SFMC Tips #318: Agentforce, cambia LLM per ogni Subagent

Agentforce Builder continua a evolversi. Nella release di maggio 2026 era diventato possibile specificare un LLM diverso per ciascun subagent utilizzando Agent Script.

A quel tempo, però, era necessario indicare direttamente l’API name del modello nell’Agent Script. Di conseguenza, ogni volta che si voleva cambiare modello, bisognava cercare l’API name disponibile e modificare lo script, rendendo difficile confrontare e valutare rapidamente modelli diversi.

Ad esempio, il modello veniva specificato direttamente in model_config come mostrato di seguito.

Esempio: model://sfdc_ai__DefaultBedrockAnthropicClaude46Sonnet

subagent GeneralWebSearch:
    label: "General Web Search"
    description: "Searches public information and provides concise answers, including Google Maps search URLs or driving route URLs when appropriate."
    model_config:
        model: "model://sfdc_ai__DefaultBedrockAnthropicClaude46Sonnet"
    reasoning:
        instructions: ->

Questo aspetto è stato ora migliorato. Con la feature release di giugno 2026, questa configurazione è diventata ancora più semplice da utilizzare.

Ora è possibile cambiare il modello direttamente dal canvas di Agentforce Builder tramite l’interfaccia grafica. Questo consente di passare da un LLM all’altro in base al proprio use case senza dover modificare direttamente il YAML.

Table of Contents

Come configurare Model Override

Il processo di configurazione è molto semplice.

1. Seleziona un subagent e clicca sul pulsante + che appare.

2. Clicca su Model Override.

3. Seleziona il modello che desideri utilizzare dal menu a tendina in alto a destra.

Nota: alcuni modelli potrebbero non apparire nell’elenco. In tal caso, passa alla Script Mode e inserisci direttamente l’API Name.

Modelli disponibili (a luglio 2026)

Agentforce supporta un’ampia gamma di modelli di AI generativa di OpenAI, Anthropic, Google, Amazon, NVIDIA e altri provider.

Per l’elenco più aggiornato dei modelli supportati, consulta la seguente documentazione ufficiale.

Modelli disponibili: Supported Models for Agentforce

OpenAI

GPT-5: modello ad alte prestazioni della serie GPT. Adatto a un’ampia gamma di attività aziendali e ad agent avanzati.
GPT-5 Mini: versione leggera di GPT-5. Progettato per un uso generico che richiede risposte rapide.
GPT-5.1: versione migliorata di GPT-5, con qualità e stabilità superiori.
GPT-5.2: evoluzione di GPT-5.1. Adatto a reasoning avanzato e attività complesse.
GPT-5.4: modello ad alte prestazioni con un buon equilibrio tra qualità e usabilità.
GPT-5.4 Mini (Beta): versione leggera di GPT-5.4 per attività semplici come FAQ e riassunti.
GPT-5.5 (Beta): modello di classe massima di OpenAI. Ideale per reasoning avanzato e generazione di testi lunghi.
GPT-4.1: modello equilibrato con prestazioni stabili. Adatto ad Agentforce, Web Search e molti altri use case.
GPT-4.1 Mini: versione leggera di GPT-4.1. Adatto a Router Agent e FAQ.
GPT-4 Omni (GPT-4o): modello multimodale general purpose. Usato anche come modello standard di Agentforce.
GPT-4 Omni Mini (GPT-4o Mini): versione leggera di GPT-4o. Adatto a scenari di chat leggera e FAQ.
O3: modello orientato al reasoning. Eccelle nell’analisi e nel decision-making complesso.
O4 Mini: modello di reasoning leggero con un buon equilibrio tra capacità di ragionamento e velocità di risposta.
OpenAI Ada 002: modello di embedding usato per ricerca e RAG.
Azure OpenAI Ada 002: versione Azure del modello di embedding, disponibile tramite le Models API.

Anthropic Claude

Claude Haiku 4.5: modello Claude leggero per FAQ, classificazione e routing.
Claude Sonnet 4.5: modello equilibrato adatto ad attività aziendali generiche e use case di Agentforce.
Claude Sonnet 4.6: ultimo modello Sonnet, con un buon equilibrio tra prestazioni e qualità.
Claude Opus 4.5: modello ad alte prestazioni per reasoning avanzato e generazione di testi lunghi.
Claude Opus 4.6: versione migliorata della serie Opus.
Claude Opus 4.7: modello ad alte prestazioni ulteriormente potenziato.
Claude Opus 4.8: modello di classe massima di Anthropic per attività complesse e reasoning avanzato.

