OpenAI e NVIDIA mettono in sicurezza 8 GW-IT in Ohio, Cursor lancia Origin, GitHub accelera la ricerca del codice

Il 17 agosto 2026, OpenAI e NVIDIA mettono congiuntamente in sicurezza un enorme sito di infrastruttura IA in Ohio, mentre Cursor lancia in beta la propria piattaforma di hosting del codice, Origin. Attorno a questi due annunci principali, DeepSeek V4 Pro continua la sua distribuzione multi-fornitore, GitHub dettaglia le sue canvas agentiche e una spettacolare ottimizzazione della sua ricerca del codice, e Google lancia Sheets canvas per trasformare i fogli di calcolo in mini-applicazioni.

OpenAI e NVIDIA mettono in sicurezza un sito IA da 8 GW-IT in Ohio

17 agosto — OpenAI, NVIDIA e SB Energy annunciano lo stesso giorno, da due angolazioni complementari, un accordo congiunto per mettere in sicurezza un enorme sito di infrastruttura IA nel campus tecnologico PORTS-Pike, nella contea di Pike (Ohio) — un ex sito di diffusione gassosa di Portsmouth. NVIDIA e SB Energy mettono in sicurezza le capacità di terreno, energia e edificio (land, power and shell) su una distribuzione iniziale di 4,25 gigawatt, espandibile di altri 3,75 gigawatt, in base a un accordo ventennale articolato tra il 2028 e il 2030. OpenAI, in qualità di locatario-operatore, punta a circa 8 gigawatt-IT complessivi con il sostegno del Dipartimento dell’Energia statunitense (DOE).

Il progetto dovrebbe creare 35 000 posti di lavoro nella costruzione nell’arco di sei anni, poi 2 500 posti di lavoro operativi a lungo termine. Il raffreddamento avverrà in circuito chiuso e ad aria, con ricircolo dell’acqua. OpenAI investe 40 milioni di dollari in un fondo comunitario locale (oltre ai 40 milioni già impegnati da SB Energy), e mette a disposizione fino a 84 milioni di dollari in crediti Codex per circa 844 000 studenti idonei dell’Ohio durante l’anno accademico 2026-2027. Sul fronte NVIDIA, ogni generazione di GPU distribuita sul sito potrebbe rappresentare circa 1,5 milioni di chip, pari a 150-200 miliardi di dollari di ricavi — nell’ambito di un impegno di calcolo OpenAI/NVIDIA entro il 2030 stimato tra 12 e 16 gigawatt (circa 600 miliardi di dollari).

Metrica	Valore
Capacità obiettivo (OpenAI)	~8 GW-IT
Capacità iniziale (NVIDIA/SB Energy)	4,25 GW (+3,75 GW espandibile)
Durata dell’accordo LPS	20 anni, articolato 2028-2030
Posti di lavoro nella costruzione	35 000 in 6 anni
Crediti Codex per studenti dell’Ohio	fino a 84 M$ per ~844 000 studenti
Impegno OpenAI/NVIDIA entro il 2030	12-16 GW (~600 Md$)

“OpenAI has entered into an agreement to secure approximately 8 gigawatts-IT at the PORTS-Pike Technology Campus in Pike County, Ohio, working with SB Energy, NVIDIA, and the U.S. Department of Energy.”

🇮🇹 OpenAI ha concluso un accordo per mettere in sicurezza circa 8 gigawatt-IT nel campus tecnologico PORTS-Pike, nella contea di Pike in Ohio, in collaborazione con SB Energy, NVIDIA e il Dipartimento dell’Energia statunitense. — Comunicato ufficiale di OpenAI

🔗 NVIDIA — mettere in sicurezza l’infrastruttura dell’intelligenza

Cursor lancia Origin, la sua piattaforma di hosting del codice

17 agosto — Cursor distribuisce in beta Origin, una piattaforma di hosting di repository integrata direttamente nel suo editor, pensata per la scala degli agenti (agent scale) più che come semplice concorrente di GitHub. Il lancio parte per tutti gli abbonati ai piani a pagamento, con opzione di esclusione per le organizzazioni enterprise.

I repository creati in Origin sono accessibili tramite URL cursor.com/codebase/[nom], ed è ancora possibile sincronizzare in parallelo repository GitHub esistenti — in tempo reale, con GitHub che resta la source of truth per i push. Sul fronte delle pull request, Cursor propone un’esperienza completa (timeline, commit, check, diff) con sincronizzazione bidirezionale: un commento pubblicato in Cursor appare su GitHub in pochi secondi. Gli agenti IA possono rispondere a domande sul codice, effettuare modifiche, aggiornare le pull request e inviare branch direttamente dalla vista del repository.

