Perché chi fa modelli finisce per costruirsi anche l'harness

Fra il febbraio del 2025 e l’agosto del 2026 è successa una cosa che nessuno ha annunciato come tale: i produttori di modelli di linguaggio si sono messi tutti a costruire la stessa cosa. Non un modello migliore, che era prevedibile, ma il programma che fa lavorare il modello. Su undici produttori censiti otto lo hanno costruito, e i due che non lo hanno fatto sono andati a vivere dentro quello di un concorrente. L’ultimo a cedere è stato DeepSeek, il 13 agosto 2026, dopo aver sostenuto per anni che i prodotti chiusi non servono.

Il nome di quel programma è harness, e in italiano si può chiamare impalcatura: è la parola che questo pezzo userà più spesso, perché dice bene la cosa. I suoi compiti sono già stati raccontati per esteso: il pezzo I sei mestieri dell’harness spiega che cosa fa questo strato e perché è lì che un agente riesce o fallisce. Quello che segue è un’altra domanda, e riguarda chi lo costruisce invece di che cosa fa: perché ogni singolo produttore di modelli ha deciso che non poteva farne a meno, e che cosa rivela di dove si guadagna in questo mestiere.

La risposta breve è che le ragioni sono tre, di natura diversa, e che una sola non basterebbe. La risposta lunga comincia dai numeri.

Undici produttori, e otto hanno costruito la propria impalcatura

Diciotto mesi, e le licenze lette una per una sui repository invece che sulle pagine di presentazione. Chi non se l’è costruita vive in casa d’altri.

Il censimento che segue viene dai repository pubblici, letti il 14 agosto 2026 licenza per licenza. La differenza rispetto alle pagine di presentazione conta: alcune di queste impalcature vengono descritte come aperte e non lo sono, e il file della licenza è l’unico posto dove la questione si chiude. Le quattordici voci della tabella coprono undici produttori, perché tre di loro distribuiscono più di una cosa.

Produttore	Harness	Forma	Licenza
Anthropic	Claude Code	riga di comando	proprietaria, «All rights reserved»
Anthropic	Claude Agent SDK	libreria	MIT
OpenAI	Codex CLI	riga di comando	Apache-2.0
OpenAI	Agents SDK, Codex cloud	libreria, agente remoto	MIT, chiuso
Google	Gemini CLI	riga di comando	Apache-2.0
Google	ADK, Jules, Antigravity	libreria, agente remoto, piattaforma	Apache-2.0, chiusi
Alibaba	Qwen Code	riga di comando	Apache-2.0
Moonshot	Kimi Code CLI	riga di comando	MIT
ByteDance	Trae Agent	riga di comando di ricerca	MIT
DeepSeek	DeepSeek Harness	impalcatura a estensioni	MIT, repository creato il 13 agosto 2026
Zhipu (Z.ai)	nessuna propria: estensioni dentro Claude Code	estensione	Apache-2.0
MiniMax	MiniMax Code	applicazione da scrivania	chiusa
xAI	nessuna propria: estensione ufficiale per Claude Code	estensione	Apache-2.0
Meta	llama-stack, poi ceduto e rinominato	server agentico	MIT

Le date di creazione dei repository si addensano in modo impressionante: Claude Code a febbraio 2025, la libreria di OpenAI a marzo, quelle di Google e Codex ad aprile, Gemini CLI ad aprile, Trae Agent e Qwen Code a giugno. Poi la seconda ondata cinese, fino all’ultimo arrivato di quest’agosto.

Due voci della tabella dicono più delle altre. Zhipu e xAI vendono i propri modelli distribuendoli come estensioni dentro l’impalcatura di Anthropic, che è un concorrente diretto: la scheda tecnica di GLM-4.6 si presenta con le prestazioni ottenute «in applicazioni come Claude Code». E Meta non gareggia affatto, per la ragione più semplice: non vende accesso ai propri modelli, quindi non ha niente da proteggere con un’impalcatura propria.

