Gemini 4 Pro vs GPT-6 Astra nel test del controller Xbox 360 — e perché Fable 5.2 non c'era

Un post su X è apparso il 21 settembre, con tre nomi, un video e le parole "confronto SOTA": Gemini 4 Pro, GPT-6 Astra, Claude Fable 5.2. Due di questi nomi appartengono a modelli che nessuno può invocare. Uno appartiene a un modello in vendita da diciotto giorni. E l'artefatto a cui il post rimanda — un controller di gioco disegnato in grafica vettoriale in un solo colpo da un singolo prompt — era, secondo le persone che l'hanno effettivamente eseguito, un confronto a due tra i primi due. Claude Fable 5.2 non era presente. E neanche Claude Fable 5.1.

Quel divario tra l'inquadratura e le prove è l'intero stato della vicenda di Gemini 4 Pro in questo momento, e vale la pena smontarlo con attenzione invece di liquidarlo. Il test del controller non è cosa da nulla. È l'artefatto dall'aria più riproducibile che chiunque abbia prodotto questo mese su un modello di frontiera non ancora rilasciato, ha una discendenza di quattro mesi alle spalle, e molta gente lo sta leggendo come un verdetto. Non è un verdetto. È un pareggio, scaturito da un solo tentativo, che il tester stesso non è riuscito a ripetere il giorno dopo — e sapere esattamente fin dove arriva e fin dove non arriva è più utile sia dell'hype sia dell'alzata di occhi al cielo.

Il test, e perché un SVG è diventato il benchmark

Il prompt è più vecchio dei modelli che ora viene usato per giudicare. Risale all'era di Gemini 3.0, quando circolava in questa forma: "Crea un'immagine SVG di un controller Xbox 360. Restituiscila in un blocco di codice Markdown su più righe." Quella formulazione è importante, perché è deliberatamente ostile verso un modello linguistico. Un disegno vettoriale è tutta struttura e niente texture — non c'è rumore fotografico dietro cui un modello possa nascondersi, nessun campionatore di diffusione che levighi un errore. Ogni curva deve essere specificata come coordinata. Un controller è un bersaglio difficile: due impugnature simmetriche, una superficie concava, grilletti posteriori resi in prospettiva, circa sedici pulsanti che necessitano ciascuno di una posizione, una silhouette che risulta subito sbagliata se una proporzione si discosta. E poiché la risposta arriva come testo che puoi incollare in un visualizzatore, il confronto è economico e portabile. Nessuno deve fidarsi dello screenshot della finestra di chat di qualcun altro.

A settembre la community ha ripreso in mano il prompt. Gli output che circolano dalle sessioni dell'arena — un pellicano su una bicicletta, un controller PlayStation 5 renderizzato da cinque angolazioni macro della fotocamera, una pagoda 3D con illuminazione commutabile, una scena con tempio voxel, una pagina sull'elicottero Airbus H145 — vengono descritti nei resoconti come se richiedessero all'incirca dagli otto ai venti minuti ciascuno con un elevato sforzo di pensiero. Il controller è quello che è finito in uno screenshot per un confronto.

Cosa mostra davvero il confronto dei controller

Ecco il risultato così come lo ha riportato il tester, ed è un'affermazione molto più modesta di quella che la timeline ne ha fatto.

• Verdetto — un pareggio. La persona che l'ha condotto, pubblicando come Lumina, ha definito entrambi gli output «quasi perfetti».

• L'unica asimmetria — la versione di Astra riportava un logo leggermente errato. Si tratta di un vantaggio su un singolo dettaglio, e il tester l'ha inquadrato come un vantaggio su un singolo dettaglio, non come un vantaggio generale.

• Completezza visiva — entrambi i rendering mostrano corpi del controller, controlli e ombreggiature dettagliati. Nessuno dei due è andato in pezzi sulla forma.

• Ciò che il confronto non dimostra — che il modello non ancora rilasciato sia in vantaggio. Due output giudicati ugualmente buoni sono la definizione di assenza di vantaggio.

• Riproducibilità — secondo quanto riferito, l'output è stato prodotto la notte precedente, ha richiesto circa venti minuti e il tester non è riuscito a ottenere risultati comparabili il giorno successivo.

• Identità — la voce dell'arena da cui proveniva l'output era etichettata gemini-3.8-flash, un nome che appartiene già a un modello che Google ha distribuito il 2 settembre e che, secondo quanto riferito, in seguito sarebbe stato rietichettato come gemini-3.7-flash. Quale modello ci fosse effettivamente dietro l'alias non è stato chiarito, e altri due tester hanno dichiarato nello stesso periodo di non poter confermare nemmeno quale modello avessero usato.