Cursor ha stretto partnership di integrazione prima del lancio con Vercel (deployment di preview), Depot e Buildkite (CI/CD compatibile con i workflow GitHub Actions esistenti), con altre integrazioni annunciate in arrivo.

“Origin, our code hosting platform, is now live. It’s fast, easy to use, and deeply integrated with Cursor. Get started by syncing your repos from GitHub.”

🇮🇹 Origin, la nostra piattaforma di hosting del codice, è ora online. È veloce, facile da usare e profondamente integrata in Cursor. Per iniziare, sincronizza i tuoi repository da GitHub. — @cursor_ai su X

🔗 Changelog di Cursor — hosting del codice Origin

Replit rafforza la sua sicurezza con pen test black-box

17 agosto — Replit aggiunge i pen test black-box (test di intrusione in scatola nera) alla propria offerta di sicurezza, in aggiunta alle scansioni white-box già disponibili. Lo scanner opera tramite l’interfaccia di rete e del browser dell’applicazione, comportandosi prima come un visitatore non autenticato e poi come un utente autenticato standard, rivelando funzionalità reali incluse quelle senza pulsante visibile.

Secondo Replit, i risultati dei due approcci coincidono raramente: il black-box ha individuato dashboard admin non protette e endpoint vulnerabili al denial of service che il white-box aveva mancato, mentre il white-box ha identificato bug di logica di autorizzazione invisibili dall’esterno. Nel Security Center di ogni progetto sono proposti tre livelli: livello 1 gratuito (verifica delle dipendenze), livello 2 (scan white-box) e livello 3 (combinazione dei due). Una volta confermata una vulnerabilità, Replit Agent può correggerla con un clic.

🔗 Annuncio Replit — pen test black-box

Modelli aperti e inferenza: DeepSeek, Yutori, allocazione GPU

Tre pubblicazioni attorno all’ecosistema Together AI e Hugging Face illustrano la battaglia in corso sul costo e l’efficienza dell’inferenza.

DeepSeek V4 Pro 0813: distribuzione multi-fornitore e benchmark DeepSWE

16 agosto — DeepSeek V4 Pro, il cui lancio in pesi aperti era già stato trattato il 13 agosto, prosegue la sua distribuzione sotto la revisione «0813»: Together AI e Novita ne confermano entrambi il supporto, con l’architettura da 1,6T di parametri in miscela di esperti (Mixture of Experts), la finestra di contesto da 1M di token e tre modalità di ragionamento (codifica, agenti, ragionamento complesso). Sul benchmark di ingegneria del software DeepSWE, Together AI misura un punteggio dell’88,5 % di pass@4 per un costo di 0,24 $ per attività — 35 volte meno costoso di GPT-5.6 Sol e 90 volte meno costoso di Fable 5.

🔗 Together AI — DeepSeek V4 Pro 0813

Yutori distribuisce il suo modello di agenti Navigator su Together AI

16 agosto — Together AI mette in evidenza Navigator, il modello di agenti di navigazione web (browser-use) della startup Yutori. Questi agenti operano in cicli serrati — acquisizione dello schermo, azione, ripetizione, a volte decine di volte per attività — il che rende il costo di inferenza particolarmente sensibile. Secondo Together AI, Navigator supera le prestazioni dei modelli di riferimento pur essendo due volte più veloce in inferenza e da 4 a 5 volte meno costoso.

🔗 Together AI — Yutori Navigator

Un allocatore GPU sotto vincolo recupera fino a 33 punti di utilizzo del cluster

17 agosto — Il team Dharma-AI pubblica su Hugging Face la seconda parte del suo studio sulla gestione di cluster GPU. Il loro «allocatore GPU sotto vincolo» sostituisce la pianificazione FIFO con un’ottimizzazione su un orizzonte di 24 ore, rispettando la contiguità delle GPU e le curve di domanda in tempo reale. Su sette scenari testati, i guadagni di utilizzo vanno dal 51,6 % al 72,4 % in regime misto, fino al 53,6 % all’87,0 % su carichi di addestramento. Un test a priorità uniforme conferma un guadagno del 23,1 % indipendente dal segnale di priorità, e un cluster da 64 GPU mantiene un guadagno di valore del 15,9 % con una latenza di allocazione di 15 ms.

