Mistral pubblica i pesi di Mistral Large 4, Cohere punta a 7 miliardi di dollari canadesi, OpenAI illustra il monitoraggio del disallineamento

Mistral pubblica i pesi di Mistral Large 4, un MoE multimodale da circa 1 000 miliardi di parametri migliorato con tre settimane di apprendimento per rinforzo dalla versione preliminare del 6 ottobre, con una licenza MIT modificata e a 0,70 dollari per milione di token in input. Cohere annuncia la prima chiusura di una serie E che punta a raccogliere fino a 7 miliardi di dollari canadesi, OpenAI descrive il sistema che ora monitora tutti i suoi addestramenti per rinforzo più avanzati e Pika lancia H3 Flex, un modello video e audio a pesi aperti. Sul fronte dei prodotti, le applicazioni Claude arrivano a 33 lingue e su CarPlay, Gemini modifica i file nella conversazione e Amp dà un Mac ai suoi agenti.

Mistral pubblica i pesi di Mistral Large 4 (Le Chonk), migliorato con tre settimane di apprendimento per rinforzo

29 ottobre — Mistral mantiene la promessa fatta in occasione della versione preliminare del 6 ottobre: i pesi di Mistral Large 4, soprannominato «Le Chonk», sono su Hugging Face. Non è esattamente il modello di tre settimane fa. Mistral ha proseguito l’apprendimento per rinforzo (reinforcement learning) per tre settimane, senza segni di saturazione secondo l’azienda, ottenendo un ragionamento più efficiente e tre modalità tra cui scegliere, low, medium e high (predefinita), con low che sostituisce la precedente modalità senza ragionamento.

L’architettura non cambia: una miscela di esperti (MoE) nativamente multimodale da circa 1 000 miliardi di parametri (1T), di cui 49 miliardi attivi per token (52 miliardi con i layer di input e output), 128 esperti instradati di cui 4 attivi più un esperto condiviso, una finestra di 1M token, testo e immagini in input. Il modello è stato addestrato da zero su 3 800 GPU NVIDIA Grace Blackwell, nei data center di Mistral in Europa, e copre oltre 160 lingue, comprese tutte le lingue ufficiali dell’Unione europea.

I dati qui sotto sono quelli che Mistral riporta esplicitamente nel suo articolo e nella sua scheda Hugging Face; i punteggi dei concorrenti vi compaiono solo nei grafici.

Benchmark citato da Mistral	Mistral Large 4 (29 ottobre)	Versione preliminare o riferimento
FrontierCode 2.0 (Cognition)	19,7 %, 1º tra i modelli aperti	8,8 % per la versione preliminare (articolo di Cognition, 27/10)
Terminal-Bench 4.0	41 %	+13 punti, 30 % di token di output in meno
AA Coding Agent Index	48 %	a pari merito con GLM-5.3, 47 % di token in meno
AA Intelligence Index v5	26	miglior modello aperto occidentale
AA Cyber Index	51 %	—
Rifiuto di richieste cyber dannose	96,6 % in media	il valore più alto misurato da Mistral tra i modelli aperti
B3 Agent Security Benchmark	97,1 % di attacchi contenuti	93,3 % per la versione preliminare
BrowseComp	84,5 %	75 % al punto di partenza dopo il fine-tuning (SFT)
Finch (FinWorkBench)	73,3 %	2º tra i modelli aperti, dietro Kimi K3

Mistral riconosce che i migliori modelli aperti cinesi ottengono risultati migliori nell’Intelligence Index aggregato. Nelle valutazioni umane alla cieca di Surge Code, il modello è preferito a GLM-5.3, Kimi K3 e DeepSeek V4.1 Flash, e cede solo a Claude Opus 5.5.

La cybersicurezza occupa metà dell’articolo, con testimonianze di CrowdStrike, Cloudflare, Zscaler, Cisco, Fortinet o dell’ENISA. Mistral si mostra prudente: dalla versione preliminare monitora l’uso cyber del proprio traffico e, sebbene il modello rifiutasse efficacemente gli attacchi black box contro bersagli reali, Mistral vi vede comunque un potenziale vantaggio concreto per gli attaccanti (uplift). Le sue protezioni vengono quindi modificate, altri aggiornamenti seguiranno nei prossimi mesi e una variante specializzata per i test di penetrazione e gli attacchi simulati (red teaming) resta riservata a partner verificati sotto contratto, come Orange Cyberdefense.

Il modello viene rilasciato con la Mistral Ecosystem Open-Weight License, una licenza MIT modificata: uso, modifica, fine-tuning e commercializzazione sono liberi, con una sola condizione, una licenza commerciale separata per proporre il modello come servizio (Model-as-a-Service). Si può eseguire con vLLM (consigliato), SGLang, transformers o llama.cpp, è disponibile in NVFP4 per le GPU Blackwell e integra una testa di decodifica speculativa DSpark che aumenta il throughput fino a 1,9 volte secondo Mistral, un guadagno che varia in base all’hardware e al carico. È disponibile in Mistral Studio, sull’API Mistral, OpenRouter, Vibe Code, Microsoft Foundry, che si presenta come il primo fornitore cloud a proporlo, e tramite NVIDIA NIM. È stato annunciato un rapporto tecnico completo, senza una data.

Tipo di tariffa (per milione di token)	Tariffa al 29 ottobre	Versione preliminare del 6 ottobre
Input	0,70 dollari	1,36 dollari, barrato e dimezzato (0,68)
Input in cache	0,07 dollari	—
Output	2,10 dollari	4,18 dollari, barrato e dimezzato (2,09)

La tariffa definitiva riprende quindi all’incirca il prezzo dimezzato che compariva nella scheda della versione preliminare, ossia circa la metà del suo prezzo di riferimento.

🔗 L’articolo di Mistral · La scheda del modello su Hugging Face

Hugging Face supporta Mistral Large 4 fin dal rilascio in Transformers v5.22.0 e TRL v1.17.0

29 ottobre — Hugging Face accompagna il rilascio con un supporto immediato. Transformers v5.22.0, pubblicata alle 14 h 15 UTC, è interamente dedicata a Mistral Large 4, con una modifica incompatibile con le versioni precedenti: la logica del parallelismo degli esperti passa in un file dedicato. L’articolo del team illustra l’architettura (72 layer, attenzione MLA con indicizzatore DeepSeek Sparse Attention, schema 3:1 tra layer RoPE e NoPE, encoder visivo Pixtral da 1,6 miliardi di parametri) e le due varianti ufficiali, FP8 e NVFP4, completate dai GGUF di Unsloth e del team llama.cpp. vLLM e llama.cpp sono disponibili fin dal primo giorno, e il modello si può distribuire anche tramite Inference Endpoints, inferenza senza server (serverless) e Dell Enterprise Hub.

Sul fronte dell’addestramento, TRL v1.17.0 esegue il fine-tuning di questo modello da 1 000 miliardi di parametri tramite LoRA su un solo nodo con 8 GPU B300, direttamente dai pesi FP8: 32 700 token per passo in circa 8 secondi, con 142 Gio per GPU. La stessa versione corregge un bias poco evidente nell’apprendimento per rinforzo con vLLM, che normalizzava le probabilità dopo il filtraggio mentre il trainer lo faceva sull’intero vocabolario: con top_p=0.9, il rapporto di campionamento per importanza scendeva verso 1e-4 anziché 1. Da segnalare: l’articolo di Hugging Face riporta punteggi attribuiti a Mistral che differiscono da quelli dell’articolo di lancio (28,3 % su Terminal-Bench 4, contro 41 %); la tabella qui sopra segue l’articolo di Mistral.

🔗 L’articolo di Hugging Face · Transformers v5.22.0 · TRL v1.17.0

Cohere annuncia la prima chiusura della sua serie E, che punta a raccogliere fino a 7 miliardi di dollari canadesi

29 ottobre — Cohere annuncia la prima chiusura (initial close) della sua serie E. Il round punta a raccogliere fino a 7 miliardi di dollari canadesi, per una valutazione di 35,7 miliardi di dollari canadesi, una cifra che compare solo nel tweet fissato in alto dall’azienda, non nel suo articolo. Cohere non specifica quanto sia stato raccolto in questa prima fase: i 7 miliardi sono un obiettivo, non un importo incassato.

