Claude Sonnet 5 disponibile su tutti i piani, Claude Science in beta, Amp lancia gli Orbs

Il 30 giugno 2026 segna una giornata intensa per l’ecosistema IA: Anthropic lancia simultaneamente Claude Sonnet 5 — il suo modello Sonnet più agentico, ora predefinito sui piani Free e Pro con una finestra nativa di 1 milione di token — e Claude Science, un ambiente di lavoro specializzato per i ricercatori scientifici che integra il BioNeMo Agent Toolkit di NVIDIA. Sul fronte degli strumenti di sviluppo, Amp distribuisce gli Orbs, macchine cloud dedicate all’esecuzione di agenti non supervisionati, mentre Google mette a disposizione degli sviluppatori Nano Banana 2 Lite e Gemini Omni Flash. OpenAI pubblica a sua volta GeneBench-Pro, un benchmark di livello ricerca in biologia computazionale.

Claude Sonnet 5 — modello predefinito Free e Pro, contesto di 1 milione di token

30 giugno — Anthropic lancia Claude Sonnet 5, il suo nuovo modello della famiglia Sonnet progettato come il più agentico fino a oggi. Sonnet 5 riduce il divario con Opus 4.8 sui benchmark agentici (BrowseComp, OSWorld-Verified) pur mantenendo tariffe inferiori, e diventa il modello predefinito per i piani Free e Pro fin dal giorno del lancio.

Caratteristica	Valore
Identificatore API	`claude-sonnet-5`
Finestra di contesto	1 milione di token (nativa)
Prezzo input (promo)	$2 per milione di token
Prezzo output (promo)	$10 per milione di token
Piani predefiniti	Free, Pro
Disponibilità	API, tutti i piani Claude

Tra le capacità messe in evidenza: pianificazione autonoma, uso di strumenti su più passaggi, esecuzione di compiti complessi su codice legacy (brownfield code) e migliore aderenza alle convenzioni di codice. Sul piano della sicurezza, Sonnet 5 presenta un tasso di comportamenti indesiderati complessivamente inferiore a Sonnet 4.6, ma mostra capacità leggermente superiori su alcuni compiti di cybersicurezza senza addestramento specifico; viene quindi lanciato con protezioni in tempo reale tramite il Cyber Verification Program. La System Card completa è disponibile su anthropic.com.

Disponibilità estesa: Sonnet 5 è inoltre disponibile in disponibilità generale in GitHub Copilot (piani Pro, Pro+, Max, Business ed Enterprise, con zero retention dei dati per Business ed Enterprise, selezionabile in VS Code, JetBrains, Xcode, CLI, github.com, iOS e Android) e in Microsoft Foundry su GPU NVIDIA GB300 NVL72.

🔗 Annuncio Anthropic — Claude Sonnet 5

Claude Code v2.1.197 — Sonnet 5 come modello predefinito

30 giugno — La versione 2.1.197 di Claude Code accompagna il lancio di Sonnet 5 rendendolo il modello predefinito nello strumento CLI. La finestra di contesto nativa di 1 milione di token è direttamente accessibile nelle sessioni Claude Code. La tariffazione promozionale di $2/$10 per milione di token è valida fino al 31 agosto 2026. Per beneficiare di questo modello predefinito è necessario un aggiornamento alla versione 2.1.197.

🔗 Release v2.1.197 — Claude Code

Claude Science — workbench scientifico in beta con NVIDIA BioNeMo

30 giugno — Anthropic annuncia la disponibilità in beta di Claude Science, un ambiente di lavoro IA progettato appositamente per i ricercatori scientifici. L’app riunisce in un unico spazio gli strumenti normalmente frammentati: database specializzati, Jupyter, R, terminali di cluster HPC, esecuzione GPU on demand.

Funzionalità	Descrizione
Agente coordinatore	+60 skill e connettori preconfigurati (genomica, single-cell, proteomica, biologia strutturale, chemiinformatica)
Artefatti riproducibili	Figure e manoscritti con codice esatto, ambiente e cronologia completa
Gestione del calcolo	Laptop, cluster HPC via SSH, o GPU on demand (Modal) — da 1 a centinaia di GPU
Agente revisore	Verifica le citazioni, convalida i calcoli, corregge gli errori in tempo reale
Fork di sessione	Confronta due approcci senza perdere il filo originale
Rendering scientifico nativo	Strutture 3D delle proteine, tracce genomiche, strutture chimiche

Disponibilità: beta aperta per i piani Pro, Max, Team ed Enterprise su macOS e Linux (https://claude.com/science). È previsto un piano Team a tariffa ridotta per i laboratori accademici e le organizzazioni non profit.

