Claude Code v2.1.200 passa in modalità Manuale per impostazione predefinita, GLM 5.2 raggiunge l’80 % di Sonnet 5 al 20 % del prezzo, streaming delle sessioni Copilot in anteprima

Il 3 luglio 2026 riunisce diversi annunci di fondo: Claude Code v2.1.200 consolida il controllo delle autorizzazioni con una modalità Manuale ora predefinita e corregge una lunga serie di malfunzionamenti degli agenti in background. Sul fronte dei modelli aperti, Together AI documenta che un modello open source può rivaleggiare con Claude Sonnet 5 a un quinto del costo, mentre la quota di token consumati su modelli open source è triplicata in un anno. GitHub Copilot arricchisce la sua governance aziendale con lo streaming delle sessioni, e Anthropic democratizza gli Artifacts e rialza i suoi rate limits API.

Claude Code v2.1.200 — modalità Manuale predefinita e ondata di correzioni background

3 luglio — Claude Code v2.1.200 introduce due cambiamenti comportamentali e una serie di correzioni che rafforzano l’affidabilità degli agenti in background.

Modalità «Manuale» ufficializzata come valore predefinito. La modalità di autorizzazione default viene rinominata «Manual» in tutte le interfacce: CLI, guida --help, VS Code e JetBrains. I valori --permission-mode manual e "defaultMode": "manual" sono ora accettati al posto di default. Questo cambio di terminologia allinea il nome visualizzato al comportamento reale: Claude chiede conferma prima di ogni azione sensibile. I team che avevano configurato esplicitamente la modalità default nei propri file di configurazione ritroveranno un comportamento identico — cambia solo l’etichetta.

AskUserQuestion senza ripresa automatica. Le conversazioni di domanda all’utente non riprendono più automaticamente dopo un periodo di inattività. Il comportamento precedente (auto-continue) diventa opt-in e deve essere attivato esplicitamente tramite /config. Questa modifica evita riprese intempestive nelle sessioni lunghe o poco sorvegliate.

Correzioni degli agenti in background. Questa versione chiude diversi problemi di stabilità che interessavano le sessioni daemon:

Problema corretto	Dettaglio
Sessioni background che si arrestavano silenziosamente dopo sospensione/ripresa	Risolto
Turno annullato con Esc rigiocato dopo il riavvio del daemon	Risolto
Agenti bloccati definitivamente su un `daemon.lock` orfano (PID riutilizzato dall’OS)	Risolto
Vecchia build che prendeva il controllo del daemon dopo la reinstallazione	Risolto — confronto tramite timestamp di build integrato
Corruzione transitoria del roster che disabilitava gli agenti in modo permanente	Risolto

Una correzione accessoria risolve anche un crash all’avvio quando disabledMcpServers o enabledMcpServers in .claude.json è definito con un valore non-array.

Le correzioni daemon sono particolarmente benvenute per i workflow notturni o le pipeline CI che eseguono agenti in background senza supervisione continua. Un daemon.lock orfano o una corruzione del roster potevano impedire silenziosamente a qualsiasi agente di riavviarsi fino a un intervento manuale.

🔗 CHANGELOG Claude Code

Anthropic

Fable 5 cyber safeguards — framework CJS (Cyber Jailbreak Severity)

2 luglio — Anthropic pubblica un articolo tecnico sui meccanismi di sicurezza cyber di Claude Fable 5 e propone una prima bozza di framework industriale di valutazione dei bypass (jailbreaks) dei modelli IA.

I classificatori cyber di Fable 5 sono organizzati in quattro categorie in base all’asimmetria tra attaccante e difensore:

Categoria	Esempi	Comportamento
Uso vietato	Sfruttamento critico, forte asimmetria	Bloccato sistematicamente
Dual use ad alto rischio	Pentest, escalation di privilegi	Bloccato finché non ci sono controlli migliori
Dual use a basso rischio	OSINT, scan pubblico, ricerca TLS	Consentito con margine di sicurezza
Uso innocuo	Debug, config difensiva, formazione	Consentito

Il framework CJS — Cyber Jailbreak Severity (gravità di bypass cyber) è stato co-sviluppato con partner Glasswing (Amazon, Microsoft, Google). Valuta la gravità di un bypass su quattro assi: guadagno di capacità (0–4), ampiezza (0–2), facilità di armamento (0–2) e scopribilità (0–2). La somma produce un livello CJS-0 (informativo) fino a CJS-4 (critico). È aperto un programma HackerOne dedicato; i feedback sono accettati a cyber-safeguards@anthropic.com.

