Frontier, open-weight, piccoli e super-specializzati: cosa sono, dove eccellono e quando usarli. Niente hype, solo informazioni reali e aggiornate.
Ultimo aggiornamento: 25 giugno 2026
Falcon-Mamba 7B è il primo grande modello a puro stato spaziale (State Space Language Model, SSLM) competitivo con i transformer tradizionali. Grazie all'assenza di meccanismi di attention, offre un costo di memoria costante anche su sequenze molto lunghe e si adatta a GPU consumer e workstation aziendali.
OLMo 2 è il modello linguistico open source di Ai2 progettato per massima trasparenza. Con varianti base e Instruct da 7 e 13 miliardi di parametri, offre pesi, dataset e codice liberamente utilizzabili anche a fini commerciali. È una scelta solida per aziende che cercano controllo, privacy e flessibilità.
Hunyuan-Large è un large language model open weights sviluppato da Tencent, basato su architettura Transformer e Mixture of Experts. Con 389 miliardi di parametri totali e 52 miliardi attivi per token, offre prestazioni competitive con modelli densi molto più grandi e supporta contesti fino a 256.000 token.
Claude Mythos è un modello di frontiera di Anthropic con capacità avanzate di coding e cybersecurity, in grado di scoprire vulnerabilità zero-day e sviluppare exploit in modo autonomo.
Claude Fable 5 è il primo modello Mythos-class di Anthropic disponibile al pubblico: progettato per task complessi, lunghi e autonomi in coding, knowledge work e vision.
Claude Opus 4.8 è il modello flagship di Anthropic per coding, agenti e knowledge work: maggiore affidabilità, 1M token di contesto, fast mode e prezzi invariati.
MiMo 2.5 Pro è il modello flagship di Xiaomi per coding e agenti autonomi: architettura MoE da 1,02T parametri, 42B attivi, contesto 1M token, open weights.
MiniMax M3 è un modello open-weight nativamente multimodale con contesto fino a 1M token, progettato per coding, agenti autonomi e ragionamento su lungo raggio.
Kimi K2.6 è un modello open-source di Moonshot AI con architettura MoE, finestra di contesto da 256k token e focus su coding, agenti e ragionamento.
DeepSeek V4 Flash è il modello leggero della famiglia V4: MoE a 284B/13B parametri, contesto da 1M token e API a basso costo per compiti ad alto volume
DeepSeek V4 Pro è un LLM open-weight rilasciato nell'aprile 2026. Eccelle in coding, reasoning e contesti lunghi, competendo con modelli chiusi a costo molto inferiore.
Qwen 3.7 Max è il modello flagship di Alibaba Cloud: 1M token di contesto, thinking mode nativo, forte su coding e agenti.
QwQ-32B è un large language model sviluppato dal Qwen Team di Alibaba, rilasciato in open weight con licenza Apache 2.0. Con 32 miliardi di parametri, è progettato per il reasoning avanzato in matematica, coding e logica, e può essere eseguito su hardware di fascia alta con quantizzazione a 4 bit.
Llama 4 Maverick è il modello open-weight di Meta posizionato come workhorse multimodale della serie Llama 4. Con 17 miliardi di parametri attivi e 128 esperti MoE, offre prestazioni competitive su ragionamento, programmazione e comprensione di immagini, insieme a una finestra di contesto di un milione di token.
NVLM 1.0 è una famiglia di large language model multimodali rilasciata da NVIDIA in modalità open weight. Integra il backbone testuale Qwen2-72B-Instruct con l'encoder visivo InternViT-6B, offrendo capacità avanzate di OCR, ragionamento visivo, matematica e coding.
Yi-Lightning è il modello ammiraglia di 01.AI, startup di Kai-Fu Lee. Ha raggiunto il sesto posto assoluto su Chatbot Arena, superando riferimenti come GPT-4o e Claude 3.5 Sonnet, ed è particolarmente forte in cinese, matematica e coding. È accessibile via API ed è pensato per chi cerca prestazioni competitive a costi contenuti.
GPT-5 è il modello di intelligenza artificiale generativa di punta di OpenAI, progettato per coding, ragionamento complesso e task agentici. È accessibile tramite ChatGPT e le API OpenAI, ed è disponibile in più varianti che bilanciano velocità, costo e profondità di ragionamento.
