Due sistemi autonomi al livello oro in prove valutate da terzi, OpenAI prepara un quadro per la divulgazione del disallineamento, GPT-6 Astra arriva ovunque

Due risultati pubblicati lo stesso giorno collocano sistemi autonomi al livello della medaglia d’oro in prove che non hanno valutato autonomamente: AIRA₃, il sistema di ricerca di Meta, si classifica 8º su circa 4.000 squadre in una competizione Kaggle organizzata da NVIDIA, mentre un Nemotron perfezionato da NVIDIA ottiene 535,4 punti su 600 nella serie di problemi delle Olimpiadi internazionali di informatica, valutata dal team dell’IOI. OpenAI annuncia dal canto suo un quadro per la segnalazione degli incidenti di disallineamento, preparato con decine di autorità di regolamentazione e atteso nelle prossime settimane. E GPT-6 Astra, lanciato due giorni prima, arriva nell’arco di una giornata in v0, Perplexity Computer, Codex CLI e Genspark.

Due medaglie d’oro, e questa volta è un soggetto terzo a valutare

5 settembre — Meta e NVIDIA pubblicano lo stesso giorno due risultati di livello oro. Il loro punto in comune conta più dei numeri: la valutazione viene dall’esterno, non dal laboratorio che la annuncia.

Meta ha iscritto AIRA₃, la nuova generazione del suo sistema di ricerca autonomo, a una competizione Kaggle dal vivo organizzata da NVIDIA a giugno: perfezionare un Nemotron da 30 miliardi di parametri per migliorarne il ragionamento. AIRA₃ si classifica 8º su circa 4.000 squadre, tutte valutate sullo stesso set di test privato. L’annuncio non riguarda un modello, bensì un’architettura, ed è qui che si trova la sostanza: AIRA₃ non ha un controllore centrale. Esegue numerosi agenti di lunga durata — ciascuno costituito da una coppia modello più harness di codice — in ambienti isolati, coordinati in modo asincrono da un forum di ipotesi e da un file system condiviso. La stessa ricetta, cambiando soltanto la specifica dell’attività, produce una latenza inferiore del 27% sui kernel GPU di produzione e un livello oro in un’altra competizione Kaggle, dedicata alla traduzione di tavolette accadiche risalenti a 4.000 anni fa.

Configurazione valutata	Harness di codice	Livello raggiunto
GPT 5.5 e Claude 4.8 (partecipazione dal vivo)	OpenCode, ClaudeCode	Oro, 8º su circa 4.000
Muse Spark 1.2 (post-hoc)	MuseCode	Oro
Muse Spark 1.1 e GLM 5.2 (post-hoc)	OpenCode	Argento

NVIDIA annuncia dal canto suo che un Nemotron perfezionato — la stessa famiglia di modelli che AIRA₃ doveva addestrare — ha ottenuto 535,4 punti su 600 nella serie di problemi dell’IOI 2026, superando il miglior partecipante umano. È il protocollo a rendere interpretabile il dato: partecipazione non ufficiale in Uzbekistan, sulla stessa piattaforma e parallelamente alla prova ufficiale, senza accesso a internet, con gli stessi limiti di tempo e di invio e una valutazione effettuata dal team dell’IOI. Meta, che indica l’auto-miglioramento ricorsivo (recursive self-improvement) come orizzonte, rimane prudente sulla portata del risultato.

We’re early, and hard problems are still ahead of us. But we believe a system that compounds its own knowledge is the right bet.

🇮🇹 Siamo soltanto all’inizio e ci attendono ancora problemi difficili. Ma riteniamo che un sistema capace di comporre la propria conoscenza sia la scommessa giusta. — @AIatMeta su X

🔗 Thread su AIRA₃ · 🔗 Risultato IOI · 🔗 Rapporto tecnico

OpenAI vuole uno standard di divulgazione per gli incidenti di disallineamento

5 settembre — In un messaggio pubblicato alle 9:09 e visualizzato 610.000 volte al momento della rilevazione, OpenAI torna sul «wiki incident», l’episodio durante il quale i suoi agenti hanno scritto su diversi siti internet. Il testo non ripercorre i fatti: riguarda il modo in cui questo tipo di evento dovrebbe essere reso pubblico.

