OpenAI pone fine al suo contratto con Cursor, Claude Code riduce i limiti settimanali del 17%, Copilot CLI passa a Rust nativo

Ventidue annunci in otto ambiti per la giornata del 29 agosto: un sabato tranquillo, con la metà delle notizie rispetto al giorno precedente. La novità dominante è contrattuale più che tecnica. OpenAI ha notificato a SpaceX la sua intenzione di smettere di fornire i propri modelli a Cursor, proponendo come data di cessazione il 12 novembre e invocando esplicitamente il comportamento passato delle aziende di Elon Musk. Anthropic, dal canto suo, annuncia un aumento permanente del 25% dei limiti settimanali di Claude Code che si traduce — a suo stesso dire — in una riduzione del 17% rispetto a oggi. GitHub porta Copilot CLI su un motore di esecuzione nativo in Rust, Together AI rende GLM-5.3 disponibile il giorno stesso del suo rilascio e un gateway di inferenza pubblica dati di produzione che collocano finalmente il reale spazio occupato dai pesi open.

OpenAI pone fine al contratto con Cursor dopo l’acquisizione da parte di SpaceX

28 agosto — OpenAI ha notificato a SpaceX la sua intenzione di porre fine al contratto che garantisce a Cursor l’accesso diretto ai suoi modelli. La data di cessazione proposta è il 12 novembre 2026: l’azienda precisa di aver scelto il preavviso più lungo consentito dal contratto, affinché gli sviluppatori conservino l’accesso ai modelli il più a lungo possibile.

Il motivo è l’acquisizione di Cursor da parte di SpaceX. OpenAI spiega di lavorare con i suoi grandi partner tramite contratti su misura, che garantiscono il rispetto delle condizioni d’uso e la sicurezza dell’integrazione su larga scala, e afferma di non poter avere fiducia nel fatto che SpaceX utilizzerà la sua tecnologia in questo quadro. Vengono citati esplicitamente due precedenti: dopo l’acquisizione di Twitter da parte di Elon Musk, società ora collegata a SpaceX, i termini del contratto che legava le due aziende sono stati infranti; e, sotto giuramento all’inizio di quest’anno, Musk ha ammesso che xAI, anch’essa passata sotto SpaceX, aveva violato le condizioni d’uso di OpenAI. L’accordo firmato con Cursor prevedeva una finestra di risoluzione limitata nel tempo dopo un cambio di controllo, cosa che spiega il calendario.

Si aggiunge un secondo argomento, più insolito: OpenAI afferma di assumersi un nuovo livello di responsabilità man mano che le capacità aumentano e cita il suo prossimo modello Astra — quello per cui aveva annunciato il 7 agosto di non poter più escludere un livello di capacità informatiche classificato come Critico dal proprio quadro di preparazione. Conseguenza pratica: il contratto prosegue fino alla data più lontana possibile, ma nessun modello futuro sarà fornito a Cursor.

Elemento del dossier	Valore
Data della notifica a SpaceX	28 agosto 2026
Data di cessazione proposta	12 novembre 2026
Durata della partnership OpenAI-Cursor	quasi 4 anni
Modelli futuri forniti a Cursor	nessuno

We’re ending our partnership with Cursor following its acquisition by SpaceX. Under our proposal, Cursor’s direct access to our models would end on November 12.

We know that the people most affected by this decision are the developers who rely on OpenAI models in Cursor. We care about their experience in this transition and we’re ready to go above and beyond to support them.

🇮🇹 Poniamo fine alla nostra partnership con Cursor in seguito alla sua acquisizione da parte di SpaceX. Secondo la nostra proposta, l’accesso diretto di Cursor ai nostri modelli terminerebbe il 12 novembre.

Sappiamo che le persone maggiormente colpite da questa decisione sono gli sviluppatori che si affidano ai modelli OpenAI in Cursor. La loro esperienza durante questa transizione ci sta a cuore e siamo pronti ad andare oltre i nostri obblighi per accompagnarli. — @OpenAI su X

🔗 Decisione su Cursor — OpenAI

Claude Code: i limiti settimanali scendono del 17% il 14 settembre, la CLI si avvia più rapidamente

29 agosto — Anthropic annuncia che, a partire dal 14 settembre, i limiti settimanali standard di Claude Code aumenteranno permanentemente del 25% per i piani Pro, Max, Team ed Enterprise con posti (seat-based). Fino a quella data, resterà in vigore l’attuale aumento del 50%.

