Meta apre Muse Spark Open e i suoi 816 miliardi di parametri, NVIDIA lancia Nemotron 3.5 Super VL, Cohere acquisirà AISLE

Meta pubblica i pesi di Muse Spark Open, una miscela di esperti multimodale da 816 miliardi di parametri che presenta come il modello aperto statunitense più performante, supportato lo stesso giorno da NVIDIA, Hugging Face e sette fornitori di API. NVIDIA rende disponibile anche Nemotron 3.5 Super VL, un modello da 120 miliardi di parametri per gli agenti, mentre Cohere firma una lettera di intenti per acquisire AISLE, specialista nella scoperta autonoma di vulnerabilità, e crea Cohere Cyber. Perplexity pubblica in open source SPACE, la sandbox di Computer, Black Forest Labs rende disponibili i pesi di FLUX 3 Image Klein e Cognition lancia Devin Oncall, un agente di reperibilità che indaga sugli incidenti in produzione.

Muse Spark Open: Meta rende disponibile un MoE multimodale da 816 miliardi di parametri, NVIDIA e Hugging Face seguono lo stesso giorno

15 ottobre — Meta pubblica i pesi di Muse Spark Open, una miscela di esperti (mixture-of-experts, MoE) multimodale da 816 miliardi di parametri, di cui 42 miliardi attivi per token, con una finestra di contesto di un milione di token. Il modello legge testo, immagini, video e audio e risponde con testo; Meta lo ha addestrato per il codice e il lavoro agentico. Nella famiglia Muse diventa il grande modello aperto, al di sopra di Muse Glimmer, il piccolo modello denso da 30 miliardi di parametri pubblicato ad agosto, e arriva tre giorni dopo Muse Wonder, rimasto chiuso.

Today we’re releasing Muse Spark Open, the most capable US open-weight model to date. Built for coding and agentic work, it excels at long-horizon tasks, complex software engineering, and multi-step reasoning.

🇮🇹 Oggi pubblichiamo Muse Spark Open, il modello statunitense a pesi aperti più performante finora. Progettato per il codice e il lavoro agentico, eccelle nelle attività di lunga durata, nello sviluppo software complesso e nel ragionamento in più passaggi. — @AIatMeta su X

Il superlativo va letto in senso stretto. Nella tabella della scheda Hugging Face, dove il modello viene valutato con l’impostazione xhigh, Muse Spark Open è in testa in otto righe della tabella completa, tra cui l’uso di strumenti MCP e JobBench, ma i grandi modelli aperti cinesi restano davanti nell’indice di Artificial Analysis (45 per GLM 5.3, 44 per Kimi K3, contro 39) e nel codice. Rispetto agli altri tre modelli statunitensi della tabella, Inkling di Thinking Machines, Nemotron 3 Ultra di NVIDIA e Beam di Reflection AI, solo Beam lo supera nelle capacità, su GPQA Diamond (90,5 contro 89,0) e Terminal-Bench 2.1 (80,1 contro 76,4).

Benchmark (scheda Hugging Face)	Punteggio di Muse Spark Open (xhigh)	Miglior concorrente della tabella
MCP-Atlas	89,2	84,5 (Qwen3.8-2.4T-A95B)
JobBench	61,8	61,4 (GLM 5.3)
HLE-Diamond (senza strumenti)	26,1	22,2 (Kimi K3)
Indice Artificial Analysis	39	45 (GLM 5.3)
OSWorld Verified	80,4	84,8 (Kimi K3)
DeepSWE 1.1	60	68 (Kimi K3)
Terminal-Bench 2.1 (Terminus 2)	76,4	85,0 (Kimi K3)
StrongREJECT v2 (più basso = migliore)	0,5	62,9 (GLM 5.3)

Poiché tutti gli esperti restano in memoria, serve la memoria di un modello da 816 miliardi di parametri per ottenere la velocità di un modello da 42 miliardi. I pesi BF16 occupano circa 1,5 TB (repository Muse-Spark-Open-816B-A42B su Hugging Face, accessibile dopo la compilazione di un modulo) e una versione NVFP4 entra in un singolo nodo B200. Meta insiste però sull’esecuzione locale: il modello è ottimizzato per due Mac Studio M5 Ultra collegati, con MLX, ciascuno dotato di un massimo di 512 GB di memoria unificata. Hugging Face ha effettuato un test più modesto, su un solo Mac M3 Ultra da 512 GB: una versione a 2 bit con llama.cpp occupa 304 GB e produce 18 token al secondo.

I pesi sono pubblicati sotto la Muse Model License, con condizioni commerciali limitate, che secondo Meta consente a molti sviluppatori di usare il modello gratuitamente. Sette fornitori lo offrono fin dal primo giorno: Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter e Together AI. Meta afferma di aver aggiunto un post-training di sicurezza specifico per i pesi aperti e di aver raggiunto le soglie di pubblicazione del proprio Meta Superintelligence Scaling Framework, aggiornato il 2 ottobre. Su StrongREJECT v2, dove un punteggio basso è migliore, il modello ottiene 0,5, contro valori da 62,9 a 86,4 per gli altri modelli valutati. Su FORTRESS ottiene il miglior punteggio di rischio medio (5,8, contro valori da 21,6 a 28,2), ma il punteggio più alto della tabella per i rifiuti eccessivi (17,4, contro valori da 2,7 a 13,3).

NVIDIA accompagna il rilascio con un articolo tecnico: Muse Spark Open è stato addestrato su rack GB300 NVL72 e i checkpoint NVFP4 prodotti da Meta sono ottimizzati per Blackwell Ultra. Nei carichi di lavoro agentici, NVIDIA dichiara fino a 50 000 token al secondo per GPU e fino a 600 token al secondo per utente, e pubblica procedure di deployment per SGLang, vLLM, TensorRT LLM e Dynamo, un NIM e il post-training con NeMo AutoModel.

Il resto dell’ecosistema ha seguito nel corso della giornata: Transformers e TRL lo integrano (vedi più avanti), mlx-lm 0.32.0 aggiunge la versione NVFP4, Unsloth annuncia una versione a 2 bit che entra in circa 256 GB e Meta fornisce per SGLang kernel Helion fino a 3,95 volte più veloci a livello di kernel. Nel suo articolo, Hugging Face esegue persino il fine-tuning del modello completo su 64 GPU H100, con un’accuratezza media per token che passa dal 72 all’84 %.

🔗 L’articolo di Meta · La scheda del modello (Hugging Face) · L’articolo di Hugging Face · L’articolo tecnico di NVIDIA

Nemotron 3.5 Super VL: NVIDIA rende disponibile un modello multimodale da 120 miliardi di parametri per gli agenti, Perplexity lo integra lo stesso giorno

15 ottobre — NVIDIA pubblica Nemotron 3.5 Super VL, un modello aperto di tipo mixture-of-experts da 120 miliardi di parametri, di cui 12 miliardi attivi per token. Riunisce ragionamento, rispetto delle istruzioni e chiamate a strumenti con la comprensione di testo, immagini, documenti e video, per agenti che concatenano attività prolungate: uno stesso modello legge una pagina web, un grafico o un PDF e poi agisce, senza trasferire il contesto da un modello testuale a un modello di visione. Secondo NVIDIA, nelle attività agentiche multimodali raggiunge un’accuratezza paragonabile a quella del suo più grande modello di ragionamento, con circa un quinto dei parametri.

Valutazione annunciata da NVIDIA	Punteggio di Nemotron 3.5 Super VL	Termine di confronto
Hermes Bench	63,44 %	56,33 % (Nemotron 3 Ultra)
Valutazioni comportamentali LangChain	87,05 %	84,3 % (Nemotron 3 Ultra)
CharXiv (lettura di grafici)	80,8 % (84 % con codice Python)	63 % (Nemotron 3 Nano Omni)

NVIDIA mette in risalto soprattutto l’efficienza: su una sola GPU, un throughput fino a 5 volte superiore a quello degli altri modelli aperti della stessa dimensione nelle attività degli agenti, oltre 600 token al secondo nelle attività agentiche dell’indice di Artificial Analysis tramite Baseten e 10 000 attività di codice completate fino a 4 volte più velocemente, mantenendo una buona accuratezza su SWE-Bench Pro. Distillato da Nemotron 3 Ultra, supera quest’ultimo nelle due valutazioni con harness della tabella. Sul fronte del servizio, la decodifica speculativa LiLiCorr accelera la generazione fino a 2,3 volte su DGX Spark e Dynamo serve fino a 8 volte più utenti su 16 GPU B200 a 50 token al secondo ciascuno, con una latenza del primo token inferiore dell’85 %.

La pubblicazione è completa: pesi di base, sottoposti a post-training e quantizzati in NVFP4, procedure, ambienti di apprendimento per rinforzo in NeMo Gym e dataset aperti, tra cui 40 dataset visione-linguaggio e un corpus di circa 2 800 miliardi di token in 22 lingue indiane, realizzato con l’IIT Madras e il suo laboratorio AI4Bharat. Durante l’addestramento il modello ha visto circa 26 000 miliardi di token. È disponibile su Hugging Face, OpenRouter, ModelScope e come microservizio NIM, senza prezzi annunciati; NVIDIA cita adattamenti presso Scale AI per Skydance, con un costo di inferenza dichiarato ridotto di 40 volte, presso Ramp, AI21 e Alice.

