Meta lancia Muse Wonder, NVIDIA apre i suoi progetti di rack Vera Rubin, Anthropic misura la replicazione autonoma di piccoli modelli

Meta lancia Muse Wonder e Muse Wonder Full, i suoi modelli più performanti finora, progettati per le attività agentiche: il primo è disponibile tramite la Meta Model API e Muse Code, a 4 dollari per milione di tokens in input, il secondo è riservato agli abbonati a Muse Code, e non viene annunciato alcun rilascio di pesi aperti. All’OCP Global Summit, NVIDIA conferisce all’Open Compute Project i suoi progetti di rack Vera Rubin, mentre la Frontier Red Team di Anthropic stima che ai piccoli modelli manchino pochi mesi per poter copiare sé stessi su dispositivi connessi. Sul fronte del codice, Artificial Analysis colloca Claude Opus 5.5 in cima alla sua classifica FrontierCode 1.1, con il 52,2 %, e Google dedica la giornata alla salute, dal braccialetto Fitbit Edge agli enzimi progettati da AlphaProtein Novo.

Meta lancia Muse Wonder e Muse Wonder Full, i suoi modelli di frontiera per le attività agentiche

12 ottobre — Meta presenta la serie Muse Wonder, composta da Muse Wonder e Muse Wonder Full, che descrive come i suoi modelli più performanti finora: due modelli di frontiera (frontier models) progettati per attività agentiche personali e professionali. Muse Wonder è disponibile da subito tramite la Meta Model API e in Muse Code; Muse Wonder Full è riservato agli abbonati a Muse Code. Muse Wonder alimenterà «presto» l’assistente personale Muse, inizialmente per gli abbonati.

Quattordici mesi dopo una revisione completa del suo lavoro sull’IA, e dopo Muse Spark 1.3, uscito il 2 settembre, Meta parla della «fase successiva» della sua crescita per livelli (scaling ladder). I due modelli sono stati addestrati in Prometheus, il suo data center dell’ordine del gigawatt, a partire da modelli di base «più grandi e più forti» le cui dimensioni non sono pubblicate. Vengono evidenziate due capacità: la memoria attiva (Active Memory), che conserva il contesto importante da una conversazione all’altra, e la concentrazione attiva (Active Focus), che spinge il modello a cambiare approccio quando incontra un ostacolo, a chiedere chiarimenti e a verificare prima di un’azione importante.

I risultati compaiono soltanto in un’immagine dell’articolo: una tabella con misurazioni effettuate da Meta, con impostazione max per tutti i modelli. Un modello Muse Wonder risulta primo in 7 delle 14 righe, a cominciare dal Personal Superintelligence Index, un indice interno di Meta. Claude Opus 5.5 resta tuttavia davanti in 6 righe, tra cui l’Artificial Analysis Index, e GPT-6 Astra su GDP.pdf.

Benchmark (estratto, misurazioni di Meta con impostazione max)	Muse Wonder Full	Muse Wonder	Claude Opus 5.5	GPT-6 Astra
Personal Superintelligence Index (indice interno di Meta)	59,1	54,3	55,2	54,5
DeepSWE 1.1	79,0	78,8	74,2	74,1
SWE-Marathon	57,5 (xhigh)	53,1	46,3	42,5
MemoryBench	85,5	85,6	81,5	81,4
Terminal-Bench 4.0-AA	57,1	52,0	59,6	59,1
ProgramBench	59,0	50,0	70,5	52,5
Artificial Analysis Index	56	52	58	53

Versione del modello	Accesso offerto	Tariffa annunciata
muse-wonder-1.0	Meta Model API e Muse Code, contesto di 1M di tokens	4 dollari in input, 0,20 dollari per l’input in cache, 20 dollari in output, per milione di tokens
muse-wonder-full-1.0	Solo abbonati a Muse Code, contesto di 1M di tokens	Abbonamenti Power Usage (50 dollari al mese) e Maximum Usage (200 dollari al mese)

Sul fronte della sicurezza, Meta afferma di disporre delle sue protezioni più solide finora contro gli usi impropri chimici, biologici, radiologici e nucleari (CBRN) e cyber, preservando al contempo l’accesso alle capacità cyber avanzate per un uso difensivo. Presenta Muse Wonder come il suo modello più allineato finora e promette «presto» un rapporto completo con ulteriori valutazioni di sicurezza.

🔗 Articolo di ricerca di Meta · Pagina del modello e tariffe

OCP Global Summit: NVIDIA conferisce i suoi progetti di rack Vera Rubin, Meta adotta Spectrum-6

12 ottobre — All’apertura dell’OCP Global Summit, a San Jose, NVIDIA conferisce all’Open Compute Project (OCP) progetti chiave di rack (rack) e di vassoi di calcolo (compute tray) Vera Rubin, tramite la sua architettura aperta MGX. L’obiettivo dichiarato: fornire ai produttori una base comune per le fabbriche di IA di prossima generazione. La specifica MGX 1.2 aggiunge il raffreddamento a liquido con connessione cieca (blind-mate) a livello di rack, una barra collettrice (busbar) raffreddata a liquido da 5 000 A, vassoi di calcolo senza ventole e rack fino a 250 kW. NVIDIA pubblica anche una specifica per i rack CPU Vera, pensata per il lavoro degli agenti (chiamate a strumenti, orchestrazione, esecuzione in sandbox), accanto a Vera Rubin NVL72, che resta la base per l’addestramento e l’inferenza.

