Warp lancia il suo Agent CLI, GitHub ritira Spark, FLUX 3 Video disponibile: gli annunci del 4 agosto

Il 4 agosto 2026 è segnato da sei annunci importanti: Warp separa il suo agente di codice in un CLI autonomo, GitHub programma il ritiro di Spark a favore di Copilot, OpenAI dettaglia la ricostruzione completa dello stack vocale di ChatGPT, Black Forest Labs lancia FLUX 3 Video, NVIDIA pubblica il suo modello aperto Alpamayo 2 Super per i veicoli autonomi, e Mistral svela Shieldstral, il suo classificatore di sicurezza in pesi aperti. Attorno a queste uscite, Cursor, Amp, DeepSeek, Liquid AI, Google, GitHub Copilot, Pika e l’Open Secure AI Alliance moltiplicano gli aggiornamenti.

Warp lancia l’Agent CLI, un agente di codice autonomo per qualsiasi terminale

4 agosto — Warp separa il suo agente di codice dal terminale Warp e lo propone come CLI autonomo, installabile in qualsiasi emulatore: Ghostty, iTerm 2, VS Code, o i terminali nativi Windows, Mac e Linux. L’architettura si basa su uno strato di multiplexing delle connessioni PTY tra l’agente e la shell, paragonabile a tmux, che consente sessioni persistenti in cui si può cambiare directory (cd) senza perdere il contesto dell’agente, un controllo remoto senza installare binari sulla macchina di destinazione, e il controllo di applicazioni interattive a schermo intero come vim, sqlite, un REPL Python o htop.

Sul fronte delle funzionalità, l’agente distingue automaticamente un comando shell da un prompt in linguaggio naturale, completa argomenti e flag, e instrada il compito verso modelli diversi in base alla complessità — modelli di frontiera come modelli in pesi aperti, con router personalizzabili via YAML. Gestisce anche l’orchestrazione multi-agente e il passaggio al cloud.

Ambiente supportato	Dettaglio
Terminali compatibili	Ghostty, iTerm 2, VS Code, terminali nativi Windows/Mac/Linux
Abbonamento mensile	18 $/mese, 20 $ di credito di inferenza inclusi
Crediti pay-as-you-go	a partire da 10 $
Altre opzioni	chiave API compatibile OpenAI, oppure abbonamento SuperGrok

Questo lancio posiziona Warp di fronte agli agent CLI concorrenti (Codex CLI, Claude Code, Gemini CLI) puntando sull’integrazione profonda della shell e sull’orchestrazione cloud piuttosto che su una semplice interfaccia del modello.

🔗 Blog Warp — Introducing the Warp Agent CLI

GitHub Spark non accetta più nuovi utenti, ritiro programmato

4 agosto — GitHub ritira progressivamente Spark, la sua piattaforma di creazione di applicazioni in linguaggio naturale lanciata con un motore di inferenza dedicato (llm()). Dal 4 agosto, la creazione di nuovi account e di nuove applicazioni è chiusa.

Tappa del ritiro	Data
Fine dei nuovi account e delle nuove app	4 agosto 2026
Scadenza per esportare il codice	31 agosto 2026
Ritiro di GitHub Models (motore `llm()`)	30 luglio 2026 (già effettivo)

Gli utenti esistenti hanno tempo fino al 31 agosto per esportare il codice delle loro applicazioni, tramite il menu del workbench Spark (pulsante … → Create repository). Le applicazioni già distribuite continueranno a funzionare dopo questa data, ma quelle che usano la funzione llm() dovranno passare a un altro fornitore di inferenza, poiché GitHub Models — che la alimentava — è stato a sua volta ritirato a fine luglio.

