// PUNTO INFORMATICO — INTELLIGENZA ARTIFICIALE
Gemini 3.8 Flash batte Astra e Fable 5.1 sui video: ecco perché
Settembre 2026 è stato il mese in cui i tre colossi dell’intelligenza artificiale hanno lanciato i loro modelli più potenti quasi contemporaneamente, come corridori che tagliano il traguardo a pochi secondi l’uno dall’altro. ChatGPT-6 Astra di OpenAI è il modello più ambizioso mai rilasciato dall’azienda, progettato per compiti autonomi e ragionamento prolungato.
Claude Fable 5.1 di Anthropic è la nuova punta di diamante per la programmazione e i progetti complessi che richiedono supervisione minima. Gemini 3.8 Flash di Google, sulla carta, sembra il meno impressionante dei tre, è il modello “leggero” della famiglia, progettato per l’equilibrio tra potenza e velocità. Eppure c’è un’area in cui fa qualcosa che nessuno dei due rivali sa fare: capire i video.
La differenza non è sottile come sembra. Gemini 3.8 Flashaccetta testo, immagini, video, audio e documenti in formato fisso come input, con una finestra di contesto di oltre un milione di token. Ma la parte interessante non è che accetta i video, è come li elabora.
Google non converte i video in una manciata di fotogrammi chiedendo al modello cosa c’è dentro. Gemini 3.8 Flash utilizza quella che Google chiama “comprensione video agentica”. Invece di elaborare un intero video lungo nello stesso modo, il modello può navigare la cronologia e decidere autonomamente quali trascrizioni, fotogrammi e tracce audio deve esaminare per rispondere alla domanda specifica.
Google afferma che questo approccio può utilizzare fino all’ottantotto per cento in meno di token sui video lunghi, producendo al contempo risultati di qualità superiore di circa il sette per cento.
In pratica, si può dare a Gemini una registrazione lunga e fare domande molto specifiche:
Gemini restituisce risposte legate a momenti specifici del video anziché costringere l’utente a scorrere l’intera registrazione manualmente.
ChatGPT-6 Astra ha una finestra di contesto leggermente più ampia, un milione e cinquantamila token, e supporta testo e immagini. Ma la documentazione di OpenAI elenca esplicitamente l’input audio e video come non supportato. Astra è progettato per il lavoro autonomo e il ragionamento complesso su compiti testuali e visuali statici, ma non può ricevere un video e ragionarci sopra.
Claude Fable 5.1 ha una finestra di contesto da un milione di token e capacità di visione impressionanti, è particolarmente abile nel comprendere diagrammi, grafici, tabelle e altre informazioni visive strutturate. Ma le sue capacità di input e output sono limitate a testo e immagini. Nessun video, nessun audio nativo.
Si possono aggirare questi limiti estraendo i fotogrammi, generando una trascrizione o usando strumenti aggiuntivi prima di passare il materiale al modello. Ma non è la stessa cosa di un’elaborazione nativa, richiede lavoro manuale aggiuntivo e perde le informazioni temporali che collegano ciò che si vede a ciò che si sente in ogni momento del video.