We’re proud to announce the initial close of our Series E, targeting up to CAD $7 billion at a CAD $35.7 billion valuation; marking the largest private financing round in Canadian startup history.

🇮🇹 Siamo orgogliosi di annunciare la prima chiusura della nostra serie E, che punta a raccogliere fino a 7 miliardi di dollari canadesi per una valutazione di 35,7 miliardi di dollari canadesi, diventando così il più grande round di finanziamento privato nella storia delle startup canadesi. — @cohere su X

L’articolo firmato dai tre cofondatori, Nicholas Frosst, Ivan Zhang e Aidan Gomez, illustra i dettagli del round:

Elemento del round	Valore annunciato
Fase	Prima chiusura
Obiettivo	Fino a 7 miliardi di dollari canadesi
Valutazione (solo nel tweet)	35,7 miliardi di dollari canadesi
Importo raccolto finora	Non comunicato
Investitore principale	Schwarz Group
Altri investitori citati	Bell Ventures, Bullhound Capital, Inovia Capital, NVIDIA, Prosperity7 Ventures, governo del Canada

Schwarz Group era già stato citato ad aprile, in occasione dell’accordo con Aleph Alpha, per un apporto di 600 milioni di dollari statunitensi a questa serie E; a settembre, un servizio della CNN condiviso da Cohere stimava la sua valutazione a 7 miliardi di dollari. Il primo ministro canadese Mark Carney ha accolto con favore l’annuncio in un messaggio condiviso da Cohere.

L’articolo serve soprattutto da manifesto. Cohere vuole diventare un’azienda di frontiera al di fuori degli Stati Uniti e della Cina e respinge quello che chiama fatalismo della frontiera (frontier fatalism), l’idea che il mondo debba prendere in affitto la propria intelligenza da due paesi e da una manciata di aziende. Presenta un dato: all’inizio di quest’anno, oltre il 70 % dei token di modelli aperti erogati tramite OpenRouter proveniva da modelli cinesi, contro il 3 % di quattordici mesi prima. La sua tesi è che la frontiera sia irregolare (jagged) e che si possa essere leader in ambiti specifici, come la cyberdifesa: AISLE, che Cohere sta acquisendo, ha identificato oltre 500 CVE in un anno e 18 delle 24 vulnerabilità corrette nella versione di ottobre di curl.

Per i prossimi dodici mesi, Cohere annuncia quattro progetti, senza date: finalizzare l’accordo con Aleph Alpha e l’acquisizione di AISLE, lanciare Cohere Cyber per gli ambienti isolati e classificati, pubblicare una nuova generazione di modelli e avviare un addestramento su scala di frontiera con partner alleati. I fondi devono anche sostenere North, la sua piattaforma indipendente dal modello, distribuibile nel cloud del cliente, nel suo data center o in una rete isolata.

🔗 L’articolo dei cofondatori di Cohere

Cognition acquisisce Corridor per rafforzare Devin Security

29 ottobre — Cognition annuncia l’acquisizione di Corridor, una startup di sicurezza del software fondata quasi due anni fa da Jack Cable e Ashwin Ramaswami. In un articolo datato 28 ottobre sul blog di Cognition, ma annunciato su X il 29, i due cofondatori spiegano che Corridor, che si presentava come il livello di sicurezza dei team nativi IA, entra a far parte dell’azienda che sviluppa Devin per far progredire ulteriormente Devin Security. Vi ritrovano Russell Kaplan, presidente di Cognition e uno dei primi consulenti di Corridor, Alex Stamos, direttore della sicurezza di Cognition, con cui torneranno a lavorare, e Steven Hao, il suo CTO.

L’articolo presenta l’operazione come urgente: secondo i fondatori, gli agenti di IA sanno ormai condurre un attacco dall’inizio alla fine e i prossimi 6-12 mesi saranno il periodo più decisivo nella storia della cybersicurezza. Non vengono comunicati né l’importo né le condizioni, e neppure il futuro del prodotto Corridor e dei suoi clienti. L’acquisizione prosegue l’offensiva di Cognition nella sicurezza, tre giorni dopo il rilancio di Devin Security con analisi approfondite su Claude Mythos.

🔗 L’articolo di Corridor · L’annuncio di Cognition su X

OpenAI descrive in dettaglio il suo sistema di monitoraggio del disallineamento, esteso a tutti i suoi addestramenti RL di punta dopo l’incidente Hugging Face

29 ottobre — OpenAI descrive il sistema che monitora il comportamento disallineato (misaligned behavior) dei suoi modelli e inizia con un’ammissione: l’incidente Hugging Face è cominciato durante valutazioni interne di cybersicurezza sulle quali questi monitor non erano attivi. Da allora, la copertura si estende all’addestramento, alle valutazioni, all’uso interno e, in una forma adattata, al deployment esterno. Per i modelli con capacità almeno pari a quelle di GPT-6 Astra, vengono monitorati ogni esecuzione di apprendimento per rinforzo (RL), ogni valutazione e ogni harness con strumenti, così come tutto il traffico Codex interno, indipendentemente dal modello.

Today, we’re sharing a look at our expanded system for monitoring frontier models at OpenAI, which in September helped us catch a model’s attempt to access the live internet during training.

🇮🇹 Oggi offriamo una panoramica del nostro sistema ampliato di monitoraggio dei modelli di punta di OpenAI, che a settembre ci ha aiutati a individuare il tentativo di un modello di accedere a Internet reale durante il suo addestramento. — @OpenAI su X

Il sistema sovrappone quattro livelli, dal meno costoso al più approfondito; il RL di punta e il traffico Codex interno saltano il primo.

Livello di monitoraggio	Ruolo nel sistema
L0, sonde di attivazione (activation probes)	Individuano schemi sospetti nelle attivazioni interne; il 5 % del traffico non segnalato, estratto a caso, passa comunque al livello successivo
L1, revisore basato su un modello	Esamina conversazione, catena di pensiero e chiamate agli strumenti alla fine di ogni turno e a ogni riepilogo del contesto
L2, agenti investigativi	Un agente per la sicurezza e uno per l’allineamento rileggono tutte le finestre di contesto ed eseguono codice in un ambiente isolato
L3, indagine automatizzata	Confronta la trascrizione con i log di rete e la telemetria per i carichi di lavoro sensibili (Codex interno, valutazioni, RL)

Per il livello L1, OpenAI sta passando a controlli con un intervallo massimo di 30 minuti. Le cifre riportate:

Misura pubblicata da OpenAI	Valore dichiarato
Avviso durante il replay dell’incidente Hugging Face	circa 30 minuti dopo l’uscita dalla sandbox
Anticipo rispetto all’intrusione effettiva presso Hugging Face	oltre 30 ore
Tentativo di accesso a Internet tramite DNS a settembre	segnalato in 15 minuti, revisione umana 3 minuti dopo
Tempo tipico degli avvisi con la massima priorità	circa 15 minuti

Il post ne riconosce anche i limiti. I falsi allarmi impediscono di mantenere la reperibilità (paging) sempre attiva: lo è a qualsiasi ora per il RL di punta, durante l’orario lavorativo per la maggior parte degli altri carichi di lavoro e mai per il traffico Codex interno. OpenAI punta a una sospensione automatica quando un avviso della massima priorità non viene archiviato entro 30 minuti dalla chiamata a un operatore umano. Delle vulnerabilità individuate da METR e Redwood Research durante la loro prova di luglio, la maggior parte è stata corretta, ma una correzione è ancora in corso.

Due scelte progettuali meritano attenzione. Un campione di addestramento che attiva un monitor conserva la propria ricompensa, per non insegnare al modello a nascondere le proprie deviazioni nella catena di pensiero; OpenAI osserva che i modelli più avanzati, tra cui Astra, controllano già meglio ciò che questa catena rivela. E tra i modelli testati come monitor, GPT-5.6 Sol individua nettamente più casi rispetto a GPT-5.6 Terra o Luna, in parte, secondo OpenAI, perché il prompt di monitoraggio è stato ottimizzato per lui.

