Modelli AI e assistenti

Tutti i livelli

Claude è il nostro nucleo — ma le stesse skill viaggiano. Questa sezione allarga la lente all'intero mondo AI: gli assistenti principali, come si differenziano, quando usare quale, e le tecniche che si trasferiscono attraverso tutti.

What you'll learn

• Scegliere il modello giusto per un lavoro senza dover ri-imparare il campo ogni volta
• Muoverti tra assistenti — ChatGPT, Gemini, Grok, modelli open — senza perdere la tua tecnica
• Far girare modelli capaci sulla tua macchina, e sapere quando ne vale la pena
• Combinare Claude con modelli locali e framework di agenti

Comincia qui

Se leggi una pagina in questa sezione, leggi questa. Tutto ciò che sta sotto è un ramo da qui.

• Come scegliere un modello — un framework durevole che sopravvive a qualunque release specifica.

Poi segui il filo che corrisponde a quello che stai facendo.

I flagship attuali

Le uscite di settembre 2026 in cima a entrambi gli stack, lette fianco a fianco.

• Claude Opus 5.5: la guida sul campo — il nuovo default consigliato da Anthropic: 4$/20$, letture di cache su uno scaglione al 5%, quattro errori 400 e un cambio silenzioso nella forma della risposta
• Claude Fable 5.1: cosa è cambiato e come migrare — tre breaking change, cinque beta, letture di cache a un quarto del prezzo
• GPT-6 Astra: la guida sul campo per utenti Claude — stesso prezzo di listino, bolletta diversa, classificazione cyber di livello Critical

I cavalli da battaglia di settembre

Lo scaglione economico è dove stanno i numeri interessanti questo mese. Stessa lezione ogni volta: scegli il modello in base alla forma del lavoro, non alla sua posizione nel listino.

• Claude Sonnet 5.5: la guida sul campo — i prezzi esatti di Sonnet 5, fino al 30% in meno per task: cinque trappole da 400, il thinking che si sposta invece di spegnersi, e l'unica riga di benchmark in cui batte Opus 5.5
• Gemini 3.8 Flash per utenti Claude — prezzo da Sonnet, "lavora di più" per default, ~30% di token in più per task
• DeepSeek-V4.1-Flash — 552B a pesi open MIT, contesto da 1M, cache KV da 890 byte, una manopola di effort 1–100, e un cambio di routing che ha silenziosamente sostituito deepseek-v4-pro

Vieni da un altro assistente

Conosci già uno strumento e vuoi che le tue abitudini si trasferiscano.

• ChatGPT per utenti Claude
• Gemini per utenti Claude
• Grok per utenti Claude
• Portare prompt tra modelli — cosa si trasferisce, cosa si rompe

Confrontare prima di impegnarti

• Claude vs GPT vs Gemini per il coding
• Modelli reasoning a confronto
• Quanto costa l'AI tra i provider
• Ember-1: le risposte di Kimi K3 con il 40% di token in meno — listino identico, conto sensibilmente più basso: perché abbassare la manopola dell'effort non è la stessa cosa dell'efficienza, quanto costa davvero una run di benchmark, e la quota di token di reasoning che mette un tetto al tuo risparmio
• Prompt caching tra i provider — controllo esplicito contro automatico, una forbice di idoneità da 512 a 4.096 token, e la regola di pareggio secondo cui un prefisso riusato una volta sola può costarti DI PIÙ in cache che senza
• LLM a diffusione: i modelli che non scrivono da sinistra a destra — un algoritmo di decodifica diverso, non hardware migliore: perché il README del pioniere open-weight dice che la qualità è al massimo con un passo per token, il bug di indipendenza condizionale che rende il parallelismo aggressivo sbagliato e non solo grossolano, come DiffusionGemma ha convertito un Gemma 4 autoregressivo con meno del 10% del suo budget di addestramento, e il jailbreak a masked-infill che arriva al 100% su un dLLM allineato
• Compressione ottica del contesto: mandare testo come immagine — 86,5% di token conteggiati in meno su Anthropic, 6,95x in PIÙ su Gemini per input brevi, e il precipizio di accuratezza che il contatore di token non può vedere
• Media generativi: immagini, audio, video
• Video esplicativi AI: la pipeline guidata dal codice — il modello scrive un programma deterministico, non un video: perché Math.random() è vietato, lo scalino di licenza di Remotion a 3 dipendenti, i due Manim che condividono un nome di import, e la formula di permanenza che lo rende guardabile
• Gemini 3.8 Live e Live Extended Thinking — i modelli vocali GA di Google per builder: tool asincroni per default, i muri di sessione da 15 min/2 min, e perché il costo di una chiamata cresce più in fretta della sua durata

Far girare modelli in proprio

I modelli locali scambiano un po' di capability per privacy, controllo dei costi e lavoro offline. Queste pagine coprono quando quello scambio vale la pena.

• Far girare modelli in locale con Ollama — il punto di partenza pratico
• Perché un system prompt da 35 KB si rompe su un modello locale — budget di contesto, il troncamento silenzioso a metà prompt di Ollama, e i segnali di fallimento da tenere d'occhio
• DeepSeek, Qwen e i modelli open
• DeepSeek V4-Flash-Vision: il primo peso open di frontiera con visione nativa
• DeepSeek-V4.1-Flash: il peso open da 1M di contesto che lo ha sostituito — stack di serving, default di sampling, e il protocollo della manopola di effort
• Colibrì: far girare un MoE da 744B dal tuo SSD — streaming degli esperti su macchine da 16–32 GB, e quanto costa davvero in tok/s
• Quantizzazione ternaria in pratica: Bonsai 2 27B in 5,95 GB — perché llama.cpp di serie lo carica ed emette silenziosamente spazzatura, perché il file più grande è più veloce su una H100, e cosa nasconde il "98,2% di ritenzione"
• MiMo-V2.6: il modello omnimodale da 1T a pesi open di Xiaomi — MIT, 42B attivi, video e audio in ingresso; la trappola della versione di Terminal-Bench, perché Pro vuole due nodi, e cosa vende davvero lo scaglione UltraSpeed 10x
• Uno stack AI locale privato
• Claude più modelli locali — usare entrambi, deliberatamente