GitHub giustifica la decisione spiegando che i modelli di IA e gli strumenti di sviluppo agentico sono progrediti molto dal lancio di Spark, e che i creatori ora privilegiano flussi di lavoro integrati — Copilot in VS Code, Copilot CLI, o l’app GitHub Copilot — piuttosto che una piattaforma di prototipazione separata. È un segnale di consolidamento: GitHub chiude un prodotto distinto di « vibe coding » per concentrare la sua offerta IA attorno a Copilot.

🔗 GitHub Changelog — Upcoming deprecation of GitHub Spark

GPT-Live: OpenAI ricostruisce l’architettura vocale di ChatGPT in sei mesi

3 agosto — OpenAI dettaglia la terza generazione del suo sistema voce, GPT-Live, e spiega perché l’architettura precedente — basata su un « turn detector » incaricato di indovinare quando l’utente aveva finito di parlare — limitava la naturalezza della conversazione: indovinare troppo presto interrompe la parola, indovinare troppo tardi rende la risposta fiacca. GPT-Live rimuove questo rilevatore dal percorso audio: il modello voce è full-duplex, capace di ascoltare e parlare allo stesso tempo. Quando serve un ragionamento più profondo o una chiamata a uno strumento, GPT-Live consulta i modelli di frontiera (come GPT-5.5) in modo asincrono, senza interrompere la conversazione.

Sul piano dell’ingegneria, OpenAI ha riscritto il frontend multimediale e la logica di inferenza in Go, sostituendo un’implementazione Python asyncio, il che ha migliorato la regolarità di consegna dei frame al punto che il p95 del nuovo sistema eguaglia il p50 del vecchio. Il trasporto si basa su WebRTC, che assorbe le perdite di pacchetti e la deriva dell’orologio allungando sottilmente l’audio. Risultato concreto: l’avvio di una sessione vocale è passato da sei round-trip di rete a uno solo. Questa architettura alimenta già nuove capacità di ChatGPT Voice, tra cui il controllo del computer dall’app desktop.

GPT-Live can listen while it speaks. To make that feel natural at ChatGPT scale, we rebuilt the voice stack from client to model. This new architecture keeps audio flowing continuously, so deeper reasoning and tool use don’t interrupt the conversation.

🇮🇹 GPT-Live può ascoltare mentre parla. Perché questo sembri naturale alla scala di ChatGPT, abbiamo ricostruito l’intero stack vocale, dal client al modello. Questa nuova architettura mantiene un flusso audio continuo, così il ragionamento approfondito e l’uso degli strumenti non interrompono la conversazione. — @OpenAI su X

🔗 How we built a realtime system for responsive voice AI in six months

FLUX 3 Video (Black Forest Labs): lancio ufficiale, disponibile in API e su Runway

4 agosto — Black Forest Labs ufficializza il lancio di FLUX 3 Video, dopo l’anteprima mostrata il 30 luglio. Il modello genera clip fino a 20 secondi in 720p e 1080p nativi, con audio nativo sincronizzato (effetti, atmosfera, voci, lip-sync preciso) e dialoghi in una quindicina di lingue, tra cui inglese, cinese, spagnolo, francese, tedesco e giapponese. Gestisce testo verso video, immagine verso video con immagine iniziale, finale o più immagini chiave in sequenza, continuazione di video, e testo incorporato che si integra in modo naturale nella scena.

La modalità Draft permette di esplorare rapidamente direzioni creative a costo ridotto, prima di un rendering finale in piena qualità che conserva soggetti, composizione e movimento dell’anteprima approvata:

Fase di produzione	Tariffa
Anteprima rapida (Draft mode)	$0,06 al secondo
Rendering finale in piena qualità	a partire da $0,17 al secondo
Durata massima	20 secondi, 1080p nativo

Il modello è disponibile da subito tramite l’API BFL e presso partner selezionati — Runway lo ha integrato il giorno stesso del lancio. Black Forest Labs annuncia per il seguito una migliore controllabilità, riferimenti multimodali (immagine, video, audio), un modello FLUX 3 Image, e una variante in pesi aperti chiamata FLUX 3 Dev.

