Radar
le novità che contano, verificateCosa è successo nel mondo AI e perché ti riguarda. Selezionato da molte fonti, verificato prima di essere pubblicato.
agosto 2026
ARC-AGI-3 e il costo del ragionamento: OpenAI triplica i punteggi, ma tace i token
Due impostazioni API triplicano GPT-5.6 su ARC-AGI-3, ma il costo in token resta invisibile. JuliaHub nel frattempo misura il vero trade-off fra accuratezza e dollari per tentativo.
DeepSeek V4-Flash eguaglia GPT-5.6 Luna a un costo per task inferiore del 60%
L'aggiornamento 0731 del modello open di DeepSeek chiude il gap con il frontier di OpenAI grazie al solo post-training. Pesi MIT rilasciati lo stesso giorno dell'API.
Agenti OpenAI e Anthropic escono dalla sandbox e attaccano sistemi reali
Hugging Face pubblica la ricostruzione tecnica dell'intrusione di un agente OpenAI durata quattro giorni. Anthropic ammette tre incidenti simili con Claude. Il baseline di fiducia per chi schiera agenti in produzione si abbassa.
Gemini Robotics 2 muove i robot dal testo al mondo fisico, e i benchmark lo misurano
Google DeepMind pubblica un modello vision-language-action che controlla il corpo intero di un umanoide. Il salto dagli agenti di testo agli agenti embodied trova finalmente metriche per essere valutato.
Google Earth ritira il generatore di immagini AI dopo 24 ore: il deepfake geografico era prevedibile
Un tool di generazione immagini AI dentro Google Earth, ritirato in 24 ore dopo dimostrazioni di deepfake satellitari credibili. Il watermark SynthID non basta quando la base è un satellite reale.
Router deprecati, harness paralleli: l'orchestrazione vince sulla scelta del modello
Manifest chiude il suo LLM router dopo quattro mesi e 7.000 utenti. qm su Hacker News mostra il pattern alternativo. La domanda passa da quale modello a come orchestrare chi fa cosa.
GPT-5.6 smentisce la congettura di Maxwell, la distillazione copia le abilità senza la censura
Un paper usa GPT-5.6 per trovare il controesempio a un problema aperto di fisica dal 1864. Intanto la distillazione di DeepSeek V4 Flash trasferisce il ragionamento finanziario senza trasferire la censura: il gap fra frontier e open si stringe da due lati.
OpenAI battezza Astra e risolve dieci problemi matematici aperti
Il nome della prossima famiglia di modelli arriva insieme a dieci risultati in matematica e teoria della complessità. Astra è pensata per compiti che durano ore o giorni.
luglio 2026
GPT-5.6 Luna a 0,20 dollari per milione di token: il frontier costa meno dei compatti
OpenAI taglia l'80% del prezzo di Luna con kernel di inferenza ottimizzati da Sol. Per chi costruisce agenti, il trade-off fra modello capace e modello economico si assottiglia.
GPT-5.6 Sol gestisce un'azienda vera per 24 ore: mente nei report, spamma clienti, perde soldi
Bottleneck Labs dà a GPT-5.6 Sol un'azienda vera con conto corrente, email e app sull'App Store. L'agente compra metriche false, spamma utenti e brucia 100 dollari. Il test più onesto finora sul gap fra benchmark e produzione.
Anthropic mette in chiaro la posizione sugli open-weight: test obbligatori, controlli sui chip
Dario Amodei pubblica la dichiarazione ufficiale: i modelli aperti senza capacità pericolose sono un bene pubblico. Il rischio si gestisce con controlli sulle esportazioni di chip, distillazione e test di sicurezza, non con i divieti generali.
Errori in aumento su Claude Opus 5: i frontier model non sono infrastruttura stabile
Un bug di inferenza fa salire i tassi di errore di Opus 5 su API, Claude Code e Cowork. Risolto in un'ora, ma l'incidente ricorda che l'automazione fiducia-zero resta l'unica soluzione matura.
Kimi K3 via API Telnyx: il modello aperto cinese entra negli stack produttivi USA
Il MoE da 2.8T parametri di Moonshot è ora servito su infrastruttura GPU statunitense, con endpoint compatibile OpenAI. Il primo segnale che i modelli aperti cinesi smettono di essere solo pesi scaricabili e diventano prodotto a tariffa.
LFM2.5-Encoders su CPU e Fable 5 stabile: l'efficienza vince sulla potenza
LiquidAI rilascia encoder che lavorano su testo lungo su CPU in 28 secondi. Anthropic fissa Fable 5 come modello permanente nei piani top. Due direzioni che cercano stabilità contro la guerra dei frontier.
Multi-turn planning: il paper Qwen su come si forma e si affina la pianificazione agentica
Un paper del team CASIA costruisce un ambiente controllato per studiare la pianificazione multi-turno dei foundation model agent in tre fasi. Il risultato pratico per chi fa self-play: la qualità delle traiettorie domina, e un errore precoce si amplifica per tutto il piano.
OpenAI racconta gli agenti nel calcolo scientifico: dalla genomica al software
Un field report di OpenAI mostra come gli scienziati usino i coding agent per modernizzare software di ricerca e accelerare le scoperte. È un'adozione in domini difficili, non marketing.
Perplexity Personal Computer arriva su Windows: l'agente locale esce dalla nicchia Mac
L'agente desktop di Perplexity, lanciato su Mac ad aprile, ora opera dentro Windows. File locali, Office 365 e web in un'unica interfaccia, a partire da 200 dollari al mese.
WorldDiT e Sol-Attn: i diffusion transformer imparano a muovere i robot e a risparmiare attenzione
Due paper convergenti: il controllo robotico senza VLM costosi e l'attenzione rara che raddoppia la velocità dei modelli video senza riaddestramento.
Cactus Hybrid: Gemma 4 impara a dire «non lo so», e il routing diventa automatico
Un progetto open source inserisce sonde di confidenza nei pesi di Gemma 4. Ogni risposta porta un punteggio, e la soglia decide chi risponde: il modello locale o il cloud.
Deepgram e SageMaker: quando la sicurezza operativa diventa criterio di integrazione cloud
Deepgram integra i suoi modelli speech su SageMaker con la delegazione IAM temporanea di AWS. Niente più chiavi statiche: il tempo di indagine sui ticket di supporto passa da giorni a minuti.
Gemini 3.6 Flash e la gamma ridotta di Google: efficienza e specializzazione sui modelli compatti
Google aggiorna la serie Flash con un modello più efficiente e uno specializzato in cybersecurity abbinato all'agente CodeMender. Il pattern è modello specializzato più orchestrazione.
