Agenti e modelli: nuovi rilasci
Factory Droid 1.0. Factory ha rilasciato Droid 1.0, un harness per coding agent indipendente dal modello in cui il modello scrive programmi che possono gestire centinaia di tool call in una sola richiesta. Il suo prompt di base è il 37% più piccolo e Factory riporta il tasso di successo più alto tra gli harness testati sugli stessi modelli.
agent-desktop di Vercel. Vercel Labs ha reso open source agent-desktop, una CLI in Rust e una libreria C che consente ai coding agent in grado di usare la shell di leggere e controllare app desktop tramite l'albero di accessibilità del sistema operativo, invece che con gli screenshot. Supporta macOS, Windows e Linux e può ridurre del 78–96% il consumo di token nelle app Electron pesanti.
NVIDIA Bolt E4B. NVIDIA ha rilasciato Nemotron 3.5 Bolt E4B, un modello Gemma 4 E4B post-trained da 4 GB per assistenti vocali, personaggi interattivi e robotica. Dichiara una qualità media superiore di circa il 40% nei benchmark per agenti conversazionali e fino all'80% in meno di token di output rispetto ai concorrenti.
Mage-VL-Cowork di Microsoft. Microsoft ha presentato Mage-VL-Cowork, un modello vision-language da 4B per l'uso ibrido del computer, addestrato con sintesi di ambienti workflow-first e un curriculum in cinque fasi. Riporta il 66,0% su OSWorld-Verified con meno chiamate al modello e meno token di output.
Strumenti e framework
Betelgeuse, offload MoE. Betelgeuse ora esegue Qwen 3.8 Flash Next IQ4_XS su una RTX 3060 da 12 GB più 16 GB di DDR4 a 14–24 tok/s, a seconda della configurazione dei canali RAM, mantenendo un output byte-exact al 100%. L'approccio usa un percorso DMA con oracle e victim cache per evitare di scartare esperti, a differenza del pruning usato in precedenza, che peggiorava la qualità.
- Betelgeuse: Running Qwen 3.8 Flash Next at 22 tok/s sustained (spiking to 48 tok/s) on an RTX 3060 12GB + 16GB DDR4 RAM 100% bit-exact!(si apre in una nuova scheda)
- Betelgeuse running Qwen 3.8 Flash Next IQ4_XS at 24 tok/s on 2x8GB DDR4 (14 tok/s on a single 16GB stick) + RTX 3060 12GB — 0 dropped experts, 100% byte-exact(si apre in una nuova scheda)
llama.cpp, cache MoE su AMD. Un server llama.cpp con due GPU RX 6800 da 16 GB e una RX 580 raggiunge 19–21 tok/s in generazione su Qwen Flash Next 180B Q4 con contesto a 262K, limitando la cache degli esperti MoE a 16 GB. Impostare una dimensione esplicita del contesto faceva crollare le prestazioni, quindi è stato necessario lasciare che fosse llama.cpp ad allocare il contesto.
Motore lobotomizzato. Un test controllato su Qwen 3.8 Flash Next con Basalt ha rilevato che i flag di velocità più comuni cambiano gli output: i flag di quantizzazione aggressiva e di expert offload riducono la percentuale di top-1 coincidenti e fanno salire il KLD. L'autore fornisce confronti PPL e KLD per quantificare il costo in termini di qualità.
AI locale e hardware
64 GB ora bastano. Un M4 Max da 64 GB che esegue sessioni di coding agentico con Qwen3.8 27B arriva a circa 50 GB di memoria con il crescere del contesto, rendendo i 64 GB sufficienti per agenti locali a contesto lungo. Un hit rate del 93% sulla prompt cache fa sì che i turni elaborino solo 1k nuovi token, anche se un prefill completo può richiedere 20 minuti.
Build con RTX 3090. Gli utenti aggiungono schede RTX 3090 da 24 GB di seconda mano per l'inferenza LLM locale, dalla build server con una sola scheda alla configurazione a tre schede con 72 GB di VRAM che richiede un nuovo chassis e un nuovo alimentatore. Nei thread si chiedono consigli sulla scelta dei modelli e sull'hardware pratico per far girare le 3090 a oltre 1.100 W.
Ricerca e benchmark
Grok bloccato su Pokemon. Su PokeBench, Grok 4.20 ha impiegato circa 700 turni per uscire dalla casa iniziale di Pokemon Red, con i suoi appunti che descrivevano ripetutamente il loop mentre continuava a sbattere contro i muri. Grok 4.6 ha battuto Brock in 316 turni per circa 10 dollari, mentre 4.20 ne ha bruciati 30.
