Google lancia Gemini 3.8 Live, Salesforce arriva in Claude e GPT-5.5 lascerà ChatGPT il 14 ottobre

Questo martedì Google lancia Gemini 3.8 Live e Gemini 3.8 Live Extended Thinking, due modelli di dialogo vocale in tempo reale capaci di chiamare strumenti in background senza interrompere la conversazione. Anthropic pubblica tre versioni di Claude Code e porta Salesforce in Claude, mentre OpenAI fissa al 14 ottobre il ritiro di GPT-5.5 da ChatGPT e Codex. Gli agenti raggiungono anche i circuiti di distribuzione esistenti, da HP che preinstalla Perplexity a Devin venduto su AWS Marketplace, e NVIDIA illustra due componenti della sua piattaforma Vera Rubin.

Gemini 3.8 Live e 3.8 Live Extended Thinking, due modelli vocali che agiscono mentre parlano

15 settembre — Google lancia due modelli di dialogo vocale in tempo reale, presentati dal team Gemini Audio. Gemini 3.8 Live punta su scala, velocità e costo: accetta input visivi quasi in tempo reale e passa automaticamente tra 97 lingue nel corso della conversazione. Gemini 3.8 Live Extended Thinking è destinato alle attività che richiedono un ragionamento in più fasi: ragiona e parla contemporaneamente, conferma la ricezione con brevi esordi verbali e commenta l’avanzamento delle attività in background; il suo livello di riflessione può essere regolato nell’API. Entrambi i modelli eseguono chiamate a strumenti e API in background (asynchronous function calling) mentre la risposta audio prosegue.

The models talk, think, and handle tasks in the background without breaking your flow.

🇮🇹 I modelli parlano, riflettono e gestiscono attività in background senza interrompere il filo della conversazione. — @GoogleDeepMind su X

Google sottolinea inoltre la precisione sui dati alfanumerici dettati, come codici di conferma o numeri di pratica, e presenta questi modelli come un’alternativa più semplice alle architetture a cascata, che concatenano trascrizione, elaborazione del testo e sintesi vocale. Secondo la scheda del modello Gemini 3.8 Audio, si basano su Gemini 3 Pro, accettano audio, immagini, video e testo in un contesto di 128K tokens, producono fino a 64K tokens in output e si fondano su conoscenze aggiornate a gennaio 2025.

Classifica o benchmark	Modello valutato	Punteggio pubblicato da Google
Indice Speech to Speech Quality (Artificial Analysis)	3.8 Live Extended Thinking	82,6 (1º posto)
τ-Voice	3.8 Live Extended Thinking	68,6 %
τ-Voice-banking (Sierra)	3.8 Live Extended Thinking	35,1 %
Big Bench Audio	3.8 Live Extended Thinking	97,7 %
Speech Agent Arena (Artificial Analysis)	3.8 Live	2º posto

Queste classifiche sono gestite da terze parti, ma i punteggi citati sono quelli pubblicati da Google. Nella Live API, Google stima il costo dei due modelli in 0,005 dollari al minuto per l’audio in input e 0,018 dollari al minuto per l’audio in output, sulla base di 3 dollari per milione di tokens in input e 12 dollari in output; Agora, Fishjam, LangChain, LiveKit, Pipecat, Vercel e Vision Agents sono citati come integratori.

Canale di distribuzione	Gemini 3.8 Live	Gemini 3.8 Live Extended Thinking
API Gemini e Google AI Studio	Dal 15 settembre	Dal 15 settembre
Gemini Enterprise	Anteprima privata	Anteprima privata
Pubblico generale	Search Live	Gemini Live, Docs Live (abbonati Google AI Pro e Ultra), Gmail Live e Keep Live (tutti gli abbonati Google AI)

In Search Live, il modello guida passo dopo passo una procedura di risoluzione dei problemi in tempo reale. Tutto l’audio generato reca il watermark invisibile SynthID.

🔗 Presentazione di Gemini 3.8 Live e 3.8 Live Extended Thinking 🔗 Articolo per sviluppatori sulla Live API 🔗 Scheda del modello Gemini 3.8 Audio

Claude Code dalla 2.1.271 alla 2.1.273: modalità rapida in Remote, rete per comando e autorizzazioni più restrittive

15 settembre — Anthropic pubblica tre versioni di Claude Code in poco più di 22 ore, la prima subito dopo mezzanotte, ora di Parigi.