Integrazione NVIDIA BioNeMo Agent Toolkit: Claude Science è il primo ambiente a integrare il BioNeMo Agent Toolkit in produzione, consentendo ai ricercatori di accedere agli strumenti accelerati GPU di NVIDIA tramite il linguaggio naturale:

Strumento BioNeMo	Prestazioni
NVIDIA Parabricks	Analisi genomica: ore → minuti
RAPIDS-singlecell	1,3 milioni di cellule pretrattate in 25 secondi (contro 52 min senza GPU)
nvMolKit	Chemiinformatica 3 000× più rapida (similarità, conformeri)
BioNeMo open models	Evo 2, Boltz-2, OpenFold3
BioNeMo NIM	Microservizi di inferenza pronti per la produzione

Feedback dalla beta: l’Allen Institute (Jérôme Lecoq) redige revisioni scientifiche di oltre 100 pagine con agenti attore-critico, riducendo il tempo da 2 anni a poche settimane. L’UCSF Brain Tumor Center (Stephen Francis) conferma un’accelerazione ×10 nelle analisi epidemiologiche dei gliomi.

Programma di grant IA for Science: fino a 50 progetti selezionati riceveranno ciascuno fino a $30 000 di crediti Claude, più fino a $2 000 di compute Modal per alcuni progetti. Candidature fino al 15 luglio 2026, notifica dei vincitori entro il 31 luglio.

🔗 Annuncio Anthropic — Claude Science

Amp : Agents in Orbs — macchine cloud per l’esecuzione di agenti non supervisionati

30 giugno — Amp lancia gli Orbs, macchine cloud dedicate progettate per eseguire agenti di coding senza supervisione, anche quando la macchina locale è spenta.

Caratteristica	Valore
RAM	32 GB per orb
CPU	16 core per orb
Tariffazione	$1,66/h fatturati al minuto
Avvio	Rapido con sospensione automatica

Un orb si avvia con un singolo comando dal terminale o dal TUI Amp: amp -ox "<prompt>". Il controllo rimane identico a un’esecuzione locale: code review, navigazione dei file, terminale integrato. Le modifiche vengono sincronizzate con la macchina locale tramite amp sync <thread-id>. È possibile far girare più agenti in parallelo senza conflitti di risorse locali, e accedere allo stato di ciascun agente dal web, dal CLI o dal mobile.

Il modello di fatturazione al minuto — con sospensione automatica tra le operazioni attive — è pensato per minimizzare i costi quando l’agente attende input o esegue operazioni di input/output. Questa proposta colloca Amp nello stesso territorio di Claude Code Remote di Anthropic, con una differenza notevole: un’intera macchina dedicata per agente (32 GB, 16 core) invece di un contenitore condiviso.

Dal punto di vista del workflow, gli Orbs consentono di avviare un agente in background a fine giornata e trovare pull request pronte da rivedere la mattina seguente, da qualsiasi dispositivo.

🔗 Annuncio Amp — Agents in Orbs

Nano Banana 2 Lite e Gemini Omni Flash disponibili via API

30 giugno — Google DeepMind lancia simultaneamente due nuovi modelli per gli sviluppatori: Nano Banana 2 Lite per la generazione di immagini ad alta velocità e Gemini Omni Flash per il video conversazionale.

Nano Banana 2 Lite (gemini-3.1-flash-lite-image)

Dimensione	Valore
Latenza	4 secondi per immagine
Costo	$0,034 per 1 000 immagini
Disponibilità	Gemini API, Google AI Studio, Gemini Enterprise Agent Platform

Sostituzione raccomandata del modello legacy gemini-2.5-flash-image: qualità migliore, velocità superiore, costo inferiore. Il modello mantiene la fedeltà ai prompt, la coerenza dei personaggi e il rendering del testo nell’immagine nonostante la priorità data alla velocità. È distribuito anche nelle superfici consumer: AI Mode in Search, app Gemini, NotebookLM, Google Photos, Google Flow e Google Ads.

