OpenAI integra l'harness di Codex nel suo Agents SDK in anteprima, Shruti copre 22 lingue indiane e HeliosLM punta a Taiwan

OpenAI pubblica due anteprime alpha del suo Agents SDK, per Python e per JavaScript, che integrano l’harness di Codex come motore nativo: archiviazione delle conversazioni, limiti di utilizzo, dialogo tra agenti tramite A2A e, sul versante Python, uno sforzo di ragionamento predefinito più elevato. Il resto di questa domenica si riassume in brevi notizie: le note di rilascio di Devin, due anteprime di GitHub Agentic Workflows, correzioni per Antigravity e Gemini CLI, l’applicazione desktop di Qwen Code, poi una serie di articoli della community su Hugging Face, tra cui modelli vocali aperti per Taiwan e per le 22 lingue ufficiali dell’India, e una misurazione del sovraccosto del turco.

OpenAI integra l’harness di Codex nel suo Agents SDK: due anteprime alpha con A2A, budget di utilizzo e archiviazione delle conversazioni

8 novembre — OpenAI pubblica due anteprime alpha del suo Agents SDK: v0.24.0-alpha.7 per Python e v0.22.0-alpha.2 per JavaScript. La serie, avviata il 3 novembre, integra l’harness di Codex come motore nativo; il motore precedente resta disponibile come «Classic». L’anteprima Python viene distribuita tramite GitHub Releases, anziché tramite PyPI.

Queste versioni aggiungono l’archiviazione delle conversazioni lato applicazione, gli strumenti ospitati FileSearch, CodeInterpreter e ImageGeneration, limiti di utilizzo RunBudget (richieste, token o costo stimato), che non garantiscono un tetto di spesa, adattatori A2A tra agenti e workflow vocali. Aggiornamenti da prevedere: scrittura rigorosa per impostazione predefinita nei nuovi ambienti e, sul versante Python, modalità di approvazione MCP rinominate e sforzo di ragionamento predefinito aumentato da low a medium per GPT-6 Astra, GPT-6.1 Sol e GPT-5.6 Sol, salvo impostazione esplicita.

🔗 Anteprima Python · Anteprima JavaScript

In breve

Agenti e strumenti di programmazione

Note di rilascio di Devin del 6 novembre — Recupero delle notizie precedenti: gli amministratori impostano la visibilità predefinita delle nuove sessioni e possono limitarne la condivisione all’organizzazione, le connessioni Gerrit sincronizzano gruppi e accessi ai progetti con i permessi di Devin (le nuove connessioni richiedono Gerrit 3.13 o successivo), e un pulsante disconnette in una volta sola tutti i dispositivi, dall’applicazione web alle applicazioni mobili. Non viene annunciato alcun prezzo. 🔗 fonte
GitHub Agentic Workflows 1.2.0 e 1.2.1 — Due anteprime pubblicate il 4 e il 6 novembre, dopo la disponibilità generale del 28 ottobre. Un workflow attivato da pull_request_target a partire da un fork richiede ora un’adesione esplicita per un utilizzo senza restrizioni, una modifica incompatibile con le versioni precedenti; si aggiungono un revisore di pull request guidato dalla specifica del progetto, un motore dichiarativo sperimentale, Atomic, e revisioni di sicurezza che falliscono in modalità chiusa (fail closed) quando restano irrisolte. 🔗 fonte
Antigravity 2.29.1 — Recupero delle notizie del 6 novembre: questa versione dell’applicazione corregge quattro difetti della modalità vocale Gemini Live. La modalità vocale chiede ora di accedere nuovamente quando la connessione dell’account deve essere rinnovata, legge i link e le menzioni @ dei messaggi digitati durante una chiamata, non collega più all’ultima frase quanto detto in precedenza e non mostra più, dopo un’interruzione, frammenti di risposta mai ascoltati. 🔗 fonte
Gemini CLI, PR 30183 — Integrata in main il 6 novembre ma non ancora pubblicata in una versione, rende configurabile il tempo limite di 60 secondi concesso per i primi header di risposta, che interrompeva e poi rieseguiva dall’inizio le richieste con ragionamento prolungato, indipendentemente dalla modalità di connessione (variabile GEMINI_API_HEADERS_TIMEOUT_MS o impostazione model.requestTimeoutMs). 🔗 fonte
Qwen Code Desktop v0.27.0 e SDK TypeScript v0.1.30 — Pubblicati l’8 novembre, il giorno dopo la versione stabile v0.27.0 del CLI, senza aggiunte inedite: l’applicazione riprende le 112 modifiche delle versioni v0.26.9 e v0.27.0 del CLI, e l’SDK integra il CLI 0.27.0. Desktop è distribuita per macOS, Windows x64 e Linux (AppImage, .deb, RPM per Fedora 44 e RHEL 10). 🔗 fonte

Modelli aperti per la voce e le lingue regionali

HeliosLM — Chien-Hsin Lin pubblica una prima serie di modelli aperti pensati per Taiwan: un modello di conversazione e un classificatore di sicurezza derivati da Gemma 4 E4B-it, e due modelli di riconoscimento vocale derivati da Whisper large-v3. Secondo le sue misurazioni, il tasso di errore per carattere scende da 231,13 a 32,69 % sul taiwanese (hokkien) di Common Voice, e da 15,25 a 5,10 % sul mandarino di Taiwan. 🔗 fonte
Shruti — Udgam Labs, autore del piccolo modello Laghu, pubblica 22 modelli di riconoscimento vocale sotto licenza Apache-2.0, uno per ciascuna lingua dell’ottavo allegato della Costituzione indiana. Ognuno occupa circa 30 Mo, trascrive anche l’inglese e funziona offline, persino su un telefono del 2021; tutti e 22 insieme occupano 653 Mo, circa un quarto di IndicConformer-600M. Nelle conversazioni reali, dal 22,9 al 56,8 % delle parole resta errato, secondo il team. 🔗 fonte
La tassa del turco — Serkan Peker stima che, con vLLM su una H200, produrre lo stesso testo in turco richieda da 1,45 a 1,62 volte il tempo GPU necessario per l’inglese su quattro modelli aperti (Turkish-Gemma-9b-T1, Gemma 4 12B, Ministral 3 14B e Qwen3.8-27B), con il 76–82 % del sovraccosto spiegato dai token aggiuntivi. Su sette tokenizer, solo quello del modello turco Kumru-2B consuma meno token in turco che in inglese. 🔗 fonte

