ai-powered-markdown-translatorArticolo tradotto dal francese all’italiano con gpt-6.1-sol.
Google DeepMind annuncia Gemini 4 Carbon, il suo modello più potente, primo nell’Artificial Analysis Intelligence Index v5.0 e allo stato dell’arte nella cybersicurezza, ma inizialmente riservato a un gruppo di difensori informatici del Fairwind Program. GitHub apre la conferenza Universe 2026 con una trentina di annunci: Copilot Fusion in disponibilità generale, Copilot incluso in GitHub Enterprise, un’esperienza cloud unificata, Copilot Memory, automazioni che imparano dai propri risultati e un rapporto Octoverse secondo cui oltre il 40 % delle pull requests inizia ormai con un agente. NVIDIA pubblica Nemotron 3.5 Transcribe, un modello aperto di trascrizione in 40 lingue, e il comitato presieduto da David Gross spiega come esaminerà la dimostrazione di OpenAI sulla teoria quantistica di Yang-Mills.
Google DeepMind annuncia Gemini 4 Carbon, il suo modello più potente, inizialmente riservato ai difensori informatici del Fairwind Program
28 ottobre — Due settimane dopo la disponibilità generale di Gemini 4 Argon, Google DeepMind annuncia Gemini 4 Carbon. Koray Kavukcuoglu, vicepresidente senior di Google DeepMind e capo architetto dell’IA di Google (Chief AI Architect), lo presenta come il modello più potente di Google, allo stato dell’arte nella cybersicurezza e nei compiti di lunga durata (long horizon). Carbon conquista il primo posto nell’Artificial Analysis Intelligence Index v5.0 con 59, davanti a Claude Opus 5.5 (58) e GPT-6 Astra (57), e il quarto in WebDev Arena (1 768, +89 punti Elo).
La cybersicurezza è l’argomento principale. Carbon raggiunge l’88,2 % su SEC-bench Pro, che consiste nell’individuare vulnerabilità, il 54,8 % su ExploitGym, che verifica che siano sfruttabili, e il 71,0 % su CWE-bench di Collinear, che richiede di correggerle alla radice; Google precisa che questi punteggi esterni sono stati misurati senza misure di protezione. Nei test interni, il tasso di successo nella generazione di codice sicuro più che raddoppia rispetto ad Argon, il team Chrome riferisce correzioni oltre 10 volte migliori rispetto a quelle del grande modello di frontiera di un altro laboratorio, non citato, e Wiz colloca Carbon in testa ai propri benchmark di test di intrusione web.
Le cifre qui sotto sono riportate dalla tabella pubblicata come immagine nel post, che conta 17 righe. Carbon viene superato soltanto in due righe: FrontierSWE 2, dove GPT-6 Astra e Claude Opus 5.5 lo precedono, e il sottoinsieme offline di OSWorld-2.1, guidato da Claude Opus 5.5.
| Benchmark (tabella di Google) | Gemini 4 Carbon | Gemini 4 Argon | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|---|
| AA Intelligence Index v5.0 | 59 | 50 | 57 | 58 |
| Terminal-Bench 4.0 (AA) | 65,2 % | 57,1 % | 59,1 % | 59,6 % |
| FrontierSWE 2 | 61,2 % | 55,0 % | 65,5 % | 62,3 % |
| OSWorld-2.1 (offline) | 81,5 % | 74,7 % | 80,9 % | 87,2 % |
| GraphWalks (da 256k a 1M) | 96,2 % | 84,2 % | 71,8 % | 66,8 % |
| Vending-Bench 2 (saldo in dollari) | 16 484 | 13 718 | 15 515 | 9 235 |
| SEC-bench Pro | 88,2 % | 83,4 % | 85,4 % | — |
| ExploitGym | 54,8 % | 42,0 % | 42,4 % | 34,5 % |
| CWE-bench | 71,0 % | 68,0 % | 68,0 % | 67,0 % |
Google insiste anche sul comportamento del modello durante le sessioni lunghe: nei test interni, Carbon ha lavorato «per giorni» su compiti di ingegneria, come la ricerca della causa alla radice di bug sottili in grandi basi di codice. Il tasso di imbrogli riusciti scende allo 0,0 % su Terminal-Bench 4.0, le segnalazioni di disallineamento ad alta gravità diminuiscono di quasi l’80 % negli ambienti di codice interni e le affermazioni prive di riscontri sono circa la metà rispetto ad Argon. Sul benchmark di prompt injection indiretta di Gray Swan, nessun attacco è riuscito, contro lo 0,7 % di Argon.
Carbon non è ancora disponibile nell’API né nell’app Gemini. Come per Argon a fine settembre, Google lo apre inizialmente, già da questa settimana, a un sottoinsieme di difensori informatici, poi progressivamente ad altri partner fidati tramite il Fairwind Program; parallelamente partecipa al processo volontario del governo statunitense di test dei modelli prima della pubblicazione. Sviluppatori, aziende e pubblico vi avranno accesso «il prima possibile», senza una data. Il prezzo è già fissato: 2 dollari per milione di token in ingresso e 10 dollari in uscita durante il periodo di lancio, come Argon, con il 95 % di sconto sui token in ingresso in cache, poi 4 e 20 dollari, senza una data annunciata per il passaggio.
Announcing Gemini 4 Carbon, our strongest model with state-of-the-art cybersecurity and long horizon capabilities. Carbon represents a step up across most benchmarks, delivering strong frontier performance in autonomous coding and cyber defense. We’re first making Carbon available to a subset of trusted cyber defenders in our Fairwind program. We’ll expand access as soon as possible.
🇮🇹 Annunciamo Gemini 4 Carbon, il nostro modello più potente, con capacità all’avanguardia nella cybersicurezza e nei compiti di lunga durata. Carbon segna un progresso sulla maggior parte dei benchmark e offre prestazioni di frontiera nella programmazione autonoma e nella difesa informatica. Apriamo inizialmente Carbon a un sottoinsieme di difensori informatici fidati del nostro programma Fairwind. Amplieremo l’accesso il prima possibile. — @GoogleAI su X
GitHub Universe 2026: GitHub si presenta come sistema di distribuzione del software agentico e quantifica le aggiunte all’infrastruttura
28 ottobre — GitHub apre la conferenza Universe 2026 a San Francisco con un post di Jay Parikh che traccia la rotta: passare da un assistente che scrive codice a un «sistema di distribuzione del software» in cui lo sviluppatore indica la direzione e resta responsabile di ciò che va in produzione, mentre gli agenti implementano e verificano. Ciò che viene consegnato non è più il codice, ma il lavoro completato: una funzionalità, una correzione, una correzione di sicurezza. Tre assi strutturano questa strategia: la velocità, l’intelligenza (il contesto della piattaforma e un apprendimento continuo) e la qualità, con un lavoro sicuro per impostazione predefinita.
Il post funge da indice degli annunci della giornata, approfonditi nelle sezioni successive: Copilot Fusion, i progetti nell’app GitHub Copilot, la continuità delle sessioni dal telefono a VS Code, automazioni che imparano dai propri risultati, il livello Max di Copilot code review e l’inclusione di Copilot in GitHub Enterprise. Sul fronte dell’infrastruttura, GitHub quantifica ciò che ha aggiunto dall’inizio dell’anno:
| Infrastruttura aggiunta da inizio 2026 | Volume annunciato da GitHub |
|---|---|
| Core CPU | 4 milioni |
| Archiviazione veloce | 160 Po |
| Capacità di rete | 50 Tb/s |
La migrazione verso un deployment multiregione in Azure dovrebbe concludersi all’inizio del prossimo anno e la nuova architettura Git si basa su primitive semplificate, archiviazione separata dal calcolo e un coordinamento ridotto al minimo. Jay Parikh propone anche una formula: tutto il software scritto finora rappresenterà meno dell’1 % di quello dei prossimi cinque anni, un’opinione più che una misurazione.
Copilot genera e ritocca immagini con GPT Image 2.5 Flare, in anteprima pubblica
28 ottobre — Copilot ora produce e ritocca immagini descritte in linguaggio naturale, in anteprima pubblica per i piani Pro, Pro+, Business ed Enterprise, in VS Code, nell’app GitHub Copilot e in Copilot CLI. Il modello di ragionamento scelto richiama uno strumento di generazione basato su GPT Image 2.5 Flare di OpenAI, mostra l’anteprima nella conversazione e salva l’immagine direttamente nel progetto. La generazione viene fatturata separatamente dal modello di chat, in token di immagine scalati dai crediti IA del piano. I proprietari di organizzazioni o aziende possono disattivarla tramite le policy dei modelli e una filigrana «Made with AI», disattivata per impostazione predefinita, può essere attivata su richiesta.
GitHub Design apre Replica, uno strumento di prototipazione IA con licenza MIT
28 ottobre — GitHub Design pubblica in open source, con licenza MIT, Replica, uno strumento che trasforma le idee in prototipi interattivi. A differenza degli strumenti generici, si basa sul design system del team, sui suoi componenti, pattern e documentazione: i designer definiscono le istruzioni, poi designer, responsabili di prodotto e sviluppatori descrivono in linguaggio naturale, nell’app GitHub Copilot, il prototipo da esplorare e lo perfezionano. Un Replica Hub self-hosted facoltativo consente di pubblicare i prototipi per raccogliere i commenti del team. Lo strumento è disponibile da subito.
Octoverse 2026: 17,9 miliardi di pushes e oltre il 40 % delle pull requests avviate da un agente
28 ottobre — Il rapporto annuale Octoverse 2026 di GitHub descrive un anno di accelerazione trainata dagli agenti. In dodici mesi, gli sviluppatori hanno effettuato il push del codice 17,9 miliardi di volte, più che nel 2024 e nel 2025 messi insieme; i commit raggiungono i 34,3 miliardi, oltre tre volte il livello di due anni fa, e sono state unite 1,3 miliardi di pull requests, una media di 3,5 milioni al giorno. GitHub conta oltre 225 milioni di sviluppatori, di cui 38,3 milioni negli Stati Uniti e 32 milioni in India; la Francia è decima con 4,75 milioni.
| Indicatore Octoverse 2026 | Valore pubblicato |
|---|---|
| Pushes su dodici mesi | 17,9 miliardi |
| Commit | 34,3 miliardi |
| Pull requests unite | 1,3 miliardi (3,5 milioni al giorno) |
| Sviluppatori su GitHub | oltre 225 milioni |
| Pull requests avviate da un agente | oltre il 40 % a settembre (17 % a marzo) |
| Utenti attivi di Copilot in modalità agentica | 55 % (35 % un anno fa) |
| Modelli distinti utilizzati in Copilot | 47 a settembre (29 a maggio) |
| Job GitHub Actions | 1 440 al secondo |
La quota degli agenti cresce rapidamente: a settembre, oltre il 40 % delle pull requests iniziava con una prima bozza di un agente, contro il 17 % di marzo, per un totale di 110 milioni di pull requests, circa sei volte il volume di marzo. Queste pull requests venivano unite entro due settimane nel 90 % dei casi, contro circa l’86 % senza un agente rilevato, e i repository creati quest’anno con un file di configurazione di un agente ricevono in media 8 volte più commit. Il cloud agent di Copilot, a cui si delega un intero compito, cresce del 230 % su base annua, contro l’85 % della chat in modalità agente.
