ai-powered-markdown-translatorArticolo tradotto dal fr all’it con gpt-6.1-sol.
Google lancia Gemini 4 Neon, un modello collocato tra Carbon e Hydrogen, con un prezzo di 3 e 15 dollari per milione di tokens, 1º nell’Artificial Analysis Coding Agent Index e nuovo modello predefinito di Antigravity. OpenAI dichiara di rinviare il rilascio di modelli come GPT-6.1 Astra quando ha bisogno di più tempo per raggiungere i propri standard di sicurezza e mostra che i suoi modelli hanno ottenuto fino al 14 % di PPA in più sull’IP della GPU di punta di AMD. Genie 4 arriva in Project Genie per gli abbonati Google AI Ultra, Claude Code 2.1.327 corregge 100 problemi e Perplexity lancia una Context API a 1 dollaro per 1 000 URL.
Gemini 4 Neon: il modello intermedio di Google, a 3 e 15 dollari per milione di tokens
18 novembre — Google DeepMind lancia Gemini 4 Neon, nuovo modello della famiglia Gemini 4 dopo Argon, Carbon e Hydrogen, collocato tra Carbon, per i progetti più lunghi e difficili, e Hydrogen, per l’esecuzione rapida delle attività quotidiane. Il modello gemini-4-neon è in disponibilità generale nell’API a pagamento: 3 dollari per milione di tokens in ingresso (0,15 dollari in cache), 15 dollari in uscita, un contesto di 1 milione di tokens e quattro livelli di ragionamento, da low a xhigh.
| Indice o benchmark citato da Google | Risultato di Gemini 4 Neon |
|---|---|
| Artificial Analysis Intelligence Index | 61 in xhigh, 3º assoluto |
| Artificial Analysis Coding Agent Index | 58,6, 1º posto |
| Vals Index | 70,9 %, 2º posto |
| Agent Arena Index (Arena) | 1336, 2º posto |
| Terminal-Bench 4.1 | 65,2 % |
| SWE-sweep (harness mini-SWE, poi Antigravity) | 12,8 %, poi 39,0 % |
Google mette in evidenza soprattutto il costo per attività: in high, il 32 % in meno rispetto a Carbon e dal 50 all’80 % in meno rispetto ai migliori modelli concorrenti su Vals e Agent Arena. Glean afferma di aver misurato una qualità pari o superiore a Carbon, con una velocità tripla e al 60 % del costo. Per token, Neon resta però più caro di Carbon, che mantiene il prezzo di lancio di 2 e 10 dollari fino al 30 novembre, prima di passare a 4 e 20 dollari. Una variante «Gemini 4 Neon for cyber» arriverà nei prossimi giorni ai difensori del Fairwind Program.
La distribuzione inizia il giorno stesso: API a pagamento (AI Studio, Android Studio), Gemini for business, applicazione Gemini per gli abbonati Google AI Pro e Ultra, dove le Tasks possono ora essere eseguite su Neon, e Antigravity per gli abbonati Pro e Ultra a pagamento. Qui Neon diventa il modello predefinito delle nuove conversazioni quando non è stato scelto alcun modello, con un contesto di 512K tokens, e l’opzione Orchestrator (Neon) gli affida la pianificazione lasciando l’esecuzione a Hydrogen.
Gemini 4 Neon is rolling out now. Sitting between Carbon and Hydrogen, it brings frontier intelligence and fast task completion for complex software engineering, knowledge work, and science.
🇮🇹 Gemini 4 Neon è in fase di distribuzione. Collocato tra Carbon e Hydrogen, offre intelligenza all’avanguardia ed esecuzione rapida delle attività per l’ingegneria del software complessa, il lavoro intellettuale e la scienza. — @GoogleDeepMind su X
🔗 Articolo di Google su Gemini 4 Neon · Modelli disponibili in Antigravity
Sicurezza dei modelli di punta: OpenAI illustra la gestione del rischio e afferma di rinviare il rilascio di GPT-6.1 Astra
18 novembre — L’articolo di OpenAI sulla gestione del rischio dei modelli di punta si apre con un modello il cui rilascio è stato rinviato:
We are pacing the development and release of our models, including pausing internal training or holding back models like GPT‑6.1 Astra when we need more time to meet our safety standards.
🇮🇹 Regoliamo il ritmo di sviluppo e rilascio dei nostri modelli, arrivando a sospendere gli addestramenti interni o a rinviare il rilascio di modelli come GPT-6.1 Astra quando abbiamo bisogno di più tempo per raggiungere i nostri standard di sicurezza. — OpenAI, articolo sulla gestione del rischio dei modelli di punta
L’articolo non aggiunge altro su questo modello. Il quadro combina quattro livelli di protezione in tre fasi. Nella ricerca, l’addestramento dei modelli di punta avviene senza accesso a Internet reale dall’incidente Hugging Face di luglio; ogni inferenza dei modelli di punta viene monitorata, con una pausa automatica se un modello raggiunge Internet. Nella distribuzione interna, dove i modelli accedono a Internet, a Slack e al codice di OpenAI, l’Auto-Review è generalmente richiesto per i dipendenti che usano Codex. Nella distribuzione esterna si aggiungono test di terze parti e un controllo offline da parte di agenti investigativi e investigatori umani. Qualsiasi dipendente può segnalare un incidente affinché venga reso pubblico.
Progettazione di chip: i modelli di OpenAI migliorano fino al 14 % la PPA di una GPU di punta di AMD e il chip Jalapeño
18 novembre — In collaborazione con AMD, i modelli di OpenAI hanno ottenuto fino al 14 % di miglioramento della PPA (potenza, prestazioni e area) sull’IP della GPU di punta di AMD, rispetto a soluzioni di riferimento già molto ottimizzate, riscrivendo il codice che descrive i circuiti (RTL SystemVerilog). AMD ha già integrato parte di queste modifiche in un design inviato in produzione, con ogni riscrittura verificata tramite gli strumenti Synopsys.
| Chip o banco di prova interessato | Risultato annunciato da OpenAI |
|---|---|
| IP della GPU di punta di AMD | fino al 14 % di PPA in più, in meno di 5 mesi |
| Futura CPU di punta di AMD | miglioramenti a una cifra su blocchi chiave |
| Jalapeño, unità vettoriale | circa il 13 % di area delle celle in meno |
| Jalapeño, unità matriciale | circa il 10 % di area delle celle in meno |
Su Jalapeño, il chip di inferenza di OpenAI, i miglioramenti stimati dal team sono stati confermati sul silicio. Prossimo passo: GPT-Synopsys, un modello addestrato con Synopsys per i suoi strumenti di progettazione elettronica.
