Wan 3.0 genera 30 secondi in un solo passaggio, NVIDIA misura picchi di 30x di lavoro per watt, Mistral firma con HUMAIN

Il 24 agosto è una giornata di hardware tanto quanto di modelli. NVIDIA lancia tre annunci di infrastruttura nello stesso blitz Hot Chips — prime misurazioni su silicio per Vera Rubin NVL72, ingresso in produzione di Groq 3 LPX, apertura della piattaforma ai chip di terze parti tramite NVLink Fusion. Alibaba lancia Wan 3.0, che genera 30 secondi di video nativi in un solo passaggio. E due laboratori non statunitensi si affacciano lo stesso giorno al fianco di istituzioni nazionali: Mistral con HUMAIN in Arabia Saudita, Sakana AI con il ministero giapponese della Difesa. Si aggiungono la disponibilità generale dell’autorizzazione enterprise per i connettori MCP di Anthropic, l’arrivo di GPT-5.6 in Kiro e una serie di annunci sugli agenti vocali.

Wan 3.0 genera 30 secondi nativi in un solo passaggio

24 agosto — Alibaba lancia Wan 3.0, la nuova generazione del suo modello video. La svolta più visibile riguarda la durata: il modello produce 30 secondi nativi in un solo passaggio, senza assemblaggio di sequenze successive (stitching). Finora, superare una decina di secondi richiedeva generare più segmenti e poi unirli, con le derive di coerenza che ciò comporta su luce, texture e volti.

Il secondo asse è l’ingresso multimodale. Wan 3.0 accetta fino a 20 asset di riferimento e analizza documenti e pagine web oltre a immagini, audio e video — ciò che la pagina ufficiale chiama creazione omnimodale (Omni-Creation). In pratica, gli si fornisce un dossier di brand invece di una descrizione testuale.

Il modello genera inoltre un audio sincronizzato nativo: voce, effetti e ambiente vengono prodotti insieme alle immagini, e non aggiunti dopo. Sul fronte delle immagini statiche, Wan 3.0 fonde fino a 9 immagini in una composizione unica e genera 12 immagini sequenziali con stile e soggetto costanti, il che mira esplicitamente allo storyboard e alle varianti pubblicitarie.

Due capacità meno spettacolari contano nell’uso professionale: il rendering di testo lungo su 12 lingue, che copre grafici, formule e infografiche dove i modelli video falliscono di solito, e il controllo colorimetrico preciso, condizione per la conformità a una brand identity.

L’ecosistema ha seguito nella giornata: Wan 3.0 era disponibile dal day zero su fal, Leonardo.Ai, Scenario, RunningHub, Venice, TapNow, DeeVid, Pixmax e tramite il Pika API Club.

Capacità annunciata	Valore per Wan 3.0
Durata nativa	30 s in un passaggio, senza assemblaggio
Asset di riferimento	Fino a 20, con analisi di documenti e pagine web
Audio	Sincronizzato, generato nativamente con le immagini
Rendering del testo	Testo lungo su 12 lingue (grafici, formule, infografiche)
Fusione di immagini	Fino a 9 immagini in una composizione
Sequenze di immagini	Fino a 12 immagini sequenziali coerenti

🔗 Wan 3.0 — pagina ufficiale

NVIDIA misura fino a 30x più lavoro per watt su Vera Rubin NVL72

24 agosto — In occasione della conferenza Hot Chips, NVIDIA pubblica le sue prime misurazioni di prestazioni su silicio per Vera Rubin NVL72. Il dato messo in evidenza punta direttamente all’economia dei data center: fino a 30x più throughput per megawatt rispetto alla generazione GB300 NVL72 sul modello DeepSeek V4 Pro, e un costo per milione di token fino a 35x inferiore.

L’aspetto metodologico conta quanto il risultato. NVIDIA scarta le misurazioni di inferenza classiche, calibrate su sequenze da 1 000 a 8 000 token: in una sessione agentica, il contesto si accumula e raggiunge diverse centinaia di migliaia di token in input. Le misurazioni sono quindi state fatte con SemiAnalysis AgentX, un carico di sessioni di coding agentico reali registrate, con chiamate agli strumenti e sotto-agenti mantenuti. Due riserve: i numeri attendono la revisione di SemiAnalysis e non includono ancora il contributo della CPU Vera.