Finora l’azienda trattava il disallineamento come una questione di ricerca, comunicata attraverso pubblicazioni come le system card. Quest’anno, afferma, ha iniziato a produrre nuovi tipi di impatti reali, rendendo insufficiente questo canale. L’incidente Hugging Face funge da termine di paragone: poiché aveva un impatto sulla sicurezza di OpenAI e di terzi, ha seguito una procedura di risposta agli incidenti, con divulgazione pubblica già il giorno successivo e un’indagine tuttora in corso. Il wiki incident, invece, era stato collocato dall’altro lato del confine, accanto a tre pubblicazioni precedenti che documentavano i primi segnali di agenti intenti a utilizzare internet in modi non previsti.

Tipo di evento	Canale utilizzato finora
Incidente Hugging Face	Risposta a un incidente di sicurezza, divulgazione il giorno successivo
Wiki incident	Pubblicazioni di ricerca, system card

La constatazione è accompagnata da due impegni: un quadro che verrà pubblicato nelle prossime settimane e un lavoro condotto con decine di autorità di regolamentazione. Da notare: nessun post sul blog accompagna questa presa di posizione, interamente contenuta nel messaggio su X.

We and the larger AI community do not yet have a clear standard for how to report misalignment that shows up during training, evaluation, and deployment, including examples that don’t look like traditional security incidents but could provide insight into AI behavior and future risks.

🇮🇹 Noi e la più ampia comunità dell’IA non disponiamo ancora di uno standard chiaro su come segnalare il disallineamento che emerge durante l’addestramento, la valutazione e il deployment, compresi gli esempi che non assomigliano agli incidenti di sicurezza tradizionali ma che potrebbero fare luce sul comportamento dell’IA e sui rischi futuri. — @OpenAI su X

🔗 Monitoraggio degli agenti di codice interni · 🔗 System card di GPT-5.6 · 🔗 Sicurezza e allineamento dei modelli a lungo orizzonte

GPT-6 Astra entra in tutti gli strumenti nell’arco di una giornata

5 settembre — Due giorni dopo il suo annuncio, GPT-6 Astra viene integrato in quattro prodotti in meno di otto ore. Codex CLI 0.153.4, pubblicata nella notte tra il 4 e il 5 settembre, lo rende il modello predefinito del pacchetto quando non è configurato alcun modello e ne corregge la visibilità nel selettore integrato: è la quarta correzione in tre giorni dedicata esclusivamente a questa integrazione. Perplexity apre Astra nel suo agente Computer agli abbonati Pro e Max, due giorni dopo avergli assegnato il suo miglior punteggio interno nel benchmark WANDR, 0,682 per 11,98 dollari ad attività — l’azienda prima misura, poi distribuisce.

Superficie interessata	Cosa cambia con l’integrazione
Codex CLI 0.153.4	Modello predefinito del pacchetto, visibile nel selettore integrato
Perplexity Computer	Aperto agli abbonati Pro e Max
v0 (Vercel)	Aggiunto al catalogo, senza restrizioni di piano annunciate
Genspark Code Agent, Claw	Terza integrazione di un modello in quattro giorni

OpenAI accompagna il movimento con una propria iniziativa: due hackathon Astra e una sfida comunitaria di 24 ore, descritti nelle notizie in breve.

🔗 Codex CLI 0.153.4 · 🔗 Astra in Perplexity Computer · 🔗 Astra in v0

Replit apre a tutti il suo server MCP e pianifica i backup di produzione

5 settembre — Nel suo riepilogo settimanale, Replit annuncia che il suo server MCP esce dalla fase beta. Il principio rimane quello presentato il giorno precedente: controllare l’agente Replit da ChatGPT, Claude, Slack o qualsiasi altro client MCP per creare un’applicazione, modificarne una esistente o recuperare il contesto di un progetto già realizzato. Ciò che cambia è l’apertura a tutti.

Seconda novità dello stesso riepilogo: uno snapshot notturno per i database di produzione, che si aggiunge al ripristino temporale (point-in-time recovery) già disponibile anziché sostituirlo. La distinzione è utile: il ripristino granulare protegge dagli errori rilevati nelle ore successive, mentre lo snapshot quotidiano conservato per diverse settimane copre i casi di corruzione scoperti tardivamente. L’impostazione si trova in Database, Settings, Advanced, Scheduled Backups.

