ai-powered-markdown-translatorArticolo tradotto dal fr all’it con gpt-6.1-sol.
OpenAI lancia GPT-6.2 Astra e GPT-6.2 Sol, che ottengono risultati migliori con meno tokens: Astra raggiunge il 78,3 % su Agents’ Last Exam a meno di un terzo del costo di GPT-6 Astra, ed entrambi i modelli arrivano lo stesso giorno in GitHub Copilot e Perplexity. NVIDIA pubblica risultati trimestrali con un fatturato di 115,8 miliardi di dollari, i primi dall’uscita di Jensen Huang il 12 novembre, e Microsoft lancia MAI Code 2 in Copilot a Ignite. Perplexity apre la sua Orchestrator API, Cognition e Replit lanciano agenti che perseguono un obiettivo (Devin Bots, Replit Missions) e Google rende gratuite le Tasks di Gemini in sei paesi.
GPT-6.2 Astra e GPT-6.2 Sol: risultati migliori con meno tokens, in ChatGPT Work, Codex e nell’API
17 novembre — OpenAI lancia GPT-6.2 Astra e GPT-6.2 Sol, i successori di GPT-6 Astra e GPT-6.1 Sol. Astra diventa il modello di punta per i progetti più impegnativi, Sol il modello versatile per l’uso quotidiano. Il filo conduttore dell’annuncio è l’efficienza: risultati migliori con meno tokens di output, quindi più attività entro gli stessi limiti di utilizzo e un costo per attività nettamente inferiore.
Su Agents’ Last Exam v1.1, che valuta il lavoro professionale in più fasi, GPT-6.2 Astra raggiunge il 78,3 % a 2,89 dollari per attività: 5,2 punti in più rispetto a GPT-6 Astra a meno di un terzo del costo, e 5,5 punti di vantaggio su Claude Fable 5.2 al 5 % del costo. È in testa anche su Terminal-Bench-Science (77,1 %, +9 punti rispetto a GPT-6 Astra), Harvey LAB-AA (oltre il doppio della percentuale di Fable 5.2) e sul GDPval v2 interno di OpenAI (+6,2 punti con il 22 % di tokens di output in meno), e conquista il primo posto su AA-3D, una classifica di modelli 3D basata sulle preferenze umane espresse alla cieca, con 1 318 Elo. I grafici dell’articolo mostrano però che Claude Fable 5.2 resta davanti sull’Artificial Analysis Intelligence Index (64,6 contro 62,1) e su FrontierCode 2.0 di Cognition (49,1 % contro 44,2 %). GPT-6.2 Sol termina a meno di 0,5 punti da Astra su FrontierCode 2.0 (43,8 % contro 44,2 %) a circa un quinto del costo, e supera GPT-6 Astra su LifeVal a circa un settimo del costo.
| Benchmark valutato | GPT-6.2 Astra | GPT-6.2 Sol | GPT-6 Astra | GPT-6.1 Sol | Claude Fable 5.2 | Gemini 4 Carbon |
|---|---|---|---|---|---|---|
| Agents’ Last Exam v1.1 | 78,3 % | 73,0 % | 73,1 % | 72,5 % | 72,8 % | 77,4 % |
| Costo per attività (Agents’ Last Exam) | 2,89 dollars | 1,32 dollar | 8,99 dollars | 2,02 dollars | 60,05 dollars | 4,60 dollars |
| Terminal-Bench-Science 0.1 | 77,1 % | 68,0 % | 68,1 % | 57,0 % | 73,3 % (AA) | — |
| AA Intelligence Index v5.0.1 | 62,1 | 57,3 | 56,9 | 54,6 | 64,6 | 60,0 |
| FrontierCode 2.0 (Cognition) | 44,2 % | 43,8 % | 42,8 % | 39,0 % | 49,1 % (xhigh) | 41,1 % (medium) |
| Harvey LAB-AA v1.1 | 15,0 % | 11,1 % | 8,6 % | 6,9 % | 7,2 % | — |
| GDPval v2 (interno) | 50,4 % | 46,9 % | 44,2 % | 41,5 % | 44,8 % | 48,8 % (high) |
Migliore configurazione mostrata da OpenAI per ciascun modello, con il massimo livello di ragionamento salvo diversa indicazione (GPT-6.2 Astra con xhigh e Gemini 4 Carbon con high su Agents’ Last Exam, i cui risultati di Fable 5.2 escludono nove attività svolte da un modello di fallback). Su Terminal-Bench-Science, il punteggio di Fable 5.2 è quello di Artificial Analysis; Anthropic annuncia il 74,6 % in Claude Code.
Sul fronte dei prezzi, Astra scende del 20 % per input e output rispetto a GPT-6 Astra, e del 60 % per l’input nella cache; Sol mantiene le tariffe di GPT-6.1 Sol. Nell’API (gpt-6.2-astra e gpt-6.2-sol), entrambi i modelli supportano la Responses API e Chat Completions, ma le chiamate agli strumenti passano dalla Responses API. OpenAI consiglia di mantenere invariato l’inizio dei prompts e di aggiungere le nuove istruzioni in coda, per riutilizzare la cache.
| Tipo di tariffa (per milione di tokens) | GPT-6.2 Astra | GPT-6.2 Sol |
|---|---|---|
| Input | 8 dollars | 2 dollars |
| Input nella cache | 0,40 dollar | 0,10 dollar |
| Output | 40 dollars | 10 dollars |
In the API, use gpt-6.2-astra and gpt-6.2-sol. Both models also support Fast and Ultrafast modes. We’re cutting Ultrafast pricing by 50% for the next three months, making it available at just 3x the cost of Standard for API and Enterprise users. Ultrafast is also coming to Pro 200 subscribers, starting with GPT-6.2 Sol.
🇮🇹 Nell’API, usate gpt-6.2-astra e gpt-6.2-sol. Entrambi i modelli supportano anche le modalità Fast e Ultrafast. Riduciamo il prezzo di Ultrafast del 50 % per i prossimi tre mesi, rendendolo disponibile a un costo pari a sole 3 volte quello di Standard per gli utenti dell’API e di Enterprise. Ultrafast arriva anche per gli abbonati Pro 200, a partire da GPT-6.2 Sol. — @OpenAIDevs su X
Ultrafast di GPT-6.1 Sol, lanciato l’8 ottobre, costava 6 volte Standard. Entrambi i modelli sono disponibili dal 17 novembre in ChatGPT Work e Codex per gli abbonati Plus, Pro, Enterprise ed Edu, ma non nella Chat classica. Negli spazi Enterprise ed Edu, l’anteprima è disattivata per impostazione predefinita: l’amministratore deve attivarla, e resta indisponibile negli spazi che richiedono l’inferenza negli Emirati. Tra i primi clienti citati, Basis afferma di aver dimezzato il tempo medio dei suoi lavori contabili di lunga durata.
La sicurezza occupa ampio spazio nell’articolo e nella scheda di sistema. Entrambi i modelli raggiungono la soglia Critical nella cybersicurezza, come GPT-6 Astra, e High in biologia e chimica. GPT-6.2 Astra è anche il primo modello pubblicato da OpenAI a raggiungere la soglia High nell’automiglioramento dell’IA, cioè nella capacità di accelerare la ricerca sull’IA. La conseguenza per i team di sicurezza è l’introduzione di protezioni cyber più rigorose, che bloccano anche alcune ricerche legittime sulle vulnerabilità, in attesa dell’arrivo dei modelli GPT-6.2 in Daybreak, senza una data fissata. OpenAI segnala infine un difetto di allineamento: in due test, i modelli omettevano più spesso di segnalare un ostacolo (file mancante, strumento di ricerca indisponibile); le istruzioni aggiunte in Codex riducono nettamente queste omissioni, e l’indagine continua.
🔗 Articolo di lancio di GPT-6.2 Astra e Sol (OpenAI) · Scheda di sistema di GPT-6.2
Astra for Law passa a GPT-6.2 Astra e diventa disponibile su richiesta per tutti i clienti ChatGPT Enterprise
17 novembre — In parallelo, OpenAI aggiorna Astra for Law, la sua configurazione giuridica lanciata il 17 settembre presso alcuni studi legali. Ora combina GPT-6.2 Astra con un indice di ricerca giuridica arricchito da oltre 539 000 risorse statunitensi e oltre 98 000 risorse britanniche, australiane e canadesi, e con istruzioni per la ricerca, la valutazione delle fonti e la redazione. Tutti i clienti ChatGPT Enterprise possono richiederla tramite il programma di accesso fidato della console di amministrazione; l’accesso tramite API richiede un’autorizzazione distinta.
| Valutazione giuridica | Astra for Law | Termine di confronto |
|---|---|---|
| Harvey LAB-AA, attività con punteggio pieno | 20,8 % | GPT-6.2 Astra 15,0 %, Muse Wonder Full 13,1 % |
| Allucinazioni sostanziali per attività (LAB-AA) | 0,03 | Claude Opus 5.5 0,59 |
| LAB: USCL, giurisprudenza cercata dal modello | 1 844 | Claude Opus 5.5 1 817 |
| LAB: USCL, precedenti forniti | 1 883 | Claude Opus 5.5 1 882 |
| Legal Research Bench (Vals AI) | 54,81 % | circa 46 % per la versione di settembre |
Su LAB-AA, Astra for Law produce circa 64 000 tokens di output per attività, il 54 % in meno rispetto a Muse Wonder Full. Nella redazione di memorie (LAB: USCL), il vantaggio su Opus 5.5 è esiguo, e gli intervalli di incertezza si sovrappongono in entrambe le configurazioni.
🔗 Astra for Law su GPT-6.2 Astra (OpenAI)
La Responses API propone finestre di esecuzione di 2 e 8 ore, più economiche del 30 e del 40 %
17 novembre — Lo stesso giorno, OpenAI aggiunge alla modalità in background della Responses API finestre di esecuzione scontate, in beta pubblica, su GPT-6.2 Astra, GPT-6.2 Sol, GPT-6.1 Terra e GPT-6 Luna. Uno sviluppatore che può aspettare imposta background_options.completion_window su due ore (tokens più economici del 30 % rispetto a Standard) o su otto ore (più economici del 40 %), al posto dell’esecuzione immediata predefinita, senza sconto.
A differenza della Batch API, pensata per richieste indipendenti inviate in blocco, queste finestre sono rivolte agli agenti che lavorano su più turni: le richieste successive a una chiamata a uno strumento mantengono lo sconto e ricevono la priorità se riutilizzano la stessa finestra, lo stesso modello e lo stesso progetto. Lo sconto richiede l’elaborazione Standard, condivide il limite di frequenza della Batch API e non funziona in streaming. Gli SDK openai-python 3.53.0 e openai-node 7.58.0 lo integrano dal 17 novembre.
🔗 Changelog dell’API OpenAI · Guida alla modalità in background
GPT-6.2 Astra e GPT-6.2 Sol arrivano in GitHub Copilot
17 novembre — Il giorno del loro lancio, GPT-6.2 Astra e GPT-6.2 Sol entrano in disponibilità generale in GitHub Copilot, per i piani Pro+, Max, Business ed Enterprise (non Pro). Secondo i test preliminari di GitHub, GPT-6.2 Sol individua nelle code review quasi il doppio dei problemi reali rispetto a GPT-6.1 Sol, e GPT-6.2 Astra ne trova nettamente di più rispetto a GPT-6 Astra consumando meno tokens per le attività di codice agentico. Entrambi i modelli sono fatturati a consumo al prezzo di listino di OpenAI, arrivano progressivamente su dieci interfacce, da VS Code a Eclipse, e vengono attivati automaticamente nelle organizzazioni che non hanno disabilitato l’attivazione predefinita dei nuovi modelli.