La giustificazione sta in una statistica OpenRouter: un carico agentico consuma 15x più token di una semplice richiesta chat. Per una fabbrica di IA vincolata dall’energia, la posta in gioco è formulata senza giri di parole — il throughput per megawatt determina il fatturato, il costo per milione di token determina il margine. La tecnologia DSX MaxLPS consente inoltre di provisionare fino al 40% di GPU aggiuntive a parità di budget di megawatt.

I guadagni derivano da un insieme di ottimizzazioni di inferenza: servizio disaggregato che separa elaborazione del contesto e generazione della risposta, cache KV distribuita con scarico a livelli, kernel CUDA fusi come MegaMoE e quantizzazione NVFP4 che comprime i pesi in 4 bit. La piattaforma completa conta sette chip, GPU Rubin comprese.

Confronto misurato	Guadagno annunciato
Vera Rubin NVL72 contro GB300 NVL72 (throughput per megawatt)	fino a 30x
Vera Rubin NVL72 contro GB300 NVL72 (costo per milione di token)	fino a 35x meno costoso
GB300 NVL72 contro Hopper (throughput per megawatt)	fino a 15x
DSX MaxLPS	+40% di GPU a parità di budget MW

🔗 Vera Rubin NVL72 e i carichi agentici

Groq 3 LPX entra in piena produzione, Nebius e SpaceXAI adottano Vera Rubin

24 agosto — Secondo capitolo dello stesso blocco Hot Chips: il sistema rack-scale NVIDIA Groq 3 LPX passa in piena produzione, come estensione di Vera Rubin NVL72.

Il dato di riferimento viene da un benchmark Artificial Analysis su Gemma 4 31B: 3 400 token di output al secondo con contesto lungo di 100 000 token, cioè 4x la piattaforma alternativa più vicina. Il problema affrontato ha un nome preciso — la latenza di decoding: un agente genera la risposta token per token, e il minimo ritardo unitario si moltiplica lungo le catene di lavoro.

La ripartizione dei ruoli è esplicita: le GPU Rubin trattano il contesto su larga scala, LPX accelera il decoding sensibile alla latenza. Un rack può riunire 256 acceleratori LP30 collegati da link diretti chip-to-chip.

Sono citati tre adottanti. Nebius è il primo cloud IA a integrare Groq 3 LPX, nella sua Token Factory; CoreWeave distribuisce Spectrum-X Multiplane in produzione per interconnettere i suoi rack Vera Rubin; e SpaceXAI adotta le CPU NVIDIA Vera per l’orchestrazione, la chiamata agli strumenti e l’esecuzione di codice dietro l’IA agentica, con l’intenzione di costruire la propria architettura attorno a Vera Rubin, dai data center terrestri fino ai satelliti in orbita.

Sul fronte rete, superare i cluster più grandi attuali richiedeva finora un terzo livello, costoso in cablaggio, ottica, energia e latenza. Spectrum-X Multiplane divide invece la connessione di ogni server in più percorsi indipendenti, o piani, ciascuno dei quali opera la propria rete a due livelli.

Elemento misurato	Valore annunciato
Groq 3 LPX su Gemma 4 31B, contesto 100k	3 400 token/s in output, 4x la piattaforma più vicina
Rack Groq 3 LPX	fino a 256 acceleratori LP30, link chip-to-chip
Spectrum-X Multiplane	fino a 512 000 GPU su due livelli
Perdita di un piano su otto	circa 90% di banda passante conservata
Ripristino hardware	11x più rapido del bilanciamento software, 1,6x di throughput

🔗 Groq 3 LPX, Spectrum-X e NVLink Fusion

NVLink Fusion collega i chip personalizzati alla piattaforma NVIDIA

24 agosto — Terzo articolo NVIDIA della giornata: NVLink Fusion porta i chip personalizzati (XPU) in un dominio di scaling NVLink da 72 acceleratori. La sesta generazione di NVLink mostra una latenza end-to-end 3x inferiore rispetto alle soluzioni basate su Ethernet standard, con un throughput dei pacchetti 10x superiore; la roadmap annuncia domini fino a 1 152 acceleratori e ottica co-packaged. NVLink-C2C collega gli XPU alle CPU Vera o ad altre CPU con fino a 6x l’efficienza energetica di un’interfaccia PCIe.

L’argomento è quello del disaccoppiamento: la pianificazione di una fabbrica di IA — energia, edificio, raffreddamento, rack, rete — inizia ben prima che il mix di acceleratori sia fissato, e un data center bloccato su un solo chip diventa un rischio di planning. Gli adottanti riutilizzano l’architettura rack MGX e la sua supply chain. Partner citati: Intel, MediaTek, GUC, QCT e Annapurna Labs.