Per l’uso esterno, una versione del sistema monitora alcuni deployment dei modelli al di sopra della soglia Critical in cybersicurezza, come Astra, senza inoltrare sistematicamente i casi al personale di OpenAI: la conversazione può essere sospesa automaticamente, le aziende possono ricevere avvisi tramite webhook e viene rispettata la conservazione zero dei dati. Questo monitoraggio copre le richieste alla Responses API con strumenti, ma non Chat Completions.

🔗 Il post di OpenAI

OpenAI riorganizza il suo Model Spec attorno a cinque valori e rimuove gran parte delle indicazioni di stile

29 ottobre — Lo stesso giorno, OpenAI pubblica una nuova versione del suo Model Spec, il testo pubblico che descrive come devono comportarsi i suoi modelli. Le indicazioni sono raggruppate attorno a cinque valori: la fedeltà all’intento umano (faithfulness to human intent), la riduzione dei danni, l’onestà e la trasparenza, il sostegno all’agentività umana (human agency), cioè la capacità delle persone di comprendere, scegliere e agire autonomamente, e l’attenzione alle persone (care). OpenAI giustifica questa scelta con la crescente autonomia dei modelli: più i loro compiti si prolungano, più le loro decisioni si allontanano da ciò che un essere umano ha esplicitamente richiesto.

La fedeltà all’intento diventa il fondamento, con una nuova sezione ispirata ai giochi di assistenza (assistance games): le istruzioni restano il segnale più chiaro, ma il modello deve tenere conto del contesto, delle conversazioni precedenti e delle memorie, e rendere visibili le ipotesi che ne ricava. Integra una catena di comando (chain of command) aggiornata tra OpenAI, gli sviluppatori e gli utenti. Nuove indicazioni riguardano l’agentività umana, il rispetto delle norme sociali e il controllo degli effetti collaterali di un’azione. D’altro canto, OpenAI rimuove la maggior parte delle indicazioni di stile dettagliate, poiché lo stile deve seguire le preferenze individuali, e lo Spec non parla più di «assistente», ma di «GPT». OpenAI precisa che i suoi modelli non rispecchiano ancora pienamente questo testo e promette, per gli aggiornamenti futuri, metodi di addestramento che faranno loro apprendere questi valori.

🔗 Il post di OpenAI sul Model Spec · Il thread di Jason Wolfe

Anthropic addestra Claude a segnalare autonomamente gli utilizzi abusivi nelle sue conversazioni

29 ottobre — Anthropic apre un nuovo blog, Safeguards, e mette in evidenza per l’occasione un post datato 16 ottobre sull’autovalutazione (self-assessment), una tecnica che rende Claude il proprio monitor degli abusi. Subito dopo ogni risposta, una breve istruzione di sistema gli chiede di valutare la sicurezza della conversazione, e Claude risponde con un piccolo JSON: conversazione segnalata o meno, motivo, categoria e sottopolicy, rifiuto o meno, priorità da 1 a 10 per la revisione umana. Questi due turni restano invisibili all’utente e non vengono inclusi nel seguito dello scambio.

Because Claude has already read the conversation, self-assessment is very efficient. And unlike classifiers, which target a discrete set of harms, it draws on Claude’s own judgment, so it gets more accurate as our models improve.

🇮🇹 Poiché Claude ha già letto la conversazione, l’autovalutazione è molto efficace. E a differenza dei classificatori, che si concentrano su un insieme chiuso di danni, si basa sul giudizio di Claude stesso, perciò diventa più precisa man mano che i nostri modelli migliorano. — @AnthropicAI su X

La valutazione costa poco: la conversazione è già nella cache KV e Claude genera una decina di token, con un aumento del calcolo di inferenza inferiore al 2 % secondo Anthropic, che non lo addebita. È attiva da giugno, come monitor offline che non blocca nulla, in tutti i modelli rilasciati da Fable 5 in poi, tranne sul traffico coperto da un accordo di conservazione zero.

Misura pubblicata da Anthropic	Valore dichiarato
Recall su Claude Fable 5, con l’1 % di falsi positivi	78 % delle conversazioni segnalate dal classificatore di riferimento
Recall sulle conversazioni prioritarie (7 e oltre)	94 %
Recall in base alle dimensioni del modello (solo fine-tuning)	da circa 16 % a circa 96 %
Successo degli attacchi cyber, senza protezione	79 % (19 su 24)
Successo con l’autovalutazione in modalità di blocco	54 % (13 su 24)
Successo con un classificatore con prompt dedicato	25 % (6 su 24)

Il classificatore di riferimento è un classificatore basato su prompt costruito su Claude Mythos Preview, con tutte le policy interne. In produzione, l’autovalutazione ha fatto emergere ad agosto oltre 100 000 segnalazioni di abusi sessuali su minori provenienti da un unico cliente API, trasmesse al NCMEC, e a settembre una truffa sentimentale automatizzata realizzata con Claude Code, i cui account sono stati banditi dopo una revisione umana; oltre la metà delle organizzazioni individuate non era stata segnalata da nessun’altra fonte nel mese precedente. Anthropic ne definisce anche i limiti: non rileva tutte le conversazioni dannose, non è robusta di fronte a un attaccante che la prende di mira, eredita i punti ciechi del classificatore che l’ha addestrata e non monitora ancora in modo affidabile il comportamento di Claude stesso.

🔗 Il post del blog Safeguards

Pika lancia Pika H3 Flex, un modello video e audio a pesi aperti sottoposto a post-training su MiniMax H3

29 ottobre — Pika lancia Pika H3 Flex, un modello di generazione video con audio sincronizzato, sottoposto a post-training su MiniMax H3 e pubblicato con pesi aperti fin dal primo giorno. Pika lo presenta come uno strumento di iterazione professionale: produrre rapidamente una prima bozza, poi ritoccare, sostituire e rifinire l’inquadratura scelta. Per costruirlo, il team ha affinato H3 su un dataset audio-video interno, lo ha distillato da 50 a 6 passaggi di denoising, quindi lo ha allineato alle preferenze umane tramite apprendimento mediante ricompensa, con due adattatori fusi in un unico LoRA, senza un passaggio di generazione aggiuntivo.

Il modello supporta la generazione da testo a video, da immagine a video (primo e ultimo fotogramma), video guidati da riferimenti e l’editing (ambientazione, oggetto, personaggio, trasferimento del movimento). Accetta fino a 12 riferimenti, tra cui al massimo 9 immagini, 3 video e 3 clip audio, e genera nativamente a 480p o 768p, da 5 a 15 secondi, a 24 fotogrammi al secondo, con audio stereo a 32 kHz. Un sovracampionatore (upsampler) proprietario rifinisce poi l’inquadratura a 1080p, 2K o 4K. Pika mette inoltre in evidenza l’esportazione di cinque tracce audio separate (dialoghi, musica, effetti, rumori, ambiente), che presenta come una novità assoluta per un modello video.

Quanto alla velocità, Pika annuncia una clip di 15 secondi a 768p con colonna sonora prodotta in soli 7 secondi, ma l’asterisco precisa che si tratta del solo calcolo del trasformatore di diffusione (DiT), in un banco di prova controllato, e non del tempo complessivo di una richiesta; secondo questa stessa misura, Flex sarebbe in media 1,8 volte più veloce di H3 Max. Il post tecnico fornisce anche una latenza end-to-end: 2,129 secondi invece di 3,409 per una clip di 5 secondi a 768p su otto GPU B300, cioè 1,6 volte più veloce.

Pika colloca Flex al 7º posto nella classifica generale e al 1º tra i modelli a pesi aperti della classifica da testo a video di DesignArena al momento del lancio, davanti a MiniMax H3, H3 Max e Seedance 2.5, una classifica impossibile da verificare al momento della stesura, poiché la pagina di DesignArena restituiva un errore. Nelle sue valutazioni a 768p rispetto a MiniMax H3, Fal H3 Max e HeyGen Video, Flex ottiene i punteggi migliori in tutte e cinque le metriche visive e audio; i valutatori umani lo preferiscono per l’anatomia, la composizione e la sincronizzazione dell’audio, ma altri modelli restano in vantaggio nella fisica, nella narrazione su più scene, nell’illuminazione e nelle scene d’azione.

