Google lancia Gemini 4 Hydrogen, Inkling 2 Small passa ai pesi aperti, OpenAI apre Daybreak Red Team

Google lancia Gemini 4 Hydrogen, un modello veloce che supera Gemini 4 Argon nell’Intelligence Index di Artificial Analysis, e lo distribuisce il giorno stesso in Search, nell’app Gemini, in Antigravity, Cursor e Devin. Thinking Machines pubblica sotto Apache 2.0 i pesi di Inkling 2 Small, OpenAI apre due prodotti di difesa informatica, Daybreak Red Team e Daybreak Defense Factory, e Google rende disponibili in preordine i suoi occhiali intelligenti con Gemini. Sul fronte Anthropic, Claude partecipa alle riunioni Google Meet, Managed Agents può essere ospitato interamente in autonomia e il sito dedicato alla quotazione in borsa ne presenta il calendario.

Gemini 4 Hydrogen: 2,5 volte più veloce di Gemini 3.8 Flash, davanti ad Argon nell’Intelligence Index, a 1,50 dollari per milione di token

12 novembre — Google completa la serie Gemini 4 con Gemini 4 Hydrogen, dopo Argon e Carbon. Mentre questi due modelli puntano sul ragionamento prolungato per i problemi più difficili, Hydrogen è pensato per la velocità: il codice di tutti i giorni, gli agenti che usano strumenti in sequenza e la sintesi di documenti multimodali. Google lo presenta come l’aggiornamento di Gemini 3.8 Flash e dei precedenti modelli Gemini 3 e 2.5.

Meet Gemini 4 Hydrogen: built for rapid coding, multimodal synthesis, and everyday workflows. It finishes tasks 2.5x faster than 3.8 Flash and surpasses Argon on the @ArtificialAnlys Intelligence Index.

🇮🇹 Ecco Gemini 4 Hydrogen, progettato per la programmazione veloce, la sintesi multimodale e le attività quotidiane. Completa le attività 2,5 volte più velocemente di 3.8 Flash e supera Argon nell’Intelligence Index di @ArtificialAnlys. — @GoogleDeepMind su X

Nell’Intelligence Index di Artificial Analysis, Hydrogen ottiene 51 con l’impostazione predefinita, contro 50 per Argon, e 54 al livello di ragionamento più elevato. Rispetto a 3.8 Flash, Google annuncia attività completate 2,5 volte più velocemente, un punteggio Terminal-Bench 4.1 più che triplicato e oltre 5 volte meno affermazioni inventate: il modello segnala il contesto mancante invece di tirare a indovinare.

Benchmark o misura (dati di Google)	Gemini 4 Hydrogen	Termine di confronto
Artificial Analysis Intelligence Index	51 (high), 54 (xhigh)	Gemini 4 Argon: 50
Terminal-Bench 4.1	57 %	Gemini 3.8 Flash: 18,2 %
Velocità delle attività (impostazione high)	2,5 volte più veloce	Gemini 3.8 Flash
HLE-Diamond	58,8 %	In testa alla sua categoria
Vals Tax Agent Bench	52,3 %	1º nella classifica generale
Agents’ Last Exam v1.1	71,6 %	Davanti agli altri modelli, secondo Google

Per gli sviluppatori, gemini-4-hydrogen è in disponibilità generale nell’API Gemini, anche nel livello gratuito, con limiti di frequenza. La tariffa a pagamento è la stessa per tutto il contesto da un milione di token: 1,50 dollari per milione di token in input, 7,50 dollari in output (ragionamento compreso) e 0,075 dollari per gli input nella cache implicita. È la tariffa che tornerà ad applicarsi a Gemini 3.8 Flash al termine della promozione, che dura fino al 31 dicembre (0,75 e 3,75 dollari). Hydrogen aggiunge un quarto livello di ragionamento, xhigh, al di sopra di low, medium e high; il livello predefinito è high, mentre 3.8 Flash usava medium. Il contesto unificato raggiunge 1 048 576 token, con 65 536 token di output per richiesta sincrona e fino a un milione tramite l’esecuzione in background. La migrazione da 3.8 Flash richiede alcuni aggiustamenti: niente più cache esplicita, parametri temperature, top_p e top_k ignorati, livello di ragionamento minimo rifiutato.

Il modello arriva lo stesso giorno nell’app Gemini, in tutto il mondo (gli utenti gratuiti vi accedono tramite la selezione automatica del modello), in Google Search per tutti, in Gemini per Google Sheets inizialmente per gli abbonati Google AI Pro e Ultra, e in Antigravity per gli abbonati a pagamento Pro e Ultra. Diventa anche il modello predefinito dell’agente Antigravity di Gemini Managed Agents. Al momento della nostra rilevazione, invece, non era stata trovata alcuna pull request che menzionasse Hydrogen nel repository di Gemini CLI.

Sul fronte della sicurezza, Google annuncia fino all’81 % in meno di violazioni delle istruzioni nelle attività agentiche, azioni disallineate e scorciatoie ridotte di 12 volte, il 96,7 % nella sua valutazione interna dell’onestà e una resistenza oltre 2,3 volte migliore alle iniezioni indirette di prompt (Gray Swan). È stata pubblicata una scheda del modello.

🔗 Annuncio di Gemini 4 Hydrogen (blog.google) · Novità di Gemini 4 Hydrogen per l’API (Google AI Studio) · Tariffe dell’API Gemini · Scheda del modello (PDF)

Google Search passa a Hydrogen, «il più grande aggiornamento del modello» di Search secondo Google

12 novembre — Google Search adotta Gemini 4 Hydrogen per tutti i suoi utenti, in tutto il mondo. Robby Stein, vicepresidente di prodotto di Search, parla del più grande aggiornamento del modello di Search mai realizzato. Il motore dovrebbe comprendere meglio l’intento, anche per domande articolate in più parti, molto precise o scritte con errori di battitura. Estende la sua tecnica delle query a ventaglio (query fan-out), che avvia ricerche parallele sui sottoargomenti di una domanda, e propone quindi una gamma più ampia di link. Le risposte diventano più visive, con immagini, tabelle comparative e strumenti creati per la domanda, in tutte le lingue supportate dalla modalità IA. Google non pubblica alcun dato numerico per questo aspetto.