L’harness è l’ambiente in cui il modello è stato addestrato

Un modello agentico si addestra facendolo lavorare dentro un ambiente. L’impalcatura di produzione è quell’ambiente, venduto.

Questa è la ragione che viene prima di tutte, ed è tecnica. Regge a ogni verifica e spiega da sola perché anche il produttore meno interessato a fare prodotti ha dovuto costruirne uno.

Un modello che ragiona e basta si addestra su testo. Un modello che agisce no: si addestra con l’apprendimento per rinforzo, mettendolo a svolgere compiti veri dentro un ambiente che gli dà strumenti, gli lascia sbagliare e gli dice com’è andata. La scheda di sistema di codex-1 lo dice alla lettera: il modello «è stato addestrato con apprendimento per rinforzo su compiti di programmazione reali, in una varietà di ambienti». Alibaba dichiara ventimila ambienti paralleli per l’addestramento agentico di Qwen3-Coder, e una riga di comando «con parser e supporto agli strumenti migliorati per i modelli Qwen-Coder». Anthropic pubblica i propri punteggi su SWE-bench dichiarando l’impalcatura usata per ottenerli.

Ne segue una cosa che cambia il modo di guardare la faccenda. L’impalcatura che il produttore vi mette in mano non è un accessorio del modello: è l’ambiente di addestramento reso prodotto, cioè lo stesso ambiente in cui il modello è diventato quello che è, ripulito e confezionato. Gli schemi degli strumenti, il modo in cui il contesto viene tagliato quando cresce, il formato in cui arrivano gli errori: sono le stesse condizioni in cui il modello ha imparato.

Da qui discende una conseguenza pratica per chi sceglie: un modello valutato dentro l’impalcatura del suo produttore e poi messo dentro un’altra non è lo stesso modello alla prova dei fatti. Il pezzo I sei mestieri dell’harness mostra quanto pesa lo strato di contorno, con lo stesso modello che passa dal 46 all’80 per cento di riuscita a seconda di come viene avvolto. Quel dato, letto da qui, dice anche un’altra cosa: chi ha addestrato il modello sa come avvolgerlo, e voi no.

Il token si svaluta, il compito no

Vendere capacità di calcolo è una gara al ribasso. Vendere il lavoro fatto non lo è, ma regge solo a due condizioni.

Il prezzo di una data capacità crolla di circa dieci volte l’anno: è la stima di a16z, confermata da Epoch AI, e ha un nome, «LLMflation». Non è una curva regolare: il 10 giugno 2025 OpenAI ha tagliato dell’80 per cento in un giorno il prezzo dell’interfaccia di o3.

Nello stesso periodo gli abbonamenti alle impalcature sono saliti e si sono stratificati: Anthropic vende Pro a venti dollari al mese e Max fra cento e duecento, dichiarando esplicitamente che Claude Code è incluso; ChatGPT Pro costa duecento dollari al mese con quote maggiorate per Codex. Le due curve vanno in direzioni opposte: quello che si vende a consumo perde valore ogni mese, quello che si vende a compito risolto lo mantiene. Che la scommessa funzioni lo dice il fatturato: Claude Code ha superato il miliardo di dollari annualizzati sei mesi dopo essere stato reso disponibile a tutti.

Qui però il ragionamento va tenuto stretto, perché nella forma corrente circola una versione più semplice e falsa. Il prezzo a compito non regge da solo. Regge a due condizioni, entrambe documentate.

La prima è il tetto d’uso. Nel gennaio del 2025 Sam Altman ha scritto una frase che vale più di molte analisi: «cosa folle: al momento stiamo perdendo soldi sugli abbonamenti pro di OpenAI». Nel luglio dello stesso anno Anthropic ha introdotto limiti settimanali su Claude Code, motivandoli con chi lo faceva girare in modo continuo, e dichiarando che la misura toccava meno del cinque per cento degli abbonati. Senza un limite periodico, un abbonamento a canone fisso davanti a un consumo illimitato è una perdita per costruzione.