Perplexity lo ha aggiunto lo stesso giorno per i suoi abbonati Pro e Max e nella sua Agent API. Il changelog dell’API indica per perplexity/nemotron-3.5-super-120b-a12b un prezzo di 0,20 dollari per milione di token in ingresso (0,04 dollari in cache) e 0,50 dollari in uscita, con 1 048 576 token di contesto e fino a 131 072 token generati, in sostituzione di Nemotron 3 Ultra. Piccola incongruenza: questa voce descrive un modello con input solo testuale, mentre il tweet di Perplexity annuncia la versione VL, che legge anche le immagini.

Lo stesso giorno, Nemotron 3.5 Bolt 74B-A9B 24GB, annunciato il 13 ottobre, arriva su Hugging Face: quantizzato nativamente a 2 bit per entrare in 24 GB, è destinato ai portatili RTX Spark disponibili il 16 ottobre e funziona con llama.cpp, Ollama, LM Studio, Unsloth e vLLM. NVIDIA lo classifica al primo posto tra i modelli aperti della sua categoria su PinchBench; Bolt E4B 4GB seguirà il 23 ottobre.

🔗 Annuncio di NVIDIA · Articolo tecnico di NVIDIA · Annuncio di Perplexity · Changelog dell’API Perplexity

Cybersicurezza: Cohere acquisirà AISLE e crea Cohere Cyber, GitHub estende la disponibilità di AI Scan e dell’autofix agentico

Lo stesso giorno, due attori mettono l’IA al servizio della ricerca e della correzione delle vulnerabilità: Cohere ne acquisisce le competenze, GitHub le rende ampiamente disponibili nel proprio code scanning.

15 ottobre — Cohere acquisirà AISLE, una giovane società che costruisce sistemi autonomi capaci di scoprire, convalidare e aiutare a correggere vulnerabilità fino a quel momento sconosciute in software critici. Le due aziende hanno firmato una lettera di intenti (Letter of Intent): l’operazione non è ancora conclusa e non ne sono stati pubblicati né l’importo né le tempistiche. Al perfezionamento dell’operazione, la sede di AISLE a Praga diventerà l’ufficio praghese di Cohere.

Indicatore pubblicato su AISLE	Valore annunciato
Anno di fondazione	2024
Vulnerabilità inedite a cui è stato assegnato un CVE	Oltre 500, in più di 100 basi di codice
OpenSSL, pubblicazione di sicurezza di gennaio	Tutte le 12 vulnerabilità pubblicate
curl, ultima versione	18 delle 24 CVE
CVE di gravità elevata o critica	Oltre 200 (secondo Aidan Gomez)

Aisle is the state-of-the-art in defensive cyber, having found 200+ High/Critical CVEs in critical software like curl, FFmpeg, FreeBSD, Wireshark.

🇮🇹 Aisle è all’avanguardia nella difesa informatica, con oltre 200 CVE di gravità elevata o critica individuate in software critici come curl, FFmpeg, FreeBSD e Wireshark. — @aidangomez su X

Nello stesso thread, Aidan Gomez, alla guida di Cohere, afferma che AISLE ha fatto meglio di Glasswing (Mythos), di Anthropic, e Daybreak, di OpenAI, con 29 nuove CVE in curl, mentre Mythos non ne avrebbe trovata nessuna; questa cifra non coincide con le «18 delle 24 CVE» riportate negli articoli delle due aziende.

Il team fondatore di AISLE assume incarichi dirigenziali. Ondrej Vlcek, CEO di AISLE, diventa Senior Vice President di Cohere Cyber, una nuova unità incaricata di fornire soluzioni di cybersicurezza ai clienti di Cohere; Jaya Baloo diventa Chief Information Security Officer di Cohere a livello globale; Stanislav Fort, CTO e Chief Scientist di AISLE, diventa Vice President AI Security e lavorerà con Ivan Zhang, CTO di Cohere, per collegare la ricerca sulla sicurezza allo sviluppo e all’addestramento dei modelli.

Cohere considera questa operazione un ulteriore passo nella propria strategia europea, dopo Reliant AI e Aleph Alpha: l’azienda prevede un investimento «sostanziale» e di lungo periodo a Praga, destinata a diventare il suo centro globale di cybersicurezza IA, a breve distanza dalla nuova sede di Berlino secondo Aidan Gomez. L’obiettivo è duplice: proseguire il lavoro di AISLE sulla sicurezza dei software open source e consentire agli operatori di infrastrutture critiche di analizzare i propri software in modo interamente privato, anche in ambienti disconnessi (air-gapped). I due articoli aggiungono un argomento sul fronte dei modelli: problemi di sicurezza difficili ma verificabili possono servire a valutare e migliorare i futuri modelli di Cohere.

🔗 L’articolo di Cohere · L’articolo di AISLE

GitHub: l’AI Scan delle pull request e l’autofix agentico degli avvisi raggiungono la disponibilità generale

15 ottobre — GitHub rende generalmente disponibili due componenti del suo code scanning basati sull’IA: uno trova le vulnerabilità nelle pull request, l’altro corregge gli avvisi.

L’AI Scan delle pull request integra CodeQL negli ambiti che l’analizzatore non copre ancora: PHP, Shell/Bash, configurazione Terraform (HCL), Dockerfile, JSP lato Java o Blazor lato C#. Si avvia automaticamente su ogni pull request quando il code scanning e l’impostazione AI Scan del repository sono attivi, e i risultati compaiono accanto a quelli di CodeQL, contrassegnati con «AI», talvolta con una spiegazione del rischio e una correzione suggerita. Restano indicazioni consultive: non fanno fallire il check e non possono bloccare un merge, e l’analisi non viene eseguita né sulle pull request provenienti da fork né su quelle di Dependabot.

L’autofix agentico (agentic autofix) si occupa invece di un avviso assegnato a Copilot: esplora i file interessati, propone una correzione, riesegue CodeQL per verificare che l’avviso sia effettivamente chiuso, ripete il processo se necessario, poi apre una pull request in bozza. Gli si può affidare un avviso del branch predefinito, fino a 25 avvisi da correggere in un’unica pull request, oppure usare l’API REST assegnando l’avviso a copilot-swe-agent[bot]; una volta attivato, sostituisce l’opzione gratuita Generate Fix.

Componente GitHub in disponibilità generale	Piani e condizioni	Modalità di fatturazione
AI Scan delle pull request	Repository pubblici; Code Security o Advanced Security per i repository privati e interni dell’organizzazione, senza licenza Copilot	Code Security AI Credits
Autofix agentico degli avvisi	Code Security o Advanced Security su GitHub Enterprise Cloud, residenza dei dati inclusa; policy Agentic autofix e metodo di fatturazione Copilot obbligatori	AI Credits del budget Code Security e minuti GitHub Actions

I due lanci concludono una serie trattata qui da settembre: API di attivazione dell’AI Scan il 10 settembre, autofix agentico basato su Copilot Memory in anteprima il 25 settembre, metriche dell’AI Scan nella security overview il 13 ottobre.

🔗 AI Scan per le pull request (changelog GitHub) · Autofix agentico per gli avvisi di code scanning (changelog GitHub)

SPACE: Perplexity pubblica in open source la sandbox di Computer, con licenza Apache 2.0

15 ottobre — Perplexity pubblica in open source SPACE (Sandboxed Platform for Agentic Code Execution), la piattaforma di sandbox (sandboxes) che esegue ogni attività di Perplexity Computer. Il giorno prima, Perplexity aveva spiegato come SPACE instrada ogni richiesta verso la corretta esecuzione nella sandbox; ora è il codice stesso a essere disponibile su GitHub, con licenza Apache 2.0. Ogni attività dell’agente viene eseguita nella propria microVM Firecracker, e sia le credenziali sia il traffico in uscita vengono controllati dall’esterno della macchina virtuale.

Il principio di sicurezza si basa su un’idea: la sandbox è considerata non affidabile. Gli agenti di Computer vi eseguono comandi, installano pacchetti e chiamano servizi esterni con accesso root, ma l’host resta fuori dalla loro portata, e un gateway dedicato a ogni sandbox applica la policy di uscita a ogni connessione; gli agenti accedono ai servizi autorizzati senza che le credenziali siano memorizzate nel loro ambiente di lavoro. Una sandbox sopravvive anche alla richiesta che l’ha creata: può essere messa in pausa, duplicata (fork) o sospesa in uno snapshot della memoria e del disco, per poi riprendere.

Elemento di SPACE	Valore indicato da Perplexity
Linguaggio e licenza del repository	Rust, Apache 2.0
Isolamento	Una microVM Firecracker per ogni attività dell’agente
Volume in produzione	Milioni di sandbox create ogni giorno, per tutte le sessioni di Computer da luglio
Creazione rispetto al precedente fornitore	Da tre a cinque volte più rapida, sullo stesso traffico di produzione
Escaping SPACE, Part I	Nessuna evasione verso l’host in 108 tentativi
Calendario delle versioni	0.8.0 come base pubblica, poi 0.9.0 e 1.0.0

La valutazione Escaping SPACE di settembre non aveva rilevato alcuna evasione dalla macchina virtuale verso l’host, ma aveva individuato aggiramenti delle restrizioni di rete: sono stati corretti e, secondo il post, i metodi identificati non hanno più avuto successo nei test successivi. Il repository, scritto in Rust, si installa localmente su un cluster Kubernetes di test (Kind), offre riserve di sandbox preriscaldate (warm pools) e un livello di compatibilità con l’API di E2B, testato con il suo SDK Python; la 0.9.0 sarà l’ultima versione a introdurre modifiche incompatibili prima di una 1.0 con contratti stabili.

CoreWeave e Akamai hanno testato e avviato SPACE sulle proprie piattaforme e stanno lavorando per proporlo ai clienti, mentre Crusoe lo aggiungerà alla propria offerta Managed AI Services. Perplexity presenta SPACE come il primo componente della sua piattaforma di esecuzione degli agenti (Agentic Runtime Platform), reso aperto per innalzare il livello di sicurezza dei prodotti agentici.

