Moonshot lancia Kimi K3 (2,8T aperto), NVIDIA annuncia Open Secure AI Alliance, Perplexity rafforza la sua offerta enterprise

Il 27 luglio 2026 è una giornata densa, con tre annunci principali distinti. Moonshot AI pubblica i pesi e il rapporto tecnico di Kimi K3, modello aperto da 2,8 trilioni di parametri ospitato fin dal giorno 0 da Together AI. NVIDIA riunisce nella stessa giornata una trentina di partner — da Adobe a Microsoft, passando per Hugging Face e SpaceXAI — all’interno della Open Secure AI Alliance, una coalizione per strumenti aperti di sicurezza IA, sulla scia dell’incidente di sicurezza di Hugging Face già trattato. Perplexity pubblica dal canto suo il suo primo changelog in due settimane, una raffica di nove funzionalità fortemente orientate all’impresa. Attorno a questi tre temi gravitano sette novità degne di nota — Cognizant e Anthropic, Cohere North Automations, l’adozione di Opus 5 da parte di Zed — e cinque annunci minori.

Kimi K3 : Moonshot AI pubblica un modello aperto da 2,8 trilioni di parametri, ospitato fin dal giorno 0 da Together AI

27 luglio, 17:14 — Moonshot AI pubblica i pesi e il rapporto tecnico di Kimi K3, presentato dall’editore come il primo modello aperto della classe dei 3 000 miliardi di parametri — una formulazione di Moonshot, da prendere come tale. Si tratta di un modello MoE (Mixture-of-Experts) da 2,8 trilioni di parametri complessivi, di cui solo 104 miliardi sono attivati per token, distribuiti su 93 livelli. Due novità architetturali proprietarie portano l’essenziale del guadagno rivendicato: Kimi Delta Attention (KDA), combinato con un meccanismo di residui di attenzione (Attention Residuals), e un MoE a parsimonia molto elevata (« Stable LatentMoE ») che attiva solo 16 esperti su 896 a ogni passaggio. Moonshot rivendica un guadagno di circa 2,5× nell’efficienza di scaling rispetto a Kimi K2 — « non solo più parametri ». Il modello integra anche la visione in modo nativo (encoder MoonViT-V2) e una finestra di contesto di un milione di token.

Kimi K3 è disponibile immediatamente su Kimi.com, l’applicazione mobile (iOS/Android/HarmonyOS), l’app desktop Kimi Work, l’agente di codifica da riga di comando Kimi Code (selezionabile tramite /model) e l’API Kimi (modello kimi-k3, compatibile OpenAI/Anthropic), al prezzo di $0,30/MTok in ingresso con cache, $3,00/MTok senza cache e $15,00/MTok in uscita. Together AI è partner di hosting fin dal giorno 0, e Hugging Face ripubblica l’annuncio senza commenti aggiuntivi.

Benchmark	Kimi K3	Claude Fable 5	Claude Opus 4.8	GPT-5.5
SWE-Marathon	42,0	35,0	40,0	—
MCPMark-Verified	94,5	87,4	—	—
GPQA Diamond	93,5	92,6	91,0	93,5

Moonshot riconosce esplicitamente diversi limiti: una forte sensibilità alla modalità di ragionamento preservata (lo storico completo deve essere ripassato tale e quale nei turni successivi, pena instabilità), una tendenza alla « eccessiva proattività » nei compiti lunghi e ambigui, e un divario di esperienza utente giudicato « notevole » dallo stesso laboratorio rispetto a Claude Fable 5 e GPT-5.6 Sol. Un’implementazione di cache del prefisso compatibile con il nuovo meccanismo di attenzione è stata inoltre contribuita alla comunità vLLM in parallelo al modello.

“Releasing the model weights and technical report of Kimi K3. Kimi K3 is our most capable model: a 2.8T MoE model with native visual understanding and a 1M-token context window. New model architecture: 2.5x the intelligence per unit of compute, not just more params.”