Sul fronte software, DSX OS, il livello operativo della sua piattaforma per fabbriche di IA, riceve quattro componenti open source derivati dall’esperienza operativa di DGX Cloud, tra cui Cluster Readiness Engine, che mette alla prova i cluster GPU sotto carico prima dell’addestramento, e un Cluster API Provider che rende pronti i cluster «in ore anziché giorni», secondo NVIDIA.

Ian Buck, vicepresidente hyperscale e HPC di NVIDIA, ha presentato insieme a questi contributi una serie di annunci dei partner. Il più concreto arriva da Meta, che adotta gli switch Ethernet Spectrum-6: il suo switch N-IceCube trova posto in IcePack, il suo rack di rete raffreddato a liquido, gestito da FBOSS, il suo sistema operativo di rete open source.

Annuncio presentato al summit	Partner citati	Punto chiave annunciato
MGX 1.2 e rack CPU Vera	Comunità OCP	Barra collettrice da 5 000 A, rack fino a 250 kW
Componenti open source di DSX OS	Progetti NVIDIA	Quattro strumenti derivati da DGX Cloud
Open Data Center Specification v0.7	AMD, Google, Meta	Progettazione comune degli edifici delle fabbriche di IA
OCP Grid Resilience Specification	Google, Meta, Microsoft	Ritorno a un carico quasi pieno in meno di 2 s dopo una perturbazione della rete elettrica
Piattaforma K-1 a 800 VDC	Visionbay, Vertiv	Progettata per future installazioni di Vera Rubin
Spectrum-6 presso Meta	Meta	102,4 Tb/s, fino a 8 piani di rete, oltre 100 000 GPU
Protocollo Falcon Transport	Google	Future SuperNIC ConnectX-10 e DPU BlueField
Formato ottico USFP	Cisco, TE Connectivity, Amphenol	400 Gb/s per corsia (dettagli sotto)

Nessuno di questi annunci è accompagnato da un prezzo o da una data di disponibilità. Jensen Huang terrà il keynote del GTC Berlin mercoledì 21 ottobre.

🔗 Articolo di NVIDIA sull’OCP Global Summit

USFP: NVIDIA e Cisco preparano un modulo ottico inseribile da 400 Gb/s per corsia

12 ottobre — Tra questi annunci, NVIDIA e Cisco presentano il loro progetto per il formato USFP (Ultra-Dense Small Form Factor Pluggable), un modulo ottico inseribile che NVIDIA descrive come il primo progettato per segnali elettrici da 400 Gb/s per corsia. I primi ricetrasmettitori (transceivers) previsti riuniranno 16 corsie bidirezionali (full-duplex) in un ingombro vicino a quello dell’OSFP, sia per gli switch sia per le SuperNIC, raggiungendo così fino a 12,8 Tb/s, con una possibile estensione a 32 corsie e oltre. Rispetto ai moduli attuali da 200 Gb/s per corsia, NVIDIA annuncia una densità di banda sul pannello frontale quattro volte superiore e un’efficienza energetica circa 1,3 volte maggiore, e il modulo può dissipare fino a 100 W senza raffreddamento dedicato integrato. La posta in gioco: collegare più endpoint a 1,6 Tb/s senza aggiungere un livello di rete. TE Connectivity e Amphenol stanno preparando alloggiamenti, connettori e moduli, ma si tratta ancora soltanto di un progetto: il comunicato non fornisce né una data né un prezzo.

🔗 Comunicato di NVIDIA e Cisco

La Frontier Red Team di Anthropic misura l’autoreplicazione di piccoli modelli su dispositivi connessi

12 ottobre — In uno studio firmato da William Zhou e Daniel Freeman, la Frontier Red Team di Anthropic stima che ai piccoli modelli potrebbero mancare pochi mesi per poter copiare sé stessi su dispositivi connessi poco protetti. Il team ha distribuito Gemma4-26B-A4B su 15 box Android TV senza marchio, acquistati a circa 55 dollari l’uno: il modello vi gira a 0,39 token al secondo.

Un modello da 9B riesce ad avviare l’inferenza su 8 dei 9 tipi di hardware testati. In una rete isolata di 8 macchine Android emulate, soltanto GLM-5.2 riesce a completare la replicazione dall’inizio alla fine (8 nodi su 8 in 4 prove su 5); poiché l’intrusione è volutamente banale, Anthropic considera questo risultato un limite superiore. Al ritmo di progresso dei modelli aperti da 30B o meno, un piccolo modello raggiungerebbe questo livello entro la fine del 2026, una stima che il team stesso considera approssimativa.