🔗 Il post di Perplexity · Il thread di @perplexity_ai · Il repository SPACE (GitHub)

Media generativi: FLUX 3 Image Klein con pesi aperti su una GPU consumer, Kling 4.0 per tutti, Instant Soundtracks di ElevenLabs

15 ottobre — Black Forest Labs pubblica FLUX 3 Image Klein, un modello di immagini con pesi aperti da 5,6 miliardi di parametri, composto dal solo generatore, che gira su una sola GPU consumer. Lo stesso modello genera immagini dal testo e le modifica a partire da uno o più riferimenti, fino a 10 immagini; riprende le funzioni principali di FLUX 3 Image, lanciato il 1° ottobre: generazione 4K nativa, modifica con precisione al pixel e riquadri delimitatori (bounding boxes), che stabiliscono nel prompt la posizione di un elemento o limitano una modifica a un’area.

Secondo le valutazioni interne di BFL, Klein si classifica primo nella generazione da testo a immagine, nell’uso di più riferimenti e nell’editing rispetto a modelli aperti più grandi, Qwen-Image 2.1 (7B) e Krea 2 (12,9B), e si colloca al di sopra dei due modelli chiusi del confronto, Ideogram V4.5 e FLUX.2 [pro]. Rispetto al predecessore FLUX.2 [klein] 9B, guadagna 91 punti Elo nella generazione da testo a immagine e 70 nell’editing, con il 38 % di parametri in meno.

Configurazione testata	Risultato annunciato
Pesi in BF16 / in FP8	11,2 Go / 5,6 Go
Versione INT8 su GeForce RTX (ComfyUI o Diffusers)	Gira con 8 Go di VRAM
RTX 5090, versione distillata in INT8 (misurazione NVIDIA)	Circa 4 s per immagine da 1 megapixel
RTX 4070, versione distillata in INT8 (misurazione NVIDIA)	Meno di 9 s per immagine da 1 megapixel
H100, versione distillata in Diffusers	Circa 2 s per immagine da 1024 × 1024 pixel
GB300, versione distillata in NVFP4	Meno di 0,6 s per immagine da 1 megapixel

Hugging Face lo ha integrato in Diffusers lo stesso giorno, con due checkpoint: la versione distillata, a 16 passi e senza CFG, e la versione di base, a 50 passi, destinata al fine-tuning. Si aggiungono pesi NVFP4 e FP8, l’encoder di testo Qwen3-VL e script per il fine-tuning LoRA; in NVFP4, il picco di memoria dopo l’inferenza raggiunge 15,3 Gio su una RTX 6000. Anche ComfyUI, TensorRT-LLM, SGLang Diffusion e vLLM-Omni lo supportano fin dal lancio, e le versioni FP8, INT8 e NVFP4 sono state sviluppate con NVIDIA.

I pesi sono pubblicati con licenza FLUX Kommunity, gratuita per l’uso commerciale da parte di privati e aziende con meno di 5 milioni di dollari di fatturato annuo, oltre che per la ricerca; oltre tale soglia, occorre una licenza per l’hosting autonomo oppure passare dall’API. Quella di BFL offre flux-3-image-klein a partire da 0,009 dollari per immagine 1K. È il secondo modello aperto della famiglia FLUX 3, dopo FLUX 3 Action, e BFL annuncia che ne seguiranno altri.

🔗 Il post di Black Forest Labs · L’annuncio di @bfl_ai · FLUX 3 Image Klein in Diffusers (Hugging Face)

Kling 4.0 raggiunge la piena disponibilità, con accesso tramite MCP e da riga di comando

15 ottobre — Kling AI rende Kling 4.0 disponibile per tutti, dopo l’accesso anticipato aperto il 30 settembre. Il modello video si usa in un’interfaccia di creazione rinnovata su kling.ai e, ora, anche tramite MCP e da riga di comando (CLI), consentendo di integrarlo in pipeline di produzione dotate di strumenti. Sono annunciate due funzioni in arrivo, senza una data: output video HDR a 10 bit in 4K e in 1080p e accesso API per aziende e sviluppatori. Le specifiche presentate il 28 settembre restano il riferimento: clip da 3 a 30 secondi, fino al 4K, audio stereo, 10 fotogrammi chiave, 15 riferimenti e prompt da 8 000 token. L’annuncio non indica né prezzi né benchmark.

🔗 Annuncio di Kling AI · Note di rilascio di Kling

Instant Soundtracks: ElevenLabs compone musica ed effetti sonori sincronizzati a partire da un video

15 ottobre — ElevenLabs lancia Instant Soundtracks in ElevenCreative: si carica un video e il modello compone musica originale, individua i momenti che richiedono un effetto sonoro e colloca ogni effetto al timestamp corretto, per esempio un «whoosh» sincronizzato con il logo finale di una pubblicità. Lo strumento si rivolge ai formati brevi, con una sincronizzazione più precisa sui tagli e sulle transizioni, cambia atmosfera musicale da una scena all’altra e può usare l’audio originale come riferimento (genere, tempo, strumentazione). Gli effetti arrivano su tracce separate, modificabili prima dell’esportazione.

Parametro dell’API ElevenCreative Studio	Ruolo del parametro
`add_sfx`	Aggiunge gli effetti sonori sincronizzati
`separate_tracks`	Restituisce musica ed effetti in file separati (.ZIP)
`use_audio_as_reference`	Usa l’audio originale come riferimento musicale

Instant Soundtracks è disponibile in ElevenCreative, ElevenMusic e nell’API, che accetta fino a 10 video, 200 Mo e 10 minuti di video complessivi per richiesta. ElevenLabs non indica prezzi.

🔗 Annuncio di ElevenLabs

Agenti di codice: Cognition lancia Devin Oncall, Claude Code 2.1.301 e Code Review, Delta 0.20, Antigravity CLI 1.3.6, Codex presso OpenAI, l’MX Keypad

15 ottobre — Cognition lancia Devin Oncall, ora in disponibilità generale: Devin indaga automaticamente sugli avvisi e sulle segnalazioni di bug, poi aiuta il team a diagnosticare e risolvere gli incidenti di produzione. Si collega fin da subito a Datadog, Dynatrace e Sentry, tra gli altri, e gestisce già, secondo Cognition, migliaia di avvisi di produzione ogni giorno presso alcune delle più grandi aziende al mondo. La sua architettura non dipende da alcun modello: Cognition sceglie il più efficace per ogni attività di reperibilità.

Agente e modello valutati	Successo end-to-end (SREGym-Lite)	Origine del punteggio
Devin Oncall + Claude Opus 5.5	100 % (in 2 min 21 s)	Valutazione interna di Cognition
Devin Oncall + GPT-6 Astra	100 %	Valutazione interna di Cognition
Devin Oncall + GPT-6.1 Sol	94,1 %	Valutazione interna di Cognition
Devin Oncall + Claude Fable 5.1	85,3 %	Valutazione interna di Cognition
CloudThinker + Claude Opus 5	76,5 %	Classifica pubblica SREGym
Codex + GPT-5.6 Sol	76,5 %	Classifica pubblica SREGym
Claude Code + Claude Sonnet 5	45,1 %	Classifica pubblica SREGym

SREGym-Lite riunisce 17 guasti tratti da incidenti reali: l’agente deve trovare la causa radice e poi correggere il sistema in esecuzione, nella stessa esecuzione dell’agente. I punteggi di Devin Oncall provengono dalla valutazione interna di Cognition, quelli degli altri agenti dalla classifica pubblica SREGym al 15 ottobre, dove anche CloudThinker raggiunge il 100 % con GPT-6 Astra. Il benchmark è quindi saturo: secondo Cognition, modelli di fascia media vi ottengono già il punteggio massimo, mentre la generazione precedente si fermava tra il 50 e il 60 %.

Il post descrive soprattutto gli strumenti attorno al modello. Un agente di revisione lavora in parallelo all’indagine per evitare conclusioni affrettate: una correlazione scambiata per una causa, una telemetria contraddittoria scartata, un fattore scatenante confuso con la causa. Tre livelli di memoria accumulano la conoscenza dell’azienda: una memoria specifica per ciascun responder, skills generate indicizzando regolarmente l’ambiente e una memoria dell’organizzazione alimentata da ogni indagine. I Responders, presentati come la nuova generazione di Auto-Triage, monitorano un flusso di avvisi ed evitano circa il 60 % delle indagini riconoscendo i problemi già incontrati, risparmiando così più della metà del costo delle automazioni tradizionali; la modalità Incidents inserisce Devin nel canale di crisi, con un documento dell’incidente mantenuto aggiornato e istanze figlie di Devin incaricate di rispondere alle domande dirette degli ingegneri.

Tre clienti illustrano il lancio. Presso Reducto, Devin ha aperto un incidente autonomamente, molto prima che scattassero gli avvisi di produzione; presso RV Tech, la joint venture di Rivian e Volkswagen, estrae dalle segnalazioni dei clienti gli identificativi dei veicoli e i timestamp, recupera i log ed esegue il primo triage; presso AngelList, individua la causa radice corretta 3,5 volte più spesso dello strumento interno Sky e ha gestito da solo la metà degli incidenti, tanto che Sky è stato abbandonato. Non viene annunciato alcun prezzo: la pagina di Devin Oncall propone di iniziare o di prenotare una dimostrazione. Il lancio dà seguito all’arrivo in Cognition, a luglio, dei fondatori di TierZero, specializzata in SRE assistito dall’IA.

