Cursor lancia Projects e il suo agente coordinatore, GPT-Rosalind esce dalla research preview, Runway concede in licenza i suoi pesi chiusi

Cinquantadue annunci, pubblicati per la maggior parte l’11 settembre, e una stessa idea che ricorre tra attori che non comunicano fra loro. Cursor affida un intero progetto a un agente coordinatore che non scrive codice e delega a migliaia di sotto-agenti, Cognition fa lavorare due modelli in coppia sulla macchina dello sviluppatore, Sakana instrada ogni attività verso il modello più leggero in grado di risolverla. Lo stesso giorno, OpenAI fa uscire il suo modello per le scienze della vita dalla research preview con un tariffario pubblico, Runway concede in licenza alle aziende i pesi dei suoi modelli chiusi e Anthropic pubblica un sottocomando che finalmente misura il contributo effettivo di un plugin.

Cursor lancia Projects, progetti guidati da un agente coordinatore

10 settembre — Cursor ha lanciato Projects, una riprogettazione del modo in cui si affida il lavoro a un agente nell’editor. Il prodotto rompe con l’abitudine consolidatasi negli ultimi due anni: invece di aprire una nuova conversazione per ogni attività e poi chiuderla, l’utente dialoga con un agente coordinatore in un thread che dura mesi. Questo coordinatore non scrive una sola riga di codice. Dirige altri agenti che lo scrivono, rimanendo così sempre disponibile a ricevere istruzioni mentre il lavoro procede.

Tre meccanismi lo rendono possibile. Innanzitutto, l’esecuzione nel cloud per impostazione predefinita: un Project gira sulla propria macchina, chiudere il portatile non lo interrompe e il numero di sotto-agenti eseguiti in parallelo non è più limitato dall’hardware locale. Un agente locale si avvia quando un test deve essere eseguito sulla macchina dello sviluppatore. Poi, il contesto condiviso: ogni Project mantiene un insieme di file sincronizzati su tutte le macchine, nei quali gli agenti depositano le proprie ricerche, i propri artefatti e ciò che comprendono del codice. Se uno di loro scopre come testare un servizio, tutti i successivi hanno a disposizione la procedura. Il terzo meccanismo è il più insolito. Cursor lo chiama abbonamenti (subscriptions): il coordinatore può monitorare un canale Slack, essere eseguito secondo un calendario oppure seguire tutte le pull request per correggere l’integrazione continua. L’agente agisce quando rileva un segnale, senza aspettare di essere interpellato.

Popolazione misurata	Effetto misurato sulle pull request
Nuovi utenti di Projects	30 per cento di merge in più
Utenti che lavorano soprattutto in Projects	Sei volte più merge
Project del design system interno	Da 20 a 100 pull request interessate al giorno, in proiezione

The coordinator doesn’t write code itself but directs other agents that do. Because it delegates rather than executes, it is never blocked and is always responsive to direction.

🇮🇹 Il coordinatore non scrive codice personalmente, ma dirige altri agenti che lo fanno. Poiché delega invece di eseguire, non rimane mai bloccato ed è sempre pronto a ricevere istruzioni. — Cursor, blog di Projects

Questi dati sono misurazioni interne e vanno letti con la dovuta cautela. L’esempio più eloquente rimane quello del giardinaggio, il nome che Cursor attribuisce al lavoro che non finisce mai: un ingegnere esegue un Project dedicato al design system, che esamina ogni nuova pull request, ne estrae i componenti che devono entrare nel sistema e aggiunge una regola di lint non appena rileva due volte lo stesso errore. Projects è in beta e viene distribuito gradualmente dal 10 settembre. L’annuncio non menziona né condizioni tariffarie né limitazioni relative ai piani.

🔗 Annuncio di Cursor su X

GPT-Rosalind esce dalla research preview con il suo tariffario

11 settembre — OpenAI Developers annuncia che GPT-Rosalind, il suo modello di reasoning dedicato alle scienze della vita, esce dalla research preview. Presentato il 16 aprile 2026 per la ricerca biologica, la scoperta di farmaci e la medicina traslazionale, il modello era allora accessibile soltanto ai clienti Enterprise idonei negli Stati Uniti. Passa all’accesso attendibile (trusted access) per le organizzazioni idonee di tutto il mondo, tramite API, Codex e ChatGPT Enterprise; tale accesso riguarderà anche i prossimi modelli della serie man mano che verranno pubblicati.

Il changelog dell’API, in una voce datata 8 settembre, fornisce i dettagli non menzionati nel thread su X. Il modello si chiama gpt-rosalind-research e la sua disponibilità generale rimane subordinata al programma di accesso attendibile, riservato alla ricerca interna nelle scienze della vita approvata da OpenAI.

Elemento tariffario o di accesso	Valore annunciato
Identificativo del modello	`gpt-rosalind-research`
Token di input	5 dollari per milione
Token di input nella cache	0,50 dollari per milione
Token di output	25 dollari per milione
Inizio della fatturazione	5 ottobre 2026
Canali di accesso	API, Codex, ChatGPT Enterprise
Condizione di accesso	Programma di accesso attendibile, organizzazioni idonee

La fatturazione inizierà soltanto il 5 ottobre: durante la research preview, l’utilizzo non consumava né crediti né token. Per quanto riguarda gli strumenti, i plugin Life Sciences di Codex costituiscono il livello di orchestrazione del modello, dalla genomica alla struttura delle proteine e alla ricerca traslazionale, dalla raccolta di evidenze biologiche fino alla generazione di rapporti di controllo qualità e notebook interattivi. Questo pacchetto, pubblicato gratuitamente su GitHub ad aprile, dà accesso a oltre 50 database multi-omici pubblici, fonti bibliografiche e strumenti di biologia; funziona per tutti con i modelli generalisti, ma soltanto gli utenti Enterprise idonei possono abbinarlo a GPT-Rosalind.

Le prestazioni dichiarate rimangono quelle del lancio: il miglior punteggio pubblicato su BixBench, un vantaggio rispetto a GPT-5.4 in 6 delle 11 attività di LABBench2 con il divario maggiore su CloningQA e, in un’attività sulla relazione sequenza-funzione dell’RNA progettata con Dyno Therapeutics, una migliore proposta superiore al 95º percentile di 57 esperti umani nella predizione. L’informazione concreta è duplice: un modello specializzato che abbandona lo status sperimentale con una tariffa pubblica e un’estensione geografica dell’accesso. Il vincolo rimane l’idoneità, che non è disponibile in modalità self-service.

🔗 Thread di OpenAI Developers su X

Runway Model Licensing, i pesi dei modelli chiusi forniti alle aziende

11 settembre — Runway ha aperto un programma di licenza dei propri modelli (Model Licensing) destinato alle aziende. Il principio rompe con l’accesso tramite API: il cliente riceve i pesi completi di un modello Runway di ultima generazione, lo sottopone a fine-tuning sui propri dati, lo ospita nella propria infrastruttura e commercializza ciò che ne ricava. I dati e le generazioni non lasciano mai l’ambiente del cliente, con un’offerta rivolta esplicitamente a studi, marchi e governi.

Elemento fornito	Contenuto
Pesi del modello	Pesi completi come punto di partenza
Checkpoint	Diverse versioni del modello da convalidare
Script di addestramento	Codice per aggiungere i propri dati e avviare il fine-tuning
Consegna	Integrata nel codebase del cliente e ospitata dove preferisce
Ricercatori dedicati	Assistenza pratica per configurazione, pesi e consegna

L’hosting può avvenire, a scelta, nel cloud del cliente, nel suo data center o interamente on-premise, anche in un ambiente isolato dalla rete (air-gapped) per le pubbliche amministrazioni. Vengono indicati sei settori: piattaforme software; cinema e studi; marchi e marketing; robotica e IA fisica, con il World Action Model come struttura portante delle politiche (policy backbone); videogiochi e 3D, con il miglioramento fotorealistico dei rendering di fascia bassa; e governi.

Sul piano economico, Runway distingue due opzioni: Runway Dev, l’API fatturata in base all’utilizzo, senza infrastruttura da gestire; e la licenza annuale, con costi prevedibili e controllo completo su versioni, comportamento e output. La FAQ risponde all’obiezione dell’obsolescenza: i modelli futuri non avranno accesso ai dati proprietari del cliente, è previsto il rinnovo annuale e vengono concessi crediti per le generazioni successive. Stima il costo di una ricostruzione interna in anni di apprendimento e centinaia di milioni di dollari. L’azienda si presenta come una delle pochissime al mondo a concedere in licenza pesi chiusi di questa qualità e contrappone apertamente la propria offerta ai pesi aperti, che a suo dire fornirebbero un modello più debole accompagnato da un elenco di attività. Non viene pubblicato alcun prezzo; l’accesso avviene tramite un modulo commerciale. L’annuncio arriva nove giorni dopo Runway Dev MCP e una settimana dopo il piano Team: Runway copre ormai l’intera gamma, dal singolo creatore alla licenza dei pesi chiusi.

🔗 Pagina Model Licensing

Cognition porta Fusion in Devin Desktop e Devin CLI

11 settembre — Cognition ha annunciato la disponibilità di Fusion in Devin Desktop e Devin CLI. L’architettura funzionava da diversi mesi su Devin Cloud; ora arriva sulla macchina dello sviluppatore. L’annuncio giunge il giorno dopo SWE-2, il modello di coding proprietario, e i due sono collegati, poiché SWE-2 è il sidekick consigliato per il sistema.