🇮🇹 Pubbliciamo i pesi del modello e il rapporto tecnico di Kimi K3. Kimi K3 è il nostro modello più performante: un modello MoE da 2,8 trilioni di parametri, con comprensione visiva nativa e una finestra di contesto di un milione di token. Nuova architettura: 2,5 volte più intelligenza per unità di calcolo, non solo più parametri. — @Kimi_Moonshot su X

🔗 Pesi del modello — Hugging Face

🔗 Rapporto tecnico — GitHub

NVIDIA riunisce la Open Secure AI Alliance, una trentina di partner per la sicurezza dell’IA

27 luglio — NVIDIA annuncia la creazione della Open Secure AI Alliance, una coalizione di una trentina di partner fondatori — tra cui Adobe, Cadence, Capital One, Cisco, Cloudflare, Cognition, CrowdStrike, Databricks, Dell, Hugging Face, IBM, LangChain, la Linux Foundation, Microsoft, NAVER, Palantir, Red Hat, Salesforce, SAP, ServiceNow, Siemens, Snowflake, SpaceXAI e Thinking Machines Lab — dedicata allo sviluppo e alla condivisione di strumenti aperti per la sicurezza e l’affidabilità dei sistemi IA.

L’annuncio si basa esplicitamente sull’incidente di sicurezza avvenuto presso Hugging Face a metà luglio (già trattato): il blog NVIDIA ricorda che Hugging Face ha eseguito il modello aperto GLM 5.2 sulla propria infrastruttura per analizzare oltre 17 000 azioni e contenere l’intrusione — la dimostrazione, secondo NVIDIA, che un modello aperto all’avanguardia è un vantaggio difensivo, non un passivo di sicurezza.

Partner dell’alleanza	Contributo concreto
NVIDIA	NOOA (NVIDIA Labs Object-Oriented Agent), quadro di ricerca sui harness di agenti, open source su GitHub
Hugging Face	Donazione del formato Safetensors alla PyTorch Foundation
Microsoft	MDASH, harness di scansione agentica multi-modello per dimostrare vulnerabilità sfruttabili
HPE	SPIFFE/SPIRE, identità zero-trust per agenti e servizi IA
SpaceXAI	Apertura dell’agente di codifica terminale Grok Build, pesi della linea Grok in arrivo

Caso raro, Jensen Huang commenta lui stesso l’annuncio — solo il suo secondo messaggio mai pubblicato su X, dopo la lettera del 24 luglio già trattata. Lo stesso giorno, Cognition (Devin) entra nell’alleanza pubblicando i propri lavori di ricerca sull’affidabilità dei modelli derivati dall’open source, già resi pubblici l’8 luglio:

“Closing open source models hurts innovation. The path forward is better tools to evaluate, secure, and deploy them responsibly.”

🇮🇹 Chiudere i modelli open source nuoce all’innovazione. La strada da seguire passa da strumenti migliori per valutarli, metterli in sicurezza e distribuirli in modo responsabile. — @cognition su X

Sakana AI si unisce lo stesso giorno al movimento pro-modelli-aperti avviato dalla lettera di Jensen Huang del 24 luglio — un terzo segnale, distinto dall’alleanza stessa, che chiude la settimana: incidente di sicurezza (21 luglio), lettera aperta (24-26 luglio), alleanza industriale concreta (27 luglio).

🔗 Annuncio ufficiale — NVIDIA

🔗 Jensen Huang su X

🔗 Sakana AI si unisce al movimento

Perplexity pubblica il suo primo changelog in due settimane: nove funzionalità, focus sull’impresa

27 luglio — Perplexity pubblica una voce di changelog densa, la prima dal 13 luglio (« Introducing Brain for Perplexity Computer »), dopo due settimane senza nuove pubblicazioni su questo canale. La voce raccoglie nove funzionalità distinte che riguardano Perplexity Search, Computer, l’Agent API e Comet Assistant. Otto sono inedite; la nona — l’integrazione di Claude Opus 5 in Search e Computer — era già stata annunciata su X il 25 luglio ed è qui solo confermata ufficialmente nel changelog.

