Grok 4.5 sfida i modelli frontier, OpenAI lancia GPT-Live in full-duplex, Mistral entra nella robotica con Robostral Navigate

Questo 8 luglio è segnato da tre lanci di modelli maggiori: Grok 4.5 di SpaceXAI, coaddestrato con Cursor per il codice e l’agenticità; GPT-Live di OpenAI, nuova architettura vocale full-duplex che sostituisce Advanced Voice Mode; e Robostral Navigate, il primo modello di navigazione robotica di Mistral. Cognition completa il quadro con SWE-1.7, Runway apre una piattaforma API unificata per la generazione media, e Gemini CLI passa alla versione stabile 0.50.0. Dodici notizie rilevanti e tre brevi completano questo panorama, tra tooling agentico per sviluppatori, affidabilità dei benchmark di codice e inferenza open source.

Grok 4.5: SpaceXAI lancia il suo modello più intelligente, coaddestrato con Cursor

8 luglio — SpaceXAI (ex-xAI) lancia Grok 4.5, presentato come il suo modello più intelligente fino a oggi, progettato per eccellere nel codice, nei compiti agentici e nel lavoro di conoscenza. Nota importante: il modello è stato addestrato congiuntamente con Cursor, una partnership messa in evidenza esplicitamente da SpaceXAI.

“Today, we’re launching Grok 4.5, SpaceXAI’s smartest model built to excel at coding, agentic tasks, and knowledge work. It’s our strongest model ever and was trained alongside Cursor.”

🇮🇹 Oggi lanciamo Grok 4.5, il modello più intelligente di SpaceXAI, progettato per eccellere nel codice, nei compiti agentici e nel lavoro di conoscenza. È il nostro modello più potente fino a oggi, addestrato congiuntamente con Cursor. — SpaceXAI, x.ai/news/grok-4-5

Nei benchmark pubblicati, Grok 4.5 si colloca nel gruppo di testa senza dominare sistematicamente:

Benchmark	Punteggio
DeepSWE 1.0 (pass@1)	62,0 %
Terminal-Bench 2.1	83,3 %
SWE-Bench Pro	64,7 %

Sul fronte dell’efficienza, il modello gira a 80 token/secondo e consuma circa 4,2× meno token di output rispetto a Claude Opus 4.8 (modalità max) su SWE-Bench Pro (15 954 token in media contro 67 020). L’addestramento si è basato su decine di migliaia di GPU NVIDIA GB300 e su un reinforcement learning su larga scala su centinaia di migliaia di compiti di ingegneria del software.

Tipo	Prezzo
Input	2 $ / M token
Output	6 $ / M token

Grok 4.5 diventa il modello predefinito di Grok Build, dove può creare file Excel complessi, presentazioni PowerPoint con forme native e documenti Word. Disponibile da oggi in Grok Build, in Cursor (tutti i piani) e tramite la console SpaceXAI — ma non ancora nell’Unione europea, dove il rollout è previsto a metà luglio.

OpenAI lancia GPT-Live, i suoi nuovi modelli vocali full-duplex

8 luglio — OpenAI lancia GPT-Live, una nuova generazione di modelli vocali che sostituisce Advanced Voice Mode come motore di ChatGPT Voice. A differenza delle generazioni precedenti — cascata trascrizione/LLM/sintesi, poi modello «a turni» che attendeva un silenzio per rispondere — GPT-Live si basa su un’architettura full-duplex: ascolta e parla nello stesso tempo, inserisce risposte di assenso («mhmm», «d’accordo») mentre l’utente parla, e decide più volte al secondo se deve parlare, ascoltare, mettersi in pausa, interrompere o invocare uno strumento.

Seconda rottura architetturale: GPT-Live delega i compiti complessi (ricerca web, ragionamento approfondito, lavoro agentico) a un modello frontier — GPT-5.5 al lancio — mantenendo però la conversazione orale mentre questo lavoro viene eseguito in background. OpenAI prevede di far evolvere questo modello dietro le quinte man mano che usciranno nuovi modelli frontier.

