Google ha confermato in modo informale che la general availability di Gemini 3.5 Pro, attesa entro giugno 2026, e’ stata rinviata a luglio. La conferma e’ arrivata da test interni in cui gli early access partner avrebbero segnalato problemi di token efficiency e di performance su task a lungo orizzonte, ovvero la capacita’ del modello di mantenere coerenza e qualita’ su flussi di lavoro molto lunghi tipici degli agenti. Sundar Pichai aveva indicato giugno come finestra ufficiale durante il keynote di Google I/O, ma in queste ore i canali developer hanno iniziato a parlare apertamente di slittamento. Il rinvio cade nella stessa giornata in cui OpenAI ha lanciato con Broadcom il chip dedicato Jalapeño, un’iniziativa che segnala chiaramente come la corsa ai grandi modelli si stia spostando dal puro fronte software all’hardware verticalizzato. Per le agenzie che stanno costruendo integrazioni AI per clienti italiani, e’ un segnale operativo importante: i piani di lancio di prodotti basati sul nuovo Gemini vanno aggiornati e i fornitori di compute vanno guardati con piu’ attenzione di prima.
Il problema della token efficiency non e’ un dettaglio accademico. In termini concreti significa quanto un modello costa per produrre un output utile: piu’ token consuma per generare la stessa risposta, piu’ alto e’ il costo per ogni chiamata API e piu’ lento il tempo di risposta. Per un cliente italiano che pianifica di mettere un assistente AI in chat sul proprio ecommerce, il costo per conversazione e’ la variabile che fa la differenza tra un’integrazione sostenibile e un buco di marginalita’. Google ha spinto molto, in questi mesi, sul concetto di “intelligence per dollar”, proprio perche’ il mercato sta uscendo dalla fase del “tokenmaxxing” (modelli costosissimi usati senza ottimizzazione) e sta entrando in una fase di efficienza misurata. Se Gemini 3.5 Pro non e’ ancora competitivo sul rapporto qualita’/token, conviene a Google ritardare il lancio piuttosto che bruciare la prima impressione contro Claude Opus 4.8 e GPT-5, che oggi sono percepiti come piu’ efficienti.
Le “performance su task a lungo orizzonte” e’ l’altro nodo. Si tratta della capacita’ del modello di sostenere ragionamenti, ricerche e azioni distribuiti su molti passaggi senza perdere il filo o degradare la qualita’ delle decisioni. E’ esattamente il terreno in cui gli agenti AI stanno mostrando le potenzialita’ piu’ grandi: agenti che leggono un brief, navigano nei tool, scrivono codice, fanno deploy, controllano i risultati. Una web agency di Milano che voglia automatizzare le risposte ai brief di preventivo, ad esempio, ha bisogno di un modello che mantenga coerenza su una catena di 10-15 azioni. Se Gemini 3.5 Pro non regge bene questo test, e’ un problema serio per chi voleva centrare la propria offerta agentic su Google. Nel frattempo Anthropic, secondo gli ultimi numeri pubblicati, ha portato il run rate di ricavi oltre i 30 miliardi di dollari proprio grazie alla penetrazione enterprise dei suoi modelli Claude, con piu’ di mille clienti che spendono oltre 1 milione l’anno.
Il lancio di Jalapeño, il primo chip AI custom progettato da OpenAI in collaborazione con Broadcom, e’ la mossa opposta: dichiarare al mercato che il vincolo non e’ piu’ solo l’algoritmo ma il silicio. OpenAI ha capito che dipendere esclusivamente da Nvidia significa avere margini schiacciati e dipendenza strategica sui tempi di consegna; con Jalapeño puo’ calibrare il chip sulle proprie architetture e ridurre il costo inferenza per token. Il pattern non e’ nuovo: Google ha le TPU dal 2016, Amazon ha Trainium e Inferentia, Meta sta sviluppando MTIA. La novita’ e’ la velocita’ di OpenAI nel chiudere il gap, in una fase in cui anche Anthropic ha annunciato accordi con Amazon per fino a 5 GW di capacita’ training e inference. Per le agenzie italiane il messaggio e’ indiretto ma chiaro: i prezzi delle API AI nei prossimi 12-18 mesi tenderanno a scendere, non a salire, perche’ l’intero stack si sta verticalizzando.
Sul piano pratico, lo slittamento di Gemini 3.5 Pro a luglio cambia il calendario di chi stava costruendo demo o pitch commerciali basati su funzionalita’ attese per giugno. Un’agenzia di Torino che aveva promesso a un cliente del food retail una demo di assistente conversazionale “powered by Gemini 3.5 Pro” entro la fine del mese dovrebbe rinegoziare la data o usare la versione 3.0 attualmente disponibile, segnalando trasparentemente il cambio. Il rinvio impatta anche la roadmap di Vertex AI Search e di Gemini API in produzione, dove molti workflow B2B si appoggiano alle release cadenzate per pianificare go-live e SLA. La buona notizia e’ che Gemini 2.5 Pro resta operativo e ben mantenuto: per la stragrande maggioranza dei casi d’uso aziendali italiani (assistente interno, riassunti documenti, classificazione email, generazione contenuti) non e’ un modello che limita davvero la qualita’ finale.
Cosa significa per la tua agenzia o PMI
- Aggiorna i preventivi e le roadmap dei progetti AI che dipendono da Gemini 3.5 Pro: comunica al cliente lo slittamento come informazione di mercato pubblica, non come ritardo tuo.
- Sperimenta nel weekend la stessa funzionalita’ su Gemini 2.5 Pro, Claude Sonnet 4.6 e GPT-5: misura tempi di risposta, costo per conversazione e qualita’ soggettiva su 20 casi tipici, poi scegli con dati alla mano invece che con marketing.
- Inserisci nei contratti una clausola che permetta di sostituire il provider AI senza penali, dato che il mercato sta cambiando ogni 30-60 giorni: e’ un vantaggio sia per te che per il cliente.
- Imposta un alert su Search Engine Land e sul blog ufficiale di Google AI per intercettare la data definitiva di GA di Gemini 3.5 Pro: serve a te per replanning e ai clienti come prova di affidabilita’ del partner.
- Valuta architetture multi-modello (routing tra Claude, Gemini, GPT in base al task) come pattern di default per i nuovi progetti: dipendere da un solo provider espone a slittamenti come questo.
Fonte: June 2026 AI Launch Wave: A Builder’s Decision Map (WaveSpeed) e Top Tech News Today, June 26, 2026 (Tech Startups).
