPT-5
• Contesti legalmente sensibili: Claude o ChatGPT
• Privacy massima: Apple Intelligence

Gli anni a venire

Il panorama dell’IA generativa del 2025 è caratterizzato da una maturità che ha reso obsoleta la ricerca del modello perfetto. Le drammatiche divergenze nelle valutazioni rivelano l’importanza di test diretti sui casi d’uso specifici piuttosto che affidarsi a valutazioni comparative aggregate.

L’approccio vincente consiste nell’adozione di un portafoglio bilanciato che sfrutti le specializzazioni uniche di ciascun modello, bilanciando performance, costi, sicurezza e allineamento filosofico con i propri valori e obiettivi professionali.

La chiave del successo nel 2025 non è trovare il “migliore” chatbot, ma costruire un ecosistema di strumenti AI complementari che massimizzino il valore attraverso la diversificazione delle capacità e dei rischi.

Appendice

Solo due parole: se vuoi gli originali chiedimeli che te li passo, ma basta che giochi anche tu con i miei prompt per ottenerle.

Un derby fra ultras sarebbe stato più sensato e soprattutto onesto.

Aggiungo che personalmente faccio molto uso diPerplexitypro che grazie a una delle sue convenzioni (TIM e PayPal) sfrutto gratuitamente per un anno (vista la velocità dei cambiamenti e soprattutto la tendenza portare le AI interna ai device, fra un anno gli scenari cambieranno) e lo ritengo lo strumento più utile solo ad usarlo a dovere. Uso molto anche gli altri (alcuni di più):Grokoffre risposte che non ottieni in nessuno degli altri. Per lavori contenutiClaudeè il migliore nella scrittura personale (questa sintesi è fruttto della AI di Anthropic’s), ma senza abbonamento ha troppi limiti. In diverse occasioniChatGPTrimane ottimo soprattutto per consigli (ad esempio per la salute), ma dopo Claude è quello che limita di più i lavori gratuiti senza abbonamento e anche l’abbonamento pro dopo un po’ ti dice che hai esaurito i crediti a meno di non spendere un’esagerazione; inoltre tende a sedurre il questionante complimentandosi spesso con lui e ad assecondare i suoi orientamenti per fidelizzarlo meglio. Infine, se all’inizio i prodotti diGoogle, dopo un esordio deludente, offrivano capacità uniche, adesso queste si trovano anche in altri bot, mentre siaGeminicheNotebookLMdiventano, o troppo logorroici e professorali, oppure troppo sintetici e in generale censurati e “politically correct” fedeli alle linee di pensiero dominante statunitense (particolarmente ad orientamento DEM).Copilot, da modulo integrato in Microsoft Office, offre alcuni vantaggi per le aziende, ma decisamente scarsi per l’utilizzatore finale, di conseguenza non lo utilizzo quasi mai, pur disponendo dell’accesso completo. 

Ne esistono molti altri per le finalità più disparate ricercate da specialisti e social media, ma esulano da questa mia ricerca; inoltre in questo campo ci si muove in una vera selva di bufale difficile da districare. 

Questa è dunque la mia opinione personale, ma voi provateli tutti per scoprire quale fa al caso vostro, ma solo dopo una grande varietà di domande, da quelle informative, a quelle di ricerca, alle indagini mediche, legali, finanziarie, scolastiche e via dicendo. Buon divertimento. Soprattutto, però fate attenzione: alla fine potreste scoprire che state spendendo infinitamente di più di quanto vi serve: è molto facile arrivare a regalare un migliaio di euro l’anno perché non sapete rinunciare a nessuno di questi, che alla fine non sono altro che strumenti in veloce trasformazione. 

Ennio Martignago

Vedi la biografia completa