Grok 4.8: xAI punta a 2.500 miliardi di parametri con un nuovo stack in C++

Elon Musk ha alzato di nuovo l’asticella. In una serie di messaggi pubblicati sul suo profilo X, il fondatore di xAI ha annunciato Grok 4.8, un modello che secondo le sue dichiarazioni conterà circa 2.500 miliardi di parametri e sarà addestrato con un nuovo stack software scritto in C++. Il pre-addestramento sarebbe ormai agli sgoccioli, e subito dopo partirebbe la fase di reinforcement learning. Se i numeri venissero confermati, parleremmo del modello più grande mai costruito dalla società, oltre che dell’ennesimo capitolo di una corsa che non conosce pause tra i grandi laboratori di intelligenza artificiale.

Una premessa però è doverosa, e vale per tutto l’articolo. Al momento xAI non ha pubblicato alcuna scheda ufficiale del modello: non esistono benchmark verificati, un identificativo per l’API, un prezzo, una finestra di contesto o una data di uscita. Tutto quello che sappiamo arriva dai post di Musk, e va quindi letto come una dichiarazione, non come un dato definitivo.

Cosa ha annunciato Musk su Grok 4.8

Il cuore dell’annuncio è la dimensione. Con circa 2.500 miliardi di parametri, Grok 4.8 segnerebbe un balzo notevole rispetto alle versioni precedenti e collocherebbe xAI tra i pochi soggetti capaci di addestrare modelli di questa scala. Musk ha spiegato che il pre-addestramento, cioè la fase in cui il modello assorbe enormi quantità di testo e dati per costruire le proprie capacità di base, sta per concludersi. Il passo successivo sarà il reinforcement learning, la messa a punto con cui il modello impara a rispondere meglio, a seguire le istruzioni e ad allinearsi alle preferenze di chi lo usa.

C’è poi un dettaglio tecnico che merita attenzione: l’addestramento poggia su un nuovo stack software interamente riscritto in C++. È una scelta che punta a spremere più efficienza dall’hardware, riducendo gli strati di software intermedio e avvicinando il codice al calcolo vero e proprio.

Resta invece un punto aperto, ammesso dallo stesso Musk: le prestazioni multimodali, cioè la capacità del modello di ragionare non solo sul testo ma anche su immagini e altri formati, hanno ancora bisogno di lavoro.

Dai 1.500 miliardi di Grok 4.6 al caso Grok 4.7

Per capire la portata dell’annuncio conviene guardare al ritmo con cui xAI rilascia i suoi modelli. Grok 4.6, arrivato circa un mese prima, si fermava intorno ai 1.500 miliardi di parametri. Nel mezzo era attesa la versione 4.7, che avrebbe dovuto attestarsi sui 2.100 miliardi di parametri, ma ha incontrato ritardi.

Invece di forzare quel rilascio, Musk ha deciso di saltarlo e di puntare direttamente su Grok 4.8, più grande e a suo dire più pronto. Una mossa che racconta bene la filosofia della società: cadenza serratissima, salti frequenti di versione e comunicazione affidata quasi interamente ai social più che alla documentazione tecnica.

Questa velocità ha però un rovescio della medaglia. Annunciare un modello prima che sia disponibile, e senza dati verificabili, alimenta le aspettative ma espone anche al rischio di promesse difficili da mantenere.

Perché lo stack in C++ e la scuola SpaceX contano

La scelta di riscrivere lo stack di addestramento in C++ non è un dettaglio marginale. Gran parte dell’ecosistema di machine learning è costruita su Python e su framework come PyTorch, comodi da usare ma non sempre ottimali quando l’obiettivo è estrarre ogni goccia di prestazione da migliaia di acceleratori che lavorano in parallelo.

Un linguaggio come il C++ offre un controllo molto più fine sulla memoria e sull’esecuzione, e questo può tradursi in tempi di addestramento più brevi e in costi più bassi. La stessa cultura ingegneristica di SpaceX, abituata a ottimizzare sistemi complessi fino al limite, sembra ispirare l’approccio di xAI al software per l’intelligenza artificiale.

Il messaggio implicito è chiaro. Chi controlla l’intera catena, dai data center al codice di basso livello, prova a trasformare l’efficienza in un vantaggio competitivo.

