Muse ottiene una voce e un avatar a Meta Connect 2026, le sessioni cloud di Claude Code escono dall’anteprima, Perplexity lancia Fast Search

A Meta Connect 2026, Meta dà a Muse, il suo agente personale, una voce in tempo reale e un avatar video, promette di portarlo sui propri occhiali e rende la Meta Model API disponibile a livello generale. Le sessioni cloud di Claude Code escono dall’anteprima con un credito una tantum per gli abbonati, mentre Perplexity lancia Fast Search, basato su Photon, un motore di ricerca proprietario scritto in Rust. A poche ore di distanza, Meta e Google lanciano avatar video capaci di parlare in tempo reale.

Meta Connect 2026: Muse prende la parola, Meta rinnova i suoi occhiali

23 settembre — Meta ha aperto Meta Connect 2026 con un keynote alle 16:00 PT (l’1:00 del 24 settembre a Parigi), incentrato su Muse, l’agente personale lanciato l’8 settembre. Muse ottiene una modalità vocale in tempo reale: si può conversare a lungo con lui mentre lavora in background e definirne la voce descrivendola (più veloce, più lenta, con un accento specifico). Riceve anche un volto animato, Muse Realtime Avatar, descritto più avanti. Su Mac è disponibile l’uso del computer (computer use): con il permesso dell’utente, Muse controlla qualsiasi applicazione e continua a lavorare anche quando l’utente è assente.

Novità di Muse	Disponibilità annunciata
Modalità vocale in tempo reale, voce personalizzabile	Presentata a Connect, senza una data
Computer use su Muse per Mac	Disponibile
Muse sugli occhiali IA	«Nei prossimi mesi»
Muse Charm, dispositivo tascabile	Dicembre, secondo Mark Zuckerberg
Indirizzo e-mail dedicato a Muse	Annunciato, senza una data

Sugli occhiali basterà chiamare Muse per nome perché agisca su ciò che si sta guardando, come un prodotto su uno scaffale o un manifesto. Secondo Zuckerberg, Muse Charm, dotato di un modello vocale in tempo reale, sarà abbastanza piccolo da stare su un portachiavi; il riepilogo ufficiale promette soltanto ulteriori dettagli entro la fine dell’anno.

Un giorno dopo l’annuncio da parte di @Muse di Shopify, PayPal, Expedia e Instacart, Meta presenta l’elenco completo dei connettori: Walmart, Best Buy, American Eagle Outfitters, DICK’S Sporting Goods, Fanatics, Gap, Michael Kors, Sephora, Ulta e Wayfair per gli acquisti, Shop Pay e PayPal per i pagamenti, Instacart, Expedia ancora «in arrivo», e Notion, Granola, GitHub e Box per il lavoro. GitHub ha illustrato il proprio connettore la sera stessa: consente di esaminare le pull request, seguire issue e notifiche e lasciare commenti senza uscire dall’agente, senza precisare piani di abbonamento o paesi. Meta non indica né prezzi né paesi per queste novità.

🔗 Riepilogo di Meta · Thread di Mark Zuckerberg · Connettore GitHub di Muse

Occhiali: Ray-Ban Meta Audio, Gen 3, Meta VR Glasses e Ray-Ban Display in Francia

23 settembre — Meta rinnova anche la sua gamma di occhiali e promette oltre 100 modelli entro la fine dell’anno. I Ray-Ban Meta Audio inaugurano una nuova categoria senza fotocamera: pesano 43 g e offrono fino a 12 ore di autonomia, più altre 48 ore con la custodia. I Ray-Ban Meta di terza generazione guadagnano un’ora di autonomia (9 ore), un pulsante azione e sei microfoni. I Meta Ray-Ban Display, occhiali con schermo, arrivano in Francia: dopo Regno Unito e Canada, i preordini aprono progressivamente anche lì, come in Italia e Germania, con disponibilità dal 13 ottobre.

Dispositivo annunciato	Prezzo di partenza	Disponibilità annunciata
Ray-Ban Meta Audio	349 dollari	Preordine, spedizione il 13 ottobre
Ray-Ban Meta (Gen 3)	449 dollari	Disponibile il 23 settembre
Meta Ray-Ban Display	Non specificato	Francia, Italia, Germania: 13 ottobre
Meta VR Glasses (circa 100 g)	1 299,99 dollari	Primavera 2027

🔗 Annuncio di Meta

Meta Model API disponibile a livello generale, Muse Spark 1.3 su Oracle e Google Cloud, Replit per i dispositivi Meta

24 settembre — La seconda giornata di Meta Connect era rivolta agli sviluppatori. L’annuncio principale riguarda la Meta Model API, che dà accesso ai modelli Muse: diventa disponibile a livello generale in tutto il mondo, con supporto e garanzie di conformità per le aziende. Muse Spark 1.3 è ora disponibile su Oracle Cloud AI Platform ed entra in anteprima privata su Google Cloud, due nuovi partner cloud privilegiati secondo Meta.

La scheda di Google Cloud (Gemini Enterprise Agent Platform) precisa le condizioni: il modello meta/muse-spark-1.3 è in anteprima e accessibile su richiesta, con una finestra di contesto di 1 milione di token, solo testo sia in ingresso sia in uscita, chiamate a strumenti compatibili con MCP, chiamate di funzioni, output strutturato e ragionamento supportati, ma senza predizioni in batch né capacità riservata, e con un solo endpoint globale. Al momento della nostra verifica, il prezzo non compariva ancora nella pagina dei prezzi.

Annuncio per gli sviluppatori	Stato annunciato
Meta Model API	Disponibilità generale a livello mondiale
Muse Spark 1.3 su Oracle Cloud	Disponibile
Muse Spark 1.3 su Google Cloud	Anteprima privata
Muse Code	In arrivo su Windows
Wearables Device Access Toolkit 1.0	Lanciato dopo un anno di anteprima
WebMCP e Meta AI Connectors	Anteprima per gli sviluppatori
Meta Global AI Developer Hackathon	1 milione di dollari, date non annunciate

Muse Code, l’agente di programmazione da terminale di Meta uscito dalla beta il 31 agosto su macOS e Linux, arriva su Windows. Ash Jhaveri («VP AI & Hardware Ecosystems» secondo la sua biografia su X) ribadisce che i pesi di Muse Spark 1.2 arriveranno «presto», una promessa ripetuta dal 10 agosto, ancora senza una data. Per gli occhiali, WebMCP consente a Meta AI di chiamare soltanto le funzioni che un’applicazione web sceglie di esporre.

🔗 Meta Connect 2026, il riepilogo per gli sviluppatori · Muse Spark 1.3 su Google Cloud

Replit sviluppa per i visori e gli occhiali Meta

24 settembre — Annunciata a Meta Connect, Replit apre una strada verso i dispositivi Meta: si descrive un’applicazione in linguaggio naturale, Replit Agent scrive il codice e ne mostra l’anteprima nel browser, poi l’applicazione o l’esperienza web si apre su un visore Meta Quest, sui Meta Ray-Ban Display o sui Meta VR Glasses, senza installare strumenti. Sono descritte tre modalità: Expo (creazione, pacchettizzazione e distribuzione) o il browser per Meta Quest e VR Glasses, una simulazione in Replit seguita dalla distribuzione sul web per i Ray-Ban Display. Per Muse, le formulazioni divergono: la pagina di Replit presenta un connettore Replit nell’agente di Meta come «in arrivo», senza una data, mentre un messaggio di Replit pubblicato lo stesso giorno afferma che Muse può già creare applicazioni in Replit. Non viene indicato alcun prezzo.