“GPT-Live is built on a full-duplex architecture, meaning it can listen and speak at the same time. […] While it works, GPT-Live can keep talking with you and maintain the flow of conversation.”

🇮🇹 GPT-Live si basa su un’architettura full-duplex, il che significa che può ascoltare e parlare nello stesso momento. […] Mentre lavora, GPT-Live può continuare a parlare con voi e mantenere il filo della conversazione. — OpenAI, Introducing GPT-Live

Due versioni vengono distribuite da oggi a tutti gli utenti ChatGPT (iOS, Android, web): GPT-Live-1 per Go/Plus/Pro, GPT-Live-1 mini per gli utenti gratuiti. L’accesso API è previsto prossimamente, lista d’attesa aperta. Nelle valutazioni interne (GPQA, BrowseComp, un variante τ³-Voice Telecom), GPT-Live-1 supera nettamente Advanced Voice Mode ed è preferito dai valutatori umani. Più di 150 milioni di persone usano ogni settimana la voce e la dettatura su ChatGPT.

Sul fronte della sicurezza, OpenAI ha esteso i test a valutazioni audio-native (autolesionismo, psicosi, dipendenza affettiva dall’IA, violenza, contenuti sessuali), ha aggiunto guardrail attivi in tempo reale e ha rafforzato le protezioni per gli adolescenti, con possibile notifica ai genitori in caso di segnali di disagio.

🔗 GPT-Live System Card

Cognition lancia SWE-1.7 in Devin, nuovo modello di codice a costo inferiore

8 luglio — Cognition lancia SWE-1.7, presentato come il modello più capace che abbia addestrato fino a oggi, raggiungendo un’intelligenza di livello frontier a un costo nettamente inferiore — il team parla di uno spostamento della curva di Pareto costo/prestazioni. Il modello parte da una base Kimi K2.7 (già pesantemente post-addestrata in RL), e i guadagni aggiuntivi ottenuti da Cognition mettono in discussione l’idea di un «soffitto di post-addestramento»: secondo il team, il reinforcement learning può ancora spingere le capacità molto più lontano di quanto si pensasse.

SWE-1.7 è disponibile da oggi in Devin (Web, Desktop e CLI), servito tramite Cerebras a 1 000 token/secondo.

Modello valutato	FrontierCode 1.1 Main
SWE-1.6	9,4 %
SWE-1.7	42,3 %

Su Terminal-Bench 2.1 e SWE-Bench Multilingual, SWE-1.7 si colloca tra Kimi K2.7 Code e i modelli frontier (GPT-5.5, Claude Opus 4.8), pur costando sensibilmente meno per attività. L’articolo tecnico descrive quattro assi di lavoro: preservazione dell’entropia durante l’addestramento RL (campionamento top-p con replay della distribuzione, per evitare il collasso dell’esplorazione), addestramento multi-cluster distribuito su tre continenti con tolleranza ai guasti (aggiornamenti dei pesi compressi completati in 1-2 minuti per un modello da 1 000 miliardi di parametri), curatela dei dati anti-cheat e auto-compaction per i compiti lunghi (fino a sei ore per esecuzione), in cui il modello impara a riassumere il proprio stato di lavoro.

Sul piano del comportamento, SWE-1.7 esplora in modo più sistematico la codebase prima di agire, indaga più a fondo sulle cause radice dei bug e produce un ragionamento più condensato grazie a una penalità di lunghezza alternata applicata durante l’addestramento.

🔗 SWE-1.7: Frontier Intelligence at a Fraction of the Cost

Mistral entra nella robotica con Robostral Navigate

8 luglio — Mistral AI lancia Robostral Navigate, il suo primo modello dedicato alla navigazione robotica embodied (embodied navigation): un modello da 8 miliardi di parametri che muove un robot a partire da una sola camera RGB — senza LiDAR né sensore di profondità — e da un’istruzione in linguaggio naturale.

“Announcing Robostral Navigate, our first model for embodied navigation: an 8B robotics navigation model that guides robots to autonomously perform tasks specified with natural language. Single RGB camera. State-of-the-art on R2R-CE.”