Gli sviluppatori moltiplicano anche i modelli: nessuno dei 47 modelli utilizzati a settembre supera il 25 % delle richieste e il 61 % degli utenti che scelgono il proprio modello ne usa diversi, contro il 50 % di quattro mesi prima. Sul fronte dei linguaggi, TypeScript resta primo davanti a Python e JavaScript. La classifica dei repository dei produttori di software che guadagnano più collaboratori è guidata dagli agenti di programmazione: anthropics/claude-code, openai/codex, anomalyco/opencode, microsoft/vscode e github/copilot-cli.
GitHub Enterprise ora include Copilot per ogni utente con licenza, con Copilot Standalone a 10 dollari
28 ottobre — GitHub cambia il modello commerciale di Copilot in azienda. I clienti che si rivolgono a un team commerciale di GitHub o Microsoft possono ora ottenere Copilot incluso in GitHub Enterprise per ogni utente con licenza, senza un abbonamento separato; l’offerta è disponibile da subito per GitHub Enterprise Cloud. Finora bisognava gestire due aspetti, il numero di licenze Copilot e il consumo di IA; con Copilot incluso, resta soltanto il budget IA dell’azienda.
Questo accesso offre le stesse funzioni e gli stessi modelli di Copilot Enterprise, ma senza crediti IA mensili per licenza: ogni richiesta viene scalata dal budget dell’azienda fin dalla prima, con le policy, gli avvisi e le attribuzioni esistenti. Le funzioni di base continuano a funzionare anche senza budget:
| Funzione di Copilot | Quando il budget IA è esaurito |
|---|---|
| Completamento del codice e next edit suggestions | Continuano a funzionare |
| Copilot Chat, Copilot code review e Copilot nel cloud | Richiedono budget |
| Accesso alla licenza Copilot | Mai revocato |
I membri dell’account aziendale senza licenza GitHub Enterprise ottengono lo stesso accesso con Copilot Standalone, a 10 dollari per utente al mese. L’attivazione self-service non è ancora disponibile: arriverà per fasi, con date promesse «nelle prossime settimane», e gli attuali abbonamenti self-service non cambiano. Copilot Business e Copilot Enterprise restano disponibili sia per le nuove aziende sia per quelle esistenti.
GitHub Copilot Fusion passa alla disponibilità generale e sostituisce la scelta manuale del modello
28 ottobre — Copilot Fusion passa alla disponibilità generale su tutti i piani Copilot, in VS Code, nell’app GitHub Copilot, in Copilot CLI e negli IDE JetBrains, con altri client annunciati «a breve». Anziché scegliere un modello, lo sviluppatore seleziona Copilot Fusion e poi un livello di impegno: Standard per il codice di routine, High per le attività difficili, Max per quelle più impegnative. Fusion decide quindi, richiesta per richiesta, se affidare l’attività a un solo modello (schema Single) o concatenarne diversi: a cascata (Cascade: un modello efficiente prepara una bozza, un controllo qualità la accetta o la passa a un modello più potente) oppure tramite revisione critica (Critique: un modello prepara una bozza, un altro la rilegge, il primo la rivede).
Fusion riunisce l’orchestrazione di più modelli di Project HydraFusion, un’anteprima di ricerca lanciata a settembre e ampliata il 14 ottobre, e la selezione automatica del modello di Copilot. Secondo Octoverse, HydraFusion ha instradato quasi 60 000 sessioni durante la sua anteprima; chi utilizzava auto, HydraFusion o HydraFusion Max passa automaticamente al livello Fusion corrispondente. GitHub cita un risultato esterno:
| Artificial Analysis Coding Agent Index | Copilot Fusion Max, secondo GitHub |
|---|---|
| Punteggio ottenuto | 60, a due punti da Claude Code con Opus 5.5 Max |
| Costo API medio per attività | circa la metà |
| Token consumati | circa la metà |
| Tempo per attività | circa il 40 % in meno |
In ambito aziendale, Fusion attinge solo ai modelli consentiti dalle policy; un amministratore può escludere un modello da Fusion senza rimuoverlo per gli utenti e imporre Fusion, a qualsiasi livello di impegno, come modello predefinito. Ogni modello invocato viene fatturato alla sua tariffa standard, con uno sconto temporaneo del 30 % sui costi dei modelli per i piani a pagamento. AT&T riferisce una maggiore efficienza nell’uso dei token con Fusion Standard, senza fornire cifre.
🔗 Il changelog di Copilot Fusion
Copilot Fusion instrada in via sperimentale verso modelli locali, MAI Code 1.1 Flash e Qwen3.8 Flash Next
28 ottobre — GitHub estende Copilot Fusion ai modelli locali, in un’anteprima sperimentale ad adesione facoltativa. Con il livello Standard, Fusion sceglie per ogni richiesta tra un modello eseguito sulla macchina e un modello cloud, in Copilot CLI, nell’app Copilot e in VS Code. Su Windows, il download e la configurazione di MAI Code 1.1 Flash sono gestiti tramite il provider Windows ML. Su Windows, macOS e Linux, Copilot CLI accetta anche un modello locale servito da un server compatibile con OpenAI, MAI Code 1.1 Flash o Qwen3.8 Flash Next; un modello fornito dall’utente (BYOK) non è automaticamente idoneo per Fusion. GitHub avverte che la sessione non diventa offline: le decisioni di routing continuano a essere prese nel cloud e i modelli locali possono avere protezioni di sicurezza diverse.
Copilot per JetBrains riceve Fusion e porta i sandbox locali e le next edit suggestions alla disponibilità generale
28 ottobre — Il plugin GitHub Copilot per gli IDE JetBrains si allinea agli altri client. Copilot Fusion sostituisce l’opzione Auto, con i suoi tre livelli di impegno, un rilascio graduale per tutti gli utenti e uno sconto del 30 % limitato ai primi 30 giorni. I sandbox locali, che limitano l’accesso dei comandi dell’agente al file system, alla rete e alle credenziali secondo le policy dello sviluppatore o dell’organizzazione, passano alla disponibilità generale, così come le next edit suggestions. L’harness dell’agente Microsoft Copilot diventa la scelta predefinita quando è disponibile, una barra laterale riunisce le sessioni e, passando il puntatore su un turno dell’agente, vengono visualizzati il tempo impiegato e il consumo di token per modello.
Copilot diventa un’unica esperienza cloud, con sandbox cloud e una quota di calcolo Actions in dollari
28 ottobre — GitHub riunisce le sue interfacce Copilot in un’unica esperienza cloud, in disponibilità generale sui piani a pagamento, con un rilascio che inizia il 28 ottobre. Un’attività avviata da github.com, GitHub Mobile, Copilot CLI, l’app Copilot, VS Code, Slack o Microsoft Teams diventa un’unica sessione, visibile nello stesso elenco ovunque e riprendibile su qualsiasi altra interfaccia: descritta a voce o tramite un’immagine sul telefono, proseguita sul web, terminata in VS Code. Gli utenti di Copilot Free mantengono Copilot Chat su github.com e su mobile.
Ogni sessione viene eseguita per impostazione predefinita in un sandbox cloud gestito da GitHub, senza il limite di un’ora sulla durata totale di esecuzione, con uno snapshot all’arresto per riprendere altrove. Le sessioni cloud dispongono di Bash, GitHub CLI, ricerca nel codice, connettori, server MCP e skill, e i comandi /rubber-duck e /context arrivano sul web e su mobile. GitHub Mission Control controlla dal telefono le sessioni locali e l’opzione --environment-host registra la propria macchina o una VM come ambiente. Le aziende mantengono il controllo tramite la policy «Copilot in the cloud»: sessioni limitate per impostazione predefinita a un’organizzazione o ai repository personali, SSO obbligatorio.
Il cambiamento più sostanziale riguarda la fatturazione:
| Modifica alla fatturazione | Dettaglio annunciato da GitHub |
|---|---|
| Quota Actions inclusa | Un credito in dollari al posto di un numero di minuti di runner standard |
| Utilizzi coperti dal credito | Runner ospitati standard, sandbox cloud e, su Team ed Enterprise Cloud, larger runners |
| Fatturazione dei sandbox | A partire da novembre 2026, attingendo prima al credito |
| Piani interessati | GitHub Free, Pro, Free for organizations, Team ed Enterprise Cloud |
Ogni prodotto mantiene la propria tariffa pubblicata; cambia solo il modo di contabilizzare la quota inclusa.
L’app GitHub Copilot lancia i Projects in anteprima pubblica per gestire agenti su più repository
28 ottobre — L’app GitHub Copilot introduce i Projects, in anteprima pubblica. Un progetto riunisce un obiettivo, il suo contesto (repository, mockup, thread Slack, appunti delle riunioni), gli agenti e i loro risultati, per un lavoro che va oltre un repository o una sessione: una funzionalità distribuita su più repository o un piano di lancio che coinvolge specifiche e mockup senza toccare il codice. Copilot avvia in background tutti gli agenti necessari, in sessioni parallele, e presenta pull request da rivedere; le automazioni di progetto si occupano delle attività ripetitive, come un video promozionale per ogni funzionalità rilasciata. L’app ricava inoltre contesto da Slack e Figma e genera immagini nella chat. Il controllo delle applicazioni desktop (computer use) rimane in anteprima pubblica su macOS e Windows, come dal 1° ottobre.
VS Code 1.144 e Copilot: Agent Host, sessioni continue fino al telefono e protocollo AHP aperto
28 ottobre — VS Code 1.144, uscito il giorno di Universe, allinea l’editor a queste sessioni continue. Una sessione avviata nel cloud dalla finestra Agents si ritrova nell’app Copilot, su GitHub Mobile, su github.com o nella CLI, così come una sessione avviata in un messaggio diretto Slack o Teams. In locale, l’Agent Host svincola le sessioni dalle finestre: l’agente continua dopo la chiusura della cartella, può essere eseguito su un’altra macchina tramite Remote SSH o i dev tunnel e può essere controllato da GitHub Mobile mentre lavora sulla macchina di sviluppo.
L’harness Copilot, basato sul Microsoft Copilot SDK, diventa la scelta predefinita per le nuove sessioni e GitHub apre l’Agent Host Protocol (AHP) per consentire ai client di terze parti di accedere alle stesse sessioni, con librerie in TypeScript, Rust, Go, Kotlin e Swift. VS Code aggiunge anche il confronto in parallelo di modelli e harness, con un modello giudice e una sintesi (anteprima), il controllo del computer (computer use) in via sperimentale, un marketplace di personalizzazioni (Customization Marketplace: skill, server MCP, plugin) e i connettori Copilot in anteprima.