Versione pubblicata	Data e ora (UTC)	Contenuto delle note
2.1.271	14 settembre, 22:12	96 righe: modalità rapida in Remote, `allowed_domains` per comando, `omitClaudeMd`, `--accept-command`
2.1.272	15 settembre, 00:42	Una riga: correzioni di bug e miglioramenti dell’affidabilità
2.1.273	15 settembre, 20:23	64 righe: header per gateway LLM, duplicazione delle sessioni Remote Control, classificatore locale su Bedrock, Vertex e Foundry

La 2.1.271 estende la modalità rapida (fast mode) alle sessioni Claude Code Remote, sia nel cloud sia sugli esecutori self-hosted (self-hosted runners), laddove l’organizzazione lo consenta. In modalità auto con sandbox, Bash, PowerShell e Monitor accettano un elenco allowed_domains per comando: gli host necessari vengono esaminati insieme al comando e aperti esclusivamente per esso, mentre gli altri vengono rifiutati. Il campo omitClaudeMd del frontmatter degli agenti avvia un sotto-agente senza i file CLAUDE.md utente, progetto e locale, mentre i file delle policy gestite rimangono caricati, e claude plugin install --accept-command <sha256> accetta soltanto il comando esatto visualizzato durante un precedente passaggio in --json, anziché un -y. La 2.1.273 permette di duplicare (fork) dall’app Claude una sessione avviata con claude --remote-control, dopodiché la sessione duplicata viene eseguita in background sul computer. Avvisa inoltre quando un server MCP si disconnette e la riconnessione automatica rinuncia, e aggiunge header di richiesta per i gateway LLM, attivati tramite CLAUDE_CODE_GATEWAY_HINT_HEADERS=1.

Elemento modificato	Nuovo comportamento
Ritorno di un sotto-agente in modalità auto	Chiamata di ritorno dedicata (hand-back call) esaminata dal classificatore di sicurezza, invece di un controllo a posteriori del suo ultimo messaggio
Comandi `!` delle skills e comandi slash in modalità auto	Regole di autorizzazione della modalità predefinita invece del classificatore
Monitoraggi Monitor	Scadenza obbligatoria di massimo 30 minuti (10 durante l’esecuzione `-p`), con Claude avvisato per riattivarli
Workflow dinamici	Pausa al raggiungimento del limite di utilizzo e ripresa automatica al ripristino, invece di abbandonare gli agenti
Modalità auto su Bedrock, Vertex e Foundry (2.1.273)	Classificatore locale predefinito per il momento, `CLAUDE_CODE_AUTO_MODE_SERVER=1` per quello della piattaforma

Le due versioni correggono inoltre diversi controlli delle autorizzazioni. I comandi con una subshell, due cambi di directory o una sequenza cd + git saltavano la richiesta sotto permissions.blockReadsOutsideWorkingDirectories, e una subshell poteva nascondere un rm pericoloso nella modalità di aggiramento delle autorizzazioni (bypass). Le impostazioni MCP imposte tramite MDM o managed-settings.json venivano ignorate non appena erano presenti impostazioni gestite lato server. /resume e /teleport conservavano il monitoraggio dei file letti dalla conversazione precedente, consentendo a Claude di modificare file che la conversazione ripresa non aveva mai letto. Infine, l’indicatore del contesto conteggiava i turni dello strumento advisor a circa il doppio della loro dimensione, facendo scattare la compattazione automatica attorno alla metà della finestra.

Nessuna delle tre note menziona i Claude Mods annunciati il 14 settembre; nell’issue #91870, alcuni tester della community ritengono tuttavia che la 2.1.272 abbia già interessato la loro superficie.

🔗 Note di rilascio di Claude Code 2.1.271 🔗 Note di rilascio di Claude Code 2.1.273

Salesforce in Claude, un plugin per le vendite in beta per le organizzazioni approvate

15 settembre — Anthropic lancia in beta Salesforce in Claude, che porta in Claude gli account, le opportunità e la pipeline di un commerciale. L’articolo presenta un plugin progettato con Salesforce, mentre il centro assistenza attribuisce a Salesforce la realizzazione delle sue 37 skills di vendita: ricerca degli account, preparazione delle chiamate, revisione della pipeline o aggiornamento del CRM. È accompagnato da due connettori: Salesforce in lettura e scrittura e Slack per i canali commerciali e i thread del team.

Salesforce rimane il sistema di riferimento: ogni commerciale accede con le proprie credenziali, Claude legge soltanto ciò che le sue autorizzazioni Salesforce consentono e, per impostazione predefinita, ogni operazione di scrittura deve essere approvata. Il plugin funziona nella chat e in Claude Cowork (web e desktop). La beta riguarda i piani a pagamento, ma soltanto le organizzazioni accettate da Salesforce tramite la sua registrazione alla beta e dotate dell’ultima edizione Enterprise di Sales Cloud; i loro amministratori Salesforce richiedono l’accesso su AgentExchange. GitLab, Siemens e Legora lo hanno distribuito e 7.000 commerciali di Salesforce lo utilizzano.

🔗 Salesforce arriva in Claude 🔗 Configurare Salesforce in Claude per la propria organizzazione

GPT-5.5 lascerà ChatGPT, ChatGPT Work e Codex il 14 ottobre, ma resterà nell’API

15 settembre — OpenAI annuncia su X la fine di GPT-5.5 nelle sue applicazioni, già indicata nel changelog di ChatGPT e Codex alla data del 14 settembre. Il 14 ottobre, il modello lascerà ChatGPT, ChatGPT Work e Codex su tutti i piani: consumer, Business, Enterprise ed Edu.

