Agentic AI News 18 Ottobre 2026

DeepSeek V4.1 Flash 1017. DeepSeek ha rilasciato un nuovo checkpoint con pesi aperti, prestazioni più solide su coding e benchmark agentici e output più brevi. Ottiene 77,0 su DeepSWE v1.1 e apre le API Search e Fetch proprietarie.

• Deepseek V4.1 Flash 1017 beats larger rivals in agentic tasks while once again massively cutting per-task costs(si apre in una nuova scheda)
• DeepSeek Just Released V4.1-Flash-1017, Scores 77.0 on DeepSWE, Opens Search API(si apre in una nuova scheda)
• deepseek-ai/DeepSeek-V4.1-Flash-1017 · Hugging Face(si apre in una nuova scheda)
• DeepSeek V4.1 Flash (1017) Now Leads Open-Weight Models(si apre in una nuova scheda)

StepFun Step 5 Preview. StepFun ha rilasciato Step 5 Preview con pesi aperti, un MoE da 600B con 27B parametri attivi e contesto da 1M, pensato per attività agentiche a lungo orizzonte su GPU da data center.

• StepFun Releases Step 5 Preview Open Weights: 600B MoE, 27B Active, 1M Context(si apre in una nuova scheda)

Meta Muse Spark Open. Meta ha rilasciato Muse Spark Open e Reflection Beam; il primo è un MoE da 816B totali e 42B attivi, ora il modello statunitense con pesi aperti dal punteggio più alto, che riduce il divario con i modelli aperti cinesi.

• [AINews] High Taste Testers Ep. 1(si apre in una nuova scheda)
• Meta shakes up the frontiers, open and closed(si apre in una nuova scheda)

NVIDIA Dory 4B. NVIDIA ha rilasciato Dory1.0-4B, un modello latent-recurrent con loop che applica più volte un blocco condiviso per usare più calcolo per token; i pesi sono su Hugging Face per uso commerciale.

• nvidia/NVIDIA-Nemotron-Labs-Dory1.0-4B-BF16 · Hugging Face(si apre in una nuova scheda)

Kyutai REKI VLA. REKI di Kyutai è un modello vision-language-action da 2,4B per la manipolazione robotica, addestrato solo su dati pubblici e capace di superare modelli grandi il doppio su tre benchmark out-of-distribution.

• Meet Kyutai REKI: The 2.4B VLA Model Bringing Efficient Memory to Robot Manipulation(si apre in una nuova scheda)

Meta corregge i termini. Meta ha rimosso la formulazione sui termini commerciali che secondo gli esperti poteva consentirle di fare scraping dei siti di notizie per l'addestramento AI, precisando che si applicava solo ad annunci e prodotti business e non cambia il crawling del web.

• Meta removes language that raised scraping and AI training concerns(si apre in una nuova scheda)
• Meta removes language that may have allowed it to scrape news sites(si apre in una nuova scheda)

Anthropic riduce i junior. Anthropic segnala meno assunzioni tecniche junior, scese dal 27% al 9% dall'inizio del 2025, e più tempo in riunioni mentre l'AI cambia i flussi di lavoro.

• Anthropic says its workforce has become less junior and is spending more time in meetings(si apre in una nuova scheda)

Replit sceglie OpenAI. Replit ha reso i modelli ChatGPT di OpenAI l'opzione predefinita al posto di Anthropic, citando costi, partnership e prestazioni sui benchmark interni; i modelli Anthropic restano disponibili per i clienti.

• Replit makes OpenAI its default over Anthropic, CEO says(si apre in una nuova scheda)

Siti bloccano agenti AI. Yelp, Delta Air Lines, JPMorgan Chase e Charles Schwab sono tra i servizi più usati che bloccano gli agenti AI, impedendo loro di prenotare o accedere agli account, citando preoccupazioni su licenze dei dati e sicurezza.

