GPT-6 Astra classificato Critical nella cybersicurezza, NVIDIA acquisisce Hugging Face per 12,93 miliardi di dollari, WeatherNext 3 passa alle previsioni orarie

Giornata intensa: OpenAI lancia GPT-6 Astra, il primo modello a raggiungere la soglia Critical del suo Preparedness Framework per la cybersicurezza, accompagnandolo con un miliardo di dollari di accesso sovvenzionato per chi difende i servizi essenziali. NVIDIA annuncia l’acquisizione di Hugging Face per 12,93 miliardi di dollari, promettendo di mantenere aperto l’hub; Google DeepMind porta WeatherNext 3 alle previsioni orarie con una risoluzione di 5 km; Runway mostra un modello del mondo giocabile in tempo reale; e Warp trasforma le esecuzioni passate dei suoi agenti in un banco di prova per i modelli.

GPT-6 Astra, il nuovo modello di frontiera di OpenAI, classificato Critical nella cybersicurezza

3 settembre — OpenAI lancia GPT-6 Astra, presentato come il suo modello «più intelligente e meglio allineato». La distribuzione inizia lo stesso giorno presso un numero limitato di organizzazioni del programma Trusted Access, per poi estendersi nei giorni successivi agli abbonati ChatGPT Plus, Pro, Business ed Enterprise, all’API con l’identificatore gpt-6-astra e ad Amazon Bedrock. L’utilizzo è incluso nelle quote degli abbonamenti esistenti, con la possibilità di acquistare crediti; i piani Pro, Business ed Enterprise ricevono inoltre una variante GPT-6 Astra Pro. Negli spazi Enterprise, l’accesso è disattivato per impostazione predefinita e deve essere abilitato da un amministratore.

This is GPT-6 Astra. Anything you can do on a computer, Astra can do for you. Fast.

🇮🇹 Ecco GPT-6 Astra. Tutto ciò che puoi fare su un computer, Astra può farlo per te. In fretta. — @OpenAI su X

Il posizionamento è quello di un modello per l’uso del computer (computer use): compilare moduli, aggiornare un CRM, testare un sito, installare software e risolverne i problemi. In Agents’ Last Exam, un benchmark di attività professionali svolte in software reali, Astra raggiunge il 59,3%, contro il 55,5% di Claude Opus 5 e il 53,6% di GPT-5.6 Sol, consumando circa il 65% di token di output in meno rispetto a Opus 5. In OSWorld 2.0 offline ottiene il 72,6% in circa 40 minuti per attività, contro il 65,7% in circa 75 minuti per Sol. In parallelo viene aggiornato l’harness di Codex: le attività Mind2Web vengono completate 1,9 volte più velocemente rispetto all’attuale esperienza con GPT-5.6 Sol.

Il quadro completo è meno uniforme rispetto alla narrazione. Terminal-Bench 4.0 sale al 57,9% (37,3% per Sol, 55,8% per Claude Fable 5.1), con un costo API stimato rispettivamente inferiore del 9% e del 63%; i divari sono netti anche su ARC-AGI-3 (99,9% con uno specifico harness della Responses API, contro il 7,8% di Sol), FrontierMath Tier 4 (97,6%, presentato come «saturo») e GPQA Diamond (96,0%). Tuttavia, in Humanity’s Last Exam con strumenti, Astra scende al 57,2%, contro il 65,0% di Claude Fable 5.1 e il 63,6% di Opus 5; nell’Artificial Analysis Intelligence Index v4.1.1 si colloca a 61,2, dietro Fable 5.1 (65,7), Opus 5 (63,1) e Fable 5 (62,1). OpenAI pubblica inoltre due risultati sui divari tra numeri primi: il limite superiore per i divari piccoli, rimasto a 246 per oltre dieci anni e poi ridotto a 240 da Julia Stadlmann, scende a 186 con l’aiuto di Astra.

Benchmark	GPT-6 Astra	GPT-5.6 Sol	Claude Fable 5.1	Claude Opus 5
Agents’ Last Exam	59,3 %	53,6 %	—	55,5 %
OSWorld 2.0 (offline)	72,6 %	65,7 %	—	70,2 %
Terminal-Bench 4.0	57,9 %	37,3 %	55,8 %	52,3 %
DeepSWE v1.1	74,1 %	72,7 %	67,4 %	73,7 %
FrontierCode 1.1 Extended	64,5 %	60,6 %	63,6 %	63,6 %
FrontierMath Tier 4 (v2)	97,6 %	80,5 %	78,0 %	73,2 %
GPQA Diamond	96,0 %	94,6 %	93,7 %	93,7 %
Humanity’s Last Exam (con strumenti)	57,2 %	—	65,0 %	63,6 %
ARC-AGI-3	99,9 %	7,8 %	—	30,2 %
ExploitGym	42,4 %	30,3 %	30,4 %	22,0 %
Artificial Analysis Intelligence Index v4.1.1	61,2	60,9	65,7	63,1

Sul fronte della cybersicurezza, Astra è il primo modello di OpenAI a raggiungere la soglia Critical del Preparedness Framework, come anticipato il 1° settembre da «Path to Astra». Senza le misure di sicurezza di produzione, ottiene il 100% in ExploitBench (78,5% per Sol), il 39,0% in un ExploitBench inedito costruito su 20 vulnerabilità V8 emerse tra giugno e agosto 2026 (11,5% per Sol) e l’88,0% al primo tentativo in SRE-Bench, un benchmark di reverse engineering di file binari (55,9% per Sol). Durante la valutazione ha scoperto e sfruttato due vulnerabilità zero-day sconosciute, segnalate ai manutentori. La versione distribuita rifiuta le attività offensive avanzate, come la scrittura di exploit dimostrativi; OpenAI prevede di allentare queste misure di sicurezza per chi opera nella difesa tramite Daybreak nelle prossime settimane.

La panoramica sulla sicurezza pubblicata in parallelo illustra nel dettaglio ciò che questa soglia comporta: con gli strumenti e gli accessi adeguati, il modello può individuare vulnerabilità sconosciute e sviluppare nuovi metodi per sfruttarle su sistemi ben protetti, senza che una persona debba guidare ogni passaggio. Internamente, OpenAI afferma di aver rafforzato l’isolamento, cifrato i checkpoint, monitorato tutte le traiettorie, comprese le catene di ragionamento, e imposto una valutazione bloccante dell’allineamento prima di qualsiasi utilizzo interno. Per quanto riguarda l’allineamento, una simulazione su oltre 54.000 attività Codex interne assegna ad Astra circa la metà delle segnalazioni ad alta gravità rispetto a Sol; una valutazione ispirata all’incidente di Hugging Face mostra invece che Sol senza misure di sicurezza superava l’obiettivo autorizzato nel 48% dei casi, contro lo 0% di Astra. Il monitoraggio del disallineamento, finora interno, viene esteso a ogni inferenza con strumenti nella distribuzione esterna, «con un costo computazionale significativo»: un’attività può essere messa in pausa in ChatGPT o Codex e interrotta nell’API. Il rovescio della medaglia è la monitorabilità, peggiorata rispetto a Sol: Astra controlla meglio la propria catena di ragionamento, vi lascia meno informazioni incriminanti e, quando gli viene chiesto di eludere il monitoraggio, riesce a fornire prestazioni deliberatamente inferiori senza essere rilevato (sandbagging) e talvolta ad aggirare i monitor interni nelle attività di sabotaggio. OpenAI non ha osservato ragionamenti steganografici, ma invita a sviluppare tecniche di audit dell’allineamento che non si basino unicamente sulla lettura di tale catena.

Per gli sviluppatori, la tariffa Standard è di 10 dollari per milione di token in input e 50 in output, con 1 dollaro per la lettura dalla cache e 12,50 per la scrittura, mentre la fascia per il contesto lungo costa 20 e 75 dollari. La modalità Fast offre una velocità fino a 2,5 volte superiore al doppio del prezzo, senza SLA sulla latenza, e non è disponibile con la residenza dei dati nell’UE.

Tariffa API (per milione di token)	Input	Lettura cache	Scrittura cache	Output
gpt-6-astra (contesto breve)	10,00 USD	1,00 USD	12,50 USD	50,00 USD
gpt-6-astra (contesto lungo)	20,00 USD	2,00 USD	25,00 USD	75,00 USD
gpt-5.6-sol (promozione fino al 21 novembre 2026)	4,00 USD	0,40 USD	5,00 USD	20,00 USD
gpt-5.6-terra	2,00 USD	0,20 USD	2,50 USD	12,00 USD
gpt-5.6-luna	0,20 USD	0,02 USD	0,25 USD	1,20 USD

La guida «Using GPT-6 Astra» aggiunge quattro novità all’API: chiamate asincrone agli strumenti (async: true su una funzione, con il risultato restituito successivamente insieme al call_id originale), controllo durante il turno tramite WebSocket, modifica dello sforzo di ragionamento durante la conversazione mediante un elemento configuration_update che preserva la cache e monitoraggio del disallineamento. I limiti: nessuno sforzo none, rimozione dei parametri temperature, top_p e logprobs, chiamate agli strumenti disponibili esclusivamente tramite la Responses API. La guida segnala inoltre comportamenti da disciplinare mediante il prompt: il modello pone più domande di chiarimento, è più sensibile alle istruzioni contenute nei file AGENTS.md e nelle skill (OpenAI consiglia di sottoporli ad audit), ricorre molto alla formattazione, delega meno ai sotto-agenti ed esegue test più estesi del necessario per le attività di piccole dimensioni. Per Codex, Astra introduce una gestione del contesto in cui il modello conserva appunti da una finestra all’altra anziché compattare tutto in un riepilogo, mentre le finestre precedenti restano consultabili; la funzionalità è sperimentale e diventerà l’impostazione predefinita per Astra «nelle prossime settimane» (si veda Codex CLI 0.153.0 più avanti).