🔗 Gemini 4 Hydrogen in Search (blog.google)

Antigravity Orchestrator alterna Carbon e Hydrogen nella stessa sessione, con il 24 % di quota in meno

12 novembre — Google Antigravity aggiunge al suo selettore di modelli un’opzione Orchestrator. Non sceglie un modello per l’intera attività: passa il controllo tra Gemini 4 Carbon e Gemini 4 Hydrogen durante la stessa sessione, in entrambe le direzioni. Carbon esplora il codice in sola lettura, risolve le ambiguità e costruisce un piano; Hydrogen scrive le modifiche, aggiorna i pacchetti ed esegue i test, poi restituisce il controllo a Carbon se incontra un ostacolo.

Secondo il post di Antigravity, Orchestrator si avvicina al tasso di successo di Carbon da solo consumando in media il 24 % di quota in meno e terminando il 19 % più velocemente, su Terminal-Bench 4.1; il post di blog.google riferisce gli stessi dati a Terminal-Bench 4.0. Orchestrator è inizialmente riservato agli abbonati Google AI Ultra, mentre Hydrogen da solo è disponibile per gli abbonati a pagamento Pro e Ultra. Secondo Antigravity, sono stati anche avviati «decine di migliaia» di sciami di agenti (swarms) in pochi giorni dall’arrivo di /swarm.

🔗 Gemini 4 Hydrogen in Google Antigravity

Cursor: 54,3 % su CursorBench al livello di sforzo predefinito, contro il 39,6 % di Gemini 3.8 Flash

12 novembre — Gemini 4 Hydrogen arriva in Cursor il giorno del lancio. Secondo il tweet di Cursor, il modello ottiene al livello di sforzo predefinito il 54,3 % su CursorBench, il benchmark interno dell’azienda, contro il 39,6 % di Gemini 3.8 Flash. Un secondo tweet ne indica il prezzo in Cursor: 1,50 dollari per milione di token in input e 7,50 dollari in output. La pagina di valutazione di Cursor, invece, descrive tre livelli di sforzo.

Modello e livello di sforzo (pagina di valutazione di Cursor)	Punteggio CursorBench	Costo per attività
Gemini 4 Hydrogen, livello High	54,3 %	5,59 dollari
Gemini 4 Hydrogen, livello Medium	46,7 %	1,76 dollari
Gemini 4 Hydrogen, livello Low	27,9 %	0,28 dollari
Gemini 4 Carbon, livello High (riferimento)	60,4 %	9,22 dollari

🔗 Annuncio di @cursor_ai · Pagina di valutazione di Cursor

Devin: 38,2 % su FrontierCode 2.0 per 2,40 dollari ad attività

12 novembre — Anche Cognition rende disponibile Gemini 4 Hydrogen in Devin Desktop e Devin CLI. Su FrontierCode 2.0, il suo benchmark che valuta la qualità del codice prodotto per attività reali e la sua idoneità al merge, Hydrogen ottiene il 38,2 %, a meno di un punto da GPT-6.1 Sol e vicino a Gemini 4 Carbon. Cognition insiste soprattutto sul costo: 2,40 dollari per attività, circa il 40 % in meno rispetto ai 4,04 dollari di Carbon. A un livello di sforzo medio, Hydrogen supera già il miglior risultato di Gemini 4 Argon a meno di un settimo del suo costo per attività.

Modello valutato (estratto dal grafico di Cognition)	Punteggio FrontierCode 2.0
Claude Fable 5.2	49,1 %
Claude Opus 5.5	45,5 %
Gemini 4 Carbon	40,0 %
GPT-6.1 Sol	39,0 %
Gemini 4 Hydrogen	38,2 %
Gemini 4 Argon	26,3 %

🔗 Gemini 4 Hydrogen in Devin (Cognition)

Inkling 2 Small: Thinking Machines pubblica sotto Apache 2.0 i pesi del suo MoE multimodale da 594B parametri, di cui 17B attivi

12 novembre — Una settimana dopo averlo lanciato a pesi chiusi, Thinking Machines pubblica su Hugging Face i pesi di Inkling 2 Small, sotto licenza Apache 2.0. Il modello era disponibile dal 5 novembre su Tinker, la piattaforma di affinamento del laboratorio, in attesa di completare test di sicurezza esterni e un red-teaming, secondo il percorso che Thinking Machines descriveva in «un percorso sicuro verso i pesi aperti».

Inkling 2 Small’s weights are now available for download on HuggingFace under an Apache 2.0 license. Make Inkling your own!

🇮🇹 I pesi di Inkling 2 Small sono ora scaricabili su HuggingFace sotto licenza Apache 2.0. Fate di Inkling il vostro modello! — @thinkymachines su X

È la seconda generazione di modelli del laboratorio, dopo Inkling-Small (276B parametri, di cui 12B attivi): una miscela di esperti (Mixture-of-Experts) da 594 miliardi di parametri, di cui 17 miliardi attivi, che accetta immagini in input, senza audio, e offre un livello di sforzo regolabile. Insieme ai pesi arriva l’ecosistema di distribuzione: integrazione con Unsloth, SGLang, vLLM e TokenSpeed, post-addestramento con Miles, SkyRL e Snowflake Cortex Training, e API presso NVIDIA, Fireworks, Together, Baseten, Nebius, Modal e Cloudflare. La scheda del modello su Hugging Face annuncia una finestra di contesto fino a un milione di token.

Thinking Machines annuncia un punteggio di 31 nell’Intelligence Index di Artificial Analysis (30,6 nella sua tabella), dietro a DeepSeek-V4.1-Flash-1017 (32,6), GLM 5.3 (31,7) e Gemini 3.8 Flash (30,8), e dietro a Claude Haiku 5.5 (36,5). Nelle sue misurazioni, il modello resta dietro a DeepSeek-V4.1-Flash-1017 nella maggior parte dei benchmark di programmazione, ma davanti a GLM-5.3-Flash.

