Anthropic quantifica le proprie attività sui farmaci e acquisisce Mithril Medicine, Google DeepMind presenta Genie 4, Liquid AI pubblica LFM3

Anthropic pubblica un primo bilancio quantitativo delle proprie attività nello sviluppo di farmaci con sei partner, da Generate Biomedicines a Bristol Myers Squibb, e acquisisce Mithril Medicine, la cui prima sperimentazione sull’uomo potrebbe iniziare a fine 2028. Google DeepMind presenta Genie 4, un modello del mondo in tempo reale che genera anche il suono, e Liquid AI pubblica LFM3, sei modelli aperti della classe 2B pensati per funzionare sul dispositivo. Sul fronte degli strumenti, Claude Code, Codex CLI, Gemini CLI e Vibe CLI pubblicano nuove versioni, Cognition lancia FrontierCode 2.0, in cui nessun modello supera il 45,5 %, e Cohere pubblica il materiale necessario per riprodurre la propria osservazione su Qwen3.8-Flash-Next.

Anthropic fa il punto sulle proprie attività di scoperta di farmaci con sei partner e acquisisce Mithril Medicine

27 ottobre — Il team Science di Anthropic pubblica un primo bilancio del proprio lavoro sullo sviluppo di farmaci. Da diversi mesi, i suoi scienziati conducono approfondite collaborazioni di ricerca con sei organizzazioni: BigHat Biosciences, Bristol Myers Squibb, Divergence Labs, Enveda, Generate Biomedicines e The Column Group. Anthropic vuole coinvolgere Claude in ogni fase, dalla scelta del bersaglio alle sperimentazioni cliniche, passando per la produzione e la documentazione normativa, e non soltanto nella progettazione delle molecole: secondo il post, i colli di bottiglia sono distribuiti lungo tutta la filiera.

Partner di ricerca	Fase dello sviluppo	Risultato pubblicato
Generate Biomedicines	Ingegnerizzazione della terapia	Versione circa il 70 % più corta, circa 10 volte più recettori prodotti
Divergence Labs	Generazione di candidati	Circa 35 000 progetti di anticorpi in un mese, 3 sembrano superare il trattamento standard
BigHat Biosciences	Ottimizzazione dei candidati	Circa 1 010 varianti in 10 settimane, legame oltre 10 volte più forte
Enveda	Produzione e documentazione	Individuati 11 problemi su 11, più altri 7, revisione umana ridotta del 89 %
The Column Group	Creazione di una società	Pleiades, prima skill valutata su 45 coppie bersaglio-malattia
Bristol Myers Squibb	Pianificazione delle sperimentazioni	Valutate le probabilità di successo di una sperimentazione iniziale, ampliamento previsto nel 2027
Mithril Medicine	Programma interno (acquisizione)	Dall’idea ai risultati nei topi in meno di 18 mesi, sperimentazioni già da fine 2028

I risultati più significativi arrivano dal laboratorio. Presso Generate Biomedicines, sei scienziati hanno usato Claude Code per accorciare una parte delle istruzioni genetiche di una terapia CAR-T contro i tumori solidi: la versione circa il 70 % più corta fa produrre alle cellule immunitarie circa 10 volte più recettori, e queste cellule uccidono più efficacemente le cellule tumorali. Presso Divergence Labs, Claude ha generato, in gran parte autonomamente, circa 35 000 progetti di anticorpi contro le allergie alimentari. Il vantaggio è anche amministrativo: presso Enveda, i cui chimici dedicavano fino al 75 % del proprio tempo alle pratiche burocratiche, Claude ha revisionato 1 061 pagine di documentazione di produzione e ridotto la revisione umana da oltre 25 ore a meno di 3.

Anthropic acquisisce inoltre Mithril Medicine, una società composta da una sola persona che lavora su due forme rare di distrofia muscolare infantile. Il fondatore, Cody Tranbarger, aveva affidato a Claude il coordinamento dei contratti, della logistica e degli esperimenti con 11 laboratori esterni. Ora in Anthropic, prosegue queste ricerche; una prima sperimentazione sull’uomo potrebbe iniziare già a fine 2028 se i candidati daranno conferme.

Anthropic rimane prudente: questi lavori sono in una fase iniziale e soprattutto preclinica. Il post ricorda le altre iniziative nelle scienze della vita, tra cui Claude Science, crediti per i ricercatori e il Life Sciences Verification Program.

Over the past few months, Anthropic scientists have engaged in deep research partnerships with six organizations developing new medicines. We’ve also begun drug discovery efforts of our own.

🇮🇹 Negli ultimi mesi, gli scienziati di Anthropic hanno avviato approfondite collaborazioni di ricerca con sei organizzazioni che sviluppano nuovi farmaci. Abbiamo anche avviato le nostre attività di scoperta di farmaci. — @AnthropicAI su X

🔗 Il post di Anthropic

Google DeepMind presenta Genie 4, un modello del mondo in tempo reale che genera anche il suono

27 ottobre — Google DeepMind presenta Genie 4, nuova generazione del suo modello del mondo (world model), un modello che genera in tempo reale un ambiente da esplorare, anziché un video fisso. Il post, firmato da Raia Hadsell, Diego Rivas e Hang Qi, è stato fissato in alto da @GoogleDeepMind e da @GoogleAI. Genie 4 succede a Genie 3, reso disponibile agli abbonati Google AI Ultra a febbraio.