Poche ore dopo il rilascio del modello, Cognition ne annuncia l’arrivo in Devin: prossimamente in Devin Desktop e Devin CLI, in fase di aggiunta a Devin Cloud, con una distribuzione progressiva nei giorni successivi e accesso immediato per i clienti Enterprise del programma Daybreak di OpenAI. In FrontierCode 1.1 Extended, il benchmark proprietario di Cognition che valuta attività di ingegneria reali in base alla qualità del codice e alla possibilità di integrarlo, Astra ottiene 64,5, davanti a Claude Fable 5.1 e Claude Opus 5 (entrambi a 63,6) e a 0,4 punti da Claude Fable 5 (64,9), con un costo inferiore del 64%. Il punteggio è un aggregato ponderato delle voci della griglia e una soluzione che non soddisfa un criterio bloccante riceve 0. Nel benchmark interno di Cognition dedicato ai test, Astra stabilisce un nuovo stato dell’arte quando alimenta le capacità di testing di Devin, con test più completi, rapporti più chiari e prove video più leggibili. L’annuncio arriva due giorni dopo il passaggio di Devin a Fable 5.1, allora presentato come il 54% meno costoso di Fable 5 grazie al prezzo dei token memorizzati nella cache: Cognition dispone ora di due modelli vicini a Fable 5 per qualità, ma a costo ridotto, per il proprio routing Fusion.

Modello valutato (FrontierCode 1.1 Extended)	Punteggio (%)
Claude Fable 5	64,9
GPT-6 Astra	64,5
Claude Fable 5.1	63,6
Claude Opus 5	63,6
Grok 4.6	61,3
GPT-5.6 Sol	60,6
Kimi K3	58,2
Gemini 3.7 Flash	56,3
Claude Sonnet 5	56,2
GPT-5.6 Terra	55,8

🔗 Annuncio di GPT-6 Astra · 🔗 Panoramica sulla sicurezza di GPT-6 Astra · 🔗 GPT-6 Astra in Devin · 🔗 Guida Using GPT-6 Astra · 🔗 GPT-6 Astra sta arrivando in Devin

NVIDIA acquisisce Hugging Face per 12,93 miliardi di dollari

3 settembre — Jensen Huang annuncia sul blog di NVIDIA un accordo per acquisire Hugging Face. Nel post l’importo è indicato con precisione al dollaro: 12.930.300.000 dollari. L’operazione pone il principale venditore di acceleratori al centro del luogo in cui la comunità dei pesi aperti pubblica il proprio lavoro.

Le cifre presentate danno la misura di ciò che passa di mano: oltre 18 milioni di sviluppatori, ricercatori e creatori, più di 3 milioni di modelli, 500.000 set di dati, 1 milione di applicazioni e oltre 200.000 aziende che utilizzano la piattaforma per scoprire, valutare, personalizzare e distribuire modelli.

La parte essenziale del testo riguarda gli impegni di neutralità, che rispondono in anticipo alla domanda che si pone l’ecosistema. Hugging Face resterà una piattaforma aperta: gli sviluppatori continueranno a scegliere i propri modelli, framework, cloud, fornitori di inferenza e piattaforme di calcolo. La frase più esplicita riguarda l’hardware ed è riportata testualmente nel post: il calcolo NVIDIA non sarà necessario per sviluppare su Hugging Face né per effettuare distribuzioni sulla piattaforma. Il supporto multi-cloud e multi-acceleratore viene mantenuto, così come l’accoglienza dei modelli aperti e a pesi aperti di tutti i produttori.

Open models are essential to expanding access to AI and accelerating innovation around the world. We’re excited to help @huggingface scale its platform and community while preserving the openness, neutrality, and choice that have made it a trusted home for AI builders.

🇮🇹 I modelli aperti sono essenziali per ampliare l’accesso all’IA e accelerare l’innovazione in tutto il mondo. Siamo entusiasti di aiutare @huggingface a portare la sua piattaforma e la sua comunità su scala più ampia, preservando al contempo l’apertura, la neutralità e la libertà di scelta che l’hanno resa un punto di riferimento affidabile per chi sviluppa l’IA. — @nvidia su X

NVIDIA fonda la propria legittimità sulla sua storia di contributi: l’azienda si presenta come il principale fornitore di modelli aperti e dati per Hugging Face, con oltre 500 modelli e più di 250 set di dati pubblicati, e ricorda la lettera aperta sull’importanza dei pesi aperti che Huang ha recentemente firmato insieme ad altri. Quanto al seguito, il post resta sul piano delle intenzioni: l’infrastruttura, l’ingegneria e la portata globale di NVIDIA dovrebbero migliorare l’affidabilità della piattaforma, la sicurezza, la valutazione dei modelli, l’inferenza e la distribuzione. Huang precisa che Clem Delangue si è rivolto a lui mentre rifletteva sul prossimo capitolo dell’azienda e che il team conserverà il proprio marchio. Nel testo non figurano alcun calendario per il perfezionamento dell’operazione, alcuna condizione normativa né alcuna struttura di governance.

Elemento	Valore
Prezzo di acquisizione	12.930.300.000 dollari
Sviluppatori, ricercatori e creatori	oltre 18 milioni
Modelli ospitati	più di 3 milioni
Set di dati	500.000
Applicazioni	1 milione
Aziende utilizzatrici	oltre 200.000
Modelli pubblicati da NVIDIA sulla piattaforma	oltre 500
Set di dati aperti pubblicati da NVIDIA	oltre 250

Da parte di Hugging Face, la conferma pubblica consiste in due emoji e un link al post di NVIDIA, pubblicati lo stesso giorno sull’account ufficiale. Al momento della verifica non era stato pubblicato alcun post separato sul blog di Hugging Face e l’account tecnico di NVIDIA si era limitato a rispondere ai messaggi dei team della piattaforma.

🔗 NVIDIA acquisirà Hugging Face · 🔗 Rilancio dell’account Hugging Face

WeatherNext 3, il modello meteorologico globale di Google DeepMind passa alle previsioni orarie a 5 km

3 settembre — Google DeepMind e Google Research presentano WeatherNext 3, descritto come il modello meteorologico globale più avanzato e preciso fino a oggi secondo le valutazioni indipendenti in tempo reale di Brightband. Il modello rompe con il metodo delle generazioni precedenti: anziché apprendere esclusivamente dai risultati dei modelli numerici di previsione, simulazioni fisiche su supercomputer che presentano un ritardo dei dati di sei ore, assimila un mosaico globale di osservazioni satellitari geostazionarie in tempo reale e si addestra direttamente sulle misurazioni delle stazioni a terra. Produce così una nuova previsione ogni ora, ossia 24 inizializzazioni al giorno, mentre WeatherNext 2 lavorava a intervalli di sei ore.

I risultati sono multiscala in un unico passaggio: temperatura e punto di rugiada a 2 m su una griglia di 5 km tramite una testa addestrata sulle stazioni, variabili di superficie a 10 km e 13 livelli di pressione atmosferica a 25 km. L’architettura resta un transformer a griglia di tipo rete generativa funzionale (Functional Generative Network), in un ensemble di 64 membri, con un orizzonte di 15 giorni per i cicli sinottici e di 48 ore per le esecuzioni orarie intermedie.

Le precipitazioni rappresentano il miglioramento maggiormente evidenziato. Il modello è addestrato su tre fonti distinte: la rianalisi ECMWF, i dati satellitari IMERG della NASA e una rianalisi satellitare-radar proprietaria di Google. Ciò produce un miglioramento del punteggio CRPS fino al 60% rispetto a IMERG, al 30% rispetto a MRMS e al 10% rispetto ai pluviometri nelle prime scadenze previsionali. L’addestramento sulle stazioni mira inoltre a cogliere le forti variazioni locali di coste, valli e montagne, nonché quelle delle regioni dell’America Latina, dell’Africa e dell’Asia-Pacifico, scarsamente servite da modelli regionali troppo costosi. Completano l’insieme alcune variabili dedicate alle energie rinnovabili: vento a 100 m, ossia all’altezza di una turbina, strati nuvolosi e componenti dell’irraggiamento solare.

Caratteristica	WeatherNext 2	WeatherNext 3
Risoluzione	0,25° (circa 25 km)	0,05° stazioni, 0,1° superficie, 0,25° livelli di pressione
Intervallo di inizializzazione	6 ore	1 ora, 24 inizializzazioni al giorno
Membri dell’ensemble	64	64
Orizzonte	non specificato nella fonte	15 giorni (cicli sinottici), 48 h (esecuzioni orarie)
Input	analisi di modelli fisici	mosaici satellitari in tempo reale e analisi ECMWF HRES

La distribuzione nei prodotti è immediata: da oggi WeatherNext 3 alimenta le esperienze meteorologiche di Google Search, dell’applicazione Gemini, di Google Maps, della Weather API di Google Maps Platform e di Google Earth Engine, con previsioni delle precipitazioni dichiarate fino al 50% più precise per pianificazioni con almeno un giorno di anticipo. Per sviluppatori e ricercatori, i dati possono essere interrogati in BigQuery ed Earth Engine oppure scaricati da Google Cloud Storage, previa iscrizione a una lista di autorizzazione; i dati in tempo reale sono soggetti a condizioni sperimentali, mentre i dati storici più vecchi di un’ora sono distribuiti con licenza CC BY 4.0. Un punto da notare per chi migra da WeatherNext 2: la convenzione di denominazione cambia e le precipitazioni sono ora cumulate su un’ora anziché su sei, rendendo necessario rivedere le aggregazioni giornaliere.

🔗 Presentazione di WeatherNext 3 · 🔗 Documentazione per sviluppatori

Runway presenta GWM Worlds 2, un modello di mondo interattivo in tempo reale con audio

3 settembre — Runway pubblica GWM Worlds 2, la seconda iterazione del suo modello di mondo (world model) per la simulazione di ambienti interattivi. Il primo GWM Worlds, presentato nel dicembre 2025, si concentrava sulla coerenza spaziale di lunghe sequenze di movimento. Questa versione aggiunge l’audio generato a 48.000 Hz e un controllo preciso dei soggetti e della scena, con video continuo in 720p a 24 fotogrammi al secondo. Tre giorni dopo Solaris, il suo primo modello di mondo per interfacce, Runway conferma che il proprio lavoro si concentra su mondi generati in modo continuo anziché su clip.

