FSRS-5 è disponibile in Anki?

Sì. Da Anki 23.10, FSRS è integrato nativamente e sostituisce SM-2 come default per i nuovi profili. Puoi attivarlo nelle opzioni del deck → Algoritmo di ripetizione. L'ottimizzazione dei parametri si effettua da Preferenze Anki → Gestione parametri FSRS.

Cos'è l'ease hell in SM-2?

L'ease hell indica il fenomeno per cui le carte difficili vedono il loro fattore di facilità (e-factor) progressivamente ridotto da pressioni ripetute su 'Difficile' o 'Da rivedere', fino a raggiungere il minimo di 1.3. Queste carte finiscono per tornare ogni 2-3 giorni all'infinito, saturando le sessioni di ripetizione. SM-2 non ha un meccanismo di recupero dell'e-factor. FSRS non ha questo problema perché la stabilità viene ricalcolata dinamicamente a ogni ripetizione.

FSRS impara davvero dalla mia cronologia personale?

Sì, ma solo se lanci l'ottimizzazione. In Anki, devi avviare 'Ottimizza parametri FSRS' dopo aver accumulato ~1000 ripetizioni. Diane AI lancia questa ottimizzazione automaticamente in background. Senza ottimizzazione, FSRS usa parametri di default derivati da un addestramento su milioni di ripetizioni — che rimane comunque migliore di SM-2, ma non ancora personalizzato.

SM-2 è ancora utile nel 2026?

Per nuovi progetti, no. FSRS-5 lo surclassa su tutti i benchmark misurabili. SM-2 rimane rilevante solo se hai una base di carte Anki molto vecchia con una cronologia di ripetizioni importante che non vuoi perdere, o se usi un software legacy che non supporta FSRS.

Qual è la differenza tra FSRS-4.5 e FSRS-5?

FSRS-5 (2024) introduce un parametro aggiuntivo per modellare il decadimento del recupero a breve termine, e migliora la precisione della previsione sulle ripetizioni intra-day. Il guadagno di prestazioni rispetto a FSRS-4.5 è modesto (~2-3% di precisione in più), ma l'architettura è più pulita. Diane AI usa FSRS-5 di default.

Diane AI usa davvero FSRS-5?

Sì. Diane AI implementa FSRS-5 nativamente lato server. L'intervallo di ogni carta è calcolato a partire dalla tua stabilità memorizzata, dalla tua difficoltà e dalla tua retrievability target (90% di default). L'algoritmo si adatta al tuo ritmo di ripetizione reale nel corso delle settimane.

Confronto13 maggio 2026· 10 min di lettura

FSRS-5 vs SM-2: il confronto tecnico degli algoritmi di ripetizione spaziata

SM-2 o FSRS-5? Confronto tecnico completo: modello memoria, ease hell, personalizzazione, benchmark Expertium 700M ripetizioni. FSRS-5 riduce le ripetizioni del 25% a ritenzione identica.

1. SM-2 vs FSRS-5: il verdetto in 30 secondi

SM-2 (Wozniak, 1987) ha dominato la ripetizione spaziata per 35 anni. FSRS-5 (Anderson & Ye, 2022-2024) lo ha reso obsoleto su quasi tutti i criteri misurabili.

SM-2 (SuperMemo, 1987)

Algoritmo a regole statiche, parametri globali, fattore di facilità fisso.

E-factor globale (nessun modello per carta dinamico)
Intervalli calcolati con regole fisse
Ease hell: minimo e-factor a 1.3 irreversibile
Nessuna personalizzazione automatica
Precisione di ritenzione ±15% sui benchmark

FSRS-5 (2022-2024)

Modello neurale differenziabile, 3 parametri per carta, apprendimento dalla cronologia.

Stabilità + Difficoltà + Retrievability per carta
Loss function minimizzata sulla tua cronologia reale
Zero ease hell: stabilità ricalcolata dinamicamente
Ottimizzazione personalizzata su 1000+ ripetizioni
Precisione di ritenzione ±5% sui benchmark

Verdetto: FSRS-5 riduce il numero di ripetizioni quotidiane di ~25% per una ritenzione identica al 90%. Se usi ancora SM-2 oggi, stai facendo più ripetizioni del necessario.