🔗 Il changelog di GitHub · Le note di VS Code 1.144
Agent Merge monitora e corregge le pull request direttamente su GitHub, nel cloud
28 ottobre — Agent Merge, già presente nell’app Copilot e in VS Code, arriva sulla pagina delle pull request. Un’opzione «Watch and fix», nell’area di merge, chiede a Copilot di monitorare la pull request e di correggere autonomamente, in un ambiente di sviluppo cloud, i workflow Actions non riusciti, i conflitti di merge o entrambi. In combinazione con il merge automatico (auto-merge), Copilot mantiene pronta la pull request e GitHub esegue il merge non appena tutte le condizioni sono soddisfatte. L’opzione può essere attivata per impostazione predefinita per tutte le proprie pull request dalle impostazioni di Copilot; è riservata ai piani a pagamento, nel rispetto delle policy dell’organizzazione e dell’azienda.
Copilot Memory passa alla disponibilità generale, Copilot Dreaming entra in anteprima e la ricerca nel codice supera il repository locale
28 ottobre — GitHub raggruppa sotto il nome «GitHub intelligence» tre componenti di contesto ricavati dal grafo di dati della piattaforma. Il primo, Copilot Memory, passa alla disponibilità generale sui piani a pagamento dopo quasi un anno di anteprime. Copilot ricorda le preferenze personali (iniziare le descrizioni delle pull request con un riepilogo, per esempio) e le convenzioni di un repository (il comando di test corretto), e le riutilizza da una sessione e da un client all’altro: l’app, la CLI, VS Code, il cloud agent, Copilot code review, Slack, Teams e il mobile. Le memorie personali si gestiscono nelle impostazioni di Copilot. GitHub cita un risultato dall’ambito preciso: tra le sessioni Copilot CLI esaminate durante l’anteprima pubblica in cui l’agente ha utilizzato la memoria, il 93 % mostrava una maggiore aderenza alle preferenze dello sviluppatore e il 42 % workflow più efficienti, attribuiti alle memorie.
Il secondo, Copilot Dreaming, entra in anteprima pubblica ad adesione facoltativa. Copilot «sogna» sul lavoro passato per migliorare le sessioni successive, con tre tipi di sogni: riordina la memoria personale, propone aggiornamenti delle skill e dei file di istruzioni del repository e trasforma i feedback accettati delle revisioni del codice in istruzioni per Copilot code review. Le modifiche ai file sotto controllo di versione passano attraverso una pull request sottoposta al team e ogni esecuzione consuma crediti IA.
Il terzo estende la ricerca nel codice di Copilot oltre la copia locale: codice, configurazioni, schemi e documentazione, nei repository collegati e nelle dipendenze, senza clone, tramite testo esatto, simboli, espressioni regolari, filtri o ricerca semantica. Il comando /research se ne serve, per esempio per capire come più servizi gestiscono i nuovi tentativi di pagamento prima di pianificare una migrazione.
| Componente di GitHub intelligence | Stato al 28 ottobre |
|---|---|
| Copilot Memory | Disponibilità generale sui piani a pagamento |
| Copilot Dreaming | Anteprima pubblica ad adesione facoltativa, esecuzioni fatturate in crediti IA |
| Ricerca nel codice oltre il repository | Repository collegati e dipendenze, senza clone locale, utilizzata da /research |
Le Copilot Automations diventano condivisibili, si migliorano da sole e acquisiscono 24 trigger, 20 strumenti e limiti ai crediti
28 ottobre — Le Copilot Automations, i workflow che associano un prompt, trigger e strumenti autorizzati per far lavorare Copilot nel cloud, compiono diversi passi avanti contemporaneamente, dopo le automazioni pianificate o basate su eventi del 2 giugno e l’attivazione tramite commento del 3 agosto.
Diventano innanzitutto condivisibili. Un’automazione condivisa appartiene al repository: visibile a chiunque abbia accesso in lettura e modificabile con l’accesso in scrittura, agisce sotto l’identità di Copilot, addebita i propri crediti IA al proprietario del repository e continua a funzionare quando il suo autore lascia il team, con una cronologia delle modifiche. Il suo tipo, personale o condiviso, non può più cambiare dopo la creazione.
Imparano poi dai propri risultati. Un’automazione di triage osserva se le etichette che assegna vengono corrette, un’automazione di revisione se i suoi commenti vengono accettati; una seconda automazione, settimanale, analizza questi segnali e propone modifiche al prompt, agli strumenti o ai trigger, applicate solo dopo la convalida umana.
| Novità delle Copilot Automations | Dettaglio annunciato |
|---|---|
| Trigger GitHub aggiunti | 24 eventi: issue, pull request, discussioni, avvisi di code scanning, di segreti, Dependabot |
| Attivazione esterna | API REST, per esempio da Jira, Sentry o PagerDuty |
| Concatenamento | Un’automazione può avviarne un’altra, in base alla propria riuscita o al proprio fallimento |
| Strumenti GitHub aggiunti | 20, tra cui il merge delle pull request e il riavvio dei workflow, oltre ai server MCP personalizzati |
| Limiti ai crediti IA | Per esecuzione, al giorno, alla settimana o al mese |
In VS Code 1.144, le automazioni cloud si creano e si gestiscono dalla scheda Automations della finestra Agents e vengono eseguite anche a computer spento. Sono disponibili sui piani Pro, Pro+, Max, Business ed Enterprise.
🔗 Il changelog dei nuovi strumenti e trigger · Le automazioni condivise · Il miglioramento automatico
GitHub Agentic Workflows passa alla disponibilità generale
28 ottobre — GitHub Agentic Workflows, il progetto open source di GitHub Next che esegue agenti di coding in GitHub Actions, passa alla disponibilità generale su github.com per Free, Team ed Enterprise, dopo un’anteprima tecnica a febbraio e un’anteprima pubblica a giugno. Si descrive in Markdown un’attività di ragionamento (triage delle issue, analisi degli errori di CI, aggiornamento della documentazione, scrittura di test); lo strumento la compila in YAML Actions standard, eseguito da Copilot o da un altro agente di coding. Il motore predefinito, Copilot CLI, richiede una licenza Copilot.
La sicurezza resta al centro: sola lettura per impostazione predefinita, container isolato dietro l’Agent Workflow Firewall, output convalidati e un job dedicato al rilevamento delle minacce prima di qualsiasi modifica. La versione generalmente disponibile aggiunge i runner ARC self-hosted, la previsione di spesa gh aw forecast che esce dalla fase sperimentale, un router di modelli, la scelta del fornitore per workflow e un isolamento in micro-VM. Accenture riferisce che il 91 % dei commit di un team è scritto dall’IA e che gli errori di produzione sono passati da circa 11 000 a meno di 1 000 al giorno, cifre fornite dal cliente.
GitHub rende disponibili 26 connettori MCP verificati per Copilot, da collegare una sola volta
28 ottobre — I server MCP verificati da GitHub, chiamati connettori, entrano in anteprima pubblica su tutti i piani Copilot, con un rilascio graduale. Si sceglie un servizio, si accede una volta e la connessione funziona ovunque: nell’app Copilot, in Copilot CLI (comando /mcp, scheda Connectors), in VS Code, nelle sessioni cloud e in GitHub Mobile, senza server da installare né credenziali da gestire. Al lancio sono disponibili ventisei servizi, tra cui Slack, Figma, Notion, Sentry, Linear, Atlassian Rovo, Cloudflare, Vercel e Work IQ, e queste connessioni possono anche alimentare automazioni pianificate nell’app. In Business ed Enterprise, la policy Editor preview features deve essere attivata e alcuni servizi richiedono un’attivazione anche dal loro lato, come l’accesso MCP di Slack.
Sicurezza e revisione del codice nell’era degli agenti: AI Scan, estensione di sicurezza dell’app Copilot, Copilot code review Max, Agent Habitat di Replit e SB-Box di Genspark
Lo stesso giorno, GitHub estende i propri strumenti di sicurezza al codice scritto dall’IA e alle applicazioni che la integrano, mentre Replit e Genspark descrivono nel dettaglio il loro modo di isolare gli agenti.
GitHub estende la propria sicurezza all’IA: AI Scan dei repository, rilevamento delle vulnerabilità delle applicazioni IA e push protection tramite classificatore
28 ottobre — GitHub aggiunge tre componenti di sicurezza basati sull’IA, tutti in anteprima pubblica. AI Scan, passato alla disponibilità generale per le pull request il 15 ottobre, si estende all’intero repository: uno scanner agentico esplora il codice più a rischio dell’ultimo commit del branch predefinito, entro un limite di tempo fisso, anche nei linguaggi non coperti da CodeQL, ignorando ciò che CodeQL segnala già. I suoi alert confluiscono nell’elenco di code scanning e vengono risolti tramite l’autofix agentico. Non richiede una licenza Copilot e viene fatturato in Code Security AI credits.
Il code scanning impara anche a individuare, nelle pull request, le vulnerabilità specifiche delle applicazioni di IA: prompt injection indiretta, divulgazione di informazioni sensibili ed eccessiva capacità di azione (excessive agency), con una licenza GitHub Advanced Security. Infine, la push protection si basa su un classificatore progettato con Microsoft Applied Sciences, che valuta l’uso di un segreto nel codice circostante per bloccare quelli che non hanno un formato noto: nei primi risultati, ha più che raddoppiato il numero di push in cui è stato intercettato un segreto.
🔗 AI Scan dei repository · Code scanning delle applicazioni IA · Push protection tramite classificatore
Un’estensione di sicurezza porta gli alert di code scanning e /security-review nell’app GitHub Copilot
28 ottobre — L’app GitHub Copilot riceve un’estensione GitHub security, in anteprima pubblica, per gestire gli alert di code scanning senza uscire dall’app. Elenca gli alert aperti del repository per gravità; se ne selezionano uno o più e si chiede a Copilot di spiegarli (Explain) o di correggerli (Fix), mentre le modifiche restano nella copia di lavoro locale, senza commit né push. Il comando /security-review analizza le modifiche in corso prima dell’apertura di una pull request. L’estensione si installa come plugin, con copilot plugin install github-security@awesome-copilot; Explain, Fix e /security-review consumano crediti IA, mentre la consultazione e l’archiviazione degli alert non ne consumano. Funziona su github.com e su GitHub Enterprise Cloud con residenza dei dati, ma non su GitHub Enterprise Server.
Copilot code review aggiunge il livello Max con più modelli e porta le proprie approvazioni alla disponibilità generale
28 ottobre — Copilot code review riceve un terzo livello di sforzo, Max, in anteprima pubblica, accanto a Lite e Balanced. Pensato per le modifiche rischiose, come una logica di autenticazione o una libreria condivisa da più servizi, fa lavorare diversi agenti di revisione indipendenti su modelli di fornitori diversi, poi un agente di aggregazione concilia le loro conclusioni, risolve i disaccordi e ne verifica l’accuratezza prima di produrre un’unica revisione. Secondo il post relativo al keynote, Max ottiene il punteggio F1 più alto su ReviewBench per i problemi di gravità elevata, senza che venga pubblicato il valore. Richiede più tempo e consuma più crediti IA rispetto agli altri due livelli.