🔗 Articolo di OpenAI sulla progettazione di chip
Mondi e video interattivi: Genie 4 in Project Genie, Pika Enact
Genie 4 arriva in Project Genie per gli abbonati Google AI Ultra
18 novembre — Genie 4, il modello del mondo presentato il 27 ottobre in anteprima di ricerca, diventa accessibile in una nuova versione di Project Genie agli abbonati Google AI Ultra idonei; gli abbonati Google AI Pro possono iscriversi a una lista d’attesa. È possibile modificare il mondo mentre ci si muove al suo interno digitando un nuovo prompt (meteo, personaggio), con audio nativo in tempo reale. Un agente costruisce un mondo a partire da una semplice descrizione, poi Gemini suggerisce e attiva eventi durante l’esplorazione. Una galleria della community permette di scoprire, remixare e pubblicare mondi. Genie 3 resta disponibile, con sessioni di 3 minuti per generazione invece di 60 secondi e punti di partenza da un’immagine panoramica a 360 gradi. Tutti i contenuti generati riportano il watermark SynthID.
🔗 Articolo di Google su Genie 4 in Project Genie
Pika Enact: dirigere attori, messa in scena e camera di un video che continua a scorrere
18 novembre — Pika presenta Enact, un’anteprima di ricerca basata su Pika H3 Flex, che genera immagini e suoni in segmenti inferiori a un secondo mentre la scena continua a scorrere.
| Modalità di interazione | Prestazioni annunciate da Pika |
|---|---|
| Messa in scena in diretta (Live Staging) | soggetti spostati con il mouse, immagine che risponde in meno di 0,4 s su H100 |
| Direzione degli attori in diretta (Live Actor Direction) | agenti dotati di memoria, immagini e suoni 1,75x più veloci della riproduzione |
| Controllo della camera (Live Camera Control) | 8 GPU B300, 640x480 a 24 i/s, 1,50x il tempo reale |
Si parla agli attori, che rispondono con la propria voce, poi, alla parola «Azione», la prova viene riscritta in una ripresa continua che riparte dal primo fotogramma. Una distillazione riduce il campionamento da venti passaggi di denoising a pochi. Enact non è aperto al pubblico: prove e integrazioni passano dal team aziendale di Pika, senza prezzi né date.
Assistenti per il grande pubblico: dettatura in diretta in ChatGPT, Perplexity su mobile e skills scritti da Brain, Gemini su Android Go
ChatGPT mostra la dettatura mentre si parla ed elimina il limite di 10 minuti
18 novembre — La dettatura vocale di ChatGPT passa in diretta con Live Dictation: il parlato appare come testo mentre si parla, invece di comparire al termine della trascrizione del messaggio. Un tocco o un clic sulla forma d’onda mostra o nasconde il testo in corso. OpenAI elimina anche il limite di 10 minuti di registrazione. La funzione viene distribuita in tutto il mondo per tutti i piani ChatGPT, su iOS, Android, web e applicazione desktop. La rimozione di Advanced e Standard Voice prevista per l’11 dicembre era stata trattata qui l’11 novembre.
Perplexity rende disponibili Teammates e Multiagent su iOS e Android, con la voce
18 novembre — I Teammates, agenti personali che si occupano di lavoro continuativo in Computer (lanciati il 5 novembre sul web, poi il 13 su Mac), e Multiagent, il livello di impegno in cui più agenti di modelli diversi lavorano in squadra (reso disponibile il giorno prima sul web), arrivano nell’applicazione Perplexity su iOS e Android. Il mobile introduce una funzione specifica: i Teammates si controllano con la voce. Secondo Perplexity, circa un terzo del lavoro più impegnativo di Computer parte già da iPhone. Il tutto è disponibile dal 18 novembre per gli abbonati Max; il tweet non precisa né il costo in crediti né la disponibilità per le offerte Enterprise.
Perplexity Brain scrive e corregge autonomamente skills personali
18 novembre — Perplexity spiega come Brain, la memoria di Computer, scrive e migliora gli skills, istruzioni riutilizzabili per le attività ricorrenti. A partire dalla memoria e dalla cronologia di un utente, un’elaborazione quotidiana crea o corregge skills personali, senza accesso a Internet né ai connettori, con un limite di 10 skills creati automaticamente per utente. Gli skills integrati, comuni a tutti, passano attraverso una riesecuzione comparativa delle due versioni e poi una revisione umana. Sono stati scritti oltre 80 000 skills personali per più di 20 000 utenti tra il 1º agosto e il 14 novembre. In un test randomizzato di otto settimane, i fallimenti delle chiamate agli strumenti diminuiscono dell’11 % e l’insoddisfazione del 7,6 %, senza effetti misurabili sul costo; su SkillLearnBench, il tasso di successo passa dal 43,8 al 62,5 %. La funzione è disponibile per tutti gli abbonati Max negli Stati Uniti, attivata per impostazione predefinita e disattivabile.
🔗 Articolo di Perplexity sugli skills che si migliorano da soli
L’applicazione Gemini arriva sui telefoni Android con poca memoria
18 novembre — Google ha riprogettato l’architettura dell’applicazione Gemini affinché funzioni sui telefoni Android con poca memoria, compresi i dispositivi Android (Go edition) idonei, che finora si limitavano a comandi vocali di base. Per centinaia di milioni di persone, ricorda Google, questo tipo di telefono è il collegamento quotidiano a Internet, all’istruzione e al commercio. Le funzioni messe in evidenza: Gemini Live in oltre 45 lingue, la fotocamera puntata su appunti o un modulo per imparare o tradurre e la creazione di immagini con Nano Banana. L’applicazione si scarica da Google Play o si apre premendo a lungo il pulsante di accensione e sarà preinstallata sui futuri dispositivi di partner come Transsion. L’articolo non precisa né una soglia di memoria né un elenco di paesi.