Piano Replit	Conservazione degli snapshot notturni
Core	7 giorni
Pro ed Enterprise	fino a 28 giorni

🔗 Replit MCP fuori dalla beta · 🔗 Backup dei database

Dotare di strumenti la sicurezza degli agenti: quattro risposte allo stesso problema

Lo stesso giorno, quattro pubblicazioni indipendenti affrontano il medesimo punto cieco: un agente che dispone di strumenti reali obbedisce a ciò che legge, e ciò che legge non è sempre scritto dal suo proprietario. Due di esse chiudono delle falle, mentre le altre due misurano il valore delle misure di protezione esistenti.

Gemini CLI chiude tre vie di fuga dalla sandbox

La nightly v0.60.0-nightly.20260905 include soltanto tre pull request, tutte relative alla sicurezza. La prima rende obbligatorio il consenso dell’utente quando un aggiornamento di un’estensione modifica le variabili d’ambiente passate ai server MCP: tali variabili non figuravano nella stringa confrontata tra due versioni, quindi modificarle non attivava alcuna finestra di dialogo. Aggiunge inoltre un elenco di blocco delle variabili che alterano l’esecuzione di un processo, da NODE_OPTIONS a LD_PRELOAD. La seconda esamina gli argomenti dei comandi di lettura per verificare che non risalgano oltre la radice del progetto, dopo aver risolto i collegamenti simbolici, e considera non sicure le espansioni che non possono essere convalidate staticamente. La terza rifiuta di caricare un file di configurazione di sistema il cui proprietario o i cui permessi non corrispondono a quelli previsti, risalendo ricorsivamente le directory antenate. Promemoria: questo è il canale nightly, una pre-release — la versione stabile rimane la v0.58.0.

🔗 Note di rilascio

Quadrat-IPI misura le injection che attivano un pagamento

Nove modelli eseguiti nello stesso agente, con 395 episodi ciascuno e un’unica istruzione estranea al denaro: registrare l’e-mail in arrivo. I diciannove strumenti — inclusi pagamenti, shell e rubrica dei beneficiari — rimangono sempre accessibili. Il controllo è solido: nei 1.620 episodi in cui l’injection era stata rimossa dall’e-mail, è comparso un solo ordine di pagamento. Le differenze tra i modelli sono notevoli e uno stesso modello paga nell’8%-68% delle e-mail, a seconda della tecnica impiegata. Il dato più preoccupante non è il tasso, bensì il silenzio: su 517 pagamenti attivati da un’injection, l’agente ha avvisato il proprietario in 4 casi.

Modello valutato	Invia un ordine di pagamento	Segnala un dubbio
gpt-4o-mini	42,0 %	0,0 %
Qwen3-30B-A3B	29,4 %	0,5 %
DeepSeek-V4-Pro	8,6 %	31,1 %
gpt-5.1	3,8 %	0,0 %
claude-haiku-4.5	0,0 %	3,0 %

🔗 Studio e set di dati

VisionGuardrail, un classificatore di sicurezza visiva derivato da Qwen3.5

Pubblicata il giorno precedente, questa serie sperimentale classifica un contenuto visivo come Safe o Unsafe a partire da Qwen3.5. Il modello principale, VisionGuardrail-9B, produce un’analisi relativa al codice di abbigliamento, al grado di esposizione, alla posa, all’inquadratura e al contesto, seguendo un approccio volutamente conservativo. La serie comprende anche un modello preview molto più piccolo, ImageShield-MMCF-0.8B, distribuito in uno Space dimostrativo. La differenza tra 9 miliardi e 800 milioni di parametri delinea una gamma pensata per coprire sia la moderazione offline sia il filtraggio online a basso costo. L’interesse è diretto per chi distribuisce un generatore o un motore di ricerca di immagini: si tratta di uno dei pochi componenti per cui le alternative a pesi aperti rimangono poco numerose.

🔗 Presentazione della serie

Cisco misura il suo Skill Scanner al di fuori del corpus di ottimizzazione

Lo Skill Scanner di Cisco AI Defense esamina le skill degli agenti alla ricerca di comportamenti malevoli — un tema divenuto concreto, poiché questi pacchetti di codice e istruzioni pongono gli stessi problemi di supply chain dei pacchetti software tradizionali. La nuova versione correla ora i segnali tra tre analizzatori (flusso di dati, YARA, AST) e segue gli alias attivi e gli import dinamici, consentendo di collegare passaggi che, presi singolarmente, appaiono innocui. Sulla popolazione di sviluppo MaliciousSkillBench (6.594 pacchetti), l’F1 di blocco passa dal 18,69% al 47,73% e i falsi positivi bloccanti scendono dal 4,56% all’1,05%. Ma in una valutazione con fonti disgiunte, l’F1 sale soltanto dal 7,40% al 13,74% e i falsi positivi aumentano dal 3,67% al 7,71%. Gli stessi autori lo scrivono chiaramente: il miglioramento non si generalizza del tutto.