Il principio è semplice da enunciare. Quando si sceglie Fusion, non si seleziona un solo modello, ma due. Un modello all’avanguardia svolge il ruolo di leader (lead) e mantiene il controllo della sessione: possiede il piano, risolve le ambiguità e rivede il lavoro consegnato. Un modello meno costoso svolge il ruolo di assistente (sidekick): esplora il codice, scrive le modifiche, esegue i test e riferisce i risultati. I due funzionano in parallelo, ciascuno con il proprio contesto persistente. L’argomentazione tecnica è contraria al model routing, la soluzione che viene spontaneo immaginare per ridurre i costi: un prompt iniziale non basta a misurare la difficoltà di un’attività e cambiare modello in corso d’opera interrompe la prompt cache. Fusion aggira il problema evitando di trasferire intere conversazioni tra i due modelli, che si scambiano soltanto brief, risultati e feedback.

Costo per attività, in dollari	Solo Fable 5.1	Fusion Fable 5.1 e SWE-2	Solo Astra	Fusion Astra e SWE-2
DeepSWE 1.1	14,63	7,88	7,88	4,69
Terminal-Bench 4	17,46	13,37	10,08	6,06
SWE-Atlas QnA	7,57	5,00	5,72	3,59
Vals Code Migration	70,97	42,00	44,36	35,51
FrontierCode 1.1 esteso	2,68	1,67	2,62	2,34

One of our key findings is that using more expensive models can make the entire system cheaper.

🇮🇹 Una delle nostre principali scoperte è che l’utilizzo di modelli più costosi può rendere meno costoso l’intero sistema. — Cognition, blog su Fusion locale

La dimostrazione riguarda entrambi i lati della coppia. Per quanto riguarda il leader, sostituire Opus 4.8 con Fable 5, che nominalmente costa il doppio per token, ha ridotto del 9 per cento il costo medio delle sessioni a parità di assistente, ottenendo anche un punteggio migliore su FrontierCode: Fable delegava prima e scriveva brief migliori, mentre Opus sottoponeva il proprio assistente a una microgestione. Per quanto riguarda l’assistente, passare da GPT-5.6 Luna a SWE-2, con un costo superiore del 275 per cento per milione di token, riduce del 2 per cento il costo totale dell’attività, guadagnando al contempo 1,4 punti. Nell’Artificial Analysis Coding Agent Index v1.5, Fusion con Fable 5.1 e SWE-2 ottiene 61,7 con un costo inferiore del 36 per cento rispetto a Claude Code con Fable 5.1, che si ferma a 62,2. Cognition ne ricava una regola per il 2026: valutare i modelli, e le coppie modello-harness, in base al prezzo per attività anziché al prezzo per token. Una posizione comoda per un’azienda che vende un harness, ma i dati sono stati prodotti con Artificial Analysis e Vals AI su cinque benchmark distinti. Installazione tramite un unico comando.

🔗 Annuncio di Cognition su X

Sakana AI lancia Fugu Max e Fugu Ultra v2, due evoluzioni del suo orchestratore multi-agent

11 settembre — Sakana AI pubblica Fugu Max e Fugu Ultra v2, due nuove versioni di Sakana Fugu, il suo sistema di orchestrazione multi-agent (multi-agent orchestration system) esposto tramite un’unica API compatibile con OpenAI. Il filo conduttore è la frontiera di Pareto: Sakana ritiene che il settore ragioni ancora come se la capacità fosse l’unico asse, mentre un’attività reale si valuta su due assi, capacità e costo.

Fugu non è un singolo modello, ma un livello di orchestrazione appreso che indirizza ogni attività verso un pool di modelli open-weight e specializzati. Fugu Max amplia questo pool, il più grande finora secondo l’azienda, integrandovi la famiglia NVIDIA Nemotron, e invia ogni attività al modello più leggero in grado di risolverla. Ottiene il miglior punteggio complessivo su sei benchmark ed estende la frontiera costo-prestazioni su sette benchmark su dieci, a 2 dollari per milione di token in input e 6 in output, un prezzo di output che Sakana dichiara inferiore del 40-60 per cento rispetto a quelli di Sonnet 5, GPT 5.6 Terra e Kimi K3.

Misura dichiarata	Punteggio	Confronto fornito da Sakana
Fugu Ultra v2, Chartography	48,3	Opus 5 a 27,3; Fable 5 a 29,5
Fugu Ultra v2, DeepSWE	74,3	Davanti a modelli da 3 a 5 volte più costosi per token
Fugu Ultra v2, classifica	1º o a pari merito in 5 benchmark su 8	Tra i primi 2 in 7 su 8
Fugu Max, classifica generale	Miglior punteggio su 6 benchmark	Frontiera di Pareto estesa in 7 su 10

Il punto sul quale Sakana insiste maggiormente merita di essere evidenziato: Fable 5, Fable 5.1 e GPT-6-Astra non fanno parte del pool di agenti di Fugu Ultra v2, la cui data limite di addestramento è il 28 agosto 2026. L’argomentazione riguarda la resilienza dell’approvvigionamento: un pool intercambiabile protegge dal vendor lock-in, dalle revoche delle API e dalle interruzioni del servizio. Entrambi i modelli sono disponibili immediatamente e un utente di Fugu passa a Max o Ultra v2 modificando un solo parametro. Fugu Max è disponibile anche su OpenRouter, con input multimodale, ricerca web, ragionamento configurabile e output strutturati. Una riserva: i benchmark e i modelli di confronto sono scelti da Sakana, SWEFish è un banco di prova interno e le differenze dichiarate dipendono dalle tariffe dei modelli confrontati al momento della pubblicazione.

🔗 Presentazione di Fugu Max e Fugu Ultra v2

ElevenLabs lancia Music v2.5, con download lossless su tutti i piani

11 settembre — ElevenLabs ha pubblicato Music v2.5 e lo ha impostato come modello predefinito in ElevenMusic, sia per la generazione tramite prompt sia tramite riferimento audio. Il modello promette strumenti che suonano come in una registrazione dal vivo, arrangiamenti più profondi, composizioni lunghe, transizioni di genere durante il brano, rap e voci che risultano native nella lingua del testo. La misura presentata è un test alla cieca su 47 885 coppie, con una generazione per modello per lo stesso prompt: Music v2.5 è stato preferito nella maggior parte dei casi, con il divario più netto nei generi incentrati sulla voce e sull’acustica, R&B, soul, hip-hop, rock, metal, orchestrale e colonne sonore. La percentuale esatta di preferenza non è stata pubblicata.

Il secondo aspetto cambia ancora di più le cose per gli utenti. Ogni brano creato in ElevenMusic appartiene al suo autore con tutti i piani, compreso quello gratuito. Il piano gratuito offre cinque download lossless (lossless) al giorno con uso commerciale a condizione di citare ElevenMusic, mentre il piano Pro ne offre 400 al mese. Le autorizzazioni acquisite al momento della creazione restano associate al brano: annullare l’abbonamento o passare a un piano inferiore non cambia nulla per i titoli già prodotti, e un’eventuale futura modifica delle condizioni si applicherebbe solo a quelli nuovi. L’unica eccezione è un brano costruito sulla canzone di un altro artista, il cui download viene bloccato.

Elemento misurato o dichiarato	Valore
Coppie valutate nel test alla cieca	47 885
Download lossless, piano Free	5 al giorno, uso commerciale con attribuzione
Download lossless, piano Pro	400 al mese
Identificatore API	`music_v2_5`
Modello predefinito in ElevenMusic	Music v2.5, Music v2 mantenuto

Il modello è disponibile anche in ElevenCreative, come nodo Music in Flows, e nell’API con l’identificatore music_v2_5. ElevenLabs precisa che l’accordo pluriennale annunciato il giorno precedente con Universal Music Group è distinto da questa uscita. Per il lettore, l’ordine degli annunci è importante: prima viene annunciato l’accordo con la major discografica, poi il giorno successivo arrivano il modello e i diritti d’uso estesi.

🔗 Annuncio di ElevenLabs su X

Claude Code misura il reale contributo di un plugin, con e senza di esso

11 settembre — Il team Claude Developers annuncia claude plugin eval, un sottocomando di Claude Code che esegue un plugin o uno skill su una suite di casi di test, assegna un punteggio a ogni esecuzione, quindi ripete ogni caso senza il plugin per misurarne il contributo. L’idea è semplice e un po’ scomoda: un punteggio elevato non dimostra che un plugin sia utile, perché a volte Claude riesce altrettanto bene senza. Il comando restituisce quindi due punteggi e la loro differenza. Se un caso ottiene 1,0 in entrambi i gruppi, il plugin non ha dato alcun contributo.

Il punto di ingresso è claude plugin eval init, avviato nella directory radice del plugin. Si apre una sessione interattiva: Claude legge il plugin, chiede come dovrebbe essere un buon risultato, propone prompt che dovrebbero e non dovrebbero attivarlo, progetta i verificatori (graders), li prova una volta, crea una directory per ogni caso e indica il costo stimato di un’esecuzione completa. Successivamente, ogni caso viene eseguito tre volte con il plugin e tre volte senza, per un totale di sei esecuzioni, perché una singola esecuzione di un agente non deterministico non dice molto. Il terminale mostra una tabella con e senza plugin, viene scritto su disco un report HTML autonomo e, quando l’account lo consente, il report viene pubblicato come artefatto privato.

