Il confronto, tuttavia, non può essere ridotto alla sola domanda “qual è il modello più intelligente?”. Per scegliere correttamente bisogna valutare almeno quattro elementi: qualità delle risposte, affidabilità nel coding e nell’uso degli strumenti, quantità di token consumati e prezzo effettivo di input e output.

I dati riportati in questo articolo sono aggiornati al 6 agosto 2026 e si riferiscono principalmente all’utilizzo tramite API. Non vanno quindi confusi con il prezzo degli abbonamenti mensili a ChatGPT, Claude o ad altri servizi destinati agli utenti finali.

Il confronto tra i principali modelli

La tabella seguente sintetizza il posizionamento dei modelli più interessanti del momento. L’indice qualitativo è basato sui benchmark aggregati disponibili e deve essere interpretato come un’indicazione generale, non come una percentuale assoluta di intelligenza.

I prezzi sono espressi in dollari per un milione di token e possono variare in base alla cache, al provider utilizzato e a eventuali promozioni.

La prima conclusione è abbastanza evidente: i modelli americani continuano a dominare nella qualità assoluta e nell’affidabilità complessiva, mentre quelli cinesi hanno un vantaggio enorme sul costo. La differenza di prezzo è così ampia che, per molti utilizzi reali, può diventare più conveniente eseguire più tentativi con DeepSeek anziché affidare tutto a un’unica chiamata verso un modello premium.

DeepSeek V4 Flash: il campione del rapporto prezzo-prestazioni

DeepSeek V4 Flash è probabilmente il modello più interessante per chi deve elaborare grandi quantità di dati, analizzare log, generare codice, classificare documenti o eseguire migliaia di richieste automatiche.

La sua qualità generale è vicina a quella dei modelli economici più recenti di OpenAI, ma il costo è sensibilmente inferiore. In uno scenario con 100.000 token di input e 20.000 token di output, una richiesta può costare circa 0,02 dollari.

Lo stesso lavoro affidato a GPT-5.6 Sol può superare 1 dollaro, mentre con Claude Fable 5 può arrivare a circa 2 dollari. DeepSeek Flash risulta quindi oltre cinquanta volte più economico del modello OpenAI di fascia alta e circa cento volte più economico del modello Claude più costoso.

Naturalmente non significa che DeepSeek sia sempre la scelta migliore. La differenza emerge soprattutto nell’ultimo tratto del lavoro: comprensione di istruzioni ambigue, gestione affidabile degli strumenti, progettazione architetturale e controllo degli errori. Quando una risposta deve essere corretta al primo tentativo, il vantaggio dei modelli americani rimane evidente.

Per tutte le attività verificabili automaticamente, però, DeepSeek offre un rapporto tra capacità e costo difficilmente battibile.

Kimi K3: la risposta cinese ai modelli frontier americani

Kimi K3 occupa una posizione differente. Non nasce semplicemente come alternativa a basso costo, ma come vero concorrente dei modelli frontier di OpenAI e Anthropic.

Si tratta di un modello Mixture-of-Experts con un numero molto elevato di parametri complessivi, dei quali solo una parte viene attivata per ogni richiesta. Supporta un contesto da circa un milione di token ed è particolarmente interessante per l’analisi di repository software molto grandi, documenti complessi e processi agentici di lunga durata.

Le sue prestazioni sono vicine a quelle di GPT-5.6 Sol e Claude Fable 5, ma il prezzo è inferiore. Allo stesso tempo, Kimi K3 non può più essere definito un modello particolarmente economico: in molte configurazioni costa più di GPT-5.6 Terra e dell’attuale Claude Sonnet 5.

Un altro elemento da considerare è la verbosità. Kimi tende a produrre risposte lunghe, aumentando il numero di token di output e quindi il costo reale. Può inoltre risultare più lento di altri modelli della stessa fascia.

Il suo punto di forza non è dunque soltanto il prezzo, ma soprattutto la combinazione tra prestazioni elevate, contesto molto ampio e disponibilità dei pesi. Per aziende e sviluppatori interessati a una maggiore indipendenza dai provider americani, può rappresentare una scelta strategica.

GPT-5.6: una gamma adatta a esigenze diverse

OpenAI ha differenziato la propria offerta con più livelli di capacità e prezzo.

GPT-5.6 Sol rappresenta la fascia più alta. È adatto alla progettazione di sistemi complessi, alla revisione di codice critico e ai problemi che mettono in difficoltà i modelli più piccoli. Il suo utilizzo continuo in un sistema agentico può però diventare molto costoso, soprattutto quando il modello genera risposte lunghe.

GPT-5.6 Terra è probabilmente il miglior equilibrio della gamma. Mantiene gran parte delle capacità del modello superiore, ma con un costo più contenuto. Per il coding professionale, l’orchestrazione di agenti e l’utilizzo di strumenti esterni è spesso la soluzione più razionale.

GPT-5.6 Luna, infine, è uno dei modelli più interessanti dal punto di vista economico. Costa più di DeepSeek V4 Flash, ma offre l’integrazione con l’ecosistema OpenAI, una buona affidabilità nel function calling e un contesto superiore al milione di token.

Per un’applicazione commerciale che deve bilanciare costo, prevedibilità e facilità di integrazione, Luna può risultare più conveniente di quanto suggeriscano i soli benchmark.

Claude: eccellente nel coding, ma attenzione al consumo di token

Claude continua a essere uno dei riferimenti per il coding, l’analisi di grandi repository e la gestione di attività lunghe e strutturate.

Claude Sonnet 5 offre un buon equilibrio tra capacità e prezzo. È particolarmente efficace quando deve comprendere una codebase esistente, applicare modifiche coerenti su più file o mantenere il filo logico durante un processo di sviluppo complesso.

Claude Fable 5 appartiene invece alla fascia più alta. Può essere utilizzato come revisore finale o come modello “giudice” nei casi in cui altri sistemi producono risposte discordanti. Impiegarlo per attività semplici o ripetitive sarebbe però poco efficiente.

