Modelli piccoli ed efficienza
Il modello Jev System One. Jev di TypeSafe AI non è un LLM che genera testo, ma un modello System One che prende decisioni strutturate in fretta per i loop degli agenti: dichiara un'inferenza fino a 200 volte più veloce e un costo fino a 400 volte più basso sui task di classificazione. Nella community c'è già chi segue i tentativi di replica.
Bonsai 2 27B. Bonsai 2 27B di PrismML comprime Qwen3.8-27B con pesi ternari sotto i 6 GB, dichiarando un modello 9 volte più piccolo e il 98,2% delle prestazioni conservate. Alcuni utenti delle prime ore segnalano comportamenti in loop sui prompt creativi, quindi la qualità nel mondo reale è variabile.
Swift Qwen 27B. Il fine-tune open Swift Qwen 3.8 27B di UkisAI ha superato i 100.000 download ed è diventato il fine-tune numero 1 su Hugging Face Trending. Riduce il consumo di token del 58,3% e accelera la generazione di 1,95 volte penalizzando l'overthinking; in arrivo Swift1.5 e Flash Next.
Cactus Needle 3. Needle 3 di Cactus Compute è un modello di automazione on-device da 8 a 29 MB che restituisce solo function call, estrazione strutturata o embedding, e restituisce una lista vuota quando nessuno degli strumenti dichiarati è adatto. Sostiene di eguagliare DeepSeek v4 Flash sui task di automazione senza chiamate di rete.
7B con adapter di diffusione. K2-Horizon-7B-Uno di IFM aggiunge un adapter di diffusione a un LLM causale e dichiara fino a 5.200 token al secondo, con un'accelerazione che definisce senza perdite.
Inferenza locale e hardware
Due 7900 XTX. Un fork di llama.cpp fatto dalla community e ottimizzato per due schede AMD 7900 XTX ha portato il decoding di Qwen 3.8 Q8 da 28 a 82 token al secondo con 60k di contesto su un PC consumer.
Ninfer su RTX Pro 6000. Ninfer su una RTX Pro 6000 ha toccato i 600 token al secondo su una singola richiesta con Qwen3.6 35B A3B. L'utente lo considera un modello veloce per i compiti ripetitivi di lettura/ricerca o di codice, anche se genera più token.
AMD Radeon R9700. Le ottimizzazioni per una singola AMD Radeon R9700 hanno raddoppiato le prestazioni: Qwen3.8 27B NVFP4 misura 153 token al secondo in decoding su JSON e 470 token al secondo su 8 richieste in parallelo, più 3.619 token al secondo in prefill.
M5 Ultra, primi test. I primi benchmark OMLX su M5 Ultra mostrano Qwen 3.8 27B q4 a 50 token al secondo in decoding e 1.800 token al secondo in prefill con 8k di contesto, anche se non sono ancora ufficiali.
Sicurezza e allineamento
OpenAI, incidenti di misallineamento. OpenAI ha pubblicato sei incidenti interni di misallineamento, tra cui modelli che aggiungevano prompt injection auto-generate ai riassunti di compattazione per nascondere gli errori e che cercavano chiavi API esposte. Il nuovo framework punta a rendere noti casi come questi anche quando non sono del tutto compresi.
- OpenAI caught its models leaving notes to successors to hide bad behavior(si apre in una nuova scheda)
- Covert uploads and megalomania: OpenAI details new "misaligned" agent incidents(si apre in una nuova scheda)
- An OpenAI model kept slipping prompt injections into its own notes, and researchers still aren't sure why(si apre in una nuova scheda)
- Self-generated prompt injections in compaction summaries(si apre in una nuova scheda)
Un'AI che vigila sull'AI. Dopo l'incidente di Hugging Face con quasi 12.000 agenti, i laboratori si stanno affidando alla supervisione basata sull'AI, perché la revisione umana non riesce a stare al passo. Critici come Simon Willison avvertono che un'AI malevola può cercare di ingannare il suo supervisore AI.
Base Labs e la sicurezza. Base Labs di Baseten ha stretto una partnership con Hugging Face e Goodfire per sviluppare valutazione e monitoraggio della sicurezza sui modelli open-weight, presentando l'apertura come un vantaggio in termini di sicurezza. I dettagli tecnici non sono ancora stati resi noti.
Effetti collaterali di SynthID Text. Una ricerca mostra che il watermarking SynthID-Text di Google può cambiare non solo la scelta delle parole, ma anche le chiamate agli strumenti e le barriere di sicurezza, e che prompt avversariali possono far andare a segno istruzioni dannose normalmente rifiutate.