Grok 4 è il modello di punta di xAI, progettato per combinare ragionamento avanzato, tool use nativo e accesso a informazioni aggiornate. Si rivolge a sviluppatori, aziende e team creativi che cercano un assistente AI in grado di navigare autonomamente tra codice, ricerca e contenuti multimediali.
GLM 5.2 è il modello di punta di Zhipu AI (Z.ai), architettura Mixture-of-Experts con ~744 miliardi di parametri totali e circa 40 miliardi attivi per token. Offre un contesto stabile di un milione di token, output fino a 131.072 token e ragionamento a due livelli di intensità, puntando direttamente a compiti di ingegneria del software su larga scala.
Kimi K2.7-Code è il modello di coding rilasciato da Moonshot AI il 12 giugno 2026. Con 1 trilione di parametri MoE e 32 miliardi attivi per token, è pensato per refactoring, code review e debugging autonomo su codebase reali. Si rivolge a team tecnici italiani che cercano un'alternativa aperta ai modelli chiusi di pari livello.
Composer 2.5: modello agente di Cursor per coding, con editing multi-file, uso di tool, terminali e ragionamento prolungato.
GLM 5.1 è un LLM open weights di Zhipu AI con architettura MoE, orientato al coding agentic e all'autonomia prolungata. Rilasciato nell'aprile 2026.
DeepSeek-VL2 è una famiglia di modelli visione-linguaggio (VLM) open source sviluppata da DeepSeek-AI. Utilizza un'architettura Mixture-of-Experts (MoE) con tre varianti scalabili e offre capacità avanzate di OCR, comprensione di documenti, tabelle, grafici e grounding visivo.
Aria è un modello AI multimodale nativo rilasciato da Rhymes AI sotto licenza Apache 2.0. Utilizza un'architettura Mixture-of-Experts con 25,3 miliardi di parametri totali e contesto fino a 64.000 token, ed è competitivo su compiti di visione, documenti, video e linguaggio.
Molmo è una famiglia di modelli di intelligenza artificiale multimodale sviluppata dall'Allen Institute for AI (Ai2). Legge immagini e video, risponde a domande visuali, descrive scene con dettaglio e può puntare gli oggetti che riconosce. È rilasciata con licenza Apache 2.0 e disponibile su Hugging Face, GitHub e playground ufficiali.
InternVL 3 è una serie di large multimodal language model (MLLM) sviluppata da Shanghai AI Lab e pubblicata dal gruppo OpenGVLab. Copre taglie da 1 a 78 miliardi di parametri, è rilasciata open source e punta a offrire capacità di ragionamento visivo, comprensione documentale e interazione multimodale paragonabili a modelli chiusi come GPT-4o, Claude 3.5 Sonnet e Gemini 2.5 Pro.
Llama 3.2 Vision è la famiglia multimodale di Meta che aggiunge la comprensione delle immagini ai modelli Llama. È rilasciata in varianti da 11B e 90B di parametri, con una licenza commerciale permissiva e disponibilità su piattaforme open, cloud e locali.
PaliGemma 2 è una famiglia di modelli vision-language sviluppata da Google DeepMind, basata sul backbone Gemma 2 e sull'encoder visivo SigLIP. È rilasciata in tre taglie (3, 10 e 28 miliardi di parametri) e distribuita con licenza Gemma, che ne consente uso commerciale e fine-tuning.
Qwen2.5-VL è la famiglia di modelli vision-language sviluppata dal Qwen Team di Alibaba Cloud. È progettato per comprendere immagini, documenti, grafici, video lunghi e per svolgere compiti di agenticità visiva, con varianti leggere adatte anche a hardware consumer.
Pixtral è la famiglia di modelli multimodali sviluppata da Mistral AI, in grado di ricevere testo e immagini contemporaneamente e restituire risposte linguistiche basate sulla comprensione visiva. È disponibile nelle varianti Pixtral 12B, open-source con licenza Apache 2.0, e Pixtral Large, più potente e pensato per ragionamenti multimodali complessi.
SmolVLM è un modello di visione-linguaggio (VLM) pensato per chi cerca prestazioni multimodali senza l'onere di modelli giganti. È integrato in Transformers, addestrato su dataset aperti e distribuito sotto licenza Apache 2.0, quindi utilizzabile anche in progetti commerciali.
ERNIE 4.5 è la famiglia di modelli fondazionali multimodali di Baidu, disponibile in open source su Hugging Face e GitHub. Grazie a un'architettura Mixture of Experts, offre varianti leggere e flagship per linguaggio, visione e ragionamento.
