The Pulse

Anthropic rileva che l’IA può aiutare a costruire armi e individuare bersagli

Gli attuali sistemi di IA possono aiutare nell’individuazione di bersagli per l’intelligence e nella progettazione di armi in ambienti simulati, anche se permangono limiti significativi nel mondo fisico, afferma il Frontier Red Team di Anth

AI.info Team · Scritto con l’IA · verificato · 2026-09-13

I test di Anthropic rivelano un divario nelle capacità con conseguenze militari

Gli attuali sistemi di IA possono svolgere parte del lavoro di individuazione di bersagli per l’intelligence e di progettazione di armi che un tempo dipendeva da un ristretto gruppo di specialisti altamente qualificati, afferma Anthropic. Il Frontier Red Team dell’azienda ha pubblicato le valutazioni il 10 settembre 2026. Un distinto rapporto sulle minacce di settembre descrive tentativi di usare Claude per progetti relativi a missili, droni e guerra elettronica.

I risultati presentano una tensione interna. Anthropic li presenta come prova del fatto che l’IA sta riducendo il costo del lavoro militare specializzato, sottolineando al contempo che molti test restano simulazioni e che l’accesso ai materiali fisici limita ancora ciò che i modelli possono realizzare. Le evidenze raccolte dall’azienda sostengono entrambe le affermazioni: i modelli possono scrivere software di guida funzionante in ambienti virtuali, ma anche i sistemi più avanzati falliscono in alcune delle condizioni più difficili.

In un distinto articolo del 27 luglio sui modelli a pesi aperti, Dario Amodei, amministratore delegato di Anthropic, ha dichiarato che l’azienda non sostiene un divieto dei modelli a pesi aperti.

«Anthropic non ha mai sostenuto un divieto dei modelli a pesi aperti.»

— Dario Amodei, amministratore delegato di Anthropic

I modelli possono collegare identità e dedurre posizioni

Anthropic ha testato i modelli su indagini simulate sui social media riguardanti movimenti di protesta fittizi a Città del Messico e Kolkata. La valutazione comprendeva 200 compiti suddivisi in tre livelli di difficoltà e chiedeva ai modelli di correlare account su WhatsApp, Telegram, Instagram e Facebook e di classificare le persone in categorie di interesse.

Il campione mediano conteneva circa 37.000 parole, per la cui lettura, secondo le stime di Anthropic, un analista umano impiegherebbe circa 2,5 ore prima di procedere a un’analisi sistematica. Mythos Preview ha completato una valutazione mediana in circa 11 minuti. I dati sintetici non sono del tutto realistici, afferma Anthropic, che considera quindi i risultati un’indicazione delle differenze tra i modelli, anziché una previsione diretta delle prestazioni sul campo.

L’azienda ha testato anche la geolocalizzazione a partire da fotografie e testi. Su 6000 fotografie, Mythos Preview e Mythos 5 hanno prodotto errori mediani rispettivamente di 37,0 chilometri e 47,2 chilometri. Anthropic ha confrontato questi risultati con un indicatore basato sul gioco competitivo a GeoGuessr, anziché con un riferimento umano sullo stesso dataset di immagini. Mythos Preview ha collocato il 23,7% delle immagini entro un chilometro dalla posizione corretta; Mythos 5 ha raggiunto il 23,1%.

La geolocalizzazione basata sul testo ha prodotto un risultato più disomogeneo. Su 1697 utenti anonimizzati del corpus GeoText, Mythos Preview ha registrato un errore mediano di 20,1 chilometri quando disponeva di uno strumento di ricerca in sandbox. Anthropic ha rilevato che la maggior parte delle identificazioni riuscite si basava su indizi espliciti, come nomi di campus, riferimenti a strade o locali, anche se alcuni modelli hanno dedotto le posizioni dal dialetto, dalle squadre sportive, dai sistemi di trasporto e dagli eventi locali.

Il software per droni funziona in simulazione, non ancora sul campo

Le valutazioni relative alle armi si sono concentrate sul software di guida, navigazione e controllo di un quadricottero simulato. I modelli hanno ricevuto istruzioni scritte, librerie Python di base, un ambiente fisico, vento, rumore dei sensori e una telecamera di bordo. Hanno scritto il codice di controllo del volo, fatto decollare il drone, esaminato la telemetria e i fotogrammi della telecamera, quindi rivisto il software entro un numero prestabilito di tentativi.

Nel compito più semplice, un veicolo parcheggiato e ben visibile in un campo aperto, Opus 5 ha raggiunto un tasso di attacchi simulati riusciti dell’80%. Mythos Preview ha raggiunto il 70%, Mythos 5 il 53%, Kimi K3 il 15% e Sonnet 5 il 5%.