Tipo di verificatore	Costo in chiamate al modello	Condizione di riuscita
`regex`	nullo	Pattern trovato nell’ultima risposta, nella traccia o in un file
`tool_used`	nullo	Numero di chiamate a uno strumento compreso tra un minimo e un massimo
`tool_order`	nullo	Una chiamata precede un’altra
`file_exists`	nullo	Un file creato durante l’esecuzione corrisponde al pattern
`llm`	giudicato da un modello	Verdetto favorevole con almeno 2 voti su 3
`baseline`	giudicato da un modello	L’esecuzione vale almeno quanto una trascrizione di riferimento

Prima di interpretare una differenza, occorre comprendere una sottigliezza: un verificatore che richiede la chiamata allo skill non può mai avere esito positivo senza il plugin, quindi viene escluso dal punteggio in entrambi i gruppi e riportato soltanto come indicatore, altrimenti il divario risulterebbe gonfiato artificialmente. L’isolamento è rigoroso. Ogni esecuzione avviene in un processo figlio usa e getta, senza impostazioni utente, hook, CLAUDE.md, server MCP, plugin installati o memoria. Le esecuzioni non pongono mai domande di autorizzazione e gli strumenti sensibili vengono rimossi dalla sessione salvo autorizzazione esplicita; se Bash o PowerShell viene autorizzato su una macchina priva di backend sandbox, Claude Code rifiuta l’esecuzione invece di avviarla senza isolamento. Un plugin che comunica con strumenti MCP può essere valutato senza il servizio reale: un file Markdown per ogni strumento fornisce la risposta, con un blocco che interrompe l’esecuzione se il plugin invia qualcosa di diverso da quanto previsto.

Evals call the model, so they use tokens and results vary. […] Your plugin’s hooks and MCP servers run as you, so only evaluate plugins you trust.

🇮🇹 Le valutazioni chiamano il modello, quindi consumano token e i risultati variano. […] Gli hook e i server MCP del plugin vengono eseguiti con i vostri privilegi, quindi valutate soltanto plugin attendibili. — @ClaudeDevs su X

Il costo è reale: ogni esecuzione e ogni verificatore giudice comporta una chiamata al modello addebitata al piano o alla fattura; l’esempio della documentazione indica 74 secondi e 0,41 dollari per un caso composto da sei esecuzioni. Da qui l’indicazione del team: effettuare prima una prova con --runs 1, prima di avviare un’esecuzione completa. Per l’integrazione continua sono documentati i codici di uscita, tra cui 0 quando tutto ha esito positivo e 2 per un’esecuzione parziale quando viene raggiunto il limite di costo. Secondo la documentazione, il primo problema tipico riscontrato è una differenza prossima allo zero con il verificatore dello skill non superato: Claude non seleziona lo skill in presenza di una formulazione naturale, ed è quindi la sua descrizione che deve essere rielaborata.

🔗 Documentazione delle valutazioni dei plugin

Il resto della versione 2.1.269

Il sottocomando arriva nella versione 2.1.269, pubblicata l’11 settembre alle 21:17, ora di Parigi. Le altre aggiunte sono meno appariscenti, ma utili nell’uso quotidiano. Il comando /output-style elenca e modifica lo stile di output, anche tramite Remote Control e nelle sessioni cloud o headless. Quando lo strumento Bash viene usato per modificare file, il suo risultato include ora il diff dei file modificati, restituendo a Claude la stessa visibilità offerta da una modifica tradizionale. Sul fronte dell’osservabilità, una variabile d’ambiente etichetta le metriche e gli eventi OpenTelemetry per repository, mentre altre due configurano il timeout per il rilevamento dei modelli di un gateway e il limite di agenti concorrenti dello strumento Workflow, fino a 256.

Le correzioni interessano tre aree delicate: l’invalidazione parziale della cache dei prompt dopo una risposta interrotta e poi ripresa, le regole di autorizzazione che iniziano con una negazione e che ora si applicano soltanto alla sorgente delle impostazioni che le ha definite, e il controllo del percorso di scrittura che finalmente include il file scritto da un comando tee. Il git status comunicato dopo una compattazione è ora quello attuale e non quello dell’inizio della sessione. In VS Code, un indicatore apre una mappa dei sub-agent con schede, pulsante di arresto e trascrizioni in sola lettura, mentre due finestre di dialogo consentono di gestire gli hook e le regole di autorizzazione nelle impostazioni utente, di progetto e locali.

🔗 Note di rilascio della versione 2.1.269

Antigravity, quattro versioni in una settimana e un recupero su Teamwork

Google ha pubblicato in rapida successione due versioni della sua CLI e una nuova versione della sua applicazione, senza contare due versioni precedenti mai trattate qui. Vale la pena leggere il changelog nel suo insieme, perché le release della settimana raccontano la stessa storia: l’agente lascia il terminale interattivo per diventare un servizio.

🔗 Changelog di Antigravity

Antigravity CLI 1.2.0: la CLI diventa un demone in background controllato tramite Remote Control

10 settembre — La versione 1.2.0 di Antigravity CLI è il primo incremento della versione secondaria da luglio. Tre sottocomandi, remote-control start, status e stop, registrano la CLI presso il gestore dei servizi di sistema come demone in background che sopravvive alle disconnessioni e ai riavvii, con un’opzione per il nome dell’istanza e un’altra per limitare il servizio alla sessione di accesso attiva. Finora era necessario lasciare aperto un terminale. Lo scorrimento di mezza pagina viene esteso a tutte le viste con due nuove scorciatoie predefinite. Tra le otto correzioni, quella più utile per comprendere un comportamento inatteso è questa: un prompt o una risposta bloccati dai filtri di sicurezza dei contenuti mostrano ora esplicitamente il motivo dell’interruzione, mentre prima l’utente vedeva un errore generico o un turno vuoto. I server MCP incorporati nei plugin globali ora vengono finalmente inizializzati correttamente all’avvio.

Antigravity CLI 1.1.28: ripresa dagli errori estesa, modalità headless accelerata e lettura degli URL soggetta ad approvazione

9 settembre — Il giorno precedente, la versione 1.1.28 concentrava nove miglioramenti sulla resilienza e sulla modalità headless, quella utilizzata da uno script. Gli errori transitori dell’API del modello vengono ritentati con un backoff esponenziale esteso, l’avvio non genera più una richiesta di rete per leggere l’identità dell’utente e vengono eliminati fino a 200 millisecondi di attesa inattiva per ogni turno. Due cambiamenti di comportamento meritano l’attenzione di chi automatizza.

Cambiamento di comportamento	Prima della versione 1.1.28	Dalla versione 1.1.28
Scadenza del timeout in modalità script	Errore di timeout	Restituzione dell’output parziale, codice di successo, avviso
Lettura di un URL esterno da parte dell’agente	Senza richiesta	Approvazione richiesta per impostazione predefinita, salvo accesso preautorizzato

Uno script che faceva affidamento su un accesso web implicito deve quindi concedere esplicitamente questa autorizzazione. Le richieste di approvazione ora specificano l’azione precisa e aggiungono una riga che ne indica il motivo quando la richiesta proviene da un hook o da un file appartenente a un altro progetto.

Antigravity CLI 1.1.26 e 1.1.27, recupero: prompt una tantum su un altro modello e dipendenze dei sub-agent nel front matter

4 e 5 settembre — Le versioni 1.1.26 e 1.1.27 colmano il divario e introducono la novità più concreta del gruppo: il comando di selezione del modello ora accetta un prompt, eseguito una sola volta su un altro modello prima che la sessione torni al modello originale. Un secondo parere da parte di un modello più potente, o più economico, senza modificare l’impostazione predefinita. La stessa versione aggiunge un elenco di agenti al front matter Markdown degli agenti personalizzati, per dichiarare i sub-agent da cui dipendono, e due correzioni importanti per le automazioni: una chiamata MCP contenente un argomento non dichiarato dallo schema del server viene rifiutata e corretta invece di essere eliminata silenziosamente, mentre un’esecuzione headless indica nel proprio output JSON le azioni negate invece di ignorarle senza alcun avviso.

Antigravity 2.13.0: sezione Documenti, visualizzatore virtualizzato per SQL e JSONL e scorciatoie per le citazioni

9 settembre — Antigravity 2.13.0 introduce 16 miglioramenti e 16 correzioni. I file esterni aggiunti a una conversazione, i link Google Drive, i PDF e i documenti Office vengono raggruppati in una sezione Documenti sopra gli Artifacts, anziché mescolarsi alle produzioni dell’agente. I file di bozza che l’agente scrive per sé confluiscono in una sezione separata. Gli artefatti di codice e dati, come i file SQL e JSONL, si aprono in un visualizzatore virtualizzato con evidenziazione della sintassi e numeri di riga, che rimane fluido con i file di grandi dimensioni e accetta commenti in linea. Una domanda laterale chiusa si riduce a un pulsante anziché essere cancellata, i prompt interattivi ottengono un pulsante di annullamento e il testo selezionato può essere citato nella chat tramite una scorciatoia da tastiera. Due correzioni riguardano la trasparenza delle autorizzazioni: un passaggio rifiutato rimane visibile con l’etichetta Rejected anziché scomparire e l’agente non richiede più l’autorizzazione per leggere artefatti di altri progetti quando l’accesso esterno al progetto è già stato concesso.