Llama 4 Scout è il modello leggero della famiglia Llama 4 di Meta, pensato per chat, ragionamento visivo e analisi di documenti lunghissimi. Con 17 miliardi di parametri attivi su 16 esperti e 109 miliardi totali, offre un equilibrio tra prestazioni ed efficienza. Supporta testo e immagini in italiano e altre undici lingue, ed è distribuito sotto la Llama 4 Community License Agreement.
Moondream è una famiglia di modelli visione-linguaggio open source progettati per l'efficienza: eseguono caption, VQA, detection, OCR e segmentazione anche su hardware con risorse limitate.
Gemini 3.5 è la famiglia di modelli AI di Google DeepMind lanciata a maggio 2026, con Flash già disponibile e Pro in arrivo.
Qwen 3.7 Plus è il modello agentico multimodale di Alibaba: legge testo, immagini e video, restituisce testo, contesto 1M token, API-only.
Gemma 4 12B è un modello multimodale open weight di Google DeepMind con circa 12 miliardi di parametri, nativo per laptop e rilasciato sotto licenza Apache 2.0.
Sana è una famiglia di modelli di generazione immagini sviluppata da NVIDIA Labs. Rappresenta un'alternativa compatta ai modelli di diffusione più pesanti, grazie a un'architettura che riduce i token latenti e accelera l'attenzione. Con varianti da 0,6 a 1,6 miliardi di parametri e risoluzioni fino a 4096×4096, è pensata per creativi, ricercatori e team che vogliono produrre asset visivi in tempi brevi.
Aurora è il modello nativo di generazione immagini di xAI, integrato in Grok sulla piattaforma X. È addestrato come rete autoregressiva Mixture-of-Experts su miliardi di esempi testo-immagine, ed è progettato per seguire con precisione le istruzioni testuali e per integrare input visivi forniti dagli utenti.
F5-TTS è un modello di sintesi vocale sviluppato da SWivid, con contributi di Shanghai Jiao Tong University, University of Cambridge e Geely Automobile Research Institute. Genera voce naturale, supporta la clonazione zero-shot e funziona senza allineamento fonetico esplicito né predittore di durata. Il codice è rilasciato su GitHub con licenza MIT, mentre i pesi pre-addestrati sono sotto CC-BY-NC 4.0.
Qwen-Image è un modello di generazione immagini open-source rilasciato da Alibaba Cloud sotto licenza Apache 2.0. Si distingue per la capacità di renderizzare testo leggibile in più lingue, cinese e inglese in primis, e per un editing visivo guidato dal linguaggio naturale. È disponibile come pesi scaricabili, su piattaforme di demo e integrabile in workflow locali come ComfyUI.
Janus-Pro è il modello multimodale unificato di DeepSeek per comprendere e generare immagini. Disponibile in varianti 1B e 7B, combina encoder visivi disaccoppiati in un'architettura autoregressiva aperta anche a usi commerciali.
Recraft V3 è un modello di intelligenza artificiale sviluppato da Recraft AI per la generazione e l'editing di immagini. Si distingue per il supporto simultaneo di output raster e vettoriali, la gestione del testo dentro l'immagine e il controllo dello stile tramite librerie e riferimenti visivi. È disponibile tramite piattaforma web e API, ed è integrabile in diversi ambienti di deployment.
Ideogram 2.0 è un modello di diffusione testo-immagine rilasciato dalla startup canadese Ideogram AI nell'agosto 2024. È noto per la sua capacità di generare immagini con testo leggibile, loghi e layout grafici, rendendolo utile per poster, branding e contenuti social. A differenza di modelli successivi della stessa azienda, era disponibile solo tramite piattaforma web e API.
Imagen 3 è un modello di diffusione testo-immagine sviluppato da Google DeepMind, reso disponibile su Vertex AI e Gemini API a partire dalla seconda metà del 2024. È progettato per produrre immagini ad alta fedeltà, con particolare attenzione all'allineamento al prompt, alla resa dei dettagli e alla capacità di inserire testo leggibile all'interno delle immagini generate.
Stable Diffusion 3.5 è una famiglia di modelli di intelligenza artificiale sviluppata da Stability AI per generare immagini realistiche e stilizzate a partire da descrizioni testuali. Si compone di tre varianti—Large, Large Turbo e Medium—che coprono esigenze diverse, dall'uso professionale a quello su hardware consumer. Il modello è distribuito con la permissiva Stability AI Community License, che ne consente l'uso commerciale gratuito fino a un fatturato annuo di un milione di dollari.