Le prestazioni sono calate bruscamente quando il bersaglio si muoveva. Contro un veicolo che viaggiava a una velocità da strada, Opus 5 ha raggiunto il 47%, Mythos Preview il 20%, Mythos 5 il 17%, Kimi K3 l’1,6% e Sonnet 5 lo 0%. I test hanno variato anche l’aspetto del veicolo, la presenza di ostacoli sulla strada, i veicoli esca e i movimenti evasivi.

Anthropic ha verificato se i modelli fossero in grado di trasportare un carico e operare quando i segnali GPS erano assenti o contraffatti. Opus 5, Mythos 5 e Mythos Preview hanno scritto software di guida funzionante per ogni compito simulato nello studio e hanno migliorato i propri risultati nelle configurazioni facili e medie. Nessun modello è riuscito a superare lo scenario più difficile di spoofing GPS.

I modelli a pesi aperti sono indietro rispetto alla frontiera, ma restano capaci

Anthropic ha incluso nelle valutazioni Kimi K3 e GLM 5.2, modelli a pesi aperti sviluppati in Cina. In generale hanno ottenuto risultati inferiori a quelli dei suoi sistemi di frontiera, collocandosi spesso tra i modelli della classe Sonnet e quelli della classe Mythos, ma non sono rientrati in una categoria che Anthropic considera sicura, afferma l’azienda.

Kimi K3 ha eguagliato Sonnet 5 per errore mediano in un test di geolocalizzazione fotografica, collocando però una quota maggiore di immagini entro un chilometro. Nei test sui droni, Kimi K3 ha superato Sonnet 5 nel trasporto del carico, ma è rimasto vicino al livello di Sonnet per la guida terminale e il funzionamento in presenza di interferenze GPS.

I modelli al di sotto della frontiera continueranno ad avere applicazioni nell’intelligence e in ambito militare, afferma Anthropic. I suoi ricercatori descrivono i risultati come un punto di partenza, non come un limite massimo, perché i sistemi hanno operato senza accesso illimitato a internet, librerie complete di soluzioni, test hardware o una verifica approfondita di ogni volo da parte di un ingegnere umano.

Sei casi di uso improprio collegano le simulazioni al mondo reale

Il rapporto sulle minacce di settembre di Anthropic riguarda attività interrotte tra dicembre 2025 e agosto 2026. Descrive sei casi legati alle armi che coinvolgono soggetti in Cina, Russia e Yemen.

In un caso, una cellula con sede in Yemen ha usato Claude Code per sviluppare software di guida, navigazione e controllo per un razzo guidato, compresi codice per un computer di volo della classe di quelli usati nei telefoni, build del firmware e simulazioni di volo. Secondo Anthropic, il gruppo ha effettuato un lancio di prova di un razzo guidato, apparentemente senza successo, ed è tornato a usare Claude nel giro di poche ore per analizzare il fallimento. L’azienda non ha trovato prove che i soggetti abbiano messo in campo un dispositivo operativo.

Un’altra operazione riguardava software per uno sciame di droni. Secondo Anthropic, il sistema comprendeva una memoria condivisa dello sciame, la guida terminale tramite telecamere di bordo, il rilevamento degli operatori di droni avversari e un modello di bordo capace di selezionare bersagli e impartire comandi di detonazione senza intervento umano. I soggetti hanno caricato codice su schede di sviluppo reali e testato parti del sistema attraverso simulazioni hardware-in-the-loop.

Anthropic ha bloccato gli account collegati, migliorato i propri sistemi di rilevamento e condiviso informazioni con partner dei settori pubblico e privato. Ha inoltre introdotto classificatori destinati a rilevare e bloccare le richieste connesse allo sviluppo di esplosivi ad alto potenziale e armi.

I limiti contano, ma non cancellano il rischio

La ricerca non dimostra che un modello di IA possa costruire e mettere in campo autonomamente un’arma affidabile. Le valutazioni si basano esclusivamente su simulazioni, le configurazioni più difficili restano irrisolte e l’accesso a materiali, attrezzature di produzione e test reali rimane un vincolo importante, afferma esplicitamente Anthropic.

La sua tesi, più circoscritta, è che i modelli stiano eliminando parte della strozzatura dovuta alla disponibilità di lavoro specializzato. L’azienda conclude che i sistemi chiusi e quelli a pesi aperti oggi disponibili possono aiutare a identificare e localizzare persone e a progettare software per sottosistemi d’arma. La questione immediata per le politiche pubbliche sollevata dai rapporti è se i test di sicurezza e i controlli sull’uso improprio possano tenere il passo con la diffusione di queste capacità oltre i sistemi proprietari.