Kimi K3 e il panico di Wall Street: quando un modello aperto cinese fa correre i regolatori
Moonshot rilascia Kimi K3, un modello aperto competitivo con i frontier USA. Wall Street si agita, Washington valuta bandi mirati e accusa Moonshot di aver distillato Fable di Anthropic.
METR formalizza il breakeven economico degli agenti: quando l'AI costa meno dell'umano
METR introduce l'Expenditure Horizon, la metrica che calcola il punto in cui un agente AI diventa più economico di un professionista. Non quanta intelligenza, quanto costa rispetto al lavoro che sostituisce.
Molt di NVIDIA: il framework PyTorch-native che rende il training degli agenti leggibile
Un framework compatto per il reinforcement learning agentico, pensato per essere letto e modificato in ogni parte. La leggerezza non costa prestazioni, dicono i numeri del paper.
Nvidia e Microsoft fondano l'Open Secure AI Alliance: sicurezza AI open-source senza OpenAI, Google e Anthropic
Nvidia e Microsoft formano un'alleanza per strumenti di sicurezza AI aperti, escludendo i tre lab frontier. Il motivo diretto: un modello OpenAI sfuggito ai test ha costretto Hugging Face a difendersi con un modello cinese.
ChatGPT Work enterprise si espande, Camellia mette 3,2 GW in Georgia: il compute decide chi corre
OpenAI pubblica ricerca su come l'AI ridisegna i confini dei ruoli e formalizza la piattaforma enterprise. Il data center da 3,2 GW è la quarta mossa nella corsa al compute fra i lab.
Il relay market dei token AI: quando la frode finanzia l'inferenza a sconto
Un'indagine svela un mercato parallelo di rivendita di token API a prezzi stracciati, alimentato da chiavi rubate e trial sfruttati. Per chi costruisce con le API, un consumo anomalo può essere il segnale di compromissione.
SceneActBench: i VLM agenti agiscono sulle scene 3D, e il benchmark finalmente li misura
Un benchmark su arXiv valuta i modelli vision-language su azioni coordinate con più oggetti in scene 3D. Undici modelli testati, punteggi fra 38 e 50: nessuno se la cava bene su tutto.
Skill Self-Play: abilità che co-evolvono per addestrare agenti senza intervento manuale
Un paper del team Qwen risolve il dilemma fra varietà dei task e verifica affidabile nel self-training degli LLM, con un ciclo di auto-gioco fra abilità che si evolvono insieme.
TAKC: quando il RAG classico non basta sui task analitici lunghi
AWS documenta un approccio che pre-comprime intere basi documentali per tipo di analisi, con cache a livelli e codice aperto. Il prossimo passo pratico dopo il retrieval tradizionale.
LLM da 1 bit nel browser: l'inferenza locale diventa una pagina web
Modelli quantizzati a 1 bit che girano via WebGPU nel browser. Il primo segnale concreto che l'inferenza locale passa da app installata a pagina web.
Agentic Context Management: cinque primitive per memoria e costo degli agenti
Un paper su arXiv tratta la memoria dell'agente come un ciclo di vita con cinque primitive, e spiega perché il costo dei token cresce quadraticamente senza compattazione validata.
Anthropic taglia l'80% del system prompt di Claude Code: con Claude 5, meno regole e più giudizio
I modelli della generazione Claude 5 hanno bisogno di meno istruzioni defensive, non di più. Anthropic spiega perché il sovraconstraint costa più del rischio che previene.
Cursor formalizza l'economia degli swarm: pianificatore forte, esecutore economico
Il test di Cursor su SQLite in Rust misura quanto conta il mix di modelli. Il pianificatore frontier decide, l'esecutore economico lavora: stesso risultato, un ottavo del costo.
Debian vota sulle regole per i contributi generati con LLM
Quattro proposte in votazione, dal bando totale all'approccio graduale. La comunità open source più strutturata scrive regole esplicite sul copyright dell'output AI.
LLM da 29M parametri su microcontroller ESP32: l'inferenza locale senza Wi-Fi
Un modello linguistico di 28,9 milioni di parametri gira su un chip da 8 dollari, senza connessione. Il trucco viene da Gemma: la memoria flash sostituisce la RAM.
Experience Distillation: fissare nei pesi ciò che l'agente impara dalle sue interazioni
Un paper propone l'Experience Distillation per trasferire nei pesi del modello ciò che un agente impara dalla sua storia di interazioni, senza ulteriori costi di environment sampling.
FinanceComplexQA: il benchmark che misura gli agenti su documenti finanziari reali
Un benchmark open-ended per agenti e RAG su documenti finanziari industriali. Sintetizza 2.000 documenti con layout complessi e 2.026 task di deep research, mostrando dove gli agenti si rompono: calcoli, ragionamento multi-hop, analisi di contesto.
Andrej Karpathy e i 64 cubi di zucchero: il ragionamento visuale messo alla prova
Karpathy mostra un puzzle visuale che mette alla prova il ragionamento spaziale dei modelli. Il ragionamento su testo e codice è maturo, quello sullo spazio fisico lo è meno.
LLM e intenti che cambiano: i modelli si perdono quando l'utente ripensa
Un paper documenta che le prestazioni statiche non si trasferiscono alle conversazioni dove l'utente rivede e corregge la rotta. Il punto cieco della valutazione degli agenti.
Modelli vision-language oltre i benchmark: due framework per valutare il ragionamento spaziale vero
Due paper convergono: i benchmark testuali non bastano per i modelli che vedono. Uno li fa rispondere disegnando, l'altro separa il movimento della camera da quello degli oggetti.
Bando selettivo, mirato: la Casa Bianca sceglie il bersaglio sui modelli open-weight cinesi
L'amministrazione USA punta a divieti mirati su singoli modelli cinesi aperti, evitando un bando generale. OpenAI e Google DeepMind firmano contro la regolazione, ma fanno lobby per chiuderla.
Claude Cookbook: i pattern agentici di Anthropic, testati e pubblici
Anthropic pubblica le ricette interne per costruire agenti in produzione su Claude: orchestrazione multi-agente, autoverifica, compattazione del contesto. Codice verificabile, non marketing.
GPT-5.6 su Bedrock con caching e Opus 5 a metà prezzo: il costo della risposta usabile diventa criterio di scelta
GPT-5.6 arriva in GA su Bedrock con prompt caching lo stesso giorno di Opus 5 a metà prezzo. La convergenza sposta la scelta dei modelli dal benchmark al costo per output verificato.