🔗 Articolo di Google su Gemini per i telefoni con poca memoria
Agenti di coding: Claude Code 2.1.327, il ciclo di caos di Claude Docs, il sandbox di Codex, Vibe CLI 3.1.3, VS Code 1.147 e Replit a Ignite
Claude Code 2.1.327 legge la configurazione MCP da stdin e trasforma /status in uno strumento diagnostico
17 novembre — Claude Code 2.1.327 conta 173 voci, tra cui 100 correzioni. claude mcp add-json <nom> - legge la configurazione di un server MCP dallo standard input, per tenere i tokens fuori dalla riga di comando. /status elenca ora i file di agenti, skills, comandi e stili di output non funzionanti, le impostazioni dei permessi ignorate e gli hooks il cui filtro (matcher) non trova mai corrispondenze. Diverse correzioni evitano perdite di dati: Remote Control in modalità worktree poteva cancellare i file ignorati da git, come .env, claude mcp add e remove cancellavano altre chiavi di .mcp.json, e /export sovrascriveva un file senza chiedere. Da segnalare: per accelerare il primo comando Bash, i file di avvio della shell possono essere eseguiti prima della sua approvazione, anche se viene rifiutata (CLAUDE_CODE_DISABLE_SHELL_HEAD_START=1 lo disattiva). La modalità auto annuncia che una prossima versione eliminerà il fallback al classificatore a pagamento. Su npm, la versione stabile resta la 2.1.311.
Come Claude Code ha testato Claude Docs con un ciclo di caos prima del lancio
17 novembre — Sul blog claude.dev, Vivek Nair racconta il ciclo di caos (chaos loop) affidato a Claude Code prima del lancio di Claude Docs, il 16 settembre. Per circa due settimane, una sessione coordinatrice, con fino a 30 sottoagenti, ha provocato intenzionalmente guasti in un ambiente di preproduzione (staging) modellato sulla produzione, letto la telemetria tramite il MCP di Datadog, poi distribuito una correzione e riavviato il test. Le decisioni difficili da annullare restavano all’essere umano.
| Indicatore del lancio di Claude Docs | Cifra pubblicata |
|---|---|
| Memoria di un documento di grandi dimensioni | circa 3 Go, poi circa 180 Mo |
| Pods previsti per il lancio | circa 50 invece di oltre 500 |
| Errori del server | 60 su 2 miliardi di richieste |
| Costo di inferenza (prezzo di listino di Fable 5.2) | circa 125 000 dollari |
L’autore ha usato un modello di ricerca interno vicino a Claude Fable 5.2 e stima, senza averlo verificato, un costo da 3 000 a 10 000 dollari per un piccolo team nell’arco di due settimane.
🔗 Articolo di claude.dev sul ciclo di caos
OpenAI illustra la sandbox di Codex, i suoi profili di permessi e il proxy di rete
18 novembre — In un articolo di Michael Bolin, OpenAI spiega perché Codex non usa né una macchina virtuale né un container: limita ogni comando con le protezioni native del sistema, per mantenere l’ambiente dello sviluppatore (un container Docker gli impedirebbe di usare il simulatore di iPhone). Il profilo predefinito :workspace consente la scrittura nel repository, mantiene .git e .codex in sola lettura e disabilita la rete. L’articolo ne riconosce i limiti: i file sensibili al di fuori del repository restano leggibili e un agente potrebbe inserire del codice in node_modules/prettier, che l’editor eseguirebbe al di fuori della sandbox. I profili di permessi si definiscono in config.toml, il proxy codex-network-proxy filtra per dominio e risolve il DNS solo dopo l’autorizzazione, e codex sandbox isola altri strumenti, come un server MCP.
| Sistema operativo | Meccanismo utilizzato da Codex |
|---|---|
| macOS | Seatbelt (sandbox-exec) |
| Linux | bubblewrap e seccomp-bpf |
| Windows | libreria MXC di Microsoft, in fase di adozione |
🔗 Articolo di OpenAI sulla sandbox di Codex
Vibe CLI 3.1.3 imposta Mistral Large 4 come modello predefinito e aggiunge /goal
18 novembre — Otto giorni dopo la 3.1.2, Mistral pubblica Vibe CLI 3.1.3 (78 voci: 13 aggiunte, 20 modifiche, 44 correzioni, 1 rimozione). Mistral Large 4 diventa il modello predefinito al posto di Mistral Medium 3.5; active_model = "mistral-medium-3.5" permette di mantenere quello precedente. Il comando /goal fissa un obiettivo che Vibe persegue da un turno all’altro fino al suo raggiungimento, con un budget di token per cui è possibile impostare un limite massimo (max_goal_token_budget). Due hook intervengono prima e dopo ogni chiamata al modello: pre_llm può interrompere il turno, post_llm può richiedere un nuovo tentativo, entro il limite di tre tentativi per turno condivisi con post_agent. Sul fronte delle protezioni, un comando shell che legge file protetti richiede un’approvazione, la configurazione di un progetto non può più riattivare la telemetria e un’installazione collegata a un server self-hosted non invia più rapporti sugli arresti anomali a Mistral.
🔗 Note di rilascio di Vibe CLI 3.1.3
VS Code 1.147 aggiunge router di modelli e permette alle aziende di autorizzare gli harness Claude e Codex
18 novembre — VS Code 1.147 introduce router di modelli (model routers) sperimentali per le sessioni dell’harness Copilot: un file YAML collocato in ~/.agents/model-routers/ descrive quale modello usare per ciascun tipo di lavoro, e il modello decisionale gpt-6-luna-decisions indirizza ogni richiesta verso il percorso appropriato. L’esempio nelle note affida le lunghe attività di programmazione a Opus e le domande rapide a GPT-6 Luna. Sul fronte aziendale viene eliminata una limitazione: finora, anche una sola impostazione gestita di Copilot disabilitava gli harness Claude e Codex, che non applicano queste impostazioni. Gli amministratori possono ora autorizzarne uno o entrambi tramite vscode.allowedHarnesses, nelle impostazioni gestite tramite file o MDM. Anche le regole shell gestite accettano espressioni regolari, e la finestra Agents aggiunge l’invio posticipato (Send Later) e più bozze in parallelo. VS Code desktop diventa deprecato su macOS Ventura e Sonoma e su Linux ARM a 32 bit.