🔗 Il post di Cognition · Il thread di @cognition · La pagina di Devin Oncall

Claude Code 2.1.301: attesa dei limiti di utilizzo limitata in modalità non presidiata, 37 correzioni

15 ottobre — Pubblicata alle 19 h 22 UTC, Claude Code 2.1.301 conta 51 voci, di cui 8 aggiunte, 37 correzioni, 4 miglioramenti e 2 modifiche, e si concentra soprattutto sull’uso non presidiato. La nuova variabile CLAUDE_CODE_RETRY_WATCHDOG_MAX_USAGE_LIMIT_WAIT_MS consente alla modalità di retry automatico (CLAUDE_CODE_RETRY_WATCHDOG) di abbandonare una richiesta quando il limite di utilizzo raggiunto si azzererà troppo tardi, invece di attendere. Sul fronte dell’osservabilità, gli eventi OpenTelemetry tool_decision includono ora classifier_verdict e permission_mode, per distinguere una decisione del classificatore della modalità auto da una regola di autorizzazione, oltre a classifier_category, la regola integrata all’origine di un blocco (con OTEL_LOG_TOOL_DETAILS=1).

Diverse correzioni riguardano l’affidabilità: l’alias fable (e best) non restituisce più un errore quando il Fable più recente non è accessibile all’organizzazione, poiché Claude Code riprova una volta con il Fable precedente; l’uscita da una sessione non elimina più senza chiedere conferma un worktree creato da un hook WorktreeCreate, che potrebbe contenere commit non inviati al repository remoto; Grep e Glob segnalano un errore invece di annunciare «nessuna corrispondenza» quando la ricerca fallisce. Quando si passa a un modello con una finestra di contesto più piccola, una conversazione troppo lunga viene prima riassunta dal modello precedente. In VS Code, le risposte visualizzano le formule LaTeX e il banner del limite di utilizzo offre un link «Ottieni più utilizzo» agli abbonati Pro e Max.

🔗 Note di rilascio di Claude Code 2.1.301

Code Review di Claude Code esce dall’anteprima di ricerca per Team ed Enterprise

15 ottobre — Sette mesi dopo il lancio in anteprima di ricerca, avvenuto il 9 marzo, Code Review, il servizio di Claude Code che esamina automaticamente le pull request GitHub, diventa disponibile per le organizzazioni Claude Team ed Enterprise. Secondo Anthropic, la maggior parte delle revisioni si conclude circa tre volte più velocemente rispetto all’anteprima, con segnalazioni concise che indicano il problema, ciò che lo innesca e la correzione. Un amministratore sceglie un livello per ogni repository: Quick, Standard (predefinito) o Deep.

Punto chiave di Code Review	Dettaglio pubblicato da Anthropic
Durata di una revisione	Circa 6–10 minuti, contro una ventina nell’anteprima
Fatturazione delle revisioni	Token consumati, addebitati sui crediti di utilizzo oltre a quello incluso nel piano, con un tetto mensile
Crediti di lancio	Almeno 10 000 dollari per le organizzazioni Enterprise idonee, da richiedere entro il 15 gennaio 2027, validi 30 giorni
Esclusioni attuali	Zero Data Retention, configurazione HIPAA e, per il momento, chiavi gestite dal cliente (CMEK)

Il principio resta invariato: le segnalazioni arrivano come commenti in linea classificati per gravità, con un check run che non fallisce mai, e una revisione non approva né blocca una pull request: la decisione di effettuare il merge resta al team.

🔗 Code Review è ora disponibile per tutti (Claude) · Documentazione di Code Review

Delta 0.20: i sottoagenti diventano thread secondari gestibili, gli agenti accedono ai server MCP

14 ottobre — Delta, l’ambiente di sviluppo multiplayer dei creatori di Zed, passa alla versione 0.20 (18 novità, 14 miglioramenti e 29 correzioni, seguiti da una correzione nella 0.20.1 lo stesso giorno). I sottoagenti diventano normali thread secondari, che si possono consultare, riorientare e proseguire personalmente, e i thread secondari possono ora essere annidati; l’impostazione Enable Sub-agents diventa Delegation, con tre opzioni (Off, Only When Asked, Max). Gli agenti ottengono l’accesso ai server MCP, da collegare in Settings → MCP, e una revisione o un Land avviato da un thread secondario comprende anche le modifiche ereditate dai thread principali. La versione aggiunge Gemini 4 Argon con la propria chiave Google, un comando /create-skill e comandi delta org per gestire un’organizzazione dal terminale.

Il 15 ottobre, un articolo tratto da una conferenza di Conrad Irwin descrive DeltaDB, il livello di collaborazione che invia ogni battuta al server e ai collaboratori: CRDT ispirati a diamond-types, in cui ogni modifica è ancorata a una versione Git o a modifiche precedenti. Poiché ogni carattere sa quale modifica lo ha creato, Delta può associargli l’autore, l’agente e persino il prompt.

🔗 Note di rilascio di Delta · DeltaDB: il futuro del controllo di versione

Antigravity CLI 1.3.6: Claude 5.5 tramite credenziali Google Cloud, dopo la modalità Auto e /compact della 1.3.5

14 ottobre — Antigravity CLI, lo strumento di agenti da riga di comando che Google presenta come il successore di Gemini CLI, continua a susseguire versioni: dalla 1.3.1, trattata qui l’8 ottobre, ne sono arrivate cinque. La 1.3.6 aggiunge Claude Opus 5.5 e Claude Sonnet 5.5 per gli utenti connessi con le credenziali predefinite di Google Cloud (Application Default Credentials, AGY_ADC_AUTH): i modelli Claude compaiono in /model solo se il progetto Google Cloud vi ha accesso. Inoltre, elimina un blocco senza fine: dopo 5 minuti senza dati dal modello, la richiesta viene annullata e riavviata automaticamente.

La novità più visibile arriva dalla 1.3.5: una modalità Auto che approva autonomamente le modifiche ai file e i comandi ritenuti sicuri, ma chiede sempre conferma prima di un’azione irreversibile. I comandi che uscirebbero dalla sandbox del terminale vengono prima esaminati da un agente distinto; la 1.3.6 rende questa revisione più rapida, lascia passare i comandi di formattazione e lint del progetto e blocca quelli che invierebbero dati sensibili. La modalità si attiva con --mode auto, da /config o con Maiusc+Tab, su Linux e macOS (Windows in seguito). La 1.3.5 aggiunge anche /compact, che riassume la conversazione su richiesta per liberare la finestra di contesto.

Versione di Antigravity CLI	Data del changelog	Miglioramenti e correzioni	Punto principale della versione
1.3.6	14 ottobre	3 + 10	Claude Opus 5.5 e Sonnet 5.5 tramite ADC, riavvio dopo 5 minuti di blocco
1.3.5	13 ottobre	5 + 1	Modalità Auto, `/compact`, colorazione e ripiegamento in `/diff`
1.3.4	12 ottobre	4 + 10	`agy plugin list --json`, modello scelto senza `--effort`
1.3.3	9 ottobre	6 + 15	Strumenti MCP sempre caricati, sandbox rafforzata
1.3.2	7 ottobre	6 + 4	`/plugin` e marketplace ufficiale di plugin

🔗 Changelog di Antigravity

Codex in OpenAI: il team Core Experimentation integra oltre 1 400 PR di manutenzione con GPT-6 Astra e GPT-6.1 Sol

14 ottobre — Sul blog OpenAI Developers, un ingegnere del team Core Experimentation, che mantiene il software di sperimentazione utilizzato in tutta l’azienda, racconta come i modelli GPT-6 abbiano preso in carico la manutenzione dei suoi repository in Codex. Il punto di partenza: un prompt breve e volutamente vago, che chiede di individuare ed eliminare il codice morto. GPT-5.6 Sol non lo portava a termine; GPT-6 Astra ha consultato vecchie PR, thread Slack, strumenti di tracciamento interni e tabelle di profilazione della produzione, giustificando poi ogni eliminazione. Cinque ingegneri hanno quindi elaborato varianti di questo prompt, lavorandoci a tempo parziale per due settimane: oltre 1 400 pull request integrate, più di 800 000 righe eliminate e l’immagine container di un servizio passata da 3,31 a 1,72 Go (-48 %).

Modello e sforzo di ragionamento	Costo API dell’attività	Segnalazioni confermate	Costo per segnalazione
GPT-6 Astra Ultra	109,06 dollari	142	0,77 dollari
GPT-6.1 Sol Ultra	15,12 dollari	131	0,12 dollari
GPT-6.1 Sol Medium	5,27 dollari	86	0,06 dollari

Sulla stessa attività di pulizia, in oltre 6 000 file e 1 milione di righe di Python, TypeScript, Go e Rust, GPT-6.1 Sol con sforzo Ultra ritrova quindi il 92 % delle segnalazioni di GPT-6 Astra Ultra al 14 % del costo API; il divario riguarda soprattutto i flag di funzionalità (feature flags) costanti utilizzati come dipendenze di altri flag, che Astra individua e Sol non rileva. Una trentina di PR di ottimizzazione ha anche ridotto il tempo mediano della CI da circa 10 a 4,5 minuti. L’autore riconosce che alcune proposte aggiungevano più complessità di quanti benefici apportassero e consiglia di iniziare con interventi piccoli.