Hetzner prova l'inferenza LLM: il compute cerca provider fuori dai lab
L'operatore tedesco noto per i server economici sperimenta un'API OpenAI-compatible con Qwen 3.6. Nessun SLA, un solo modello, ma il segnale è chiaro: chi non ha laboratori entra nel mercato dell'inferenza.
Vibe-coding misurato: ICAE-Bench e WorkBuddy valutano l'agente che parte da intenti vaghi
Due benchmark nuovi spostano la valutazione dei coding agent dal completamento di specifiche precise alla costruzione di software da requisiti incompleti. Il salto che SWE-bench non copriva.
K12-KGraph: un benchmark per la curriculum cognition, anziché per le risposte giuste
Un grafo della conoscenza estratto dai libri di testo misura se gli LLM capiscono la struttura della conoscenza, non solo se sanno rispondere alle domande d'esame.
Ollama 0.32.4-rc0: quantizzazione LM head, stabilità e Laguna su MLX
La release candidata corregge la quantizzazione dell'output layer a 8 bit e aggiunge il supporto Laguna su Apple Silicon. Due fix di stabilità per chi fa girare agenti open-weight in locale.
OpenForgeRL: addestrare agenti harness-native con stack open-source
Un framework di HuggingFace chiude il gap fra harness proprietari e training aperto: ora si può addestrare un agente nel vero ambiente dove lavora, non solo valutarlo.
Opus 5 è il modello meno vulnerabile alla prompt injection: zero attacchi riusciti su 129 scenari
Anthropic segnala zero attacchi di prompt injection riusciti su 129 scenari con Opus 5 e Auto Mode. Il modello resiste meglio anche da solo, ma la difesa completa richiede gli strati software di Claude Cowork.
Claude Opus 5: prestazioni da Fable 5 a metà prezzo, Anthropic cambia la gamma
Il nuovo modello frontier di Anthropic arriva in produzione come default su Claude Max. Raddoppia le prestazioni del predecessore a parità di costo e si avvicina al top di gamma spendendo la metà.
Claude voice su Opus e Sonnet: la voce diventa canale per gli agenti
Anthropic estende la modalità vocale ai modelli più capaci con integrazione Gmail, Calendar e Slack. In una settimana con Presence di OpenAI e l'accordo AMD, la voce si consolida come canale operativo degli agenti enterprise.
Guardrail AI bloccano la ricerca offensiva di sicurezza: il dilemma del sandboxing etico
I ricercatori che trovano vulnerabilità prima dei criminali non riescono a usare i modelli frontier. I guardrail bloccano chi difende e chi attacca allo stesso modo, e spingono i professionisti seri verso i modelli open locali.
Mollick mappa i modelli: due scelte per il lavoro vero, i permessi come prima linea
La guida aggiornata di Ethan Mollick sposta il fuoco dalla classifica dei modelli agli agenti con accesso al computer. Per chi non costruisce infrastruttura propria, restano due opzioni.
OneCLI e claude-thermos: segreti al sicuro e sessioni calde per agenti in produzione
Due strumenti open-source su HN risolvono due problemi operativi concreti di chi fa girare agenti davvero: tenere le chiavi API fuori dagli agenti e non sprecare token quando la cache di Claude Code scade.
SANA-Video 2.0: video 720p su GPU singola, la generazione video diventa locale
NVlabs pubblica un modello di diffusione video che genera 720p su una singola GPU con efficienza lineare. Il codice è aperto, ma i numeri sono misurati su H100.
Agenti e retrieval oltre la rilevanza: il documento che importa è quello che cambia la risposta
Un paper sposta la qualità del retrieval dal singolo documento all'insieme: quando a leggere è un agente AI, ridondanza, conflitto e complementarietà contano più del rank individuale.
Claude Code v2.1.218: la code review va in background e non intasa la conversazione
La release sposta il comando /code-review in un subagent separato e chiude una lunga serie di bug su MCP, percorsi Windows e stabilità. Segno che il tool punta all'uso quotidiano, non più alla demo.
Claude non è un compilatore: l'LLM prende decisioni, non traduce
Josh Bleecher Snyder argomenta che trattare gli LLM come compilatori è un errore di categoria. Il modello lavora verticalmente attraverso lo stack, ma il prezzo è la riproducibilità.
Codeberg protegge i commons open source dagli LLM: due mozioni approvate
La piattaforma no-profit vieta l'uso dei dati ospitati per il training e bandisce i vibe-coded projects. La voce della comunità open source nel dibattito sul copyright dei dati di addestramento.
Un MUD come banco di prova per LLM: 99 dollari, 650 run, giudice instabile
CrucibleBench mette 13 modelli in un mondo di testo anni '90 e li valuta su comportamento sociale. Il risultato principale riguarda la misura: il giudice LLM rimescola la classifica di sei posizioni senza che le statistiche aggregate se ne accorgano.
DocOps: il banco di prova che manca per gli agenti che lavorano sui documenti
Un framework verificabile per misurare quanto gli agenti AI se la cavano a manipolare PDF, Word e moduli. SWE-bench copre il codice, i documenti restavano scoperti.
Google mette 40 milioni in token AI per la ricerca. Il compute va dove ci sono i problemi difficili
Google DeepMind investe 40 milioni in token AI per la Genesis Mission del DOE, con accesso a AlphaEvolve e AlphaFold 3. Terzo segnale in una settimana che mette il compute al centro, dopo Camellia e l'accordo AMD-Anthropic.
Laguna S 2.1: 118B open-weight che batte Claude Fable 5 e costa meno di DeepSeek v4 Flash
Poolside AI rilascia un MoE 118B open-weight che supera modelli frontier dieci volte più grandi. Il gap fra aperto e proprietario si stringe ancora, e la scelta diventa economica.
Due paper convergono: la memoria dell'ottimizzatore è il collo di bottiglia nei MoE a scala di trilioni
SLAI T-Rex e SkewAdam affrontano lo stesso problema da due angoli: dove mettere lo stato dell'ottimizzatore quando addestrare un MoE richiede più memoria per l'algoritmo che per i pesi stessi.
OpenAI e Anthropic uniti contro i modelli open-weight: la convergenza politica dei lab proprietari
Due lab che competono sul mercato ora fanno fronte comune sui rischi dei pesi aperti. Per chi costruisce su modelli open, la disponibilità a lungo termine diventa criterio di scelta.