La seconda è la cache, e qui sta il margine. Il listino di Anthropic dice che rileggere una porzione di contesto già memorizzata costa un decimo del prezzo di ingresso, cioè uno sconto del novanta per cento, mentre scriverla in memoria costa una volta e un quarto o due volte tanto. OpenAI pratica lo stesso sconto sull’ingresso in cache. Ora, decidere che cosa tenere in memoria e che cosa buttare, e quando, è esattamente il mestiere dell’impalcatura. Chi controlla l’impalcatura controlla il novanta per cento di sconto: è la ragione per cui il costo medio stimato di un utente sta intorno ai diciotto dollari al mese contro abbonamenti da venti a duecento, ed è anche la ragione per cui alcuni produttori hanno vietato gli strumenti di terzi che aggirano quello strato.

Detto in una riga: il compito si prezza meglio del token, ma solo per chi possiede l’impalcatura che ottimizza il consumo. Per tutti gli altri, il compito a prezzo fisso è una perdita.

Chi non ha l’impalcatura è ospite di quella altrui

Un modello senza impalcatura viene valutato, distribuito e giudicato dentro quella di un concorrente.

È la ragione che ha convinto gli ultimi, ed è la più scomoda da ammettere per chi la subisce.

Un produttore che rilascia un modello eccellente ma nessuna impalcatura diventa ospite dell’impalcatura altrui: il suo modello viene provato, misurato e distribuito dentro quella di qualcun altro. Zhipu e xAI hanno fatto di necessità virtù e distribuiscono i propri modelli come estensioni ufficiali dentro Claude Code. Il risultato è che il loro prodotto vive in una casa che non controllano: se cambia il modo in cui quella casa costruisce il contesto, cambiano le loro prestazioni misurate, e non possono farci niente.

Non basta nemmeno copiare. Qwen Code è nato come derivazione di Gemini CLI e se n’è staccato, dichiarando di aver smesso di sincronizzarsi con l’originale già dalla prima versione, per poter fare integrazioni profonde col proprio modello. Moonshot ha riscritto la propria riga di comando da capo. Sono due prove indirette di quello che si diceva sull’addestramento: se l’impalcatura fosse un accessorio, un adattamento basterebbe.

La licenza dell’impalcatura rivela la strategia

Chi apre il proprio harness e chi lo tiene chiuso non sta prendendo una posizione di principio: sta dicendo dove pensa di guadagnare.

Messe in fila, le licenze della tabella disegnano tre posizioni nette, e ognuna ha una logica economica coerente. Non si tratta di quanto è aperto il codice per amore dell’apertura: la licenza dice che cosa ciascuno considera il proprio prodotto e che cosa invece non vende separatamente. La distinzione conta, perché aperto non vuol dire gratuito. Un’impalcatura a sorgente aperto si adopera comunque con un modello che si paga, e il suo costo sta già lì dentro anche quando non lo pagate espressamente: non compare come voce, ma qualcuno lo ha messo nel prezzo di quello che vi vende. E chi la distribuisce può sempre decidere, più avanti, di farla pagare a parte o di stringere le condizioni d’uso, come è già successo a chi si era abituato a quote generose.

Serve poi fissare una parola, perché da qui in avanti ritorna spesso: iperscaler è il nome, usato anche in italiano, dei pochi fornitori che vendono capacità di calcolo su scala mondiale dai propri centri di calcolo, e nel nostro caso sono Google, Amazon, Microsoft e Alibaba. La differenza che conta qui è che loro vendono lo strato sotto il modello, non il modello.

Chi vende calcolo apre. Google ha rilasciato Gemini CLI con licenza Apache e quote gratuite generose, dichiarando trasparenza e comunità; Alibaba ha aperto Qwen Code citando in una relazione agli investitori il miliardo di scaricamenti dei propri modelli come metrica di successo. Per un iperscaler l’impalcatura non è il prodotto: è il rubinetto che porta consumo all’infrastruttura sottostante, e più è aperto più scorre. I numeri di quel trimestre sono coerenti, con il cloud di Alibaba in crescita del 38 per cento e quello di Alphabet dell’82. Va detto che nessuna di quelle cifre isola il contributo dell’apertura, quindi la correlazione è forte e il nesso di causa non è dimostrato. E l’apertura può essere revocata: è già successo che condizioni generose venissero ristrette dopo l’adozione.

