OpenAI costruisce il suo backend Git Pando con Codex, Anthropic presenta FlashProve, Cohere apre Model Vault ai modelli aperti

OpenAI descrive Pando, il backend Git del suo repository monolitico costruito con Codex in dieci settimane, che serve quasi un petabyte (1 Po) di dati al giorno; Claude Code 2.1.317 ora chiede il consenso prima di inviare l’indirizzo e-mail dell’account, e GitHub Copilot arriva in JetBrains Air. Anthropic presenta FlashProve, un prototipo di prove crittografiche di inferenza, OpenAI moltiplica per oltre quattro le ricompense mediane per le vulnerabilità e Cohere apre Model Vault ai modelli aperti di altri fornitori. Google pubblica PLE, un banco di prova di ingegneria in cui nessun agente supera il 50 %, e dal 1° dicembre reindirizzerà le richieste rivolte a Gemini 2.5 Pro e 2.5 Flash verso modelli più recenti.

Agenti di programmazione: OpenAI costruisce Pando con Codex, Claude Code 2.1.317, GitHub Copilot in JetBrains Air

OpenAI sostituisce il backend Git del suo repository monolitico con Pando, costruito con Codex in dieci settimane

2 novembre — OpenAI descrive Pando, il nuovo backend Git che ora supporta tutto lo sviluppo del suo repository monolitico (monorepo), compatibile con il protocollo e il client Git. La causa è Codex: branch, push, merge e fetch si sono moltiplicati, e alla fine del 2025 l’affidabilità del vecchio sistema scendeva talvolta sotto il 90 %. Secondo un grafico del post, i commit integrati nel branch principale nel terzo trimestre 2026 superano del 1 378 % quelli del primo trimestre 2024.

We built Pando, a new Git backend for our monorepo, to handle more pushes and fetches without changing how our engineers and agents use Git. Pando cut push latency by ~80% and now serves nearly a petabyte of Git data a day. We can grow Git capacity alongside agent usage.

🇮🇹 Abbiamo creato Pando, un nuovo backend Git per il nostro repository monolitico, per gestire più push e fetch senza cambiare il modo in cui i nostri ingegneri e i nostri agenti usano Git. Pando ha ridotto la latenza dei push di circa l’80 % e ora serve quasi un petabyte di dati Git al giorno. Possiamo far crescere la capacità di Git di pari passo con l’uso degli agenti. — @OpenAIDevs su X

Per sostenere il carico, Pando rinuncia a una vista coerente di tutti i riferimenti in un dato istante: ogni branch viene aggiornato indipendentemente, e i file pack ricevuti vengono serviti così come sono agli altri client, da cache regionali.

Indicatore misurato da OpenAI	Valore annunciato
Latenza mediana dei push	divisa per quasi cinque (circa -80 %)
Dati Git serviti	quasi un petabyte (1 Po) al giorno
Picco orario	oltre 57 To in un’ora, oltre il 99 % dalla cache
Clonazioni e fetch	collegamenti a 10 Gbit/s saturati su VM standard
Tempo di realizzazione	10 settimane con Codex, in produzione da aprile 2026

Il nucleo è stato progettato da un solo ingegnere e implementato da team di agenti, che hanno anche scritto con GPT-6 Astra codice Lean e TLA+ per formalizzare Pando e scovarvi bug. OpenAI ha contribuito diverse correzioni al progetto Git e afferma di studiare modi per condividere questa tecnologia, senza indicare un prodotto né una data.

🔗 Il post di OpenAI su Pando

Claude Code 2.1.317 chiede il consenso prima di inviare l’e-mail dell’account e aggiunge un report dei costi al gateway Claude apps

3 novembre — Claude Code 2.1.317 viene pubblicata su GitHub alle 01 h 25 UTC, dopo essere arrivata su npm la sera precedente. Delle 87 voci, 62 sono correzioni, ma la versione aggiunge una protezione della privacy: Claude Code ora chiede il consenso prima che una chiamata a uno strumento web o shell invii l’indirizzo e-mail dell’account sulla rete. Nello stesso spirito, /schedule avvisa quando una nuova attività pianificata nel cloud riceve connettori che non sono stati richiesti, e indica come rimuoverli.

Novità della 2.1.317	Cosa cambia
Gateway Claude apps	Report dei costi `GET /v1/organizations/analytics/cost`: spese per sviluppatore, per giorno o per gruppo IdP
SDK Agent	`onFailure: "block"`: un callback di hook che fallisce blocca l’azione invece di lasciarla passare
Sottoagenti e compagni di squadra	Quando usano un modello diverso da quello della conversazione, adottano il livello di sforzo registrato per quel modello
Strumento Read	Rileggere un file invariato restituisce il suo contenuto, anziché una semplice indicazione
OpenTelemetry	Nuovi attributi, tra cui `anthropic.plan` e `anthropic.seat_type`

Tra le correzioni, la modalità auto non si blocca più a ogni turno dietro un gateway LLM che risponde 403 o 422 al suo controllo di sicurezza, Grep e Glob non presentano più risultati parziali come completi quando una ricerca raggiunge il limite di tempo, e claude auth status non rischia più di disconnettere l’utente dopo un aggiornamento lento del token. Su npm, il canale stabile resta sulla 2.1.311.

🔗 Le note di rilascio di Claude Code 2.1.317

GitHub Copilot arriva in JetBrains Air, in locale e con attività cloud sull’abbonamento Copilot

3 novembre — GitHub Copilot diventa uno degli agenti di JetBrains Air, l’ambiente di JetBrains progettato per sviluppare con gli agenti e aperto a qualsiasi agente compatibile con l’Agent Client Protocol (ACP). Lo si sceglie nel selettore degli agenti di Air, con il proprio abbonamento Copilot esistente, per delegargli un’attività, guidarne l’esecuzione e rivedere il risultato accanto al codice; Air segue più sessioni in parallelo. GitHub lo presenta come un’opzione accanto al suo plugin Copilot per JetBrains, non come un sostituto.

Modalità di esecuzione	Requisiti	Conteggio dell’utilizzo
Locale, nell’IDE JetBrains	Air installato nell’IDE, GitHub Copilot selezionato, account Copilot connesso	Abbonamento Copilot esistente
Cloud, tramite Air Teams	Organizzazione business JetBrains con Air Teams, Copilot abilitato dall’amministratore Air	Piano Copilot, senza usare i crediti JetBrains AI

Ogni attività cloud viene eseguita in un container Docker su una macchina virtuale nuova, dietro un proxy attraverso cui passa tutto il traffico, senza conservare lo stato da un’attività all’altra. GitHub elenca anche alcuni limiti: abbonamento e crediti vengono verificati solo all’avvio dell’ambiente cloud, non si può scegliere tra piano personale e piano dell’organizzazione per ogni singola attività, e in Air non è possibile impostare un tetto di spesa Copilot, ma gli amministratori possono soltanto disabilitare Copilot.

🔗 L’annuncio nel GitHub Changelog

Sicurezza: FlashProve in Anthropic, ricompense per le vulnerabilità di OpenAI, CWE-bench v2 e CyberArena

Anthropic presenta FlashProve, un prototipo open source di prove crittografiche di inferenza per i grandi modelli

2 novembre — Il team Frontier Red Team di Anthropic pubblica FlashProve, un prototipo di ricerca di inferenza dimostrabile (provable inference), annunciato su X il 3 novembre: permette di verificare che una risposta provenga effettivamente da un determinato modello. Il fornitore pubblica prima un impegno crittografico (commitment) sui pesi, poi allega a ogni risposta una prova crittografica succinta a conoscenza zero (zkSNARK) che attesta che quei pesi, applicati a quel prompt, producono esattamente quei token. I pesi restano nascosti, ma non l’architettura del modello. Secondo Anthropic, Claude ha prodotto i miglioramenti del sistema e redatto la specifica del protocollo, le cui proprietà di sicurezza sono dimostrate in Lean.