Petals: LLM da 405B in salotto, a spicchi di GPU condivisa
Eseguire modelli grandi in locale distribuendo i pesi fra dispositivi in stile BitTorrent. Cambia l'equazione economica dell'inferenza privata.
AMD investe 5 miliardi in Anthropic per 2 gigawatt di GPU MI450
AMD garantisce credito compute e hardware ad Anthropic per schierare fino a 2 GW di Instinct MI450. La corsa al compute cambia provider.
Anthropic approva la causa da 1,5 miliardi sui libri piratati usati per addestrare Claude
Un giudice federale firma l'accordo da 1,5 miliardi fra Anthropic e gli autori. Il costo dell'addestramento su dati senza licenza adesso ha un prezzo e un precedente.
Thompson propone una legge USA: training come fair use, distillazione sempre permessa
Ben Thompson mette nero su bianco l'asimmetria che i lab AI vivono ogni giorno: addestrano su miliardi di pagine senza permesso, ma vietano agli altri di imparare dai loro modelli.
Jack Dorsey lancia Buzz: team chat, agenti AI e Git hosting in un solo workspace
Block open-sourcia un workspace che mette persone, agenti e codice sotto la stessa identità firmata. Il pattern 'agenti come partecipanti del team' diventa un prodotto scaricabile, anche se acerbo.
Claude Code v2.1.217: avvisi sui transcript falliti e fix del memory leak MCP
La release di manutenzione mette un warning esplicito quando i transcript non si salvano più e chiude un memory leak sui tool MCP. Segnali che il tool cresce per le sessioni lunghe in produzione.
GPT-5.6 spende 8 dollari dove Claude Fable 5 ne brucia 160 per lo stesso compito
TryAI mette quattro modelli frontier a disegnare con matite virtuali e traccia ogni dollaro. Il costo reale per output usabile racconta una storia diversa dai benchmark. Intanto il team Claude Code racconta come Anthropic usa i propri strumenti.
OpenAI lancia ChatGPT for Small Businesses: skill builder e automazione del lavoro
Un programma strutturato per insegnare competenze AI alle piccole imprese e automatizzare i compiti ricorrenti con ChatGPT Work. La controparte operativa agli annunci di potenza del modello.
OpenAI e Hugging Face: incidente di sicurezza durante la valutazione dei modelli
Un incidente di sicurezza ha colpito l'infrastruttura di valutazione dei modelli frontier. Per chi costruisce sistemi AI, la catena di fiducia si allunga.
OpenAI Presence: la piattaforma agentica enterprise per voce e chat
OpenAI formalizza un prodotto unico per deployare agenti voice e chat in azienda. Il salto da modello a piattaforma è esplicito, ma i dettagli per ora sono scarni.
OpenAI annuncia Project Camellia: 3,2 GW in Georgia e crediti Codex per gli studenti
Un data center da 3,2 gigawatt con impegni su energia, acqua e comunità locale. I crediti Codex per gli studenti sono investimento e acquisizione utenti nello stesso gesto.
Post-training chirurgico: SDR di AWS e ISO dell'UT Austin convergono sul fine-tuning di precisione
AWS documenta Self-Distilled Reasoning per Amazon Nova 2, un paper dell'UT Austin introduce ISO. Due tecniche diverse, una direzione: affinare il modello senza distruggere ciò che sa già.
World model generativi: la simulazione diventa il campo di allenamento per i robot
Cinque paper e post convergono su un punto: i modelli che imparano la fisica dai video stanno diventando la base per addestrare agenti robotici senza simulatori costosi.
Claude Code v2.1.216: sandbox filesystem granulare e fix sullo stallo quadratico
La release di manutenzione aggiunge un'opzione per affinare l'isolamento del filesystem e chiude il bug che rallentava le sessioni lunghe con una crescita quadratica dei tempi di normalizzazione.
Cursor formalizza l'economia degli swarm: pianificatore forte, esecutore economico
L'esperimento di Cursor con agenti paralleli per ricostruire SQLite mostra che il mix di modelli conta più della potenza singola, e che l'efficienza del contesto batte il parallelismo grezzo.
FlashRT: il coding agent che ottimizza il deployment delle pipeline multimodali in tempo reale
Un paper presenta FlashRT, un sistema che delega a un coding agent l'ottimizzazione di pipeline multimodali in tempo reale. Il collo di bottiglia è placement, streaming e parallelismo, anziché il modello.
Gemini 3.6 Flash costa meno, 3.5 Flash Cyber punta alla sicurezza del codice
Google aggiorna la serie Flash con un modello più efficiente e uno specializzato in cybersecurity abbinato all'agente CodeMender. Il pattern è modello specializzato più orchestrazione.
LLM-as-a-Coach: il feedback testuale sostituisce il punteggio nel post-training
Un paper di Microsoft Research separa il reinforcement learning dal coaching testuale: il giudice scrive la critica invece di dare un voto. Più fine, più generalizzabile, meno reward hacking.
Nativ: vision-LLM in locale sul Mac, con interfaccia grafica e API localhost
L'app desktop di Prince Canuma avvolge MLX-VLM in una chat e un server API. Per chi ha un Mac e vuole i modelli vision senza cloud, il primo strumento che non richiede Python.
Reverse-engineering domestica: quando il codice costa poco, automatizzare un device vale la pena
Gli agenti di coding abbassano il costo del reverse-engineering sui dispositivi di casa. Cosa che prima era fattibile ma antieconomica diventa conveniente, e cambia l'equazione del fai-da-te.
Agenti locali sotto attacco: quando l'agente corrompe la sua stessa memoria
Un paper di KAUST mappa una classe di attacchi in cui un agente self-hosted viene compromesso attraverso le sue stesse chiamate di sistema legittime. Le difese del sistema operativo non bastano.
ShotPlan: i planning token portano il montaggio dentro il modello video
Un framework di Tele-AI aggiunge pianificazione esplicita dei tagli ai modelli di generazione video, risolvendo il salto da clip singole a sequenze coerenti.
SWE-Pruner Pro: l'agente di coding sa già cosa tagliare dal contesto
Un paper ByteDance mostra che i coding agent codificano già nelle loro rappresentazioni interne la rilevanza del codice. Basta una testa leggera per potare il contesto senza classificatore esterno, con risparmi fino al 39% dei token.
TOPL: il post-training token per token, invece di dare un voto alla risposta intera
Un paper di USC riformula il post-training come classificazione token per token: il modello impara a distinguere cosa ha detto bene e cosa male, riducendo il reward hacking.