Parallelamente, le approvazioni di Copilot passano alla disponibilità generale: se la funzione è attivata, l’approvazione di Copilot viene conteggiata tra le approvazioni richieste del repository, come quella di una persona, e ogni nuovo commit la annulla. Disattivate per impostazione predefinita, si attivano a livello di azienda, organizzazione o repository, con la possibilità di limitare i percorsi dei file interessati.
Replit pubblica la propria architettura di sicurezza Agent Habitat, con una scala di maturità su 11 assi
28 ottobre — Replit pubblica un libro bianco, Agent Habitat Architecture, che propone un’architettura di sicurezza per l’ambiente in cui lavorano gli agenti e una scala per valutarla. Il punto di partenza è esplicito: le protezioni devono reggere anche se l’agente non collabora, devia dal proprio compito, viene manipolato da un contenuto letto o cerca una vulnerabilità. L’architettura separa zone fidate, parzialmente fidate e non affidabili, e fa di un intermediario di credenziali (credential broker) l’unica via verso l’esterno: l’agente non vede mai i veri segreti. La accompagnano dodici principi, tra cui autorizzazioni che possono solo restringersi durante un’esecuzione e un’approvazione umana per qualsiasi azione irreversibile.
La scala di maturità copre 11 assi, dall’isolamento della sandbox all’identità dei carichi di lavoro, ciascuno valutato da 0 a 3 con le prove da fornire: il livello 1 protegge dagli incidenti, il 2 dalla prompt injection, il 3 da un agente che cerca attivamente di evadere, e un sistema vale solo quanto il suo punteggio più basso. Il post di accompagnamento del CTO Luis Héctor Chávez annuncia, senza indicare una data, policy per le azioni degli agenti regolabili per attività, un Security Agent esteso ai contributi alle basi di codice aziendali e un rilevamento delle attività sospette basato sul monitoraggio eBPF delle sandbox. Non viene pubblicato alcun prezzo.
🔗 Il libro bianco di Replit · Il post del CTO
Genspark apre in beta SB-Box, le sue sandbox su macchina virtuale per agenti
28 ottobre — Genspark rende disponibile agli sviluppatori, in beta, l’infrastruttura di sandbox che esegue i propri agenti, con il nome di SB-Box. Ogni sandbox è una macchina virtuale completa con il proprio kernel, e non un processo o un container. Dopo un’inattività compresa tra 10 e 15 minuti, si congela conservando processi, memoria e disco, e solo il disco continua a essere fatturato; il comando successivo, o una richiesta HTTP a una delle sue porte, la riattiva. Ogni congelamento diventa una versione che si può clonare o ripristinare, e la durata dell’esecuzione non ha mai un tetto massimo: solo il saldo dei crediti stabilisce il limite.
| Misura SB-Box (piattaforma Genspark) | Valore dichiarato |
|---|---|
| Avvio di una macchina da 4 Go (mediana) | 0,35 s |
| Avvio (90º e 99º percentile) | 0,43 s e 0,70 s |
| Ripresa dopo il congelamento (mediana) | 0,8 s |
| Memoria conservata dopo il congelamento | 14 giorni |
SB-Box si gestisce tramite la CLI gsk o un’API REST, e si integra con un agente di coding mediante un file SKILL.md, con opencode in dimostrazione; in Claude Code, la CLI recupera automaticamente l’identificativo della sessione. Esempio di costo fornito da Genspark: 41 minuti di esecuzione effettiva su una macchina da 2 vCPU e 4 Go ammontano a 56 crediti di calcolo per la settimana, e un disco da 20 Go aggiunge 24 crediti al giorno.
🔗 Il thread di Genspark · La pagina di SB-Box
NVIDIA lancia Nemotron 3.5 Transcribe, un modello aperto per trascrizione, attribuzione dei parlanti e traduzione in 40 lingue
28 ottobre — NVIDIA pubblica Nemotron 3.5 Transcribe, un modello aperto che riunisce in un unico checkpoint la trascrizione in 40 lingue, la traduzione da 31 lingue verso l’inglese o viceversa, l’attribuzione dei parlanti (diarizzazione) in 13 lingue fino a otto voci, la marcatura temporale, l’identificazione della lingua, le domande sull’audio e l’oscuramento dei dati personali. Lavora su file registrati, non in streaming, fino a un’ora di durata, e si controlla tramite un’istruzione in linguaggio naturale: aggiungere i nomi degli interlocutori, tradurre, rispettare l’ortografia medica.
Il modello è un mixture of experts ibrido Mamba-2–Transformer. NVIDIA lo presenta come un « 30B » con circa 4B parametri attivi; la scheda Hugging Face precisa 34B in totale, di cui 4,3B attivi, encoder audio incluso. Distribuito in BF16, FP8 e NVFP4, può funzionare su un solo H100 80 Go ed è rilasciato con licenza OpenMDW-1.1, che secondo la scheda autorizza l’uso commerciale. È pubblicato su Hugging Face e ModelScope, con una dimostrazione online.
| Benchmark (scheda del modello) | Nemotron 3.5 Transcribe | Miglior concorrente citato |
|---|---|---|
| Open ASR inglese, 9 dataset pubblici (WER medio) | 4,71 | 4,94 (Qwen3-ASR-1.7B) |
| Open ASR long format (WER medio) | 10,98 | 13,37 (Parakeet-TDT-0.6B-v3) |
| Open ASR multilingue, 7 lingue (WER medio) | 4,62 | 6,49 (Qwen3-ASR-1.7B) |
| Più parlanti, sessioni complete (cpWER) | 15,80 | 16,83 (DiCoW v3.3 + DiariZen) |
| Artificial Analysis (WER, thread di NVIDIA) | 2,81 % | 2,77 % (Voxtral Small, 24B) |
Le cifre relative all’inglese differiscono a seconda della fonte: il thread di NVIDIA annuncia il primo posto tra i modelli aperti dell’Open ASR Leaderboard di Hugging Face con un WER medio del 5,33 %, mentre la scheda indica 4,71 su nove dataset pubblici, misurati il 12 ottobre. Per l’attribuzione dei parlanti, il modello occupa il primo posto nel confronto di VoiceArena tra 14 sistemi e nella classifica di diarizzazione multilingue di David AI, in 21 lingue.
On @ArtificialAnlys , Nemotron 3.5 Transcribe achieves a 2.81% word error rate with ~4B active parameters. Voxtral Small scores 2.77% with 24B. Nearly the same transcription accuracy, with about one-sixth the active parameters.
🇮🇹 Su Artificial Analysis, Nemotron 3.5 Transcribe raggiunge un tasso di errore sulle parole del 2,81 % con circa 4B parametri attivi. Voxtral Small ottiene il 2,77 % con 24B. Una precisione di trascrizione quasi identica, con circa un sesto dei parametri attivi. — @NVIDIAAI su X
Quanto al throughput, la scheda annuncia fino a 2 238 secondi di audio trascritti al secondo su una RTX PRO 6000 Blackwell Server Edition, ma con l’implementazione ottimizzata del NIM Nemotron Transcribe: queste ottimizzazioni non sono ancora presenti nella versione open source, la cui integrazione vLLM è circa due volte più lenta. Sono annunciate a breve versioni quantizzate per RTX Spark, DGX Spark e Jetson AGX Thor. NVIDIA affianca infine al modello i dati multilingue Granary v2, disponibili online sull’Hub da metà settembre, una pipeline di curation riutilizzabile e le ricette di fine-tuning di NeMo Speech: in un caso medico, il fine-tuning riduce il tasso di errore del 45,8 % rispetto al prompt migliore.
🔗 Il thread di NVIDIA · Il post su Hugging Face · La scheda del modello
ElevenLabs presenta Cue, il suo modello di allineamento forzato al singolo carattere che alimenta Scribe
28 ottobre — ElevenLabs presenta Cue, un modello di allineamento forzato (forced alignment) che colloca ogni carattere di una trascrizione sulla linea temporale dell’audio. È il componente invisibile che fa comparire un sottotitolo al momento giusto, allinea una battuta doppiata o sincronizza il testo di una canzone con la musica. Cue è già alla base di tutte le trascrizioni Scribe di ElevenLabs e si usa autonomamente tramite la Forced Alignment API; elabora un’intera registrazione in un unico passaggio, senza suddividerla in clip da 30 secondi.
| Misura (secondo ElevenLabs) | Cue | Altri allineatori testati |
|---|---|---|
| Errore medio, registrazioni complete | 179 ms | da 283 ms a oltre 6 000 ms |
| Errore medio, inglese con rumore | 57 ms | da 65 a 920 ms |
| Allineamento di un’ora di audio | circa 0,5 s sulla GPU di produzione | quasi 2 s (Qwen3-ForcedAligner) |
| Canzoni: parole posizionate a meno di 0,3 s | 92,7 % | 82,0 % (miglior concorrente) |
Il post parla di 29 lingue nel benchmark in un punto e di oltre 90 in un altro.
HeyGen lancia Voice STS, che trasferisce una performance vocale registrata alla voce di un avatar
28 ottobre — HeyGen aggiunge a HeyGen Voice una modalità da parlato a parlato (speech-to-speech, STS). Anziché far leggere un testo a una voce sintetica, l’utente registra la propria battuta una volta e HeyGen Voice STS la riproduce con la voce del suo avatar, comprese pause, enfasi e sussurri. La modalità è disponibile sulla piattaforma per sviluppatori a 0,12 dollari per minuto di audio prodotto per le voci istantanee, con fatturazione al secondo, tramite il modello heygen-voice-sts-0: clip sorgente fino a 300 secondi, output WAV della stessa durata. Completa HeyGen Voice, presentato il 14 ottobre, e Voice Turbo, lanciato il 21.
🔗 L’annuncio di HeyGen · La pagina del modello
Suno apre in beta un server MCP per creare canzoni da Claude, ChatGPT, Gemini o Cursor
28 ottobre — Suno apre in beta Suno MCP, un server MCP per creare musica senza uscire dal proprio assistente. Una volta aggiunto Suno come connettore in Claude, ChatGPT, Gemini, Claude Code o Cursor, si descrive il brano in linguaggio comune: l’IA scrive testo e stile, Suno produce la canzone, che si rielabora con richieste successive. Il server riprende le funzioni principali di Suno: partire da un promemoria vocale o da un loop, creare cover, estensioni e mix (mashups) dei propri brani, cantare con la propria voce Suno. Non serve una chiave API: la connessione avviene tramite l’account Suno, ne consuma i crediti e salva le canzoni nella sua libreria. L’accesso anticipato si richiede tramite un modulo; Suno non annuncia né una data di disponibilità generale né una tariffa specifica.
🔗 L’annuncio di Suno · La pagina Suno MCP
IA e ricerca scientifica: il comitato per la dimostrazione di Yang-Mills di OpenAI, AI for Science di Anthropic e Meta in cinque università
Tre annunci della giornata riguardano la ricerca: la verifica di un risultato di fisica matematica prodotto dall’IA e l’apertura dei modelli di Anthropic e Meta ai laboratori.