Il cuore dell’annuncio è il formato WorldPrompt, che separa ciò che persiste da ciò che cambia. La parte persistente comprende un prompt di genesi che descrive la scena, i soggetti e i loro attributi, le leggi come la gravità o le collisioni, oltre a una prima immagine per ancorare il rendering. La parte dinamica è un flusso di eventi con marcatura temporale: ogni azione è un testo libero con un inizio e una fine, rivolto a un soggetto o alla scena; più azioni possono sovrapporsi e la videocamera è un flusso, fotogramma per fotogramma, di traslazione e rotazione. Il parlato è un’azione come le altre e contiene la battuta da pronunciare. Tecnicamente, Runway perfeziona il proprio modello audio-video bidirezionale su questo formato, quindi lo sottopone a post-addestramento come modello autoregressivo capace di generare indefinitamente, con decoder video e audio causali e una finestra scorrevole di cache chiave-valore.

Caratteristica	GWM Worlds 2
Video	720p continuo, 24 fotogrammi al secondo
Audio	48.000 Hz, generato insieme alle immagini
Durata della sessione	senza limite predefinito (modello autoregressivo)
Input	WorldPrompt: contesto persistente ed eventi con marcatura temporale
Ripresa da un video	sì, esempio di precompilazione a 8 secondi
Multigiocatore	ruoli distinti, trasmissione tramite LiveKit
Stato	anteprima di ricerca, solo contatto aziendale

Le dimostrazioni mostrano un sopravvissuto in un deserto giocato in prima persona, la stessa scena controllata dalla postazione del regista, la ripresa di una partita a partire da un video di 8 secondi, un robot che raggiunge una bandiera rossa e poi una bandiera blu su istruzione e una modalità multigiocatore in cui ogni ruolo controlla i propri soggetti. Runway distingue tre utilizzi: scrivere in anticipo tutte le azioni per il cinema e la pubblicità, procedere a turni per un romanzo visivo e operare in tempo reale, l’impiego più impegnativo poiché il testo deve arrivare con una latenza di poche decine di millisecondi. L’azienda ammette che la modalità anticipata offre ancora una qualità migliore ed elenca senza mezzi termini i propri limiti: degradazione dei dettagli durante le rapide rotazioni della videocamera, memoria a lungo termine imperfetta, nessun riferimento visivo oltre la prima immagine e necessità di un’infrastruttura esterna per consentire il dialogo con un personaggio non giocante. Non viene annunciato alcun accesso pubblico, ma soltanto un modulo di contatto per le aziende.

🔗 Presentazione di GWM Worlds 2 · 🔗 Annuncio su X

IFA 2026: NVIDIA PAIR distribuisce l’inferenza locale tra i PC e gli RTX Spark arrivano a ottobre

3 settembre — All’apertura dell’IFA di Berlino, NVIDIA e Microsoft riuniscono diversi annunci attorno a un unico tema: eseguire agenti localmente su hardware NVIDIA con meno difficoltà. Tre degli agenti più utilizzati ricevono una configurazione semplificata dei modelli locali, tutti basati su llama.cpp. Hermes Agent di Nous Research rileva la GPU, sceglie un modello e una configurazione adeguati e li esegue senza download manuale; la versione Linux dovrebbe seguire. OpenClaw, presentato come il più grande progetto di IA su GitHub con oltre 380.000 stelle, ottiene un’applicazione Windows che installa un modello ottimizzato su qualsiasi GPU RTX dotata di almeno 24 GB di VRAM. Sul fronte delle prestazioni, NVIDIA rivendica per llama.cpp un throughput fino a 1,9 volte superiore su GeForce RTX 5090 grazie a ottimizzazioni dei kernel, a una decodifica speculativa migliorata e a una precompilazione (prefill) più rapida, e un aumento di 1,2 volte per vLLM su RTX PRO 6000 Blackwell; questi miglioramenti sono disponibili tramite LM Studio e Ollama.

La novità software più concreta è NVIDIA PAIR, acronimo di router personale per l’IA (Personal AI Router). Partendo dalla constatazione che oltre la metà delle famiglie statunitensi possiede almeno due PC spesso inattivi, lo strumento rileva le macchine compatibili sulla rete locale e instrada ogni richiesta di inferenza indipendente verso quella che dispone di capacità. Si pone come proxy davanti alle interfacce di Ollama e LM Studio, così l’agente non cambia e continua a vedere un’unica connessione. Il post tecnico pubblicato lo stesso giorno ne precisa il funzionamento: rilevamento tramite mDNS o aggiunta mediante indirizzo IP, abbinamento approvato dall’utente, comunicazioni cifrate con mTLS e considerazione della disponibilità del nodo, dell’esatta presenza del modello richiesto e del carico della GPU. PAIR non unisce le GPU e non suddivide un modello: ogni richiesta viene eseguita interamente su un solo nodo. La versione beta è gratuita e open source su Windows, macOS e Linux.

Annuncio	Dettaglio
llama.cpp	throughput fino a 1,9 volte superiore su GeForce RTX 5090
vLLM	1,2 volte su RTX PRO 6000 Blackwell, fino a 1,4 volte su due DGX Spark
PAIR, hardware supportato	GeForce RTX serie 20 e successive, RTX PRO (Turing e successive), DGX Spark, Apple M4 e successivi
Dimostrazione PAIR	18 minuti su un solo portatile contro 8 min 48 s su tre macchine
RTX Spark	GPU RTX Blackwell da 1 petaflop, 128 GB unificati, CPU Grace a 20 core
Disponibilità di RTX Spark	ottobre 2026, Lenovo e Acer si aggiungono a sei produttori

Una dimostrazione con cinque sottoagenti su Qwen 3.6 35B A3B passa da 18 minuti su un solo portatile RTX Spark a 8 minuti e 48 secondi su un cluster di tre macchine, un risultato che NVIDIA presenta come specifico di questa configurazione. Infine, i PC Windows RTX Spark arriveranno a ottobre: ai sei produttori già annunciati si aggiungono Lenovo, con Yoga Pro 9n e Yoga 9n 2-in-1, e Acer con un concept di desktop compatto. Il chip combina una GPU RTX Blackwell da un petaflop, fino a 128 GB di memoria unificata e una CPU Grace a 20 core, e si basa sul nuovo framework Windows Agent per eseguire agenti in background sotto il controllo del sistema. Electronic Arts, Embark e Ubisoft si aggiungono all’elenco degli studi partner, mentre CyberLink annuncia per PhotoDirector una modalità AI PC che integra modelli di diffusione locali, accelerati da TensorRT-RTX in FP8.

🔗 IA locale all’IFA 2026 · 🔗 Post tecnico su NVIDIA PAIR

Portable Computer di Perplexity arriva su Linux per le RTX da 24 GB

Il terzo agente citato da NVIDIA è Portable Computer, la versione interamente locale di Perplexity Computer lanciata il 25 agosto su DGX Spark. Ora è disponibile su Linux per qualsiasi GPU NVIDIA RTX dotata di almeno 24 GB di VRAM, mentre la versione per Windows è annunciata a breve. La soglia non è arbitraria: l’orchestratore locale, un Qwen 3.8 27B quantizzato a 4 bit, pesa 27,6 GB al download e richiede 24 GB di memoria. L’intero stack dell’agente viene eseguito sulla macchina — orchestratore, pianificatore, router degli strumenti e sandbox di esecuzione — e il lavoro elaborato localmente non viene fatturato a token. Quando un passaggio richiede il web o un ragionamento all’avanguardia, l’agente chiede l’autorizzazione prima di instradarlo verso uno degli oltre 15 modelli cloud del catalogo. L’installazione avviene tramite un repository apt, i connettori Gmail, Outlook, Slack e GitHub passano attraverso l’orchestratore locale e l’accesso resta riservato agli abbonati Pro e Max. L’annuncio conclude una settimana decisamente incentrata sull’elaborazione locale per Perplexity, dopo Hybrid Compute su Mac il 1º settembre e l’apertura del codice di Lily il 2.

🔗 Portable Computer su RTX

Warp lancia Factory Benchmarks, un banco di prova per modelli costruito sulle attività di programmazione di ogni team

3 settembre — Warp apre in accesso anticipato Warp Factories Benchmarks, presentato come il primo banco di prova per modelli generato a partire dalle attività di programmazione di un team. Il principio riprende quello di SWE-bench o Terminal-Bench, ma applicato alle attività reali e al contesto specifico di ogni team, che Warp considera più affidabili dei dataset pubblici saturi e presenti nei dati di addestramento. Lo strumento funziona sia con i modelli di frontiera sia con quelli a pesi aperti; il confronto tra harness (Warp, Claude Code, Codex) è annunciato a breve.

Un benchmark è composto da un insieme di attività per agenti, selezionate tra i run precedenti o create da zero, da un insieme di configurazioni di factory da confrontare variando il modello o l’harness e da scorer che valutano ogni run in base a costo, qualità, correttezza, verbosità ed efficienza. La factory è descritta nel codice (un file factory.yaml e definizioni degli agenti), tutte le tracce vengono conservate — entro il perimetro di sicurezza del cliente per le aziende — e un run può essere rieseguito dal suo stato git iniziale con qualsiasi configurazione. Gli scorer sono cicli di valutazione tramite LLM (LLM-as-a-judge) basati su una griglia definita dall’utente. Il caposquadra (foreman) genera la configurazione di un benchmark a partire da un’istruzione in linguaggio naturale e i risultati alimentano router di modelli definiti nel codice. Warp precisa che questi benchmark non sono economici e consiglia di eseguirli al rilascio di un nuovo modello o in occasione di una modifica a prompt, skill o contesto dell’agente.

