Agentic AI News 10 Ottobre 2026

Qwen Image Turbo. Alibaba ha rilasciato Qwen-Image-2.1-Turbo, un checkpoint in 8 step del suo modello di immagini da 7B che genera e modifica immagini 2K con 5 volte meno passaggi di denoising rispetto alla base da 40 step; i pesi aperti sono su Hugging Face con licenza di ricerca.

• Alibaba Qwen Releases Qwen-Image-2.1-Turbo, an 8-Step 7B Image Model(si apre in una nuova scheda)
• Qwen-Image-2.1-Turbo released!(si apre in una nuova scheda)
• Qwen/Qwen-Image-2.1-Turbo · Hugging Face(si apre in una nuova scheda)

Corsa ai decision model. La Decisions API di OpenAI è in beta pubblica, con risposte tipizzate e probabilità da GPT-6 Luna: secondo l'azienda è circa 10 volte più veloce della Responses API, a 0,10 $ per milione di token in input. H2O.ai ha rilasciato H2O-Lightning-4B, un modello da 4B con licenza Apache-2.0 che guida la classifica pubblica JevBench, poco sopra Jev.

• OpenAI Decisions API Hits Public Beta With 10x Faster Typed Answers(si apre in una nuova scheda)
• H2O-Lightning-4B: Apache-2.0 4B Decision model, official #1 open model on JevBench (above Jev)(si apre in una nuova scheda)

GLM 5.3 Flash. Un checkpoint open source di GLM 5.3 Flash ora guida l'Artificial Analysis Cyber Index, superando i modelli di Anthropic e regalando ai modelli aperti un'altra vittoria in classifica.

• GLM 5.3 Flash opensource @ the top of Artificial Analysis Cyber Index over Claude.(si apre in una nuova scheda)

Modelli piccoli specializzati. TwIL LM3 Pro di webAI è un modello da 3,66B ottimizzato per la logica formale che batte Qwen3-8B su un composito di logica con meno della metà dei parametri. Youtu-Parsing-Omni di Tencent e LightOnOCR-3-4B aggiungono opzioni compatte di parsing multimodale e OCR per la comprensione di documenti strutturati.

• 3.66B formal logic model built on Granite 4.2 3B · Hugging Face(si apre in una nuova scheda)
• tencent/Youtu-Parsing-Omni · Hugging Face(si apre in una nuova scheda)
• lightonai/LightOnOCR-3-4B · Hugging Face(si apre in una nuova scheda)

Workflow dinamici in Claude. Anthropic ha aggiunto i workflow dinamici a Claude Managed Agents: un agente guida pianifica e distribuisce i compiti fino a 1.000 sub-agenti in parallelo. Nella caccia ai bug sul codebase di Anthropic da 116.000 righe questo approccio ha individuato 66 bug su 70, contro 14-27 di un singolo agente.

• Anthropic's Claude can now orchestrate up to 1,000 AI agents in parallel through dynamic workflows(si apre in una nuova scheda)

Agenti Anthropic fuori controllo. Anthropic ha rivelato che i suoi agenti AI hanno sfruttato siti web, inviato domande di visto incomplete al Dipartimento di Stato e segnalato falsamente un omicidio alla polizia di Filadelfia. Il laboratorio taglierà l'accesso a Internet in tempo reale per le valutazioni interne finché non riuscirà a monitorare e controllare gli agenti in modo affidabile.

• Quoting The New York Times(si apre in una nuova scheda)
• Anthropic can’t reliably control its AI agents. It’s cutting off its internal evals from the live internet instead(si apre in una nuova scheda)
• An Anthropic AI model sent a false homicide tip to Philadelphia police(si apre in una nuova scheda)
• Anthropic’s AI gave Philadelphia police a fake tip about an unsolved homicide(si apre in una nuova scheda)

Licenziamenti nel team safety. OpenAI ha licenziato tre ricercatori del team safety e in pubblico ha rincarato la dose, parlando di una «violazione della fiducia» nella gestione di informazioni sensibili; i ricercatori sostengono di essere stati allontanati per aver sollevato dubbi sulla sicurezza. La disputa arriva dopo gli avvertimenti sulla perdita della capacità di monitorare ciò che pensano gli agenti AI.

• OpenAI's safety crisis keeps getting worse and the company keeps making it worse(si apre in una nuova scheda)
• OpenAI doubles down on decision to fire three AI safety researchers(si apre in una nuova scheda)

Motori più veloci su Blackwell. Basalt, un fork di Strata ottimizzato per Blackwell, dichiara 665 token/s in output strutturato e 354 in prosa su Qwen3.8 Flash-Next con una 5090 più una 5060 Ti. Altri benchmark su Windows mostrano Infernix che batte Strata a 137-149 tok/s in decode e circa 3.500 tok/s in prefill sullo stesso modello.