Il comitato di David Gross illustra l’esame della dimostrazione di OpenAI sull’esistenza della teoria quantistica di Yang-Mills
28 ottobre — Due giorni dopo il post di OpenAI sull’esistenza della teoria quantistica di Yang-Mills, il comitato incaricato di esaminare la dimostrazione si presenta in una dichiarazione pubblicata dal KITP (Kavli Institute for Theoretical Physics, Università della California a Santa Barbara). Presieduto da David Gross, riunisce Michael R. Douglas, Arthur Jaffe, Igor R. Klebanov e Nikita Nekrasov. Il 16 ottobre OpenAI ha chiesto a David Gross di prendere in custodia la dimostrazione e di organizzarne la diffusione; il comitato afferma di agire per la comunità accademica e di non avere «alcuna responsabilità nei confronti di OpenAI».
Nel merito, la dimostrazione, che riguarda l’esistenza della teoria, compreso l’accoppiamento ai fermioni, «sembra essere un passo importante» verso fondamenti matematici rigorosi della teoria quantistica dei campi. Il comitato aggiunge subito che il confinamento e il gap di massa «restano sfide aperte molto importanti»: la questione del gap di massa non è risolta. OpenAI fornisce una formalizzazione in Lean; il comitato verificherà prima che le definizioni e l’enunciato corrispondano agli standard della fisica e della matematica, pubblicherà la dimostrazione Lean e poi la propria valutazione completa insieme alle 1 147 pagine di dimostrazioni prodotte dal modello.
This is an experiment in how the academic community can deal with the rapid development of new knowledge by AI. We intend to proceed very carefully.
🇮🇹 È un esperimento sul modo in cui la comunità accademica può affrontare il rapido sviluppo di nuove conoscenze da parte dell’IA. Intendiamo procedere con grande prudenza. — Dichiarazione dello Yang-Mills Working Group (KITP)
🔗 La dichiarazione sul sito del KITP
Il programma AI for Science di Anthropic si estende a 20 fondazioni, istituzioni e progetti di ricerca
28 ottobre — Anthropic amplia a 20 partner in tutto il mondo il proprio programma AI for Science, lanciato a maggio 2025 per offrire crediti Claude gratuiti a progetti scientifici. Il programma cambia scala: non sostiene più soltanto singoli ricercatori, ma intere organizzazioni. Non viene pubblicato alcun importo.
| Ruolo dei partner | Organizzazioni |
|---|---|
| Finanziatori che ridistribuiscono crediti | Sloan Foundation, Simons Foundation, Schmidt Sciences, Open Source for Science Fund, National Science Foundation, CAS |
| Istituzioni che li utilizzano internamente | Space Telescope Science Institute, Wellcome Sanger Institute, Francis Crick Institute, Imperial College London, EMBL, Gladstone Institutes |
| Progetti finanziati direttamente | FlyWire, LEAP, AstroPath, gnomAD, Tau Ceti, Centre for Population Genomics |
Tra i progetti, FlyWire (Princeton) mappa il connettoma completo della drosofila adulta, gnomAD (Broad Institute) studia le variazioni genetiche di oltre 800 000 persone per le malattie rare e Tau Ceti costruisce una libreria matematica autoformalizzata in Lean. Diversi produrranno beni pubblici: dataset aperti, software open source, standard e librerie condivise.
Meta sostiene la ricerca di cinque università statunitensi con i suoi modelli Muse, SAM, DINO, V-JEPA e SeamlessM4T
28 ottobre — Meta annuncia il proprio sostegno a progetti di ricerca in cinque università statunitensi: Caltech (partnership ampliata), la facoltà di medicina dell’Università statale dell’Ohio, l’Università statale della Louisiana, l’Università dell’Indiana e UTHealth Houston. A seconda dell’istituzione, questo sostegno combina l’accesso ai modelli di Meta, la collaborazione con i suoi ricercatori e il finanziamento di alcuni progetti, senza importi pubblicati. I gruppi lavoreranno con la famiglia Muse (Muse Spark Open, Muse Wonder, Muse Spark, Muse Glimmer), i modelli di visione SAM, V-JEPA e DINO e il modello di traduzione SeamlessM4T.
A Caltech, Tony Yue Yu costruisce MathDB Frontier, un banco di prova basato su oltre 86 900 problemi aperti di livello di ricerca, e Anima Anandkumar sviluppa TorchLean, un framework Lean 4 per artefatti scientifici verificabili formalmente. I progetti medici utilizzano soprattutto modelli a pesi aperti eseguiti presso le università e Meta precisa che i dati dei pazienti non le vengono trasmessi né sono per essa accessibili. UTHealth Houston ha così distribuito Muse Glimmer in locale e avviato test pilota su 65 casi di glioblastoma, che Meta presenta come una validazione del flusso di lavoro, non come risultati clinici.
🔗 Il post di Meta · Il thread di Meta
IA nelle amministrazioni e nelle aziende: Claude con uno sconto del 40 % per il settore pubblico statunitense, OpenAI e ServiceNow, Retell
Sul fronte dell’adozione, Anthropic abbassa i prezzi per l’intero settore pubblico statunitense, OpenAI amplia la propria partnership con ServiceNow e Retell quantifica il proprio utilizzo dei modelli di OpenAI.
Anthropic amplia la propria partnership con la GSA e concede uno sconto del 40 % su Claude a tutte le amministrazioni statunitensi
27 ottobre — Anthropic amplia la propria partnership con la General Services Administration (GSA), l’agenzia per gli acquisti del governo federale statunitense. Il nuovo accordo OneGov concede uno sconto del 40 % su Claude Enterprise, Claude for Government e l’API di Claude; secondo Anthropic, è la prima volta che lo sconto copre tutte le interfacce dei prodotti, da oggi per gli acquisti diretti e tramite i fornitori cloud nei prossimi mesi. Vale per il governo federale come per gli Stati, gli enti locali e i governi tribali e territoriali, senza impegno di spesa minimo. Anthropic stima un risparmio di 1 miliardo di dollari per lo Stato. L’accordo arriva sei settimane dopo OneGov 2.0 di OpenAI, che proponeva la licenza ChatGPT a 0 dollari.
| Indicatore pubblicato da Anthropic | Valore annunciato |
|---|---|
| Organizzazioni pubbliche statunitensi clienti | circa 500 |
| Utenti attivi settimanali di Claude for Government | circa 8 volte di più da febbraio |
| Utilizzo nelle agenzie civili federali | circa 20 volte di più in un anno |
| Progetto pilota Claude Code dello Utah | 34 sviluppatori di 10 agenzie, 71 % con oltre 20 ore risparmiate |
Sul fronte della conformità, Claude for Government (FedRAMP High) è disponibile dal 30 settembre e Claude Enterprise è in fase di autorizzazione FedRAMP Moderate tramite il programma FedRAMP 20x. Nelle prossime settimane dovrebbe seguire un programma di supporto alle agenzie.
OpenAI e ServiceNow ampliano la propria partnership, da ChatGPT a Codex e alla cybersicurezza
28 ottobre — Dopo una prima partnership a gennaio, OpenAI e ServiceNow fanno un ulteriore passo avanti. Una nuova integrazione porta ServiceNow in ChatGPT: un team informatico può trovare incidenti simili, valutare il rischio di una modifica e aggiornare un record senza cambiare strumento. Ogni cliente collega la propria istanza e sceglie le funzionalità da rendere disponibili, mentre l’Action Fabric di ServiceNow applica le regole aziendali e i permessi esistenti. ServiceNow prevede anche di rendere disponibili ChatGPT Work e Codex a tutti i propri dipendenti. Il post non fornisce né importi né dati di utilizzo.
| Ambito della partnership | Calendario annunciato |
|---|---|
| Plugin MCP ServiceNow nel marketplace di OpenAI | Disponibile oggi, funzionalità ampliate entro fine 2026 |
| Voce di OpenAI nella Super Intelligence Control Tower | Primo trimestre 2027 |
| Soluzione congiunta di cybersicurezza | Accesso anticipato a gennaio 2027, disponibilità generale nel secondo trimestre |
| Codex nell’AI Workflow Factory di ServiceNow | 2027 |
Retell gestisce oltre 100 milioni di chiamate al mese con i modelli di OpenAI
27 ottobre — In un caso di studio pubblicato da OpenAI, Retell AI, che fornisce agenti vocali ai contact center, afferma di essere passata da 30 milioni di chiamate al mese all’inizio del 2026 a oltre 100 milioni a settembre, per più di 4 000 aziende clienti. I modelli di OpenAI producono le risposte nell’80 % di queste chiamate e Retell ha superato i 1 000 miliardi di token consumati. Nel proprio banco di prova, vCX, basato su conversazioni difficili tratte dalla produzione, GPT-6 Astra arriva primo nel seguire le istruzioni (89,7 %), mentre GPT-5.6 Luna resta il più rapido, con 497 ms di latenza mediana per la prima frase contro 883 ms per Astra. Il cliente Anker annuncia l’80,4 % di richieste risolte e Retell dichiara un fatturato annualizzato di 1,6 milioni di dollari per dipendente.
Assistenti: crediti API degli abbonati ChatGPT, messaggi di testo con il proprio dot, modalità vocale di Perplexity e artefatti di Claude for Legal
Gli assistenti per il grande pubblico e i professionisti acquisiscono nuovi utilizzi: crediti per passare da ChatGPT all’API, messaggi di testo, la voce per gestire più agenti e strumenti pronti all’uso per i giuristi.
OpenAI offre fino a 500 dollari di crediti API al mese agli abbonati ChatGPT Pro e Business
28 ottobre — OpenAI collega gli abbonamenti ChatGPT alla propria piattaforma per sviluppatori: gli abbonati Pro e Business idonei possono richiedere ogni mese crediti API gratuiti, accreditati a un’organizzazione API di cui sono proprietari, per costruire applicazioni e agenti. L’attivazione avviene dalla sezione di fatturazione di ChatGPT o dall’API Platform, con lo stesso indirizzo e-mail su entrambe le piattaforme.
| Abbonamento ChatGPT idoneo | Crediti API al mese |
|---|---|
| Pro, livello da 100 dollari | 100 dollari |
| Pro, livello da 200 dollari | 200 dollari |
| Pro, livello da 500 dollari | 500 dollari |
| Business, postazione Standard pagata | 20 dollari per postazione, condivisi |
| Business, postazione Premium pagata | 100 dollari per postazione, condivisi |
| Limite di uno spazio Business | 500 dollari al mese, 6 000 dollari all’anno con fatturazione annuale |
I crediti coprono Responses e Chat Completions, Agents, Decisions, GPT-Live e Realtime, le immagini e gli strumenti integrati, ma non Codex utilizzato tramite chiave API, e non aumentano alcun limite di ChatGPT né di Codex connesso. Scadono alla fine di ogni ciclo, senza possibilità di riporto, e vengono utilizzati prima dei crediti acquistati. L’abbonamento deve essere pagato e attivo da almeno 7 giorni; Plus, Enterprise ed Edu sono esclusi, l’offerta dipende dalla coorte e dal paese e OpenAI avverte che può essere modificata o ritirata.