Il modello è disponibile da subito tramite l’API di Pika (Pika API Club), ComfyUI e Diffusers, e arriverà nello strumento di creazione di Pika il 2 novembre. La tariffa è calcolata per secondo di video prodotto:

Risoluzione di output	Lancio, testo o immagine	Prezzo normale, testo o immagine	Lancio, riferimento video
480p	0,01 dollari	0,02 dollari	0,03 dollari
768p	0,02 dollari	0,04 dollari	0,06 dollari
1080p	0,035 dollari	0,07 dollari	0,075 dollari
2K	0,04 dollari	0,08 dollari	0,08 dollari
4K	0,08 dollari	0,16 dollari	0,10 dollari

Con un riferimento video, i secondi in ingresso vengono fatturati alla stessa tariffa dell’output; i riferimenti immagine e audio sono gratuiti e le tracce separate costano 0,001 dollari al secondo. I membri del Pika API Club ricevono 15 generazioni gratuite al giorno fino al 5 novembre. I pesi, sotto la licenza comunitaria di MiniMax H3, sono su Hugging Face e il codice su GitHub; coprono la generazione a 480p e 768p, mentre la rifinitura in 4K, la separazione delle tracce e il miglioramento dei prompt restano riservati al servizio ospitato. Pika promette di rendere aperto anche il suo sovracampionatore, senza indicare una data.

🔗 Il thread di Pika · Il post di lancio · Il post tecnico · I pesi su Hugging Face

ElevenLabs lancia SFX v3, il suo nuovo modello di effetti sonori che segue più istruzioni in uno stesso prompt

29 ottobre — ElevenLabs lancia SFX v3, la nuova versione del suo modello di effetti sonori generati a partire da un testo. Il modello promette suoni più ricchi e precisi, un migliore supporto per musica e voci e soprattutto il rispetto di più istruzioni in uno stesso prompt: descrivere una folla che esulta, un pallone che cade, poi una folla che fischia basta per ottenere la sequenza nell’ordine richiesto. È disponibile in ElevenCreative (flows, scheda Sound Effects, Studio, editor musicale), nell’applicazione mobile e nell’API.

La documentazione precisa i limiti di questa disponibilità: lato API, eleven_text_to_sound_v3 ha accesso limitato, può non essere disponibile in alcune regioni (un account senza accesso riceve un errore Unknown model) e la v2 resta il modello predefinito. Segnala inoltre una minore saturazione nei suoni acuti come gong o fischietti e la generazione di loop. ElevenLabs non pubblica né prezzi né misure comparative.

🔗 Il thread di ElevenLabs · La documentazione dei modelli

Ideogram aggiunge una finestra di contesto a Precise Edit per ritoccare immagini fino a 8K

29 ottobre — Ideogram aggiunge una finestra di contesto (context window) a Precise Edit, il suo strumento di ritocco localizzato. Finora, modificare un’immagine di grandi dimensioni obbligava a ridurla e poi a reincollare il risultato. Ora, un’area fino a 2K viene ritoccata ai suoi pixel originali all’interno di un’immagine fino a 8K, senza giunture né artefatti, lasciando intatto tutto il resto: un’immagine 4K rimane in 4K, anziché essere ridotta a 2K. La funzione è disponibile nell’applicazione, nell’API e presso otto partner, tra cui Runway, fal, Luma e ComfyUI, con quattro livelli di qualità da 0,8 a 22 centesimi per ritocco, gli stessi estremi delle modalità di Ideogram 4.5, trattate qui il 16 ottobre.

🔗 Il thread di Ideogram · La pagina di Precise Edit

Assistenti: più account e CarPlay per Claude, file modificabili e avatar condivisi in Gemini, Kimi collegato a Gmail, Drive e Calendar

Anthropic, Google e Moonshot AI arricchiscono nello stesso giorno i loro assistenti per il grande pubblico, sia su mobile sia sul web.

Le applicazioni mobili Claude ottengono il supporto per più account, CarPlay e altre 24 lingue

29 ottobre — Anthropic descrive in un thread di @claudeai diversi miglioramenti delle applicazioni Claude arrivati questa settimana, senza un articolo né note di rilascio.

Piattaforma interessata	Novità annunciata
iOS e Android	Più account connessi, passaggio dall’uno all’altro senza disconnettersi
iPhone	Modalità vocale con Apple CarPlay
Web, desktop, iOS e Android	24 lingue in più, 33 in totale, tra cui bengalese, swahili, thailandese, ucraino e vietnamita
iOS e Android	Modalità vocale più reattiva, migliore ascolto in ambienti rumorosi, voce più naturale nelle lingue diverse dall’inglese, supporto per più telefoni Android
iPad e iPhone Duo	Creazioni di Claude aperte accanto alla conversazione, a schermo intero su richiesta
Chromebooks, Googlebooks e pieghevoli	Applicazione Android in modalità laptop: barra laterale ridimensionabile, touchpad, clic destro, scorciatoie di Claude Desktop

Il supporto per più account permette di separare un account personale da uno professionale senza effettuare nuovamente l’accesso, e CarPlay serve a interrogare Claude mentre si guida, con le mani sul volante. Una ricerca tramite scorrimento verso il basso su iPhone e iPad, per ritrovare una conversazione, un progetto o un’impostazione, è annunciata in arrivo, senza una data.

🔗 Il thread di Claude su X

L’applicazione Gemini permette di generare, visualizzare in anteprima e modificare documenti, PDF, presentazioni e fogli di calcolo direttamente nella chat

29 ottobre — L’applicazione Gemini può ora generare, visualizzare in anteprima e modificare file senza uscire dalla conversazione: documenti, PDF, presentazioni, fogli di calcolo o codice. Il file prodotto si apre nella chat; si può passare a schermo intero per correggere personalmente il testo, evidenziare un passaggio per fare una domanda o chiedere a Gemini di riscrivere una sezione, sia nel testo sia negli elementi visivi. Google lo illustra con appunti di lezione scritti a mano, trasformati in una guida allo studio in PDF e poi modificati manualmente. La novità è disponibile per tutti gli utenti, in tutte le lingue dell’applicazione, ma non su tutte le piattaforme:

Formato di file	Piattaforme supportate
PDF	Web e mobile
Google Docs, Google Sheets, presentazioni	Solo web
Markdown, TXT, codice	Solo web

🔗 L’articolo di Google

L’applicazione Gemini permette di condividere il proprio avatar con altri utenti per farli comparire in immagini e video

29 ottobre — L’avatar di Gemini, apparso quest’estate per le immagini Nano Banana, diventa condivisibile. Ciascuno registra il proprio volto e la propria voce su telefono o tablet, poi autorizza persone vicine, tramite il loro indirizzo Gmail, a usarlo: queste lo richiamano in un prompt con il suo nome utente Google (@nom) per creare un’immagine con Nano Banana o un video con Gemini Omni in cui compaiono tutti, con un personaggio e una voce che rimangono coerenti. Il destinatario accetta o rifiuta l’invito; il proprietario vede chi ha accesso, imposta date di scadenza e revoca un accesso in qualsiasi momento, impedendo nuove creazioni senza cancellare quelle già realizzate. L’accesso resta soggetto a restrizioni: almeno 18 anni, account Google personale, solo inglese, nessuna disponibilità nello Spazio economico europeo, in Svizzera o nel Regno Unito, e un piano Google AI per i video con il proprio avatar.

🔗 L’annuncio di Gemini su X · La pagina di assistenza di Google

Kimi si connette a Gmail, Google Drive e Google Calendar

29 ottobre — Moonshot AI collega Kimi a tre servizi di Google: Gmail, Google Drive e Google Calendar. L’assistente può riassumere thread di discussione, ritrovare un file in Drive o organizzare la giornata a partire dal calendario, con un accesso OAuth che l’utente concede e controlla. I tre connettori si installano dalla pagina dei plugin di Kimi, dove si aggiungono a Outlook e agli strumenti per documenti (PDF, Excel, Word). Moonshot non precisa né l’ambito delle autorizzazioni richieste, in sola lettura o con accesso completo alla casella di posta, né il piano necessario, né il prezzo, e l’annuncio non menziona l’invio di messaggi.

