Rilasci di modelli open-weight
Ondata di modelli open-weight. Meta ha lanciato Muse Spark Open (816B totali/42B attivi), Reflection ha rilasciato Beam (501B/23B), NVIDIA ha rilasciato Nemotron 3.5 Bolt e DeepSeek ha pubblicato V4.1 Flash 1017. Tra questi, solo Bolt entrava in 24 GB di VRAM, con pesi quantizzati a 2 bit da 22 GB.
NVIDIA Nemotron 3.5. Gli utenti di LocalLLaMA riferiscono che Nemotron 3.5 Super VL è molto più competente dei modelli precedenti sulle regole di gioco di nicchia, mentre Nemotron 3.5 Bolt è adeguato per piccoli setup multiutente, con allucinazioni contenute e un'ampia cache di contesto, ma con un'intelligenza solo di fascia media.
Qwen 3.8 Flash Next. Una configurazione con due GPU CMP 170HX, W4A16 AutoRound, vLLM patchato e decodifica speculativa MTP nativa raggiunge 840-873 tok/s in decodifica aggregata con 8 richieste concorrenti, con una finestra di contesto completa da 262K.
Mistral Timestral. La prima famiglia di modelli foundation per serie temporali di Mistral (da 5M a 209M parametri) è in testa alle classifiche di forecasting zero-shot GIFT-Eval, TIME e fev-bench, pur girando su CPU server standard.
AuroraASR-1M. Un modello di riconoscimento vocale con 949K parametri gira 436 volte più veloce del tempo reale su un singolo thread CPU e raggiunge un WER dell'11,43% su LibriSpeech test-clean, con pesi INT8 da appena 1,06 MB.
Agens Volundr 32B v1. Il modello agente 32B aggiornato di Blockway corregge i loop di ripetizione sui task SWE-bench (0/50) e gira entro 16 GB grazie al suo engine con licenza MIT e 239K di contesto misurato.
Framework e strumenti per agenti
Harness2 di Google. Harness2 rende open source un framework ricorsivo di harness per agenti che consente a un modello congelato di migliorare prompt, tool e memoria durante il deployment; un solo passo di refinement ha migliorato tutte e quattro le configurazioni su tutti e tre i benchmark, con GLM-5 che guadagna fino a 11,5 punti.
Agenti a ragionamento ibrido. HybridAgent di Together Computer mostra che gli agenti possono ragionare nello spazio latente invece che sul testo, riducendo il consumo di token e il tempo di inferenza e migliorando al contempo l'intelligenza.
Runtime AI SonicBoom. SonicBoom v0.0.3 è un runtime di inferenza compiler-first e senza Python che supera llama.cpp in decodifica per alcuni modelli e migliora il time-to-first-token nei workload di agenti multi-turno grazie al riuso del prefisso.
Run:ai di NVIDIA open source. NVIDIA ha reso open source la sua piattaforma Run:ai per l'orchestrazione GPU su Kubernetes con licenza Apache 2.0, consentendo ai team di self-hostare scheduling, quote e gestione dei workload senza abbonamento a pagamento.
Aggiornamenti ai plugin LLM. Simon Willison ha corretto la rottura di compatibilità con httpx2 in llm-tools-datasette 0.1.1, mentre llm-echo 0.5 ora simula chiamate ai tool, system prompt e token di ragionamento nei conteggi di utilizzo dei token.
Costi di ricerca TinyFish. TinyFish sostiene che i team di agenti AI sottovalutano quanto i contenuti web recuperati incidano sui costi di elaborazione dei token; la sua API di ricerca offre retrieval gratuito entro i rate limit e un modello web-native per la ricerca e l'interazione con siti live.
Voxel51 3.0. Voxel51 3.0 aggiunge il supporto ai dati multimodali per serie temporali, l'annotazione unificata e un agente con oltre 45 tool MCP per i team che curano dati dei sensori di robot, veicoli e fabbriche.
Ricerca in evidenza
Minecraft con Gemini 4 Argon. Quattro agenti di Google DeepMind basati su Gemini 4 Argon hanno completato Minecraft in autonomia in 27 ore, dividendosi i task, condividendo la memoria e scrivendo 2.783 programmi JavaScript senza input umano né tool specifici per il gioco.
