ai-powered-markdown-translatorArticolo tradotto dal francese all’italiano con gpt-6.1-sol.
Anthropic conclude la quotazione in borsa: circa 93,5 miliardi di dollari lordi per l’offerta e altri 26 miliardi versati da sette gruppi, tra cui NVIDIA, Google e Microsoft, in un collocamento privato condotto in parallelo. Thinking Machines pubblica Inkling 2 Mini, un modello a pesi aperti da 26,4 miliardi di parametri che occupa 20 Go, e OpenAI riduce dal 54,0 % allo 0,2 % il tasso di successo degli attacchi che estraggono il ragionamento protetto dei suoi modelli. ChatGPT Space si apre agli abbonati Plus, Runway affida agli agenti il 38 % dei suoi merge di codice e Claude Code, Codex CLI e Vibe CLI pubblicano ciascuno una nuova versione.
Finanza: Anthropic conclude la quotazione in borsa, con 93,5 miliardi di dollari lordi e un collocamento privato da 26 miliardi
20 novembre — All’indomani delle prime contrattazioni, Anthropic annuncia la chiusura della sua offerta pubblica iniziale, il cui prezzo era stato fissato il 18 novembre a 83 dollari per azione. Le banche hanno esercitato integralmente la loro opzione su 147 milioni di azioni aggiuntive: in totale sono state vendute 1 127 000 000 azioni di classe A. Il ricavato lordo raggiunge circa 93,5 miliardi di dollari prima di commissioni e spese, di cui circa 91,6 miliardi per Anthropic, che non riceve nulla dalle 23 648 646 azioni cedute da azionisti esistenti.
Il post riferisce anche di un collocamento privato condotto in parallelo e anch’esso concluso, di cui l’annuncio del prezzo non parlava: 313 253 007 azioni di una classe N, vendute allo stesso prezzo di 83 dollari a sette gruppi dei semiconduttori e dell’informatica (AMD, Broadcom, Google, Micron, Microsoft, NVIDIA e TSMC Partners), per circa 26,0 miliardi di dollari. Queste azioni non sono registrate ai sensi del Securities Act del 1933. Sommando l’offerta pubblica e questo collocamento, l’importo lordo si avvicina a 119,5 miliardi di dollari, prima di commissioni e spese.
| Elemento dell’operazione | Valore annunciato da Anthropic |
|---|---|
| Azioni di classe A vendute | 1 127 000 000, di cui 147 000 000 nell’ambito dell’opzione delle banche |
| di cui vendute da Anthropic | 1 103 351 354 |
| di cui da azionisti esistenti | 23 648 646 |
| Prezzo per azione | 83 dollari |
| Ricavato lordo dell’offerta | circa 93,5 miliardi di dollari |
| Quota ricevuta da Anthropic | circa 91,6 miliardi di dollari |
| Collocamento privato (classe N) | 313 253 007 azioni, circa 26,0 miliardi di dollari |
| Totale lordo, offerta e collocamento | circa 119,5 miliardi di dollari |
| Quotazione | dal 19 novembre, Nasdaq Global Select Market, simbolo ANT |
Il post conferma la quotazione, senza indicare prezzi di mercato né capitalizzazione. Goldman Sachs e Morgan Stanley hanno guidato l’operazione, con un consorzio di una ventina di banche, tra cui J.P. Morgan, Citigroup, BNP Paribas, Crédit Agricole CIB e Société Générale. Lo stesso giorno, @AnthropicAI ha pubblicato un video in cui i sette cofondatori, Dario Amodei, Daniela Amodei, Tom Brown, Jack Clark, Jared Kaplan, Sam McCandlish e Chris Olah, raccontano la storia dell’azienda.
🔗 Chiusura dell’offerta pubblica iniziale (Anthropic) · @AnthropicAI su X: i cofondatori
Modelli aperti: Inkling 2 Mini di Thinking Machines, Tencent Hy4, un super-adattatore per Qwen3.8-27B, Ayb 0.5 e Depth Pro 2
20 novembre — Thinking Machines Lab pubblica Inkling 2 Mini, il fratello minore di Inkling 2 Small (594 miliardi di parametri, trattato qui il 12 novembre). Questa miscela di esperti (Mixture-of-Experts) a pesi aperti, con licenza Apache 2.0, conta 26,4 miliardi di parametri, di cui 3,4 miliardi attivi per token. Legge testo e immagini, con un contesto di un milione di token. I suoi pesi vengono distribuiti nella precisione usata per l’addestramento, NVFP4 per venti strati e MXFP8 per gli ultimi quattro, occupando circa 20 Go senza perdite di conversione: gira con Ollama su qualsiasi Mac con almeno 32 Go.
Today we are releasing Inkling 2 Mini, a fast, powerful model that’s small enough to run on your laptop.
🇮🇹 Oggi pubblichiamo Inkling 2 Mini, un modello veloce e potente, abbastanza piccolo da girare sul vostro computer portatile. — Thinking Machines Lab, annuncio di Inkling 2 Mini
La sua particolarità è architetturale: è un transformer a ciclo (looped transformer). Dei suoi 24 strati, i 12 centrali vengono attraversati tre volte, per un totale di 48 passaggi di strato per token con 24 strati memorizzati, da cui 5,4 miliardi di attivazioni dei pesi per token. Durante l’addestramento, il laboratorio ha anche eliminato due terzi degli esperti (da 384 a 128), per poi ripristinare le capacità del modello con 1 000 miliardi di token distillati da un modello Inkling interno più grande. Secondo il laboratorio, a parità di perdita, un modello senza ciclo richiederebbe il 7,5 % di calcolo in meno per l’addestramento, ma il 140 % di calcolo in più per l’inferenza.
| Benchmark (tabella di Thinking Machines) | Inkling 2 Mini | Qwen3.8-27B | Nemotron 3.5 Super VL |
|---|---|---|---|
| Attivazioni dei pesi per token / parametri totali | 5,4B / 26,4B | 27,0B / 27,0B | 12,0B / 124,5B |
| AA Index v5.0 | 20,1 | 20,1 | 13,6 |
| DeepSWE v1.1 | 48,2 % | 42,2 % | 24,7 % |
| SWE-bench Pro v2 Hard | 77,9 % | 73,8 % | 44,1 % |
| Terminal-Bench 2.1 (pi) | 71,6 % | 73,0 % | 60,7 % |
| BrowseComp | 79,0 % | 61,6 % | 78,9 % |
| MCP Atlas | 82,7 % | 77,3 % | 67,7 % |
Secondo Thinking Machines, il modello è in testa tra i modelli aperti con meno di 100 miliardi di parametri su DeepSWE v1.1 e sul Vals Index v2.2 (46,5 %). Rimane dietro a Qwen3.8-27B su Terminal-Bench 2.1 e Thinking Machines riconosce che non è il miglior modello piccolo nelle conversazioni a più turni (50,0 % su MultiChallenge) né nelle istruzioni con vincoli multipli (33,4 % su ComplexConstraints v1.1); la didascalia del grafico precisa che le configurazioni di valutazione variano da un modello all’altro. Alcuni ricercatori di Stanford, con accesso anticipato, hanno misurato un valore di intelligenza per joule di 0,703 su DGX Spark, contro 0,430 per Qwen3.6-35B-A3B.