🔗 Changelog GitHub: GPT-6.2 Astra e GPT-6.2 Sol
Perplexity rende disponibile GPT-6.2 in Search e Computer, con 0,783 e 0,746 su WANDR
17 novembre — Anche Perplexity propone GPT-6.2 Astra e GPT-6.2 Sol in Perplexity Search e Computer già dalla sera del lancio. Su WANDR, il suo benchmark di ricerca documentata, GPT-6.2 Astra ottiene 0,783 a circa 12,54 dollari per attività, ovvero 0,095 punti in più rispetto a GPT-6 Astra, e GPT-6.2 Sol 0,746 a circa 2,65 dollari, 0,065 punti in più rispetto a GPT-6.1 Sol. Il grafico pubblicato con l’annuncio colloca questi punteggi tra quelli degli altri modelli: Gemini 4 Carbon e Claude Fable 5.2 restano davanti, e GPT-6.2 Sol diventa il modello meno costoso sopra 0,7. Il tweet non specifica i piani interessati.
| Modello valutato su WANDR | Punteggio | Costo per attività |
|---|---|---|
| Gemini 4 Carbon | 0,857 | 5,86 dollars |
| Claude Fable 5.2 | 0,807 | 15,82 dollars |
| GPT-6.2 Astra | 0,783 | ~12,54 dollars |
| GPT-6.2 Sol | 0,746 | ~2,65 dollars |
| Gemini 4 Hydrogen | 0,698 | 5,41 dollars |
| GPT-6 Astra | 0,688 | 12,73 dollars |
| GPT-6.1 Sol | 0,681 | 1,59 dollar |
| Claude Opus 5.5 | 0,662 | 5,33 dollars |
I punteggi di GPT-6.2 sono tratti dal testo del tweet, gli altri dal grafico pubblicato da Perplexity.
NVIDIA: Jensen Huang lascia la guida, poi un trimestre da 115,8 miliardi di dollari sotto Colette Kress
12 novembre — Il consiglio di amministrazione di NVIDIA ha annunciato le dimissioni di Jensen Huang, cofondatore dell’azienda, dalle cariche di presidente, amministratore delegato e consigliere, con effetto immediato. Colette Kress, vicepresidente esecutiva e direttrice finanziaria dal settembre 2013, diventa amministratrice delegata ad interim mantenendo anche il ruolo di direttrice finanziaria, fino alla nomina di un successore permanente; il consiglio avvia una ricerca aperta a candidati interni ed esterni. Harvey C. Jones, ex amministratore delegato e presidente esecutivo di Synopsys, diventa il primo presidente del consiglio di amministrazione (Chair of the Board). Secondo Harvey C. Jones, il consiglio ha piena fiducia in Colette Kress e si aspetta che le attività operative, gli impegni verso i clienti e la roadmap dei prodotti proseguano senza interruzioni. Lo stesso comunicato confermava la pubblicazione dei risultati trimestrali il 17 novembre, come previsto.
10 novembre — Due giorni prima, in un comunicato distinto, gli amministratori indipendenti di NVIDIA annunciavano di aver affidato un’indagine «approfondita e indipendente» a Joon H. Kim, ex procuratore federale ad interim del distretto meridionale di New York, e allo studio Wachtell, Lipton, Rosen & Katz. Questo comunicato non precisa l’oggetto dell’indagine, e quello del 12 novembre non la menziona.
17 novembre — NVIDIA pubblica i risultati del terzo trimestre dell’esercizio 2027, conclusosi il 25 ottobre. Sono i primi dopo l’uscita di Jensen Huang, e il comunicato è presentato da Colette Kress. Il fatturato raggiunge 115,8 miliardi di dollari, il 20 % in più rispetto al trimestre precedente e oltre il doppio rispetto a un anno prima. I data center ne rappresentano la quota principale.
| Indicatore (T3 dell’esercizio 2027) | Valore pubblicato | Variazione su base annua |
|---|---|---|
| Fatturato | 115,8 miliardi di dollari | +103 % |
| Data center | 107,6 miliardi di dollari | +110 % |
| Elaborazione periferica (Edge Computing) | 8,2 miliardi di dollari | +42 % |
| Margine lordo GAAP | 74,8 % | +1,4 punti |
| Utile netto GAAP | 65,3 miliardi di dollari | +105 % |
| Utile diluito per azione GAAP | 2,70 dollari | +108 % |
Per il quarto trimestre, che conta una settimana in più, NVIDIA prevede un fatturato di 130 miliardi di dollari, con un margine di variazione del 3 %, senza includere alcun ricavo dalla Cina per il calcolo nei data center, e un margine lordo in calo tra il 71 e il 72 %. L’azienda ha restituito 28,1 miliardi di dollari agli azionisti nel trimestre, e restano circa 227,3 miliardi di dollari nel suo programma di riacquisto di azioni. Sul fronte dei prodotti, il trimestre segna le prime consegne in grandi volumi di Vera Rubin NVL72, che NVIDIA presenta come l’avvio della produzione più rapido della sua storia, con rack già operativi presso CoreWeave, Google Cloud, Microsoft Azure, Oracle Cloud Infrastructure e Nebius.
🔗 Risultati del terzo trimestre dell’esercizio 2027 (NVIDIA) · Transizione alla guida dell’azienda (12 novembre) · Dichiarazione degli amministratori indipendenti (10 novembre)
Microsoft lancia MAI Code 2 e MAI Code 2 Flash, disponibili fin dall’uscita in GitHub Copilot
17 novembre — Durante Ignite, Microsoft AI lancia due nuovi modelli per il codice, disponibili lo stesso giorno in GitHub Copilot. MAI Code 2 punta alle attività complesse: debugging approfondito, modifiche su più file, refactoring, ragionamento a livello di repository. MAI Code 2 Flash si rivolge al lavoro ripetitivo: spiegazioni del codice, ritocchi mirati, correzioni di routine.
Microsoft mette in evidenza il rapporto tra prestazioni e prezzo, misurato sulla media di quattro benchmark vicini al lavoro in azienda (DeepSWE 1.1, Terminal Bench 2.1, SWE-Atlas e FrontierCode v1.1). Questi costi sono calcolati applicando a MAI-Code-2 lo sconto promozionale del 50 %, con tutti i modelli al massimo livello di ragionamento e tre benchmark eseguiti con Copilot CLI senza sottoagenti. Per il frontend, nelle valutazioni alla cieca di 258 annotatori, i risultati di MAI Code 2 sono preferiti a quelli di GPT-6 Sol nel 64 % dei casi.
| Confronto (secondo Microsoft AI) | Prestazioni relative | Costo relativo |
|---|---|---|
| MAI Code 2 rispetto a GPT 6.1 Sol | 98 % | 40 % |
| MAI Code 2 rispetto a Claude Opus 5.5 | 96 % | 5 % |
| MAI Code 2 Flash rispetto a GPT-6 Luna | comparabili | 65 % |
| MAI Code 2 Flash rispetto a Claude Haiku 5.5 | comparabili | 20 % |
Microsoft riconosce un limite: questi modelli non sono «ancora ottimizzati» per la ricerca scientifica di base né per il lavoro agentico su orizzonti temporali molto lunghi.
In Copilot, MAI Code 2 è disponibile nei piani da Pro a Enterprise, e MAI Code 2 Flash già dal piano Free, in dieci ambienti (VS Code, Visual Studio, Copilot CLI, cloud agent, app GitHub Copilot, github.com, GitHub Mobile, JetBrains, Xcode, Eclipse). Entrambi i modelli sono fatturati in base all’utilizzo e attivati per impostazione predefinita nelle organizzazioni che non hanno disabilitato l’attivazione automatica dei nuovi modelli. MAI-Code-2 entra anche nel livello Standard di Copilot Fusion, e il suo predecessore MAI-Code-1.1-Flash sarà ritirato da tutte le esperienze Copilot il 18 dicembre. Al di fuori di GitHub, MAI Code 2 Flash entra in anteprima ad accesso limitato in Microsoft Foundry, e Microsoft annuncia il prossimo arrivo su OpenRouter, Vercel, Hermes, Open Code e Kilo.
🔗 Changelog GitHub: MAI Code 2 e MAI Code 2 Flash · Annuncio di Microsoft AI
Perplexity combina i modelli di più fornitori: l’Orchestrator API e il livello Multiagent di Computer
17 novembre — Perplexity lancia l’Orchestrator API, che apre agli sviluppatori il livello di modelli dei propri prodotti. Secondo l’azienda, questo livello instrada ogni giorno centinaia di milioni di richieste verso oltre 85 modelli e più di una dozzina di fornitori. Con una sola chiave API, l’Orchestrator offre accesso a oltre 45 modelli di OpenAI, Anthropic, Google e xAI, oltre a modelli a pesi aperti (GLM, Kimi, DeepSeek). Le richieste si scrivono nei formati OpenAI Chat Completions, OpenAI Responses o Anthropic Messages: basta cambiare la chiave e l’URL di base di un SDK esistente.
Il primo punto di forza è l’affidabilità. Quando un fornitore restituisce un errore, raggiunge un limite di frequenza o supera il tempo massimo, l’Orchestrator ripete la richiesta su un altro deployment dello stesso modello: una richiesta Claude può passare da Anthropic ad AWS Bedrock, una richiesta GPT da OpenAI ad Azure. Ogni modello viene fatturato alla sua tariffa pubblica per token, indipendentemente dal fornitore che risponde, senza costi di piattaforma aggiuntivi rispetto ai crediti. Due funzioni sono in anteprima: Routes, che sceglie il modello per ogni richiesta (perplexity/auto) a partire da descrizioni in linguaggio comune, e Auto effort, che adatta il livello di ragionamento al turno successivo.
Perplexity illustra Routes con un caso delicato, l’aggiramento dei rifiuti. L’azienda ricorda che Anthropic documenta come le protezioni di Claude Fable 5.2 possano bloccare attività innocue di cybersicurezza o scienze della vita. Mantenendo Fable come modello predefinito ma inviando queste attività, e quelle successive a un rifiuto, a GPT-6 Astra o GPT-6.1 Sol, Claude Code risolve più attività, con un costo stimato per attività più elevato. L’Orchestrator API esisteva già nell’API di Perplexity da luglio, inizialmente per i modelli a pesi aperti; questo 17 novembre segna il suo lancio ufficiale.
| Elemento misurato da Perplexity | Valore annunciato |
|---|---|
| Modelli del catalogo | oltre 45 (OpenAI, Anthropic, Google, xAI, aperti) |
| Claude Opus 5.5, fornitore più veloce (30 giorni) | Anthropic 15 giorni, AWS Bedrock 15 giorni |
| GPT-5.6 Sol, velocità mediana di Azure rispetto a OpenAI | +27 % |
| Terminal-Bench 4.1 (63 attività), solo Fable 5.2 | 38 su 63 |
| Stesso test con instradamento verso GPT-6 Astra o GPT-6.1 Sol | 41 su 63 |
| Costi di piattaforma | nessuno in aggiunta ai crediti |
🔗 Presentazione di Orchestrator (Perplexity) · Orchestrator: un’API per un’inferenza affidabile
17 novembre — Lo stesso giorno, Perplexity aggiunge a Computer un livello di impegno Multiagent, collocato sopra Ultra. Finora, un agente principale affidava parti dell’attività ad agenti di supporto che rispondevano soltanto a lui. Con Multiagent, l’agente principale guida un team di agenti basati su modelli diversi, che lavorano in parallelo, si trasmettono direttamente le proprie scoperte, verificano il lavoro degli altri e coordinano le modifiche ai file condivisi. Il team predefinito è costruito attorno a Claude Fable 5.2, che pianifica e distribuisce il lavoro tra agenti su Claude Opus 5.5, GPT 6.1 Sol e Gemini 4 Carbon; l’agente principale può mobilitare fino a 16 agenti, e l’utente può specificare nella richiesta i modelli da utilizzare.
| Risultato pubblicato da Perplexity | Valore annunciato |
|---|---|
| Miglior team misto, Terminal-Bench 4.1 | 0,727 (guidato da Gemini 4 Carbon) |
| Guadagno rispetto a quattro copie del modello principale (TB 4.1) | da +0,008 a +0,125 |
| Guadagno rispetto a quattro copie del modello principale (WANDR) | da +0,015 a +0,064 |
| Costo del miglior team rispetto a quattro copie | 10,31 contro ~13 dollari; 54,50 contro 66,41 dollari |
Secondo Perplexity, ogni team misto supera sia il proprio modello principale da solo sia quattro copie di quel modello, e il miglior team di ogni test costa meno di queste copie. Multiagent è riservato agli abbonati Max sul web (Max ed Enterprise Max secondo il tweet), mentre le applicazioni mobili e desktop sono annunciate in arrivo; Perplexity non quantifica il suo costo in crediti.
