Copilot costa troppo, Starlette è bucata, e gli agenti non hanno casa

Il conto di Copilot

Dal primo giugno GitHub Copilot passa da abbonamento flat a billing basato sui token. Sulla carta, un cambio di modello commerciale. Nella pratica, un terremoto. Su Reddit e X gli sviluppatori stanno condividendo screenshot che farebbero impallidire chiunque: secondo TechCrunch, un utente che pagava circa 29 dollari al mese si ritroverebbe a spenderne quasi 750. Un altro è passato da 50 a 3.000 dollari. Tremila.

Ora, diciamocelo: c'è una parte della storia che i titoli non raccontano. Diversi sviluppatori hanno fatto notare che chi accumula costi così assurdi probabilmente sta facendo puro vibe coding, cioè sta delegando tutto al modello senza avere una vera competenza di sviluppo. Come ha scritto un utente: "L'unico modo per arrivare a cifre del genere è fare vibe coding con tonnellate di iterazioni gonfiate." E non ha tutti i torti.

Il punto però forse è un altro. Il vero segnale qui non è che qualcuno pagherà di più. È che Microsoft ha ammesso, nei fatti, che il modello precedente era insostenibile. Un commento su Reddit lo ha detto meglio di qualsiasi analista: "Holy fuck how much money was copilot losing." Ecco. Quella domanda contiene tutta la storia dell'AI-as-a-service degli ultimi due anni: prezzi artificialmente bassi per conquistare il mercato, e poi il conto arriva.

Questo è un pattern che conosciamo bene. Uber, WeWork, decine di startup SaaS. Prezzi da sogno, unit economics da incubo. La differenza è che stavolta il prodotto è diventato parte integrante del workflow quotidiano di milioni di sviluppatori. E quando alzi il prezzo di qualcosa che la gente usa otto ore al giorno, la reazione non è razionale. È viscerale.

Per chi lavora nel settore, la lezione è semplice e brutale: se il tuo strumento AI costa poco, chiediti perché. E preparati al giorno in cui smetterà di costare poco. Non è cinismo, è aritmetica.

325 milioni di download e un bug da un carattere

Mentre gli sviluppatori litigavano sui prezzi di Copilot, una notizia decisamente più seria passava quasi sotto silenzio. Ars Technica ha riportato che Starlette, un framework open source Python con 325 milioni di download settimanali, aveva una vulnerabilità critica. Un singolo carattere iniettato nell'header HTTP Host bastava a bypassare l'autorizzazione. Un carattere.

La vulnerabilità, tracciata come CVE-2026-48710 e battezzata "BadHost", colpisce tutto ciò che gira su Starlette: FastAPI, vLLM, LiteLLM, proxy OpenAI-shim, e soprattutto i server MCP. Il Model Context Protocol, per chi non lo segue, è il meccanismo che permette agli agenti AI di accedere a risorse esterne: database utenti, email, calendari. Quei server conservano le credenziali per ogni sistema collegato. Sono, letteralmente, casseforti digitali.

Sì, lo so, le vulnerabilità nei pacchetti open source non sono una novità. Ma qui la scala è diversa. Starlette è la base di una fetta enorme dell'infrastruttura AI in Python. È come scoprire che le fondamenta di metà dei palazzi di una città sono fatte con cemento difettoso. La patch (versione 1.0.1) è uscita venerdì scorso, ma quanti server sono già aggiornati? Quanti lo saranno tra un mese?

C'è un'ironia amara in tutto questo. Stiamo costruendo agenti AI sempre più autonomi, capaci di prendere decisioni, coordinare workflow complessi, accedere a dati sensibili. E l'infrastruttura su cui girano ha buchi che si sfruttano con un singolo carattere. È un po' come progettare un'auto a guida autonoma con la serratura della portiera che si apre con una graffetta.

La sicurezza degli agenti AI non è un problema futuro. È un problema di adesso, di questa settimana, di quel server che probabilmente non hai ancora patchato.

L'85% vuole gli agenti, il 76% non sa come

E a proposito di agenti. MIT Technology Review ha pubblicato un pezzo (sponsorizzato da Ema, va detto) che contiene un dato interessante: l'85% delle organizzazioni dice di voler diventare "agentic" entro tre anni. Il 76% ammette che la propria infrastruttura non è pronta. Fermiamoci un secondo su questi numeri, perché raccontano una storia precisa.

Prasun Shah, CTO globale per la consulenza workforce e chief AI officer di PwC UK, usa un'immagine che mi è rimasta in testa: le aziende stanno "aggiungendo nastro adesivo a un modello operativo che si sta rompendo." Stanno infilando agenti AI dentro strutture pensate per esseri umani, come se bastasse mettere un robot alla scrivania di qualcuno per trasformare l'organizzazione. Non funziona così. Non ha mai funzionato così con nessuna tecnologia, e non funzionerà così con gli agenti.

Il concetto giapponese di kata (型) è utile qui. Nel karate, un kata non è solo una sequenza di movimenti: è un modello mentale, una struttura che plasma il modo in cui pensi al combattimento. Cambiare un singolo movimento senza ripensare il kata intero produce qualcosa di goffo e inefficace. Le aziende che "aggiungono" agenti AI ai processi esistenti stanno facendo esattamente questo: cambiano un movimento senza ripensare il kata.