FLUX.1 è una famiglia di modelli di intelligenza artificiale per la generazione di immagini a partire da descrizioni testuali, sviluppata da Black Forest Labs. È rilasciata in più varianti — pro, dev e schnell — e si distingue per la qualità fotorealistica, l'aderenza al prompt e la capacità di gestire composizioni complesse.
Veo 3 è la famiglia di modelli generativi video di Google per uso professionale e creativo. Accetta prompt testuali e immagini di riferimento, restituisce clip in risoluzione fino a 4K con audio nativo ed è accessibile tramite Gemini API e Google AI Studio.
Stable Video Diffusion (SVD) è una famiglia di modelli generativi che trasforma un'immagine statica in una sequenza video coerente. È distribuito con pesi scaricabili ed è pensato per ricerca, sperimentazione e applicazioni creative controllate in ambito aziendale.
Sora è un modello di generazione video sviluppato da OpenAI, in grado di produrre clip realistiche o stilizzate da semplici descrizioni testuali. Rappresenta uno dei passi più avanzati nella simulazione visiva del mondo fisico tramite IA, con impatti rilevanti per creativi, agenzie e aziende che producono contenuti.
CogVideoX è una famiglia di modelli generativi video open source sviluppata da THUDM e Zhipu AI. Trasforma prompt testuali o immagini in brevi clip, con varianti per text-to-video, image-to-video e video continuation. I pesi sono scaricabili pubblicamente, mentre il codice è rilasciato sotto Apache 2.0.
Llama 3.2 3B è il modello di medie dimensioni della famiglia Llama 3.2 di Meta, ottimizzato per l'inferenza on-device e per applicazioni conversazionali multilingue. Supporta un contesto fino a 128.000 token e, nella versione Instruct, è affinata per seguire istruzioni, riscrivere testi e recuperare informazioni strutturate.
MobileLLM è una famiglia di modelli di linguaggio sviluppata da Meta AI per l'inferenza diretta su dispositivi mobili e edge. Con dimensioni che vanno da circa 125 milioni a 1,5 miliardi di parametri, e varianti come MobileLLM-R1 dedicate al ragionamento, dimostra che architetture leggere possono offrire capacità competitive in matematica, codice e comprensione del linguaggio senza dipendere dal cloud.
Ministral 8B è un large language model sviluppato da Mistral AI, ottimizzato per girare su hardware di piccole dimensioni senza rinunciare a capacità avanzate come function calling, ragionamento strutturato e comprensione di documenti. Rappresenta una delle opzioni più interessanti per chi cerca intelligenza artificiale efficiente, controllabile e integrabile in prodotti reali.
Qwen3-0.6B è il membro più leggero della famiglia Qwen3 di Alibaba: 0,6 miliardi di parametri, 28 layer e contesto fino a 32.768 token. Pur essendo compatto, eredita funzioni avanzate come la commutazione tra modalità ragionante e non ragionante, il tool calling e il supporto multilingue, ed è distribuito con pesi aperti su Hugging Face, ModelScope e GitHub.
Llama 3.2 1B è un Large Language Model testuale di Meta con circa 1,23 miliardi di parametri. Supporta l'italiano e sette altre lingue, funziona con context length fino a 128.000 token ed è rilasciato con una licenza commerciale adatta a startup e PMI.
Jamba 1.6 è la famiglia di LLM ibridi SSM-Transformer sviluppata da AI21 Labs, con contesto fino a 256.000 token e varianti Mini e Large. Supporta function calling, output strutturati e nove lingue, incluso l'italiano, ed è distribuito sotto licenza Jamba Open Model License.
Falcon 3 è una famiglia di large language model open source rilasciata dal Technology Innovation Institute (TII) degli Emirati Arabi Uniti. I modelli coprono una gamma da 1 a 10 miliardi di parametri e sono progettati per funzionare anche su hardware leggero, inclusi laptop consumer. Sono rilasciati sotto la TII Falcon License 2.0, una licenza permissiva derivata da Apache 2.0 che ne consente l'uso commerciale.