Un simile worm sarebbe lento, al massimo equivalente a circa 40 H100 su un insieme di oltre 2 milioni di dispositivi, ma saprebbe adattarsi: ereditando le note della generazione precedente, Qwen3.5-9B passa dal 45 % al 61-84 % di successo in sei generazioni. Non esiste ancora un replicatore incontrollato completo; sul fronte della difesa, lo studio ricorda che, nel caso della rete di macchine zombie (botnet) Mirai, la messa in quarantena degli abbonati infetti da parte del loro provider di accesso aveva eliminato il 92 % delle infezioni in 14 giorni.

Like coding agents in 2024, we’re seeing signs of life for AI worms.

🇮🇹 Come per gli agenti di codice nel 2024, vediamo segni di vita nei worm IA. — Frontier Red Team di Anthropic, articolo di ricerca

Agenti di codice: FrontierCode 1.1 nella classifica di Artificial Analysis, Amp in ascolto di GitHub, ColGrep-Agent-2B di LightOn

Una classifica indipendente misura ciò che gli agenti di codice producono davvero, mentre Amp e LightOn lavorano su ciò che accade intorno: il monitoraggio delle pull requests e la ricerca nel codice.

FrontierCode 1.1: Artificial Analysis colloca Claude Opus 5.5 al primo posto, con il 52,2 %

12 ottobre — Artificial Analysis pubblica la propria classifica di FrontierCode 1.1, il benchmark che Cognition ha costruito con maintainer open source: verifica che un maintainer accetterebbe di fare il merge della modifica proposta dall’agente, non soltanto che questa superi i test, e penalizza le modifiche eccessive o fuori ambito. Artificial Analysis esegue l’insieme principale (Main), 100 attività private su 150, con il proprio harness open source Stirrup e tre tentativi per attività; un tentativo che non supera un controllo bloccante vale zero.

Leading models still fail more than 40% of the time

🇮🇹 I migliori modelli falliscono ancora più del 40 % delle volte. — @ArtificialAnlys su X

Claude Opus 5.5 supera i controlli bloccanti soltanto nel 58 % dei suoi tentativi, e 9 attività su 100 non sono state completate con successo da nessuno dei 22 modelli valutati. MiMo-V2.6-Pro, di Xiaomi, è il primo modello a pesi aperti, con il 45 %. Il divario di costo è molto più ampio di quello di punteggio:

Modello valutato (impostazione)	Punteggio FrontierCode 1.1	Costo per attività
Claude Opus 5.5 (max, con fallback)	52,2 %	10,15 dollari
GPT-6.1 Sol (max)	49,1 %	0,81 dollari
Claude Fable 5.1 (max, con fallback)	49,0 %	12 dollari
MiMo-V2.6-Pro	45,4 %	0,18 dollari
GPT-6 Luna (max)	41,9 %	0,09 dollari

Secondo Artificial Analysis, GPT-6.1 Sol eguaglia così Fable 5.1 con meno di un decimo del costo per attività dei migliori modelli Anthropic. Questi punteggi non sono confrontabili con quelli che Cognition pubblica per Devin, spesso misurati sulla variante Extended con il proprio harness.

🔗 Classifica FrontierCode di Artificial Analysis

Amp segue le pull requests che apre e avvia una orb per ogni ticket o PR GitHub

12 ottobre — Amp non abbandona più le pull requests che apre: quando l’agente crea una PR su GitHub, può iscriversi ai suoi commenti, alle sue revisioni e ai risultati della CI dell’ultimo commit. Un controllo fallito o la domanda di un revisore arriva quindi nello stesso thread, dove Amp ha già il contesto per rispondere.

La funzione si basa su un’integrazione dei GitHub Webhooks definita «di prima classe» (first-class): Amp riceve ed elabora direttamente gli eventi, poi l’utente, o l’agente, sceglie di inviarli a una sola orb, l’ambiente remoto in cui gira un agente Amp, oppure a una nuova orb ogni volta. Si può così richiedere una orb per ogni nuovo ticket (issue) o PR di un repository, eventualmente limitata a un’etichetta (label): ogni orb legge il ticket, ne prepara un riepilogo e i commenti successivi tornano nello stesso thread. Dal 23 luglio, le orbs sapevano già reagire a webhooks esterni; la novità è un’integrazione GitHub dedicata, gestita da Amp, con una schermata di gestione in Settings → MCP & Integrations → GitHub per modificare o mettere in pausa ogni iscrizione. Basta installare l’applicazione GitHub di Amp sul repository; l’articolo non menziona alcuna tariffa.

🔗 Articolo di Amp

ColGrep-Agent-2B: LightOn affida la ricerca di codice di Claude Code a un agente locale

12 ottobre — LightOn pubblica ColGrep-Agent-2B, un agente di ricerca di codice da 2 miliardi di parametri con licenza Apache-2.0, che gira in locale tra l’agente di codice e il repository. A partire da una domanda, esegue ricerche con ColGrep, il motore di ricerca semantica multivettore di LightOn, legge i file promettenti, segue i riferimenti e restituisce percorsi, intervalli di righe e codice: il modello di frontiera non deve più eseguire da solo i successivi passaggi di esplorazione.