Nuova funzionalità	Dettaglio tecnico
Controllo accessi basato sui ruoli (RBAC) + SCIM	Ruoli personalizzati, sincronizzazione dei gruppi, limiti di crediti per gruppo — riservato ai contratti Enterprise annuali
Cassaforte delle credenziali API	Computer si autentica su qualsiasi API di terze parti senza esporre il segreto all’agente né al sandbox
Brain esteso agli abbonati Max	Memoria auto-migliorante estesa a tutti gli abbonati Max nel mondo, redazione di wiki in 15 lingue
Skills per l’Agent API	Capacità componibili caricate su richiesta per gli agenti sviluppatori
Computer in Comet Assistant	Accesso a Computer direttamente dal pannello Comet, senza lasciare la pagina consultata
Check Sources	Verifica che una risposta Ask o Computer sia davvero supportata dalle fonti citate
Source Context Panel	Pannello laterale per ispezionare, confrontare e approfondire le fonti di una risposta
Gestione delle sessioni tramite prompt	Recuperare, riassumere, forcare o parallelizzare sessioni Computer da una semplice conversazione

Le prime due funzionalità della tabella mirano specificamente alle organizzazioni con contratto Enterprise annuale: il controllo accessi basato sui ruoli con sincronizzazione SCIM risponde a un’esigenza classica di governance IT (provisioning centralizzato, limiti di crediti per team), mentre la cassaforte delle credenziali API estende Computer a servizi terzi privi di connettore nativo, senza mai esporre il segreto grezzo all’agente. La generalizzazione di Brain a tutti gli abbonati Max, invece, tocca un pubblico ben più ampio del solo segmento Enterprise in cui la funzionalità era iniziata un mese prima.

Nessuna di queste nove funzionalità è segnalata come riservata a una pre-versione: tutte sono già distribuite o in fase di distribuzione generale al momento della pubblicazione. Per ampiezza — governance enterprise, sviluppatori e grande pubblico nello stesso articolo —, questo changelog è la pubblicazione più densa di Perplexity dal lancio di Personal Computer a metà luglio.

🔗 Changelog ufficiale — Perplexity

Cognizant e Anthropic estendono la loro partnership enterprise

27 luglio — Cognizant diventa Global Premier Partner all’interno del Claude Partner Network. Claude è ora integrato in tre piattaforme interne dell’azienda: Flowsource (piattaforma di ingegneria full-stack, modulo Spec-Driven Development in cui Claude Code è guidato dalle specifiche e dai blueprint del progetto), Neuro AI Engineering e Neuro IT Ops. Oltre 30 000 associati Cognizant sono già stati formati su Claude, nell’ambito del nuovo modello di forza lavoro « Frontier Certified » del gruppo.

Caso cliente	Risultato misurato
Portale di esperienza cliente (produttore globale)	Consegnato in 6 mesi
Intelligenza contrattuale (biopharma)	Fino a -40% di tempo di revisione, oltre l’88% di accuratezza di estrazione
Navigazione dei rischi (assicurazione)	Circa 8h/settimana/persona risparmiate

Ravi Kumar S (CEO di Cognizant) evoca un divario crescente tra le capacità dell’IA e la capacità delle imprese di assorbirle, posizionando Cognizant come il ponte che fornisce contesto di business, scala ingegneristica e quadri di fiducia necessari a questi deployment.

🔗 Annuncio ufficiale — Anthropic

Strumenti di codice : Zed adotta Claude Opus 5, GitHub Copilot ottimizza i suoi costi

Zed 1.12.1 e 1.13.1 aggiungono Claude Opus 5

27 luglio — Zed pubblica simultaneamente le versioni 1.12.1 (stable) e 1.13.1 (preview), aggiungendo il supporto a Claude Opus 5 per i provider Anthropic e Amazon Bedrock BYOK (bring your own key). Zed diventa il quinto strumento di codice a integrare Opus 5, dopo Cursor, Devin, v0 e Warp — ma, a differenza dei quattro precedenti, solo tramite changelog, senza annuncio su X. Il canale preview corregge inoltre tre bug distinti: impostazioni di progetto che non riattivano i language server, risposte duplicate con i modelli GPT-5.x sull’endpoint Mantle di Amazon Bedrock e una ricerca di progetto che riportava repository nidificati pur essendo esclusi.

🔗 Changelog stable — Zed

GitHub Copilot — il routing Auto (HyDRA) fa durare i crediti IA 3,3× più a lungo

27 luglio — GitHub spiega che il cache dei prompt (prompt caching), la ricerca di strumenti (tool search) e un sistema di routing dei modelli battezzato HyDRA riducono il contesto ripetuto a ogni sessione Copilot. Risultato quantificato: HyDRA eguaglia il tasso di risoluzione dei task del 70,8% ottenuto da OpenRouter Auto, per un guadagno di 3,3× nel risparmio di crediti. Nessun articolo di blog dedicato è stato pubblicato per questo annuncio, rimasto per ora un semplice tweet — nel solco della valutazione di efficienza del harness Copilot pubblicata il 25 giugno.