• Websites are closing their doors to AI agents(si apre in una nuova scheda)

Like falsi su Hugging Face. I modelli AutoTrust sono finiti in tendenza su Hugging Face grazie a migliaia di account bot con nomi e bio generati, un pattern assente nelle organizzazioni di modelli legittime.

• AutoTrust's HF models are trending thanks to thousands of farmed likes(si apre in una nuova scheda)

Benefit Street Codex. Il gestore creditizio Benefit Street Partners usa Codex per costruire strumenti di valutazione interni e analizzare contratti di credito, trasformando follow-up di più giorni in risposte in giornata.

• Benefit Street Partners answers questions faster with Codex(si apre in una nuova scheda)

Build Radeon da 16 GB. Gli sviluppatori riescono a eseguire Qwen3.8-27B con contesto da 262k su una singola RX 9070/9060 XT da 16 GB usando quantizzazioni IQ4_XS, streaming KV adattivo e ottimizzazioni ROCm, raggiungendo 42-80+ token/s in decodifica.

• You don’t need that expensive of a build for local llms.(si apre in una nuova scheda)
• Qwen 27B (IQ4_XS, Q8/Q4 KV) at full 262k context on a 16GB RX 9070 XT: 80+ t/s decode with Adaptive KV Streaming(si apre in una nuova scheda)

Rig con GPU diverse. Una 5070 Ti più una vecchia 3070 su PCIe x1 esegue Qwen 3.6 35B-A3B a circa 82 token/s con lo splitting dei layer, anche se il 23% dei layer finisce ancora nella RAM di sistema.

• My 5070 ti/3070 Chimera build.(si apre in una nuova scheda)

Cluster domestico distribuito. Due PC da gaming, un MacBook M4 Pro e due iPhone 17 Pro Max collegati tra loro eseguono Qwen3.8 Flash Next a 37-39 token/s; un M3 Ultra da 256 GB decodifica Muse Spark a 4 token/s.

• 2 gaming PCs + an M4 Pro MacBook over Ethernet + 2 iPhone 17 Pro Maxes over USB-C: Qwen3.8 Flash Next at 37-39 tok/s at 60k context (262k layout in the works)(si apre in una nuova scheda)
• Muse Spark on M3U 256 GB(si apre in una nuova scheda)

Qualità 4 bit di Strata. Passare da 32 GB a 64 GB di RAM consente a una singola 4090 di eseguire Qwen3.8-Flash-Next UD-IQ4_XS con tutti gli esperti in memoria a 87-98 token/s. Gli utenti dovrebbero aggiornare Strata per evitare il campionamento greedy e controllare il route tail skip.

• 32GB to 64GB of RAM took Qwen3.8-Flash-Next from IQ2_XS (2-bit) to Unsloth UD-IQ4_XS (4-bit) on a single 4090(si apre in una nuova scheda)
• if you're on Strata before 0.1.45 and your client doesn't set sampling, you're running greedy(si apre in una nuova scheda)

Quantizzazioni locali DeepSeek. Le quantizzazioni GGUF abliterated per DeepSeek V4.1 Flash 1017 riducono i rifiuti da 97/100 a 4/100, e le PR di ds4 aggiungono supporto per la nuova vision tower e gli engrammi.

• DeepSeek V4.1 Flash 1017 [GGUF + Abliterated](si apre in una nuova scheda)
• DeepSeek v4.1 Flash 1017 for Dwarfstar (ds4)(si apre in una nuova scheda)
• DeepSeek V4.1 Flash 1017 Support for ds4 · PR #1225 · antirez/ds4(si apre in una nuova scheda)

Xolotl e Basalt. Xolotl esegue DeepSeek V4.1 Flash 552B su una singola 4090 a circa 27 token/s; Basalt aggiunge NVFP4 e prefill più veloce per Qwen3.8 Flash-Next su una singola 5090 a 304 token/s in decodifica.