Chi ha il modello migliore chiude l’impalcatura e regala lo strato accanto. Claude Code è proprietario, senza che sia mai stata data una motivazione pubblica, ed è un fatto osservabile confermato dalla condotta: la reazione a una fuga del codice sorgente, il blocco delle credenziali a chi lo usava fuori dai termini. Nello stesso periodo, però, Anthropic ha donato il Model Context Protocol, cioè il modo standard di collegare strumenti a un agente, che il pezzo Integrare gli agenti senza adattatori su misura racconta per esteso. La mossa ha una logica sola: si tiene chiuso ciò che differenzia e si regala ciò che sta accanto. Uno strato adiacente donato a uno standard diventa un complemento commoditizzato, e un complemento che costa zero e sta dappertutto aumenta il valore di quello che si vende accanto, riducendone le alternative.

Chi insegue apre per esistere. Moonshot rilascia in MIT, DeepSeek pubblica la propria impalcatura con licenza MIT e la costruisce interamente a estensioni, e il suo fondatore ha dichiarato che in una tecnologia dirompente un vantaggio difendibile costruito sul codice chiuso è sempre temporaneo. Per chi arriva dopo, l’apertura è il modo più economico di essere provato.

Resta un indizio pesante, da dire con la sua incertezza. La redditività di questo mestiere resta da dimostrare quasi per tutti: OpenAI prevede una perdita di quattordici miliardi di dollari nel 2026. Ma nel secondo trimestre del 2026 Anthropic ha dichiarato ricavi per 10,9 miliardi e un utile operativo atteso di 559 milioni, con il costo di calcolo per dollaro di ricavo sceso da 71 a 56 centesimi in tre mesi. Il primo trimestre in utile operativo è di chi tiene l’impalcatura chiusa e vive soltanto di modelli. Un solo trimestre non è una legge, e la metodologia di quei conti è stata contestata: resta un indizio su dove il valore si ferma.

Il costo di uscita non c’è ancora, e lo stanno costruendo adesso

Gli sviluppatori ne adoperano 2,3 insieme e migrano in pochi mesi. Il vincolo non sta nella tecnologia: sta nelle condizioni d’uso.

Nel racconto corrente questa corsa viene spiegata così: chi conquista l’impalcatura si prende gli utenti per sempre. È la parte che non regge alla verifica, e vale la pena smontarla con i numeri che la smentiscono.

La regola è l’uso simultaneo di più impalcature, non la scelta di una sola. Un’indagine di JetBrains su circa diecimila professionisti nell’aprile 2026 misura una media di 2,3 assistenti di intelligenza artificiale per sviluppatore, e sul lavoro nessuno domina: Copilot al 29 per cento, Cursor al 18, Claude Code al 18.

E gli spostamenti sono rapidissimi. I dati di scaricamento del registro npm, che sono pubblici e misurabili, dicono che il pacchetto di Codex è passato da 122.799 a oltre 60 milioni di scaricamenti mensili in un anno, con il sorpasso settimanale su Claude Code registrato nell’agosto 2026. Il confronto va preso con un’avvertenza onesta, perché Claude Code ha smesso di distribuirsi principalmente per quella via e il suo dato è quindi sottostimato. Anche tenendone conto, l’ordine di grandezza dello spostamento resta enorme.

La fedeltà esiste, ma è di tipo diverso da quello che si crede: Claude Code registra indici di soddisfazione alti, e quella è fedeltà da qualità, non da costo di uscita. Sono due cose che si comportano in modo opposto quando arriva un concorrente migliore.