Leggi la lista in ordine e la forma delle prove diventa chiara. L'affermazione interessante non è «il modello non ancora rilasciato ha vinto». È che un modello che nessuno riesce a identificare, in esecuzione sotto il nome di un modello già distribuito, ha prodotto un lavoro vettoriale al primo tentativo che un tester scrupoloso non è riuscito a distinguere dall'output di un modello di frontiera disponibile al pubblico per gran parte di settembre. Questa è un'osservazione reale. È anche però un'osservazione relativa a un solo pomeriggio, e il tester lo ha detto.

Il risultato a due vie e l'affermazione a tre vie

Il post che ha dato origine a questo pezzo parla di tre modelli. Gli articoli che descrivono la stessa sessione del controller ne descrivono due. Lo stato effettivo di Claude Fable 5.2 questa settimana è una storia separata che si trova a condividere un ciclo di notizie, e vale la pena essere precisi al riguardo perché la confusione sta avendo un ruolo in entrambe le direzioni.

• Che cosa si afferma — l'account X @chetaslua ha pubblicato il 18 settembre che Claude Fable 5.2 «viene testato in Claude Code, che gli instrada fable 5.1». Si tratta di un'affermazione sul routing relativo a Claude Code, proveniente da un unico account.

• Qual è il nome — una supposizione del reporter stesso. Il tester che pubblica come JAZII, il cui articolo del 18 settembre è il resoconto più dettagliato del comportamento, dichiara apertamente che "Fable 5.2" è un nome che ha assegnato lui, non un nome che qualcuno abbia confermato. Non esiste alcuna model card, nessun identificatore API, nessuna pagina dei prezzi, nessuna system card e nessuna seconda testata che riporti in modo indipendente una route di Fable 5.2.

• Che cosa comporti in realtà la vicenda corroborata del routing di Claude — questo blog l'ha trattata separatamente: i rapporti di metà settembre sul routing silenzioso, ripresi da diverse testate indipendenti, riguardavano un checkpoint di livello Opus non ancora rilasciato, non un Fable. L'attribuzione a Fable si basa su un'unica fonte. Trattatela come il resoconto di una singola fonte, non come una conclusione.

• Ciò che il tester ha effettivamente riferito — con uno sforzo di ragionamento elevato, il presunto prossimo Fable è stato preferito a GPT-6 Astra, ed è risultato più lento e più costoso. Si tratta di una preferenza, espressa da una sola persona, sul proprio lavoro.

• Ciò che è verificato riguardo al modello distribuito — Claude Fable 5.1 è disponibile in generale dal 1º settembre 2026. Quel modello esiste, ha un prezzo e può essere chiamato oggi.

Quindi la versione onesta dell’inquadramento tripartito è questa: due dei tre nomi in quel post sono modelli non annunciati con nomi assegnati dalla community, il test del controller ha coinvolto solo quello la cui identità è almeno ancorata a una voce dell’arena, e la colonna Fable è una preferenza di un singolo tester che ha esplicitamente rifiutato di nominare il modello. Non è un motivo per ignorare nulla di tutto ciò. È un motivo per tenere i tre nomi a tre livelli di fiducia diversi invece che a uno solo.

La tabella di benchmark che argomenta davvero

Il file SVG del controller è l'artefatto visibile. La cosa che persuade davvero è un foglio di benchmark emerso intorno al 18 settembre e da allora riprodotto sulla stampa tecnologica cinese e inglese. Vale la pena elencarli, perché i numeri sono abbastanza specifici da poter essere verificati e nessuno di essi è stato verificato.

• DeepSWE v1.1 — 88,7%, descritto come circa due punti al di sopra di GPT-6 Astra.

• GDPval-AA v2 — 2.064 Elo, descritto come l'unica voce del confronto al di sopra di 2.000.

• Terminal-bench 2.1 — 95,3%, indicato come il punteggio più alto della tabella.

• OSWorld-2.0 — 86,8%, posizionandosi davanti sia a GPT-6 Astra sia a Claude Fable 5.1.

• Prezzo dichiarato — 2,25 $ per milione di token di input e 11,25 $ per milione di output.

• Specifiche dichiarate — un limite di input di 10 milioni di token, un tetto di output di 256K token, memoria tra conversazioni.