🔗 Replit × Meta Connect 2026 · Muse in Replit, secondo @Replit

Claude Code: le sessioni cloud escono dall’anteprima, Projects passa in locale

23 settembre — Le sessioni cloud di Claude Code escono dall’anteprima di ricerca (research preview), annuncia @ClaudeDevs in un thread pubblicato alle 21:23 UTC. Una sessione cloud viene eseguita sull’infrastruttura di Anthropic: il lavoro prosegue anche quando il portatile è chiuso.

Cloud sessions are officially available and out of research preview! They let you keep Claude Code working, even when your laptop is closed.

🇮🇹 Le sessioni cloud sono ufficialmente disponibili ed escono dall’anteprima di ricerca! Permettono a Claude Code di continuare a lavorare anche quando il tuo portatile è chiuso. — @ClaudeDevs su X

Per consentire agli utenti di provarle, Anthropic offre agli abbonati esistenti un credito una tantum, separato dai limiti di utilizzo:

Condizione del credito	Dettaglio pubblicato
Importo su Pro	100 dollari
Importo su Max	250 dollari
Scadenza	Richiederlo entro il 7 ottobre
Richiesta	Link nell’annuncio o comando `/claim-credit` della CLI
Requisiti	Account GitHub collegato, si applicano condizioni
Ambito	Un credito per account, solo per le sessioni cloud
Punti di accesso	claude.ai/code, scheda Code dell’app mobile, app desktop, `claude --cloud`

In risposta alle domande, il 24 settembre alle 01:57 UTC @ClaudeDevs ha precisato che le sessioni cloud vengono conteggiate nel piano Pro o Max come il resto di Claude Code: il credito, facoltativo, viene semplicemente consumato per primo. La documentazione conferma questo modello: limiti di utilizzo condivisi con tutto l’uso di Claude sull’account, consumo maggiore con le attività parallele e macchina virtuale non fatturata a parte. Le sessioni cloud sono disponibili per Pro, Max e Team e per gli utenti Enterprise con licenze premium o Chat + Claude Code. La clonazione e le pull request passano da GitHub; un repository GitLab o Bitbucket può essere inviato come bundle locale con CCR_FORCE_BUNDLE=1.

🔗 Documentazione delle sessioni cloud · Il chiarimento di @ClaudeDevs sul piano

Projects esegue i suoi thread in locale

23 settembre — Un’ora e mezza più tardi (22:49 UTC), @ClaudeDevs annuncia il supporto locale per Projects in Claude Code, lanciato il 17 settembre in beta per Pro e Max: i thread di un progetto possono ora essere eseguiti sul computer dell’utente. Fino ad allora, ciascuno era una sessione cloud sul proprio branch e la documentazione consigliava una sessione locale, esterna al progetto, per i lavori che richiedono strumenti accessibili soltanto dal computer dell’utente (database locale, emulatore, API dietro una VPN). Anthropic dice anche di aprire Projects a più abbonati Pro e Max iscritti alla lista d’attesa; la migrazione degli utenti dei precedenti progetti Claude è ancora in corso. L’annuncio precede la documentazione: la sera del 24 settembre, la pagina di Projects indicava ancora che le sessioni locali non possono far parte di un progetto e il tweet non precisa da quale interfaccia si avviano questi thread.

🔗 Annuncio di @ClaudeDevs · Documentazione di Projects

Perplexity: Fast Search e Photon

24 settembre — Perplexity aggiunge alla sua Search API una modalità rapida, Fast Search, attivata dal parametro search_type: "fast", e presenta il motore che la rende possibile: Photon, un servizio di recupero e classificazione (retrieval and ranking) scritto in Rust, che sostituisce il motore open source adattato dall’azienda e ora gestisce tutte le ricerche di Perplexity.

Fast Search runs on Photon, our new Rust-based retrieval and ranking service that we built with a small team of engineers and hundreds of agents.

🇮🇹 Fast Search si basa su Photon, il nostro nuovo servizio di recupero e classificazione scritto in Rust, che abbiamo sviluppato con un piccolo team di ingegneri e centinaia di agenti. — @perplexity_ai su X

Criterio confrontato	Ricerca standard	Fast Search
Search API, 1 000 richieste	5 dollari	1 dollaro
Strumento `web_search` dell’Agent API, 1 000 chiamate (token esclusi)	2,50 dollari	1 dollaro
Punteggio su 3 554 attività di sei benchmark agentici	64,0 %	64,3 %
Costo stimato, modello e ricerca, per queste attività	187,60 dollari	59,73 dollari
Latenza di una chiamata, mediana e 95° percentile (autodichiarata)	Non pubblicata	160 ms e 230 ms

Il compromesso è esplicito: nei test interni sulle richieste rare, la pertinenza cala di 0,24 punti e la disponibilità di una risposta di circa 3 punti. Perplexity consiglia Fast Search per le normali attività agentiche e la ricerca standard per le domande difficili o ambigue. L’articolo precisa che il confronto della latenza con altre API si basa sui dati dichiarati da ciascun fornitore, senza un test controllato; per la Search API, gli SDK Python e TypeScript richiedono per ora di aggirare la loro validazione. In produzione, Photon ha ridotto la latenza p99 interna del motore da circa 800 a 65 ms, usando circa il 20 % di macchine in meno.

🔗 Photon: Building a Retrieval and Ranking Engine From Scratch · Documentazione di Fast Search

Avatar video in tempo reale: Meta e Google a poche ore di distanza

Meta e Google hanno lanciato a poche ore di distanza lo stesso tipo di prodotto: un avatar video che ascolta, parla e reagisce in tempo reale, basato su un modello vocale.

Muse Realtime Avatar

23 settembre — Meta Superintelligence Labs illustra Muse Realtime Avatar, il volto di Muse. Partendo da un’immagine di riferimento (ritratto, illustrazione a figura intera, animale o oggetto comune), il modello anima in diretta un personaggio, con espressioni, gesti delle mani e movimenti del corpo. Un unico flusso di token vocali, prodotto dal modello Muse Realtime Voice, controlla audio e immagine, mantenendo sincronizzati voce e labbra. Una distillazione riduce il calcolo da 120 a 2 valutazioni per segmento.

Metrica annunciata da Meta	Valore annunciato
Video verticale	448x768, 25 fotogrammi/s
Latenza della risposta vocale e video	Circa 870 ms
Sessioni simultanee per GB200	12
Preferenza rispetto a Runway Characters	78 % contro 22 %
Preferenza rispetto a HeyGen LiveAvatar	88 % contro 12 %

Queste preferenze derivano da una valutazione umana condotta da Meta, che osserva come la differenza nei modi di fare rispetto a Runway non sia statisticamente significativa. Ogni video reca la filigrana invisibile Meta Video Seal.