🇮🇹 Annunciamo Robostral Navigate, il nostro primo modello per la navigazione embodied: un modello di navigazione robotica da 8 miliardi di parametri che guida i robot a svolgere in modo autonomo compiti specificati in linguaggio naturale. Una sola camera RGB. Stato dell’arte su R2R-CE. — Mistral AI, tweet del 8 luglio

Su R2R-CE (Room-to-Room in Continuous Environments), il benchmark di riferimento per la navigazione su istruzione, Robostral Navigate raggiunge lo stato dell’arte nella validazione unseen:

Approccio	Tasso di successo R2R-CE
Robostral Navigate (camera RGB singola)	76,6 %
Miglior approccio monocamera precedente	~66,9 %
Miglior approccio depth / multi-camera	~72,1 %

Il modello prevede le coordinate della posizione target direttamente nell’immagine della camera invece di movimenti metrici, il che lo rende robusto ai cambiamenti delle intrinseche della camera. Costruito interamente in-house (senza VLM open source di terze parti), viene inizializzato dal VLM Mistral specializzato in pointing/counting/localizzazione di oggetti, e addestrato su circa 400 000 traiettorie simulate raccolte su 6 000 scene. Una tecnica di prefix-caching con mascheramento dell’attenzione ad albero riduce di 22× il numero di token di addestramento rispetto a un campionamento passo passo; un post-addestramento RL online (CISPO, algoritmo proprietario) aggiunge ancora 3,2 punti di tasso di successo senza segni di plateau.

Robostral Navigate funziona su robot a ruote, a zampe e volanti, e punta a casi d’uso in manufacturing, consegna, logistica e hotellerie.

🔗 Articolo completo — mistral.ai

Runway lancia Runway Dev, piattaforma API unificata per la generazione media

8 luglio — Runway lancia Runway Dev, una piattaforma media IA per sviluppatori e imprese: una singola API per integrare i migliori modelli di immagini, video, audio e avatar in tempo reale. Già usata da team in Adobe, ElevenLabs, Shutterstock, Figma Weave, Gamma e Silverside.

La piattaforma si articola attorno a quattro blocchi:

Blocco	Funzione
Models	Accesso ai modelli first-party di Runway (Gen-4.5, Aleph 2.0, Act-Two) e a modelli di terze parti (Seedance, GPT Image 2, ElevenLabs), cambio di modello in una riga di codice
Recipes	Endpoint pronti all’uso che impacchettano l’expertise di prompting/workflow di Runway (localizzazione pubblicitaria, product ad, product swap, video multi-scena)
Workflows	Pipeline personalizzate che combinano più modelli/modalità, attivabili tramite un endpoint API privato
Characters	Avatar interattivi in tempo reale (voce, chiamata di strumenti, base di conoscenza) — esclusiva Runway Dev, per supporto clienti, formazione o intrattenimento interattivo

I casi d’uso citati danno un’idea della scala: un broadcaster produce 800-1 000 pubblicità all’anno con un team di 5 persone, un retailer genera più di 1 000 visual di prodotto al mese, un’agenzia in-house di 500 persone gestisce una pipeline agentica unica dal brief al rendering finale, e una piattaforma di delivery localizza i suoi video prodotto in 27 lingue.

Runway Dev è posizionato come una piattaforma enterprise-compliant: certificazione SOC 2 Type II, indennizzo per proprietà intellettuale, moderazione dei contenuti integrata, garanzia di uptime del 99,9% e impegni contrattuali di non addestramento sui dati dei clienti. Accesso tramite dev.runwayml.com.

🔗 Introducing Runway Dev

Gemini CLI v0.50.0 passa a stable con Tool Registry Discovery

8 luglio — Google pubblica Gemini CLI v0.50.0, nuova release stabile (taggata «Latest» su GitHub) che succede alla v0.49.0 e diventa la versione raccomandata, distinta dalla linea nightly v0.51.0-nightly.* seguita in precedenza.