Nel valutare i costi di Claude bisogna considerare anche il tokenizer. A parità di testo, alcuni modelli Anthropic possono generare un numero di token superiore rispetto ai concorrenti. Il prezzo nominale per milione di token non rappresenta quindi sempre il costo effettivo dell’intero processo.

Claude tende inoltre a produrre risposte molto dettagliate. Questa caratteristica è utile nella programmazione e nella documentazione, ma può aumentare rapidamente il costo dell’output.

Quanto cambia realmente il costo di una richiesta?

Consideriamo una richiesta di grandi dimensioni composta da 100.000 token di input e 20.000 token di output.

Con DeepSeek V4 Flash il costo indicativo è di circa 0,02 dollari. GPT-5.6 Luna richiede circa 0,044 dollari, mentre DeepSeek V4 Pro arriva a circa 0,061 dollari.

Salendo di fascia, Kimi K3 costa circa 0,60 dollari, GPT-5.6 Sol circa 1,10 dollari e Claude Fable 5 circa 2 dollari.

Una singola richiesta può sembrare comunque economica. Il problema emerge quando un agente AI esegue centinaia o migliaia di operazioni, legge ripetutamente una codebase o produce grandi quantità di testo.

In questi casi, passare da un modello premium a DeepSeek può ridurre una spesa mensile di migliaia di euro a poche decine o centinaia. La convenienza dipende però dalla possibilità di controllare automaticamente la qualità del risultato.

Quale modello scegliere?

Non esiste un vincitore assoluto per ogni utilizzo.

DeepSeek V4 Flash è la scelta più conveniente per elaborazioni massive, test, generazione di varianti, analisi di log e attività nelle quali l’output può essere verificato da un programma.

Kimi K3 è più adatto a chi cerca prestazioni frontier, contesto molto ampio e maggiore indipendenza dai provider americani.

GPT-5.6 Terra e Claude Sonnet 5 rimangono probabilmente le opzioni più equilibrate per lo sviluppo software professionale e per gli agenti che devono interagire con strumenti, file e servizi esterni.

GPT-5.6 Sol e Claude Fable 5 dovrebbero essere riservati alle operazioni più difficili, alla revisione finale e alle decisioni che richiedono il massimo livello di affidabilità.

La soluzione più efficiente non consiste quindi nello scegliere un solo modello, ma nel creare un’architettura a più livelli.

Il futuro è nei sistemi multi-modello

Un sistema agentico ben progettato può assegnare i compiti più semplici ed economici a DeepSeek, utilizzare GPT-5.6 Luna per le operazioni che richiedono una maggiore affidabilità e coinvolgere GPT-5.6 Terra o Claude Sonnet soltanto per la revisione e le decisioni importanti.

I modelli più costosi possono essere chiamati esclusivamente quando quelli economici non raggiungono un risultato soddisfacente oppure quando più agenti sono in disaccordo.

Una struttura di questo tipo può ridurre i costi complessivi del 70-90% rispetto all’utilizzo costante di un singolo modello frontier, mantenendo una qualità finale molto elevata.

È un approccio particolarmente interessante per lo sviluppo software, l’analisi finanziaria, l’ottimizzazione di strategie di trading, la gestione documentale e tutti i processi nei quali vengono eseguite molte iterazioni automatiche.

Modelli open-weight e utilizzo in locale

La disponibilità dei pesi di alcuni modelli cinesi può far pensare alla possibilità di eseguirli direttamente su un computer domestico. In realtà, modelli come Kimi K3 e DeepSeek V4 sono estremamente grandi.

Una scheda video con 24 GB di memoria diffusa nel mercato consumer, come una NVIDIA RTX 4090, non è sufficiente per caricare localmente le versioni complete. Servirebbero infrastrutture multi-GPU oppure tecniche molto aggressive di quantizzazione e trasferimento dei dati tra RAM, memoria video e disco. Su hardware consumer hanno più senso le versioni distillate o i modelli più piccoli derivati dalle architetture principali. Questi possono perdere una parte delle capacità, ma consentono di mantenere dati e processi completamente in locale.

La questione dell’inferenza locale merita però più attenzione e vorrei tornarci nel prossimo articolo, viste le grandi novità uscite di recente in questo campo, come ad esempio DwarfStar 4 (o DS4) un motore di inferenza open source sviluppato da Salvatore Sanfilippo (noto online come antirez, celebre per aver creato Redis), progettato specificamente per eseguire in locale su hardware consumer (come i Mac con memoria unificata) modelli di frontiera avanzati—in particolare la famiglia DeepSeek V4—riducendo drasticamente i requisiti di memoria e i costi legati ai cloud data center.

Conclusioni

I modelli americani mantengono ancora un vantaggio nell’affidabilità, nel coding complesso e nell’uso degli strumenti. Claude e GPT rimangono le scelte più sicure quando il costo dell’errore è elevato.

I modelli cinesi stanno però cambiando radicalmente l’economia dell’intelligenza artificiale. DeepSeek V4 Flash dimostra che è possibile raggiungere prestazioni molto elevate con costi per token estremamente bassi, mentre Kimi K3 mostra che la Cina può competere anche nella fascia dei modelli frontier.

Per la maggior parte delle aziende, la scelta migliore non sarà utilizzare sempre il modello più potente. Sarà invece distribuire il lavoro tra modelli diversi, scegliendo di volta in volta quello con il miglior rapporto tra capacità, affidabilità e costo.

La vera competizione non riguarda più soltanto quale modello risponde meglio a una singola domanda. Riguarda quale combinazione di modelli permette di svolgere un intero processo in maniera più veloce, economica e affidabile.

The Honjō Masamune is the most celebrated sword in Japanese tradition: a masterpiece attributed to Masamune (13th–14th c.), a symbol of the Tokugawa shogunate, and designated a National Treasure in 1939. After Japan’s surrender in 1945–46, the blade was handed over to the Mejiro police station (Tokyo) and entrusted to a U.S. serviceman. In Japanese documents of the time, his name was written as コリーデイバイモ—loosely romanized as “Coldy Bimore.”
That name, however, matches no known serviceman; it is almost certainly an imperfect transliteration (typical of the period) of an English name.