Agenti oltre Claude

• Agenti AI locali
• Framework di agenti open-source
• Claude, MCP e tool locali
• A2A: il protocollo agent-to-agent
• Pagamenti degli agenti: x402, MPP e AgentCore GA — come gli agenti pagano davvero le cose adesso
• API Agents di OpenAI contro Claude Managed Agents — i due loop agentici hosted fianco a fianco: permessi, vault, budget, policy di rete, costo della sandbox
• Open Code Review: il revisore AI ibrido di Alibaba — binari deterministici attorno a qualsiasi modello; 4,7x la precisione di Claude Code sul suo stesso benchmark, e un tetto di recall del 20%
• AX (Agent Executor): il runtime agentico open di Google — Task, Workspace, Gateway e Model in stile kubectl sopra Agent Substrate; cosa sopravvive a un suspend/resume, il contratto del runner, e perché la documentazione di giugno non corrisponde più alla CLI
• Modelli decisionali System One: Jev, Kev e i cloni open — un modello che restituisce probabilità calibrate invece di testo; cosa garantisce davvero il "non può allucinare", i numeri del vendor accanto all'unico test indipendente, e dove si colloca in un loop agentico Claude
• Addestra il tuo modello decisionale: Jeff, Jeeves e lo stack fai-da-te — la ricetta è cross-entropy sulle lettere delle opzioni più una temperatura calibrata a parte; ~2 ore su una GPU, le righe di benchmark dove un 0,8B batte l'API di 19 punti e quelle dove ne perde 30, e la noiosa baseline a embedding che devi battere prima
• Harness agentici async-first: cosa cambia Unreal Agent — perché è il numero di turni, non di token, che paghi; 28 turni contro 44 per lo stesso punteggio, e i tre design che Unreal Labs si è rifiutata di costruire

Tutto in questa sezione

La lista completa, incluse pagine aggiunte da quando questo indice è stato scritto.

MModelli AI e assistenti

Claude è il nucleo qui, ma le stesse skill viaggiano. Comincia con come scegliere, poi vai in profondità quanto ti serve su qualsiasi assistente, sul far girare modelli in locale, o sugli agenti.

IIl panorama dei modelli AI: scegliere tra Claude, ChatGPT, Gemini e i modelli open

Un framework duraturo per scegliere il modello AI giusto per un compito — tra Claude, ChatGPT, Gemini, Llama, Mistral, Grok e i modelli open/locali — più le competenze che si trasferiscono tra tutti.

GGemini 4 Argon: la guida sul campo per chi usa Claude (30 settembre 2026)

La generazione Gemini 4 di Google si apre con Argon e un numero da titolo: un limite di OUTPUT da 1M token, su dai precedenti 64K. Il contesto è rimasto a 1M. Quello che la copertura giornalistica sbaglia: l'indice indipendente di Artificial Analysis colloca Argon a 53 — cinque punti DIETRO i 58 di Claude Opus 5.5 — e il suo costo più basso di 1,99 $ per task viene dal listino, non dall'efficienza, dato che brucia 62K token di output per task contro i 27K di GPT-6 Astra. Inoltre: un tasso di allucinazione del 15% (il più basso misurato), e perché quasi certamente non puoi ancora chiamarlo.

CClaude Opus 5.5: la guida sul campo

Opus 5.5 è uscito il 22 settembre 2026 a 4/20 $ per MTok — il 20% sotto Opus 5, con letture dalla cache a 0,20 $ (una fascia al 5%, non il consueto 10%). Quattro breaking change fanno fallire con 400 una migrazione ingenua, una quinta cambia la forma della risposta senza far fallire nulla e fa ammutolire la tua UI a metà task. Il thinking non può più essere disattivato in alcun modo, il tool_choice forzato non c'è più, e l'effort predefinito è sceso da high a medium — mentre ogni livello ora ragiona più di quanto facesse su Opus 5.

CClaude Fable 5.1: cosa è cambiato e come migrare

Anthropic ha rilasciato Claude Fable 5.1 e Mythos 5.1 il 1° settembre 2026: stesso prezzo di 10 $/50 $, letture da cache ridotte a 0,25 $, tre breaking change API (errori su tool_choice forzato, blocchi di thinking a senso unico, cronologia append-only) e cinque beta additive. La guida di migrazione sul campo per chi ha fissato claude-fable-5 o claude-opus-5.

CClaude Fable 5 e Mythos 5: la guida pratica ai modelli di punta

Fable 5 è stato il primo modello di punta di classe Mythos di Anthropic — oggi è un modello legacy, superato da Fable 5.1. La sua API rifiuta in-band (HTTP 200, stop_reason: refusal), ha solo il thinking adattivo e non restituisce mai il thinking grezzo. Se usi un modello di fascia alta fissato per nome, questo cambia il modo in cui scrivi le integrazioni. Quando usarlo rispetto a Opus 4.8, il pattern di fallback, i cambiamenti nel prompting.

CClaude Sonnet 5.5: la guida sul campo

Sonnet 5.5 è uscito il 28 settembre 2026 esattamente ai prezzi di Sonnet 5 — 2/10 $ per MTok — e Anthropic sostiene comunque fino al 30% in meno per task. Il risparmio sta nel conteggio dei token, non nel listino. Cinque breaking change restituiscono 400 su una codebase Sonnet 5, una sesta restituisce 200 e zittisce la tua UI di avanzamento, il thinking non si può più disattivare (solo spostare tra le chiamate ai tool), e su Terminal-Bench 4.0 il modello economico segna 70,6% contro il 66,4% di Opus 5.5.

CClaude Haiku 5.5: il salto di prezzo a 100K

Haiku 5.5 è uscito il 7 ottobre 2026 a $0,10/$0,50 per MTok — un taglio del 90% — ed è l'unico modello Claude attuale con prezzo in base alla lunghezza del prompt. Un solo token oltre 100.000 riprezza l'intera richiesta di 5 volte. La soglia è misurata sul nuovo tokenizer, quindi arriva circa il 23% prima di quanto ti aspetti in termini di testo, e il 90% del titolo è in pratica ~87% sotto la soglia e ~35% sopra.

CClaude Opus 5: la guida sul campo

Opus 5 è uscito il 24 luglio 2026 come quarto modello di Anthropic in due mesi — stesso prezzo di Opus 4.8 ($5/$25) ma più del doppio del punteggio Frontier-Bench, 3× ARC-AGI-3 rispetto al miglior concorrente e un nuovo tier di effort xhigh/max. I benchmark che contano, i due errori 400 che rompono le migrazioni ingenue e quando Opus 5 sostituisce Fable 5 nel tuo stack.

CClaude Sonnet 5: la guida sul campo

Sonnet 5 è il nuovo default di Claude Code e il successore drop-in di Sonnet 4.6 — ma tre vincoli API ti restituiranno 400 durante la migrazione e un nuovo tokenizer produce circa il 30% di token in più per lo stesso testo. La matematica del pricing, il rimapping dell'effort (Sonnet 5 medium ≈ Sonnet 4.6 high) e i cambi di prompting che colgono i team di sorpresa.

CChatGPT per utenti Claude

Padroneggi Claude e devi usare ChatGPT? Le differenze che contano, cosa si trasferisce e quando scegliere l'uno o l'altro — incluso il ritiro dei Custom GPTs e i Plugins che li sostituiscono.