🔗 Dare vita al tuo Muse

Gemini 3.8 Live con Live Avatar

24 settembre — Nove giorni dopo Gemini 3.8 Live, Google dà un volto al suo modello di dialogo vocale: l’avatar ascolta, guarda ciò che l’utente gli mostra (tramite fotocamera o condivisione dello schermo) e risponde con voce e video sincronizzati. È generalmente disponibile in Gemini Enterprise e accessibile agli sviluppatori tramite la Live API della sua piattaforma per agenti, con endpoint negli Stati Uniti e nell’Unione europea; Gemini 3.8 Live Extended Thinking resta in anteprima privata. L’avatar parla 97 lingue e richiama strumenti senza interrompere la conversazione. Per un avatar personalizzato è necessaria l’iscrizione a una lista di autorizzazione. Secondo la scheda del modello, l’output è limitato a 24K token e un’interazione continua dura pochi minuti. Il video dell’avatar costa 1 dollaro per milione di token, con 6 192 token per secondo di parlato; l’ascolto non viene conteggiato. Tutto reca la filigrana SynthID.

🔗 Annuncio di Google

Quanto costa Claude: la cache di Opus 5.5 e i rifiuti di nuovo fatturati

Due pubblicazioni del 24 settembre riguardano quanto paga l’utente di Claude: da dove derivano i risparmi con Opus 5.5 e il ritorno della fatturazione di alcuni rifiuti.

Sessioni più lunghe e perché Opus 5.5 costa meno

24 settembre — Un articolo su claude.com firmato da Michael Segner aggrega i dati d’uso di Claude Code da marzo a settembre 2026. Il numero di prompt per sessione è rimasto invariato, ma Claude lavora 3,3 volte più a lungo su ciascuno, con oltre il 40 % di chiamate al modello in più e il 68 % di interruzioni in meno. Il contesto per richiesta è aumentato di 2,6 volte e il rapporto tra token di input e di output è passato da 189:1 a 324:1. La lettura della cache incide quindi più di tutto sul costo, e la riduzione del 60 % del suo prezzo con Opus 5.5 produce risparmi ancora maggiori; secondo Anthropic, un token nella cache di Opus 5.5 costa un quinto rispetto ai modelli concorrenti. Su Opus 5.5 e Fable 5.1, cambiare il livello di effort durante una sessione non reimposta più la cache, contrariamente a quanto indicava la guida pubblicata il 22 settembre.

🔗 Articolo su claude.com

Le richieste bloccate sono di nuovo fatturate in tre categorie

24 settembre — Anthropic riprende a fatturare le richieste bloccate dai suoi sistemi di protezione prima che Claude risponda, annuncia @ClaudeDevs. Secondo il post, sono interessate solo categorie con un basso tasso di falsi positivi: la biologia, gli attacchi mediante distillazione e lo sviluppo di LLM di frontiera. La ragione addotta sono gli «attacchi coordinati» condotti nelle ultime settimane contro i suoi sistemi. Anthropic afferma che il 99,7 % degli account Claude Code, Claude.ai o Cowork non ha attivato nessuno di questi blocchi fatturabili nei test recenti e punta a meno dello 0,1 % di falsi positivi; un blocco ingiustificato può essere segnalato con /feedback. Secondo la documentazione, un rifiuto fatturato viene addebitato alla tariffa del modello, sia sulla Claude API sia su Bedrock, Google Cloud e Microsoft Foundry; ogni richiesta rifiutata conta ai fini dei limiti di frequenza.

Categoria di rifiuto (documentazione)	Fatturata prima di qualsiasi output
`bio`	Sì
`frontier_llm`	Sì
`reasoning_extraction`	Sì
`cyber`	No
`general_harms`	No

🔗 Annuncio di @ClaudeDevs · Come vengono fatturati i rifiuti

IA e salute: Ebola nella RDC, OpenEvidence, AlphaFold Database e NV-Reason-CT

Due annunci del 22 settembre, di cui ci occupiamo qui, mettono Claude al servizio della salute pubblica, mentre NVIDIA pubblica due lavori aperti: uno in virologia con Google DeepMind e l’EMBL-EBI, l’altro in radiologia.

Ebola nella RDC

22 settembre — In «The Situation Report», articolo datato 22 settembre e rilanciato la sera del 23 da @AnthropicAI, Anthropic racconta l’uso di Claude contro l’epidemia di Ebola Bundibugyo nell’est della Repubblica Democratica del Congo. Secondo il bollettino del 19 settembre, si contano 7 672 casi confermati e 3 699 decessi (letalità del 48,2 %) e nessun vaccino è approvato contro questo ceppo. La collaborazione promossa dal CEPI, con l’ufficio africano dell’OMS e l’Istituto nazionale di ricerca biomedica (INRB), coinvolge due team di Anthropic. L’OMS Africa ha scritto uno skill che estrae i dati di ogni zona sanitaria, li confronta con quelli del giorno precedente e segnala i cambiamenti di tendenza: la preparazione del rapporto quotidiano sulla situazione passa da un giorno a meno di un’ora. Il CEPI usa Claude per confrontare i candidati vaccini, lasciando agli esperti le decisioni scientifiche, e l’INRB può far assemblare a Claude Science i genomi del virus e il relativo albero filogenetico.

🔗 The Situation Report (Anthropic)

OpenEvidence gratuito per circa 100 paesi

22 settembre — Durante l’Assemblea generale delle Nazioni Unite, OpenEvidence ha annunciato una collaborazione con Anthropic per offrire gratuitamente una versione specializzata della sua piattaforma ai clinici di circa 100 paesi a reddito basso e medio, tra cui Uganda, Angola, Sudan, Haiti e Mongolia (elenco fornito da OpenEvidence, secondo Reuters). OpenEvidence risponde alle domande cliniche sulla base della ricerca medica sottoposta a revisione paritaria e delle linee guida per il trattamento; il servizio è già gratuito negli Stati Uniti e in Canada. Secondo l’esclusiva di Reuters, la tecnologia di Anthropic gestisce il funzionamento in background e OpenEvidence adatta il sistema a ogni regione; i termini finanziari non sono stati comunicati. La notizia proviene da OpenEvidence e Reuters: Anthropic non l’ha ripresa sui propri canali ufficiali.

🔗 Annuncio di OpenEvidence · Esclusiva Reuters

I complessi proteici di oltre 2 800 virus nell’AlphaFold Database

24 settembre — NVIDIA si unisce a una coalizione di otto organizzazioni, tra cui Google DeepMind, l’EMBL-EBI e il CEPI, che pubblica nell’AlphaFold Database le strutture 3D previste dei complessi proteici di oltre 2 800 virus, da quelli del raffreddore a minacce emergenti come l’mpox. Queste previsioni, etichettate per livello di affidabilità, sono state ottenute con AlphaFold2, ottimizzato tramite NVIDIA BioNeMo Inference Runtime; circa il 30 % delle interazioni aggiunte non compare nella Protein Data Bank, la principale banca dati di strutture determinate sperimentalmente. NVIDIA rende disponibile anche il BioNeMo Structure Prediction Pipeline che ha prodotto i dati, affinché i ricercatori possano applicarlo ai propri obiettivi. La pubblicazione coincide con un incontro sulla prevenzione delle pandemie tenutosi a New York durante l’Assemblea generale dell’ONU; la banca dati conta ora oltre 260 milioni di previsioni.