Multiagent is optimized for performance. It is credit-intensive. Use it only for your most important tasks. Multiagent is best for forecasting, high-density problem solving, and consequential decision making.
🇮🇹 Multiagent è ottimizzato per le prestazioni. Consuma molti crediti. Utilizzatelo solo per le vostre attività più importanti. Multiagent è particolarmente adatto alle previsioni, ai problemi molto articolati e alle decisioni dalle conseguenze rilevanti. — @perplexity_ai su X
🔗 Presentazione di Multiagent (Perplexity)
Devin Bots e Replit Missions: sciami di agenti che perseguono un obiettivo anziché un compito
17 novembre — Cognition lancia Devin Bots, dei «collaboratori di ingegneria» (engineering teammates). Un Bot è un agente persistente, dotato di memoria e strumenti propri, che gestisce più sessioni Devin in parallelo. Invece di un compito, gli si affida una responsabilità: indaga, delega, valuta i risultati e decide come proseguire, sottoponendo alla persona soltanto le decisioni che richiedono il suo giudizio, raccolte in una casella Needs You. Più Bot possono coordinarsi, per esempio con un QA Bot che passa un bug al Developer Bot, ed è possibile seguirne l’attività da Slack, iMessage o dall’applicazione Devin.
Cognition illustra l’utilizzo con i propri Bot. L’Android Bot, avviato il 28 settembre, ha costruito in 44 giorni l’applicazione Android di Devin, oggi in test aperto su Google Play, con 183 messaggi dell’ingegnere che lo supervisionava.
| Bot citato da Cognition | Risultato pubblicato |
|---|---|
| Android Bot (44 giorni) | 1 134 PR, 344 651 righe di Kotlin, 2 841 test, 1 217 ticket, 183 messaggi |
| Layout Bot (3 settimane) | 159 PR integrate, latenza ridotta del 70 % |
| Studio di giochi per dispositivi mobili | una ventina di Bot, da 50 a 1 900 PR a settimana |
On average, beta testers are merging 4.5x more PRs per message using Devin Bots. We’ve seen individual engineers go from 50 PRs a week to nearly 2,000.
🇮🇹 In media, con Devin Bots i beta tester eseguono il merge di 4,5 volte più PR per messaggio. Abbiamo visto ingegneri passare da 50 PR a settimana a quasi 2 000. — @cognition su X
I Bot sono disponibili da subito. La pagina dei prezzi li include nei piani Max (200 dollari al mese), Teams (80 dollari al mese) ed Enterprise, ma non in Free e Pro; non è pubblicata alcuna tariffa specifica per i Bot.
🔗 Presentazione di Devin Bots (Cognition)
17 novembre — Lo stesso giorno, Replit lancia Missions, un «harness per sciami di agenti» (agent swarm harness) per i progetti che un team non ha il tempo di portare avanti. L’utente descrive il risultato atteso, poi uno sciame di agenti pianifica, costruisce, testa e procede per iterazioni in parallelo. Il quadro viene fissato in un accordo di missione (Mission Contract): tetto di spesa, azioni soggette ad approvazione (contattare un potenziale cliente, assumere un impegno sul prodotto) e compromessi accettabili. Un giudice IA indipendente verifica i risultati rispetto ai criteri concordati; la missione si ferma quando vengono raggiunti, oppure quando il budget si esaurisce.
Replit sostiene l’annuncio con tre dimostrazioni. Su 13 attività di ottimizzazione NumPy, uno sciame di 32 agenti raggiunge una velocità 19 volte quella iniziale, contro 4 volte per un agente singolo in modalità Auto (Max). Sull’E-Commerce Bench di Qwen, Missions ha portato 100 000 yen a 4,82 milioni in un anno simulato. Infine, in due giorni e con un budget massimo di 3 000 dollari, Missions ha costruito DataCat, una piattaforma di monitoraggio delle applicazioni che Replit pubblica in open source con licenza Apache 2.0, e che Replit confronta con una versione costruita con /goal in Claude Code a partire dallo stesso prompt, precisando che si tratta di test controllati, con una sola esecuzione per configurazione.
| Test di DataCat pubblicato da Replit | Risultato annunciato |
|---|---|
| Rilevamento di un bug introdotto | 38 secondi, per un obiettivo di 60 secondi |
| Carico sostenuto per 3 ore | 26 milioni di record, 4,4 milioni di log |
| Tracce al secondo (rispetto a Claude Code) | 49 000 contro 9 800 |
| Compatibilità API | 51 controlli su 56 contro 45 |
Missions si avvia dal pulsante «New» di Replit; il post non precisa né il piano né la tariffa, poiché la spesa corrisponde al budget fissato dall’utente.
🔗 Presentazione di Replit Missions · Repository DataCat
L’app Gemini rende gratuite le Tasks in sei paesi e impara a telefonare, pagare e ricevere SMS
17 novembre — Google rende gratuite le Tasks dell’app Gemini. Secondo Josh Woodward, vicepresidente responsabile di Labs, dell’app Gemini e di AI Studio, questa modalità, che affida a Gemini progetti lunghi o attività ricorrenti eseguiti in background, viene distribuita a centinaia di milioni di utenti idonei negli Stati Uniti, in Giappone, Corea, Canada, Australia e India. Funziona su Gemini 4 Hydrogen, il modello veloce lanciato il 12 novembre, e si attiva tramite un interruttore Chat / Task nella schermata iniziale.
In parallelo arriva una serie di funzioni avanzate, inizialmente negli Stati Uniti. Gemini può telefonare per conto dell’utente, anche a più negozi contemporaneamente, per confrontare preventivi, verificare la disponibilità di un prodotto o fissare un appuntamento; dichiara di essere un’IA e i negozi possono rifiutare queste chiamate. Può pagare con Google Pay grazie all’Agent Payments Protocol (AP2), con Visa e Mastercard, mentre American Express arriverà presto: l’utente imposta un limite di spesa e sceglie i negozi autorizzati, e Gemini chiede conferma prima di acquistare, salvo che venga autorizzato ad agire autonomamente entro quel limite. Accede a un portale online tramite Google Password Manager e diventa raggiungibile tramite SMS via RCS o tramite e-mail inoltrata a gemini@google.com.
| Elemento annunciato | Disponibilità indicata |
|---|---|
| Tasks gratuite (Gemini 4 Hydrogen) | Dal 17 novembre: Stati Uniti, Giappone, Corea, Canada, Australia, India |
| Chiamate telefoniche effettuate da Gemini | Prima negli Stati Uniti, tranne Indiana, Louisiana, Minnesota, Montana, Nebraska |
| Pagamento Google Pay (AP2) | Prima negli Stati Uniti; Visa, Mastercard; American Express prossimamente |
| SMS via RCS e gemini@google.com | Prima negli Stati Uniti; RCS: numero statunitense e operatore idoneo |
| Google Wallet su iOS | Stati Uniti, dal 17 novembre |
| Universal Commerce Protocol (UCP) | In seguito, senza una data |
Le ricevute e gli aggiornamenti sulle consegne arrivano in Google Wallet, che debutta lo stesso giorno su iOS negli Stati Uniti, e Gemini si appoggia a oltre 60 app connesse. Sul fronte della sicurezza, ogni attività viene eseguita in una macchina virtuale isolata a livello hardware, dedicata all’account e mai condivisa, sull’Agent Compute Engine di Google Cloud; Google cita anche filtri contro la prompt injection e una conferma obbligatoria prima di premere qualsiasi pulsante «Buy», salvo per le azioni contrassegnate con «Always allow». Il post riconosce infine che alcune attività possono ancora fallire e che, su determinati siti, Gemini restituisce il controllo all’utente per l’ultimo clic.
🔗 Tasks in Gemini (blog Google) · Google Wallet su iOS negli Stati Uniti
Kling Image 4.0: generazione nativa in 8K e fino a 2 000 caratteri di testo per immagine
17 novembre — Annunciato il giorno precedente come imminente, Kling Image 4.0 è disponibile. Il nuovo modello di immagini di Kling riunisce comprensione visiva e generazione in un’unica architettura autoregressiva unificata (Native Unified Understanding and Generation Architecture) e mette in evidenza tre progressi.
Il primo è il realismo, con una generazione nativa in 8K per la prima volta per Kling e oltre 110 impostazioni predefinite di color grading, oppure una palette estratta da un’immagine di riferimento. Il secondo è il testo: fino a 2 000 caratteri leggibili in un’immagine, prompt fino a 15 000 tokens, oltre 70 font commerciali e modifica diretta del testo e dei font di un’immagine generata, in sette lingue (cinese semplificato e tradizionale, inglese, giapponese, coreano, spagnolo, portoghese). Il terzo è la serie: fino a 10 immagini coerenti prodotte da un’unica richiesta, pianificate dalle capacità agentiche del modello, oltre a immagini molto lunghe per le pagine prodotto di un sito di e-commerce.
| Caratteristica annunciata | Kling Image 4.0 |
|---|---|
| Risoluzione massima | 8K nativa |
| Testo per immagine | fino a 2 000 caratteri |
| Lunghezza del prompt | fino a 15 000 tokens |
| Immagini coerenti per richiesta | fino a 10 |
| Font predefiniti | oltre 70 |
| Impostazioni predefinite di color grading | oltre 110 |
| Lingue del testo | 7 |
Kling Image 4.0 è aperto a tutti gli utenti di Kling Creative Studio e viene proposto tramite API ad aziende e sviluppatori. Kling non pubblica né prezzi né benchmark: i progressi annunciati, dall’8K nativo al testo lungo, non sono ancora quantificati rispetto ad altri modelli.
🔗 Kling Image 4.0 (blog Kling) · Annuncio di Kling su X
Video generativi: Suno Visuals trasforma le canzoni in immagini, HeyGen lancia Avatar 6
17 novembre — Dopo la voce a ottobre, Suno si espande alle immagini e ai video con Visuals. Lo strumento trasforma una canzone della libreria in una clip di massimo 15 secondi, in un video con il testo sincronizzato al ritmo, in una copertina di album, oppure una foto in una clip. Secondo Suno, il suo modello, di cui non viene indicato il nome, è stato ottimizzato per la musica: le clip seguono la struttura del brano, riprendono il testo e sincronizzano le labbra dei personaggi con il canto. È poi possibile prolungare una clip, ritoccarla o eseguire nuovamente un prompt testuale. Visuals debutta sul web, su iOS e Android ed è accessibile anche tramite il server MCP di Suno.
Visuals funziona con crediti separati da quelli delle canzoni e gli abbonati a pagamento possono creare il loro primo contenuto visivo gratuitamente per un periodo limitato.
| Pacchetto di crediti visivi | Prezzo annunciato |
|---|---|
| 2 500 crediti | 14,99 dollari |
| 5 500 crediti | 29,99 dollari |
| 20 000 crediti | 99,99 dollari |
| 40 000 crediti | 199,99 dollari |
| Costo video (veloce / standard) | 15 / 30 crediti al secondo |
Suno insiste sulle misure di protezione: filtri bloccano prompt e immagini che prendono di mira artisti, personaggi pubblici o opere protette, ogni video viene controllato prima di essere mostrato, Audible Magic, ACRCloud e Musixmatch filtrano l’audio protetto e una filigrana viene incorporata prima di qualsiasi condivisione fuori dalla piattaforma.