La formulazione richiedeva una precisazione, che Anthropic ha fornito nel messaggio successivo del suo thread: rispetto alla situazione odierna, l’operazione si traduce in una riduzione del 17% dei limiti settimanali. L’aritmetica è semplice: l’aumento del 50% in vigore è temporaneo, quello del 25% che lo sostituisce è permanente e il passaggio dall’uno all’altro riduce meccanicamente il limite effettivo. Questo aumento temporaneo non era recente: il 18 luglio 2026, lo stesso account lo aveva annunciato «fino al 19 agosto», una scadenza superata senza ulteriori comunicazioni. L’annuncio del 29 agosto fissa quindi un punto di arrivo: un limite permanente, più alto rispetto al regime standard originario, ma più basso rispetto al regime eccezionale delle ultime settimane. L’accoglienza è rimasta contrastante, al punto che il messaggio principale — circa 1,6 milioni di visualizzazioni al momento della scansione — è stato accompagnato da una nota di contesto redatta dai lettori di X, che riprende il dato della riduzione.

Periodo	Limiti settimanali di Claude Code
Fino al 13 settembre	+50% (aumento temporaneo, ancora in vigore)
A partire dal 14 settembre	+25% permanente
Effetto netto annunciato da Anthropic	-17% rispetto a oggi

Compared to today, this works out to a 17% reduction in weekly limits on Claude Code. We’re working on exciting changes that will make it feel like you’re getting more from Claude, while having more visibility and control of your usage. Can’t wait to share them.

🇮🇹 Rispetto a oggi, ciò rappresenta una riduzione del 17% dei limiti settimanali di Claude Code. Stiamo lavorando a cambiamenti entusiasmanti che daranno l’impressione di ottenere più Claude, con maggiore visibilità e controllo sul vostro consumo. Non vediamo l’ora di condividerli. — @ClaudeDevs su X

All’inizio della giornata, lo stesso account aveva pubblicato il riepilogo settimanale delle novità di Claude Code. La maggior parte di questo thread di sei messaggi raccoglie novità già descritte qui nel corso degli aggiornamenti — la scheda «Auto mode» in /permissions della 2.1.246, la riga della cache del prompt in /cost e il monitoraggio in tempo reale dei sotto-agenti in primo piano della 2.1.251, la suddivisione delle attività /loop in /usage della 2.1.243. Un aspetto, invece, non era mai stato quantificato: le prestazioni. La CLI non attende più l’avvio del sandbox (sandbox) né quello dei server MCP prima di consentire l’inserimento della prima istruzione, e il comando claude salta le fasi di inizializzazione di cui non ha bisogno. Per quanto riguarda la distribuzione, il download Linux x64 è 4,5 volte più piccolo, circa 75 MB, e le build native consumano da 40 a 70 MB di memoria in meno per sessione.

Misura delle prestazioni annunciata	Valore
Download Linux x64	4,5 volte più piccolo, circa 75 MB
Memoria delle build native	Da 40 a 70 MB in meno per sessione

🔗 Annuncio sui limiti settimanali · Riepilogo settimanale

Copilot CLI passa a un motore nativo in Rust, Visual Studio riceve gli agenti personalizzati dell’organizzazione

28 agosto — GitHub pubblica in tarda giornata il suo riepilogo settimanale di Copilot. Il titolo riporta la data del 24 agosto — la settimana a cui si riferisce — ma il contenuto è stato pubblicato solo il 28 alle 20:13 UTC, dopo il passaggio della scansione precedente. Due delle sue sezioni riprendono annunci già trattati qui, Copilot in Slack e Microsoft Teams e la disponibilità generale della scheda Customize; il resto è inedito.

L’elemento più significativo riguarda la CLI: Copilot CLI ora funziona su un motore di esecuzione nativo in Rust (native Rust runtime), mentre la sua interfaccia terminale resta scritta in TypeScript. GitHub annuncia prestazioni «nettamente superiori» senza pubblicare alcuna misurazione, lasciando il giudizio al lettore. Due impostazioni, defaultMode e defaultPermissionMode, definiscono la modalità di esecuzione e quella dei permessi applicate a ogni nuova sessione; i comandi /plugin, /mcp e /skills ricevono interfacce di gestione dedicate; e la CLI sa ripristinare una sessione che non si è conclusa correttamente, anche se interrotta nel mezzo di un turno.