🔗 NVLink Fusion e gli XPU

Mistral e HUMAIN firmano per un’IA sovrana in Arabia Saudita

24 agosto — Mistral annuncia una collaborazione strategica con HUMAIN, l’azienda saudita di intelligenza artificiale: infrastruttura di calcolo, sviluppo di modelli avanzati e distribuzione di soluzioni nel regno e nella regione. L’impegno vale, secondo Mistral, diverse centinaia di milioni di euro.

Le direttrici iniziali sono la cybersecurity e la voce, con modelli frontier performanti in lingua araba. Mistral esplorerà l’uso dei data center di HUMAIN per le proprie esigenze di calcolo locali, e i due partner punteranno insieme alle industrie regolamentate del regno. L’annuncio prosegue una sequenza iniziata quest’estate — partnership ampliata con Microsoft, poi European Compute Units all’inizio di agosto — e il comunicato precisa che si tratta di dichiarazioni prospettiche, soggette a successivi accordi commerciali.

Control is becoming the defining topic in enterprise AI adoption. Across the world, and especially in regulated industries, organizations want the benefits of AI without giving up control over their sensitive data and systems.

🇮🇹 Il controllo sta diventando il tema decisivo dell’adozione dell’IA in azienda. In tutto il mondo, e in particolare nelle industrie regolamentate, le organizzazioni vogliono i benefici dell’IA senza rinunciare al controllo dei propri dati e dei propri sistemi sensibili. — @MistralAI su X

🔗 Annuncio @MistralAI · Post di Mistral

Sakana AI ottiene un contratto del ministero giapponese della Difesa

24 agosto — Sakana AI rende pubblico un contratto firmato il 29 luglio con il ministero giapponese della Difesa (防衛省), relativo allo studio e alla dimostrazione delle funzioni di IA necessarie alle operazioni di analisi integrata. Il progetto punta agli ufficiali di analisi della Direzione dell’intelligence, su tre assi: raccolta, capacità di analisi e gestione documentale. Il componente mobilitato è la tecnologia di agenti IA del laboratorio.

Non è il suo primo contratto di difesa: nel marzo 2026, il laboratorio di Tokyo era già stato selezionato per le tecnologie di base dei sistemi di comando e controllo. Per un’azienda la cui identità pubblica si fonda sui modelli aperti, la traiettoria merita di essere notata — il blog dispone ormai di una sezione dedicata a difesa e intelligence, e Sakana AI sta assumendo per questo team.

「Sakana AI株式会社は、令和8年7月29日、防衛省と「総合分析業務に必要なAI機能の調査・実証」に関する契約を締結いたしました。」

🇮🇹 Sakana AI ha concluso il 29 luglio 2026 un contratto con il ministero della Difesa riguardante lo studio e la dimostrazione delle funzioni di IA necessarie alle operazioni di analisi integrata. — Sakana AI, post ufficiale

🔗 Sakana AI — analisi integrata per la Difesa

Anthropic rende disponibile in generale l’autorizzazione enterprise per i connettori MCP

24 agosto — L’autorizzazione gestita dall’azienda (enterprise-managed auth) per i connettori MCP passa in disponibilità generale su Claude Team e Claude Enterprise, dopo una beta aperta a giugno. Il problema risolto è concreto: finora, collegare un connettore MCP richiedeva due passaggi — l’amministratore lo attivava per l’organizzazione, poi ogni utente passava attraverso un flusso OAuth per ogni strumento. L’amministratore autorizza ora una sola volta, tramite il provider di identità dell’azienda, e gli utenti trovano i loro strumenti già connessi.

Un punto interessa i team di sicurezza: un amministratore può richiedere che un connettore passi sempre attraverso il provider di identità, cosa che impedisce di collegare un account personale a uno strumento professionale. Dieci provider MCP sono supportati al lancio — Asana, Atlassian, Canva, Datadog, Figma, Granola, Linear, Notion, Slack e Supabase — con Okta come unico IdP per ora. Il meccanismo non è proprietario: è la prima implementazione dell’estensione Enterprise-Managed Authorization del Model Context Protocol.