Integrato in Claude Code con Sonnet 5.5, su 52 domande di ricerca in 13 repository assenti dall’addestramento (624 sessioni), riduce del 34 % i tokens dell’API e del 40 % il costo dell’API, cache inclusa, rispetto a grep, senza differenze di accuratezza statisticamente significative. LightOn precisa che la misurazione riguarda la ricerca di codice, non attività complete dall’inizio alla fine. Affinato a partire da MiniCPM5-2B, il modello si installa con brew install lightonai/tap/colgrep && colgrep --install-agent, che scarica una versione GGUF di circa 2,5 Go; non richiede né un ambiente Python, né un server di inferenza, né una chiave API, e risponde in una ventina di secondi su un M3 Pro.

🔗 Articolo di LightOn su Hugging Face

Salute in Google: Health Guardian e il braccialetto Fitbit Edge, AlphaProtein Novo progetta enzimi inediti

Google dedica la giornata alla salute: da un lato funzionalità rivolte al grande pubblico per Google Health e Fitbit, dall’altro un bilancio della ricerca che mette in evidenza un lavoro di Google DeepMind passato inosservato.

Google Health: Health Guardian, oltre 100 attività rilevate e il braccialetto Fitbit Edge

12 ottobre — Google Health riunisce gli annunci autunnali in una serie di articoli. Health Guardian monitora in background i cambiamenti graduali della salute, come la pressione arteriosa e la resistenza all’insulina; con l’abbonamento Google Health Premium, Health Coach, il coach dell’applicazione, aiuta a interpretare questi cambiamenti e prepara il contesto da condividere con il proprio medico. Il rilevamento automatico delle sessioni, basato secondo Google su un ragionamento contestuale (contextual reasoning), diventa quasi 2 volte più preciso.

Novità annunciata	Dettaglio numerico	Disponibilità annunciata
Health Guardian	Tendenze della pressione arteriosa e della resistenza all’insulina, rapporto mensile	Più avanti questo mese su Fitbit Air e Fitbit Edge, abbonati Premium
Rilevamento automatico delle attività	Da 10 a oltre 100 attività, sessioni non rilevate ridotte di oltre la metà	Più avanti questo mese su Fitbit Air, Fitbit Edge e Pixel Watch da 3 a 5
Braccialetto Fitbit Edge	179,99 dollari, 11,5 mm, fino a 7 giorni di autonomia, batteria sostituibile	In preordine, nei negozi dal 27 ottobre
Partnership con Flo Health	Dati del ciclo sincronizzati, oltre 80 milioni di utenti donne al mese su Flo	Inizio del prossimo anno

Il Fitbit Edge, presentato come una finestra su Health Coach al polso, è il primo braccialetto di attività riparabile di Google. Abbott (sensore di glucosio Lingo), MyFitnessPal e Function Health completano le integrazioni.

🔗 Le novità di Google Health · Fitbit Edge · Partnership con Flo Health

Bilancio della ricerca sanitaria di Google: AlphaProtein Novo progetta enzimi che non esistono in natura

12 ottobre — Yossi Matias (Google Research) e Pushmeet Kohli (Google DeepMind) fanno il bilancio del lavoro di Google nella salute: 90 articoli sottoposti a revisione paritaria in cinque anni, oltre 90 000 citazioni e oltre 60 milioni di dollari erogati nel 2026 da Google.org a gruppi che applicano questi modelli. L’articolo riprende soprattutto risultati già noti, ma mette in evidenza AlphaProtein Novo, una catena di elaborazione (pipeline) di apprendimento automatico di Google DeepMind che progetta enzimi da zero (de novo), senza partire da un enzima naturale.

In una prepubblicazione pubblicata su bioRxiv il 5 ottobre, insieme al California Institute of Technology e all’Università di Pittsburgh, i gruppi hanno creato transferasi del nitrene inedite per sintetizzare la piperidina, una struttura chiave nei farmaci, con una selettività che definiscono senza precedenti, oltre a enzimi che degradano il DEHP, una tossina ambientale, in condizioni in cui gli enzimi naturali si denaturano. L’articolo cita anche due nuovi impieghi: a Barcellona, l’Istituto di salute globale ha sottoposto a screening virtuale 30 000 composti con AlphaFold contro la malattia di Chagas e individuato due farmaci già approvati dalla FDA che potrebbero essere riposizionati; al Children’s Mercy Hospital, DeepSomatic ha rilevato 10 mutazioni sfuggite all’analisi in leucemie infantili già sequenziate.

🔗 Il bilancio di Google sull’IA nella salute · La prepubblicazione AlphaProtein Novo su bioRxiv

Modelli specializzati per professione: GLM-Legal di Z.ai per il diritto, Apex 2.0 di Fin per il servizio clienti

Due produttori partono da un modello esistente e lo sottopongono a post-addestramento per una professione specifica, con numeri a supporto.

GLM-Legal: Z.ai specializza GLM-5.3-Flash nel lavoro giuridico

12 ottobre — Z.ai presenta GLM-Legal, un modello giuridico costruito su GLM-5.3-Flash e progettato per flussi di lavoro reali: revisione dei contratti, analisi delle prove, conformità. Dopo un addestramento intermedio (mid-training) su un corpus giuridico ampliato, è stato sottoposto a post-addestramento tramite apprendimento per rinforzo in decine di migliaia di ambienti giuridici realistici. Su Harvey LAB, il banco di prova di Harvey per agenti giuridici, che copre 24 ambiti di pratica, GLM-Legal raggiunge il 19,2 % di successo completo (all-pass rate), 12,5 punti in più rispetto al modello di base.