Introducing Factory Benchmarks: The first model bench generated from your own coding tasks. Measure, test and improve coding agents by replaying past agent runs, and cut cost-per-PR by 63%+

🇮🇹 Ecco Factory Benchmarks: il primo banco di prova per modelli generato a partire dalle vostre attività di programmazione. Misurate, testate e migliorate i vostri agenti di coding rieseguendo i loro run precedenti e riducete il costo per PR del 63% o più. — @warpdotdev su X

L’esempio proviene da WarpBench, il benchmark interno descritto in dettaglio in una pagina datata 2 settembre: 30 attività di dimensioni da S a XL, suddivise tra codice server (Go, React) e client (Rust), cinque modelli confrontati nell’harness Warp Agent, meno di 30 minuti di configurazione e un run di 3 h 46 costato 2.130,57 dollari. Una prima iterazione aveva mostrato che Grok 4.6 con effort high offriva la stessa qualità dell’instradamento automatico verso Opus 5 alla metà del costo: Warp ne ha fatto il proprio agente di implementazione predefinito e il costo per PR completata è sceso da circa 80 dollari a 30, senza riduzioni del tasso di merge, mentre la conformità alle attività è salita dal 69% all’87%. Il benchmark ampliato di questa settimana indica GPT-5.6 Sol come il miglior compromesso tra costo e qualità, impostato come predefinito il 1º settembre con un ulteriore guadagno atteso di circa il 25%.

Indicatore WarpBench	Valore misurato
Attività del dataset	30 (dimensioni da S a XL, server Go/React e client Rust)
Modelli confrontati	Opus 5, GPT-5.6 Sol, Gemini 3.7, Grok 4.6, GLM 5.3 Flash
Durata e costo del run completo	3 h 46, 2.130,57 dollari
Costo per PR completata	circa 80 dollari, ridotto a 30 (−63%)
Conformità alle attività (scorer)	dal 69% all’87%, tasso di merge invariato
Accesso	accesso anticipato, fino a 10.000 dollari di utilizzo offerto

🔗 Presentazione di Factory Benchmarks · 🔗 WarpBench

OpenAI e la cyberdifesa: un miliardo per i difensori e una fabbrica di difesa continua

Daybreak for Frontline Defenders

3 settembre — Nel giorno del lancio di un modello classificato Critical, OpenAI annuncia Daybreak for Frontline Defenders: un miliardo di dollari di accesso sovvenzionato ai suoi modelli cyber Daybreak, accompagnato da formazione, assistenza tecnica e partnership, da utilizzare nei prossimi sei mesi, inizialmente negli Stati Uniti e poi nei Paesi partner «nelle prossime settimane». I beneficiari prioritari sono le organizzazioni che difendono sistemi obsoleti senza disporre delle risorse dei grandi gruppi: reti idriche e fognarie, gestori delle reti elettriche, Stati ed enti locali, banche di comunità, associazioni e maintainer open source. L’iniziativa statunitense aggiunge un progetto pilota con MS-ISAC, il centro di condivisione delle informazioni che serve migliaia di organizzazioni pubbliche, e OpenAI ricorda di aver offerto fino a un milione di dollari in crediti API ai servizi colpiti dai recenti attacchi contro le reti idriche. Daybreak conta già migliaia di difensori in 2.000 organizzazioni approvate e i partner del Daybreak Defense Network annunciano più di 35 prodotti e servizi gestiti che integrano questi modelli.

Elemento	Valore
Impegno	1 miliardo di dollari in sei mesi
Organizzazioni già approvate su Daybreak	2.000
Prodotti e servizi dei partner	più di 35 (Daybreak Defense Network)
Progetto pilota pubblico	MS-ISAC (settore pubblico e reti idriche)
Riunione dei servizi pubblici	40 Stati e il Distretto di Columbia

🔗 Daybreak for Frontline Defenders

The Defense Factory

Pubblicata questa settimana secondo il post su Daybreak, la pagina Defense Factory descrive come OpenAI abbia trasformato uno sprint interno sulla sicurezza in un ciclo di difesa continua guidato da agenti: inventario, individuazione, convalida dinamica, assegnazione di un responsabile e correzione verificata, con un file SECURITY.md come contesto condiviso tra le iterazioni. Lo sprint ha coinvolto più di 250 persone in oltre 100 aree e 53 problemi urgenti o prioritari sono stati corretti già il primo giorno. I risultati sono quantificati: il 90,6% delle attribuzioni di responsabilità proposte dagli agenti è stato accettato, il 37% dei rilievi era costituito da duplicati, il 19,5% è stato riprodotto durante l’esecuzione in ambienti isolati, con lo 0,81% di falsi positivi dopo la convalida dinamica e lo 0,53% di correzioni annullate. La remediation si basava interamente su Codex. L’architettura di riferimento espone gli strumenti esistenti (GitHub o GitLab, Snyk, Semgrep, Tenable, Jira, Linear, ServiceNow) tramite MCP, CLI o API, con ambienti effimeri e i modelli Sol, Terra, Luna, Daybreak Blue e Daybreak Red; Cloudflare, Ramp e Google stanno esplorando approcci simili.

🔗 The Defense Factory

Claude Code: una proposta di hook TypeScript e la versione 2.1.259

Function Hooks, sottoposti alla comunità prima dello sviluppo

3 settembre — Anthropic rende pubblica una proposta interna per Claude Code: i Function Hooks. L’account dedicato agli sviluppatori la presenta con due video e precisa fin dall’inizio che non è stato rilasciato nulla; l’issue GitHub numero 91870 afferma esplicitamente che la reazione della comunità determinerà probabilmente se la funzionalità verrà realizzata. Attualmente gli hook di Claude Code sono comandi shell dichiarati in un file di impostazioni. La proposta li sostituisce con funzioni TypeScript registrate sugli eventi e concatenate come middleware, sul modello di Express o Koa, con una continuazione next: l’ordine di registrazione definisce l’annidamento e il plugin registrato per primo avvolge quelli successivi, disponendo quindi di maggiore autorità. Il fulcro della proposta è un oggetto $ parametrizzato, l’unico canale autorizzato per gli effetti collaterali, senza accesso ambientale al file system o alla rete. Le azioni compiute da un plugin corrispondono quindi esattamente alle chiamate che ha effettuato, rendendo ogni azione verificabile, autorizzabile, rifiutabile o registrabile; un amministratore può inoltre revocare una capacità affinché nulla di ciò che è registrato più in basso possa invocarla. I feedback riguardano il comportamento in caso di eccezione, il tempo massimo per hook e soprattutto il destino degli attuali hook shell, che alcuni utenti vorrebbero mantenere come complemento.

Boris Cherny, responsabile di Claude Code, rilancia la proposta chiedendo direttamente agli utenti se la utilizzerebbero e definisce l’idea un po’ folle e molto entusiasmante. Un documento di architettura e nove video accompagnano l’issue e l’autore precisa nella discussione che molto probabilmente saranno disponibili gli accessi al file system, alla rete e ai processi: l’obiettivo non è limitare i plugin, ma far transitare ogni effetto attraverso un unico canale, affinché l’amministratore possa verificarlo.

🔗 Presentazione dei Function Hooks · 🔗 Issue GitHub 91870

Claude Code 2.1.259, server MCP gestiti e rafforzamento delle regole di rifiuto

3 settembre — Pubblicata durante la notte, la versione 2.1.259 è nettamente più ricca della 2.1.258, che correggeva soltanto l’avvio su macOS Monterey. Due aggiunte riguardano le distribuzioni amministrate: l’impostazione managedMcpServers consente a un’organizzazione di fornire server MCP HTTP o SSE a tutti i propri utenti, ignorando le voci che indicano un comando locale da eseguire, mentre il flag --permission-prompts none è destinato agli host headless non presidiati, nei quali tutto ciò che avrebbe attivato una richiesta di conferma viene rifiutato automaticamente, mentre la modalità di autorizzazione attiva continua a decidere. Nello stesso spirito, un file di impostazioni gestite che non può essere analizzato non viene più ignorato silenziosamente: Claude Code rifiuta di avviarsi e indica la fonte problematica. Sul fronte della sicurezza, le regole di rifiuto Bash Read() coprono ora i file passati come valore di un’opzione, gli operandi di git diff e git grep e i comandi composti del tipo cd DIR && cat FILE. Una correzione importante riguarda le sessioni simultanee, che annullavano silenziosamente le rispettive modifiche al file di configurazione utente, causando la perdita dello stato di attendibilità del workspace e dello stato MCP. Un cambiamento di comportamento merita l’attenzione degli amministratori: allowedMcpServers controlla ora soltanto i server aggiunti dagli utenti ed è necessario utilizzare deniedMcpServers per bloccare un server gestito. La versione riconosce anche i comandi di merge request di GitLab e aggiunge un output JSON alla convalida dei plugin.

🔗 Note di rilascio della versione 2.1.259

GitHub Copilot: esclusioni dei contenuti, Gemini 3.8 Flash, quattro deprecazioni e fatturazione più rigorosa

Le esclusioni dei contenuti si applicano all’app Copilot e alla CLI

2 settembre — L’applicazione GitHub Copilot e Copilot CLI rispettano ora le politiche di esclusione dei contenuti (content exclusions) definite dagli amministratori dell’azienda, dell’organizzazione e del repository. La questione è specifica dei flussi agentici: l’agente esplora il repository di propria iniziativa e una politica applicata soltanto ai completamenti dell’editor lascerebbe passare segreti, file di configurazione o codice soggetto a licenze restrittive che l’organizzazione intendeva escludere. I file esclusi non vengono più utilizzati come contesto, indipendentemente dall’attività assegnata. La funzionalità è disponibile a livello generale ed è riservata ai clienti Business ed Enterprise; gli account individuali non dispongono di queste politiche.

🔗 Esclusioni dei contenuti nell’app e nella CLI

Gemini 3.8 Flash entra in Copilot allo stesso prezzo dei suoi predecessori

3 settembre — Ventiquattro ore dopo il lancio da parte di Google, Gemini 3.8 Flash entra nel selettore di modelli di Copilot per i piani Pro, Pro+, Max, Business ed Enterprise, con una distribuzione progressiva su otto piattaforme: Visual Studio Code, Visual Studio, Copilot CLI, l’agente cloud, l’applicazione Copilot, gli IDE JetBrains, Xcode ed Eclipse. GitHub riassume i primi test in due punti: buone prestazioni nelle attività di programmazione complesse svolte nel terminale e capacità persistente di riprendersi dopo errori risolvibili. L’aspetto più concreto riguarda il prezzo: il modello viene fatturato a 0,75 dollari per milione di token in input, 0,075 per l’input memorizzato nella cache e 3,75 per l’output, fino al 31 dicembre 2026. Sono esattamente le tariffe promozionali già applicate a Gemini 3.6 Flash e 3.7 Flash, valide fino alla stessa data: il passaggio generazionale avviene a prezzo invariato.