🔗 Annuncio @ClaudeDevs · Post di Anthropic

Boris Cherny riconosce i rifiuti in cybersecurity come un difetto

24 agosto — Il giorno dopo le sue parole sui tre livelli di capacità, il responsabile di Claude Code risponde a due interrogativi ricorrenti tra gli sviluppatori di sicurezza. Il primo è il sospetto di un modello interno privilegiato: il team usa esattamente lo stesso Fable degli utenti finali.

Il secondo è più diretto: i rifiuti attivati dai temi di cybersecurity sono riconosciuti come un difetto, in termini che non cercano di attenuarlo, e il team sta lavorando per ridurli. È un’informazione utile per i praticanti della sicurezza difensiva o dei CTF, che si scontrano regolarmente con rifiuti su richieste legittime. Non viene fornita alcuna tempistica, ma il messaggio prolunga l’aggiornamento di agosto sui guardrail biologici di Fable 5, che mirava già a ridurre i falsi positivi.

We use the same exact Fable. Cyber security refusals suck, and we are working on reducing them. More to come.

🇮🇹 Usiamo esattamente lo stesso Fable. I rifiuti in cybersecurity sono fastidiosi, e stiamo lavorando per ridurli. Altre cose in arrivo. — @bcherny su X

Anthropic inizia a mantenere automaticamente le proprie applicazioni

23 agosto — Spinto a precisare cosa intenda per coding, Boris Cherny propone una distinzione semplice: il coding è l’atto di scrivere codice, l’engineering è tutto il resto che vi si aggiunge. Riconosce che la separazione tra lavoro tattico e lavoro strategico è un’altra griglia di lettura altrettanto valida.

È la fine del suo messaggio a portare l’informazione nuova. Afferma di vedere parti del lavoro strategico iniziare a essere automatizzate, e fa un esempio concreto: Anthropic inizia a mantenere automaticamente le proprie applicazioni, e un numero di clienti in rapida crescita farebbe lo stesso. La sfumatura conta — non si tratta più di generare codice su richiesta, ma di lasciare che agenti assicurino la manutenzione ordinaria di applicazioni in produzione: aggiornamenti delle dipendenze, correzioni, adattamenti ai cambiamenti delle API. Il verbo impiegato descrive un dispiegamento in corso e non uno stato di fatto, e non vengono forniti né numeri, né applicazioni nominate, né un perimetro esatto.

🔗 Fil @bcherny sul coding e l’engineering

Un digest commerciale settimanale automatizzato con Claude Code

24 agosto — Anthropic pubblica un post su un uso interno di Claude Code al di fuori dello sviluppo software: una marketer sul campo racconta come abbia sostituito il meeting di quindici minuti del lunedì mattina con un digest settimanale personalizzato, recapitato in un messaggio Slack a ogni commerciale.

L’architettura è essenziale: Claude è connesso a BigQuery tramite MCP, con il data warehouse come fonte di verità per i dati di marketing. Il metodo è più istruttivo della tecnica: il pilota è partito con un solo team volontario, e ogni correzione segnalata dai destinatari è stata trasformata in una regola esplicita del prompt: alla fine della prima settimana, questo conteneva nove regole di contenuto, ciascuna riconducibile a un feedback preciso. Poiché ogni messaggio è composto a partire dall’elenco di account del suo destinatario, due messaggi non sono mai identici; i BDR (business development representatives) hanno poi chiesto la propria variante.

🔗 Un digest settimanale personalizzato con Claude Code

GPT-5.6 arriva in Kiro, l’agente di sviluppo di AWS

24 agosto — La famiglia completa GPT-5.6 — Sol, Terra e Luna — è disponibile in Kiro, l’agente di sviluppo software di AWS. L’argomento messo in evidenza non è la potenza bruta ma il rapporto prezzo/prestazioni: su Terminal-Bench 2.1, un test condotto congiuntamente da OpenAI e AWS, GPT-5.6 Terra porta a termine le attività riuscite con circa l’82% di costo in meno.

La spiegazione addotta riguarda il metodo di Kiro, lo sviluppo guidato dalle specifiche (spec-driven development): lo strumento converte un’intenzione di alto livello in requisiti, in progettazione tecnica e in compiti eseguibili, ancorando così il modello a un contesto preciso fin dall’inizio e limitando le piste false. OpenAI dettaglia gli usi previsti: piani di implementazione strutturati, attività di codice multi-step, contesto del repository, punti di controllo prima dell’applicazione delle modifiche. Per chi segue l’ecosistema degli agenti di codice, l’annuncio conferma soprattutto che la gamma GPT-5.6 si diffonde al di fuori delle superfici OpenAI.