Misura pubblicata (Llama 4 Maverick, pesi a 4 bit)	Valore annunciato
Velocità di generazione delle prove su un solo H100	circa 110 token al secondo
Dimensione di una prova (richiesta di 1 024 token)	circa 19 Mo
Verifica su processore, senza GPU	17 secondi su 24 thread
Sovraccarico rispetto a vLLM, per GPU	circa 72 volte, 94 volte al carico più elevato
VerInf, riferimento precedente su questo modello	14,3 ore per 1 000 token, prova di 93,6 Go

Gli usi citati vanno dal monitoraggio del ritmo di sviluppo da parte di un’autorità di regolamentazione al rilevamento di un server di inferenza compromesso o di un modello sostituito, passando per la provenienza del testo. I limiti sono chiari: contesti di 1 024 token al massimo, prova di una versione completa del modello con decodifica greedy (greedy decoding), nessuna garanzia formale sul codice veloce. Il codice è pubblicato con licenza Apache 2.0, in un repository presentato come non mantenuto.

🔗 Il post di Anthropic su FlashProve · Il repository FlashProve

OpenAI moltiplica per oltre quattro le ricompense mediane del suo bug bounty, fino a 172 000 dollari con i bonus

2 novembre — OpenAI aumenta le ricompense del suo programma per la segnalazione di vulnerabilità (bug bounty), un annuncio ripreso su X il 3 novembre: in media, il valore mediano degli intervalli viene moltiplicato per oltre quattro per le vulnerabilità di gravità media, elevata e critica. Una vulnerabilità critica in ChatGPT, Codex o nella Piattaforma API può fruttare fino a 30 000 dollari, e una scoperta critica eccezionale può ancora ottenere fino a 100 000 dollari di base, ossia fino a 172 000 dollari con i nuovi bonus: moltiplicatore di qualità per una prova di concetto affidabile, fedeltà su cinque livelli e campagne prioritarie sulle funzionalità lanciate di recente.

Esempio di vulnerabilità fornito da OpenAI	Vecchia ricompensa	Nuova ricompensa
Gravità media in ChatGPT: importazione di file senza permesso di scrittura	750 dollari	2 415 dollari
Critica in ChatGPT: acquisizione del controllo dell’account senza clic	6 500 dollari	51 577 dollari
Eccezionale: lettura delle conversazioni di qualsiasi utente	100 000 dollari	171 925 dollari

I nuovi intervalli si applicano alle segnalazioni in attesa, e OpenAI verserà la differenza per le ricompense assegnate nei 30 giorni precedenti l’annuncio. Il team di sicurezza sarà a PROMPT2PWN, a Oakland, il 20 e 21 novembre.

🔗 Il post di OpenAI sulle ricompense per le vulnerabilità

Collinear AI pubblica CWE-bench v2, dove Gemini 4 Argon precede di poco Claude Opus 5.5 su 100 attività pubbliche di correzione delle vulnerabilità

3 novembre — Collinear AI pubblica sul blog di Hugging Face la seconda versione di CWE-bench, che misura la capacità di un agente di trovare e correggere una debolezza di sicurezza in un vero repository open source senza comprometterne le funzionalità. Il set pubblico conta 100 attività che coprono 91 categorie di debolezze (CWE), valutate in modo deterministico e revisionate manualmente; un set riservato resta privato per seguire i progressi su attività che nessun modello ha mai visto.

Modello valutato	Successo pass@1	Successo pass@4	Costo per esecuzione
Gemini 4 Argon	67,8 %	81,0 %	3,92 dollari
Claude Opus 5.5	67,3 %	78,0 %	1,83 dollari
DeepSeek V4.1 Flash (1017)	57,0 %	non indicato	0,04 dollari

Degli 11 modelli valutati, almeno uno risolve 95 attività, ma il primo in classifica fallisce a ogni tentativo sul 19 % del set. Ogni attività è un ambiente Harbor (container Docker, istruzione, verificatore deterministico) avviabile dall’Hub, che può anche servire ad addestrare agenti difensivi tramite RL. Gemini 4 Carbon non figura tra i modelli valutati.

🔗 CWE-bench v2 sul blog di Hugging Face

CyberArena mette a confronto dodici agenti in attacco-difesa in diretta, e GPT-5.6 Sol è in testa grazie alla sua difesa

3 novembre — 2077AI e il centro RDI dell’UC Berkeley pubblicano CyberArena, un banco di prova che sostituisce l’esame di cybersicurezza con uno scontro: due agenti ricevono ciascuno una copia dello stesso servizio vulnerabile e, per tre round, attaccano la copia avversaria mentre correggono la propria. L’arena verifica ogni cattura della bandiera e ogni controllo dello stato del servizio, poi converte gli incontri in una classifica.

Posizione in classifica	Agente valutato	Harness utilizzato	Punteggio in classifica
1	GPT-5.6 Sol	OpenAI Codex	78,6
2	Claude Opus 5	Claude Code	73,8
3	GLM-5.3	OpenCode	68,5
4	Gemini 3.7 Flash	Gemini CLI	67,1
5	Grok 4.6	Grok CLI	65,5

Su 466 incontri validi tra 12 agenti e 40 sfide, la differenza si fa in difesa: i primi due conservano la propria bandiera nell’83 % e nell’81 % dei round, contro il 43–61 % degli altri. Gli errori più frequenti rilevati dall’audit sono la correzione annunciata senza verifica (23 % degli incontri sottoposti ad audit) e la correzione parziale (21 %). La classifica riguarda modelli di generazioni precedenti, senza GPT-6 Sol né Claude Opus 5.5; il codice dell’arena, le sfide e i replay degli incontri sono pubblicati.

🔗 CyberArena sul blog di Hugging Face

Modelli aperti in azienda: Cohere apre Model Vault, Revolut passa a GLM in self-hosting secondo Together AI

Cohere apre Model Vault ai modelli aperti di altri fornitori, da DeepSeek V4.1 Flash a GPT-OSS

3 novembre — Cohere apre Model Vault, la sua piattaforma di inferenza sovrana lanciata a gennaio, ai modelli aperti di altri fornitori. Accanto ai modelli Cohere, le aziende possono eseguirvi DeepSeek V4.1 Flash, presentato da Cohere come il modello aperto più utilizzato su OpenRouter, GLM 5.3 Flash, MiMo V2.6 Pro, Gemma 4, Nemotron di NVIDIA, Hy3 di Tencent e le famiglie GPT-OSS e Phi. Per impostazione predefinita, non vengono conservati né i prompt né le risposte.

Il post distingue due livelli. Model Vault funziona su un’infrastruttura dedicata a un solo cliente, nella regione scelta. Model Vault Encrypted crittografa i dati anche durante l’elaborazione (confidential computing): secondo Cohere, né Cohere né il fornitore cloud vedono ciò che entra nel modello o ne esce. Questo secondo livello non supporta tutti i modelli.