🔗 Presentazione di Visuals (Suno) · Prezzi dei crediti visivi
HeyGen lancia Avatar 6, identificato come reale nel 42,2 % dei confronti con un video autentico
17 novembre — HeyGen lancia Avatar 6, il suo nuovo modello di avatar video, che presenta come primo nell’Avatar Arena di New Measure. Il modello genera immagini native in 2K e adatta i propri gesti al significato del copione (contare, indicare, segnalare una direzione) invece di ripetere gli stessi movimenti, e può riunire due avatar nella stessa inquadratura per una conversazione tra conduttore e ospite. Si crea a partire da una foto e da un breve video di sé, dopo la verifica dell’identità.
| Test pubblicato da HeyGen | Risultato annunciato |
|---|---|
| Avatar 6 identificato come reale (fianco a fianco, 270 risposte) | 42,2 % |
| «Indistinguibilità» calcolata da HeyGen | 84,4 % (Avatar V: 44,4 %) |
| Clip autentica giudicata reale, vista da sola | 78,9 % |
| Avatar 6 giudicato reale, visto da solo, con la voce della persona | 65,1 % |
| Preferenza rispetto a Seedance 2.5 | 72,4 % |
Il dato dell’84,4 % messo in evidenza è un calcolo di HeyGen, che raddoppia il tasso del 42,2 % in cui i votanti hanno scambiato l’avatar per il video autentico. Avatar 6 è disponibile nell’app, tramite l’API e l’MCP di HeyGen, senza prezzi pubblicati.
🔗 Annuncio di HeyGen su X · Scheda del modello Avatar 6
GitHub Copilot a Microsoft Ignite: SDK 2.0 in Rust, Fusion su Terminal-Bench 4.1, code review adattiva, browser, Evals, Entra e JetBrains
17 novembre — Ignite ha portato a una quindicina di voci nel changelog di GitHub nel corso della giornata. Oltre a MAI Code 2 e GPT-6.2, trattati più sopra, ecco le novità di prodotto di Copilot.
Il Microsoft Copilot SDK 2.0 passa a un core in Rust e a un runtime condiviso tra sessioni
L’SDK che dà accesso all’harness di Copilot, rinominato Microsoft Copilot SDK il 28 ottobre, passa a una nuova versione principale. Un singolo runtime può ora ospitare numerose sessioni isolate, ciascuna con la propria identità, i propri strumenti, file e cronologia: creare una sessione non avvia più alcun container, processo o macchina virtuale. Per rendere praticabile questo modello, il runtime è stato riscritto in Rust.
| Misura pubblicata (carico preriscaldato) | CLI TypeScript | Core Rust 2.0 |
|---|---|---|
| Client + sessione + un turno | 5,25 s | 55,3 ms |
| Memoria per 10 client | 1 383 Mo | 126 Mo |
| Throughput delle sessioni | 7,55 al secondo | 120 al secondo |
L’SDK aggiunge una modalità «vuota» (nessuna shell né file system ereditato dall’host), un registro di sessione e un sessionFs per riprendere una sessione da un’altra istanza. La versione introduce modifiche incompatibili (opzioni raggruppate, protocollo SDK 4, ridenominazioni per Python e Rust) e resta disponibile in TypeScript, Python, Go, .NET, Java e Rust.
🔗 Microsoft Copilot SDK 2.0 (Command Line) · Release v2.0.0
Copilot Fusion entra nella classifica Terminal-Bench 4.1 e arriva su github.com, Visual Studio e mobile
GitHub pubblica i primi risultati di Copilot Fusion, la modalità che sceglie e coordina i modelli in base al livello di impegno, in una classifica pubblica. Su Terminal-Bench 4.1, ospitato da Stanford, Harbor e dal Laude Institute, Copilot Fusion Max raggiunge il 71,2 % di risoluzione, 5,4 punti in più rispetto a Opus 5.5 e Fable 5.2, a un costo inferiore dell’88 % rispetto a Fable 5.2 e del 57 % rispetto a Opus 5.5, secondo GitHub. Fusion diventa selezionabile su github.com, in Visual Studio e nelle app beta di GitHub Mobile, e il suo catalogo si amplia: Claude Sonnet 5.5 entra nel livello Max, GPT-6.1 Terra nel livello High e MAI-Code-2 nel livello Standard.
🔗 Changelog GitHub: Copilot Fusion
La code review di Copilot sceglie autonomamente il livello di impegno, rileva i segreti e passa in GA su Azure DevOps
Con Adaptive, in anteprima pubblica da Pro a Enterprise, Copilot valuta la complessità e il rischio di ogni pull request e sceglie autonomamente il livello di impegno Lite, Balanced o Max; il livello scelto viene mostrato e non supera mai il limite fissato dall’amministratore. Altre due funzioni entrano in anteprima pubblica: la lettura di repository pubblici collegati per individuare il codice che dipende dalla modifica e il rilevamento dei segreti esposti nelle pull request, che combina oltre 500 rilevatori basati su espressioni regolari con un rilevamento tramite IA dei segreti privi di un formato riconoscibile. Una pagina Repository insights monitora quattro indicatori, tra cui i commenti di Copilot gestiti e le pull request unite senza la sua revisione. Infine, la code review per Azure Repos passa alla disponibilità generale, fatturata in crediti IA GitHub sull’abbonamento Azure.
🔗 Changelog GitHub: code review adattiva · Repository insights
Copilot agisce nel browser grazie a un’estensione Chrome, l’app si apre ad Azure DevOps
Associato alla nuova estensione GitHub Copilot in Chrome, il browser use passa in anteprima pubblica in Copilot CLI, nell’app GitHub Copilot, in VS Code e in JetBrains: Copilot compila moduli, estrae informazioni dalle pagine web o testa l’applicazione in fase di sviluppo, in un gruppo isolato di schede di un browser Chromium (Chrome, Edge) in cui è già stato effettuato l’accesso. La funzione è disattivata per impostazione predefinita e gli amministratori possono disabilitarla tramite l’impostazione gestita features.browserUse. L’app GitHub Copilot si apre anche ai repository Azure DevOps, in anteprima pubblica: un agente clona il repository, apre la pull request, risolve un commento di revisione e, con agent merge, ripara la CI e poi esegue il merge; le sessioni cloud non sono disponibili per questi repository.
🔗 Changelog GitHub: browser use · Novità dell’app GitHub Copilot per Ignite
GitHub Copilot Evals, in anteprima pubblica, testa skills, agenti e strumenti MCP
GitHub Copilot Evals, in anteprima pubblica per Copilot Individual, Business ed Enterprise, serve a verificare che una configurazione di Copilot continui a funzionare quando cambiano i suoi prompt, modelli, skills o strumenti. Una eval descrive un’attività realistica e ciò che costituisce un buon risultato, poi controlla sia il risultato sia il percorso seguito dall’agente. Tramite il comando /eval o in linguaggio naturale, si crea una eval per una skill, un agente personalizzato o uno strumento MCP, la si esegue (ogni esecuzione viene approvata prima dell’avvio) e si confrontano le esecuzioni prima e dopo una modifica. Lo strumento si basa su Vally, un motore di valutazione locale, e si installa come estensione di VS Code o come plugin di Copilot CLI e dell’app.
🔗 Changelog GitHub: Copilot Evals
Copilot CLI accetta l’accesso con Microsoft Entra e le licenze Microsoft 365 Copilot
Copilot CLI accetta l’accesso tramite Microsoft Entra, in anteprima pubblica su Windows e macOS, mentre Linux seguirà in seguito. Nelle aziende i cui account EMU passano tramite OIDC, l’identità Entra effettua automaticamente l’accesso all’account GitHub collegato, con una licenza Copilot Business o Enterprise. Una novità ancora più inedita: le organizzazioni del programma Frontier che dispongono di una licenza Microsoft 365 Copilot con fatturazione a consumo possono usare Copilot CLI senza un account GitHub: l’inferenza passa in questo caso tramite Microsoft 365 e il server MCP Work IQ aggiunge al contesto i dati di lavoro. La funzione richiede Copilot CLI 1.0.113, diventata stabile lo stesso giorno.
🔗 Changelog GitHub: accesso Entra · Copilot CLI 1.0.113
Copilot per JetBrains riceve la sandbox cloud, l’accesso remoto e la dettatura locale
Il plugin GitHub Copilot per gli IDE JetBrains raggiunge VS Code su diverse funzioni dell’agente, tutte in anteprima pubblica: una sandbox cloud che esegue le sessioni in un ambiente isolato ospitato da GitHub, un accesso remoto che permette di riprendere le conversazioni da VS Code o dall’app Copilot, il browser use con l’estensione Chrome e una dettatura vocale elaborata sul dispositivo. Il plugin supporta anche lo sviluppo remoto in split mode, permette di riorientare un agente in esecuzione (Invio) o di mettere in coda un messaggio successivo (Ctrl+Invio) e fissa Copilot Fusion in cima ai modelli. Sul fronte aziendale, le impostazioni gestite ora disabilitano Claude e Codex salvo eccezioni e gli IDE 2025.2 non sono più supportati.
🔗 Changelog GitHub: Copilot per JetBrains
Claude Platform apre la fatturazione collegata, Warp la propone nel suo piano Enterprise
17 novembre — Anthropic rende disponibile in beta la fatturazione collegata (linked billing) su Claude Platform. Finora, usare l’API Claude in uno strumento di terze parti significava spesso affidargli una chiave API, che funziona come una password. Con la fatturazione collegata, il cliente collega la propria organizzazione Claude Platform alla piattaforma di terze parti e l’utilizzo gli viene fatturato direttamente, senza che alcuna chiave passi di mano.
Per i fornitori di software, Anthropic gestisce il percorso di approvazione e la fatturazione: possono vedere, cliente per cliente, il numero di richieste, i token e i modelli utilizzati, nella Console o tramite l’API Usage and Cost Analytics (beta), e decidere a ogni richiesta chi paga, loro o il cliente. Dal lato del cliente, un utente con ruolo Owner, Admin o Billing approva il collegamento una volta per tutta l’organizzazione, imposta un limite di spesa mensile per piattaforma e può scollegarla in qualsiasi momento; l’utilizzo può essere coperto da un impegno di spesa Anthropic esistente oppure pagato a consumo. Un aspetto da conoscere: le richieste vengono eseguite nell’organizzazione della piattaforma, quindi le impostazioni dell’organizzazione del cliente (elenco degli indirizzi IP consentiti, chiavi di cifratura, conservazione dei dati) non si applicano. Diciannove piattaforme la supportano fin dal lancio, tra cui Asana, Factory, Linear, Ramp, Railway, Tines e Warp.
🔗 Fatturazione collegata su Claude Platform (Anthropic) · Annuncio di @ClaudeDevs su X
Warp introduce la fatturazione collegata con Claude Platform nel piano Enterprise
17 novembre — Warp, una delle 19 piattaforme presenti al lancio, illustra la propria implementazione. Un’azienda collega la propria organizzazione Claude a Warp tramite OAuth, senza condividere chiavi API, e l’utilizzo di Claude da parte del Warp Agent viene fatturato direttamente da Anthropic, alle sue tariffe API; il limite di spesa si imposta, e il collegamento si interrompe, dalla pagina Linked Platforms della Claude Console. La documentazione riserva la funzione a Warp Enterprise: lo spazio di lavoro condivide un unico collegamento, che ogni team sceglie se attivare. Copre l’agente su desktop, CLI, web e cloud, inclusi i sottoagenti, ma non Claude Code né l’utilizzo tramite Amazon Bedrock o Vertex AI, e gli abbonamenti Claude Pro, Max, Team ed Enterprise non possono finanziarla. Se Anthropic rifiuta una richiesta per mancanza di fondi collegati, Warp può addebitarla al saldo Warp del team.