Ogni riga sopra è un'affermazione della community. Google non ha confermato nulla di tutto ciò, non ha confermato affatto che la voce dell'arena sia Gemini 4 Pro e non ha risposto a una richiesta di commento. La tabella non riporta alcun identificatore di checkpoint, alcuna impostazione di reasoning effort, alcun agent harness, alcuna autorizzazione degli strumenti, alcuno split di test, alcuna dimensione del campione e alcun log di esecuzione — le cose che una vera valutazione riporta e che uno screenshot di una diapositiva non riporta. Anche i nomi dei benchmark provengono dalla stessa famiglia che OpenAI ha usato nel proprio materiale di lancio di settembre, il che è un indizio rivelatore su dove è stato messo insieme il foglio, piuttosto che su dove è stato misurato.

C'è una seconda ragione per prestare attenzione a qualsiasi confronto tra modelli di frontiera questo mese: l'indice indipendente a cui tutti fanno riferimento è stato aggiornato alla versione 4.3 il 7 settembre, e il cambio di versione comprime o dilata la parte alta della classifica. Un punteggio senza la versione indicata non è confrontabile con un punteggio di tre settimane prima, né nostro né di chiunque altro.

Che cosa è effettivamente confermato su Gemini 4 Pro

Tolte le affermazioni, il dato concreto è breve.

• 21 luglio 2026 — Google conferma di aver avviato la sua sessione di pre-addestramento più ambiziosa di sempre, per Gemini 4. L'amministratore delegato lo ribadisce durante la call sui risultati del secondo trimestre.

• 2 settembre 2026 — Viene rilasciato Gemini 3.8 Flash. Il più recente modello di Google disponibile a livello generale resta un modello di fascia Flash.

• 15–18 settembre 2026 — un leaker che si firma "Lentils" sostiene che i checkpoint di Gemini 4 Pro stiano comparendo internamente con il nome in codice "argon"; i tracker della comunità registrano una voce nell'arena sotto l'etichetta gemini-3.8-flash distribuita che impiega da otto a dieci minuti per risposta e produce lavori vettoriali e 3D ben oltre ciò che quel modello produce.

• Oggi — nessun ID del modello Gemini 4, nessun endpoint, nessun prezzo, nessuna scheda del modello. Il Wall Street Journal ha riferito che Gemini 3.5 Pro, che era stato presentato in anteprima per giugno e non è mai stato rilasciato, è stato cancellato perché i suoi miglioramenti erano troppo modesti.

Questa è l'intera superficie confermata. Tutto il resto in circolazione — la tabella, il prezzo, la finestra di contesto, il nome in codice, l'identità della voce dell'arena — è un'inferenza che indossa un punto decimale.

Cosa puoi effettivamente eseguire mentre aspetti

Questa è la parte che i post di confronto omettono, ed è la parte che cambia una decisione.

GPT-6 Astra non è una voce. È stato rilasciato il 3 settembre 2026, porta l'id del modello gpt-6-astra, ed è invocabile oggi al prezzo di listino di OpenAI stesso, 10,00 $ per milione di token in input e 50,00 $ per milione in output, con l'input in cache a 1,00 $. Gira su OrcaRouter a quello stesso prezzo di listino del fornitore, con 0% di ricarico — passiamo direttamente la tariffa del fornitore, così quando una tariffa cambia, il numero dalla nostra parte cambia lo stesso giorno, anziché aspettare che qualcuno si decida ad aggiornare un margine. Le sue linee di benchmark riportate da OpenAI sono DeepSWE v1.1 al 74%, OSWorld 2.0 al 72,6%, Terminal-Bench 4.0 al 57,9% ed ExploitBench al 100%, ed è questo che l'ha portata oltre la soglia Critical di capacità cyber. Sono dati riportati dal fornitore e non riprodotti, e sono i numeri contro cui il foglio trapelato di Gemini 4 Pro sta implicitamente argomentando.

Gemini 4 Pro non è su OrcaRouter, e non abbiamo intenzione di far finta del contrario. Non esiste alcun endpoint, alcun model id e alcun prezzo, perché non esiste un modello rilasciato. Claude Fable 5.1, al contrario, è generalmente disponibile dal 1° settembre ed è instradabile al suo prezzo di listino, così come Claude Opus 5 e il resto dell'attuale fascia di frontiera — una sola API copre oltre 200 modelli al prezzo di listino del provider, senza alcun ricarico, quindi un confronto come questo non richiede tre account, tre SDK e tre fatture per essere messo in pratica.