Phi-4 è la famiglia di small language model sviluppata da Microsoft, capostipite della serie da 14 miliardi di parametri. Si distingue per l'efficienza parametrica e la forte attitudine al ragionamento strutturato, ed è disponibile con pesi aperti sotto licenza MIT, quindi adatto anche a uso commerciale e deploy on-premise.
Scheda enciclopedica su SmolLM3: architettura, specifiche tecniche, prestazioni, casi d'uso e contesto tra i modelli di linguaggio compatti open source.
Liquid LFM2 è una famiglia di modelli generativi compatti di Liquid AI per l'edge computing, con varianti dense e MoE, contesto 32K token e ottimizzazione per dispositivi locali.
Mistral Small 4 è un modello multimodale a 119 miliardi di parametri che unifica reasoning, visione e coding in un'unica architettura MoE efficiente e open source.
Command R7B è il modello più piccolo della famiglia R di Cohere, rilasciato come open weights research da Cohere Labs. Con 7 miliardi di parametri e una finestra di contesto di 128.000 token, è ottimizzato per ragionamento, RAG conversazionale, tool use multi-step e compiti di coding enterprise. Supporta 23 lingue, incluso l'italiano, e può girare su GPU consumer o anche CPU.
Phi-4-mini-instruct è un modello di Microsoft con 3,8 miliardi di parametri e licenza MIT. Offre contesto fino a 128.000 token, supporto multilingue incluso l'italiano e prestazioni competitive con modelli di dimensioni maggiori. È pensato per chatbot, RAG, automazioni e dispositivi edge.
ColPali è un modello di Vision Language Model sviluppato da Vidore, spin-off di ricerca di Illuin Technology, per il retrieval di documenti. Si basa su PaliGemma-3B e adotta una strategia multi-vettore alla ColBERT, permettendo di cercare contenuti all'interno di PDF, slide e pagine scansionate senza dipendere esclusivamente da pipeline OCR e riconoscimento del layout.
Jina Embeddings v3 è un modello di embedding testuale sviluppato da Jina AI che supporta decine di lingue, tra cui l'italiano, e offre rappresentazioni vettoriali adattabili a diversi compiti tramite adattatori LoRA. Grazie al Matryoshka Representation Learning consente di ridurre la dimensione degli embedding da 1024 fino a 32 valori senza perdite significative di qualità, rendendolo flessibile per applicazioni di ricerca semantica e ragionamento su documenti lunghi.
IBM Granite 3.1 offre modelli densi e a mixture-of-experts ottimizzati per l'enterprise, con supporto nativo a 12 lingue incluso l'italiano. È progettato per RAG, agenti AI, function calling e analisi di documenti lunghi, ed è distribuito con licenza Apache 2.0.
Command A è il modello di punta di Cohere per applicazioni enterprise real-world. Con 111 miliardi di parametri, una finestra di contesto di 256.000 token e supporto multilingue, è pensato per chi deve integrare l'AI in processi con documenti lunghi, ricerca interna e automazioni complesse.
Qwen3-Embedding è la serie di modelli di embedding testuale sviluppata dal Qwen Team di Alibaba Cloud, disponibile in varianti 0.6B, 4B e 8B parametri con contesto fino a 32K token.
BGE-M3 è un embedding model open-source di BAAI per retrieval ibrido multilingue: unisce dense, sparse e multi-vector retrieval con contesto fino a 8192 token.
Voyage AI offre modelli di embedding testuali e multimodali per retrieval, RAG e semantic search, con modelli generalisti e specializzati per codice, legge e finanza.
GLiNER è un modello transformer bidirezionale per Named Entity Recognition zero-shot, in grado di riconoscere tipologie di entità definite al volo in linguaggio naturale.
NuExtract: modelli per estrarre dati strutturati da testi e immagini di documenti, con supporto multilingue e reasoning.
Parakeet è una famiglia di modelli di speech-to-text rilasciata da NVIDIA sotto licenze permissive. Le versioni più note, come Parakeet-TDT-0.6B, sono progettate per trascrivere inglese e molte lingue europee, aggiungendo punteggiatura, capitalizzazione e timestamp con prestazioni competitive rispetto ai leader di settore.
Phi-4-multimodal-instruct è il modello multimodale aperto di Microsoft con 5.6 miliardi di parametri, in grado di elaborare contemporaneamente testo, immagini e audio. Rilasciato sotto licenza MIT, offre alle aziende italiane un'alternativa compatta e permissiva per applicazioni di OCR, trascrizione, traduzione vocale e assistenti intelligenti.