🔗 Come la scienza aperta può aiutare i ricercatori a prepararsi alla prossima pandemia

NV-Reason-CT

23 settembre — NVIDIA pubblica NV-Reason-CT, un modello aperto visione-linguaggio per le scansioni TC (tomografia computerizzata) del torace e dell’addome. Anziché trattare il volume come una pila di sezioni 2D, un encoder ViT 3D lo suddivide in 13 824 token visivi trasmessi al modello linguistico Qwen3.5-4B; il modello redige referti strutturati, espone un ragionamento ispirato a quello di un radiologo e risponde alle domande successive. Su CT-RATE, il principale benchmark pubblico per la comprensione delle TC in 3D, NVIDIA dichiara un macro-F1 di 0,614 e una macro-AUROC di 0,871, davanti ai modelli pubblicati con cui si confronta (VoxelFM: 0,581 e 0,870). I pesi sono su Hugging Face. NVIDIA sottolinea che si tratta di una base di ricerca da perfezionare per un uso specifico, non di uno strumento diagnostico autonomo né di un prodotto clinico autorizzato.

🔗 Presentazione di NV-Reason-CT

OpenAI chiede standard internazionali per l’IA di frontiera

23 settembre — Sam Altman, amministratore delegato di OpenAI, è intervenuto davanti al Consiglio di sicurezza delle Nazioni Unite, e OpenAI pubblica il testo del discorso pronunciato. Vi descrive due derive da evitare: perdere il controllo del futuro a favore dell’IA e una concentrazione del potere che permetterebbe a una persona, un’azienda o un paese di imporre la propria visione del mondo con i modelli più potenti. Con l’avvicinarsi di sistemi capaci di migliorare i propri successori, questo momento «richiede estrema prudenza», afferma; secondo lui, OpenAI ha già rallentato di propria iniziativa e lo farà ancora.

It doesn’t matter whether people put the risk of catastrophe at 10%, or 1%, or 12%, or .1%. None of these levels are remotely acceptable.

🇮🇹 Non importa che si stimi il rischio di catastrofe al 10 %, all’1 %, al 12 % o allo 0,1 %. Nessuno di questi livelli è neanche lontanamente accettabile. — Sam Altman, discorso al Consiglio di sicurezza delle Nazioni Unite

Rivolge quattro richieste agli Stati: un meccanismo che coordini gli standard nazionali e internazionali per l’IA di frontiera, standard comuni per confrontare le prove e verificare la conformità, protocolli di segnalazione degli incidenti e canali sicuri tra governi, gestori di infrastrutture critiche ed esperti. Riprende così un articolo pubblicato da OpenAI il 21 settembre, di cui ci occupiamo qui. OpenAI vi afferma che un’auto-miglioramento ricorsivo completamente autonomo oggi non esiste e che non bisogna perseguirlo finché non sarà possibile realizzarlo in sicurezza. L’azienda chiede agli Stati Uniti di guidare la definizione di standard tecnici globali insieme alla rete degli istituti per la sicurezza dell’IA (dieci paesi, tra cui la Francia), coordinata dal CAISI statunitense (Center for AI Standards and Innovation). Per OpenAI, questi standard non comporterebbero né licenze né una valutazione obbligatoria prima della pubblicazione, poiché ogni Stato deciderebbe quale ruolo assegnare loro nel proprio ordinamento; un dialogo tra Stati Uniti e Cina su questi temi costituirebbe «un passo avanti positivo».

🔗 Definire standard per la prossima fase dell’IA

L’IA nella difesa informatica: Daybreak per l’Ucraina e Fuzzing Taskflow

Due annunci mettono i modelli al servizio di chi difende i sistemi: uno apre un programma a uno Stato, l’altro affida il fuzzing a un agente.

Daybreak aperto all’Ucraina

23 settembre — OpenAI apre il suo programma di difesa informatica Daybreak al governo ucraino, in collaborazione con il Ministero della Trasformazione Digitale: strumenti per individuare vulnerabilità software e poi sviluppare e testare più rapidamente le correzioni, allo scopo di proteggere le infrastrutture civili. L’annuncio è stato fatto a margine dell’Assemblea generale dell’ONU da Dmytro Kushneruk, console generale dell’Ucraina a San Francisco, e Sasha Baker, responsabile delle politiche di sicurezza nazionale di OpenAI. OpenAI ricorda che CERT-UA, la squadra nazionale di risposta agli incidenti, ha gestito quasi 6 000 incidenti informatici nel 2025, che hanno preso di mira in particolare ospedali, settore energetico e telecomunicazioni. L’articolo cita due risultati europei: l’ENISA ha individuato vulnerabilità nei software delle istituzioni dell’Unione, tutte corrette da allora, e CERT Polska ha contribuito a scoprirne sei in un software per router di terze parti. Non vengono precisati né la durata né l’importo.

🔗 OpenAI estende all’Ucraina l’accesso agli strumenti informatici per la difesa civile

Fuzzing Taskflow del GitHub Security Lab

24 settembre — Il GitHub Security Lab pubblica Fuzzing Taskflow, una pipeline di fuzzing autonoma per progetti C/C++, con licenza MIT, costruita sul suo framework Taskflow Agent. Le si indica un repository GitHub: l’agente individua i punti d’ingresso, scrive gli harness, avvia AFL++, esamina la copertura, classifica ogni crash secondo sette verdetti e redige un rapporto per ogni bug distinto, con una correzione suggerita contrassegnata come «da rivedere». L’agente prende le decisioni, gli strumenti MCP le eseguono; ogni iterazione raddoppia il proprio tempo a disposizione, da 30 a 960 secondi (circa 32 minuti per obiettivo), e il ciclo si ferma quando due iterazioni aumentano la copertura di meno dell’1 %. Il modello predefinito è Claude Sonnet 5, che ha superato tutti i test interni del team. Avvertenza del Security Lab: la pipeline esegue senza container comandi scelti dall’LLM e va riservata a un ambiente usa e getta. L’articolo non fornisce dati quantitativi sui bug trovati.

🔗 Articolo del GitHub Security Lab

Project Suncatcher: TPU in orbita

24 settembre — Annunciato l’anno scorso, Project Suncatcher, il progetto con cui Google studia l’installazione nello spazio di infrastrutture di calcolo per l’IA, passa al suo primo test in orbita. Un satellite prototipo costruito con Planet dovrebbe partire con la missione Transporter-18 di SpaceX, e l’articolo del 24 annuncia le prime TPU di Google in orbita «la prossima settimana». L’obiettivo è verificare che i chip resistano al lancio, alle radiazioni e agli sbalzi di temperatura. A terra, TPU Trillium esposte a un fascio di protoni presso UC Davis, mentre erano sottoposte a un carico di lavoro IA completo, hanno sopportato una dose di radiazioni superiore a quella di una missione quinquennale; il raffreddamento tramite tubi di calore e radiatori è stato provato in una camera termica a vuoto. La tappa successiva, nel 2027, prevede due satelliti per testare collegamenti laser ad altissima velocità. Secondo Google, in orbita bassa un satellite riceve fino a otto volte più energia solare rispetto a terra.

🔗 Dietro Project Suncatcher

Immagini e video generativi: Midjourney, Runway, Google Research e Nunchux

Sul fronte della creazione, Midjourney aggiorna i suoi strumenti di editing, Runway quantifica le prestazioni del suo router di modelli, Google Research concatena video di diversi minuti e Nunchux accelera MiniMax-H3 su GPU AMD.