2. Come funziona SM-2 (e dove si inceppa)

Piotr Wozniak ha pubblicato SM-2 nel 1987 in un contesto in cui i personal computer avevano 640 KB di RAM. L'algoritmo doveva essere leggero, calcolabile a mano e funzionare senza cronologia dettagliata.

Il principio è semplice: ogni carta ha un e-factor (fattore di facilità), inizializzato a 2.5. Dopo ogni ripetizione, valuti la tua risposta da 0 a 5. L'intervallo successivo viene calcolato così:

Ripetizione 1 → 1 giorno
Ripetizione 2 → 6 giorni
Ripetizione n → intervallo(n-1) × e-factor

L'e-factor si aggiorna in base al voto: se premi "difficile" (voto < 3), l'e-factor scende. Se raggiunge 1.3 (minimo), la carta torna ogni pochi giorni per sempre, indipendentemente da quante volte la ripeti correttamente.

Questo è l'ease hell. Un termine inventato dalla community Anki per indicare il fenomeno in cui un deck "difficile" accumula centinaia di carte bloccate a e-factor 1.3, che saturano le sessioni di ripetizione senza mai progredire verso intervalli lunghi.

SM-2 ha un altro difetto strutturale: i suoi parametri sono globali. L'algoritmo applica le stesse regole a tutte le tue carte, indipendentemente dal tuo profilo mnemonico personale. Uno studente di medicina che ripete 500 carte al giorno e un liceale che ne ripete 20 ricevono gli stessi intervalli calcolati con le stesse formule.

Le 3 variabili chiave della memoria (modello DSR)

FSRS si basa sul modello DSR (Difficulty-Stability-Retrievability), formalizzato da Averell & Heathcote (2011) e implementato da Jarrett Ye (2022):

Stabilità (S): durata durante la quale la tua memoria rimane sopra la soglia di recupero. Una carta stabile = intervalli lunghi possibili.
Difficoltà (D): proprietà intrinseca della carta, indipendente dal momento della ripetizione. Modificata lentamente nel tempo.
Retrievability (R): probabilità di ricordare la carta adesso, in funzione del tempo trascorso dall'ultima ripetizione e di S.

SM-2 non implementa esplicitamente nessuno di questi tre concetti. L'e-factor è un'approssimazione grossolana di D, e gli intervalli sono un'approssimazione di S. R non esiste in SM-2.

3. Perché FSRS-5 surclassa SM-2: 4 ragioni tecniche

1. Modello memoria fondato sulla scienza

FSRS-5 implementa le equazioni di decadimento della memoria basate sul modello DSR. Ogni carta ha la propria Stabilità, Difficoltà e Retrievability calcolate con precisione. SM-2 usa un e-factor unico per carta senza base teorica rigorosa.

2. Personalizzazione sulla tua cronologia

FSRS-5 ottimizza i suoi 17 parametri interni sulla tua cronologia personale tramite discesa del gradiente. L'algoritmo impara letteralmente come funziona la tua memoria. SM-2 usa le stesse costanti per tutti, definite da Wozniak nel 1987.

3. Zero ease hell

In FSRS-5, la Stabilità viene ricalcolata a ogni ripetizione in base al tuo risultato reale. Una carta difficile non rimane bloccata all'infinito: se la impari correttamente, la sua Stabilità aumenta e il suo intervallo si allunga. Il minimo e-factor di SM-2 non esiste.

4. Ottimizzazione tramite loss function

FSRS-5 minimizza una funzione di perdita che misura lo scarto tra la retrievability prevista e il risultato osservato (ricordato / dimenticato). È un approccio classico di machine learning. SM-2 regola i suoi parametri con regole if/then definite manualmente 37 anni fa.

Il punto 4 merita di essere approfondito. SM-2 è fondamentalmente un sistema esperto a regole: se il voto è ≥ 4, aumenta l'e-factor di 0.1. Se il voto è < 3, diminuisci l'e-factor di (0.8 - 0.28 × q + 0.02 × q²). Queste regole sono state calibrate da Wozniak sui suoi dati personali.