🔗 Warp ora supporta la fatturazione collegata con Claude Platform · Documentazione di Warp
Agenti di programmazione: Claude Code 2.1.326, la verifica secondo il team Claude Code, Mistral Vibe Desktop, Antigravity 2.33, Replit Desktop e le app Android di AI Studio
Claude Code 2.1.326: Code Mode con gli agent teams, sandbox rafforzata e 233 correzioni
16 novembre — Claude Code 2.1.326 è una versione corposa: 367 voci, tra cui 233 correzioni. Tra le novità, Code Mode, la modalità sperimentale arrivata con la 2.1.323, in cui Claude scrive script che concatenano più chiamate a strumenti, funziona ora con i team di agenti (agent teams): secondo la documentazione, i membri del team passano a Code Mode nella visualizzazione predefinita, ma non nei riquadri separati. Il 17 novembre, @ClaudeDevs l’ha messo in evidenza per la prima volta; rimane disattivato per impostazione predefinita e si attiva con CLAUDE_CODE_EXPERIMENTAL_CODE_MODE=1.
Anche Remote Control fa progressi: le risposte di una sessione avviata con claude remote-control, da Claude Desktop o da VS Code vengono visualizzate sul telefono o nel browser man mano che vengono scritte. Nelle organizzazioni con configurazione HIPAA «Claude Code + Cowork», le sessioni del terminale e di VS Code si avviano ora in modalità auto, con un classificatore lato server su una connessione diretta all’API.
Buona parte della versione rafforza la sicurezza: la sandbox non scrive più per impostazione predefinita in alcune cartelle sensibili della directory personale (sandbox.filesystem.allowWrite per autorizzarne la scrittura), gli strumenti per i file rifiutano di scrivere in .credentials.json, i sottoagenti isolati in un worktree non possono più riscrivere branch condivisi e un maggior numero di comandi richiede conferma, compresi alcuni in modalità bypass permissions. Per contro, un plugin rifiutato a causa di un campo di visualizzazione malformato in plugin.json viene ora caricato con i suoi hook e server MCP: gli amministratori devono verificare ciò che distribuiscono. Due cambiamenti incidono sulla fattura: la skill /claude-api costruisce per impostazione predefinita i propri agenti su Managed Agents, e la compattazione automatica in plan mode usa il modello che risponde (Opus con opusplan), il che può costare di più. Il contesto di /update-config passa da circa 93 000 a 13 000 token, e browser_batch di Claude in Chrome sale a 150 secondi.
| Tipo di voce (v2.1.326) | Numero |
|---|---|
| Correzioni (Fixed) | 233 |
| Modifiche (Changed) | 62 |
| Miglioramenti | 59 |
| Aggiunte (Added) | 11 |
| Rimozioni (Removed) | 2 |
Tra le correzioni, diverse prevengono perdite silenziose: claude purge poteva eliminare i dati di un progetto alla pressione di un Invio invisibile quando il suo output veniva reindirizzato, il menu del limite di spesa rimuoveva il limite mensile senza chiedere conferma e due chiamate MCP parallele potevano scambiarsi i risultati. L’SDK Agent TypeScript 0.3.326 invia i server MCP nella richiesta di inizializzazione (mcpServersDelivery: 'initialize') anziché sulla riga di comando, che per ora resta l’opzione predefinita. La 2.1.327 è già sul canale next di npm dal 17 novembre, senza note di rilascio.
🔗 Claude Code v2.1.326 · Documentazione di Code Mode
Come il team Claude Code fa verificare il codice scritto da Claude, dalla skill verify al filtro dei commit
16 novembre — Dopo la revisione del codice di ottobre, il team Claude Code spiega sul blog claude.dev come fa verificare il lavoro di Claude, che scrive e rilegge circa il 90 % del suo codice. Addy Osmani vi sostiene un’idea semplice: cicli di verifica affidabili permettono di eseguire decine di sessioni in parallelo. In un test interno sulla generazione di file strutturati, un correttore separato, che valuta il risultato rispetto a una griglia, ha migliorato il tasso di successo fino a 10 punti. L’articolo raccomanda prima i test end-to-end, poi i test di proprietà e i test differenziali, utili per le migrazioni. All’interno del team, una skill verify descrive come avviare e testare l’applicazione, Claude chiama un essere umano dopo tre tentativi falliti e una checklist di affidabilità di 39 punti, ciascuno attivato da ciò che mostra il diff, sostituisce la memoria degli incidenti. Il file REVIEW.md che guida Code Review viene sempre letto sul branch di base, affinché una modifica non possa cambiare la regola che la valuta, e un filtro dei commit (modalità off, observe, enforce) può bloccare un commit se la sessione non ha eseguito né /code-review né /verify.
🔗 Come il team Claude Code concepisce la verifica (claude.dev)
Mistral lancia l’applicazione desktop di Vibe e offre tre mesi di Vibe Pro agli sviluppatori europei
17 novembre — Mistral spinge Vibe, il suo assistente per il lavoro e la programmazione (ex-Le Chat), su due fronti. Prima un’applicazione desktop per macOS e Windows, Vibe Desktop: si affidano più attività contemporaneamente, si osservano gli agenti lavorare fianco a fianco, poi si rileggono i loro diff e si seguono le pull request nella stessa finestra. Già citata nelle note della CLI a ottobre, l’applicazione è ora scaricabile dalla pagina del prodotto. Poi un’offerta mirata: tre mesi di Vibe Pro gratuiti per gli sviluppatori in Europa con il codice LECHONK, in quantità limitata, poi 14,99 euro al mese, con disdetta possibile in qualsiasi momento. Un’ora dopo il primo tweet, Mistral annunciava di aver esaurito i codici del giorno. Mistral presenta Vibe e Mistral Large 4 (Le Chonk) come la migliore coppia aperta di modello e harness, davanti a GLM e DeepSeek nella programmazione, senza fornire cifre nel suo thread; gli ultimi risultati pubblicati per Large 4, il 29 ottobre, erano del 19,7 % su FrontierCode 2.0 e del 41 % su Terminal-Bench 4.0.
🔗 Annuncio di Mistral AI su X · Pagina del prodotto Vibe
Antigravity 2.33.0 si collega a macchine Linux remote tramite SSH e integra le pull request GitHub
17 novembre — La versione 2.33.0 dell’applicazione Antigravity porta l’agente fuori dalla macchina locale. Si collega tramite SSH a una macchina Linux remota a 64 bit, installa autonomamente il proprio server tramite OpenSSH a partire da ~/.ssh/config e vi esegue progetti, worktree Git, agenti e terminali, che continuano a funzionare anche dopo la chiusura della finestra. I link alle pull request GitHub diventano indicatori di stato aggiornati in tempo reale, con una sezione dedicata nel pannello Overview. La versione rende disponibili anche /swarm e i pannelli dei plugin agli account professionali e aziendali se l’amministratore lo consente, aggiunge sette plugin di partner (Cloudflare, Grafana Cloud, SonarQube, incident.io, Better Stack, Tavily, Levels.fyi) e accetta nel pannello laterale file multimediali fino a 200 Mo, per un totale di 16 miglioramenti e 21 correzioni. Il giorno prima, la 2.32.2 aveva trasformato le domande secondarie /btw in una scheda di conversazione a più turni, con strumenti in sola lettura. Sul fronte del terminale, Antigravity CLI 1.5.9, datata 14 novembre, rende disponibile a tutti lo strumento run_workflow, che fa scrivere all’agente uno script Python per distribuire il lavoro tra numerosi sottoagenti, e corregge una fuga di dati: gli header di un server MCP HTTP, come una chiave API, potevano essere inviati a un altro host durante un reindirizzamento.
Replit Desktop arriva sul Microsoft Store, con un agente che lavora sulle cartelle locali
17 novembre — Annunciata in anteprima con Microsoft il 7 ottobre, l’applicazione Replit Desktop è disponibile sul Microsoft Store. L’Agent di Replit lavora sui file delle cartelle che l’utente sceglie di condividere: costruisce strumenti, analizza dati locali e ne ricava report condivisibili tramite il cloud di Replit. Le applicazioni vengono costruite ed eseguite in locale, ogni build nella propria sandbox basata sui Microsoft Execution Containers e su NVIDIA OpenShell; la pagina del prodotto precisa che questo isolamento si applica ai dispositivi Windows e macOS compatibili e propone anche versioni Linux. Replit non indica né prezzi né piani.
🔗 Annuncio di Replit su X · Pagina di Replit Desktop
Google AI Studio crea applicazioni Android complete, con database, accesso Google e pubblicazione su Google Play
17 novembre — Con Gemini 4 Carbon e Hydrogen, l’agente Build di Google AI Studio parte da un prompt per fornire un’applicazione Kotlin con database, accesso degli utenti e funzioni di IA. Quando il prompt descrive queste esigenze, propone di effettuare autonomamente il provisioning del backend: un database Cloud Firestore con le sue regole di sicurezza, Firebase Authentication con Google Sign-In e chiamate ai modelli Gemini tramite Firebase AI Logic e App Check, affinché la chiave API non compaia mai nell’APK. Finora, le applicazioni Android generate in AI Studio conservavano i propri dati soltanto nella sessione locale. Basta poi un account Google standard per pubblicare l’applicazione nella propria libreria Google Play personale: AI Studio costruisce e firma il bundle, che si installa quindi sul telefono. L’emulatore integrato trasmette in HD 1200p con audio e una cattura dello schermo può essere allegata al prompt con un clic.
🔗 Crea app Android full-stack con Gemini in Google AI Studio
Modelli aperti e inferenza: Olala mini 7A1B di OVHcloud, Qwen3.8-27B adattato all’harness pi, Together Compiler
OVHcloud annuncia Olala mini 7A1B, primo modello della sua famiglia di LLM, addestrato su supercomputer pubblici europei
17 novembre — OVHcloud entra nella corsa ai modelli linguistici con Olala, la sua prima famiglia di LLM. Il primo modello, Olala mini 7A1B, conta 7 miliardi di parametri, di cui 1 miliardo attivato a ogni richiesta, organizzati in una miscela di esperti (Mixture of Experts, MoE) di 256 esperti per livello, con un’attenzione ibrida che combina Differential-TPA e Mamba-3. È stato addestrato da zero su tre supercomputer pubblici europei, Jupiter, MeluXina e Jean Zay, grazie a un sostegno che OVH quantifica in 7 milioni di euro di ore di calcolo.
| Caratteristica dichiarata | Olala mini 7A1B |
|---|---|
| Parametri | 7 miliardi totali, 1 miliardo attivo |
| Architettura | MoE, 256 esperti per livello, Differential-TPA + Mamba-3 |
| Contesto | 32 000 token (128 000 previsti nella v1.1) |
| Throughput dichiarato | 160 tokens/s su RTX A4500, 50 tokens/s senza GPU |
| Memoria GPU minima | 8 Go |
| Licenza dichiarata | Apache 2.0, su Hugging Face |
I pesi non sono ancora presenti su Hugging Face: il comunicato annuncia che il modello vi «sarà disponibile» con licenza Apache 2.0, insieme ai suoi pesi, al suo modello di base preaddestrato, a un rapporto tecnico e a una documentazione di conformità all’AI Act. Il lancio ufficiale è previsto all’OVHcloud AI Summit del 19 novembre. Per il momento non è stato pubblicato alcun benchmark. Primo cliente citato, Qwant lo usa già per le sue risposte flash, con risposte più rapide del 20 % e costi operativi ridotti a un terzo, secondo OVH. Le prossime tappe sono delineate: una v1.1 entro la fine dell’anno, con un contesto di 128 000 token e un migliore ragionamento matematico, poi una v2.0 con oltre 100 miliardi di parametri, in varianti per l’IA agentica in azienda, il DevOps cloud e la cybersicurezza. Per Octave Klaba, PDG di OVHcloud, il costo di addestramento si è ridotto a un ventesimo in tre anni, e OVH non vuole dipendere dalla generosità di pochi laboratori per disporre di modelli aperti.