Midjourney: inpainting, —tile e modelli rapidi in alpha

24 settembre — Midjourney pubblica una nuova versione del parametro --tile, che produce motivi ripetibili, per V8.1 e V8.2: secondo Midjourney, le giunzioni visibili tra le tessere scompaiono. L’inpainting e l’outpainting del modello di editing modificano ormai solo i pixel selezionati, consentendo ritocchi successivi senza degradare il resto dell’immagine. Su alpha.midjourney.com, Midjourney sperimenta modelli rapidi (fast models), presentati su X come una prima anteprima di modelli in tempo reale: con l’opzione «Live previews», la barra Styles mostra un’anteprima dell’ultimo prompt in ogni stile, e un clic avvia la generazione. Non vengono forniti né nomi né date. Il changelog alpha del 23 aggiunge infine le impostazioni predefinite (Settings → Advanced → Your defaults) e rende il coreano disponibile a tutti su midjourney.com.

🔗 Annuncio di @midjourney · Aggiornamenti di Midjourney

Runway quantifica le prestazioni del suo Model Router

24 settembre — Runway pubblica una prima valutazione quantitativa di Model Router, il router di Runway Dev che sceglie per ogni richiesta il modello di generazione in base a una preferenza per costo, qualità o latenza. Il protocollo confronta Seedance 2.5, usato come riferimento, con tre configurazioni del router su 250 prompt da immagine a video valutati in doppio cieco.

Configurazione testata	Video utilizzabili	Costo per clip	Differenza di spesa
Riferimento (Seedance 2.5)	78 %	1,80 dollari	—
Router qualità	77 %	1,28 dollari	-29 %
Qualità con tetto di 1 dollaro	74 %	0,61 dollari	-66 %
Router costo	38 %	0,30 dollari	-83 %

Secondo Runway, la configurazione con un tetto di spesa conserva il 95 % della qualità di riferimento; ottiene risultati migliori nel dialogo e nella sincronizzazione labiale (96 % contro 92 %), ma peggiori nella fisica (52 % contro 60 %). Runway la raccomanda per la produzione e riserva la modalità costo all’esplorazione; il 64 % degli sviluppatori che già usano il router lo ha impostato sul costo.

🔗 Valutazione del rapporto tra costo e qualità con Runway Model Router

AI video co-director di Google Research

24 settembre — Google Research presenta AI video co-director, un livello di orchestrazione multi-agente basato su Gemini e Veo per produrre video narrativi coerenti della durata di diversi minuti, laddove i modelli di diffusione faticano a concatenare le inquadrature senza che costumi e ambientazioni cambino. Lo compongono quattro approcci di ricerca: un algoritmo bandit che sceglie strategia creativa, modalità narrativa ed estetica, prima che un giudice multimodale valuti il risultato; CANVAS, che mantiene una memoria visiva dei personaggi, dei luoghi e degli oggetti; A²RD, che genera un segmento alla volta e ha prodotto un film continuo di dieci minuti; VQQA, che riscrive il prompt sulla base delle critiche di un modello visione-linguaggio. Su GenAD-Bench, uno dei tre benchmark creati dal team (400 scenari pubblicitari), il sistema raggiunge un punteggio massimo di qualità di 81,4. Si tratta di ricerca: non sono stati annunciati né un prodotto né una data di disponibilità.

🔗 Automatizzare la generazione di video lunghi e coerenti

MiniMax-H3 su AMD MI355X con Nunchux

24 settembre — Rilanciati da MiniMax, i risultati pubblicati il 23 da Nunchux AI mostrano MiniMax-H3, il modello video a pesi aperti di MiniMax, su un server con otto GPU AMD MI355X: un video di 5 secondi generato in 1,33 secondi e uno di 15 secondi in 5,39 secondi, a 1344×768. Rispetto a SGLang sullo stesso hardware, eseguito in BF16 con 50 passi di Euler, la velocità aumenta da 21,8 a 26,7 volte; i tempi includono la codifica del testo, la rimozione del rumore e la decodifica video e audio, ma non la codifica MP4 finale. Nunchux attribuisce il risultato al proprio ottimizzatore di modelli e al proprio motore di inferenza, con un kernel MXFP6 sviluppato internamente. La velocità consente di modificare il prompt durante la riproduzione. È stato annunciato un accesso gratuito «molto presto», tramite lista d’attesa; le misurazioni sono di Nunchux.

🔗 Generazione video su AMD MI355X · Post di @MiniMax_AI

Agenti di coding: Claude Code, Delta, Devin, Qwen Code e Kimi Code

Cinque agenti di coding pubblicano nuove versioni: Claude Code di Anthropic, Delta di Zed, Devin di Cognition, Qwen Code di Alibaba e Kimi Code di Moonshot AI.

Claude Code 2.1.282

24 settembre — Claude Code 2.1.282, pubblicata alle 18:38 UTC, conta 86 voci, tra cui 59 correzioni. L’impostazione maxProseWidth limita la larghezza del testo di Claude nei terminali ampi, mentre tabelle e blocchi di codice mantengono l’intera larghezza. Diverse modifiche limitano ciò che un progetto può imporre: le impostazioni di progetto e locali ignorano le variabili OpenTelemetry che attivano l’esportazione o acquisiscono contenuti (CLAUDE_CODE_ENABLE_TELEMETRY, OTEL_LOG_*), come segnalano un avviso all’avvio, /status e claude doctor. Gli spazi dei nomi anthropic-skills e claude-ai sono riservati alle skill sincronizzate da claude.ai, e l’impostazione gestita allowClaudeInChromeWithManagedMcp consente di avviare claude --chrome accanto a un managed-mcp.json esclusivo. La modalità automatica usa per impostazione predefinita il classificatore lato server quando la connessione all’API è diretta, anche con la telemetria disattivata, e alcune correzioni evitano la perdita del ragionamento esteso (extended thinking) alla ripresa delle sessioni.

🔗 Note di rilascio di Claude Code 2.1.282

Delta 0.17 di Zed

23 settembre — Zed pubblica la versione 0.17.0 di Delta, il suo ambiente multigiocatore per programmare con gli agenti, in beta pubblica dal 16 settembre: 20 novità, 26 miglioramenti e 59 correzioni. Da una conversazione si può ora chiedere all’agente di avviare più attività, ciascuna nella propria conversazione di primo livello con uno spazio di lavoro isolato, per svolgerle in parallelo; gli agenti possono anche scriversi da una conversazione all’altra. I comandi /approve e /request-changes restituiscono un verdetto di revisione in qualsiasi conversazione. La versione include anche le due funzioni annunciate il 22 settembre: colori per le conversazioni, ereditati dalle sottoconversazioni e dai sottoagenti, e un indicatore dell’avanzamento verso la compattazione automatica nel pannello del contesto, che mostra la quota occupata da istruzioni, messaggi, ragionamento e strumenti.

🔗 Note di rilascio di Delta · Annuncio di @zeddotdev

Devin Review: trigger componibili e Perforce

23 settembre — Le note di rilascio di Devin del 23 settembre, articolate in 26 sezioni, dedicano ampio spazio a Devin Review, lo strumento di revisione delle pull request. La revisione automatica si basa ora su trigger componibili: si seleziona un account, un’organizzazione, un repository, un prefisso di repository o un membro, poi si applicano filtri per autore, label, branch, file modificati, tipo di autore (persona, bot o Devin) o dimensione del diff, combinando le condizioni; ogni trigger stabilisce quando avviene la revisione e le esclusioni hanno sempre la precedenza. Devin Review si apre a Perforce: una revisione Helix Swarm può attivarlo tramite una definizione di test o, a partire da Swarm 2026.3, un webhook in uscita. Il selettore delle capacità ora indica i nomi dei modelli (Ultra: Fable 5.1 e GPT-6 Astra), e l’app GitHub di Devin richiede sei nuove autorizzazioni, che gli amministratori devono approvare.