Misura di Thinking Machines	Inkling 2 Small	DeepSeek-V4.1-Flash-1017	GLM-5.3-Flash	Kimi K3	Claude Haiku 5.5
Parametri attivi / totali (B)	17 / 594	16 / 552	18 / 320	104 / 2 800	Non indicato
AA Index v5.0	30,6	32,6	27,8	Non indicato	36,5
FrontierCode v2.0	25,4 %	28,5 %	17,6 %	17,3 %	34,9 %
DeepSWE v1.1	72,1 %	77,0 %	63,4 %	68,5 %	59,9 %
SWE-Bench Pro v2 (Hard)	86,3 %	89,7 %	82,8 %	88,2 %	52,9 %
MMMU Pro (visione)	81,6 %	80,6 %	79,0 %	80,5 %	79,1 %

Nell’ottimizzazione dei kernel GPU (PMPP-Hard), Inkling 2 Small risolve 54,25 attività su 69 in dieci ore, contro 63 per GPT-6 Astra e 60 per Claude Opus 5.5. Il post descrive nel dettaglio la ricetta: un preaddestramento su 8 400 miliardi di token in 68 ore su rack NVIDIA GB300 NVL72, interamente in NVFP4, poi fasi successive fino a un milione di token di contesto, alimentate soprattutto da traiettorie campionate da modelli precedenti, tra cui Kimi K3. Il post-addestramento si svolge in un’unica esecuzione di apprendimento per rinforzo: 1 075 passi, oltre 17 milioni di rollouts, 2 048 GPU per nove giorni. Il modello è stato testato in OpenCode con il nome in codice Fledge-Alpha.

Thinking Machines elenca anche i suoi limiti: il modello non è il più conciso, non sceglie sempre lo strumento giusto quando le skill sono numerose ed è meno rifinito nella conversazione. Sul fronte della sicurezza, il laboratorio considera le sue capacità di sicurezza informatica offensiva inferiori a quelle dei modelli aperti più avanzati e ritiene che la sua variante «helpful-only» apporti solo un miglioramento marginale nelle conoscenze CBRN.

🔗 Inkling 2 Small (Thinking Machines) · Inkling-2-Small su Hugging Face

Daybreak Red Team e Daybreak Defense Factory: OpenAI rende disponibili test di penetrazione con agenti e uno strumento che trasforma le vulnerabilità in correzioni

12 novembre — OpenAI teneva quel giorno alle 10 PT il keynote Cyber at the Frontier, dedicato ai suoi annunci sulla cybersicurezza. La pagina rimanda a due prodotti riuniti sotto il marchio Daybreak e alla richiesta di accesso a Daybreak. Al momento della nostra rilevazione, OpenAI non aveva pubblicato né un post sul blog né un tweet sul keynote: quanto segue proviene dalle pagine dei prodotti e dalla documentazione.

Prodotto Daybreak	Stato al 12 novembre	Cosa fa
Daybreak Red Team	Accesso anticipato, previa iscrizione	Test di penetrazione di applicazioni web tramite un team di agenti
Daybreak Defense Factory	Anteprima, plugin per ChatGPT	Analisi di repository GitHub, importazione da Snyk, Endor Labs e Wiz, correzioni da revisionare

Daybreak Red Team si basa su un team coordinato di agenti che parte dal codice sorgente e dal contesto di un’applicazione web per esplorare i percorsi di attacco e confermare le vulnerabilità. Convalida anche i risultati provenienti da scanner di codice, programmi di bug bounty o segnalazioni di vulnerabilità, verifica che una correzione blocchi effettivamente l’exploit e ripete la valutazione quando l’applicazione cambia. Il perimetro è delimitato da ambienti isolati e da una revisione Guardian, con un controllo delle applicazioni e dei punti di accesso che gli agenti possono raggiungere. Il prodotto non va confuso con Daybreak Red, il livello di accesso già esistente ai modelli specializzati in cybersicurezza per la ricerca autorizzata.

Daybreak Defense Factory punta a trasformare un arretrato di vulnerabilità in correzioni. Si installa come plugin in anteprima in ChatGPT, sul web o nell’applicazione desktop, negli spazi di lavoro che hanno accesso a Daybreak. Le analisi cloud vengono eseguite in Codex cloud e richiedono una connessione GitHub personale, secondo tre modalità: analisi di un repository, monitoraggio continuo dei nuovi commit o analisi pianificata. Lo strumento revisiona anche le pull request e importa i risultati di Snyk Open Source, Endor Labs e Wiz, fino a 10 000 occorrenze per selezione. Nulla viene applicato automaticamente: ogni correzione proposta va revisionata, «Fix with Codex» permette di perfezionarla e «Create PR» apre una pull request in bozza. I repository GitLab non dispongono di analisi cloud.

Le analisi dei repository e il monitoraggio continuo vengono fatturati in base all’utilizzo di token, alle tariffe del piano e al di fuori della quota inclusa, con crediti di analisi gratuiti che non scadono. Le pagine non indicano alcun modello e non forniscono né dati sulle prestazioni né prezzi specifici. Defense Factory prosegue il percorso di Codex Security Cloud, presentato il 29 settembre, e dell’approccio The Defense Factory descritto a settembre.

🔗 Cyber at the Frontier (OpenAI) · Data e ora del keynote (pagina Cybersicurezza di OpenAI) · Daybreak Red Team · Daybreak Defense Factory · Documentazione (Codex Security) · FAQ di Codex Security

OpenAI protegge le sue centinaia di agenti OpenClaw persistenti con la sandbox di Codex

12 novembre — Il blog OpenAI Developers spiega come OpenAI gestisce gli agenti persistenti che esegue internamente, tra cui centinaia di agenti OpenClaw e oltre 500 agenti che lavorano in modo proattivo in background. A differenza di una sessione Codex, un agente persistente funziona senza interruzioni e può agire senza aspettare l’utente.

La prima regola è separare il codice attendibile (rete, identità, sandbox) dall’esecuzione del modello: OpenAI ha aggiunto al progetto open source l’esecuzione remota dell’harness, che colloca il gateway OpenClaw in un altro cluster. Gli agenti vengono eseguiti nella sandbox di Codex: rete limitata a una lista di autorizzazione, scrittura limitata alla propria cartella di lavoro, segreti affidati a un broker di credenziali. L’Auto-review fa convalidare ogni azione da un secondo agente, ogni agente ha una propria identità associata a un ChatGPT Service Account e tutto viene registrato nei log. OpenClaw Enterprise, un piano di controllo degli agenti open source, è in fase pilota, con una versione 1.0 prevista entro la fine dell’anno.