Famiglia di modelli	Model Vault	Model Vault Encrypted
Embed, Rerank, Parse, Transcribe, Translate (Cohere)	Sì	Sì
Gemma, GPT-OSS, Phi	Sì	Sì
Command, DeepSeek, GLM, MiMo, Nemotron, Hy3	Sì	No

Model Vault è disponibile negli Stati Uniti, nell’Unione europea e in Canada; Model Vault Encrypted è disponibile negli Stati Uniti, mentre l’Unione europea e il Canada sono annunciati «a breve». La fatturazione avviene per tipo di GPU, a ore o con un impegno contrattuale, senza prezzi nel post. Cinque giorni dopo un round di serie E che prevedeva una nuova generazione di modelli nell’arco di dodici mesi, Cohere scrive nel suo thread:

Try out world-class models while you wait for our next one

🇮🇹 Provate modelli di punta in attesa del nostro prossimo modello. — @cohere su X

🔗 Il post di Cohere su Model Vault

Revolut avrebbe trasferito circa 2 000 ingegneri su GLM ospitato internamente per programmare, secondo un tweet rilanciato da Together AI

3 novembre — Together AI rilancia un tweet secondo cui Revolut ha reso i modelli aperti la propria scelta predefinita per programmare:

Europe’s largest private company just made open models its default for coding.

🇮🇹 La più grande azienda privata d’Europa ha appena reso i modelli aperti la propria scelta predefinita per programmare. — @togethercompute su X

Il tweet citato, di Guillermo Flor, si basa sulle dichiarazioni di David Abitbol, responsabile delle operazioni IA della neobanca: circa 2 000 ingegneri lavorano ormai con GLM ospitato internamente, mentre Claude Code e Codex passano in un elenco di eccezioni.

Dato riportato dal tweet	Valore annunciato
Ingegneri coinvolti	circa 2 000
Hardware	56 GPU NVIDIA B200
Costo misto	30 cents per milione di tokens, circa un decimo del prezzo di Anthropic e OpenAI
Tempi di ingegneria (lead time)	migliorati del 70 %

Secondo lo stesso tweet, i miglioramenti sono arrivati quando è cessato il razionamento dei token. Together AI afferma di far parte dell’infrastruttura che esegue questi modelli aperti in produzione, senza precisare il proprio ruolo. L’informazione resta di seconda mano: non è stato trovato alcun comunicato di Revolut e la versione di GLM non è indicata.

🔗 Il tweet di Guillermo Flor citato da Together AI

Ingegneria del mondo fisico: GPT-6 Astra progetta hardware, Google pubblica PLE, Antigravity in chimica, NVIDIA nelle città

OpenAI applica GPT-6 Astra e Codex all’ingegneria fisica, con Mazda e Chip Ganassi Racing

3 novembre — OpenAI presenta i propri lavori sull’ingegneria di prodotti fisici: progettazione meccanica, elettronica e simulazione. Nella dimostrazione più significativa, due membri del team hanno progettato con GPT-6 Astra, in meno di una settimana e come progetto secondario, un piccolo dispositivo per parlare con Codex: Astra ne ha progettato l’aspetto, l’involucro, il circuito stampato, l’interfaccia e il firmware, e un subfornitore ne ha realizzato una piccola serie di prototipi in meno di un mese. OpenAI riconosce che sono stati necessari diversi cicli di revisione: il modello non ha sempre tenuto conto dei limiti di produzione, delle tolleranze né dei dettagli di assemblaggio.

Misura pubblicata da OpenAI	Valore annunciato
BenchCAD 2.0, modello interno più recente (senza nome)	0,875 (punteggio medio)
BenchCAD 2.0, GPT-6 Astra al massimo livello di ragionamento	0,594
Utilizzo dei modelli da parte dei team hardware (in tokens)	moltiplicato per 23 da febbraio

BenchCAD 2.0 verifica la ricostruzione di parti e assemblaggi 3D e l’identificazione delle connessioni di un circuito stampato. Sul fronte industriale, OpenAI amplia la collaborazione con la scuderia Chip Ganassi Racing, che trasforma scansioni 3D di parti esistenti in modelli CAO modificabili e disegni di fabbricazione 2D, e annuncia una collaborazione di ricerca con Mazda: GPT-6 Astra aiuta i suoi ingegneri a esplorare forme del muso che riducano la resistenza aerodinamica, con risultati promessi «nei prossimi mesi». Non vengono annunciati prodotti né disponibilità.

🔗 Il post di OpenAI sull’ingegneria del mondo fisico

Google pubblica Physical-Engineering’s Last Exam, un benchmark di ingegneria in cui nessun agente supera il 50 %

3 novembre — Il team Google AI & Infrastructure presenta Physical-Engineering’s Last Exam (PLE), un benchmark affiancato da una competizione aperta, progettato con Mercor per misurare la capacità degli agenti di svolgere veri lavori di ingegneria. I suoi 85 compiti di lunga durata (30 di meccanica, 27 di ingegneria elettrica, 18 di ingegneria civile, 10 di strutture) collocano l’agente in una cartella di progetto containerizzata contenente in media 61 file: PDF, fogli di calcolo, e-mail, disegni CAO 2D, modelli BIM 3D. Un elaborato ottiene punti solo se supera tutte le barriere di sicurezza.

Posizione in classifica	Modello valutato	Harness nativo	Punteggio medio
1	Claude Opus 5.5	Claude Code	48,3 %
2	GPT-6 Astra	Codex	45,8 %
3	Claude Sonnet 5.5	Claude Code	43,5 %
4	Gemini 4 Argon	Antigravity	40,6 %
5	Claude Opus 5	Claude Code	40,0 %

Su 14 modelli testati con sette harness pubblici, nessuno supera il 50 % sul set di test privato. La configurazione migliore rispetta il 91 % dei vincoli considerati singolarmente, ma solo il 41,3 % dei suoi elaborati supera tutti i controlli di sicurezza e fattibilità. Il modello incide molto più dell’harness: fino a 50 punti di differenza tra modelli, contro una differenza mediana di 3 punti tra harness per uno stesso modello. Google pubblica 29 compiti, gli script di valutazione e il container di valutazione, e apre l’invio di soluzioni sul set privato.

🔗 Il post di Google Cloud su PLE · La classifica PLE

Google DeepMind dota Antigravity di Cheminformatics Skills che riducono a un’ora un ciclo di progettazione di farmaci

3 novembre — Google DeepMind presenta delle Cheminformatics Skills per Google Antigravity, che trasformano l’ambiente agentico in un banco di lavoro per chimici. La ripartizione dei ruoli è esplicita: il modello linguistico orchestra il lavoro, naviga nei database e ragiona, mentre strumenti deterministici per la chimica, basati sulla libreria open source RDKit e sui database ChEMBL e PubChem, eseguono i calcoli molecolari.

La dimostrazione riprende un classico della chimica farmaceutica: irrigidire il crizotinib, un inibitore della tirosin-chinasi utilizzato contro alcuni tumori del polmone, per arrivare al lorlatinib, la sua versione ciclizzata. L’agente raccoglie in pochi minuti migliaia di composti dalla letteratura, conduce un’analisi di coppie molecolari appaiate, addestra modelli di previsione della potenza, poi propone nuovi macrocicli con le rispettive vie di sintesi. Secondo DeepMind, questo ciclo, che solitamente richiede diversi giorni, si completa in un’ora. Il post prosegue quello del 15 ottobre sui peptidi antimicrobici e rimanda alla pagina Science di Antigravity, dove Google offre, previa candidatura, un accesso gratuito di sei mesi al suo livello più alto e a Gemini 4 Argon per 10 000 scienziati, senza condizioni di accesso specifiche per queste skills.

🔗 Il post di Google DeepMind

NVIDIA presenta a Barcellona i servizi urbani che i suoi partner realizzano con le sue IA fisica e agentica

3 novembre — In occasione dello Smart City Expo World Congress di Barcellona (dal 3 al 5 novembre), NVIDIA pubblica una panoramica dei servizi urbani che i suoi partner realizzano con i suoi componenti di IA fisica e agentica: modelli aperti Nemotron, modelli del mondo Cosmos, librerie Omniverse e blueprint Metropolis per la ricerca e la sintesi di video.