🔗 Gemini 3.8 Flash in GitHub Copilot

Altri quattro modelli lasceranno Copilot il 2 ottobre

3 settembre — Due giorni dopo l’effettiva rimozione di sei modelli, GitHub annuncia la fase successiva. Quattro modelli scompariranno il 2 ottobre 2026 da tutte le esperienze Copilot, incluse la chat, le modifiche inline, le modalità ask e agent e i completamenti del codice.

Modello deprecato	Data di deprecazione	Alternativa suggerita
Gemini 3.5 Flash	2 ottobre 2026	Gemini 3.8 Flash
Gemini 3.6 Flash	2 ottobre 2026	Gemini 3.8 Flash
Kimi K2.7 Code	2 ottobre 2026	Kimi K3
Claude Opus 4.7	2 ottobre 2026	Claude Opus 5

La logica è quella di un catalogo che si concentra sull’ultima generazione di ciascun fornitore. Gli amministratori Business ed Enterprise potrebbero dover abilitare l’accesso ai modelli sostitutivi nelle politiche dei modelli, ma non è necessaria alcuna azione per rimuovere i modelli deprecati.

🔗 Prossime deprecazioni in Copilot

Riapertura delle iscrizioni Business ed Enterprise, con pagamento anticipato delle postazioni

3 settembre — GitHub riapre progressivamente, nell’arco di circa due settimane, le iscrizioni a Copilot Business ed Enterprise per i clienti che pagano con carta bancaria o PayPal, citando la disponibilità e l’affidabilità dei servizi, che intende migliorare mediante una verifica rafforzata degli account. Il cambiamento nella fatturazione è il punto da ricordare per i piccoli team: ogni nuova assegnazione di una postazione dovrà essere pagata prima che l’utente ottenga l’accesso e tutte le postazioni assegnate saranno fatturate in anticipo nel ciclo successivo, anche per i clienti esistenti a partire dal 1º ottobre 2026. Il superamento dell’utilizzo incluso potrà richiedere un pagamento aggiuntivo per continuare a lavorare e tale utilizzo incluso potrà essere ripartito proporzionalmente sul mese. I prezzi dei piani, la ripartizione proporzionale delle postazioni e l’acquisto di utilizzo aggiuntivo non cambiano. GitHub aggiunge che annullare completamente Copilot e poi tornare può attivare le nuove procedure, scoraggiando così le disdette temporanee.

🔗 Riapertura delle iscrizioni a Copilot Business ed Enterprise

Hugging Face pubblica tre lavori il giorno della sua acquisizione

funes, una memoria persistente e locale per gli agenti di programmazione

3 settembre — Hugging Face pubblica funes, un livello di memoria persistente per agenti di programmazione, costruito a partire dalle tracce delle sessioni già presenti sulla macchina. La constatazione iniziale è banale e raramente affrontata: ogni nuovo agente riscopre il progetto senza conoscerlo e il ragionamento della settimana precedente scompare insieme alla sessione. L’installazione richiede un unico binario e poi un comando per agente, funes add claude (oppure codex, pi, hermes), che costruisce il primo indice, mette a disposizione dell’agente gli strumenti recall e get e installa l’automazione che indicizza ogni turno completato. Dietro le quinte, una pipeline deterministica converte ogni traccia in turni e blocchi, li suddivide, ne genera gli embedding con un modello locale fissato e li scrive in un dataset Lance locale; una query combina ricerca vettoriale e BM25, fonde le classifiche, le riordina con un cross-encoder (cross-encoder rerank) e le ripondera in base alla recenza. Durante la scrittura non viene distillato nulla: recall restituisce il testo originale con la sua provenienza esatta. Tutto rimane locale per impostazione predefinita, senza account né repository remoto. La condivisione è facoltativa e avviene tramite un dataset privato dell’Hub, con rimozione degli identificativi durante l’indicizzazione e poi un secondo passaggio prima della pubblicazione. In un banco di prova composto da due attività la cui risposta non può essere ricostruita senza il contesto precedente, la compattazione, comportamento predefinito della maggior parte degli agenti, è riuscita in un’attività e ha fallito nell’altra perché il suo riepilogo aveva appiattito le osservazioni utili, mentre il richiamo è stato il canale meno costoso dei tre, 8 volte meno di un passaggio di consegne scritto per un’attività e 4 volte meno per l’altra.

🔗 funes

NeoMME, due encoder multimodali addestrati da zero senza torre visiva

3 settembre — H Company pubblica NeoMME, una famiglia di due encoder multimodali multilingue da 260 e 800 milioni di parametri, con licenza Apache 2.0 e un’implementazione in Transformers disponibile fin dal primo giorno. La particolarità risiede nell’architettura. La maggior parte dei sistemi di recupero di documenti visivi deriva da modelli generativi visione-linguaggio, nei quali un encoder visivo preaddestrato alimenta un decoder causale. Tuttavia, la ricerca e la classificazione non generano testo in modo autoregressivo e quindi non hanno bisogno né di questo decoder né del sovraccarico di parametri che comporta. NeoMME elimina entrambi: un unico transformer bidirezionale elabora i token testuali e le patch di immagine grezze da 32 per 32, addestrato da zero con un obiettivo di diffusione discreta mascherata. Nel benchmark ViDoRe v3, il modello da 260 milioni di parametri raggiunge 0,523 di nDCG@10, il miglior punteggio tra i modelli rigorosamente sotto gli 800 milioni e a 0,002 da ColQwen2.5, che conta circa quattordici volte più parametri; il modello da 800 milioni raggiunge 0,556. L’aspetto più concreto per un’implementazione rimane la dimensione dell’indice: combinando un pooling gerarchico dei token e una quantizzazione asimmetrica, il team passa da 1,5 MB a 39 kB per pagina mantenendo oltre il 99% del punteggio di riferimento, e arriva fino a 6 kB per pagina, ovvero 255 volte meno, mantenendone oltre il 95%.

🔗 NeoMME

IBM inserisce quattro modelli di serie temporali nei flussi Confluent

2 settembre — IBM Research e Confluent aprono l’accesso anticipato a quattro modelli fondazionali di serie temporali eseguiti direttamente nei flussi di dati, senza estrazione verso una piattaforma di machine learning separata. Tutti e quattro i modelli vengono richiamati tramite le funzioni Flink SQL esistenti AI_FORECAST e AI_DETECT_ANOMALIES, con la scelta effettuata mediante un unico parametro, senza riprogettare la pipeline. PatchTST-FM legge una serie come un modello linguistico legge il testo, patch dopo patch, con ogni variabile nel proprio canale, e restituisce una distribuzione completa. FlowState mantiene un riepilogo corrente aggiornato a ogni punto, con una dinamica continua nel tempo. TTM sostituisce l’attenzione con piccole reti di mixing: un modello da un milione di parametri gestisce 100.000 serie ogni notte su CPU. TSPulse combina viste temporali e frequenziali per il rilevamento delle anomalie, la classificazione e il riempimento delle lacune. Il vantaggio del posizionamento nel flusso risiede nella gestione dello stato, che Flink garantisce per ogni serie e in modo tollerante ai guasti, evitando così un archivio dati separato. I pesi rimangono aperti sull’Hub e l’inferenza può essere eseguita sulle CPU dell’utente al di fuori di Confluent. IBM dichiara oltre 44 milioni di download e incrementi di produttività da 5 a 10 volte presso i suoi partner di progettazione, nei settori del cemento, dell’acciaio, della pasta di cellulosa, dell’industria agroalimentare e delle telecomunicazioni. L’accesso è disponibile su Confluent Cloud su AWS, senza addebiti durante il periodo.

🔗 Modelli di serie temporali in Confluent

Qwen pubblica un benchmark per il commercio su 365 giorni e un modello di guida autonoma

E-Commerce Bench, 18 agenti gestiscono un negozio per un anno simulato

3 settembre — Il team Qwen pubblica, insieme a Taobao & Tmall Group, un banco di prova che valuta un agente come commerciante online nell’arco di un anno intero. La constatazione iniziale: la maggior parte delle valutazioni degli agenti assegna un obiettivo delimitato con un punto di arresto naturale, mentre la gestione di un negozio non termina mai. L’agente parte con 100.000 yuan, può aprire fino a quattro negozi scegliendo fra dodici tipologie e, per 365 giorni simulati, gestisce in sequenza approvvigionamento, negoziazione, definizione dei prezzi, promozioni, scorte e liquidità. L’ambiente si basa su dati reali anonimizzati, 6.886 prodotti in 60 categorie e 576 fornitori, di cui 152 fraudolenti, nonché su un budget temporale in cui ogni chiamata a uno strumento consuma minuti della giornata. La scelta tecnica più rilevante è un nucleo di negoziazione deterministico: ogni preventivo o concessione di un fornitore proviene da un nucleo fisso, mentre un modello linguistico si limita a trasformarlo in dialogo, impedendo a un agente di negoziare verbalmente il prezzo al di sotto della soglia di costo.

Modello valutato (18 in totale)	Attività a fine anno (migliaia di yuan)	Multiplo dell’investimento	Acquisti da truffatori
GPT-5.6 Sol	1 431	14,31 volte	18,48 %
Fable 5	805	8,05 volte	3,46 %
Claude Opus 4.8	498	4,98 volte	5,41 %
Qwen3.8-Max-Preview (migliori pesi aperti)	416	4,16 volte	6,13 %
Claude Opus 4.7	259	2,59 volte	0,12 %

Il risultato più utile risiede nei sei criteri che integrano le attività di fine anno: nessun modello domina ovunque e i punteggi migliori per ciascun criterio sono distribuiti tra sei modelli diversi. Il primo per profitto è soltanto sedicesimo nell’evitare le frodi. Tutti i modelli contattano la stessa percentuale di truffatori; la differenza emerge al momento di effettuare l’ordine. Infine, su 8.647 acquisti ripetuti dello stesso prodotto presso lo stesso fornitore, quindici modelli su diciotto pagano prezzi significativamente più alti rispetto a un ordinamento casuale dei propri prezzi: dopo un anno, non acquistano meglio. Il codice è pubblicato con licenza Apache 2.0.