🔗 Manutenzione del software con la famiglia GPT-6 (OpenAI Developers)

MX Keypad: GitHub e Logitech controllano l’app GitHub Copilot da un tastierino programmabile

15 ottobre — In un articolo dedicato all’«intelligenza ambientale», Martin Woodward, VP of Developer Relations di GitHub, presenta il frutto di 18 mesi di lavoro con Logitech: MX Keypad, un tastierino programmabile, si integra con l’app GitHub Copilot. Un tasto può inviare un prompt parametrizzato, aprire o riprendere una sessione Copilot, richiamare un comando dell’IDE o avviare una sequenza in più fasi. L’articolo colloca l’oggetto in una visione a tre livelli: la modalità (testo, voce, comandi fisici) coglie l’intenzione, l’harness pianifica e agisce, il piano di controllo permette allo sviluppatore di ispezionare, riorientare e approvare. L’autore resta prudente: l’esperienza è «ancora agli inizi» (ancora agli inizi) e non tutti gli sviluppatori hanno bisogno di un dispositivo in più. Un link permette di provare MX Keypad con tre mesi di GitHub Copilot Pro+ in omaggio, senza che l’articolo indichi un prezzo o una data di disponibilità.

🔗 La prossima interfaccia per sviluppatori è l’intelligenza ambientale (GitHub Blog)

Sicurezza dei modelli: METR ottiene da Anthropic un accesso da dipendente, IPI Black mette in palio 300 000 dollari contro la prompt injection

Due iniziative dello stesso giorno per far mettere alla prova la sicurezza dei modelli da terzi: un team di valutatori indipendenti insediato presso Anthropic e un concorso pubblico di attacchi contro gli agenti.

METR ottiene da Anthropic un accesso paragonabile a quello di un dipendente

15 ottobre — Anthropic ha iniziato a integrare un team di METR, l’organizzazione senza scopo di lucro che valuta i modelli di IA di frontiera, con un accesso «paragonabile a quello di un dipendente» (accesso simile a quello di un dipendente). Sei persone di METR dispongono dell’hardware aziendale, di uffici e di un accesso agli strumenti e ai sistemi interni pressoché equivalente a quello dei team di valutazione dei rischi di Anthropic; restano esclusi solo i dati dei clienti, le informazioni coperte dal segreto professionale tra avvocato e cliente e le architetture dei modelli. METR pubblicherà le proprie analisi dei rischi e Anthropic non può opporsi: può soltanto esigere l’oscuramento di informazioni appartenenti a categorie ristrette definite in anticipo, mentre METR resta libera di dichiarare pubblicamente se ritiene giustificati tali oscuramenti.

Livello di accesso dei valutatori	Accesso alle informazioni	Diritto di pubblicazione	Valutatore citato da Anthropic
Livello 1	Indagini mirate, accesso deciso da Anthropic	Con l’approvazione di Anthropic	SecureBio
Livello 2	Più informazioni	Senza approvazione, possibile oscuramento di categorie precise	Nessuno citato
Livello 3	Paragonabile a quello di un dipendente	Come al livello 2	METR

Anthropic sta preparando anche una partnership con Accenture e Faculty (valutazione e red-teaming dei modelli, valutazioni dell’allineamento, test dei guardrail) e sta conducendo discussioni preliminari con altre organizzazioni, tra cui Hugging Face. L’azienda paragona questo sistema alla vigilanza bancaria, in cui gli ispettori residenti lavorano all’interno delle banche più grandi, e lo colloca nel seguito della propria adesione al White House Accord on Super Intelligence, con cui le aziende si impegnano a collaborare con valutatori esterni indipendenti.

🔗 Un aggiornamento sui valutatori indipendenti (Anthropic)

IPI Black: Gray Swan lancia un concorso di prompt injection indiretta con 300 000 dollari in palio

15 ottobre — Gray Swan lancia IPI Black (Indirect Prompt Injection: Black), un concorso pubblico di prompt injection indiretta con 300 000 dollari in palio, con il sostegno di Anthropic, Meta, Google DeepMind, Reflection AI, OpenAI, Amazon, Thinking Machines e AI Security Institute. I partecipanti, senza necessità di esperienza, attaccano agenti collocati in ambienti simulati dotati di strumenti realistici (Gmail, Slack, GitHub, X): per esempio, inducendo l’agente di scrittura di un responsabile dei social media a pubblicare contenuti dannosi sugli account ufficiali della sua azienda. In modalità white box si vedono le risposte dell’agente e si affina il proprio attacco; in modalità black box si invia il proprio payload senza vedere nulla.

Il concorso si svolge in tre tornate di una settimana, aperte il 15, 22 e 29 ottobre, ciascuna con le proprie classifiche che si dividono 100 000 dollari tra white box e black box. La prima tornata propone dieci scenari, sei in white box e quattro in black box, dalla fuga di un identificativo in un commento a una issue GitHub alla falsa segnalazione di un whistleblower. Gli attacchi raccolti alimenteranno il benchmark che i laboratori partner utilizzano per misurare la robustezza dei propri modelli. Boris Cherny, creatore di Claude Code, ha rilanciato il concorso: secondo lui, negli ultimi anni i modelli Claude hanno fatto grandi progressi contro la prompt injection, ma diventa urgente risolvere il problema in tutto il settore man mano che gli agenti svolgono più attività.

🔗 Il thread di Gray Swan · La pagina del concorso · Il messaggio di Boris Cherny

Nuovi modelli: Timestral per le serie temporali, Step 5 Preview di StepFun, Apertus 1.5 e Jev 1.14

Quattro pubblicazioni di natura diversa: una famiglia di modelli di previsione di Mistral, un grande MoE aperto di StepFun, modelli completamente aperti in Svizzera e un modello decisionale di TypeSafe.

Timestral: Mistral pubblica la sua prima famiglia di modelli di fondazione per le serie temporali

15 ottobre — Mistral pubblica Timestral, la sua prima famiglia di modelli di fondazione per le serie temporali (time-series foundation models), in quattro dimensioni che condividono la stessa architettura e la stessa procedura di addestramento: 5M, 28M, 123M e 209M parametri. I modelli producono previsioni probabilistiche (21 quantili) e multivariate, tengono conto di covariate note solo nel passato o note in anticipo (calendario di produzione, fermi programmati, previsioni meteo), comprese quelle categoriche come lo stato di una macchina, e leggono fino a 32 768 passi temporali di dati storici.

Benchmark e metrica (più basso = meglio)	Timestral-209M	t0-gamma	TimesFM-3	Chronos-2
GIFT-Eval, MASE	0,658	0,661	0,667	0,698
GIFT-Eval, CRPS	0,446	0,452	0,456	0,485
TIME, MASE	0,626	0,637	0,640	0,662
TIME, CRPS	0,522	0,534	0,536	0,556

Secondo Mistral, il 209M si classifica primo su GIFT-Eval, TIME e fev-bench tra i modelli preaddestrati utilizzati senza adattamento (zero-shot), con un unico checkpoint e senza ensemble, e supera il precedente stato dell’arte con due terzi dei suoi parametri; i distacchi in testa restano ridotti, e il piccolo 28M batte già Chronos-2, circa quattro volte più grande, su GIFT-Eval e TIME. Timestral non ha bisogno di GPU: su un processore server a 8 thread, prevedere una giornata a partire da tre settimane di dati storici a intervalli di 15 minuti richiede 10 ms con il 5M e 140 ms con il 209M. I pesi sono su Hugging Face con una licenza «MIT modificata» che esclude le aziende con oltre 20 milioni di dollari di fatturato mensile consolidato, il codice è su GitHub con licenza Apache-2.0, e la documentazione presenta Timestral 1.0 come un’anteprima pubblica; Mistral Forge consente il fine-tuning su dati proprietari, con possibilità di deployment senza connessione.

🔗 Presentazione di Timestral (Mistral) · Timestral-209M su Hugging Face

Step 5 Preview: StepFun pubblica un MoE aperto da 600 miliardi di parametri per attività agentiche di 24 ore, secondo NVIDIA

15 ottobre — NVIDIA accoglie con favore l’uscita di Step 5 Preview, che il suo account @NVIDIAAI presenta come il più grande rilascio a pesi aperti di StepFun: un mixture of experts da 600 miliardi di parametri progettato per attività agentiche che possono durare fino a 24 ore. NVIDIA annuncia quasi 8 000 token al secondo per GPU su GB300 in NVFP4, con un checkpoint NVFP4 pubblicato su Hugging Face, procedure di deployment per SGLang e vLLM, post-training con NeMo AutoModel e un NIM avviabile con un solo comando. Il messaggio di NVIDIA non fornisce né benchmark né licenza.

🔗 Il messaggio di @NVIDIAAI

Apertus 1.5: Swiss AI descrive modelli 8B e 70B completamente aperti, con immagini, audio e 262 144 token di contesto

15 ottobre — L’iniziativa svizzera Swiss AI pubblica le note di rilascio e il rapporto tecnico di Apertus 1.5, la sua famiglia di modelli completamente aperti. I pesi 8B e 70B erano online dal 24 luglio con licenza Apache 2.0; il rapporto pubblica anche i checkpoint intermedi (base, SFT, RLVR, DPO), le miscele di dati e le schede di valutazione, affinché altri ricercatori possano studiare l’effetto di ogni fase dell’addestramento.

Modello Apertus 1.5	Token di preaddestramento aggiunti	Token totali
8B	4 000 miliardi	19 000 miliardi
70B	2 000 miliardi	17 000 miliardi

Le immagini e l’audio passano attraverso il tokenizer, senza un encoder separato: un’immagine di 512 × 512 pixel diventa 1 024 token, un secondo di audio 40 token, per cui l’addestramento procede alla stessa velocità del solo testo; i modelli comprendono immagini e audio ma generano solo testo, e l’audio resta sperimentale. Acquisiscono anche una modalità di ragionamento opzionale e un contesto di 262 144 token, quattro volte più lungo. Gli autori riconoscono di restare indietro rispetto ai migliori modelli aperti, pur indicando il modello 8B come superiore ai modelli delle sue dimensioni nel rispetto delle istruzioni e nelle capacità multilingue, senza riportare punteggi numerici nel post. I risultati sono pubblicati nel formato Every Eval Ever, pensato per la conformità all’AI Act europeo.