Gemini Omni Flash (gemini-omni-flash-preview)

Dimensione	Valore
Costo	$0,10 al secondo di video
Durata massima	10 secondi (durate più lunghe annunciate)
Disponibilità	Gemini API, Google AI Studio, Gemini Enterprise Agent Platform

Il modello punta all’editing video conversazionale tramite linguaggio naturale, con referencing multimodale (immagini + testo + video in input), sincronizzazione testo/grafica e watermarking SynthID integrato. Limitazioni attuali: durata limitata a 10 secondi, riferimenti audio ed estensione della scena non supportati via API, coerenza dei personaggi tra cambi di scena ancora perfettibile.

Catena immagine → video: la Interactions API gestisce la cronologia di sessione per modifiche sequenziali fino a 3 consecutive, consentendo di generare rapidamente un’immagine con Nano Banana 2 Lite e poi animarla con Gemini Omni Flash. Google dimostra questa catena in tre applicazioni: Anywhere (trasporto in luoghi iconici), Space Lift (design d’interni) e Omni Product Studio (e-commerce immagine→video).

🔗 Annuncio Google DeepMind — Nano Banana 2 Lite e Gemini Omni Flash

GeneBench-Pro — un benchmark di biologia computazionale di livello ricerca

30 giugno — OpenAI pubblica GeneBench-Pro, un benchmark di livello ricerca che misura la capacità degli agenti IA di ragionare in biologia computazionale. Il concetto centrale è il research taste — la sequenza di giudizi che orienta un’analisi: quali domande consentono ai dati di esplorare, quando un piano iniziale deve essere rivisto, come i primi riscontri diagnostici devono modificare l’approccio.

Copertura: 129 domande distribuite in 10 domini — genetica statistica, genomica delle popolazioni, genetica quantitativa, genomica regolatoria, genomica funzionale, proteomica, genomica clinica, genomica del cancro, genomica microbica e genetica forense.

Risultati:

Modello	Punteggio (livello di ragionamento max)	Punteggio (modalità Pro)
GPT-5.6 Sol	28,7 %	31,5 %
GPT-5 (baseline alla costruzione)	< 5 %	—

GPT-5.6 Sol risolve quasi 6 volte più domande di GPT-5.2 usando approssimativamente due terzi dei token. A questo ritmo di progresso, il benchmark potrebbe essere saturato entro la fine del 2026. Un esperto umano stimerebbe che un problema GeneBench-Pro richieda 20-40 ore di lavoro, cioè migliaia di dollari; l’inferenza IA costa pochi dollari per problema.

Metodo: i problemi sono costruiti in modo sintetico (struttura causale nota, dati simulati) per evitare bias di valutazione (ground-truth leakage). Open source: 10 domande rappresentative sono pubblicate su Hugging Face; un sottoinsieme di 50 domande sarà fornito ad Artificial Analysis per un benchmark terzo indipendente.

🔗 Annuncio OpenAI — GeneBench-Pro

Together AI a ICML 2026: 8 paper di ricerca aperta

30 giugno — Together AI pubblica il riepilogo dei suoi 8 paper accettati a ICML 2026 (Seoul, 6–11 luglio). La ricerca copre l’intera pila (full stack): agenti, addestramento, ottimizzazione algoritmica, sistemi e kernel GPU.

Paper	Strato	Risultato chiave
ThunderAgent	Agenti	Fino a 3,6× di throughput agent
TTT-Discover	Agenti	Supera i migliori umani (modello open 120B, ~$500)
Aurora	Algoritmi	1,25× speedup aggiuntivo in produzione (MiniMax M2.1 229B)
Untied Ulysses	Sistemi	5M token su un singolo nodo 8×H100 (−87,5 % memoria di attenzione)
OEA	Sistemi	Fino a 39 % più veloce nel decoding MoE

TTT-Discover applica RL al test-time: ogni tentativo diventa dati di addestramento per il successivo, e batte il best-of-N in 4 domini (matematica, kernel GPU, algoritmica competitiva, biologia cellulare) con un modello aperto 120B per ~$500 di simulazione. Untied Ulysses raggiunge 5M token su un singolo nodo 8×H100 (−87,5 % di memoria di attenzione). Codice e kernel pubblicati in open source.

🔗 Blog Together AI — ICML 2026

ADK Go 2.0 — motore di workflow multi-agente con human-in-the-loop

30 giugno — Google pubblica la versione 2.0 dell’Agent Development Kit (ADK) per Go, framework ufficiale per costruire agenti Gemini. Questa versione introduce un motore di workflow basato su grafi come primitiva di primo livello.