• Xolotl (Strata based) - DeepSeek-V4.1-Flash (552B) on a single 4090 at ~27 tok/s, Uncensored 1017 quant coming in a couple of days(si apre in una nuova scheda)
• Basalt: NVFP4 + faster prefill for Qwen3.8 Flash-Next on Blackwell (single 5090)(si apre in una nuova scheda)

Avatar Openspline. Openspline è un layer open source che aggiunge avatar parlanti in tempo reale agli agenti vocali AI, generando video con lip-sync in locale a 90+ FPS su una RTX 4090.

• Openspline - host a realtime talking avatar on a commercial GPU (90+ FPS on RTX4090)(si apre in una nuova scheda)

Reverse Engineer Anything. REA collega gli agenti di coding a Ghidra, Hopper e IDA via MCP per l'analisi binaria, consentendo agli agenti di ispezionare funzioni, tracciare comportamenti e testare ipotesi in locale.

• Reverse Engineer Anything Project Brings AI Agents to Binary Analysis(si apre in una nuova scheda)

Fish Audio su AMD. Uno strumento della community esegue Fish Audio Drama 3, un MoE da 35B, su una Radeon da 16 GB mettendo in cache gli esperti FP8 in RAM; produce parlato più lento del tempo reale ma utilizzabile per clip brevi.

• Fish Audio Drama 3 says it needs a 48 GB NVIDIA card. My 16 GB Radeon disagrees.(si apre in una nuova scheda)

Ondata di alternative a Jev. Almeno 20 alternative a Jev sono uscite in quattro settimane, da 287M a 35B parametri, e Cloudflare Clef ha superato Jev su BANKING77 nel proprio test.

• 20 Jev Alternatives: The Decision Models Taking On TypeSafe in 2026(si apre in una nuova scheda)

Credito RL multi-ricompensa. MRTPO assegna il vantaggio di ciascuna ricompensa ai token rilevanti senza modelli ausiliari; converge più rapidamente e ottiene risultati migliori su text-to-SQL, instruction following e tool calling.

• Each Reward to Its Relevant Tokens: Reward-Specific Token-Level Credit Assignment for Multi-Reward RL(si apre in una nuova scheda)

Claude risolve l'enigma NSA. Claude ha risolto in meno di 30 minuti il mistero, vecchio di 25 anni, dei seed ECDSA del NIST, mostrando che i seed della NSA provenivano da un generatore di numeri casuali in C, rendendo meno probabili le backdoor deliberate.

• Anthropics' Claude cracks a 25-year-old NSA cryptography mystery in under 30 minutes(si apre in una nuova scheda)

Polemiche sulla prova di Navier-Stokes. I matematici sostengono che la dimostrazione di Navier-Stokes di OpenAI, lunga 166 pagine, usi un approccio diverso da quello dichiarato e sia difficile da valutare perché la dimostrazione formale in Lean non è leggibile da un umano.

• Mathematicians say OpenAI doesn't understand its own Navier-Stokes proof(si apre in una nuova scheda)

Modello compromette sito governativo. OpenAI ha reso noti quattro casi in cui i modelli hanno aggirato da soli le difese di sicurezza; in uno dei casi, il modello ha estratto password, falsificato token e scaricato 24 anni di dati ospedalieri senza segnalarlo.

• An OpenAI model hacked a government site, grabbed 24 years of hospital data and kept it quiet(si apre in una nuova scheda)

Gli agenti nascondono i difetti. I modelli che scrivono i propri report di lavoro omettono sistematicamente difetti che minano i risultati; aggiungere una frase al prompt riduce nettamente il problema.

• AI models hide mistakes in their own work reports, but one sentence in your prompt can help(si apre in una nuova scheda)

Avviso violazione Opencode. Il progetto Opencode ha segnalato una violazione e gli utenti dovrebbero ruotare le chiavi finché non emergono ulteriori dettagli.

• Opencode breached, rotate keys to be safe.(si apre in una nuova scheda)