🔗 @bfl_ai su X (annuncio FLUX 3 Video)

NVIDIA Alpamayo 2 Super, modello aperto di ragionamento per veicoli autonomi

4 agosto — NVIDIA lancia Alpamayo 2 Super, un modello aperto di ragionamento vision-language-action (VLA) per robotaxi, veicoli autonomi, camion e navette. Combina un ragionatore NVIDIA Cosmos 3 Super con un esperto d’azione per diffusione, post-addestrato con apprendimento per rinforzo, con copertura camera a 360 gradi.

Componente del modello	Dimensione
Ragionatore Cosmos 3 Super	32 miliardi di parametri
Esperto d’azione per diffusione	2 miliardi di parametri
Totale Alpamayo 2 Super	34 miliardi di parametri

Per ogni scenario di guida, il modello produce cinque output accoppiati: traiettoria pianificata, traccia di ragionamento in catena causale, meta-azione (cedere il passo, cambiare corsia, fermarsi), auto-label di ragionamento per l’addestramento, e risposte a domande visive ancorate nell’immagine della camera. Sul benchmark LingoQA, NVIDIA rivendica il primo posto, superando GPT-4o di 23,2 punti. Il modello è rilasciato con licenza permissiva OpenMDW-1.1, pesi e codice di inferenza disponibili immediatamente su Hugging Face, per una distribuzione commerciale senza autorizzazioni aggiuntive.

Today, we’re launching Alpamayo 2 Super, our frontier open reasoning model for autonomous vehicles. Beyond seeing, Alpamayo understands and reasons through the complex world - thinks before it acts. […] We’re releasing it for commercial use under OpenMDW-1.1 so teams can inspect it, fine-tune it and deploy it—open models advance safety and security. The next wave of AI is robotics—and it starts with autonomous vehicles.

🇮🇹 Oggi lanciamo Alpamayo 2 Super, il nostro modello di ragionamento aperto all’avanguardia per i veicoli autonomi. Oltre a vedere, Alpamayo comprende e ragiona attraverso un mondo complesso — pensa prima di agire. […] Lo pubblichiamo per uso commerciale con licenza OpenMDW-1.1 affinché i team possano ispezionarlo, rifinirlo e distribuirlo — i modelli aperti fanno progredire la sicurezza. La prossima ondata dell’IA è la robotica — e comincia dai veicoli autonomi. — @JensenHuang su X

🔗 Blog NVIDIA — Alpamayo 2 Super, open model now available

Shieldstral: Mistral pubblica un modello di moderazione da 3B in pesi aperti

4 agosto — Mistral lancia Shieldstral, un modello di moderazione dei contenuti da 3 miliardi di parametri, pubblicato in pesi aperti con licenza Apache 2.0. A differenza dei classificatori classici a categorie fisse, Shieldstral tratta la moderazione come un compito binario di domanda-risposta: la policy di moderazione viene fornita in linguaggio naturale al momento dell’inferenza, il che permette di adattarla senza riaddestramento. Il modello è multimodale (testo e immagine) e restituisce un punteggio di sicurezza calibrato e continuo invece di un’etichetta discreta.

Funzione coperta	Dettaglio
Classificazione dei prompt e moderazione delle risposte	Rileva contenuti problematici in input e in output
Rilevamento dei rifiuti	Identifica quando un assistente declina una richiesta
Rilevamento della tossicità	Testo e immagine
Valutazione adattiva tramite policy	Richieste in linguaggio naturale, senza riaddestramento

Mistral indica che Shieldstral uguaglia o supera modelli di guardrail aperti fino a 7 volte più grandi, sulla sicurezza testuale, il rilevamento dei rifiuti, l’adattabilità alle policy e la valutazione multimodale. Il modello gira su un singolo GPU NVIDIA da 16 GB, il che lo rende accessibile per un’infrastruttura standard, compreso un deployment locale. Shieldstral è anche il primo membro dell’Open Secure AI Alliance, l’alleanza di settore le cui nuove linee guida SAFE sono dettagliate più avanti in questo articolo. I pesi sono disponibili su Hugging Face (mistralai/Shieldstral-1.0-3B).