Il laboratorio ne fa anche un oggetto di ricerca sul monitoraggio della catena di pensiero (chain of thought): un modello a ciclo esegue più calcoli senza metterli per iscritto, il che potrebbe sfuggire a un sistema di monitoraggio. In una variante con un numero variabile di passaggi, anch’essa pubblicata, il lavoro umano corrispondente al compito risolto senza ragionamento scritto passa da 16 a 37 secondi passando da uno a tre passaggi. A cinque passaggi, il ragionamento è lungo la metà (1 661 contro 3 703 token in media su GPQA Diamond) e rimane altrettanto leggibile; Thinking Machines non osserva un aumento del sabotaggio agentico al crescere del numero di cicli. Il modello è disponibile su Tinker, Ollama, SGLang, vLLM, llama.cpp, MLX e Transformers, con versioni GGUF presso Unsloth.
🔗 Inkling 2 Mini (Thinking Machines) · Post di Hugging Face · Pesi su Hugging Face
Together AI offre Tencent Hy4, una miscela di esperti da 770 miliardi di parametri, a 0,83 dollari per milione di token in ingresso
19 novembre — Together AI aggiunge Tencent Hy4 alla propria offerta di inferenza serverless, con un contesto di un milione di token, chiamate agli strumenti e output JSON. Secondo il provider, il modello di punta di Tencent è una miscela di esperti da 770 miliardi di parametri, di cui 49 miliardi attivi per token; succede a Hy4 Preview, aggiunge l’uso del computer e diventa il primo della famiglia Hy a leggere immagini.
| Tariffa per milione di token | Together AI | Tencent (comunicato del 4 novembre) |
|---|---|---|
| Ingresso | 0,83 dollari | circa 0,90 dollari |
| Ingresso in cache | 0,042 dollari | circa 0,045 dollari |
| Uscita | 2,50 dollari | circa 2,70 dollari |
Tencent aveva lanciato Hy4 il 4 novembre, presentandolo tra i migliori modelli open source e promettendo i pesi entro pochi giorni; il repository tencent/Hy4 è su Hugging Face, con una licenza di tipo «other». Il comunicato citava una valutazione finanziaria in cieco (213 professionisti, 579 compiti) in cui Hy4 otteneva 3,04, davanti a DeepSeek-V4.1-Flash-1017 (2,97), e un tasso di allucinazione interno ridotto dal 12,95 % al 7,2 %.
🔗 Tencent Hy4 su Together AI · Comunicato di Tencent del 4 novembre
Hugging Face pubblica la ricetta dei suoi harness adapters e un super-adattatore unico per Qwen3.8-27B
20 novembre — Dopo tre giorni di pubblicazioni, tra cui l’adattatore Hermes trattato qui ieri, Hugging Face pubblica la ricetta completa dei suoi harness adapters: LoRA addestrati mediante apprendimento per rinforzo all’interno di un harness per agenti (pi, Hermes Agent o OpenCode), applicati a Qwen3.8-27B. La novità è un super-adattatore: i tre LoRA di rango 32 vengono concatenati in un unico LoRA di rango 96, che funziona nei tre harness. Poiché i loro aggiornamenti sono quasi ortogonali (coseno da 0,01 a 0,02), la combinazione li applica tutti e tre esattamente.
| SWE-bench Pro (51 compiti difficili), con ragionamento | Modello di base | Con il super-adattatore |
|---|---|---|
| Harness Hermes Agent | 45 % | 61 % |
| Harness OpenCode | 47 % | 67 % |
| Harness pi | 74 % | 74 % |
Con il ragionamento, la media delle sei coppie harness-benchmark passa dal 55,5 al 63,5 %, con il 19–48 % di chiamate agli strumenti in meno, secondo il thread del team; senza ragionamento, il super-adattatore guadagna da 6 a 18 punti su SWE-bench Pro, con il 53–73 % di chiamate agli strumenti in meno, secondo il post. I punteggi non sono confrontabili tra un harness e l’altro, poiché le impostazioni predefinite differiscono. L’addestramento ha richiesto 598 passaggi e 167 milioni di token; il sistema di protezione safeagents ha controllato 1,3 milioni di chiamate agli strumenti e ne ha bloccate 647. Compiti, adattatori, GGUF e traiettorie di valutazione sono pubblicati.
🔗 Harness adapters su larga scala (Hugging Face) · @yb2698 su X
Metric AI pubblica Ayb 0.5, OhanTTS e OhanASR, modelli aperti di testo e voce per l’armeno
20 novembre — Il team armeno Metric AI pubblica nello stesso giorno tre famiglie di modelli per la propria lingua. Ayb 0.5 riunisce tre modelli linguistici (0,8B, 4B e 9B) costruiti su Qwen3.5 e adattati all’armeno, dal tokenizer esteso al post-addestramento; Ayb-9B gestisce il dialogo a più turni, le chiamate agli strumenti e le immagini. OhanTTS-v0.1 sintetizza la voce in otto lingue, tra cui l’armeno e il francese, e clona una voce a partire da 3 a 10 secondi di audio. OhanASR-v0.1, modello di riconoscimento vocale da 2B, è perfezionato su 820 ore di armeno.
| Modello di Metric AI | Risultato pubblicato dagli autori |
|---|---|
| Ayb-9B | 3º su ArmBench nella classifica generale (0,6164) |
| OhanTTS-v0.1, 61 ore di armeno | 14,70 % di WER, primo suono in 331 ms su una GB10 |
| OhanASR-v0.1 | 16,12 % di WER (2º) e 3,49 % di CER (1º) su ArmBench-ASR |
I pesi di Ayb-9B sono distribuiti con licenza non commerciale (CC BY-NC 4.0) e accessibili dopo approvazione manuale.