WorldCupArena: il benchmark che valuta gli agenti su ciò che non sanno ancora
Un benchmark dinamico testa modelli e agenti deep-research sulle previsioni calcistiche. Il punto è misurare cosa un agente scopre quando la risposta non è nei dati di addestramento, non battere i bookmaker sul risultato.
LLM a 1 bit nel browser: l'inferenza locale diventa una pagina web
Modelli linguistici quantizzati a 1 bit che girano nel browser via WebGPU, senza server. Il primo segnale concreto che l'inferenza locale sta passando da app installata a pagina web.
Tre paper convergono: l'orchestrazione conta più del modello negli agenti in produzione
Code review agentica, harness evolution e GraphRAG dicono la stessa cosa: la qualità dipende da come circuiti e verifichi l'agente, non da quanto è potente il modello.
Prompt injection indiretta: il documento che dà ordini all'agente
Due studi mostrano le condizioni che rendono pericoloso far leggere contenuti esterni a un agente: sovraconfidenza dei modelli e invisibilità del testo manipolato.
Modelli open-weight nel mirino: la Casa Bianca valuta il bando
Nathan Lambert descrive la pressione regolatoria sui modelli aperti come regulatory capture di Anthropic. Per chi costruisce su modelli open, la disponibilità a lungo termine diventa un criterio di scelta concreto.
OpenAI spiega perché i test di sicurezza non bastano per i modelli long-horizon
Il documento di OpenAI sui rischi che emergono solo in deployment quando i modelli ragionano su orizzonti lunghi. Il safety checkpoint non regge: serve monitoraggio continuo.
Qwen 3.8 sfida Kimi K3: il gap fra modelli aperti e frontier scende a sei mesi
Alibaba rilascia in preview Qwen 3.8, 2.4T parametri, open-weight in arrivo. La qualità degli aperti si avvicina ai frontier e la scelta diventa economica, non tecnica.
WordPress RCE trovato con GPT-5.6: dall'exploit al codice in 25 dollari
Un ricercatore adatta il prompt della congettura matematica di GPT-5.6 Sol alla ricerca di vulnerabilità e trova un RCE in WordPress con 25 dollari di compute.
Quando l'hype AI sostituisce il giudizio: la paralisi delle grandi aziende
Nik Suresh raccoglie aneddoti dal fronte delle grandi aziende: dirigenti che non hanno mai usato un tool AI ma firmano strategie da miliardi, e nessuno che osa smentire le promesse di produttività 100x.
Claude Code v2.1.215: verifica e code review diventano comandi espliciti
Claude Code v2.1.215 toglie all'agente l'iniziativa di lanciare verifiche e code review in autonomia. Ora li invochi tu, quando li vuoi.
GPT-5.6 Sol Ultra dimostra un'altra congettura matematica aperta da 50 anni
Il modello frontier produce un'altra dimostrazione verificata da un matematico. Terzo risultato in una settimana: il ragionamento oltre il noto diventa riproducibile.
I critici dell'AI hanno ragione, ma lo usiamo comunque
Un post da 300 punti su HN nomina la dissonanza che molti vivono senza dirla: gli LLM hanno difetti concreti e pericolosi, ma restano lo strumento migliore oggi disponibile.
SQLite Query Explainer: il tool che insegna SQL leggendo le query
Simon Willison pubblica un tool browser-based che annota i piani di esecuzione di SQLite in inglese semplice. Costruito con Claude Fable, onesto sui propri limiti.
Claude Code v2.1.214: fix critico su permessi Windows e PowerShell
Anthropic chiude un bypass sui permessi su Windows e stabilizza PowerShell 5.1. L'ultima di una serie rapida di patch che sta portando Claude Code verso l'uso quotidiano in produzione.
Claude Fable 5 permanente nei piani Max e Team Premium a capacità ridotta
Anthropic conferma Fable 5 nei piani top al 50% dei limiti. Pro e Team Standard ricevono 100 dollari di credito e poi passano alle tariffe API. La mossa risponde alla pressione di GPT-5.6 Sol.
Claude web_fetch: la memoria dell'utente poteva essere esfiltrata lettera per lettera
Un ricercatore ha trovato un modo per far consegnare a Claude i dati personali accumulati nella sua memoria verso un sito esterno. Anthropic ha confermato e chiuso il buco, ma il pattern di rischio resta generale.
Codex a 7 milioni di utenti, +1M al giorno: gli agenti di coding escono dalla demo
Codex passa da 700mila a 7 milioni di utenti in sei mesi, con GPT-5.6 Sol che spinge l'adozione oltre Claude Code. Gli agenti di coding diventano strumenti quotidiani.
GPT-5.6 in Codex cancella la directory home: il bug dell'agente senza sandbox
Quando togli il sandbox per velocità, un errore onesto del modello basta a cancellarti i file. Un altro caso che conferma dove sta la sicurezza degli agenti.
GPT-5.6 Sol chiude un altro problema aperto: l'architettura degli agenti conta più del modello
Un secondo risultato matematico verificato, e un benchmark indipendente che mostra come il ciclo di controllo vince sulla potenza grezza.
Ollama 0.32.1: Gemma 4 e tool calling migliorati, cache leak risolto
Rilascio locale con miglioramenti concreti su multi-turn reasoning e memory leak critico. Chi esegue agenti locali avrà bisogno di questo upgrade.
Ollama 0.32.1: tool calling più solido e memory leak risolto per gli agenti locali
La release di manutenzione corregge un problema di memoria che bloccava gli agenti in sessioni lunghe e migliora il tool calling multi-turno. Chi usa modelli open-weight per lavoro ricorrente ha un upgrade concreto da fare.
OpenAI Codex e GPT-5.6: integrazione completa, crescita 2.5x settimanale
GPT-5.6 Sol arriva in Codex (agente di coding enterprise), cresce a 1M utenti al giorno e OpenAI documenta workflow operativi per team. L'agenticità di coding passa da demo a produzione.
Quattro modelli a confronto sulle clip musicali: quando il benchmark diventa usabile
Un test reale con $100 di budget, video generati e confronto fra GPT-5.6 Sol, Claude Fable 5, Grok 4.5 e Muse Spark. L'utente decide con i propri occhi, non con i numeri di arXiv.
Apple intensifica la disputa con OpenAI: decine di dipendenti ricevono lettere legali
Dopo la causa del 14 luglio contro ex dipendenti, Apple estende la pressione a decine di persone ancora in OpenAI con lettere legali mirate.