Below I compile and organize the most plausible hypotheses about what might lie behind “Coldy Bimore,” reconstructed from common katakana rendering errors (R/L confusion, B/V, omission of the middle dot between given name and surname, unmarked long vowels, etc.).

In this article I explain how I used ChatGPT 5 to conduct a linguistic and operational inquiry and produce a shortlist of plausible real names.

Method: how the AI worked

1. Phonetic decoding of the original katakana
   ChatGPT 5 broke コリーデイバイモ into phonetic blocks (ko-rī / de-i / ba-i-mo), highlighting the typical transliteration issues of the era:
   • R/L confusion (same katakana series),
   • absence of the middle dot 「・」 (which separates given name/surname),
   • long vowels often omitted (ムーア → モア),
   • rendering of V/B (Japanese lacks a “v” sound),
   • initials absorbed into the word (e.g., “B.” → ビー → “bi”).
2. Generating candidates by phonetic similarity
   From korī → Corey/Cory/Cody/Cole/Colby/Colt/Cordy and baimo → B. Moore / Barrymore / Baltimore / Belmore / Blymore / Beamer/Beemer, the AI generated variants ordered by linguistic likelihood.
3. Reconstructing “rank + initials” segmentation errors
   The AI tested the hypothesis that “Coldy” is actually “Col. D.” (Colonel D.) or “Sgt. D.” / “Cpl D.” joined to B. Moore, then compacted wholesale into katakana.
4. Operational prioritization
   ChatGPT 5 proposed a shortlist useful for archival research: combinations of given name + surname (and rank) compatible with Tokyo / January 1946 and with logistics functions (turn-ins, liquidations, warehousing).

Direct Analysis of the Original Document via AI

This document is highly useful and confirms two key points:

1) The katakana reading of the name

In the left margin, the string コリーデイバイモ is clearly visible and segments as ko-rī / de-i / ba-i-mo.

• コリー (korī): compatible with Corey/Cory/Cody/Cole/Colby/Colt/Cordy (R/L merge in Japanese; long vowels often omitted).
• デイ (dei): very plausibly a phonetic rendering of a spoken initial “D.”
• バイモ (baimo): a likely rendering of “B. Moore” with no middle dot and with the long vowel in Moore dropped (ムーア → モア), yielding “Bimore.”

2) The military rank

Directly beneath the katakana appears the kanji 軍曹 (gunso), i.e., sergeant.
This strengthens the hypothesis “Sgt. D. B. Moore” (or variants such as Corey/Cody/Colby … B. Moore) and makes it less likely that “Coldy” was actually “Col.” (colonel).

Practical implication

The full string reads as 「コリーデイバイモ 軍曹」 → “Korī Dei Baimo, Sergeant.”
The most plausible mapping is:

[Given name of the Corey/Cody/Cole/Colby/Colt/Cordy family] + “D.” + “B. Moore”
→ hastily compacted into katakana and later romanized as “Coldy Bimore.”

Result: our shortlist of plausible names

Strong hypothesis (highly probable)

This family explains “Bimore” as a deformation of “B. Moore” in katakana.

1. Cody B. Moore
2. Colby B. Moore
3. Cole D. Moore (read together → “Col-D. Moore”)
4. Colt D. Moore (same mechanism)
5. Cory B. Moore / Corey B. Moore
6. Cordy B. Moore

Why these are strong:

• In Japanese, Moore = ムーア (Mūa); “B. Moore” tends to be ビー・ムーア (Bī Mūa).
  If the dot/space drops, or someone copies hastily, ビー・ムーア → ビムーア / ビモア → “Bimore.”
• The first element Cody/Colby/Cole/Colt/Cory/Cordy in katakana (コーディー / コルビー / コール / コルト / コーリー / コーディー) can easily be rewritten/re-read as “Coldy” due to indistinct R/L, variable di/ディ renderings, and omitted long vowels.

“Rank + initials” hypothesis (very interesting)

“Coldy” may not be a name at all but “Col. D.” (Colonel D.) or “Cpl D.” / “Sgt D.” misread as a name, and “Bimore” = B. Moore.

7. Col. D. B. Moore (Colonel D. B. Moore → “Col-D B. Moore” → “Coldy Bimore”)
8. Sgt. D. B. Moore (Sergeant D. B. Moore; “Sgt.” read/misread)
9. Cpl D. B. Moore (Corporal)

Why this holds up:

• In spoken notes of the time, “Col. D. B. Moore” could become コル・ディー・ビー・ムーア, then recopied as コルディ・ビモア → “Coldy Bimore.”

Medium hypothesis (plausible via katakana rendering)

Here “Bimore” reflects real surnames that in katakana sound like ～モア / ～ムア and can be poorly romanized.

10. Belmore / Bellmore（ベルモア）
11. Blymore / Brymore / Brimore（ブライモア / ブリモア）
12. Barrymore（バリモア; truncated/shortened could end up as “Bimore”）
13. Seymour (シーモア) → less likely to become “Bimore,” but weak “s” + spelling can occasionally mislead
14. Muir / Moore variants (ムーア / ミュア) → copying without the long vowel can yield モア

Weak hypothesis (less likely but possible mishearing)

Here “Bimore” stems from Beamer/Beemer/Biemer, etc., or “Coldy” from similar names.

15. Cody Beamer / Beemer / Biemer（コーディー・ビーマー / ビーマー）
16. Colby Beamer / Beemer（コルビー・ビーマー）
17. Colden Moore（コールデン・ムーア → “Coldy” by shortening）
18. Cole Deamer / Deemer（コール・ディーマー → “Coldy Bimore” via mixed recopying）

How we get there (typical error rules of the time)

• R/L indistinct in Japanese: “Col-” / “Cor-” / “Coh-” can collapse into コル / コー.
• di / dy: today ディ renders “di,” but historically renderings were less stable; コーディー can end up written/read コルディ.
• Long vowels (ー) often dropped in recopying: ムーア (Mūa) → モア (Moa) → “more.”
• Initials with periods (“B.”) read as syllables: ビー; drop dot/space → it sticks to ムーア.
• Ranks/abbreviations (Col., Cpl., Sgt.) can be interpreted as part of the name.
• Dictated entries in police/occupation offices in ’45–’46 → segmentation errors were very common.