Partner citato	Luogo dell’implementazione	Dato annunciato
1MillionBot	Spagna	oltre 150 implementazioni di agenti al servizio degli abitanti
ITMAX	Malesia	oltre 17 000 telecamere coperte entro il 2027
ITMAX con TeraSim	Malesia	fino al 26 % di tempo di percorrenza in meno nelle ore di punta
Linker Vision e MVRDV	Taiwan	15 anni di evoluzione di una copertura arborea urbana simulati in 10 minuti

1MillionBot combina i modelli open source ALIA, addestrati al Barcelona Supercomputing Center, con Nemotron; K2K sfrutta a Wrocław le telecamere esistenti, Honeywell dota di agenti Nemotron la raffineria Lekki di Dangote, in Nigeria, e Cires Technologies amplia una fabbrica IA sovrana nel porto di Tanger Med. Non viene annunciato alcun nuovo prodotto NVIDIA: è una vetrina di implementazioni.

🔗 Il post di NVIDIA sulle città

Pubblicazioni aperte: rapporto tecnico di Mistral Large 4, pplx-embed-v2-context, StateBench e FineDNA

Mistral pubblica il rapporto tecnico di Mistral Large 4, che racconta la realizzazione di Le Chonk

3 novembre — Mistral pubblica il rapporto tecnico di Mistral Large 4, il modello soprannominato Le Chonk i cui pesi sono stati pubblicati il 29 ottobre. Messo online su Hugging Face il 2 novembre e poi su alphaXiv, il documento descrive un’architettura multimodale a miscela di esperti (mixture-of-experts) con 52 miliardi di parametri attivi su 1 000 miliardi totali. Dal suo riassunto e dalla sua introduzione emerge soprattutto una scelta architetturale: la riduzione della cache KV, spinta all’estremo durante lo sviluppo per servire il modello a costi inferiori, penalizzava i compiti agentici. Il team ha misurato questa penalizzazione, poi l’ha corretta con una chirurgia del modello (model surgery): passaggio all’attenzione completa, poi all’attenzione sparsa di DeepSeek (DeepSeek Sparse Attention, DSA). Sul fronte dei dati, alcuni agenti scrivono autonomamente ambienti eseguibili, compiti, soluzioni di riferimento e verificatori, mentre altri correggono i compiti non funzionanti proteggendosi dalla manipolazione della ricompensa (reward hacking).

Misura valutata	Valore secondo il rapporto
Legal Agent Benchmark di Harvey (dato inedito)	15 %
Terminal-Bench 4.0	41 %
FrontierCode 2.0	19,7 %
Sicurezza cyber (media di JailbreakBench, StrongREJECT, AgentHarm)	96,6 %
Checkpoint quantizzato in NVFP4	606 Go, servito su quattro GPU GB300

La quantizzazione NVFP4 calibrata eguaglia il riferimento FP8 nelle valutazioni, e i tre livelli di ragionamento (high, medium, low) derivano da una distillazione a partire da più modelli insegnanti con diversi livelli di verbosità.

🔗 Il rapporto tecnico su alphaXiv · L’annuncio di Mistral su X

Perplexity pubblica pplx-embed-v2-context, modelli di embeddings contestuali aperti da 9B e 0.6B

2 novembre — Perplexity pubblica pplx-embed-v2-context, modelli di embeddings contestuali a pesi aperti in due dimensioni, 9B e 0.6B, un mese dopo l’anteprima 9B del 30 settembre. Un embedding contestuale rappresenta un passaggio (chunk) tenendo conto dell’intero documento: ogni modello restituisce un vettore int8 per documento oppure un vettore per passaggio. La novità riguarda l’addestramento: invece di supporre che un solo passaggio di riferimento (gold chunk) risponda alla query, Perplexity distilla punteggi di pertinenza graduati a partire dal modello di compressione del contesto del proprio motore di risposta, così i passaggi a sostegno di una risposta non vengono più considerati esempi negativi.

Misura annunciata da Perplexity	Risultato pubblicato
ConTEB, context-bench e Q2D-Chunk	9B in testa a tutti e tre i benchmark
ViDoRe-V3, documenti visivi	9B davanti a Nemotron-3.5-Embed-8B, con un indice 4 volte più piccolo
ViDoRe-V3 in markdown	0.6B primo tra i modelli sotto 1 miliardo di parametri
Q2D-Chunk, nuovo benchmark pubblico	6 069 query reali, 10 lingue, 71 100 documenti

L’articolo di ricerca, scritto con turbopuffer, è pubblicato su arXiv, e Q2D-Chunk è aperto con una classifica pubblica su Hugging Face. Il 9B vi è pubblicato sotto licenza MIT, mentre la scheda dello 0.6B non riporta alcuna licenza; il thread non menziona né API né tariffe.

🔗 Il thread di @perplexitydevs · L’articolo su arXiv

Ai2 pubblica StateBench, un benchmark che mostra come i modelli di frontiera perdano terreno nel tracciamento dello stato nei documenti lunghi

3 novembre — Ai2 pubblica StateBench, un benchmark dedicato al tracciamento dello stato in contesti lunghi (long-context state tracking): la capacità di un modello di tenere traccia di informazioni che cambiano nel corso di un lungo documento, come una variabile riassegnata nel codice. Quattro livelli di difficoltà, derivati dalla teoria di Krohn–Rhodes, vanno dall’assegnazione immutabile all’assegnazione per riferimento.

Livello di difficoltà	Tipo di assegnazione	Esempio fornito da Ai2
r-trivial	immutabile	`let x = 4`
aperiodico	riassegnazione per valore	`x = 4` poi `x = 2`
risolubile	aggiornamento autoreferenziale	`x = x + 5`
finito generale	assegnazione per riferimento	`x = y`, scambio di variabili

Gemini 3.8 Flash, Claude Opus 5.5, GPT-6 Sol e GPT-6 Luna se la cavano bene nei primi due livelli, ma la loro accuratezza cala con la lunghezza negli ultimi due, fino al 13 % o meno nei problemi finiti generali più lunghi. Addestrati su un massimo di 256 assegnazioni e testati fino a 64 000, modelli da 275M evidenziano le differenze tra le architetture: Gated DeltaNet e i modelli ibridi generalizzano in modo quasi perfetto sui primi tre livelli, mentre i transformer peggiorano e non apprendono mai l’ultimo. Dati e codice sono pubblicati.

🔗 StateBench sul blog di Hugging Face

Hugging Face pubblica FineDNA, i dati di addestramento completi di Carbon-X per insegnare l’ADN a un modello linguistico

1° novembre — Una notizia da recuperare: Hugging Face pubblica FineDNA, l’insieme dei dati utilizzati per addestrare Carbon-X, il suo modello capace di leggere l’ADN, basato su Qwen3-14B e presentato il 22 ottobre. Il dataset, con licenza Apache 2.0, copre le tre fasi dell’addestramento.

Fase di addestramento	Dimensioni del dataset	Punto di partenza
Fase intermedia (mid-training), 23 configurazioni	514,30 miliardi di tokens, di cui 302 miliardi letti	Qwen3-14B
SFT, 8 domini	203 923 conversazioni	Carbon-X-Base
RL	98 433 prompts	Carbon-X-SFT

La fase intermedia dedica il 55 % dell’addestramento all’ADN, il 20 % all’inglese, il 15 % al testo biologico e il 10 % alle istruzioni; le sequenze, provenienti da GENERator e OpenGenome2, vengono suddivise in multipli di sei basi per un tokenizer che legge 6-mers. Secondo Loubna Ben Allal, che ha annunciato il dataset, questa fase condiziona quelle successive: applicato direttamente a Qwen3-14B, il RL resta al livello del caso su FrontierVEP, mentre la stessa ricetta produce progressi sul modello preparato.