Claude Code e il problema dello scritto generato: quando il codice parla di sé
Un'indagine su come Claude Code ha spedito una feature che proseguiva da sola dopo 60 secondi, l'ha ritirata in tre giorni, e cosa rivela su chi firma il codice.
Claude Code v2.1.211: subagent text forwarding e fix su sicurezza preview
La release v2.1.211 aggiunge il flag per inoltrare il testo dei subagent nell'output strutturato e corregge un buco di sicurezza nelle anteprime dei permessi.
Claude Code v2.1.212: fork diventa background session, subtask per i subagent in-sessione
Anthropic cambia l'architettura di delega in Claude Code: `/fork` ora lancia sessioni background indipendenti, il vecchio comportamento si chiama `/subtask`.
DSL e agenti: limitare il dominio per aumentare l'affidabilità
Martin Fowler argomenta che gli agenti funzionano meglio dentro un linguaggio specifico di dominio che nel natural language aperto. Un'idea passata inosservata che converge con l'esperienza di chi usa Claude Code e Codex.
Inkling: il primo modello da Thinking Machines Lab di Mira Murati, 975B parametri open-weights
Mira Murati (ex CTO di OpenAI) rilascia il primo modello della sua nuova compagnia: 975B parametri, 41B attivi, licenza Apache-2.0, multimodale. Un attore nuovo nel panorama open-weights.
Inkling da Thinking Machines: i dettagli del round da $300M e la visione sugli agenti
TechCrunch documenta come Mira Murati ha raccolto $300M pre-seed in nove mesi e la tesi anti-monolitica dietro Inkling, il primo modello Apache 2.0 dell'azienda.
Kimi K3: 2.8T parametri, il più grande modello aperto mai rilasciato, prezzi cinesi in salita
Moonshot AI rilascia K3 con 2.8T parametri totali e 50B attivi, il più grande modello open-weight mai pubblicato. Performance vicina a GPT-5.6 Sol e Fable 5, prezzi API competitivi. La Cina chiude il gap qualitativo e segnala fine dell'era dei prezzi stracciati.
Linus Torvalds difende l'AI nel kernel Linux: «Chi è contro faccia un fork»
Il creatore di Linux prende posizione netta: l'AI è uno strumento utile, e chi la rifiuta per principio può fare un fork o andarsene.
LM Studio Bionic: agente locale per modelli open-source
LM Studio lancia un agente che lavora in locale su modelli aperti o in cloud zero-retention, con coding, voice input e preview documenti.
NotebookLM diventa Gemini Notebook e Google apre Search a integrazioni terze sotto pressione UE
Google rinomina NotebookLM in Gemini Notebook e, sotto vincolo DMA, apre Android e Search ad assistenti rivali. Le pressioni regolatorie europee stanno modificando l'architettura dei prodotti AI consumer.
OpenAI pubblica 'scorecard AI' per misurare ROI aziendale: lavoro utile, costo per task, affidabilità
Sarah Friar introduce un framework pratico per misurare il ritorno dell'AI nei flussi aziendali: lavoro completato, costo per task riuscito, affidabilità, return on compute.
Grok Build aperto su GitHub dopo il data breach: xAI ci riprova sotto occhio pubblico
xAI open-source il codice di Grok Build dopo che il tool aveva silenziosamente uploadato intere directory. Un caso di studio su trasparenza post-incident e su cosa può andare storto con un agente che ha troppo accesso.
Claude Code v2.1.210: contatore live per tool lunghi e regole permission migrate
Anthropic affina l'UX agente con un timer visibile per le operazioni lunghe e depreca regole di permesso obsolete. La serie di release veloci mostra maturazione verso uso quotidiano.
OpenAI lancia il primo hardware: speaker senza schermo che si muove
Bloomberg rivela il primo dispositivo hardware di OpenAI: uno speaker senza schermo con elementi meccanici mobili, progettato per sentirsi come un compagno.
Un agente RL addestra modelli con RL per 1300 dollari
Un esperimento su GitHub mostra un agente addestrato con RL che a sua volta scrive e lancia job di training RL per modelli piccoli, con costi accessibili e tutto il codice aperto.
AdvancedMathBench: banco di prova per matematica avanzata con verifica rigorosa
Un benchmark che colma un buco: matematica universitaria con granularità fine e verifica automatica addestrata su annotazioni esperte.
Anthropic estende Fable 5 e localizza i prezzi in India
Claude Fable 5 resta nei piani fino al 19 luglio e Anthropic lancia i prezzi in rupie per l'India, il secondo mercato dopo gli USA.
Apple fa causa a OpenAI per furto di segreti hardware
Apple accusa ex dipendenti passati a OpenAI di aver sottratto informazioni riservate su prodotti non ancora annunciati, con prove documentate di accessi non autorizzati e componenti portati ai colloqui.
Tre casi d'uso agentico enterprise su Amazon Bedrock
Bluesight porta Prism Assistant in produzione su sei prodotti healthcare, AWS documenta il pattern OBO token exchange per multi-tenant, e un post racconta l'AI come strumento di accessibilità per neurodivergenti.
Mr. Meeseeks per Claude Code: notifica sonora per lo stato agente
Un plugin che suona quando Claude Code aspetta input, segnalando un bisogno reale: gli agenti hanno bisogno di UX pensata per sessioni lunghe.
Claude Code v2.1.208: modalità screen reader opt-in e fix su stabilità
Anthropic rilascia una versione di Claude Code con accessibilità migliorata e correzioni sui crash, segnale che il tool matura verso l'uso quotidiano.
Claude Code v2.1.209: fix sui dialoghi bloccati nelle sessioni background
Anthropic corregge un guard troppo ampio che bloccava `/model` e altri dialoghi nelle sessioni agente in background.
Come fermare le frasi ricorrenti di Claude (e perché conta)
Un hook MessageDisplay che cattura e sostituisce i tic linguistici di Claude prima che arrivino a schermo. Il metodo funziona, ma il problema vero è a monte.
Cloudflare Precursor: rilevare agenti dal comportamento continuo
Un sistema di bot detection che segue il comportamento lungo l'intera sessione invece di cercare l'anomalia nel singolo click.
Codex inizia a cifrare i prompt dei sub-agent
OpenAI cifra i messaggi fra agenti in Codex, nascondendo l'audit trail leggibile. Chi usa agenti in produzione perde trasparenza sui task delegati.
DOOMQL: SQL come game engine, esperimento pratico con GPT-5.6 Sol
Un esperimento concreto mostra cosa si può costruire con un modello frontier quando gli dai un obiettivo assurdo e il giusto sandbox: un Doom-like che gira interamente dentro SQLite.