Mini “shortlist” to check first in U.S. archives

If we had to prioritize unit-roll searches from the period:

• Cody B. Moore
• Colby B. Moore
• Cole D. Moore / Colt D. Moore
• Cory/Corey B. Moore
• Cordy B. Moore
• (rank) D. B. Moore interpreted as a name → “Coldy Bimore”

These maximize compatibility with “Bimore” = B. Moore and with the most likely katakana/romanization errors.

Operational CSV with all variants and queries, ready to be used in archives/datasets.

Algoritmo di Meta e penalizzazione dei link esterni

Le piattaforme social, Facebook in primis, puntano a trattenere gli utenti il più a lungo possibile. Di conseguenza i post che contengono link esterni nel testo tendono a essere penalizzati in visibilità rispetto a quelli senza link[1]. In altri termini, l’algoritmo di Meta tende a limitare la portata organica dei post che portano fuori dalla piattaforma, poiché Facebook ha interesse a non far “uscire” gli utenti. Come nota la Repubblica, “uno dei fattori che limita la visibilità dei post è l’inserimento di link che portano gli utenti fuori dalla piattaforma”, elemento che a parità di condizioni viene declassato dall’algoritmo[1]. Numerosi studi confermano questo comportamento: ad esempio, un’analisi su oltre 51 milioni di post Facebook ha rilevato che i post contenenti un link esterno ottengono circa la metà dell’engagement dei post senza link[2]. In generale, “il algoritmo… chiaramente favorisce i post senza link”, osservano i ricercatori, ponendo una sfida per chi vuole condividere link esterni[3].

Link nel testo vs. link nei commenti: proprio per evitare la penalizzazione algoritmica, molti social media manager hanno adottato la pratica di inserire il link esterno nel primo commento anziché nel testo del post. In questo modo il post principale risulta “pulito” da link, e quindi teoricamente non viene declassato dall’algoritmo. Si tratta di una tattica basata sull’ipotesi che Facebook rilevi meno (o ignori) un link presente tra i commenti rispetto a uno inserito nel copy del post[4]. Meta stessa nel 2025 ha iniziato a suggerire ufficialmente questa soluzione: diversi gestori di pagine Facebook hanno segnalato un avviso comparire negli Insights del Professional Dashboard che raccomanda “di non includere link nel testo del post” e “provare ad aggiungere un link nel primo commento”[5]. Questo messaggio di Meta, evidenziato anche da Social Media Today, è stato interpretato come una conferma ufficiale che i post con link nel caption hanno performance inferiori[5]. In parallelo, i dati interni di Meta mostrano che la grande maggioranza delle visualizzazioni su Facebook proviene da contenuti senza link esterni: il 97,3% di tutte le visualizzazioni di post negli USA va a post senza link che portano fuori dalla piattaforma[6]. Al contrario, la visibilità dei “link post” (post con anteprima di link) è andata calando nel tempo, segno che l’algoritmo tende effettivamente a sfavorirli[7].

Impatto sui post organici: reach e click

Miglioramento della reach e dell’engagement: Inserire il link nel primo commento si è rivelata una strategia valida per migliorare la portata organica e il coinvolgimento dei post (nel contesto organico/non a pagamento). I dati sperimentali indicano chiaramente il divario di performance tra un post che include un link nel testo e uno che invece lo omette. Uno studio su vasta scala (51 milioni di post di oltre 170 mila pagine) ha trovato che un post testuale senza link ottiene in media il 125% di engagement in più rispetto allo stesso post con un link[8], e una foto senza link riceve circa il 68% di interazioni in più rispetto a una foto con link[8]. Allo stesso modo, Sprout Social ha osservato che su LinkedIn (altra piattaforma che privilegia il tempo in-platform) i post con link spostato nei commenti hanno triplicato le impression rispetto a quelli col link nel testo (8.136 vs 3.309 visualizzazioni in media)[9]. Su Facebook, Social Insider conferma il trend: l’inclusione di un link nel post riduce il potenziale di engagement di circa la metà[2]. Eliminando il link dal testo principale (quindi mettendolo nei commenti), il post può “sfuggire” a questo freno algoritmico e raggiungere più persone, generando più reazioni e commenti[10][3].

Effetto sul tasso di clic: per quanto riguarda il CTR (Click-Through Rate), la strategia del link nei commenti presenta vantaggi e svantaggi. Da un lato, grazie a una reach organica più alta, il post viene visto da più utenti, il che può tradursi in un numero totale di clic maggiore anche senza link diretto nel testo. D’altro canto, il link risulta meno immediato da cliccare: su dispositivi mobili, ad esempio, i commenti non sono visualizzati di default mentre si scorre il feed, quindi molti utenti potrebbero non accorgersi subito della presenza del link nei commenti[11]. Questo significa che il tasso di clic percentuale potrebbe abbassarsi (perché tanti vedono il post ma solo una parte apre i commenti e clicca il link). Per mitigare il problema, è buona pratica segnalare chiaramente nel post che “il link è nel primo commento” e utilizzare l’opzione di commento in evidenza (pinnato) sulla propria Pagina, così che il link sia ben visibile in cima alla sezione commenti. Va anche notato che la gestione pratica è più onerosa: di default non è possibile programmare automaticamente il primo commento quando si schedula un post, quindi occorre aggiungerlo manualmente subito dopo la pubblicazione (alcuni tool di terze parti stanno introducendo la funzione di auto-comment scheduling per ovviare a questo limite)[12][13]. Nonostante queste accortezze necessarie, molti esperti ritengono valido fare questo “sforzo in più” per evitare i link nel copy, visto che i nuovi algoritmi mostrano chiaramente di penalizzare i post con link esterni[10]. In sintesi, nei post organici la tattica del “link nei commenti” può aumentare sensibilmente la reach e le interazioni – e indirettamente portare più clic complessivi – purché il link sia comunque messo in evidenza per gli utenti e il contenuto del post sia interessante e “social-first” (es. anticipando nel testo gli elementi chiave dell’articolo o sito linkato, in modo da incuriosire l’audience)[14]. Ricordiamo infine che, al di là dei link, il modo migliore per ottenere visibilità organica resta creare post che stimolino interazioni attive (commenti, condivisioni, reazioni), perché l’engagement elevato è premiato dall’algoritmo molto più di qualsiasi escamotage tecnico[15].