GGPT-5.6 e ChatGPT Work per utenti Claude

OpenAI ha rilasciato la famiglia GPT-5.6 (Sol, Terra, Luna) e ChatGPT Work il 9 luglio 2026. Cosa è davvero cambiato per un utente Claude — contesto da 1,05M, un tier da 1$, un agente che lavora per ore e le parti del lancio di cui nessuno parla.

GGPT-6.1 Sol: la guida sul campo per chi usa Claude

OpenAI ha rilasciato GPT-6.1 Sol al DevDay del 29 settembre 2026 con esattamente lo stesso listino di Claude Sonnet 5.5 — 2/10 $ — e un prezzo di input cached pari alla metà di quello di Sonnet. Lo slogan di lancio è «intelligenza quasi-Astra a un quinto del prezzo». I dettagli che decidono se sia vero anche per te: un tetto di input di 922K dentro una finestra da 1,05M, uno scalino di costo netto a 272K token, il tool calling che funziona solo su una delle due API, e la riga di benchmark dove Sonnet 5.5 vince ancora di 8,7 punti.

AAggiornamento GPT-5.6 di agosto 2026: slider di effort, pulsante Think gratis e il precipizio dei 272K

Il 6 agosto 2026 OpenAI ha spedito un aggiornamento mid-cycle di GPT-5.6 che quasi tutti i pezzi hanno riassunto con 'Sol è più intelligente'. La vera storia: un controllo di effort a sei livelli che cambia come prezzi una richiesta, un pulsante Think sul piano gratuito, un precipizio di pricing a 272K token che ri-prezza l'intera chiamata, e una modalità Fast che gira solo su Sol. Cosa significa ciascuna cosa per chi usa Claude.

OOpenAI Astra: la scheda in anteprima

Il 1 agosto 2026 OpenAI ha presentato in anteprima il suo 'prossimo modello principale', Astra, con dieci dimostrazioni matematiche verificate in Lean e quasi zero specifiche di prodotto. Cosa è davvero confermato, cosa resta ignoto e se un utente Claude dovrebbe aspettare — la lettura onesta e documentata.

CCodex Agent Plugins e federazione dei cataloghi (v0.147.0): la guida pratica

Il 7 agosto 2026 OpenAI ha rilasciato Codex CLI v0.147.0 — la versione che trasforma le Skill in Agent Plugin portabili con un catalogo a quattro livelli, introduce un flag --approve-for-me che non fa ciò che sembra, rimuove silenziosamente --full-auto e attiva l'opt-in a MCP 2026-07-28. Cosa fa davvero ogni pezzo, spiegato per chi usa Claude.

AAccedi con ChatGPT

Il nuovo livello di identità di OpenAI, vecchio di tre giorni. Quali dati attraversano davvero il confine, cosa possono fare gli admin enterprise, e come accettarlo nella tua app senza dare a OpenAI un punto d'appoggio non voluto.

EEseguire modelli AI in locale con Ollama

Esegui modelli open-weight (Llama, Mistral, Qwen…) sul tuo computer — privati, offline, gratuiti da usare — con Ollama. Installazione, CLI e chiamate da codice.

CClaude vs GPT vs Gemini per il coding

Un framework (non una classifica) per scegliere un modello di frontiera per il coding — i fattori che contano, e perché una eval sul tuo repo batte ogni benchmark.

CCLI per agenti di coding a confronto

Claude Code, Codex CLI, Gemini CLI e gli agenti terminale open-source — come l'harness (non solo il modello) decide i tuoi risultati, e come tenere la tua configurazione portabile con AGENTS.md.

SSupabase Evals — Benchmark su Agenti con Backend Reale

Supabase ha rilasciato open-source un benchmark che fa girare Claude Code, Codex e OpenCode contro stack Supabase reali in container — non mock. Ecco cosa misura, cosa ha scoperto su come i modelli usano davvero doc e skill, e come farlo girare in locale in una serata.

AApple Foundation Models 3 e lo stack LLM on-device per chi usa Claude

I modelli Foundation di terza generazione di Apple (AFM 3) sono arrivati al WWDC 2026 con un modello denso da 3B on-device, un MoE sparso da 20B che gira su iPhone, e un framework Swift-nativo che ora permette di collegare il proprio provider LLM — Claude incluso. Cosa è stato effettivamente rilasciato, i meccanismi non ovvi, e come cambia il quadro on-device per chi spedisce app Claude.

GGemini per utenti Claude

Fluente in Claude, ti serve Gemini di Google? Le differenze che contano — Gem, integrazione Workspace, contesto enorme, multimodale — e cosa si trasferisce.

GGemini 3.6 Flash, Flash-Lite e Flash Cyber per utenti Claude

Il 21 luglio 2026 Google ha saltato del tutto Gemini 3.5 Pro e ha rilasciato invece tre modelli di fascia Flash. Prezzi reali, benchmark reali, gli inciampi della migrazione e le cose che quasi nessuno racconta — incluso un fine-tune di cybersecurity che ha battuto Claude Opus 4.6 nella caccia ai bug di V8.

GGemini 3.7 Flash per utenti Claude: cavallo da soma per agenti di codice a metà prezzo (Ago 2026)

Il 13 agosto 2026, tre settimane dopo 3.6 Flash, Google ha rilasciato Gemini 3.7 Flash a metà del prezzo introduttivo con un salto di 16 punti su DeepSWE. Le insidie che quasi tutti gli articoli saltano: un prezzo introduttivo che scade, un vantaggio di throughput di 3× che conta per i loop degli agenti ma non per la chat, e dove ancora resta indietro rispetto a Claude Sonnet 5.

GGemini 3.8 Flash per chi usa Claude: il cavallo da tiro che ora pareggia Opus 5 su DeepSWE (set 2026)

Il 2 settembre 2026, tre settimane dopo 3.7 Flash, Google ha rilasciato Gemini 3.8 Flash allo stesso prezzo introduttivo di $0.75 / $3.75: DeepSWE 73.7 (+8.4), Terminal-bench 2.1 89.4, HLE-Verified 54.9, più una variante Cyber riservata dietro il nuovo Fairwind Program. Ciò che i titoli saltano: 'lavora di più' emettendo ~30% di token in più per task, valgono ancora le stesse regole di migrazione dell'ID modello di 3.7, e Terminal-bench 4.0 è dove Claude Opus 5 resta 33 punti avanti.

GGrok per utenti Claude

Padroneggi Claude, ma ti serve Grok di xAI? Le differenze che contano — ricerca in tempo reale su X/web, un'API compatibile con OpenAI e l'agente di coding Grok Build — più tutto ciò che si trasferisce.

MMuse Code + Muse Spark 1.2: l'agente di coding da terminale di Meta

Il 5 agosto 2026 Meta ha rilasciato Muse Code, un agente di coding da terminale, e Muse Spark 1.2, il modello co-addestrato con esso. Cosa ti compra davvero l'event log append-only, perché il tier contributor costa 12,5× meno di quello standard, come si posiziona rispetto a Claude Code su Terminal-Bench 2.1 e le tre skill incluse che vale la pena rubare a prescindere dall'agente che usi.