🔗 Note di rilascio di Devin del 23 settembre

Qwen Code v0.24.5

24 settembre — Qwen Code v0.24.5, versione stabile senza modifiche incompatibili annunciate, conta 87 voci, tra cui 28 funzionalità e 38 correzioni. Qwen Live, la conversazione vocale in tempo reale dell’agente, passa ora attraverso il Web Shell nel browser su tutte le piattaforme; su macOS, l’host nativo diventa facoltativo (QWEN_SERVE_LIVE_NATIVE_HOST=1). Durante una chiamata, l’utente può condividere lo schermo, trasmesso al massimo a un’immagine al secondo, senza che la sola condivisione attivi una risposta. Il Web Shell acquisisce una timeline del percorso di esecuzione su tre corsie (sessione principale, chiamate agli strumenti, sottoagenti), e i canali di messaggistica indirizzano i messaggi verso sessioni distinte in base al loro prefisso (messageRoutes). Sul fronte della privacy, la modalità --bare rispetta finalmente la scelta di non inviare statistiche d’uso. Qwen Code Desktop v0.24.5 e l’SDK TypeScript v0.1.15 sono arrivati lo stesso giorno.

🔗 Note di rilascio di Qwen Code v0.24.5

Kimi Code 2.1.1 annulla le misure di sicurezza della 2.1.0

24 settembre — Meno di 19 ore dopo la 2.1.0, presentata il 23 come un rafforzamento della sicurezza, Kimi Code 2.1.1 fa marcia indietro. Le note di rilascio parlano di rimuovere «alcune modifiche troppo difensive»; la pull request #4013 è più esplicita: annulla il rafforzamento del confine di fiducia dello spazio di lavoro, sostenendo che, una volta che l’utente ha approvato un repository, il suo contenuto ricade sotto la sua responsabilità. Le quattro protezioni interessate vengono eliminate: gli strumenti per i file tornano a seguire i link simbolici fuori dalla cartella di lavoro, la configurazione locale (local.toml) si applica senza attendere l’approvazione, la configurazione git del repository non è più limitata durante le operazioni in background e la cartella personale o la radice non vengono più rifiutate come cartelle aggiuntive. Se la lettura delle informazioni di attendibilità fallisce, lo stato resta «non approvato». Gli osservatori dei file, disattivati nella 2.1.0, sono riattivati per impostazione predefinita.

🔗 Note di rilascio

Agenti desktop: Portable Computer di Perplexity e Kimi Work 3.2.14

Due agenti desktop, che lavorano sul computer dell’utente, si aggiornano il 24 settembre: Perplexity apre Portable Computer ai PC con processore AMD e Moonshot AI pubblica Kimi Work 3.2.14.

Portable Computer su AMD Ryzen AI Max

24 settembre — Portable Computer, la versione interamente locale dell’agente Computer di Perplexity, funziona ora sui PC Windows con processore AMD Ryzen AI Max Series, inclusa la piattaforma di sviluppo Ryzen AI Halo. Finora, i requisiti pubblicati citavano soltanto hardware NVIDIA, da DGX Spark ai PC con GPU RTX. Occorrono almeno 24 GB di memoria accessibile alla GPU, Windows 10 o 11 e circa 20 GB di spazio su disco. Su queste macchine sono disponibili due modelli locali, PPLX 27B, sottoposto a post-training da Perplexity, e Qwen 27B, mentre la pagina del prodotto propone soltanto PPLX 27B sui PC RTX. Un classificatore locale individua nomi, numeri di conto e identificativi prima che qualsiasi dato esca dal PC, e l’inferenza locale non consuma crediti Computer. L’offerta è disponibile per gli abbonati Pro e Max, sia privati sia aziendali.

🔗 Portable Computer arriva sui PC agentici con processori AMD

Kimi Work 3.2.14: conversazioni secondarie e cronologia delle versioni

24 settembre — Due giorni dopo la 3.2.12, Moonshot AI pubblica Kimi Work 3.2.14, la versione successiva del suo agente desktop, senza un post di accompagnamento. La novità principale è la conversazione secondaria (Side Chat): dal pannello «+» si apre una conversazione indipendente all’interno di una sessione, che eredita il contesto della conversazione originale. Si può anche citare un passaggio selezionato della conversazione. I file Office acquisiscono una cronologia delle versioni e il browser permette di annotare le pagine web e poi citare le annotazioni nel campo di inserimento. Il controllo remoto (Remote Control) consente ora di visualizzare un’anteprima dei file e inviare allegati dal telefono, mentre la funzione che mantiene attivo il dispositivo (Keep Awake) si attiva soltanto su richiesta.

🔗 Note di rilascio di Kimi Work

Modelli e laboratori aperti: Tev1, LFM2.5-VL-DSpark, LeRobot e Sakana AI

Nell’ecosistema aperto: un piccolo modello decisionale, un modello bozza che accelera un modello visione-linguaggio, un nuovo formato di dati per la robotica e l’arrivo di Jürgen Schmidhuber in Sakana AI.

Tev1-4B-experimental di Together AI

23 settembre — Together AI pubblica Tev1-4B-experimental, un piccolo modello decisionale: gli si forniscono una situazione, una domanda e un elenco da 2 a 24 opzioni, e risponde con la lettera dell’opzione scelta. È un fine-tuning di Qwen3.5-4B ispirato a Jev, il modello decisionale spesso citato nei post della comunità Hugging Face; la scheda precisa che non si tratta di un motore Jev, poiché il modello conserva la testa linguistica standard di Qwen. Together mette in evidenza il costo: 17 dollari per l’addestramento, con la ricetta dei dati e un tutorial. Il modello è offerto a 0,042 dollari per milione di token in input e 0 dollari in output. Sul suo principale set di sviluppo prende 880 decisioni corrette su 1.000, un risultato che la scheda distingue da un benchmark indipendente. La licenza dei pesi sottoposti a fine-tuning è «in fase di definizione».

🔗 Annuncio di Together AI · Scheda del modello

LFM2.5-VL-DSpark di Liquid AI

24 settembre — Liquid AI estende al modello visione-linguaggio LFM2.5-VL-3B la sua tecnica di decodifica speculativa DSpark, i cui modelli bozza per il testo erano stati presentati il 20 agosto. Un modello bozza da 279,5 milioni di parametri (+8,9 %) propone diversi token in anticipo, che il modello di riferimento verifica, senza modificare la risposta finale nella decodifica greedy. Su Mac M5 Max con MLX, la decodifica è da 2,30 a 3,13 volte più veloce e la latenza complessiva migliora di un fattore compreso tra 1,56 e 2,62; su H100, la decodifica è fino a 2,66 volte più veloce. Il guadagno effettivo resta limitato dalla codifica dell’immagine, che la tecnica non accelera. Il modello bozza è supportato fin dal primo giorno da llama.cpp, MLX-VLM e SGLang.