Modello valutato su Harvey LAB	Successo completo (dati di Z.ai)
GLM-Legal	19,2 %
Kimi K3	12,9 %
Claude Fable 5	11,3 %
GLM-5.3-Flash	6,7 %
GPT-6 Astra	5,4 %

Solo il punteggio di GLM-Legal compare nel testo dell’articolo; gli altri provengono dal grafico del tweet di annuncio. Su LegalBench e PLawBench (diritto cinese), Z.ai dichiara risultati alla pari con i migliori modelli chiusi, senza pubblicare punteggi. GLM-Legal è in beta: studi legali, produttori di software giuridico (legal tech), uffici legali e professionisti indipendenti possono richiedere l’accesso API tramite un modulo, e il modello dovrebbe arrivare «presto» in AutoClaw, la sua piattaforma di agenti desktop. Non vengono annunciati né prezzi né pesi aperti.

🔗 Articolo di Z.ai su GLM-Legal · Annuncio di Z.ai su X

Apex 2.0 e Apex Flash 2.0: Fin costruisce i suoi modelli di servizio clienti su Nemotron 3

7 ottobre — Fin, l’agente IA per il servizio clienti, ha lanciato Apex 2.0, la nuova versione del suo modello di generazione delle risposte, costruito questa volta su Nemotron 3 Super; NVIDIA ha accolto con favore questo lancio il 12 ottobre. Come per Apex 1.0, che Fin dichiarava già migliore in produzione rispetto a Claude Sonnet 4.6, il gruppo parte da un modello di base a pesi aperti che adatta con il proprio post-addestramento: affinamento tramite istruzioni e preferenze, modelli di ricompensa rivisti, esempi mirati per decidere se rispondere o chiedere un chiarimento, ricerca delle promesse infondate. Fin afferma anche di aver ridotto il costo di deployment tramite quantizzazione, senza perdite misurabili di qualità.

Modello di Fin	Modello di base NVIDIA	Miglioramenti annunciati rispetto alla versione 1.0
Apex 2.0	Nemotron 3 Super	+8,6 % di risoluzioni confermate dall’utente, -16,5 % di allucinazioni
Apex Flash 2.0 (Fin Voice)	Nemotron 3 Nano	Risposte più rapide del 24 %, -46 % di allucinazioni, 9 lingue invece del solo inglese

Apex 2.0 è in uso per tutti i clienti di Fin, oltre 12 000; l’articolo non indica alcuna tariffa.

🔗 Articolo di Fin su Apex 2.0

Addestrare e servire i modelli: QwenGyre, ReplaySSM e l’endpoint /v1/systemone di Transformers

Tre lavori riguardano l’infrastruttura software dei modelli: l’addestramento di agenti con orizzonti molto lunghi, la decodifica dei modelli ibridi e il servizio dei modelli decisionali.

QwenGyre: Qwen rende elastico l’apprendimento per rinforzo degli agenti con orizzonti molto lunghi

12 ottobre — Il gruppo Qwen presenta QwenGyre, un framework di apprendimento per rinforzo online per agenti la cui singola esecuzione può durare ore, concatenare centinaia di interazioni con l’ambiente e avvicinarsi al milione di tokens per traiettoria generata (rollout). Ne derivano due problemi: GPU inattive durante le lunghe generazioni e traiettorie ridondanti quando l’esecuzione si ramifica (compattazione del contesto, sottoagenti, nuovi tentativi). Lo scheduler elastico (Elastic Scheduler) riassegna le GPU tra la generazione delle traiettorie e l’addestramento senza interrompere le esecuzioni: fino a 1,85 volte più rapido dell’approccio Colocate e 1,78 volte più rapido dell’approccio asincrono (Async). Il processore di traiettorie (Trajectory Processor) organizza le cronologie ramificate in alberi con prefissi condivisi, eliminando i duplicati.

Applicato a Qwen3.8-2.4T-A95B, con circa 700 000 tokens per traiettoria, QwenGyre porta NL2RepoBench dal 52,5 % al 58,5 % in 48 passaggi e, secondo il tweet di annuncio, riduce di circa il 44 % il tempo di addestramento complessivo rispetto all’approccio asincrono. Il paper è su arXiv dal 27 settembre; non viene annunciato alcun repository di codice.

🔗 Annuncio di Qwen su X · Il paper QwenGyre su arXiv

ReplaySSM: NVIDIA e il Dao AI Lab accelerano la decodifica dei modelli ibridi

12 ottobre — NVIDIA e il Dao AI Lab dell’Università di Princeton presentano ReplaySSM, un nuovo modo di memorizzare lo stato dei layer SSM durante la decodifica dei modelli ibridi, che alternano layer di spazio di stato e layer di attenzione, come Nemotron 3, da Qwen3.5 a Qwen3.8, Kimi-K3 o GLM-5.3-Flash. Alle dimensioni dei batch usate in produzione, sono questi layer SSM, e non l’attenzione, a incidere maggiormente sulla latenza di decodifica fino a 100K tokens di contesto. ReplaySSM rappresenta lo stato tramite un checkpoint e un piccolo buffer degli input recenti: l’output viene calcolato a ogni token, ma il checkpoint viene riscritto in memoria solo ogni 16 tokens, dimezzando circa il traffico di memoria predominante.