Kokoro TTS: modello open-weight text-to-speech con 82M parametri, qualità elevata, footprint ridotto e licenza Apache 2.0.
Whisper large-v3 è il modello open-source di riferimento di OpenAI per il riconoscimento vocale automatico, con supporto per 99 lingue e licenza MIT.
Kimi K2.7 Code è l'ultima evoluzione della famiglia K2 di Moonshot AI, ottimizzata per programmazione, tool use e agenti software. Con un trilione di parametri totali e 32 miliardi attivi per token, offre prestazioni competitive con modelli proprietari pur restando open-weight e potenzialmente self-hostabile.
Gemma 4 12B è un modello open-weight rilasciato da Google DeepMind il 3 giugno 2026. Con 12 miliardi di parametri, contesto fino a 256.000 token e architettura encoder-free, gira su hardware consumer e offre prestazioni superiori a modelli della generazione precedente molto più grandi.
Gemini 3.6 Flash è il nuovo modello ad alta efficienza di Google DeepMind, rilasciato a luglio 2026. Riduce del 17% i token in output rispetto alla versione precedente e semplifica i ragionamenti nei loop agentici. Ecco cos'è, come funziona e perché interessa a founder, PMI e agenzie italiane.
Claude Opus 5 è il modello di punta di Anthropic rilasciato a fine luglio 2026: pensato per la programmazione complessa e per gli agenti che lavorano in autonomia per ore, introduce il thinking attivo di default, una finestra di contesto da 1 milione di token e il cambio dinamico degli strumenti a metà conversazione. Ecco cos'è, come funziona e perché conta per chi sviluppa software in Italia.
Poolside Laguna S 2.1 è un modello Mixture-of-Experts open-weight da 118 miliardi di parametri (8 miliardi attivi per token), progettato per il coding a lungo orizzonte e con una finestra di contesto fino a 1 milione di token. Può essere ospitato su infrastruttura propria, senza dipendere da API esterne: ecco cos'è, come funziona e perché conta per aziende e agenzie.
Moonshot AI ha presentato Kimi K3, un Mixture-of-Experts da 2,8 trilioni di parametri ottimizzato per compiti agentici e sviluppo software. Disponibile da subito nella CLI Kimi Code, dal 27 luglio 2026 arriveranno anche i pesi open per il self-hosting.
Grok 4.5 è il nuovo modello di SpaceXAI (precedentemente xAI) rilasciato nell'estate 2026. È pensato per il coding, i workflow agentici e il knowledge work, con un'attenzione particolare all'efficienza dei token e alla latenza rispetto ai modelli frontier premium.
Claude Sonnet 5 è il modello mid-tier di Anthropic rilasciato a fine giugno 2026. Offre un contesto nativo di 1 milione di token, ragionamento adattivo e prestazioni vicine a Opus 4.8 su coding e knowledge work. Per founder, PMI e agenzie italiane rappresenta un salto in capacità agentica senza dover passare a un modello top di gamma.
Antigravity CLI è l'interfaccia a riga di comando agent-first con cui Google sostituisce Gemini CLI. Costruita in Go, permette di descrivere un obiettivo in linguaggio naturale e lasciare che l'agente lo scomponga in sotto-task eseguiti in parallelo, anche in background. È pensata per sviluppatori e team che vogliono automazione reale nel terminale senza perdere il controllo del proprio ambiente di lavoro.
Claude Code è l'interfaccia a riga di comando di Anthropic che porta il modello Claude direttamente nel flusso di sviluppo. A differenza delle API tradizionali, è pensato per l'uso interattivo a terminale, con strumenti nativi per leggere file, eseguire comandi e orchestrare più repository. Le novità del 2026 aggiungono sub-agent annidati, budget di costo e una netta separazione tra consumo interattivo e uso programmatico.
Voyage Context-4 è un modello di embedding contestualizzato rilasciato a fine giugno 2026. A differenza dei modelli tradizionali, costruisce la rappresentazione di ogni chunk includendo il contesto globale del documento, gestisce automaticamente testi lunghi oltre 32.000 token e costa meno del predecessore Context-3.
Claude Opus 4.8 è il modello di punta di Anthropic rilasciato nel maggio 2026. Mantiene la leadership nel coding agentico e aggiunge un milione di token di contesto nativo, oltre alla capacità di pianificare task complessi e delegarli a frotte di subagenti paralleli all'interno di Claude Code.