🔗 Proteggere gli agenti persistenti come OpenClaw in OpenAI

Occhiali intelligenti con Gemini: Google apre i preordini, a partire da 395 dollari da Warby Parker e 449 dollari da Gentle Monster

12 novembre — Google apre i preordini dei suoi occhiali intelligenti (Intelligent Eyewear) con Gemini, progettati con Samsung e due marchi di occhiali, Gentle Monster e Warby Parker; il ruolo di Samsung non viene precisato. I preordini sono disponibili online e nei negozi dei due marchi, con dimostrazioni in una selezione di negozi Gentle Monster, Warby Parker e Google Store. La vendita inizia il 10 dicembre.

Gamma di occhiali	Modelli proposti	Prezzo di partenza	Paesi indicati
Gentle Monster	6 modelli colorati, lenti graduate disponibili sulla maggior parte	449 dollari	Stati Uniti e Corea del Sud
Warby Parker	Alden, Reid e Wren, in versione da vista o da sole	395 dollari	Solo account Google degli Stati Uniti e della Corea del Sud

Le montature assomigliano a occhiali tradizionali. Basta un «Hey Gemini» o un tocco sull’asta per interrogare Gemini su ciò che si sta guardando, per esempio la storia di un murale incontrato per strada. Google Maps fornisce indicazioni audio e Google Translate traduce il parlato in tempo reale in oltre 70 lingue. Per le persone cieche o ipovedenti, Guided Vision descrive l’ambiente e Aira Explorer mette in contatto con un interprete visivo umano.

Gli occhiali pesano circa 41 g e offrono fino a 9 ore di autonomia a seconda dell’uso; la custodia garantisce fino a 7 ricariche e una ricarica al 60 % richiede circa 30 minuti. Integrano una fotocamera ultra grandangolare da 12 Mpx (video fino a 3K), altoparlanti aperti e una protezione IPX4. Si collegano tramite Bluetooth a un Pixel 7 o successivo con Android 17, a un iPhone 13 Pro o successivo (almeno 6 GB di RAM) con iOS 26.6 o successivo, oppure a un Galaxy S o Z recente.

Google insiste sulla privacy. Le immagini che Gemini vede non vengono conservate nella cronologia né utilizzate per l’addestramento o la pubblicità, e i volti dei passanti vengono oscurati prima dell’elaborazione. Una spia esterna segnala foto e video e blocca l’acquisizione se viene coperta, mentre un interruttore fisico disattiva tutto. Le applicazioni di Google Play non possono utilizzare la fotocamera degli occhiali per lo streaming in diretta sui social né per l’identificazione facciale in tempo reale.

🔗 Preordini degli occhiali intelligenti (blog.google) · Protezioni della privacy (blog.google) · Scheda tecnica e compatibilità (glasses.google)

Quotazione in borsa di Anthropic: prezzo finale atteso il 18 novembre e prime negoziazioni il 19, secondo il sito ufficiale

12 novembre — Anthropic promuove, in un tweet, il sito della sua quotazione in borsa, ipo.anthropic.com, la cui data di pubblicazione non è indicata. La FAQ riporta il calendario: previa approvazione delle autorità, prezzo finale atteso il 18 novembre e prime negoziazioni il 19 (ora della costa orientale degli Stati Uniti), sul Nasdaq con il simbolo «ANT». Secondo il post del 10 novembre che apriva il roadshow, l’offerta riguarda 825 milioni di azioni, tra 70 e 78 dollari.

Dato pubblicato sul sito («Q3’26»)	Valore indicato
Fatturato	17,0 miliardi di dollari, oltre 12 volte quello di un anno fa
Margine operativo	-3 %, e 15 % di margine rettificato (misura non GAAP)
Perdita netta	23,3 miliardi di dollari, di cui 21,9 miliardi senza impatto sulla liquidità
Efficienza di calcolo	Aumentata di oltre 4 volte dal primo trimestre 2025

Secondo il sito, l’onere senza impatto sulla liquidità è legato all’aumento della valutazione. La versione europea descrive un’offerta agli investitori privati di nove paesi dello Spazio economico europeo, tra cui la Francia; secondo la FAQ, il prezzo massimo di 120 dollari per azione indicato nel prospetto europeo non è il prezzo atteso, e il prezzo finale sarà quello dell’offerta statunitense.

🔗 Sito della quotazione in borsa, variante europea · Tweet di @AnthropicAI · Lancio del roadshow (Anthropic)

Claude Meetings in beta: Claude partecipa alle chiamate Google Meet dei piani Team ed Enterprise

12 novembre — Anthropic lancia Claude Meetings in beta, in fase di distribuzione sui piani Team ed Enterprise. Claude entra nella chiamata come partecipante visibile: gli si possono porre domande a voce o nella chat e, per impostazione predefinita, risponde per iscritto. Durante la riunione crea documenti e lavagne che gli altri invitati dell’organizzazione modificano contemporaneamente, e annota appunti e azioni da intraprendere; tutto viene poi raccolto in una pagina della riunione su claude.ai.

Per il momento è supportato solo Google Meet. La possibilità di invitarlo è attiva per impostazione predefinita su Team e viene abilitata da un amministratore su Enterprise; le organizzazioni con conservazione dei dati pari a zero (ZDR), HIPAA-ready o con chiavi gestite dal cliente (CMEK) ne sono escluse durante la beta. Claude conserva la trascrizione, un riepilogo e descrizioni dello schermo, ma non l’audio, ed evita per impostazione predefinita le chiamate con un invitato esterno. Appunti, trascrizioni e risposte sono gratuiti durante la beta, tranne le risposte che passano attraverso uno strumento connesso; gli artefatti creati durante le riunioni restano gratuiti fino al 10 febbraio 2027.

