Come funzionano i grandi modelli linguistici come Grok

Grok è un modello linguistico di grandi dimensioni, o LLM: un programma addestrato su una quantità enorme di testo per continuare a scrivere in modo utile. Non ti serve la matematica per capirne i concetti chiave, e conoscerli ti tornerà subito utile. Spiegano perché Grok è bravissimo a riscrivere un paragrafo, perché a volte inventa una data sbagliata con assoluta certezza, perché non conosce le notizie della scorsa settimana nella nostra chat e perché un prompt più chiaro ti fa ottenere una risposta migliore.

Il principio fondamentale: prevedere cosa viene dopo

Nel profondo, un LLM fa una cosa sola. Dato un testo, stima quale piccolo frammento di testo ha più probabilità di seguire, lo aggiunge e ripete l'operazione. La tua domanda, i messaggi precedenti e le istruzioni che il sito fornisce al modello fanno tutti parte di quel testo iniziale. La risposta che leggi è costruita da migliaia di queste piccole previsioni, una dopo l'altra, ciascuna basata su tutto ciò che è stato scritto fino a quel momento.

Sembra un meccanismo troppo semplice per produrre una spiegazione utile delle norme fiscali o una funzione funzionante. Il motivo per cui funziona è la scala. Per prevedere bene il testo su miliardi di esempi, un modello deve assorbire tantissimo su grammatica, fatti, schemi logici, stili e sul modo in cui le persone spiegano le cose. La previsione è il compito; un modello ampio e sfumato del linguaggio e del mondo è l'effetto collaterale.

C'è un pizzico di casualità intenzionale in ogni scelta, ed è per questo che la stessa domanda può darti una risposta formulata in modo diverso ogni volta che la rigeneri.

I token: i tasselli con cui lavora il modello

I modelli non leggono lettere o parole intere. Leggono token: blocchi che spesso corrispondono a un'intera parola breve, a una parte di una parola più lunga, a uno spazio insieme a una parola o a un segno di punteggiatura. Le parole inglesi più comuni sono di solito un solo token; i termini rari e molti alfabeti non latini vengono spezzati in più frammenti.

I token ti interessano per due motivi. I limiti su quanto un modello può leggere e scrivere sono misurati in token, non in parole. E poiché il modello vede blocchi anziché singole lettere, compiti come contare le lettere in una parola o invertire una stringa possono metterlo in difficoltà, anche se gestisce con disinvoltura sfide linguistiche molto più complesse.

I modelli Grok nella nostra chat accettano anche immagini. Una foto viene convertita in un formato che il modello può elaborare insieme al tuo testo: è così che può leggere un grafico o descrivere uno scatto. La risposta, comunque, rimane sempre in formato testo.

L'addestramento: dal testo grezzo a un assistente utile

Creare un modello come Grok richiede diversi passaggi. I dettagli del processo delle varie aziende non sono per lo più pubblici, ma le linee generali sono ben note.

1. Pre-training (pre-addestramento). Il modello impara a prevedere il testo su una raccolta vastissima di libri, siti web, codice e altri materiali. È qui che nascono la sua cultura generale e le sue competenze linguistiche.
2. Fine-tuning (perfezionamento). Viene poi addestrato su esempi di conversazioni ben riuscite: domande abbinate a risposte utili e ben formattate. Questo trasforma un predittore di testo in un assistente capace di seguire istruzioni.
3. Feedback. Persone e controlli automatici valutano le risposte, e il modello viene regolato per prediligere i tipi di risposta che ottengono punteggi migliori, ad esempio quelle accurate, chiare e sicure.

Il risultato è un grande file di numeri, chiamati pesi, che codificano ciò che il modello ha imparato. Il modello non conserva una copia dei testi di addestramento da consultare all'occorrenza. Conserva dei pattern: ecco perché può spiegare un concetto con parole nuove, ma potrebbe ricordare male un dettaglio specifico.

Data limite delle informazioni e assenza di internet

A un certo punto l'addestramento si ferma, e tutto ciò che accade dopo rimane sconosciuto al modello. Questo punto è il cut-off delle conoscenze. Alcune versioni di Grok possono effettuare ricerche sul web: il Grok ufficiale su grok.com e X integra la ricerca in tempo reale. La nostra chat non lo fa, quindi qui Grok risponde basandosi solo sul suo addestramento e su ciò che inserisci nella conversazione.

In pratica: per notizie, prezzi, risultati sportivi, orari, nuove leggi e le versioni software più recenti, affidati a una fonte aggiornata. Se incolli un articolo recente nella chat, Grok potrà lavorarci, perché a quel punto l'informazione farà parte della conversazione.