Superficie interessata	Situazione al 14 ottobre
ChatGPT e ChatGPT Work	GPT-5.5 rimosso da tutti i piani
Codex con accesso ChatGPT	GPT-5.5 rimosso, richiesto il passaggio a `gpt-5.6-sol`
Codex con chiave API	GPT-5.5 ancora disponibile
API OpenAI	GPT-5.5 ancora disponibile

Per Codex con accesso ChatGPT, la documentazione chiede di sostituire gpt-5.5 ovunque sia selezionato esplicitamente: impostazioni predefinite dello spazio di lavoro, impostazioni salvate, configurazioni gestite, agenti personalizzati, attività pianificate e script. Il messaggio dell’account @ChatGPT cita anche GPT-6 Astra come sostituto in Codex. La guida per gli amministratori avverte che cambiare il modello predefinito non concede l’accesso al modello: occorre verificare, client per client, che il sostituto sia disponibile per gli utenti interessati. OpenAI riprende il preavviso di un mese applicato a GPT-5.4 e GPT-5.4 mini, rimossi da Codex il 31 agosto per gli utenti connessi tramite ChatGPT, dopo un annuncio del 31 luglio.

🔗 Changelog di ChatGPT e Codex 🔗 Messaggio di @ChatGPT su X

HP preinstalla Perplexity sui suoi PC Windows, con una connessione ad Autodesk Revit

15 settembre — Perplexity e HP annunciano la preinstallazione dell’applicazione Perplexity per Windows nella barra delle applicazioni dei PC del produttore, a partire dalla workstation mobile ZBook Ultra G3a, dotata di processori AMD Ryzen AI Max PRO serie 400; altri modelli seguiranno nei prossimi mesi, senza un elenco, un prezzo o una data. Secondo l’articolo, le capacità di IA locale dello ZBook Ultra G3a consentono di eseguire le attività comuni con Portable Computer, la versione locale dell’agente che opera senza crediti cloud e offline, ma la sua disponibilità dipende dalla configurazione del dispositivo: l’articolo non elenca le configurazioni compatibili, mentre la versione Windows pubblicata il giorno precedente richiedeva una GPU NVIDIA RTX con almeno 24 GB di memoria video.

Portable Computer si connette anche ad Autodesk Revit, il software di modellazione informativa degli edifici (Building Information Modeling), tramite il server MCP di Revit 2027, offerto in anteprima tecnica (Tech Preview) come modulo separato. L’accesso è in sola lettura: l’agente risponde a domande sul modello, come il numero di porte di un piano o il loro grado di resistenza al fuoco, ed esporta viste, PDF e abachi senza modificarlo. Personal Computer for Windows è disponibile per gli abbonati Pro, Max ed Enterprise, su Windows 10 e 11.

🔗 Perplexity arriva su più PC Windows con HP

Cognition firma un accordo con AWS e lancia macOS in Devin Cloud

15 settembre — Cognition pubblica due annunci nello stesso giorno, accomunati dall’infrastruttura: i Mac sui quali Devin ora crea applicazioni Apple sono host AWS EC2 Mac.

Un accordo di collaborazione strategica con AWS

Cognition e Amazon Web Services stipulano un accordo di collaborazione strategica (Strategic Collaboration Agreement) pluriennale, del quale l’articolo non precisa né l’importo né la durata esatta. Due elementi sono già disponibili: Devin può essere acquistato tramite AWS Marketplace e l’Agent Toolkit for AWS può essere utilizzato direttamente in Devin. Sono allo studio integrazioni più avanzate negli ambienti AWS dei clienti, senza una tempistica definita. Devin viene distribuito in un ambiente mono-tenant (single-tenant), nella regione AWS scelta dal cliente, con i dati conservati in un VPC dedicato e una macchina virtuale per ogni sessione, eliminata al termine del lavoro.

Cliente citato da Cognition	Risultato annunciato
Mercedes-Benz	Oltre 200.000 righe di COBOL analizzate, progetto stimato in otto mesi ridotto a otto giorni
Casa automobilistica non nominata	Flusso COBOL di 25.000 righe migrato da un computer centrale (mainframe) ad AWS Lambda, costo stimato inferiore del 73%

🔗 Articolo di Cognition sull’accordo con AWS

macOS arriva in Devin Cloud

Il 31 luglio, Cognition aveva già mostrato agenti cloud Devin su macOS, con Xcode e il simulatore iOS. Il lancio del 15 settembre in Devin Cloud, per creare e verificare applicazioni per iPhone, iPad e Mac, introduce diverse novità: Devin invia su Slack la registrazione dello schermo dei propri test, trasmette un link TestFlight per installare l’applicazione e un nuovo pannello iOS Simulator mostra l’applicazione in esecuzione. L’agente controlla inoltre le applicazioni tramite il loro albero di accessibilità, esposto al suo strumento di utilizzo del computer (computer use): interroga un controllo in base al ruolo e al nome, agisce su di esso e poi rilegge l’albero, continuando a usare le schermate per valutare il rendering. Questo livello si basa sull’accessibility-cli open source di Dioxus, il cui team è entrato a far parte di Cognition il 10 settembre.

