OpenAI conferma una crescita settimanale del 2.5x per i suoi prodotti agente: Codex (l’editor di codice enterprise) e ChatGPT Work. Sam Altman ha dichiarato che la domanda per GPT-5.6 Sol è “insane” e potrebbe causare intoppi di infrastruttura mentre gli impianti scalano.

La reazione dell’ecosistema è stata immediata: JetBrains ha aggiunto Codex come agente raccomandato nella propria IDE, mentre OpenAI ha pubblicato guide operative che mostrano come team di data science e sales usano ChatGPT Work su compiti reali—le abbiamo documentate il 14 luglio.

Perché ti riguarda. Se lavori con codice o gestisci team che lo scrivono, questo è il segnale che l’agenticità di coding non è più un esperimento: è infrastruttura di produzione, con endorsement da IDE mainstream e guide operative verificabili. Il punto di svolta non è la tecnologia—GPT-5.6 Sol era già disponibile da giorni—ma l’integrazione nei flussi quotidiani e il fatto che i team stiano documentando cosa funziona davvero.

Nel dettaglio

Da dove arriva la crescita.

La crescita 2.5x settimanale di Codex + ChatGPT Work arriva in un contesto preciso: GPT-5.6 Sol è sul mercato da dieci giorni (lanciato il 10 luglio) e sta dimostrando performance concrete su task di coding complessi. Il modello Ultra ha persino dimostrato una congettura matematica aperta da 50 anni il 12 luglio.

Ma il dato di crescita non è solo il modello: è l’ecosistema che si muove. JetBrains, che domina le IDE enterprise, ha scelto Codex come agente raccomandato—un endorsement che conta quanto una certificazione. E OpenAI ha pubblicato due guide operative su data science e sales, mostrando workflow verificabili invece di promesse vaghe.

L’infrastruttura sotto pressione.

Sam Altman ha aggiunto un dettaglio significativo: la domanda per GPT-5.6 Sol potrebbe causare “scaling hiccups” mentre l’infrastruttura si adegua. Non è un problema di capacità assoluta—OpenAI ha l’hardware—ma di distribuzione geografica e latenza. Quando un milione di utenti al giorno inizia a usare un modello per sessioni lunghe (gli agenti di coding lavorano per ore, non minuti), la pressione sui cluster è diversa da quella di una chat veloce.

Cosa significa per chi usa agenti di coding.

Se usi Claude Code, hai visto una serie di release rapide nelle ultime due settimane (v2.1.212, v2.1.211, v2.1.210): Anthropic sta correndo per tenere il passo. Se usi Codex in azienda, ora hai l’integrazione JetBrains e le guide operative di OpenAI da mostrare al team.

Il pattern che emerge è chiaro: gli agenti di coding non sono più un giocattolo per early adopter. Sono strumenti che i team usano ogni giorno, che le IDE mainstream raccomandano, e su cui le aziende documentano workflow ripetibili. La competizione non è più “quale modello è più potente”, ma “quale ecosistema ti lascia lavorare meglio”.

I limiti ancora aperti.

OpenAI ha resettato più volte i limiti di utilizzo nelle ultime settimane, segno che la calibrazione fra domanda e capacità è ancora in corso. E come abbiamo raccontato il 12 luglio, il token overhead prima ancora di arrivare al tuo prompt varia pesantemente fra tool: Claude Code manda 33k token, OpenCode 7k. Con una crescita del 2.5x settimanale, questi dettagli di efficienza fanno la differenza fra un servizio usabile e uno che ti fa aspettare.

La lezione: se stai valutando un coding agent per il tuo team, guarda i workflow documentati (OpenAI ne ha appena pubblicati due), prova l’integrazione IDE dove lavori già (JetBrains ora raccomanda Codex), e misura il token overhead oltre alla qualità dell’output: i grafici di commit di chi lo misura sistematicamente mostrano l’impatto reale.