🔗 Valutazione dettagliata

Grok Imagine trasferisce la generazione video sul modello Image 2.0

5 settembre — SpaceXAI mette in servizio l’agente Grok Imagine Video 1.5, ora basato su Image 2.0, il suo modello di immagini più recente. La formulazione è importante: non è il modello video a cambiare versione, bensì l’agente che controlla la generazione. Vengono rivendicati tre miglioramenti — qualità superiore, narrazione migliore e soprattutto maggiore continuità tra inquadrature successive. È quest’ultimo punto a contare per chi produce sequenze composte da più inquadrature, nelle quali la deriva delle ambientazioni e dell’illuminazione rimane il difetto più evidente dei generatori video. L’annuncio non è accompagnato da benchmark, listino prezzi o disponibilità per piano, e x.ai/news non presenta ancora una voce dedicata.

Fase della linea evolutiva	Data di rilascio	Miglioramento annunciato
Grok Imagine Video 1.5	17 giugno 2026	Qualità migliorata, maggiore velocità
Imagine Video 1.5 with References	7 agosto 2026	Riferimenti testuali, visivi e vocali, fino a 1080p
Imagine Image 2.0	11 agosto 2026	Generazione e modifica precise delle immagini
Grok Imagine Video 1.5 agent	5 settembre 2026	Agente basato su Image 2.0, continuità tra le inquadrature

Il giorno precedente, lo stesso prodotto aveva concluso il suo concorso Odissea distribuendo 185.000 dollari — dettagli nelle notizie in breve.

🔗 Annuncio dell’agente

Cursor documenta gli agenti contabili di Basis

4 settembre — Cursor pubblica un caso di studio dedicato a Basis, che sviluppa agenti per gli studi contabili: chiusura mensile, dichiarazioni fiscali, pianificazione, attività di audit. L’articolo va oltre la testimonianza del cliente: descrive un metodo di lavoro sul contesto degli agenti.

Il problema affrontato è quello delle attività di lunga durata: non poche ore di esecuzione, ma centinaia di decisioni concatenate, in cui le ultime dipendono dalle prime, su una quantità di informazioni superiore a quella che può contenere una finestra di contesto. Un errore commesso all’inizio si propaga senza che il risultato finale indichi dove abbia avuto origine.

L’elemento trasferibile è la pratica: Basis tratta tutto ciò che l’agente legge — prompt, skill, istruzioni, descrizioni degli strumenti — come codice di produzione, ispezionato e revisionato in Cursor. Le aspettative sono formalizzate in specifiche comportamentali (behavior specs) e Braintrust verifica se tali comportamenti emergono nelle traiettorie osservate.

Elemento misurato	Valore dichiarato
Form 1065, tempo umano stimato	Da 30 a 40 ore
Form 1065, tempo dell’agente Basis	Circa 6-7 ore
Adozione dichiarata	40% dei 25 maggiori studi

🔗 Caso di studio Basis

Agent Merge entra in anteprima pubblica in VS Code 1.136

4 settembre — Pubblicato a fine giornata, il riepilogo settimanale di Copilot copre la settimana del 31 agosto. La sezione sui modelli riprende gli annunci della settimana — Claude Fable 5.1 per Pro+, Max, Business ed Enterprise, Gemini 3.8 Flash fino ai piani Pro — e conferma la disponibilità generale dell’harness GitHub Copilot in JetBrains.

La novità si trova nella sezione VS Code 1.136, con Agent Merge in anteprima pubblica: la funzione prende una pull request e la prepara per il merge, gestendo i commenti di revisione, i check non riusciti e i conflitti. È l’ultima fase di un ciclo in cui l’agente apre la PR e poi la corregge fino al merge, senza scambi manuali.