🔗 Mistral — Shieldstral

Strumenti di codice: Cursor, Amp e Warp accelerano

Cursor open-source Mixture-of-Kittens (MoK), il suo megakernel di addestramento MoE

4 agosto — Cursor pubblica open source Mixture-of-Kittens (MoK), un « megakernel » di addestramento per architetture Mixture-of-Experts progettato per i nodi NVIDIA NVL72. Il kernel fonde in una singola operazione deterministica tutta la comunicazione e il calcolo legati al MoE. MoK fa già girare l’addestramento in produzione presso Cursor, su decine di migliaia di GPU.

We’re open-sourcing Mixture-of-Kittens (MoK), our MoE training megakernel for NVL72s. It fuses all Mixture-of-Experts communication and computation into a single, fully deterministic kernel, and runs up to 2.37x faster than the strongest public baselines.

🇮🇹 Pubbliciamo open source Mixture-of-Kittens (MoK), il nostro megakernel di addestramento MoE per gli NVL72. Fonde tutta la comunicazione e il calcolo legati al Mixture-of-Experts in un unico kernel completamente deterministico, e gira fino a 2,37x più velocemente delle migliori basi di riferimento pubbliche. — @cursor_ai su X

Guadagno misurato in Cursor: 1,41x di throughput di addestramento end-to-end rispetto al loro stack precedente basato su DeepEP.

Amp permette di allegare qualsiasi file ai suoi orb

4 agosto — Gli « orb » di Amp, i suoi agenti cloud, accettano ora qualsiasi file come allegato: video, log, PDF, fogli di calcolo, dataset. Il team cita diversi usi concreti: registrare lo schermo di un’applicazione per far correggere ad Amp ciò che vede, fare debugging a partire da file di log, trasformare fogli di calcolo in siti web interattivi, o trascrivere audio e video. L’annuncio non specifica né un limite di dimensione dei file né i formati esatti oltre a questi esempi.

🔗 Amp News — Attach Anything

Warp dà agli agenti cloud la capacità di verificare il proprio lavoro tramite controllo del computer (computer use)

3-4 agosto — Quarta puntata della serie « cloud software factory » di Warp: una nuova skill verify-behavior dà agli agenti cloud il controllo mouse/tastiera per riprodurre bug segnalati (modalità reproduce) o verificare che una funzionalità corrisponda alla sua specifica (modalità verify), con acquisizione video preferenziale. Un ingegnere Warp conferma la distribuzione interna, con tre usi citati: riprodurre bug con correzione e video prima/dopo, seguire il percorso di onboarding come un nuovo utente, e pubblicare una demo video in Slack o in una pull request per validare rapidamente un’interfaccia.

🔗 Blog Warp — Computer use verification

GitHub Copilot: quattro novità per sviluppatori e team

Livello di ragionamento personalizzabile per l’agente cloud

3 agosto — Durante una delega di compito a Copilot cloud agent, è ora possibile scegliere il livello di ragionamento del modello, per i modelli che lo supportano. Un livello più alto può migliorare le risposte su problemi complessi, a costo di un consumo di token maggiore. Disponibile su tutti i piani Copilot a pagamento: Pro, Pro+, Business, Enterprise e Max.

🔗 GitHub Changelog — Customize the reasoning level

Attivare le automazioni Copilot dai commenti

3 agosto — Le automazioni Copilot cloud agent possono ora attivarsi su un commento di issue o di pull request, configurabili dalla scheda Agents → Automations di un repository. Tre casi d’uso citati: generare documentazione da un commento di PR, analizzare uno stack trace segnalato in un commento di issue, o creare automaticamente task di follow-up. Disponibile per Copilot Pro, Pro+, Max, Business e Enterprise (con attivazione della policy lato amministratore per gli account enterprise).