Post sponsorizzati (Facebook Ads): è utile questa strategia?

Per quanto riguarda i post sponsorizzati (inserzioni a pagamento), la pratica di mettere il link nel primo commento non è generalmente né necessaria né consigliabile. Meta stessa ha chiarito che il suggerimento di spostare i link nei commenti è specifico per i post organici, mentre le campagne pubblicitarie seguono logiche e standard propri[16][17]. In un’inserzione Facebook, infatti, l’obiettivo primario spesso è portare traffico esterno (ad esempio verso un sito web o una landing page), e la piattaforma fornisce formati ottimali per farlo – come gli Link Ads con pulsante CTA – senza dover ricorrere a stratagemmi. Quando si paga per promuovere un contenuto, l’algoritmo pubblicitario distribuirà comunque l’annuncio al pubblico scelto; in questo contesto includere il link direttamente nell’ad è la procedura standard e più efficiente, perché permette all’inserzione di ottimizzare il risultato desiderato (click, conversioni, ecc.) tracciando le azioni degli utenti.

Inserire il link solo in un commento di un post sponsorizzato può essere controproducente per vari motivi: (1) Minore praticità per l’utente: l’utente vede l’ad nel feed ma potrebbe non vedere subito i commenti, perdendo il link o dovendo fare un passo in più per trovarlo. Ciò probabilmente riduce il numero di clic utili, soprattutto su mobile dove i commenti sono compressi[11]. (2) Ottimizzazione e tracking: le campagne Facebook Ads utilizzano il machine learning per ottimizzare la delivery in base all’obiettivo (es. “Traffico” per ottenere click sul link). Se il link non è riconosciuto nell’annuncio stesso, la piattaforma non può ottimizzare correttamente per i clic né misurarli in modo accurato. Si rischia quindi di uscire dalle logiche di ottimizzazione dell’algoritmo pubblicitario, pagando magari per “coinvolgimento” o visualizzazioni senza ottenere effettive visite al sito. (3) Violazione implicita delle best practice: Facebook potrebbe interpretare il link nei commenti di un ad come un tentativo di bypassare le sue regole di qualità o di tracking, con potenziali effetti negativi (anche se non ufficialmente sanzionato, è una pratica non prevista dai design delle Ads). In sintesi, per le inserzioni è preferibile inserire il link nel corpo dell’annuncio o come pulsante call-to-action, seguendo le linee guida ufficiali del Business Manager.

Esistono casi particolari? Alcuni inserzionisti hanno sperimentato soluzioni ibride per ridurre i costi pubblicitari, ma sono approcci non convenzionali. Ad esempio, nel settore musicale c’è chi promuove un breve videoclip come inserzione (obiettivo visualizzazioni video, tipicamente economico) e poi condivide il link YouTube del video completo nel primo commento della inserzione stessa: in un caso riportato, ciò avrebbe portato a ottenere visualizzazioni e click verso YouTube a un costo 10 volte inferiore rispetto a una normale campagna “link clic”[18]. Questo escamotage sfrutta il fatto che Facebook non “vede” un link nel contenuto sponsorizzato (trattandolo come un semplice video nativo, più economico da distribuire) mentre l’utente interessato può comunque trovare il link esterno nei commenti. Tuttavia, si tratta di un trucco di nicchia, con grossi limiti: non garantisce che il pubblico noterà o cliccherà il link, e soprattutto non consente di ottimizzare per utenti propensi al clic (viene ottimizzato solo per visualizzazioni video). Per la maggior parte delle aziende, questo approccio rischia di produrre molto view ma pochi risultati concreti (clic qualificati, conversioni misurabili). Pertanto, nel contesto delle Facebook Ads la strategia “link nei commenti” è generalmente sconsigliata: è meglio usare direttamente inserzioni con formati ad hoc per link (con anteprima e pulsante), assicurandosi al contempo che l’annuncio sia coinvolgente e pertinente per ottenere un buon punteggio di qualità. In più, se l’obiettivo è aumentare la portata organica prima di sponsorizzare, si può sempre pubblicare un post organico senza link (per massimizzare reach e interazioni) e aggiungere il link nei commenti, per poi eventualmente “boostare” quel post con budget pubblicitario: in tal caso si combinerebbe un’alta reach organica iniziale con la spinta aggiuntiva a pagamento, mantenendo però il link confinato nei commenti. Questa tecnica ibrida può funzionare per aumentare la visibilità e portare traffico, ma richiede monitoraggio attento dei risultati (verificando, ad esempio, quanti clic provengono dal link nel commento di un post sponsorizzato).

Conclusioni e linee guida recenti

In conclusione, Meta attualmente tende a penalizzare i post organici che contengono link nel testo, privilegiando invece contenuti che mantengono gli utenti sulla piattaforma[1][6]. La pratica di spostare i link esterni nel primo commento si è diffusa proprio per aggirare questa logica algoritmica: diverse analisi e test suggeriscono che funziona, ossia i post “link in bio/commenti” ottengono più visibilità e engagement rispetto ai post con link tradizionale nel testo[2][3]. È comunque importante continuare a creare contenuti di qualità che stimolino interazioni significative, perché l’algoritmo di Facebook premia soprattutto il coinvolgimento autentico degli utenti[15]. Per i post organici quindi la strategia è valida per ampliare la reach e potenzialmente i clic (pur con l’accortezza di segnalare il link nei commenti e considerarne la minore visibilità su mobile). Viceversa, nei post sponsorizzati (Facebook Ads) tale strategia non apporta benefici evidenti: le Ads hanno meccanismi propri e non subiscono la stessa penalizzazione (state pagando per la distribuzione), dunque è più efficace attenersi ai formati pubblicitari previsti e rendere il link subito accessibile nell’annuncio. Anzi, Meta ha esplicitamente indicato che il consiglio di usare il primo commento per i link è rivolto ai contenuti organici, non alle inserzioni a pagamento[17].