🔗 FineDNA sull’Hub di Hugging Face · L’annuncio di Loubna Ben Allal su X

L’API Gemini depreca Gemini 2.5 Pro e 2.5 Flash e reindirizzerà le loro richieste verso Gemini 3.8 Flash e 3.5 Flash-Lite il 1° dicembre

2 novembre — Google inserisce nelle note di rilascio dell’API Gemini la deprecazione di Gemini 2.5 Pro e Gemini 2.5 Flash, usciti a giugno 2025. I due modelli non sono più disponibili in Google AI Studio e l’accesso tramite API è riservato agli utenti che li hanno già utilizzati. Il 1° dicembre 2026, anziché restituire un errore, l’API reindirizzerà automaticamente le richieste: quelle indirizzate a gemini-2.5-pro passeranno a Gemini 3.8 Flash, quelle indirizzate a gemini-2.5-flash a Gemini 3.5 Flash-Lite, con addebiti alle tariffe dei nuovi modelli.

Modello interessato	Prezzo in ingresso (per milione di tokens)	Prezzo in uscita (per milione di tokens)
gemini-2.5-pro (prompts ≤ 200 000 tokens)	1,25 dollari	10 dollari
gemini-3.8-flash fino al 31 dicembre 2026	0,75 dollari	3,75 dollari
gemini-3.8-flash dal 1° gennaio 2027	1,50 dollari	7,50 dollari
gemini-2.5-flash	0,30 dollari (1 dollaro per l’audio)	2,50 dollari
gemini-3.5-flash-lite	0,30 dollari, audio incluso	2,50 dollari

Google consiglia di cambiare l’identificativo prima di questa data, perché la migrazione comporta modifiche incompatibili: validazione delle chiamate di funzione e di thought_signature, thinking_level al posto di thinking_budget, rimozione dei parametri di campionamento e fine del supporto ai turni del modello precompilati.

🔗 Le note di rilascio dell’API Gemini · La pagina delle deprecazioni

Plugin e integrazioni degli assistenti: Perplexity Computer adotta Agent Plugins e arriva in una versione per l’e-commerce, Synthesia illustra il suo plugin ChatGPT

Perplexity Computer adotta lo standard aperto Agent Plugins per le sue connessioni e le sue skills

3 novembre — Perplexity Computer supporta Agent Plugins, un formato che riunisce nello stesso pacchetto connessioni ad applicazioni e skills. Si può consultare il catalogo di Computer, suddiviso in almeno 13 categorie (da Produttività e collaborazione a Dati e analisi, con ad esempio HubSpot, IBISWorld o DoorDash Drive), oppure importare i propri plugin da GitHub o da un file .zip. Secondo @AskPerplexity, i plugin sono attivi in Computer e in fase di distribuzione per gli account Enterprise.

Agent Plugins è uno standard aperto, indipendente dai fornitori, presentato il 6 agosto. La specifica 1.0.0 definisce un formato comune per le Agent Skills e i server MCP: manifest plugin.json obbligatorio, cartella skills/, file mcp.json. Il tweet di Perplexity cita maintainer di Amazon, Cursor, GitHub, OpenAI e Vercel; il sito dello standard nomina Microsoft al posto di GitHub nel suo comitato direttivo iniziale. La pagina dei client compatibili elenca Perplexity Computer accanto a GitHub Copilot, VS Code, Cursor, Kiro e ChatGPT & Codex. Per Computer, è il proseguimento dello Skills Marketplace di settembre; né un articolo né un changelog accompagnano l’annuncio.

🔗 L’annuncio di @AskPerplexity · Lo standard Agent Plugins

Perplexity lancia Computer for e-commerce, che collega Shopify, le pubblicità Meta e Klaviyo

3 novembre — Perplexity presenta Computer for e-commerce, che mette il suo agente Computer al servizio dei marchi online: si collega a Shopify per i dati del negozio e le landing page, a Meta per la pubblicità e a Klaviyo per l’e-mail marketing, applicando le linee guida grafiche e il tono che il marchio ha registrato nelle skills.

Servizio collegato	Ruolo di Computer
Shopify	Analisi delle vendite, consigli sui prodotti, landing page
Meta	Pubblicità statiche, varianti di video di successo, impostazione della campagna
Klaviyo	Pubblico ricavato dai dati dei clienti, testo, programmazione o invio dopo la revisione

L’azienda stabilisce gli obiettivi, i budget e i passaggi da approvare (pubblicazione delle pagine, invio delle e-mail, spese pubblicitarie). L’esempio fornito da Perplexity: una collezione estiva con il 15 % di sconto, una campagna Meta di due settimane con un limite di 1 000 dollari e una campagna Klaviyo per i clienti esistenti, il tutto mostrato prima del lancio. Shopify figurava già tra le oltre 400 integrazioni di Computer; Perplexity offre assistenza nella configurazione dei flussi ricorrenti, senza specificare prezzi o piani.

🔗 L’articolo di Perplexity su Computer for e-commerce

Synthesia illustra il suo plugin ChatGPT, disponibile in tutti i suoi piani

3 novembre — Dopo l’annuncio fatto il giorno prima su X, senza un articolo dedicato, Synthesia illustra il suo plugin in un articolo di Dan Spooner, product manager responsabile dei workflow. Il plugin è disponibile in ChatGPT per tutti i piani Synthesia e si può iniziare gratuitamente: si attiva dal menu Plugins di ChatGPT ed è possibile creare un account gratuito durante la procedura. L’utente descrive il video desiderato oppure fornisce un documento, una presentazione o un foglio di calcolo; ChatGPT pone alcune domande (stile visivo, durata), poi Synthesia crea il video nella conversazione.

Per impostazione predefinita, i video vengono prodotti con Syren, presentato come il formato più rapido; l’istruzione «crealo in Studio» fa passare a Synthesia Studio quando servono un testo pronunciato parola per parola da un avatar, un kit del marchio o un modello. Il plugin cerca anche nella libreria video e si combina con gli altri plugin collegati a ChatGPT per workflow occasionali o pianificati, ad esempio un riepilogo di 60 secondi di una chiamata Zoom o un video di benvenuto quotidiano a partire da BambooHR. L’articolo cita soltanto ChatGPT, non Claude, e non specifica né prezzi né consumo di crediti.

🔗 L’articolo di Synthesia

Google lancia Guided Learning in Google Classroom, lo testa nella ricerca e disattiverà per impostazione predefinita Gemini per gli studenti K-12

3 novembre — Google riunisce i suoi annunci per l’istruzione attorno a Guided Learning, la modalità di studio di Gemini che guida lo studente con domande e spiegazioni passo dopo passo anziché fornirgli la risposta. Secondo l’articolo principale, è disponibile da subito in Google Classroom, in tutto il mondo: l’insegnante assegna un’attività basata sui propri materiali didattici e vede in tempo reale dove la classe ha bisogno di aiuto. La ricerca Google integrerà queste funzioni per gli account degli studenti, con un progetto pilota in una selezione di scuole statunitensi più avanti a novembre.

Il cambiamento più incisivo riguarda i controlli: Gemini, Gemini Notebook, Gemini in Classroom e la ricerca Google saranno completamente disattivati per gli account degli studenti dalla scuola dell’infanzia alle superiori (K-12) finché l’amministratore dell’istituto non li avrà attivati. Non viene indicata alcuna data: Google condividerà i dettagli con le scuole nei prossimi mesi.