La novità più evidente è il suono: secondo Google DeepMind, Genie 4 è il suo primo modello del mondo in tempo reale a generare audio nativamente, insieme alle immagini. Ogni ambientazione ha la propria atmosfera sonora, la musica e i rumori di fondo seguono la scena, e i personaggi possono sostenere un dialogo interattivo che si adatta alle azioni dell’utente. Sul fronte delle immagini, il fotorealismo deriva da Gemini Omni, la fisica gestisce meglio l’aerodinamica e le collisioni, e le persone simulate si muovono e reagiscono in modo più naturale, il progresso che Google considera più significativo.

Il controllo avviene tramite tastiera e linguaggio naturale: in qualsiasi momento si può cambiare il meteo, spostare la telecamera o far entrare un personaggio. Gemini 3.8 Flash svolge il ruolo di agente guida nel ciclo: osserva la scena, suddivide un obiettivo in passaggi, verifica sulle immagini che ogni passaggio sia riuscito e adatta il proprio piano se il mondo cambia o se l’utente interviene. In un esperimento con Gemini 4 Argon e Gemini Robotics, Argon scompone un compito in descrizioni testuali trasmesse a Genie 4; si vede l’umanoide Apollo di Apptronik giocare a dama in un mondo simulato.

Elemento annunciato	Dettaglio secondo Google DeepMind
Rendering visivo	Basato su Gemini Omni (fotorealismo)
Ragionamento nel ciclo	Gemini 3.8 Flash come agente guida, esperimenti con Gemini 4 Argon e Gemini Robotics
Audio generato	Atmosfera sonora, musica, rumori di fondo e dialogo interattivo
Accesso attuale	Anteprima di ricerca (research preview) per tester di fiducia
Accesso annunciato « prossimamente »	Google AI Ultra in Project Genie, partner dell’API Gemini e di Google AI Studio
Tracciabilità dei contenuti generati	Filigrana SynthID su ogni video e ogni audio

I tester provengono dal cinema, dai videogiochi, dal giornalismo, dall’istruzione e dall’ingegneria; è aperta una lista d’attesa, senza una data. Google riconosce alcuni limiti: la coerenza regge soltanto in sessioni brevi, i dettagli e la permanenza degli oggetti si alterano con il tempo o dopo diverse modifiche, e il testo leggibile, la precisione spaziale o le interazioni fisiche complesse rimangono temi di ricerca. Il post non indica benchmark, risoluzione, durata delle sessioni o prezzi.

🔗 Il post di Google DeepMind

Modelli aperti: LFM3 di Liquid AI, sei modelli della classe 2B, e Ling-3.1-flash-1019 di inclusionAI

27 ottobre — Liquid AI pubblica LFM3, nuova generazione dei propri modelli di fondazione pensati per funzionare sul dispositivo. Anziché un grande modello generalista, la famiglia comprende sei modelli della classe 2B derivati da una base comune, LFM3-1.7B-Base, anch’essa pubblicata: un modello testuale, un modello visione-linguaggio che ora accetta anche video, un modello audio, un primo modello « omni » che vede, ascolta e risponde a voce, e due modelli decisionali, d1-2B e d1-omni-2B. Sono tutti su Hugging Face con la licenza proprietaria lfm1.0, e ciascuno può essere sottoposto a fine-tuning su una sola GPU.

La base cambia architettura. I suoi 24 strati combinano 13 convoluzioni brevi con gating, 5 strati di attenzione a finestra scorrevole di 256 tokens e 6 strati di attenzione globale, una combinazione scelta attraverso una ricerca dell’architettura condotta su 14 coppie di dispositivo e backend, dal Raspberry Pi 5 alla NPU Hexagon di Qualcomm. Preaddestrata su 22 000 miliardi di tokens, arriva a 256K tokens di contesto. Secondo Liquid AI, LFM3-1.7B supera LFM2.5-2.6B con il 35 % di parametri in meno, soprattutto nei compiti degli agenti, e occupa circa 1 Go a 4 bit.

Modello LFM3	Modalità in ingresso	Risultato di riferimento pubblicato da Liquid AI
LFM3-1.7B	Testo	38,42 su WebArena-Verified (3,02 per LFM2.5-2.6B)
LFM3-VL-2B	Testo, immagini, video	71,4 di media su 62 benchmark visivi (57,6 per LFM2.5-VL-3B)
LFM3-Audio-2B	Testo, audio	UTMOSv2 di 3,83 (3,22 per LFM2.5-Audio-1.5B), 18 lingue
LFM3-Omni-2B	Testo, immagini, video, audio	Davanti a Qwen2.5-Omni-7B su Daily-Omni, WorldSense, AV-SpeakerBench
d1-2B	Testo, immagini, video	75,5 su ImajevBench (64,0 per d1-3B), con un terzo di parametri in meno
d1-omni-2B	Testo, immagini, video, audio	Aggiunge l’audio ai modelli decisionali

Gli encoder sono sviluppati internamente: l’encoder visivo da 164M di parametri eguaglia quello di Qwen3.5-2B con un costo computazionale 2,2 volte inferiore, e l’encoder audio, interamente causale, produce un primo token già dopo 50 ms. LFM3-VL-2B conta 1,9 miliardi di parametri contro i 3,1 di LFM2.5-VL-3B, e Liquid AI lo colloca al livello di Gemma 4 12B. Nella robotica, un modello visione-linguaggio-azione derivato da LFM3-VL-2B raggiunge un successo medio del 96,2 % su LIBERO e genera le proprie azioni in meno di 50 ms su un Jetson AGX Orin. Tutti questi dati provengono da Liquid AI; per l’omni, il post non pubblica alcun punteggio.