🔗 L’articolo di assistenza di OpenAI · Il changelog dell’API
ChatGPT permette di scrivere al proprio dot tramite iMessage o RCS, in beta per gli abbonati Pro negli Stati Uniti
28 ottobre — I dot di ChatGPT, lanciati al DevDay del 29 settembre, escono dall’applicazione: ora è possibile scrivere loro tramite messaggi di testo, via iMessage su iPhone o RCS su Android. Secondo le note di rilascio, la funzione è in fase di distribuzione in beta per gli abbonati Pro negli Stati Uniti. Si affida al dot un’attività o qualcosa da monitorare, tramite testo, foto o nota vocale, e il dot ricontatta autonomamente l’utente quando un’informazione lo giustifica, con la stessa memoria e gli stessi plugin dell’applicazione. Il dot può scrivere soltanto al proprio proprietario, l’unico che può scrivergli, e non accede alle altre conversazioni del telefono. I messaggi passano attraverso Linq, un fornitore terzo, con cui OpenAI afferma di aver condotto test di intrusione approfonditi, avvalendosi dei propri modelli di punta e di società di sicurezza esterne.
🔗 Le note di rilascio di ChatGPT · L’annuncio di ChatGPT
Perplexity aggiorna la propria modalità vocale, che gestisce più sessioni Computer e i Projects con gpt-live-1 di OpenAI
28 ottobre — Perplexity distribuisce una nuova versione della propria modalità vocale a tutti gli abbonati Pro e Max, sul web e nell’applicazione Mac. Annunciato dall’account @AskPerplexity e poi ripubblicato da @perplexity_ai, l’aggiornamento permette di gestire più sessioni Computer contemporaneamente, avviare nuove attività e creare o gestire Projects in un’unica conversazione vocale. Si basa su gpt-live-1, il modello vocale in tempo reale di OpenAI, disponibile nella sua API dal 10 settembre. Aravind Srinivas riassume l’idea: parlare al proprio computer per far avanzare flussi di lavoro in parallelo. La voce non è una novità per Perplexity, dato che la modalità vocale di Comet è aperta a tutti da febbraio e Computer accettava istruzioni vocali da marzo; la novità è la gestione di più sessioni e dei Projects. Perplexity non specifica né le lingue supportate, né i limiti di utilizzo, né il costo in crediti.
Claude for Legal aggiunge una galleria di artefatti pronti all’uso per il lavoro legale
28 ottobre — Anthropic aggiunge a Claude for Legal, disponibile in Claude Enterprise da maggio, una galleria di artefatti: strumenti interattivi (strumenti di monitoraggio, dashboard) che i team legali adattano con i propri documenti e connettori, per poi condividerli all’interno dell’azienda o con i clienti, con impostazioni di riservatezza e separazione tra team (ethical walls). Ogni artefatto si apre su un esempio e ogni risposta rimanda alla propria fonte.
La galleria copre sei attività: verifica delle citazioni (Cite check), confronto di una norma tra giurisdizioni, quadro delle pratiche aperte, scostamenti delle clausole rispetto agli standard aziendali, monitoraggio delle normative in arrivo e revisione in forma tabellare di un insieme di contratti. Si aggiungono artefatti dei partner (Goodwin, Harvey, Foley & Lardner, PwC; annunciati Legora e Orrick) e nove artefatti per l’accesso al diritto, di cui cinque realizzati da associazioni sostenute con crediti Claude. Da maggio sono stati aggiunti oltre 60 connettori legali, tra cui Bloomberg Law e Filevine, e Anthropic apre una lista d’attesa per il suo Legal Ambassadors Program.
Agenti di coding al di fuori di Copilot: Gemini CLI, Antigravity 2.28.0, Kimi Code 2.4.0, DeepSeek Harness e il benchmark ViBench 2.0 di Replit
Al di fuori di GitHub, gli agenti di coding del giorno importano le sessioni dei concorrenti o delegano loro delle attività, e Replit pubblica un benchmark in cui l’agente costruisce un intero prodotto.
Gemini CLI si concentra sulle aziende che usano Gemini Code Assist e indirizza verso Antigravity CLI e Gemini API CLI
28 ottobre — Il README di Gemini CLI cambia tono. Integrata nella notte, la PR 29995 sostituisce i tre avvertimenti precedenti, compresi quelli aggiunti il 16 ottobre, con un unico riquadro, «da leggere prima dell’installazione», che presenta lo strumento come riservato alle aziende che usano Code Assist: licenze Gemini Code Assist Standard ed Enterprise, Code Assist for GitHub su Google Cloud, oltre alle precedenti chiavi a pagamento dell’API Gemini e di Vertex AI. L’offerta gratuita e gli abbonamenti Google AI Pro e Ultra continuano a essere indirizzati verso Antigravity CLI dal 18 giugno.
Il testo aggiunge due avvertenze: Gemini CLI non è ottimizzato per la serie Gemini 4, Argon incluso, né per le generazioni successive, e non deve essere usato per valutare i modelli Gemini, perché il suo harness produce punteggi non rappresentativi. Una tabella indirizza poi verso lo strumento appropriato:
| Strumento da riga di comando | Uso consigliato dal README |
|---|---|
Antigravity CLI (agy) | Programmare con Gemini 4 Argon e successivi, offerta gratuita, Google AI Pro e Ultra |
Gemini API CLI (gemini-api) | Accesso diretto di un agente (agy, Claude Code, Codex), di uno script o di una CI ai modelli e ai media |
Gemini CLI (gemini) | Organizzazioni che usano Gemini Code Assist |
Gemini API CLI, un binario Go ancora sperimentale, alla versione 0.4.4 dal 23 ottobre, non era mai stato presentato qui: il README lo descrive come una CLI per API senza stato, che non è un harness di coding. Quanto alle versioni, la versione notturna (nightly) del 28 ottobre si limita a riprendere le quattro correzioni della versione di anteprima v0.67.0 pubblicata il giorno prima.
🔗 La PR 29995 · Il repository di Gemini API CLI
Antigravity 2.28.0 aggiunge un browser integrato, un visualizzatore PDF e allegati di qualsiasi tipo
26 ottobre — Recupero: l’applicazione Antigravity 2.28.0 (19 miglioramenti, 15 correzioni) integra un browser web. Le pagine si aprono in una scheda del pannello laterale, allargato per evitare i layout mobili, i link di una conversazione vi si aprono per impostazione predefinita e la barra degli indirizzi mostra lo stato della connessione e il certificato del sito. I PDF si aprono in un visualizzatore integrato ed è possibile allegare file di qualsiasi tipo (video, file di design, programmi) fino a 20 Mo, che l’agente legge nella loro posizione. La versione evidenzia anche le parole e i caratteri modificati nei diff, consente di riaprire una scheda chiusa e trasmette il messaggio dell’utente agli hook. Tra le correzioni, gli account aziendali su macOS e Windows non vengono più disconnessi al riavvio. La CLI 1.4.0 e l’SDK 0.1.22 non cambiano.
Kimi Code 2.4.0 importa le sessioni di Claude Code e Codex e non passa più autonomamente alla modalità Plan
28 ottobre — Moonshot AI pubblica Kimi Code 2.4.0 (7 modifiche minori, 26 correzioni), senza annunci su X. La novità più visibile si rivolge a chi cambia strumento: /import-sessions, oppure kimi import-sessions, recupera le sessioni di Claude Code e Codex degli ultimi 15 o 30 giorni. La modalità Plan si avvia solo su richiesta dell’utente e nessun piano viene eseguito senza revisione, anche in modalità Never Ask o durante l’esecuzione non interattiva (kimi -p). Il componente Tower vede il proprio limite di concorrenza predefinito passare da 16 a 256 agenti, con un modello scelto a ogni avvio, e le sessioni web e desktop inattive vengono scaricate dalla memoria dopo 30 minuti. Per gli integratori cambia l’API del server: approvazioni e domande passano attraverso un unico messaggio interaction e i vecchi endpoint vengono rimossi.
DeepSeek pubblica Harness 0.2.2-alpha.2, che può affidare attività alle CLI locali di Codex o Claude, e la 0.2.1-rc.4
28 ottobre — DeepSeek pubblica due versioni di anteprima di DeepSeek Harness, il suo ambiente per agenti, la 33ª e la 34ª senza una versione stabile. La 0.2.1-rc.4 corregge un solo difetto: in modalità ACP, i messaggi diagnostici si mescolavano all’output standard. La 0.2.2-alpha.2 inaugura la serie successiva con diverse funzioni sperimentali: il plugin subagent_oar, che affida attività indipendenti alle CLI di Codex o Claude installate sulla macchina, sessioni in worktree Git separati con lo stato e i diff delle pull request collegate, e un pannello di statistiche che dettaglia, turno per turno, il contesto, la cache, il modello e il tempo trascorso in ogni strumento. L’interfaccia è tradotta in sei lingue, tra cui il francese, i plugin di terze parti si aggiornano con ripristino della versione precedente in caso di errore e il limite per immagine passa a 50 Mio.
🔗 La versione di anteprima 0.2.2-alpha.2 · La versione di anteprima 0.2.1-rc.4
Replit pubblica ViBench 2.0, un benchmark in cui gli agenti costruiscono un intero prodotto, funzionalità dopo funzionalità
28 ottobre — Replit pubblica ViBench 2.0, un benchmark di sviluppo a lungo termine (long-horizon), integrato nello Specialized Intelligence Index (SII) di Fireworks. Invece di svolgere un’attività ben definita in una base di codice esistente, l’agente parte da un progetto vuoto, costruisce una prima versione a partire da una breve specifica, poi aggiunge fino a 18 funzionalità al proprio codice, per prodotti ispirati a Uber, GitHub o Google Docs. Il benchmark comprende 17 prodotti, 241 richieste di funzionalità e 544 piani di test; 8 prodotti sono pubblici su GitHub, 9 restano segreti.
| Modello valutato | Build riuscite (pass@1) | Costo per build |
|---|---|---|
| GPT-6.1 Sol | 65 % | circa 12 dollari |
| GPT-6 Astra | 60 % | circa 90 dollari |
| Claude Opus 5.5 | 49 % | — |
| DeepSeek V4.1 Flash | nessuna, ma 77 % dei piani di test superati | circa 2,50 dollari |
I primi tre superano oltre il 90 % dei propri piani di test e gli altri modelli si fermano intorno al 20 % di build riuscite o al di sotto; nessun modello aperto consegna una build completa. Sugli otto prodotti pubblici, GPT-6.1 Terra completa con successo il 47 % delle build a circa metà del costo di GPT-6.1 Sol. Circa tre quarti degli insuccessi dei migliori modelli dipendono dalle interazioni tra funzionalità. Opus 5.5 funge da valutatore; Replit lo ha messo alla prova con 34 bug inseriti deliberatamente e una seconda valutazione da parte di GPT-6.1 Sol, che ha confermato il 99,2 % dei 477 esiti positivi che aveva convalidato.