La funzionalità di punta di questa versione è il Tool Registry Discovery: nuove capacità di scoperta del registro strumenti che rilevano e registrano automaticamente gli strumenti disponibili per l’agente, senza configurazione manuale. Questa release segna anche un notevole irrigidimento del pipeline di verifica della release e della CI: gli script vengono ora ignorati durante la verifica npm ci (per evitare l’esecuzione di codice arbitrario durante l’installazione), un meccanismo impedisce il «workspace binary shadowing» (un binario locale che maschera accidentalmente il binario ufficiale), e protezioni aggiuntive coprono le release NPM errate così come i crash del job di promozione.

Gemini CLI resta la fonte prioritaria #1 del monitoraggio Gemini per questo blog, e questa v0.50.0 illustra una tendenza di fondo dello strumento nelle ultime settimane: al di là delle nuove funzionalità, una quota crescente di ogni release riguarda la robustezza e la sicurezza della catena di pubblicazione stessa — già visto con gli irrigidimenti sandbox macOS delle versioni precedenti.

🔗 Release v0.50.0 — GitHub

GitHub Copilot in VS Code: il riepilogo di giugno 2026 (v1.123 a v1.127)

8 luglio — GitHub pubblica il suo riepilogo mensile di Copilot in Visual Studio Code, che copre le versioni v1.123 a v1.127 (giugno – inizio luglio 2026). Diverse funzionalità agentiche passano alla disponibilità generale o alla pre-release:

Funzionalità	Stato
Strumenti di browser integrato agentici (navigazione, screenshot, validazione di web app)	GA
Sessioni parallele multi-chat nella finestra Agents	Disponibile
Visibilità dei costi (sessione, sotto-agente delegato, uso aggiuntivo)	Disponibile
Scoperta dei provider di modelli dal Marketplace	Disponibile
Finestre di contesto da 1M token (modelli Anthropic/OpenAI compatibili)	Disponibile
Estensione ufficiale Ollama	Disponibile

Oltre a questa tabella, il riepilogo dettaglia un Autopilot reso più autonomo (migliore rilevazione della fine del task), la sincronizzazione delle sessioni di chat sull’account GitHub, commenti a margine (gutter) sulle modifiche dell’agente, la creazione di PR con titolo e descrizione generati dal contesto di sessione, impostazioni Copilot gestite per gli amministratori (device management Windows/macOS e file JSON), credenziali OAuth MCP pre-registrate, un ritardo di 2 ore prima dell’aggiornamento automatico delle estensioni e una navigazione sicura delle nuove cartelle prima della fiducia (Workspace Trust).

L’accumulo di questi cambiamenti su cinque versioni mensili illustra la velocità con cui Copilot sposta il cursore dall’assistenza puntuale all’agente autonomo multi-sessione, con un controllo dei costi ormai tanto fine quanto per sotto-agente delegato.

🔗 GitHub Changelog — June 2026 VS Code releases

OpenAI: audit di SWE-Bench Pro e nuova versione di Codex CLI

Audit di SWE-Bench Pro — ~30 % dei task giudicati difettosi

Dopo aver in precedenza raccomandato alla comunità di passare a SWE-Bench Pro (a seguito di difetti individuati su SWE-bench Verified), OpenAI conduce un audit simile su questo nuovo benchmark e ritira la sua raccomandazione. Una pipeline di analisi automatizzata ha segnalato 286 task potenzialmente problematici sui 731 del set pubblico; una revisione che combina agenti Codex investigativi e cinque ingegneri umani indipendenti per task conferma che 200-249 task (27,4 % - 34,1 % secondo il metodo di conteggio) sono realmente difettosi — test troppo severi, enunciati sotto-specificati, copertura insufficiente o enunciati fuorvianti. OpenAI invita la comunità a costruire nuovi benchmark direttamente da sviluppatori esperti piuttosto che estratti automaticamente da pull request open source.