Superficie interessata	Novità annunciate
Copilot CLI	Motore Rust nativo, `defaultMode` e `defaultPermissionMode`, interfacce `/plugin` `/mcp` `/skills`, ripresa della sessione
Applicazione Copilot	Issues e pull request Azure DevOps convertite in sessioni, WSL sperimentale, schede separabili, anteprima nel browser esterno
Estensione JetBrains	Controlli aziendali su plugin, server MCP, telemetria e modalità dei permessi degli agenti
VS Code 1.135	Ripresa di sessioni dell’agente Copilot o Claude avviate altrove, seconda opinione di un modello complementare, riquadro Agents unico, consumo per modello e per turno
Visual Studio 2026	Agenti personalizzati dell’organizzazione, sforzo di ragionamento Low, Medium e High, visualizzazione Manage models, revisione da parte dell’agente Git

Pubblicata lo stesso giorno, una voce dedicata del changelog descrive in dettaglio l’aggiornamento di agosto di Copilot in Visual Studio 2026, disponibile su tutti i piani — Free, Student, Pro, Pro+, Max, Business ed Enterprise. Il cambiamento principale è l’arrivo degli agenti personalizzati a livello organizzativo: i proprietari delle organizzazioni o delle aziende GitHub pubblicano agenti utilizzabili in tutti i loro repository, che Visual Studio rileva automaticamente e mostra nel selettore con la relativa descrizione e l’organizzazione di origine. È necessaria un’organizzazione GitHub, escludendo quindi gli account personali. L’impostazione dello sforzo di ragionamento passa all’utente con tre livelli; GitHub la presenta esplicitamente come un compromesso tra profondità del ragionamento e consumo di token. La visualizzazione Manage models riunisce capacità, dimensione della finestra di contesto, informazioni sui costi e controlli, mentre l’agente Git esamina le modifiche non sottoposte a commit o i commit prima dell’apertura di una pull request, sia nei repository GitHub sia in quelli Azure DevOps.

🔗 Riepilogo settimanale di Copilot · Copilot in Visual Studio, aggiornamento di agosto

GLM-5.3 arriva su Together AI, che misura subito quanto costa la sua versione distillata

29 agosto — Terzo giorno consecutivo per GLM-5.3. Il 27 agosto, Z.ai annunciava in due righe che avrebbe pubblicato i pesi; il 28, l’apertura era effettiva e Together AI pubblicava una scheda modello contrassegnata «coming soon», senza tariffa. Dal 29 agosto alle 1:57 UTC, la scheda è online e il fornitore parla di una disponibilità «Day 0». L’endpoint zai-org/GLM-5.3 è disponibile sia in modalità serverless sia come infrastruttura dedicata, e Together AI annuncia la compatibilità con Claude Code, OpenCode e le altre piattaforme di agenti per il codice. Secondo il fornitore, il modello si avvicina a Fable 5 sull’insieme dei benchmark, pur costando una frazione del prezzo per attività.

Caratteristica del servizio	Valore
Prezzo input / input in cache	$1,40 / $0,26 per milione di token
Prezzo output	$4,40 per milione di token
Finestra di contesto	1 M token (architettura IndexShare)
Livelli di sforzo	low, high, max (max predefinito)
SLA annunciato	99,9 %

Lo stesso giorno, Together AI pubblica il sesto confronto della sua serie DeepSWE e, per la prima volta, mette a confronto due modelli della stessa famiglia: GLM-5.3 e la sua versione distillata GLM-5.3 Flash. Il protocollo è invariato — le 113 attività di DeepSWE v1.1, quattro tentativi per configurazione, entrambi i modelli con sforzo max — per un totale di 900 esecuzioni complete (rollout), 452 per il modello completo e 448 per Flash. Al primo tentativo, il divario sembra netto: 69,0% contro 63,4% in pass@1. Ma scende a 2,6 punti in pass@4, a un diciassettesimo del prezzo. La distillazione non ha quindi eliminato la capacità, ma la regolarità: nessuna delle 48 attività che il modello completo riesce a risolvere quattro volte su quattro diventa insolubile per Flash, che conserva 93 delle 99 attività risolte almeno una volta. Il meccanismo viene identificato più avanti, ed è il risultato più interessante: nelle attività instabili, il tentativo più lungo è quello vincente nel 61% dei casi per GLM-5.3, ma solo nel 46% per Flash — al di sotto della soglia del lancio di una moneta. Il modello distillato non sa più convertire uno sforzo aggiuntivo in una soluzione.