Google Gemini

Gemini 2.5 Flash: modello a risposta rapida ottimizzato per chat e ricerca.
Gemini 2.5 Flash Lite: versione leggera di Gemini 2.5 Flash per use case a basso overhead.
Gemini 2.5 Pro: modello ad alte prestazioni della serie Gemini 2.5.
Gemini 3 Flash: modello ad alta velocità della generazione Gemini 3.
Gemini 3 Pro (Beta): modello Gemini 3 ad alte prestazioni. Ne è prevista la dismissione.
Gemini 3.1 Flash Lite: modello ultra-leggero della serie Gemini 3.1.
Gemini 3.1 Pro (Beta): modello ad alte prestazioni della serie Gemini 3.1.
Gemini 3.5 Flash: l’ultimo modello ad alta velocità di Google, per chat, ricerca, riassunti e molti altri use case.

Amazon Nova

Amazon Nova Lite: modello leggero fornito tramite Amazon Bedrock. Adatto a FAQ e agent semplici.
Amazon Nova Pro: modello di fascia più alta della serie Nova per attività aziendali generiche e generazione di testo.

NVIDIA Nemotron

Nemotron 3 Nano 30B (Beta): modello di reasoning leggero per classificazione, riassunti e agent leggeri.
Nemotron 3 Super 120B (Beta): modello di reasoning ad alte prestazioni per analisi e ricerca.

Le risposte possono variare notevolmente in base al modello

Potresti pensare: “Ci sarà davvero tutta questa differenza tra i modelli?”

In realtà, le differenze in termini di contenuto delle risposte, stile di scrittura e modo di presentare i suggerimenti sono maggiori di quanto ci si potrebbe aspettare.

Ad esempio, poniamo a un service agent la seguente domanda:

“Consigliami alcune località da visitare a Kyoto per chi la visita per la prima volta.“

⭐ GPT-5.4

⭐ Claude Sonnet 4.6

⭐ Gemini 3.5 Flash

Confrontando i risultati, è evidente che le risposte sembrano quasi scritte da persone diverse.

Nonostante la domanda posta sia identica, i luoghi consigliati, il livello di dettaglio, lo stile di scrittura e il tono generale variano a seconda del modello.

Alla fine, la scelta può ridursi a una preferenza personale, ma è molto importante confrontare e valutare quale modello sia più adatto al proprio service agent.

Con questo aggiornamento, questi confronti possono ora essere effettuati direttamente in Agentforce Builder, il che rappresenta un vantaggio significativo.

Nota: qualità delle risposte, punti di forza, costo e velocità di risposta (latenza) variano da modello a modello. Anche con lo stesso prompt, i risultati generati e il comportamento nell’esecuzione delle azioni possono differire. Prima del deploy in produzione, confronta e valuta a fondo i modelli in base al tuo specifico use case.

Se si utilizzano modelli Beta, Salesforce raccomanda di valutarli in una Sandbox o in un ambiente di sviluppo prima di effettuare il deploy in produzione.

Quale modello viene utilizzato di default?

Potresti chiederti: “Quale modello viene utilizzato se non configuro Model Override?”

Puoi verificare il modello predefinito in Setup > Einstein Audit, Analytics, and Monitoring Setup.

Deve essere selezionato uno dei seguenti provider:

Salesforce Default
AWS Hosted
Gemini (disponibile da giugno 2026)

A luglio 2026, selezionando Gemini viene utilizzato Gemini 3.5 Flash.

Per AWS Hosted, viene attualmente utilizzato Claude Haiku 4.5 su Amazon Bedrock.

D’altra parte, Salesforce Default è la configurazione predefinita che combina più modelli affidabili gestiti da Salesforce. Attualmente include GPT-4o nel suo portfolio di modelli, ma poiché Salesforce ottimizza e gestisce questa configurazione, i modelli sottostanti potrebbero cambiare in futuro.

Per gli ultimi modelli di Agentforce, fai riferimento qui.

Conclusione

Finora, quando le release notes annunciavano che “sono stati aggiunti nuovi modelli LLM”, molti probabilmente si chiedevano: “Dove potrei effettivamente utilizzarli?”

Con questo aggiornamento, la risposta finalmente appare molto più chiara.

L’introduzione di Model Override rende semplice passare al modello più appropriato per ciascun subagent, rendendo la selezione, il confronto e la valutazione dei modelli molto più semplici rispetto a prima.

È probabile che nuovi modelli LLM continueranno a essere aggiunti in futuro. La possibilità di cambiare modello direttamente all’interno di Agentforce Builder senza modificare l’Agent Script è un miglioramento importante, che aumenta in modo significativo l’efficienza nello sviluppo degli agent.

Ogni volta che viene rilasciato un nuovo modello, assicurati di testarlo con i tuoi use case e di confrontarne le caratteristiche e il comportamento. Farlo ti aiuterà a migliorare la qualità dei tuoi agent.

È tutto per questa volta.

Nobuyuki Watanabe

https://www.linkedin.com/in/nobuyuki-watanabe/ (+Follow me)

Tradotto e adattato da SFMC Tips #318 : Agentforce: Easily Switch LLM Models for Each Subagent with Model Override di Nobuyuki Watanabe (@marketingcloudtips), pubblicato su Medium. Traduzione autorizzata dall’autore.