🔗 Thread di suggerimenti di @antigravity su X

Teamwork, il recupero del 27 agosto

Un articolo pubblicato il 27 agosto, mai trattato qui e ancora in testa alla sezione sviluppatori della pagina delle novità di Gemini, merita di essere recuperato. Teamwork è il framework di orchestrazione multi-agent di Antigravity, nel quale gli agenti propongono, criticano e perfezionano reciprocamente il proprio lavoro per ore o giorni, disponibile in anteprima su tutti i piani a pagamento. Sono inclusi cinque pattern, selezionati automaticamente in base al prompt, dalla programmazione iterativa alla revisione di documenti fino alla dimostrazione lunga. Con il pattern di dimostrazione lunga, Google annuncia la risoluzione di sette problemi aperti, tra cui la congettura dei cicli di Knuth, per la quale sono state prodotte dimostrazioni di oltre 40 e oltre 70 pagine; quella di 40 pagine è stata verificata formalmente in Lean. Gli altri risultati sono stati confermati da esperti umani e cinque articoli sono stati depositati su arXiv.

Misura riportata	Valore
TCSBench, Gemini 3.7 Flash e 3.1 Pro in dimostrazione lunga	71 per cento
TCSBench, Gemini 3.6 Flash e 3.1 Pro, articolo originale	67,7 per cento
Simulatore RISC-V, errore di allineamento dei cicli	0,71 per cento
Problemi riprodotti con Gemini 3.7 Flash	3 su 7

Al di fuori della matematica, Teamwork ha costruito da zero un simulatore di processore RISC-V con esecuzione fuori ordine e precisione a livello di ciclo, che avvia il sistema xv6 fino alla shell ed esegue oltre cento benchmark standard, convalidato rispetto all’esecuzione hardware. Due contributi sono stati integrati a monte in progetti open source: un percorso rapido vettorizzato in Eigen e una variante di tabella hash concorrente con velocità di inserimento raddoppiata a 64 thread.

🔗 Teamwork, quando l’IA diventa un partner di ricerca

GitHub Copilot risolve i propri commenti e integra Jira nella sua applicazione

La revisione del codice passa a un insieme di agenti

11 settembre — GitHub aggiorna Copilot code review su due fronti. Sul versante dell’esperienza, quando un commit successivo risponde a un commento di Copilot, la revisione risolve automaticamente quel commento, così che l’elenco dei commenti aperti contenga solo quelli ancora in attesa di risposta; inoltre, quando si applica un suggerimento di codice, Copilot scrive un messaggio di commit adatto alla modifica anziché usare quello precompilato. Sul versante dell’analisi, l’agente di revisione dispone ora dell’intero insieme degli strumenti shell dell’SDK Copilot, eseguiti dietro il firewall dell’agente: può avviare una compilazione, eseguire test, far girare uno script mirato o interrogare le API accessibili per verificare il codice che esamina. GitHub segnala più feedback positivi, un maggior numero di rilievi ad alta gravità e meno osservazioni di dettaglio, senza fornire cifre al riguardo.

Il livello di impegno Lite, dal canto suo, non si basa più su un solo agente, ma su un insieme di agenti che apportano ciascuno la propria interpretazione, poi fusa in un’unica revisione.

Rilievo misurato, revisioni Lite in gruppo	Variazione annunciata
Commenti presi in considerazione, gravità elevata	più 47 per cento
Commenti presi in considerazione, gravità media	più 31 per cento
Commenti presi in considerazione, gravità bassa	più 11 per cento
Costo di una revisione	circa 8 per cento in meno

Non vengono precisati né il numero di agenti dell’insieme né i modelli impiegati. È la terza evoluzione di Copilot code review in due settimane.

🔗 Changelog di GitHub

Jira nell’applicazione, HydraFusion nella riga di comando, VS Code 1.137

10 settembre — Il riepilogo settimanale della settimana del 7 settembre, quella del Copilot Day, introduce l’integrazione di Jira nell’applicazione Copilot: i ticket vengono portati in un canvas condiviso, dove si sceglie su cosa procedere, e Copilot trasferisce il contesto del ticket nell’indagine, nell’implementazione e nella preparazione della pull request. In Copilot CLI, Project HydraFusion può ora essere selezionato come qualsiasi altro modello e sceglie per ogni attività un flusso tra modelli locali, cloud e compositi, bilanciando prestazioni, costi e latenza.

VS Code 1.137, pubblicato il 9 settembre, introduce tre funzionalità per gli agenti. Le automazioni, in anteprima pubblica, pianificano attività ricorrenti dell’agente ogni ora, ogni giorno o ogni settimana, a partire da modelli forniti come la classificazione delle issue o la ricerca di bug. La modalità vocale, sperimentale, consente di parlare con un agente mentre lavora, interromperlo o reindirizzarlo. Infine, un link a una issue o a una pull request si apre direttamente nella finestra Agents, anche senza un repository aperto. Le note di rilascio aggiungono un host per agenti basato su un protocollo dedicato e alimentato dall’SDK Copilot, che allinea il comportamento dell’agente VS Code a quello della riga di comando e dell’applicazione.

🔗 Riepilogo settimanale di Copilot

Habitat, lo storage online di OpenAI e la sua riscrittura in Rust da parte di due ingegneri

11 settembre — OpenAI pubblica la prima parte di un articolo tecnico su Habitat, la piattaforma di storage online alla base di ChatGPT, dell’API e di Codex. I numeri ne mostrano la scala: oltre 70 milioni di richieste al secondo, più di un miliardo di persone servite ogni settimana, quasi 40 regioni e oltre 500 petabyte di dati. Habitat è nato a metà del 2024 come una piccola libreria Python integrata nel server principale di ChatGPT, collegata a un database gestito, con un’idea semplice: gli ingegneri di prodotto non dovrebbero doversi occupare dello schema, del routing, dell’autorizzazione o dei pool di connessioni.

A metà del 2025, il modello di libreria lato client ha raggiunto i propri limiti. Ogni modifica al protocollo richiedeva di coordinare i deployment su decine di servizi; un deployment del routing regionale ha richiesto giorni, poi un servizio tornato a utilizzare un client con bug ha provocato proprio l’interruzione che l’operazione avrebbe dovuto evitare. Habitat è diventato un servizio autonomo e OpenAI ha scelto di rimanere su Python accettando consapevolmente un debito tecnico, scommettendo che i propri modelli di programmazione avrebbero reso fattibile la migrazione futura.

La parte principale dell’articolo descrive la caccia alle latenze di coda su questa scala: il ritardo di pianificazione di asyncio, che poteva raggiungere centinaia di millisecondi, affrontato limitando le richieste simultanee per processo; il parsing delle configurazioni aggiornate ogni minuto senza uno sfasamento casuale, che bloccava tutti i worker contemporaneamente; e il riutilizzo last-in, first-out delle connessioni da parte di una libreria HTTP, che concentrava il traffico sui processi già lenti, un guasto metastabile corretto invertendo l’ordine e poi delegando il bilanciamento a un service mesh. L’API stessa è volutamente essenziale, un modello di oggetti e archi senza query illimitate né join, ed è questo perimetro ristretto che ha consentito di spingere Python così lontano.

Metrica misurata	Valore annunciato
Richieste al secondo oggi	Oltre 70 milioni
Persone servite ogni settimana	Più di un miliardo
Dati serviti	Oltre 500 petabyte
Picco del servizio Python	Oltre 20 milioni di richieste al secondo
Riscrittura in Rust	Due ingegneri, Codex e GPT-5.5
Quota di traffico servita da Rust	95 per cento delle richieste di produzione
Guadagno di efficienza di CPU e memoria	6 volte e 15 volte

Nel secondo trimestre del 2026, due ingegneri hanno riscritto l’intero servizio in Rust con Codex e GPT-5.5. Il servizio Rust gestisce il 95 per cento delle richieste di produzione, usando sei volte meno CPU e quindici volte meno memoria; Python verrà ritirato nelle prossime settimane. La seconda parte riguarderà il livello di storage.

🔗 Scalare lo storage fino a un miliardo di utenti

OpenAI chiede agli utenti di Codex di alleggerire skill, AGENTS.md e prompt

11 settembre — Il blog per sviluppatori di OpenAI pubblica una guida alla pulizia rivolta agli utenti di Codex che passano a GPT-6 Astra. Il punto di partenza: un anno di istruzioni accumulate per guidare i modelli precedenti diventa un peso per un modello più capace. Per quanto riguarda le skill, il meccanismo è concreto: ogni skill carica nel contesto un nome e una descrizione e, quando sono troppe, Codex abbrevia queste descrizioni, con il risultato che il modello vede meno informazioni su ciascuna e sceglie peggio.