🔗 GPT-5.6 in Kiro

Codex guadagna una modalità sviluppatore con accesso al Chrome DevTools Protocol

24 agosto — Il changelog di ChatGPT e Codex riceve una serie di novità centrate sul browser pilotato dall’agente. La principale è una modalità sviluppatore per Browser use, in Chrome come nel browser integrato di Codex: concede un accesso controllato al Chrome DevTools Protocol, l’interfaccia utilizzata dagli strumenti di sviluppo di Chrome. L’agente può così profilare le prestazioni e debuggare il traffico di rete, l’output della console e lo stato della pagina, invece di limitarsi a ciò che legge sullo schermo.

Lo stesso protocollo serve anche alla velocità: Browser use diventa fino a due volte più rapido, grazie a istantanee del DOM che riducono i round-trip con il browser. Le automazioni pianificate rispettano ora la modalità di approvazione selezionata, correggendo una discrepanza fastidiosa per le esecuzioni non supervisionate.

Novità del changelog	Ambito annunciato
Modalità sviluppatore per Browser use	Chrome e browser integrato di Codex, accesso CDP controllato
Browser use accelerato	Fino a 2x più veloce (ottimizzazioni CDP e istantanee DOM)
Comando `/init`	Composer dell’applicazione, funzionamento identico alla CLI Codex
Computer Use	Aziende fuori da SEE, Regno Unito e Svizzera
Controlli Computer Use su Windows	Configurabili applicazione per applicazione

🔗 Changelog ChatGPT e Codex

I vincitori della Gemma 4 Good Challenge

24 agosto — Google pubblica i risultati della sua Gemma 4 Good Challenge, competizione Kaggle che invitava gli sviluppatori ad affrontare problemi reali con i suoi modelli aperti: più di 1.600 progetti inviati in sei settimane. La difficoltà risiedeva meno nella qualità dei modelli che nel loro deployment in ambienti vincolati, con i partecipanti che hanno mobilitato LiteRT, Cactus, Ollama, llama.cpp e Unsloth per farli girare su hardware comune.

Il filo conduttore dei progetti premiati è il funzionamento offline e la privacy by design. GEM-4 conquista il primo posto con un assistente robotico per persone anziane e con disabilità: un Gemma 4 31B annota le sequenze video di addestramento, un controller E2B fine-tuned traduce osservazioni e istruzioni in movimenti. Tra i premi speciali, Gem-Care affina Gemma 4 E2B per ricostruire la parola non standard e abbassa il tasso di errore per parola dal 32,7% al 19,0%; PreVillage offre un routing conversazionale in nepalese romanizzato su un Raspberry Pi 5 a 7,5 token al secondo.

🔗 I progetti premiati della Gemma 4 Good Challenge

ADK valuta nativamente gli agenti vocali

24 agosto — L’Agent Development Kit di Google ora supporta la valutazione degli agenti live e vocali, nello stesso ciclo di quelli testuali. Il principio: un simulatore di utente pronuncia i propri turni di parola, sintetizzati da Gemini TTS e poi trasmessi in streaming all’agente, le cui risposte parlate vengono valutate automaticamente. La modalità live si attiva con la sola presenza di un blocco live_model_config; senza di esso, gli stessi casi di test girano in modalità testo.

I casi di test si declinano in due stili: lo scenario, in cui un persona improvvisa i propri turni secondo un piano, e la conversazione fissa, scriptata parola per parola. La valutazione passa attraverso giudici LLM guidati da rubriche in linguaggio naturale, scritte una volta e poi applicate a tutta la suite. L’esecuzione avviene tramite adk eval o tramite AgentEvaluator, consentendo di inserire valutazioni vocali in una pipeline CI/CD. ADK Web aggiunge un interruttore tra modalità standard e live, ricostruisce la trascrizione dal flusso audio e associa a ogni turno una clip audio riproducibile.

🔗 Valutare gli agenti vocali in ADK

Grok Voice Think Fast 2.0 prende la testa dell’indice Speech-to-Speech

24 agosto — xAI annuncia che Grok Voice Think Fast 2.0 conquista il primo posto nell’indice Speech-to-Speech di Artificial Analysis, che misura meno la qualità della voce restituita che la capacità di un agente vocale di ragionare su ciò che sente, di risolvere un vero problema cliente e di portare a termine un compito chiamando strumenti.