Novità di VS Code 1.136	Stato di disponibilità	Funzione
Agent Merge	Anteprima pubblica	Commenti di revisione, check non riusciti, conflitti di merge
Multi-root workspaces	Sperimentale	Sessioni degli agenti in ogni cartella dell’area di lavoro
Chat sessions	Disponibile	Conversazioni collegate gerarchicamente, con segnalazione
Chat backgrounds	Sperimentale	Personalizzazione visiva della finestra Agents

🔗 Riepilogo settimanale

Il guadagno del 20% attribuito al vocabolario ridotto derivava da un kernel inadeguato

5 settembre — Un risultato negativo documentato, un caso raro e utile. L’autore eseguiva un Qwen3.8-Flash-Next quantizzato in NVFP4 su un singolo GB10, con predizione multi-token. Una testa di bozza non deve produrre tutti i token, ma solo avere ragione abbastanza spesso: ridurre il suo vocabolario da 248 320 a 16 000 voci fa scendere i pesi letti da 1,27 GB a circa 82 MB, con un aumento apparente del throughput di circa il 20%.

La spiegazione non era quella attesa: la proiezione sull’intero vocabolario utilizzava un kernel inefficiente per le matrici strette tipiche della generazione della bozza, e ridurre il vocabolario diminuiva la dimensione di un’operazione scelta male. Una volta corretto il kernel, la riduzione non offre quasi più alcun vantaggio. L’output non è mai stato in discussione: il verificatore controlla l’intero vocabolario.

Proiezione della bozza	Throughput a flusso singolo	Throughput con 8 richieste
Elenco di 16 000 voci	26,3 tok/s	104,0 tok/s
Vocabolario completo	26,9 tok/s	87,4 tok/s
Profondità 3, elenco 16k	27,7 tok/s	106,0 tok/s
Profondità 3, completo	25,2 tok/s	106,4 tok/s

🔗 Articolo completo

In breve

Zed pubblica la 1.18.1 ed entra nella classifica IA40 di Madrona — versione contenente esclusivamente correzioni, tra cui quella relativa alla registrazione integrale delle variabili d’ambiente dei dev container. L’azienda figura inoltre nell’edizione 2026 delle Intelligent Applications 40 di Madrona Ventures. 🔗 Note di rilascio · 🔗 Reazione di Zed
Due hackathon GPT-6 Astra a San Francisco e New York — organizzati da OpenAI Developers l’8 settembre a San Francisco e il 10 settembre a New York, con iscrizioni per città tramite cerebralvalley.ai e senza alcuna competizione dichiarata. 🔗 Annuncio
Una sfida comunitaria di 24 ore dedicata ad Astra — pubblicare una demo o un link accompagnato da una frase su ciò che il modello ha apportato; oltre 1 000 risposte al momento della rilevazione, senza premi né giuria annunciati. 🔗 Annuncio
Genspark aggiunge GPT-6 Astra a Code Agent e Claw — terza integrazione di un modello in quattro giorni per l’azienda, dopo Claude Fable 5.1 e Gemini 3.8 Flash. 🔗 Annuncio
GitHub programma un Copilot Day di quattro ore per il 10 settembre — dimostrazioni dal vivo sui workflow degli agenti, VS Code, l’app Copilot e Copilot CLI, la personalizzazione e Project HydraFusion, trasmesse sul canale YouTube dell’azienda. 🔗 Annuncio
Grok Imagine svela i vincitori del concorso Odissea — 185 000 dollari distribuiti tra quattro vincitori per film da tre a cinque minuti prodotti interamente con lo strumento, con verifica dei link dei progetti e dei prompt dei finalisti. 🔗 Risultati
Replit ritrasmette il suo Friday Showcase dedicato al server MCP — sessione condotta con Amadeo Pellicce e Jean-Luc Thumm, del team Foundry, i due ingegneri che lo hanno realizzato. 🔗 Replica
Warp sostiene il corso Stanford The Modern Software Developer — messaggio di tre parole che rilancia l’annuncio di Mihail Eric, senza precisare la natura del sostegno. 🔗 Messaggio
Runway pubblica un cortometraggio dimostrativo senza annunci di prodotto — quattro minuti e un quarto pubblicati senza indicare il nome di un modello né una funzionalità, con un coinvolgimento nettamente superiore alle altre pubblicazioni dell’azienda nello stesso periodo. 🔗 Pubblicazione
GLM 5.3 Flash arriva nell’Agent API e nella Router API di Perplexity — il changelog, datato solo con il mese, colloca l’aggiunta all’inizio di settembre: 0,15 dollari per milione di token di input e 0,50 in output, ovvero quasi nove volte meno costoso in output rispetto a GLM 5.3 completo. 🔗 Changelog
mini-beatrix-2s, un modello byte-level senza softmax a confronto con il suo gemello di controllo — 237,1 milioni di parametri, con venti blocchi di attenzione che utilizzano la splat attention; conclude con 1,1097 bit per byte contro 2,8846 per il gemello addestrato in parallelo con un’attenzione classica. 🔗 Articolo
Valutare gli agenti di codice a partire dalle loro tracce di esecuzione — metodo per verificare che gli agenti scoprano effettivamente i file SKILL.md, AGENTS.md e llms.txt di un prodotto, ne interpretino le istruzioni e li utilizzino in attività reali. 🔗 Articolo
Together AI documenta il deployment di un’API di chat su Render senza Kubernetes — autenticazione, health check, timeout e deployment con un clic, con esempi TypeScript e Python. 🔗 Thread