Replit a Microsoft Ignite: accesso locale e Teams in disponibilità generale, pubblicazione su Azure in accesso anticipato
18 novembre — Replit coglie l’occasione di Microsoft Ignite per ampliare la partnership con Microsoft e dichiara di essere stata nominata 2026 Microsoft Partner of the Year for Startups.
| Integrazione Microsoft | Stato al 18 novembre |
|---|---|
| Accesso locale di Replit Desktop (Windows, Mac, Linux) | disponibilità generale |
| Replit in Microsoft Teams | disponibilità generale |
| Pubblicazione nel tenant Azure, tramite Microsoft Marketplace | accesso anticipato |
| Full BYOC su Azure | annunciato, senza data |
L’accesso locale permette all’Agent di lavorare sulle cartelle scelte dall’utente, in una sandbox basata su Microsoft Execution Containers; le applicazioni locali possono usare i modelli Microsoft Foundry Local, eseguiti sul dispositivo. In Teams, si possono porre domande a Replit e avviare attività da una conversazione del team. Su Azure, Replit gestisce l’hosting e le applicazioni pubblicate possono accedere a database privati tramite la rete aziendale o una VPN. Non viene comunicato alcun prezzo.
🔗 Articolo di Replit su Microsoft Ignite
Modelli aperti e inferenza: Rumble-2-Flash, Nemotron-Labs-Sigma, l’adattatore OpenCode di Qwen3.8-27B e un MoE da 180B su un Mac da 32 Go
Reson8 pubblica Rumble-2-Flash, un modello di riconoscimento vocale da 0,5B per oltre 40 lingue
18 novembre — Reson8 pubblica con licenza Apache 2.0 Rumble-2-Flash, un modello di riconoscimento vocale da 0,5 miliardi di parametri per oltre 40 lingue. Basato sull’architettura di Qwen3-ASR, funziona senza modifiche in Transformers e vLLM. È ottenuto tramite distillazione on-policy (on-policy distillation) di Rumble-2, il modello di produzione di Reson8.
| Benchmark | Modello confrontato | Tasso di errore misurato |
|---|---|---|
| Open ASR Leaderboard, multilingue | Rumble-2-Flash (0,5B) | 6,96 % in media |
| AppTek, call center (302 h) | Rumble-2-Flash (0,5B) | 7,86 % di WER |
| AppTek, call center (302 h) | Nemotron 3.5 Transcribe (30B) | 7,78 % di WER |
| AppTek, call center (302 h) | Qwen3-ASR 1.7B | 7,4 % di WER |
Nella prova multilingue supera omniASR-LLM 7B di Meta, quindici volte più grande, e Whisper large-v3. Supera 7 000 RTFx con batch pieni, pari a circa un’ora di audio trascritta in mezzo secondo.
🔗 Articolo Hugging Face su Rumble-2-Flash
NVIDIA pubblica Nemotron-Labs-Sigma, 14 modelli linguistici a diffusione continua con pesi aperti
18 novembre — NVIDIA presenta Nemotron-Labs-Sigma, i cui pesi, pubblicati su Hugging Face, sono stati annunciati il 16 novembre. Questi modelli non generano il testo token per token, ma in blocchi prodotti in parallelo: ogni blocco parte da un rumore gaussiano e viene perfezionato tramite denoising.
| Elemento pubblicato | Valore annunciato |
|---|---|
| Dimensioni e checkpoint | 3B e 8B, 14 repository (base, instruct, varianti distillate) |
| Spazio di diffusione | embedding continui a 16 dimensioni |
| Accelerazione dopo la distillazione | circa 8x in matematica, 4x nel codice |
| Contesto e lingua | 8 192 token, inglese |
| Licenza | NVIDIA Nemotron Open Model License |
Secondo l’articolo di ricerca, questi modelli superano i modelli a diffusione discreta e i riferimenti autoregressivi su GSM8K, Minerva, HumanEval e MBPP, con i miglioramenti più netti nel codice. Una volta distillati, producono 8 token per passaggio in matematica e 4 nel codice, con una perdita di precisione che gli autori ritengono trascurabile.
🔗 Annuncio di @NVIDIAAI su X · Articolo arXiv 2610.02665
harness-hub pubblica l’adattatore OpenCode di Qwen3.8-27B e rivaluta l’adattatore pi al 64,7 %
18 novembre — Il progetto harness-hub pubblica Qwen3.8-27B-opencode-adapted, un adattatore LoRA con licenza Apache 2.0 addestrato tramite apprendimento per rinforzo nell’harness dell’agente di programmazione OpenCode.
| Configurazione valutata (harness OpenCode) | SWE-bench Pro (hard 51) | Terminal-Bench 2.1 (83 attività) |
|---|---|---|
| Qwen3.8-27B | 35,3 % | 47,0 % |
| Qwen3.8-27B, ragionamento xhigh | 47,1 % | 55,4 % |
| Qwen3.8-27B-opencode-adapted | 51,0 % | 53,0 % |
Senza ragionamento, l’adattatore eguaglia il modello di base impostato al massimo livello di sforzo, scrivendo da 6 a 8 volte meno token per attività. Su Terminal-Bench 2.1, la scheda riporta un miglioramento complessivo di 6,0 punti (p = 0,38) e dal 45,5 al 59,1 % sulle 66 attività che non sono state usate per scegliere il checkpoint. Il team ha anche rivalutato l’adattatore pi: dal 39,2 al 64,7 % su SWE-bench Pro, rispetto al 29,4–62,7 % annunciato il giorno precedente e trattato qui il 17 novembre.
🔗 Scheda di Qwen3.8-27B-opencode-adapted · Scheda dell’adattatore pi
Un MoE da 180B su un MacBook da 32 Go con Transformers, a un distacco del 6 % da Strata
18 novembre — Tarek Ziadé, di Hugging Face, fa girare Qwen3.8-Flash-Next, un modello mixture-of-experts da 180 miliardi di parametri, su un MacBook M5 da 32 Go, usando soltanto Transformers. Il principio: mantenere in memoria una cache di esperti da 12 Gio e leggere dall’SSD, a ogni token, solo gli esperti scelti dal router, quantizzati a 3 bit (49 Go su disco).
| Misura su MacBook M5 (32 Go) | Transformers (streaming) | Strata 0.1.60 |
|---|---|---|
| Decodifica, 200 token | 13,9 tokens/s | 14,8 tokens/s |
| Prefill, prompt da 4K | 228 tokens/s | 220 tokens/s |
| Decodifica dopo un documento da 6K | 12,4 tokens/s | 13,7 tokens/s |
Il codice si trova in una pull request di Transformers (PR 50717) ancora aperta: non è una funzione già rilasciata. L’autore precisa che tutto il codice è stato scritto con l’IA e che il risultato resta troppo lento per i suoi agenti di programmazione.
