
OpenAI ha presentato il suo sistema di ricerca autonoma Deep Research. Ventiquattr’ore dopo, Hugging Face ha risposto con Open Deep Research, un’alternativa open source già in grado di competere in termini di prestazioni. Il codice è liberamente accessibile per chiunque voglia utilizzarlo o svilupparlo ulteriormente. Questa rapidità di replica pone una questione cruciale: fino a che punto le innovazioni proprietarie nell’intelligenza artificiale possono davvero essere difese?
Un agente AI riprodotto a una velocità sorprendente
Open Deep Research è un sistema di agenti AI progettato per gestire ricerche articolate, raccogliere informazioni da varie fonti e generare report strutturati. Esattamente ciò che OpenAI intendeva ottenere con Deep Research, ma con una differenza netta: la versione di Hugging Face è arrivata in appena un giorno e subito condivisa con la comunità.
OpenAI non ha divulgato i dettagli tecnici del proprio sistema, ma Hugging Face ha raccolto la sfida sfruttando risorse già disponibili nel panorama open source. Il risultato dimostra che le tecnologie necessarie per sviluppare assistenti AI avanzati sono sempre più accessibili e che il vero vantaggio competitivo potrebbe ormai dipendere da elementi diversi dal mero codice sorgente.
Prestazioni impressionanti in tempi record
Nonostante lo sviluppo lampo, Open Deep Research ha raggiunto risultati notevoli nei test. Nel benchmark GAIA (General AI Assistants), che valuta la capacità di un modello di raccogliere e sintetizzare informazioni da fonti diverse, ha ottenuto un’accuratezza del 55,15%. Deep Research di OpenAI, in confronto, ha totalizzato il 67,36% con una singola risposta e il 72,57% aggregando 64 risposte attraverso un meccanismo di consenso. La differenza di prestazioni, considerato il breve sviluppo del progetto open source, è sorprendentemente ridotta.
Il benchmark GAIA non è una semplice verifica. Le domande testano il ragionamento multi-step del modello, mettendolo di fronte a richieste che combinano conoscenze storiche, relazioni tra oggetti e deduzione logica. Un esempio:
“Quali frutti raffigurati nel dipinto ‘Embroidery from Uzbekistan’ del 2008 erano presenti nel menu della colazione dell’ottobre 1949 a bordo del transatlantico successivamente utilizzato come scenografia galleggiante nel film ‘The Last Voyage’? Elenca gli elementi separati da virgole, ordinandoli in senso orario a partire dalla posizione delle 12.00 nel dipinto e utilizzando il plurale per ciascun frutto.”
Si tratta di sfide che richiedono un’intersezione di ricerca avanzata, capacità di mettere in relazione contesti diversi e schemi di ragionamento strutturati. Il fatto che un modello open source, sviluppato in un solo giorno, sia già in grado di avvicinarsi alle prestazioni di una soluzione proprietaria evidenzia quanto sia sottile il confine tecnologico tra i due approcci.
L’innovazione AI è ancora un vantaggio difendibile?
Questo episodio rafforza un trend sempre più evidente: le barriere d’entrata all’intelligenza artificiale avanzata sono meno alte di quanto sembrasse. OpenAI ha investito mesi nello sviluppo di Deep Research, eppure un gruppo ristretto di sviluppatori con accesso a risorse open source è riuscito a ottenere risultati simili nell’arco di poche ore. Il vero margine competitivo, dunque, potrebbe risiedere altrove: non negli algoritmi, ma nei dataset esclusivi, nelle infrastrutture e nelle integrazioni con servizi più ampi.
OpenAI, che inizialmente si presentava come promotrice della trasparenza nel campo dell’AI, ha progressivamente abbracciato una strategia chiusa, spinta anche dalla necessità di proteggere gli investimenti miliardari che riceve. Al contrario, Hugging Face continua a scommettere sull’open source, rendendo disponibili strumenti che altrimenti resterebbero nelle mani delle poche aziende dominanti. Questo approccio offre trasparenza e accessibilità, ma porta con sé anche sfide complesse: dal mantenimento delle infrastrutture alla gestione della qualità, fino alla mitigazione di bias e usi impropri.
Il futuro della competizione AI: codice o infrastruttura?
Open Deep Research conferma che l’open source può rispondere con rapidità alle innovazioni proprietarie e che la comunità AI non si limita a osservare mentre le grandi aziende rafforzano il loro controllo sul settore. Tuttavia, creare modelli leader nel lungo periodo richiede molto più di codice: servono enormi risorse computazionali, dati di alta qualità e strategie efficaci per garantire sicurezza e affidabilità.
La vera domanda è se questo modello di competizione rimarrà invariato o se vedremo un’evoluzione nel modo in cui viene determinato il valore strategico dell’AI. Se soluzioni come Deep Research possono essere replicate così rapidamente, il cuore del vantaggio competitivo potrebbe spostarsi sempre di più dall’algoritmo in sé verso tutto ciò che lo circonda: infrastrutture, ecosistemi di dati e capacità di integrazione con le piattaforme esistenti.


