In sintesi: Un’AI ha progettato da sola un algoritmo di ragionamento che taglia del 70% i costi computazionali, spendendo meno di quaranta dollari.
Quaranta dollari e centosessanta minuti: tanto è costato scoprire un algoritmo di ragionamento che nessun essere umano aveva mai pensato di scrivere. Un gruppo di ricercatori di University of Maryland, UVA, Google, Meta e altri istituti ha lasciato che fosse un’intelligenza artificiale a progettare il controller che avrebbe poi usato per ragionare meglio. Il risultato batte i metodi scritti a mano sui principali benchmark matematici e risparmia il settanta per cento del compute rispetto all’approccio standard. Il paper si chiama AutoTTS, pubblicato su arXiv a maggio 2026, e l’esploratore che ha fatto il lavoro sporco è Claude Code, lo strumento di coding agente di Anthropic. La notizia è tecnica. La domanda che solleva non lo è per niente: se un’AI può progettare algoritmi di ragionamento migliori di quelli che scriviamo noi, chi decide dove si ferma questa delega?
Trentanove euro e centosessanta minuti: la palestra virtuale che cambia tutto
Il test-time scaling — in italiano, “scaling al momento dell’inferenza” — è una delle strategie più attive nella ricerca sui grandi modelli linguistici. L’idea di base è semplice: invece di addestrare un modello più grande, gli dai più tempo e risorse per ragionare nel momento in cui risponde. Come un esame orale dove puoi pensare ad alta voce invece di dover sparare la risposta in due secondi.
Il problema è che le strategie per farlo sono state finora scritte a mano dai ricercatori: regole su quando ramificare il ragionamento, quando potare i percorsi improduttivi, quando fermarsi. Euristiche, in sostanza. AutoTTS parte da una premessa diversa: invece di scrivere le regole, costruisci un ambiente in cui un’AI le scopre da sola.
Il team ha costruito un ambiente di replay offline — una sorta di palestra virtuale dove ogni tentativo viene registrato e analizzato senza dover interrogare ogni volta il modello da capo. Claude Code, in ogni ciclo, legge i log dei tentativi precedenti, identifica dove hanno sprecato risorse computazionali e propone un nuovo algoritmo di controllo scritto direttamente in codice. Nessun aggiornamento dei parametri del modello, nessuna retropropagazione del gradiente: solo iterazioni di codice, come farebbe un programmatore che affina una funzione dopo ogni test. L’intero processo ha richiesto 160 minuti e 39,9 dollari di compute.
Il Confidence Momentum Controller: l’algoritmo che gli umani non avrebbero scritto
L’algoritmo scoperto da AutoTTS si chiama Confidence Momentum Controller, o CMC. Il meccanismo è elegante in modo quasi inaspettato.
I metodi tradizionali di early stopping guardano alla confidenza istantanea: se il modello è abbastanza sicuro in questo momento, si ferma. CMC fa una cosa diversa: mantiene una media mobile esponenziale della confidenza nel tempo, come un trader che guarda la media a trenta giorni invece del prezzo di oggi. Si ferma solo quando la media è alta e il trend è stabile o in crescita. Se la confidenza è alta ma sta scendendo, aspetta.
La parte più originale riguarda il rapporto tra larghezza e profondità del ragionamento. Quando il modello guadagna confidenza rapidamente, CMC sopprime la creazione di nuovi rami — inutile esplorare se stai già andando bene. Quando la confidenza ristagna o regredisce, apre nuovi rami. È un loop di feedback chiuso che, come nota il paper, è assente in tutte le baseline progettate manualmente.
Sui benchmark AIME e HMMT — test di matematica avanzata usati per misurare le capacità di ragionamento dei modelli — la configurazione “lean” di AutoTTS risparmia circa il 69,5% dei token rispetto alla self-consistency standard, mantenendo un’accuratezza equivalente. L’algoritmo funziona anche su un modello diverso da quello usato per scoprirlo — DeepSeek-R1-Distill-Llama-8B — e su un benchmark non matematico come GPQA-Diamond, che testa la conoscenza scientifica avanzata.
Il cambio di ruolo che nessuno ha annunciato
C’è una frase nel paper che vale la pena sottolineare, perché descrive qualcosa di più grande del singolo risultato: AutoTTS «cambia ciò che i ricercatori progettano: dalle singole euristiche agli ambienti in cui le strategie possono essere scoperte automaticamente».
È un cambio di ruolo sottile ma radicale. Il ricercatore smette di essere l’architetto dell’algoritmo e diventa l’architetto dell’ambiente in cui l’algoritmo nasce. Definisce stati, azioni e feedback — non le regole di branching, pruning e stopping. È come passare dall’allenare un atleta al progettare la palestra.
Questo ha un’implicazione che il paper non sottolinea ma che è difficile ignorare: il processo di discovery è completamente automatizzato. Nessun essere umano nel loop. Claude Code propone, valuta, raffina. I ricercatori costruiscono l’ambiente e poi guardano cosa emerge. Il CMC è un algoritmo che nessuno ha pensato di scrivere perché nessuno stava cercando in quello spazio.
Vale anche la pena notare il contesto in cui questo risultato arriva. Anthropic sta espandendo Claude Code con decisione: sei mesi fa lo strumento completava mediamente circa dieci azioni autonome prima di chiedere input umano; oggi ne gestisce circa venti. AutoTTS è, in un certo senso, una dimostrazione pubblica di cosa succede quando si lascia che questo tipo di agente AI lavori su un problema aperto invece di un task definito.
Perché è importante
AutoTTS dimostra che il costo di esplorazione algoritmica è crollato: quaranta dollari e meno di tre ore per un risultato competitivo con anni di ricerca manuale. Se questo numero regge su domini più complessi, il modo in cui si fa ricerca sui sistemi di ragionamento sta per cambiare struttura. Non perché le AI abbiano sostituito i ricercatori, ma perché hanno reso esplorabile uno spazio che prima era troppo grande da attraversare a piedi.
Dove porta questa strada: i limiti onesti e le domande aperte
Il limite più onesto di AutoTTS è anche quello più ovvio: i benchmark usati per validare il CMC sono matematici, e la matematica è il terreno su cui i modelli di ragionamento sono più misurabili. Il trasferimento a GPQA-Diamond è incoraggiante, ma lo spazio dei problemi reali — testo ambiguo, contesti culturali, ragionamento pratico — è molto più difficile da trasformare in un ambiente di replay con feedback pulito.
Costruire quell’ambiente è, come ammette il paper stesso, la parte più difficile del framework. Il ruolo umano non scompare: si sposta. Non scrivi più l’algoritmo, ma devi capire abbastanza bene il problema da costruire uno spazio in cui l’algoritmo giusto possa emergere. È una competenza diversa, non necessariamente più semplice. E la domanda su chi controlli la direzione di questa esplorazione — quali ambienti costruire, quali obiettivi ottimizzare — resta aperta, e più urgente di quanto sembri.