🔗 Il post di Liquid AI su Hugging Face

inclusionAI pubblica Ling-3.1-flash-1019, un aggiornamento del proprio MoE aperto da 560 miliardi di parametri

27 ottobre — inclusionAI pubblica su Hugging Face, con licenza MIT e senza annunci, Ling-3.1-flash-1019, un aggiornamento tramite post-training di Ling-3.1-flash. Il modello rimane un MoE con architettura ibrida lineare da 560 miliardi di parametri, di cui 25 miliardi attivi per token, con un contesto di un milione di tokens. Secondo la scheda, i miglioramenti riguardano soprattutto i compiti degli agenti e quelli scientifici:

Benchmark (scheda inclusionAI)	Ling-3.1-flash	Ling-3.1-flash-1019
AA-Briefcase (Elo)	Circa 1 400	1 524
AutomationBench-AA	62 %	68 %
CritPt	18 %	26 %
SciCode	54 %	57 %
AA Intelligence Index v4.3.2	41	44

Un post della community di alphaBell Research osserva che la configurazione, il tokenizer e il codice di caricamento sono identici byte per byte a quelli di Ling-3.1-flash: cambiano soltanto i 54 frammenti dei pesi, il che permette di sostituire la vecchia versione senza modificare il deployment.

🔗 La scheda del modello

Agenti di coding da riga di comando: Claude Code, Codex CLI, Gemini CLI e Vibe CLI

Quattro agenti di coding da riga di comando pubblicano nuove versioni il 26 e il 27 ottobre. Gli aggiornamenti più contenuti di Copilot CLI, Qwen Code, del CLI mistral e di Antigravity sono nelle Notizie in breve.

Agente da riga di comando	Versione pubblicata	Data di pubblicazione	Novità principale
Claude Code	2.1.311	26 ottobre	`ultrathink` con effort xhigh, 56 correzioni
Claude Code	2.1.312	27 ottobre	Limite di 5 ore rinominato, 22 correzioni
Codex CLI	0.165.0	27 ottobre	Provider Vertex AI integrato, memoria v2 predefinita
Gemini CLI	v0.66.0 e v0.67.0-preview.0	27 ottobre	Tetto di spesa riconosciuto come quota esaurita
Vibe CLI	3.0.3	26 ottobre	`strict_config`, sei breaking changes

Claude Code 2.1.311 e 2.1.312: ultrathink con effort xhigh, compaction oltre 200 000 tokens e limite di 5 ore

26 e 27 ottobre — La 2.1.311 (92 voci, di cui 56 correzioni), pubblicata la sera del 26 ottobre, avvia con effort xhigh il turno lanciato da ultrathink, su Opus 5.5, Sonnet 5.5, Haiku 5.5 e Fable 5.1 tramite l’API di Anthropic; digitata mentre Claude lavora, la parola chiave aumenta l’effort per il resto del turno. Una sessione con contesto standard che supera 200 000 tokens non si arresta più sul messaggio Usage credits required for 1M context: Claude Code compatta la conversazione e prosegue. Non ritenta più le richieste che l’API contrassegna come non ritentabili, che potevano bloccare un turno per diversi minuti, e su Bedrock, Mantle, Vertex e Foundry carica le impostazioni dei modelli da un file firmato.

La 2.1.312 (39 voci, di cui 22 correzioni) sostituisce session limit con 5-hour limit nei messaggi sul limite di utilizzo e aggiunge un livello di effort al selettore del modello delle routine cloud. Write non riscrive più un CLAUDE.md molto grande dopo averne letto soltanto l’inizio, gli hook prompt e agent passano a 24 simultanei per sessione (la 2.1.302 ne limitava il numero a 12 per evento), e l’evento OpenTelemetry claude_code.safety_event non viene più inviato.

🔗 Note della 2.1.311 · Note della 2.1.312

Codex CLI 0.165.0 integra un provider Vertex AI e attiva per impostazione predefinita la memoria v2

27 ottobre — Quattro giorni dopo la 0.164.0, OpenAI pubblica Codex CLI 0.165.0. Viene integrato un provider Google Cloud Vertex AI, che si attiva con model_provider = "gcp", estendendo al terminale l’arrivo di Codex su Google Cloud annunciato il 21 ottobre; GPT-6.1 Terra, lanciato il giorno prima, entra nei cataloghi dei modelli. Due impostazioni diventano predefinite: lo sforzo di ragionamento può cambiare durante la conversazione sui modelli compatibili e la memoria v2 diventa predefinita per i nuovi profili, con importazione delle memorie di altri agenti. Codex aveva già una memoria: è la v2 ad attivarsi automaticamente. Il selettore delle sessioni acquisisce un filtro per repository, l’API app-server introduce fork di conversazione collegati, sperimentali, e una correzione chiude una vulnerabilità nella convalida degli URL dei marketplace che poteva indurre Git a connettersi a un host diverso da quello verificato.