Le VM macOS funzionano con Virtualization.framework di Apple su Mac fisici AWS EC2 Mac, con un’interfaccia NBD (Network Block Device) aggiunta al sistema di istantanee (snapshots) per riprendere una sessione senza mantenere accesa la macchina. Un gateway Ethernet nello spazio utente sostituisce il NAT gestito da Apple per applicare la politica di rete di ogni sessione. Non vengono precisati né il prezzo né l’offerta interessata.

🔗 Portare macOS su Devin

NVIDIA descrive nel dettaglio due componenti di Vera Rubin, Groq 3 LPX e NVLink 6

15 settembre — Due articoli del blog tecnico di NVIDIA spiegano come la piattaforma Vera Rubin risparmi energia durante l’inferenza e gestisca i guasti della propria rete. I dati riportati di seguito sono quelli di NVIDIA.

Groq 3 LPX, l’esecuzione deterministica per ridurre il margine di tensione

L’entrata in produzione di Groq 3 LPX è stata trattata qui il 24 agosto; questo articolo ne spiega il meccanismo. Prima dell’esecuzione, il compilatore dei chip LPU stabilisce con precisione al singolo ciclo di clock il momento di ogni calcolo e di ogni trasferimento di dati sui 256 chip del rack, consentendogli di prevedere la richiesta di corrente. Due tecnologie sfruttano questa capacità: Preemptive Power (PEP) chiede alla rete di alimentazione di aumentare la tensione appena prima di un picco della domanda, mentre Clock Period Synthesis (CPS) prolunga i cicli di clock nei momenti in cui la corrente aumenta più rapidamente. L’obiettivo è ridurre il margine di tensione (voltage guardband) mantenuto da ogni circuito, costoso perché la potenza cresce con il quadrato della tensione: il 10% di tensione in più comporta il 21% di potenza in più.

Nei test interni, la caduta di tensione diminuisce di oltre il 60%. NVIDIA stima che, a parità di carico, la potenza richiesta potrebbe diminuire di una percentuale «a due cifre nella fascia bassa» (low-double-digit) rispetto a un sistema non deterministico comparabile. Questi controlli arriveranno su Vera Rubin nella seconda metà del 2026.

🔗 Articolo di NVIDIA sull’esecuzione deterministica di Groq 3 LPX

NVLink 6, uno stack di resilienza dal silicio al software

NVLink 6 collega i 72 GPU Rubin di un rack Vera Rubin NVL72 in un unico dominio; la sua velocità di trasmissione dei pacchetti, 10 volte superiore alle alternative Ethernet generiche secondo NVIDIA, era già stata citata qui il 21 luglio. Questa volta l’articolo descrive nel dettaglio la tolleranza ai guasti, livello per livello.

Livello dello stack	Meccanismo descritto da NVIDIA
Livello fisico	Correzione degli errori alleggerita, affiancata da una ritrasmissione a livello fisico (Physical Layer Retry)
Livello di collegamento	Controllo di flusso basato sui crediti (credit-based flow control), senza perdita di pacchetti per progettazione
Gestione dei link	Ripristino software in circa 1,5 secondi tramite NMX Controller
Servizio di inferenza	Shadow Engine Recovery (NVIDIA Dynamo): interruzione ridotta da 283 a 7,3 secondi su GPU B200
Checkpoint multi-nodo	cuda-checkpoint supportato da NCCL in versione prototipo, disponibilità generale prevista entro la fine dell’anno

Il controllo di flusso basato sui crediti invia un pacchetto solo se il salto successivo dispone dello spazio necessario per riceverlo, mentre Ethernet si basa su PFC ed ECN. Shadow Engine Recovery, invece, mantiene una replica del motore di inferenza già inizializzata con i propri comunicatori NCCL.

🔗 Articolo di NVIDIA sulla resilienza di NVLink 6

Gemini Notebook annuncia la conversazione vocale con i propri notebook e un registratore audio

15 settembre — In occasione dell’inizio dell’anno accademico, Gemini Notebook cambia aspetto e annuncia una serie di strumenti di studio, la maggior parte dei quali è ancora in arrivo.