Il modello non è una novità del giorno: il suo post di presentazione risale al 29 luglio. Ciò che xAI comunica qui è la classifica e dei numeri di produzione. In Starlink, controllata dello stesso gruppo, Grok Voice gestisce più di 15.000 chiamate in entrata di supporto e vendita al giorno e finalizza più di 3.000 ordini a settimana, voce e chat cumulati. La famiglia Think Fast esegue il proprio ragionamento in parallelo alla sintesi vocale, evitando così di pagare l’intelligenza in latenza.

Benchmark	Think Fast 2.0	GPT-Realtime-2.1 (High)	Gemini 3.1 Flash (High)
AA Speech-to-Speech Quality Index	82,9 %	79,1 %	69,5 %
τ-voice Bench (prestazioni agente)	56,5 %	45,7 %	37,7 %
Tempo fino al primo suono	0,70 s	—	2,98 s

🔗 Annuncio @SpaceXAI · Post x.ai

ElevenLabs porta tutta la sua API nel terminale

24 agosto — ElevenLabs pubblica la versione 1 del suo CLI, che espone l’intera API nel terminale. L’annuncio si rivolge in egual misura a due pubblici: gli sviluppatori e gli agenti di codice.

Questo doppio obiettivo si legge nelle scelte tecniche. I comandi sono documentati per essere individuabili, degli agent skills sono integrati direttamente nello strumento e l’output è disponibile in JSON strutturato — tre condizioni perché un agente piloti lo strumento in modo affidabile invece di interpretare testo libero. La modalità dry run completa il tutto: consente di visualizzare in anteprima il risultato di un’operazione prima di eseguirla, un utile salvaguardia quando è un agente autonomo ad attivare la chiamata. L’uscita si inserisce nella continuità del server MCP ufficiale lanciato dall’editore il 17 agosto.

🔗 ElevenLabs CLI v1

MiniMax apre 14 giorni di accesso illimitato su GMI Cloud

24 agosto — Dal 24 agosto al 6 settembre, MiniMax apre un accesso illimitato ai propri modelli su GMI Cloud: M3 e M2.7 per il linguaggio, Speech 2.8 e Music 3.0 per l’audio.

L’elemento notevole va oltre l’operazione commerciale. Il 21 agosto, MiniMax si limitava a un annuncio enigmatico che lasciava intendere l’arrivo di un modello M3, senza specifiche né data. Tre giorni dopo, M3 è nominativamente accessibile in un’offerta datata, accanto a due modelli audio i cui numeri di versione non erano comparsi nelle comunicazioni precedenti del fornitore. Nessun benchmark né specifica tecnica accompagna l’annuncio: è una messa a disposizione, non una scheda prodotto.

🔗 14 giorni di accesso illimitato su GMI Cloud

Brevi

Nemotron 3.5 Lightning entra nella top 4 di PinchBench — Il modello NVIDIA si colloca nella top 4 dei modelli a pesi aperti con l’86,4% di successo medio sui test di agenti standardizzati OpenClaw; Nemotron 3 Ultra mantiene il primo posto. 🔗 Tweet @NVIDIAAI
Wan 3.0 è già disponibile tramite il Pika API Club — L’aggregatore, lanciato il 5 agosto, dà accesso a più di un centinaio di modelli tramite una sola API. L’aggiunta al day zero prolunga la logica già osservata con Seedance 2.5 il 17 agosto. 🔗 Tweet @pika_labs
Runway estende Ruby a tutti i modelli della sua piattaforma — Le uscite di Seedance 2.5, Gen-4.5 o MiniMax H3 si convertono ora in EXR 16 bit o in ProRes e HEVC 10 e 12 bit, senza una catena di color grading distinta per generatore. 🔗 Tweet @runwayml
Runway apre un hackathon in presenza a San Francisco — Il 30 settembre, orientato alla costruzione di agenti e applicazioni; le candidature passano da hackathon.runway.com. 🔗 Tweet @runwayml
Secondo Boris Cherny, la prompt injection si è rivelata risolvibile — Prosegue sulla generazione di codice senza bug e cita il precedente: la combinazione tra training all’allineamento e interpretabilità meccanicistica ha finito per risolvere il problema, dopo molti anni. 🔗 Fil @bcherny
Webinar GitHub il 25 agosto sull’app Copilot — Demo dal vivo dalle 18:00 alle 19:00 CEST con Pierce Boggan e James Clancey; la pagina di iscrizione dettaglia Agent Merge, che gestisce rebase, review e check fino al merge. 🔗 Tweet @github
GitHub mette in evidenza la stagione 2 del suo podcast — Video di presentazione dei conduttori e dei loro episodi preferiti della stagione precedente, senza annuncio di prodotto. 🔗 Tweet @github
Grok 4.6 a metà prezzo nel portale Nous Research — Sconto del 50% per una settimana, utilizzabile con l’agente open source Hermes o tramite un abbonamento SuperGrok o X Premium+ esistente. 🔗 Tweet @SpaceXAI
Codex Live Build mette in evidenza il controllo vocale — Sessione in diretta su X con il creatore Alex Finn, dedicata al lavoro senza tastiera in Codex su computer e mobile. Dimostrazione, senza annuncio di funzionalità. 🔗 Tweet @OpenAIDevs
HeyGen pubblica una guida di prompt per i video immobiliari — Scrittura di prompt destinati ai video avatar di qualità cinematografica, nel solco della sua serie immobiliare. 🔗 Tweet @HeyGen
I 110 anni dei parchi nazionali americani con Maps, Search e Gemini — Google incrocia le sue tendenze di ricerca (le query sull’escursionismo per principianti crescono del 165% in un mese) e gli usi di AI Mode, Ask Maps e Gemini Live nella preparazione del viaggio. Nessuna nuova funzionalità. 🔗 Post blog.google

