Edizione del pomeriggio · 16 novembre 2026

Claude Fable 5.2 non genera le immagini: le dipinge

Anthropic ha mostrato Claude Fable 5.2, un modello linguistico che produce immagini non con la generazione tradizionale ma scrivendo codice che deposita centinaia di migliaia di pennellate su una tela virtuale.

Anthropic
Immagine: HaeB / Wikimedia Commons, CC BY-SA 4.0

Un programma Python al posto del pennello

I modelli di immagini più diffusi, come Midjourney, usano la diffusione: partono da un'immagine di puro rumore e la raffinano progressivamente fino al risultato finale. Fable 5.2 segue una strada diversa e simula il processo fisico della pittura, comprese la trama delle setole, il modo in cui il colore si deposita e gli errori da coprire con altre pennellate.

Jake Eaton, che in Anthropic si occupa di ricerca su valori, sicurezza e comportamento degli agenti AI, ha mostrato su X alcuni risultati. Quando ha chiesto al modello un quadro il più possibile indistinguibile da una fotografia, Fable 5.2 ha prodotto l'immagine di un carrello della spesa in un parcheggio coperto usando circa 700.000 pennellate simulate. Secondo Eaton il modello lavora senza alcun generatore di immagini esterno e senza immagini di partenza ricalcate: ogni opera è un programma Python da 1.000 a 2.000 righe che pilota un motore di pittura simulato.

Nessun tasto annulla

L'ingegnere Michael Graczyk ha condiviso un esperimento in cui ha chiesto al modello di dipingere un uccello all'alba. Ogni pennellata andava scritta a mano come riga di coordinate, senza possibilità di tornare indietro. Il video di 21 secondi mostra la nascita del quadro da esattamente 111 pennellate: per la prima il modello ha indicato il codice colore #30346a, una larghezza di 90 pixel e cinque punti leggermente ondeggianti, spiegando di aver inserito di proposito un'oscillazione di circa sette pixel perché nemmeno un braccio umano traccia linee perfette.

Tra un passaggio e l'altro il modello osserva la tela e corregge: quando la schiena dell'uccello è risultata troppo sottile, ha steso una pennellata più decisa sopra, trasformando le sbavature in piume arruffate. In un secondo quadro da 280 pennellate ha ridipinto oggetti rovinati da un effetto di luce applicato troppo tardi.

Anthropic sostiene che la stessa capacità di pianificare passo dopo passo e autocorreggersi sotto vincoli fisici valga anche per i robot: sul benchmark interno RoboDojo Sim Fable 5.2 ottiene il 64,9% contro il 29,8% di GPT-6 Astra di OpenAI, ma in una prova con un braccio robotico reale resta indietro su velocità e controllo fine del movimento.

Perché conta

Il punto non è l'arte digitale, ma il ragionamento spaziale e il controllo passo-passo. Un modello che pianifica azioni irreversibili, osserva il risultato e rimedia è esattamente ciò che serve per far agire l'AI nel mondo fisico, dalla robotica industriale all'automazione.

Il risultato va letto con cautela: le dimostrazioni arrivano da dipendenti di Anthropic e il benchmark di confronto è interno all'azienda.

Copertina del Reel
Edizione del pomeriggio · 16 novembre 2026
Questa notizia è nel notiziario in video
▶ Guarda il ReelApri su Instagram

Nella stessa edizione

pomeriggio · 16 novembre 2026

Meituan addestra LongCat 2.5 senza un solo chip Nvidia

Meituan pubblica i pesi di LongCat-2.5, modello da 1.600 miliardi di parametri addestrato solo su hardware cinese e servito su 194 acceleratori Huawei.