Strumento di studio annunciato	Disponibilità indicata
Conversazione vocale in tempo reale con i propri notebook, su dispositivi mobili, in quasi 100 lingue	Questa settimana per gli abbonati maggiorenni a Google AI Ultra, presto per Google AI Pro e per gli altri
Registratore audio nell’applicazione mobile	A partire dalla prossima settimana
Panoramiche di apprendimento interattive in Reports	Nelle prossime settimane, per tutti gli utenti
Quiz a risposta breve, a scelta multipla o con spazi da completare	Nelle prossime settimane, per tutti gli utenti
Short Video Overviews in oltre 80 lingue, condivisibili	Da ora, rispetto alle oltre 70 lingue del 1° settembre

La conversazione vocale risponderà sulla base delle fonti del notebook e potrà essere interrotta vocalmente, mentre il registratore acquisirà una lezione o una riflessione direttamente nel notebook, accanto alle fonti. Le panoramiche di apprendimento combineranno riepiloghi, infografiche, quiz e schede di ripasso (flashcards). Per quanto riguarda le offerte per studenti, già presentate ad agosto, Google precisa che l’anno gratuito di Google AI Pro offerto agli studenti statunitensi quadruplica i limiti in Gemini Notebook, mentre l’anno di Google AI Plus proposto in oltre 140 altri mercati li raddoppia.

🔗 Migliora la tua routine di studio con i nuovi strumenti di Gemini Notebook

Antigravity 2.14.0 apre il terminale integrato e Git agli account Enterprise e Business

15 settembre — Antigravity 2.14.0, che include 10 miglioramenti e 18 correzioni, rende disponibili agli account Enterprise e Business il terminale integrato e il controllo di versione Git nella barra laterale, introdotti con la versione 2.10.0 del 24 agosto per gli altri account. Le conversazioni con una cronologia molto lunga si caricano più velocemente e consumano meno memoria, ed è stata eliminata un’analisi ridondante di skills, regole e file di personalizzazione, che veniva riavviata a ogni messaggio.

Tra le correzioni, un errore temporaneo del servizio non termina più la sessione: l’operazione viene ritentata con un intervallo crescente per circa dodici minuti. I sottoagenti terminati non rimangono più visualizzati come attivi, bloccando i messaggi successivi fino al riavvio, ed è stata corretta una perdita di memoria legata agli output dei comandi del terminale. Il titolo della versione menziona un nuovo sistema di autorizzazioni, ma su questo punto le note si limitano a rinominare la sezione delle impostazioni generali in «Global Permissions» e l’opzione di ereditarietà delle impostazioni di progetto in «Inherit Global».

🔗 Changelog di Google Antigravity

IBM Research dimezza il divario di coerenza di un agente con ALTK-Evolve

15 settembre — Sul blog di Hugging Face, IBM Research pubblica il terzo capitolo della sua serie ALTK-Evolve, questa volta dedicato alla coerenza di esecuzione degli agenti. Su 168 attività di AppWorld, un agente ReAct basato su GPT-4.1 con temperatura impostata a 0 completa con successo in media il 77,4% delle esecuzioni su cinque tentativi (Mean@5), ma riesce in tutti e cinque soltanto per il 53,0% delle attività (Pass^5). IBM definisce questa differenza di 24,4 punti divario di coerenza (consistency gap).

Il Consistency Analyzer individua le decisioni instabili a partire da un’unica traiettoria registrata: riproduce offline ogni fase richiedendo cinque completamenti, senza verità di riferimento, senza rieseguire l’attività e senza accesso ai logits. Le fasi fragili diventano linee guida di coerenza (consistency guidelines), inserite al momento dell’inferenza.

Configurazione dell’agente	Punteggio Mean@5	Punteggio Pass^5	Divario di coerenza
ReAct GPT-4.1 senza linee guida	77,4%	53,0%	24,4 punti
ReAct GPT-4.1 con linee guida sulla coerenza	81,0%	69,0%	12,0 punti

Su gpt-oss-120b, Pass^5 passa dal 10,1% al 16,1%. L’Analyzer e la generazione delle linee guida sono integrati nel repository open source di ALTK-Evolve.

🔗 Articolo di IBM Research sul blog di Hugging Face

Aillis adotta Sakana Namazu per Evidence Finder, 96,4% all’esame nazionale di medicina giapponese

14 settembre — Aillis, azienda giapponese che sviluppa dispositivi medici basati sull’apprendimento automatico, adotta Sakana Namazu, il LLM specializzato in giapponese lanciato all’inizio di agosto da Sakana AI, per Evidence Finder, il suo strumento di ricerca delle evidenze destinato ai medici. Il comunicato, pubblicato alle 11:00 ora di Tokyo, è stato condiviso da Sakana AI su X lo stesso giorno alle 15:30 ora del Pacifico, dopo la nostra rassegna del 14 settembre. Evidence Finder redige, a partire dalla letteratura medica, risposte che citano i relativi riferimenti, la cui esistenza viene verificata dalla funzione Verify; le due aziende avviano inoltre un lavoro congiunto sugli utilizzi in ambito medico.