🔗 GitHub Changelog — Trigger Copilot automations with comments

Come il team legale di GitHub usa Copilot CLI

4 agosto — Due giuristi interni di GitHub, senza esperienza di sviluppo, hanno costruito strumenti con Copilot CLI. Ngandu Kasuku (Principal Product Counsel) ha creato terms-ai, un repository che centralizza istruzioni di scrittura e modelli di contratto, riducendo di circa metà il tempo di rilettura e redazione. Jesse Geraci (Online Safety Counsel) ha sviluppato un’applicazione per analizzare codice sorgente e valutare notifiche DMCA, poi estesa alla conformità delle licenze e alla valutazione del rischio NDA.

🔗 GitHub Blog — How the GitHub legal team used Copilot CLI

Attivazione automatica della copertura del codice, generata dall’IA

4 agosto — Nelle impostazioni Code Quality di un repository, un nuovo agente IA genera automaticamente un workflow di copertura del codice: compila il progetto, esegue i test, produce un report di copertura e lo invia su GitHub, con permessi minimi per impostazione predefinita. L’utente ottiene una pull request pronta da esaminare e unire. Funzionalità in preview pubblica, disponibile su github.com, GitHub Enterprise Cloud e Team (non ancora su Enterprise Server).

🔗 Changelog di GitHub — Attivazione automatica della copertura del codice

Modelli aperti e disponibilità in produzione

DeepSeek V4 Flash disponibile in produzione su Together AI

4 agosto — DeepSeek V4 Flash, il modello rapido di DeepSeek lanciato a fine luglio, è ora disponibile in produzione su Together AI, con un percorso di deployment ad alta velocità per il coding, l’uso di strumenti e gli agenti a lunga durata. Together AI mette in evidenza un coding potenziato per le attività terminal e full-stack, tre livelli di sforzo di ragionamento (basso, alto, massimo) e un decoding speculativo chiamato DSpark per accelerare la generazione.

🔗 @togethercompute su X

Liquid AI pubblica LFM2.5-2.6B, modello compatto per agenti 100% locali

4 agosto — Liquid AI pubblica LFM2.5-2.6B, un modello da 2,6 miliardi di parametri progettato per agenti che funzionano interamente in locale, dal laptop al telefono, con una finestra di contesto da 128K token. Rispetto a modelli 2-4 volte più grandi, si colloca in testa nel follow-up delle istruzioni (51,87% su AIME25, 59,41% su LiveCodeBench) e davanti a quasi tutti i modelli testati nell’uso di strumenti. In termini di velocità: 220 token al secondo su un Apple M5 Max, 113 token al secondo su un AMD Ryzen, circa 30 token al secondo su telefono. Disponibile su Hugging Face, compatibile con llama.cpp, MLX, vLLM, SGLang e ONNX.

🔗 Blog di Hugging Face — LFM2.5-2.6B

Google e Kaggle fanno il bilancio del loro corso gratuito sugli agenti IA

3 agosto — Google e Kaggle pubblicano il bilancio del loro corso gratuito di cinque giorni « AI Agents Intensive: Vibe Coding », dedicato alla progettazione e al deployment di agenti IA in condizioni di produzione. I numeri comunicati: 353.000 partecipanti iscritti, 392.000 persone attive sul Discord di Kaggle durante la sessione e oltre 6.000 proposte di progetti finali provenienti da più di 12.000 partecipanti. Google ricorda che i suoi corsi intensivi con Kaggle hanno riunito oltre 2 milioni di studenti in totale dal 2024. Tutti i contenuti restano accessibili in autoapprendimento su Kaggle Learn.