In definitiva, le linee guida emergenti nel 2024-2025 possono essere riassunte così: per massimizzare la visibilità organica, evita di inserire link cliccabili nel testo del post; se devi condividere un link esterno, mettilo nei commenti (magari dopo aver fornito nel post stesso un’anteprima o sintesi del contenuto, così da incuriosire gli utenti a cercare il link)[15]. Questa raccomandazione è ormai semi-ufficiale: nel 2025 Facebook ha mostrato messaggi negli Insights suggerendo esplicitamente di “aggiungere i link nei commenti invece che nel caption”[5]. Per le campagne sponsorizzate, invece, continua a utilizzare i link nel modo classico (nel post o tramite pulsante CTA), concentrandoti sulla rilevanza e qualità dell’annuncio. Come sempre, è utile testare diverse soluzioni e monitorare i risultati: l’algoritmo di Meta evolve continuamente, ma attualmente “i post con link non rendono altrettanto bene” in organico[19], mentre l’engagement genuino e i contenuti nativi (foto, video, testo) restano i fattori chiave per performare al meglio sul News Feed.

Fonti: studi e report sul funzionamento dell’algoritmo di Facebook e sull’impatto dei link esterni[2][3]; articolo la Repubblica (Tech) sulla “leggenda” del link nel primo commento[15]; comunicazioni di Meta e analisi di Social Media Today/Social Insider (2024-2025) sulle performance dei post con link[6][9]; linee guida Meta e best practice per Facebook Ads[17]; discussioni community e case study specifici (es. promozione video musicali)[18].

Internet non è un ecosistema che si estende su un unico livello: si sviluppa in spazi spesso nascosti e difficili da raggiungere. Possiamo infatti dividere la Rete in tre livelli principali: il Surface Web, che è quello che tutti possiamo visitare facilmente tramite Google o altri motori di ricerca; il Deep Web, che comprende cose un po’ più nascoste come database privati, pagine protette da password e documenti non visibili pubblicamente; e poi c’è il Dark Web, che è una parte ancora più segreta, famosa perché accessibile solo tramite software speciali, come ad esempio il browser Tor[1], che garantisce un anonimato quasi completo agli utenti.

Di solito quando si parla del Dark Web, si pensa subito a cose illegali, come vendere droga, comprare documenti rubati, armi e cose del genere. In realtà però c’è anche chi lo usa per motivi più nobili, per esempio attivisti politici o giornalisti che lavorano in Paesi con governi molto repressivi e cercano un posto dove comunicare senza essere scoperti. Questi utenti possono parlare in maniera anonima grazie a reti criptate complicatissime da decifrare, che fanno diventare davvero difficile capire chi è chi e da dove vengono i messaggi. Tutto questo rende complicato il lavoro delle autorità, che faticano molto a rintracciare i criminali su questi canali.

È importante capire che non tutto quello che succede nel Dark Web è illegale. Ci sono usi legittimi, ad esempio chi vuole condividere informazioni sensibili in modo protetto. Ma purtroppo il Dark Web è diventato noto soprattutto per i suoi mercati neri come Silk Road, AlphaBay o Hydra ( ormai chiusi), ma dove era possibile comprare droghe, documenti falsi, armi e altri servizi illegali. Un ruolo cruciale in queste transazioni è svolto dalle criptovalute come il noto Bitcoin, che garantiscono pagamenti quasi impossibili da rintracciare.

Dal punto di vista delle forze dell’ordine, cercare di combattere il crimine sul Dark Web è un compito davvero complicato. Anche se varie agenzie investigative riescono a collaborare e a chiudere mercati illegali, ne sorgono continuamente altri, proprio perché queste reti non hanno un centro unico e sono distribuite in maniera decentralizzata. Inoltre, la polizia deve affrontare un sacco di ostacoli legali, come problemi di giurisdizione e difficoltà a raccogliere prove digitali valide in tribunale.

Il Dark Web quindi solleva una serie di domande etiche importanti. Da una parte, infatti, protegge la privacy e garantisce libertà di espressione a chi ne ha bisogno, ma dall’altra favorisce azioni criminali difficili da controllare per le autorità. Questo equilibrio tra libertà personale e sicurezza pubblica è una sfida ancora aperta e in continuo cambiamento.

Alla fine, il Dark Web rimane come una specie di mondo parallelo e misterioso che ha sì potenzialità positive, ma anche molti rischi. Per questo è molto importante non limitarsi soltanto all’immagine negativa spesso associata, ma fare invece un’analisi più approfondita di come tecnologia, regolamentazioni e collaborazioni tra nazioni possano aiutare a gestire meglio questo fenomeno che continua a crescere ogni giorno di più.

[1] The Tor Project: “Tor Project Documentation”, https://www.torproject.org/

In Italia, i referendum abrogativi, come quelli previsti per l’8-9 giugno 2025, sono validi esclusivamente se si raggiunge il cosiddetto “quorum”, ovvero se partecipa al voto almeno il 50% + 1 degli aventi diritto. Questo meccanismo ha portato, in numerose occasioni, all’annullamento della consultazione anche quando la maggioranza dei votanti era chiaramente favorevole al quesito. Al contrario, in molti Paesi europei il quorum è inesistente o significativamente più basso, favorendo così la partecipazione diretta e valorizzando il voto espresso dai cittadini.