Misura riportata da Google	Valore pubblicato
Studio randomizzato all’Università di Tokyo	oltre 300 studenti, mezza giornata di studio
Miglioramento con i soli strumenti web	+5,3 punti percentuali
Miglioramento con Guided Learning	+8,1 punti, con progressi 1,5 volte maggiori
Finanziamento di Google.org	oltre 9,5 milioni di dollari per cinque organizzazioni

🔗 L’articolo di Google sull’IA e l’apprendimento · Lo studio su Guided Learning

Strumenti Hugging Face: MOPD in TRL e Model Integration Contracts per Transformers

TRL supporta MOPD, la distillazione con più insegnanti che fonde esperti RL in un unico modello

3 novembre — TRL, la libreria di post-addestramento di Hugging Face, supporta la distillazione on-policy con più insegnanti (Multi-Teacher On-Policy Distillation, MOPD), una tecnica denominata da Xiaomi a gennaio per MiMo-V2-Flash e da allora utilizzata da DeepSeek, Moonshot, NVIDIA, Liquid AI e Mistral, secondo l’articolo di Sergio Paniego. Dopo un SFT comune, ogni dominio (matematica, codice, rispetto delle istruzioni) riceve il proprio esperto addestrato tramite RL; un modello studente risponde poi ai prompts di tutti i domini e l’esperto pertinente valuta la sua risposta token per token.

In TRL, è AsyncDistillationTrainer, ancora sperimentale, a instradare ogni prompt verso il suo insegnante; la versione sincrona è in lavorazione (PR 7215) e MOPD non compare ancora nelle note di TRL v1.17. L’esempio riprende gli esperti di Open-MOPD basati su SmolLM3-3B e viene eseguito su una sola macchina con quattro H200 tramite Hugging Face Jobs. L’articolo segnala un’insidia: il rispetto delle istruzioni può rappresentare il 20 % dei prompts ma soltanto dall’1 al 2 % dei tokens, per cui lo studente impara pochissimo da questo insegnante.

🔗 MOPD in TRL, sul blog di Hugging Face

Hugging Face propone i Model Integration Contracts per rilevare su CPU le regressioni di Transformers prima del merge

3 novembre — In un articolo di Tarek Ziadé, Hugging Face propone i Model Integration Contracts (MIC), per testare i modelli di Transformers su un semplice processore prima che una modifica raggiunga il ramo principale. Il punto di partenza: il 30 luglio, l’attivazione dell’attention SDPA per T5 ha permesso al decoder di UMT5 di vedere i tokens futuri durante l’addestramento, un bug rimasto quasi due mesi nel ramo principale. Ripercorrendo cinque mesi di commit, un piccolo UMT5 da 66 Mo, contro i 1 227 Mo del checkpoint effettivo, lo rileva a ogni commit.

Un contratto associa un modello ridotto che conserva tutti i tipi di layer dell’originale, un esempio d’uso eseguibile e valori di riferimento verificati da una persona; Llama 4 Scout passa così da 108,6 miliardi a 44,7 milioni di parametri. Lo strumento da riga di comando tmic fa redigere il contratto a un LLM, per poi farlo convalidare da una persona. I pesi contano: su Whisper, pesi casuali individuano 18 dei 24 errori introdotti, contro 24 su 24 per pesi sovraaddestrati. Al 1° novembre, il job della CI di Transformers segnala i test falliti senza ancora bloccare le PR.

🔗 L’articolo di Hugging Face sui Model Integration Contracts

In breve

Agenti e strumenti per il codice

Riepilogo di ottobre di Claude Code — Il thread di @ClaudeDevs rivela una variabile assente dalle note di rilascio: CLAUDE_CODE_EVEN_MORE_DANGEROUSLY_SKIP_PERMISSIONS=1 consente di eseguire senza conferma quei pochi comandi rm rischiosi per i quali la modalità bypass permissions chiedeva ancora conferma, da usare solo in un container usa e getta (Claude Code 2.1.311 o successivo). Le sessioni cloud si preparano anche durante la digitazione e accettano un commento su una riga del diff. 🔗 fonte
Copilot CLI da 1.0.106-4 a 1.0.106-6 — Tre versioni preliminari in una notte: /settings diventa una dashboard unificata con ricerca globale, i contenuti MCP riservati all’utente non vengono più inviati al modello e 67 correzioni neutralizzano, tra l’altro, nuove sequenze di escape. L’ultima versione stabile resta la 1.0.105. 🔗 fonte
Gemini CLI — La nightly del 3 novembre pubblica finalmente la correzione dei download Whisper interrotti, integrata il giorno prima, e una nuova PR integrata su main rende sicuro il download delle estensioni: spostamento atomico del file temporaneo, protezione contro SSRF e DNS rebinding, GITHUB_TOKEN riservato a github.com. Le versioni stable e preview restano invariate. 🔗 fonte
Gemini API CLI v0.4.5 — Recupero del 30 ottobre: la trascrizione passa per impostazione predefinita a Gemini 3.5 Transcribe, con un parametro di ingrandimento video e la ripresa delle attività lunghe tramite token di continuazione; il 2 novembre Google ha aggiunto uno skill gemini-api-cli al suo repository ufficiale gemini-skills. 🔗 fonte
DeepSeek Harness 0.2.2-alpha.3 — 36ª versione preliminare senza una versione stabile: una funzione sperimentale riunisce revisione del codice e worktree Git (diff locali e delle PR, codice citato all’agente, monitoraggio delle verifiche), e arriva uno strumento apply_patch disattivato per impostazione predefinita. 🔗 fonte
Artifacts di Amp — Documenti collegati al thread (piano, rapporto, note delle chiamate) che l’agente, l’utente e i suoi colleghi modificano insieme; l’agente legge le modifiche prima di riprendere, evitando di sovrascriverle. 🔗 fonte
Service Accounts di Amp — Account di proprietà dello spazio di lavoro, con le proprie chiavi API, per le automazioni del team: revisione di ogni pull request, documentazione o job di CI che apre un thread tramite amp -ox. Nessun prezzo indicato. 🔗 fonte
Replit Agent in Slack — Già citato il 27 ottobre, Replit Agent arriva ufficialmente in Slack: lo si menziona in un canale o in un messaggio diretto per interrogare la base di codice, lavorare su un progetto esistente o avviarne uno; ogni collega collega il proprio account e l’agente agisce con i suoi permessi. 🔗 fonte
Note di rilascio di Devin — Quelle del 2 novembre alzano da 500 a 1 000 repository il limite di una scansione del codice e aggiungono scansioni automatiche pianificate; quelle del 30 ottobre, rimaste fuori dal monitoraggio, introducono budget gerarchici, SSO OIDC o SAML in self-service e l’importazione delle segnalazioni di SonarQube, Linear e Vanta. 🔗 2 novembre · 🔗 30 ottobre
Harness per agenti di IBM Research — Con lo stesso modello aperto GLM-5.3-flash su 90 attività AppWorld, CUGA, l’harness open source di IBM, completa con successo l’81,1 % delle attività, contro il 46,7 % di Hermes e il 30,0 % di Deep Agents; IBM riconosce i limiti dell’esercizio (un solo benchmark, configurazioni diverse). 🔗 fonte
Kimi Work 3.2.24 — I file Markdown nell’anteprima supportano le proprietà delle note, le impostazioni di rete seguono il proxy di sistema e la diagnostica di rete si apre offline; la 3.2.23 del 30 ottobre apriva già le anteprime HTML in una scheda del browser. 🔗 fonte

