DeepSeek V4.1 Flash sfida Kimi K3 mentre Alibaba porta gli agenti nelle app rivali

🤖 Cosa cambia

• DeepSeek V4.1 Flash debutta con architettura MoE efficiente e risultati dichiarati molto elevati nei benchmark di coding, cyber e agenti autonomi.
• Alibaba porta i “digital employees” di QoderWake dentro DingTalk, Feishu e WeCom, superando i confini tradizionali tra piattaforme concorrenti.
• Claude Code genera in circa un’ora ReProgman, clone multipiattaforma della shell Windows 3.1 disponibile per Windows 11 e Apple Silicon.

L’intelligenza artificiale sta spostando la competizione dai chatbot alla capacità di eseguire lavoro concreto. DeepSeek presenta V4.1 Flash, modello multimodale Mixture-of-Experts che punta soprattutto su coding, cybersecurity e workload agentici; Alibaba trasforma QoderWake in una piattaforma di “dipendenti digitali” utilizzabili persino dentro Feishu di ByteDance e WeCom di Tencent; uno sviluppatore dimostra infine cosa significhi questa evoluzione sul piano individuale, utilizzando Claude Code per ricostruire in circa un’ora la shell Program Manager di Windows 3.1 e portarla anche su Apple Silicon. Tre sviluppi differenti, ma un’unica tendenza: il valore del modello viene misurato sempre meno dalla risposta testuale e sempre più dalla capacità di agire dentro software, organizzazioni e ambienti di sviluppo reali.

DeepSeek V4.1 Flash alza la competizione su coding e cybersecurity

DeepSeek V4.1 Flash è il modello più piccolo della nuova famiglia architetturale sviluppata dalla società cinese, ma i numeri comunicati al lancio lo collocano direttamente nella fascia più competitiva. Il sistema utilizza una nuova architettura Causal-Encoder-Decoder con struttura Mixture-of-Experts: su 552 miliardi di parametri complessivi, secondo DeepSeek soltanto 8 miliardi vengono attivati durante l’elaborazione dell’input e 16 miliardi durante la generazione dell’output. L’obiettivo è ridurre il costo computazionale mantenendo un’elevata capacità complessiva, combinando inferenza rapida, throughput superiore e possibilità di scalare lo stesso impianto verso modelli più grandi. I benchmark diffusi da DeepSeek devono essere letti come risultati dichiarati dal produttore, non come una certificazione indipendente di superiorità generale. Sono però abbastanza significativi da mostrare il posizionamento scelto. Su Terminal-Bench 2.1, dedicato all’esecuzione di attività informatiche realistiche attraverso il terminale, V4.1 Flash raggiunge 90,6 punti, contro 88,8 di GPT-5.6 Sol, 88,3 di Kimi K3 e 87,9 di DeepSeek V4 Pro. Il confronto è particolarmente interessante dopo che Kimi K3 aveva conquistato il primo posto nella Frontend Code Arena, diventando uno dei simboli dell’avanzata cinese nei modelli dedicati alla programmazione. Le valutazioni diffuse per V4.1 Flash coprono anche CyberGym, SEC-Bench Pro, ExploitGym, DeepSWE, ProgramBench e benchmark agentici, segnalando chiaramente che DeepSeek non sta ottimizzando Flash soltanto come modello economico da chat. La direzione è la stessa osservata quando DeepSeek è stato utilizzato per automatizzare scansioni ed exploit durante una campagna cyber reale: coding, terminale e capacità di interazione con gli strumenti stanno diventando un unico dominio operativo.

Leggi anche: Kimi K3 e la fine del mito della superiorità indiscussa dell’AI occidentale

V4.1 Flash non vince automaticamente ogni confronto con Kimi K3

Il lancio richiede però una precisazione. Dire che DeepSeek abbia “superato Kimi K3 in tutti i principali benchmark” sarebbe più forte di quanto consentano i dati disponibili. DeepSeek sostiene che V4.1 Flash superi il proprio precedente V4 Pro nelle valutazioni di coding, cybersecurity e agenti, mentre il confronto numerico pubblico con Kimi K3 varia in funzione del benchmark. Terminal-Bench 2.1 vede Flash avanti, ma valutazioni indipendenti disponibili su altri test producono risultati differenti e non permettono di assegnare una vittoria universale a uno dei due sistemi. Il dato industriale resta comunque rilevante. DeepSeek sta cercando di ottenere capacità frontier attivando una frazione molto ridotta dei parametri complessivi, una strategia particolarmente importante per un’industria cinese che continua a operare sotto restrizioni statunitensi sull’accesso all’hardware AI più avanzato. La competizione tra Stati Uniti e Cina sui modelli open-weight ha già mostrato come Pechino stia compensando almeno in parte il divario infrastrutturale attraverso efficienza, diffusione dei pesi, prezzi aggressivi e architetture capaci di utilizzare meglio la capacità disponibile.