L’infrastruttura necessaria per addestrare un modello simile

Un modello da 2.500 miliardi di parametri non si costruisce senza una potenza di calcolo fuori scala. Addestrare reti di queste dimensioni richiede decine di migliaia di acceleratori che lavorano in parallelo per settimane, con consumi energetici imponenti e costi che si misurano facilmente in centinaia di milioni di dollari.

Non è un caso che l’intero settore stia correndo a costruire nuovi data center e ad assicurarsi forniture di energia a lungo termine. Chi vuole restare in prima fila deve garantirsi hardware, spazio e corrente elettrica con anni di anticipo.

In questa prospettiva Grok 4.8 non è solo una notizia sui parametri, ma un tassello della più ampia gara sulle infrastrutture. La capacità di addestrare in casa, con hardware e software ottimizzati, sta diventando un fattore competitivo tanto quanto la qualità degli algoritmi.

Dove si colloca Grok 4.8 tra i modelli di frontiera

Nei suoi messaggi Musk ha anche provato a posizionare il modello rispetto alla concorrenza. Avrebbe collocato Grok 4.7 a un livello paragonabile a quello di Claude Opus 5 di Anthropic, ha descritto Grok 4.8 come un miglioramento sensibile e ha immaginato una futura versione 4.9 vicina alla classe dei modelli di punta, come GPT-6 Astra di OpenAI e la famiglia Fable.

Sono confronti da prendere con le pinze, perché arrivano dal diretto interessato e non da test indipendenti. Il valore reale di un modello si misura sui benchmark pubblici, sulla qualità delle risposte e sull’esperienza d’uso, non sul numero di parametri dichiarato.

Un parametro, in parole semplici, è uno dei valori numerici che il modello regola durante l’addestramento per cogliere gli schemi del linguaggio. Più parametri significano, in teoria, una maggiore capacità di rappresentare relazioni complesse, ma anche costi più alti sia per addestrare sia per far funzionare il modello. Ecco perché molti laboratori lavorano in parallelo anche su versioni più piccole ed efficienti, pensate per girare più in fretta e a minor prezzo.

Vale la pena ricordare che la scala, da sola, non garantisce la leadership. Anche altri laboratori stanno spingendo su modelli enormi: un esempio recente è Atria Dawn Preview, l’agente open da 744 miliardi di parametri, mentre Anthropic ha rilanciato con Claude Opus 5, il suo modello di punta, puntando su intelligenza di frontiera e prezzi più aggressivi.

Cosa cambia concretamente per te

Nell’immediato, poco o nulla. Grok 4.8 non è ancora disponibile e non sappiamo quando lo sarà, né a quali condizioni. La direzione, però, è indicativa di dove sta andando xAI e, più in generale, l’intero settore.

Per chi usa gli strumenti di intelligenza artificiale ogni giorno, la vera notizia non è il numero di parametri, ma il fatto che la concorrenza tra laboratori continua a comprimere i tempi e, spesso, anche i prezzi. xAI, intanto, sta allargando la presenza dei suoi modelli ben oltre l’app di Grok: di recente Microsoft lo ha integrato in Copilot, portandolo dentro Word, Excel e PowerPoint, come abbiamo raccontato quando Microsoft ha portato Grok in Copilot. E la società ha messo alla prova i suoi agenti in scenari reali, come nell’esperimento di Grok Bot Galaxy trasmesso in diretta per 72 ore.

Il quadro che emerge è quello di un attore che punta contemporaneamente su scala, velocità e distribuzione.

Conclusioni

Grok 4.8 è, per ora, soprattutto una dichiarazione di intenti: un modello enorme, un nuovo stack in C++ e la promessa di un salto di qualità, il tutto comunicato prima ancora del rilascio. È un approccio tipico di Musk, capace di catalizzare attenzione ma anche di alzare aspettative che andranno verificate con dati concreti.

Il consiglio è semplice: segui gli sviluppi senza farti travolgere dall’entusiasmo dei numeri. Quando xAI pubblicherà benchmark ufficiali, prezzi e disponibilità, potrai valutare se Grok 4.8 mantiene davvero le promesse. Nel frattempo, continua a seguire le nostre analisi sui modelli di frontiera per capire quale strumento conviene di più al tuo lavoro.