ChatGPT torna su WhatsApp, GitHub Copilot CLI più affidabile, Anthropic studia i valori di Claude

OpenAI riporta ChatGPT su WhatsApp in Europa e lo estende a due nuove app di messaggistica, GitHub migliora l’affidabilità di Copilot CLI e Amp cambia il modo in cui i suoi agent committono il codice. Sul fronte della ricerca, Anthropic pubblica uno studio sui valori espressi da Claude a seconda delle lingue, mentre Ai2 e Sakana AI dettagliano rispettivamente un agente di sorveglianza marittima in produzione e un esperimento di intelligenza collettiva fisica.

ChatGPT torna su WhatsApp nello SEE, estensione a Kakao e Viber

13 luglio — ChatGPT è di nuovo disponibile su WhatsApp nello Spazio economico europeo (SEE), dopo un periodo di indisponibilità nella zona. L’accesso avviene tramite il contatto verificato 1-800-CHATGPT, che consente di porre domande, inviare immagini, inviare note vocali, generare immagini e usare ChatGPT in molte lingue, direttamente nell’app di messaggistica.

OpenAI amplia parallelamente la disponibilità di ChatGPT a due nuove applicazioni: Kakao in Corea del Sud e Viber, nei mercati supportati. La strategia è chiara: rendere l’assistente accessibile nelle app di messaggistica già usate ogni giorno, invece di costringere il passaggio attraverso l’app o il sito dedicati di ChatGPT.

🔗 Annuncio — @ChatGPTapp

GitHub Copilot CLI v1.0.42 : delega ai subagent più affidabile

13 luglio — GitHub rilascia la versione 1.0.42+ di Copilot CLI, installabile tramite il comando /update. Questo aggiornamento introduce una delega ai subagent più intelligente (smarter subagent delegation), pensata per rendere le sessioni di codice più rapide e più affidabili, senza dettagli tecnici sul metodo di misurazione.

Tipo di guasto misurato	Riduzione dichiarata
Guasti degli strumenti	-23%
Guasti di ricerca	-27%
Guasti di modifica	-18%

GitHub precisa che non è stata riscontrata alcuna regressione della qualità nonostante questi cambiamenti.

🔗 Annuncio — @github

Gli orb di Amp possono ora committare a nome dell’utente

11 luglio — Amp aggiunge, nelle impostazioni del progetto, un’opzione che consente agli orb (le macchine che eseguono gli agent da remoto) di committare sotto l’identità dell’utente invece che sotto quella di Amp, con una menzione co-authored-by associata al commit.

You can now make Amp orbs commit as you, not Amp (+ co-authored-by you). It’s in project settings. Useful for, e.g., pushing to a repo where Vercel only deploys for known committers.

🇮🇹 Ora potete fare in modo che gli orb di Amp committino a vostro nome, e non a nome di Amp (con una menzione co-authored-by a vostro nome). Si trova nelle impostazioni del progetto. Utile, per esempio, per pushare verso un repository in cui Vercel esegue il deploy solo per i committer noti. — @sqs su X

Anthropic studia i valori espressi da Claude secondo i modelli e le lingue

13 luglio — Anthropic prosegue i suoi lavori sui valori espressi da Claude in conversazione (oltre 3.000 valori identificati, come l’onestà o il calore umano) analizzando come variano in base al modello utilizzato e alla lingua. Lo studio si basa su oltre 300.000 conversazioni anonimizzate, raggruppate in quattro assi.

Asse (francese / originale)	Cosa misura
Deferenza vs Prudenza (Deference vs. Caution)	Tendenza a seguire l’utente o a moderarlo
Calore vs Rigorosità (Warmth vs. Rigor)	Tono caloroso o richiesta di prove
Profondità vs Concisione (Depth vs. Brevity)	Risposte sviluppate o sintetiche
Franchezza vs Esecuzione (Candor vs. Execution)	Critica diretta o semplice esecuzione

Le differenze tra i modelli restano modeste (Sonnet 4.6 più giocoso e validante, Opus 4.7 più incline alle critiche franche), ma le differenze più marcate emergono in base alla lingua: Claude tende al calore in hindi e in arabo, alla rigorosità in russo, dove chiede più spesso prove a sostegno delle affermazioni dell’utente.

🔗 Annuncio — @AnthropicAI

Ai2 dettaglia il dietro le quinte di Shippy, il suo agente di sorveglianza marittima

13 luglio — Ai2 (AllenAI) pubblica un resoconto di esperienza su Shippy, l’agente costruito dal suo team Skylight per la sorveglianza del dominio marittimo: rilevamento di eventi di pesca, tracciamento delle navi, aree protette. L’agente serve oggi più di 300 partner in oltre 70 paesi.

The real work wasn’t the model. It was building a system we could trust to be correct, to stay within appropriate boundaries.

🇮🇹 Il vero lavoro non era il modello. Era costruire un sistema di cui potessimo fidarci perché fosse corretto, e perché restasse entro limiti appropriati. — Blog di Ai2

Tecnicamente, Shippy si basa su OpenClaw (framework open source per agent) con Claude Opus 4.6 come modello, strutturato in tre blocchi — un’«anima» (il prompt di sistema e i suoi guardrail), delle «competenze» (skills) e una «config» (parametri e scelta del modello). L’isolamento tra i clienti passa per Mothership, una piattaforma interna che provisiona un deployment Kubernetes per sessione utente, e la valutazione tramite il framework Harbor, dove un LLM-judge valuta le risposte con un ragionamento scritto.