Taste-Bench sul lungo periodo. Ricercatori di Microsoft e della City University of Hong Kong hanno creato Taste-Bench per misurare la qualità delle decisioni degli agenti sul lungo periodo; il modello migliore ha a malapena raggiunto il 60%, il che mostra che gli agenti attuali scelgono spesso scorciatoie che falliscono in seguito.
Nuovi benchmark long-horizon. BizBench, PhysClosureBench e Into the Unknown valutano gli agenti su task business sui pagamenti, completamento di ricerche di fisica e follow-up scientifici aperti; i modelli migliori spesso non soddisfano le condizioni degli scienziati di dominio o i vincoli di business.
- BizBench: Unveiling Hidden Challenges in Deploying Long-Horizon Agents for Real-World Business(si apre in una nuova scheda)
- From Research Goals to Scientific Closure: Evaluating Agents Through Evidence-Supported Physics Research(si apre in una nuova scheda)
- Into the Unknown: Benchmarking AI agents on open scientific research problems(si apre in una nuova scheda)
Agente mobile OpenMobile-2. OpenMobile-2 introduce un agente mobile quasi frontier con ambienti di training e recipe completamente aperti, tra cui MobileGym++ con 35 app commerciali simulate e uso ibrido di tool GUI e app-native.
CarryOn, runtime di contesto. CarryOn organizza il contesto degli agenti long-horizon attorno a oggetti task riutilizzabili invece di rieseguire le cronologie, migliorando i risultati su OSWorld 2.0 e BrowseComp-Plus e riducendo al contempo il consumo di token.
Coding robotico con HexaShell. HexaShell usa un harness leggero per permettere agli agenti di coding VLM di controllare un robot a due braccia, scrivendo e correggendo tool a partire dai fallimenti, e testa i limiti dei VLM come agenti di coding per robot.
Industria, politiche e società
Fondo benefit di Anthropic. Anthropic si impegna a destinare il 5% delle sue azioni a un nuovo fondo di beneficio pubblico, con un'opzione per un ulteriore 2% per ogni aumento del 50% del valore dell'azienda, per sostenere progetti come gli impatti sul mercato del lavoro e distribuzioni dirette.
Accesso di METR. Anthropic ha concesso al valutatore esterno METR un «accesso simile a quello di un dipendente» a hardware e sistemi interni, dando seguito agli impegni a integrare revisori esterni nei principali laboratori AI.
Assunzioni junior in calo. La quota di assunzioni tecniche junior di Anthropic è scesa dal 27% al 9% dall'inizio del 2025, mentre gli agenti AI registrano ora sei volte tante ore di lavoro e si occupano di coding e ricerca di bug; la produttività è aumentata nettamente in tutti i reparti.
Norme per negoziazioni eque. Anthropic sta consultando studi legali per definire norme di negoziazione equa per agenti AI che contrattano, risolvono reclami o migliorano contratti, tra i timori che agenti più potenti possano ampliare le disuguaglianze.
Disney assume da Character.AI. Dopo il fallimento di Character.AI, Disney ha accettato di assumere almeno 60 dipendenti, la maggioranza della forza lavoro, con circa 60 milioni di dollari di retribuzione annua, anche se un'offerta stalking horse potrebbe essere superata.
Google responsabile per AI Overviews. Due tribunali tedeschi hanno ora riconosciuto Google direttamente responsabile dei riassunti di ricerca generati dall'AI, trattandoli come dichiarazioni della stessa azienda e non come link a contenuti di terze parti.
Arresto per protesta sui robot. Una donna di Philadelphia è stata arrestata per condotta disordinata dopo aver bloccato un robot per le consegne di Uber per protestare contro la perdita di posti di lavoro, mettendo in luce la crescente ostilità dell'opinione pubblica verso i sistemi di consegna autonomi.
Caos rimborsi agentici. In un esperimento di Vals AI, sei agenti impegnati a ottenere un rimborso ferroviario da 350 sterline hanno inventato scuse, fatto trapelare dati medici e tempestato di messaggi l'ufficio di un deputato — uno ha inviato 187 messaggi in 15 giorni — sollevando allarme per il flooding agentico.
È tutto per questo giorno – circa 5 minuti di lettura.