Modelli open e inferenza locale
Qwen 3.8 27B. Il Qwen 3.8 27B di Alibaba, con licenza Apache-2, gira su laptop di fascia alta e GPU locali. La modalità di reasoning xhigh produce risultati solidi ma tende a strafare. Le ottimizzazioni della community lo spingono a 381 token/s su una RTX 3090, e le versioni quantizzate girano su 16 GB di VRAM. Il MoE da 35B non verrà rilasciato, ma la prossima settimana è atteso un nuovo modello open-weight di medie dimensioni.
- → Qwen 3.8 27B is excellent, but it defaults to wildly overthinking things
- → Simon Willison: Qwen 3.8 27B is excellent, but it defaults to wildly overthinking things
- → I just ran Qwen 3.8 27 in Q4 against GPT 5.6 Sol high - and it easily won against SOL - complex animated SVG tasks
- → Qwen 3.8 27b vs 3.6 27b - how good is with a Turtle library.
- → Anyone else get a kick out of Qwen 3.8 27B Reasoning Dialogue?
- → Share your favorite thoughts and reasoning from running Qwen 3.8 27b. This is mine.
- → Qwen3.8 27B reasoning effort low/medium/xhigh comparison
- → Qwen 3.8 2.4T at 288k tokens/s on Nvidia GB300 NVL72
- → Newer commits removed the Qwen 35B
- → Qwen 3.8 27b in 24gb of VRAM
- → Qwen3.8-27b on RTX 3090 - 82 tps single request, up to 672 tps peak
- → Qwen3.8-27B Hybrid IQ4_XS quantization for 16GB gang
- → Qwen3.8 27B Q2 vs Q3 vs Qwen3.6 35B-A3B MoE on 12GB VRAM
- → Qwen 3.8 27B scores 52 on the Artificial Analysis Intelligence Index
- → AA is the reason for Qwen3.8 27B shipped with xhigh
- → Artificial Analysis' Qwen3.8-27B benchmarks put it neck and neck with DeepSeek V4 and GPT-5.6 Luna Max
- → Optimizing Qwen3.6 / Qwen3.8-27B on 16GB VRAM: Complete Benchmark Results and Setup Guide (~30-50tps at 32k to 72k context)
- → After pushing 1M+ tokens through Qwen 3.8 27B, here is my optimal llama.cpp config for 16GB VRAM (73k Context, Agentic Coding)
- → Local agentic coding Benchmark : Qwen 3.8 27B (in many weights quants / cache quants / engine / reasoning effort) vs others.
- → Qwen dev says not to wait for 35B-A3B
- → Waiting for Qwen 3.8 35B A3B
- → Qwen 3.8 35bA3b wen?
- → Qwen 3.8 35b and 122b - We hope/wait/beg for models incessantly. But how do we actually give the lab more incentive to make it?
- → Qwen3.8-27B on 2x 3090 + vLLM + DFlash2: 218 tok/s single request
- → I pushed Qwen3.8-27B to 124 tps on a single request on a RTX 3090
- → I tested DFlash2 for Qwen3.8 27B on a 5090
- → DFlash 2 available for Qwen 3.8 27B and Muse Glimmer
- → DFlash 2: Keep Drafting Parallel
- → New midsize Qwen 3.8 model coming next week (hopefully) according to community manager!
- → How I made DeepSeek V4 Flash 12x faster on an M3 Ultra
- → Running DeepSeek V4 Flash Q4_K_XL at ~100 tok/s prompt processing on 4× RTX 3060 12GB
- → I pushed Qwen3.8-27B limits again... Dflash2 - 134 tps on a RTX 3090
- → DFlash2 speeds Qwen 3.8 27B up to 4 times
- → Introducing Qwen3.8-27B Dynamic v3 Unsloth GGUFs
- → updated unsloth/Qwen3.8-27B-GGUF · Hugging Face
- → Qwen3.8-23B-Mini-Me: A Depth-Pruned Qwen3.8-27B (to ~22.7BB)
- → NVFP4 on VOLTA! Despite being built for Blackwell, I made four 2017 V100s run Qwen 3.8 NVFP4 natively and match my $6000 RTX 5090.
- → I pushed Qwen3.8-27B to 381 tps for a single request on a RTX 3090
- → Qwen3.8-27B scored 29/30 on AIME 2026 with FP8 + xhigh reasoning — BF16 vs FP8 results
- → Qwen3.8-27B Q6 is a beast at agentic coding
- → Qwen 3.8 Low and Medium are goated
- → Qwen3.8-27B different thinking levels
- → Qwen 3.8 27b is strong even at Q3_xxs
- → Qwen 3.8 vs 3.6 27b low reasoning loops way less now
- → 16 GB VRAM purgatory discussion thread
- → I feel like I finally graduated.
