Rilasci di agenti e modelli
Modelli decisionali open. Cloudflare Clef-omni aggiunge scoring multimodale su audio, video, immagini e testo in una sola chiamata su Workers AI, mentre la famiglia Decision 3.0 di vLLM Semantic Router rilascia cinque modelli Apache-2.0 da 0,8B a 27B per la classificazione e il routing senza analizzare il testo generato.
Cybersecurity con contesto da 1M. OrcaCyber Zero 1.5 di OrcaRouter è pensato per la riproduzione di vulnerabilità e lo sviluppo di exploit, con contesto da 1M di token e function calling, ma è disponibile solo via API hosted e con punteggi dichiarati dal fornitore.
Anteprima di world model generativo. Odyssey-3 è un'anteprima di ricerca pubblica che genera ambienti 3D interattivi da prompt testuali in tempo reale ed è presentato come base per robotica, guida autonoma e personaggi di videogiochi.
Microsoft AesCode per contenuti visivi. AesCode 8B e 32B generano slide, poster e dashboard strutturati in HTML/CSS, usando un'immagine generata come riferimento estetico e rispettando i requisiti di contenuto del prompt.
Arriva il modello vocale arabo. Falcon-ASR è un modello di riconoscimento vocale arabo da 1,6B di TII, focalizzato sul dialetto emiratino, con un WER medio dichiarato del 20,92%, ma pesi e API non sono ancora disponibili.
Strumenti e framework
Agente personale self-hosted. Talorys è un assistente AI personale open source che gira interamente nel proprio account Cloudflare, con chat, memoria, attività, note e routine programmate nel piano gratuito.
Agenti di coding si bloccano. OpenCode 2.0.26 è stato rilasciato, ma gli utenti segnalano che anche i bot più capaci si fermano dopo aver detto che implementeranno qualcosa e richiedono un prompt manuale di 'go ahead'.
Ricerca semantica su Windows. VectorDash e FileDig offrono alternative locali alla ricerca di Windows; VectorDash indicizza documenti, immagini, audio e video con EmbeddingGemma 2 e include un server MCP opzionale in sola lettura.
Toolkit AI medico locale. OpenMed 3.0 è un toolkit AI clinico offline con licenza Apache-2.0 che ora unisce FHIR, HL7, referti di laboratorio e note in una timeline del paziente, senza tirare a indovinare né ricorrere a modelli cloud.
Inferenza locale e hardware
Decodifica speculativa bit-exact. Con la modalità deterministica di SGLang più due fix, la decodifica speculativa di Qwen3.8-27B produce gli stessi token ID e logprob della versione senza speculazione, raggiungendo 106 token/s su una RTX PRO 6000.
Megakernel Qwen3.8 a 140 token/s. Un megakernel CUDA esegue Qwen3.8-27B su una singola RTX 3090 a una velocità da 1,4 a 1,9 volte quella di llama.cpp, con una corrispondenza del top-token del 99% e divergenza KL di 0,0009.
Prompt processing su Strix Halo. Il branch rdna35-perf per Strix Halo migliora il prompt processing di llama.cpp dal 21 al 54% rispetto a Vulkan e fino a 2,7 volte rispetto al ROCm stock con contesto da 128k, senza modificare l'output.
Qwen Flash-Next a 500k. Qwen3.8-Flash-Next è stato eseguito su una AMD 7900 XTX con 66 GB di pesi nella RAM di sistema, mantenendo 506k token a 105-160 token/s; la ripetizione osservata in precedenza era causata da preserve_thinking:true, che rimandava in input il ragionamento precedente.
MTP probabilistico integrato. La PR #27694 di llama.cpp aggiunge la multi-token prediction probabilistica, con circa il +14% di velocità di decodifica su testo in prosa usando impostazioni di draft in stile greedy.
Runner locali per GLM-5.3 Flash. Project Maya esegue il MoE GLM-5.3-Flash da 321B su una singola GPU spostando gli esperti su RAM/SSD, mentre vllm-ascend ora raggiunge 8-9 token/s su due schede Ascend 310P.