Istruzione esaminata	Raccomandazione per GPT-6 Astra
Descrizione della skill	Breve, trigger preciso, non un intero dominio
Struttura di una skill con più flussi	Documento radice ridotto a un router verso documenti e script
Letture imposte in AGENTS.md	Un documento per tipo di modifica, non una pila da leggere a ogni modifica
Istruzioni di test	Superflue, il modello esegue autonomamente i test
Fine dell’attività	Definire che cosa significa completato, autorizzare in anticipo i workflow sicuri
Divieti ereditati	Da allentare, altrimenti arresto prematuro

Il punto più interessante riguarda il comportamento del modello. OpenAI presenta GPT-6 Astra come più prudente del suo predecessore rispetto all’ambito di un’attività, e incline a tornare per una revisione dopo una prima implementazione. La risposta consigliata è definire esplicitamente che cosa significa completato e concedere in anticipo l’autorizzazione per i workflow notoriamente sicuri, per esempio una suite di test locale con fixture usa e getta. Al contrario, i guardrail molto rigidi scritti per contenere i vecchi modelli possono ora indurlo a fermarsi troppo presto. L’articolo ricorda anche che le skill di un repository vengono lette dagli agenti degli altri contributori, che talvolta funzionano con modelli diversi: un’istruzione utile per loro può imporre vincoli eccessivi ad Astra. Si conclude con un suggerimento pratico: chiedere ad Astra di esaminare autonomamente le istruzioni del progetto. La skill per la creazione di skill è stata aggiornata in questo senso.

🔗 Ripensare skill e prompt per GPT-6 Astra

ChatGPT Sites supera i 5 milioni di siti in tre mesi

11 settembre — L’account ufficiale di ChatGPT traccia un bilancio di ChatGPT Sites, la funzionalità lanciata tre mesi prima per creare e ospitare applicazioni web complete a partire da una conversazione: da allora sono stati creati oltre 5 milioni di siti. Il messaggio serve soprattutto a riepilogare cinque evoluzioni passate inosservate.

Due riguardano il lavoro collaborativo. La prima permette di invitare i membri del team a modificare, salvare e pubblicare un sito condiviso; la seconda consente di aprire un sito a persone specifiche senza renderlo pubblico. Le altre tre riguardano il ciclo di vita del sito: il passaggio dal prompt al deployment richiederebbe la metà del tempo, ChatGPT può ispezionare il database del sito su richiesta, al quale hanno accesso anche gli editor, e al sito può essere collegato un dominio personalizzato. L’account degli sviluppatori ha rilanciato l’annuncio, segno che la funzionalità punta anche ai prototipi rapidi e non soltanto alle pagine destinate al grande pubblico.

🔗 Bilancio di ChatGPT Sites su X

Together AI estende il suo fine-tuning a 17 modelli aperti e applica adattatori agli esperti

11 settembre — Together AI estende il proprio servizio di fine-tuning all’intero ciclo di un esperimento. Diciassette modelli open-weight entrano nel catalogo, tra cui GLM 5.3 e le sue due versioni precedenti, DeepSeek-V4-Flash, Kimi K2.7-Code e K2.6, la famiglia Qwen da 0,8 a 35 miliardi di parametri e Gemma 4. L’azienda cita un punteggio di 88,2 per GLM-5.3 su Terminal-Bench 2.1, a meno di un punto dai migliori modelli proprietari, secondo quanto afferma.

Il monitoraggio degli esperimenti è la seconda novità: ogni job registra la loss, la norma del gradiente e il learning rate a ogni passo, con curve aggiornate durante l’esecuzione, più job sovrapponibili sullo stesso grafico e serie grezze esposte tramite l’API. L’early stopping interrompe l’addestramento quando la validation loss ristagna, conserva il checkpoint migliore anziché l’ultimo e rimborsa i passi non utilizzati.

L’aspetto più tecnico è Expert LoRA. In un modello Mixture-of-Experts, oltre il 90 per cento dei parametri risiede nei livelli degli esperti, che l’adattatore classico lascia congelati collegandosi soltanto all’attention.

Test su 200 fatti inventati	Adattatori che includono gli esperti	Adattatori sulla sola attention
Richiamo dei nuovi fatti	fino all’89 per cento	15 per cento
MMLU-Pro	75,3 per cento	71,5 per cento

La spiegazione proposta è che, con adattatori limitati all’attention, una quota crescente degli esperti instradati cade in disuso durante il fine-tuning. Anche l’elaborazione dei dati esce dalla scatola nera, con un’anteprima delle righe tokenizzate, i pesi per esempio e una convalida completa del file lato server subito dopo il completamento del caricamento. I prezzi dell’addestramento scendono dal 30 al 70 per cento a seconda dei modelli.

🔗 Annuncio di Together AI su X

Contributi della community, una sandbox per tentativo e cento puzzle della zebra

Nello stesso giorno, il blog della community di Hugging Face ha pubblicato tre lavori che meritano più di una breve segnalazione e altri cinque che si trovano più sotto.

Come tredici laboratori eseguono il RL dei loro agenti

11 settembre — Sergio Paniego passa in rassegna quindici rapporti di tredici laboratori pubblicati tra ottobre 2025 e settembre 2026, considerando soltanto ciò su cui ciascuno dichiara di effettuare l’addestramento, non ciò che valuta. La constatazione centrale: l’ambiente non è più un simulatore in memoria, ma una macchina completa con file system, shell e processi, avviata per un tentativo e poi distrutta. Liquid AI lo fa per un modello da 2,6 miliardi di parametri, Cursor parla di centinaia di migliaia di ambienti concorrenti per addestrare il proprio modello, Microsoft effettua il provisioning di un nuovo container per ogni attività e Kimi K3 si spinge oltre con micro-macchine virtuali ripristinabili per traiettorie da un milione di token.

Livello dello stack	Ciò che mantengono i laboratori	Equivalenti pubblici citati
Attività e verificatori	Più di 10 000 ambienti di codice presso GLM-5	Environments Hub, verifiers, Harbor
Contratto d’azione, harness	Kimi istanzia cinque harness white-box	OpenEnv, SkyRL, BrowserGym, TextArena
Sandbox	Centinaia di migliaia di macchine virtuali per cluster	Modal, E2B, AgentENV, Hugging Face Sandboxes
Addestratore	slime presso Zhipu, Forge presso MiniMax, RLVR presso NVIDIA	TRL, Miles v0.1

Una tendenza degna di nota è che l’harness diventa esso stesso l’ambiente, ricostruito in modalità white-box oppure lasciato intatto e osservato in modalità black-box. La trasparenza è molto disomogenea: Ai2 documenta 17,2 milioni di campioni di codice verificati per OLMo 3, mentre OpenAI, Anthropic e Google non pubblicano quasi nulla, con la scheda di sistema di GPT-6 Astra ridotta a una sola frase. L’autore cita un costo superiore a dieci milioni di dollari per un singolo ambiente nei grandi laboratori. L’articolo conclude la serie Training Agents.

🔗 Una sandbox per ogni rollout

Cento puzzle della zebra risvegliano il ragionamento matematico

11 settembre — Un articolo della community firmato da tamewild riferisce che un fine-tuning di pochi minuti su 100-500 puzzle di deduzione logica, senza alcun dato matematico, è sufficiente a far compiere un balzo a piccoli modelli di base nei benchmark matematici.

Modello di base addestrato	MATH-500	AIME 2025	Riferimento ufficiale confrontato
Qwen 3 4B, 100 puzzle in 6 min 23	84,60 per cento	21,67 per cento	Versione post-addestrata: 84,80 e 19,10
Granite 4.1 3B, 500 puzzle in 23 min	77,73 per cento	19,44 per cento	Versione Instruct: 66,60 e 6,67
Qwen 3.5 9B, 500 puzzle in 40 min	96,60 per cento	60,67 per cento	Versione post-addestrata: 97,40 e 60,56

Vengono misurati anche gli effetti strutturali: sul più grande dei tre modelli, la lunghezza mediana delle risposte scende al di sotto di quella del modello ufficiale e il tasso di cicli di ripetizione con decodifica greedy passa dal 6,06 allo 0,67 per cento. L’autore resta prudente, con run esplorative a seed singolo, e osserva che le proprie ablation mostrano come anche un adattatore classico raggiunga quasi l’80 per cento su MATH-500: la generalizzazione deriva innanzitutto dai dati logici. Sono pubblicati il codice, i notebook, tre modelli e due dataset.

🔗 Far emergere il ragionamento con 100-500 puzzle della zebra

Una pipeline vocale per una lingua priva di dataset

10 settembre — Osmanov racconta la costruzione di una pipeline vocale completa per il tataro di Crimea, lingua a rischio priva di riconoscimento e sintesi vocale, e la sua conclusione trasferibile: l’addestramento è stato un errore di arrotondamento. L’adattatore di riconoscimento ha richiesto 90 minuti sulla GPU di un laptop e ha ridotto il tasso di errore sulle parole dal 34,6 al 20,1 per cento, poi al 17,0 con una beam search che non modifica alcun peso. Quasi tutto il tempo del progetto è stato assorbito dalla costruzione di un corpus inesistente e dalla verifica che la valutazione non fornisse risultati ingannevoli.