🔗 Fable 5 safeguards — Anthropic

Artifacts Claude Code disponibili sui piani Pro e Max

2 luglio — Gli Artifacts di Claude Code, fino ad allora riservati ai piani Team ed Enterprise, sono ora accessibili agli abbonati Pro e Max.

Un Artifact è una pagina web interattiva generata da Claude durante una sessione di lavoro — dashboard di progetto, resoconto di PR, visualizzazione di dati. La pagina è pubblicata in diretta su claude.ai, aggiornata in tempo reale mentre Claude continua a lavorare, resta privata sull’account utente ed è completamente autonoma. Questa estensione ai piani individuali rende disponibile a un pubblico molto più ampio una funzionalità avanzata senza richiedere un abbonamento enterprise.

🔗 Annuncio @ClaudeDevs

Rate limits API Claude aumentati ×5 — tier automatici e sganciati dalla spesa

2 luglio — Anthropic aumenta in modo significativo i limiti di throughput (rate limits) dell’API Claude Platform e semplifica la struttura dei livelli di accesso.

Due cambiamenti di fondo: i livelli (tiers) di rate limit non dipendono più dall’importo speso sull’API, e la progressione tra i tier è ora automatica. Le ultime versioni di Claude Sonnet e Haiku beneficiano di limiti 5 volte più alti nel tier più elevato. Tutti i modelli recenti (Opus, Sonnet, Haiku) condividono gli stessi quota in richieste al minuto e throughput in token all’interno di un dato tier, il che consente di scegliere il modello adatto al compito senza arbitrati sulle quote. Il pulsante «Request rate limit increase» resta disponibile nella Claude Console per le richieste manuali.

🔗 Annuncio @ClaudeDevs

Hackathon « Built with Claude : Life Sciences » — 100 000 USD in crediti

2 luglio — Anthropic annuncia Built with Claude : Life Sciences, un hackathon virtuale globale organizzato in partnership con il Gladstone Institute. L’evento invita ricercatori e sviluppatori a costruire con Claude Science e Claude Code per una settimana. Il montepremi è di 100 000 USD in crediti. L’hackathon si inserisce nella dinamica di Claude Science, lanciato a fine giugno come ambiente di lavoro scientifico che integra strumenti, pacchetti di ricerca e risorse di calcolo.

🔗 Annuncio @claudeai

Modelli open source e benchmark

Together AI — GLM 5.2 raggiunge l’80 % di Sonnet 5 al 20 % del prezzo

3 luglio — Together AI pubblica un’analisi comparativa tra GLM 5.2 (Zhipu AI, open source) e Claude Sonnet 5 sul benchmark DeepSWE — 113 task di risoluzione di bug software long-horizon (Software Engineering), 4 tentativi ciascuno, con ragionamento massimo attivato.

Il risultato centrale: GLM 5.2 offre circa l’80 % delle capacità di Claude Sonnet 5 a circa il 20 % del prezzo su questo benchmark. L’analisi è firmata da Zain Hasan e ripubblicata da Together AI, che ospita GLM 5.2 sulla propria piattaforma.

Modello	Tipo	Prestazioni relative	Costo relativo
Claude Sonnet 5	Proprietario	Riferimento (100 %)	Riferimento (100 %)
GLM 5.2	Open source	~80 %	~20 %

Il benchmark DeepSWE è progettato per task di ingegneria di lunga durata: va oltre i problemi sintetici abituali per valutare la capacità di risolvere bug reali su repository esistenti. Un rapporto costo/prestazioni di 4 a 1 su questo tipo di task rappresenta un argomento forte per i team con budget limitato o le pipeline ad alto volume.

🔗 Analisi Together AI — GLM 5.2 vs Sonnet 5

Together AI — i modelli open source passano dal 10 % al 30 % dei token in un anno

3 luglio — Together AI rivela che l’uso dei modelli open source è triplicato in un anno sulla sua piattaforma, passando dal 10 % al 30 % dell’insieme dei token consumati. Questo dato si inserisce nel contesto dell’articolo del CEO Vipul Ved Prakash, «The Economy of Tokens» (29 giugno), e del round di finanziamento Serie C da 800 milioni di USD già coperto. Conferma una tendenza macro: l’ondata open source non è più un fenomeno di nicchia tecnica ma una quota crescente del consumo reale di token IA.