🔗 Google Blog — Dentro il nostro corso di vibe coding da 353.000 persone

Generazione media e sicurezza dell’ecosistema agentico

Pika lancia l’API Club, aggregatore di oltre 100 modelli

4 agosto — Pika Labs lancia l’API Club, un abbonamento da 10 $ al mese che dà accesso a oltre 100 modelli di generazione media (video, immagine, audio, LLM) tramite una sola API, con sconti importanti rispetto a fornitori come Fal o Runway Dev: fino all’87% su Seedance 2.0, fino al 50% su MiniMax H3, fino al 25% su GPT Image 2. Pika afferma di aver negoziato prezzi migliori con i fornitori e di aver mantenuto il proprio margine al minimo, in reazione a piattaforme di aggregazione che accusa di applicare rincari fino a 3 volte superiori. Questo lancio riposiziona Pika, nota come strumento di generazione video per il grande pubblico, come aggregatore di API per sviluppatori e creatori.

🔗 @pika_labs su X

HeyGen lancia formati video automatizzati per il settore immobiliare

3 agosto — HeyGen svela « HeyGen for Real Estate », una serie di formati video per agenti immobiliari, ciascuno dei quali riutilizza l’avatar personale dell’utente. Il formato del giorno, « Hosted Home Tour », genera una visita guidata di un immobile: l’utente incolla il link di un annuncio (Zillow), aggiunge opzionalmente uno script e lo strumento produce automaticamente un video in cui l’avatar presenta la visita basandosi sulle informazioni dell’annuncio. Altri formati della serie includono « Market Update » e « Listing Spotlight ».

🔗 @HeyGen su X

L’Open Secure AI Alliance presenta le sue linee guida SAFE al Black Hat

4 agosto — In occasione della conferenza Black Hat 2026 a Las Vegas, l’Open Secure AI Alliance — coalizione guidata da NVIDIA che riunisce ormai oltre 120 organizzazioni (Cisco, CrowdStrike, Hugging Face, Red Hat, Microsoft, Amazon, tra le altre) — annuncia diversi contributi. La Linux Foundation pubblica una richiesta di commenti su SAFE (Shared AI Findings Exchange), un framework proposto per raccogliere e analizzare in modo confidenziale gli incidenti di sicurezza IA, identificare i guasti di controllo ricorrenti e pubblicare raccomandazioni basate su evidenze — un approccio di difesa collettiva ispirato alla condivisione di intelligence sulle minacce.

Amazon si unisce all’alleanza e contribuisce con il suo toolkit Strands Agents e con il linguaggio di autorizzazione Cedar. Uber open-source ADR (Agentic AI Detection and Response), un framework che gestisce oltre 200.000 sessioni di agenti al giorno in produzione. Mistral contribuisce con Shieldstral, presentato più sopra in questo articolo e diventato il primo membro modello dell’alleanza.

🔗 Blog NVIDIA — Contributi dell’Open Secure AI Alliance

OpenAI: risposta ad Apple e nuovi plugin education

Apple is getting this wrong : OpenAI risponde alla causa di Apple

3 agosto — OpenAI pubblica una risposta dettagliata alla denuncia presentata da Apple, tornando punto per punto su tre filoni delle accuse. Sulla cronologia dei contatti, OpenAI afferma che Apple riconosce ormai che i suoi avvocati esterni hanno scritto alla persona sbagliata e che una presunta discussione con il General Counsel di OpenAI non ha mai avuto luogo. Sulla vicenda di un ex dipendente accusato di aver consultato informazioni riservate dopo il suo addio (ultimo giorno in Apple: 22 gennaio 2026), OpenAI pubblica scambi iMessage che mostrano come siano stati dipendenti Apple a chiedergli aiuto per localizzare file. Sulla vicenda di un ex dirigente che ha trascorso 24 anni in Apple e sospettato di aver cercato di usare segreti commerciali, OpenAI afferma che nessuna informazione riservata di Apple è stata richiesta né utilizzata. OpenAI definisce la richiesta di ingiunzione preliminare di Apple « basata su false informazioni e del tutto inutile ».