🔗 Hugging Face — allocatore GPU Dharma-AI

Gemini: Sheets canvas trasforma i fogli di calcolo in mini-applicazioni

17 agosto — Google lancia Sheets canvas, che si basa su Gemini 3.7 Flash per trasformare un normale foglio di calcolo Google Sheets in una mini-applicazione interattiva, senza scrivere codice. A differenza dei consueti strumenti di prototipazione che generano un’interfaccia fissa a partire da un export statico, Sheets canvas analizza nativamente lo schema del foglio (colonne, tipi di dati, relazioni) per costruire componenti di interfaccia funzionali — un tabellone di simulazione «e se» diventa per esempio un set di slider che regola in tempo reale le proiezioni finanziarie.

La particolarità messa in evidenza è la sincronizzazione bidirezionale: le interazioni nella mini-app vengono riflesse in tempo reale nel foglio sottostante, e viceversa. L’utente può poi perfezionare l’applicazione tramite semplice conversazione, con Gemini che conserva il contesto per iterare senza ripartire da zero. Sheets canvas è disponibile da subito per gli abbonati Google AI Pro e Ultra, e il suo rilascio è annunciato verso gli account Google Workspace business ed education su alcune offerte.

🔗 Google AI — annuncio di Sheets canvas

GitHub Copilot: canvas, ricerca del codice e revisioni configurabili

GitHub pubblica tre annunci tecnici e di prodotto tra il 16 e il 17 agosto, attorno al pilotaggio dei workflow agentici e alle prestazioni del suo motore di ricerca.

Le canvas rendono i workflow agentici visibili e pilotabili

17 agosto — GitHub dettaglia le «canvas», superficie di lavoro persistente e condivisa nell’app Copilot per seguire workflow agentici complessi senza perderli nello scorrimento della chat. L’approccio si basa su quattro principi: definire lo stato del workflow, far emergere i punti decisionali, rendere persistenti subito i progressi e conservare punti di approvazione umana espliciti. Due canvas concrete illustrano l’approccio — una «Java Modernization Studio» che organizza una migrazione per fasi (valutazione, remediation, validazione, consegna), e una «Site Studio» che gestisce la creazione di contenuti con sezioni modificabili e tracciamento della revisione — entrambe pubbliche nel repository awesome-copilot. L’autore parla di un costo di circa 2 000-3 000 crediti IA per canvas.

🔗 GitHub — come le canvas rendono pilotabili i workflow agentici

Ricerca del codice: il case-folding corre a oltre 45 GiB/s su un singolo core

16 agosto — GitHub pubblica un resoconto sull’ottimizzazione del case-folding (normalizzazione della maiuscola/minuscola per il confronto case-insensitive) nel suo motore di ricerca Blackbird, che indicizza più di 180 milioni di repository e 480 TB di codice. L’ottimizzazione più significativa è controintuitiva: rimuovere un ramo di uscita anticipata invece di aggiungerne uno, il che permette a LLVM di vettorizzare completamente il ciclo tramite istruzioni NEON.

Versione	Throughput
Naïve (con uscita anticipata)	3,1 GiB/s
Ciclo completamente senza branch	oltre 45 GiB/s
Peggior caso (folding completo, non ASCII)	869 MiB/s

Il team pubblica il risultato sotto forma di crate Rust open source chiamata casefold.

“GitHub case-folds every byte of code search at over 45 GiB/s on one core. The biggest win came from removing an early-exit branch, not adding one.”

🇮🇹 GitHub applica il case-folding a ogni byte della sua ricerca del codice a oltre 45 GiB/s su un singolo core. Il guadagno più importante è arrivato dalla rimozione di un ramo di uscita anticipata, non dalla sua aggiunta. — @github su X

🔗 GitHub — case-folding del codice sorgente alla velocità della memoria

Copilot code review: la profondità Balanced passa in disponibilità generale

16 agosto — GitHub Copilot consente ora di scegliere la profondità delle revisioni automatiche del codice sulle pull request: «Balanced» (analisi più approfondita, modifiche complesse) passa in disponibilità generale, al pari di «Lite» (modifiche semplici e rapide da validare). L’impostazione può essere definita come predefinita a livello di organizzazione o repository, oppure scelta una tantum quando si richiede la revisione su una specifica PR.