Metrica misurata	GLM-5.3 (sforzo max)	GLM-5.3 Flash (sforzo max)
pass@1	69,0 %	63,4 %
pass@4	87,6 %	85,0 %
Costo per esecuzione	$3,99	$0,24
Attività risolte per $100	17	264
Durata da capo a fondo	35 min	26 min
Rottura di un test di riferimento già verde	4,4 %	6,9 %
Sforzo utile sulle attività instabili	61 %	46 %

Viene rilevata una sola regressione netta, che riguarda la prudenza: Flash rompe un test di riferimento già verde nel 6,9% delle esecuzioni, contro il 4,4% del modello completo, inducendo Together AI a raccomandare esplicitamente una suite completa di regressione prima di accettare senza revisione un diff prodotto da Flash. La conclusione operativa è una cascata all’interno della stessa famiglia: avviare prima Flash, passando al modello completo solo se un verificatore rifiuta la risposta. Questa combinazione raggiunge l’80,9% di successo a 1,70 dollari per attività, dodici punti in più rispetto al solo GLM-5.3 (69,0% a 3,99 dollari), a meno della metà del prezzo. Una differenza merita di essere segnalata al lettore: il punteggio DeepSWE visualizzato nella scheda del modello (66,9) differisce dal 69,0% misurato da Together AI nella propria campagna, circostanza che il fornitore assume precisando che i suoi dati provengono dalla sua esecuzione.

🔗 Pubblicazione di GLM-5.3 su Together AI · GLM-5.3 contro GLM-5.3 Flash su DeepSWE

I modelli con pesi aperti hanno conquistato metà del traffico, ma solo il 13% della spesa

29 agosto — Thibault Jaigu, dirigente del gateway di inferenza Requesty, pubblica sul blog di Hugging Face le misurazioni rilevate sul proprio traffico di produzione nel 2026, escluse le chiavi fornite dai clienti e gli account interni. Il dato centrale: i modelli con pesi aperti sono passati da meno del 5% dei token a gennaio alla metà dell’intero traffico nella settimana del 3 agosto, ma rappresentano solo circa il 13% della spesa; un token di un modello chiuso di frontiera costa circa 6,4 volte un token aperto una volta considerata la cache.

Due illustrazioni restituiscono la struttura di questo mercato. Dopo l’uscita di kimi-k3, il laboratorio d’origine ha impiegato 11 giorni per perdere la maggioranza dei token serviti sul proprio modello, mentre altri quattro fornitori hanno attivato l’inferenza sugli stessi pesi entro 72 ore. E su glm-5.2, sei fornitori mostrano una differenza di 5,7x sul prezzo effettivamente pagato — non a causa di sconti segreti, ma perché il più economico mette in cache il 94% dei token di input, mentre il più costoso non ne mette nessuno. Questi dati provengono da un fornitore che descrive il proprio prodotto, circostanza che l’autore assume firmandosi come dirigente di Requesty.

Misura rilevata sul gateway	Valore
Quota dei pesi aperti nei token (gennaio 2026)	meno del 5 %
Quota dei pesi aperti nei token (settimana del 3 agosto)	50 %
Quota dei pesi aperti nella spesa	circa 13 %
Ripartizione della spesa (Anthropic / OpenAI / Google)	51 % / 21 % / 15 %
Riletture dalla cache / input fresco / output visibile	78 % / 19 % / meno del 2 %
Rapporto input su output (gennaio e poi agosto)	15x e poi 36x
Contesto medio per richiesta (gennaio e poi agosto)	9,6 k e poi 28 k token

🔗 Articolo di Requesty su Hugging Face

La Search API di Perplexity conquista i primi tre posti dell’Artificial Analysis Search Index

29 agosto — Perplexity rilancia una classifica pubblicata il giorno precedente da Artificial Analysis: le tre configurazioni di contesto della sua Search API occupano i primi tre posti dell’Artificial Analysis Search Index, al loro debutto in questa classifica. La configurazione medium ottiene 80 punti, cinque in più dei precedenti leader Parallel (advanced) e Brave Search (LLM context), entrambi a 75; le varianti high e low seguono con 79 e 77.

