La nuova mossa AI di Tencent: i modelli si insegnano da soli in un ciclo
Tencent ha presentato una tecnica di addestramento chiamata Terminal-RSI, che consente a un modello linguistico di grandi dimensioni di migliorare se stesso generando i propri problemi di pratica e poi risolvendoli. L’azienda ha descritto il metodo come un modo per dare ai modelli una sorta di ciclo di apprendimento auto-diretto, riducendo la dipendenza dai dati di addestramento scritti dall’uomo. L’annuncio, riportato dall’outlet tecnologico TMTPost, indica una crescente attenzione tra gli sviluppatori AI cinesi nel rendere i modelli più capaci senza limitarsi a fornire loro più testo.
L’idea centrale è che un modello può agire sia come studente che come insegnante. Propone compiti, li tenta, verifica i risultati rispetto a esiti verificabili e impara dai propri errori. Attraverso cicli ripetuti, le prestazioni del modello migliorano sui compiti che inventa. Tencent la definisce una versione su piccola scala del miglioramento auto-recursivo, un concetto che da tempo affascina i ricercatori AI ma rimane difficile da implementare in modo affidabile. La formulazione dell’azienda suggerisce che vede l’approccio come un percorso pratico verso capacità di ragionamento più solide.
La mossa di Tencent arriva mentre l’industria AI cinese si divide in campi distinti. DeepSeek, il laboratorio con sede a Hangzhou che ha sorpreso il mondo con i suoi modelli a basso costo, si è concentrato sull’efficienza e sulle release aperte. Kimi, sviluppato da Moonshot AI, si è posizionato sull’elaborazione di documenti a lungo contesto. Tencent, un gigante internet con sede a Shenzhen noto per WeChat, sta costruendo la sua famiglia di modelli Hunyuan e integrando l’AI nei suoi prodotti consumer e enterprise. Il lavoro su Terminal-RSI sembra mirato a colmare il divario nel ragionamento, dove i modelli americani hanno spesso guidato.
Il tempismo è notevole. DeepSeek ha recentemente iniziato a far pagare la ricerca web nella sua API, un segno che le aziende AI cinesi si stanno muovendo verso modelli di business sostenibili dopo un periodo di aggressiva concorrenza sui prezzi. La ricerca di Tencent, al contrario, riguarda la capacità piuttosto che il costo. Se i modelli possono migliorare se stessi con meno supervisione umana, l’economia dello sviluppo AI potrebbe cambiare, rendendo più economico raggiungere prestazioni superiori e potenzialmente accelerando il ritmo delle release.
Tuttavia, i modelli che si auto-migliorano sollevano interrogativi. Un modello che genera i propri dati di addestramento può rafforzare i propri difetti, un problema noto come collasso del modello. Il metodo di Tencent si basa su compiti con risposte verificabili, il che limita i domini in cui può funzionare. La scrittura creativa, il ragionamento aperto e la pianificazione nel mondo reale sono più difficili da verificare automaticamente. L’azienda non ha detto quali prodotti o futuri modelli Hunyuan utilizzeranno la tecnica.
Il contesto più ampio è un mercato AI cinese diventato sia affollato che creativo. Startup e giganti stanno sperimentando sistemi agentici, strumenti di ricerca e assistenti personali. Terminal-RSI di Tencent si inserisce in questo schema: un progresso di ricerca che potrebbe alimentare prodotti, dai servizi cloud alle app consumer. Per gli osservatori globali, è un promemoria che il progresso AI cinese non riguarda solo il recupero sulla scala grezza ma anche la ricerca di nuovi modi per addestrare e distribuire i modelli.
Ciò che accadrà dopo dipende dai risultati. Tencent ha pubblicato pochi dettagli sui benchmark, e la verifica indipendente sarà importante. Ma la direzione è chiara. I laboratori cinesi non stanno più solo seguendo; stanno proponendo le proprie risposte al problema più difficile dell’AI, ovvero come rendere i modelli più intelligenti senza esaurire dati o denaro.