Configurazione misurata in vLLM	Miglioramento annunciato rispetto a vLLM
Passaggio di decodifica, batch di 1	Nessuno
Kernel SSM, batch di 256	Da 1,46 a 1,80 volte più rapido
Passaggio di decodifica completo, batch di 256	Da 1,20 a 1,47 volte più rapido
Decodifica speculativa, batch di 512, modelli di classe 120B	1,85 e 2,10 volte il throughput

La tecnica è integrata in TensorRT-LLM, vLLM e FlashInfer ed è in uso in produzione in GLM-5.3-Flash e Kimi-K3, secondo NVIDIA; l’articolo è su arXiv e il codice su GitHub.

🔗 Articolo tecnico di NVIDIA su ReplaySSM · L’articolo ReplaySSM su arXiv

/v1/systemone: transformers serve trasforma un LLM o un VLM in un modello decisionale

12 ottobre — Hugging Face ha integrato in Transformers un endpoint /v1/systemone per transformers serve, il server integrato nella libreria. Invece di generare una risposta, il server assegna un punteggio a un insieme di decisioni possibili a partire dai logits del modello: secondo Lysandre, uno qualsiasi dei 250 LLM e VLM supportati può così diventare un modello decisionale «in stile JEV», senza generare testo. La PR 49322 di Marc Sun supporta per il momento tutti i modelli autoregressivi e aggiunge un decision_config trasmesso al server, perché ogni modello decisionale formula il proprio prompt e imposta la temperatura a modo suo; Marc Sun annuncia una standardizzazione dei modelli decisionali «presto» in Transformers. La funzione non è ancora inclusa in alcuna versione pubblicata: la più recente, v5.19.0, risale al 6 ottobre. llama.cpp serviva già questo formato dal 2 ottobre.

🔗 Annuncio di Lysandre su X · PR 49322 su GitHub

Pagine web e file ripensati per gli agenti: la Browser Annotation API di OpenAI, la forge Git di Perplexity Projects

OpenAI e Perplexity riprendono due ambienti familiari, la pagina web e il file system, affinché un agente vi trovi più contesto.

Browser Annotation API: i siti personalizzano le annotazioni del browser di ChatGPT

12 ottobre — OpenAI Developers presenta la Browser Annotation API, descritta nella guida Annotations Extensibility di ChatGPT Learn. Senza modifiche al codice, la modalità Annotation del browser integrato nell’applicazione desktop ChatGPT funziona già su qualsiasi sito: si seleziona una parte della pagina, la si commenta e la si invia come contesto a Codex o a ChatGPT Work. L’API, esposta tramite document.oai.annotation sulle pagine sicure (HTTPS o localhost), permette al sito di scegliere ciò che è selezionabile, il contesto che accompagna la selezione e i controlli che mostrano un’anteprima di una modifica prima dell’invio.

La guida descrive nove integrazioni: una scheda può diventare un unico oggetto selezionabile (oai-annotation-container, oai-annotatable), un pulsante del sito può aprire un’annotazione con un commento suggerito, controlli personalizzati (registerControls()) mostrano per esempio l’anteprima di un token di spaziatura, e gli oggetti disegnati in un canvas diventano selezionabili. La guida si rivolge alla versione DevDay 2026 dell’applicazione e alle successive; in ChatGPT Enterprise ed Edu, un amministratore deve autorizzare queste personalizzazioni. Le annotazioni completano gli strumenti per i siti WebMCP, che espongono le azioni che ChatGPT può eseguire su un sito.

🔗 Annuncio di @OpenAIDevs · Guida Annotations Extensibility

Perplexity Projects: un file system costruito come una forge Git per agenti

12 ottobre — Perplexity pubblica un post di ingegneria sul file system di Projects, lo spazio di lavoro di Perplexity Computer in cui persone e agenti svolgono insieme attività di lunga durata. Ogni agente lavora nella propria sandbox e salva le modifiche in un repository Git condiviso, gestito da cinque componenti: una CLI in ogni sandbox, un piano di controllo, un servizio Git, uno storage basato su AWS S3 (S3Files) e un servizio di estrazione del testo dai documenti. Il servizio accetta un push solo se parte dall’ultimo commit accettato; altrimenti, l’agente riapplica la propria modifica e ripete il push, senza una richiesta di merge (pull request). Un file system virtuale FUSE, circa 400 volte più lento nei carichi di lavoro con uso intensivo di file, è stato scartato.

Misura pubblicata da Perplexity	Valore dichiarato
Push rifiutati perché obsoleti in produzione	Meno del 2 %
Latenza mediana di un push	Meno di 1,7 s
Latenza p99 di un push	Meno di 8 s
Risposte corrette con grep, su 150 domande finanziarie interne	0,627
Risposte corrette con una ricerca semantica su indice	Circa 0,37

Il post non lancia alcun prodotto: Projects esiste da luglio e Brain, il wiki delle conoscenze di Computer, si basa sulla stessa infrastruttura.