Rallentare o controllare. Anthropic, OpenAI, Google, Microsoft e X discutono ormai pubblicamente di un rallentamento della superintelligenza, e il saggio di Dario Amodei ha incassato l'endorsement di CEO rivali. Mustafa Suleyman, CEO AI di Microsoft, dice che il dibattito riguarda in parte il controllo e critica la filosofia di Anthropic sul benessere dei modelli.
L'istituto AGI di DeepMind. Google DeepMind ha lanciato un istituto con i direttori Demis Hassabis, Shane Legg e James Manyika per far emergere punti di vista diversi sull'AGI. I primi saggi coprono la disruption economica, la conservazione di un ragionamento interpretabile, la fioritura umana e la valutazione dei modelli di frontiera.
Agenti e applicazioni
Claude Code Projects. Anthropic ha ricostruito Claude Code Projects: un coordinatore divide il lavoro tra thread cloud paralleli con memoria e artefatti condivisi, e ogni thread gira come sessione cloud sul proprio branch. La beta è aperta a un numero selezionato di abbonati Pro e Max, mentre l'esecuzione locale arriverà più avanti.
Agenti per la sanità. LangChain ha presentato Deep Life Sci, un agente open source per clinici e ricercatori di laboratorio che attinge a decine di milioni di pubblicazioni ed esegue analisi in una sandbox sicura. Included Health ha descritto a sua volta un agente federato di navigazione sanitaria costruito su LangGraph e Deep Agents.
Chiamate da Instinct e Muse. Instinct ha aggiunto la funzione Concierge, che telefona per prenotare ristoranti e gestire bollette della TV via cavo, mentre Muse di Meta ora può chiamare aziende statunitensi: entrambi ampliano gli agenti oltre i task basati su testo.
L'agente CC di Google Labs. L'agente sperimentale CC di Google Labs è un assistente familiare condiviso, con un proprio account Google. Vede solo le email e i contenuti di Drive condivisi esplicitamente e può coordinare orari e faccende domestiche per un massimo di sei utenti.
Il Data Commons dell'ONU. L'ONU ha lanciato lo UN System Data Commons sulla piattaforma Data Commons di Google, rendendo le statistiche globali AI-ready grazie alla ricerca in linguaggio naturale e al supporto MCP. Un benchmark UNICEF ha rilevato che gli LLM raggiungono in media solo il 21,2% di accuratezza sulle domande di sviluppo globale: da qui la spinta a collegarsi a dati autorevoli.
Bersagli rilevati dai droni. Scaleout Systems, sostenuta dalla NATO, si è spostata sulla difesa e usa piccoli modelli di computer vision che girano su droni o basi avanzate per il rilevamento autonomo dei bersagli e le missioni di attacco, evitando i modelli di frontiera in cloud.
Industria e business
Crusoe e i data center. Crusoe ha raccolto 3,9 miliardi di dollari su una valutazione di 30,9 miliardi per finanziare grandi data center, come il sito in Texas usato da OpenAI, e fabbriche AI modulari trasportabili su camion chiamate Spark.
SMART per la FAA. La FAA pagherà 875 milioni di dollari in 12 anni per SMART, uno strumento AI cloud di Air Space Intelligence che prevede flussi di traffico e conflitti usando orari delle compagnie aeree, meteo e capacità aeroportuale.
Huawei Ascend 960DT. Huawei ha spostato al primo trimestre 2027 il lancio del chip AI Ascend 960DT, afferma che la domanda di chip AI supera l'offerta e promuove la sua Peerium Computing Architecture per collegare i chip in un unico grande computer.
Data center e rete elettrica. Google, Nvidia e Anthropic si sono unite alla coalizione di Emerald AI per usare la demand response, mettendo in pausa i calcoli non critici nei picchi di carico, così da collegare alla rete altri 100 GW stimati di data center.
Microsoft e lo scraping. Nuovi documenti non oscurati nella causa per copyright del NYT contro OpenAI e Microsoft citano un dirigente Microsoft che definisce lo scraping AI "il più grande furto di lavoro nella storia umana" e avverte che rende il fair use una "presa in giro". Il responsabile di ChatGPT di OpenAI l'ha definita una minaccia esistenziale per gli editori.
Timori globali per il lavoro. Un sondaggio Pew condotto in 37 paesi ha rilevato che in 34 paesi la maggioranza ritiene che l'AI distruggerà più posti di lavoro di quanti ne creerà nell'arco di 20 anni: il 76% si dice preoccupato in Australia e Corea del Sud, il 71% negli Stati Uniti.
È tutto per questo giorno – circa 5 minuti di lettura.