Il legame quindi non c’è ancora, ma lo si sta costruendo, e non con la tecnologia: è un legame contrattuale. L’abbonamento legato all’impalcatura, i termini d’uso che vietano di far girare il proprio piano dentro strumenti di terzi, le credenziali revocate a chi lo fa. Chi sceglie oggi farebbe bene a leggere quelle, prima delle prestazioni: il vincolo arriva dalle condizioni d’uso, non dal formato dei file o dai protocolli di colloquio.

Un’ultima cosa non regge, e riguarda i dati. Si dice spesso che il vero premio siano le sessioni di lavoro raccolte dall’impalcatura, che addestrano il modello successivo. Che il canale esista è documentato: dall’agosto 2025 gli utenti dei piani per privati di Anthropic scelgono se consentire l’uso dei propri dati per l’addestramento, Claude Code compreso, con conservazione fino a cinque anni. Ma i piani commerciali e l’accesso programmatico sono esclusi, e nessun produttore ha mai quantificato un miglioramento attribuibile a quelle traiettorie. È l’ipotesi più citata e la meno dimostrata di tutte.

Tre offerte diverse per la stessa tecnologia

Alla persona si vende un abbonamento; all’azienda si vendono i modi di verificare che cosa l’agente ha fatto. L’agente prevedibile, invece, non è in vendita.

Chi guarda questa corsa cercando che cosa cambierà nel proprio lavoro deve fare una distinzione che i produttori non dichiarano mai, ma che le loro mosse rivelano: la stessa tecnologia viene venduta con tre offerte diverse.

Alla persona si vende un abbonamento e la si serve subito, senza chiedere permesso a nessuno. Al professionista si vende lo stesso abbonamento con tetti più alti, ed è il mercato dove oggi si concentra il fatturato. All’azienda si vende un’altra cosa, e vale la pena guardarla da vicino perché è la più istruttiva delle tre: non l’impalcatura, ma una piattaforma che la sorveglia, con identità per ogni agente, permessi, approvazioni per singolo strumento, registri, e i piani commerciali esclusi dall’addestramento.

Vale la pena rileggere quell’elenco, perché nessuna di quelle voci rende l’agente più affidabile. Identità, permessi, approvazioni e registri non abbassano di un punto la probabilità che l’agente faccia una cosa diversa da quella che ci si aspettava. Servono ad altro: a decidere in anticipo che cosa può toccare, e a poter ricostruire dopo che cosa ha fatto e perché.

Detto in un altro modo: i produttori non hanno risolto il problema che l’azienda ha, le hanno dato il modo di conviverci. E questo dice due cose insieme. Che il problema lo hanno visto. E che la loro risposta, oggi, non è rendere l’agente prevedibile, ma renderlo verificabile: due proprietà diverse, e l’azienda le vorrebbe entrambe.

La ragione è che la differenza fra le tre offerte non è commerciale ma di natura. Un’azienda compra ripetibilità, responsabilità e possibilità di revisione, e un agente non è deterministico per costruzione. Nessuno degli annunci di questi diciotto mesi scioglie quella tensione, e la spesa che cresce non la scioglie da sola.

Da qui vengono tre errori di lettura che vedo fare spesso, e che costano scelte sbagliate a chi decide.

• Scambiare il fatturato degli abbonamenti per penetrazione nei processi. Il miliardo annualizzato di Claude Code misura persone che lavorano meglio, non processi riprogettati. Sono due mercati diversi che crescono a velocità diverse, e il primo non trascina il secondo.
• Aspettarsi che l’azienda segua la stessa curva della persona. L’adozione personale non chiede permesso e per questo corre; quella nei processi tocca chi firma e chi risponde, e per questo si ferma. Chi pianifica su una curva sola sbaglia i tempi di anni, non di mesi.
• Scegliere il fornitore sulle classifiche di prestazione. Se quello che dovete portare in azienda è un processo, la domanda che conta non è quale modello riesce meglio nei banchi di prova, ma quali controlli il fornitore vi mette in mano: identità, soglie, approvazioni sull’irreversibile, registri leggibili a distanza di mesi. È la parte del listino che nessuno guarda per prima e che decide se il progetto passerà mai dal pilota alla produzione.