Piattaforme per sviluppatori: Responses API di Mistral e Connected Apps Platform di Google
Due piattaforme si aprono agli sviluppatori: Mistral adotta il formato delle risposte di OpenAI per costruire agenti e Google propone uno sportello unico per pubblicare applicazioni in Search e Gemini.
Mistral lancia la Responses API in anteprima pubblica per costruire agenti
28 ottobre — Mistral apre in anteprima pubblica la sua Responses API, pensata per costruire agenti. Ogni risposta separa in elementi distinti il testo del modello, il suo ragionamento e le sue chiamate agli strumenti, evitando così all’applicazione di dover districare queste fasi come con Chat Completions; funziona con tutti i modelli di chat ospitati da Mistral, Mistral Large 4 incluso. La documentazione precisa che si tratta del formato OpenAI Responses: un’integrazione Responses esistente può quindi essere adattata a Mistral. L’API è senza stato (stateless): l’applicazione conserva la cronologia e la invia nuovamente a ogni richiesta.
| Funzione dell’anteprima | Dettaglio secondo la documentazione |
|---|---|
| Input accettati | Testo, immagini (URL o base64), file (URL, base64, identificativo) |
| Output strutturati | Modalità JSON e JSON Schema tramite text.format |
| Strumenti | Funzioni eseguite lato client, namespace inclusi |
| Ragionamento | reasoning.effort e ragionamento in chiaro a seconda del modello |
| Conteggio dei token | POST /v1/responses/input_tokens |
L’API si usa con gli SDK Python e TypeScript di Mistral (client.responses.create), senza un prezzo specifico annunciato. Nessun post sul blog accompagna l’annuncio, pubblicato in un thread su X e in una pagina della documentazione.
🔗 Il thread di Mistral · La documentazione
Google lancia in anteprima la Connected Apps Platform per pubblicare applicazioni in Search e nell’applicazione Gemini
28 ottobre — Google apre in anteprima la Connected Apps Platform, uno sportello unico che permette agli sviluppatori di collegare i propri servizi sia a Google Search sia all’applicazione Gemini. L’integrazione avviene tramite un server MCP ospitato nel cloud, oppure tramite Android MCP attraverso le API AppFunctions; l’applicazione viene poi registrata, testata e inviata nella Google Connected Console, dove lo sviluppatore sceglie, prima della revisione, se pubblicarla in Search, in Gemini o in entrambi. Una volta online, la console monitora il traffico, la latenza e i tassi di errore, e lo sviluppatore controlla l’identità del proprio marchio (loghi verificati, account autenticati). L’accesso viene aperto per fasi, con altri sviluppatori, mercati e prodotti Google previsti «nei prossimi mesi». Google dichiara oltre 50 Connected Apps: Adobe, Experian, Localiza e Peloton sono già in Gemini e arriveranno in Search nelle prossime settimane, ed è annunciata un’integrazione di Calm.
In breve
Agenti e strumenti per il codice
- Microsoft Copilot SDK — GitHub Copilot SDK diventa Microsoft Copilot SDK, l’interfaccia dell’harness degli agenti comune ai prodotti Microsoft e GitHub, con una migrazione graduale che non richiede alcun intervento; Copilot CLI 1.0.105 passa alla versione stabile senza altre novità oltre alla correzione della selezione di Fusion High o Max, già trattata. 🔗 fonte
- Artefatti nelle issue — Le issue di GitHub accolgono in anteprima pubblica gli artefatti (piani in Markdown, link, visualizzazioni HTML interattive) con cronologia delle versioni; quelli di una sessione dell’app GitHub vengono associati automaticamente, e il comando
gh issue artifactpermette agli agenti di gestirli. 🔗 fonte - Le estensioni Antigravity per VS Code e Visual Studio aggiungono i commenti al codice per l’agente e il contesto del terminale — Recupero delle novità del 25 ottobre: l’estensione VS Code 1.10.0 permette di commentare una riga o un diff per l’agente, e l’estensione Visual Studio 1.0.261026.0 allega alla chat fino a 8 Ko di output del terminale con
@terminal. 🔗 fonte - Zed 1.26 e anteprima 1.27 — La 1.26 passa alla versione stabile (Pyrefly integrato, debugging dei sorgenti WebAssembly); l’anteprima 1.27 rimuove i punti di ripristino dell’agente, che lo rallentavano o lo bloccavano nei grandi repository Git, e ora richiede macOS 12. 🔗 fonte
- Orb personali su Amp — Sei giorni dopo il loro lancio, le orb self-hosted di Amp si possono aggiungere dalle impostazioni personali, senza uno spazio di lavoro né permessi di amministratore; le conversazioni create su di esse riportano l’indicazione Personal. 🔗 fonte
- Qwen Code v0.26.3 — La versione stabile riprende l’anteprima del giorno precedente con una trentina di voci inedite, tra cui una modalità Workflow persistente per sessione; la CLI imposta inoltre per default a 1M token il contesto degli identificatori di modello
qwen4, senza ulteriori indicazioni su un modello del genere. 🔗 fonte - Runway Dev in Codex — Runway Dev diventa un plugin di Codex: secondo Runway, basta installarlo perché Codex integri autonomamente l’API Runway in un’applicazione; il server MCP di Runway Dev esisteva già da settembre. 🔗 fonte
- Bricklane costruito con Manus — Manus presenta Bricklane, che trasforma un luogo caro a un cliente in un modello di mattoncini su misura (566 pezzi e 13 passaggi per Villa de Verano); secondo Manus, l’agente ha realizzato il sito, il sistema di pagamento, il dominio, il video e le pubblicità. Nessuna novità di prodotto. 🔗 fonte
GitHub al di fuori dell’IA
- Dependabot e la raggiungibilità — In anteprima gratuita su GitHub Enterprise Cloud, CodeQL indica per JavaScript e TypeScript se il codice chiama effettivamente la funzione vulnerabile di una dipendenza, senza mai chiudere autonomamente un avviso. 🔗 fonte
- Public monitoring — Il monitoraggio dei segreti di un’azienda esposti in qualsiasi punto della parte pubblica di github.com passa alla disponibilità generale, senza costi aggiuntivi per i clienti GitHub Secret Protection. 🔗 fonte
- Runner Linux su AWS — GitHub Actions distribuisce alcuni job Linux a 2 e 4 core tra Azure e AWS, automaticamente per Free, Pro e Team, su adesione per Enterprise Cloud; GitHub raccomanda di aggiornare gli elenchi degli indirizzi IP consentiti. 🔗 fonte
- File di lock dei workflow — I file di lock delle dipendenze dei workflow GitHub Actions passano alla disponibilità generale su Enterprise Cloud, Team e Free, senza nuove funzionalità rispetto all’anteprima del 14 ottobre. 🔗 fonte
- Ruolo Moderate — GitHub ha annunciato la disponibilità generale di un ruolo Moderate per modificare, trasferire, nascondere e bloccare le issue senza accesso al codice, per poi correggersi lo stesso giorno: non è ancora disponibile e arriverà nelle prossime settimane. 🔗 fonte
- Limiti alle pull request — I maintainer che limitano il numero di pull request dei contributori senza permessi di scrittura possono esentare gli account abbastanza vecchi o quelli che hanno già pull request integrate nel repository. 🔗 fonte
Modelli, API e ricerca aperta
- DeepSeek V4.1 Flash e GLM 5.3 Flash su Mistral — L’API Mistral offre DeepSeek V4.1 Flash 1017 in anteprima pubblica, senza modifiche, con 1M token di contesto, a 0,30 dollari per milione di token in input e 1,20 in output, e porta GLM 5.3 Flash alla disponibilità generale a prezzo invariato, dall’Europa e dagli Stati Uniti. 🔗 fonte
- Voxtral Mini Transcribe 3 — Mistral segnala il suo secondo posto su nove modelli per il tasso di errore di diarizzazione nella classifica Diarization + ASR di Voice Arena, davanti al modello più grande della stessa famiglia. 🔗 fonte
- Moderazione personalizzata su SpaceXSI — Le note di rilascio dell’API ufficializzano l’array
guidelines, che chiede a Grok di rifiutare i contenuti delle categorie nsfw, violence o profanity, già apparso negli SDK il 17 e il 23 ottobre. 🔗 fonte - Particle-1 — Particle, nuova società presentata da Suhail, lancia un DeepSeek V4.1 Flash sottoposto a post-training che consuma in media circa il 45 % di token in meno, alla stessa tariffa, tramite la propria API; Aravind Srinivas afferma di aver lavorato con il team prima del lancio, senza alcuna integrazione annunciata in Perplexity. 🔗 fonte
- Tutorial RAG di Perplexity — Perplexity pubblica un tutorial in sette passaggi per costruire un RAG da riga di comando con Python, ChromaDB, il proprio modello di embedding pplx-embed-v1-0.6b e GPT-5.6 Luna tramite l’Agent API; nessuna novità di prodotto. 🔗 fonte
- olmOCR 2 negli archivi — Ai2 presenta due utilizzi del proprio modello aperto di riconoscimento del testo: uno storico che lo esegue in locale su migliaia di foto d’archivio e il team CENTURIA, che ne ha effettuato il fine-tuning su 57 schede di ceramica romana e ha ridotto l’errore di trascrizione dal 15,58 % all’1,11 %. 🔗 fonte
- Project Pyrite — In un post della community, un MoE da 31,8 miliardi di parametri, llm-jp-4-32b-a3b-base, passa da 59,06 a 9,81 Gio e gira a una velocità da 34 a 49 token al secondo su un Mac M2 Pro da 16 Go, senza i loop di ripetizione di una quantizzazione uniforme a 2 bit, secondo l’autore. 🔗 fonte
- My Name is Riemann — OpenPeerAI pubblica in anteprima un modello da 13,1 miliardi di parametri ottenuto ampliando gradualmente un modello da 163 milioni, su hardware AMD; gli autori non hanno eseguito alcun benchmark generale e segnalano essi stessi errori nel corpus. 🔗 fonte
- L2Loop — Yuxuan Zong propone di rieseguire alcuni layer quantizzati finché rientrano nella cache L2 della GPU: su RTX 5080, questa seconda passata costa circa la metà di un nuovo layer e riduce la loss di un valore compreso tra 0,05 e 0,08 a parità di parametri, secondo l’autore. 🔗 fonte
- Dataset EEG — Un censimento della community sullo Hub di Hugging Face trova 368 dataset di segnali cerebrali, di cui 146 senza etichetta di licenza, il che ne complica il riutilizzo. 🔗 fonte
Infrastruttura
- Riparazione automatica su Together AI — Together AI descrive la riparazione automatica dei nodi dei propri GPU Clusters, lanciata all’inizio dell’anno: controlli sullo stato di salute, riparazione meno invasiva supportata da evidenze, consenso configurabile fino al singolo codice di errore Xid e attesa delle attività in corso, 2 ore per default. 🔗 fonte