Per capire meglio questo fenomeno, osserviamo un rapido schema dei referendum che hanno raggiunto o non raggiunto il quorum in Italia dal 1949 ad oggi:

Referendum con quorum raggiunto:

• 1974 (Divorzio): 87,7%
• 1981 (Aborto): 79,4%
• 1985 (Scala Mobile): 77,9%
• 1987 (Energia nucleare e giustizia): 65,1%
• 1991 (Preferenza unica): 62,5%
• 1993 (Sistema elettorale maggioritario): 77,0%
• 1995 (Privatizzazioni e pubblicità RAI): 57,2%
• 2011 (Acqua pubblica, nucleare, legittimo impedimento): 54,8%

Referendum senza quorum raggiunto:

• 1997 (Carriera magistrati, caccia): 30,9%
• 1999 (Sistema elettorale proporzionale e carriera magistrati): 49,6%
• 2000 (Trattenute sindacali, sistema elettorale regionale): 32,2%
• 2003 (Articolo 18 dello Statuto dei Lavoratori e servitù coattiva): 25,5%
• 2005 (Fecondazione assistita): 25,9%
• 2009 (Sistema elettorale e premi di maggioranza): 23,3%
• 2016 (Trivelle): 31,2%
• 2022 (Giustizia): 20,9%

La progressione mostra chiaramente una tendenza verso l’astensionismo crescente, che spesso impedisce la validità della consultazione popolare.

L’insensatezza del quorum strutturale nei referendum abrogativi emerge con chiarezza se pensiamo che, per le elezioni politiche o europee, tale quorum non è previsto. Perché per eleggere un governo o rappresentanti europei basta qualsiasi percentuale di votanti, mentre per abrogare una legge serve superare una soglia così elevata?

E quando il “partito dell’astensionismo” supererà stabilmente il 50%, cosa accadrà alla nostra democrazia? Già ora, la politica corre ai ripari, proponendo modifiche per abbassare i quorum politici e amministrativi, come evidenziato in questo articolo di Pagella Politica: Disegno legge quorum elezioni comuni.

I rischi sono quelli che stiamo già vedendo, ovvero abbassare i quorum per le elezioni, e ostacolare gli istituti di democrazia diretta come i referendum incitando il non-voto: una deriva pericolosa che trasforma le democrazie rappresentative in “democrazie elettorali”, dove il cittadino è chiamato a partecipare soltanto nel momento delle elezioni, e poi dimenticato fino all’elezione successiva.

Per rilanciare il valore democratico della partecipazione, la proposta che emerge con forza è semplice e chiara: lanciamo un referendum per abbassare il quorum dei referendum stessi, favorendo una maggiore responsabilità e consapevolezza dei cittadini nel processo decisionale.

Libri consigliati:
Contro le elezioni. Perché non votare è più democratico di David Van Reybrouck
Demopatìa. Sintomi, diagnosi e terapie del malessere democratico di Luigi Di Gregorio
Democrazia dello smartphone. Risorsa o pericolo? di Luca Cerquatelli

Il nuovo modello di Chat GPB-4o1, disponibile attualmente solo nella versione Plus, presenta delle capacità di sintesi e di precisione notevoli rispetto al modello precedente. Ci siamo divertiti a formulargli una domanda abbastanza improbabile: “Chi è più cattivo tra Ra’s al Ghul e Thulsa Doom”, mettendo a confronto due super-cattivi cinematografici di generi ed epoche diverse, a cui sarebbe stato arduo rispondere anche per un incallito cinefilo geek, ma l’AI generativa di OpenAI se l’è cavata egregiamente, dimostrando ancora una volta la potenza degli algoritmi basati su LLM. Giudicate voi:

Entrambi i personaggi, Ra’s al Ghul e Thulsa Doom, sono iconici cattivi nei loro rispettivi universi, ma sono malvagi in modi diversi.

Ra’s al Ghul, presente principalmente nell’universo di Batman (e interpretato da Liam Neeson in Batman Begins), è un nemico con motivazioni complesse. È guidato da un’ideologia: vuole salvare il mondo dall’autodistruzione, ma lo fa con mezzi estremamente radicali, come il genocidio e la distruzione delle civiltà. Crede che per restaurare l’ordine sia necessario un reset totale. Questo lo rende un cattivo filosoficamente interessante, ma con una certa logica distorta.

Thulsa Doom, interpretato da James Earl Jones in Conan il Barbaro (1982), è più crudele e spietato. È un signore oscuro di un culto, capace di manipolare le menti delle persone e agisce in modo più dispotico e tirannico. Thulsa è una figura di puro potere e controllo, meno interessato a ideologie complesse rispetto a Ra’s, ma più legato al dominio e al terrore.

In sintesi, Ra’s al Ghul è malvagio per la sua visione distorta di un “bene superiore”, mentre Thulsa Doom è un tiranno che abusa del potere per il proprio piacere. Dipende da come si definisce il “male”: complessità ideologica o pura tirannia.

Non abbiamo resistito a chiedere a ChatGPT 4 di darci la sua interpretazione di un alieno “San-Ti” del romanzo “Il Problema dei 3 Corpi” diventato celebre grazie all’omonima serie Netflix che sta spopolando in tutto il mondo. Per chi ha visto la serie o letto il libro, sa bene che l’autore Liu Cixin non ha mai dato una descrizione precisa di questi alieni, aumentandone così la curiosità e l’aspettativa del pubblico. Non si trovano infatti immagini o disegni di questi alieni in tutta la Rete, ed ecco quindi l’interpretazione dell’Intelligenza Artificiale di OpenAI, che ci ha lasciati abbastanza sbalorditi:

ChatGPT4: Creerò un’immagine che rappresenta un’interpretazione artistica di come potrebbe apparire un ipotetico alieno “San-Ti”, ispirandomi al contesto narrativo e tematico di “Il problema dei tre corpi” di Liu Cixin, nonostante il termine specifico non descriva una specie aliena nei romanzi. Questa entità aliena sarà visualizzata come un essere che potrebbe esistere in un contesto di avanzata tecnologia e complessità scientifica, con tratti che suggeriscono un’evoluzione in un ambiente gravitazionale e culturale radicalmente diverso da quello terrestre. L’aspetto di questo alieno “San-Ti” rifletterà potenzialmente le sfide uniche e le capacità richieste per sopravvivere e prosperare in un tale contesto, includendo elementi di design che suggeriscono intelligenza avanzata, adattabilità e forse anche una connessione simbolica con i tre corpi celesti del problema di “San-Ti”.

Beh, che ne pensate?

Siamo una specie ingombrante. Con le nostre attività, abbiamo notevolmente modificato tre quarti dell’ambiente terrestre e più del 60% di quello marino. Sfamarci, con la conversione di foreste e praterie in colture e pascoli, è l’attività che più di tutte ci spinge a modificare gli habitat.