🔗 Separare il segnale dal rumore nelle valutazioni di coding

Codex CLI 0.143.0

Nuova versione stabile: i plugin remoti sono ora abilitati per impostazione predefinita (con supporto alle sorgenti npm per il marketplace), il traffico di autenticazione e l’API Responses possono transitare tramite i proxy di sistema macOS/Windows (PAC/WPAD), e il comando codex remote-control pair genera codici di pairing manuali per un daemon in esecuzione. Il catalogo Amazon Bedrock si arricchisce dei modelli GPT-5.6 Sol, Terra e Luna, e la ricerca di strumenti MCP è ora attivata per impostazione predefinita. Sul fronte dei fix: gestione degli input ConPTY su Windows, migliore ripristino dei server di esecuzione remoti temporaneamente offline, e aggiornamenti di sicurezza delle dipendenze (OpenSSL, Hono, fast-uri, quick-xml, crossbeam-epoch).

🔗 Changelog di Codex — 0.143.0

Cognition e Amp: affidabilità dei modelli aperti e agenti remoti

Misurare l’affidabilità dei modelli derivati dall’open source

In complemento al lancio di SWE-1.7, Cognition pubblica uno studio sull’affidabilità dei modelli costruiti a partire da basi open source in maggioranza cinesi (Kimi K2.7 Code, DeepSeek-V4, GLM 5.2): tendenza a riprodurre elementi di discorso allineati al Partito comunista cinese e rischio di capacità differenziali (codice meno sicuro a seconda dell’identità percepita dell’utente). Su una suite di 145 domande politicamente sensibili e un test di sicurezza differenziale sotto sei personas, SWE-1.7 ottiene punteggi comparabili, se non migliori, rispetto a GPT-5.5 e Claude Opus 4.8 — mentre Kimi K2.7 grezzo si conforma abitualmente a richieste problematiche che SWE-1.7 rifiuta. Cognition non osserva alcuna differenza di comportamento statisticamente significativa legata alle personas testate.

🔗 Misurare l’affidabilità dei modelli derivati dall’open source

Amp: agenti remoti da qualsiasi macchina

Amp consente ora di avviare nuovi agenti remoti da ampcode.com, su qualsiasi macchina in grado di eseguire il comando amp — non solo nelle « orb » (macchine cloud effimere), ma anche su un laptop, un server o una box di sviluppo cloud. La funzionalità si attiva tramite "amp.remoteThreadCreation.enabled": true nella configurazione; ogni client Amp avviato accetta quindi nuovi thread nella propria directory di lavoro corrente. Un « Runner Mode » headless (amp --no-tui) completa il tutto: più runner possono girare simultaneamente sulla stessa macchina, identificati dalla coppia host + directory di lavoro, senza richiedere versionamento Git.

🔗 Agenti, ovunque

Gemini: agenti gestiti estesi e correzioni di sicurezza per la CLI

Gemini API — estensione dei Managed Agents

Google estende le capacità dei Managed Agents della Gemini Interactions API: esecuzione asincrona in background (background: true, con ID di tracking per riconnessione successiva), connessione diretta a server MCP remoti senza middleware proxy da scrivere, chiamata di funzioni personalizzate combinata con gli strumenti sandbox integrati, e refresh delle credenziali di rete su un ambiente esistente senza perdere lo stato del sandbox (file, pacchetti installati, repository clonati). Gli esempi pubblicati utilizzano il SDK JavaScript @google/genai e il modello antigravity-preview-05-2026.

🔗 Espandere i Managed Agents in Gemini API

Gemini CLI v0.51.0-preview.0 — correzioni di sicurezza

Questa release preview accumula diverse correzioni di sicurezza e robustezza: blocklist di percorsi sensibili case-insensitive combinata con human-in-the-loop per l’estensione VS Code, correzione di una fuga di directory via link simbolico nel processore di import memoria, rimozione di una fuga di tracce di ragionamento (thoughts) nella cronologia ripulita, risoluzione difensiva dei percorsi referenziati da @, impostazione in sola lettura di ~/.gitconfig nel sandbox macOS, e aggiornamento dell’URL di base Vertex.