🔗 Ayb 0.5 (Metric AI) · OhanTTS · OhanASR
Apple pubblica Depth Pro 2, che stima la profondità in metri nelle foto e nei video
19 novembre — Apple pubblica Depth Pro 2, una famiglia di modelli che stimano la profondità in metri, sia nelle foto sia nei video, alla risoluzione nativa. Secondo il riassunto dell’articolo, i metodi esistenti dovevano scegliere tra la coerenza da un’immagine all’altra e la nitidezza dei contorni; Depth Pro 2 punta a entrambe con un’unica rete. I pesi sono su Hugging Face in quattro dimensioni (S, B, L, H), con una versione Core ML e uno stimatore della lunghezza focale condiviso, utile quando manca la focale nei dati EXIF.
| Risoluzione elaborata da DepthPro2-L (334M, su B200) | Immagini al secondo |
|---|---|
| VGA | 150,1 |
| 720p | 33,7 |
| 1080p | 9,1 |
| 4K | 0,7 |
I pesi sono riservati alla ricerca non commerciale (licenza Apple Machine Learning Research Model) e il codice è su GitHub. L’uscita è stata segnalata il 20 novembre da Pedro Cuenca, di Hugging Face, con una dimostrazione online.
🔗 @pcuenq su X · Articolo arXiv 2611.26603 · DepthPro2-L (Hugging Face)
Sicurezza dei modelli: OpenAI contro la distillazione avversaria, Sakana AI crea il suo Security Research Group
OpenAI descrive la sua lotta contro la distillazione avversaria e riduce dal 54,0 % allo 0,2 % l’estrazione del ragionamento protetto
20 novembre — OpenAI pubblica un post sulla distillazione avversaria (adversarial distillation): l’uso non autorizzato degli output di un modello di punta per addestrarne un altro, distribuito senza le stesse misure di protezione, per esempio per attacchi che il modello originale avrebbe rifiutato. Il post si concentra innanzitutto sul ragionamento protetto, la catena di pensiero prodotta prima della risposta: secondo uno studio interno, un modello allievo migliora generalmente di più con le tracce esatte del ragionamento che con i loro riassunti.
| Attacco misurato (valutazione adattiva, sei modelli attaccanti) | GPT-6 Astra, misure di protezione originali | GPT-6.2 Astra, misure di protezione aggiornate |
|---|---|---|
| Ragionamento di una richiesta precedente | 54,0 % | 0,2 % |
| Ragionamento della richiesta corrente | 22,9 % | 0,9 % |
La difesa combina addestramento avversario, classificatori di input e output (compresi gli argomenti delle chiamate agli strumenti), controlli dell’API e indagini, con sanzioni ogni settimana contro campagne che coinvolgono da qualche migliaio a qualche decina di migliaia di account. Con GPT-6.2 Astra e Sol, il ragionamento protetto è legato alla cronologia che l’ha prodotto: l’API lo scarta se un messaggio precedente viene riscritto, e le famiglie di modelli più vecchie non possono più leggerlo. OpenAI ricorda di aver segnalato al Congresso, a febbraio, un’attività che indicava che DeepSeek stava tentando di distillare modelli americani, per poi attribuire a settembre una campagna a individui associati a Moonshot AI; dichiara di sostenere il Chip Security Act, l’AI OVERWATCH Act e il MATCH Act.
🔗 Contrastare la distillazione avversaria (OpenAI) · @OpenAI su X
Sakana AI crea il suo Security Research Group, un team indipendente per la difesa informatica collettiva
20 novembre — Sakana AI lancia il suo Security Research Group, un team di R&D indipendente con sede a Tokyo, separato dalla sua attività commerciale e orientato all’interesse pubblico.
Excited to announce the Sakana AI Security Research Group, an independent, public-interest R&D team in Tokyo co-led by Akihiro Umegai and me.
🇮🇹 Sono lieto di annunciare il Sakana AI Security Research Group, un team di R&D indipendente e di interesse pubblico, a Tokyo, diretto congiuntamente da Akihiro Umegai e da me. — @hardmaru su X
David Ha è cofondatore e amministratore delegato di Sakana AI. Il team lavorerà su tre direttrici: la prevenzione fin dalla progettazione, la difesa collettiva tramite agenti distribuiti tra organizzazioni e la sicurezza degli stessi agenti difensori, la cui autorità sarà limitata al loro compito e le cui azioni saranno tracciate. Parte da lavori interni come Digital Red Queen, ShinkaEvolve e Fugu-Cyber, per il quale Sakana AI annuncia l’86,9 % su CyberGym e il 72,1 % su CTI-REALM; una nota del post precisa che la pagina di Fugu-Cyber non fornisce né punteggi di riferimento né un protocollo di valutazione. Pubblicherà libri bianchi, benchmark e guide difensive, ma non materiale per lo sfruttamento delle vulnerabilità, e le falle individuate saranno oggetto di divulgazione coordinata. Sakana AI ricorda che le richieste di CVE sono aumentate del 263 % tra il 2020 e il 2025, secondo il NIST.
🔗 Security Research Group (Sakana AI)
Agenti collegati alla distribuzione del software: la fabbrica di Runway, Stitch Loop di Google Labs
Runway affida la sua pipeline di distribuzione del software agli agenti, che hanno gestito il 38 % dei merge di ottobre
20 novembre — Runway pubblica sul suo blog di ingegneria il bilancio numerico della sua «fabbrica del software» (software factory): sette fasi, dalla scrittura del codice al coordinamento dei merge, affidate una alla volta agli agenti. Gli agenti cloud hanno gestito il 38 % delle pull request integrate a ottobre, e su 100 di queste PR integrate nella prima metà di novembre, 78 non contenevano alcun commit umano.
| Indicatore della fabbrica del software | Punto di partenza | Ultima misurazione |
|---|---|---|
| Merge gestiti da agenti cloud | 0,1 % (giugno) | 38 % (ottobre) |
| Attesa mediana per una prima approvazione | 2,3 h (settembre) | circa 5 min (metà novembre) |
| Media dei merge settimanali | 929 (settembre) | 2 235 (da metà ottobre) |
Da metà ottobre, l’IA approva autonomamente le PR classificate a basso rischio, e quelle a rischio medio se il repository lo consente; quelle ad alto rischio spettano a una persona, e i responsabili del codice approvano sempre le migrazioni, la configurazione di CI e deployment, i segreti e l’autenticazione. A settembre e ottobre, una persona ha contestato 15 delle 977 PR approvate dall’IA, e i merge approvati dalla sola IA hanno un tasso di rollback dello 0,10 %, contro circa 1 su 200 per le approvazioni umane. Gli agenti testano anche App Studio come un utente (86 bug confermati in quattro giorni), e un coordinatore ha distribuito più di 14 000 attività in due settimane. Si tratta di strumenti interni, senza un prodotto né un prezzo.