🔗 Articolo Hugging Face sullo streaming degli esperti
Classifica: Muse Ember di Meta davanti a GPT-6 Luna e Claude Haiku 5.5 su Agent Arena, con 27 secondi e 1,9 cent per attività
18 novembre — Arena pubblica i risultati di Muse Ember, lanciato da Meta il 9 novembre, su Agent Arena, il suo benchmark basato su sessioni reali degli utenti, a confronto con altri due modelli efficienti progettati per il lavoro concreto. Meta ha condiviso il thread.
| Misura Agent Arena | Muse Ember (Max) | GPT-6 Luna (Max) | Claude Haiku 5.5 (High) |
|---|---|---|---|
| Tempo per attività | 27 s | 5,8 min | 1,9 min |
| Miglioramento netto | +2,3 % | +1,4 % | +0,4 % |
| Costo per attività | 1,9 cent | 7,0 cents | 6,9 cents |
| Punteggio di guida (lavoro complessivo) | +11,2 % | +3,9 % | +3,8 % |
Secondo Arena, Muse Ember è circa 13 volte più veloce di GPT-6 Luna e costa meno di un terzo di ciascuno degli altri due. Il punteggio di guida (steering score), misurato su migliaia di sessioni, è tanto più alto quanto meno l’utente ha bisogno di correggere il modello. Si tratta di misurazioni di Arena, un valutatore indipendente.
API per agenti: Perplexity lancia la Context API, che legge fino a 10 URL per chiamata
17 novembre — Perplexity aggiunge la Context API alla sua piattaforma per sviluppatori, resa disponibile online il 18 novembre secondo il thread di @perplexitydevs. Legge fino a 10 URL per chiamata e restituisce per ogni pagina Markdown pulito, HTML, link ed estratti selezionati in base a una query. Gli estratti riprendono il testo originale, non un riassunto, e un modello separa il contenuto principale dai menu e dalle pubblicità. Per impostazione predefinita, l’API usa la copia dell’indice Perplexity se ha meno di due giorni, altrimenti legge la pagina in tempo reale; max_age_seconds a 0 impone la lettura in tempo reale e cache_only la vieta.
| Criterio misurato da Perplexity | Risultato della Context API |
|---|---|
| URL con contenuti utilizzabili | 92,3 % |
| Richiamo dei fatti chiave | 87,9 % |
| Precisione del contenuto | 80,3 % |
| Tariffa | 1 dollaro per 1 000 URL recuperati |
Perplexity si è confrontata con Firecrawl, Exa, Parallel, Keenable e Context.dev su 715 siti, usando un modello come giudice alla cieca, ma ne riporta i punteggi solo in un grafico. I tentativi falliti non vengono fatturati.
🔗 Articolo di Perplexity sulla Context API · Thread di @perplexitydevs su X
Agenti professionali: ChatGPT for Sales ed ElevenAgents for Healthcare
OpenAI lancia ChatGPT for Sales, con un plugin Sales e oltre 30 plugin dei partner
17 novembre — OpenAI lancia ChatGPT for Sales per i team commerciali: un nuovo plugin Sales, con flussi pronti all’uso (scegliere le aziende da contattare, preparare una chiamata, scrivere un messaggio di follow-up), e oltre 30 plugin dei partner nuovi o migliorati. Coprono l’intero ciclo di vendita: CRM (Salesforce, HubSpot, Close, monday CRM, Attio), ricerca di potenziali clienti (Apollo, Clay, Common Room, ZoomInfo), note delle chiamate (Gong, Otter.ai, Granola), presentazioni (Gamma, Figma, Canva) e contratti (Docusign, Ironclad, PandaDoc, ServiceNow CPQ). I dots, gli agenti permanenti di ChatGPT, possono usarli per preparare briefing per le riunioni o monitorare le trattative; con Rox, un dot può verificare una trattativa ogni mattina. Gli amministratori di ChatGPT Business ed Enterprise attivano questi plugin dall’Admin Console, con la possibilità di installarli per impostazione predefinita, e la disponibilità varia in base al piano e alla regione. OpenAI non indica alcun prezzo.
🔗 Articolo di OpenAI su ChatGPT for Sales
ElevenLabs lancia ElevenAgents for Healthcare, agenti vocali per la sanità
18 novembre — Il giorno dopo Scribe v3 Live Medical, ElevenLabs riunisce i suoi componenti per la sanità in ElevenAgents for Healthcare: agenti vocali che fissano, spostano o annullano appuntamenti nella cartella clinica della struttura, verificano rimborsi e autorizzazioni preventive e rispondono ai pazienti 24 ore su 24. Una domanda su un sintomo viene inoltrata a un operatore sanitario con il contesto della chiamata, e le implementazioni possono soddisfare i requisiti HIPAA per i clienti Enterprise che firmano un BAA e attivano lo Zero Retention Mode.
| Indicatore citato da ElevenLabs | Risultato annunciato |
|---|---|
| Cadence, tempo mediano per contattare un paziente | da quasi 2 ore a 3,5 minuti |
| Angle Health, chiamate di professionisti senza trasferimento | oltre il 90 % |
| Scribe v3 Live Medical su PriMock57 (test interni) | 17 % di errori in meno rispetto al modello successivo |
Anche Banner Health, Pfizer e AstraZeneca figurano tra i team citati. Un modello Healthcare Receptionist permette di iniziare e non viene pubblicato alcun prezzo.
🔗 Articolo di ElevenLabs su ElevenAgents for Healthcare
Stampa: il Groupe Figaro porta il suo giornalismo in ChatGPT
18 novembre — Due giorni dopo il polo media di LVMH, il Groupe Figaro firma una partnership strategica con OpenAI. Gli articoli recenti e gli archivi del Figaro e delle sue pubblicazioni associate (attualità, economia, cultura, stile di vita) saranno visibili in ChatGPT sotto forma di riassunti ed estratti, con link agli articoli. Il giornale mantiene la propria indipendenza editoriale. Marc Feuillée, direttore generale del gruppo, sottolinea la presenza di una redazione di oltre 600 giornalisti. Le Figaro prevede inoltre di introdurre ChatGPT Enterprise in diversi team e di esplorare altri usi nel quadro della propria carta sull’IA. Non vengono comunicati né l’importo né la durata.