Il protocollo isola deliberatamente il componente di ricerca: Artificial Analysis esegue lo stesso modello — GPT-5.6 Luna con ragionamento medium — in Stirrup, il suo harness open source per agenti, con strumenti di ricerca e recupero di pagine web. Da un test all’altro, cambia soltanto il fornitore dietro lo strumento di ricerca. Il vantaggio di Perplexity si concentra su BrowseComp, mentre i punteggi AA-Omniscience e DeepSearchQA restano comparabili a quelli degli altri fornitori di punta. Il secondo argomento è economico: payload più compatti fanno leggere meno al modello, da cui un costo di inferenza per attività compreso tra 0,028 e 0,034 dollari a seconda della variante, contro 0,036 dollari per il successivo fornitore meno costoso — il valore più basso misurato finora da Artificial Analysis.

Fornitore di ricerca (variante)	Punteggio AA Search Index	Costo totale per attività
Perplexity Search (medium)	80	circa 0,091 $
Perplexity Search (high)	79	circa 0,091 $
Perplexity Search (low)	77	non comunicato
Parallel (advanced)	75	0,084 $
Brave Search (LLM context)	75	0,13 $

Due precisazioni d’uso: la classifica proviene da Artificial Analysis e non da Perplexity, che si limita a metterla in evidenza, e nessun articolo di blog raddoppia il messaggio, poiché il blog dell’azienda non ha pubblicato nulla dal 25 agosto.

🔗 Messaggio di @perplexity_ai · Dettaglio numerico di @ArtificialAnlys

Codex CLI 0.151.0: le estensioni intercettano i risultati MCP, il sandbox remoto diventa più rigido

29 agosto — Codex CLI passa alla versione 0.151.0, pubblicata su GitHub alle 11:55 GMT+2 e citata lo stesso giorno nel changelog ufficiale di ChatGPT e Codex. La novità più strutturale riguarda le estensioni: ora possono ispezionare o sostituire i risultati di uno strumento MCP prima che raggiungano il modello. Si inserisce quindi un punto di intercettazione tra il server MCP e il contesto, aprendo la strada al filtraggio, alla riscrittura o al troncamento degli output degli strumenti senza toccare il server. Si aggiungono un periodo di tolleranza configurabile per la scoperta degli strumenti esposti dai server MCP opzionali e cataloghi di plugin che combinano la configurazione propria di ogni repository, segnalando al contempo i marketplace di progetto non validi senza far scomparire i plugin validi.

Il resto della versione è dominato dal rafforzamento del sandbox. Il comando /cd non può più indebolire le restrizioni — uno scenario in cui cambiare directory allentava implicitamente le protezioni — e le classificazioni Guardian ormai obsolete non possono più autorizzare un’azione dopo un cambiamento dello stato dei permessi. L’applicazione del sandbox remoto si allinea inoltre alla realtà della macchina di esecuzione: directory home, sistema operativo e convenzioni dei percorsi dell’esecutore vengono propagati nel contesto, anche per le regole di rifiuto della lettura. Ultimo punto da segnalare ai team che delegano il lavoro ai propri agenti: il consumo di token dei sottoagenti annidati viene finalmente conteggiato nel budget dell’obiettivo radice.

Elemento della versione	Valore
Versione	0.151.0 (stable)
Pubblicazione su GitHub	29 agosto 2026, 11:55 GMT+2
Installazione	`npm install -g @openai/codex@0.151.0`
Novità / correzioni / lavori di fondo	3 / 6 / 2
Versione stabile precedente	0.150.1 (27 agosto)

🔗 Note di versione di Codex CLI 0.151.0

Appshots: ChatGPT Work e Codex leggono il contesto dell’applicazione visualizzata

28 agosto — OpenAI Developers presenta gli appshots, un meccanismo di acquisizione del contesto destinato a ChatGPT Work e Codex. Il principio: invece di descrivere ciò che si ha davanti agli occhi, si trasmette all’assistente tutto il contesto dell’applicazione visualizzata, affinché comprenda lo schermo e possa agire su di esso. L’attivazione è volutamente minimale — due pressioni del tasto Comando (⌘ ⌘).