🔗 Annuncio — @github su X

OpenAI : voce estesa all’impresa e nuova ricerca economica

GPT-Live disponibile globalmente per Edu, Business ed Enterprise

27 luglio — OpenAI conferma che GPT-Live, la nuova generazione di modelli vocali introdotta l’8 luglio per un’interazione naturale tra umani e IA, è ora disponibile in tutto il mondo per i piani Edu, Business ed Enterprise. L’app desktop di ChatGPT Voice aveva già menzionato questi piani il 23 luglio; la novità qui è la conferma esplicita che il modello vocale in sé — e non solo l’integrazione desktop — è coperto, su scala globale. L’annuncio è pubblicato direttamente su X, senza articolo dedicato: è l’elemento più direttamente legato all’estensione Enterprise osservata in questa finestra di monitoraggio.

🔗 Annuncio — @OpenAI su X

Lavorare al confine: come l’IA amplia le attività sul lavoro

27 luglio — OpenAI Economic Research pubblica il primo rapporto di una nuova serie ricorrente, basato sull’analisi di oltre 800.000 messaggi ChatGPT di utenti statunitensi. Il rapporto introduce il concetto di sovrapposizione di compiti (task crossover): lavoro normalmente associato a una professione che appare nell’uso dell’IA da parte di persone che svolgono un’altra professione. Il 16,8% dei messaggi legati al lavoro e il 43,5% dei messaggi specifici a una professione riguardano compiti di una professione diversa da quella dell’utente.

Professione interessata	Quota di compiti fuori occupazione
Customer experience	77%
Design	75%
Risorse umane	69%
Legale	56%
Marketing	53%

Il fenomeno è più frequente nelle strutture più piccole: la quota di compiti fuori occupazione passa dal 18,9% negli spazi di lavoro da 2 a 5 postazioni al 16,3% oltre le 100 postazioni, coerentemente con l’idea che l’IA serva da strumento generalista dove mancano risorse specialistiche.

🔗 Rapporto completo — OpenAI

Meta AI distribuisce SAM e DINOv3 in un progetto di robotica assistiva

27 luglio — Meta AI pubblica un caso di studio sul progetto RAMMP (Robotic Assistive Mobility and Manipulation Platform), portato avanti dall’Università di Pittsburgh (HERL) e ATDev, finanziato fino a $41,5 milioni dall’ARPA-H (agenzia federale statunitense per la ricerca biomedica avanzata). L’obiettivo: piattaforme robotiche più sicure per gli utenti in sedia a rotelle — circa 5,5 milioni di persone negli Stati Uniti, con oltre 100.000 infortuni legati alle sedie a rotelle trattati ogni anno nei pronto soccorso.

I modelli open source DINO/DINOv3 (vision transformer auto-supervisionato) e SAM/SAM 3.1 (segmentazione) girano in edge computing direttamente sull’hardware di bordo dei robot — vincolo imposto dall’autonomia della batteria e dall’assenza di connettività di rete affidabile. Il sistema di percezione si basa su RF-DETR, un rilevatore leggero rifinito con embedding DINOv2, i cui dati di addestramento sono auto-annotati tramite SAM. Il consorzio associato include Kinova Robotics, LUCI Mobility, ATDev e team di Carnegie Mellon, Cornell, Northeastern e Purdue.

🔗 Caso di studio completo — Meta AI

Cohere lancia North Automations, l’orchestrazione di workflow agentici per l’impresa

27 luglio — Cohere annuncia North Automations, una nuova capacità della sua piattaforma agentica per aziende North, che permette di progettare workflow automatizzati in linguaggio naturale: esecuzioni pianificate, cicli e diramazioni, scelta del modello per fase, modalità «Plan» per rivedere prima della costruzione, punti di approvazione umana e monitoraggio del consumo di token. Cohere stima l’opportunità di mercato dell’orchestrazione di agenti a $550 miliardi, citando un rapporto Gartner sul ciclo di hype dell’IA agentica.