🔗 Note di rilascio di Apertus 1.5 (Hugging Face)

Jev 1.14: TypeSafe rende disponibili in anteprima le immagini, le domande Box e un contesto quattro volte più lungo

14 ottobre — TypeSafe annuncia Jev 1.14, nuova versione del suo modello decisionale, presentata come «nuova e migliorata» senza dati numerici a supporto. È accompagnata da tre funzionalità sperimentali: le immagini, che possono essere inserite ovunque fosse possibile inserire testo e diventano disponibili anche per il Jev attuale; un nuovo tipo di domanda System One, Box, che restituisce il riquadro di un oggetto in un’immagine sotto forma di quattro bordi espressi in frazioni della sua larghezza e della sua altezza; e un contesto quattro volte più lungo, anche se TypeSafe continua a consigliare di limitarlo. Queste funzionalità restano in anteprima, non ancora pronte per la produzione secondo TypeSafe, e si attivano con l’header TypeSafe-Danger-Zone-Images: true; le domande Box richiedono Jev 1.14, richiamato con jev-preview o jev-1.14.0. Zed ha accolto con favore l’uscita citando Wes Bos, che calcola il costo di una domanda su un’immagine di 850 × 850 pixel in 0,000096936 dollari, ossia circa 10 000 immagini per un dollaro: un calcolo di Wes Bos, non una tariffa pubblicata da TypeSafe.

🔗 L’annuncio di TypeSafe · La documentazione di Box

IA per la scienza: il CERN e Mistral puntano a un Large Physics Model, Sakana AI presenta The Agentic Scientist, OpenAI finanzia i matematici

Tre modi di mettere l’IA al servizio della ricerca: un modello di fondazione per la fisica dei collisori, agenti di coding guidati per condurre una ricerca dall’inizio alla fine, e fondi affinché i matematici verifichino i risultati prodotti dall’IA.

Il CERN e Mistral collaborano per sviluppare un Large Physics Model

15 ottobre — Il CERN e Mistral hanno firmato una dichiarazione d’intenti (statement of intent) in vista di una partnership strategica a lungo termine dedicata ai modelli di fondazione per la scoperta scientifica. Al centro del progetto: un unico Large Physics Model preaddestrato, che il CERN presenta come il primo modello di fondazione per la fisica dei collisori, addestrato su miliardi di collisioni protone-protone simulate al Grande collisore di adroni (LHC). Dovrà servire a più compiti contemporaneamente: ricostruire le collisioni, identificare le particelle, individuare segnali inattesi e valutare futuri design dei rivelatori, mentre oggi l’analisi passa attraverso una catena di algoritmi specializzati. Il CERN ha già archiviato circa un exabyte (un milione di terabyte) di dati sperimentali del LHC, e il numero di collisioni dovrebbe decuplicare con il LHC ad alta luminosità (HL-LHC), previsto intorno al 2030. Il comunicato cita Enrica Porcari, Chief Information Officer del CERN, e Johannes Brandstetter, Vice-President of AI for Engineering di Mistral, ma non fornisce importi, tempistiche o risorse di calcolo.

🔗 Il comunicato del CERN · Il thread di @MistralAI

The Agentic Scientist: Sakana AI guida agenti di coding per condurre una ricerca dall’inizio alla fine

15 ottobre — Sakana AI presenta The Agentic Scientist, nuova generazione del suo AI Scientist, il progetto che dal 2024 verifica fino a che punto un’IA possa condurre autonomamente una ricerca. Il punto di partenza è una constatazione:

Coding agents such as Codex and Claude Code now carry out long software tasks on their own. Handing them a research problem, however, tends to produce a strong hyperparameter optimizer rather than a scientist: scores go up, but ideas stay narrow, and the reasons for the gain are rarely examined.

🇮🇹 Gli agenti di coding come Codex e Claude Code svolgono ormai autonomamente lunghe attività software. Affidare loro un problema di ricerca produce però più un eccellente ottimizzatore di iperparametri che uno scienziato: i punteggi aumentano, ma le idee restano limitate e le ragioni del miglioramento vengono esaminate raramente. — @SakanaAILabs su X

La risposta è un’impalcatura attorno ad agenti di coding esistenti (Codex, Claude Code, OpenCode, Pi): agenti paralleli verificano ipotesi rispetto a griglie di valutazione fissate prima di qualsiasi esperimento, condividono successi e fallimenti in una memoria comune, poi il sistema esegue in sequenza baseline, ablazioni, valutazione finale sigillata e analisi, fino alla stesura dell’articolo. Sakana AI lo ha valutato su 5 temi con 9 modelli (4 GPT, 4 Claude, 1 DeepSeek) e 4 harness, per un totale di 14 combinazioni modello-harness e 70 campagne di ricerca: i modelli più recenti producono articoli migliori, e la scelta dell’harness conta meno di quella del modello. Una versione di sviluppo ha scritto insieme a ricercatori un articolo su Error Diffusion, una regola di apprendimento ispirata alla biologia, accettato per una presentazione orale ad ALIFE 2026; nel recupero di fatti da documenti lunghi (Doc-to-LoRA), il sistema porta l’accuratezza dal 52 % al 98 % senza riaddestrare il modello. Il codice è aperto con licenza Apache 2.0; Sakana AI ricorda che gli esseri umani devono comunque scegliere le domande e verificare le affermazioni, e che gli agenti vengono eseguiti con tutti i permessi, raccomandando Docker.

🔗 Il post di Sakana AI · L’articolo su arXiv · Il repository AI-Scientist-v3

OpenAI versa 5 milioni di dollari a un’iniziativa della Simons Foundation per i matematici

15 ottobre — OpenAI annuncia un contributo di 5 milioni di dollari a una nuova iniziativa della Simons Foundation, destinata ad aiutare i matematici a esaminare, comprendere ed estendere i risultati prodotti dall’IA, compresi quelli pubblicati di recente da OpenAI. Il 6 ottobre, l’azienda aveva diffuso 722 manoscritti di risultati matematici ottenuti da un modello interno non pubblicato, avvertendo che alcuni risultati non formalizzati potevano contenere errori. I fondi saranno gestiti e assegnati dalla fondazione, e serviranno per workshop, conferenze e programmi speciali; OpenAI fornirà inoltre l’accesso ai propri modelli e a risorse di calcolo ai ricercatori sostenuti dalla Simons Foundation. Il messaggio cita quello della Simons Foundation, che impegna complessivamente 15 milioni di dollari in workshop e iniziative, con risorse di calcolo gratuite per i ricercatori che sostiene, attraverso nuove partnership con Anthropic e OpenAI. L’annuncio, fatto con un semplice messaggio su X, non precisa né il nome dell’iniziativa né le sue tempistiche.

🔗 L’annuncio di OpenAI · I 722 manoscritti del 6 ottobre (OpenAI)

Claude Opus 5.5: la modalità rapida esce dall’anteprima di ricerca, a 8 e 40 dollari per milione di token

15 ottobre — La modalità rapida (fast mode) di Claude Opus 5.5 esce dall’anteprima di ricerca su Claude Platform, senza lista d’attesa. È lo stesso modello, con gli stessi pesi, servito con un numero di token di output al secondo fino a 2,5 volte superiore e fatturato al doppio della tariffa standard di Opus 5.5. Le richieste non hanno più bisogno dell’header beta fast-mode-2026-02-01 (quelle che lo inviano ancora restano accettate), e ogni livello di utilizzo dispone ora di un limite di throughput predefinito per questa modalità, distinto da quello di Opus a velocità standard.

Modello Claude in modalità rapida	Stato al 15 ottobre	Tariffa per milione di token (input / output)
Opus 5.5	Disponibile, senza lista d’attesa né header beta	8 / 40 dollari (4 / 20 a velocità standard)
Opus 5	Anteprima di ricerca, header beta richiesto	10 / 50 dollari
Opus 4.8	Anteprima di ricerca, header beta richiesto	10 / 50 dollari

Il miglioramento riguarda il throughput di output, non il tempo di attesa prima del primo token, e cambiare velocità invalida la cache del prompt; la modalità resta indisponibile con l’API Batch. È proposta anche in Microsoft Foundry per i deployment ospitati su Azure, come conferma ora la documentazione; Google Cloud dovrebbe seguire secondo @ClaudeDevs, e la modalità resta indisponibile su Amazon Bedrock e Claude Platform on AWS. In Claude Code non cambia nulla: la modalità rapida continua a consumare crediti di utilizzo aggiuntivi.

🔗 Annuncio di @ClaudeDevs · Documentazione della modalità rapida

Librerie Hugging Face: Transformers 5.20.0 e TRL 1.16.0 integrano Muse Spark Open

Le due librerie di punta di Hugging Face escono il giorno del lancio di Muse Spark Open e lo supportano, ciascuna con le proprie novità.

Transformers 5.20.0: sette modelli aggiunti e quantizzazione durante l’esportazione

15 ottobre — Hugging Face pubblica Transformers 5.20.0, una versione caratterizzata dall’arrivo di Muse Spark Open, supportato il giorno stesso della sua uscita. Altri sei modelli entrano nella libreria.