Piattaforme di sviluppo e API

Server MCP di GitHub 2.1.0 — Due strumenti sperimentali, issue_artifact_read e issue_artifact_write, consentono agli agenti di leggere e gestire gli artefatti collegati alle issue; restano disattivati per impostazione predefinita, anche in modalità Insiders, e si attivano tramite il flag issue_artifacts. 🔗 fonte
Dependabot e Agent Package Manager — Gli aggiornamenti di versione di Dependabot coprono ora gli skill, i prompt e le istruzioni degli agenti dichiarati in apm.yml, con rigenerazione di apm.lock.yaml; nessun aggiornamento di sicurezza. Disponibile su github.com per tutti i piani. 🔗 fonte
Python 3.15 in CodeQL e Dependabot — CodeQL 2.27.3 supporta la sintassi di Python 3.15 e aggiunge un modello di minaccia « ai », da attivare esplicitamente e senza sorgenti integrate, per i dati prodotti da un LLM; anche Dependabot segue i progetti passati a Python 3.15. 🔗 CodeQL 2.27.3 · 🔗 Dependabot
GitHub Desktop — Dopo GitHub CLI il 21 ottobre, GitHub Desktop 3.6.10 e successivi passano a token di autenticazione di breve durata, rinnovati automaticamente, per ridurre il periodo durante il quale un token divulgato resta sfruttabile; distribuzione graduale, senza GitHub Enterprise Server. 🔗 fonte
Centri di costo nell’API REST di GitHub — Un nuovo endpoint trova direttamente il centro di costo di un utente, di un’organizzazione, di un repository o di un team aziendale, evitando di scorrere tutti i centri. 🔗 fonte
SDK di OpenAI — openai-python 3.44.0 e openai-node 7.49.0 aggiungono i provider di identità dei workload e le regole di federazione, dopo versioni che estendono gli strumenti di delega di Live Responses; il changelog dell’API non ne parla ancora. 🔗 fonte
Claude, emittente attendibile — Nei piani Team ed Enterprise, quando il provider di identità non supporta l’autenticazione gestita dall’azienda, Claude può fare da garante per ciascun membro per connettere automaticamente i plugin; in beta con 14 plugin, tra cui Atlassian, Figma, Linear e Notion. 🔗 fonte
Filigrana testuale di Claude — Dopo Claude Fable 5.1 e Claude Mythos 5.1, la filigrana testuale di Anthropic copre Claude Mythos 5, Claude Opus 4.7 e Claude Sonnet 4.6, senza token né caratteri nascosti; su Sonnet 4.6, modificare temperature, top_p o top_k può impedirne l’applicazione. 🔗 fonte

Sicurezza

Agenti cloud isolati in Replit — In un avviso di sicurezza ripreso da Replit, il suo CTO Luis Héctor Chávez chiede di rendere gli agenti cloud gestiti e isolati la norma, con credenziali, rete e produzione fuori dalla portata dell’agente; secondo un’indagine di Salt Security citata, l’86,4 % degli intervistati ha un agente in servizio, ma solo il 17,5 % sa arrestarlo automaticamente. 🔗 fonte
Guida alla sicurezza di Cognition — Jack Cable, cofondatore di Corridor, riepiloga gli incidenti di ottobre (6,34 miliardi di dollari rubati a Binance, estensione Claude Code malevola in Cursor) e raccomanda una MFA resistente al phishing, la rimozione dei segreti dalle postazioni, agenti di codice cloud e un’età minima di 7 giorni per i pacchetti npm o PyPI. 🔗 fonte
Sprint di sicurezza di OpenAI — Nello stesso thread dell’aumento dei premi, OpenAI annuncia, senza una data, il suo prossimo sprint di sicurezza interno con i ricercatori di Cathedral, che useranno i suoi modelli per mettere alla prova le sue difese; il precedente aveva coinvolto il 25 % dei suoi ingegneri di prodotto. 🔗 fonte
Cisco e Daybreak — Cisco incrocia la propria telemetria di rete con Daybreak e GPT-6 Astra per trovare e correggere più rapidamente le vulnerabilità, ed esplora con OpenAI un triage più rapido dell’esposizione in Cisco Cloud Control; caso di studio senza dati numerici. 🔗 fonte

Google: Workspace, Cloud e ricerca

Gemini in Google Slides — Recupero del 30 ottobre: Gemini modifica più diapositive o un’intera presentazione con una sola richiesta (stili, contenuti ricavati da Drive, fusione di diapositive), solo in inglese, con limiti d’uso promozionali almeno fino al 1º dicembre. 🔗 fonte
Avatar di Google Vids — Annunciata il 2 novembre, la creazione di un avatar a partire da un’immagine importata viene sospesa già il giorno successivo, senza una nuova data. 🔗 fonte
Limiti di spesa di Google Cloud — Recupero del 31 ottobre: i limiti di spesa passano alla disponibilità generale, con un’API e un azzeramento mensile; per i servizi di IA, scattano in pochi minuti sulla base dei costi stimati in tempo reale, senza mai interrompere il throughput provisionato. 🔗 fonte
Google a Singapore — Google apre un polo di ricerca a Singapore e stanzia oltre 6 milioni di dollari in sovvenzioni con la NUS e la NTU, di cui 1,5 milioni per la ricerca sulla malattia di Alzheimer, più 3 milioni da Google.org e Google DeepMind per il Thrive Lab dell’INSEAD. 🔗 fonte

Modelli aperti e articoli della community

Mistral Large 4 su Open Math OS — Mistral annuncia l’arrivo di Large 4 (1,05T di pesi aperti, contesto di 1M) nello spazio di ricerca matematica di SAIR, operativo « da oggi » per i team approvati, mentre SAIR lo dichiarava disponibile già dal 27 ottobre. 🔗 fonte
Orbital Trace — Nuova dimostrazione di Mistral: secondo il produttore, Large 4 ha costruito, testato e ottimizzato un sistema di tracciamento 3D in tempo reale di circa 19 000 satelliti e detriti in orbita; il risultato viene mostrato solo in video, senza link né codice. 🔗 fonte
Olmo 3 in Nextcloud — Nextcloud, usato tra gli altri dal governo federale tedesco e dal CSIC spagnolo, distribuisce Olmo 3 7B con llm2, il suo backend locale per Assistant e Mail, e gli assegna il giudizio verde nella propria valutazione di IA etica; il 7B evita di richiedere 16 o 32 Go di VRAM. 🔗 fonte
Dolci-Think-SFT-Clean-v2 — Ai2 pubblica senza annuncio una versione filtrata dei dati di post-training con ragionamento del suo modello 32B: 203 303 righe rimosse su 2 253 684 (15,6 % dei token), tra cui 148 210 problemi di matematica giudicati contraddittori da Kimi K3; licenza ODC-BY. 🔗 fonte
Palette di IBM Research — Un modello aperto da 20B, affinato tramite LoRA come « designer » e come « programmatore », crea presentazioni conformi all’identità visiva di IBM; su PresentBench arriva secondo in media, a 1,1 punti da NotebookLM (59,7 contro 60,8). Non è indicato il modello di base e non risultano pesi pubblicati. 🔗 fonte
Claude Opus e i loop dell’OCR — Daniel van Strien ha fatto modificare da Claude Opus lo 0,0085 % dei pesi di un piccolo modello di OCR, senza training, in meno di 3 ore e per circa 10 dollari di calcolo: su 2 165 pagine antiche, i loop incontrollati passano da 3 a 1 e gli errori del volume del 1881 diminuiscono del 38 %. 🔗 fonte
Qwenguard — In un articolo della community, João Galego trasforma un processore RISC-V compilato in layer a monte di Qwen3.5-4B in un guardrail che rifiuta le chiamate a strumenti fuori elenco: nei suoi test non è passata alcuna chiamata vietata e nessuna richiesta ordinaria è stata bloccata, ma il dispositivo rende visibile la manomissione senza impedirla. 🔗 fonte