🔗 Costruire una fabbrica del software (Runway)
Google Labs lancia Stitch Loop, un agente di prodotto che migliora continuamente un’applicazione online
18 novembre — Google Labs presenta Stitch Loop, un agente di prodotto di lunga durata che riprende da dove un agente di codice si ferma: dopo la messa in produzione. Si collega al repository GitHub e ai dati del prodotto online (log, comportamento degli utenti, feedback) tramite oltre 180 integrazioni, server MCP personalizzati o invii da una CLI locale, e lavora continuamente verso obiettivi misurabili.
Ogni ciclo propone spunti basati sui dati, descrive in dettaglio le soluzioni e i relativi compromessi, scrive il codice in una sandbox cloud isolata e apre una pull request da approvare, quindi osserva le metriche in tempo reale. Sono forniti tre cicli predefiniti (sicurezza informatica, latenza, accessibilità); quello dedicato alla sicurezza combina Gemini 4 Carbon con CodeMender, l’agente di Google DeepMind per la sicurezza del codice. Nulla viene integrato senza una revisione del team. Stitch Loop funge anche da fonte di contesto sul prodotto per agenti di codice come Google Antigravity, tramite la CLI Stitch e MCP, e si usa in Slack. È aperta soltanto una lista d’attesa, in tutto il mondo, con accesso prioritario per gli abbonati Google AI Ultra idonei.
Assistenti per il grande pubblico: ChatGPT Space per gli abbonati Plus, GIF nell’app Gemini, Perplexity Computer nei browser Chromium
ChatGPT Space si apre agli abbonati Plus di tutto il mondo
20 novembre — ChatGPT Space, presentato al DevDay del 29 settembre e finora riservato ai piani Pro, Business ed Enterprise, viene distribuito in tutto il mondo agli abbonati Plus dai 18 anni in su. Space sostituisce la Libreria nella barra laterale (pagine, diapositive, immagini, file caricati), sul web, nell’app desktop, su iOS e Android.
Vi si creano con ChatGPT pagine interattive e presentazioni, che altre persone con accesso a Space possono arricchire. Pagine e diapositive possono aggiornarsi automaticamente dalle app connesse: OpenAI cita un elenco di attività che si aggiorna da solo o un piano di progetto che segue le decisioni prese in Slack. Basta menzionare ChatGPT in un commento per richiedere una modifica, e si può invitare un dot a collaborare. La condivisione resta chiusa: servono un’autorizzazione di lettura e un account Plus, Pro, Business o Enterprise con accesso a Space; gli account Free non possono aprire i contenuti condivisi e non esiste un link pubblico.
L’app Gemini crea GIF animate con Gemini Omni 1.2 Flash, gratuitamente in Francia
20 novembre — L’app Gemini crea ora GIF animate (effetti fotografici in loop, meme) con Gemini Omni 1.2 Flash, il modello video lanciato da Google il 5 novembre, per un movimento fluido e una qualità costante da un fotogramma all’altro, secondo Google. Si scrive la richiesta nella chat principale, oppure si apre lo strumento per immagini o video, quindi si sceglie GIF nel selettore del formato.
GIFs are now available to all Google AI subscribers and free of charge in the U.S., Japan, Korea, Australia, Canada, U.K., Germany, and France.
🇮🇹 Le GIF sono ora disponibili per tutti gli abbonati Google AI, e gratuitamente negli Stati Uniti, in Giappone, in Corea, in Australia, in Canada, nel Regno Unito, in Germania e in Francia. — @GeminiApp su X
Gli utenti francesi senza abbonamento vi hanno quindi accesso. Google segue OpenAI, le cui GIF animate in ChatGPT con Images 2.6 sono state trattate qui il 5 novembre.
🔗 @GeminiApp su X: le GIF in Gemini
Perplexity Computer funziona direttamente nei browser Chromium grazie all’estensione Perplexity
20 novembre — Perplexity Computer funziona ora direttamente nei browser basati su Chromium, grazie all’estensione Perplexity. Si assegna un’attività dal pannello laterale dell’estensione, poi si segue Computer mentre lavora nelle schede e negli strumenti dell’utente. Il tweet di annuncio non precisa né i piani interessati né l’elenco dei browser supportati.
Due precedenti: il 5 ottobre, l’app Mac 26.38.0 consentiva a Computer di usare Chrome, Edge o Brave tramite un’estensione, e il 30 ottobre un’estensione Chrome collegava le app Mac e Windows di Computer al browser dell’utente. Questa volta, l’attività viene assegnata dal pannello laterale dell’estensione, nel browser.
API e SDK per sviluppatori: Codex nell’Agents SDK Python, Decider nella Context API di Perplexity
L’Agents SDK Python di OpenAI pubblica un’anteprima 1.0 che rende Codex un provider di modelli
20 novembre — L’Agents SDK Python di OpenAI apre la sua serie 1.0 con un’anteprima che cambia approccio: anziché un motore nativo separato, come nell’anteprima 0.24 trattata qui il 16 novembre, Codex diventa un provider di modelli che si sceglie a ogni esecuzione. Si crea un CodexProvider e lo si passa al Runner tramite RunConfig(model_provider=provider); l’agente viene quindi eseguito con la connessione Codex salvata, oppure con una chiave API.
La wheel Python include Codex Core (rust-v0.166.0, non modificato) tramite PyO3: l’SDK chiama direttamente il nucleo di Codex, senza avviare codex app-server né passare per JSON-RPC. Gli strumenti Python, i trasferimenti a un agente specialista (handoffs), l’approvazione prima dell’uso di uno strumento e l’output tipizzato restano disponibili, e i comandi nativi seguono la sandbox e le regole di approvazione di Codex. Le wheel 1.0.0a1 sono distribuite solo tramite GitHub Releases (Linux x86-64 e ARM64, macOS 11 e versioni successive su Apple silicon, Windows x64, CPython da 3.10 a 3.14). I salvataggi dell’anteprima 0.24.0-alpha.8 non sono compatibili con il Runner, e la versione stabile resta la 0.25.0 del 18 novembre.
🔗 openai-agents-python v1.0.0-alpha.1
Perplexity aggiunge Decider alla Context API per assegnare punteggi alle pagine, comprese le prompt injection
19 novembre — Perplexity aggiunge Decider, il suo modello decisionale, alla Context API lanciata due giorni prima (1 dollaro per 1 000 URL). Si possono porre fino a cinque domande chiuse (sì o no) su ogni pagina recuperata, e Decider assegna a ogni risposta un punteggio da 0 a 1. L’uso messo in evidenza riguarda la sicurezza: individuare una prompt injection (prompt injection) in una pagina prima che un agente la legga. Perplexity cita anche la qualificazione dei potenziali clienti, la moderazione e l’individuazione di affermazioni sulla salute prive di fonti.