Modello aggiunto a Transformers	Sviluppatore del modello	Particolarità tecnica
Muse Spark Open	Meta	MoE multimodale, 816 miliardi di parametri di cui 42 miliardi attivi
Ling 3.0 Flash	InclusionAI	MoE ibrido, cinque layer Kimi Delta Attention per un layer MLA
Kolibri 1	Aleph Alpha	MoE di ragionamento tedesco-inglese, 6 esperti su 384 per token
MiniCPM-V 4.7	OpenBMB	Posizioni canvas M-RoPE per immagini e video
UnlimitedOcr	Baidu	OCR da 3 miliardi di parametri, cache KV costante
UltraBERT	DMIS Lab	Encoder da 150M e 380M parametri, contesto di 32K token
MOSS-Transcribe-Diarize	OpenMOSS	0,9 miliardi di parametri, trascrizione e diarizzazione in oltre 50 lingue

Sul fronte degli strumenti, gli esportatori possono ora eseguire la quantizzazione durante l’esportazione verso ONNX, OpenVINO o ExecuTorch, e i checkpoint di addestramenti FSDP combinati con il parallelismo tensoriale possono essere ricaricati in una configurazione diversa. Hugging Face segnala tuttavia una regressione della velocità di inferenza con parallelismo degli esperti, in corso di correzione, e diverse modifiche incompatibili, tra cui la rimozione di metodi di cache deprecati.

🔗 Note di rilascio di Transformers 5.20.0

TRL 1.16.0: l’addestramento su AWS Trainium e AsyncGRPO fino a 3,1 volte più veloce

15 ottobre — TRL 1.16.0 apre la libreria di addestramento di Hugging Face ai chip Trainium di AWS: una nuova impostazione predefinita evita che Trainium ricompili a ogni nuova lunghezza della sequenza, dimezzando il tempo di un breve addestramento di prova, con 20 passi di SFT di Qwen3-0.6B su Trainium2 completati in 130 secondi anziché 260. L’altra novità riguarda l’apprendimento per rinforzo degli agenti: nelle traiettorie generate (rollouts) con più turni o più generazioni, lo stesso inizio di conversazione si ripete da una riga all’altra, e AsyncGRPO ora lo organizza in un albero di prefissi per calcolarlo una sola volta. Su Qwen3-1.7B, con 32K tokens per traiettoria, l’aumento di velocità raggiunge 3,10 volte e il picco di memoria passa da 35,2 a 13,5 Gio; senza prefisso condiviso, il sovraccarico è di circa l’1 %. La versione supporta anche Muse Spark Open, sottoponibile a fine-tuning con LoRA su 64 GPU H100 (14,2 secondi per passo, 40,2 Go per GPU), e le GPU AMD nei trainer asincroni.

🔗 Note di rilascio di TRL 1.16.0

GPT-Live-1.1: nuove voci e accenti più naturali in ChatGPT, Codex e nei dots

15 ottobre — OpenAI aggiorna il suo modello vocale. GPT-Live-1.1 e la sua variante ridotta GPT-Live-1.1 Quip, presentata come una versione mini del modello, sono in fase di distribuzione nella modalità vocale di ChatGPT, di Codex e dei dots, gli agenti permanenti lanciati il 29 settembre, con accenti più naturali nelle diverse lingue. Il modello varia maggiormente anche le brevi frasi che pronuncia quando avvia una ricerca: OpenAI riassume il miglioramento con «meno sto controllando…».

Sei lingue ricevono nuove voci Live: francese, tedesco, hindi, giapponese, coreano e spagnolo del Messico, a cui si aggiunge una voce inglese chiamata Bubbie; le voci disponibili possono variare in base alla regione e all’account e si scelgono in Settings > Voice. L’aggiornamento viene distribuito dal 15 ottobre a tutti gli utenti e arriverà «presto» nell’API, dove GPT-Live-1 è disponibile dal 10 settembre a 0,05 dollari al minuto. OpenAI non pubblica né benchmark né informazioni sulla ripartizione di GPT-Live-1.1 e Quip tra i piani.

🔗 Annuncio di OpenAI · Note di rilascio di ChatGPT

Universal Cart: Google lancia negli Stati Uniti un carrello comune a Google Search e all’applicazione Gemini

15 ottobre — Google lancia Universal Cart negli Stati Uniti. Questo carrello «intelligente», presentato in anteprima a Google I/O a maggio, viene distribuito sia in Google Search, AI Mode compreso, sia nell’applicazione Gemini: un prodotto aggiunto da una di queste interfacce rimane nello stesso carrello, indipendentemente dal rivenditore. L’articolo fa l’esempio di una borsa aggiunta in AI Mode, poi di un maglione e di un gloss aggiunti nell’applicazione Gemini, che si ritrovano insieme in seguito.

Funzione di Universal Cart	Cosa offre secondo Google
Carrello con più rivenditori	Un unico carrello mantenuto passando da un’interfaccia Google all’altra
Avvisi su prezzi e disponibilità	Ribassi e ritorni in stock, su oltre 60 miliardi di schede dello Shopping Graph
Integrazione con Google Wallet	Vantaggi delle carte salvate per scegliere il metodo di pagamento, codici promozionali pertinenti
Pagamento degli acquisti	Google Pay dal carrello (Universal Commerce Protocol) o passaggio al sito del commerciante

Il pagamento diretto funziona con Nike, Sephora, Target, Ulta Beauty, Walmart, Wayfair e numerosi commercianti Shopify; in tutti i casi, il commerciante rimane il venditore e gestisce le conferme e l’assistenza clienti. Google colloca lo strumento tra le funzioni che lasciano il controllo all’acquirente, accanto al suo lavoro sulle capacità agentiche che agiscono per suo conto. Non viene indicata alcuna data per altri paesi.

🔗 Universal Cart (blog di Google)

Manus Automations: attività ricorrenti avviate secondo una pianificazione o da un trigger

15 ottobre — Manus lancia Automations, che mette il lavoro ripetitivo «con il pilota automatico»: l’utente descrive quando deve iniziare l’attività e quale deve essere il risultato. Coesistono tre modalità di avvio: una pianificazione, per esempio ogni giorno feriale alle 8 h; un trigger legato a un’applicazione connessa, come una fattura che arriva in Gmail; e, in beta, un’automazione avanzata che combina più fonti e condizioni descritte dall’utente. La funzione estende le Scheduled Tasks 2.0 di maggio e le automazioni attivate da eventi annunciate con Manus 2.0 il 28 settembre. Il thread non specifica né il piano richiesto né il costo in crediti.

🔗 Annuncio di Manus

Notizie in breve

Agenti e strumenti di programmazione

Note di rilascio di Devin del 14 ottobre — Alla vigilia del lancio di Devin Oncall, Devin aggiunge Splunk, Elastic, Dynatrace, Chronosphere e Google Cloud Monitoring come plugin di osservabilità, un ruolo Review manager che gestisce le regole di revisione senza diritti di amministrazione e l’esportazione dei risultati del code scan nel formato SARIF 2.1.0, oltre al CSV. 🔗 fonte
Warp e le sue fabbriche di software — In due articoli sul metodo, senza nuove funzioni, Zach Lloyd, fondatore di Warp, afferma di aver ridotto il costo per PR del suo team da 80 a 20 dollari in sei settimane, con meno rollback e un volume di PR superiore del 40 % rispetto al mese precedente. 🔗 fonte
Qwen Code v0.25.2 — La versione diventa stabile due giorni dopo la sua anteprima del 13 ottobre, con 68 pull request assenti da quest’ultima, tra cui 11 funzionalità (trascinamento di file nel Web Shell, revisione dei messaggi delle MCP Apps prima dell’invio, annullamento delle attività dei workflow e persistenza in 32 tabelle per il Managed Agent) e 38 correzioni. 🔗 fonte
Copilot CLI 1.0.99 in anteprima — Due anteprime nella stessa giornata, senza una versione stabile: la sandbox consente per impostazione predefinita l’accesso alla rete locale, /share apre un menu a schermo intero, i plugin dei repository attendibili si installano automaticamente e le Skills e i plugin verificati si installano da un link GitHub. 🔗 fonte
SDK Antigravity 0.1.22 — Aggiunge l’orchestrazione di workflow dinamici e le skill definite in memoria: nell’aggiornamento dell’11 ottobre, qui recuperato, lo SDK Python propone in beta componenti tipizzati (phase, agent, parallel, pipeline) per scrivere workflow di agenti, skill dichiarate senza file (InlineSkill) e un limite di tokens di output per passaggio superiore a 64k tokens. 🔗 fonte
google/adk-recipes — Successore ristrutturato di adk-samples, il repository di esempi dell’Agent Development Kit di Google è ora pensato per gli assistenti di programmazione: ogni ricetta fornisce un manifest.yaml e un AGENTS.md, il primo plugin di settore si rivolge al commercio al dettaglio e Horizon funge da harness di riferimento per gli agenti che lavorano per più giorni. 🔗 fonte
DeepSeek Harness 0.2.1-alpha.4 — 28ª anteprima, ancora senza una versione stabile: lo sforzo di ragionamento si regola modello per modello per le API personalizzate, direttamente nell’interfaccia, e i plugin si installano da indici personalizzati; lo stesso giorno, FlashMLA passa all’interfaccia binaria stabile di CPython e di LibTorch. 🔗 fonte
Tre modelli lasciano Copilot il 16 novembre — Claude Opus 4.8 e Claude Opus 5, da sostituire con Claude Opus 5.5, e GPT-5.6 Terra, da sostituire con GPT-6.1 Sol o GPT-6 Luna; gli abbonati individuali con piano annuale mantengono Claude Opus 4.8 e i modelli sostitutivi si attivano automaticamente in Business ed Enterprise. 🔗 fonte