🔗 Tweet @togethercompute

HydraHead — architettura ibrida Full+Linear Attention (Tongyi Lab / Qwen)

3 luglio — Tongyi Lab (Alibaba / Qwen) pubblica HydraHead, un’architettura di ibridazione dell’attenzione a livello di teste (head-level) invece che a livello di strati. La motivazione deriva dall’interpretabilità meccanicistica: solo le teste dette «retrieval-critical» mantengono la Full Attention; le altre passano a Linear Attention, riducendo la complessità di calcolo sulle sequenze lunghe.

Metrica	Risultato
Miglioramento NIAH a contesto 512K	+69 %
Token di addestramento	15 miliardi
Prestazioni complessive	Vicine a Qwen3.5

Il modulo di fusione normalizzato consente la coesistenza dei due tipi di attenzione nello stesso strato. L’approccio mira all’accesso a finestre di contesto molto lunghe (512K token e oltre) senza il costo quadratico della sola Full Attention. I risultati sono presentati nella Tongyi Weekly del 3 luglio.

🔗 Tongyi Weekly — 3 luglio 2026

ZCode — l’IDE ufficiale Z.ai per GLM-5.2

1 luglio — Z.ai ha lanciato ZCode, l’ambiente di sviluppo ufficiale per GLM-5.2, disponibile su macOS, Windows e Linux. Gli abbonati al piano Coding Plan beneficiano di una quota di utilizzo moltiplicata per 1,5 in ZCode. Il supporto BYOK (Bring Your Own Key) consente di usare ZCode con abbonamenti o chiavi API esistenti. Il sito zcode.z.ai propone due piani tariffari: Lite e Pro (64,80 USD/mese → 72 USD).

🔗 ZCode — Z.ai

GitHub Copilot

Session streaming in anteprima pubblica

2 luglio — I clienti GitHub Enterprise Cloud con utenti gestiti possono ora trasmettere in streaming i dati di sessione degli agenti Copilot (prompt, risposte, chiamate agli strumenti) verso un collector esterno. Sono disponibili due modalità di accesso: un endpoint di streaming verso uno strumento SIEM (Microsoft Purview è supportato in anteprima pubblica), e una API REST per recuperare su richiesta le ultime 48 ore di dati (GET /enterprises/{enterprise}/copilot/usage-records). L’attivazione avviene nelle impostazioni IA dell’azienda tramite «Enable everywhere» per «Copilot Usage Records Streaming» e «Copilot Usage Records API».

Questa funzionalità risponde a un’esigenza di tracciabilità e audit per i team soggetti a vincoli di conformità — possono ora ingerire le sessioni Copilot nelle loro pipeline di supervisione esistenti invece di contare solo sui dashboard GitHub.

🔗 Changelog — streaming delle sessioni agent Copilot

Copilot CLI senza PAT in GitHub Actions

2 luglio — Copilot CLI può ora autenticarsi in GitHub Actions con il GITHUB_TOKEN integrato, senza richiedere un token di accesso personale (Personal Access Token — PAT) di lunga durata. Il permesso richiesto nel workflow è copilot-requests: write. I crediti IA consumati vengono fatturati direttamente all’organizzazione, con gestione tramite cost centers, budget e limiti di sessione. La policy di utilizzo deve essere attivata lato organizzazione: «Allow use of Copilot CLI billed to the organization». L’aggiornamento si effettua tramite copilot update o npm install -g @github/copilot.

🔗 Changelog — Copilot CLI senza PAT

Deprecazione di Gemini 2.5 Pro e Gemini 3 Flash in Copilot al 31 luglio

2 luglio — GitHub annuncia la deprecazione di due modelli Gemini in tutte le esperienze Copilot (chat, modifiche inline, modalità ask/agent, completamenti di codice) al 31 luglio 2026:

Modello deprecato	Data	Alternativa
Gemini 2.5 Pro	31-07-2026	Gemini 3.1 Pro
Gemini 3 Flash	31-07-2026	Gemini 3.5 Flash

Gli amministratori Copilot Enterprise devono attivare i modelli alternativi nelle proprie policy dei modelli. Non è richiesta alcuna azione per rimuovere i modelli precedenti dopo la data di deprecazione.