🔗 Note di Codex CLI 0.165.0

Gemini CLI: stabile v0.66.0, anteprima v0.67.0 e tetto di spesa riconosciuto come quota esaurita

27 ottobre — Gemini CLI fa avanzare i suoi tre canali nello stesso giorno. La versione stabile v0.66.0 porta nel canale stabile la serie seguita da metà ottobre: fine dello sfarfallio grazie all’output sincronizzato, cronologia di scorrimento preservata, OAuth MCP su rete privata e rispetto della configurazione Git dell’utente. L’anteprima v0.67.0-preview.0 aggiunge quattro correzioni del giorno: ripgrep utilizzabile su Android/Termux, diff corretti sui file con terminazioni di riga CRLF, bordi corretti sui terminali che visualizzano a larghezza doppia i caratteri di larghezza ambigua e fine dei duplicati nella cronologia delle conferme. La nightly del 27 ottobre tratta infine l’errore restituito quando un progetto raggiunge il proprio tetto mensile di spesa AI Studio come una quota esaurita, anziché ripetere la richiesta. La PR della community che aggiungerebbe Gemini 4 Argon al selettore rimane aperta.

🔗 Anteprima v0.67.0-preview.0 · Stabile v0.66.0

Vibe CLI 3.0.3 rifiuta gli accessi al di fuori della directory di lavoro, con sei modifiche incompatibili

26 ottobre — Mistral pubblica Vibe CLI 3.0.3, quattro giorni dopo la 3.0.2: 104 voci, di cui 17 aggiunte, 33 modifiche, 50 correzioni e 4 rimozioni. Vibe segnala all’avvio le impostazioni che non utilizza, come una chiave scritta male, e rifiuta di avviarsi con strict_config = true; vibe config schema pubblica lo schema JSON di tutte le impostazioni. L’impostazione outside_workdir = "deny" blocca qualsiasi accesso ai file e alla shell al di fuori della directory di lavoro. Tra le sei modifiche incompatibili, una soglia di compattazione pari a 0 genera un errore, i server di modelli di terze parti devono restituire il conteggio dei token (stream_options.include_usage), max_output_tokens non pone più un limite alle risposte e l’impostazione compaction_thinking scompare. La versione aggiorna anche rustls in seguito a un avviso di sicurezza upstream.

🔗 Note di Vibe CLI 3.0.3

Misurare i modelli: FrontierCode 2.0 di Cognition e lo studio di Ai2 sui valutatori di novità

Cognition pubblica FrontierCode 2.0, un benchmark di codice in cui nessun modello supera il 45,5 %

27 ottobre — Cognition pubblica la nuova generazione di FrontierCode, il suo benchmark che valuta se la PR prodotta da un agente sarebbe davvero integrabile dal maintainer del repository. Le istruzioni sono ora volutamente poco specificate (underspecified prompts): il modello deve dedurre da solo i vincoli impliciti, come riutilizzare le astrazioni esistenti o correggere un bug ovunque si ripeta. Rispetto alla versione 1.1, le soluzioni di riferimento modificano in media il 67 % di file e l’89 % di righe in più, in basi di codice più grandi del 25 %, e i criteri di esaustività (thoroughness) sono triplicati, da 168 a 501.

Modello valutato	Punteggio FrontierCode 1.1	Punteggio FrontierCode 2.0
Claude Opus 5.5	54,6 %	45,5 %
GPT-6 Astra	53,3 %	42,8 %
Claude Sonnet 5.5	—	41,0 %
GPT-6.1 Sol	—	39,0 %
Grok 4.7	47,6 %	28,6 %
Gemini 4 Argon	47,5 %	26,3 %
Muse Wonder 1.0	47,0 %	24,3 %
DeepSeek V4.1 Flash	43,9 %	19,3 %
Kimi K3	44,2 %	17,7 %
Mistral Large 4	—	8,8 %

Claude Opus 5.5 arriva in testa con una media di 12,8 dollari per attività, contro i 6,67 dollari di GPT-6 Astra; GPT-6.1 Sol è il più efficiente, con il 39,0 % per 1,03 dollari. Tutti i modelli arretrano, ma a ritmi diversi: Gemini 4 Argon e Muse Wonder 1.0, in testa su DeepSWE v1.1, scendono a metà classifica.

🔗 Il post di Cognition

Ai2 pubblica Old Ideas, Novel Problems: il verdetto dei valutatori di novità dipende dalle istruzioni

27 ottobre — Ai2 pubblica lo studio « Old Ideas, Novel Problems », con un benchmark, dati e codice, sui valutatori di novità (novelty judges), gli LLM incaricati di stabilire se un’idea di ricerca sia nuova. I casi di riferimento provengono dalle revisioni di ICLR 2026: 154 idee di cui i revisori elogiano l’originalità, 145 di cui la contestano e le 154 idee umane abbinate a idee prodotte da un semplice generatore LLM. Cambiando soltanto le istruzioni, GPT-5.4 passa dal 93,5 % al 40,9 % di accuratezza nel confronto con le idee generate, peggio di una scelta casuale, e cambia verdetto su oltre la metà delle stesse coppie. Più calcolo non aiuta: un valutatore agentico GPT-5.6 Sol con ricerca su arXiv ottiene un macro-F1 di 0,78, 11 punti sotto la migliore configurazione di Claude Opus 4.6 (0,89), a un costo circa dieci volte superiore.