🔗 GitHub — profondità Balanced in disponibilità generale

OpenAI: cybersicurezza difensiva e guadagni di efficienza di GPT-5.6 Sol

The Defender’s Window — la strategia di cybersicurezza difensiva di OpenAI

17 agosto — Greg Brockman, presidente di OpenAI, torna sull’incidente di sicurezza OpenAI-Hugging Face, presentato come un punto di svolta: un collettivo agentico ha concatenato vulnerabilità per penetrare l’infrastruttura di ricerca di OpenAI e l’infrastruttura di produzione di un’altra azienda. OpenAI ricorda di aver limitato la diffusione delle proprie capacità cyber ai soli «difensori di fiducia», ma nota che altri laboratori pubblicano modelli a pesi aperti con capacità offensive vicine al limite — ultimo esempio citato, GLM-5.3 di Z.ai, atteso per fine agosto. OpenAI addestra ora i propri modelli a produrre codice «superumanamente sicuro» e punta sulle loro capacità di dimostrazione matematica per verificare formalmente la sicurezza del software.

Aneddoto concreto: dopo l’incidente, Brockman ha chiesto a ChatGPT Work (GPT-5.6 Sol) di verificare la sicurezza del proprio sito. In circa 15 minuti, lo strumento ha individuato 13 problemi — DNS mal configurato che consentiva lo spoofing delle e-mail, jQuery obsoleto, traffico Cloudflare→AWS non cifrato — poi li ha corretti in circa un’ora, senza un forte intervento umano.

🔗 OpenAI — The Defender’s Window

GPT-5.6 Sol — guadagni di efficienza misurati presso i clienti e su ARC-AGI-3

17 agosto — Grazie al retained reasoning e alla compattazione, il punteggio di GPT-5.6 Sol su ARC-AGI-3 è passato dal 13,3 % al 38,3 %, consumando al tempo stesso circa 6 volte meno token di output. Due feedback clienti concreti: la startup immobiliare hypha_ai ha mantenuto il 98 % della precisione di GPT-5.5 riducendo il costo di 18 volte passando a GPT-5.6 Luna, e RogoAI (ricerca finanziaria) ha usato la chiamata programmatica agli strumenti per eguagliare la qualità delle sue valutazioni con il 21 % di token di input in meno.

🔗 OpenAI Devs — guadagni di efficienza di GPT-5.6 Sol

Generazione media: ElevenLabs in Claude, Seedance 2.5 su Pika e Luma

ElevenLabs lancia il suo server MCP, disponibile direttamente in Claude

17 agosto — ElevenLabs propone un server MCP (Model Context Protocol) ufficiale per gestire i propri agenti vocali e di chat direttamente da Claude, senza uscire dal proprio ambiente di lavoro: consultare le prestazioni recenti, creare nuovi agenti, aggiornare configurazioni, stimare il costo in token LLM prima di convalidare una modifica. L’autenticazione avviene tramite OAuth, senza server da ospitare né chiavi API da gestire, con un controllo lasciato al team su ciò che gli agenti possono effettivamente consultare o modificare.

🔗 ElevenLabs — annuncio del server MCP

Seedance 2.5 in 1080p arriva su Pika API Club e Luma con upscale 4K

17 agosto — Dopo il suo accesso anticipato su Runway il 15 agosto, Seedance 2.5 in risoluzione 1080p continua il suo rollout presso i partner terzi. Pika Labs lo apre tramite il suo Pika API Club, proponendo una tariffa fino al 60 % più economica della concorrenza. Luma Labs annuncia lo stesso giorno la disponibilità di Seedance 2.5 in 1080p, con una funzionalità complementare: l’upscale verso il 4K direttamente sulla sua piattaforma.