FFramework open-source per agenti AI

Una mappa neutrale rispetto al provider dei principali framework aperti per costruire agenti LLM — LangGraph, LlamaIndex, AutoGen, CrewAI e l'approccio a loop minimale — e come scegliere.

AAPI Multi-Agente Native: Responses Multi-Agent Beta di OpenAI vs Costruirtelo da Solo

Il 9 luglio 2026 OpenAI ha rilasciato la beta multi-agente della Responses API e la Sol Ultra Mode — il primo vendor frontier a rendere 'il modello spawna e sintetizza N sub-agenti in una sola richiesta HTTP' una primitiva di prima classe. Cosa esce davvero, la forma dell'API, la matematica dei costi, cosa fa Anthropic al suo posto, e quando la primitiva nativa batte un fan-out DIY.

AA2A: il protocollo Agent-to-Agent

MCP collega gli agenti agli strumenti. A2A collega gli agenti ad altri agenti — tra framework, cloud e aziende diverse. Impara l'Agent Card, i task, gli otto stati del ciclo di vita, streaming vs. webhook, e come A2A si compone con MCP.

PPagamenti degli agenti: x402, MPP e AgentCore GA

Come gli agenti AI pagano davvero le cose oggi: il protocollo x402 su HTTP 402, gli schemi exact/upto/batch-settlement, i facilitator, la GA di Amazon Bedrock AgentCore Payments di agosto 2026 (payment session, Coinbase Bazar MCP, Stripe Privy, Machine Payment Protocol), e come aggiungere un paywall o un agente che spende senza inventarsi un wallet.

PPortare i Prompt tra Modelli Diversi

Sposta un prompt tra Claude, GPT, Gemini e modelli open — cosa si trasferisce senza problemi, cosa adattare per ciascun modello e un workflow di migrazione.

PPattern di Routing dei Modelli: cascate, classificatori e cosa arriva davvero in produzione

I design pattern per inviare ogni richiesta al modello AI giusto — rule-based, classificatore, complessità, cascata, ensemble, fallback. Quando usare ciascuno, cosa si rompe e le ricette che funzionano davvero nel 2026.

DDeepSeek, Qwen e l'ondata open-weight

Potenti modelli open-weight (DeepSeek, Qwen, Llama, Mistral) hanno chiuso gran parte del divario. Cosa significa 'open weight', i trade-off vs la frontiera closed, e come usarli.

QQwen3.8-Max: il primo modello Max open-weight (quando i pesi arrivano davvero)

3 agosto 2026: Qwen3.8-Max di Alibaba esce API-only con un MoE da 2.4T parametri (95B attivi), contesto da 1M, doppia API in specifica OpenAI/Anthropic e benchmark che battono GPT-5.6 Sol Max su OSWorld. Cosa c'è davvero di nuovo, cosa significa 'open weight' quando la pagina Hugging Face è vuota e la matematica della sparsità che rende costoso il self-hosting.

DDeepSeek V4-Flash-Vision: il primo open weight di frontiera con visione nativa

Il 31 agosto 2026 DeepSeek ha rilasciato open source V4-Flash-Vision-Exp: un MoE da 305B che aggiunge visione nativa a V4-Flash senza intaccare i punteggi degli agenti testuali, eguaglia o batte Claude Opus 4.8 su ApexBench / Agents' Last Exam / ZeroBench a una frazione del prezzo, ed è distribuito con licenza MIT. I numeri specifici, il limite rigido di 384 token per immagine che la maggior parte delle guide ignora, e il modo concreto per eseguirlo.

DDeepSeek-V4.1-Flash: un open weight con contesto da 1M che pareggia Opus 5 su DeepSWE (set 2026)

Il 10 settembre 2026 DeepSeek ha rilasciato V4.1-Flash — un MoE da 552B con licenza MIT, visione nativa, finestra da 1M token, una KV cache grande un quarto di quella di V4-Flash e una manopola di reasoning effort da 1 a 100. Pareggia Claude Opus 5 su DeepSWE v1.1 (74.2 vs 74.0) a $0.30 per milione di token di input, e resta molto indietro su Terminal-Bench. I numeri, il cambio di routing che ha spostato silenziosamente ogni chiamata deepseek-v4-pro, e dove Claude vince ancora.

KKimi K2 per utenti Claude

Kimi K2 di Moonshot è un agente open-weight da un trilione di parametri costruito per catene di uso strumenti lunghe. Cosa lo rende davvero diverso da Claude — pesi INT4 nativi, 200–300 tool call sequenziali, una licenza permissiva — e quando conviene sceglierlo.

GGLM-5.2: modello di coding open-weight di frontiera

Il MoE da 753B (~40B attivi) di Z.ai, contesto da 1M token, licenza MIT — arriva a un punto da Claude Opus 4.8 sul coding long-horizon, a circa un sesto del costo API. Cosa fa davvero IndexShare, come lo fai girare in locale, e dove batte Claude Code sul campo.

IInkling: il modello open-weights di Thinking Machines

Il Thinking Machines Lab di Mira Murati ha rilasciato Inkling — un MoE multimodale da 975B parametri sotto Apache 2.0, con una manopola continua per lo sforzo di ragionamento. Cosa ha sbagliato la copertura del lancio, perché perde i benchmark di proposito e cosa fa davvero quella manopola.

KKimi K3: il più grande modello open-weight al mondo

Il modello open-weight da 2,8 trilioni di parametri di Moonshot AI batte Claude Opus 4.8 su molti benchmark e domina la Frontend Code Arena. Cosa lo rende architetturalmente diverso, quando il prezzo cache-hit ribalta il calcolo dei costi, e se vale la pena sceglierlo.

EEseguire Kimi K3 in locale: vLLM, DSpark e il vero conto hardware

La guida pratica definitiva per il self-hosting di Kimi K3, l'open-weight da 2.8T di Moonshot, nel 2026. Cosa fa davvero il speculative decoding DSpark, hardware minimo (1× DGX B300 o 16× DGX Spark), i comandi vLLM esatti, l'asimmetria prefill/decode di cui nessuno ti avverte, e quando l'inferenza hosted batte il tuo rack.

MMiMo-V2.6: il modello omnimodale open-weight da 1T di Xiaomi

Un MoE da 1,02T di parametri con 42B attivi, contesto da 1M, input testo/immagine/video/audio — licenza MIT su Hugging Face. Cosa dicono davvero le tabelle dei benchmark una volta che controlli quale versione è stata usata, perché Pro richiede 32 GPU e Flash no, e cosa vende in realtà il tier UltraSpeed a 10x.