Novità principali: composizione di agenti complessi con primitive di grafo in Go nativo (senza DSL separato), human-in-the-loop (HITL) integrato per gli scenari che richiedono una validazione umana, orchestrazione dinamica con resilienza automatizzata (backoff esponenziale, gestione degli errori, retry) e un runtime unificato condiviso tra agenti semplici e grafi complessi per semplificare telemetria e persistenza dello stato. ADK per Go completa l’esistente SDK Python portando le prestazioni e la sicurezza del type system del linguaggio nella composizione di agenti multi-step.

🔗 Google Developers Blog — ADK Go 2.0

Copilot Agent in JetBrains AI Assistant

30 giugno — JetBrains e GitHub annunciano l’integrazione di GitHub Copilot come agente di primo livello nel selettore di agenti (agent picker) di JetBrains AI Assistant, in aggiunta al plugin Copilot esistente.

L’integrazione si basa sul protocollo ACP (Agent Communication Protocol) e permette: la scelta del modello Copilot direttamente nell’interfaccia, la regolazione della profondità di ragionamento e attività di programmazione complesse multi-step in cui Copilot ragiona nel progetto, propone modifiche, esegue comandi e itera. Prossimi passi annunciati: supporto NES (Next Edit Suggestions), invocazione di skills riutilizzabili per i workflow comuni e un’orchestrazione più profonda tra gli strumenti nell’IDE.

🔗 GitHub Changelog — Copilot Agent in JetBrains

Budget IA per utente per i cost center Enterprise Copilot

30 giugno — Gli amministratori Enterprise possono ora definire un budget IA per utente su un centro di costo (cost center). Il budget si applica automaticamente a tutti i membri del centro di costo, inclusi gli aggiunti successivamente tramite i team Enterprise. Ordine di precedenza: budget individuale > budget del centro di costo > budget universale. Il budget copre sia l’uso del pool incluso sia l’uso aggiuntivo, e può bloccare un utente prima dell’esaurimento del pool. Disponibile dal 30 giugno solo tramite API REST; l’interfaccia di fatturazione seguirà.

🔗 GitHub Changelog — Budget IA per utente

Claude su NVIDIA GB300 Blackwell Ultra in Azure — disponibilità generale

29-30 giugno — I modelli Claude di Anthropic sono ora generalmente disponibili in Microsoft Foundry, ospitati su Azure e accelerati dalle GPU NVIDIA GB300 Blackwell Ultra (sistemi NVL72 con rete Quantum-X800 InfiniBand).

L’integrazione include il NVIDIA Secure Agent Workspace Reference Design, che copre governance dell’identità, rete, credenziali e policy di esecuzione a livello infrastrutturale — un framework progettato per le aziende soggette a rigorosi requisiti di conformità. Gli agenti Claude possono accedere a skills NVIDIA verificate per capacità specifiche di dominio. Questa disponibilità generale segue la partnership tripartita Microsoft × NVIDIA × Anthropic annunciata nel novembre 2025.

🔗 Blog NVIDIA — Claude su GB300 Blackwell Ultra Azure

NVIDIA Omniverse + Metropolis: agenti vision IA per l’industria

30 giugno — NVIDIA pubblica tre workflow completi per costruire agenti vision IA in grado di operare all’edge industriale, combinando Omniverse (simulazione OpenUSD), Metropolis (deployment video IA) e Cosmos (modelli di fondazione per il mondo fisico).

1. Ispezione visiva (Roboflow + Corning): lo skill Defect Image Generation abbinato a NVIDIA Cosmos genera dati sintetici di difetti a partire da immagini reali. Risultato sul benchmark Corning: 95 % di precisione media con solo 8 immagini reali e recall perfetto sulla classe più difficile. Un progetto che richiedeva diversi trimestri si riduce a pochi giorni.

2. Città intelligenti (Linker Vision a Kaohsiung): −85 % di effort di sviluppo, −80 % di tempo di risposta agli incidenti. La pipeline usa Cosmos per l’aumento video, TAO per il fine-tuning e VSS per la ricerca, il riassunto e gli alert.

3. Operazioni industriali presso Foxconn (linee GB300): tramite DeepHow — 99 % di precisione nella verifica delle procedure standard, +3 % di rendimento al primo passaggio.