Automations si appoggia all’infrastruttura esistente di North (deploy on-prem o cloud, connettori proprietari, MCP o SDK, guardrail e permessi granulari) ed è disponibile da oggi per tutti i clienti North. Internamente, i team di Marketing Operations, Customer Success e Sales hanno già costruito le proprie automazioni — rispettivamente una traduzione di domande in linguaggio naturale in query SQL BigQuery, un tracker di engagement dei clienti che aggrega HR, Slack e Salesforce, e una preparazione di chiamate prospect che incrocia Salesforce, Slack, Gmail e Notion.

🔗 Annuncio — @cohere su X

🔗 Articolo del blog — Cohere

Brevi

GitHub Blog — «The harness is all you need (mostly)» — Burke Holland pubblica un workflow Copilot in 8 fasi (scegliere uno strumento, modalità YOLO, prototipo visivo, piano con /grill-me, implementazione tramite Autopilot, revisione umana, revisione incrociata da parte di un modello di un’altra famiglia, consegna), valido per tutta la famiglia Copilot. 🔗 Fonte
NVIDIA — il CPU Vera accelera la progettazione di chip — distribuito internamente nei flussi EDA con Cadence (Jasper) e Synopsys (VCS), fino a 1,5× di prestazioni in più su alcuni carichi di verifica, a parità di numero di core. 🔗 Fonte
NVIDIA — Nemotron 3 Ultra in testa nel codifica RTL agentica — su nove categorie di progettazione di chip reali, questo modello aperto già noto ottiene i migliori risultati tra i modelli aperti testati. 🔗 Fonte
HeyGen / HyperFrames — giorni 21 e 22 su 30 — rendering cloud tramite l’API HeyGen (circa $0,10/minuto in 1080p) poi un catalogo di componenti riutilizzabili per costruire scene senza ripartire da zero. 🔗 Giorno 21 · Giorno 22
ElevenLabs — summit a Bengaluru il 6 ottobre — anteprime di nuovi modelli e dimostrazioni di team indiani che lavorano sull’IA vocale annunciate per questo evento. 🔗 Fonte

Cosa significa

L’apertura dei modelli passa dalle parole ai fatti. Dopo la lettera di Jensen Huang del 24 luglio e il suo crescente allineamento (Cohere, Ai2, Together AI, poi Sakana AI nel fine settimana), il 27 luglio segna un salto qualitativo: un’alleanza industriale strutturata con strumenti concreti messi a disposizione dai membri (NOOA di NVIDIA, Safetensors di Hugging Face, SPIFFE/SPIRE di HPE) e un modello di punta, Kimi K3, che rivendica la classe dei 3.000 miliardi di parametri in peso aperto. Due forme diverse della stessa dinamica, pubblicate lo stesso giorno.

La sicurezza come argomento a favore dell’apertura, non contro di essa. La Open Secure AI Alliance ribalta un argomento abituale: non è l’apertura dei modelli a indebolire la sicurezza, ma la loro chiusura a privare i difensori di strumenti ispezionabili. L’incidente Hugging Face di metà luglio, in cui un modello aperto (GLM 5.2) ha permesso l’analisi forense di oltre 17.000 azioni di intrusione, serve come dimostrazione di questa tesi — un caso da manuale che NVIDIA cita esplicitamente per giustificare la creazione dell’alleanza.

La frontiera aperta si avvicina alla frontiera chiusa. Su diversi benchmark agentici specifici — SWE-Marathon, MCPMark-Verified, GPQA Diamond — Kimi K3 supera o eguaglia Claude Fable 5, Claude Opus 4.8 e GPT-5.5, pur riconoscendo esso stesso di restare indietro sull’esperienza utente complessiva. Il divario tra modelli aperti e proprietari si riduce benchmark dopo benchmark, anche se gli stessi laboratori aperti ammettono di non eguagliare ancora l’esperienza complessiva dei migliori modelli chiusi.

L’IA aziendale si industrializza con piccoli blocchi di governance. Cognizant che forma 30.000 associati su Claude, Perplexity che aggiunge RBAC e SCIM a Computer, Cohere che lancia l’orchestrazione di workflow con punti di approvazione umana, OpenAI che estende GPT-Live a Edu/Business/Enterprise: quattro attori diversi avanzano nello stesso giorno su blocchi di controllo accessi, tracciabilità e automazione — il fondamento necessario perché l’IA agentica passi dal prototipo alla distribuzione su larga scala in azienda.