Flower Labs lancia un modello pensato per uscire dal cloud

Flower Labs ha pubblicato Endeavor 1.0 il 1 settembre 2026, e il post ufficiale dell'azienda - firmato dal chief scientist Nicholas Lane insieme ai colleghi Lorenzo Sani e Yan Gao - lo descrive come "un modello generalista di frontiera per ragionamento, programmazione e lavoro agentico a lungo orizzonte, disponibile tramite Flower oppure per il deployment privato". Questa seconda opzione è il vero prodotto: un'organizzazione può eseguire Endeavor sui propri server invece di chiamare un'API ospitata, e il modello è costruito attorno all'apprendimento federato, un metodo di addestramento che migliora un modello attingendo a dati conservati in sedi separate senza che quei dati lascino le rispettive sedi.

La promessa pratica è che un ospedale, una banca o un'amministrazione pubblica possano usare un modello di frontiera senza inviare cartelle cliniche, cronologie di transazioni o materiale classificato al cloud di terzi. Flower Labs sostiene questa tesi fin dalla fondazione nel 2023, quando costruì un framework open source per l'apprendimento federato; Endeavor è il primo tentativo dell'azienda di abbinare quella infrastruttura a un modello abbastanza valido da competere con i sistemi generalisti che la maggior parte delle aziende già usa di default.

Chi c'è dietro Flower Labs, e chi sta a guardare

Flower Labs è uno spin-off dell'Università di Cambridge con sedi a Londra e Amburgo, fondato da un team che include alumni di Y Combinator, e secondo le notizie sul lancio ha raccolto circa 23 milioni di sterline dal 2023. Nicholas Lane, co-fondatore e chief scientist dell'azienda, è professore di apprendimento automatico a Cambridge e al lancio ha formulato la missione dell'azienda in termini esplicitamente politici: "L'Europa non dovrebbe dover affittare la propria intelligenza a tempo indeterminato a una manciata di aziende statunitensi."

L'azienda cita NHS e JP Morgan come clienti o partner pilota. Entrambi operano sotto regole severe di protezione o localizzazione dei dati che rendono più difficile giustificare internamente una soluzione solo cloud, ed entrambi sono il tipo di acquirente i cui uffici acquisti chiedono, prima di ogni altra cosa, dove finiscono i dati.

Cosa comporta davvero ospitare da sé un modello di frontiera

Un abbonamento a un'API cloud nasconde il proprio costo operativo dentro una fattura mensile; ospitare da sé un modello di frontiera sposta quel costo sul bilancio e sul personale del compratore, ed è questa la vera decisione che un'organizzazione prende scegliendo Endeavor invece di GPT-5.6 Sol o Claude Fable 5 tramite un'API standard. Eseguire l'inferenza di un modello di questa scala in sede significa possedere o noleggiare gli acceleratori necessari, mantenere un team di machine learning operations che applichi patch e aggiornamenti, e costruire da sé il livello di coordinamento per l'apprendimento federato che permette a più sedi o reparti di contribuire all'addestramento senza mettere insieme i dati grezzi in un unico posto.

Nulla di tutto ciò è esclusivo di Flower Labs; ogni fornitore di "IA sovrana" che vende deployment on-premise chiede al compratore di scambiare un abbonamento prevedibile con un impegno di capitale e personale che ripaga solo se il modello resta utile per anni, non per mesi. La componente di apprendimento federato aggiunge un livello ulteriore che la maggior parte dei compratori non aveva mai dovuto valutare prima: dimostrare che il protocollo di coordinamento che tiene i dati di un ospedale dentro l'ospedale regga davvero a un attacco mirato o a una configurazione fatta male, e non solo alla descrizione di marketing che ne dà Flower Labs.

I numeri dei benchmark non hanno ancora una fonte indipendente

Flower Labs afferma che Endeavor eguaglia GPT-5.6 Sol di OpenAI e Claude Fable 5 di Anthropic in alcuni compiti e supera Kimi K3 di Moonshot in altri, e ognuno di questi confronti si basa per ora solo sui test interni di Flower Labs. Nessun ente di benchmark indipendente ha pubblicato una riproduzione di questi risultati a oggi, e i materiali di lancio dell'azienda non specificano quali suite di benchmark, categorie di compiti o condizioni di valutazione abbiano prodotto le affermazioni di parità e superiorità.

Questa lacuna pesa di più per Endeavor che per un modello puramente cloud, perché un compratore che valuta un deployment on-premise non può semplicemente disdire un abbonamento se il modello rende meno del previsto dopo qualche settimana d'uso reale; ha già impegnato budget per hardware e integrazione prima di poter fare un confronto proprio su larga scala. I riferimenti a NHS e JP Morgan funzionano in modo simile: sono un segnale di credibilità reale, perché entrambe le organizzazioni hanno buoni motivi per essere caute sulle affermazioni dei fornitori, ma le relazioni sono descritte dalla stessa Flower Labs, e nessuna delle due istituzioni ha pubblicato un proprio resoconto dei risultati.

L'argomento della sovranità è il prodotto, e va ancora verificato

L'inquadramento che Nicholas Lane dà a Endeavor come risposta all'affitto di intelligenza dalle aziende americane colloca Flower Labs dentro un dibattito politico europeo in corso, non solo dentro una categoria di prodotto, e questa cornice svolge un vero lavoro commerciale: offre ai compratori del settore pubblico e dei settori regolamentati un fornitore la cui intera proposta coincide con una preferenza d'acquisto che diversi governi UE hanno già espresso apertamente. Questo contesto rende il lancio di Endeavor un dato reale nel dibattito sulla IA sovrana, invece che un altro annuncio di finanziamento travestito da lancio di prodotto.

Questo non rende verificate le affermazioni di fondo. Un compratore che confronta Endeavor con l'abbonamento di un grande fornitore cloud deve ancora rispondere a due domande separate prima di impegnare budget: se il modello rende come promesso sui propri carichi di lavoro, e se il costo operativo di ospitarlo da sé sia inferiore a quanto già paga per la comodità. Flower Labs ha dato al mercato un prodotto reale su cui mettere alla prova queste domande; non ha ancora dato a nessuno fuori dall'azienda le prove per rispondervi.

Servola Journal

Lo facciamo per tutti quelli che cercano di stare al passo con ciò che la tecnologia sta facendo alle nostre vite. Le persone che la costruiscono, e le persone a cui capita. Il Servola Journal esiste perché ciò che impariamo appartenga a tutti loro.

Nessuno ci paga per questo. Niente pubblicità, nessun muro a pagamento, gratis per tutti. Crediamo semplicemente che capire ciò che sta succedendo a tutti noi non debba dipendere da chi può permettersi di pagarlo.

Se oggi ti ha dato qualcosa, dicci di continuare. Seguici, lascia un like, o scrivi un commento positivo. Li leggiamo tutti, e sono ciò che ci fa andare avanti.

Da leggere ora: Domyn: 1,1 miliardi raccolti, il 90% è debito  |  La sicurezza email come questione di giurisdizione