🔗 Presentazione di Claude Meetings

Claude Managed Agents in self-hosting in beta privata: harness, sandbox e cronologia delle sessioni presso il cliente

12 novembre — Claude Managed Agents, la suite di API di Anthropic per costruire e distribuire agenti autonomi, può ora essere eseguita interamente presso il cliente, in beta privata. Finora solo le sandbox potevano essere gestite in self-hosting, in beta pubblica dal 19 maggio. L’harness dell’agente, le sandbox, le credenziali e la cronologia delle sessioni risiedono ora nel cloud dell’azienda o sui suoi server, gestiti direttamente dall’azienda.

Le richieste al modello vengono inviate dove decide il cliente: ad Anthropic, ad Amazon Bedrock, a Google’s Agent Platform o a Microsoft Foundry, oppure al proprio gateway, con le stesse API del servizio ospitato; la conservazione dei dati pari a zero (ZDR) si applica se è attiva. Le credenziali restano fuori dalla sandbox, l’accesso alla rete è limitato a una lista di host autorizzati e ogni sessione produce un log esportabile in OpenTelemetry. La beta è riservata alle organizzazioni idonee, tramite il proprio referente commerciale presso Anthropic.

🔗 Eseguire Claude Managed Agents all’interno del proprio perimetro di sicurezza

Modelli aperti specializzati: trascrizione con Salesforce, voce con Zyphra e decisioni con Perplexity

Tre modelli a pesi aperti, tutti con licenza Apache, puntano ciascuno a un compito preciso. I dati provengono dai rispettivi produttori.

SOV-Transcribe-1: Salesforce pubblica un modello di trascrizione primo tra i modelli aperti su Artificial Analysis

12 novembre — Un team di Salesforce pubblica su Hugging Face SOV-Transcribe-1, il suo primo modello di riconoscimento vocale a pesi aperti, con licenza Apache 2.0. È un modello linguistico con capacità vocali, destinato alla trascrizione non in streaming, con 4 miliardi di parametri attivi su 26 miliardi totali secondo il post (27 miliardi secondo la scheda dell’Hub). Secondo il team, è primo tra i modelli aperti su Artificial Analysis (7° nella classifica generale). Accetta anche istruzioni, come parole chiave per trascrivere meglio i nomi rari. Il rapporto tecnico non è ancora pubblicato.

Benchmark (misurazioni del team)	SOV-Transcribe-1	Termini di confronto citati
AA-WER, tasso di errore (più basso = meglio)	2,28 %	Nemotron 3.5 Transcribe 2,81 %, Voxtral Small 2,77 %
HALAS, chiamate reali (più basso = meglio)	25,69 %	Qwen3-ASR 1.7B 26,01 %, Voxtral Small 27,35 %
VoiceCodeBench, registrazioni senza errori	76,3 %	2° su 23 sistemi

🔗 SOV-Transcribe-1 (Hugging Face)

ZONOS3-Mini: Zyphra clona le voci in tempo reale in 43 lingue con 100M di parametri attivi

12 novembre — Zyphra pubblica ZONOS3-Mini, un modello di sintesi vocale con licenza Apache 2.0 che clona una voce senza affinamento preliminare (zero-shot) in 43 lingue. Attiva solo 100 milioni di parametri su 800 milioni, mentre ZONOS2 si basava su un modello da 8 miliardi, grazie a un nuovo codec audio a 15 Hz e a un’architettura ibrida Gated DeltaNet e attention con mixture of experts. L’addestramento ha richiesto 2,5 giorni su 112 GPU H100. Sono pubblicati pesi, versioni quantizzate e runtime (browser con WebGPU, MLX, C++, SGLang-Omni), con il codice sotto licenza MIT. Zyphra lo classifica primo tra i modelli aperti nel proprio indice, davanti a Fish S2 Pro e MOSS TTS v1.5.

Dispositivo di test (misurazioni di Zyphra)	Tempo prima del primo suono
Pixel 9, nel browser	Meno di 570 ms
MacBook Air M3	Meno di 150 ms
GPU H100 (mediana)	80 ms

🔗 ZONOS3-Mini (Hugging Face)

Decider v1.3: Perplexity aggiunge l’estrazione di passaggi ai suoi modelli decisionali aperti

12 novembre — Perplexity pubblica Decider v1.3 (27B, su base Qwen3.8-27B) e Decider Flash v1.3 (4B, distillato dal primo), i suoi modelli decisionali a pesi aperti. Questi classificatori generalisti restituiscono in un unico passaggio le probabilità per domande a risposta chiusa, senza generare testo. I pesi sono disponibili con licenza Apache su Hugging Face, i modelli sono gratuiti su OpenRouter fino al 19 novembre e la Decisions API mantiene i suoi prezzi: 0,02 e 0,01 dollari per milione di token in ingresso, con output gratuito. La novità, locate, estrae da un testo i passaggi che corrispondono a una descrizione, insieme alle loro posizioni; riservata alla v1.3, legge solo il testo ed esclude web_grounding.

Valutazione di Perplexity	Decider v1.3	Termine di confronto
Classificazione delle richieste (63 task)	91,6 %	+6,54 punti rispetto ai classificatori in produzione
Riordinamento (72 task, nDCG@10)	83,99	+2,24 rispetto a Jev 1.14
Estrazione locate (17 task fuori dominio)	69,0	Liquid d1 : 43,3
Accordo con giudici LLM (1 milione di richieste)	93,98 %	Decider v1.2 : 93,68 %

🔗 Perplexity Decider v1.3 · Accesso gratuito su OpenRouter (@perplexitydevs)

Runway passa al 3D: generazione di modelli con Tripo H3.1, poi un’angolazione scelta serve da riferimento per l’immagine o il video

12 novembre — Runway supporta ora il 3D. Il modello Tripo H3.1 genera modelli 3D dettagliati a partire da un testo o da un’immagine, e l’utente può anche importarne uno proprio. Si sceglie poi una qualsiasi angolazione del modello per usarla come riferimento per l’immagine o il video successivo, e il modello può essere esportato verso altri strumenti 3D. Runway si era già avvicinata al 3D attraverso alcune app: 3D Camera Control in App Studio (26 ottobre), poi Sightline (9 novembre), che esporta il suo panorama 360 in 3D. Questa volta, la generazione di modelli 3D entra nell’applicazione stessa, affidata a un modello di terze parti. L’annuncio, diffuso con un tweet senza un articolo né una voce nel changelog, non precisa il costo in crediti, i piani interessati o i formati di esportazione.

