News · Jules esce dalla beta con limiti a fasce e pianificazione basata su Gemini 2.5 Pro
Jules esce dalla beta con limiti a fasce e pianificazione basata su Gemini 2.5 Pro
L'agente di coding asincrono di Google passa alla disponibilità generale con fasce di utilizzo in abbonamento e un approccio orientato alla pianificazione prima della generazione del codice.
Cosa è stato effettivamente rilasciato
Jules è ora pubblico e basato su Gemini 2.5. Google afferma che durante la beta migliaia di sviluppatori hanno eseguito decine di migliaia di task, generando oltre 140.000 miglioramenti al codice condivisi pubblicamente. È questo il dato concreto di utilizzo che Google cita per giustificare il passaggio oltre la fase beta.
I cambiamenti sono incrementali e guidati dal feedback: un'interfaccia rifinita, centinaia di bug corretti e nuove funzionalità. Ne vengono citate tre in particolare: il riutilizzo delle configurazioni precedenti per far partire più rapidamente i nuovi task, l'integrazione con le issue di GitHub e il supporto multimodale. Si tratta di funzionalità legate al workflow, non di riscritture del modello.
Il passo di pianificazione è il cambiamento sostanziale
La riga tecnicamente più significativa dell'annuncio è che Jules ora usa le capacità di ragionamento avanzato di Gemini 2.5 Pro per elaborare i piani di coding. Google descrive questo come un modo per produrre output di codice di qualità superiore.
Si tratta di un'architettura plan-first: l'agente ragiona su un approccio prima di generare il codice, invece di produrlo direttamente. Per un agente asincrono che esegue task senza che uno sviluppatore lo osservi in tempo reale, anticipare una fase di pianificazione è una scelta progettuale sensata: il piano diventa l'elemento che lo sviluppatore può controllare e correggere al suo ritorno.
L'accesso ora è una scala di capacità
La struttura dei prezzi è il vero punto da considerare per i team che devono decidere come usare Jules. Google ha introdotto tre fasce strutturate: un accesso introduttivo per provare Jules su più progetti, Jules incluso in Google AI Pro con limiti 5 volte più alti per il coding quotidiano, e Jules incluso in Google AI Ultra con limiti 20 volte più alti, che Google descrive come pensati per workflow intensivi multi-agente su larga scala.
È da notare che l'elemento distintivo tra le fasce sono i limiti di utilizzo, non funzionalità diverse. Lo stesso agente funziona a ogni livello; quello che paghi è quanto puoi farlo funzionare. Google non pubblica i numeri effettivi nel post, rimandandoli a jules.google, quindi i moltiplicatori 5x e 20x sono relativi a una base introduttiva che qui non viene specificata.
Il rollout parte da oggi per gli abbonati AI Pro e Ultra, e gli studenti universitari che ne hanno diritto possono ottenere un anno gratuito di AI Pro — una mossa di distribuzione che fa conoscere lo strumento agli studenti prima che diventino team paganti.
Cosa implica la struttura a fasce per i team che pianificano i budget per gli agenti
Poiché Jules limita la capacità e non le funzionalità, la pianificazione dell'adozione diventa una questione di throughput. Un team che valuta Jules dovrebbe stimare quanti task asincroni prevede di lanciare per sviluppatore al giorno, e poi confrontare questo dato con i limiti di Pro o Ultra, invece di cercare parità di funzionalità.
Il riferimento esplicito ai workflow multi-agente su larga scala nella fascia Ultra indica dove Google si aspetta che si concentri l'utilizzo intensivo: flotte di agenti che eseguono task in parallelo. I team che intendono distribuire il lavoro su molte esecuzioni parallele di Jules raggiungeranno i limiti più rapidamente, e sono i tetti pubblicati su jules.google — non i moltiplicatori di marketing — a dover guidare la decisione.
Find this story relevant to you?
Contact us to find a unique solution
Cerchi un partner di ingegneria AI capace di costruire davvero?
Aiutiamo le aziende a integrare l AI nei prodotti, automatizzare i flussi di lavoro ad alto valore e modernizzare i sistemi software che sostengono la crescita.
Letture correlate
Altre analisi su delivery di prodotto, IA operativa e il lavoro sui sistemi che fa reggere il deployment alla prova dei fatti.