🔗 Post di ingegneria di Perplexity

Notizie in breve

Copilot CLI 1.0.96 — Passata alla versione stabile, riprende senza alcuna novità le nove voci delle versioni preliminari del 9 e 10 ottobre, tra cui l’autore di ogni decisione sui permessi nella cronologia e identificatori di modello che non distinguono tra maiuscole e minuscole. 🔗 fonte
Attribuzione dei push su GitHub — In anteprima pubblica limitata per i clienti GitHub Enterprise, su richiesta, ogni commit inviato con un push conserva l’identità autenticata della persona che lo ha inviato; una condizione del set di regole, Committer must match pusher, blocca i push il cui committer non corrisponde ad alcun indirizzo e-mail verificato di quell’utente. 🔗 fonte
Copilot app for Beginners — Un nuovo episodio della serie del GitHub Blog mostra come conservare nel repository le regole di un progetto affinché Copilot le applichi autonomamente: istruzioni personalizzate, agent skills in .github/skills, agenti personalizzati e server MCP come Playwright; un tutorial, senza novità di prodotto. 🔗 fonte
Zed 1.23.3 e 1.24.2 — La versione stabile e quella preliminare contengono soltanto correzioni (anteprima Markdown, previsioni di modifica, selettore dei progetti remoti), il passaggio a Node.js v24 e una telemetria facoltativa sui punti di salvataggio (checkpoints) del pannello dell’agente. 🔗 fonte
Codex Ambassadors — OpenAI riapre le candidature a questo programma di sei mesi, che richiede un contributo al mese (evento o contenuto) in cambio di un abbonamento Pro, crediti Codex e API e supporto agli eventi approvati; priorità al Nord America, all’America centrale, all’Africa, al Medio Oriente e all’Europa orientale. 🔗 fonte
L’API Decisions presso Hypha — Serhii Shchoholiev, responsabile dell’ingegneria degli agenti presso Hypha, misura per l’API Decisions di OpenAI un F1 del 98,1 % nella classificazione multietichetta, contro il 93,5 % di un agente GPT-6.1 Sol, a circa un settimo del costo e con una latenza p90 28 volte inferiore; dati di un cliente, senza una metodologia pubblicata, rilanciati da @OpenAIDevs. 🔗 fonte
Gemini 3.5 Flash deprecato — Recupero della notizia dell’8 ottobre: la stessa voce delle note di rilascio dell’API Gemini depreca anche gemini-3.5-flash, che non è più selezionabile in Google AI Studio; le sue richieste vengono reindirizzate a gemini-3.6-flash, senza una data di disattivazione annunciata. 🔗 fonte
Kimi Work 3.2.16 — Versione di manutenzione: motore di anteprima PDF aggiornato, browser integrato che non viene più interrotto dalle attività in background e otto correzioni dettagliate, tra cui le conversazioni secondarie inviate due volte. 🔗 fonte
Disservizio su Genspark — Una parte degli utenti non ha potuto accedere lunedì a causa di un guasto a un servizio Microsoft che Genspark non nomina; Genspark ha annunciato il ripristino del servizio alle 16 h 20 UTC e sta preparando una compensazione per gli utenti colpiti. 🔗 fonte
TutorMoments — Ai2 ha sottoposto modelli recenti alla sua valutazione dei tutor IA: con un’istruzione esplicita, GPT-6 Astra si piazza al primo posto (0,938 nello scaffolding appropriato, 0,915 nel livello di difficoltà appropriato) davanti a Claude Sonnet 5.5 e Claude Opus 5.5, e un nuovo esploratore confronta le loro risposte con quelle di tutor umani. 🔗 fonte
UIBK-Embedding-v1 — Abdelrahman Abdallah pubblica sotto Apache 2.0 un modello di ricerca in inglese da 179 milioni di parametri che riunisce in un unico encoder una ricerca densa e una ricerca a interazione tardiva (ColBERT); dichiara un nDCG@10 di 59,79 su BEIR, il miglior punteggio sotto il miliardo di parametri tra i modelli con risultati MTEB ufficiali completi. 🔗 fonte
Sparseup-fr — Loïck Bourdois riproduce in francese il modello di embeddings sparsi di Linkup da 150 milioni di parametri, addestrato in circa 55 ore su una sola RTX 6000 Pro: 56,37 e 56,50 su NanoBEIR-fr ripulito, contro 52,40 e 51,66 della versione inglese, un nuovo stato dell’arte tra i modelli sparsi aperti secondo l’autore. 🔗 fonte
Model Pulse — Uno strumento della community di Tardelli Stekel ricostruisce giorno per giorno, da luglio 2024, i download e i «mi piace» di 1,64 milioni di modelli dell’Hub, con dati pubblicati in circa 1,15 miliardi di righe Parquet sotto Apache 2.0 e aggiornati quotidianamente. 🔗 fonte
Permesso contributor sull’Hub — I token di accesso a granularità fine e quelli degli account di servizio di Hugging Face possono ricevere un permesso contributor: creano repository e scrivono soltanto in quelli che hanno creato, per le pipeline CI/CD, le attività di addestramento e gli agenti. 🔗 fonte
Microduck Arena — Pollen Robotics apre uno Space Hugging Face in cui si addestra tramite apprendimento per rinforzo una policy per il suo piccolo robot bipede, per poi farla gareggiare in quattro prove, tra cui 2 m Sprint e Hill Climb, senza un robot fisico. 🔗 fonte
Relight Studio — Luma mette in evidenza questa funzione, che cambia la direzione della luce di una ripresa già riuscita senza ripartire da zero; il tweet non indica né modello, né prezzo, né data di disponibilità. 🔗 fonte
HeyGen Lessons — HeyGen presenta un’offerta per l’istruzione: Dots di OpenAI individua ciò che cattura l’attenzione di una classe e adatta la lezione, poi il MCP di HeyGen la trasforma in un video con l’avatar e la voce dell’insegnante; il tweet non fornisce né link, né prezzo, né data. 🔗 fonte
Un agente immobiliare e il suo avatar — Secondo un caso di studio di HeyGen, un agente immobiliare di Vancouver privato del suo luogo di ripresa da un incendio pubblica due Reels al giorno con il suo avatar e ha quadruplicato i suoi follower Instagram in dieci mesi. 🔗 fonte
x.ai passa a SpaceXSI — Rilevato durante la scansione del 12 ottobre, senza un annuncio né una data alla fonte: la home page di x.ai, le sue notizie e la documentazione dell’API («SpaceXSI Docs») riportano ora il marchio SpaceXSI, persino nella scheda di Grok 4.7; il sito mostrava ancora SpaceXAI il 10 ottobre. 🔗 fonte