🔗 Annuncio di @runwayml

Agenti di coding: Amp, Delta e Replit Agent

Amp sostituisce il suo quadrante Dial con un selettore di modello e livello di sforzo

12 novembre — Amp abbandona il Dial, il quadrante a quattro modalità (low, medium, high, ultra) lanciato a luglio. Lo sostituisce un selettore classico: si scelgono il modello e il suo livello di sforzo per ogni conversazione, ed entrambi possono essere cambiati in corso d’opera. Il motivo riguarda la fatturazione: da quando Amp accetta gli abbonamenti e le chiavi API dell’utente, il modello scelto determina anche chi paga, e il selettore mostra la connessione a cui viene addebitato l’uso di ciascun modello. Cambiare modello durante una conversazione ha un costo: la cache del prompt appartiene a un modello, quindi il primo messaggio successivo costa di più. L’opzione Staff Pick riprende il modello preferito dal team, attualmente Claude Opus 5.5, e funge da impostazione predefinita per le nuove conversazioni. Le impostazioni del Dial non vengono trasferite.

Vecchia modalità del Dial	Modello associato per impostazione predefinita
low	GLM-5.3-Flash
medium	Claude Opus 5.5
high	GPT-6 Astra
ultra	Claude Fable 5.2

🔗 Bye Bye, Dial (Amp)

Delta accoglie Claude Agent tramite ACP v2, con l’abbonamento Claude dell’utente

12 novembre — Delta, l’ambiente multiplayer del team di Zed, accoglie il suo primo agente esterno: Claude Agent, collegato tramite l’Agent Client Protocol (ACP). Vi si accede con il proprio abbonamento Claude, consumandone l’utilizzo incluso, oppure con un account Anthropic Console, fatturato come uso dell’API. Delta ha scritto per il Claude Agent SDK un adattatore ACP open source che carica skill, comandi e memoria come Claude Code e recupera i server MCP già configurati. Per il momento Claude Agent gira in locale, non ancora sui Cloud Runners lanciati il giorno prima. Il team afferma di distribuirlo prima del solito, perché era la funzione più richiesta, e lo considera ancora acerbo. L’integrazione si basa su ACP v2, che supporta il lavoro in background: la v2 è in bozza, attesa in Preview nelle prossime settimane e poi in Stable poco dopo. Codex è il prossimo agente previsto.

🔗 Claude Agent in Delta (articolo di Delta)

Replit Agent fa acquisti per l’azienda con Link e Visa e lancia campagne Google Ads

12 novembre — Replit affida due nuovi compiti al suo Agent. Con il commercio agentico (Agentic Commerce), l’Agent cerca forniture in base a ciò che sa dell’attività, poi un sottoagente browser, fornito da Browserbase, riempie il carrello sul sito del commerciante. Tutto si ferma al pagamento: il proprietario approva il totale finale in Link, il portafoglio di Stripe, con Visa per i pagamenti avviati dagli agenti. La sessione del browser è isolata, l’accesso alla shell viene disattivato durante il pagamento e i controlli di approvazione sono imposti nel codice. La funzione è disponibile per i piani Core e Pro, inizialmente negli Stati Uniti; l’articolo parla di acquisti una tantum, la documentazione anche di abbonamenti a prezzo fisso.

Con le pubblicità agentiche (Agentic Ads), l’Agent crea o collega un account Google Ads, scrive gli annunci, genera le immagini e aggiunge il monitoraggio delle conversioni all’applicazione. Le campagne sono di tipo Performance Max, con un budget giornaliero medio di almeno 15 dollari, per gli abbonati Pro di tutto il mondo, su un Workspace personale.

🔗 Replit Agent, acquisti e pubblicità (articolo di Replit) · Documentazione Agentic Commerce · Documentazione Agentic Ads

Notizie in breve

Agenti di coding e CLI

Codex CLI 0.167.2 — Pubblicata la sera dell’11 novembre, attiva per impostazione predefinita l’invio incrementale degli aggiornamenti degli strumenti su Google Cloud Vertex AI, dopo Amazon Bedrock nella 0.167.1. Il 12, openai-python 3.50.0 e openai-node 7.56.0 aggiungono input_transformations, che segnala gli elementi di ragionamento rimossi dall’input e il motivo. 🔗 fonte
Codex su iOS — La versione 1.2026.307 di ChatGPT per iOS, del 10 novembre, permette di incollare immagini e file nell’editor a schermo intero di Codex, dettare le annotazioni e cambiare unità sugli host Windows; l’abbinamento manuale ora funziona con VoiceOver. 🔗 fonte
Copilot CLI 1.0.110-2 e 1.0.110-3 — Due versioni di anteprima, con 95 e poi 8 correzioni: /compact rispetta il limite di crediti IA della sessione, la CLI avvisa quando --yolo o --allow-all vengono ignorati e copilot -p segnala i server MCP non avviati. Il SDK 1.0.32-preview.2 estende il BYOK all’API Interactions nativa di Gemini; l’ultima versione stabile resta la 1.0.109. 🔗 fonte
Antigravity CLI 1.5.7 e 1.5.6 — La 1.5.7 avvia in modalità Auto qualsiasi sessione senza una modalità salvata, anche in headless (-p), mantenendo la priorità di un’impostazione restrittiva delle autorizzazioni. La 1.5.6, dell’11 novembre, anima /swarm board (una regina e un’ape per ogni agente attivo) e aggiunge continuation_active agli hook Stop per evitare i loop. 🔗 fonte
Gemini CLI — Ancora nessuna nuova versione dalla v0.68.0, e la build notturna è nuovamente fallita. Due correzioni sono state integrate nel branch principale: gemini models list mostra il vero limite di output (65 536 token anziché 8 192 fissati nel codice), e i flussi lunghi senza output non vengono più interrotti dopo 300 secondi quando è configurato un timeout più lungo. 🔗 fonte
Kimi Code 2.6.0 — La modalità a schermo intero comprime le chiamate consecutive agli strumenti e il ragionamento del modello in righe di riepilogo, configurabili in /settings, e l’agente può modificare più volte un file senza rileggerlo. L’API del server locale cambia senza che venga segnalata un’incompatibilità: gli endpoint di trascrizione scompaiono a favore di un flusso WebSocket. 🔗 fonte
Qwen Code v1.0.0-preview.1 — Versione di anteprima dedicata soprattutto alle correzioni: gli abbonati Qwen ritrovano l’accesso ai modelli del loro abbonamento dopo il login, e i modelli Qoder ora eseguono le chiamate agli strumenti in parallelo. 🔗 fonte
CLI mistral 0.18.1 — Una sola correzione: su macOS 27, lo strumento non termina più subito dopo l’avvio senza alcun messaggio (codice 137), grazie a binari macOS firmati correttamente. 🔗 fonte
DeepSeek Harness 0.2.2-rc.2 — Pubblicata l’11 novembre, questa 38ª versione di anteprima dell’agente di coding di DeepSeek, ancora senza una versione stabile, permette di esaminare le modifiche di un worktree per branch, commit o tipo di file con le revisioni GitHub, e aggiunge sottoagenti con nome su più livelli. 🔗 fonte
Gemini 4 Carbon in Warp — Warp rende disponibile Carbon in Warp Factories, nel suo terminale e nel suo strumento di benchmark delle fabbriche software, per confrontarlo sui task già eseguiti dagli agenti; nessun prezzo né punteggio. 🔗 fonte
Astryx in v0 — v0 aggiunge Astryx, presentato come il design system di Meta: una volta scelto per un progetto, v0 genera l’interfaccia con i suoi componenti, pattern e template; non sono specificati né il piano né il prezzo. 🔗 fonte