🔗 Pika Labs — Seedance 2.5 su Pika API Club

Brevi

ABC Legal distribuisce più di 50 agenti con Claude Managed Agents — 1 100 dipendenti, fino al 50 % di riduzione dei costi su alcune attività legali, ciclo di feedback settimanale via Slack e pull request. 🔗 Claude
Il team Diffusers di Hugging Face integra quattro nuovi modelli aperti in una settimana — MiniMax H3 (video/audio), LTX2.5 (video/audio), Wan Animate 2 e MiniMax Music 3. 🔗 Tweet
datatrove 0.10.0 esegue pipeline su Hugging Face Jobs senza cluster Slurm — nuovo JobsPipelineExecutor e supporto dei bucket di storage Hugging Face come DataFolder. 🔗 Tweet
Together AI ospita i modelli di generazione di codice di Relace AI — addestrati su cluster GPU dedicati al programma Y Combinator. 🔗 Tweet
All’ICML, Tri Dao sottolinea che i modelli aperti si stanno avvicinando ai lab chiusi — ormai con solo pochi mesi di ritardo, spinti dai progressi dello stack di servizio (kernel, motori di inferenza, decoding speculativo). 🔗 Tweet
Google, Gemini e Pixel ufficializzano una partnership con cinque club di calcio europei — Arsenal, FC Barcellona, Bayern Monaco, Liverpool e PSG, con un impegno di visibilità equivalente per il calcio femminile. 🔗 Google
OpenClaw: teaser GitHub su X — l’account GitHub accenna a un progetto chiamato OpenClaw senza ulteriori dettagli disponibili. 🔗 Tweet
MiniMax-H3 rivendica un guadagno di 4,44x su RTX 4090 — nuovo kernel CuTe DSL dedicato SM89 per il meccanismo di attention Sol-Attn. 🔗 Tweet
Alibaba organizza una sessione live con i creatori di Wan3.0 il 19 agosto — con i partner Magnific, fal, OpenArt e KoyalAI, alle 15:00 UTC. 🔗 Tweet
Kling presenta l’effetto « Hitchcock Zoom » — nuovo effetto di generazione video ispirato allo zoom-travelling inverso reso popolare da Alfred Hitchcock. 🔗 Tweet
MiniMax H3 a -50 % sulla generazione 2K tramite Magnific fino al 1° settembre — riduzione annunciata durante un evento a San Francisco. 🔗 Tweet
GPT-5.6 Sol a metà prezzo su AI Gateway (Vercel) e OpenRouter — promozioni temporanee del 50 % fino al 18 settembre 2026, applicate automaticamente all’utilizzo. 🔗 Tweet
OpenAI finanzia 14 progetti di ricerca in politiche pubbliche per l’era dell’IA — 1 milione di dollari di finanziamento e fino a 1 milione di dollari di crediti API, ripartiti su 5 paesi/regioni. 🔗 OpenAI
Codex messo in evidenza tramite feedback d’uso — un creatore di contenuti (più di 1,5 milioni di iscritti) gestisce la propria attività con Codex, e un dipendente OpenAI lo usa come assistente montatore video interno. 🔗 Tweet

Cosa significa

La scala dell’infrastruttura IA supera una nuova soglia fisica e finanziaria. Il sito dell’Ohio combina da solo 8 gigawatt-IT previsti, 35 000 posti di lavoro nella costruzione e un impegno di calcolo OpenAI/NVIDIA stimato a 600 miliardi di dollari entro il 2030 — un cantiere che ormai si confronta con progetti industriali o energetici nazionali più che con un semplice data center. Il meccanismo di finanziamento rivelato da NVIDIA (sostegno parziale dei pagamenti di locazione e di energia invece di un finanziamento integrale) mostra anche che persino i più grandi laboratori di IA devono appoggiarsi a montaggi finanziari specifici per assorbire questo livello di spesa.

L’hosting del codice sta diventando esso stesso un terreno di battaglia agentico. Cursor lancia Origin per non dipendere più da GitHub sull’infrastruttura che fa girare i suoi agenti, GitHub replica con canvas per rendere i workflow agentici controllabili invece che dispersi nella chat, e Replit aggiunge pen test black-box affinché il proprio Agent possa correggere ciò che rileva con un clic. In tutti e tre i casi, l’obiettivo converge: dare agli agenti una presa diretta e sicura sul ciclo di vita del codice, non solo sulla sua generazione.

Il costo dell’inferenza continua a scendere più rapidamente di quanto aumentino le capacità. DeepSeek V4 Pro tratta DeepSWE a un costo 35 volte inferiore rispetto a GPT-5.6 Sol, Yutori Navigator gira da 4 a 5 volte meno caro rispetto ai modelli di riferimento, e lo stesso GPT-5.6 Sol migliora dal 13,3 % al 38,3 % su ARC-AGI-3 consumando 6 volte meno token — nella stessa settimana in cui Tri Dao sottolinea all’ICML che i modelli aperti stanno colmando il divario di qualità in pochi mesi. L’allocatore GPU sotto vincolo di Dharma-AI aggiunge una dimensione complementare: una parte di questi guadagni non viene più dal modello ma dalla programmazione dei cluster stessi.

Infine, il rigore tecnico torna a essere un argomento di comunicazione a pieno titolo. GitHub moltiplica per 15 il throughput della sua ricerca di codice rimuovendo codice invece di aggiungerlo, e OpenAI dettaglia come un audit di sicurezza con GPT-5.6 Sol abbia corretto 13 vulnerabilità reali in un’ora — due modi diversi di mostrare, cifre alla mano, che l’ingegneria di dettaglio resta ciò che distingue un annuncio di prodotto da una dimostrazione di competenza.