Il pezzo Gli agenti sono già in azienda, ma non ancora nei processi prende questo filo e lo svolge dal punto di vista di chi deve portarli dentro: che cosa blocca davvero i processi, perché la direzione non fa da sponsor, e dove si rimette il controllo che un processo agentico toglie.

Che cosa guardare per capire chi aveva ragione

Cinque indizi verificabili, che nei prossimi mesi diranno quale spiegazione era quella giusta.

Un articolo su una corsa in atto invecchia, a meno che non dica in anticipo che cosa osservare. Questi sono i cinque indicatori che distinguono le spiegazioni fra loro, e si possono controllare senza informazioni riservate.

• Se il primo utile operativo di Anthropic tiene per più di un trimestre, allora il valore si ferma davvero dove modello e impalcatura sono la stessa cosa.
• Se il formato aperto per i file che istruiscono l’agente eroderà quelli proprietari, allora questo strato si sta commoditizzando e il vantaggio si sposta altrove.
• Se i listini cinesi compatibili sposteranno utenti veri e non solo prove, allora il pavimento dei prezzi cede e il compito torna a valere quanto il token.
• Se qualcuno offrirà garanzie contrattuali sull’esito di un agente, e non solo sul servizio, allora il mondo aziendale ha trovato il suo fornitore.
• Se i tetti d’uso si allenteranno, allora il costo per compito è sceso davvero; se si stringeranno, l’economia dell’abbonamento è più fragile di come viene raccontata.

Nel frattempo, la lettura più utile di questi diciotto mesi resta quella con cui si è aperto: otto produttori diversi, con strategie opposte sull’apertura e sui prezzi, hanno costruito la stessa cosa nello stesso momento, e i tre che non l’hanno fatto pagano ciascuno il proprio prezzo per non averla. Quando concorrenti che non si copiano arrivano alla stessa conclusione, di solito non è una moda. È che il problema aveva una soluzione sola.

I concetti che questo articolo introduce

Concetto	Ambito	Che cos’è	Si lega a
Ambiente di addestramento reso prodotto	tecnologia	L’impalcatura che il produttore distribuisce è lo stesso ambiente in cui il modello è stato addestrato per rinforzo, ripulito e confezionato	spiega perché ogni produttore ne costruisce una; rende non confrontabili le prove di un modello fuori dalla sua impalcatura; si appoggia all’harness
Tetto d’uso	economia	Il limite periodico di consumo che rende sostenibile un abbonamento a canone fisso davanti a un uso potenzialmente illimitato	è la condizione perché il costo per compito risolto non sia una perdita; il suo allentamento o irrigidimento misura il costo reale
Ospite dell’impalcatura altrui	mercato	La condizione di chi vende un modello ma non lo strato che lo fa lavorare, e viene provato e distribuito dentro quello di un concorrente	discende dall’ambiente di addestramento reso prodotto: chi non lo possiede non può misurare il proprio modello alle stesse condizioni degli altri; si esce dalla condizione costruendo un harness proprio, e adattarne uno altrui non basta
Uso simultaneo di più impalcature	mercato	La pratica, misurata, di adoperare più impalcature insieme invece di sceglierne una	è la contro-prova che il vincolo al fornitore qui non sia ancora tecnico: tiene alta la sostituibilità del modello e costringe chi vende a cercarlo altrove, cioè nel legame contrattuale
Legame contrattuale	mercato	Il vincolo costruito con le condizioni d’uso e con l’abbonamento invece che con la tecnologia	è la forma che il vincolo al fornitore sta prendendo qui: non formati e tariffe di uscita, ma condizioni d’uso e credenziali revocabili; prende il posto del vincolo tecnico che l’uso simultaneo di più impalcature smentisce, e riguarda i modi di acquisto di un modello invece delle prestazioni
Complemento commoditizzato	strategia	Lo strato adiacente al proprio prodotto, regalato o donato a uno standard perché diffondendosi ne aumenti il valore e ne abbassi le alternative	spiega la donazione del Model Context Protocol accanto a un’impalcatura chiusa

Fonti

Le fonti sono divise per grado, perché non tutte valgono uguale. Sono di prima mano quelle lette direttamente alla sorgente: repository, listini, schede di sistema, dichiarazioni firmate. Sono di seconda mano le notizie di stampa e le analisi, che riportano numeri che non abbiamo potuto verificare da soli. Dove una cifra non è stata verificabile, il testo lo dice invece di tacerlo.