🔗 Annuncio della partnership da parte di OpenAI
Notizie in breve
- Antigravity CLI 1.5.10 e 1.5.11 — La 1.5.10 aggiunge una modalità accept-edits agli agenti remoti (
--remote-agent): nella modalità predefinita, l’agente remoto richiede ora un’approvazione prima di ogni modifica a un file. Apre inoltre Orchestrator (piano di Carbon, esecuzione di Hydrogen) agli account Gemini Enterprise. 🔗 fonte - Gemini CLI — Cinque correzioni integrate nel branch principale, ancora senza una nuova versione dal 10 novembre: un comando shell con un’espansione non risolta mantiene la richiesta di conferma, e le regole
commandPrefixecommandRegexsi applicano ormai solo al comando di primo livello. 🔗 fonte - Vetrina Gemini 4 Carbon — Google pubblica cinque creazioni della community realizzate con Carbon, tra cui un prato di 52 000 fiori programmato in CUDA, 1 048 576 particelle simulate in WebGPU e un laboratorio di ottica del XIX secolo con 92 strumenti ricreato a partire da una sola immagine. 🔗 fonte
- EmbeddingGemma 2 — Un post presenta il rapporto tecnico del modello di embeddings, su arXiv dal 27 ottobre, con un video di cinque minuti; secondo gli autori, il modello supera modelli da 2 a 12 volte più grandi. 🔗 fonte
Agenti di programmazione e strumenti di sviluppo
- Zed 1.29 e 1.30 — La 1.29 diventa stabile con la modalità branch del Git Panel e Claude Fable 5.2 in BYOK; l’anteprima 1.30 aggiunge GPT-6.1 Terra, il livello di ragionamento Extra High di Gemini 4 Hydrogen e il contesto completo dei modelli Copilot quando non si applicano costi aggiuntivi. 🔗 fonte
- Codex CLI 0.170.0 — Le chiamate vocali in tempo reale del terminale negoziano la connessione tramite WebRTC, gli header OpenTelemetry si aggiornano automaticamente e vengono corretti diversi casi in cui le restrizioni della sandbox venivano meno; secondo il changelog di Codex del 17 novembre, gli abbonati Pro 500 possono usare Ultrafast con GPT-6.2 Sol e Astra. 🔗 fonte · 🔗 changelog di Codex
- Copilot SDK 2.0.1 e Copilot CLI 1.0.114 — L’SDK accetta nuovamente gli import
@github/copilot-sdke i vecchi formati delle opzioni delle estensioni esistenti, e aggiunge la selezione di GPT-6.2 Sol e Astra; Copilot CLI 1.0.114 viene rilasciato con note che si limitano a una menzione generica di correzioni e modifiche. 🔗 fonte - Plugin Copilot per team — In disponibilità generale su Copilot Business ed Enterprise, i manutentori dei team e i proprietari delle organizzazioni scelgono Agent Plugins approvati, attivati per impostazione predefinita per i membri diretti in VS Code, nell’app GitHub Copilot e in Copilot CLI. 🔗 fonte
- GitHub Agentic Workflows 1.3.1 — Questa anteprima rimuove gli host diretti delle API dei modelli dagli accessi di rete predefiniti (Claude richiede di autorizzare
api.anthropic.com), elimina il motore sperimentale Atomic e distribuisce nel tempo le pianificazioni ricorrenti. 🔗 fonte - DeepSeek Harness 0.2.2-rc.5 — Con i modelli DeepSeek, l’agente di programmazione utilizza la ricerca web lato server di DeepSeek, senza addebiti per singola ricerca; gli altri modelli passano per l’API DeepSeek Search. 🔗 fonte
- Replit Missions all’opera — Secondo Replit, Missions ha esplorato oltre 1 000 percorsi della principale piattaforma di firma elettronica per le imprese, per poi ricostruirli in TernSign, pubblicato gratuitamente in anteprima; su Replit Slides, 6 iterazioni hanno migliorato del 20 % il punteggio di design per meno di 500 dollari. 🔗 fonte · 🔗 Replit Slides
API e piattaforme
- Dashboard di utilizzo dell’API di OpenAI — La scheda Analytics mostra utilizzo e spese, limiti di frequenza e richieste limitate, oltre agli errori per modello, progetto o chiave API. 🔗 fonte
- Residenza dei dati dell’API di OpenAI — I proprietari delle organizzazioni idonee scelgono la regione dei propri dati alla creazione di un progetto, senza una richiesta separata di conservazione zero; secondo la guida, la regione non può più essere modificata in seguito e gli endpoint regionali costano il 10 % in più per i modelli idonei rilasciati dal 5 marzo 2026. 🔗 fonte · 🔗 guida
- Agents SDK Python 0.25.0 — Prima versione stabile da metà ottobre: viene rimosso il fornitore di sandbox Runloop, cambia il formato dei checkpoint Pydantic e la compattazione delle sessioni Responses passa per impostazione predefinita a GPT-6 Luna. 🔗 fonte
- API di Perplexity — I modelli pplx-embed-v2-context arrivano nell’Embeddings API (0,12 dollari per milione di token di testo per il 9b, 0,02 dollari per lo 0.6b), e l’Agent API aggiunge GPT-6.2 Sol (2 e 10 dollari per milione di token) e GPT-6.2 Astra (8 e 40 dollari) fino a 272 000 token in ingresso. 🔗 fonte
- Together AI — DeepSeek-V4.1-Flash-1017 entra in Together Post-Training: SFT o apprendimento per rinforzo con dati, ricompense e ambienti propri, mentre il ciclo di addestramento rimane nel codice Python del cliente. 🔗 fonte
- Qwen4-Max — Qwen segnala l’arrivo del modello su TokenHarbor e Runware, che lo offre con un contesto di 1 milione di token e fino a 128 000 token in uscita. 🔗 fonte · 🔗 Runware
- GPT-6.2 su Genspark — GPT-6.2 Sol arriva in AI Chat e nel Code Agent, GPT-6.2 Astra soltanto nel Code Agent. 🔗 fonte
Assistenti e applicazioni
- Claude Desktop — Un canale di aggiornamento Latest, da attivare in Settings > Desktop app su Windows e Mac, distribuisce versioni più frequenti ma talvolta meno affidabili; Stable rimane il canale predefinito. 🔗 fonte
- Grok Bot — L’agente di SpaceXSI può ora prenotare voli, hotel e auto a noleggio cercando l’offerta migliore; il tweet non specifica paesi, piani di abbonamento o partner per le prenotazioni. 🔗 fonte