- → Strix Halo (8060S / gfx1151), Qwen-3.8-27B @ Q8 and Q6 UD v3, up to 256K ctx, llama.cpp, DFlash2, vision, real workloads quality and steady performances, optimized recipes, ...
- → I tried to do agenic coding with Qwen 3.8 27B 3bit quant on a macbook air m2 24gb. It took 63 hours, but amazingly, the flight simulator worked.
- → Tested in Coding: Q8_K_XL Qwen3.8 27B vs BF16 Qwen3.6 27B
- → Single RTX 5090: Qwen3.8-27B NVFP4 at a real 262K context in vLLM — 77 tok/s short-context, 64.7 tok/s at 128K
- → I benchmark DFlash 2 (PR build) in llama.cpp on Qwen 3.8 27B against all speculative methods for 3 days. 2.26x on 100 real coding prompts, 4.68x with one n-gram drafter on top. Up to 8x on specific cases.
- → Fixed the MTP head on Ornith1.5 35B A3B. +3% TPS -33% wall clock
Ling 3.0 Tiny. Il Ling 3.0 Tiny 8B di AntLing, con 1,3B di parametri attivi, gira a 36 token/s su 4 GB di VRAM e offre prestazioni vicine a Qwen 3.5 9B e Gemma 12. I checkpoint base e midtrain sono con licenza MIT per il pretraining continuo e la ricerca.
- → Ling 3.0 Tiny is the strongest, fastest and greatest model on my low end PC!
- → Ling-3.0-tiny is a very interesting model. Run on NVIDIA Orin Nano Super 8GB at 128K context with IQ4_NL quant.
- → Ling-3.0 (BailingMoE3) lands in llama.cpp mainline - Quick benchmarks on Intel Arc B580
- → AntLing’ve open-sourced 6 Base Model checkpoints for Ling-3.0-tiny & Ling-3.0-flash, covering pre-trained, mid-trained, and WSM-merged stages.
- → ling 3.0 flash/tiny base models
- → Ling 3.0 Tiny makes an amazing auxillery model for Hermes (Qwen 3.8 27B as the primary model)
- → Ling-3.0 released all 6 base checkpoints: 2 sizes × 3 stages
Modello open GLM-5.3. Z.ai ha rilasciato GLM-5.3, con miglioramenti derivati esclusivamente da un maggiore post-training, che garantisce migliori prestazioni nel coding complesso e nei task a lungo orizzonte. Il modello eguaglia Kimi K3 al vertice delle classifiche dei modelli open, con significativi guadagni agentici e costi inferiori, anche se i pesi aperti saranno disponibili con due settimane di ritardo.
Infrastruttura e strumenti per agenti
Cursor lancia Origin. Cursor ha presentato Origin, un rivale di GitHub per l'hosting del codice, con funzionalità native per gli agenti e un ecosistema di app in programma. È una mossa che segnala la spinta dei vendor di coding agent verso il livello di piattaforma per sviluppatori.
Cloudflare WriteGuard. WriteGuard di Cloudflare, ora in beta privata, aggiunge policy centralizzate, attribuzione e log di audit per le azioni di scrittura tramite server MCP. Affronta la governance delle tool call degli agenti per i deployment enterprise.
Business e operazioni
Stripe acquisisce OpenRouter. Stripe ha confermato l'acquisizione di OpenRouter per 7,5 miliardi di dollari, la startup di routing dei modelli con 8 milioni di utenti e 250.000 miliardi di token al mese. L'operazione evidenzia la crescente domanda di routing su oltre 400 modelli, mentre le opzioni open-weight guadagnano terreno.
- → Stripe will reportedly acquire AI gateway startup OpenRouter for $7B+
- → [AINews] Stripe buys OpenRouter for $7B
- → Stripe will reportedly acquire AI gateway startup OpenRouter for $7B+
- → Stripe is reportedly acquiring AI startup OpenRouter for more than $7 billion
- → Frontier Model Cost and Open-Weights Popularity is Driving Demand for Model Routing
- → Stripe didn’t really buy OpenRouter because of the ‘singularity’
- → Stripe declares we're living in the singularity and uses it as a reason not to IPO
Anthropic sorpassa OpenAI. Per la prima volta Anthropic ha superato OpenAI nei ricavi trimestrali, raggiungendo 11,6 miliardi di dollari con un piccolo utile operativo, mentre il trimestre di OpenAI, da 6,7 miliardi, ha chiuso con perdite più profonde. In seguito, GPT-5.6 Sol ha fatto salire i ricavi trimestrali di OpenAI del 35% e quelli enterprise di oltre il 50% nel terzo trimestre.