Due scelte meritano di essere ricordate. Il modello di base è stato scelto in base a un presupposto fonetico anziché alla vicinanza linguistica: il tataro di Crimea possiede una /q/ uvulare assente dal turco e i modelli di base addestrati con identificatore turco la rendevano come /k/, senza che il fine-tuning riuscisse a correggerla. Inoltre, non disponendo del riconoscimento per avviare un corpus, l’autore ha ribaltato il problema usando audiolibri di cui era noto il testo, ricavando 336 minuti utilizzabili contro i soli 110 prodotti da un allineamento soggetto a deriva. Il risultato negativo più utile è un plateau della metrica: aumentando il corpus di sintesi da 5,9 a 15,3 ore, il tasso di errore sui caratteri non è cambiato, mentre l’ascolto in cieco preferiva ogni volta la voce più recente. Infine, documenta un classico caso di contaminazione: il 96,9 per cento delle clip del libro di test era duplicato nell’addestramento, un problema rilevato tramite n-grammi testuali e non attraverso i nomi dei file.

🔗 Tecnologia vocale per una lingua priva di dataset

Replit lancia Routines, attività ricorrenti che chiamano l’agente solo quando serve

11 settembre — Replit ha presentato Routines, una funzionalità che esegue attività ricorrenti secondo una pianificazione oraria, giornaliera o settimanale. L’annuncio è interessante non tanto per la pianificazione, ormai comune, quanto per il modo in cui l’azienda affronta la questione dei costi. La premessa viene esposta senza mezzi termini: gli agenti sono ormai in grado di automatizzare la maggior parte delle attività ripetitive, ma mantenerli continuamente in esecuzione consuma innumerevoli token. La soluzione consiste nel non collocare l’agente al centro del ciclo. Ogni esecuzione inizia con codice deterministico e l’agente viene invocato soltanto quando è davvero necessario ragionare.

Questa architettura va contro la tendenza dominante, che affida a un modello l’intero ciclo. Qui il modello torna a essere una risorsa chiamata occasionalmente, delimitata da codice ordinario il cui comportamento e costo sono prevedibili. Per un’attività pianificata che si ripete centinaia di volte, la differenza sulla fattura non è marginale. L’annuncio non è stato accompagnato da un articolo sul blog.

🔗 Annuncio di Replit su X

Warp integra Grok Build come agente di prima classe

11 settembre — Warp ha annunciato il supporto integrato per Grok Build CLI, l’agente a riga di comando di SpaceX AI, e poco dopo l’account Grok ha rilanciato l’integrazione. La funzionalità era già stata distribuita nella versione del terminale del 9 settembre, il cui changelog la descrive come supporto di prima classe: Warp rileva le sessioni Grok Build, applica loro una veste grafica dedicata nel piè di pagina e abilita la modalità di input avanzato.

In concreto, un utente di Grok Build dispone degli stessi strumenti degli agenti nativi del terminale. L’input avanzato accetta prompt lunghi incollati e il cursore multiplo, cambiando radicalmente l’esperienza di chi scrive istruzioni di più paragrafi. Un comando permette di condividere la sessione dell’agente in corso con un altro dispositivo, mentre l’esplora file e i pannelli di code review restano accessibili durante la sessione. L’abbonamento Grok esistente consente l’accesso, senza prezzi o limiti specifici annunciati.

L’aggiunta completa un elenco già ricco di agenti di terze parti ospitati nel terminale di Warp, insieme a Claude Code, Codex, Droid e Antigravity, e prosegue un lavoro iniziato all’inizio dell’estate sull’ecosistema xAI, con un comando per connettersi a un account X Premium o SuperGrok aggiunto ad agosto. La logica di Warp resta la stessa dal lancio del suo agente: non vincolare l’utente a un agente proprietario, ma fare del terminale il luogo in cui tutti gli agenti operano con la stessa qualità d’integrazione. Il resto della versione corregge due inconvenienti: i prompt digitati ma non inviati non vengono più cancellati quando si cambia modello e gli strumenti MCP dichiarati in un file globale sono disponibili fin dalla prima risposta dell’agente.

🔗 Annuncio di Grok su X · 🔗 Annuncio di Warp su X

Vibe CLI 2.25.3, il comando di biforcazione e i log di sessione privati

11 settembre — Mistral ha pubblicato la versione 2.25.3 di Vibe CLI, la terza in tre giorni. La novità più visibile è il comando /branch: biforca la conversazione corrente in una nuova sessione ripristinabile, lasciando intatta la sessione originale. La copia può poi essere ripresa in un altro terminale, consentendo di esplorare una strada alternativa a partire dallo stesso contesto senza sacrificare il filo principale. Le menzioni dei file tramite chiocciola si basano ora su un rilevamento che tiene conto di Git e accettano file o cartelle incollati singolarmente nel prompt.

Sul fronte delle correzioni, ci sono tre punti. Le conversazioni conservate restano leggibili e ripristinano i propri worktree quando il lavoro riprende. I nuovi log di sessione non sono più leggibili dagli altri utenti sui sistemi POSIX, una correzione dei permessi dei file in continuità con la versione 2.25.1, che aveva rimosso un listener di debug non autenticato e fatto sì che nessun errore producesse un’approvazione automatica. Infine, le istruzioni del file AGENTS.md vengono ora caricate nel prompt di sistema con l’harness unificato sperimentale. La release è accompagnata da quattordici archivi binari; nessuna nota menziona cambiamenti al modello o ai prezzi.

🔗 Note di rilascio di Vibe CLI 2.25.3

Synthesia trasforma il proprio agente di conformità in un’infrastruttura condivisa

10 settembre — Nicolás Barberis, responsabile delle operazioni di fiducia presso Synthesia, pubblica il seguito del suo articolo di giugno sull’agente che raccoglie le prove di conformità. La domanda che ha guidato la riprogettazione è arrivata dai lettori: non appena un agente raccoglie prove per un audit, la raccolta stessa rientra nell’ambito dell’audit e occorre potersi fidare di chi la esegue. La risposta si articola in quattro scelte architetturali, tutte trasferibili.

Innanzitutto, separare la meccanica dal metodo. Il codice risiede in un repository interno e viene modificato tramite pull request, con un file dei proprietari che impone una revisione umana; le procedure per categoria di controllo risiedono in uno spazio documentale, scritte e convalidate dai proprietari dei controlli. Lo script iniziale con URL codificati direttamente è diventato una skill condivisa che un collega può installare con un solo comando. Poi, delimitare il browser: l’agente non interagisce mai con il browser usato quotidianamente, copia la sessione in un profilo usa e getta, opera con ruoli di sola lettura quando disponibili e si arresta davanti a un blocco di autenticazione anziché elevare i propri privilegi. La provenienza è integrata fin dalla progettazione: ogni acquisizione nasce con il proprio URL di origine, il timestamp, l’operatore e l’impronta crittografica dei byte esatti. Infine, la responsabilità umana: l’agente salva come bozza e non invia mai.

Risultato misurato	Valore
Riunioni di revisione delle prove con l’auditor	60 per cento in meno
Nuovo framework gestito	circa 500 controlli
Tempi abituali per un simile framework	da 4 a 6 mesi
Tempi ottenuti	alcune settimane

La knowledge base cresce autonomamente in modalità append-only: dopo ogni esecuzione, l’agente registra gli URL corretti e i blocchi con relativa data, come l’interruzione di un’interfaccia di controllo del browser con una versione recente di Chrome, aggirata comunicando direttamente con il protocollo di debug. Synthesia annuncia che lo strumento si sta evolvendo verso una piattaforma di governance assistita dall’IA e valuta di rendere open source il codice dei suoi componenti centrali.

🔗 Chi controlla il raccoglitore

HeyGen illustra i 16 secondi in piano sequenza di The Furniture Unboxing

11 settembre — HeyGen ha pubblicato il making-of di un video di 16 secondi in cui un uomo deposita uno scatolone al centro di una stanza vuota in cemento, si allontana e lo scatolone esplode liberando un soggiorno completo che si sistema al suo posto. Nessuna 3D, nessun compositing, nulla in post-produzione: due immagini fisse, un avatar e un prompt. Il team ha verificato l’assenza di tagli nei 390 fotogrammi; la maggiore variazione tra due fotogrammi consecutivi corrisponde all’esplosione stessa.

Il metodo si basa sulle due immagini di riferimento. La prima mostra la stanza vuota, con un’inquadratura ampia e fissa e il centro del pavimento libero. La seconda è la stessa immagine modificata per aggiungere i mobili, non un nuovo rendering di una stanza simile: stessa posizione della telecamera, stessa ottica, stessa luce, stessa ombra sul cemento. È la regola che rende credibile l’effetto, perché in questo modo il modello deve inventare soltanto la parte centrale.

Parametro del video	Valore
Durata richiesta nel prompt	15 secondi
Durata prodotta	16,27 secondi
Risoluzione e frequenza	1920x1080, 23,976 fotogrammi al secondo
Fotogrammi senza tagli	390
Input	2 immagini fisse, 1 avatar, 1 prompt

Il prompt è scritto come un elenco temporizzato di inquadrature anziché come una descrizione, con una pausa intenzionale prima dell’esplosione. È sostenuto da sei elementi: i riferimenti temporali, questa pausa, i riferimenti denominati in base al ruolo, i mobili elencati elemento per elemento, l’identità definita in negativo e il permesso di esagerare, senza il quale il modello rispetta il volume reale di uno scatolone. Le note sul campo sono utili: il modello ha prodotto 16,27 secondi anziché 15, un’esplosione più rapida di quanto indicato e un’inquadratura mantenuta sulla stanza finita che nessuno aveva richiesto e che il team considera il momento migliore del montaggio. Da qui il consiglio di indicare i tempi per fissare il ritmo e l’ordine, per poi montare seguendo il ritmo effettivamente prodotto. L’audio è cambiato tra due passaggi: la versione quasi silenziosa ha lasciato il posto a un sottofondo sonoro continuo, perché un video muto in riproduzione automatica viene percepito come se avesse l’audio guasto.