- Kimi Work 3.2.28 — Istruzioni di progetto in un AGENTS.md specifico del progetto, accesso tramite SSO aziendale, pannello di riepilogo della conversazione e presentazioni fornite per impostazione predefinita in PPTX. 🔗 fonte
- Degrado del contesto — Perplexity pubblica una guida sulla perdita di precisione di un agente quando il suo contesto si riempie (context rot), e ricorda come Computer la limita: sottoagenti, file di lavoro e compressione del contesto in base alla richiesta. 🔗 fonte
Immagini, video e audio
- Kling Image 4.0 su piattaforme di terzi — Il giorno dopo il lancio, il modello arriva su fal, Runware ed eachlabs, oltre che in AI Media Studio e nell’AI Image Agent di Genspark (8K nativi, 2 000 caratteri di testo per immagine). 🔗 fonte · 🔗 Runware · 🔗 eachlabs · 🔗 Genspark
- MAI-Image-2.7 su Genspark — I modelli di immagini MAI-Image-2.7 e MAI-Image-2.7-Flash di Microsoft AI arrivano in Genspark, con una migliore resa del testo nelle immagini. 🔗 fonte
- Suno MCP per tutti — Il server MCP di Suno, in beta su iscrizione dal 28 ottobre, diventa accessibile a tutti: canzoni e ora anche immagini si creano da ChatGPT, Claude, Gemini, Claude Code o Cursor, senza chiave API, utilizzando i crediti Suno. 🔗 fonte
- Synthesia in Claude — Synthesia illustra il proprio connettore: l’agente Syren crea video dalla conversazione, per i piani Starter, Pro ed Enterprise, utilizzando i crediti Synthesia; secondo il produttore, Syren si basa su Opus 5.5. 🔗 fonte
- Runway AI Festival 2027 — Candidature aperte fino al 5 aprile 2027 in cinque categorie (cinema, pubblicità, moda, videogiochi, design), con proiezioni di gala a New York, Los Angeles e Tokyo. 🔗 fonte
Modelli aperti, dati e ricerca
- NVIDIA Cosmos Data Factory — NVIDIA quantifica il costo di calcolo dei propri blueprint di dati per l’IA fisica, circa 2,66 dollari per clip di guida su un server con otto RTX PRO 6000, e indica che Cosmos Dataset Search è ora open source con licenza Apache 2.0. 🔗 fonte
- ANEMLL — Una versione di ricerca distribuisce Qwen3.8-27B tra il Neural Engine e la GPU di un Mac M6: un prompt di 64K passa da circa cinque minuti a due minuti e mezzo rispetto al solo Neural Engine; richiede di disattivare SIP. 🔗 fonte
- Samdei Type — Due piccoli modelli con licenza Apache 2.0 (7,1M e 18,2M di parametri) convertono il khmer digitato in lettere latine nella scrittura khmer, con un tasso di errore per carattere di 0,052 contro 0,066 per il miglior modello aperto esistente, secondo l’autore. 🔗 fonte
- ViKernel Scanner — VIDRAFT pubblica uno scanner open source che fornisce strumenti fittizi ai modelli: i 20 modelli aperti testati ricevono il voto F, con il modello mediano che tenta un’azione pericolosa in 40 test su 100. 🔗 fonte
- Kimi K3.1 Pro senza censura — Il fornitore OpenUncensored offre una versione senza restrizioni che gestisce il 97 % delle richieste legittime ma al limite del proprio insieme di test, contro l’83 % dell’originale, con un punto debole riconosciuto nei loop degli agenti. 🔗 fonte
- olmOCR-Bench — Ai2 segnala il punteggio di 88,0 dichiarato da Unsiloed nel suo benchmark di lettura di documenti complessi, davanti a GPT-5.5 con 84,6. 🔗 fonte
- RoboTwin Unified — Harpreet Sahota pubblica un’importazione in FiftyOne di 27 500 episodi e oltre 6 milioni di immagini di manipolazione a due bracci su 50 attività. 🔗 fonte
- Recapture — Nutrient pubblica uno strumento open source che trasforma una pagina annotata in foto scattate con il telefono o in scansioni realistiche, conservando le annotazioni, per addestrare modelli di lettura dei documenti. 🔗 fonte
- Assistente Kafka locale — Nella terza parte della sua serie, Roman Melnyk sostituisce il fine-tuning con una ricerca documentale su Qwen3.8-27B non modificato: +1,48 su 40 domande, contro +0,08 e -0,18 per i suoi adattatori sottoposti a fine-tuning. 🔗 fonte
- Ai2 e Taylor Geospatial — Una partnership per benchmark, modelli (OlmoEarth) e dati geospaziali aperti, tra cui Fields of The World esteso al tipo di coltura e alla resa, pubblicati gratuitamente su Source Cooperative e GitHub. 🔗 fonte
Ecosistema
- Replit & Co. — Replit lancia un programma di creator rivolto al pubblico professionale, con 45 creator iniziali, che ricevono vantaggi sul proprio account Replit. 🔗 fonte
- Manus e Godot — Manus diventa sponsor Platinum della Godot Foundation, che finanzia il motore di gioco libero; non viene comunicato alcun importo. 🔗 fonte
- GitHub Team — Al di fuori dell’IA: le valutazioni dei rischi di sicurezza (credenziali esposte, vulnerabilità del codice) vengono avviate automaticamente per le organizzazioni GitHub Team. 🔗 fonte
Cosa significa
La fascia media diventa il terreno più conteso. Google inserisce Gemini 4 Neon tra Carbon e Hydrogen e lo promuove in base al costo per attività anziché al prezzo per token, che rimane superiore a quello di Carbon fino al 30 novembre. Arena confronta Muse Ember di Meta con GPT-6 Luna e Claude Haiku 5.5, tre modelli efficienti progettati per il lavoro reale, e Muse Ember completa un’attività in 27 secondi per 1,9 centesimi. Sul fronte dei modelli aperti, la stessa logica si applica su scala ridotta: Rumble-2-Flash, con 0,5 miliardi di parametri, si colloca al livello di un modello da 30 miliardi su registrazioni reali di call center, e un semplice adattatore LoRA permette a Qwen3.8-27B di eguagliare la propria modalità di ragionamento massima con un numero di token da 6 a 8 volte inferiore. Queste cifre restano quelle dei produttori o dei valutatori da loro citati.