La versione di Evidence Finder basata su Sakana Namazu ottiene il 96,4% (482 punti su 500) alla 120ª edizione dell’esame nazionale di medicina giapponese, nel febbraio 2026. Secondo la rilevazione di Aillis del 1° settembre, si tratta del miglior punteggio tra i modelli di fondazione nazionali selezionati dal programma GENIAC del ministero giapponese dell’Economia. Il comunicato formula due precisazioni: le restrizioni del prodotto, tra cui il rifiuto delle domande contenenti immagini, sono state eliminate per questo test, mentre il servizio commerciale tratta soltanto domande testuali; inoltre, Evidence Finder non è un dispositivo medico.

🔗 Comunicato di Aillis su PR Times 🔗 Condivisione di Sakana AI su X

Google quantifica l’uso dell’IA e il suo impatto sociale

15 settembre — Nello stesso giorno Google pubblica due serie di articoli dedicati all’uso effettivo dell’IA e alle sue ricadute sociali.

AI & Economy ATLAS apre al pubblico, con uno studio sugli scienziati

AI & Economy ATLAS, il programma di ricerca dell’ufficio del capo economista di Google, dal quale provenivano i dati sulle procedure amministrative citati qui il 9 settembre, diventa un’esperienza interattiva ad accesso libero: permette di confrontare l’uso dell’IA per professione, a casa e Paese per Paese.

Indicatore ATLAS evidenziato	Valore pubblicato da Google
India: quota delle professioni artistiche, del design e dei media nell’uso professionale dell’IA	19%, pari a 1,6 volte la media mondiale
Stati Uniti: quota dell’informatica e della matematica	30%, il doppio rispetto al resto del mondo
Brasile e Germania: quota delle attività manuali, come la diagnostica delle apparecchiature	7%, rispetto al 4% in Giappone

Uno studio di Google, Google DeepMind e MIT FutureTech, basato sull’analisi di 2.600 modelli di IA specializzati e su un sondaggio condotto tra oltre 600 scienziati statunitensi e britannici, indica che quasi la metà di loro utilizza l’IA ogni giorno e dichiara di risparmiare poco meno di 7 ore alla settimana. Gli autori rilevano anche gli aspetti negativi: il tempo dedicato alla verifica degli output dell’IA e una coda sempre più lunga di ipotesi non testate, in attesa di esperimenti fisici e validazioni cliniche.

🔗 Nuove informazioni da AI & Economy ATLAS di Google

AI for Societal Impact: lingue, vincitori di Google.org e FireSat

Secondo Google, le tecnologie del gruppo funzionano in più di 300 lingue, parlate da oltre 7 miliardi di persone, e diversi set di dati sono stati creati con partner locali. Google presenta inoltre Language Explorer, uno strumento interattivo che visualizza il database aperto LinguaMeta.

Iniziativa citata da Google	Dato annunciato
WAXAL, corpus vocale aperto	27 lingue dell’Africa subsahariana
Project Vaani	Più di 30.000 ore di parlato in 109 lingue
Google.org Impact Challenge: AI for Government Innovation	15 vincitori, 30 milioni di dollari, più di 2.600 candidature
FireSat	Primo gruppo di satelliti operativi in orbita, circa cinquanta previsti entro il 2030 per ottenere un’immagine ogni 20 minuti
Planetary Prediction Engine, presentato a fine agosto	Individuato in anticipo l’83% dei nuovi focolai di Ebola nella Repubblica Democratica del Congo, secondo Google

I vincitori di Google.org, tra cui Code for America per la dichiarazione dei redditi e la Johns Hopkins University per la sicurezza stradale, beneficiano del supporto volontario degli ingegneri di Google e progettano le loro iniziative come modelli open source riutilizzabili.

🔗 AI per tutti, in ogni lingua 🔗 15 organizzazioni che trasformano i servizi pubblici con l’AI 🔗 Creare un’AI per accelerare la scienza e migliorare la vita 🔗 Rilevare gli incendi boschivi con l’AI