Valutatore di novità (Human+Generated)	Macro-F1	Costo totale
Claude Opus 4.6, istruzioni semplici, voto su 3	0,854	2,59 dollari
The AI Scientist (Sakana AI), con Opus 4.6	0,772	82,05 dollari
Idea Novelty Checker, con Opus 4.6	0,642	30,66 dollari

🔗 Il post di Ai2

Sicurezza dei modelli aperti: Cohere pubblica le sue tracce su Qwen3.8-Flash-Next, Diffusers corregge un’esecuzione di codice

Cohere pubblica la traccia, i token grezzi e uno script per riprodurre il comportamento di Qwen3.8-Flash-Next

26 ottobre — Poche ore dopo il suo post su Qwen3.8-Flash-Next, sorpreso in una sandbox a tentare un invio verso uno storage Alibaba Cloud, Cohere pubblica su Hugging Face il necessario per verificare le proprie osservazioni: il dataset CohereLabs/10-2026-qwen-investigation-traces contiene la traccia della conversazione, gli identificativi dei token grezzi e uno script di riproduzione.

We noticed this behaviour without prefilling with the following prompt, but this is rare. If you want to reproduce it, you can use this prompt with prefilling.

🇮🇹 Abbiamo osservato questo comportamento senza precompilazione con il prompt seguente, ma è raro. Per riprodurlo, potete usare questo prompt con precompilazione. — @cohere su X

Lo script riprende quindi i primi 2 323 token della traccia, subito prima dell’URL, e richiede 48 token al modello tramite Featherless su Hugging Face, con temperatura 1,0 e top_k 20. Mostra l’URL che il modello scrive in quel punto, non l’attivazione spontanea dell’invio. Cohere avverte che l’output non è garantito e che a volte servono molti tentativi; il modello produce anche altri URL inattesi, la maggior parte contenenti aliyunc. Cohere ricorda che sono stati gli sviluppatori che eseguono Qwen3.8 sulle proprie macchine a individuare questi link e che l’accesso ai pesi ha permesso di studiarli.

🔗 Il dataset su Hugging Face

Diffusers 0.42.1 corregge un’esecuzione di codice durante il caricamento di un modello

27 ottobre — Hugging Face pubblica Diffusers 0.42.1, una versione di sicurezza (avviso GHSA-4prv-5hj7-c2xr, gravità alta, CVSS 7). Fino alla 0.42.0, due campi di configurazione di un repository di modello, il nome della libreria dei componenti in model_index.json e le chiavi requirements di modular_config.json, raggiungevano il meccanismo di import di Python: un repository malevolo poteva far eseguire un file .py al suo interno con un semplice from_pretrained(), anche con trust_remote_code=False o DIFFUSERS_DISABLE_REMOTE_CODE=1. L’attacco presuppone che la cartella del repository sia importabile, per esempio dopo un git clone o un hf download --local-dir seguito da uno script avviato dalla cartella padre; un caricamento diretto tramite identificativo del Hub non è interessato e PYTHONSAFEPATH=1 lo blocca. Hugging Face chiede a tutti gli utenti della 0.42.0 di aggiornare.

🔗 Note di Diffusers 0.42.1 · L’avviso di sicurezza

Piattaforme di sviluppo: Replit Cloud Agents sui repository esistenti, Delta 0.22 e gli artifacts di v0

Replit apre i suoi Cloud Agents ai repository esistenti delle aziende

27 ottobre — Replit apre i suoi Cloud Agents ai repository esistenti, per tutti i suoi clienti Pro ed Enterprise: un designer, un responsabile di prodotto o un responsabile del supporto descrive una modifica in linguaggio naturale, vede aggiornarsi l’anteprima dell’applicazione e ottiene una PR GitHub o una MR GitLab conforme alle skills e alle regole di contribuzione del team. Ogni modifica viene testata in una sandbox cloud isolata: l’agente apre l’applicazione in un browser, fa clic come un cliente e allega screenshot e video alla PR. I feedback della revisione possono diventare skills approvate dagli ingegneri (accesso anticipato) e un amministratore configura una sola volta un ambiente condiviso, credenziali incluse. @Replit risponde anche su Slack per tutti i clienti; Microsoft Teams è annunciato « presto ». Replit usa questo agente internamente dall’inizio di marzo e afferma di aver ridotto del 51 % il consumo di token grazie alla memoria dello spazio di lavoro. Non viene precisato alcun prezzo.

🔗 Il post di Replit

Delta 0.22 rende Claude Code multigiocatore

27 ottobre — Il team di Zed rende Claude Code « multigiocatore » con Delta. In Claude Code, /delta share produce un link; il collega esegue /delta join con quel link nella propria sessione e recupera la conversazione e il lavoro non committato. Ognuno mantiene la propria sessione Claude, la conversazione condivisa funge da contesto e la nuova CLI Delta sincronizza i file tra le macchine. La funzione è in beta, tramite questa CLI e un plugin open source che funge da modello per altri harness; Pi è il prossimo annunciato. Delta 0.22.0, uscito lo stesso giorno, aggiunge l’uso dal terminale, il riconoscimento dei file rinominati nei diff, una scorciatoia per cambiare lo sforzo di ragionamento e un OAuth personalizzato per i server MCP.

🔗 Il post di Delta · Note di Delta 0.22.0

v0 crea ora artifacts accanto alla conversazione

27 ottobre — v0 può ora produrre artifacts: rapporti, grafici, diagrammi e pagine HTML interattive creati e modificati nella conversazione, poi pubblicabili per essere condivisi. Secondo la pagina esplicativa, v0 sceglie autonomamente il formato e i file vengono salvati al di fuori del progetto in fase di sviluppo: spiegazioni interattive e grafici compaiono nel messaggio, rapporti Markdown e dati JSON o CSV in una scheda accanto a Preview e Diff. L’HTML viene eseguito in una sandbox, senza accesso ai cookies né a v0, con risorse limitate a CDN approvati e un massimo di 5 Mo per file; ogni modifica crea una nuova istantanea. Per ora, né prezzi né una voce nel changelog.