🔗 L’annuncio di Kimi su X · La pagina dei plugin di Kimi

OpenAI raddoppia l’utilizzo di Work e Codex nei piani Pro 100 e Pro 500 e rinuncia a ridurlo per Pro 200

29 ottobre — OpenAI aumenta l’utilizzo di Work e Codex incluso nei suoi piani più costosi. Secondo le note di rilascio di ChatGPT, Pro 100 e Pro 500 dispongono ora del doppio della quota precedente. Per Pro 200, OpenAI fa marcia indietro: la riduzione annunciata via e-mail il 29 settembre, al lancio di Pro 500, viene annullata. Chi aveva mantenuto la vecchia quota la conserva, mentre chi era passato alla quota ridotta la vede raddoppiare, tornando così allo stesso livello.

Piano interessato	Modifica al 29 ottobre
Pro 100	Quota di Work e Codex raddoppiata
Pro 500	Quota di Work e Codex raddoppiata
Pro 200	Riduzione del 29 settembre annullata, quota ridotta raddoppiata
Business Premium	Aumento senza cifre nelle note, raddoppio secondo @thsottiaux
Dots	Limiti ampliati mantenuti per il momento, utilizzo sempre conteggiato a parte

Il messaggio di @thsottiaux, ripubblicato da @OpenAI, parla infatti di un raddoppio di tutti i limiti dei livelli Pro e di Business Premium, effettivo il giorno stesso, mentre le note di rilascio non indicano cifre per Business Premium.

🔗 Le note di rilascio di ChatGPT · Il messaggio di @thsottiaux

Piattaforme per aziende e sviluppatori: Sakana API Platform in accesso anticipato, Perplexity Enterprise certificato FedRAMP Moderate e livello ultra-preview dell’Agent API

Tre annunci riguardano le implementazioni professionali: un’API di gestione per le aziende in Giappone, una certificazione per le amministrazioni statunitensi e nuove impostazioni per gli agenti di ricerca.

Sakana AI apre l’accesso anticipato a Sakana API Platform, un’API compatibile con OpenAI con strumenti di gestione per le aziende

29 ottobre — Sakana AI apre in accesso anticipato Sakana API Platform, il punto di accesso ai suoi modelli per le aziende, in un articolo datato 28 ottobre e annunciato su X il giorno successivo. Fugu, il suo modello di orchestrazione che combina diversi modelli di punta, e Namazu, il suo LLM specializzato nel giapponese, erano già disponibili via API, ma senza strumenti di gestione. La piattaforma aggiunge ciò che mancava per un’implementazione aziendale: organizzazioni e spazi di lavoro, una console che centralizza membri, chiavi API e consumi, controllo degli accessi basato sui ruoli, log di audit esportabili in CSV, tetti di spesa, pagamento su fattura, contratti MSA e DPA e condizioni che escludono l’uso dei dati inviati per l’addestramento.

L’API è compatibile con OpenAI: un’applicazione che richiama già un LLM deve soltanto cambiare endpoint. Sakana Fugu e Fugu Ultra sono i primi a essere proposti, mentre Namazu e Fugu Max seguiranno, senza una data. L’accesso avviene su candidatura e Sakana AI non pubblica alcuna tariffa: prezzi e condizioni vengono comunicati a ciascun cliente.

🔗 L’annuncio di Sakana AI

Perplexity ottiene la certificazione FedRAMP Moderate per Perplexity Enterprise, ricerca web in tempo reale compresa

28 ottobre — Perplexity Enterprise ottiene la certificazione FedRAMP Class C (Moderate), nell’ambito del programma federale statunitense di autorizzazione dei servizi cloud, dopo la valutazione di un organismo terzo, 360 Advanced. Perplexity mette in evidenza la ricerca web in tempo reale, con citazioni, all’interno del perimetro certificato: la richiesta di un funzionario pubblico non viene mai trasmessa a un motore di ricerca esterno, poiché l’azienda gestisce un proprio indice di oltre 200 miliardi di URL unici.

Le agenzie federali acquistano il servizio tramite il Multiple Award Schedule della GSA, gli Stati, gli enti locali e gli istituti di istruzione attraverso rivenditori autorizzati, i subappaltatori dello Stato direttamente. Le richieste identificate come provenienti da agenzie statunitensi non vengono mai conservate per addestrare, migliorare o valutare modelli, e gli amministratori mantengono il controllo su accesso unico, condivisione, connettori, conservazione, log di audit e scelta dei fornitori di modelli. L’articolo, non rilanciato su X, non specifica se le API Search, Agent ed Embeddings rientrino nel perimetro certificato. Separatamente, l’offerta Enterprise Pro for Government resta disponibile per le agenzie federali tramite OneGov a 0,25 dollari per agenzia fino al 31 marzo 2027.

🔗 L’articolo di Perplexity

L’Agent API di Perplexity aggiunge il livello di effort ultra-preview e aumenta i limiti dei livelli da low a xhigh

29 ottobre — Perplexity pubblica nel changelog della sua API una voce retrospettiva sui livelli di effort dell’Agent API, con modifiche applicate da metà ottobre senza essere state annunciate. La novità visibile è il livello ultra-preview, pensato per la ricerca ad ampio raggio e la raccolta di dati quando la copertura conta più della velocità, con esecuzioni che possono essere lunghe. Il nome non documentato ultra scompare e restituisce ora un errore, l’alias wide-research punta a xhigh e il parametro max_steps accetta fino a 500 passaggi, contro i precedenti 100.

Livello di effort	Versione attuale	Modifica principale
fast	`fast@2026-10-16.0`	Fallback su GPT-5.6 Luna quando GPT-6 Luna non è disponibile
low	`low@2026-10-24.0`	Output massimo da 32 768 a 128 000 tokens
medium	`medium@2026-10-22.1`	Ricerca web da 2 000 a 4 000 tokens per pagina
high	`high@2026-10-28.0`	GPT-6.1 Terra al posto di GPT-6 Sol, da 15 a 40 passaggi
xhigh	`xhigh@2026-10-29.0`	Claude Opus 5.5 con GPT-6.1 Sol come fallback, da 100 a 300 passaggi, compaction a partire da 150 000 tokens
ultra-preview	nuovo	Ricerca ad ampio raggio, esecuzioni lunghe

Anche la ricerca web di low e high restituisce 4 000 tokens per pagina anziché 2 000, e xhigh ora funziona senza prompt di sistema. Le vecchie configurazioni restano accessibili in versioni fissate e non viene annunciata alcuna nuova tariffa.

🔗 Il changelog dell’API Perplexity

Hardware: occhiali XREAL AURA con Android XR e Gemini e dispositivo vocale SecondBrain VoicePad di Genspark

Due dispositivi cercano di portare l’assistente fuori dallo schermo, uno mettendolo sul naso, l’altro a portata di dita.

Google e XREAL lanciano XREAL AURA, i primi occhiali XR cablati con Android XR e Gemini integrato

28 ottobre — Google e XREAL lanciano XREAL AURA, presentati da Google come i primi occhiali XR cablati con Android XR. Le lenti sono trasparenti: i contenuti si sovrappongono al mondo reale, su un campo visivo di 70 gradi. Gli occhiali pesano meno di 95 grammi, perché l’elaborazione e la batteria sono spostate in un’unità collegata via cavo, il primo dispositivo basato sulla piattaforma Snapdragon Reality Elite di Qualcomm. Gemini comprende ciò che l’utente vede, sia nella stanza sia sui suoi schermi, e ora può evidenziare ciò che conta quando si condivide la propria visuale; con Wired Mirroring, un laptop collegato tramite USB-C diventa una finestra in più, senza software da installare, che anche Gemini può leggere.

Caratteristica di XREAL AURA	Valore annunciato
Campo visivo	70 gradi
Peso degli occhiali	Meno di 95 grammi
Chip dell’unità	Snapdragon Reality Elite (Qualcomm)
Applicazioni progettate per la XR	Oltre 150 su Google Play
Prezzo di lancio	A partire da 1 099 dollari, fino alla fine dell’anno
Apertura degli ordini	Stati Uniti, Canada e Corea dal 28 ottobre, Giappone il 2 novembre

Secondo l’articolo, gli ordini effettuati negli Stati Uniti su BestBuy.com vengono spediti a partire da metà novembre; il dispositivo è riservato a chi ha almeno 18 anni.