L’API non filtra nulla autonomamente: restituisce tutte le pagine con i loro punteggi, ed è il codice dell’applicazione ad applicare una soglia. Il punteggio viene fatturato in token di input della Decisions API, oltre al prezzo per URL, e può allungare la richiesta al massimo di 15 secondi. Il cookbook della documentazione mostra un controllo eseguito il 18 novembre con una soglia di 0,7:
| Pagina testata (cookbook del 18 novembre) | Punteggio di injection | Decisione del controllo |
|---|---|---|
| Dimostrazione di injection (Greshake et al., 2023) | 0,97 | messa in quarantena |
| OWASP, pagina sulla prompt injection | 0,0018 | inoltrata |
| RFC 9111 | 0,0007 | inoltrata |
Il cookbook avverte che un punteggio basso non rende sicura una pagina: secondo la ricerca BrowseSafe++ di Perplexity, ogni modello testato seguiva ancora alcune injection che aveva segnalato esso stesso.
🔗 Thread di @perplexitydevs · Documentazione · Cookbook
Agenti di codice: Claude Code 2.1.329, Codex CLI 0.171.0, Vibe CLI 3.1.4 e Gemini 4 Neon in Devin
Claude Code 2.1.329 segnala l’origine degli hook all’apertura di una cartella e raggruppa le attività pianificate in /tasks
19 novembre — Claude Code 2.1.329 conta 130 voci, tra cui 91 correzioni, 20 modifiche e 7 aggiunte. Sul fronte della sicurezza, la finestra di dialogo che chiede se ci si fida di una cartella indica ora dove sono dichiarati i suoi hook, e Claude Desktop, come gli altri host non interattivi, avvisa quando gli hook imposti dalle impostazioni gestite (managed settings) non vengono caricati. /tasks elenca anche le attività pianificate della sessione, i risvegli di /loop, l’obiettivo in corso e i fork della conversazione; la maggior parte delle attività pianificate registrate dalle versioni precedenti dovrà essere ripianificata.
/code-review senza destinazione esamina ora, sulla maggior parte dei modelli, l’intero branch rispetto al branch predefinito, e con un numero di PR legge la PR stessa tramite gh pr diff. Su macOS, computer use passa a regole di sicurezza più recenti, che rifiutano determinate azioni. Il nuovo tentativo automatico aggiunto nella 2.1.326 dopo un errore max_tokens viene rimosso: dietro un gateway, occorre configurare CLAUDE_CODE_MAX_OUTPUT_TOKENS. Code Mode riceve 17 voci, tra cui la compatibilità con gli eventi e le metriche OpenTelemetry. La 2.1.330 è pubblicata su npm dal 20 novembre.
Codex CLI 0.171.0 imposta GPT-6.2 Sol come predefinito e attiva lo spazio di lavoro del terminale
20 novembre — Codex CLI 0.171.0 è la prima versione stabile dalla 0.170.0 del 18 novembre e raggruppa 339 pull request. GPT-6.2 Sol e GPT-6.2 Astra entrano nei cataloghi dei modelli, con Sol selezionato per impostazione predefinita, e i comandi /rc e /remote gestiscono dal terminale il controllo remoto locale e mostrano i codici di associazione dei dispositivi.
Diverse novità delle anteprime dal 14 al 17 novembre passano alla versione stabile: lo spazio di lavoro del TUI, attivato per impostazione predefinita, mostra anteprime di documenti e immagini e trascrizioni dei sottoagenti accanto alla conversazione; codex exec --remote avvia o riprende una sessione non interattiva su un server applicativo esistente; il compositore aggiunge le funzioni annulla e ripristina; /statusline seleziona righe di stato fornite da un server MCP, previa attivazione di un’opzione. Tra le correzioni, le bozze e i nuovi tentativi in coda restano associati alla propria conversazione, e la connessione MCP aziendale funziona con i provider di identità che non rilasciano token di aggiornamento.
Vibe CLI 3.1.4 separa l’agente dalla politica di approvazione e toglie agli agenti il diritto di eliminare le conferme
20 novembre — Mistral pubblica Vibe CLI 3.1.4, due giorni dopo la 3.1.3 che rendeva Mistral Large 4 il modello predefinito. Le sue 79 voci (18 aggiunte, 41 modifiche, 18 correzioni, 2 rimozioni) riguardano soprattutto i permessi: ogni sessione combina ora due impostazioni indipendenti, un agente (default, lean o personalizzato) e una politica di approvazione (ask, accept-edits, smart-approve o auto-approve), scelta tramite --approval-policy o default_approval_policy.
Un agente non decide più autonomamente cosa viene eseguito senza chiedere: le sue impostazioni safety, bypass_tool_permissions e permission = "always" vengono ignorate. Un progetto non può più ridefinire una politica di approvazione nella propria cartella .vibe/agents/, e sia i fork sia le sessioni figlie ereditano la politica originale. L’interfaccia aggiunge una barra di badge sopra il campo di input (sottoagenti, attività in background, pull request, obiettivo, attività), un’impostazione keep_awake impedisce la sospensione durante un turno e Vibe accetta i certificati di sistema, facilitandone il funzionamento dietro un proxy aziendale. Ai modelli Mistral vengono ora inviate solo le 8 immagini più recenti e i prompt di compattazione personalizzati vengono rimossi.
Devin rende disponibile Gemini 4 Neon, al 46,2 % su FrontierCode 2.0 per 4,38 dollari per attività
19 novembre (articolo datato 18) — Dopo Cursor e GitHub Copilot, trattati qui ieri, Cognition rende disponibile Gemini 4 Neon in Devin Desktop e Devin CLI. Su FrontierCode 2.0, il suo benchmark che valuta se una pull request merita di essere integrata, Neon ottiene il 46,2 %, il miglior risultato di un modello Google secondo Cognition. Si colloca a circa un punto da Claude Opus 5.5 (47,3 %) per circa un terzo del costo: 4,38 dollari per attività contro 12,82 dollari.
| Modello valutato su FrontierCode 2.0 | Punteggio pubblicato da Cognition |
|---|---|
| Claude Fable 5.2 | 50,2 % |
| Claude Opus 5.5 | 47,3 % |
| Gemini 4 Neon | 46,2 % |
| GPT-6.2 Astra | 44,2 % |
| GPT-6.2 Sol | 43,8 % |
| Gemini 4 Carbon | 42,6 % |
Il costo corrisponde alla spesa media per esecuzione alla tariffa di listino dell’API, sconti pubblici inclusi, e una soluzione che non soddisfa un criterio vincolante riceve un punteggio nullo. Diversi punteggi di questo grafico differiscono dai valori pubblicati nelle settimane precedenti, senza spiegazioni nell’articolo.