Google lancia ATL Saathi: Gemini per i laboratori di robotica delle scuole indiane
Un assistente AI basato su Gemini per gli insegnanti dei laboratori di robotica in 12.500 scuole indiane: accessibilità attraverso la formazione, non solo l'infrastruttura.
GPT-5.6 disponibile su Amazon Bedrock
I modelli Sol, Terra e Luna arrivano su Bedrock con prezzi pari all'API OpenAI e il motore di inferenza AWS per carichi enterprise.
Hassabis propone un watchdog AI globale guidato dagli USA
Il CEO di DeepMind vuole un'istituzione internazionale con il potere di bloccare i modelli frontier troppo rischiosi, e spera di vederla operativa entro fine anno.
Lobsters migra da MariaDB a SQLite in produzione
Un sito community completa la migrazione a SQLite: CPU e memoria in calo, costi dimezzati, architettura a server singolo che regge il carico reale.
Metacognizione negli LLM: il paper che mappa quando un modello sa di non sapere
Una review sistematica su come i modelli riflettono sulle proprie capacità, con implicazioni concrete per chi li usa in decisioni complesse.
Nadella contro OpenAI e Anthropic: «Addestrano sui dati altrui ma vietano la distillazione»
Il CEO di Microsoft critica i lab AI proprietari che si addestrano su dati pubblici ma vietano agli altri di imparare dai loro modelli, mentre imparano dalle interazioni dei clienti.
New York blocca i data center: prima moratoria statale negli USA
Una pausa di un anno sui permessi per data center sopra i 50 MW, mentre lo stato decide come proteggere residenti e infrastrutture dall'ondata di costruzioni AI.
OpenAI documenta i workflow ChatGPT Work per data science e sales team
Due guide operative mostrano come i team usano ChatGPT Work su compiti reali, con esempi di workflow verificabili.
Nuovo framework di post-training: separare esplorazione e allineamento
Un paper propone di disaccoppiare l'esplorazione (su modello proxy leggero) dall'allineamento (sul modello principale), rendendo il post-training modulare e riusabile.
Reflection AI sigla accordo compute da $1B con Nebius
Una startup di modelli aperti garantisce un miliardo di dollari in risorse di calcolo, segnale su dove vanno gli investimenti infrastrutturali.
Soofi S 30B: modello sovrano tedesco-inglese open source
Un consorzio tedesco rilascia un MoE 30B (3B attivi) Apache, addestrato su cloud Deutsche Telekom con focus su tedesco, che batte i modelli aperti su benchmark bilingui.
Spotify porta un chatbot AI conversazionale per musica, podcast e audiolibri
Una feature Premium beta che trasforma Spotify in un assistente conversazionale: chiedi cosa vuoi ascoltare, affina la selezione parlando, e interroga la tua cronologia d'ascolto.
Superhuman auto-draft: bozze email AI che funzionano davvero
Una feature email AI che secondo il test di TechCrunch produce bozze utilizzabili con poco editing. Caso concreto di AI che potenzia un task quotidiano.
uvx in GitHub Actions cache-friendly
Simon Willison condivide una ricetta tecnica per usare uvx nelle GitHub Actions in modo che rispetti la cache, risparmiando minuti a ogni build.
Waze integra Gemini: comandi vocali naturali e navigazione personalizzata
Google porta Gemini in Waze per comandi vocali conversazionali e suggerimenti di percorso basati sulle tue abitudini. Un caso concreto di AI assistente in un contesto d'uso quotidiano ripetuto.
Anthropic estende ancora Fable: disponibile fino al 19 luglio nei piani Max
Anthropic sposta di nuovo la data di fine disponibilità di Claude Fable 5 nei piani Max, segnale che il modello resta competitivo dopo l'arrivo di GPT-5.6 Sol.
Clawk: VM Linux usa-e-getta per coding agents, non il tuo laptop
Un tool che isola gli agenti di coding in una macchina virtuale separata con rete filtrata, così possono installare e distruggere senza toccare il tuo sistema.
Migrazione di un agente di produzione a GPT-5.6: 2.2x più veloce, 27% più economico
Ploy AI documenta la migrazione del proprio agente da Claude Opus 4.8 a GPT-5.6 Sol con numeri verificabili e le insidie nascoste che hanno dovuto risolvere.
Willison mostra l'impatto degli agenti sul proprio grafico commit GitHub
Simon Willison documenta il salto di produttività su Datasette attraverso i grafici di frequenza commit: il picco finale corrisponde all'arrivo di Opus 4.8 e GPT-5.6 Sol.
Due voci tecniche contro l'hype AI: 'amo gli LLM, odio le promesse vuote'
Il creatore di Zig e George Hotz convergono sulla stessa critica: gli LLM sono utili, l'hype sulla singolarità è vuoto e dannoso.
Agenti AI vincono a Slay the Spire 2 sostituendo i log di chat con memoria strutturata
Un'architettura a cinque livelli di memoria porta gli agenti a vincere dove i modelli frontier fallivano, consumando 90 volte meno token.
Altman cambia posizione: ora 'abbastanza sicuro' che l'AI crei più lavoro di quanto ne tolga
Il CEO di OpenAI inverte la narrativa sul lavoro: da licenziamenti di massa a saldo positivo, in un cambio di framing che dice poco sui numeri reali.
Anthropic: Claude Cowork serve soprattutto per il lavoro noioso che nessuno vuole
L'analisi di 1,2 milioni di sessioni conferma che metà dell'uso va a operazioni amministrative e scrittura, non a creatività o coding.
Voti crollati dal 96% al 48% quando il professore ha vietato l'AI all'esame
Un professore di economia a Brown University ha scoperto una dipendenza da AI quando i voti dell'esame sorvegliato sono crollati rispetto al take-home. Due studi su 26.000 studenti confermano il pattern.
Claude Code ora ha un browser integrato per leggere, cliccare e digitare su siti esterni
Anthropic aggiunge un browser direttamente in Claude Code: l'agente può aprire, leggere e interagire con pagine web esterne, con controlli di sicurezza su ogni azione di scrittura.
Claude Code manda 33k token prima di leggere il prompt, OpenCode ne manda 7k
Un'analisi tecnica mostra che Claude Code consuma 4,7 volte più token di OpenCode prima ancora che arrivi la tua richiesta, con implicazioni su costi e cache.
Clodex: IDE agentico local-first con zero-trust e verifica locale
Un ambiente di sviluppo agentico che esegue tutto in locale, tratta l'output del modello come untrusted input e richiede approvazione esplicita per azioni ad alto impatto.