DDentro Grok Build: leggere un harness di agente open

xAI ha pubblicato sotto Apache 2.0 l'intero sorgente Rust del suo agente di coding — il loop dell'agente, il layer dei tool, la TUI e il sistema di estensioni. Cosa insegna la mappa dei crate su come si costruisce un agente, perché qui 'open source' significa source-available, e cosa racconta il codice del data-collector ancora presente nell'albero.

PPoolside Laguna: modelli di coding open-weight che colpiscono sopra la loro categoria

La famiglia Laguna di Poolside AI (XS 2.1, S 2.1, M.1) — modelli di coding MoE con 3B–23B parametri attivi, contesto da 1M token, licenza OpenMDW-1.1. Che cosa batte davvero S 2.1 con 8B attivi, perché XS 2.1 con 3B attivi gira su un MacBook, la prima pipeline di training RL in FP8 conosciuta, e quando sceglierlo al posto di Claude, GLM-5.2 o Kimi K3.

MMedia generativi: AI per immagini, audio e video

Oltre la chat testuale — una mappa dell'AI per immagini, video, voce e musica: gli strumenti principali, le competenze durature, e i diritti/l'etica che contano.

OOpen Code Review: il revisore AI ibrido di Alibaba contro Claude Code, Codex e qualsiasi modello (2026)

open-code-review (ocr) di Alibaba è il revisore di codice AI in tendenza su GitHub: una CLI in Go che avvolge un agente LLM con selezione dei file, abbinamento delle regole e ancoraggio alle righe deterministici. Stesso modello Claude, 4,7x la precisione di una review di Claude Code con 1/15 dei token sul suo stesso benchmark — e un recall massimo del 20%. Come funziona, come eseguirlo con Claude, GPT, Qwen o un modello locale, la modalità delega, la CI e le insidie.

MMiniMax H3 (Hailuo 3.0): il modello video omni open-weight

MiniMax ha aperto un transformer single-stream da 33B che genera 4–15s di video 2K con audio stereo nativo in un solo passaggio. La licenza blocca silenziosamente il self-hosting in USA/UE/UK/Corea, la base open è 768p (non 2K), e ~13B dei 33B parametri sono branch AdaLN che puoi saltare in inferenza. Cos'è davvero H3, quanto costa e quando batte le API video chiuse.

QQuanto costa davvero l'AI (tra i vari provider)

Un quadro duraturo per confrontare il costo dell'AI tra i provider — gli archetipi di prezzo, come stimare un carico di lavoro, le leve per ridurre il conto e quando conviene open/locale.

TTetti di spesa rigidi: quali provider AI fermano davvero la bolletta

Un tetto morbido ti manda un'email. Un tetto rigido blocca la richiesta. Questa pagina mappa quali provider AI fanno cosa — e la trappola che nessuno documenta: lo stesso evento (hai raggiunto il tuo tetto) restituisce HTTP 429 senza retry-after sul tetto di tier di Anthropic, HTTP 400 sul limite che imposti tu, 429 su OpenAI e 402 su OpenRouter. Più il perché nessun tetto può essere esatto, dove il tier Custom perde la sua rete di sicurezza, e come costruire un killswitch pre-flight.

PPrompt caching tra provider

Tutti i principali provider mettono in cache il prefisso del prompt — ma esplicito o automatico, 5 minuti o 24 ore, e un sovrapprezzo di scrittura che può far costare la cache più del non usarla. La regola portabile del punto di pareggio e le cinque trappole quando sposti un carico di lavoro.

PPerché gli agenti AI bruciano token (e come mettere un tetto al conto)

Un run agentico costa 50–1000 volte una chat — non perché il modello sia più stupido, ma per via della valanga di contesto. Il meccanismo, i numeri sorprendenti e le quattro leve che tagliano davvero il conto su Claude, GPT, Gemini e modelli open.

SStato della conversazione lato server tra provider

Anthropic, OpenAI e Google ora tengono la tua conversazione sui loro server — e hanno rilasciato tre contratti incompatibili. Uno è un trucco di latenza effimero per cui devi scrivere un percorso di replay; due sono storage durevole ATTIVO per impostazione predefinita, per 30 e 55 giorni. L'asse che decide davvero il tuo design.

CCompressione ottica del contesto: mandare il testo come immagine

Renderizza il contesto in un'immagine e il vision encoder diventa una manopola di compressione. Misurato su Anthropic, OpenAI e Google, un'immagine di codice conta il 76-87% di token di input in meno rispetto allo stesso codice come testo — e su Gemini può costare 6,95x di PIÙ. Il meccanismo, il precipizio di accuratezza e come testarlo sui tuoi documenti.

VVideo esplicativi con l'AI: la pipeline guidata dal codice

I video esplicativi fatti con Opus 5.5 sono finiti in prima pagina su Hacker News — e quasi nessuno spiega che cosa stia succedendo davvero: il modello scrive un programma di animazione deterministico, non un video. Il meccanismo, i tre motori di render e le loro licenze, le due trappole che mandano in crisi il codice di animazione scritto dagli agent, la formula di ritmo che separa un video guardabile da uno illeggibile, e quanto costa davvero.

CCostruire agenti AI locali

Agenti autonomi che girano interamente sulla tua macchina con un modello locale a pesi aperti — privati, offline, gratuiti da eseguire. L'architettura, i compromessi, e come iniziare.

CClaude + modelli locali: pattern ibridi

Fai lavorare in sinergia Claude e i modelli open-weight locali — router, draft-then-refine, redazione della privacy, pre-processing di massa — per il ragionamento della frontiera con la privacy e il costo del locale.

AAI Gateway: LiteLLM, OpenRouter, Portkey, Vercel

Un AI gateway di produzione è il router mancante tra la tua app e ogni modello — Claude, GPT, Gemini, Llama. Confronta LiteLLM, OpenRouter, Portkey e Vercel AI Gateway, poi collega Claude Code al tuo proxy.

AAgenti di coding locali (e come si abbinano a Claude)

Agenti di coding che girano sulla tua macchina e modificano il tuo repo — Aider, Cline, Continue, OpenHands, Claude Code — alimentati da Claude per la qualità o da un modello locale per la privacy.

CCollegare Claude a strumenti e agent locali con MCP

Il Model Context Protocol permette a Claude di orchestrare strumenti, dati e agent che girano in privato sulla tua macchina — la sinergia Claude-come-cervello, capacità-locali. Aggiungi o costruisci un server MCP locale.

CCostruisci uno Stack di AI Locale Privato (End-to-End)

Metti tutto insieme: un modello locale (Ollama) + un agente model-agnostic + strumenti tramite un server MCP locale — un assistente privato sulla tua macchina, con Claude come livello intelligente opzionale.

AAgente locale o Claude? Una guida alla decisione

Agente completamente locale, alimentato da Claude, o ibrido? I fattori che lo decidono — privacy, difficoltà del compito, costo, latenza, affidabilità — e perché spesso vince l'ibrido.