🔗 Accelerare i modelli visione-linguaggio con LFM2.5-VL-DSpark

LeRobot e LanceDB

24 settembre — LeRobot, la libreria di Hugging Face per l’apprendimento robotico, ora legge nativamente i dataset nel formato Lance, con le stesse API di addestramento. Si può così addestrare direttamente dall’Hub o da uno storage a oggetti, senza scaricare centinaia di gigabyte, mescolando i dati sull’intero dataset. Su DROID (27,6 milioni di frame, 369 GB di video), 10.000 passi di SmolVLA su 8 H100 hanno richiesto 1 h 27 da uno storage remoto, contro 2 h 00 con il lettore standard su una copia NVMe locale, a cui si era aggiunto prima il download di 384 GB. La perdita finale è identica: la differenza dipende dal tempo trascorso ad attendere i dati, 1,7 % contro 37,4 %. Su un dataset piccolo, i due approcci si equivalgono.

🔗 Come addestrare il tuo robot: l’edizione LanceDB

Jürgen Schmidhuber in Sakana AI

24 settembre — Sakana AI annuncia l’arrivo di Jürgen Schmidhuber come consulente scientifico capo (Chief Scientific Advisor), un ruolo che affiancherà alle sue funzioni attuali. Noto per i suoi lavori sui modelli del mondo, il meta-apprendimento e la macchina di Gödel, parteciperà alle attività del RSI Lab della start-up di Tokyo, dedicato all’auto-miglioramento ricorsivo, e si recherà regolarmente a Tokyo. Secondo Sakana, i suoi lavori, tra cui la tesi del 1987 sull’auto-miglioramento ricorsivo, hanno ispirato direttamente Darwin Gödel Machine e The AI Scientist. L’annuncio rivela anche una direzione di ricerca: Sakana lavora ai suoi primi modelli del mondo «nativi per gli agenti», capaci di simulare le conseguenze fisiche di un’azione prima di eseguirla, con l’industria manifatturiera giapponese come ambito di applicazione.

🔗 Jürgen Schmidhuber entra in Sakana AI

Notizie in breve

Claude Tag e connettori personali — In un canale Slack, Claude Tag può ora usare i connettori personali della persona che lo interpella (calendario, drive, CRM), e solo i suoi, con revisione di ogni risposta o in modalità automatica; non vengono mai usati per le routine pianificate. Distribuzione in corso su Team; Enterprise seguirà. 🔗 fonte
Sora 2 esce dall’API — Come annunciato il 24 marzo, i modelli Sora 2 e la Videos API sono stati disattivati il 24 settembre, senza un’API sostitutiva equivalente; vengono ritirati cinque identificatori, da sora-2 e sora-2-pro alle rispettive versioni datate. La chiusura è attestata soltanto dalla documentazione. 🔗 fonte
ChatGPT Ads nel Sud-est asiatico — La piattaforma pubblicitaria di ChatGPT arriva in Indonesia, Malaysia, Filippine, Singapore, Thailandia, Vietnam e Taiwan, e copre ora più di 60 paesi, contro gli oltre 40 di fine agosto; solo i piani Free e Go mostrano annunci. 🔗 fonte
Grab e OpenAI — Il programma GO Forward with AI punta a formare in due anni 30 000 autisti, addetti alle consegne e commercianti partner di Grab, a partire da Singapore, con workshop basati su OpenAI Academy e ChatGPT Work. 🔗 fonte
Tre casi di studio di OpenAI — Ringg gestisce più di 7 milioni di chiamate andate a buon fine al mese e ha ridotto di circa il 90 % il costo dei modelli per i carichi di lavoro passati da GPT-4.1 a GPT-5.6 Luna; invideo afferma di aver triplicato circa il proprio tasso di successo nella calibrazione con GPT-6 Astra; Harvey offre una testimonianza, senza cifre. 🔗 fonte
ChatGPT per iOS 1.2026.258 — La voce del 23 settembre nel changelog di ChatGPT & Codex riprogetta la schermata iniziale, aggiunge su iPad una vista divisa che mantiene l’elenco delle attività accanto a quella aperta e corregge errori di abbinamento SSH su Mac e Linux. 🔗 fonte
Gemini CLI v0.61.0 — Gemini 3.8 Flash e Gemini 3.5 Flash Lite, già disponibili nel canale nightly, passano al canale stabile tramite un cherry-pick che la nota ufficiale non menziona; la v0.62.0-preview.0 apre il successivo canale preview. 🔗 fonte
Gemini in Chrome — Su computer, Gemini in Chrome genera quiz interattivi dalla scheda aperta (inizialmente in inglese, negli Stati Uniti e in India) e ora analizza anche quasi tutti i podcast o i file video riprodotti per intero, oltre a YouTube. 🔗 fonte
Google Photos — Il guardaroba virtuale, che cataloga i capi presenti nelle foto per provare degli outfit, diventa disponibile per gli utenti idonei negli Stati Uniti, in India e in Brasile, insieme agli stili rétro Moods e a 15 nuovi modelli Remix. 🔗 fonte
API Gateway come server MCP — In anteprima pubblica, Google Cloud API Gateway trasforma le operazioni di un’API REST in strumenti MCP a partire dalla sua specifica OpenAPI 3.x annotata, riutilizzando autenticazione, quote e log, con un massimo di 1 000 strumenti per gateway. 🔗 fonte
PostgreSQL for agents in AlloyDB — In anteprima, AlloyDB crea in pochi secondi istanze isolate, di sola lettura e aggiornate con uno scarto di circa un secondo, per assorbire i picchi di richieste degli agenti; Google dichiara più di 3 milioni di richieste al secondo. 🔗 fonte
OLMo 3 7B ricreato su TPU — Il team TPU di Google Cloud ha riprodotto in MaxText il preaddestramento di OLMo 3 7B di Ai2 (circa 5 900 miliardi di token), ottenendo un modello indistinguibile dall’originale su otto benchmark e un utilizzo dei FLOP del 44,5 % su Ironwood, dopo aver individuato un bug nel caricatore dei dati. 🔗 fonte
The Talking Museum — Il Google Arts & Culture Lab apre una sala studio virtuale con più di 190 oggetti culturali in 3D, che si possono ruotare mentre Gemini ne racconta la storia e risponde alle domande. 🔗 fonte
DeepSeek Harness 0.1.7-rc.2 — Seconda release candidate in due giorni, 22ª versione preliminare senza una versione stabile: le attività continuano in background dopo la chiusura della finestra Desktop e quelle pianificate sopravvivono a un riavvio, con una frequenza fino a una volta al minuto. 🔗 fonte
Un router di richieste su Jetson — Sul blog di Hugging Face, Eric Mey sostituisce un modello da 9B con un ModernBERT-large sottoposto a fine-tuning per scegliere il tipo di risposta: 180 instradamenti corretti su 180 contro 175, in 42 ms contro 771 ms, su hardware diverso; modello, dati e codice sono distribuiti con licenza Apache-2.0. 🔗 fonte
Corpus genomico Carbon arricchito — Parag Ekbote pubblica una pipeline per CPU, senza il modello Carbon, che aggiunge lunghezza, contenuto GC, stato codificante e tassonomia a 32,4 milioni di record del corpus di preaddestramento di HuggingFaceBio. 🔗 fonte
ZCode v3.14.3 — Unica release GitHub di ZCode, l’harness di Z.ai, da quando il suo codice è stato reso pubblico il 21 settembre: è possibile modificare il livello di concorrenza di un flusso di lavoro in corso senza interromperlo, e gli script dei flussi consumano meno token. 🔗 fonte
SDK Python di xAI 1.20.0 — Per grok-imagine-video-1.5, last_frame_url fissa l’ultima immagine della clip e keyframes colloca al suo interno fino a quattro fotogrammi chiave; queste opzioni erano già descritte nella documentazione dell’API. 🔗 fonte
Copilot code review — La pagina delle impostazioni personali della revisione del codice diventa disponibile per tutti i piani Copilot, inclusi Business ed Enterprise, con la revisione automatica estesa ai nuovi push e alle bozze; le aziende possono impostare un livello predefinito di impegno per la revisione. Come annunciato a fine agosto, il valore predefinito di GitHub passerà da Lite a Balanced il 28 settembre. 🔗 fonte
Prova di presenza su GitHub Enterprise Cloud — In anteprima pubblica, le azioni ad alto impatto (creazione di token, webhook, impostazioni di sicurezza) possono richiedere una nuova autenticazione o l’MFA presso il provider di identità, valida per due ore; la funzione è riservata alle aziende EMU e GHEC-DR con Microsoft Entra ID. 🔗 fonte
Fine di Node 20 in GitHub Actions — I runner eseguono ora le azioni JavaScript con Node 24, l’opzione di ripiego scompare e i runner self-hosted su macOS 13.4 o versioni precedenti e su ARM32 non sono più supportati. 🔗 fonte
I canvas dell’app Copilot — Burke Holland sostiene l’uso di queste piccole applicazioni full-stack che dialogano con l’agente al posto di un’interfaccia fatta solo di chat, adducendo un risparmio di token; non ci sono nuove funzionalità, i canvas esistono da giugno. 🔗 fonte
Amp condivide i suoi runner — Se avviato con --share, un runner diventa utilizzabile da tutto lo spazio di lavoro tramite ampcode.com; Amp avverte che gli altri membri eseguono così codice con l’identità dell’host e che gli amministratori possono disattivare la condivisione. 🔗 fonte
Selettore di modelli di v0 — Aggiornamento del 22 settembre: il nuovo selettore permette di esplorare i modelli di AI Gateway con il relativo prezzo per token e arriva nei team Enterprise, dove il proprietario deve attivare Allow custom models. 🔗 fonte
Procedura MoE di BioNeMo — NVIDIA illustra l’addestramento di modelli biologici mixture of experts con BioNeMo e Transformer Engine: un throughput fino a 2,21 volte quello del riferimento Hugging Face su Mixtral-8x7B e otto B200; il kernel fuso è riservato a Blackwell. 🔗 fonte
Modalità Draft di Seedance 2.5 in Runway — Bozze più rapide e meno costose in crediti per sperimentare, prima di portare le migliori alla qualità piena; Runway non quantifica i crediti e la stessa modalità era arrivata su Pika il 22. 🔗 fonte
Runway MCP nel Marketplace di Cursor — Il server MCP di Runway si può installare dal Marketplace di Cursor dal 23 settembre e gli agenti possono consultare i Brand Kits in sola lettura dal 22. 🔗 fonte
Pika API Club — Pika quantifica i risparmi dei suoi membri rispetto a Fal.ai: 12 185,80 dollari in meno per 3 822 generazioni Seedance 2.5 in 30 giorni presso Vuvie e una fattura mensile scesa da circa 2 000 a 990 dollari presso AI-Bridge. 🔗 fonte
Studio HeyGen sugli avatar — Tra 1 000 piccole imprese, il 71,6 % ha già registrato un video mai pubblicato; tra chi usa avatar, il 71,1 % afferma di risparmiare tempo e il 55,3 % pubblica più spesso. 🔗 fonte
Indagine Luma — Aggiornamento del 22 settembre: tra 760 professionisti della creazione, l’81 % ha già diffuso contenuti realizzati con l’IA, ma nessuna attività supera il 42 % di utilizzo e il 62 % teme di dipendere dall’IA a scapito della creatività umana. 🔗 fonte
Guida Perplexity alle ricerche di mercato — Una guida in otto passaggi, con esempi di prompt, passaggi di verifica e una lista di controllo in cinque punti; non introduce nuove funzionalità e rimanda a Deep Research e agli Spaces. 🔗 fonte