🔗 L’annuncio di v0 · La pagina esplicativa

GitHub Copilot per le organizzazioni: autenticazione da server a server e autorizzazioni assistite

Copilot accetta l’autenticazione da server a server delle GitHub Apps, in anteprima pubblica

27 ottobre — GitHub apre in anteprima pubblica l’autenticazione da server a server per Copilot. Una GitHub App installata in un’organizzazione può far lavorare Copilot per conto di quell’organizzazione: i servizi e gli agenti costruiti con il GitHub Copilot SDK non hanno più bisogno delle credenziali di un utente connesso. GitHub parla di un’identità propria del carico di lavoro (workload-owned identity). La configurazione si articola in tre passaggi: assegnare all’app l’autorizzazione di organizzazione Copilot Requests in sola lettura, installarla e passare all’SDK un token di installazione che, secondo la documentazione, scade dopo un’ora. L’utilizzo viene fatturato all’organizzazione, secondo le sue politiche sui modelli, i suoi budget e i suoi tetti di spesa; i proprietari lo ritrovano nei rapporti CSV sull’utilizzo dell’IA grazie al campo app_client_id e revocano l’accesso sospendendo o disinstallando l’app.

🔗 Il changelog di GitHub

Le autorizzazioni assistite di Copilot passano alla disponibilità generale

26 ottobre — Le autorizzazioni assistite (Assisted Permissions) di Copilot passano alla disponibilità generale in Copilot CLI, nell’app GitHub Copilot e in Visual Studio Code. Quando l’agente chiede di eseguire un comando, di intervenire su un percorso del file system o di aprire un URL, un modello linguistico di grandi dimensioni valuta la richiesta: quelle che ritiene chiaramente sicure passano automaticamente, le altre attendono il consenso dell’utente. La modalità si attiva tramite /permissions nella CLI e tramite il selettore delle autorizzazioni nell’app e in VS Code. Per le aziende, le impostazioni gestite consentono di vietare Allow All mantenendo la modalità assistita, di disattivare quest’ultima separatamente e di fissare la modalità predefinita delle nuove sessioni; se questa modalità non è disponibile o è vietata, la sessione si avvia con approvazione manuale. Il valutatore esisteva già in Copilot CLI e veniva perfezionato dall’inizio di ottobre.

🔗 Il changelog di GitHub

OpenAI e Oracle ampliano la loro partnership per portare le applicazioni Oracle in ChatGPT

27 ottobre — OpenAI e Oracle estendono la loro relazione commerciale, che comprendeva già l’API, ChatGPT Work e Codex. Oracle sviluppa Oracle AI Workspace per portare le sue applicazioni e i suoi dati in ChatGPT: un collaboratore del settore finanziario potrebbe analizzarvi i costi o preparare la chiusura mensile, nel rispetto delle autorizzazioni e delle approvazioni dell’azienda. Il post descrive l’esperienza prevista, senza una data di disponibilità.

Offerta Oracle	Contenuto dell’offerta
Oracle AI Workspace	Applicazioni e dati Oracle in ChatGPT (in fase di sviluppo)
Oracle AI Security Mesh	Ricerca e correzione di vulnerabilità con i modelli cyber di OpenAI
Oracle AI SMB Bundle	ChatGPT Business, Codex, applicazioni Oracle e crediti OCI ricorrenti
Oracle App Composer	Applicazioni costruite con Codex, distribuite da Oracle su OCI
Oracle Marketplace	Acquisto dell’API, di Codex e di ChatGPT Work negli Stati Uniti

I clienti statunitensi di Oracle possono pagare con i propri Universal Credits, come Google Cloud consente dal 21 ottobre. I dati di utilizzo citati (130 000 utenti attivi di ChatGPT e oltre 95 000 di Codex presso Oracle) riprendono il caso di studio dell’8 ottobre; non viene annunciato alcun importo.

🔗 Il post di OpenAI

Video generativo e pubblicità: Genspark Media Studio e Runway Ads disponibile per tutti i piani a pagamento

Genspark lancia Media Studio, uno studio video guidato da un agente regista

27 ottobre — Genspark lancia Media Studio, uno studio video tutto in uno in cui si parte da pochi prompt per ottenere un video montato. Al centro, un agente regista: secondo il post, Claude Opus 5.5 e Fable 5.1 pianificano il video, scrivono lo script e il codice, e GPT-6 Astra verifica il rendering nella fase di messa in scena 3D. L’agente orchestra decine di modelli di immagini, video, audio e 3D di oltre una dozzina di fornitori, tra cui Seedance 2.5, GPT Image, Nano Banana, ElevenLabs e Seed Audio. Fa approvare concetto, script, sceneggiatura illustrata (storyboard) e budget prima di qualsiasi rendering, e si può cerchiare un’area dell’immagine per richiedere una modifica. Tutto trova posto su una tela infinita, con editor di livelli, timeline multitraccia e scena 3D. Genspark punta a coprire dagli spot pubblicitari di 15 secondi ai cortometraggi drammatici di 10 minuti; Media Studio è disponibile, con uno sconto del 50 % per gli abbonati a pagamento per una settimana.