🔗 L’articolo di Google

Genspark apre le prenotazioni di SecondBrain VoicePad, un dispositivo vocale a cinque tasti per controllare i suoi strumenti di IA

29 ottobre — Genspark presenta SecondBrain VoicePad, un dispositivo a cinque tasti che sostituisce la digitazione con la voce per controllare gli strumenti di IA. Per impostazione predefinita, i tasti prendono appunti delle riunioni, gestiscono il calendario, avviano una presentazione, aprono lo spazio di lavoro IA di Genspark e, nel caso del più grande, tenendolo premuto, dettano un testo pulito nel punto in cui si trova il cursore, in qualsiasi applicazione, terminale compreso. Ogni tasto può anche aprire ChatGPT, Claude, Gemini o Grok e inserirvi il prompt dettato; la pagina precisa che VoicePad non è affiliato a questi servizi né approvato da loro. Abbinato a Genspark, trasforma una richiesta vocale in una presentazione, un foglio di calcolo, un documento o un sito web, e la modalità appunti delle riunioni registra senza computer.

Caratteristica annunciata	Valore secondo la pagina di Genspark
Dispositivo	Alluminio lavorato, 85 grammi, doppio microfono, fissaggio magnetico
Autonomia	Circa 20 ore per carica
Inserimento vocale	160 parole al minuto, contro circa 40 con la digitazione
Crediti inclusi	1 000 crediti Genspark Super Agent il primo anno
Prenotazione	9,99 dollari per un posto VIP al prezzo di 99 dollari
Lancio	Kickstarter, novembre 2026

Il tweet parla di preordini aperti, ma la pagina del negozio precisa il calendario: il lancio avverrà su Kickstarter a novembre, e la prenotazione garantisce già oggi il prezzo di 99 dollari. Genspark aveva già presentato il 1° settembre SecondBrain Note, un altro dispositivo della sua gamma SecondBrain.

🔗 La pagina di VoicePad · L’annuncio di Genspark su X

Hugging Face e cinque università americane lanciano Project ProtoStar per rendere la scienza finanziata con fondi pubblici utilizzabile dall’IA

29 ottobre — Hugging Face lancia Project ProtoStar con cinque università americane riunite nell’Open Forum for AI (Carnegie Mellon, Purdue, Georgia Tech, Arizona State e George Washington), l’Astera Institute e l’Open Research Community Accelerator (ORCA). L’obiettivo: pubblicare i dataset, i modelli e il codice della ricerca finanziata con fondi pubblici in formati utilizzabili dall’IA, documentati e riutilizzabili. Hugging Face vi svolge il ruolo di partner infrastrutturale, e gli istituti si impegnano attraverso un protocollo d’intesa. Il post ricorda che lo Stato federale americano destina circa 190 miliardi di dollari all’anno alla ricerca e allo sviluppo.

Il post quantifica anche lo slancio già visibile sull’Hub: oltre 17 000 dataset scientifici pubblici, un numero di nuovi dataset scientifici nei primi nove mesi del 2026 più che triplo rispetto allo stesso periodo del 2025, e oltre 11 milioni di download per i 18 repository dell’NCBI. La prima sfida, Climate Risk Intelligence, organizzata da Carnegie Mellon dal 2 al 13 novembre, richiede di prevedere dal 2019 al 2026 quattro indicatori climatici di 210 città americane usando soltanto i dati precedenti, confrontandosi con semplici riferimenti statistici; i risultati definitivi sono attesi all’inizio del 2027.

🔗 Il post di Hugging Face · La sfida Climate Risk Intelligence

Agenti di programmazione: Codex CLI 0.166.0, macOS Satellites di Amp, Antigravity IDE 2.6.0 con Gemini 4 Argon e Antigravity per Eclipse

Codex CLI 0.166.0 aggiunge la selezione da tastiera nella trascrizione, codex doctor —network-only e GPT-6.1 Terra nei cataloghi Vertex AI e Bedrock

29 ottobre — Due giorni dopo la 0.165.0, Codex CLI 0.166.0 esce in versione stabile, con 264 voci nel changelog completo. Le novità principali riguardano l’interfaccia nel terminale (TUI): ora è possibile scorrere e selezionare la trascrizione da tastiera, e quando una richiesta viene bloccata per un motivo di sicurezza, la TUI spiega meglio il perché e propone nuovi tentativi più sicuri.

Novità della 0.166.0	Dettaglio della versione
Selezione della trascrizione	Da tastiera, per parola, riga o pagina, con ricerca integrata e scorciatoie configurabili
`codex queue --resume`	Riprende un thread rimosso dalla memoria dopo l’accodamento di un messaggio
`codex doctor --network-only`	Diagnostica limitata alla configurazione, alla connettività e a WebSocket
Cataloghi dei modelli	GPT-6.1 Terra aggiunto ai cataloghi Vertex AI e Amazon Bedrock della CLI
Rendering Markdown	Uniforme nelle domande asincrone, nelle scelte e nelle risposte

GPT-6.1 Terra figurava già nei cataloghi integrati dalla 0.165.0, e la versione non ne annuncia comunque la disponibilità presso Google o Amazon. Quanto alle correzioni, le autorizzazioni già concesse vengono mantenute alla ripresa o alla duplicazione (fork) di un thread, il conteggio dei token di ragionamento viene conservato in entrambi i casi, evitando una compattazione prematura, e la TUI si ripristina meglio dopo una riconnessione. Anche le chiavi API FedRAMP vengono instradate per impostazione predefinita verso gli endpoint governativi.

🔗 La versione 0.166.0 su GitHub

Amp dà un Mac ai suoi orbs con macOS Satellites, in beta a partire da 2 dollari all’ora

29 ottobre — Amp aggiunge i Mac ai suoi orbs, le macchine cloud su cui vengono eseguiti i suoi thread. Con macOS Satellites, l’agente può lavorare su un’applicazione iOS o Mac: avvia autonomamente un Mac nel cloud, con Xcode e i simulatori, in una trentina di secondi, vi compila, esegue e testa l’applicazione, poi restituisce screenshot, log e una registrazione dello schermo nel thread, da cui è anche possibile prenderne il controllo. Il thread rimane sull’orb Linux, e il Mac è soltanto un satellite che riceve il codice sincronizzato; si avvia da uno stato pulito e viene mantenuto solo per 20 minuti dopo la fine del lavoro, per riutilizzare la cache di compilazione se segue un nuovo tentativo. Amp ha abbandonato i suoi «Morbs», orbs interamente su Mac, troppo lenti ad avviarsi e troppo costosi in termini di spazio su disco.

Dimensione della macchina	Processori (CPU)	Memoria RAM	Tariffa oraria
mac.medium	6	14 Go	2 dollari
mac.large	12	28 Go	4 dollari

La funzione è in beta, con accesso progressivo tramite lista d’attesa; il tempo di utilizzo del Mac viene scalato dall’utilizzo degli orbs incluso nel piano, a una tariffa più elevata, e successivamente dai crediti Amp.

🔗 L’annuncio di Amp

Antigravity IDE 2.6.0 aggiunge Gemini 4 Argon e un’interfaccia dell’agente riprogettata

26 ottobre — Antigravity IDE, l’editor di Google Antigravity, passa alla 2.6.0 (6 miglioramenti, 2 correzioni), la sua prima versione dalla 2.5.5 del 13 agosto, e riceve a sua volta Gemini 4 Argon, per i piani idonei, senza ulteriori dettagli. Il 19 ottobre, la pagina Modelli di Antigravity escludeva ancora l’IDE dall’accesso ad Argon. L’interfaccia dell’agente viene ricostruita sull’estensione Antigravity integrata, per un avvio più rapido, aggiornamenti in background e parità di funzionalità. La versione aggiunge scorciatoie per accettare (Alt+Invio o Option+Invio) o rifiutare un blocco di diff, commenti inline al codice accodati per l’istruzione successiva e il trascinamento di file o screenshot nel pannello Agent; le due correzioni riguardano il trascinamento su macOS e Linux e il ripristino delle conversazioni dopo un’interruzione del servizio.