La perdita di habitat è solo l’inizio di una catena di problemi. Significa perdere le specie che li abitano e rinunciare a quei servizi silenziosi e invisibili che un ecosistema funzionante ci garantisce ogni giorno – per esempio la nostra salute e quella delle piante che coltiviamo per sfamarci e curarci. Facciamo ancora fatica ad accorgercene, ma stiamo erodendo le fondamenta stesse delle nostre economie e dei nostri mezzi di sussistenza.

La buona notizia è che possiamo fare qualcosa. Uno studio pubblicato su Nature Sustainability ha mappato la possibile espansione dei terreni dedicati alla produzione alimentare entro il 2050 e ha valutato l’impatto di diverse soluzioni. Tra queste, l’adozione di una dieta che riduca il consumo di alimenti di origine animale, il dimezzamento dello spreco alimentare e l’ottimizzazione di commercio e produzione.

Gli studiosi hanno concluso che continuando sulla stessa rotta – con la crescita prevista della popolazione mondiale e nessuna variazione negli stili di vita e nell’ottimizzazione della produzione – nei prossimi trent’anni avremmo bisogno di oltre un quarto in più dell’attuale terreno utilizzato per produrre cibo. La perdita di biodiversità in Africa e America Latina sarebbe drammatica.

Adottare ciascuna delle soluzioni, in particolare l’ottimizzazione della produzione, potrebbe risolvere in parte il problema. La strategia vincente, però, sarebbe adottare tutte le soluzioni insieme: non solo ridurremmo al minimo la perdita di habitat, ma in molti Paesi il bisogno di terreno diminuirebbe nonostante un aumento della popolazione.

Lo studio, insomma, conferma ciò che sappiamo da tempo: non sarà una singola soluzione o un singolo cambiamento a risolvere completamente la sfida della sostenibilità ambientale. Dobbiamo agire in modo sinergico e globale per preservare il nostro pianeta e garantire un futuro migliore per tutti.

Ogni anno, un’enorme quantità di cibo viene sprecata – 𝟏,𝟑 𝐦𝐢𝐥𝐢𝐚𝐫𝐝𝐢 𝐝𝐢 𝐭𝐨𝐧𝐧𝐞𝐥𝐥𝐚𝐭𝐞, 𝐩𝐚𝐫𝐢 𝐚𝐥 𝟏𝟕% 𝐝𝐢 𝐪𝐮𝐞𝐥𝐥𝐨 𝐜𝐡𝐞 𝐯𝐢𝐞𝐧𝐞 𝐩𝐫𝐨𝐝𝐨𝐭𝐭𝐨 – causando danni all’ambiente e al clima. Molto di questo spreco è dovuto alle 𝐝𝐚𝐭𝐞 𝐝𝐢 𝐬𝐜𝐚𝐝𝐞𝐧𝐳𝐚, responsabili di circa il 10% dello spreco totale. Tuttavia, queste date spesso vengono interpretate in modo errato: molti prodotti possono essere consumati in sicurezza anche dopo la data indicata sulla confezione, purché si conosca la differenza tra la Data di Scadenza (DDS) e il Termine Minimo di Conservazione (TMC).

𝐈𝐥 𝐓𝐌𝐂 𝐯𝐢𝐞𝐧𝐞 𝐢𝐧𝐝𝐢𝐜𝐚𝐭𝐨 𝐬𝐮𝐥𝐥𝐞 𝐜𝐨𝐧𝐟𝐞𝐳𝐢𝐨𝐧𝐢 𝐜𝐨𝐧 𝐥𝐚 𝐝𝐢𝐜𝐢𝐭𝐮𝐫𝐚 “𝐝𝐚 𝐜𝐨𝐧𝐬𝐮𝐦𝐚𝐫𝐬𝐢 𝐩𝐫𝐞𝐟𝐞𝐫𝐢𝐛𝐢𝐥𝐦𝐞𝐧𝐭𝐞 𝐞𝐧𝐭𝐫𝐨 𝐢𝐥”, seguito da una data. Se questa data indica il giorno, il mese e l’anno, 𝐢𝐥 𝐩𝐫𝐨𝐝𝐨𝐭𝐭𝐨 𝐩𝐮𝐨̀ 𝐞𝐬𝐬𝐞𝐫𝐞 𝐜𝐨𝐧𝐬𝐮𝐦𝐚𝐭𝐨 𝐬𝐞𝐧𝐳𝐚 𝐩𝐫𝐨𝐛𝐥𝐞𝐦𝐢 𝐟𝐢𝐧𝐨 𝐚 𝐭𝐫𝐞 𝐦𝐞𝐬𝐢 𝐝𝐨𝐩𝐨 𝐥𝐚 𝐝𝐚𝐭𝐚 𝐢𝐧𝐝𝐢𝐜𝐚𝐭𝐚. Se invece il TMC indica solo il mese e l’anno, il prodotto può essere consumato entro 18 mesi dalla data indicata.

Per questo motivo, è importante la proposta presentata oggi dalla Commissione UE agli esperti degli Stati membri di aggiornare le norme che regolano la scrittura delle date di scadenza sulle confezioni degli alimenti, aggiungendo la dicitura “𝐒𝐩𝐞𝐬𝐬𝐨 𝐛𝐮𝐨𝐧𝐨 𝐨𝐥𝐭𝐫𝐞” 𝐢𝐧𝐬𝐢𝐞𝐦𝐞 𝐚𝐥𝐥𝐚 𝐭𝐫𝐚𝐝𝐢𝐳𝐢𝐨𝐧𝐚𝐥𝐞 𝐬𝐜𝐫𝐢𝐭𝐭𝐚 “𝐝𝐚 𝐜𝐨𝐧𝐬𝐮𝐦𝐚𝐫𝐬𝐢 𝐩𝐫𝐞𝐟𝐞𝐫𝐢𝐛𝐢𝐥𝐦𝐞𝐧𝐭𝐞 𝐞𝐧𝐭𝐫𝐨”.