MMettere in sicurezza gli agenti locali e ibridi

Un agente che può modificare file ed eseguire comandi è potente e pericoloso. Privilegio minimo, sandboxing, approvazione umana, difesa dalla prompt injection, tetti di spesa — come far girare gli agenti in sicurezza.

MModelli di ragionamento a confronto

Budget di pensiero e sforzo di ragionamento tra Claude, GPT, Gemini, DeepSeek e Qwen — quando spendere token per pensare e quando no.

VVoice AI full-duplex: perché gli agenti vocali sono diventati di colpo reali

GPT-Live e i nuovi modelli speech-native ascoltano e parlano contemporaneamente. Cosa cambia il full-duplex, come funziona e il panorama della voice-AI oggi.

CClaude Voice con Opus e Sonnet (luglio 2026): voce reasoning-first vs GPT-Live

Il 23 luglio 2026 Anthropic ha aperto la voce di Claude a Opus, Sonnet e alle app connesse — ma ha mantenuto lo stack a turni. Cosa è cambiato davvero, quando cambiare modello a metà chiamata e come la scommessa di design differisce dal full-duplex di GPT-Live.

GGemini 3.8 Live e Live Extended Thinking: la guida sul campo per builder ai nuovi modelli vocali di Google (set 2026)

Il 15 settembre 2026 Google ha rilasciato gemini-3.8-live e gemini-3.8-live-extended-thinking. Il post di lancio copre i benchmark. Questa pagina copre il resto: quale modello scegliere, le trappole di migrazione da 3.1 Flash Live (i tool asincroni ora sono il default, thinkingLevel restituisce errore, l'audio proattivo non si può disattivare), i muri di sessione a 15 minuti e 2 minuti, e perché il costo di una sessione vocale cresce più in fretta della sua durata.

BBlueprint per agenti di commercio (riferimento Anthropic)

Il blueprint open source di Anthropic (set 2026) per agenti di shopping e di merchant su Claude: la struttura a due agenti, il guardrail delle scritture in staging e i pattern che puoi rubare anche se non costruisci nel commercio.

VVelocità dei token: perché l'inferenza AI è diventata di colpo 10-15× più veloce

Chip wafer-scale e LPU servono modelli di frontiera a centinaia di token al secondo. Cosa limita davvero la velocità di inferenza, la nuova corsa all'hardware, e perché i token veloci cambiano agenti, voce e ragionamento.

LLLM a diffusione: i modelli che non scrivono da sinistra a destra

Mercury 2 risponde a una domanda di ragionamento completa in 1,7 secondi a 1.009 tok/s; Gemini Diffusion campiona a 1.479 tok/s contro i 272,4 di Gemini 2.5 Flash. Gli stessi transformer, un algoritmo di decodifica diverso. La guida pratica: perché il README del pioniere open-weight dice che la qualità è al massimo quando usi un passo per token, il bug di indipendenza condizionale che rende sbagliata la decodifica parallela, la block diffusion come correzione che ha restituito la KV cache, come DiffusionGemma ha convertito un Gemma 4 autoregressivo con meno del 10% del suo budget di addestramento, e il jailbreak a masked-infill che arriva al 100% su un dLLM allineato.

AAgenti Computer-Use a confronto

Claude, GPT e Gemini possono ormai tutti pilotare uno schermo — ma ciascuno espone uno spazio d'azione, un contratto sulle coordinate e un gate di sicurezza diversi. Cosa si rompe davvero, e come costruire un loop che sopravviva.

BBrowser a login condiviso per agenti AI: il pattern ego lite

Una nuova classe di browser — meglio esemplificata da ego lite, che ha raggiunto il #1 su GitHub Trending il 24 luglio 2026 — permette a Claude Code, Codex, Cursor e a qualsiasi altro coding agent di guidare una sessione Chromium isolata che eredita i tuoi login reali. Cosa risolvono davvero Spaces e snapshot semantici, perché insidiano Playwright per il lavoro con agenti, e il costo di sicurezza di condividere i cookie di sessione con un processo autonomo.

CCloudflare Kitesurf: il primo runtime browser costruito per agenti AI (non per umani)

Il 6 agosto 2026 Cloudflare ha lanciato Kitesurf, un browser stateless agent-first che gira interamente in V8 isolate su Workers. Usa 3-7x meno CPU e memoria di Chromium su task comuni degli agenti — al costo di ~1.7x più tempo wall-clock. Scritto in Rust, usa il parser CSS di Firefox (Stylo) e il rendering engine Blitz, drop-in compatibile con Puppeteer/Playwright via Chrome DevTools Protocol. Questa pagina: cosa è cambiato, quando raggiungerlo invece di headless Chrome, come collegarlo a Claude Code / Codex / il tuo client MCP, e le quattro cose che al momento proprio non può fare.

AAgenti desktop senza pixel

Vercel Labs ha rilasciato agent-desktop il 28 ottobre 2026 — computer use basato sull'albero di accessibilità, in Rust, Apache-2.0, per macOS/Windows/Linux. Il titolo è «alberi AX al posto dei pixel». La parte da copiare è il suo modello di correttezza: ref legati a uno snapshot, risoluzione fail-closed che rifiuta di tirare a indovinare, proprietà a tre stati e una regola di retry costruita su CONSEGNATO vs NON CONSEGNATO invece che su successo vs fallimento.

SSKILL.md: lo standard aperto cross-agent

Un solo file SKILL.md, trentadue agenti. Cos'è davvero lo standard aperto Agent Skills, come la progressive disclosure tiene basso il costo del contesto, cosa rompe la portabilità e come scrivere una skill che gira senza modifiche in Claude Code, Codex, Gemini CLI e Cursor.

CColibrì: far girare un MoE da 744B dal tuo SSD (e cosa ti costa davvero)

Colibrì è un engine in C puro, senza dipendenze, che esegue GLM-5.2 (744B), Kimi K3 (2.8T), DeepSeek V4.1 Flash e altri sei modelli MoE di frontiera su una macchina da 16–32 GB tenendo i layer densi in RAM e facendo streaming degli expert instradati da NVMe. Questa pagina spiega la gerarchia di memoria, i numeri che decidono se è usabile per te (da 0,05 a 6,8 tok/s), le insidie dell'usura SSD e dello speculative decoding, e i comandi esatti per ottenere il primo token.

OOpenAI Agents API vs Claude Managed Agents: il loop agentico hosted, a confronto

Il 10 settembre 2026 OpenAI ha messo l'harness di Codex dietro una singola chiamata API: la beta pubblica della Agents API — sessioni durevoli, sandbox hosted o self-hosted, compaction automatica, tool search, subagenti. Anthropic offre la stessa forma da aprile con Managed Agents. Entrambi usano le stesse quattro primitive; differiscono su permessi, segreti, budget, policy di rete e costo della sandbox. Il confronto fianco a fianco, le forme delle richieste, i sei gotcha e quando scegliere quale.