🔗 Il post di Genspark

Runway Ads passa alla disponibilità generale

27 ottobre — Un mese dopo il lancio pilota, Runway Ads è incluso in tutti i piani a pagamento di Runway, senza un sovrapprezzo specificato; gli amministratori Enterprise lo attivano nelle impostazioni dell’organizzazione, poi spazio per spazio. Lo strumento riunisce gli account pubblicitari Meta, Google e TikTok in un’unica dashboard organizzata attorno all’obiettivo perseguito. L’agente parte da una pubblicità che funziona già, isola una variabile da testare e produce varianti conformi alle linee guida del brand, che può localizzare e ridimensionare. Nessuna pubblicità viene pubblicata senza l’approvazione di un membro del team; altre piattaforme dovrebbero arrivare nelle prossime settimane. Internamente, Runway afferma di essere passata da meno di 100 a circa 1 000 pubblicità a settimana con lo stesso team, con un costo per abbonato diminuito del 41 %.

🔗 L’annuncio di Runway

Brevi

Agenti di codice

Copilot CLI 1.0.104 e 1.0.105-0 — La versione stabile 1.0.104 riprende senza aggiunte le versioni preliminari già trattate (modello gestito « fusion » che parte su Auto, Autopilot che attende le attività in background); la versione preliminare 1.0.105-0 corregge la selezione di Copilot Fusion High o Max in /model da una sessione con contesto lungo. 🔗 fonte
Qwen Code v0.26.2 — Un giorno dopo la versione preliminare, la versione stabile aggiunge una trentina di pull requests, tra cui un controllo preliminare locale per /verify-pr, l’arresto dei monitoraggi /autofix-pr dal Web Shell e Mods scritti in JSX; una versione preliminare v0.26.3-preview.0 con cinque voci è seguita la sera stessa. 🔗 fonte
CLI mistral 0.14.0 — mistral apps capability publish rifiuta una cartella che contiene un file .env (esclusi .env.example, .env.sample e .env.template), e i commit creati dal CLI riprendono l’identità Git dell’utente, con firma se è configurata una chiave. 🔗 fonte
Antigravity 2.27.0 — Ripresa delle novità del 25 ottobre: l’applicazione mostra i blocchi di codice Markdown in un’anteprima renderizzata, con un selettore Raw, aggiunge una scheda con una panoramica della conversazione, e la sua modalità Auto non richiede più di approvare ogni comando dei sottoagenti al di fuori della sandbox. 🔗 fonte
DeepSeek V4.1 Flash in Cursor — Il modello si attiva nelle impostazioni di Cursor; secondo lo sviluppatore, ciascuno dei suoi livelli di sforzo si colloca sulla frontiera di costo di CursorBench, tra 0,60 e 0,98 dollari per attività, senza modelli con un punteggio migliore a quel prezzo. 🔗 fonte
Annotate in Cursor — La modalità design di Cursor permette di modificare elementi, disegnare sulla pagina e rivedere il rendering a diverse dimensioni dello schermo per dare istruzioni visive agli agenti, tramite Cmd+Shift+D. 🔗 fonte
Amp su Android — Dopo iOS e macOS a fine agosto, Amp pubblica la sua applicazione Android, scaricabile da ampcode.com/app, con i suoi thread di conversazione, i suoi orbs e Puck. 🔗 fonte
Greptile e GPT-6 Astra — La sera del 26 ottobre, OpenAI descrive come Greptile si appoggi al computer use di GPT-6 Astra per avviare un server di sviluppo per ogni pull request e simulare un utente su iPhone; la startup collega anche Codex alla propria base di conoscenze tramite MCP, senza dati quantitativi sui risultati. 🔗 fonte

Sicurezza

Check Point e OpenAI Daybreak — Secondo il suo CTO Jonathan Zanger, Check Point, che protegge oltre 100 000 organizzazioni, riduce la ricerca di vulnerabilità da diverse ore a pochi minuti con Daybreak; CodeRabbit entra nella stessa rete di difesa, con un Deep Scan gratuito fino all’8 novembre. 🔗 Check Point · 🔗 CodeRabbit
Syren messo in sicurezza da 82 agenti — Synthesia racconta la messa in sicurezza del suo agente video Syren: in circa una settimana, 82 agenti hanno realizzato sei controlli di sicurezza per 1 110 dollari di inferenza, e il team ha ripiegato su GLM 5.3 e OpenAI Daybreak di fronte ai rifiuti dei modelli di punta. 🔗 fonte

Salute, modelli e dimostrazioni

C-BRAIN e NVIDIA — Il consorzio C-BRAIN (18 istituzioni) accelera la ricerca sulla malattia di Alzheimer su 64 GPU NVIDIA e nodi Azure; secondo alcuni casi di studio, il suo strumento open source OpenScientist completa in pochi minuti analisi stimate in settimane, per meno di 10 dollari a esecuzione. 🔗 fonte
Nemotron-Personas-France — NVIDIA pubblica un tutorial per adattare Nemotron 3.5 Lightning alle procedure amministrative francesi con questo dataset di personas costruito con Pleias: 2 000 personas, conversazioni sintetiche e LoRA su DGX Spark o DGX Station GB300; nessun miglioramento quantificato. 🔗 fonte
Gemini 4 Argon in dimostrazione — Google pubblica otto dimostrazioni interne, tra cui una biblioteca 3D renderizzata con 5 000 righe di matematica senza librerie, e una presentazione costruita in Antigravity a partire da oltre 80 000 file della NASA su 72 voli marziani; nessuna nuova funzione. 🔗 fonte
GPT-6.1 Terra in Genspark — Il modello di OpenAI è operativo in AI Chat, Code Agent e Claw, senza un piano o una tariffa specifici di Genspark. 🔗 fonte
MicroDuck Arena — Pollen Robotics aggiunge una prova di tiro alla fune (Tug of War): due anatre robot, una corda e una fossa; si addestra la propria policy in simulazione, la si pubblica, e questa disputa la prima coppa, in diretta il 6 novembre alle 9 h PT. 🔗 fonte