Finestra di contesto: la memoria di lavoro del modello

La finestra di contesto di un modello è la quantità di testo che può prendere in considerazione in una sola volta, calcolando i tuoi messaggi, le sue risposte ed eventuali istruzioni. I modelli Grok di xAI hanno finestre molto ampie; OpenRouter indica 2 milioni di token per Grok 4.20, 1 milione per Grok 4.3 e 500.000 per Grok 4.7. La nostra chat invia una porzione molto più ridotta per garantire risposte rapide e gratuite, tagliando i messaggi più vecchi di una conversazione lunga.

Ne conseguono due cose. All'interno di una conversazione, Grok "ricorda" solo ciò che si trova ancora dentro la finestra. E tra una conversazione e l'altra non ricorda assolutamente nulla: una nuova chat parte da zero, anche se le tue vecchie chat restano salvate nel browser per permetterti di riaprirle. Se una chat lunga inizia a perdere il filo, chiedi un riepilogo e riparti da lì in una nuova chat.

Ragionamento: modelli che pensano prima di rispondere

Alcuni modelli sono addestrati a sviluppare una serie di passaggi logici prima di dare la risposta finale: elencano le condizioni, provano un approccio, ne verificano la correttezza. Questo processo si chiama ragionamento (reasoning), ed è utilissimo soprattutto con la matematica, la logica, la pianificazione e il debugging. Nella nostra chat, Grok 4.3 Thinking e Grok 4.7 ragionano prima di rispondere, mentre Grok 4.20 gira senza ragionamento per privilegiare la velocità. La nostra guida sui modelli di ragionamento ti spiega quando vale la pena aspettare.

Perché i modelli inventano le cose

Dato che il modello genera sempre una continuazione plausibile, non si ferma da solo quando raggiunge il limite delle sue conoscenze. Se gli chiedi una fonte che non ha mai visto, può inventarsi un titolo molto convincente. Se gli chiedi di un piccolo paese, potrebbe mescolare dettagli di paesi simili. Questo fenomeno viene comunemente chiamato allucinazione, ed è un effetto collaterale dello stesso meccanismo che rende il modello così fluido nel parlare. L'addestramento riduce il problema e istruzioni come "dimmi se non sei sicuro" aiutano, ma nessun modello attuale ne è del tutto immune. La nostra guida su come verificare le risposte dell'IA mostra cosa controllare.

Cosa significa tutto questo per i tuoi prompt

Ognuno dei concetti appena visti porta a un'abitudine pratica. Il modello prevede a partire da ciò che vede: dagli quindi il materiale. Ha una data limite: incolla tu i fatti recenti. Potrebbe tirare a indovinare: invitalo a segnalare i dubbi.

Debole:
Quali sono le regole per il mio visto?

Efficace:
Di seguito trovi il testo della pagina ufficiale sul mio tipo di visto, copiato
oggi. Spiegami in parole semplici cosa devo fare prima che scada
ed elenca tutte le scadenze menzionate. Usa solo questo testo e dimmi
se qualcosa non è chiaro.
---
[testo incollato]

Il prompt debole chiede a Grok di ricordare regole che potrebbero essere cambiate. Quello efficace gli mette davanti la fonte aggiornata e gli chiede di fare ciò che gli LLM sanno fare meglio: leggere, spiegare e organizzare. Prova il riassuntore per questo genere di attività, oppure chiedi a Grok di spiegarsi in parole semplici.

FAQ

Grok capisce davvero quello che dice?

È una questione aperta. Ciò che è certo è che sa spiegare, riassumere e ragionare in modi spesso utilissimi, ma può anche sbagliare senza rendersene conto. Giudicalo controllando i risultati, non dalla sicurezza con cui sembra esprimersi.

Grok sta imparando dalle mie chat in questo momento?

Il modello non subisce modifiche mentre parli con lui; i suoi pesi sono definiti e bloccati al termine dell'addestramento. All'interno della stessa sessione usa i tuoi messaggi come contesto, ma una nuova chat ripartirà senza di essi.

Perché modelli di IA diversi danno risposte diverse?

Sono stati addestrati su dati differenti, con metodi differenti e con scopi diversi. I nostri confronti di Grok con altri modelli e la pagina su cos'è Grok spiegano come si posiziona la famiglia Grok.

Chi sviluppa Grok?

Grok è sviluppato da xAI, acquisita da SpaceX a febbraio 2026. Il nostro sito è indipendente e si appoggia ai modelli Grok tramite un'API cloud; non siamo affiliati a xAI, SpaceX o X. Consulta la pagina sulla storia di Grok per la cronologia completa.