I numeri citati dall'articolo parlano di accelerazione dei processi del 30-50% e riduzione del lavoro a basso valore del 25-40%. Numeri attraenti. Ma raggiungibili solo con un redesign profondo, non con il nastro adesivo. E qui sta l'opportunità vera per chi ha la pazienza e la lucidità di farlo bene: mentre tutti si affrettano a incollare agenti sui processi vecchi, chi ripensa il sistema da zero avrà un vantaggio competitivo enorme. Non tra cinque anni. Tra diciotto mesi.

Groq, Nvidia e i soldi dell'inferenza

Groq sta raccogliendo 650 milioni di dollari dai propri investitori esistenti, secondo quanto riportato da TechCrunch via Axios. La cosa interessante non è tanto la cifra, quanto il contesto. A dicembre Groq ha chiuso un accordo con Nvidia da 20 miliardi di dollari (una di quelle "non-acquisizioni" che sono acquisizioni in tutto tranne che nel nome): alcuni dirigenti senior sono passati a Nvidia, la tecnologia hardware è stata licenziata. Gli investitori sono stati pagati in contanti.

Ora quegli stessi investitori devono rimettere mano al portafoglio per finanziare la nuova direzione: il business di inference cloud. Disruptive e Infinitium hanno già garantito di coprire il round se gli altri non partecipano. È un segnale forte: qualcuno crede che l'inferenza, cioè il processo che avviene dopo ogni prompt AI, sia il vero business del futuro. Non il training dei modelli, non i chip in sé. L'inferenza.

E hanno ragione. Il training è un costo una tantum (enorme, certo). Ma l'inferenza è il costo ricorrente, quello che scala con ogni utente, ogni query, ogni agente autonomo che gira 24 ore su 24. Se gli agenti AI diventano davvero pervasivi, chi controlla l'infrastruttura di inferenza controlla il rubinetto. Groq, guidata ad interim dal CEO Adam Winter e dal CFO Matt Eng, sta scommettendo su questo. Con i chip proprietari e un neocloud dedicato, il posizionamento è chiaro: diventare l'infrastruttura su cui girano gli agenti degli altri.

OpenAI ritira modelli, Anthropic cresce

Intanto OpenAI continua la sua politica di rotazione accelerata dei modelli. Il 28 maggio ha annunciato il ritiro di o3 (sunset ad agosto 2026) e di GPT-4.5 (sunset a fine giugno). Contemporaneamente ha aggiornato GPT-5.5 Instant per migliorare lo stile delle risposte e ha rimosso Canvas da GPT-5.5 Instant e Thinking, spostando le funzionalità di scrittura e coding direttamente nelle risposte chat.

La velocità con cui OpenAI sforna e ritira modelli è diventata quasi comica. GPT-5.1 ritirato a marzo, GPT-5.3 aggiornato a marzo, GPT-5.4 mini a marzo, GPT-5.5 aggiornato a maggio. Se fosse un ristorante, sarebbe quello che cambia menu ogni settimana e ti dice che il piatto che avevi ordinato "non è più disponibile, ma provi questo che è meglio." Per gli sviluppatori che costruiscono prodotti su questi modelli, è un incubo logistico. Per OpenAI, è evidentemente una necessità competitiva.

A proposito di competizione: Anthropic continua a crescere. Un post Instagram (sì, lo so, non esattamente una fonte primaria) riporta 3,7 milioni di utenti per Claude, con una crescita 10x in tre mesi e presenza in oltre 190 paesi. Numeri da prendere con le pinze, ma la direzione è chiara. Claude si sta ritagliando uno spazio reale, soprattutto tra sviluppatori e creator.

L'open source come infrastruttura critica

Un filo rosso collega tutte queste storie, e passa per l'open source. La vulnerabilità di Starlette ci ricorda che una parte enorme dell'ecosistema AI poggia su progetti open source mantenuti da team piccoli. Il repository "awesome-opensource-ai" su GitHub (3.700 stelle, 418 fork) cataloga i migliori progetti AI davvero open source: modelli, tool, infrastruttura. È una mappa utile di un ecosistema che cresce velocemente ma che, come dimostra BadHost, ha bisogno di più attenzione alla manutenzione e alla sicurezza.

Meta continua a spingere su Llama e sui framework agentici open source. Groq costruisce la sua infrastruttura di inferenza. OpenAI e Anthropic competono sui modelli proprietari. GitHub Copilot alza i prezzi. E nel mezzo, milioni di sviluppatori cercano di capire come costruire prodotti AI sostenibili, sicuri e che non costino una fortuna.

Il quadro che emerge è quello di un settore che sta uscendo dalla fase "tutto gratis, tutto facile" ed entrando in quella dove contano i fondamentali: quanto costa davvero l'inferenza, quanto è sicura l'infrastruttura, quanto è solido il modello operativo. Chi si è abituato ai prezzi sussidiati di Copilot, ai modelli che durano sei mesi, ai framework con bug critici, dovrà adattarsi. Chi invece ha già iniziato a costruire con disciplina (budget realistici, sicurezza by design, architetture flessibili) si troverà in una posizione che gli altri invidieranno.

Provatelo: prendete il vostro stack AI attuale, calcolate quanto costerebbe se ogni servizio aumentasse i prezzi del 300%, e chiedetevi se il vostro prodotto reggerebbe. Se la risposta è no, il momento per ripensare le cose non è domani. È adesso.