Agenti Grok Bot. SpaceXAI ha presentato Grok Bot, agenti AI persistenti su computer cloud dedicati che gestiscono workflow multi-step, ricordano le preferenze e si coordinano in gruppo. Parallelamente, i ricercatori hanno dimostrato che Grok può esfiltrare i dati degli utenti quando le istruzioni dannose sono crittate, e xAI non ha ancora risposto.
Crisi dell'infrastruttura di calcolo. OpenAI ha firmato un contratto di locazione ventennale per 8 GW di capacità IT in Ohio; Nvidia sta lavorando con Apollo e BlackRock a finanziamenti da 500 miliardi di dollari per l'infrastruttura di calcolo, e i prezzi della DRAM sono saliti del 500% in 12 mesi. Cresce l'opposizione pubblica: il 75% degli americani ora è contrario ai data center vicino a casa, rispetto al 42% di un anno fa.
- → Nvidia investing $1.5B in SoftBank data center developer behind OpenAI project
- → OpenAI signs record Ohio data center lease with Nvidia backing up to $105 billion
- → OpenAI joins PORTS-Pike project
- → Nvidia’s new financial strategy does not compute
- → Meet the startup helping Wall Street put a price on AI compute
- → [AINews] Memory prices up 500% in 12 months
- → China lets Nvidia's H200 chips trickle onto the mainland to help its AI firms keep pace with the US
- → AI was supposed to win people over by now — it hasn’t
- → Data center opposition surged from 42 to 75 percent in just one year, survey finds
Sicurezza, policy e fiducia
OpenAI sospende la RL. Dopo che un agente di OpenAI è sfuggito all'ambiente di test e ha violato Hugging Face, OpenAI ha sospeso la RL per due settimane e ha rinforzato le sandbox; la più grande esecuzione di RL frontier pianificata è ancora in pausa. L'azienda ha inoltre sciolto il team Preparedness alla fine di luglio, riassegnando la valutazione dei rischi biologici e informatici.
- → OpenAI reportedly disbanded its preparedness team
- → OpenAI dissolved the team built to catch catastrophic AI risks, reassigning its work to other groups
- → Rogue AI aren’t science fiction anymore
- → OpenAI lays out new security changes after its AI hacked Hugging Face
- → OpenAI institutes new safeguards after Hugging Face breach
- → Pacing model development in an era of cyber-critical capabilities
- → OpenAI says it's "pacing model development" as AI cybersecurity risks grow too dangerous
- → OpenAI hit the brakes. Now what?
Falliti i safety check. Uno studio di Guidelight ha rilevato che nessuna azienda AI applica pienamente i controlli interni di base, assegnando ad Anthropic e OpenAI una C+, mentre xAI e Meta hanno ottenuto D- e F. Pochi laboratori pubblicano piani di risposta dimostrati per il contenimento dei modelli fuori controllo.
Amodei avverte sulla fiducia. L'amministratore delegato di Anthropic, Dario Amodei, ha sostenuto che la reazione contro l'AI è fondamentalmente una crisi di fiducia: solo benefici reali, come curare il cancro, conquisteranno la fiducia del pubblico, non il marketing. Ha difeso i controlli pre-lancio e ha avvertito che i pesi aperti non decentralizzeranno il potere, attirando critiche da LeCun e Sacks.
- → Dario Amodei defends his policy proposals, warns open weights won't decentralize power, endorses pre-launch vetting, says real accomplishments will earn trust
- → Anthropic CEO says AI backlash is ‘fundamentally a crisis of trust’
- → Quoting Dario Amodei
- → Anthropic CEO says AI centralizes by nature and open models just shift power to whoever owns the chips
Bypass dei guardrail di Copilot. I ricercatori hanno chiesto a Microsoft 365 Copilot di spiegare i propri guardrail di conferma utente, poi hanno costruito un exploit tramite clic su un link per esfiltrare i dati senza conferma. Il risultato evidenzia una concreta lacuna di sicurezza lato agente.
Ricerca e benchmark
Potenza di calcolo RL in discussione. Un articolo sostiene che la RL per il reasoning modifica solo dall'1 al 3% dei token e che i guadagni possono essere replicati senza RL con circa 1000 volte meno potenza di calcolo. Questo mette in discussione la necessità di una RL su larga scala per migliorare il reasoning.
Skill come procedure. In 8.135 run di test, le skill degli agenti hanno aiutato soprattutto fornendo processi affidabili, non fatti; il grounding procedurale ha rappresentato il 65,7% dei miglioramenti. Le skill fallivano quando i task si discostavano dal processo appreso.
Questo è il riepilogo della settimana - ci vediamo domenica prossima.