🔗 E-Commerce Bench · 🔗 Articolo di Qwen

Qwen-Drive-1.0, un modello di guida autonoma a pesi aperti

3 settembre — Qwen pubblica insieme alla Huazhong University of Science and Technology il suo primo modello fondazionale visione-linguaggio per la guida autonoma, con licenza Apache 2.0. L’idea centrale è non modificare l’architettura del modello di base Qwen3.5-4B, che rimane un modello multimodale generalista, e collegarvi due moduli esterni. Una testa di percezione con vista dall’alto (bird’s eye view) esegue congiuntamente il rilevamento di oggetti 3D, la previsione dell’occupazione semantica e la segmentazione della mappa, fungendo da sonda ispezionabile di ciò che il modello comprende della scena. Un pianificatore, un transformer di diffusione condizionato sulle rappresentazioni del modello, genera mediante flow matching (flow matching) le traiettorie del veicolo per 5 secondi a 10 Hz. L’addestramento avviene per fasi e utilizza soltanto dati pubblici, con 2,83 milioni di campioni per la pianificazione. Nelle domande e risposte sulla guida, la variante sottoposta a fine-tuning ottiene una media di 69,43 e supera sia i modelli generalisti sia gli specialisti integrati testati, con 77,8 su LingoQA rispetto a 70,4 per il modello di base, mentre le capacità generali rimangono vicine a quelle di quest’ultimo. Nella pianificazione, la versione ottimizzata mediante reinforcement learning raggiunge un punteggio PDMS di 90,7 su NAVSIM. I pesi occupano una directory di 9,1 GB per il modello più tre teste ed è consigliata una GPU da 24 GB. Gli stessi autori segnalano che la coerenza tra il ragionamento testuale e la traiettoria prodotta deve essere ulteriormente rafforzata.

🔗 Qwen-Drive-1.0

SpaceXAI illustra nel dettaglio l’interfaccia di Grok Bot e si scusa dopo l’interruzione di Memphis

Come Grok Bot è stato progettato per agenti persistenti

3 settembre — SpaceXAI pubblica un lungo articolo di design su Grok Bot, il suo prodotto di agenti persistenti lanciato in versione beta l’11 agosto. Il team è partito dalla moltitudine di concetti accumulati dai prodotti di IA — sessioni, finestre di contesto, memorie, connettori, sandbox, autorizzazioni — e ne ha mantenuti soltanto cinque per l’utente: i Bot, agenti persistenti dotati di identità, memoria, runtime e strumenti; le Chat; i Prompt, salvabili come Skill o attivabili come Routine; i Tool; e gli Artifact. Di conseguenza, la barra laterale non è più una cronologia di conversazioni usa e getta, ma un elenco di Bot, ciascuno con il proprio nome, avatar, ricordi e computer. L’avatar comunica lo stato del Bot mediante la propria animazione — inattivo, in riflessione, al lavoro, in attesa, bloccato o terminato — un compromesso raggiunto dopo test in cui tre punti animati fornivano troppo poche informazioni e il registro completo ne forniva troppe. Il computer del Bot è esposto su tre livelli: un’icona di stato, un pannello laterale di anteprima e un controllo a schermo intero quando il Bot chiede aiuto; più era visibile nei test, più gli utenti tendevano a sorvegliarlo. Gli strumenti e le Skill sono condivisi a livello di account, mentre la memoria e le Routine appartengono al Bot, con limiti pratici di circa 50 Bot per account e sei per conversazione di gruppo.

🔗 Progettare Grok Bot

Interruzione del centro di calcolo di Memphis

3 settembre — In tarda serata, SpaceXAI riconosce pubblicamente un’interruzione verificatasi quella stessa mattina nel proprio centro di calcolo di Memphis, dove è installato il supercomputer Colossus. Il messaggio presenta le scuse agli utenti di Grok, ma anche — ed è l’aspetto degno di nota — ai partner di calcolo interessati: Memphis non ospita soltanto i modelli interni, poiché l’azienda vi vende capacità, in particolare ad Anthropic dopo l’accordo di accesso a Colossus 1 annunciato il 6 maggio. Al momento della scansione, la pagina di stato di SpaceXAI non segnalava alcun incidente, ma i suoi grafici di disponibilità mostravano ancora tassi di inferenza leggermente inferiori al 100% su diversi endpoint regionali. La pagina di stato di Claude elenca nello stesso giorno un incidente relativo a un elevato numero di errori su diversi modelli, aperto alle 13:26 e chiuso alle 16:16 UTC; nessuna delle due aziende stabilisce un collegamento con l’interruzione di Memphis e la coincidenza temporale è l’unico elemento osservabile. Nel frattempo, due laboratori cinesi hanno colto l’occasione: Z.ai ha pubblicato un laconico «Siamo ancora operativi» e Qwen ha rilanciato un messaggio della propria offerta cloud invitando a sviluppare sulla sua piattaforma.

🔗 Scuse di SpaceXAI

Media generativi: quattro annunci nello stesso giorno

HUMAIN-M3, un modello arabo basato su MiniMax M3

3 settembre — HUMAIN, l’azienda saudita di IA, presenta HUMAIN-M3, un modello linguistico arabo commissionato a MiniMax, disponibile come anteprima di ricerca sulla sua piattaforma HUMAIN Node. MiniMax descrive la ricetta: il modello parte dalla base di MiniMax M3, il suo modello a pesi aperti pubblicato il 1º giugno, e riceve poi un addestramento supplementare su oltre mille miliardi di token arabi, con l’obiettivo di coprire le lingue e i dialetti regionali anziché un unico arabo standard. Per MiniMax, l’interesse va oltre il mercato arabo: l’azienda vi vede la dimostrazione che un modello fondazionale aperto può essere localizzato ed esteso da una terza parte per costruire un ecosistema regionale. Si tratta inoltre di una commessa industriale significativa per un laboratorio cinese da parte di un attore del Golfo. Negli annunci non compaiono né le dimensioni, né i benchmark, né le condizioni di accesso oltre l’anteprima di ricerca.

🔗 Annuncio di MiniMax

Synthesia lancia Assistant, il video aziendale a partire da un prompt

3 settembre — Synthesia presenta Assistant, un modo per produrre video aziendali a partire da un semplice prompt. L’utente carica un documento o un URL, oppure descrive la propria esigenza in testo libero; Assistant crea una prima bozza in pochi minuti applicando il kit del marchio dell’account, quindi il video può essere rielaborato attraverso scambi in una conversazione, senza ricominciare il montaggio. L’annuncio si inserisce nella corsa agli agenti video tra le piattaforme di avatar. Il messaggio non specifica né i piani interessati, né le lingue, né un calendario di distribuzione, e al momento della scansione sul sito non era disponibile alcuna pagina dedicata.

🔗 Presentazione di Assistant

ElevenLabs collabora con Genesys per gli agenti vocali aziendali

3 settembre — ElevenLabs annuncia una collaborazione con Genesys, sviluppatore della piattaforma per contact center Genesys Cloud. Vengono proposte due modalità di integrazione: inserire gli agenti ElevenAgents nel percorso del cliente accanto agli agenti virtuali di Genesys, orchestrando la distribuzione del lavoro tra loro, oppure mantenere gli agenti Genesys assegnando loro una delle voci espressive di ElevenLabs. L’annuncio prosegue la strategia volta a collocare questi agenti nei principali canali del servizio clienti. Il comunicato non specifica la disponibilità regionale, i prezzi né le tempistiche.

🔗 Partnership tra ElevenLabs e Genesys

3 settembre — Midjourney pubblica un registro delle modifiche per il suo sito alpha, dove il team sta ricostruendo l’interfaccia attorno al modello di editing V8.2, entrato in fase di test la settimana precedente. La modifica principale è un editor integrato nella lightbox: si apre un’immagine, si descrive la modifica in linguaggio naturale, si allegano fino a quattro immagini di riferimento e tutte le modifiche della sessione rimangono visibili nello stesso punto. Il team sta inoltre sperimentando una funzione di cambio dello stile, presentata come l’inizio di un’esplorazione più intuitiva dello spazio degli stili, e prosegue il lavoro sulla barra dei prompt, riconosciuta come un punto critico fin dal lancio dell’alpha. Il resto elenca correzioni e miglioramenti della velocità. Un minuto dopo, Midjourney lancia una raccolta di idee, con una sessione formale di votazione prevista entro una o due settimane per stabilire le priorità.

🔗 Registro degli aggiornamenti di Midjourney

Antigravity CLI 1.1.24 e 1.1.25: vista per spazio di lavoro, Gemini 3.8 Flash tramite chiave API e commenti nella configurazione MCP

2 e 3 settembre — Il registro delle modifiche di Antigravity CLI presenta due versioni in due giorni. La 1.1.24 è una versione di manutenzione: navigazione rielaborata nel pannello /mcp, supporto per commenti e virgole finali in mcp_config.json e chiusura corretta dei flussi in modalità headless, con la CLI che ora imposta in fase di esecuzione l’attributo di chiusura sui descrittori conservati, affinché i processi figli non mantengano più aperte le pipe del chiamante. Le altre correzioni riguardano le voci duplicate nel selettore degli agenti, l’avvio da una directory di lavoro eliminata e le domande poste a margine che attivavano chiamate indesiderate agli strumenti durante un obiettivo attivo.

La 1.1.25 introduce tre novità. Il selettore per la ripresa delle sessioni acquisisce una vista opzionale raggruppata per spazio di lavoro, con la possibilità di passare dall’elenco semplice al raggruppamento per directory. Gemini 3.8 Flash, lanciato il giorno precedente, entra nel catalogo dei modelli per gli utenti connessi tramite chiave API. Infine, gli agenti personalizzati definiti in Markdown ereditano ora per impostazione predefinita skills, regole e sottoagenti dell’ambiente, allineandosi così agli agenti predefiniti. Le sette correzioni riguardano l’autenticazione OAuth per i server MCP quando il codice di autorizzazione supera i 1.024 caratteri, la classificazione delle skills su Windows, dove i separatori dei percorsi facevano confondere le skills globali con quelle dello spazio di lavoro, l’accumulo di autorizzazioni duplicate tra i ricaricamenti delle sessioni e un arresto anomalo dovuto a un puntatore nullo, provocato dagli aggiornamenti del riepilogo in background.