Il censimento e le licenze (letture dirette dei repository, 14 agosto 2026): anthropics/claude-code, openai/codex, google-gemini/gemini-cli, QwenLM/qwen-code, MoonshotAI/kimi-code, bytedance/trae-agent (rapporto tecnico), deepseek-ai/deepseek-harness, zai-org/zai-coding-plugins, MiniMax-AI/minimax-code. Le licenze citate vengono dai file di licenza depositati nei repository.

L’addestramento dentro l’ambiente: la scheda di sistema di codex-1 (OpenAI, 16 maggio 2025), che dichiara l’addestramento per rinforzo su compiti reali in ambienti diversi; il blog di Qwen3-Coder (Alibaba, 2025) per i ventimila ambienti paralleli e la riga di comando adattata al proprio modello.

I prezzi e la cache: LLMflation (a16z, novembre 2024) per la svalutazione di circa dieci volte l’anno, con conferma indipendente di Epoch AI; l’annuncio del taglio dell’80 per cento su o3 (10 giugno 2025); il listino di Anthropic per gli abbonamenti che includono Claude Code; la documentazione sulla cache per la lettura a un decimo del prezzo di ingresso; l’annuncio del miliardo annualizzato di Claude Code.

Le perdite dichiarate: il messaggio di Sam Altman del 6 gennaio 2025 sugli abbonamenti Pro in perdita, citato nel testo originale; i limiti settimanali di Claude Code annunciati nel luglio 2025 con l’impatto dichiarato sotto il cinque per cento degli abbonati.

Il ciclo dei dati: gli aggiornamenti ai termini per i privati (Anthropic, agosto 2025), che nominano esplicitamente Claude Code e fissano la conservazione a cinque anni, escludendo i piani commerciali e l’accesso programmatico.

Le verifiche sul costo di cambiare, tutte di seconda mano salvo la seconda: l’indagine JetBrains dell’aprile 2026 su circa diecimila professionisti per la media di 2,3 strumenti; i dati di scaricamento misurati direttamente sul registro npm per il sorpasso di Codex, con l’avvertenza che Claude Code ha abbandonato quel canale di distribuzione e il suo dato è sottostimato.

I conti trimestrali: le notizie concordi di CNBC, Bloomberg e Wall Street Journal del 20 maggio 2026 sul secondo trimestre di Anthropic (ricavi 10,9 miliardi, utile operativo atteso 559 milioni, costo di calcolo sceso da 71 a 56 centesimi per dollaro di ricavo), insieme alla critica metodologica che quelle cifre hanno ricevuto; i dati di crescita del cloud di Alibaba (13 maggio 2026) e di Alphabet (22 luglio 2026); la perdita prevista di OpenAI per il 2026, che resta una stima di stampa e non un dato di bilancio pubblicato.

Le posizioni dichiarate: l’annuncio di Gemini CLI (Google, 25 giugno 2025) su trasparenza e comunità; l’intervista al fondatore di DeepSeek sul vantaggio difendibile del codice chiuso, che definisce temporaneo.

Non verificato, e quindi non usato come prova: la motivazione ufficiale di Anthropic per tenere chiuso Claude Code, che non esiste in forma pubblica e di cui il testo dichiara solo la condotta osservabile; le politiche sui dati dei produttori cinesi; i listini dei piani cinesi, non leggibili automaticamente; il margine specifico degli abbonamenti, che nessun produttore ha mai pubblicato.