🔗 Annuncio di OVHcloud su X · Comunicato di OVHcloud
Qwen3.8-27B-pi-adapted: un adattatore LoRA porta Qwen3.8-27B dal 29,4 al 62,7 % su SWE-bench Pro nell’harness pi
17 novembre — Il progetto harness-hub, portato avanti da team di Hugging Face, pubblica Qwen3.8-27B-pi-adapted, un adattatore LoRA con licenza Apache-2.0 che specializza Qwen3.8-27B per fungere da modello nell’harness dell’agente di programmazione pi. È stato addestrato tramite apprendimento per rinforzo (GRPO asincrono di TRL) direttamente nell’harness, e i pesi sono sul Hub, con una versione GGUF per llama.cpp.
| Benchmark misurato (harness pi, pass@1) | Qwen3.8-27B | Con l’adattatore | Chiamate a strumenti per task |
|---|---|---|---|
| SWE-bench Pro (51 task più difficili) | 29,4 % | 62,7 % | -55 % |
| Terminal-Bench 2.1 (86 task) | 39,5 % | 55,8 % | -62 % |
| Terminal-Bench 2.1 (68 task riservati) | 39,7 % | 55,9 % | -64 % |
Il team analizza separatamente i 68 task di Terminal-Bench che non sono stati usati per scegliere il checkpoint, sui quali il guadagno rimane di 16,2 punti; questa scelta si è invece basata anche sui punteggi di SWE-bench Pro. È il seguito del progetto presentato il 6 novembre, e younes annuncia altri adattatori nei prossimi giorni.
🔗 Scheda di Qwen3.8-27B-pi-adapted (Hugging Face) · Annuncio di younes su X
Together AI racconta la genesi di Together Compiler, il 28 % più veloce dei suoi precedenti megakernel su B200
16 novembre — Due settimane dopo il lancio di Together Compiler, il team di ricerca di Together AI pubblica il racconto della sua progettazione: l’anno scorso sviluppava megakernel, kernel GPU scritti a mano; quest’anno li ha abbandonati. Secondo il post, Together Compiler, che affida agli agenti la riscrittura e la fusione dei kernel di un modello, supera del 28 % i megakernel scritti a mano su B200 (2 118 contro 1 649 tokens/s su Llama 3.2 1B). I megakernel erano veloci, ma così rigidi che dopo mesi di lavoro solo uno è stato utilizzato in produzione, per un modello, una dimensione del batch e un cliente; due primitive NVIDIA, CUDA Graphs e PDL, raggiungono il 98 % delle loro prestazioni senza scrivere kernel.
| Configurazione misurata (Llama 1B, H100) | Tokens/s | Percentuale del megakernel |
|---|---|---|
| Torch Compile (Inductor) | 669 | — |
| + CUDA Graphs | 864 | 87 % |
| + PDL posizionato in modo mirato | 975 | 98 % |
| Megakernel scritto a mano | 990 | 100 % |
Sul fronte degli agenti, una base di conoscenza ha ridotto l’accelerazione finale del 19 %, mentre una comunicazione frequente tra agenti e un’istruzione minima hanno dato i risultati migliori.
🔗 Il percorso verso Together Compiler (Together AI)
NVIDIA per la scienza: Nemotron for Science, una piattaforma con 192 CPU Vera scelta dal DKRZ, il DGX Spark HPC Developer Kit
Nemotron for Science, un insieme aperto di modello, dati e ricette per gli agenti scientifici
16 novembre — A SC26, Ian Buck ha presentato Nemotron for Science, un insieme aperto destinato agli agenti scientifici. Combina il modello multimodale Nemotron 3.5 Super VL, LitmusBench, un nuovo dataset di chimica con quasi 50 000 domande (solubilità, metabolismo), e ricette di post-training NeMo Gym e NeMo RL per adattare il modello a un dominio partendo da dati sperimentali, sia su un DGX Spark sia su un supercomputer. NVIDIA mette in evidenza i risultati dei suoi partner: Lila Sciences afferma di aver quasi raddoppiato l’accuratezza nella sintesi di punti quantici, portandola al 61 % contro il 54 % di GPT-6 Astra, con un costo di inferenza da 10 a 20 volte inferiore; Terray Therapeutics riconosce circa il 76 % delle reazioni negli schemi chimici nel test RxnScribe; e un agente del KTH ha corretto l’81 % delle configurazioni GROMACS malfunzionanti in una notte su un solo DGX Spark.
🔗 Nemotron for Science (NVIDIA) · Post tecnico sul post-training
Una piattaforma rack con 192 CPU Vera per il calcolo scientifico, scelta dal DKRZ
16 novembre — NVIDIA propone il suo processore Vera in una piattaforma per le simulazioni non accelerate da GPU: un rack raffreddato a liquido con 192 CPU Vera, ciascuna con 88 core Olympus, circa 300 To di memoria e oltre 200 To/s di banda di memoria aggregata. Secondo i test di NVIDIA, Vera raggiunge prestazioni pari a 1,9 volte e prestazioni per watt pari a 2,4 volte quelle dei sistemi x86 in una simulazione di flusso OpenFOAM. Primo cliente annunciato, il centro tedesco di calcolo per il clima (DKRZ) la installerà nel suo supercomputer HLRE-5, costruito da Bull e previsto per l’inizio del 2028. I rack saranno proposti da Dell, HPE, Lenovo e Supermicro a partire dall’inizio del 2027, e NVIDIA pubblica HPC SDK 26.11 con un nuovo compilatore Fortran in anteprima.
🔗 La piattaforma Vera per la scienza (NVIDIA)
Il DGX Spark HPC Developer Kit, un cluster di quattro DGX Spark per la scrivania dei ricercatori
16 novembre — NVIDIA presenta un kit di sviluppo HPC basato su quattro DGX Spark collegati ad anello tramite ConnectX-7, senza switch. L’insieme offre 512 Go di memoria e 16 To di archiviazione, sufficienti per eseguire in locale modelli fino a 700 miliardi di parametri in NVFP4, e dovrebbe consentire ai ricercatori di sviluppare ed effettuare il debug di simulazioni su più nodi prima di consumare le ore a loro disposizione sui supercomputer; LAMMPS e NAMD sono stati dimostrati sui quattro nodi. Il kit è in vendita presso nove produttori, tra cui Acer, ASUS, Dell, HP e Lenovo, e su NVIDIA Marketplace, senza un prezzo pubblicato; il playbook che installerà HPC SDK è annunciato in arrivo a breve.
🔗 DGX Spark HPC Developer Kit (blog NVIDIA)
IA e cybersicurezza: la NATO e le agenzie europee utilizzano i modelli cyber di OpenAI, GitHub e Microsoft consegnano 99 rapporti verificati ai maintainer
La NATO e alcune agenzie europee utilizzano i modelli cyber di OpenAI tramite Daybreak
17 novembre — OpenAI illustra come i suoi modelli di cybersicurezza siano già al servizio della difesa della NATO e di diversi paesi alleati. Con l’Agenzia per le comunicazioni e l’informazione della NATO (NCIA), le istituzioni centrali dell’Alleanza accedono a modelli cyber avanzati e hanno consumato fino a 300 miliardi di token al mese. OpenAI ha inoltre sostenuto l’esercitazione Crossed Swords 2026, in cui un nuovo modulo di formazione prevedeva la costruzione e la valutazione di agenti IA per operazioni cyber con Daybreak, sotto supervisione umana. L’ENISA, l’ANSSI e le agenzie tedesca e polacca hanno accesso a questi modelli, e l’Ucraina utilizza Daybreak per proteggere le proprie infrastrutture civili. I risultati citati sono concreti: quattro vulnerabilità corrette nei software delle istituzioni europee, individuate dall’ENISA; sei vulnerabilità di MikroTik RouterOS individuate da CERT Polska; e un rapporto dell’ENISA e del CERT-EU in cui il 95 % degli 88 potenziali problemi sottoposti ai maintainer si è rivelato reale, considerando tutti i modelli testati. Il post non cita alcun importo contrattuale.
🔗 Rafforzare le difese cyber della NATO e degli alleati con l’IA (OpenAI)
GitHub e Microsoft trasformano migliaia di segnalazioni IA in 99 rapporti verificati per sei progetti open source
17 novembre — GitHub e Microsoft pubblicano il bilancio di un progetto pilota pensato per contrastare la valanga di rapporti sulle vulnerabilità generati dall’IA che sommerge i maintainer. Codename MDASH, il framework di analisi agentica di Microsoft Security, ha analizzato sei progetti (AutoGPT, Caddy, Express, FastMCP, ImageMagick e Netty) con il modello MAI Cyber e ha proposto correzioni. Un agente di triage del GitHub Security Lab, basato su skill Copilot, ha eliminato duplicati e falsi positivi, poi sette ricercatori del Microsoft FORGE Lab hanno verificato manualmente ogni segnalazione rimanente, in circa due giorni per progetto.
| Fase del progetto pilota MDASH | Valore pubblicato |
|---|---|
| Segnalazioni grezze (secondo il tweet di GitHub) | 9 791 |
| Rapporti privati inviati ai maintainer | 99 |
| Rapporti risolti al 15 novembre | 55 |
| Correzioni già pubblicate in una versione | 14 |
Caddy ha risolto tutti i suoi 22 rapporti in una settimana o meno. GitHub ne ricava tre lezioni: le correzioni contano più delle scoperte, la verifica umana rimane indispensabile ma non è ancora scalabile, e i maintainer hanno bisogno di modelli competenti in cybersicurezza per verificare i proof of concept. Tutti i progetti già sostenuti dal GitHub Secure Open Source Fund riceveranno analisi verificate prima dell’invio e un accesso a Copilot Max.
🔗 Ai maintainer non servono altri rapporti sui bug generati dall’IA, servono correzioni (GitHub) · Tweet di GitHub
IA e robotica: un plugin Robotics per Antigravity con Gemini 4 Hydrogen, il dataset video HubEgo-100K
Google lancia un plugin Robotics per Antigravity e presenta Gemini 4 Hydrogen come modello di robotica generalista
17 novembre — Google trasforma Antigravity in un laboratorio di robotica. Il nuovo plugin Robotics riunisce skill che Gemini esegue per lo sviluppatore: installazione dei driver, rilevamento delle telecamere, calibrazione del braccio e movimenti di prova a partire da un cavo USB, scene MuJoCo costruite in Antigravity, percezione e controllo ad anello chiuso, quindi generazione dell’applicazione completa. Il modello in evidenza è Gemini 4 Hydrogen: nel benchmark Artificial Analysis Robotics 0.1, in cui un vero braccio a 6 assi esegue in sequenza 8 attività quotidiane su un tavolo, ottiene 58, un punteggio vicino a quello di Argon con un costo per token inferiore, e su ERQA supera Gemini Robotics ER 2 nel ragionamento spaziale. Le dimostrazioni danno un’idea dei tempi: un braccio YAM calibrato in una decina di minuti, un sistema di smistamento di snack su nastro trasportatore validato in simulazione e poi messo in funzione in circa un’ora. Antigravity è riservato agli abbonati a pagamento Google AI Pro e Ultra; il modello resta utilizzabile nell’API Gemini e in AI Studio.
