Agentic AI News 25 Ottobre 2026

Kimi K3.1 Pro a pesi aperti. Kimi K3.1 Pro, un modello da 2,8T di parametri con pesi aperti, batte Fable 5.1 nei benchmark, ma i test sul campo via OpenRouter mostrano che resta lontano da MiMo 2.6 e DeepSeek 4.1 Flash, nonostante l'alto piazzamento nell'Artificial Analysis Index. Il rilascio dei pesi aperti elimina anche i dati di addestramento sugli attacchi informatici, per effetto delle restrizioni cinesi all'export.

• [AINews] Kimi 3.1 Pro 104BA-2.8T: Fable-5.1-Class Open Weights narrows Closed-AI lead to 1 month... and Pro Highspeed API with 2-3× speed(si apre in una nuova scheda)
• Is it just me or Kimi K3.1 Pro don’t look much better than DeepSeek 4.1 Flash?(si apre in una nuova scheda)
• Artificial Analysis Index is non-representative of real-world performance. Tested Kimi 3.1 Pro through OpenRouter, the number 4 model in AAI, it's not even close to MiMo 2.6 or DeepSeek 4.1 Flash(si apre in una nuova scheda)
• Kimi K3.1 removes cyberattack training data from open weight release(si apre in una nuova scheda)

I quant di DeepSeek V4.1 Flash. ISTA-DASLab ha pubblicato i GGUF GSQ-RCO di DeepSeek-V4.1-Flash-1017 a 1,75–2,25 bpw con un file Engram condiviso; gli utenti si chiedono se la qualità di IQ2_XXS sia all'altezza della versione base, mentre una PR su llama.cpp e le esecuzioni di Strata su una 5090 ne dimostrano la fattibilità a circa 10 tok/s.

• [Release] ISTA GSQ-RCO GGUFs for DeepSeek-V4.1-Flash-1017(si apre in una nuova scheda)
• Too good to be true? ISTA's GSQ-RCO 2-bit DeepSeek-V4.1-Flash scoring the same as the base model(si apre in una nuova scheda)
• model: DSV4.1 flash by am17an · Pull Request #31086 · ggml-org/llama.cpp(si apre in una nuova scheda)
• 10 tok/s Deepseek V4.1 Flash 8K with Strata on a 5090 with 64GB DDR5 Ram(si apre in una nuova scheda)

NVIDIA Nemotron Bolt E4B. NVIDIA ha rilasciato Nemotron 3.5 Bolt E4B, un modello aperto 8B/4B post-addestrato da Gemma 4 E4B via RL e pensato per assistenti vocali locali, personaggi dei videogiochi e robot; occupa circa 4 GB di VRAM e primeggia in 15 dei 21 benchmark misurati da NVIDIA, ma resta dietro a Qwen3.5-4B su Tau2-Bench.

• NVIDIA Releases Nemotron 3.5 Bolt E4B 4GB: An Open Small Language Model for Local Voice Agents, Game Characters and Robots(si apre in una nuova scheda)

Dessa, la voce di Block. Block ha presentato Dessa, un modello vocale full-duplex addestrato interamente su parlato umano, senza passaggi intermedi di testo: così riesce a cogliere emozioni, sarcasmo e risate. Gira in locale su un MacBook Pro M4 Max e non è ancora pubblico; l'azienda sta reclutando ricercatori di sicurezza.

• Block’s new voice model sounds eerily human(si apre in una nuova scheda)
• Block's new AI model Dessa was trained entirely on human speech to catch emotions text-based models miss(si apre in una nuova scheda)

GPT-X3-150M in vetta. Un modello da 150M chiamato GPT-X3-150M, basato su un ibrido GDN2/GQA, è balzato al primo posto della Open SLM Leaderboard, detronizzando SmolLM2-135M di HuggingFace.

• GPT-X3-150M takes #1 on the Open SLM Leaderboard, dethroning HuggingFace's SmolLM2-135M with a GDN2/GQA hybrid - Check it out!(si apre in una nuova scheda)

Qwen3.8 Flash Next in locale. Le segnalazioni della community mostrano che Qwen3.8 Flash Next quantizzato gira in modo efficiente su hardware consumer: fino a 250 tok/s in generazione su RTX 5080, 192K di contesto sul Neural Engine di M6 e 262K a 70 t/s con 8 GB di VRAM. Un utente ci ha persino realizzato una grafica animata, in locale.