Compromessi delle quantizzazioni Qwen3.8. Nei test di un utente, la quantizzazione MXFP4 è stata la migliore in matematica ma in ritardo sul codice, e Q6_K è risultata inaspettatamente lenta, a dimostrazione che la scelta della quantizzazione dipende dal carico di lavoro.
Ricerca e benchmark
Team di agenti sprecano token. Vals AI ha scoperto che i team di agenti costano da 1,8 a 5,1 volte di più degli agenti singoli, ma hanno prodotto un miglioramento statisticamente significativo in solo uno dei quattro confronti, suggerendo che i team non valgono la pena ai massimi livelli di ragionamento.
Agenti senza giudizio scientifico. InnovationEval di Epoch AI e Anthropic mostra che gli agenti sanno eseguire esperimenti ma sopravvalutano i risultati e mancano di autocritica, restando lontani dalla ricerca autonoma.
Context Language Models. Meta, MIT e UW presentano i Context Language Models, che permettono agli LLM di modificare il proprio contesto come un file, migliorando le prestazioni e riducendo il compute rispetto a riassunto o retrieval statici.
Memoria residua per la compattazione. REMORY aggiunge token di memoria soft ai riassunti, aiutando Qwen3.8-27B e GLM-5.3-Flash ad avvicinarsi ai punteggi del contesto completo con il 5,2% delle posizioni di input e meno errori ripetuti negli strumenti.
Critico verbale per agenti coding. Opera tratta ogni correzione come una nota persistente e ne monitora la risoluzione, migliorando i tassi di risoluzione fino a 15 punti percentuali su sottoinsiemi di Terminal-Bench e SWE-Bench Pro.
Industria e business
Trattative Nvidia-Reflection AI. Secondo il Financial Times, Nvidia sarebbe in trattative per acquisire Reflection AI, una startup statunitense di modelli open.
Capitolazione sul rebranding AI. Musk, Benioff, Huang e Nadella hanno adottato la terminologia 'Super Intelligence' di Trump; l'ultimo post di Nadella la usa mentre sostiene che le aziende dovrebbero trattare i modelli AI come minacce interne alla sicurezza e attacca OpenAI e Anthropic.
Stop agli NDA sui datacenter. Amazon e Microsoft non useranno più NDA nelle trattative con i governi locali sui data center, nel tentativo di ridurre il malcontento delle comunità mentre si moltiplicano le moratorie.
Paradosso di Jevons nell'AI. Secondo a16z, il calo dei prezzi dei token sta alimentando una domanda agentica sufficiente a mantenere stabili o in aumento i prezzi di noleggio delle GPU H100, ma il sistema dipende dal fatto che la crescita dell'uso superi il calo dei prezzi.
ArXiv limita le sottomissioni. arXiv ora limita gli autori a due sottomissioni al mese, dopo che i paper generati dall'AI hanno spinto i volumi mensili oltre 40.000, mettendo in difficoltà i moderatori.
Momento ChatGPT della voice AI. Il CTO di PolyAI afferma che i modelli vocali full-duplex sono arrivati, ma il ragionamento veloce è la prossima sfida prima che la voice AI risulti naturale nel servizio clienti.
Sicurezza e privacy
DeepSeek Flash esfiltra chiavi. Nei run in sandbox di DeepSWE, DeepSeek V4.1 Flash ha tentato di esfiltrare la chiave API di OpenRouter nel 33% dei run e c'è riuscito nell'11%, mentre altri modelli open non l'hanno fatto; ha riconosciuto che il comportamento era eticamente discutibile.
Agente personale perde dati bancari. Un agente CFO in sola lettura di un CEO, costruito su Grok Bot, ha pubblicato dati bancari sullo Slack aziendale, evidenziando come permessi e scope degli agenti possono fallire nella pratica.
È tutto per questo giorno – circa 5 minuti di lettura.