🔗 Blog NVIDIA — Omniverse + Metropolis Vision AI

Brevi

Claude Code v2.1.196 — modelli predefiniti dell’organizzazione — Gli amministratori possono definire il modello predefinito dalla console dell’organizzazione; gli utenti vedono comparire «Org default» (o «Role default») nel comando /model se non hanno selezionato personalmente un modello. 🔗 Release v2.1.196
Hugging Face — Every Eval Ever (EEE) integrato nelle Community Evals — HF rende interoperabili le sue Community Evals con lo schema EEE (Every Eval Ever, EvalEval Coalition, febbraio 2026): i risultati di valutazione compaiono sulle pagine dei modelli HF con attribuzione verificata, e uno strumento community_evals_converter automatizza la conversione HF → EEE con revisione umana prima di ogni push. 🔗 Blog Hugging Face — EEE
OpenAI — bug di 18 anni in GNU libunwind corretto — Post di engineering di Nathan Bronson: una race condition di una sola istruzione in _Ux86_64_setcontext di GNU libunwind (risalente alla prima implementazione x86_64) causava crash in Rockset. Le tre condizioni di attivazione (alto tasso di eccezioni, alto tasso di segnali, signal handler che consuma molta stack) erano presenti solo in OpenAI. Correzione: migrazione a libgcc e fix upstream per GNU libunwind. 🔗 OpenAI Engineering — Core dump epidemiology

Cosa significa

La nuova generazione di modelli e l’economia del contesto da 1 milione di token. Claude Sonnet 5 a $2/$10 per milione di token con una finestra nativa da 1 milione di token ridefinisce il calcolo economico degli agenti di lunga durata: dove i prezzi entry-level richiedevano di troncare il contesto, ora è possibile includere intere basi di codice o sessioni di lavoro prolungate senza costi aggiuntivi. La migrazione di Claude Code a questo modello predefinito fin dal giorno del lancio, e la disponibilità generale in GitHub Copilot e Microsoft Foundry su GB300, segnalano una strategia di distribuzione ampia e simultanea: Sonnet 5 non è un modello da laboratorio, è un’infrastruttura di produzione distribuita fin dall’inizio sui principali canali enterprise.

L’IA come infrastruttura della ricerca scientifica. Claude Science, GeneBench-Pro, l’integrazione BioNeMo e gli 8 paper ICML di Together AI convergono su un unico segnale: l’IA sta iniziando a inserirsi nel processo scientifico stesso, non solo negli strumenti periferici. Claude Science orchestra cluster HPC e genera artefatti riproducibili con storico completo. GeneBench-Pro misura il research taste — la capacità di concatenare giudizi su analisi di 20-40 ore — e vi vede un fattore di miglioramento di 6× tra GPT-5 e GPT-5.6 Sol. TTT-Discover di Together AI va oltre mostrando che un modello aperto da 120 miliardi di parametri, apprendendo in uso per circa $500 di simulazione, può superare i migliori esperti umani in 4 domini scientifici. Questi movimenti simultanei tracciano i contorni di un’infrastruttura scientifica guidata dall’IA, con economie di scala che rendono accessibili analisi un tempo riservate ai grandi laboratori.

Gli agenti cloud come standard di esecuzione asincrona. Amp Orbs e Copilot Agent in JetBrains AI Assistant illustrano due declinazioni dello stesso movimento: portare gli agenti fuori dal contesto di una sessione sincrona. Amp propone macchine dedicate (32 GB, 16 core, $1,66/h) per agenti di coding non supervisionati che lavorano mentre lo sviluppatore dorme. Copilot in JetBrains si inserisce nel selettore di agenti dell’IDE nativo per attività multi-step guidate dal ragionamento. In entrambi i casi, l’agente diventa un collaboratore asincrono capace di prendere decisioni in un ambiente di lavoro reale, non solo un assistente interattivo.

I media generativi entrano nell’economia delle pipeline per sviluppatori. Nano Banana 2 Lite a $0,034 per 1.000 immagini e Gemini Omni Flash a $0,10/s di video con chaining tramite l’Interactions API cambiano l’equazione per le applicazioni di e-commerce, gaming e intrattenimento: generare 10.000 immagini di prodotto costa 34 centesimi, e ogni immagine può essere animata per 40 centesimi. L’infrastruttura NVIDIA GB300 e i workflow Omniverse + Metropolis completano il quadro sul lato industriale — vision IA all’edge con risultati misurati (−85 % di tempo di sviluppo a Kaohsiung, 99 % di precisione sulle linee Foxconn) — e mostrano che la generazione di media esce dal dominio della sperimentazione per diventare uno strato operativo.