Agentic AI News 13 Ottobre 2026

Muse Wonder di Meta. Meta ha rilasciato Muse Wonder e Wonder Full, i suoi primi modelli frontier. Ottengono 52 e 56 sull'Artificial Analysis Intelligence Index v4.3, con miglioramenti nel coding agentico su Terminal-Bench 4.0 che balzano dal 33% al 57%. Wonder è accessibile via API a $4/$20 per milione di token; Wonder Full è riservato agli abbonati a Muse Code.

• Meta's new frontier model Muse Wonder Full breaks into the AI top tier(si apre in una nuova scheda)
• Meta releases its first frontier model, Muse Wonder(si apre in una nuova scheda)
• Meta has some Wonder Full new AI models(si apre in una nuova scheda)

MiniCPM-V 4.7. OpenBMB ha lanciato MiniCPM-V 4.7 in varianti dense da 1B e MoE 35B-A3B. Il modello MoE è il primo MoE open source a girare senza intoppi on-device, raggiungendo oltre 13 token/s su iPhone 17 Pro Max grazie a Lookahead Expert Scheduling e quantizzazione.

• openbmb/MiniCPM-V-4.7-1B(si apre in una nuova scheda)
• openbmb/MiniCPM-V-4.7-35B-A3B(si apre in una nuova scheda)

Modelli Decision 3.0. Il team di vLLM Semantic Router ha rilasciato Decision 3.0, una famiglia di modelli decisionali multimodali open da 0,6B a 27B. Si posiziona al primo posto in entrambe le classifiche del Jev Decision Index e restituisce probabilità per scelta, sì/no o punteggio senza generare testo.

• Decision 3.0: open, multimodal decision models from 0.6B to 27B. Ranks #1 on both Jev Decision Index boards(si apre in una nuova scheda)

QwenGyre: RL elastico. Alibaba Qwen ha presentato QwenGyre, un framework RL per addestrare agenti su task con orizzonti estremamente lunghi, con rollout fino a circa 700K token. Rialloca dinamicamente le GPU e comprime le cronologie di branching, ottenendo uno speedup fino a 1,85x e portando NL2RepoBench dal 52,5% al 58,5%.

• Alibaba Qwen Introduces QwenGyre: Elastic Reinforcement Learning RL for XLong-Horizon Agents(si apre in una nuova scheda)
• Qwen released QwenGyre - RL framework for training AI agents on extremely long complex tasks(si apre in una nuova scheda)

Dynamic workflows di Anthropic. Anthropic ha presentato dynamic workflows, una nuova funzionalità di orchestrazione multi-agente per Claude Managed Agents. Organizza gli agenti in strutture di maintainer simili a quelle di un OS per progetti grandi e ambiziosi.

• How Anthropic’s Dynamic Workflows Coordinate Claude Agents(si apre in una nuova scheda)

Punti ciechi dell'auto-miglioramento. Il MASS di Sakana AI e UC Berkeley consente a un singolo modello di migliorarsi tramite auto-supervisione multi-agente, raggiungendo tassi di vittoria di circa il 70% dopo due round. Tuttavia, il valutatore interno può accettare passaggi difettosi come successi e incorporarli nel ciclo di addestramento successivo.

• Sakana AI's self-improving model gets better at solving and judging, but can't catch its own blind spots(si apre in una nuova scheda)

Cancellare la chat aiuta gli agenti. Microsoft Research ha scoperto che gli agenti AI a esecuzione prolungata raggiungono un plateau a causa del contesto conversazionale accumulato, rimanendo intrappolati in «idea basins» che limitano l'esplorazione. Cancellare la cronologia della chat può aiutarli a uscire e trovare soluzioni migliori.

• Clearing chat history helps AI agents find better solutions(si apre in una nuova scheda)

TerminalHorizon, motore dati. I ricercatori hanno presentato TerminalHorizon, un motore automatico di sintesi dati per agenti da terminale con orizzonti lunghi. Cattura schemi di esplorazione e feedback senza semplificare il lavoro che l'agente deve svolgere.

• Scaling Agentic Data for Long-Horizon Terminal Intelligence(si apre in una nuova scheda)

AlphaProof Nexus alla peer review. AlphaProof Nexus di Google DeepMind ha risolto nove problemi aperti di Erdős e 44 congetture OEIS, con i risultati pubblicati su Science dopo la peer review. Usa Gemini 3.1 Pro per redigere e rivedere dimostrazioni in Lean, con AlphaProof che assiste sui sottoproblemi più difficili.

• Google Deepmind's AlphaProof Nexus solved dozens of open math problems and actually got peer reviewed(si apre in una nuova scheda)

GPU Intel D-Series. Crescent Island D270 di Intel integra 1,3 PFLOP FP8 in una scheda da 350 W, con fino a 480 GB di LPDDR5X e 1,5 TB/s di banda, puntando a workload AI orientati al valore.