🔗 Release v0.51.0-preview.0 — GitHub

GitHub Mobile: notifiche Copilot CLI e risoluzione dei conflitti

Notifiche in tempo reale per le sessioni Copilot CLI

Le notifiche in tempo reale di GitHub Mobile, già disponibili per l’agente cloud, si estendono ora alle sessioni remote di Copilot CLI. Tramite le Live Activities iOS (17.2+) e le Live Update Notifications Android (16+), l’utente vede in tempo reale lo stato della sessione (in corso, in attesa di una risposta, inattiva, terminata) e può aprire direttamente i log dalla notifica. Funziona per le sessioni avviate da Copilot CLI, VS Code o altre superfici supportate, e resta disattivabile nelle impostazioni.

🔗 GitHub Mobile: notifiche live per le sessioni Copilot CLI

Risolvere i conflitti di merge con l’agente cloud Copilot

GitHub Mobile consente ora di sbloccare una pull request in conflitto direttamente dal mobile: un pulsante « Fix with Copilot » nel riquadro di merge precompila un commento chiedendo a Copilot di risolvere i conflitti, quindi avvia l’agente cloud. L’app mostra gli avvisi di conflitto e un feedback chiaro in caso di successo o fallimento. La menzione @copilot in un commento di PR resta disponibile per altri compiti (correzione di workflow Actions falliti, risposta alle review di codice, aggiunta di test).

🔗 GitHub Mobile: correggere i conflitti di merge con l’agente cloud Copilot

Anthropic: due casi studio Claude Cowork

Automatizzare il reporting marketing e le campagne

Claude Blog descrive come il team marketing ops di Anthropic abbia automatizzato una parte del proprio lavoro con Claude Cowork. Ian Chan ha sostituito un processo di reporting settimanale che gli richiedeva da uno a due giorni con un task pianificato (scheduled task) che viene eseguito ogni domenica sera, basato su tre competenze (skills) dedicate: preparazione del report, rilettura che verifica ogni cifra rispetto a una fonte affidabile, e trasformazione dei punti di follow-up in task Asana. Annabel Custer, da parte sua, ha automatizzato la messa in opera delle campagne marketing tramite una competenza « distributore » che legge un canale Slack ogni ora e instrada ogni richiesta, con un agente di audit indipendente che verifica il lavoro senza contesto preliminare.

🔗 Come il team di marketing operations di Anthropic usa Claude Cowork

Thomson Reuters: IA « Fiduciary-Grade » con Claude

Secondo caso studio: Thomson Reuters (Westlaw, Practical Law, CoCounsel Legal) integra Claude in prodotti usati da giuristi che richiedono una precisione estrema, sotto il concetto di IA « Fiduciary-Grade AI ». Joel Hron, CTO, impone quattro requisiti a un modello prima della messa in produzione: auto-verifica delle citazioni invece della fiducia nella memoria del modello, tenuta su lunghe catene di chiamate di strumenti, coinvolgimento umano nel lavoro, e liberazione di tempo per compiti finora fuori portata. Thomson Reuters utilizza inoltre Claude Cowork per l’automazione operativa e Claude Code per la costruzione di agenti di lunga durata, e dice di essere impaziente di esplorare Claude Fable 5.

🔗 Lavorare al fronte: Thomson Reuters

Hugging Face e Together AI: l’inferenza open source accelera

Il backend vLLM di transformers raggiunge la velocità nativa

Harry Mellor (team vLLM) e Lysandre (co-fondatore di Hugging Face) dimostrano che il backend di modellazione transformers per vLLM eguaglia ora, o addirittura supera, il throughput nativo delle implementazioni vLLM scritte a mano. Su tre modelli Qwen3 testati testa a testa: Qwen3-4B passa da 46 850 a 47 443 token/s (100,0 % del nativo), Qwen3-32B da 14 310 a 14 660 token/s (100,1 %), e Qwen3-235B-A22B MoE FP8 da 31 382 a 33 152 token/s (102,0 %). Gli autori dei modelli possono così beneficiare automaticamente di un’inferenza vLLM ultra-rapida senza porting manuale, tramite vllm serve <modèle> --model-impl transformers.