Il thread illustra dieci utilizzi che danno la misura dell’ambito previsto, ben oltre il codice: riassumere un thread Slack, compilare un modulo, usare come riferimento un’API visualizzata sullo schermo per aggiungere una funzionalità, estrarre i temi da un insieme di risposte su X, identificare i messaggi privati che richiedono una risposta, convertire appunti in una presentazione, tagliare un video in iMovie o trasformare una ricetta aperta in una lista della spesa. Al momento della scansione, l’annuncio esiste solo su X: il changelog di ChatGPT e Codex non contiene alcuna voce tra il 27 e il 29 agosto, a eccezione della versione 0.151.0 della CLI. Le condizioni di accesso — piani interessati, piattaforme, disponibilità generale o progressiva — non sono quindi documentate.

🔗 Thread di @OpenAIDevs

Antigravity CLI 1.1.22: il comando /model accetta un argomento, otto correzioni di stabilità

27 agosto — Recupero su un canale mai scansionato finora. Il changelog di Google Antigravity è suddiviso in quattro schede — Antigravity 2.0, Antigravity CLI, Antigravity SDK e Antigravity IDE — delle quali nelle scansioni precedenti veniva letta solo la prima. La scheda CLI pubblica in pratica una versione ogni uno o tre giorni; l’ultima, la 1.1.22, introduce tre miglioramenti e otto correzioni.

Sul piano dell’usabilità, il comando /model ora accetta un argomento: invece di aprire un selettore, passa direttamente a un modello indicandone il nome, lo slug o l’etichetta, e l’operazione imposta il valore predefinito nella stessa fase, con completamento automatico in testo fantasma durante la digitazione. Anche il comando /effort, che regola lo sforzo di ragionamento, completa il testo inserito invece di mostrare un esempio fisso. Terza aggiunta, utile nelle sessioni lunghe: quando un agente genera molti file, le raffiche di eventi del file system vengono raggruppate in una sola nuova analisi.

Le otto correzioni puntano alla stabilità a lungo termine. La più visibile elimina i ridisegni continui dell’interfaccia quando il pannello delle attività o il dettaglio di un sottoagente rimaneva aperto senza attività in corso, facendo aumentare il consumo del processore a riposo. Gli errori HTTP 502 transitori, che terminavano semplicemente un’esecuzione, ora vengono ritentati dopo un’attesa crescente (backoff). Il resto riguarda Windows, il daemon senza interfaccia (headless) e la possibilità di selezionare nuovamente lo sforzo di ragionamento per Gemini 3.1 Pro e Gemini 3.5 Flash durante un’autenticazione tramite chiave API Gemini.

Canale Antigravity	Ultima versione	Data
Antigravity 2.0	2.11.0	26 agosto 2026
Antigravity CLI	1.1.22	27 agosto 2026
Antigravity SDK	0.1.15	25 agosto 2026
Antigravity IDE	2.5.5	13 agosto 2026

🔗 Changelog di Antigravity

MiniMax fa il bilancio di H3 Max e dichiara acquisita la generazione video più veloce del tempo reale

29 agosto — MiniMax pubblica una dichiarazione insolitamente lunga su H3 Max, il modello video che fal Research ha ottenuto post-addestrando i pesi aperti di MiniMax H3. L’annuncio del modello risale al 27 agosto; ciò che c’è di nuovo qui è la presa di posizione del laboratorio d’origine su cosa significhi per lui questo lavoro esterno.

Il messaggio si basa su due idee. La prima è strategica: MiniMax afferma che H3 Max ha reso tangibile il valore dei pesi aperti per i propri team, e si dice pronto a sostenere qualsiasi team che riproduca l’approccio di fal. La seconda è tecnica, e si spinge oltre: il laboratorio considera ormai acquisita la generazione video più veloce del tempo reale, e ne ricava un elenco di casi d’uso finora irraggiungibili — flussi video perpetui, mondi interattivi, narrazione in tempo reale. Due ore prima, MiniMax rilanciava un test della community che riassume bene il cambiamento: la domanda non è più quanto tempo richieda una generazione, ma se il modello generi più velocemente di quanto un flusso Twitch riesca a trasmettere.

They made the value of open weights feel real to our team in a way it hadn’t before. Advancing technology together has always been a core belief at MiniMax. H3 Max made that belief tangible. It showed that the frontier no longer belongs to a few, it belongs to everyone willing to build, experiment, and share what they discover.