Immagini, video, voce

ElevenAgents presso Angle Health — In un progetto pilota in otto lingue, 24 h/24 e con garanzie HIPAA, gli agenti di ElevenLabs hanno gestito circa l’80 % delle chiamate degli operatori sanitari, di cui oltre il 90 % risolte senza trasferimento, e hanno fatto risparmiare quasi 9 000 minuti al giorno. 🔗 fonte
SFX v3 per gli sviluppatori — L’articolo di ElevenLabs per gli sviluppatori descrive la chiamata di eleven_text_to_sound_v3 nell’API Sound Effects: prompt_influence a 0,3 per impostazione predefinita, durata libera salvo duration_seconds e loop ancora riservato alla v2; ElevenLabs parla di un aggiornamento incrementale. 🔗 fonte
HeyGen Voice e Grok Bot — Secondo il solo HeyGen, le telefonate effettuate da Grok Bot, l’agente di SpaceXSI, usano HeyGen Voice per parlare con una voce simile a quella dell’utente; non sono specificati né un articolo, né un modello, né la disponibilità. 🔗 fonte
HeyGen Insiders — Un programma che paga i creator con almeno 1 000 follower per le visualizzazioni di video brevi pubblicati in occasione dei lanci di HeyGen, a partire da 20 000 visualizzazioni in 7 giorni, secondo un tariffario adeguato all’engagement che non viene pubblicato. 🔗 fonte
Expression Sheet di Luma — Una tavola con sei espressioni facciali di un personaggio, creata a partire da immagini, con tre set di espressioni e una regolazione dell’intensità; nessun articolo né prezzo. 🔗 fonte
FLUX 3 Image Klein — Black Forest Labs annuncia oltre un milione di download per il suo modello progettato per l’editing preciso, senza specificare il periodo né la piattaforma. 🔗 fonte

Calcolo e infrastruttura di NVIDIA

Fabbriche di semiconduttori — NVIDIA elenca i miglioramenti dei suoi partner: cuLitho fino a 17 volte più veloce in Siemens Calibre, ACE+ di Applied Materials fino a 35 volte con PhysicsNeMo, plasma di Lam Research previsto in millisecondi anziché in giorni; nessun nuovo prodotto. 🔗 fonte
Dynamo su Kubernetes — Recupero del 30 ottobre, rilanciato prima di KubeCon: AI Cluster Runtime include il chart dynamo-platform 1.4.2 in ricette con versioni fissate e verificate, e Dynamo 1.5 introdurrà un selettore di endpoint nativo in Rust. 🔗 fonte

Aziende, community e guide

Heimstaden — Il gestore immobiliare europeo riduce il costo di un’immagine con allestimento virtuale da circa 50 euro a meno di 0,10 euro nei Paesi Bassi, e un’analista senza esperienza di sviluppo ha valutato con Codex i rischi ambientali di 20 112 asset. 🔗 fonte
Due assunzioni in OpenAI — Jill Hazelbaker, proveniente da Uber, diventa Chief Corporate Affairs Officer per dirigere la comunicazione globale, e Dan Driscoll, ex segretario dell’Esercito degli Stati Uniti, diventa consigliere principale per la modernizzazione della sicurezza nazionale, una posizione appena creata. 🔗 Jill Hazelbaker · 🔗 Dan Driscoll
Arnis e GitHub Copilot — Il GitHub Blog racconta come Louis Erbkamm, unico maintainer di Arnis (quasi 900 000 download, circa 70 contributor), smista issue e bug con Copilot e avvia subagenti dell’app GitHub Copilot per individuare le regressioni. Testimonianza, senza novità di prodotto. 🔗 fonte
Game Off 2026 — Recupero del 1º novembre: la 14ª game jam di GitHub, sul tema SHIFT, consente lo sviluppo assistito dall’IA, con ogni partecipante che dichiara il proprio uso dell’IA al momento dell’invio, fino al 1º dicembre su itch.io. 🔗 fonte
Guida agli agenti autonomi di Perplexity — Cinque livelli di autonomia, quattro capacità e sette buone pratiche, con i dati di uno studio di Harvard e Perplexity: il 57 % delle richieste agentiche riguarda la produttività e l’apprendimento. Nessuna novità di prodotto. 🔗 fonte

Cosa significa

Pando mostra le due facce degli agenti di coding in OpenAI: sono loro ad aver fatto esplodere il carico, con il 1 378 % di commit in più sul branch principale rispetto all’inizio del 2024, e sono loro ad aver costruito la risposta in dieci settimane, partendo da un nucleo progettato da un solo ingegnere. Il vantaggio non deriva da un nuovo protocollo, ma da una rinuncia consapevole: quella a una vista coerente di tutti i branch in un dato istante. Sul fronte degli strumenti, è il momento dei controlli: Claude Code chiede il consenso prima di inviare l’indirizzo e-mail dell’account e quantifica le spese per sviluppatore, mentre Copilot arriva in JetBrains Air senza un tetto di spesa regolabile in Air.

La sicurezza si misura sempre più attraverso le prove anziché le dichiarazioni. FlashProve consente di verificare che una risposta provenga effettivamente da un determinato modello, al prezzo di un costo aggiuntivo di circa 72 volte e di contesti limitati a 1 024 tokens: un prototipo, ancora lontano da un servizio. CyberArena e CWE-bench v2 vanno nella stessa direzione sul fronte degli agenti: a distinguere i migliori sono la difesa e la correzione che regge, mentre la correzione annunciata senza verifica resta l’errore più frequente (23 % degli incontri sottoposti ad audit). OpenAI, da parte sua, paga ora fino a 172 000 dollari per la segnalazione di una vulnerabilità eccezionale di ChatGPT, Codex o della sua API.

I modelli aperti entrano nelle aziende attraverso due porte. Cohere li ospita in un perimetro controllato, arrivando alla cifratura durante l’elaborazione per Gemma, GPT-OSS e Phi, mentre Revolut, secondo il tweet rilanciato da Together AI, esegue GLM sulle proprie GPU per circa un decimo del prezzo pagato ad Anthropic e OpenAI: un dato di seconda mano, che mostra però cosa confrontano ormai le aziende. Anche i fornitori di modelli chiusi si muovono: reindirizzando Gemini 2.5 Pro verso Gemini 3.8 Flash, Google abbassa il prezzo per token fino alla fine di dicembre, prima del raddoppio della tariffa di 3.8 Flash il 1° gennaio. Il rapporto su Mistral Large 4 mostra il compromesso inverso: la riduzione della cache KV, spinta per rendere meno costosa l’erogazione del modello, penalizzava le attività agentiche ed è stato necessario correggerla.

Il mondo fisico resta il terreno in cui dimostrazioni e misurazioni divergono maggiormente. OpenAI mostra un dispositivo progettato in meno di una settimana con GPT-6 Astra, ma riconosce la necessità di cicli di revisione per tenere conto delle tolleranze e della fabbricazione; lo stesso giorno, su PLE nessun agente supera il 50 % su veri dossier di ingegneria, e solo il 41,3 % degli elaborati della configurazione migliore supera tutti i controlli di sicurezza. La risposta che si delinea è ibrida: in Google DeepMind, il modello orchestra e gli strumenti chimici deterministici calcolano. StateBench ricorda infine che seguire un documento lungo resta difficile: sui problemi più difficili, i modelli di frontiera scendono al 13 % o meno.