Il 19 maggio 2026, sul palco di Google I/O, Sundar Pichai ha presentato Gemini 3.5 Pro chiedendo al pubblico di pazientare fino al mese successivo per la disponibilità generale. Da allora sono passati quasi due mesi, la data è slittata più volte, e a metà luglio il modello di punta di Google resta ancora in preview limitata su Vertex AI. È una delle storie più seguite dell’estate 2026, non solo per il ritardo in sé, ma per quello che rivela sulle difficoltà reali di rilasciare modelli agentici allo stato dell’arte.
La cronologia di un rilascio che continua a slittare
Il target iniziale era giugno. A fine mese, però, i mercati di previsione come Polymarket avevano già fatto scendere le quotazioni su un lancio entro il 30 giugno a valori marginali, segnale che il consenso si era spostato apertamente verso il rinvio. Google ha poi confermato lo slittamento a luglio, citando la necessità di raccogliere ulteriore feedback dai primi tester enterprise. Alla data in cui scriviamo, il modello resta accessibile solo tramite allowlist per account enterprise selezionati su Vertex AI, con l’identificativo “preview” ancora nel nome del modello. Alcune fonti indicano il 17 luglio come nuova data bersaglio, ma si tratta di un obiettivo riportato da terze parti, non confermato ufficialmente da Google con una scheda del modello, prezzi o documentazione API.
Le cause dietro il ritardo
Dietro la frenata non c’è un solo fattore. Il motivo dichiarato da Google riguarda soprattutto il consumo di token nei flussi di lavoro agentici: un modello pensato per ragionare su contesti molto estesi e concatenare chiamate a strumenti multipli può bruciare token a una velocità che rende il costo per singolo task difficile da sostenere per molti casi d’uso enterprise, e Google preferisce evidentemente perfezionare questo aspetto prima del lancio piuttosto che consegnare un prodotto con una bolletta imprevedibile.
C’è poi un fattore umano che ha attirato molta attenzione: nella settimana del 21-27 giugno, diversi ricercatori senior del team coding di DeepMind hanno lasciato Google, con quattro di loro passati ad Anthropic nel giro di appena sei giorni, in aggiunta a uscite precedenti verso Meta e OpenAI. Una fuga di competenze che si è sommata alle difficoltà tecniche nel colmare il divario prestazionale con i modelli rivali sui benchmark agentici e di lungo contesto, proprio mentre ogni settimana di ritardo si traduceva in maggiore visibilità mediatica per la concorrenza.
Il contraccolpo sui mercati
La combinazione di questi due segnali — il rinvio del modello di punta e la fuga di talenti — non è passata inosservata agli investitori. Il 22 giugno 2026 le azioni di Alphabet hanno perso circa il 5% in una sola seduta, bruciando all’incirca 225 miliardi di dollari di valore di mercato: il calo intraday più pesante registrato dal titolo in oltre un anno. Non è arrivato per un singolo annuncio negativo, ma per la somma letta insieme dal mercato di un ritardo tecnico e di un segnale di instabilità interna nel team che sviluppa il prodotto di punta dell’azienda.
Cosa promette il modello, quando arriverà
Al netto dei ritardi, le specifiche circolate finora restano interessanti. Gemini 3.5 Pro punta su una finestra di contesto da 2 milioni di token, il doppio di quella di Claude Opus 4.8 e della maggior parte dei concorrenti attualmente in produzione — la più ampia annunciata finora da un modello di frontiera. La funzione più attesa è Deep Think, una modalità di ragionamento approfondito che, stando alle indicazioni raccolte finora, sarà riservata al piano Ultra da 250 dollari al mese, mentre il piano Pro standard da circa 22 dollari al mese offrirà probabilmente solo le funzionalità base. Sui prezzi per gli sviluppatori circolano solo stime non ufficiali, nell’ordine di 12-15 dollari per milione di token in input e 36-60 dollari in output, basate sulle generazioni precedenti e non su dati confermati.
Nel frattempo, Google non è rimasta ferma
Il rinvio del modello di punta non ha cancellato gli altri risultati ottenuti da Google nello stesso periodo. Il 22 giugno l’azienda ha lanciato Gemini 2.5 Pro con Deep Think, che ottiene risultati solidi sui benchmark di ragionamento — 82,4% su GPQA Diamond e 89,8% su MMLU-Pro — offrendo una narrativa positiva da affiancare al rinvio del modello principale. Nel frattempo Gemini 3.5 Flash, la variante più leggera e veloce lanciata a maggio, è già in disponibilità generale con una finestra di contesto da 1 milione di token e prestazioni che, secondo diverse analisi indipendenti, superano già quelle della precedente generazione Pro su diversi compiti di coding e uso di strumenti — rendendo ancora più evidente il vuoto lasciato dal modello di punta.
Cosa significa per chi sta valutando Gemini per il proprio prodotto
Il caso Gemini 3.5 Pro offre una lezione pratica per chiunque stia pianificando un’architettura basata su un singolo fornitore: un ritardo di poche settimane su un modello di frontiera è gestibile, ma se quel modello diventa infrastruttura critica per un prodotto, ogni settimana di attesa si traduce in un rischio concreto per la roadmap. La strategia più prudente, in un contesto come questo, è costruire l’architettura del prodotto attorno a un’interfaccia stabile piuttosto che a un modello specifico, così da poter cambiare fornitore al momento della disponibilità generale senza dover riscrivere l’applicazione — e nel frattempo usare alternative già disponibili, come Gemini 3.5 Flash o i modelli concorrenti di Anthropic e OpenAI, per non bloccare lo sviluppo.
Su ModelHive continuiamo a monitorare la data di rilascio effettiva di Gemini 3.5 Pro e aggiorneremo l’articolo non appena Google pubblicherà una scheda modello ufficiale con prezzi e benchmark verificati.
Lascia un commento