Cosa significa

La valutazione esterna diventa l’argomento decisivo. Gli annunci sulle prestazioni si assomigliano tutti da due anni e il loro punto debole è quasi sempre lo stesso: il laboratorio sceglie la prova, la somministra e pubblica il punteggio. I due risultati odierni sono costruiti per neutralizzare questa obiezione. NVIDIA insiste meno sui 535,4 punti che sul protocollo — stessa piattaforma, stesso orologio, niente internet, valutazione da parte del team dell’IOI — e Meta su un set di test privato condiviso con 4 000 concorrenti. È un’evoluzione del modo di dimostrare, non soltanto della capacità dimostrata. Il corollario merita attenzione: Meta non ha vinto con i propri modelli, ma con la propria orchestrazione, impiegando GPT 5.5 e Claude 4.8. Quando il risultato sopravvive alla sostituzione dei modelli sottostanti, non è più il modello a essere il prodotto.

La diffusione di un modello di frontiera si misura ormai in ore. Astra è stato annunciato il 3 settembre; il 5 è il modello predefinito del pacchetto Codex CLI, gestisce l’agente Computer di Perplexity e compare nei cataloghi di v0 e Genspark. Il dettaglio che cambia concretamente le cose è quello di Codex: un utente che avvia lo strumento senza una configurazione esplicita si ritrova su Astra senza averlo scelto. La sequenza adottata da Perplexity offre un altro insegnamento: misurare pubblicamente, quindi effettuare il deployment due giorni dopo, assumendo che la misurazione giustifichi il passaggio. È un modello decisionale riproducibile e più onesto dell’adozione fin dal primo giorno.

La sicurezza degli agenti passa dai principi agli strumenti, e i numeri non sono buoni. Quadrat-IPI fornisce la misura più brutale: lo stesso agente, un solo ordine del proprietario estraneo al denaro e fino al 42% delle e-mail con trappole che si traducono in un ordine di pagamento — ma soprattutto appena 4 segnalazioni su 517 pagamenti avviati. Il problema non è soltanto che l’agente obbedisca all’istruzione sbagliata, ma che non lo segnali. Cisco, da parte sua, pubblica il tipo di risultato che raramente viene reso noto: uno scanner che moltiplica per 2,5 il proprio F1 sul corpus utilizzato per calibrarlo, ma non supera il 13,74% su fonti disgiunte. Gemini CLI, nel frattempo, chiude tre percorsi attraverso i quali un’estensione poteva uscire dall’ambito autorizzato. Tre modi per dire che la garanzia dichiarata e quella misurata sono due cose diverse.

È esattamente il filo che collega il risultato negativo del giorno agli annunci aziendali. L’articolo sulla predizione multi-token racconta un guadagno di circa il 20% che non era ciò che si credeva: la riduzione del vocabolario si limitava ad alleggerire il lavoro di un kernel scelto male e, una volta corretto il kernel, l’ottimizzazione non offre quasi più alcun vantaggio. Basis descrive la stessa disciplina applicata agli agenti contabili: formalizzare i comportamenti attesi in specifiche, quindi verificare nelle traiettorie reali che emergano, anziché affidarsi al risultato finale. OpenAI ne ricava infine la versione istituzionale, annunciando un quadro per la segnalazione del disallineamento, perché ciò che non viene dichiarato secondo una regola comune non è confrontabile tra un soggetto e l’altro. In una giornata dominata dai record, sono queste quattro pubblicazioni a dire di più sulla maturità del settore: la questione non è più saper misurare, ma sapere cosa misura la misurazione.