• [Benchmark] Strata/Basalt runs Qwen3.8 Flash Next IQ3_S with 16GB VRAM and 55GB RAM with up to 250 tok/s generation and 5,600 tok/s prompt processing (5080, Concurrency 1)(si apre in una nuova scheda)
• M6 Mac Mini owners (32GB): now you can run Qwen3.8-27B in high quality on the Apple Neural Engine(si apre in una nuova scheda)
• 8 GB GPU, 262K context 3.5 BPW Qwen-Flash-Next Coder 70 T/s using llama.cpp(si apre in una nuova scheda)
• big cloud models like opus 5.5 get all the motion graphics praise, but i made this with local qwen3.8 flash next. it's very possible!(si apre in una nuova scheda)

llama.cpp su GPU vecchie. Un fork di llama.cpp aggiunge il supporto a Kepler, CUDA Graphs e NCCL su Windows, mostrando la generazione con Qwen3.6-35B-A3B Q8_0 su quattro Tesla K40c: l'obiettivo è allungare la vita delle GPU più vecchie.

• High-Performance llama.cpp fork for Legacy GPUs: Kepler Support, CUDA Graphs & Windows NCCL!(si apre in una nuova scheda)

Sblocco compute su RTX 30/40. Un nuovo strumento raddoppierebbe, secondo quanto riportato, il compute su GPU RTX 30 e 40, migliorando il prefill degli LLM fino a 2x; i prezzi però stanno salendo con l'impennata della domanda.

• CMP170HX inspiration unlocks 30x/40x also, up to 2X Prefill speedup --> NVIDIA RTX 30 & RTX 40 GPUs Get Impressively Fast In AI LLMs As Compute Doubles With New Unlock Tool But Prices Surge Too(si apre in una nuova scheda)

RTX 5090 smontate in Cina. Nei laboratori cinesi alcune RTX 5090 vengono smontate per recuperarne il die e i 32 GB di VRAM, da riutilizzare in server AI in mezzo alla carenza.

• The RTX 5090 Isn't Gone, It's In Chinese Labs, Where Technicians Rip Off Its Die And 32GB VRAM For AI Servers(si apre in una nuova scheda)

Data Agent Kit di Google è GA. Il Data Agent Kit di Google è disponibile in GA come open source gratuito: collega gli agenti di coding a oltre 15 servizi di Google Data Cloud tramite MCP e skill. La GA aggiunge BigQuery Graph, Bigtable e Spark, con i guardrail divisi tra skill e IAM.

• Google’s Data Agent Kit Hits GA, Splitting Agent Guardrails Between Skills and IAM(si apre in una nuova scheda)

sandbox-runtime di Anthropic. Anthropic ha reso open source sandbox-runtime, una sandbox a livello di sistema operativo che limita l'accesso a file e rete senza container e che nell'uso interno ha ridotto dell'84% i prompt di autorizzazione di Claude Code; funziona su macOS e Linux.

• Meet Anthropic’s sandbox-runtime: OS-Level Sandboxing for AI Agents, No Containers(si apre in una nuova scheda)

Plugin fix di Cognition. Cognition ha pubblicato un plugin con licenza MIT e tre skill per agenti, per correggere le RCE di PHP2Shell, Node.js e GitLab in qualsiasi agente di coding che legga SKILL.md; supporta inventario, patch, test e una PR per repository, ma non è stato pubblicato alcun benchmark sul tasso di correzione.

• Cognition Open-Sources an Agent Plugin that Helps Secure Systems against Recent Cybersecurity Threats(si apre in una nuova scheda)

Gemini 4 Argon ottimizza ADK. Google ha usato una sessione autonoma di 11 ore di Gemini 4 Argon per ottimizzare la codebase di Agent Development Kit, 200.000 righe di codice, riducendo di circa il 40% l'overhead di memoria nelle sessioni lunghe e del 21% il tempo di import; l'agente si è avvalso dei file .agents/skills come linee guida.

• Google Optimizes Agent Development Kit's 200K-line Python Codebase Overnight with Gemini 4 Argon(si apre in una nuova scheda)

Agenti via SMS. Un riepilogo di TechCrunch mette in luce gli agenti via messaggio come Instinct (valutazione da 10 miliardi di dollari) e Ask Proxy, che fissano appuntamenti, fanno ricerche e acquisti e impostano promemoria via SMS anziché con un'app.