- CUDA 13.4 e Mission Control 2.5 — NVIDIA descrive la condivisione temporale di MPS con memoria garantita di CUDA 13.4, automatizzata su Kubernetes dall’operatore open source gpu-fractioning, e Mission Control 2.5, che estende il ripristino autonomo ai carichi di lavoro Kubernetes di Run:ai. 🔗 CUDA 13.4 · 🔗 Mission Control 2.5
Immagini, video e voce
- Kling e Minibots — Kling diventa il partner tecnologico esclusivo di Minibots, lungometraggio d’animazione di Evolutionary Films previsto per il 2027, con Tony Bancroft, co-regista di Mulan, al design dei personaggi; una prima anteprima è realizzata con Kling 4.0. 🔗 fonte
- Kling 4.0 su Pika — Pika integra Kling 4.0: riprese continue da 3 a 30 secondi con audio stereo e dialoghi sincronizzati, fino a 10 fotogrammi chiave o 15 riferimenti, in 720p o 1080p. 🔗 fonte
- Mini-app di Luma — Luma riunisce otto mini-app in Luma Agents, tra cui Light Transfer, Virtual Try-On e Background Swap, che modificano un solo elemento di un’immagine, a partire dal piano Plus da 30 dollari al mese. 🔗 fonte
- ElevenLabs e l’Asociación ELA — ElevenLabs collabora con la principale associazione spagnola di lotta alla SLA per offrire gratuitamente il proprio servizio di ripristino della voce ai malati di tutta la Spagna. 🔗 fonte
Prodotti e imprese
- Esplorazioni immersive in Gemini — Lo hub per studenti dell’applicazione Gemini propone scene interattive da esplorare strato dopo strato, dalla via della seta alla fisica dei fulmini, per tutti in sei lingue, tra cui il francese; è annunciata una narrazione audio, senza una data. 🔗 fonte
- Un’ora di audio in Gemini Notebook — L’applicazione mobile di Gemini Notebook registra fino a un’ora di audio dal vivo, subito utilizzabile come fonte di un notebook, per tutti gli utenti iOS e Android. 🔗 fonte
- Smart report, sondaggi e budget condivisi su Claude Enterprise — Tre strumenti di amministrazione passano alla disponibilità generale: gli smart report, in beta da settembre, che mostrano come un team usa Claude e quanto costa, i sondaggi integrati e i budget di gruppo condivisi, con avvisi al 50, 75, 95 e 100 %. 🔗 fonte
- IDC Quanta in Claude — La società di ricerche IDC collega la propria piattaforma Quanta a Claude tramite un connettore MCP per i propri clienti, nell’applicazione, in Cowork e nei componenti aggiuntivi Office, con citazione della fonte IDC; internamente, afferma di aver ridotto una revisione del codice da cinque giorni a circa 30 minuti. 🔗 fonte
- Legora e OpenAI — In un caso di studio di OpenAI, la società svedese di tecnologia giuridica Legora riduce l’esame degli accordi di riservatezza da circa il 20 % a meno dell’1 % della capacità del proprio team legale; presso un cliente del Fortune 100, i tempi di gestione dei contratti diminuiscono del 90 %. 🔗 fonte
- Il futuro dell’impresa — Secondo saggio della serie di OpenAI sulla prossima economia: due autori, che scrivono a titolo personale, immaginano l’IA sotto, accanto o tra i dipendenti nell’organigramma; nessun prodotto né dato numerico. 🔗 fonte
Cosa significa
Gemini 4 Carbon conferma uno schema che si sta consolidando: il modello più potente di un laboratorio arriva prima nelle mani di chi si occupa di difesa. Come Argon a fine settembre, Carbon passa attraverso il Fairwind Program e i test volontari del governo statunitense prima di arrivare nell’API, e Google pubblica punteggi sulle capacità offensive misurati senza misure di protezione, 54,8 % su ExploitGym, accanto a dati sul comportamento: tentativi di barare riusciti nello 0,0 % dei casi su Terminal-Bench 4.0, nessun attacco riuscito tramite prompt injection indiretta presso Gray Swan. Il prezzo è noto prima dell’accesso, la data no. Lo stesso giorno, la sicurezza del codice cambia scala: GitHub rende disponibile uno scanner agentico per un intero repository e rileva le vulnerabilità specifiche delle applicazioni di IA, mentre Replit propone una scala per valutare l’ambiente di un agente partendo dal presupposto che l’agente possa non collaborare.
A Universe, GitHub non vende più un modello, ma un sistema. Fusion toglie allo sviluppatore la scelta del modello, con un argomento numerico: a due punti da Claude Code con Opus 5.5 Max sull’Artificial Analysis Coding Agent Index, a un costo di circa la metà. Copilot Memory e Dreaming accumulano il contesto da una sessione all’altra, e le automazioni imparano dai propri risultati. La fatturazione segue il cambiamento: Copilot incluso in GitHub Enterprise senza una licenza utente separata, un pacchetto Actions espresso in dollari e condiviso con le sandbox, tetti di crediti per automazione. Octoverse mostra la portata del cambiamento: oltre il 40 % delle pull request inizia con un agente, e i repository di Claude Code e Codex sono tra quelli che guadagnano più contributori.
Gli agenti passano anche sempre più spesso da uno strumento all’altro. Kimi Code importa le sessioni di Claude Code e Codex, DeepSeek Harness delega attività alle loro CLI, Fusion può instradare le richieste verso Qwen3.8 Flash Next eseguito in locale, Mistral adotta il formato OpenAI Responses, e Gemini CLI rimanda a sua volta ad Antigravity CLI e Gemini API CLI. MCP diventa il connettore comune: 26 connettori verificati su GitHub, Suno in Claude o ChatGPT, ServiceNow nel marketplace di OpenAI, Search e Gemini tramite la Connected Apps Platform. ViBench 2.0 ricorda il limite attuale: quando un agente costruisce un intero prodotto, nessun modello aperto arriva fino in fondo, e i migliori falliscono soprattutto nei punti di interazione tra le funzionalità.
Sul fronte della ricerca, la dichiarazione del comitato di David Gross dà la giusta misura del risultato di OpenAI: un passo importante verso una teoria quantistica dei campi rigorosa, ma il confinamento e il gap di massa restano problemi aperti, e nulla sarà pubblicato prima della verifica della formalizzazione Lean. Anthropic e Meta aprono i propri modelli a intere istituzioni, senza rendere noti gli importi. Nel settore della voce, NVIDIA pubblica un modello aperto che quasi eguaglia Voxtral Small attivando solo circa 4 miliardi di parametri, ElevenLabs migliora il componente invisibile che allinea le parole all’audio, e HeyGen fattura al minuto la trasposizione di una performance vocale su un avatar.
Fonti
- Post di Google DeepMind su Gemini 4 Carbon
- Annuncio di Gemini 4 Carbon su X (@GoogleAI)
- Post di Jay Parikh su GitHub Universe 2026
- Generazione di immagini in Copilot (GitHub)
- Replica (GitHub)
- Rapporto Octoverse 2026
- Copilot incluso in GitHub Enterprise
- Copilot Fusion (GitHub)
- Copilot Fusion e i modelli locali (GitHub)
- Copilot in JetBrains (GitHub)
- Esperienza cloud di Copilot (GitHub)
- App GitHub Copilot a Universe (GitHub)
- Copilot in VS Code a Universe (GitHub)
- Note di VS Code 1.144
- Agent Merge (GitHub)
- GitHub intelligence: Copilot Memory, Dreaming e ricerca di codice
- Nuovi strumenti e trigger delle Copilot Automations
- Automazioni condivise (GitHub)
- Automazioni che si migliorano da sole (GitHub)
- GitHub Agentic Workflows in disponibilità generale
- Connettori MCP verificati per Copilot (GitHub)
- AI Scan dei repository (GitHub)
- Code scanning delle applicazioni IA (GitHub)
- Push protection tramite classificatore (GitHub)
- Estensione di sicurezza dell’app Copilot (GitHub)
- Copilot code review Max e approvazioni (GitHub)
- White paper Agent Habitat Architecture (Replit)
- Post del CTO di Replit sulla sicurezza degli agenti
- Annuncio di SB-Box (Genspark)
- Pagina di presentazione di SB-Box
- Annuncio di Nemotron 3.5 Transcribe (NVIDIA)
- Nemotron 3.5 Transcribe su Artificial Analysis (NVIDIA)
- Post di NVIDIA su Hugging Face
- Scheda di Nemotron 3.5 Transcribe
- Cue (ElevenLabs)
- Annuncio di HeyGen Voice STS
- Pagina di HeyGen Voice
- Annuncio di Suno MCP
- Pagina di Suno MCP
- Dichiarazione dello Yang-Mills Working Group (PDF)
- Dichiarazione sul sito del KITP
- AI for Science (Anthropic)
- Sostegno di Meta alla ricerca universitaria
- Annuncio di Meta su X
- Partnership di Anthropic con la GSA
- OpenAI e ServiceNow
- Retell e OpenAI
- Crediti API degli abbonati ChatGPT (assistenza OpenAI)
- Changelog dell’API di OpenAI
- Note di rilascio di ChatGPT
- Annuncio dei messaggi di testo con il suono dot (@ChatGPT)
- Modalità vocale di Perplexity (@AskPerplexity)
- Artefatti di Claude for Legal (Anthropic)
- PR 29995 di Gemini CLI
- Gemini API CLI
- Changelog di Antigravity
- Kimi Code 2.4.0
- DeepSeek Harness 0.2.2-alpha.2
- DeepSeek Harness 0.2.1-rc.4
- ViBench 2.0 (Replit)
- Responses API di Mistral su X
- Documentazione della Responses API di Mistral
- Connected Apps Platform (Google)
- Microsoft Copilot SDK (GitHub)
- Artefatti nelle issue (GitHub)
- Zed 1.27.0-pre
- Orbs personali (Amp)
- Qwen Code v0.26.3
- Runway Dev in Codex
- Bricklane (Manus)
- Dependabot e la raggiungibilità (GitHub)
- Public monitoring in disponibilità generale (GitHub)
- Runner GitHub Actions multicloud
- File di lock dei workflow GitHub Actions
- Ruolo Moderate (GitHub)
- Esenzioni dai limiti delle pull request (GitHub)
- DeepSeek V4.1 Flash 1017 sull’API Mistral
- Voxtral Mini Transcribe 3 su Voice Arena (Mistral)
- Note di rilascio dell’API SpaceXSI
- Particle-1
- Tutorial RAG di Perplexity
- olmOCR 2 e gli archivi (Ai2)
- Project Pyrite
- My Name is Riemann (OpenPeerAI)
- L2Loop
- Dataset EEG su Hugging Face
- Riparazione automatica dei GPU Clusters (Together AI)
- CUDA 13.4 e condivisione delle GPU (NVIDIA)
- Mission Control 2.5 (NVIDIA)
- Kling e Minibots
- Kling 4.0 su Pika
- Mini-app di Luma
- ElevenLabs e l’Asociación ELA
- Esplorazioni immersive in Gemini (Google)
- Registrazione audio in Gemini Notebook
- Smart reports, indagini e budget condivisi (Anthropic)
- IDC Quanta in Claude (Anthropic)
- Legora e OpenAI
- Il futuro dell’impresa (OpenAI)