🔗 Gemini 4 Neon in Devin (Cognition) · @cognition su X
Scienza: OpenAI pubblica MedChemBench, un benchmark di chimica farmaceutica in cui GPT-6.2 Astra ottiene l’84,5 %
20 novembre — OpenAI presenta MedChemBench, un benchmark che misura la capacità dei modelli di ragionare come un chimico farmaceutico: collegare la struttura di una molecola ai risultati sperimentali, confrontare composti, prevederne le proprietà. Riunisce 99 problemi tratti da 117 articoli e brevetti, con 761 strutture molecolari distinte, e valuta quattro componenti: strutture, ragionamento scientifico, selezione dei composti e previsione delle proprietà.
| Modello valutato (livello di ragionamento xhigh) | Punteggio ottenuto |
|---|---|
| GPT-6.2 Astra | 84,5 % |
| GPT-6 Astra | 83,3 % |
| GPT-6.1 Sol | 82,0 % |
| GPT-6.1 Terra | 75,1 % |
| GPT-5.6 Sol | 58,2 % |
Il profilo è disomogeneo: GPT-6 Astra ottiene il 95,4 % del punteggio sulle strutture, ma circa la metà sulla selezione dei composti e sulla previsione dei valori numerici. OpenAI resta prudente: il benchmark riguarda dati storici e non dimostra che i modelli possano scoprire nuovi farmaci, non si può escludere un’esposizione precedente alle pubblicazioni di origine e sono stati valutati solo modelli GPT. Segue BioBasicsBench, trattato qui il 6 novembre.
🔗 Presentazione di MedChemBench (OpenAI) · Articolo completo (PDF)
Video e audio generativi: ElevenLabs aggiunge ad Ads Engine varianti pubblicitarie senza nuove riprese
20 novembre — ElevenLabs arricchisce Ads Engine, il suo strumento di creazione pubblicitaria integrato in ElevenCreative e lanciato a giugno. Collegato agli account pubblicitari Google, Meta, LinkedIn e ora TikTok, parte dalle pubblicità esistenti e dai loro risultati per produrne varianti senza nuove riprese. Individua l’aggancio iniziale (hook) e ne scrive di nuovi sulla base delle pubblicità che hanno funzionato; vengono pronunciati da una replica digitale della voce dell’oratore originale, con sincronizzazione labiale e sottotitoli aggiornati. Nuove colonne sonore, composte dall’API ElevenLabs Music in base al tono e al ritmo delle immagini, sono utilizzabili a fini commerciali.
Per la localizzazione, già assicurata da Dubbing v2, Ads Engine sincronizza ora le labbra dell’oratore con la lingua di destinazione e sostituisce i sottotitoli impressi nel video con una versione tradotta, rispettando la temporizzazione e i font del marchio. Resta possibile una revisione umana prima della diffusione, anche da parte di un professionista madrelingua della localizzazione, e lo strumento può pubblicare direttamente sulle piattaforme. L’accesso avviene tramite il team commerciale, senza prezzi pubblicati.
🔗 Varianti e localizzazione delle pubblicità video in Ads Engine (ElevenLabs)
Notizie in breve
Agenti di programmazione
- Copilot CLI 1.0.115-2 — In questa anteprima di 351 voci, di cui 335 correzioni, Gemini 4 Hydrogen entra nel selettore con il livello di ragionamento Extra High quando l’account vi ha accesso, GPT-6.2 Astra è supportato e
/modelgestisce anche i modelli di fornitori personalizzati; la versione stabile resta la 1.0.114. 🔗 fonte - Codex CLI 0.173.0-alpha.1 e alpha.2 — Le note di queste anteprime sono vuote; in base ai titoli dei 71 commit, la condivisione delle connessioni MCP e la scoperta OAuth dei server configurati vengono attivate per impostazione predefinita e gli amministratori potranno disattivare gli aggiornamenti del demone Codex. Il contenuto può cambiare prima della versione stabile. 🔗 fonte
- Gemini CLI — Prima nightly dal 4 novembre (v0.71.0-nightly.20261120); sul branch principale,
gemini --resumeriapre la sessione usata più di recente e non l’ultima avviata, e i percorsi che iniziano con~\vengono finalmente espansi su Windows. 🔗 fonte - Antigravity IDE 2.8.0 — L’editor di Google avvia il proprio backend istantaneamente e verifica gli aggiornamenti in background, inoltra automaticamente le porte per la connessione remota, consente di cercare in una conversazione tramite tastiera e accetta certificati personalizzati e proxy durante la connessione. 🔗 fonte
- Qwen Code 0.28.1-preview.1 — Questa anteprima di 179 voci rende GitHub il terzo adattatore di canale supportato, aggiunge WeCom, Microsoft Teams e webhook in uscita generici configurabili dall’interfaccia web e introduce nel CLI una modalità di visualizzazione per screen reader; la versione stabile resta la v0.28.0. 🔗 fonte
- Kimi Code 2.7.1 e 2.7.2, Kimi Code Desktop 1.4.1 e 1.4.2 — Quattro versioni correttive il giorno dopo la 2.7.0: il livello di ragionamento scelto in una bozza non torna più al valore predefinito dopo l’invio e i fork non falliscono più dopo il ripristino di una sessione reindirizzata durante un turno. 🔗 fonte
- CLI mistral 0.20.1 —
mistral evals exectermina ora con un errore (codice 1) quando tutte le chiamate di un’esecuzione sono fallite, per esempio a causa di un errore 401, anziché dichiararla riuscita; un’interruzione tramite Ctrl-C viene segnalata come tale. 🔗 fonte - Replit — Gli spazi di lavoro (Workspaces) possono ora essere cercati e fissati, un’opzione che compare solo a partire da cinque spazi. 🔗 fonte
- Devin Bot per Manim — Cognition mostra il Devin Bot che Grant Sanderson ha configurato per aiutarlo con Manim, il sistema di animazione open source dei video di 3Blue1Brown (96,6 k stelle, 250 000 download al mese); il tweet non specifica né le attività affidate al bot né i suoi risultati. 🔗 fonte
API e piattaforme
- API Gemini — Dal 17 novembre, Gemini 3.5 Transcribe, sia nella versione classica sia in quella in tempo reale, modifica, riscrive e formatta tramite la voce un dettato o un testo esistente (parametro
source_text), e Google cita anche la traduzione. Dal 18, l’API consente di elaborare, e pagare, solo la parte utile dei file inviati: intervalli di pagine, schede, celle, intervalli temporali o livelli di contenuto. 🔗 fonte - Consapevolezza del tempo nell’API Agents — Un’opzione sperimentale (
experimental={"time_awareness": True}) ricorda regolarmente l’ora al modello affinché adatti il proprio lavoro a una scadenza; combinata con gli strumenti asincroni, permette a un agente di porre una domanda e continuare a cercare in attesa della risposta, come mostra un articolo del blog sviluppatori di OpenAI. 🔗 fonte - Cronologia delle conversazioni con GPT-6.2 — @OpenAIDevs chiede di non modificare più i messaggi precedenti nella Responses API, perché l’API scarta il ragionamento successivo alla modifica. Una nuova sezione Reasoning removals della dashboard Usage aiuta a individuarlo e la guida associata propone invece di aggiungere un elemento
configuration_updateoadditional_toolsper cambiare il livello di ragionamento o gli strumenti. 🔗 fonte
Assistenti per il grande pubblico
- ChatGPT distribuisce una nuova applicazione mobile con una scheda per il dot e preferiti fissati — Codex, Projects o Images possono essere fissati nella barra delle schede; la distribuzione inizia dagli utenti Pro di almeno 18 anni nei luoghi in cui i dot sono disponibili, esclusi Spazio economico europeo (UE compresa), Regno Unito, Svizzera e Corea, e da un piccolo gruppo di utenti Plus (note di rilascio del 19 novembre, collegate più sopra).