Ricerca e dati della community

Tiny Aya Global all’hackathon di Lexsi Labs — Tre team dell’hackathon di sicurezza e allineamento di Lexsi Labs pubblicano i loro fine-tuning di questo modello aperto di Cohere Labs (3,35 Md di parametri). Secondo le loro misurazioni, SafeQuery porta il tasso di successo di un agente SQL dal 19,8 al 99,1 % senza cedere agli attacchi di injection testati, TaxOps compila correttamente il 93,3 % delle dichiarazioni fiscali sintetiche e SafetyPulse riduce gli attacchi HarmBench riusciti dal 25,2 al 12,3 %. 🔗 SafeQuery · 🔗 TaxOps · 🔗 SafetyPulse
Cancellare uno stile modificando i pesi — Javad Taghia pubblica un esperimento in cui GPT-6 Astra, dotato di accesso tramite strumenti ai pesi di un piccolo modello di diffusione (segmind/tiny-sd) ma senza alcun gradiente, deve cancellarne lo stile di Van Gogh. Secondo il suo protocollo preregistrato, l’agente elimina 11,5 punti di stile in più rispetto al metodo UCE, danneggiando nella stessa misura gli stili dei pittori affini, e supera di 52 punti una ricerca casuale dotata degli stessi strumenti. 🔗 fonte
SEW Multimodal AMR in FiftyOne — Harpreet Sahota pubblica il 7 novembre una conversione per FiftyOne di questo dataset di 3 151 immagini annotate in 55 episodi MCAP, acquisite dal robot mobile autonomo di SEW-EURODRIVE con sei tipi di sensori (telecamere RGB e termiche, profondità, radar 4D, scanner laser, ultrasuoni), per confrontare ciò che ciascuno percepisce di una stessa scena. 🔗 fonte

Infrastruttura GPU

NVIDIA DSX OS, articolo del 5 novembre — Recupero delle notizie precedenti: NVIDIA descrive in dettaglio come i tre componenti open source di DSX OS, sotto licenza Apache 2.0, supportano un cluster GPU su Kubernetes. AICR fissa la configurazione in ricette versionate, NVCRE la certifica con carichi di lavoro reali (test NCCL, diagnostica DCGM di livello 4, pretraining NeMo) e NVSentinel rimette in servizio un nodo riparato solo dopo il superamento dei test. 🔗 fonte

Cosa significa

Con queste anteprime, l’harness che fa funzionare Codex diventa il motore nativo dell’Agents SDK, sia in Python sia in JavaScript. Diverse sue funzioni esistevano già nell’API Agents ospitata da OpenAI, come il tetto di budget, in beta su richiesta dal 6 novembre, o la compaction; l’SDK le avvicina al codice dell’applicazione, che conserva le conversazioni nel proprio sistema di archiviazione e dialoga con altri agenti tramite A2A. Il prezzo è quello di una fase alpha: interfacce che cambiano da una versione all’altra, una distribuzione Python al di fuori di PyPI e uno sforzo di ragionamento predefinito più elevato sul versante Python, che modifica il comportamento dei progetti che non lo impostano esplicitamente.

Anche le impostazioni predefinite diventano più restrittive negli strumenti per agenti. L’SDK di OpenAI imposta la scrittura rigorosa per i nuovi ambienti, GitHub Agentic Workflows richiede un’adesione esplicita per un utilizzo senza restrizioni dei workflow attivati da un fork e fa fallire le revisioni di sicurezza rimaste irrisolte, e Devin permette agli amministratori di impostare la visibilità delle sessioni e limitarne la condivisione. Sia per GitHub sia per OpenAI, l’aggiornamento richiede una verifica: la modifica è incompatibile con le versioni precedenti per gh-aw, e l’SDK Python rifiuta i vecchi nomi delle modalità di approvazione MCP.

Diversi articoli della community si rivolgono a lingue che i grandi modelli gestiscono male. HeliosLM riduce l’errore di Whisper large-v3 sul taiwanese da 231,13 a 32,69 %, Shruti racchiude il riconoscimento vocale di 22 lingue indiane in file di circa 30 Mo che funzionano offline, e Serkan Peker quantifica il costo di una lingua suddivisa male in token: da 1,45 a 1,62 volte il tempo GPU dell’inglese per il turco. Udgam Labs riassume l’ostacolo: sviluppare per queste lingue significava finora una fattura cloud al minuto, un modello di diversi gigabyte o il permesso di una grande azienda. Tutti questi dati sono misurati dai rispettivi autori, e Udgam Labs pubblica direttamente i limiti di Shruti: nelle conversazioni reali, fino al 56,8 % delle parole resta errato.

OpenAI integra l'harness di Codex nel suo Agents SDK in anteprima, Shruti copre 22 lingue indiane e HeliosLM punta a Taiwan

Aziende di questa edizione

OpenAI integra l’harness di Codex nel suo Agents SDK: due anteprime alpha con A2A, budget di utilizzo e archiviazione delle conversazioni

In breve

Cosa significa

Fonti

Indice