🔗 Changelog — Deprecazione Gemini in Copilot

Media generativi

Runway Agent Skills — creare campagne su richiesta

2 luglio — Runway ha lanciato le Agent Skills, un sistema di competenze accessibili da Runway Agent tramite il comando /. Gli utenti digitano / e scelgono una competenza per attivare flussi di lavoro complessi con un solo gesto. Le competenze disponibili al lancio coprono: creazione di campagne pubblicitarie, produzione di spot commerciali e localizzazione di annunci per diversi mercati. Runway posiziona questa funzionalità come uno strumento di scalabilità marketing on demand.

🔗 Annuncio @runwayml

Black Forest Labs — Dev Playground per i modelli FLUX

2 luglio — Black Forest Labs (BFL) ha lanciato un Dev Playground destinato agli sviluppatori che lavorano con l’API FLUX. Lo strumento consente di confrontare i modelli FLUX affiancati (side-by-side) con lo stesso prompt, di regolare i parametri API direttamente dall’interfaccia per ottenere un risultato identico alla produzione, e di valutare gli scarti di qualità, latenza e costo. Il playground integra i modelli più recenti al momento del rilascio. È accessibile tramite api.bfl.ml.

🔗 Annuncio @bfl_ai

Brevi

Amp — Più dimensioni di Orb — Amp consente ora di scegliere la dimensione di CPU e memoria per gli Orb che eseguono gli agenti in remoto, in seguito all’annuncio «Agents in Orbs» del 30 giugno. 🔗 Chronicle Amp
Copilot — metriche di utilizzo più precise — L’API delle metriche di Copilot ora riporta le righe di codice suggerite dal CLI (v1.0.57+, deduplicazione dalla v1.0.64), identifica l’IDE per gli utenti server-side e corregge l’attribuzione dei crediti IA per due casi finora mancanti. 🔗 Changelog

Cosa significa

L’ecosistema Anthropic si espande in profondità. La v2.1.200 di Claude Code non si limita a un cambio di nome: ufficializzare «Manual» come modalità predefinita consolida una filosofia di controllo esplicito man mano che gli agenti guadagnano autonomia. La correzione simultanea di cinque malfunzionamenti del daemon mostra che l’affidabilità dei workflow non supervisionati (pipeline notturne, CI) è diventata una priorità di primo piano. L’estensione degli Artifacts ai piani Pro/Max e la moltiplicazione per 5 dei rate limits API completano questo quadro abbassando le barriere d’accesso per i singoli sviluppatori e i team di piccole dimensioni. L’hackathon Life Sciences con il Gladstone Institute segnala a sua volta che Claude Science cerca una validazione sul campo in un ambito ad alta rilevanza regolatoria.

L’ondata open source cambia scala. Il dato di Together AI — il 30 % dei token IA consumati su modelli open source contro il 10 % di un anno fa — non è una statistica di nicchia: è un segnale di cambiamento strutturale. L’analisi GLM 5.2 / DeepSWE lo rende concreto: un modello open source ben posizionato può coprire l’80 % dei casi d’uso di un modello proprietario frontier a un quinto del costo. HydraHead aggiunge una dimensione architetturale a questa dinamica — laboratori come Tongyi cercano di estendere il contesto utile (512K token, +69 % NIAH) senza il costo quadratico della Full Attention, ampliando ulteriormente lo spettro delle attività accessibili ai modelli aperti. ZCode chiude il cerchio fornendo a GLM-5.2 una dotazione IDE paragonabile a quella dei modelli proprietari.

La governance enterprise di Copilot si infittisce. Lo streaming delle sessioni verso i SIEM e l’autenticazione senza PAT in GitHub Actions convergono verso lo stesso obiettivo: rendere Copilot auditabile e operabile senza derogare alle politiche di sicurezza aziendali. Per i team soggetti a vincoli di conformità SOC 2, ISO 27001 o normativi di settore, si tratta di due ostacoli operativi che scompaiono simultaneamente. La deprecazione di Gemini 2.5 Pro e 3 Flash illustra in parallelo che GitHub mantiene una pressione di modernizzazione sul catalogo dei modelli Copilot — gli amministratori che non anticipano queste transizioni rischiano interruzioni di servizio il 31 luglio.

Agenti per media generativi: dalla generazione all’orchestrazione. Gli Agent Skills di Runway e il Dev Playground di BFL tracciano due traiettorie complementari: Runway sale di astrazione (creare un’intera campagna da un /), mentre BFL scende nel dettaglio tecnico (confrontare qualità, latenza e costo per modello a livello di API). Questi due approcci riflettono una maturità crescente del mercato, in cui gli utenti di media generativi si segmentano tra chi vuole il risultato senza attrito e chi ottimizza la pipeline di produzione.