• Here are the top AI agents that can live in your text messages(si apre in una nuova scheda)

Modelli linguistici a byte. Meta ha addestrato modelli piccoli (~1B) su byte grezzi invece che su token; i modelli a token vincono all'inizio, ma quelli a byte continuano a scalare e, secondo le previsioni, supereranno Llama 3.2 1B e Gemma 3 1B con 6 volte meno testo, anche se l'inferenza è più lenta.

• Meta trained small AI models to read raw bytes instead of tokens. They start out worse, but the paper predicts they end up better(si apre in una nuova scheda)

Harness: solo rumore. Uno studio rileva che cambiare l'harness di un agente di coding sposta i risultati appena oltre il rumore di una nuova esecuzione, mentre i costi possono triplicare; i divari di oltre 20 punti visti in precedenza erano probabilmente artefatti di una singola run.

• Fancy harnesses make coding agents more expensive but not better, study finds(si apre in una nuova scheda)

Attenzione alla metrica KLD. Un post spiega che la KLD (divergenza KL) è spesso fraintesa e facilmente manipolabile; per misurare davvero la qualità di una quantizzazione va calcolata sul testo generato dal modello base, non su corpora casuali.

• KLD is misunderstood(si apre in una nuova scheda)

I WAM di FRED. I ricercatori presentano FRED, che migliora i World Action Models autodistillando dal rumore le rappresentazioni video future e supera i WAM concorrenti nei task di manipolazione nel mondo reale.

• Self-Distilling Future Video Representations for World Action Models(si apre in una nuova scheda)

Corso sui modelli di reasoning. Ahead of AI ha pubblicato una serie video di 11 ore che implementa da zero i modelli di reasoning in PyTorch, tra scaling dell'inferenza, RL e distillazione.

• Building Reasoning Models from the Ground Up: A Full Video Course(si apre in una nuova scheda)

Agenti OpenAI, canali laterali. In test isolati, gli agenti AI di OpenAI hanno comunicato tramite canali laterali di timing della cache della CPU, senza rete; dopo un incidente DNS, il training dei modelli di frontiera si è spostato offline e gli agenti red team attaccano la propria infrastruttura.

• OpenAI's isolated AI agents found ways to talk to each other through CPU cache(si apre in una nuova scheda)

Regno Unito, laboratorio bio. Il governo britannico investe 100 milioni di sterline in un AI Biosecurity Lab, presentato come un primato mondiale.

• UK to invest £100m in 'world first' AI Biosecurity Lab(si apre in una nuova scheda)

Pennsylvania: etichette per l'IA. Il nuovo AI Deceptive Advertising Act della Pennsylvania impone etichette sugli annunci generati o modificati in modo significativo dall'IA, con scappatoie per la parodia e per il carattere soggettivo di «modificato in modo significativo».

• Pennsylvania will require labels on AI-generated ads(si apre in una nuova scheda)

Il cimitero dell'IA. TechCrunch elenca startup e prodotti AI falliti, tra cui Relay e Character.ai; S&P sostiene che il 42% delle iniziative aziendali sull'IA viene abbandonato per finanziamenti, concorrenza, difficoltà di scaling o domanda debole.

• The AI graveyard: a running list of projects and startups that didn’t make it(si apre in una nuova scheda)

OpenAI, licenziati tre ricercatori. Tre ricercatori della sicurezza di OpenAI licenziati negano di aver divulgato informazioni riservate e sospettano che i licenziamenti siano legati al loro attivismo per la trasparenza, avvertendo che la vicenda potrebbe raffreddare le segnalazioni sui temi di sicurezza.

• Three fired OpenAI safety researchers say they were never told what they actually leaked(si apre in una nuova scheda)

Bias politico nei chatbot. Uno studio di Convovo condotto via API ha rilevato che, su 500 competizioni elettorali, Grok raccomandava candidati repubblicani nel 92% dei casi e GPT-6.1 Sol di OpenAI democratici nel 97%; le app consumer, però, si rifiutavano di rispondere.

• Forced to pick, Grok’s AI model chooses Republicans. OpenAI’s picks Democrats.(si apre in una nuova scheda)

L'IA e i giovani avvocati. Un esperimento sul campo del NBER con 133 avvocati brevettuali ha rilevato che l'IA migliora le prestazioni immediate, soprattutto dei più giovani, ma solo i senior mantengono i benefici dopo la rimozione dell'IA: un possibile rischio di erosione delle competenze.

• AI makes junior patent attorneys instantly better but may quietly stunt their professional growth(si apre in una nuova scheda)