In breve

Anthropic pubblica una guida per implementare Claude nei team commerciali — uscito lo stesso giorno di Salesforce in Claude, Creare un’organizzazione dei ricavi AI-native viene presentato in un articolo che cita due clienti: Cox Communications afferma di aver ottenuto nel primo anno un ritorno pari a 7 volte l’investimento e di aver ridotto dell’86% il costo di convalida e arricchimento dei potenziali clienti, con una precisione salita dal 18% al 97%, mentre l’88% dei circa 1.500 dipendenti di Cyera utilizza Claude ogni settimana. 🔗 fonte
Perplexity pubblica una guida sulla shadow AI (shadow AI) — l’articolo non fornisce dati propri e raccoglie indagini di terze parti: circa la metà dei dipendenti dichiara di aver violato le regole della propria organizzazione utilizzando l’AI (KPMG) e l’82% dei partecipanti a un’indagine della Cloud Security Alliance segnala agenti sconosciuti nei sistemi della propria organizzazione. Si conclude con una presentazione commerciale di Perplexity Enterprise e Comet for Enterprise, senza nuove funzionalità. 🔗 fonte
v0 diventa indipendente dai modelli (model-agnostic) — secondo un semplice tweet, lo strumento di creazione di applicazioni di Vercel offre modelli di frontiera, economici, aperti e veloci distribuiti tramite Vercel AI Gateway, tra cui Claude, GPT, Kimi, GLM, Grok e DeepSeek; non vengono specificati né l’elenco completo, né i prezzi, né i piani interessati. 🔗 fonte
Warp quantifica la propria software factory interna — in un articolo metodologico in tre fasi (crawl, walk, run) per adottare la software factory (software factory), Zach Lloyd, CEO di Warp, afferma che la factory dell’azienda automatizza circa il 75% delle modifiche a warp.dev, il suo sito di marketing; Warp Factories resta in accesso anticipato, con 10.000 dollari di utilizzo offerti alle aziende idonee. 🔗 fonte
Kimi Code 0.43.1 corregge i suoi sciami di sotto-agenti — meno di 19 ore dopo la versione 0.43.0, Moonshot AI pubblica sette correzioni, tra cui la liberazione della memoria al termine dell’esecuzione di un sotto-agente, un rendering e un ciclo degli eventi alleggeriti nei grandi sciami e un Ctrl+C che ora interrompe soltanto i sotto-agenti invece di chiudere l’intera CLI. 🔗 fonte
Gemini CLI v0.60.0 diventa stabile — la versione riprende senza modifiche la preview dell’8 settembre e i suoi undici interventi di rafforzamento, mentre la v0.61.0-preview.0 inaugura la serie successiva con tre correzioni già pubblicate nella versione nightly e una correzione del ciclo dell’agente. 🔗 fonte
Copilot suggerisce i valori consentiti per le proprietà personalizzate dei repository — durante la creazione di una proprietà personalizzata (custom property) aziendale o dell’organizzazione, Copilot propone valori che possono essere accettati con un clic; la funzione è disponibile in anteprima pubblica per Copilot Business ed Enterprise, sotto il controllo della policy «Repository custom property suggestions». 🔗 fonte
Grok Imagine modifica il testo delle immagini, in beta — lo strumento di generazione di immagini e video di SpaceXAI consente di ritoccare il testo presente in qualsiasi immagine, come un invito, un manifesto o una pubblicità; l’annuncio non specifica né i piani, né le piattaforme, né il modello utilizzato. 🔗 fonte
MiniMax H3 supera di due volte il tempo reale nel denoising — in un tweet pubblicato il 14 settembre alle 16:34, ora del Pacifico, dopo la nostra rilevazione dello stesso giorno, MiniMax afferma che, con SGLang-Diffusion e VDN-H3, H3 genera 14,4 secondi di video 768p in 9,0 secondi su 8 GPU B200, senza una regressione misurata della qualità, proseguendo lo sviluppo dell’ecosistema H3 descritto il 14 settembre. 🔗 fonte
Retrieve-for-Train distilla il reinforcement learning in un piccolo modello di diffusione — tratto da un articolo di ICML 2026, questo lavoro di Google Research addestra una sola volta, offline, un modello da 4B parametri mediante reinforcement learning (Reinforcement Learning) affinché produca sotto-query diversificate, quindi distilla questo comportamento in un modello di diffusione da 53,9 milioni di parametri che genera l’intero insieme in un solo passaggio, con un’accelerazione da 12 a 20 volte. 🔗 fonte
NVIDIA quantifica la scelta tra modello denso e mixture of experts (Mixture-of-Experts, MoE) — questo articolo didattico confronta Gemma 4 31B, Qwen3.8-27B, Nemotron 3.5 Lightning e Mistral Small 4 sulla base dei dati di Artificial Analysis rilevati il 31 agosto: Lightning, con 30B parametri di cui 3B attivi, è da 4 a 5 volte più veloce di Qwen3.8-27B a un quattordicesimo del prezzo, con meno della metà del suo punteggio di capacità. 🔗 fonte
NVIDIA FLARE 2.9 aggiunge Slurm — il framework di federated learning (federated learning), che supporta Docker e Kubernetes dalla versione 2.8, consente ora ai tre ambienti di coesistere nella stessa federazione e introduce una descrizione portabile delle risorse per ogni job. 🔗 fonte
Sakana Marlin aggiunge la lettura interattiva e l’esportazione in PowerPoint — con la lettura interattiva (Interactive Reading), l’assistente di ricerca autonomo di Sakana AI permette di interrogare l’agente sul suo rapporto e di aprire direttamente una fonte citata che giustifica l’affermazione; esporta inoltre presentazioni PowerPoint modificabili contenenti gli URL delle relative fonti. 🔗 fonte
ShadowPEFT entra nella libreria PEFT — articolo della community: il metodo, che collega al modello congelato una piccola rete «ombra» rimovibile, viene integrato nel ramo principale di PEFT e sarà distribuito nella prossima versione; su Llama-3.2-3B, gli autori misurano il 48,1% su GSM8K, contro il 46,9% di LoRA, ma con un picco di memoria di 28,2 GB contro 22,3 GB. 🔗 fonte
RiverRider misura la localizzazione dei file rispetto al caso — contributo individuale: su SWE-bench Verified, un encoder locale da 33 milioni di parametri colloca il file corretto al primo posto nel 45,8% dei casi, ma una baseline di query permutate lo ritrova già tra i primi 50 risultati nel 24,4% dei casi, riducendo il rapporto tra segnale e casualità da 45,8 a 3,9. 🔗 fonte
EcoHash raddoppia la concorrenza di una RTX PRO 6000 su Qwen3.8-27B — articolo di un fornitore di inferenza, già citato il 14 settembre per un altro argomento, con misurazioni effettuate sul proprio servizio: attivando in vLLM 0.27.1 la testata di previsione multi-token (multi-token prediction, MTP) del modello, il tempo per token scende da 22 a 13 ms e la concorrenza sostenuta sale da 32 a 64 richieste, un limite raggiunto in due ripetizioni su quattro, al costo del 23% della capacità della cache KV. 🔗 fonte
DINO-X pubblica un modello di ricerca sui vasi epatici, inclusi i suoi fallimenti — modello della community destinato esclusivamente alla ricerca: questo ViT-Base da 86 milioni di parametri raggiunge un’AUROC esterna di 0,9413 su 17.639 sezioni di scansioni TC e il suo autore pubblica anche i risultati negativi, tra cui uno specialista del colon fermo a 0,6529 e mai distribuito. 🔗 fonte