Che cosa significa

L’agente esce dalla finestra di chat. Muse parla con una voce che si può descrivere, assume le sembianze di un avatar, controlla un Mac e dovrebbe arrivare sugli occhiali e poi, secondo Mark Zuckerberg, in un dispositivo tascabile a dicembre. Anche Google dà un volto animato a Gemini 3.8 Live, per l’accoglienza e il servizio clienti; Perplexity installa il suo agente locale sui PC con processore AMD e Claude Code continua a lavorare nel cloud dopo la chiusura del portatile. Le tempistiche restano disomogenee: l’uso del computer su Mac e Live Avatar sono disponibili, mentre Muse sugli occhiali è promesso «nei prossimi mesi» e il suo indirizzo e-mail non ha ancora una data.

Il costo degli agenti diventa un argomento sostenuto da cifre. Anthropic offre 100 o 250 dollari di credito per le sessioni cloud e mostra, dati d’uso alla mano, che la lettura della cache pesa ormai più di tutto in Claude Code, dove il rapporto tra input e output è passato da 189:1 a 324:1. Perplexity fa pagare Fast Search 1 dollaro per 1 000 richieste invece di 5 e stima un risparmio di circa il 68 % nelle attività degli agenti, a parità approssimativa di punteggio; Runway mantiene il 74 % di video utilizzabili con il 66 % di spesa in meno; Together AI addestra un modello decisionale per 17 dollari. Ognuno misura i propri risparmi con un protocollo diverso: cifre utili, raramente confrontabili tra loro.

La fiducia si regola caso per caso, talvolta in direzioni opposte. Anthropic torna a far pagare alcuni rifiuti per frenare «attacchi coordinati», puntando a meno dello 0,1 % di falsi positivi. Claude Code 2.1.282 impedisce a un progetto di imporre la propria telemetria, mentre Kimi Code 2.1.1 rimuove, meno di 19 ore dopo la loro introduzione, le protezioni della versione 2.1.0, sostenendo che la gestione di un repository approvato spetti all’utente. GitHub sperimenta una prova di presenza prima delle azioni sensibili. Sul fronte della difesa, OpenAI apre Daybreak all’Ucraina e il GitHub Security Lab affida il fuzzing a un agente, avvertendo che può sbagliare e che deve operare in un ambiente usa e getta.

Infine, regole e infrastrutture vengono discusse su larga scala. All’ONU, Sam Altman chiede norme internazionali per l’IA di frontiera, che OpenAI vorrebbe guidate dagli Stati Uniti insieme alla rete degli istituti per la sicurezza dell’IA, senza licenze né esami obbligatori prima della pubblicazione. Google si prepara a inviare in orbita le sue prime TPU per mettere alla prova il calcolo spaziale, e Perplexity ha riscritto in Rust il motore che serve tutte le sue ricerche, portando la latenza p99 da circa 800 a 65 ms. Norme negoziate tra Stati, chip in orbita, un motore riscritto: l’infrastruttura che fa funzionare questi agenti si costruisce insieme a loro.