TL;DR
Il 27 ottobre Carnegie Mellon e Browser Use hanno pubblicato un benchmark di quindici agenti web su cento compiti reali. Il migliore ne ha chiusi quarantasette. Cinque non ne hanno chiuso nemmeno uno. Sette mesi prima la stessa azienda aveva pubblicato un altro test: stesso agente, stesso modello, 2% di successo con la finestra del browser nascosta e 50% con la finestra visibile. La loro conclusione e' che intelligenza e invisibilita' non hanno niente a che fare l'una con l'altra. Uno di quei due numeri e' il prodotto che stai comprando. Non e' quello che finisce nelle slide.
La versione ufficiale sugli agenti web racconta una storia di intelligenza crescente. Ragionamento migliore, orizzonti piu' lunghi, meno vicoli ciechi. Ogni trimestre una classifica nuova, ogni classifica un po' piu' in alto. E' una storia vera e i numeri che la sostengono sono veri.
Non e' pero' la storia che decide se la cosa funziona lunedi' mattina.
Due numeri dallo stesso blog
Il 27 ottobre 2026 i ricercatori della Carnegie Mellon e il team di Browser Use hanno pubblicato Odysseys2, un benchmark di quindici agenti su cento compiti lunghi sul web vivo. Ogni compito ha da otto a dodici controlli passa o non passa, un solo tentativo, sessanta minuti di tempo. GPT-6 Astra ne ha chiusi 47, con il punteggio medio piu' alto, 84,6. Opus 5.5 ne ha chiusi 18. Cinque agenti su quindici non hanno chiuso niente.
Questo e' il numero che il settore cita. Quello che non cita e' il prossimo.
Il 21 marzo la stessa azienda ha pubblicato un benchmark di invisibilita' su 71 siti dove i suoi agenti erano stati bloccati, ordinati per chi li bloccava: 23 dietro Cloudflare, 18 dietro PerimeterX, 13 dietro Datadome, 8 dietro Akamai. Stesso agente, stesso modello, tutte le esecuzioni. Il controllo era un Chromium normale su un indirizzo da datacenter. Senza finestra passava il 2% delle volte. Lo stesso browser identico, con una finestra disegnata su uno schermo, passava il 50%.
Del ragionamento non e' cambiato niente. E' comparsa una finestra.
Il responsabile browser dell'azienda ha scritto la conclusione da solo: intelligenza dell'agente e invisibilita' del browser sono grandezze ortogonali. Poi, nel caso a qualcuno fosse sfuggita la lettura commerciale: l'invisibilita' per noi non e' una funzione, e' la priorita' numero uno.
Quello che il tribunale ha tolto
Il 4 agosto 2026 il Nono Circuito ha annullato l'ingiunzione che Amazon aveva ottenuto contro Perplexity a marzo. La motivazione e' stretta e costosa. Quando punti Comet su Amazon, sei tu quello che accede ad Amazon. L'agente e' uno strumento, non una persona, e il Computer Fraud and Abuse Act punisce le persone. Principio di stretta legalita', ingiunzione annullata, causa rinviata.
Va letta come un documento di acquisto, non come una vittoria sulle liberta' civili. Amazon sosteneva che Comet travestisse il proprio traffico da Chrome qualunque. Il tribunale non ha detto che va bene. Ha detto che la norma penale federale era lo strumento sbagliato per chiederlo. Restano il contratto e il rilevamento: condizioni d'uso, piu' quattro fornitori il cui mestiere e' indovinare.
Un'ipotesi e' un prezzo. E un prezzo si batte con un travestimento migliore.
Il bivio che nessuno sta quotando
Walmart ha preso l'altra strada. Il 21 ottobre il suo amministratore delegato ha annunciato Agent Gateway, un endpoint MCP dove gli agenti autorizzati possono cercare a magazzino e concludere acquisti, con gli Agent Profiles previsti questo mese: ogni agente avra' una propria identita' dentro l'account del cliente, un proprio tetto di spesa, una propria approvazione. Un agente che dichiara cosa e', verso un negozio che ha deciso in anticipo cosa puo' fare.
I due prodotti sono in vendita adesso, allo stesso compratore, e si annullano a vicenda. Non puoi avere insieme un agente verificabile e un agente non rilevabile. Se il tuo tasso di accesso dipende dal fatto che il sito non se ne accorga, ogni documento di conformita' che produci descrive un sistema che hai configurato per essere non osservabile dall'altro lato.
E si degrada da solo. A febbraio lo stesso fornitore prevedeva che i rilevamenti in sola osservazione sarebbero passati al blocco, e che gli strumenti che funzionano oggi smetteranno di funzionare domani. Il 3 giugno Cloudflare ha misurato il 57,5% delle richieste di contenuti web come automatiche, un anno prima della previsione pubblica del suo stesso amministratore delegato. La pressione va in una sola direzione.
Perche' questo conta per la tua azienda
Un punteggio da benchmark e' una capacita'. Un tasso di accesso e' una posizione in una corsa agli armamenti. Quando la presentazione ti mostra il primo e la fattura riguarda il secondo, il tuo volume di lavoro puo' dimezzarsi il trimestre prossimo senza che una riga del tuo codice sia cambiata e senza una clausola da far valere.
Esiste un precedente su come finisce, e non viene dal software. Il 22 ottobre 1998 il Dipartimento di Giustizia americano ha chiuso con sette costruttori di motori diesel per mezzi pesanti a 83,4 milioni di dollari, allora la sanzione civile ambientale piu' alta mai comminata. I motori passavano il ciclo di test federale, poi spegnevano i controlli in autostrada. Stessa struttura, stesso incentivo, una differenza che pesava: c'era un'agenzia pubblica. Qui l'arbitro e' pagato dal sito.
Quindi chiedi al tuo fornitore quale dei due numeri ti sta vendendo. La risposta e' gia' sul suo blog.