Fable 5 vs Qwen 3.6: La Frattura che le PMI Devono Capire Ora
Chi controlla il tuo modello di AI controlla cosa puoi costruire. E nel 2026, quella frattura è più ampia che mai.
Nel giro di poche settimane, due mosse hanno ridisegnato il panorama dei modelli di linguaggio disponibili per sviluppatori e imprese. Da un lato, Anthropic ha rilasciato Claude Fable 5 — il suo modello più potente mai reso pubblicato, classificato Mythos-class, al di sopra di Opus. Dall'altro, Alibaba ha spinto Qwen 3.6 e già accenna a Qwen 3.7, con un milione di token di context e workflow agentici completi, sotto licenza Apache 2.0.
A prima vista, una buona notizia: più potenza, più accesso. Ma sotto la superficie c'è una divergenza strategica che ogni PMI dovrebbe leggere con attenzione, perché determina cosa potrai davvero costruire — e cosa ti sarà vietato chiedere.
Due filosofie, un solo mercato
Anthropic ha scelto il controllo. Fable 5 è potente — punteggio elevato sulle leaderboard di giugno — ma arriva con guardrails hard-coded: blocca automaticamente risposte in ambiti come la biologia. Il rollout è conservativo, graduale, riservato ai piani aziendali. Il messaggio è chiaro: "Ecco il nostro meglio, ma decidiamo noi cosa puoi chiedere."
Alibaba ha scelto l'apertura — con una coda commerciale. Qwen 3.6 è una rivoluzione ground-up: 35B parametri nella variante flagship, fino a 235B nella versione MoE, tutto open-weight. Qwen 3.7 promette 1M di context con capacità agentiche. Ma attenzione: le versioni "Plus" e "Omni" sono diventate proprietarie, disponibili solo sul cloud Alibaba. L'open-weight è il volantino. Il valore è nel cloud.
Cosa significa concretamente per una PMI
La domanda non è "quale modello vince sui benchmark." La domanda è: quale modello mi lascia costruire ciò che ho bisogno di costruire, senza sorprese?
Ecco tre variabili concrete da valutare:
1. Context length vs. latency. Un milione di token di context su Qwen 3.7 cambia le regole per chi fa RAG su interi archivi documentali o costruisce agenti che operano su codebase estesi. Ma context lungo senza latency gestibile è un parcheggio vuoto. Prima di scegliere, testa con i tuoi dati reali.
2. Costo totale di possesso. Self-hosting di un modello open-weight non è "gratissimo": servono GPU, manutenzione, competenze. L'API di Fable 5 è inclusa nei piani enterprise di Anthropic, ma paghi in flessibilità. Calcola il TCO su 12 mesi, non il costo al token.
3. Lock-in invisibile. I guardrails di Anthropic sono un lock-in funzionale: non puoi chiedere certe cose, punto. Il modello proprietario di Alibaba è un lock-in infrastrutturale: i tuoi workflow girano sul loro cloud. In entrambi i casi, la tua libertà ha un tetto. Saperlo in anticipo è un vantaggio.
Un insight pratico per domani mattina
Prima di scegliere un modello per il tuo prossimo progetto, fai questo test: scrivi le 10 domande che il tuo sistema di AI dovrebbe rispondere nel caso d'uso reale. Poi verifica — documentazione alla mano — se il modello che stai valutando le può rispondere tutte. Non le domande facili. Quelle al limite. È lì che scopri se il tuo fornitore ti sta vendendo una macchina o una gabbia.
Noi di Silicea lavoriamo ogni giorno su questi trade-off — tra apertura e controllo, tra potenza e determinismo, tra ciò che un modello promette e ciò che il tuo sistema riesce davvero a eseguire. Se stai valutando quale modello integrare nei tuoi processi e vuoi un'analisi concreta basata sui tuoi casi d'uso reali, scrivici. Non vendiamo modelli. Aiutiamo a scegliere con gli occhi aperti.