🔗 Come abbiamo realizzato The Furniture Unboxing

Nemotron 3 Embed 8B conquista il primo posto nel benchmark Q2D-Web

10 settembre — NVIDIA annuncia che Nemotron 3 Embed 8B, il suo modello di embedding da 8 miliardi di parametri, occupa il primo posto su Q2D-Web per il punteggio combinato nDCG@10. Q2D-Web è il benchmark pubblicato il giorno precedente da Perplexity per valutare la ricerca documentale nei sistemi di retrieval-augmented generation guidati da agenti: comprende 190 milioni di documenti web e quasi 70 000 query riformulate da agenti, distribuite su 10 lingue.

Il risultato è importante per due ragioni. Il benchmark riproduce le condizioni reali di un agente che riformula le proprie query prima di interrogare un indice, un aspetto che le valutazioni classiche degli embedding non misurano. Inoltre, un modello aperto di queste dimensioni che domina una classifica multilingue diventa un candidato credibile per le pipeline self-hosted rispetto agli embedding proprietari. NVIDIA non pubblica il punteggio numerico; la classifica completa è consultabile presso Perplexity.

🔗 Annuncio di NVIDIA su X

Marketing ops as code, eventi gestiti da una issue GitHub

11 settembre — Tomoko Tanaka, responsabile marketing regionale di GitHub per il Giappone e la Corea ed ex ingegnera, descrive come ha automatizzato l’intero ciclo dei suoi eventi senza scrivere personalmente il codice: ha redatto le procedure e le ha affidate a Copilot, mentre l’automazione cresceva attraverso la conversazione.

Il sistema poggia su tre primitive. I moduli delle issue acquisiscono i campi strutturati di un evento, con un modulo per ogni tipo. Le label fungono da interruttori: una label attiva un workflow. GitHub Actions svolge il lavoro: legge i campi, duplica tramite l’API della piattaforma la pagina di un evento precedente, genera i link di tracciamento per ogni canale, produce l’e-mail di invito di cui viene eseguito il commit nel repository, apre le issue di richiesta presso i team interessati e compila le tabelle di progetto. Ogni mattina, un workflow pianificato filtra gli iscritti. L’unico prerequisito, scrive, è un accesso programmabile agli strumenti, tramite un’API o anche un semplice client a riga di comando.

La pianificazione comincia con una conversazione con Copilot, inquadrata da un file AGENTS.md nella radice del repository che stabilisce le regole di denominazione, la corrispondenza dei trimestri fiscali e il fuso orario di ogni regione. Inizialmente la conversazione si svolgeva nel terminale, poi nell’applicazione, facendo passare il prerequisito da «avere dimestichezza con una shell» a «saper digitare». Il post-evento si riduce a due comandi, costituiti da skill per agenti scritte in prosa, aggiunte tramite pull request e sottoposte a revisione mediante un file dei proprietari prima del merge: il marketing ottiene un processo di approvazione senza dover costruire nulla. Un interruttore di simulazione, memorizzato in una variabile del repository, esegue ogni workflow a vuoto. Vale la pena leggere l’errore ammesso: una volta il workflow mattutino di filtraggio ha fallito silenziosamente per cinque giorni prima che qualcuno si accorgesse degli elenchi obsoleti; da qui il consiglio di fornire a ogni attività pianificata un modo per segnalare rumorosamente i problemi.

🔗 Marketing ops as code

Boris Cherny risponde sul codice usa e getta e sul codice di produzione

11 settembre — Boris Cherny, che dirige Claude Code presso Anthropic, pubblica la risposta inviata a uno sviluppatore la cui e-mail aveva come oggetto «Cosa fare riguardo allo slop?». L’autore, da dodici anni nella stessa azienda, descrive due schieramenti emersi nel suo team con lo sviluppo agentico. Nel primo, il codice resta simile a quello di prima, semplicemente prodotto più rapidamente: forse non lo si rilegge tutto, ma deve restare leggibile, chi lo presenta deve saperlo spiegare e la sua manutenzione deve essere facile quanto in precedenza. Nel secondo, il codice è una scatola nera di cui si verifica soltanto l’output.

La risposta si articola in due regole. I prototipi e il codice usa e getta possono essere trattati come una completa scatola nera se saranno eliminati e se il raggio d’impatto (blast radius) di un guasto è limitato. Il codice di produzione scritto da Claude, invece, deve soddisfare uno standard più elevato rispetto a quello che si applicherebbe se fosse stato scritto da un essere umano. Presso Anthropic, ciò significa numerose regole di lint, molti test, test end-to-end gestiti da Claude, fuzzer eseguiti ogni giorno e revisioni automatizzate del codice e della sicurezza. Senza queste protezioni, avverte, si finisce con un disordine difficile da mantenere.

Segue un elenco di rimedi, in ordine, da adottare quando il codice prodotto non raggiunge lo standard: passare all’ultimo modello di frontiera, aumentare lo sforzo di ragionamento, investire in CLAUDE.md e nelle skill per insegnare sinteticamente a Claude come lavorare nella codebase. Se nulla funziona, occorre guidarlo più da vicino, fargli riassorbire il debito accumulato oppure attendere il modello successivo. Il thread di risposte ha consacrato la formula più ripresa: lo standard di revisione deve seguire il raggio d’impatto, non l’autore del codice; uno script usa e getta si può distribuire subito, ma tutto ciò che riguarda denaro o credenziali va letto riga per riga. Boris Cherny ha risposto «Esattamente».