Cosa significa

Dopo diversi giorni incentrati sugli usi software, l’hardware torna al centro della scena — e ciò che misura è cambiato. NVIDIA scarta esplicitamente le misure di inferenza calibrate su sequenze da 1.000 a 8.000 token per preferire sessioni reali di coding agentico registrate, con contesto in crescita, chiamate di strumenti e sotto-agenti inclusi. L’unità di misura segue lo stesso spostamento: non è più il throughput grezzo ma il lavoro per megawatt, e il costo per milione di token. Il vincolo non è più il silicio disponibile, è l’energia che gli si può dare. La ripartizione GPU/LPU dice la stessa cosa da un altro punto di vista: trattamento del contesto da un lato, decodifica sensibile alla latenza dall’altro, perché l’inferenza agentica ha smesso di essere un carico omogeneo.

Il secondo segnale della giornata è l’apertura della piattaforma. NVLink Fusion collega chip progettati da altri, SpaceXAI adotta le CPU Vera, Intel, MediaTek e Annapurna Labs figurano nell’elenco dei partner. L’argomento commerciale è quello della tempistica: una fabbrica di IA si pianifica — energia, edificio, raffreddamento, rete — ben prima che il mix di acceleratori sia definito, e vendere il rack, la rete e l’ecosistema di strumenti invece del solo acceleratore equivale a diventare indispensabili persino per chi produce il proprio silicio.

Più inattesa, la sovranità occupa due annunci nello stesso giorno. Mistral annuncia una collaborazione con HUMAIN per modelli in arabo e l’uso di datacenter sauditi; Sakana AI firma con il Ministero della Difesa giapponese per l’analisi di intelligence. Due laboratori non americani, due istituzioni nazionali, una stessa logica: ciò che Mistral chiama controllo e ciò che il governo giapponese chiama potere informativo designano la capacità di eseguire addestramento e inferenza in una giurisdizione scelta. Per Sakana, la cui identità pubblica si fonda su lavori aperti, la sezione dedicata alla difesa e le assunzioni associate indicano una linea di attività duratura piuttosto che un contratto isolato.

Resta un filo discreto ma coerente: l’ecosistema degli strumenti si struttura per essere pilotato da un agente, non solo da un umano. ElevenLabs rilascia un CLI i cui argomenti di vendita — comandi individuabili, JSON strutturato, modalità dry run — si rivolgono esplicitamente agli agenti di codice. Codex ottiene l’accesso al Chrome DevTools Protocol, cioè la possibilità di leggere lo stato reale di una pagina invece del suo rendering. ADK introduce la valutazione vocale nativa affinché gli agenti parlanti smettano di essere lasciati all’intuito. E Grok Voice pubblica volumi di produzione — 15.000 chiamate al giorno presso Starlink — invece di limitarsi a un punteggio di classifica. Ogni volta, la stessa svolta: uscire dal prototipo richiede interfacce automatizzabili e misure riproducibili.