La mossa a sorpresa di Anthropic – la sospensione delle esportazioni dei modelli Mythos e Fable 5 – ha creato un vuoto immediato in una nicchia strategica: strumenti AI avanzati per l’automazione della sicurezza e l’orchestrazione di workflow complessi. Due aziende asiatiche non hanno perso tempo e questa settimana hanno alzato il sipario su soluzioni pensate per riempire proprio quel buco. La startup tokyota Sakana AI ha presentato Fugu, un modello di orchestrazione che, secondo i primi benchmark, regge il confronto con Fable 5. Da Pechino, invece, la società di cybersecurity 360 Security ha tolto i veli a Tulongfeng, uno strumento di vulnerability discovery che punta a competere direttamente con Mythos.

Fugu e Tulongfeng: cosa sappiamo

I dettagli tecnici scarseggiano, ma il posizionamento è chiaro. Fugu non è un semplice LLM generico: è un modello progettato per orchestrare più componenti AI, coordinando task complessi dove servono affidabilità e bassa latenza. Tulongfeng, dal canto suo, nasce per scovare vulnerabilità nel codice e nelle infrastrutture, un ambito dove i modelli “generalisti” spesso mostrano limiti.

Entrambi i lanci non sono solo annunci di prodotto, ma segnali politici e di mercato. Il blocco export imposto da Anthropic – legato alle tensioni geopolitiche e alle restrizioni statunitensi sull’esportazione di tecnicia sensibile – ha accelerato la ricerca di alternative autoctone in Asia. E apre uno scenario familiare a chi si occupa di AI on-premise: quando l’accesso a modelli cloud-first viene meno, la capacità di eseguire inference su infrastruttura propria diventa un fattore critico.

Cosa significa per chi fa deployment locale

Per le organizzazioni che già valutano stack self-hosted, l’arrivo di Fugu e Tulongfeng aggiunge tasselli interessanti. Un modello di orchestrazione come Fugu, se davvero competitivo, potrebbe integrarsi con pipeline esistenti senza dipendere da API esterne. Uno strumento di vulnerability discovery come Tulongfeng, eseguito on-premise, può scandagliare reti air-gapped senza far uscire dati sensibili.

Certo, restano incognite pesanti: non conosciamo i requisiti di VRAM, le finestre di contesto, la precisione in FP16 o le latenze reali. Ma il trend è inequivocabile: l’ecosistema si sta frammentando, e la sovranità dei dati smette di essere uno slogan per diventare una variabile di procurement. Le aziende che avevano basato le proprie operation su modelli occidentali oggi devono fare i conti con l’inaffidabilità delle catene di fornitura software.

Il contesto più ampio: frammentazione e resilienza

Assistiamo a una rincorsa che ricorda quella delle CPU dopo le restrizioni a Huawei. L’AI generativa, finora dominata da pochi vendor californiani, sta vivendo una diaspora forzata: startup giapponesi, giganti cinesi della sicurezza e iniziative europee provano a costruire stack indipendenti. Non si tratta solo di performance, ma di controllo sul ciclo di vita del modello – dalla quantization al fine-tuning, fino al serving in locale.

Per i tecnici che devono decidere dove far girare carichi di lavoro critici, la domanda non è più “cloud sì o no”, ma “quale modello posso eseguire in house senza vincoli legali?”. AI-RADAR, che mappa proprio questi trade-off per le realtà che scelgono il deployment on-premise, osserva con attenzione l’evolversi di queste alternative. La possibilità di integrare strumenti come Tulongfeng in una pipeline di sicurezza locale, ad esempio, riduce la superficie di attacco e tiene i log sotto chiave.

Prospettiva: un mercato che si regionalizza

Fugu e Tulongfeng sono solo i primi esempi di una tendenza che nei prossimi mesi vedrà moltiplicarsi i modelli “regionali”. Il blocco export di Anthropic ha creato un’occasione, ma la domanda di fondo – poter addestrare e servire modelli senza dipendere da giurisdizioni estere – esisteva già e continuerà a crescere. Chi oggi investe in infrastruttura on-premise e in framework open source potrebbe trovarsi domani con un vantaggio competitivo, non solo tecnicico ma anche legale.

Nel frattempo, occhi puntati sui primi benchmark indipendenti e sulle schede tecniche che Sakana AI e 360 Security dovranno rilasciare. Perché se i numeri confermeranno le promesse, la mappa dell’AI enterprise potrebbe ridisegnarsi più in fretta del previsto.