Applicazioni e API

Grok Bot su Mac — L’applicazione desktop di SpaceXSI può ora usare Messaggi, Mail, Note, Promemoria, Calendario, Localizzazione e Contatti, con un’autorizzazione separata per ciascuna applicazione; non sono specificati né il piano, né la versione, né i paesi. 🔗 fonte
Kimi Work 3.2.27 — L’applicazione desktop di Moonshot AI arriva sui Mac Intel, esegue i task lunghi in background e condivide i suoi plugin tra le modalità Work e Chat; una correzione impedisce di salvare un progetto nella cartella di installazione, dove un aggiornamento poteva cancellare i file. 🔗 fonte
Claude for Manufacturing — Anthropic lancia per i piani Team ed Enterprise un plugin con 17 skill (vendite, qualità, operazioni, acquisti, progettazione) e quattro connettori (Autodesk Fusion, Infor, Microsoft 365, Oracle NetSuite), con ogni processo che si ferma per una revisione umana; non controlla le macchine. 🔗 fonte
Opus 5.5 nell’uso quotidiano — Una guida di Anthropic consiglia Opus 5.5 per il lavoro intellettuale, con il supporto di test interni (16 rapporti su 18 senza cifre né citazioni inventate, un’analisi di fusione in 63 minuti contro 93 per Opus 5), e suggerisce di aumentare il livello di sforzo prima di cambiare modello. 🔗 fonte
Indirizzo e-mail in ChatGPT Enterprise — Gli amministratori globali di Enterprise, Edu e Healthcare possono cambiare l’indirizzo degli utenti non gestiti tramite SCIM, su un dominio verificato dello stesso tenant, entro il limite di 2 modifiche ogni 24 ore e di 20 nell’intera vita dell’account. 🔗 fonte
Agent API di Perplexity — Dall’11 novembre, max_output_tokens può essere omesso con tutti i modelli, compresi quelli di Anthropic: ogni generazione può produrre fino a 128 000 token di output, entro il limite del modello, con le versioni 2026-11-11.0 dei livelli di sforzo. 🔗 fonte

GitHub

Fine di ARM32 in GitHub Actions — I runner ospitati Linux e Windows smetteranno di eseguire job ARM32 entro l’8 dicembre 2026, poiché Node 24 non supporta questa architettura; i runner ARM32 autogestiti avevano perso il supporto il 23 settembre. 🔗 fonte
Secret scanning e Cloudflare — I token di servizio Cloudflare Access (cloudflare_access_service_token) vengono ora rilevati automaticamente nei repository; il changelog non indica se Cloudflare entra nel programma partner. 🔗 fonte
Link diretti agli avvisi del public monitoring — Ogni avviso del monitoraggio dei segreti aziendali esposti su github.com ha ora un proprio URL, da conservare o condividere con i colleghi che dispongono dell’accesso; la funzione resta riservata a GitHub Enterprise Cloud con Secret Protection o Advanced Security, senza costi aggiuntivi. 🔗 fonte

Aziende e utilizzi

J.Crew Style Advisor — Lo stilista IA di JCrew.com propone outfit completi tratti dai servizi fotografici del marchio, negli Stati Uniti; progettato con Claude Fable 5.1 e prototipato con Opus 5.5 in Claude Code, gira in produzione su Sonnet 5.5 e Haiku 5.5. 🔗 fonte
Amplitude — Il suo agente di prodotto Wave gira per circa l’80 % su modelli di OpenAI; secondo le valutazioni di Amplitude, GPT-6.1 Sol ottiene 67,5 contro 69,3 di un altro modello sull’agente di data science, a un costo di 1,28 contro 2,63 dollari per esecuzione. 🔗 fonte
Holiday Extras — L’operatore turistico ha ricostruito la propria applicazione con Codex in due settimane, contro gli oltre sei mesi necessari in precedenza; la conversione aumenta del 32,5 % e il tasso di errore passa dal 19 % al 9 %, su periodi di confronto diversi. 🔗 fonte
Gilbert + Tobin — Lo studio legale australiano dichiara un utilizzo attivo di ChatGPT dell’87 % e ha preparato la valutazione annuale dei suoi 120 soci con ChatGPT Work per circa 62 dollari di utilizzo. 🔗 fonte
Lara Avci e Codex — OpenAI Developers presenta questa partecipante al programma Codex Ambassador, che sostiene fondatori europei; i suoi siti e giochi realizzati con Codex hanno attirato oltre 30 000 visitatori in meno di quattro giorni. 🔗 fonte