AAX (Agent Executor): il runtime open per agenti di Google, spiegato per chi costruisce (set 2026)

google/ax è arrivato in prima pagina su Hacker News il 20–21 settembre 2026 (507 punti). Non è un modello, non è un harness e non è un'API hosted: è un orchestratore in stile kubectl che esegue Task di agenti in sandbox sopra Agent Substrate, con Workspace (git + MCP + skill), Gateway (allowlist di egress) e Model (provider + secret) come risorse dichiarative. Cosa fanno le quattro primitive, cosa sopravvive a un suspend/resume e cosa no, il contratto del runner che la tua immagine deve rispettare, i requisiti GKE, e perché la documentazione di giugno non corrisponde più alla CLI.

MModelli decisionali System One: Jev, Kev e i cloni open, spiegati per builder (set 2026)

Jev di TypeSafe AI (uscito dallo stealth il 15 settembre 2026) è un modello che non scrive mai testo: gli invii lo stato del programma più domande tipizzate e restituisce probabilità calibrate per tutte in un solo passaggio parallelo, 70–500 ms, 0,042 $ per milione di token in input, output gratis. Due storie in prima pagina su Hacker News il 21 settembre (Kev, una ricreazione Apache-2.0 su Qwen3.5, e lo scherzo jev-leftpad) ne hanno fatto l'argomento della settimana. Cosa fa davvero un modello System One, cosa garantisce realmente la promessa 'non può allucinare', i numeri del vendor accanto all'unico test indipendente, dove sta un modello decisionale in un loop agentico Claude, e come far girare Kev o Nimble in locale.

AAddestra il tuo modello decisionale: Jeff, Jeeves e lo stack System One fai-da-te (set 2026)

Due settimane dopo che Jev ha reso i modelli decisionali una categoria, lo stack open ha recuperato: Jeff trasforma un Qwen da 0,8B in un classificatore compatibile con Jev in circa 2 ore su una sola GPU da workstation, e Jeeves di PostHog dimostra che lasciar ragionare un modello decisionale batte Jev sul suo stesso benchmark. Qual è davvero la ricetta di addestramento (cross-entropy sulle lettere delle opzioni, una temperatura calibrata a parte), dove i modelli minuscoli vincono e dove vengono distrutti, il tetto delle 26 opzioni, il precipizio di latenza 20x su CPU, e la noiosa baseline a embedding che ha totalizzato 93,0% e che devi battere prima che tutto questo abbia senso.

QQuantizzazione ternaria in pratica: Bonsai 2 27B in 5,95 GB

PrismML ha compresso Qwen3.8-27B a 1,75 bit per peso e 5,95 GB. La guida pratica che nessuno ha scritto: perché llama.cpp standard carica il file e produce silenziosamente spazzatura, perché il file più grande da 7,21 GB è più veloce su una H100 ma più lento su una 4090, perché 5,95 GB di pesi richiedono 12 GB di VRAM, e quali capacità il titolo del 98,2% di ritenzione perde in silenzio.

HHarness agentici async-first: cosa cambia Unreal Agent

Unreal Labs ha rilasciato un harness in Go con licenza MIT che eguaglia il pass rate di Codex su Terminal-Bench 4.0 spendendo il 39% in meno — non facendo mai aspettare il modello per uno strumento. Il meccanismo dell'event log, perché il numero di turni è la vera unità di costo, e le tre cose che hanno deliberatamente rifiutato di costruire.

HHindsight: la memoria per agenti che impara

Il memory server con licenza MIT che ha dominato i trending di GitHub — retain, recall e reflect, quattro retriever paralleli fusi con RRF, osservazioni che vengono raffinate invece che sovrascritte, e il risultato 83,6% contro 39,0% che dice che l'architettura batte la dimensione del modello.

EEmber-1: le risposte di Kimi K3 con il 40% di token in meno (set 2026)

Fireworks ha fatto post-training su Kimi K3 per farlo smettere di ragionare troppo e ha rilasciato il risultato come Ember-1 — stesso prezzo per token, 35-50% di token di ragionamento in meno, e batte K3 al massimo sforzo su due benchmark su cinque. Perché abbassare lo sforzo non è la stessa cosa, che cosa dice davvero la colonna '-51,9% / -23,1 USD', il costo per task implicito, la modalità che sparisce in silenzio e la clausola della licenza Kimi K3 che permette a un derivato di restare chiuso.

OOpenAI Dots: l'agente sempre acceso, e la scala dei permessi sotto di esso

Al DevDay del 29 settembre 2026 OpenAI ha rilasciato i dots — agenti persistenti che ricevono ciascuno un proprio computer cloud e un proprio browser, girano su GPT-6 Astra e continuano a lavorare mentre tu sei disconnesso. La copertura del lancio si ferma alla demo. Questa pagina copre il meccanismo: la scala dei permessi a cinque gradini, perché la ricerca proattiva è in sola lettura a livello di tool e non a livello di prompt, cosa misurano davvero i numeri di sicurezza pubblicati, e come si confronta un dot con Claude Managed Agents e Cowork.

WWorld model: cosa puoi davvero costruire oggi

AMD paga circa 8,2 miliardi di dollari per World Labs, e sotto lo stesso nome si vendono due cose molto diverse. I generatori di frame come Genie tengono il mondo dentro il modello e limitano una sessione a 60 secondi. I generatori 3D come Marble ti consegnano splat gaussiani che possiedi, che rendi gratis e contro cui non puoi collidere. Le forme delle API, i piani di export, le evidenze di WorldScore, i pesi aperti che puoi eseguire e i cinque lavori che un world model non farà.

IIl modello è stato nerfato? Come capirlo davvero

"L'hanno nerfato" è l'affermazione più ripetuta nell'AI e la meno misurata. Sulla Claude API i pesi dietro a un model ID non possono cambiare — ogni ID attuale è uno snapshot fissato. Ma ci sono altre sette cose che possono cambiare sotto di te senza un nuovo modello, da un aggiornamento pubblicato del system prompt a un harness che scambia silenziosamente modello a metà sessione. Ecco cosa può e cosa non può muoversi, perché il risultato più citato sul 'GPT-4 è peggiorato' era un bug di valutazione, e un protocollo di misura che puoi eseguire in un pomeriggio.

PPi 1.0: l'harness minimale e il trucco codemode che risolve il gonfiore di token di MCP

Pi 1.0 è uscito il 1 ottobre 2026 ed è arrivato al primo posto su Hacker News. La parte interessante non è la TUI — è il context engineering: una sandbox QuickJS/WASM in cui i risultati dei tool non entrano mai nel contesto del modello, quattro modalità di esposizione MCP, un tetto di 3.000 token sulle dichiarazioni dei tool inlinate e un trucco che accoda una nuova sezione di system prompt al transcript invece di mutare le definizioni dei tool, così la cache del prompt sopravvive. Più le omissioni deliberate (nessun sub-agent, nessuna plan mode), la regola dei 0,05 $ per il cache warming e il buco di fiducia che carica l'AGENTS.md di un repo clonato senza chiedere.