Alibaba manda i propri “dipendenti digitali” dentro Feishu e WeCom

Se DeepSeek spinge sulle capacità del modello, Alibaba Cloud interviene invece sul luogo nel quale l’agente lavora. Le release note ufficiali di QoderWake 1.0 descrivono il passaggio da assistente desktop a “AI employee embedded in real-world workflows”: l’utente può descrivere in linguaggio naturale il ruolo desiderato, generare la relativa configurazione e collegare il nuovo lavoratore digitale a strumenti, conoscenza aziendale e procedure operative. L’aspetto più rilevante è l’interoperabilità. QoderWake può essere collegato non soltanto a DingTalk, piattaforma di Alibaba, ma anche a Feishu di ByteDance e WeCom di Tencent. Gli agenti possono ricevere richieste nelle chat, utilizzare documenti e allegati condivisi, accedere al contesto organizzativo autorizzato e continuare a lavorare attraverso task automatici. Il modello supera quindi il tradizionale recinto della piattaforma proprietaria: Alibaba accetta che il proprio agente lavori direttamente nelle applicazioni enterprise dei due principali concorrenti cinesi. La società dichiara che negli ultimi tre mesi sono stati messi al lavoro quasi 100.000 digital employees, responsabili di circa 2 milioni di task effettivi. QoderWake include inoltre dieci ruoli preconfigurati, tra cui sviluppatore frontend e backend, product manager, data analyst, project administrator e UI designer. Ogni agente dispone di limiti di autorizzazione e le operazioni considerate ad alto rischio possono richiedere l’approvazione dell’utente. È la versione enterprise della stessa evoluzione che sta interessando l’intero mercato: l’agente non deve soltanto conoscere un argomento, ma possedere identità, memoria, strumenti, permessi e una divisione esplicita delle responsabilità. Alibaba sta quindi trasformando l’AI da prodotto verticale a livello di interoperabilità applicativa. È un cambiamento importante anche per un gruppo che ha già portato i propri modelli molto oltre il cloud tradizionale: Qwen è stato scelto come componente dell’Apple Intelligence destinata al mercato cinese, mostrando come il valore strategico non dipenda necessariamente dal controllo dell’interfaccia finale.

Claude ricostruisce Program Manager in circa un’ora

L’altra faccia della stessa trasformazione emerge da un progetto molto più piccolo. Lo sviluppatore Mayuki ha chiesto a Claude di creare un clone del vecchio Program Manager di Windows 3.1, la shell grafica utilizzata prima dell’arrivo del menu Start di Windows 95. Il risultato è ReProgman, progetto pubblicato con licenza MIT che riproduce l’interfaccia classica e funziona sia su Windows 11 x64 e Arm sia su macOS con Apple Silicon. Il repository originale di ReProgman mostra un’applicazione basata su .NET 10, con codice sorgente, test e build multipiattaforma. La prima versione, secondo lo sviluppatore, è stata realizzata con Claude Code in circa un’ora; successivamente sono stati necessari ulteriori interventi per rifinire il progetto. I pacchetti finali occupano nell’ordine di 12-16 MB e non richiedono installazione tradizionale. Il valore dell’esperimento non consiste nella complessità del software. Program Manager è un’interfaccia relativamente semplice rispetto a un’applicazione moderna e il risultato non dimostra che Claude possa sostituire autonomamente un team software su qualsiasi progetto. Mostra però quanto si sia compresso il tempo necessario per trasformare un’idea in un programma funzionante. Il vibe coding è già diventato uno dei terreni principali della competizione tra i modelli: l’utente descrive il comportamento desiderato, il sistema genera struttura, codice e correzioni, mentre il ruolo umano si sposta progressivamente verso supervisione e scelta del risultato.

Dal vibe coding ai dipendenti digitali cambia il confine dell’applicazione

ReProgman e QoderWake sembrano appartenere a mondi molto diversi, ma rappresentano due scale della stessa architettura. Nel primo caso Claude Code opera all’interno dell’ambiente di sviluppo e converte indicazioni relativamente astratte in software eseguibile. Nel secondo, QoderWake converte una descrizione di ruolo in un agente persistente che può lavorare dentro chat aziendali, documenti e workflow. In entrambi i casi l’interfaccia conversazionale diventa soltanto il punto di ingresso verso una sequenza di azioni. Anthropic sta già seguendo direttamente questa traiettoria. Claude Fable 5.1 ha rafforzato l’esecuzione agentica anche attraverso il Mac, trasformando progressivamente il modello da interlocutore a software capace di intervenire sull’ambiente operativo. Il punto critico diventa quindi il controllo: più strumenti e contesto vengono concessi all’agente, maggiore è il valore del sistema, ma aumentano contemporaneamente le conseguenze di errori, istruzioni ambigue o autorizzazioni troppo ampie.

Continua con:

• Brave Search porta gli agenti AI sul Web reale e testa l’autonomia fuori dalle sandbox
• AWS porta AgentCore, Quick e Codex dentro il ciclo software enterprise

La competizione AI si sposta dalla risposta all’esecuzione

DeepSeek V4.1 Flash, QoderWake e ReProgman fotografano bene la fase successiva della corsa AI. Il benchmark continua a essere importante, ma il punteggio isolato perde progressivamente valore se il modello non riesce a lavorare con strumenti, repository, terminali, documenti e piattaforme di collaborazione. DeepSeek mette coding, cybersecurity e agenti al centro della propria nuova architettura; Alibaba prova a trasformare gli agenti in lavoratori persistenti capaci di attraversare persino gli ecosistemi concorrenti; Claude rende economicamente plausibile affidare a un modello la costruzione rapida di applicazioni complete. Il salto non consiste quindi soltanto in modelli “più intelligenti”. L’AI sta diventando uno strato operativo sopra il software esistente, con accesso crescente agli stessi ambienti nei quali lavorano sviluppatori e dipendenti. La vera competizione non sarà soltanto stabilire chi risponde meglio a una domanda, ma chi riesce a trasformare una richiesta in un risultato verificabile usando meno calcolo, meno supervisione e un numero maggiore di strumenti. È precisamente su questo terreno che Cina e Stati Uniti stanno iniziando a misurare la prossima generazione dei sistemi di intelligenza artificiale.