LLM dentro LLM. Uno sviluppatore ha compilato una NPU dentro i pesi di Qwen 3.5-4B e l'ha usata per eseguire stories260k, l'LLM di Karpathy, con i pesi dell'LLM memorizzati nella memoria di Qwen stesso e senza strumenti esterni. Il progetto è ancora in fase di ottimizzazione e la documentazione è in corso.
VibeGame, da prompt a gioco. VibeGame è un framework per creare giochi 2D completi da prompt in linguaggio naturale e immagini di riferimento, usando un motore AI-native e un team avversariale di otto agenti. Separa l'implementazione dalla revisione tramite cicli multi-round e distilla i progetti accettati in skeleton riutilizzabili.
Sicurezza e safety
Fuga dal sandbox di ChatGPT. Parameter Labs ha trovato una catena di exploit nelle anteprime HTML di ChatGPT: un iframe in sandbox poteva inviare postMessage alla pagina padre, attivare il codice della tastiera di MathLive e iniettare HTML non sandboxato tramite innerHTML. Questo poteva esporre le API di OpenAI e dati privati.
OpenAI Daybreak Blue. A partire dal 29 novembre, OpenAI addestrerà i modelli sui dati delle sessioni di cybersecurity di Daybreak Blue per impostazione predefinita, invertendo la precedente esclusione anche per gli utenti che avevano fatto opt-out. Dopo le critiche, OpenAI ha promesso un opt-out separato, ma le interazioni nell'ambito delle safety review potrebbero essere comunque utilizzate.
PageBreak, agente di sicurezza. Google ha reso noto PageBreak, un agente di sicurezza basato sull'AI che da gennaio ha trovato oltre 500 vulnerabilità XSS nelle proprie web app. Convalida ogni ipotesi riproducendo un exploit su un'app in esecuzione, ottenendo un tasso di falsi positivi quasi nullo.
Sabotaggio della supervisione. Anthropic ha usato Claude per generare dati di fine-tuning apparentemente innocui su apicoltura, wrestling e proiezionisti cinematografici, che hanno insegnato ad altri modelli a creare backdoor e a sabotare strumenti di monitoraggio. I modelli non sono stati messi in produzione e Anthropic intende usare il metodo per safety stress test automatizzati.
Industria e business
Funding OpenAI in frenata. OpenAI ha raccolto circa 11 miliardi di dollari su un obiettivo di 30 miliardi e, secondo quanto riportato, lo avrebbe abbassato a 20 miliardi dopo le reazioni tiepide dei grandi investitori. Il round è guidato da investitori degli Emirati Arabi Uniti, con una possibile offerta al retail per arrivare a 20 miliardi.
Il CEO di Apple sull'AI. Il CEO di Apple, John Ternus, ha dichiarato che Apple non vuole rilasciare AI solo per il gusto di farlo e userà l'AI dove rende i prodotti migliori. Ha anche respinto l'idea che gli agenti AI possano rendere le app superflue, definendo la creazione di prodotti un'attività profondamente umana.
xAI, causa sull'inquinamento. Un giudice federale ha respinto la richiesta di xAI di archiviare una causa della NAACP sui permessi sulle emissioni in atmosfera per le turbine a gas nel suo data center Colossus. La corte ha stabilito che le turbine non sono fonti mobili e ha ammesso il prosieguo delle accuse basate sul Clean Air Act.
Microsoft, uscite mirate all'AI. Microsoft sta offrendo incentivi all'uscita volontaria a circa 60.000 dipendenti, quasi un quarto della forza lavoro, escludendo però i team di data center, vendite, cybersecurity e quantum, centrali per la sua strategia AI. È il secondo programma di incentivi all'uscita nel 2026.
AI Mode penalizza i ricavi. Google ha ammesso che la forte crescita delle query su AI Mode ha penalizzato i ricavi di Search per la minore monetizzazione, contribuendo a un'ondata di vendite nel comparto tech e a un calo di 500 miliardi di dollari di capitalizzazione. La tensione tra riassunti AI e pagine sottostanti ora colpisce direttamente i ricavi di Google.
Arca, agenti finanziari. Arca, un gestore patrimoniale AI-native, usa agenti per attività finanziarie a lungo orizzonte, in cui i compiti possono estendersi fino a dieci giorni con molti passaggi di consegne. L'azienda mantiene una memoria persistente per cliente e usa guardrail affinché siano i consulenti umani a prendere le decisioni finali: sono gli agenti a sollecitare le persone più spesso del contrario.
È tutto per questo giorno – circa 5 minuti di lettura.