Che cosa significa

I numeri del giorno obbligano a guardare chi effettua le misurazioni. Meta pubblica i propri risultati in un’immagine, misurati internamente, e colloca Muse Wonder Full in testa al proprio indice (59,1 contro 55,2 per Claude Opus 5.5), mentre nell’Artificial Analysis Index della stessa tabella Opus 5.5 mantiene il vantaggio (58 contro 56). Z.ai confronta GLM-Legal con i suoi concorrenti nel grafico di un tweet e dichiara la parità su LegalBench senza pubblicare un punteggio, mentre Fin valuta Apex 2.0 rispetto alla propria versione precedente. La classifica indipendente di FrontierCode rimette in prospettiva gli ordini di grandezza: il miglior modello si ferma al 52,2 %, e la differenza di costo, da 0,81 dollari per compito per GPT-6.1 Sol a 10,15 dollari per Opus 5.5, diventa un criterio visibile quanto la posizione in classifica.

Nell’infrastruttura, i guadagni derivano da tutto ciò che circonda i chip. I contributi di NVIDIA all’OCP riguardano l’alimentazione (rack fino a 250 kW, sbarra collettrice da 5 000 A, ritorno a un carico quasi pieno in meno di due secondi dopo una perturbazione della rete elettrica) e la rete, con Spectrum-6 a 102,4 Tb/s presso Meta e USFP a 400 Gb/s per lane. Il software segue la stessa logica: ReplaySSM dimezza circa il traffico di memoria dei layer SSM e QwenGyre rimette al lavoro le GPU che attendevano la fine delle lunghe traiettorie. Condividendo i propri progetti con l’OCP, con standard firmati congiuntamente da AMD, Google, Meta e Microsoft, NVIDIA dichiara l’obiettivo di fornire ai costruttori una base comune per le fabbriche IA.

Gli agenti ricevono ambienti pensati per loro. Una pagina web può ora scegliere ciò che l’utente seleziona nel browser di ChatGPT e il contesto trasmesso all’agente insieme alla selezione, un progetto Perplexity assegna a ogni agente una sandbox e un repository Git condiviso, e Amp riporta nella conversazione dell’agente le review e i risultati della CI delle sue pull request. La modalità di esplorazione incide anche sul risultato: in Perplexity, un agente che esamina la propria copia di lavoro con grep ottiene 0,627 di risposte corrette contro circa 0,37 della ricerca semantica, e in LightOn affidare la ricerca a un piccolo agente locale riduce del 34 % i token dell’API di Claude Code rispetto a grep, senza una perdita significativa di accuratezza.

Lo studio della Frontier Red Team mostra il rovescio di questa autonomia. Le capacità che rendono utile un agente, installare un modello su hardware sconosciuto o trasmettere le proprie note all’agente successivo, sono anche quelle che permetterebbero a un worm di adattarsi: un modello da 9B avvia l’inferenza su 8 tipi di hardware su 9, e le note ereditate fanno passare il tasso di successo dal 45 % al 61-84 %. Anthropic non descrive ancora alcun replicatore completo e punta sul monitoraggio dei provider di accesso affinché un dispositivo infetto ne contagi in media meno di un altro. Meta, dal canto suo, dichiara per Muse Wonder le proprie misure di protezione più solide contro gli usi cyber e CBRN, ma rimanda a un rapporto completo sulla sicurezza ancora da pubblicare.