Penso che sia plausibile che Anthropic sia molto indietro rispetto alla Cina (specificamente DeepSeek/Moonshot/Xiaomi/Qwen) in termini di efficienza dell'attenzione. Sono conservatori nei modelli, il vantaggio deriva dalla scala (Dario è ossessionato) e dalla qualità dei dati. Lo stesso valeva per xAI fino a Fast. Forse anche OpenAI.

Più precisamente, penso che Claude 4.5 sia a livello ≈MiMo tecnicamente, dietro Kimi-Linear. Detto ciò, hardware migliore + scalabilità si sommano a un modello sparso che è più forte e possibilmente più economico da servire rispetto al confine cinese. Se non riescono nemmeno a fare questo, sono semplicemente ngmi.