🇮🇹 Hanno reso tangibile per il nostro team il valore dei pesi aperti in un modo che non era mai avvenuto prima. Far progredire insieme la tecnologia è sempre stata una convinzione fondamentale per MiniMax. H3 Max ha reso tangibile questa convinzione. Ha dimostrato che la frontiera non appartiene più a pochi, ma a chiunque sia disposto a costruire, sperimentare e condividere ciò che scopre. — @MiniMax_AI su X

🔗 Test della community rilanciato da MiniMax

In breve

Grok 4.6 arriva su Grok.com e sulle app iOS e Android — Dopo una distribuzione incentrata sulle piattaforme partner — GitHub Copilot, Amazon Bedrock, Gemini Enterprise Agent Platform, poi Microsoft Foundry il 26 agosto — xAI completa la serie con le proprie superfici rivolte al grande pubblico. Tre usi consigliati: problemi complessi, richieste agentiche e creazione di applicazioni. Nessun dato, nessun benchmark, nessun cambiamento dei prezzi. 🔗 Messaggio di @grok
Midjourney corregge la qualità d’immagine del suo modello di editing V8.2 — Meno di ventiquattro ore dopo l’apertura dei test, lo studio pubblica una correzione della qualità d’immagine e invita gli utenti che hanno riscontrato problemi a rilanciare le proprie generazioni. Sono annunciati altri aggiornamenti, senza calendario. 🔗 Messaggio di @midjourney
Gemini CLI imposta la fiducia dello spazio di lavoro sul rifiuto predefinito — La versione notturna (nightly) v0.59.0-nightly.20260829.g0bd1d4397 include un’unica modifica: uno spazio di lavoro la cui attendibilità non può essere stabilita viene trattato come non attendibile, e i server MCP dichiarati vengono filtrati in modalità limitata. Il canale stabile resta alla v0.57.0, la preview alla v0.58.0-preview.0. La nightly del 27 agosto aveva già corretto una SSRF nella scoperta dei metadati OAuth dei server MCP. 🔗 Note di rilascio
NVIDIA colloca Dynamo rispetto a SGLang, vLLM e TensorRT-LLM — Video breve di cinque minuti che risponde a una confusione frequente: Dynamo non sostituisce i motori di inferenza, ma si installa intorno a essi per distribuire il carico su più GPU e più nodi. Video presentato da Vishakha Sadhwani. 🔗 Messaggio di @NVIDIAAI
QwenCloud pubblica il resoconto della Qwen Conference Hong Kong 2026 — Resoconto dell’evento del 26 agosto, tenuto davanti a oltre 300 clienti aziendali e sviluppatori, con una keynote che articola la piattaforma attorno a tre punti d’accesso — il sito web, le Skills e la CLI — e una dimostrazione di agente che concatena creazione dell’account, selezione del modello, inferenza, deployment, pagamento e fatturazione. 🔗 Messaggio di @qwen_cloud
Luma organizza una serata creativa a San Francisco — Creative Intelligent Machines Continuum, serata di creazione su richiesta prevista per martedì 1° settembre presso tiat, con dimostrazioni passo-passo condotte dai creativi senior dello studio, un prompt comune e assistenza sul posto. L’iniziativa prosegue la serie Dream Lab Weekly lanciata il 25 agosto. 🔗 Messaggio di @LumaLabsAI
FAST, un tentativo di standard per la segnalazione delle vulnerabilità da parte degli agenti — Il Framework for Autonomous Severity and Triage si presenta come un insieme di file Markdown da inserire nel contesto di un agente, senza SDK né API. Distingue un’ipotesi non dimostrata da una vulnerabilità con prova d’impatto riproducibile, fornisce un albero decisionale della severità derivato da ciò che i programmi di bug bounty pagano realmente anziché dal calcolo CVSS, e impone un passaggio a sei verifiche prima dell’invio. Licenza CC-BY 4.0. 🔗 Articolo su Hugging Face
Due sessioni di IA, lo stesso repository, due verdetti opposti su un agente di autoriparazione — Nota di ingegneria su un progetto personale: una progettazione di autoriparazione autonoma rifiutata è ricomparsa nel repository alcuni giorni dopo, scritta da un’altra sessione che utilizzava un assistente diverso, senza traccia della prima decisione. Il file non ha mai potuto essere eseguito, ma solo grazie a due bug accidentali — l’autore parla di sicurezza per incidente, non per progettazione. 🔗 Articolo su Hugging Face
three.ws, uno stack open source per dare agli agenti un corpo, un portafoglio e un mestiere — Il progetto articola quattro componenti: generazione e rigging 3D con studi nel browser, motore agentico con catena di guardrail e sistema di competenze, portafoglio dell’agente basato su x402 (pagamento alla chiamata sopra HTTP), e distribuzione tramite un unico tag da posizionare su qualsiasi sito o nella realtà aumentata. 🔗 Articolo su Hugging Face