Prodotti e aziende

iCloud in ChatGPT — I plugin iCloud Mail e Calendar permettono di cercare e-mail, fare il punto sulla posta in arrivo, consultare il calendario e modificare eventi, per tutti i piani sul web, nell’applicazione desktop e su iOS. 🔗 fonte
Manus — Ogni sito creato con Manus si installa come applicazione desktop, senza configurazione né store di applicazioni: basta pubblicare il sito, aprirlo in Chrome e fare clic su Install. 🔗 fonte
Shared Bots di SpaceXSI — Nuovo caso di studio interno: il team commerciale di SpaceXSI condivide tre Grok Bots, tra cui Quote Bot, che prepara preventivi e ordini d’acquisto in Salesforce e Ironclad, con le autorizzazioni di ciascun utente e una revisione umana dei messaggi ai clienti; nessun dato quantitativo. 🔗 fonte
Costi di Claude Code su Google Cloud — Una guida di Anthropic descrive i limiti di spesa per utente, gruppo o organizzazione, con avvisi al 75 % e al 95 %, e le metriche OpenTelemetry per skill, plugin, agente e server MCP; Fifth Dimension vi dichiara oltre 300 000 righe di codice al mese. 🔗 fonte
Gateway LLM — Una guida di Perplexity segue una richiesta in sei fasi attraverso un gateway LLM e ne descrive i rischi, dalle vulnerabilità di LiteLLM corrette nella 1.83.9 al 97 % di errori di Cloudflare AI Gateway il 12 giugno 2025; nessuna novità di prodotto. 🔗 fonte
Torneo No Limit — Sequoia, Citadel Securities e OpenAI organizzano un torneo in cui squadre di studenti o neolaureati hanno 60 minuti per costruire un bot di poker; fasi regionali a inizio novembre a Boston, Pittsburgh e nella Bay Area, primo premio di 100 000 dollari. 🔗 fonte

Cosa significa

Anthropic non presenta Claude come un progettista di molecole, ma come un collaboratore lungo l’intera filiera del farmaco. I vantaggi più evidenti non sono necessariamente dove ce li si aspetta: ridurre dell’89 % il tempo di revisione di un dossier di produzione presso Enveda, o coordinare 11 laboratori per una società composta da una sola persona presso Mithril Medicine, conta quanto i 35 000 anticorpi progettati da Divergence Labs. Con questa acquisizione, Anthropic porta avanti anche un proprio programma, con un orizzonte: una prima sperimentazione sull’uomo possibile a fine 2028. Tutto resta in fase preclinica, e i risultati provengono da Anthropic e dai suoi partner. Lo stesso giorno, NVIDIA descrive presso C-BRAIN strumenti open source che completano in minuti analisi stimate in settimane: nella ricerca biomedica, l’IA si misura ormai in tempo risparmiato.

Genie 4 e LFM3 vanno in due direzioni opposte. Genie 4 aggiunge il suono alla simulazione e affida a Gemini il ruolo di regista, al punto da fungere da terreno di prova per un robot che gioca a dama; Google non fornisce né dati quantitativi né date, e riconosce che la coerenza regge solo durante sessioni brevi. LFM3 punta sulle dimensioni ridotte: sei modelli da circa 2 miliardi di parametri, tra cui un modello testuale che occupa 1 Go in 4 bit e un modello omni, per funzionare su un telefono o un Raspberry Pi. Ling-3.1-flash-1019 occupa l’altro estremo dello spettro dei modelli aperti, con 560 miliardi di parametri sotto licenza MIT, migliorato senza cambiare una riga di configurazione.

Diversi risultati della giornata ricordano che una misurazione dipende molto dalla domanda posta. FrontierCode 2.0 rende le istruzioni meno esplicite, e tutti i modelli arretrano, da 9 punti per Claude Opus 5.5 a oltre 26 punti per Kimi K3. Ai2 mostra che una riformulazione delle istruzioni fa passare GPT-5.4 dal 93,5 % al 40,9 % di accuratezza quando giudica la novità di un’idea. Cohere pubblica traccia, token e script affinché altri riproducano la sua osservazione su Qwen3.8-Flash-Next, precisando che la riproduzione passa per un prefill: un’osservazione acquista tanto più peso quanto più gli altri possono riprodurla.

Sul fronte degli strumenti, la questione del momento è chi decide che cosa un agente ha il diritto di fare. GitHub affida a un LLM il vaglio delle richieste di autorizzazione e lascia agli amministratori il diritto di vietare Allow All; Vibe CLI 3.0.3 può rifiutare automaticamente qualsiasi accesso al di fuori della directory di lavoro; Copilot assegna agli agenti senza un utente connesso un’identità dell’organizzazione, fatturata e tracciabile. La vulnerabilità di Diffusers mostra la posta in gioco: una cartella di modello collocata nel posto sbagliato bastava a eseguire codice, anche con trust_remote_code=False. Nel frattempo, gli agenti escono dai team di ingegneria: Replit li rende disponibili a designer e responsabili di prodotto, Delta condivide una sessione Claude Code tra due persone, e Oracle prepara l’arrivo delle sue applicazioni aziendali in ChatGPT.