- Teammates di Perplexity — Gli abbonati Max possono ora creare un teammate da qualsiasi attività Computer sul web, quindi modificarne il nome, il ruolo o l’avatar nella stessa conversazione. 🔗 fonte
- Applicazione Mac di Perplexity — Più veloce, aggiunge «Send now» per reindirizzare un’attività in corso, ⌘F per cercare nelle tabelle, nel Markdown e nelle anteprime e ⌘⇧T per riaprire una scheda chiusa. 🔗 fonte
Video e audio generativi
- Seedance 2.5 Flash su Pika — Dopo Runway e HeyGen, Pika aggiunge la variante veloce del modello video di ByteDance per i lavori che richiedono molte riprese: video fino a 30 secondi in 480p o 720p, fino a 10 immagini, 5 video e 5 clip audio come riferimento; il tweet non indica prezzi. 🔗 fonte
- Avatar 6 di HeyGen — Nuovi test alla cieca tratti dal rapporto tecnico: quando le persone filmate, dipendenti di HeyGen, scelgono il video che assomiglia loro di più, Avatar 6 vince nell’86,5 % dei casi contro Seedance 2.5 e nell’87,9 % contro Wan 3.0; queste valutazioni sono condotte da HeyGen. 🔗 fonte
- Qwen3 TTS su Together AI — La sintesi vocale aperta Qwen3-TTS-12Hz-1.7B (Apache 2.0) viene offerta a 20 dollari per milione di caratteri, con nove voci regolabili tramite un’istruzione in linguaggio naturale, dieci lingue tra cui il francese e un primo suono dopo 97 ms nel caso migliore. 🔗 fonte
Infrastruttura e ricerca
- Together Storage Accelerator — Together AI offre con ogni cluster GPU una cache NVMe per lo storage S3 e l’Hub Hugging Face, senza modifiche al codice; secondo le sue misurazioni, il tempo di lettura di un file di 2 Gio da Cloudflare R2 passa da 12,7–15,0 s a 0,64–0,72 s e un cluster di 200 nodi lo scarica una sola volta dall’origine. 🔗 fonte
- CDN di Hugging Face — Hugging Face distribuisce quasi un exabyte di modelli e dataset aperti al mese, secondo il cofondatore Julien Chaumond, e ha costruito una propria rete di distribuzione (CDN) per i download di IA. 🔗 fonte
- Superfluid di basecompute — Il server locale distribuisce ora l’inferenza tra macchine Apple, AMD e NVIDIA: sei macchine portano il throughput da 112 a 534 token di output al secondo per 64 utenti simulati e l’arresto di un nodo non causa la perdita di alcuna richiesta, secondo il produttore. 🔗 fonte
- WavLate — Questo modello aperto di interazione tardiva cerca suoni tramite il testo e testo tramite il suono, con un vettore ogni 0,31 secondi di suono e uno per parola; il suo autore annuncia un Recall@1 medio di 37,9 su AudioCaps e Clotho, il migliore dei nove modelli aperti confrontati, e pubblica pesi e dati. 🔗 fonte
- WorldTrace — NVIDIA Research presenta una memoria per i modelli del mondo video interattivi, senza riaddestramento (articolo accettato a NeurIPS 2026): su LoopBench, il recupero delle scene rivisitate migliora del 32,6 % rispetto alla finestra scorrevole, con 3,1 Go di memoria GPU e il 27 % di tempo di esecuzione in più. 🔗 fonte
- Dynamo per l’apprendimento per rinforzo — NVIDIA spiega nel dettaglio come Dynamo serve i rollout del post-addestramento: routing in base alla cache KV, trasferimento differenziale dei pesi con ModelExpress, ripristino dei processi worker guasti. Microsoft AI, Cognition (per SWE-1.7), Prime Intellect e H Company lo utilizzano; H Company risparmia fino al 20 % di tempo per fase di addestramento. 🔗 fonte
- Attenzione sparsa — In una guida del 17 novembre, NVIDIA fornisce otto regole di progettazione per l’attenzione sparsa addestrata sulle sue GPU; l’indicizzatore che sceglie i token e il Top-k incidono per il 47 % su un livello di prefill di DeepSeek V3.2 a 128K token. 🔗 fonte
GitHub
- GitHub Enterprise Server 3.23 in release candidate — Il rilevamento dei segreti tramite IA, in anteprima pubblica, viene eseguito sul processore dell’appliance, senza GPU, senza LLM ospitato né connessione in uscita, anche in un ambiente isolato (air-gapped); la versione estende inoltre il rilevamento dei pacchetti dannosi noti ad altri sette ecosistemi oltre a npm. 🔗 fonte
- Al di fuori dell’IA — GitHub chiarisce lo stato di merge nella nuova pagina Overview delle pull request, GitHub Desktop 3.7.0 accetta più account sullo stesso host e la dashboard mostra fino a 25 repository preferiti. 🔗 Overview · 🔗 Desktop · 🔗 preferiti
Imprese e saggi
- Hebbia — Nei suoi test di ricerca finanziaria di agosto e settembre, un’anteprima di GPT-6 Astra cita il 99,5 % di estratti pertinenti e rispetta il 97,9 % dei requisiti di presentazione, 14,4 punti davanti alla migliore alternativa testata, che il caso di studio pubblicato da OpenAI non nomina. 🔗 fonte
- Il consenso silenzioso — OpenAI pubblica nella sua rubrica L’era dell’intelligenza (Intelligence Age) un saggio di Dean Ball, adattato da una conferenza a Harvard e presentato come espressione delle opinioni dell’autore, contro l’idea che l’abbandono del primato umano sia inevitabile; sostiene la necessità di agenti legati a persone, con permessi limitati e revocabili. 🔗 fonte
- Arricchimento dei dati — Una guida di Perplexity descrive come completare e verificare le schede CRM con un modello collegato al web, in sei passaggi; Apollo effettua 5,6 milioni di arricchimenti al mese tramite l’API di Perplexity. 🔗 fonte
Cosa significa
La quotazione in borsa di Anthropic riunisce, nello stesso post, i capitali dei mercati e quelli dell’industria. L’offerta pubblica apporta all’azienda circa 91,6 miliardi di dollari lordi e il collocamento privato altri 26 miliardi, sottoscritti allo stesso prezzo di 83 dollari da sette gruppi dei semiconduttori e dell’informatica: AMD, Broadcom, Google, Micron, Microsoft, NVIDIA e TSMC Partners. Nel complesso, l’operazione sfiora i 119,5 miliardi di dollari lordi: accanto agli investitori dell’offerta, sette gruppi industriali acquistano azioni di un laboratorio di IA ormai quotato al Nasdaq.