Assistenti, aziende e guide

Genspark nelle app di messaggistica — Si scrive a @genspark_ai in iMessage, WhatsApp, Slack o LINE per riassumere un PDF o creare una presentazione, e il risultato arriva nella stessa conversazione; non vengono specificati né piano né prezzo. 🔗 fonte
Kimi Work 3.2.17 e un terzo tutorial — Tre giorni dopo la 3.2.16, le conversazioni mostrano le immagini e il controllo remoto consente di scegliere la modalità Agent Swarm; Moonshot AI pubblica anche un terzo video introduttivo, sull’automazione dei flussi di lavoro, senza presentare nuove funzioni. 🔗 note di rilascio · 🔗 tutorial
Borse di Anthropic — Candidature aperte fino al 28 ottobre per gli STEM Fellows e una nuova borsa, Conceptual Reasoning Fellows (filosofia, scienze cognitive, economia, politiche pubbliche, diritto): quattro mesi a tempo pieno, dal 12 gennaio all’8 maggio 2027, con una retribuzione da 100 000 a 167 000 dollari; è richiesta un’autorizzazione al lavoro negli Stati Uniti. 🔗 fonte
Compliance API di Claude Enterprise — In beta, l’API restituisce agli amministratori le istruzioni personali salvate da ciascun membro in claude.ai e in Cowork; il giorno prima, i deployment pianificati di Managed Agents arrivavano su Claude Platform on AWS. 🔗 fonte
Block e OpenAI Daybreak — In un caso di studio di OpenAI del 14 ottobre, il team di sicurezza di Block (Square, Cash App, Afterpay) afferma di aver ridotto a 18 minuti il tempo dalla segnalazione di una vulnerabilità alla proposta di una patch durante esercitazioni di attacco simulato e di aver liberato circa 600 ore di lavoro degli analisti a trimestre. 🔗 fonte
AI for Educators in portoghese brasiliano — Per la Giornata degli insegnanti, OpenAI pubblica questa versione del suo corso gratuito su OpenAI Academy, destinato ai docenti dalla scuola primaria all’università, e ricorda lo Study Mode di ChatGPT. 🔗 fonte
Superwhisper Meetings — Superwhisper lancia uno strumento per registrare le riunioni e prendere appunti che presenta come il primo interamente locale, basato su Tiny Aya e Cohere Transcribe; non vengono indicati né prezzi né piattaforme. 🔗 fonte
Tre guide di Cohere — Senza nuovi prodotti né nuovi dati numerici, Cohere pubblica articoli sull’IA presso gli operatori dell’energia e dei servizi pubblici, incentrati su North, sulla proliferazione degli agenti in azienda, con l’idea di far competere un agente challenger con quello già in uso, e sulla misurazione del ritorno sull’investimento. 🔗 servizi pubblici · 🔗 agenti · 🔗 ROI
Guida di Perplexity sulla ricerca — Una guida ripercorre 12 articoli fondamentali dell’IA e sei lavori recenti, confronta gli strumenti di ricerca assistita e propone un metodo in sette passaggi; nessuna nuova funzionalità. 🔗 fonte

Media generativi

Suno — Due funzioni di collaborazione: spazi di lavoro condivisi in lettura o modifica solo con gli invitati (Pro e Premier) e modelli personalizzati condivisibili con i collaboratori, configurabili con il doppio degli input (Premier). 🔗 fonte
Eleven v4 nei test alla cieca — ElevenLabs afferma che gli ascoltatori hanno giudicato Eleven v4 più espressivo di altri modelli vocali in ogni test alla cieca condotto in otto lingue, senza nominare i concorrenti né fornire punteggi nel testo. 🔗 fonte
Shot Coverage di Luma — La funzione ricava da una sola ripresa video diverse angolazioni di camera in movimento, utilizzabili nel montaggio; l’annuncio non specifica né modello, né prezzo, né data di disponibilità. 🔗 fonte
HeyGen e Jan Hotovec — HeyGen mette in evidenza Jan Hotovec, affetto da paralisi cerebrale, che ha creato con Fameplay e Nolimi un avatar con il suo aspetto e la sua voce per raccontare la propria vita con le proprie parole. 🔗 fonte

Ricerca, calcolo e infrastrutture

NVIDIA e l’AI in Science Enablers Initiative — All’AI in Science Summit di Dublino, NVIDIA aderisce all’iniziativa della Commissione europea con i suoi modelli aperti, un hub di materiali didattici liberi del Deep Learning Institute e accessi alle risorse di calcolo tramite AI factories nazionali, senza annunciare importi. 🔗 fonte
NVIDIA nei paesi nordici — Prima di GTC Berlin, NVIDIA fa il punto sul suo ecosistema nordico: il supercomputer Sferical One (1 152 GPU GB300), 1 gigawatt di cloud IA previsto entro la fine del 2027 e uno Stockholm AI Lab con la fondazione Norrsken nel 2027; il keynote di GTC Berlin è fissato per il 21 ottobre. 🔗 fonte
La tokenizzazione di BERT 50 volte più veloce — Simon Brandeis, di Hugging Face, spiega come la futura versione 1.0 di tokenizers renda il tokenizer di BERT circa 50 volte più veloce rispetto alla 0.23 trattando separatamente i caratteri ASCII; le modifiche sono ancora in revisione. 🔗 fonte

GitHub, al di fuori dell’IA

Fine delle e-mail di push — GitHub non invia più le e-mail di notifica degli eventi di push dei repository, che potevano essere usate per lo spam, e rimanda a un workflow GitHub Actions dotato di un proprio server SMTP. 🔗 fonte
Licenze di GitHub Code Quality — Un report CSV elenca ogni committer attivo che utilizza una licenza e i repository interessati nell’arco di 90 giorni, per individuare le licenze da liberare, su GitHub Team ed Enterprise Cloud. 🔗 fonte

Cosa significa

I modelli aperti crescono di scala e il loro ecosistema li segue ormai fin dal primo giorno. Muse Spark Open arriva con sette fornitori di API, pesi NVFP4 prodotti da Meta e supporto immediato in Transformers, TRL, mlx-lm e Unsloth; Nemotron 3.5 Super VL pubblica pesi, dati e ricette di addestramento; FLUX 3 Image Klein entra in Diffusers e ComfyUI il giorno del rilascio. Ma «aperto» comprende condizioni molto diverse: la Muse Model License limita l’uso commerciale, la licenza FLUX Kommunity è gratuita solo sotto i 5 milioni di dollari di fatturato annuo, quella dei pesi di Timestral esclude le aziende che superano i 20 milioni di dollari al mese, mentre Apertus 1.5 pubblica i propri pesi sotto Apache 2.0 insieme ai dati di addestramento. Il superlativo di Meta ricorda infine che la competizione si gioca anche tra paesi: Muse Spark Open si presenta come il miglior modello aperto americano, ma GLM 5.3 e Kimi K3 restano davanti nell’indice di Artificial Analysis e nelle attività di coding.

La cybersicurezza diventa un ambito in cui l’IA trova e corregge vulnerabilità su larga scala. Con AISLE, Cohere acquisisce competenze che, stando a quanto dichiarato, coprono oltre 500 vulnerabilità inedite, GitHub rende disponibili per tutti AI Scan per i linguaggi non coperti da CodeQL e un autofix che riesegue CodeQL per verificare la propria correzione, e Block dichiara di ridurre a 18 minuti il passaggio da una vulnerabilità alla proposta di una correzione durante esercitazioni di attacco simulato. Questi strumenti restano sotto il controllo umano: i risultati di AI Scan hanno valore consultivo, l’autofix apre una pull request in bozza e Code Review di Claude Code non approva né blocca un merge. L’altro versante è l’isolamento degli agenti stessi: SPACE, ora aperto, mantiene le credenziali e il traffico in uscita al di fuori della macchina virtuale, mentre IPI Black paga gli attaccanti per misurare la resistenza degli agenti alla prompt injection indiretta.

La fiducia passa anche attraverso valutazioni esterne. Concedendo a sei persone di METR un accesso paragonabile a quello di un dipendente, senza diritto di veto sulle loro pubblicazioni, Anthropic va oltre l’audit occasionale e paragona il meccanismo agli ispettori permanenti delle grandi banche. La stessa esigenza di verifica attraversa la ricerca: Sakana AI stabilisce le griglie di valutazione prima di ogni esperimento affinché gli agenti di coding non si limitino a ottimizzare un punteggio, e OpenAI finanzia, tramite la Simons Foundation, matematici incaricati di esaminare i risultati prodotti dall’IA, dopo i suoi 722 manoscritti del 6 ottobre. Il CERN e Mistral esprimono l’ambizione più ampia, un Large Physics Model addestrato su miliardi di collisioni simulate, senza però indicare un importo o un calendario.

Sul fronte degli strumenti, il compromesso tra costo, velocità e qualità diventa esplicito. In OpenAI, GPT-6.1 Sol con effort Ultra ritrova il 92 % dei rilievi di GPT-6 Astra Ultra al 14 % del costo; la modalità rapida di Opus 5.5 offre un throughput 2,5 volte superiore al doppio del prezzo; Code Review addebita i token consumati, entro un tetto mensile. Gli agenti trovano spazio anche nelle attività senza supervisione: Devin Oncall gestisce i turni di reperibilità, Claude Code 2.1.301 smette di aspettare un limite di utilizzo lontano nel tempo e registra ogni verdetto del proprio classificatore, mentre la modalità Auto di Antigravity CLI affida a un agente distinto la revisione dei comandi che uscirebbero dalla sandbox. I benchmark faticano a tenere il passo: su SREGym-Lite, Devin Oncall e CloudThinker raggiungono entrambi il 100 % con GPT-6 Astra.