FSRS-5 affronta il problema diversamente: definisce un'architettura di rete differenziabile, inizializza parametri di default addestrati su milioni di ripetizioni anonime, poi li affina sui tuoi dati personali. Per questo FSRS migliora nel tempo dove SM-2 ristagna.

4. Il benchmark Expertium: 700 milioni di ripetizioni

Expertium ha pubblicato nel 2023-2024 un'analisi comparativa degli algoritmi di ripetizione spaziata su un dataset di 700 milioni di ripetizioni Anki anonimizzate. È il benchmark pubblico più rigoroso disponibile ad oggi.

Le metriche utilizzate sono:

Log-loss: quanto bene l'algoritmo prevede se ricorderai o dimenticherai una carta
RMSE (Root Mean Square Error) sulla ritenzione prevista vs osservata

Risultati principali del benchmark:

| Algoritmo | Log-loss | RMSE ritenzione | |---|---|---| | SM-2 | 0.354 | 16.2% | | FSRS-4.5 | 0.298 | 6.1% | | FSRS-5 | 0.291 | 5.3% |

Cosa significa concretamente: per mantenere una ritenzione target del 90%, FSRS-5 programma le ripetizioni giuste al momento giusto con una precisione di ±5.3%. SM-2 si discosta di ±16.2%. Questa imprecisione si traduce in ripetizioni troppo frequenti sulle carte facili (spreco di tempo) e dimenticanze sulle carte il cui intervallo è sottostimato.

L'autore di Expertium ha calcolato anche l'impatto sul volume di ripetizioni: con FSRS-5 ottimizzato, si osservano in media ~25% di ripetizioni in meno al giorno per una ritenzione identica al 90%. Su un deck di 2000 carte con 100 ripetizioni quotidiane sotto SM-2, ciò rappresenta ~25 ripetizioni risparmiate ogni giorno — circa 15 minuti.

Cosa dice Anki ufficialmente

Dalla versione 23.10, Anki raccomanda FSRS come algoritmo di default e indica nella sua documentazione ufficiale: "FSRS can improve memory efficiency, allowing you to remember more with fewer reviews." La migrazione è automatica per i nuovi profili.

“Questa app mi fa risparmiare tantissimo tempo nelle mie ripetizioni e soprattutto le rende concrete e attive! Le schede che crea sono sintetiche senza tralasciare nulla, le flashcard sono pertinenti.”

tinitoumasun, App Store FR · 5★ · gennaio 2026 (tradotto)

5. Quale algoritmo scegliere secondo il tuo caso?

La risposta è quasi sempre FSRS-5. Ecco le poche eccezioni reali:

Mantieni SM-2 se:

Usi un software legacy (SuperMemo < v16, o plugin Anki molto vecchi) che non supporta FSRS
Hai una cronologia di ripetizioni SM-2 di diversi anni che non vuoi assolutamente disturbare — in quel caso, migra progressivamente

Passa a FSRS-5 se:

Stai iniziando un nuovo deck (nessun motivo per cominciare con SM-2 nel 2026)
Soffri di ease hell (carte bloccate a e-factor 1.3 che non progrediscono più)
Le tue sessioni di ripetizione durano più del previsto senza progresso percettibile
Vuoi intervalli adattati al tuo profilo mnemonico personale

Diane AI semplifica la scelta: FSRS-5 è attivo di default, senza nessuna configurazione necessaria. L'ottimizzazione dei parametri si avvia automaticamente in background nel corso delle tue ripetizioni. Non devi scegliere tra l'algoritmo e l'uso dell'app — è tutto gestito.

Per approfondire i fondamenti teorici, consulta la nostra guida sulla ripetizione spaziata, la nostra pagina dedicata al metodo FSRS, o il confronto delle alternative ad Anki se hai ancora dubbi sugli strumenti.

E se vuoi capire perché il recupero attivo in parallelo a FSRS è ciò che fa davvero la differenza, leggi anche la nostra guida sull'active recall.

6. Domande frequenti

Ripassa in modo più intelligente con FSRS-5

Diane AI usa FSRS-5 di default. Crea le tue flashcard in pochi secondi e lascia che l'algoritmo ottimizzi le tue ripetizioni automaticamente.

Prova Diane AI gratis