La sicurezza viene gestita sempre più attraverso i meccanismi stessi degli strumenti. OpenAI lega il ragionamento di GPT-6.2 alla cronologia che l’ha prodotto, facendo scendere l’estrazione misurata dal 54,0 % allo 0,2 %, ma impone agli sviluppatori di non riscrivere più le proprie conversazioni. Vibe CLI toglie agli agenti il diritto di disattivare autonomamente le conferme, Claude Code mostra da dove provengono gli hook di una cartella prima che le venga accordata fiducia e Decider assegna un punteggio alle pagine prima che un agente le legga. Sakana AI, dal canto suo, crea un team dedicato alla difesa collettiva, promettendo di non pubblicare materiale per lo sfruttamento delle vulnerabilità.
Gli agenti passano dalla scrittura del codice alla catena di distribuzione del software. In Runway gestiscono il 38 % dei merge di ottobre e l’IA approva autonomamente le modifiche a basso rischio; Stitch Loop monitora un prodotto online e apre pull requests per raggiungere un obiettivo misurabile. In entrambi i casi, una persona mantiene il controllo su ciò che conta: le aree sensibili in Runway, ogni merge in Stitch Loop. Gli strumenti seguono questa evoluzione: l’Agents SDK Python rende Codex un fornitore di modelli e Cognition valuta i modelli sulla domanda posta da queste catene, ossia se eseguire il merge della PR.
Sul fronte dei modelli aperti, gli sforzi si concentrano su ciò che si può ottenere da pesi più leggeri. Inkling 2 Mini percorre tre volte i propri layer intermedi per eguagliare Qwen3.8-27B nell’AA Index in 20 Go, il super-adattatore di Hugging Face racchiude tre specializzazioni in un solo LoRA e Metric AI parte da Qwen3.5 per costruire modelli armeni. Le cifre restano quelle dichiarate dai produttori e MedChemBench ricorda i limiti dell’esercizio: OpenAI vi valuta soltanto i propri modelli e non esclude che abbiano visto le pubblicazioni di origine.
Fonti
- Chiusura della quotazione in borsa (Anthropic)
- @AnthropicAI su X: i cofondatori
- Inkling 2 Mini (Thinking Machines)
- Post di Hugging Face su Inkling 2 Mini
- Inkling-2-Mini (Hugging Face)
- Tencent Hy4 su Together AI
- Comunicato di Tencent su Hy4
- Sfruttare gli adattatori su larga scala (Hugging Face)
- @yb2698 su X: il super-adattatore
- Ayb 0.5 (Metric AI)
- OhanTTS (Metric AI)
- OhanASR (Metric AI)
- @pcuenq su X: Depth Pro 2
- Articolo arXiv 2611.26603: Depth Pro 2
- DepthPro2-L (Hugging Face)
- Contrastare la distillazione avversaria (OpenAI)
- @OpenAI su X: la distillazione avversaria
- @hardmaru su X: il Security Research Group
- Security Research Group (Sakana AI)
- Costruire una fabbrica del software (Runway)
- Stitch Loop (Google)
- Note di rilascio di ChatGPT
- @GeminiApp su X: disponibilità delle GIF
- @GeminiApp su X: le GIF in Gemini
- @perplexity_ai su X: Computer in Chromium
- openai-agents-python v1.0.0-alpha.1
- @perplexitydevs su X: Decider nella Context API
- Assegnare un punteggio alle pagine in base a criteri (documentazione Perplexity)
- Cookbook contro le injection (documentazione Perplexity)
- Claude Code v2.1.329
- Codex CLI 0.171.0
- Vibe CLI v3.1.4
- Gemini 4 Neon in Devin (Cognition)
- @cognition su X: Gemini 4 Neon
- Presentazione di MedChemBench (OpenAI)
- Articolo completo di MedChemBench (PDF)
- Varianti e localizzazione degli annunci video in Ads Engine (ElevenLabs)
- Copilot CLI 1.0.115-2
- Codex CLI 0.173.0-alpha.2
- Gemini CLI, PR 30389
- Changelog di Antigravity
- Qwen Code v0.28.1-preview.1
- Kimi Code 2.7.2
- CLI mistral 0.20.1
- Changelog di Replit del 20 novembre
- @cognition su X: Devin Bot per Manim
- Note di rilascio dell’API Gemini
- Consapevolezza temporale e input asincrono per gli agenti personali (OpenAI)
- @OpenAIDevs su X: cronologia e ragionamento di GPT-6.2
- @AskPerplexity su X: teammates da Computer
- @AskPerplexity su X: applicazione Mac
- @pika_labs su X: Seedance 2.5 Flash
- @HeyGen su X: test alla cieca di Avatar 6
- Qwen3 TTS su Together AI
- Together Storage Accelerator (Together AI)
- @julien_c su X: il CDN di Hugging Face
- Superfluid su una flotta (basecompute)
- WavLate (Hugging Face)
- @NVIDIAAI su X: WorldTrace
- Dynamo e i rollout di RL (NVIDIA)
- Attenzione sparsa su GPU NVIDIA (NVIDIA)
- GitHub Enterprise Server 3.23 release candidate (changelog GitHub)
- Pagina Overview delle pull requests (changelog GitHub)
- GitHub Desktop e più account per host (changelog GitHub)
- Repository preferiti nella dashboard (changelog GitHub)
- Hebbia e GPT-6 Astra (OpenAI)
- Il consenso silenzioso (OpenAI)
- Arricchimento dei dati con l’IA (Perplexity)