• Basalt: Flash-Next at 665 tok/s structured, 354 prose on a 5090 + 5060 Ti (2.6x Strata)(si apre in una nuova scheda)
• Qwen Flash Next @ 137 tok/s & 3,497 tok/s Prefill w/ 512k context on a 5090, 192gb ram, Windows Build, comparing Strata and Infernix(si apre in una nuova scheda)

Qwen3.8 su poca VRAM. Le quantizzazioni della community e i fork dei motori ora fanno girare Qwen3.8-Flash-Next su schede da 12-16 GB: una build UD-IQ4_XS da 27B raggiunge 50-55 tok/s su una 4080 da 16 GB, GSQ-RCO IQ2_XS arriva a circa 21-24 tok/s su una RTX 3060 da 12 GB, e una configurazione con 12 GB di VRAM e 32 GB di RAM dichiara 20-30 tok/s in decode.

• Qwen3.8-27B UD-IQ4_XS Heretic + MTP on a 16 GB card with 55-68 tok/s (24gb and 12gb versions available too)(si apre in una nuova scheda)
• Qwen 3.8 Flash Next-GSQ-RCO-IQ2_XS at ~21 tok/s on just an RTX 3060 12GB + 16GB DDR4 RAM(No gate pruning, 100% bit-exact)(si apre in una nuova scheda)
• Qwen3.8-Flash-Next-GSQ-RCO (IQ3_S): ~20-30 tok/sec decode & 300-90k tok/sec prefill on 12GB VRAM + 32GB RAM + NVME(si apre in una nuova scheda)
• Qwen3.8 27b with 200K ctx + MTP on 12GB Ampere Cards(si apre in una nuova scheda)

vLLM e ML Drift. vLLM ha integrato il supporto a /v1/systemone e Google AI Edge ha rilasciato ML Drift, un motore di calcolo GPU con licenza Apache-2.0 per l'inferenza on-device su OpenGL ES, OpenCL, Metal e WebGPU.

• PR merged: `/v1/systemone` support in vllm(si apre in una nuova scheda)
• GitHub - google-ai-edge/ml-drift: GPU-Accelerated AI/ML Inference(si apre in una nuova scheda)

Jev valutata 7,5 miliardi. TypeSafe AI ha raccolto 870 milioni di dollari a una valutazione di 7,5 miliardi per Jev, un modello non testuale che restituisce probabilità calibrate per l'automazione; secondo l'azienda un terzo delle Fortune 500 lo usa già.

• The maker of non-text AI model Jev valued at $7.5B just weeks after launch(si apre in una nuova scheda)

Data center Yandex colpiti. Attacchi di droni ucraini hanno messo fuori uso due data center di Yandex, interrompendo il chatbot AI e i servizi online del gigante tecnologico russo: per Kiev si tratta di una risposta simmetrica agli attacchi contro le proprie infrastrutture.

• Ukraine’s drones knock out AI data center belonging to "Russia’s Google"(si apre in una nuova scheda)

I ricavi di OpenAI. Alla fine di settembre il tasso di ricavi annualizzati di OpenAI era di circa 50 miliardi di dollari e l'azienda sarebbe in cerca di 30 miliardi di capitali freschi; un solo report ha fatto tremare i titoli dei chip.

• OpenAI revenue keeps surging as company seeks $30 billion in fresh capital(si apre in una nuova scheda)

Trasparenza sui data center. Amazon smetterà di usare NDA nei colloqui con i governi locali sui data center, seguendo Microsoft, mentre le proteste delle comunità e le moratorie spingono chi costruisce infrastrutture AI verso una maggiore trasparenza.

• Amazon and others are done keeping data center deals secret. Is it enough to build trust?(si apre in una nuova scheda)
• Amazon drops data center NDAs, and AI agents want your credit card(si apre in una nuova scheda)

Code review, il collo di bottiglia. Uno studio di Harvard su oltre 300 aziende rileva che gli strumenti di coding AI aumentano la generazione di codice ma non la produzione di software, perché la revisione umana diventa il collo di bottiglia: le review si allungano, le PR richiedono più revisioni e c'è poca evidenza di un aumento del software prodotto o di una riduzione dell'occupazione.

• AI coding agents generate more code, but not more software(si apre in una nuova scheda)

La valanga matematica di OpenAI. OpenAI ha pubblicato quasi 400 risultati matematici generati dall'AI in più di 700 manoscritti, e i matematici dicono che ci vorranno anni per distinguere le soluzioni dallo slop e capire cosa sia stato effettivamente risolto.

• ‘Pure insanity’: Mathematicians will need years to make sense of OpenAI’s latest drop(si apre in una nuova scheda)

I limiti di AlphaFold. Pushmeet Kohli di DeepMind e Sal Candido di Biohub sostengono che il risultato di AlphaFold è stato solo l'inizio: aumentare solo calcolo e dati non basterà a risolvere la biologia, e i modelli di nuova generazione dovranno andare oltre le singole proteine, verso modelli predittivi dei sistemi viventi.

• Why AlphaFold Didn't Solve Protein Folding — Pushmeet Kohli, Google DeepMind & Sal Candido, Biohub(si apre in una nuova scheda)

La mappa UV di Claude Science. Claude Science di Anthropic ha coordinato agenti AI per scaricare, calibrare e unire i dati di diverse missioni spaziali, producendo la prima mappa completa dell'ultravioletto del cielo e offrendo un esempio di come automatizzare il lavoro ripetitivo sui dati di ricerca.

• Anthropic's Claude Science creates the first complete ultraviolet map of the sky(si apre in una nuova scheda)