🔗 Il changelog di Antigravity

Google lancia Antigravity per Eclipse, un’estensione con chat agentica e revisione dei diff affiancati

27 ottobre — Google Antigravity arriva in Eclipse con una prima estensione, in versione 1.0.0 (10 miglioramenti, 6 correzioni). Aggiunge una vista di chat agentica ancorata accanto all’editor, a cui si invia una selezione di codice o l’output del terminale e della console, e mostra le modifiche dell’agente affiancate nell’editor di confronto di Eclipse, con accettazione, rifiuto e annullamento in un solo passaggio. I piani e i report prodotti dall’agente si aprono in schede dedicate, e l’estensione propone l’importazione quando l’agente crea un progetto Maven, Gradle o Eclipse. Come nella CLI, l’agente si avvia solo dopo l’approvazione dello spazio di lavoro, una fiducia condivisa con Antigravity CLI. Eclipse si aggiunge così a VS Code e Visual Studio tra gli editor di terze parti supportati.

🔗 Il changelog di Antigravity, scheda delle estensioni

Brevi

Su Mistral Large 4 e i modelli aperti

NVIDIA e Mistral Large 4 — NVIDIA assicura il supporto del modello fin dal lancio, con un checkpoint NVFP4 su Hugging Face e una ricetta Dynamo per l’inferenza distribuita, e conferma l’addestramento su 3 800 GPU Grace Blackwell; SGLang rivendica il primato nel servire il modello su Vera Rubin. 🔗 fonte
Maya 2 Native — Maya Research pubblica sotto Apache-2.0 un modello di sintesi vocale per undici lingue indiane e l’inglese, con 20 voci, streaming e clonazione a partire da 3 a 10 secondi di audio; secondo le sue misurazioni, 224 flussi simultanei su una H100 NVL e una latenza mediana al primo audio di 111 ms. 🔗 fonte
Granite Switch 4.1.1 — IBM pubblica una versione correttiva e retrocompatibile: cambiano solo il modello di trascrizione, ora multilingue su 10 lingue con punteggiatura, e l’adattatore decisionale, senza dati pubblicati sui miglioramenti. 🔗 fonte
Phonic-1 su Together AI — Together AI afferma di aver addestrato e di servire Phonic-1, il modello speech-to-speech della start-up Phonic per gli agenti vocali; LiveKit lo integra lo stesso giorno e lo dichiara primo nell’Artificial Analysis Speech to Speech Index, una classifica non verificata alla fonte. 🔗 fonte
jack & jill — Together AI cita questo cliente, che prevede quali candidati un selezionatore vorrà incontrare: perfezionato con Together Post-Training, il suo modello aperto eguaglia un modello chiuso nella valutazione offline, offrendo un servizio meno costoso, senza dati numerici pubblicati. 🔗 fonte
SixthView — Meta pubblica senza annunci un benchmark di ragionamento spaziale con 604 esempi e 11 634 immagini, in cui bisogna indovinare la faccia nascosta di un assemblaggio di cubi; non viene pubblicato alcun punteggio. 🔗 fonte
AnySpeechRecognizer e AnyDecisionModel — Mattt (Hugging Face) pubblica due pacchetti Swift: uno mantiene l’API di riconoscimento vocale di Apple con Parakeet o Qwen3-ASR eseguiti sul dispositivo, l’altro risponde alle domande chiuse leggendo le probabilità del modello, 16 domande in circa 0,45 s su M4 Max. 🔗 fonte
huggingface_hub 2.4.0 — HfFileSystem copia e sposta file nei Buckets; quelli archiviati con Xet vengono copiati lato server tramite il loro hash, senza download; la CLI hf segnala anche le estensioni obsolete. 🔗 fonte
kernels 0.18.0 — Dalle notizie del 28 ottobre: la libreria di Hugging Face compila kernel per TPU, supporta PyTorch 2.15 con CUDA 13.4 e ROCm 7.14, e reintegra PyTorch da 2.10 a 2.12. 🔗 fonte

API, SDK e guide

Claude Platform — L’API Usage and Cost Analytics entra in beta per monitorare l’utilizzo in token e il costo per modello, workspace, chiave API o utente, mentre la precedente Usage and Cost API diventa legacy; il giorno prima, la dimensione massima delle richieste alla Messages API e alla Token Counting API è passata da 32 a 128 Mo. 🔗 fonte
SDK di OpenAI — openai-python 3.41.0 filtra le sessioni degli agenti per metadati, dopo l’introduzione di tempi di vita configurabili per ogni breakpoint della cache dei prompt in openai-python 3.40.0 e openai-node 7.45.1. 🔗 fonte
SDK TypeScript di SpaceXSI — La 0.2.6 rinomina il client SpaceXSI, mantenendo SpaceXAI come alias deprecato, e la 0.2.7 risincronizza i tipi con la specifica dell’API. 🔗 fonte
CLI mistral 0.15.0 — Modifica incompatibile: senza portachiavi di sistema, mistral login rifiuta di scrivere i dati di accesso in chiaro, salvo con l’opzione --insecure-storage; mistral upgrade si installa anche da un mirror interno, con verifica SHA-256. 🔗 fonte
Cohere su AWS — Cohere pubblica una guida per costruire un assistente di ricerca finanziaria con Embed, Rerank e Parse su SageMaker AI e Claude su Bedrock, accompagnata da una demo CloudFormation su 928 pagine di relazioni annuali di tre banche; nessun nuovo prodotto. 🔗 fonte
Embeddings da Perplexity — Una guida didattica sugli embeddings testuali cita pplx-embed-v1, uscito a febbraio, con 69,66 nDCG@10 nella ricerca multilingue di MTEB contro 67,71 di gemini-embedding-001; nessuna novità. 🔗 fonte

Agenti e strumenti di codice

Antigravity 2.28.1 aggiunge un navigatore delle conversazioni e un avviso sui plugin di sviluppatori terzi — Dalle notizie del 28 ottobre: una barra a sinistra mostra un punto per ogni scambio, con capitoli suddivisi per data, e ogni pagina di plugin ne indica lo sviluppatore, la versione e i link. 🔗 fonte
Plugin di Copilot — Dalle notizie di Universe: i plugin predefiniti dichiarati da un repository attendibile e i controlli aziendali sui plugin (marketplace approvati, plugin obbligatori o bloccati) diventano generalmente disponibili in VS Code, Copilot CLI e nell’app GitHub Copilot. 🔗 fonte
Visualize This in Amp — Amp produce su richiesta, direttamente nel thread, grafici, cronologie, diagrammi e mockup cliccabili; nessuna tariffa né limite indicati. 🔗 fonte
Devin, note del 28 ottobre — La scheda Progress mostra le attività della sessione in tempo reale e sostituisce la scheda Tasks, i feedback delle pull request di Azure DevOps tornano alla sessione che le ha aperte, e le skill personali si possono menzionare da @ Skills. 🔗 fonte
Devin, note del 26 ottobre — Dalle notizie precedenti: le schede Progress e Shell confluiscono in una vista Activity, e Devin integra direttamente nei propri messaggi artefatti HTML (rapporti, dashboard, grafici). 🔗 fonte
Delta 0.23 — Ogni progetto sceglie il proprio checkout predefinito (worktree isolato, checkout locale o worktree Git), un’impostazione limita la durata dei comandi da terminale degli agenti, e 17 correzioni risolvono, tra l’altro, problemi di compattazione dei modelli personalizzati. 🔗 fonte
DeltaDB — Zed descrive l’architettura del suo database di versioni per agenti: CRDT archiviati in SQLite come grafo causale, un Durable Object di Cloudflare per thread e tracciamento di ogni carattere fino alla conversazione d’origine, il tutto annunciato senza una data. 🔗 fonte
Fabbrica software di Warp — Un articolo metodologico elenca sette componenti di una fabbrica software (software factory), tra cui un sistema di controllo del computer che condensa tre o quattro minuti di verifica in 15 secondi di video; Warp Factories resta in accesso anticipato, con fino a 10 000 dollari di crediti per i primi team. 🔗 fonte
Qwen Code v0.26.4 — Il giorno dopo la v0.26.3, la versione stabile assegna worktree indipendenti al Managed Agent e viste interattive alla Generated UI, che ora segue il tema dell’host; 19 funzionalità e 18 correzioni. 🔗 fonte
safeagents — Dalle notizie del 28 ottobre: Hugging Face pubblica senza annunci un proxy locale sotto Apache-2.0 che ispeziona ogni chiamata a uno strumento da parte di un agente di codice (Claude Code, OpenCode, Pi, Hermes…) e neutralizza quelle che blocca, con una modalità di sola osservazione. 🔗 fonte