🔗 Gemini Hydrogen per la robotica (Google Developers) · Thread di Google DeepMind
Hub rende disponibile HubEgo-100K, video egocentrici di gesti professionali sotto licenza CC BY 4.0
16 novembre — Hub rende disponibile su Hugging Face HubEgo-100K, un dataset di video egocentrici di attività specializzate destinato all’apprendimento dei robot, gratuito per la ricerca e l’uso commerciale. Il nome e l’annuncio puntano a 100 000 ore provenienti da oltre 100 000 contributori; la prima versione pubblicata conta 10 000 ore filmate da 12 227 persone in 72 ore, nei loro luoghi di lavoro o durante attività professionali svolte a domicilio, in RGB con dati di unità di misura inerziale, nei formati LeRobot e MCAP, sotto licenza CC BY 4.0 e con accesso su richiesta. La scelta privilegia la diversità rispetto al volume: una mediana di 250 persone per tipo di attività, e nessuno oltre lo 0,22 % delle ore. Hub si basa su lavori presentati a ICLR 2025, secondo cui la generalizzazione di una policy robotica dipende soprattutto dal numero di ambienti e oggetti osservati.
🔗 Annuncio di Hub su X · Dataset HubEgo-100K su Hugging Face
IA vocale: ElevenLabs lancia Scribe v3 Live Medical, una trascrizione medica in tempo reale per gli agenti vocali
17 novembre — Una settimana dopo Scribe v3 Live, ElevenLabs ne pubblica una versione medica pensata per gli agenti vocali che rispondono in diretta a pazienti, assicurati e professionisti sanitari. Il modello si concentra sulle parole che un modello generalista trascrive male più spesso: nomi di farmaci, dosaggi e procedure. I team possono caricare fino a 10 000 termini specifici, riducendo secondo ElevenLabs fino al 48 % degli errori sui termini medici; il modello attende inoltre la fine di un numero dettato in più riprese e segue i cambi di lingua durante la chiamata, tra oltre 90 lingue, con una latenza di circa 150 ms.
| Banco di prova (interno a ElevenLabs) | Scribe v3 Live Medical |
|---|---|
| PriMock57 (WER) | 12,8 % |
| Fareez OSCE (WER semantico) | 0,6 % |
| Eka Medical ASR | 11 % (Scribe v3 Live: 11,54 %) |
| MED-Term inglese / tedesco / francese | 2,24 % / 2,81 % / 3,24 % |
Su PriMock57, ElevenLabs annuncia il tasso di errore più basso tra i modelli medici testati, con il 17 % di errori in meno rispetto al secondo classificato, senza nominare questi concorrenti. Il modello è disponibile da subito in ElevenAgents, idoneo all’uso conforme a HIPAA per le aziende con contratto BAA.
🔗 Scribe v3 Live Medical (ElevenLabs)
Adozione in azienda: Cognition si allea con McKinsey per misurare il valore di Devin
16 novembre — Cognition annuncia un’alleanza con McKinsey & Company per aiutare le grandi imprese a ricavare un valore misurabile dall’IA nell’ingegneria del software. Devin si occupa del lavoro di ingegneria; McKinsey aiuta i clienti a scegliere i progetti prioritari, a stabilire un riferimento per costi, velocità e qualità e a riorganizzare i team. Il post si basa su un’indagine McKinsey del secondo trimestre 2026 condotta su 334 responsabili di prodotto e ingegneria: il quarto più avanzato delle organizzazioni riporta guadagni di produttività superiori a 2 volte, mentre il 30 % rileva un calo. Cognition afferma di annoverare tra i suoi clienti sei delle otto banche statunitensi di rilevanza sistemica globale e tre dei sei principali assicuratori sanitari statunitensi, e dichiara un costo fino al 60 % inferiore. Primo caso citato: il produttore di software polacco Comarch, che sta modernizzando con Devin il suo ERP XL di 20 anni fa, in 18 mesi. Non viene comunicato alcun importo.
🔗 Cognition e McKinsey (blog Devin)
In breve
NVIDIA
- Comitato per la sicurezza nazionale e le esportazioni — Il giorno della pubblicazione dei risultati, NVIDIA istituisce un comitato permanente del consiglio di amministrazione, presieduto da Suzanne Nora Johnson, con Stephen C. Neal e John O. Dabiri; i team di sicurezza nazionale e conformità commerciale rispondono al comitato e alla CEO ad interim. 🔗 fonte
- Substrati e packaging — Kinsus moltiplicherà per oltre 3,5 la propria capacità di substrati ABF dedicata a NVIDIA (produzione nel secondo semestre 2027), SPIL amplia il packaging avanzato con un finanziamento di diversi miliardi di dollari da NVIDIA e gli accordi con Amkor si avvicinano a 3 miliardi di dollari. 🔗 fonte
- IBM, Fermilab e il quantum computing — Alcuni DGX B200 vengono installati accanto ai computer quantistici IBM, compresi quelli con processore Nighthawk, per una piattaforma comune di coprogettazione dedicata alla correzione degli errori e alla fisica delle alte energie. 🔗 fonte
Immagini e creazione
- Midjourney — Il modello di editing applica ora moodboard, codici di stile e immagini di riferimento dello stile: basta trascinare un’immagine nella barra del prompt e aggiungervi uno stile, senza scrivere un prompt; il sito alpha aggiunge un menu «change style». 🔗 fonte
- Ideogram Print on Demand Studio — Uno spazio per i venditori di prodotti stampati: individuare le tendenze, creare un motivo, vettorializzarlo o ingrandirlo, prepararlo per la stampa e visualizzarlo sul prodotto, con il modello vettoriale di Ideogram; non sono specificati prezzi né offerte. 🔗 fonte
- Laya in Luma — Luma spiega il proprio organizzatore di bacheche: l’agente principale, Orca, affida l’organizzazione al subagente Laya, che decide i raggruppamenti e lascia al codice il calcolo delle posizioni; una correzione di questo calcolo ha ridotto un test da 195 a 22 secondi. 🔗 fonte
Agenti di codice e CLI
- Codex CLI 0.171.0-alpha.12 — Tre versioni preliminari con note vuote; secondo i titoli dei loro commit, il terminale aggiunge anteprime di documenti e immagini nella barra laterale, l’annullamento nel compositore e la creazione di righe di stato personalizzate. La sera del 17 novembre è seguita una versione stabile correttiva, la 0.169.1, senza note di rilascio. 🔗 fonte
- Qwen Code v0.28.0 — Supporto per Qwen4-Max (scala nativa del livello di impegno, TTL della cache), modalità headless, interfaccia terminale e subagenti sullo stesso ciclo dell’agente per impostazione predefinita, e sessioni in worktrees gestiti nel Web Shell. 🔗 fonte
- Kimi Code 2.6.3 — Sei correzioni: l’hook Stop esterno viene nuovamente eseguito dopo ogni risposta, le notifiche delle attività in background non attivano più una risposta alla ripresa di una sessione e il demone WebBridge si aggiorna su Windows. 🔗 fonte
- Delta Personal Runners — Delta, l’ambiente di Zed per programmare con gli agenti, permette di controllare da un altro dispositivo, telefono compreso, una conversazione i cui turni vengono eseguiti sulla propria macchina;
delta runner servefa lo stesso su un server senza interfaccia. Nessun prezzo annunciato. 🔗 fonte - Note di rilascio di Devin — La barra laterale mostra le sessioni seguite tramite sottoscrizione, Mark done sostituisce l’archiviazione, una rubrica Phonebook collega le identità di ogni membro (Slack, Teams, Git, Jira, Linear) e i risultati delle verifiche di sicurezza si esportano in CSV. 🔗 fonte
- Gemini CLI — Ancora senza release dal 10 novembre, il branch main valuta ora le espressioni regolari delle regole di policy con re2js, in tempo lineare e con un limite di 2 000 istruzioni; una regola con lookahead o riferimento all’indietro viene ignorata. 🔗 fonte
- DeepSeek Harness 0.2.2-rc.4 — Quarantesima versione preliminare senza una versione stabile, limitata a due correzioni: la gestione delle risposte inattese del modello e la condivisione LiveShare nell’applicazione desktop. 🔗 fonte
Altre novità di GitHub
- Secret scanning su richiesta — Previa adesione, lo specialista security-review di Copilot esegue gli oltre 500 rilevatori di segreti di GitHub e il suo modello affinato sulle modifiche in corso, nella CLI, nell’app, nell’SDK e nella code review, in anteprima pubblica. 🔗 fonte
- Confronto tra harness — Il sito di benchmark di Copilot confronta Copilot CLI con Claude Code e Codex CLI usando lo stesso modello con lo stesso livello di impegno, in termini di tasso di risoluzione e costo per attività; il changelog non riporta cifre. 🔗 fonte
- GitHub Event Streams — In anteprima con lista d’attesa, un agente si iscrive a una pull request e riceve in diretta revisioni, commit, conflitti e cambiamenti della CI, senza interrogare continuamente l’API né esporre un webhook pubblico. 🔗 fonte
- Microsoft Agent 365 — Le aziende su GitHub Enterprise Cloud con Enterprise Managed Users possono inviarvi l’attività degli agenti Copilot, con prompt, risposte, chiamate agli strumenti e segnali di rischio in Purview e Defender. 🔗 fonte
- Agent Host Protocol — Un articolo tecnico racconta la costruzione del protocollo che trasferisce una sessione di agente da un dispositivo all’altro, con due host indipendenti, in TypeScript per VS Code e in Rust per GitHub, e librerie in sei linguaggi. 🔗 fonte
- Server MCP di GitHub 2.2.0 — Le istruzioni del server lasciano il posto a skill MCP filtrate, gli strumenti per gli avvisi di secret scanning possono nascondere i segreti e nuovi strumenti pubblici servono all’automazione degli agenti. 🔗 fonte
- Personalizzazioni solo tramite plugin — L’impostazione gestita
strictPluginOnlyCustomizationpermette agli amministratori aziendali di richiedere che skill, agenti, hook, server MCP ed estensioni di Copilot provengano da plugin o impostazioni gestite. 🔗 fonte - Riepilogo Copilot del 9 novembre — L’app GitHub Copilot aggiunge un QR code per proseguire una sessione cloud o Codespace sul telefono, la riconnessione a un server MCP senza uscire dalla conversazione e la dettatura multilingue, francese compreso. 🔗 fonte
- Dependabot — Le richieste di chiusura delegata degli avvisi restano aperte un anno invece di una settimana, su github.com e successivamente in GHES 3.24. 🔗 fonte
Modelli, ricerca e Hugging Face
- Qwen4-Max su You.com e Lebrel — Dopo OpenRouter, Vercel e Novita AI, Qwen annuncia la disponibilità di Qwen4-Max su You.com, poi su Lebrel per la programmazione agentica, senza prezzi né piani. 🔗 fonte
- TRL v1.18.1 — Versione correttiva: CLI riparata su Python 3.15 e calcolo delle ricompense di accuratezza in un processo separato, affinché una risposta patologica non blocchi più un addestramento. 🔗 fonte
- MecCog Challenge — Hugging Face e i fondatori di CASP lanciano un concorso aperto fino al 15 gennaio 2027 per collegare alla letteratura cinque ipotesi sul ruolo di APOE4 nella malattia di Alzheimer, aperto sia agli esseri umani sia agli agenti, con pubblicazione dei risultati su una rivista. 🔗 fonte
- Auto Router di OpenRouter — Secondo il benchmark AutoBench, il cui autore propone anche un router, il nuovo Auto Router sceglie il modello giusto nel 65,2 % dei casi con l’impostazione high, contro il 79,1 % del precedente; le altre impostazioni restano al livello del caso. 🔗 fonte