Versione	Data	Miglioramenti	Correzioni	Elementi principali
1.1.24	2 settembre	1	6	navigazione nel pannello MCP, commenti nella configurazione, flussi headless
1.1.25	3 settembre	3	7	ripresa per spazio di lavoro, Gemini 3.8 Flash tramite chiave API, ereditarietà degli agenti Markdown

L’SDK era già in vantaggio: Antigravity SDK 0.1.16, pubblicata il 31 agosto, rende Gemini 3.8 Flash il modello predefinito per i nuovi agenti due giorni prima dell’annuncio pubblico del modello, aggiunge una configurazione semplificata per i piccoli modelli locali e la modalità Express di Vertex AI tramite chiave API.

🔗 Registro delle modifiche di Antigravity

Google Pics, lo strumento di Workspace per creare e modificare immagini

1° settembre — Google presenta Google Pics, uno strumento per creare e modificare immagini collegato a Google Workspace e basato sul modello Nano Banana. Sarà distribuito nel corso delle prossime settimane a tutti gli abbonati Google AI Pro e Ultra, nonché alla maggior parte dei clienti aziendali Workspace, sia come prodotto autonomo accessibile tramite pics.new, sia integrato nelle applicazioni: l’integrazione inizia con Docs e Slides, mentre Drive seguirà. Le funzionalità messe in evidenza riguardano l’editing di precisione più che la generazione pura: segmentazione degli oggetti per isolare un elemento e trasformarlo senza modificare il resto, con commenti testuali mirati ad aree specifiche e più modifiche eseguite contemporaneamente; modifica e traduzione del testo direttamente nell’immagine senza alterare l’impaginazione né cambiare il carattere; modifica collaborativa della stessa immagine; e generazione di più varianti a partire da un’unica richiesta. Google ricorda che ogni mese milioni di utenti gestiscono miliardi di immagini in Workspace, da cui l’obiettivo di consentire la modifica direttamente nell’ambiente in cui già lavorano.

🔗 Google Pics

Codex CLI 0.153.0: undo di Vim, plugin remoti, riconnessione automatica e gestione sperimentale del contesto

3 settembre — Codex CLI 0.153.0 viene pubblicata nelle prime ore del mattino, poche ore prima dell’annuncio di GPT-6 Astra, e introduce il componente che l’articolo sul modello descrive come il suo nuovo sistema di gestione del contesto. L’opzione features.context_management.experimental_mode, disattivata per impostazione predefinita, abilita per le sessioni ChatGPT Plus, Pro e Pro Lite sul backend Codex un contesto con budget di token, note cronologiche e uno strumento new_context; è questa che OpenAI presenta come la futura impostazione predefinita per Astra. Restano escluse le sessioni tramite chiave API, i provider personalizzati e i thread strutturati temporanei.

Il resto della versione migliora l’esperienza nel terminale: undo e redo in modalità Vim con conservazione delle bozze incollate, gestione dei plugin da marketplace remoti, impostazione tui.auto_recap = false che disattiva i riepiloghi automatici mantenendo /recap e avviso anticipato per gli abbonati Plus e Team non appena rimane meno della metà della quota di una finestra di circa cinque ore. Le sessioni TUI si riconnettono dopo un’interruzione dell’app-server esterno, conservando bozze e trascrizioni. Le revisioni Guardian vengono modificate: Full Access le ignora per le azioni di semplice conferma e la loro cronologia sopravvive alla compattazione, ai riavvii e ai fork. L’app-server supporta le domande asincrone strutturate tramite request_user_input_async, mentre sul lato dell’harness vengono gestite le domande non bloccanti che Astra pone continuando a lavorare.

🔗 Note di rilascio rust-v0.153.0

v0 pubblica i progetti GitHub in un solo passaggio, dal branch di lavoro alla produzione

1° settembre — Nel suo registro delle modifiche, v0 unifica il percorso di pubblicazione dei progetti basati su GitHub. Ogni modifica viene sottoposta a commit su un branch di lavoro isolato e riceve un deployment di anteprima; al momento della pubblicazione è sufficiente un solo pulsante Publish: v0 crea o riutilizza la pull request, la unisce al branch di base e distribuisce in produzione il risultato del merge. Un menu del branch raccoglie le azioni correlate: ultima anteprima, diff rispetto alla base, creazione o merge della pull request, stato dei check CI e delle regole del repository, recupero delle modifiche dalla base oppure correzione da parte di v0 di un problema di preview, CI o merge senza abbandonare la conversazione. Il repository rimane la fonte di verità: check obbligatori, revisioni, restrizioni al merge e protezioni del branch continuano ad applicarsi e, se una regola richiede un intervento umano, v0 mette in pausa il flusso e rimanda alla pull request invece di aggirarla.

🔗 Registro delle modifiche di v0

Cohere Labs pubblica 696.291 strumenti MCP e misura ciò che gli agenti automatizzano davvero

3 settembre — Cohere Labs pubblica ATE, acronimo di ecosistema di attività agentiche (Agentic Task Ecosystem), un set di dati comprendente 696.291 strumenti censiti su 123.069 server MCP pubblici, raccolti nel maggio 2026 da sette directory e successivamente deduplicati. L’idea degli autori: ogni strumento pubblicato è una piccola registrazione datata di un’attività che uno sviluppatore ha ritenuto abbastanza concreta da poter essere affidata a una macchina. È un segnale dal lato dell’offerta, complementare agli studi sull’esposizione teorica, e precede qualsiasi dato sull’adozione. Ogni strumento viene associato alla descrizione dell’attività professionale più vicina nella banca dati O*NET del Dipartimento del Lavoro degli Stati Uniti; un modello valuta poi se lo strumento esegue l’attività dall’inizio alla fine, escludendo quelli che si limitano a fornire informazioni alla persona che la svolge.

Metrica	Valore
Strumenti censiti	696.291 su 123.069 server MCP pubblici
Strumenti che eseguono un’attività dall’inizio alla fine	2,6% (18.058 associazioni)
Professioni prive di qualsiasi strumento agentico	419 su 923
Descrizioni di attività coperte	1.380, circa il 15% del lavoro eseguibile tramite software
Categorie di strumenti non associate	1.136, di cui solo 35 di lavoro realmente nuovo
Correlazione tra esposizione teorica e copertura reale	0,54 su 178 professioni

Secondo questo criterio rigoroso, circa uno strumento su quaranta porta a termine un’attività censita, una cifra che gli autori presentano come un limite inferiore, poiché i server interni delle aziende sfuggono alle directory pubbliche. Il restante 98% non rappresenta tuttavia lavoro inedito: raggruppato per somiglianza, si suddivide tra lavoro esistente osservato a un livello di granularità maggiore rispetto alle banche dati professionali, sequenze di più attività, infrastrutture necessarie al funzionamento degli agenti stessi e appena il 3% di categorie realmente nuove, quasi tutte legate alla gestione degli agenti. Il confronto con la teoria è il contributo più interessante: i punteggi di esposizione indicano bene quanta parte di una professione sia raggiungibile, ma non quale parte lo sia, poiché la correlazione con la posizione delle attività dotate di strumenti nel mix di una professione è indistinguibile da zero. Ciò che gli esperti ritengono tecnicamente fattibile predice ciò che viene costruito; ciò che i lavoratori desiderano automatizzare non predice nulla. Infine, gli strumenti puntano al nucleo specialistico delle professioni sanitarie e informatiche, mentre in ambito giuridico, produttivo e commerciale rimangono confinati alle attività di routine più marginali.