Immagine, video e voce

Kling 4.0 in Genspark AI Media Studio — Due giorni dopo il lancio del suo Media Studio, Genspark vi aggiunge Kling 4.0: 30 secondi in un’unica generazione senza raccordi, fino a 15 riferimenti e 10 fotogrammi chiave, crediti a metà prezzo fino al 4 novembre. 🔗 Genspark · 🔗 Kling
Agenti interni di ElevenLabs — I suoi agenti ElevenAgents, collegati a Slack, fanno risparmiare ai suoi team più di 1 200 ore al mese e rispondono a più di 5 000 domande al mese; l’articolo consiglia di ridurre i dati visibili all’agente anziché ritoccarne il prompt. 🔗 fonte
ElevenLabs e il Karnataka — Lo Stato indiano non nominato nel protocollo d’intesa del 7 ottobre è il Karnataka: progetti pilota di IA vocale per i reclami, le linee di assistenza e le prestazioni in kannada e in altre 13 lingue, e voci ripristinate gratuitamente a vita per i residenti idonei; nessun importo né calendario. 🔗 fonte
Lettuce e Ads Engine — La fintech per lavoratori autonomi produce quasi tutte le sue pubblicità Meta con Ads Engine di ElevenLabs, una variante in circa 45 secondi anziché oltre una settimana, e stima una riduzione dei costi di creazione di circa il 75 %. 🔗 fonte

Prodotti e aziende

Libri di testo gratuiti in Gemini Notebook — Centinaia di libri di testo di editori come S Chand Publishing, OpenStax o Open Textbook Library si aggiungono gratuitamente come fonti a un notebook; paesi e lingue non specificati. 🔗 fonte
Kimi Work 3.2.22 — L’agente conferma le informazioni chiave prima di avviare un’attività (Ask user), si possono acquistare pacchetti di utilizzo aggiuntivo quando compare l’avviso di quota, senza prezzo indicato, e un Task Center riunisce le automazioni. 🔗 fonte
Ragionamento automatico in ChatGPT Enterprise ed Edu — Instant non passa più autonomamente a un livello di ragionamento superiore, salvo negli spazi configurati per il routing medico specializzato; ora occorre scegliere il livello nel selettore. 🔗 fonte
Ropes & Gray — Lo studio legale sviluppa con OpenAI uno strumento di verifica preliminare (due diligence) che classifica il contenuto di una data room e redige sintesi e rapporto nel formato dello studio, rivisti dai legali; ottenere un rapporto in ore anziché settimane resta un obiettivo, non un risultato misurato. 🔗 fonte
Codex Originals — OpenAI Developers lancia una serie di cortometraggi su nove persone che realizzano progetti con Codex, tra cui l’immunologo Derya Unutmaz, Mikhail Parakhin (Shopify) e Mitchell Hashimoto; nessun dato numerico né prodotto. 🔗 fonte
Teardown e UNBROKER in Perplexity Computer — Due skill della community entrano nel marketplace di Computer, una per disegnare viste esplose con didascalie, l’altra per preparare richieste di rimozione presso i broker di dati; le loro attività sono gratuite fino al 6 novembre, nel limite di 5 000 crediti per utente. 🔗 fonte
Sakana AI e le elezioni di metà mandato — Sakana AI ha analizzato con Sakana Marlin 2 042 pubblicazioni e 705 976 reazioni su X riguardo alle elezioni per il Senato in Texas; secondo il suo rapporto, i cambiamenti di opinione vi apparivano circa due mesi prima dei cambiamenti nelle valutazioni degli organismi di previsione. 🔗 fonte
OpenMath 2026 — Sakana AI vince la categoria aziende dell’hackathon sull’automiglioramento ricorsivo in matematica, organizzato con Stephen Wolfram presso gli Harvard Innovation Labs. 🔗 fonte

GitHub oltre l’IA

Intervalli IP dei webhook — GitHub aggiunge 9.234.98.160/28, 9.234.98.176/28 e 9.234.106.48/28 agli indirizzi di consegna dei webhook pubblicati nell’API meta; le liste di autorizzazione statiche devono includerli. 🔗 fonte

Cosa significa

I modelli a pesi aperti salgono ancora di livello. Mistral Large 4 arriva a circa 1 000 miliardi di parametri, addestrato in Europa su 3 800 GPU, con una tariffa API ridotta a 0,70 dollari per milione di token in input e un ecosistema pronto fin dal primo giorno: Transformers, vLLM, llama.cpp, NVIDIA NIM, Microsoft Foundry, e un fine-tuning LoRA che trova posto su un singolo nodo da 8 GPU. Pika fa la stessa scommessa nel video, pubblicando insieme ai suoi pesi un post-training di MiniMax H3. L’apertura mantiene però i suoi confini: Mistral richiede una licenza commerciale per servire il modello a terzi, Pika mantiene il 4K, la separazione delle tracce e il miglioramento dei prompt nel proprio servizio ospitato, e Mistral rafforza le proprie misure di protezione cyber riservando la sua variante offensiva a partner verificati. Mistral riconosce anche che i migliori modelli aperti cinesi restano davanti al suo nell’indice aggregato di Artificial Analysis.

OpenAI e Anthropic pubblicano lo stesso giorno due modi per monitorare i propri modelli. OpenAI sovrappone livelli sempre più costosi, dalle sonde di attivazione agli agenti investigatori, ed estende il monitoraggio a ogni addestramento RL di frontiera dopo che l’incidente Hugging Face ha avuto origine dove il monitoraggio non era attivo. Anthropic fa di Claude il proprio sistema di monitoraggio degli abusi con meno del 2 % di risorse di calcolo aggiuntive. Entrambe insistono sui limiti: da un lato, servizio di reperibilità disattivato per il traffico Codex interno per l’impossibilità di gestire i falsi allarmi; dall’altro, un’autovalutazione che blocca solo una parte degli attacchi e non è robusta di fronte a un attaccante che la prende di mira. Il Model Spec rivisto porta lo stesso dibattito sul terreno dei valori: quando un modello agisce a lungo da solo, la fedeltà all’intenzione della persona conta più dello stile delle sue risposte.

Il denaro segue la cybersicurezza e la sovranità. Cohere raccoglie fondi per costruire un’azienda di frontiera al di fuori degli Stati Uniti e della Cina, con il governo canadese tra gli investitori, e si basa su un dato che chiarisce la posta in gioco: nei mesi scorsi oltre il 70 % dei token di modelli aperti serviti tramite OpenRouter proveniva da modelli cinesi. I suoi progetti, Cohere Cyber per le reti classificate e l’acquisizione di AISLE, si affiancano a quelli di Cognition, che acquisisce Corridor per Devin Security, e di Perplexity, che ottiene FedRAMP Moderate per vendere il proprio servizio di ricerca alle agenzie federali statunitensi. Mistral, che mette in evidenza le testimonianze dell’ENISA e di Orange Cyberdefense, si inserisce nella stessa logica di un attore non statunitense che si posiziona nel settore della difesa.

Sul fronte degli utilizzi, la battaglia riguarda la quotidianità e le quote. Claude passa a 33 lingue ed entra in auto con CarPlay, Gemini modifica i file nella conversazione e condivide gli avatar, ma non in Europa, Kimi legge Gmail e il calendario, e due dispositivi, gli occhiali XREAL AURA e il VoicePad di Genspark, cercano di portare l’assistente fuori dallo schermo. OpenAI raddoppia l’utilizzo di Work e Codex incluso nei suoi piani Pro e rinuncia a ridurre quello di Pro 200 dopo i riscontri degli abbonati: l’utilizzo incluso è diventato un argomento commerciale a pieno titolo. Gli agenti di codice, dal canto loro, conquistano macchine ed editor: un Mac cloud avviato in 30 secondi da Amp, Gemini 4 Argon nell’IDE di Antigravity e una prima estensione per Eclipse.