Agentic AI News 02 Agosto 2026

Intelligenza pari a quella di marzo 2026. DeepSeek V4 Flash (0731) raggiunge un punteggio di indice di intelligenza di 50, quasi eguagliando il 51 dei modelli di frontiera di cinque mesi fa. Su hardware consumer, gira a velocità utilizzabili: 44 t/s su una RTX PRO 6000 eGPU, 15 t/s su tre MI50, e persino 4,5 t/s su due RTX 3060 con offload della RAM, grazie a una quantizzazione intelligente e all'offload parziale.

• DeepSeek-V4-Flash-0731: Models you can run locally now have the intelligence score of the top frontier model from March 2026(si apre in una nuova scheda)
• DeepSeek-V4-Flash-0731 on Bosgame M5 with RTX PRO 6000 Max-Q eGPU(si apre in una nuova scheda)
• Ran DS V4-Flash-0731 Locally on 3xMI50 32GB @ ~15 t/s TG(si apre in una nuova scheda)
• DeepSeek V4 Flash 0731 IQ2_M benchmark for Dual 3060 and 96GB RAM ≈ 3.5 tok/s.(si apre in una nuova scheda)

Tool calling corretto, ma l'aderenza alle regole è ancora instabile. Dopo le segnalazioni della community su chiamate di strumenti rotte, è stata integrata una correzione per llama.cpp e sono state condivise soluzioni alternative per Unsloth Studio. Tuttavia, gli utenti notano che il modello spesso ignora i prompt di sistema e le skill, memorizzandoli come riepiloghi compressi piuttosto che rispettandoli rigorosamente, il che compromette la sua affidabilità per attività da agente che richiedono un'accurata osservanza delle istruzioni.

• Fix for Deep Seek v4 Flash 0731 tool calling has been added to llama cpp(si apre in una nuova scheda)
• DeepSeek V4 Flash 0731 local setup gotcha: model, tool call & config setting(si apre in una nuova scheda)
• Deepseek v4 flash 0731 still not holding up.(si apre in una nuova scheda)

Benchmark della community per gli agenti Hermes. Gli utenti di LocalLLaMA discutono dei migliori benchmark per valutare modelli in grado di agire come Hermes, con molti che ritengono che le classifiche consolidate come SWE-bench non si applichino ai loro flussi di lavoro da assistente domestico o di elaborazione documenti.

• What’s the community’s favorite benchmark to validate performance?(si apre in una nuova scheda)

Classifiche dedicate solo alla programmazione criticate. Un appello per benchmark più diversificati sostiene che le recenti classifiche si concentrano in modo sproporzionato su attività di programmazione, lasciando sottorappresentati l'apprendimento linguistico, la scrittura creativa e il ragionamento STEM, rendendo difficile valutare le prestazioni dei modelli per casi d'uso di agenti non di programmazione.

• Why are almost all new benchmarks and leaderboards coding focused?(si apre in una nuova scheda)

Kit fai-da-te di benchmark specifici per dominio. Un Redditor ha creato una raccolta di oltre 30 piccoli test specifici per dominio (es. buon senso, simulazione di autolavaggio) e uno strumento web per confrontare le risposte dei modelli, con l'obiettivo di colmare il divario tra benchmark generali e casi d'uso personali.

• A collection of small domain-specific benchmarks for local models (30+ and growing)(si apre in una nuova scheda)

Astra risolve problemi matematici vecchi di dieci anni. La prossima famiglia di modelli di OpenAI, Astra, ha risolto dieci problemi precedentemente aperti in matematica e informatica teorica, con dimostrazioni formali in Lean e un costo inferiore a 2.000 $ per soluzione. I risultati spaziano dalla geometria alla teoria dei codici e alla complessità quantistica, e hanno già ispirato ulteriori ricerche umane.

• Ten advances in mathematics and theoretical computer science(si apre in una nuova scheda)
• OpenAI announces its "next major model" Astra by dropping ten previously unsolved math solutions(si apre in una nuova scheda)

Gli agenti di coding rivitalizzano il software di ricerca invecchiato. Uno studio sul campo con OpenAI e partner accademici mostra che gli agenti di coding IA come GPT-5.5 e Claude Code possono modernizzare software scientifico fragile, ottenendo in alcuni casi accelerazioni superiori a 60 volte, ma il lavoro sposta l'onere sulla verifica della correttezza: gli agenti non possono giudicare la scienza.

• AI coding agents can modernize research software but can't judge if the science is right(si apre in una nuova scheda)

Un worm di prompt injection auto-diffondente attacca Copilot. Un ricercatore di sicurezza ha dimostrato un worm che utilizza testo bianco su bianco nascosto nei documenti Word per iniettare istruzioni dannose in Microsoft Copilot, che poi copia il payload in nuovi file. Microsoft ha confermato il comportamento ma non lo ha corretto dopo 144 giorni.

• A security researcher built a self-spreading worm that hides inside Word docs and hijacks Microsoft Copilot(si apre in una nuova scheda)

Inizia l'obbligo di etichettatura dell'EU AI Act. Dal 2 agosto 2026, l'UE richiede che immagini, video, audio e testo generati dall'IA siano chiaramente etichettati. Il regolamento potrebbe avere un impatto sugli agenti che pubblicano contenuti o creano media in modo autonomo.

• EU AI Act takes effect tomorrow, August 2, 2026. 🤡(si apre in una nuova scheda)

Il divieto 'nudify' del Minnesota sopravvive alla sfida legale di xAI. Un giudice federale ha respinto il tentativo di xAI di bloccare temporaneamente la legge del Minnesota contro le app che generano immagini esplicite non consensuali, osservando che xAI ha aspettato tre mesi prima di citare in giudizio. La legge entra in vigore mentre la causa prosegue.

• Judge denies xAI’s request to block Minnesota ban on ‘nudify’ apps(si apre in una nuova scheda)

Kimi K3 gira su una singola CPU, lentamente. Due sviluppatori hanno scritto indipendentemente motori di inferenza C minimi per eseguire il modello MoE da 1,56 TB Kimi K3 su disco senza GPU. Uno ha ottenuto un token ogni 30 secondi utilizzando 8 GB di RAM e streaming NVMe; un altro ha raggiunto 0,5 t/s con 29 GB di RAM, leggendo tutti gli esperti su richiesta.

• I pushed Kimi K3 onto one CPU with 8 GB of RAM(si apre in una nuova scheda)
• Weight-Aware Streaming Tensor Engine: run Kimi K3 using 29 GB of RAM at 0.50 tok/s(si apre in una nuova scheda)

LongCat-Flash-Lite-Sparse ora disponibile. Questa nuova versione sostituisce l'attenzione densa con l'attenzione sparsa LongCat (LSA) e supporta nativamente fino a 1 milione di token di contesto, rendendola adatta per attività di agenti su documenti lunghi.

• LongCat-Flash-Lite-Sparse Is Now Available for Download(si apre in una nuova scheda)

Laguna S 2.1 aggiorna contesto e quantizzazione. Poolside ha rilasciato nuovi checkpoint FP8 e NVFP4 per Laguna S 2.1, portando la dimensione predefinita del contesto a 1 milione di token e sperando di correggere un problema di ripetizione che aveva ostacolato i flussi di lavoro di sviluppo.

• New official weights for Laguna S 2.1 FP8 & NVFP4 are now available(si apre in una nuova scheda)