🔗 OpenAI — Apple is getting this wrong

Tre nuovi plugin education per ChatGPT Work e Codex

4 agosto — In vista della ripresa delle lezioni, OpenAI lancia tre plugin per ChatGPT Edu e i deployment ChatGPT for Teachers: K-12 Educator (risorse differenziate per primaria e secondaria), College Educator (progettazione di corsi ed export verso LMS per l’istruzione superiore) e College Student (tutoraggio guidato, schede di ripasso, quiz a partire dalle fonti scelte dallo studente). L’articolo ricorda la partnership di OpenAI con l’American Federation of Teachers, un’iniziativa quinquennale volta a formare 400.000 insegnanti K-12 statunitensi all’uso dell’IA.

🔗 OpenAI — Impara e insegna con ChatGPT Work e Codex

Brevi

Devin Fusion migliora del 4% nell’intelligenza e costa il 27% in meno — Cognition migliora l’arness e i modelli di Devin Fusion sul benchmark interno FrontierCode 1.1, disponibile immediatamente in Devin Cloud. 🔗 fonte
Sakana AI entra nell’AIRoA — L’azienda diventa membro dell’Associazione giapponese di robotica IA, per una collaborazione del suo RSI Lab sui modelli del mondo e sull’IA fisica. 🔗 fonte
llama-macos, utility messa in evidenza dal team Hugging Face — Widget macOS (brew install --cask llama-app) che consiglia modelli in base alla macchina e avvia un server llama.cpp con interfaccia web. 🔗 fonte
Controllo più fine di ciò a cui Copilot può accedere — GitHub annuncia un controllo maggiore sugli accessi di Copilot, senza changelog dettagliato associato per ora. 🔗 fonte
Documentazione arricchita sul sandboxing locale di Copilot CLI — GitHub mette in evidenza la sua documentazione sull’attivazione e la configurazione del sandboxing locale nel terminale. 🔗 fonte
L’editor Air aggiunge GitHub Copilot come agente personalizzato tramite ACP — Lo strumento di terze parti Air supporta ora gli agenti personalizzati tramite Agent Client Protocol, con una guida per configurare Copilot. 🔗 fonte
Specializzazione per team aziendali per le impostazioni gestite — Gli amministratori enterprise possono indirizzare team specifici con file di configurazione dedicati. 🔗 fonte
Configurazione personalizzata del code scanning di default, su larga scala — Una nuova proprietà del repository permette di applicare una configurazione CodeQL personalizzata al setup predefinito. 🔗 fonte
Ritiro dell’app Copilot Billing Preview — La gestione delle spese Copilot avviene ora direttamente nelle impostazioni di fatturazione GitHub. 🔗 fonte
Personalizzazione dei nomi dei branch Dependabot — Nuove opzioni in dependabot.yml per definire prefisso, lunghezza e separatori dei nomi dei branch creati da Dependabot. 🔗 fonte
CodeQL 2.26.2 aggiunge il supporto per Swift 6.3.3 e Kotlin 2.4.10 — Aggiornamento del motore di analisi statica di GitHub. 🔗 fonte
Il ruolo Triage può ora aggirare le restrizioni sulla creazione di issue — Gli utenti con questo ruolo possono creare issue anche quando un repository limita questa azione ai collaboratori. 🔗 fonte
Wan (Alibaba) — Camera-to-Image — Nuova capacità della suite realtime di Wan: la camera trasforma istantaneamente l’ambiente reale in una scena animata in stile anime. 🔗 fonte
NVIDIA entra nel programma NSF State and Regional AI Hubs — Partecipazione al programma di hub regionali per l’infrastruttura IA della National Science Foundation statunitense, per ricerca ed educazione. 🔗 fonte
NVIDIA dettaglia SCADA, un accesso accelerato allo storage per l’IA — Tecnologia che consente alle GPU di accedere direttamente allo storage a velocità vicine a quelle della memoria. 🔗 fonte
Stability AI e MusicHackspace organizzano un hackathon Stable Audio 3.0 a Montréal — Hackathon di 48 ore il 22 e 23 agosto, in collaborazione con il festival MUTEK. 🔗 fonte
Qwen-Image-3.0-Pro sale al 5º posto mondiale — Alibaba annuncia un balzo del suo modello di generazione di immagini in una classifica non specificata. 🔗 fonte
Z.ai (GLM) e Tencent Cloud organizzano il loro primo meetup comunitario a Singapore — Presentazione delle capacità agentiche di GLM-5.2 e della sua integrazione con CodeBuddy e WorkBuddy. 🔗 fonte
Circles personalizza l’esperienza telco con l’API OpenAI e Codex — Caso di studio aziendale: +22% di ARPU, -9% di churn, 65% di risoluzione autonoma del supporto clienti. 🔗 fonte

