Nathan Lambert pubblica un corso gratuito sul post-training: 20 video per circa 12 ore su YouTube. Parla uno che lo studia e lo pratica all’Allen Institute. Il contesto: finora materiale sparso, legato a repo o talk, e pieno di folklore. Lambert spinge contro l’idea che basti dialogare con agenti più abili: «imparare la matematica del post-training» resta la prova di tenuta.

Un team può usarlo come baseline per onboarding e revisione sperimentale. Stesse definizioni ed esercizi di codice per verificare che una modifica al loop faccia quello che dichiara. Da QA, questo riduce regressioni e rende tracciabile la relazione tra metrica e comportamento. Sul “100X” nei prossimi 1 a 3 anni la crescita ci sarà, il moltiplicatore è retorica. La sostanza regge: chi standardizza ora il vocabolario del post-training guadagna velocità e affidabilità. Lo vede chi ci lavora ogni giorno.

OpenAI deve pubblicare prima della GA un processo di abilitazione misurabile per le funzioni a rischio. Identità dell’organizzazione verificata, criteri chiari su chi ottiene accesso anticipato e perché, limiti d’uso applicati per difetto, logging da audit e una risposta agli incidenti che tratti l’output come potenziale vettore. Sam Altman dice «modello potente», «non tenerli a pochi» e che serve più tempo per via delle «capacità cyber». È lui che fissa ritmi e soglie, quindi questa è la linea dell’azienda.

La lettura della redazione è favorevole all’apertura e d’accordo sul rinvio. Manca però un criterio pubblico su quando un modello con capacità cyber supera la soglia di sicurezza. Qui OpenAI deve esporsi: pubblicare il perimetro delle funzioni sensibili, le condizioni di sblocco e i segnali di arresto del rollout. Senza questo, l’impegno resta una promessa.

Gergely Orosz mette il dito sulla fiducia: «marchio molto affidabile» guadagnato in anni per Cursor, contro un Grok di xAI che si porta dietro «hanno caricato i file .env» e un «interruttore nascosto». Orosz è credibile perché guarda processi e compromessi operativi, non la narrativa. Il contesto è un rebranding o una fusione che sacrifica un nome associato a qualità e sicurezza per un marchio giovane e già contestato sulle predefinite di privacy.

Per chi lavora la conseguenza è semplice e costosa. Il cambio di marchio su un tool critico riapre la due diligence su dati e telemetria. Si rifanno verifiche legali e tecniche, si ricontrollano i default, si congelano i rollout finché non arriva chiarezza documentata. La redazione: Orosz ha ragione. Qui si sposta valore da Cursor a xAI, non agli utenti. E i team pagano il conto.