Sakana AI fa collaborare quasi 200 blocchi fisici per riconoscere la propria forma

12 luglio — Sakana AI, con la IT University of Copenhagen e Autodesk, pubblica una ricerca sull’intelligenza collettiva fisica: dei «blocchi cellulari» — moduli hardware cubici che eseguono localmente la stessa rete neurale (automi cellulari neurali, Neural Cellular Automata) — inferiscono collettivamente la forma globale che compongono, senza controllore centrale.

At Sakana AI, a recurring theme in our research is collective intelligence: the observation that sophisticated, robust behavior can arise from many simple parts following local rules, with no central controller, as it does in a colony, a tissue, or a brain.

🇮🇹 In Sakana AI, un tema ricorrente della nostra ricerca è l’intelligenza collettiva: l’osservazione che un comportamento sofisticato e robusto può emergere da molte parti semplici che seguono regole locali, senza un controllore centrale, come avviene in una colonia, in un tessuto o in un cervello. — Blog di Sakana AI

Testato su quasi 200 blocchi e quattro forme assemblate (aereo, chitarra, barca, tavolo), il sistema raggiunge il 100% di precisione di classificazione in 60 cicli (circa 3 minuti), resta robusto fino al 5% di moduli guasti, rileva danni strutturali con il 94,8% di precisione e scala in simulazione fino a griglie di oltre 18.000 cubi.

Google DeepMind presenta lo Skill «Predicting the Past» in Google Antigravity

13 luglio — Google DeepMind dettaglia uno Skill chiamato «Predicting the Past», eseguito in Google Antigravity senza alcuna competenza di programmazione richiesta, che analizza testi e reperti antichi. Sono documentati tre casi d’uso: la datazione e localizzazione di una tavoletta di maledizione (curse tablet) romana vecchia di 1.800 anni con l’aiuto del modello Aeneas, la mappatura del culto delle Aufaniae attraverso l’Europa (fino a un altare isolato in Spagna, eretto da un veterano romano), e la ricostruzione della rete dei visitatori dell’oracolo di Dodona a partire da antiche tavolette di piombo.

Lo Skill genera ogni volta una spiegazione della propria previsione, come un commento epigrafico destinato agli esperti del settore.

🔗 Annuncio — @GoogleDeepMind

Brevi

Amp prepara thread collaborativi multiutente — un thread Amp può già essere seguito da molti client contemporaneamente, ma solo sotto l’account del suo creatore; il team sta lavorando a una collaborazione multi-account sullo stesso thread. 🔗 @sqs su X
Una versione nativa macOS di Amp è in sviluppo — senza differenze funzionali attese rispetto all’attuale web app e senza una data annunciata. 🔗 @sqs su X
GitHub separa le pagine SSO e Organizzazioni — la pagina combinata delle impostazioni utente viene suddivisa in due pagine distinte per maggiore chiarezza. 🔗 Registro modifiche GitHub
HeyGen CLI: musica ed effetti sonori da riga di comando — ricerca e download gratuiti del catalogo musica/SFX di HeyGen dal terminale, con una dimostrazione di un agente che sincronizza i suoni sul ritmo di un video. 🔗 @HeyGen su X

Cosa significa

La distribuzione torna a essere un campo di battaglia per gli assistenti consumer. Il ritorno di ChatGPT su WhatsApp nello SEE e la sua estensione a Kakao e Viber mostrano che OpenAI punta sulla presenza nelle applicazioni già installate invece che sull’attrazione verso le proprie interfacce. È una logica di canale di distribuzione più che di funzionalità: l’assistente va dove sono già gli utenti, anche a costo di tornare su mercati regolati come l’Europa dopo un’interruzione.

L’affidabilità degli agent diventa un asse ingegneristico a sé stante, non un sottoprodotto del modello. GitHub quantifica con precisione i guadagni della sua nuova delega ai subagent (-23% di guasti agli strumenti, -27% di ricerca, -18% di modifica), e Ai2 formula la stessa lezione in filigrana con Shippy: l’affidabilità in produzione deriva da strumenti deterministici, guardrail espliciti e un’infrastruttura isolata, non soltanto dal modello scelto. Gli orb di Amp che ora committano a nome dell’utente rientrano nella stessa preoccupazione operativa — integrarsi correttamente in pipeline di deployment esistenti.

La ricerca sul comportamento dei modelli si estende oltre il testo. Lo studio di Anthropic sui valori espressi da Claude a seconda delle lingue mostra che le differenze culturali (calore in hindi e in arabo, rigorosità in russo) pesano più delle differenze tra versioni del modello. I blocchi cellulari di Sakana AI pongono una domanda vicina ma distinta: si può ottenere un comportamento intelligente e robusto senza modello centrale, partendo da regole locali identiche ripetute su larga scala — una pista per sistemi fisici capaci di auto-diagnosticarsi.

L’IA senza codice avanza verso usi esperti molto specializzati. Lo Skill «Predicting the Past» di Google DeepMind, applicato all’epigrafia e all’archeologia, illustra come workflow complessi diventino accessibili a ricercatori senza competenze di programmazione, aprendo domini di nicchia a utenti che non avrebbero potuto costruire questi strumenti da soli.