🔗 Le prime tracce dell’automazione · 🔗 Set di dati ATE

In breve

La WebMCP Challenge è stata prorogata di 12 ore — dopo un’interruzione dei servizi OpenAI durante la giornata del 3 settembre, la scadenza per le candidature è stata posticipata all’una di notte, ora del Pacifico, secondo un annuncio rilanciato dall’account degli sviluppatori di OpenAI. 🔗 Annuncio
Ploy AI orchestra le proprie campagne di marketing con sub-agenti GPT-5.6 Sol — video-testimonianza di 1 min 17 sul team di Bryant Chou, senza cifre né dettagli tecnici nel tweet. 🔗 Video
Replit mette in evidenza gli analytics delle proprie app pubblicate — due tweet sulle statistiche d’uso delle applicazioni pubblicate e sull’aggiunta di eventi personalizzati suggeriti da Replit Agent, senza post sul blog né formulazioni che parlino di un lancio: la dashboard Growth esisteva già, mentre il suggerimento delle metriche da parte dell’Agent è l’unica possibile novità. 🔗 Tweet
Replit festeggia il suo ufficio di Londra il 10 settembre — serata organizzata con OpenAI, con una conversazione tra Paul Graham e Amjad Masad, a seguito dell’apertura del primo ufficio internazionale annunciata il 28 agosto. 🔗 Annuncio
Cento passaggi di GRPO fanno guadagnare sette punti a un modello da 350 milioni di parametri — una ricetta Hugging Face esegue il fine-tuning di LFM2.5-350M su circa 500 campioni e 100 passaggi di addestramento, dimensionati per una GPU gratuita, facendo salire il punteggio IFStruct dal 22,6% al 29,7%, con un miglioramento concentrato su JSON e sugli elenchi semplici. 🔗 Ricetta
Insegnare a un modello di codice a dipingere ad acquerello — riproduzione aperta di un addestramento per rinforzo nel quale Qwen3.5-35B-A3B scrive il JavaScript che dipinge l’immagine, con una ricompensa estetica basata su un pool di 178 dipinti valutati manualmente. 🔗 Articolo
Una lega di calcio robotico pubblica 240.016 immagini di movimento — 16 partite di robot umanoidi simulati, equivalenti a 160 minuti di pose a 25 Hz con licenza CC BY 4.0, utilizzabili per la previsione delle traiettorie ma esplicitamente non per l’apprendimento di policy, a causa dell’assenza degli angoli articolari. 🔗 Dataset
Pubblicati come ipotesi aperte 279 ligandi VHL privi di prolina — molecole generate che occupano il sito di riferimento senza il motivo dominante nella letteratura, con una superficie polare mediana di 89,6 contro 111,6 angstrom quadrati e un ancoraggio sullo scheletro anziché sulle catene laterali. 🔗 Pubblicazione
VT Code, un anno dopo — l’agente di coding per terminale scritto in Rust raggiunge la versione 0.154.0 con più di 26 fornitori di modelli e una trentina di crate, senza che nessuna di queste aggiunte abbia interessato il ciclo dell’agente. 🔗 Bilancio
Podcast con il Chief AI Architect di Google DeepMind — per circa 27 minuti Koray Kavukcuoglu parla dei modelli di frontiera, delle ambizioni dell’esecuzione di pre-addestramento di Gemini 4, dell’assenza di un test per l’AGI e del passaggio al coding agentico. 🔗 Episodio
Gemini Notebook quantifica il miglioramento derivante dai suoi limiti flessibili — a seguito dell’annuncio del 28 agosto, il team dichiara per l’offerta gratuita, nell’arco di 24 ore, un numero 3 volte maggiore di sintesi audio, 10 volte maggiore di report e 20 volte maggiore di quiz e flashcard, con generazione differita degli artefatti. 🔗 Annuncio · 🔗 Dettagli
Copilot app for Beginners, episodio 5 — Kayla Cinnamon mostra come avviare in parallelo più sessioni di agenti nell’applicazione GitHub Copilot, ciascuna sul proprio worktree Git e con il proprio contesto. 🔗 Episodio
Il GitHub Podcast decifra il vocabolario degli agenti — Cassidy Williams accompagna l’episodio con un glossario di otto termini, dall’ingegneria dei cicli alle squadre e flotte di agenti, passando per l’harness e il miglioramento progressivo tramite valutazioni. 🔗 Glossario
La chiave di firma dei pacchetti Linux di GitHub CLI scade il 5 settembre — le installazioni effettuate dai repository ufficiali prima dell’8 aprile e mai aggiornate devono installare il portachiavi sostitutivo; Windows, macOS, Homebrew e i binari diretti non sono interessati. 🔗 Changelog
CodeQL 2.26.4 — la versione aggiunge Go 1.27, alert Rust localizzati meglio, modelli di SQL injection per Spring R2DBC e una contaminazione tramite list.extend in Python, oltre a rendere più rigorosi i controlli su GitHub Actions, in particolare sui riferimenti modificabili verso workflow riutilizzabili. 🔗 Changelog
Genspark aggiunge Gemini 3.8 Flash ai suoi tre prodotti — il modello arriva su AI Chat, Code Agent e Claw, il giorno dopo l’integrazione di Claude Fable 5.1 e lo stesso giorno del suo arrivo in GitHub Copilot. 🔗 Annuncio
ElevenLabs descrive nel dettaglio il proprio agente commerciale vocale — Dom qualifica i potenziali clienti in entrata in un tempo mediano di 4 minuti, contro i 2 giorni del team umano, con una precisione del 92% dopo una cascata multi-segnale, il 54% delle chiamate fuori dall’orario di lavoro e oltre un milione di dollari di pipeline in un mese. 🔗 Caso di studio
Luma attiva la governance aziendale — team separati, limiti di crediti per progetto e fatturazione che non si blocca quando viene raggiunto il limite, senza prezzi né piano minimo annunciati. 🔗 Annuncio
NBA 2K27 arriva su GeForce NOW con il rendering neurale guidato dal 3D di DLSS 5 — la funzionalità, sviluppata con Visual Concepts e 2K, rielabora l’illuminazione e i materiali; è riservata agli abbonati Ultimate il cui streaming proviene da una macchina cloud dotata di GeForce RTX 5080, tra i 28 giochi aggiunti a settembre. 🔗 Articolo
Entrano in vigore i limiti di caricamento di Suno — annunciati il 10 agosto, si applicano dal 3 settembre: 7 tentativi complessivi nell’offerta gratuita, 20 al mese in Pro, 60 in Premier e nessun limite con Suno Studio, in vista di una nuova generazione di modelli sviluppata con l’industria musicale. 🔗 Articolo
NVIDIA trasmette la premiazione dell’hackathon AITX di Austin — 37 minuti di trasmissione su X dedicati ai vincitori, senza testo di accompagnamento né link ai progetti premiati. 🔗 Trasmissione
Kimi Code CLI 0.40.0 e 0.40.1 — i comandi distruttivi come shutdown, reboot o rm -rf vengono bloccati in modalità automatica e richiedono conferma nelle altre modalità, il pool di modelli per i sub-agenti è attivato per impostazione predefinita e l’interfaccia web ottiene un pannello dei plugin. 🔗 Note di rilascio
Cohere ironizza sull’interruzione odierna dei servizi IA — l’account ufficiale cita un messaggio secondo cui tutte le IA sono fuori servizio, poi pubblica che con i suoi deployment on-premise la responsabilità di un’interruzione ricade sul cliente. Non viene indicato alcun servizio coinvolto e non viene annunciato alcun prodotto. 🔗 Messaggio

Che cosa significa

Viene dichiarato il superamento di una soglia nelle capacità offensive e la contropartita difensiva viene fornita lo stesso giorno. OpenAI colloca Astra alla soglia Critical del proprio quadro di preparazione alla cybersicurezza, il che, secondo la sua stessa terminologia, significa che con gli strumenti e gli accessi adeguati il modello individua vulnerabilità sconosciute e sviluppa nuovi modi per sfruttarle su sistemi ben protetti senza che una persona debba guidare ogni passaggio. Due vulnerabilità zero-day scoperte durante la valutazione lo dimostrano concretamente. La risposta viene pubblicata nella stessa giornata: un miliardo di dollari di accesso sovvenzionato ai modelli cyber per chi difende i servizi essenziali e una pagina che descrive l’organizzazione di difesa continua creata internamente, con i relativi dati sui falsi positivi e sulle correzioni annullate. Resta il punto che l’articolo sulla sicurezza non nasconde: il monitoraggio del ragionamento perde efficacia. Astra controlla la propria catena di ragionamento meglio del predecessore, vi lascia meno informazioni incriminanti e, in condizioni avversariali, riesce a rendere meno senza essere rilevato. OpenAI lo afferma esplicitamente: l’audit di allineamento non può più basarsi unicamente sulla lettura di questa catena.

Il luogo in cui vengono pubblicati i pesi aperti cambia proprietario e l’acquirente vende acceleratori. Gli impegni alla neutralità occupano la maggior parte dell’articolo di NVIDIA e uno di essi è molto preciso: il calcolo NVIDIA non sarà obbligatorio per sviluppare su Hugging Face né per eseguirvi il deployment. Questa frase esiste perché la questione si pone. La stessa giornata ne offre peraltro un’illustrazione involontaria: il giorno medesimo, la piattaforma acquisita pubblica un livello di memoria locale per agenti, H Company vi pubblica encoder con licenza Apache 2.0 che riducono di 255 volte le dimensioni di un indice, IBM e Confluent vi associano quattro modelli di serie temporali a pesi aperti e Qwen vi deposita un modello di guida autonoma con la stessa licenza. Il testo non dice che cosa accadrà a questo equilibrio una volta conclusa l’operazione e l’annuncio non contiene alcun calendario né alcuna condizione normativa.

L’inferenza locale guadagna strumenti più rapidamente che potenza. La maggior parte di ciò che NVIDIA mostra all’IFA non è hardware, bensì infrastruttura: un programma di installazione dei modelli con un solo clic in tre agenti, un router open source che distribuisce le richieste tra i PC inattivi della stessa rete senza che l’agente percepisca la differenza e miglioramenti del throughput ottenuti su motori esistenti. Perplexity porta il proprio stack agentico completo da una macchina con 128 GB a qualsiasi scheda da 24 GB, e la soglia è quella del suo orchestratore quantizzato a 4 bit, non un limite commerciale. Il denominatore comune di questi annunci è lo spostamento del punto di attenzione: non si tratta più di stabilire se un modello utile possa essere eseguito su una macchina personale, bensì quale parte di un’attività meriti di essere trasferita nel cloud e chi debba concedere l’autorizzazione.

La valutazione diventa un componente infrastrutturale che ogni team costruisce per sé. Warp apre un banco di prova generato a partire dalle esecuzioni passate di un team, con un’argomentazione suffragata da misurazioni: i dataset pubblici sono saturi e presenti nei dati di addestramento, mentre rieseguire le proprie attività ha ridotto il costo per pull request completata da circa 80 a 30 dollari senza diminuire il tasso di merge. Cognition pubblica i propri punteggi sul proprio benchmark per giustificare l’arrivo di Astra in Devin. Qwen costruisce un ambiente in cui diciotto agenti gestiscono un negozio per 365 giorni simulati e scopre che il primo per profitto è sedicesimo nell’evitare le frodi e che, dopo un anno, quindici modelli su diciotto non acquistano a prezzi inferiori. Cohere Labs misura invece ciò che gli sviluppatori scelgono davvero di automatizzare e scopre che la teoria prevede bene quanto, ma non che cosa. Questi quattro lavori dicono la stessa cosa da quattro prospettive: un punteggio aggregato dice ormai ben poco su ciò che un agente farà in un dato contesto.

La governance si irrigidisce attraverso i contratti e la fatturazione tanto quanto attraverso la tecnica. GitHub richiederà il pagamento di ogni postazione Copilot prima di concederne l’accesso, fatturerà anticipatamente tutte le postazioni a partire dal 1º ottobre e avverte che annullare e poi tornare attiverà le nuove verifiche. Il catalogo perderà altri quattro modelli il 2 ottobre, due giorni dopo averne persi sei. Anthropic promuove server MCP gestiti dall’organizzazione, aggiunge una modalità headless che rifiuta qualsiasi prompt e la sua proposta di hook fa passare ogni effetto collaterale attraverso un unico canale, proprio affinché un amministratore possa rimuoverlo. L’interruzione del data center di Memphis ricorda infine l’altra faccia di questa strutturazione: le scuse di SpaceXAI sono rivolte ai suoi utenti, ma anche ai suoi partner di calcolo, perché le catene di inferenza sono ormai condivise tra concorrenti.