Immagini, video e 3D

Character Swap & Insert di Luma — Pubblicato la sera dell’11 novembre, lo strumento sostituisce o inserisce un personaggio, un veicolo o un animale mantenendo la stessa inquadratura; non sono specificati né il prezzo né il modello sottostante. 🔗 fonte
Gemini Omni 1.2 Flash in HeyGen — Da testo e immagini a video, clip di massimo 15 secondi con audio generato contemporaneamente e modifiche in più turni; nessun prezzo né costo in crediti. 🔗 fonte
HeyGen e Grok Bot — HeyGen propone di addestrare Grok Bot sul tono del marchio in Slack e di assegnargli un identificativo di avatar HeyGen, per produrre in team video nello stile dei contenuti degli utenti; senza dettagli sull’integrazione né sul prezzo. 🔗 fonte
Moderazione in Runway — Runway spiega di aver sostituito i classificatori di terze parti a categorie fisse con regole proprie, applicate da LLM e aggiornate nel giro di poche ore: combattimenti e horror vengono consentiti, mentre gli abusi vengono bloccati meglio. 🔗 fonte
TRELLIS.2 affinato con LoRA — Hugging Face pubblica una guida al fine-tuning di questo modello di generazione 3D su 188 scarpe; su nove oggetti di test, l’F-score passa da 0,276 a 0,803. 🔗 fonte

Modelli aperti e ricerca

ForeSpark — Meta pubblica senza annunci il codice di questo metodo di scheduling della decodifica speculativa parallela; secondo il README, raggiunge fino a 1,77 volte il throughput di DSpark e 2,49 volte quello della decodifica autoregressiva su vLLM. 🔗 fonte
Origami di Wirkung — Cinque modelli aperti (Qwen3.5-9B e 27B, Gemma 4 31B, MiniMax-H3, Kolibri-1) convertiti senza riaddestramento in file da 4,3 a 7,5 volte più piccoli; l’articolo non fornisce misurazioni della qualità conservata. 🔗 fonte
Construction-Site-Traversability in FiftyOne — Voxel51 converte i dati di un robot cingolato che percorre ripetutamente due cantieri: 1 h 45 di guida, 9 760 m di terreno, 62 995 immagini a colori e altrettante scansioni lidar. 🔗 fonte

Ecosistema

OpenAI e la sicurezza dei bambini — Al Forum di Parigi sulla Pace, OpenAI ha firmato una carta per un’IA più sicura per i bambini e stanziato 2 milioni di dollari per la rete di ricerca della coalizione che la promuove; i risultati saranno pubblicati, anche se negativi. 🔗 fonte
Cohere — Jaya Baloo, cofondatrice di AISLE ed ex CISO di Rapid7, Avast e KPN Telecom, diventa la prima responsabile della sicurezza dei sistemi informativi di Cohere; il post non indica se l’acquisizione di AISLE sia stata completata. 🔗 fonte
Synthesia nell’AI 100 — Synthesia figura nella prima classifica delle 100 principali aziende private di IA di Newcomer e Bessemer, e ricorda di avere oltre 65 000 clienti e un round di serie E da 200 milioni di dollari per una valutazione di 4 miliardi. 🔗 fonte
Guida di Perplexity sulla finestra di contesto — Spiega la misurazione in token e i limiti di input e output, e confronta GPT-6 Astra (1,05 milioni di token), Claude Opus 5.5 (1 milione) e Gemini 4 Argon (1 048 576), senza novità di prodotto. 🔗 fonte

Cosa significa

Il modello veloce raggiunge quello più grande, e gli strumenti per il codice ne misurano il costo. Gemini 4 Hydrogen supera Argon nell’Intelligence Index di Artificial Analysis e, in Devin, resta a 1,8 punti da Carbon con un costo per attività inferiore di circa il 40 %. Sulla pagina di valutazione di Cursor, il divario è più netto: 54,3 % per 5,59 dollari ad attività in High, contro 60,4 % per 9,22 dollari con Carbon. Antigravity Orchestrator e il selettore di Amp traggono la stessa conclusione sul piano del prodotto: non si mantiene più un solo modello per un’intera sessione, ma lo si cambia in base alla fase, con un costo a ogni passaggio in Amp, dove si perde la cache del prompt.

I pesi aperti arrivano per fasi e con dati forniti dai produttori. Inkling 2 Small è rimasto per una settimana a pesi chiusi su Tinker, il tempo necessario per i test di sicurezza esterni, prima di essere pubblicato con licenza Apache 2.0 e con l’intero ecosistema di deployment. I tre modelli specializzati del giorno, per la trascrizione, la voce e le decisioni, condividono una licenza aperta e valutazioni condotte dai rispettivi autori, talvolta sulla base di un proprio indice, come quello di Zyphra. Poiché il rapporto tecnico di SOV-Transcribe-1 non è ancora stato pubblicato, queste classifiche restano da verificare confrontandole con altre fonti.

Gli agenti si fanno carico di attività di sicurezza, e i loro produttori illustrano nel dettaglio le misure di protezione che ne regolano l’operato. Daybreak Red Team testa applicazioni in ambienti isolati sotto la supervisione di Guardian, e Defense Factory propone correzioni senza mai applicarle autonomamente. OpenAI sottopone i propri agenti OpenClaw alla sandbox di Codex, all’Auto-review e a un’identità per ogni agente; Anthropic applica principi simili per Managed Agents in self-hosting, con credenziali al di fuori della sandbox, un elenco di host autorizzati e un registro completo. Replit, da parte sua, ferma il proprio Agent al momento del pagamento e impone l’approvazione nel codice, non nel modello.

L’assistente entra in luoghi in cui sono presenti altre persone, e i due annunci interessati affrontano questo punto fin dall’inizio. Claude Meetings conserva la trascrizione senza l’audio ed evita per impostazione predefinita le chiamate a cui partecipa un ospite esterno all’organizzazione. Gli occhiali di Google oscurano i volti dei passanti prima dell’elaborazione, segnalano l’acquisizione con una spia che la blocca se viene coperta, e Google Play vi vieta l’identificazione facciale in tempo reale.