La sicurezza dipende dagli strumenti tanto quanto dai laboratori. OpenAI afferma di non rilasciare GPT-6.1 Astra e di addestrare i propri modelli di punta senza accesso a Internet reale; lo stesso giorno, il suo post su Codex riconosce che la sandbox lascia punti ciechi, che l’addestramento del modello deve compensare. Gli strumenti di programmazione affrontano pubblicamente questi compromessi: Claude Code accelera il primo comando Bash al prezzo di eseguire i file di avvio prima dell’approvazione e annuncia la fine di un fallback a pagamento della sua modalità auto, VS Code consente alle aziende di autorizzare nuovamente gli harness Claude e Codex che non applicano le sue impostazioni gestite, e Vibe impedisce a un progetto di riattivare la telemetria.
I modelli vengono usati sempre più per migliorare ciò che li circonda. In AMD, riscrivono circuiti già molto ottimizzati e ottengono fino al 14 % in più di PPA. In Anthropic, una sessione di Claude Code ha portato la memoria occupata da un documento voluminoso da 3 Go a 180 Mo; l’intero lavoro, da fine agosto al lancio di Claude Docs, è costato circa 125 000 dollari di inferenza al prezzo di listino. Perplexity lascia che Brain scriva le skill dei propri utenti, e Replit fa ricostruire a Missions oltre 1 000 percorsi di una piattaforma di firma elettronica. Il controllo sulle azioni irreversibili resta alle persone: riscritture verificate con gli strumenti Synopsys, decisioni sullo schema lasciate all’ingegnere che guidava il loop di Claude Docs, revisione umana delle skill integrate di Perplexity.
L’IA si insedia infine dove le persone si trovano già. Google rifà l’applicazione Gemini per telefoni con poca memoria che, secondo l’azienda, collegano ogni giorno centinaia di milioni di persone a internet, Perplexity porta i propri agenti sui dispositivi mobili e ChatGPT visualizza il testo dettato mentre si parla, senza il limite di 10 minuti. Sul fronte aziendale, gli agenti entrano negli strumenti di lavoro esistenti: CRM e strumenti di vendita per ChatGPT for Sales, cartella clinica per ElevenAgents, Teams e Azure per Replit. La stampa segue: dopo il polo media di LVMH, il Groupe Figaro porta i propri archivi in ChatGPT, mantenendo la propria indipendenza editoriale.
Fonti
- Post di Google su Gemini 4 Neon
- Modelli disponibili in Antigravity
- @GoogleDeepMind su X: Gemini 4 Neon
- Gestione del rischio dei modelli di frontiera (OpenAI)
- @OpenAI su X: gestione del rischio
- Progettazione di chip con i modelli di OpenAI (OpenAI)
- Genie 4 in Project Genie (Google)
- Anteprima di ricerca: Pika Enact
- Note di rilascio di ChatGPT
- @perplexity_ai su X: Teammates e Multiagent su dispositivi mobili
- Skill che si migliorano autonomamente (Perplexity)
- Gemini sui telefoni con poca memoria (Google)
- Claude Code v2.1.327
- Ciclo di caos prima del lancio di Claude Docs (claude.dev)
- La sandbox di Codex (OpenAI)
- Vibe CLI 3.1.3
- Note di VS Code 1.147
- Replit a Microsoft Ignite
- Rumble-2-Flash (Hugging Face)
- @NVIDIAAI su X: Nemotron-Labs-Sigma
- Articolo arXiv 2610.02665
- Qwen3.8-27B-opencode-adapted (harness-hub)
- Qwen3.8-27B-pi-adapted (harness-hub)
- Streaming degli esperti MoE con Transformers (Hugging Face)
- @arena su X: Muse Ember su Agent Arena
- Context API (Perplexity)
- @perplexitydevs su X: Context API
- Lancio di ChatGPT for Sales (OpenAI)
- ElevenAgents for Healthcare (ElevenLabs)
- Il Groupe Figaro e OpenAI (OpenAI)
- Changelog di Antigravity
- Gemini CLI, PR 30338
- Creazioni della comunità con Gemini 4 Carbon (Google)
- Rapporto tecnico di EmbeddingGemma 2 (Google)
- Zed v1.29.1
- Codex CLI 0.170.0
- Changelog di Codex
- Copilot SDK v2.0.1
- Personalizza GitHub Copilot per il tuo team (GitHub)
- GitHub Agentic Workflows v1.3.1
- DeepSeek Harness 0.2.2-rc.5
- @Replit su X: Missions e TernSign
- @Replit su X: Missions e Replit Slides
- @OpenAIDevs su X: dashboard di utilizzo
- Note di ChatGPT Enterprise ed Edu (OpenAI)
- Guida alla residenza dei dati (OpenAI)
- OpenAI Agents SDK Python v0.25.0
- Changelog dell’API Perplexity
- @togethercompute su X: DeepSeek-V4.1-Flash-1017
- @Alibaba_Qwen su X: Qwen4-Max su TokenHarbor
- @Alibaba_Qwen su X: Qwen4-Max su Runware
- @genspark_ai su X: GPT-6.2
- @ClaudeDevs su X: canale Latest di Claude Desktop
- @bot su X: prenotazioni di Grok Bot
- Note di rilascio di Kimi Work
- Guida di Perplexity al degrado del contesto
- @Kling_ai su X: Kling Image 4.0 su fal
- @Kling_ai su X: Kling Image 4.0 su Runware
- @Kling_ai su X: Kling Image 4.0 su eachlabs
- @genspark_ai su X: Kling Image 4.0
- @genspark_ai su X: MAI-Image-2.7
- @suno su X: Suno MCP
- Synthesia in Claude (Synthesia)
- @runwayml su X: AI Festival 2027
- Cosmos Data Factory (NVIDIA)
- ANEMLL ibrido con Neural Engine e GPU (Hugging Face)
- Samdei Type (Hugging Face)
- ViKernel Scanner (Hugging Face)
- Kimi K3.1 Pro non censurato (Hugging Face)
- @allen_ai su X: olmOCR-Bench
- RoboTwin Unified in FiftyOne (Hugging Face)
- Recapture (Hugging Face)
- Assistente SRE Kafka locale, parte 3 (Hugging Face)
- Ai2 e Taylor Geospatial (Ai2)
- Replit & Co. (PR Newswire)
- Manus entra nella Godot Foundation (Manus)
- Valutazioni dei rischi di sicurezza su GitHub Team (GitHub)