Se il risultato del controller è ciò che ti tenta a ristrutturare un percorso di produzione attorno a un modello non annunciato, la mossa saggia è quella che le prove supportano: non farlo. Mantieni il percorso che hai e, se vuoi scoprire se l'effetto si generalizza al tuo lavoro, instrada una fetta di traffico su un percorso non provato, con un fallback a un modello di cui ti fidi già. Così un pomeriggio storto ti costa un punto percentuale di traffico anziché un incidente, e ottieni la tua risposta invece di prendere in prestito il risultato da venti minuti di qualcun altro.

Cosa farebbe sì che il risultato del controller significhi qualcosa?

• L'alias ottiene un nome reale. Una voce nell'arena è un'indiscrezione con una riga in classifica. Un ID di modello nella documentazione del fornitore stesso è un prodotto. Tieni d'occhio l'elenco dei modelli, non la timeline.

• Il risultato è riproducibile. Un tester non è riuscito a ottenere lo stesso output il giorno dopo. Tre persone indipendenti che lo ottengono su richiesta, con il modello identificato, sono una classe di evidenza del tutto diversa.

• Il foglio trapelato ottiene una metodologia. Un punteggio di benchmark senza un checkpoint, un'impostazione dello sforzo e un harness non è una misurazione; è un'affermazione su una misurazione.

• Compare un prezzo. I 2,25 $/11,25 $ dichiarati renderebbero un modello di frontiera non ancora rilasciato di gran lunga il più economico dei tre, il che è il tipo di affermazione che o compare in un tariffario oppure no.

• L'attribuzione di Fable ottiene una seconda fonte. Al momento ne ha una, e la persona che l'ha fatta ha detto che il nome era suo fin dall'inizio.

Domande che meritano una risposta

Se la voce nell'arena è davvero Gemini 4 Pro, perché farla girare sotto il nome di un modello già rilasciato?

Testare un nuovo checkpoint dietro l'etichetta di un modello esistente è prassi standard per il benchmarking cieco — consente a un laboratorio di raccogliere voti da confronti testa a testa senza che il nome influenzi il voto. Significa anche che l'etichetta non ti dice nulla su ciò che c'è dietro, ed è esattamente questo il problema qui: l'alias è prova che qualcosa viene testato, non prova di che cosa.

Un pareggio contro GPT-6 Astra significa che il modello non ancora rilasciato è deludente?

No, ed è qui che l'inquadramento fa più danni. Un checkpoint ancora in post-training, che gira dietro un alias, che eguaglia un modello di frontiera già rilasciato su un difficile compito one-shot è un segnale molto più forte di un grafico del giorno del lancio. È solo un segnale sulla direzione, non su un prodotto che puoi acquistare, e i due vengono letti come la stessa cosa in un post di confronto.

Dovrei cambiare qualcosa oggi per questo?

Non per questo. Nulla nel test del controller cambia ciò che è disponibile, quanto costa qualcosa o in cosa un modello sia bravo. I fatti rilevanti per la decisione questa settimana sono che GPT-6 Astra e Claude Fable 5.1 sono entrambi disponibili e con un prezzo, e che Gemini 4 Pro non è né disponibile né con un prezzo. Se vuoi coprirti rispetto a questa possibilità, fallo con il routing anziché con una riscrittura.

La lettura onesta

Il test del controller è la prova migliore che qualcuno abbia prodotto su Gemini 4 Pro, e la prova migliore che qualcuno abbia prodotto è un pareggio, da un solo tentativo, che non si è ripetuto, su un modello che nessuno può nominare, riportato insieme a una scheda di benchmark che nessuno può verificare. Sembra una stroncatura e non lo è. Il motivo per cui il test si è diffuso è che è il primo artefatto in questa storia che assomiglia a un prodotto invece che a una slide: un prompt reale, un output reale, una persona reale che li confronta, e un risultato che i partigiani di nessuno dei due schieramenti hanno potuto rivendicare in pieno.

Quello che non fa è risolvere nulla. Se devi fare il rilascio questa settimana, il livello di frontiera che esiste — GPT-6 Astra a $10/$50, Claude Fable 5.1 al suo prezzo di listino — è lì che risiede davvero la tua decisione, ed entrambi sono invocabili con una sola chiave senza un secondo contratto. Se vuoi sapere cosa ha Google, gli unici segnali che faranno passare questo da un articolo su quello che sappiamo finora a un articolo di lancio sono un model id, un tariffario e una riproduzione. Finché non arrivano, la lettura corretta del confronto del controller Xbox 360 è quella data dalla persona che l'ha condotto: due disegni molto buoni, e nessun vincitore.