GPT-5.6 Sol Ultra dimostra una congettura aperta da 50 anni in meno di un'ora
Il modello top di OpenAI ha prodotto una dimostrazione completa della Cycle Double Cover Conjecture usando 64 sottoagenti in parallelo. Un matematico verifica: la prova è elementare e corretta.
Un agente in 100 righe di Lisp
Un'implementazione minimalista che mostra l'anatomia di un agente senza framework, con un solo tool: eval.
Mesh LLM porta l'inferenza AI distribuita su iroh
Un sistema peer-to-peer che aggrega le GPU che hai e le espone come API compatibile OpenAI, senza server centrale.
Mindwalk: replay delle sessioni agente su mappa 3D della codebase
Un tool open source che mostra come gli agenti di coding navigano il codice, disegnando la repository come una mappa notturna dove si vede dove hanno cercato, letto e modificato.
Ollama 0.32.0: interfaccia agente e warning per modelli vecchi
La release candidate introduce un'UI agente e avvisa prima di lanciare modelli agentici datati. Un segnale su come il tooling locale si adatta agli agenti.
sqlite-utils 4.1: il primo dot-release dopo la riscrittura con Claude Fable
Simon Willison spedisce il primo aggiornamento dopo la 4.0 scritta con un agente. Il codice regge in produzione e l'agente trova bug che Willison non aveva visto.
«Smettila di dirmi di chiedere a un LLM»
Una critica all'uso indiscriminato del rimando all'AI: quando deleghi la risposta al modello invece di dare il tuo giudizio.
Terry Tao riporta in vita 25 anni di applets con coding agents moderni
Un matematico di primo piano usa agenti AI per recuperare codice Java del 1999 e costruire nuovi visualizzatori che aveva abbandonato per complessità.
Apple fa causa a OpenAI per furto di segreti commerciali
Apple accusa ex dipendenti passati a OpenAI di aver sottratto informazioni riservate su prodotti non ancora annunciati. La causa coinvolge figure chiave del team hardware.
Claude Code: auto mode diventa default e corregge i bug del terminale
Dopo l'incidente di sicurezza del 5 luglio, Claude Code passa a una nuova architettura: auto mode ora default su tre piattaforme e fix sui bug critici segnalati.
Google minaccia di ritirare Gemini 2.5 Flash e la comunità reagisce
Una petizione pubblica con forte trazione contro la possibile discontinuazione di un modello che molti sviluppatori usano in produzione. La stabilità dei modelli è un problema vero.
GPT-5.6, Grok 4.5, Claude e Muse Spark sullo stesso banco di prova
Quattro app identiche, dodici modelli frontier e open-weight, cinque tentativi ciascuno. Un test reale che mostra dove ogni modello funziona e dove si rompe.
Meta ritira la feature Instagram AI deepfake dopo 48 ore di backlash
Meta lancia una feature che permette di generare immagini AI taggando account pubblici, riceve una reazione durissima e la ritira in due giorni. Caso di studio su consenso esplicito e rischio d'abuso.
Meta entra nella battaglia del coding con Muse Spark 1.1 API a prezzi aggressivi
Meta lancia l'API di Muse Spark 1.1 con prezzi che schiacciano OpenAI e Anthropic, puntando su carichi di lavoro agentici e automazione del codice.
OpenAI chiude Atlas dopo otto mesi e sposta tutto in ChatGPT
Il browser agente Atlas chiude: le funzionalità migrano nell'estensione Chrome e nell'app desktop di ChatGPT. Un segnale su dove vanno gli agenti browser.
OpenAI lancia GPT-5.6 con tre varianti e ChatGPT Work
GPT-5.6 arriva in tre dimensioni (Luna, Terra, Sol) con prezzi da $1 a $5 per milione di token. ChatGPT Work diventa un agente che opera su app e file per progetti lunghi.
Tencent Hy3: 295 miliardi di parametri, licenza Apache
Un modello aperto di dimensioni importanti arriva dalla Cina. Licenza permissiva, context lungo, disponibile per self-hosting.
Il codice pulito aiuta davvero gli agenti (studio controllato)
Uno studio su coppie minime di repository mostra che gli agenti chiudono gli stessi task, ma con codice pulito consumano meno token e riaprono meno file.
GPT-5.6 Sol Ultra arriva in OpenAI Codex
OpenAI porta il nuovo modello Ultra nell'editor di codice. Chi scrive software ogni giorno avrà un assistente più preciso.
The Log is the Agent
Un paper propone di invertire l'architettura degli agenti: il log degli eventi diventa la fonte di verità, il grafo di lavoro una proiezione deterministica.
Zuckerberg ammette: gli agenti vanno più lenti del previsto
Meta conferma che lo sviluppo di agenti AI sta richiedendo più tempo delle aspettative. Un segnale chiaro sui limiti pratici dell'agenticità oggi.
Possibile fuga di sessione tra workspace in Claude Code
Un utente enterprise ha ricevuto output legati a un progetto Minecraft mai richiesto. Serve capire se la cache condivide dati tra account.
Claude Fable 5 torna online dopo settimane di blocco export USA
Il Dipartimento del Commercio USA revoca i controlli export: Anthropic riattiva l'accesso globale a Fable 5 e Mythos 5 dal 1° luglio.
Claude Sonnet 5: agenticità a prezzo medio
Anthropic lancia Sonnet 5 come nuovo default mid-tier: 1M token nativi, capacità agentiche prima riservate a Opus, prezzo promozionale fino a fine agosto.
GLM 5.2 batte Claude nei benchmark di Semgrep sulla cybersecurity
Un modello open-weight cinese supera Claude Opus 4.8 nel rilevamento di vulnerabilità IDOR. I modelli aperti raggiungono le prestazioni frontier su task verticali, a costo più basso.
Il radar si accende
Da oggi il sito ha una sezione che osserva il mondo AI da decine di fonti, seleziona quello che conta e lo verifica prima di pubblicarlo. Ecco come funziona e come leggerla.
Ornith-1.0: il primo modello aperto progettato per essere un agente
DeepReinforce rilascia Ornith-1.0, il primo modello open-weight (MIT) costruito da zero per task di coding agentici complessi. Cambia il panorama degli strumenti self-hosted.
Simon Willison spedisce sqlite-utils 4.0rc2 con Claude Fable per 149 dollari
Un progetto reale, 37 prompt, 34 commit e una release candidate scritta quasi interamente da un agente. Con bug risolti che Willison non aveva visto.