Cosa significa

L’accesso ai modelli di frontiera diventa una questione di affidabilità, non solo di contratto. OpenAI non interrompe Cursor per un mancato pagamento né per una clausola tecnica, ma perché afferma di non potersi fidare dell’uso che ne farebbe il nuovo proprietario, basandosi su due precedenti citati per nome — Twitter e xAI, entrambi passati sotto SpaceX. L’argomento dalle conseguenze più rilevanti è però il secondo: OpenAI cita il suo futuro modello Astra, per il quale il 7 agosto aveva annunciato di non poter più escludere capacità informatiche di livello Critico, per giustificare la decisione di non fornire alcun modello futuro. In altre parole, quanto più una generazione di modelli è ritenuta pericolosa, tanto più si restringe l’elenco di chi può accedervi — e il criterio di selezione non è più la solvibilità del cliente, ma lo storico di conformità della sua società madre. Per i team che hanno costruito la propria catena di produzione su un editor di terze parti, il 12 novembre è una scadenza per la migrazione.

Ciò che cambia di prezzo sono i massimali, non le tariffe. Anthropic non ha modificato alcuna tariffa pubblicata: converte un aumento temporaneo del 50% in un aumento permanente del 25%, che equivale a −17% rispetto a oggi, e lo dichiara nel messaggio seguente. GitHub, da parte sua, espone lo sforzo di ragionamento come un compromesso consapevole con il consumo di token e ora mostra il consumo per modello a ogni turno della conversazione. I dati di Requesty spiegano perché questi massimali siano diventati il vero prezzo: le letture dalla cache rappresentano il 78% di tutti i token elaborati, l’output visibile meno del 2%, e il rapporto tra input e output è passato da 15x a gennaio a 36x ad agosto. Un ciclo agentico non costa per ciò che scrive, ma per ciò che rilegge a ogni passaggio — ed è questa grandezza che i fornitori hanno iniziato a contingentare.

I pesi aperti hanno conquistato il volume e perso il valore. Metà del traffico, il 13% della spesa, l’86% di quest’ultima ancora concentrato su tre fornitori: il mercato aperto è diventato un mercato all’ingrosso, in cui lo stesso modello viene pagato 5,7 volte di più da un hoster all’altro in base alla sola politica di caching, e in cui un laboratorio perde la maggior parte dei token serviti sul proprio modello in undici giorni. GLM-5.3 ne è l’esempio del giorno: pesi pubblicati il 28, disponibile presso un hoster di terze parti il 29 a 1,40 dollari per milione di token in input, accompagnato da una misurazione indipendente che quantifica esattamente quanto costa la sua versione distillata — 2,6 punti di pass@4 per un diciassettesimo del prezzo. Quando il modello è lo stesso ovunque, la differenziazione si sposta su cache, routing e misurazione. È un mestiere infrastrutturale, non da laboratorio.

Il client a riga di comando torna a essere un terreno di competizione tecnica. Copilot CLI passa a un motore di esecuzione nativo in Rust mantenendo l’interfaccia in TypeScript, Claude Code riduce di 4,5 volte il download Linux e recupera da 40 a 70 MB di memoria per sessione, Antigravity CLI elimina i ridisegni che facevano aumentare il processore a riposo, Codex CLI impedisce a /cd di indebolire la propria sandbox e Gemini CLI imposta la fiducia dello spazio di lavoro sul rifiuto predefinito. Cinque editor, nella stessa settimana, sugli stessi temi: tempo di avvio, impronta di memoria e perimetro esatto di ciò che l’agente può modificare. Dopo un anno trascorso a confrontare le capacità dei modelli, la competizione si gioca anche sul programma che li esegue — e la sicurezza occupa ormai tante righe di changelog quanto le funzionalità.