Cosa significa

La voce sta diventando un’interfaccia per agenti a pieno titolo. Gemini 3.8 Live e la sua variante Extended Thinking chiamano strumenti in background mentre la risposta prosegue e curano la precisione di codici e numeri dettati, con un costo stimato per minuto di audio. Google inserisce immediatamente la variante Extended Thinking, che commenta l’avanzamento delle proprie attività in background, nei suoi strumenti di lavoro con Docs Live, Gmail Live e Keep Live, mentre Gemini Notebook annuncia una conversazione vocale ancorata alle fonti di ciascun notebook. L’attenzione si sposta dalla qualità della voce a ciò che il modello realizza mentre parla.

Il secondo filo conduttore è quello della distribuzione: gli agenti entrano negli strumenti aziendali attraverso canali già esistenti. Salesforce in Claude arriva con skill di vendita, connettori verso il CRM e Slack e l’approvazione di ogni operazione di scrittura; HP preinstalla Perplexity nella barra delle applicazioni dei suoi PC e lo collega in sola lettura ai modelli Revit; Devin si acquista su AWS Marketplace e si distribuisce in un VPC dedicato. In ogni caso, l’agente raggiunge lo strumento che l’azienda utilizza già, con le relative protezioni: le autorizzazioni Salesforce del commerciale, l’accesso in sola lettura a Revit e un VPC dedicato su AWS.

Il terzo filo riguarda l’affidabilità e il controllo. Le versioni 2.1.271 e 2.1.273 di Claude Code fanno esaminare al classificatore il feedback dei sotto-agenti, aprono la rete comando per comando e correggono gli aggiramenti delle autorizzazioni tramite subshell o impostazioni MDM ignorate. IBM Research mostra che un agente configurato con temperatura 0 può completare con successo in media il 77,4% delle esecuzioni, ma riuscire in tutte e cinque soltanto per il 53,0% delle attività, e consiglia di pubblicare Pass^k insieme alla media. NVIDIA applica lo stesso requisito all’hardware: NVLink 6 ripristina un collegamento in circa 1,5 secondi e Shadow Engine Recovery riduce un’interruzione dell’inferenza da 283 a 7,3 secondi. La questione non è più soltanto se un agente riesca, ma se riesca ogni volta, entro limiti verificabili.

L’ultimo filo riguarda il ritmo. OpenAI ritirerà GPT-5.5 dalle sue applicazioni un mese dopo l’annuncio, come aveva fatto con GPT-5.4, e chiede di sostituirne l’identificatore ovunque venga selezionato esplicitamente, incluse le attività pianificate e gli script. Sul fronte degli strumenti, Claude Code pubblica tre versioni in 22 ore, Kimi Code una correzione meno di 19 ore dopo la versione precedente e Gemini CLI rende stabile, una settimana più tardi, la preview dell’8 settembre. Allo stesso tempo, v0, che finora aggiungeva i modelli uno alla volta al proprio selettore, si dichiara model-agnostic e si appoggia a Vercel AI Gateway: il modello diventa così un componente intercambiabile.