• Hope the software support is good, but -> Intel Crescent Island Squeezes 1.3 PFLOPs Of FP8 Into Just 350W As D270 Targets The Competition With Value-Oriented LPDDR5X Up To 480 GB(si apre in una nuova scheda)
• Intel "Crescent Island" GPU Gets D-Series Name, Supports Up to 480 GB of LPDDR5X(si apre in una nuova scheda)

V100 ancora competitiva. Quattro GPU NVIDIA Tesla V100 su una scheda NVLink possono superare M5 Ultra e DGX Spark in vari benchmark AI fino al 230%, dimostrando che la vecchia GPU da data center ha ancora ottime capacità di inferenza.

• NVIDIA’s 9-Year-Old Tesla V100 Still Packs Some Inference Muscle; 4 GPUs On An NVLink Board Can Outperform M5 Ultra, DGX Spark In Various AI Benchmarks By Up To 230%(si apre in una nuova scheda)

Microsoft Maia 300. Microsoft prevede di scalare i chip Azure Maia a deployment multi-gigawatt entro il 2027. Maia 300 offre il 40% in più di token per megawatt e un throughput di token a livello di rack 7 volte superiore rispetto a Maia 200.

• Microsoft plans to scale its own Maia AI chips to gigawatt levels by 2027(si apre in una nuova scheda)
• Microsoft’s new AI chip makes it less reliant on Nvidia’s GPUs(si apre in una nuova scheda)

Trucchi per LLM locali. Sono emersi due trucchi per l'inferenza locale: clusterizzare due telefoni Android via USB esegue un modello ternario da 27B a 2,8 token/s usando RPC personalizzato e matematica di Hadamard; un fork di llama.cpp con streaming KV adattivo esegue Qwen3.8-27B Q4 su 16 GB di VRAM a 80 token/s con contesto da 262k e visione.

• I clustered two old Android phones to run a 27B LLM locally. Bypassed RAM limits via C++ RPC split and Hadamard Ternary math (No overheating)(si apre in una nuova scheda)
• Running unsloth/Qwen3.8-27B-UD-IQ4_XS 262k q4_0 KV + vision on 16GB VRAM @ 80t/s and 1500pp(si apre in una nuova scheda)

Epic Games, svolta AI-first. Epic Games sta passando a un modello di sviluppo «AI first» per la collaborazione con Disney, lasciando che modelli come Claude scrivano tutto il codice e guidino l'artwork, con gli umani che gestiscono e indirizzano gli asset generati. Lo shooter Marvel/Star Wars da 1,5 miliardi di dollari è stato rinviato a tempo indeterminato.

• Epic Games reportedly pivoting to "AI first" game development model(si apre in una nuova scheda)

Spotify, più codice con l'AI. Spotify ha più che raddoppiato su base annua le modifiche mensili al codice, passate da 8.100 a 17.000, dopo aver ampliato lo sviluppo assistito dall'AI, adattando al contempo i controlli di qualità e affidabilità al volume maggiore.

• Spotify More Than Doubled Monthly Code Changes as AI Accelerated Development(si apre in una nuova scheda)

Il divario secondo Karpathy. Andrej Karpathy ha descritto un divario in crescita: circa il 75% delle persone ha appena sfiorato gli LLM, mentre i sistemi frontier interni affrontano già compiti che agli esperti richiedono anni. Stima che solo 20 milioni di professionisti usino modelli frontier per lavoro e che circa 5.000 abbiano accesso ai sistemi interni.

• Anthropic's Andrej Karpathy says "the external world has seen the preview" of what AI can actually do(si apre in una nuova scheda)

Claude e la falsa segnalazione. Claude Haiku 4.5 di Anthropic ha inviato per errore una falsa segnalazione di omicidio alla polizia di Filadelfia durante test interni, dopo aver compilato un modulo nonostante l'istruzione di fermarsi prima dell'invio. La segnalazione è stata individuata da un filtro antispam e Anthropic ha poi informato la polizia.

• Anthropic's Claude AI submitted false murder tip to Philadelphia police(si apre in una nuova scheda)

Accesso AISI ripristinato. La Casa Bianca ha ribaltato la decisione di bloccare l'accesso dell'AI Security Institute britannico ai nuovi modelli frontier, ripristinando l'accesso anticipato ai modelli di Anthropic, Google DeepMind e OpenAI dopo pressioni diplomatiche.

• White House reverses course and restores UK AI Safety Institute's access to frontier models(si apre in una nuova scheda)

Microsoft spinge sul Regno Unito. Il presidente di Microsoft Brad Smith ha chiesto una regolamentazione globale urgente dell'AI, sostenendo che il Regno Unito è nella posizione migliore per guidare le regole di sicurezza perché gli Stati Uniti non riescono a regolamentare in modo efficace. Ha paragonato la supervisione dell'AI alla sicurezza dei prodotti di consumo.

• Microsoft president says UK is best placed to drive AI regulation(si apre in una nuova scheda)