DDeepSeek Harness: l'agente in cui persino il loop dell'agente è un plugin

DeepSeek Harness (dsh) ha superato le 242.000 stelle e il 1° ottobre 2026 ha rilasciato gli installer desktop. Il titolo è «tutto è un plugin» — e, a differenza di molte affermazioni simili, qui regge davvero: l'adattatore del modello, il registro degli strumenti, il log di sessione e il loop dell'agente sono tutti sostituibili da un file di patch YAML. Questa pagina copre i tre fatti che contano per chi usa Claude (esegue il tuo hooks.json di Claude Code, parla anthropic-messages, e run_code è codemode per impostazione predefinita), la sandbox a tre modalità e le primitive del kernel che la sostengono, l'invariante del session log append-only e l'override di configurazione che cancella in silenzio gli altri tuoi provider.

SStrata: un MoE da 125B a 94 tok/s su una scheda da 12 GB — e il conto esatto

Strata fa girare Qwen3.8-Flash-Next (125B, 6B attivi) su una GPU da gaming da 12 GB a velocità interattiva. Questa pagina spiega i tre fatti architetturali che lo rendono possibile, legge onestamente la tabella dei benchmark e mette un prezzo sulla qualità a cui rinunci: il 91,3% di SWE-bench Verified contro il 98,7% di LiveCodeBench, un'impostazione della cache KV che supera i test needle perdendo però l'8-12% di perplexity, una modalità veloce che rimuove le direzioni di rifiuto, e una regressione misurata sulla visione a pesi identici.

CCome leggere un benchmark AI senza farsi ingannare

Ogni post di lancio apre con un numero da benchmark. Quasi nessuno ti dice le tre cose che decidono cosa significa: quale scaffold l'ha prodotto, su quanti tentativi è mediato, e se il modello aveva già visto le risposte. Un manuale del lettore per SWE-bench, SWE-bench Verified, SWE-bench Pro e le classifiche in stile arena — con le note metodologiche dei vendor stessi come prova.

DDwarfStar (ds4) e l'ascesa dei motori di inferenza overfit

ds4 è un motore in puro C da 23,6k stelle, creato dall'autore di Redis, che esegue in locale DeepSeek V4 Flash, GLM 5.x e Qwen3.8-Flash-Next — e si rifiuta di eseguire qualsiasi altra cosa. Questa pagina spiega i tre meccanismi che un runtime generico non ti darà (quantizzazione asimmetrica degli expert instradati, streaming limitato degli expert da SSD, snapshot della KV che sopravvivono a un riavvio), legge con onestà i suoi stessi numeri — i 126 t/s del titolo sono un aggregato di otto GPU su 16 sessioni, non il tuo Mac — e quantifica il costo reale della scommessa overfit: un supporto ai modelli volutamente usa e getta, 761 issue aperte e un branch main che si è mosso l'ultima volta il 20 settembre 2026.

MMistral Large 4 (Le Chonk): il modello open weight da 1,05T che non puoi ancora scaricare

Il MoE europeo da mille miliardi di parametri: perché 49B di parametri attivi richiedono comunque ~525 GB a 4 bit, il contesto da 1M che i valutatori hanno misurato a ~512K, una promo di lancio del 50% che nasconde il vero costo per task, un Intelligence Index di 38 contro il 58 di Opus 5.5 — e il rilascio dei pesi a tappe, in cui i partner selezionati ricevono prima una build meno moderata.

WWhistle: speech-to-text in 16,9 MB — e le barre del benchmark che nessuno ha etichettato

Whistle di Cactus Compute fa stare un modello ASR multilingue in 16,9 MB e arriva a 11,1 ms al primo token su una CPU. Il dato sulle dimensioni è vero. Questa pagina legge barra per barra il grafico di benchmark del vendor — comprese le tre colonne dei concorrenti che non etichetta — e trova lo schema che spiega ogni lamentela sul campo: Whistle vince sull'audio con microfono ravvicinato e un solo parlante ed è il peggiore dei tre sull'audio reale di riunioni, 4,6 punti di WER dietro un modello 8,6 volte più grande. Più il muro architetturale dei 30 secondi, l'API di streaming che il thread di lancio non ha visto e l'unica manopola che ha portato un tester da 70/170 a 164/170.

DDeepInfer: il motore di inferenza di DeepSeek, letto onestamente

Il 20 ottobre 2026 DeepSeek ha reso open source DeepInfer, il motore dietro il suo servizio di produzione: 16,3k stelle in un giorno, 2.251 punti su Hacker News. Questa pagina copre le quattro cose che i titoli hanno mancato: è un fork di vLLM, non un motore scritto da zero; 'NVIDIA SM100' esclude ogni H100 e ogni GPU consumer che possiedi; il suo throughput di decodifica è pubblicato con un conteggio a piena accettazione, che conta i token di bozza che siano stati accettati o no; e la sua funzionalità davvero importante, l'inferenza batch-invariant, è mutuamente esclusiva con il suo stesso decoder speculativo.

RRagionamento latente: agenti che pensano senza parole

HybridAgent è il primo agente open-weight che fa la maggior parte del suo pensiero come stati nascosti invece che come token: 170-183 passi latenti per compito contro ~300 token di testo, 35,5-54,7% di token in meno, 2,7-3,7x più economico. Il meccanismo (un adapter da ~10M parametri), il motivo per cui va in loop infinito se lo carichi in llama.cpp e perché 'i pensieri latenti ispezionabili' è l'affermazione più contestata del paper.

IIl livello di memoria di terze parti: come funziona davvero claude-mem

claude-mem ha 103.000 stelle su GitHub e risolve la lamentela di ogni utente di agenti di programmazione: l'agente dimentica tutto quando la sessione finisce. Sotto il cofano è un secondo modello che gira in un demone in background e legge ogni chiamata a strumenti che fai — e nel percorso ospitato il suo stesso dataset dei costi associa quell'osservatore a un modello DeepSeek, non a Claude. I sei hook, il contratto dei codici di uscita che può bloccare la tua sessione, il richiamo a tre livelli che fa tornare i conti sui token, dove atterrano i dati, chi paga la compressione e una checklist per valutare qualsiasi livello di memoria prima di installarlo.

PPerché un system prompt da 35 KB si rompe su un modello locale

Spostare un grande system prompt Claude/GPT su Ollama o un altro runtime locale: l'aritmetica del budget di contesto, il troncamento silenzioso a metà prompt di Ollama, i segnali di esaurimento del contesto e la ristrutturazione che funziona davvero.

Prossimi passi

• Mettilo al lavoro: Playbook
• Vai più in profondità: Power User

Condividi questa pagina

• X
• LinkedIn
• Reddit
• Hacker News