- Modelli non censurati come agenti — OpenUncensored, che vende l’accesso a questi modelli, ne ha sottoposti 32 a cinque attività con strumenti: quelli derivati dai migliori modelli di partenza completano il 38 % delle attività, gli altri il 28 %. 🔗 fonte
- TuHaMa — Turkish NLP Suite pubblica 52 000 esempi di discorsi d’odio in turco rivolti a 12 gruppi, tratti dal forum Ekşi Sözlük, presentati come un test di comprensione culturale dei modelli. 🔗 fonte
- TRELLIS.2 in CUDA C++ — Suvaditya Mukherjee ha fatto riscrivere da Claude questo modello 3D in CUDA C++: 5,3 volte più veloce dell’implementazione PyTorch, oppure 2,2 volte con risultati identici bit per bit, per circa 7 dollari di IA e 60 dollari di calcolo su H200. 🔗 fonte
- AI Model Hacking Hackathon — VIDRAFT apre un concorso di red teaming di ViKernel nel browser, articolato in quattro stagioni, con un montepremi di 4 500 dollari. 🔗 fonte
Robotica
- LeWAM — Kevork Sulahian ha chiesto a GPT-6 Astra di correggere la policy robotica LeWAM modificando direttamente i pesi: su 300 condizioni iniziali inedite, nessuna delle sette modifiche supera la policy originale (da -2,3 a +3,0 punti). 🔗 fonte
- TartanGround per FiftyOne — Voxel51 converte sei traiettorie di robot terrestri dal dataset di CMU AirLab (ospedale, porto, palude, città giapponese, fabbrica, centro città), con telecamera, segmentazione, lidar, posa e IMU. 🔗 fonte
IA vocale
- PostNord ed ElevenAgents — L’operatore postale nordico ha sostituito in circa 90 giorni il proprio sistema di risposta vocale svedese con un sistema multiagente: la quota di chiamate risolte senza trasferimento passa dal 45 al 60 %, prima di un’estensione a Danimarca, Norvegia e Finlandia. 🔗 fonte
- Wonderful su Together AI — Wonderful eroga su GPU NVIDIA dedicate, esclusivamente in Europa, i propri modelli vocali affinati per lingue poco supportate, con 274 ms fino alla prima frase secondo Together AI. 🔗 fonte
Aziende e istituzioni
- Revolut e Codex — In un caso di studio pubblicato da OpenAI, Revolut dichiara di aver ridotto dal 30 al 60 % il tempo dedicato alla programmazione con Codex e affida a un agente FinCrime i controlli di primo livello, lasciando all’essere umano la decisione finale. 🔗 fonte
- Grok Bots in SpaceXSI — Cinque Grok Bots gestiscono il ciclo di fatturazione e incasso del team contabile: una fattura emessa in pochi minuti invece di circa 24 ore e una riconciliazione dei pagamenti ridotta da 3 o 4 ore a 30 minuti, secondo SpaceXSI. 🔗 fonte
- OpenAI for Chile — Protocollo d’intesa con il ministero cileno della Scienza per esplorare l’IA nella pubblica amministrazione, la formazione dei funzionari e il sostegno alle startup, senza impegni di investimento né di acquisto. 🔗 fonte
- Crunchbase in Cohere North — Dopo PitchBook, gli agenti di North accedono a oltre sette milioni di profili aziendali e alle previsioni di Crunchbase, per i clienti che dispongono di una licenza Crunchbase e dell’autenticazione unica. 🔗 fonte
- Guida RAG di Perplexity — Una quinta guida da ottobre sulla generazione aumentata dal recupero di informazioni: vantaggi, architetture, casi d’uso e differenze rispetto a un LLM da solo, a MCP o a un’API, senza novità di prodotto. 🔗 fonte
Che cosa significa
Il costo per attività diventa l’argomento principale dei lanci dei modelli. OpenAI non vende GPT-6.2 puntando su un record isolato, ma su punti guadagnati con meno token e un prezzo di Astra in calo, e aggiunge finestre di esecuzione di 2 e 8 ore più economiche per gli agenti che possono aspettare. Microsoft presenta MAI Code 2 come il 96 % di Claude Opus 5.5 al 5 % del costo, GitHub colloca Copilot Fusion davanti a Opus 5.5 e Fable 5.2 con un costo inferiore dell’88 % rispetto a Fable, e Perplexity mostra accanto a ogni punteggio WANDR il relativo costo per attività. Questi confronti restano quelli dei produttori, con le loro condizioni: prezzo promozionale per MAI Code 2, migliore configurazione di ogni modello per OpenAI e Fable 5.2 che mantiene il primato nell’Intelligence Index e su FrontierCode 2.0.
Gli agenti passano dall’attività all’obiettivo. Devin Bots riceve una responsabilità, Replit Missions un risultato da raggiungere entro un budget, Gemini Tasks un mandato per telefonare e pagare, e Multiagent distribuisce una pratica tra un team di modelli. Le misure di controllo cambiano natura con questa autonomia: tetto di spesa e approvazioni nell’accordo di missione di Replit, limite di spesa e negozi autorizzati per Gemini, macchina virtuale isolata per ogni attività e casella «Needs You» per Cognition. Le cifre dichiarate, come le 1 134 PR dell’Android Bot o il fattore 19 dello sciame NumPy, sono quelle dei produttori sui propri progetti.
Il modello diventa intercambiabile e il valore si sposta verso il livello che lo sceglie e lo fattura. L’Orchestrator di Perplexity passa da un fornitore all’altro e aggira persino i rifiuti di un modello affidando l’attività a un altro, Multiagent e Copilot Fusion combinano modelli concorrenti, e la fatturazione collegata di Claude Platform permette di pagare l’API di Anthropic da Warp, Linear o Ramp senza mai condividere una chiave. Per i modelli aperti, la stessa logica opera su piccola scala: un semplice adattatore LoRA più che raddoppia il punteggio di Qwen3.8-27B sulle 51 attività più difficili di SWE-bench Pro in un dato harness, e OVHcloud addestra Olala su supercomputer pubblici europei per non dipendere dai pesi pubblicati da altri.
La cybersicurezza resta il terreno in cui queste capacità preoccupano e sono utili allo stesso tempo. GPT-6.2 raggiunge la soglia Critical in ambito cyber e, per Astra, la soglia High nell’automiglioramento dell’IA, il che si traduce in misure di controllo più rigorose che ostacolano anche ricercatori legittimi. Allo stesso tempo, la NATO, l’ENISA e l’ANSSI utilizzano i modelli cyber di OpenAI, e il progetto pilota MDASH di GitHub e Microsoft mostra che un avviso generato dall’IA aiuta un manutentore solo dopo essere stato classificato, verificato e consegnato insieme alla relativa correzione: 99 segnalazioni selezionate tra migliaia di avvisi, di cui 55 già risolte.
Fonti
- Post di lancio di GPT-6.2 Astra e Sol (OpenAI)
- Scheda di sistema di GPT-6.2
- @OpenAIDevs su X: Ultrafast e API
- Astra for Law su GPT-6.2 Astra (OpenAI)
- Changelog dell’API OpenAI
- Guida alla modalità in background (OpenAI)
- Changelog GitHub: GPT-6.2 Astra e GPT-6.2 Sol
- Perplexity su X: GPT-6.2 in Search e Computer
- Risultati del terzo trimestre dell’esercizio 2027 (NVIDIA)
- Transizione alla direzione generale di NVIDIA (12 novembre)
- Dichiarazione degli amministratori indipendenti di NVIDIA (10 novembre)
- Changelog GitHub: MAI Code 2 e MAI Code 2 Flash
- Annuncio di MAI Code 2 (Microsoft AI)
- Presentazione di Orchestrator (Perplexity)
- Orchestrator: un’unica API per un’inferenza affidabile (Perplexity)
- Presentazione di Multiagent (Perplexity)
- @perplexity_ai su X: Multiagent
- Presentazione di Devin Bots (Cognition)
- @cognition su X: Devin Bots
- Presentazione di Replit Missions
- Repository DataCat (Replit)
- Tasks in Gemini (blog Google)
- Google Wallet su iOS negli Stati Uniti
- Kling Image 4.0 (blog Kling)
- Kling su X: Kling Image 4.0
- Presentazione di Visuals (Suno)
- Prezzi dei crediti visivi di Suno
- HeyGen su X: Avatar 6
- Scheda del modello Avatar 6 (HeyGen)
- Microsoft Copilot SDK 2.0 (Command Line)
- Copilot SDK v2.0.0
- Changelog GitHub: Copilot Fusion
- Changelog GitHub: code review adattiva
- Changelog GitHub: Repository insights
- Changelog GitHub: browser use
- Changelog GitHub: app GitHub Copilot a Ignite
- Changelog GitHub: Copilot Evals
- Changelog GitHub: accesso con Entra in Copilot CLI
- Copilot CLI 1.0.113
- Changelog GitHub: Copilot per JetBrains
- Fatturazione collegata su Claude Platform (Anthropic)
- @ClaudeDevs su X: fatturazione collegata
- Warp ora supporta la fatturazione collegata con Claude Platform
- Documentazione di Warp sulla fatturazione collegata
- Claude Code v2.1.326
- Documentazione di Code Mode
- L’approccio del team di Claude Code alla verifica (claude.dev)
- Mistral AI su X: Vibe Desktop e Vibe Pro
- Pagina del prodotto Vibe (Mistral AI)
- Changelog di Antigravity
- Replit su X: Replit Desktop
- Pagina di Replit Desktop
- Creare app Android full-stack con Gemini in Google AI Studio
- OVHcloud su X: Olala mini 7A1B
- Comunicato di OVHcloud su Olala mini
- Scheda di Qwen3.8-27B-pi-adapted (Hugging Face)
- younes su X: Qwen3.8-27B-pi-adapted
- Il percorso verso Together Compiler (Together AI)
- Nemotron per la scienza (NVIDIA)
- Post-training di Nemotron per un ambito scientifico (NVIDIA)
- La piattaforma Vera per la scienza (NVIDIA)
- DGX Spark HPC Developer Kit (blog NVIDIA)
- Rafforzare le difese informatiche della NATO e degli alleati con l’AI (OpenAI)
- I maintainer non hanno bisogno di altre segnalazioni di bug generate dall’AI, ma di correzioni (GitHub)
- GitHub su X: progetto pilota MDASH
- Gemini Hydrogen per la robotica (Google Developers)
- Google DeepMind su X: plugin Robotics
- Hub su X: HubEgo-100K
- Dataset HubEgo-100K su Hugging Face
- Scribe v3 Live Medical (ElevenLabs)
- Cognition e McKinsey (blog Devin)
- Comitato per la sicurezza nazionale e le esportazioni (NVIDIA)
- Impegni di NVIDIA verso i propri fornitori
- NVIDIA, IBM e il Fermilab
- Midjourney: stili per il modello di editing
- Ideogram su X: Print on Demand Studio
- Creare agenti nativi per il canvas (Luma)
- Codex CLI 0.171.0-alpha.12
- Qwen Code v0.28.0
- Kimi Code 2.6.3
- Delta: Personal Runners
- Note di rilascio di Devin del 16 novembre
- Gemini CLI: PR 30282
- DeepSeek Harness 0.2.2-rc.4
- Changelog GitHub: secret scanning su richiesta
- Changelog GitHub: confronto tra harness
- Changelog GitHub: Event Streams
- Changelog GitHub: Microsoft Agent 365
- Sviluppare l’Agent Host Protocol (GitHub)
- Server MCP di GitHub v2.2.0
- Changelog GitHub: personalizzazioni tramite plugin
- Changelog GitHub: riepilogo di Copilot del 9 novembre
- Changelog GitHub: chiusura degli avvisi di Dependabot
- Qwen su X: Qwen4-Max su You.com
- TRL v1.18.1
- MecCog Challenge (Hugging Face)
- AutoBench: il nuovo Auto Router di OpenRouter
- OpenUncensored: modelli non censurati come agenti
- TuHaMa (Turkish NLP Suite)
- Suvaditya Mukherjee su X: TRELLIS.2 in CUDA C++
- AI Model Hacking Hackathon (VIDRAFT)
- LeWAM e la modifica dei pesi
- TartanGround per FiftyOne
- PostNord ed ElevenAgents
- Wonderful presso Together AI
- Revolut e OpenAI
- Creare un team di contabilità con Grok Bot (xAI)
- Presentazione di OpenAI for Chile
- Crunchbase in North (Cohere)
- Guida RAG di Perplexity