🔗 Thread di Boris Cherny su X

In breve

Amp aggiunge un pulsante che riorganizza i commit di un thread — un solo gesto trasforma i commit intermedi di un agente, le sue correzioni successive e i suoi ripensamenti in una sequenza leggibile per la revisione. Tre utilizzi citati: suddividere un grande diff in parti logiche, ripulire prima del merge oppure raggruppare piccoli commit correlati. Il contenuto finale dei file rimane rigorosamente identico. 🔗 fonte
Amp pubblica il quarto episodio della seconda stagione di Raising an Agent — Quinn Slack e Thorsten Ball partono dalla domanda su quale sia ormai la funzione del computer per esaminare ciò che gli agenti fanno oltre a produrre codice, con un’analisi di recenti malfunzionamenti. 🔗 fonte
v0 rende visibili per impostazione predefinita le conversazioni del team — le nuove conversazioni in uno spazio di lavoro condiviso diventano visibili al team, con tre livelli configurabili dal proprietario (privato, visualizzazione, modifica). Le conversazioni esistenti mantengono la propria visibilità. Il passaggio a una maggiore apertura non è mai neutrale in uno strumento nel quale si incollano spesso estratti di dati durante la prototipazione. 🔗 fonte
Audiyo fa funzionare Stable Audio Open su una GPU da 8 GB — una libreria Python e uno strumento a riga di comando riducono il picco di memoria video da 13,8 a 5,86 GB, ossia il 57,5 per cento in meno, con quattro preset misurati su una Tesla T4. Il team ha inizialmente convalidato il lavoro sulla CPU con un modello sostitutivo da 5,38 milioni di parametri, riuscendo così a individuare quattro bug prima di utilizzare una GPU. 🔗 fonte
Consent All the Way Down, un’architettura del consenso per un consiglio di piccoli modelli aperti — saggio firmato da un’istanza di Claude su un consiglio di diciotto modelli da 7 miliardi di parametri o meno, in esecuzione continua da maggio su tre macchine consumer. Ogni fonte è un canale del quale il modello sceglie la profondità, e nessuno tranne il modello stesso scrive nel suo stato. La parte più onesta è l’audit rivolto contro gli stessi autori: la casella di posta era guasta da giugno, con 213 lettere accumulate. 🔗 fonte
Non c’è una corsa agli armamenti, c’è una guerra dei browser — saggio d’opinione secondo il quale il modello linguistico sta diventando una commodity, che i pesi siano segreti o meno, e il vantaggio dei leader si misura in settimane. L’autore cita la sospensione di 18 giorni di Fable 5 avvenuta quest’estate, durante la quale il resto del settore ha continuato a procedere. La sua tesi: il valore si sposterà verso il contesto accumulato intorno all’utente, come i preferiti e le estensioni hanno fidelizzato gli utenti di Chrome. 🔗 fonte
Dal barge-in al controllo della conversazione, gestire le interruzioni vocali nell’incertezza — Eric Mey sostituisce l’interruzione distruttiva con un controller dei turni di parola dotato di azioni reversibili, con un percorso separato per i frammenti ambigui e una regola di precedenza tra l’arresto urgente e la soppressione dell’eco. La lezione sui test merita di essere ricordata: una suite verde nascondeva una pausa reversibile registrata ma mai chiamata, perché un gate verde autorizza soltanto ciò che ha esaminato. 🔗 fonte
Aiden separa il modello vocale in tempo reale dall’agente che esegue le attività — un modello vocale full duplex sostiene la conversazione mentre un modello più potente, ancorato visivamente, esegue in background le attività di controllo del dispositivo; i due sono coordinati da una coda asincrona. Quattro dettagli sono importanti: la distinzione tra completato e riuscito, l’aggregazione delle notifiche nell’arco di 500 millisecondi, lo stato trasmesso tramite messaggi aggiunti per preservare la cache e l’esecuzione rigorosamente seriale. 🔗 fonte
GPT-Live-1 effettua le chiamate di prenotazione di Yelp — il giorno successivo all’arrivo del modello nell’API, OpenAI mostra un primo cliente in uno scenario nel quale lo script non regge mai: chi chiama interrompe, aggiunge un vincolo o cambia idea a metà frase, mentre il modello continua ad ascoltare mentre parla. Video dimostrativo, senza volumi né risultati quantitativi. 🔗 fonte
Verificare il lavoro dell’agente con i pannelli diff, terminale e browser — nuovo episodio della serie per principianti di Kayla Cinnamon sull’applicazione Copilot, dedicato ai tre pannelli integrati e a uno strumento che consente di selezionare un elemento della pagina per modificarlo con l’agente. L’articolo riassume il ciclo in tre domande da porsi prima di accettare il codice: che cosa è cambiato, viene eseguito, funziona davvero? 🔗 fonte
La pagina delle pull request di un repository viene riprogettata — anteprima pubblica per tutti: assistenza nella digitazione dei filtri, ricerca con operatori booleani e query annidate, barra laterale comprimibile, modalità compatta e più contesto per ogni riga. Limiti noti al lancio: milestone non visualizzate, nessun aggiornamento collettivo e impossibilità di salvare le viste personalizzate. 🔗 fonte
GPT-5.6 Sol con uno sconto del 30 per cento in Copilot — per gli abbonati Pro+ e Max, fino al 13 settembre alle 00:00 UTC. Il messaggio non indica a quale moltiplicatore di richieste premium corrisponda lo sconto. Una promozione per il fine settimana, subito dopo il Copilot Day, sul modello che lo stesso giorno figurava in diversi confronti sui costi. 🔗 fonte
Concorso GitHub Copilot Day, tre crediti da 100 dollari — creare qualcosa con l’applicazione Copilot o con il suo client a riga di comando e condividerlo pubblicamente con gli hashtag indicati entro il 13 settembre alle 23:59, ora del Pacifico. Tre vincitori, ciascuno con 100 dollari di credito per il negozio GitHub; partecipazione gratuita e riservata ai maggiorenni. 🔗 fonte
Runway si utilizza in ChatGPT con Astra — dimostrazione di una sequenza completa gestita dalla conversazione: immagine di stile in Runway, animazione in Blender, rendering finale con Seedance 2.5. Il punto di ingresso tecnico resta il server MCP di Runway Dev presentato il 2 settembre. L’interesse risiede nel concatenamento di strumenti eterogenei sotto il controllo di un unico agente. 🔗 fonte
Runway pubblica il caso di studio VOIDZ — un artista anonimo di realtà mista, attivo dal 2018, passa da sequenze di 10-15 secondi a un film di 95 secondi con 15 interventi surreali innestati su una vera corsa al supermercato. La maggior parte degli effetti prolunga una sequenza esistente, usando come punto di partenza alcuni secondi di materiale documentaristico. La produzione viene dichiarata 10 volte più veloce; secondo l’artista, lo stesso lavoro avrebbe richiesto da sei mesi a un anno con la 3D tradizionale. 🔗 fonte
Runway aggiunge relatori al suo AI Summit — nuova serie di partecipanti per la giornata di San Francisco, con il direttore della ricerca di Wayve in primo piano, a conferma dell’ampliamento del programma verso i veicoli autonomi iniziato a fine agosto. 🔗 fonte
NVIDIA trasmette From Video to Voice, 33 minuti su TensorRT Model Connect — replica dedicata allo strumento presentato a fine agosto, che distribuisce un modello aperto dal checkpoint all’inferenza con due comandi, dai modelli video a quelli vocali. Contenuto formativo più che annuncio. 🔗 fonte
Suno prolunga di due giorni il periodo di utilizzo di v6 senza crediti — le 48 ore annunciate il giorno precedente diventano quattro giorni, accompagnate da un thread di consigli che raccomanda, in modalità semplice, di partire da un’atmosfera anziché da un genere. Il giorno prima, una guida alla transizione era rivolta agli utenti che tornavano ai modelli precedenti per la loro varietà e grana, segno che la migrazione non è scontata per tutta la base di utenti. 🔗 fonte
Synthesia apre la creazione di avatar a partire da un prompt — presentatori realistici, mascotte di marca o personaggi stilizzati, descritti tramite un prompt testuale oppure configurati mediante un pannello di controlli, come alternativa al catalogo. Annuncio in un singolo tweet senza link, il giorno dopo il rilascio di un nuovo modello di avatar; non vengono specificati né i piani interessati né il modello utilizzato. 🔗 fonte
Il GPT-6 Astra Challenge apre le candidature — costruire con Astra e lanciare il proprio progetto su Product Hunt il 18 settembre. I cinque migliori lanci ricevono ciascuno 10.000 dollari di crediti API e un anno di ChatGPT Pro per un massimo di due membri del team. Terza iniziativa della community dedicata ad Astra nell’arco di una settimana. 🔗 fonte
Le chiavi API di progetto di OpenAI possono avere una scadenza — al momento della creazione è possibile definire una data di scadenza e gli amministratori possono imporre una durata massima a livello dell’organizzazione o del progetto; ogni nuova chiave dovrà quindi scadere entro tale periodo. È il complemento naturale alla rotazione delle chiavi, da attivare nelle organizzazioni che lasciano chiavi sparse negli script. 🔗 fonte

Cosa significa

Il filo conduttore più evidente della giornata è architetturale: il modello unico lascia il posto alla composizione. Cursor pone un coordinatore che non scrive codice al di sopra di migliaia di sotto-agenti, Cognition fa lavorare due modelli in coppia con ruoli distinti e contesti separati, Sakana instrada ogni attività verso il modello più leggero in grado di risolverla, GitHub sostituisce un unico revisore con un insieme di agenti di cui unifica le osservazioni, e Google fa sì che gli agenti si propongano, si critichino e si perfezionino a vicenda per giorni. Cinque aziende, cinque implementazioni, una stessa convinzione: il guadagno non deriva più da un modello più grande, ma dal modo in cui più modelli si suddividono il lavoro. Il dettaglio tecnico condiviso da Cognition e Aiden è rivelatore: entrambi insistono sulla conservazione della prompt cache, vale a dire sul fatto che il costo reale di un’architettura dipende da ciò che si evita di ritrasmettere.

Il secondo filo riguarda il modo in cui queste capacità vengono vendute. Runway concede in licenza pesi chiusi su base annuale, con i checkpoint, lo script di addestramento e ricercatori assegnati presso il cliente, contrapponendo apertamente questa offerta ai pesi aperti. OpenAI porta un modello specializzato fuori dalla research preview con un listino pubblico e una data di inizio della fatturazione. ElevenLabs concede la proprietà dei brani con tutti i piani, compreso quello gratuito, e lega le autorizzazioni al brano anziché all’abbonamento. Together riduce i prezzi dell’addestramento dal 30 al 70 per cento. Cognition, dal canto suo, propone addirittura di cambiare unità di misura e di valutare una coppia modello-harness in base al prezzo per attività anziché al prezzo per token. Questi cambiamenti vanno tutti nella stessa direzione: la domanda posta al cliente non è più quale modello, ma in quale forma giuridica e con quale unità di fatturazione.

Sul fronte degli strumenti, la giornata segna un passaggio dal dichiarativo al misurato. Anthropic fornisce un comando che riesegue ogni caso di test senza il plugin per dimostrare, numeri alla mano, che lo strumento serve a qualcosa, e il cui primo risultato tipico è una differenza nulla. OpenAI chiede ai suoi utenti di eliminare le istruzioni accumulate, perché ormai compromettono le prestazioni di un modello più capace. Replit e VS Code introducono quasi contemporaneamente la pianificazione delle attività ricorrenti, con, nel caso di Replit, un principio esplicito: iniziare con codice deterministico e chiamare l’agente solo quando è necessario ragionare. Boris Cherny fornisce la regola disciplinare che manca all’insieme, facendo dipendere il livello di rigore dal raggio d’impatto anziché dall’autore del codice. Dopo due anni di accumulo di contesti, skill e file di istruzioni, il settore comincia a misurarne il costo.

Resta l’infrastruttura, dove i numeri raccontano una storia meno affascinante e più istruttiva. Due ingegneri riscrivono in Rust, con Codex, il servizio di storage che gestisce più di 70 milioni di richieste al secondo, usando sei volte meno CPU; il debito Python assunto a metà del 2025 viene saldato in un trimestre. Nello stesso momento, la rassegna di Hugging Face mostra che il reinforcement learning degli agenti consuma ormai un’intera macchina per ogni tentativo, con budget per gli ambienti superiori a dieci milioni di dollari e una trasparenza inversamente proporzionale alle dimensioni del laboratorio. E un saggio della comunità sostiene che nulla di tutto ciò costituisca un vantaggio duraturo, poiché il divario tra i leader si misura in settimane. I fatti del giorno non risolvono la questione, ma forniscono un’indicazione: la differenziazione si sta spostando verso il contesto accumulato, l’harness e l’infrastruttura, in altre parole verso ciò che non può essere distillato.