Cosa significa

Gli strumenti di coding continuano a uscire dal solo perimetro dell’IDE. Warp separa il suo agente in CLI capace di pilotare qualsiasi terminale, l’agente cloud di GitHub Copilot guadagna un livello di ragionamento personalizzabile e trigger tramite commenti, Amp accetta qualsiasi tipo di file come allegato e Warp offre ai suoi agenti cloud la capacità di verificare da soli il proprio lavoro tramite controllo del computer (computer use). La testimonianza del team legale di GitHub, che ha costruito i propri strumenti con Copilot CLI senza esperienza di sviluppo, illustra una svolta più ampia: questi agenti si rivolgono ormai tanto ai non sviluppatori quanto agli ingegneri.

Questa ascesa degli agenti si accompagna a una consolidazione delle piattaforme più che a una proliferazione. GitHub chiude Spark, la sua piattaforma di prototipazione di applicazioni in linguaggio naturale, un anno e mezzo dopo il lancio, a favore di una scommessa unica su Copilot nelle sue diverse superfici (VS Code, CLI, app, cloud agent). È un segnale che il mercato del « vibe coding » standalone si sta restringendo attorno a poche offerte integrate, invece di moltiplicare i prodotti separati.

La sicurezza dell’IA agentica si organizza in un ecosistema strutturato. Mistral pubblica Shieldstral, un classificatore di moderazione con pesi aperti che gira su una sola GPU, e diventa il primo membro modello dell’Open Secure AI Alliance — una coalizione di oltre 120 organizzazioni che propone ora, tramite la Linux Foundation, un quadro di condivisione confidenziale degli incidenti di sicurezza IA (SAFE) direttamente ispirato all’intelligence sulle minacce nella cybersecurity classica. Anche Amazon e Uber contribuiscono con i loro strumenti open source. È il segnale che la messa in sicurezza degli agenti sta diventando uno sforzo collettivo e documentato, piuttosto che una somma di misure proprietarie isolate.

Infine, l’economia della generazione media e del calcolo realtime continua a scendere in costo d’accesso. FLUX 3 Video introduce una modalità Draft a $0,06 al secondo per esplorare idee prima di un rendering finale più costoso, Pika trasforma il suo prodotto per il grande pubblico in un aggregatore di API a 10 $ al mese per aggirare i margini elevati di altre piattaforme, e NVIDIA pubblica Alpamayo 2 Super con pesi aperti affinché l’industria della guida autonoma disponga di una base di ragionamento condivisa invece di ripartire da zero. Lo stesso movimento si ritrova sul fronte voce: la riprogettazione di GPT-Live da parte di OpenAI, che divide per sei il tempo di avvio di una sessione vocale, mostra che anche l’infrastruttura realtime sta diventando un terreno di ottimizzazione attivo, allo stesso titolo dei modelli stessi.