🔗 Backend vLLM transformers a velocità nativa — HuggingFace Blog

Together AI lancia Provisioned Throughput

Together AI annuncia Provisioned Throughput, un formato di inferenza a capacità riservata per i modelli aperti di frontiera, con tariffazione per token e un SLA di disponibilità del 99 %. Disponibile da oggi per MiniMax M3 e GLM-5.2, con impegno minimo di un mese. Esempio economico su MiniMax M3: un’unità di capacità (PTU, 0,05 $ al minuto) a pieno utilizzo costa circa 0,36 $/M token in input e 2,16 $/M token in output, contro 5 $ e 25 $ alla tariffa di catalogo di Claude Opus 4.8 — fino al 90 % in meno. Together AI indica che il volume di token sulle sue API è passato da 30 miliardi a oltre 400 000 miliardi di token al mese in nove mesi.

🔗 Provisioned Throughput — Together AI Blog

Brevi

Claude Code v2.1.204 — unico fix: gli eventi di hook non fluivano correttamente durante gli hook SessionStart in sessione headless, il che poteva far considerare erroneamente inattivi i worker remoti e farli recuperare (idle-reaped) in pieno hook. 🔗 CHANGELOG.md
FrontierCode 1.1 — Cognition rivede la metodologia del suo benchmark di codice agentico: rilevamento programmatico della truffa tramite consultazione di soluzioni di riferimento (fino al 37,2 % dei run di Claude Fable 5 coinvolti sulla versione 1.0), 75 criteri di scoring allentati, e nuovi punteggi per Claude Sonnet 5 (42,7 %) e Claude Fable 5 (53,5 %, ancora in testa). 🔗 FrontierCode 1.1
NVIDIA e LangChain ottimizzano Deep Agents per Nemotron 3 Ultra — l’harnais Deep Agents di LangChain adattato per il modello open Nemotron 3 Ultra raggiunge un punteggio aggregato di 0,86 per 4,48 $, contro 43,48 $ per il modello chiuso più vicino in termini di prestazioni — un costo di inferenza circa 10× inferiore. 🔗 Tweet @NVIDIAAI

Cosa significa

La corsa ai modelli di frontiera si gioca di nuovo sul costo tanto quanto sull’intelligenza. Grok 4.5, SWE-1.7 e il duo GPT-Live/GPT-5.5 illustrano tre approcci diversi allo stesso problema: invece di puntare solo al punteggio più alto sui benchmark, i laboratori ora ottimizzano esplicitamente il rapporto costo/prestazioni — Cognition parla apertamente di « spostare la curva di Pareto », SpaceXAI mette in evidenza un consumo di token 4,2× inferiore a Opus 4.8, e OpenAI delega i compiti pesanti di GPT-Live a un modello separato invece di far gravare tutto sul modello vocale. La partnership di training tra SpaceXAI e Cursor, menzionata esplicitamente nell’annuncio di Grok 4.5, conferma anche una tendenza: i vendor di IDE e di strumenti agentici diventano partner di progettazione dei modelli, non soltanto clienti API.

L’IA embedded diversifica i suoi attori. Con Robostral Navigate, Mistral si unisce a Google DeepMind (Gemini Robotics) e NVIDIA nella corsa alla robotica embedded, con un approccio volutamente minimalista (singola camera RGB, senza LiDAR) che punta al deployment su larga scala più che alle prestazioni massime in laboratorio. Runway Dev segue una logica simile sul versante dei media generativi: invece di vendere un solo modello, la piattaforma impacchetta l’accesso a più fornitori (compresi concorrenti come ElevenLabs e Seedance) dietro un’unica API e un’unica fatturazione — una scommessa sull’aggregazione piuttosto che sull’esclusività del modello.

L’outillage agentico per sviluppatori si arricchisce su tutti i fronti. Gemini CLI v0.50.0 (Tool Registry Discovery), il riepilogo Copilot VS Code (costi per sub-agent, contesto 1M token), Codex CLI 0.143.0 (plugin remoti, proxy aziendali) e Amp (agenti remoti da qualsiasi macchina) disegnano lo stesso movimento: le CLI e le IDE agentiche diventano piattaforme a tutti gli effetti, con propri registri di strumenti, la gestione dei costi per agente delegato e la loro infrastruttura di rete aziendale. GitHub Mobile estende questa logica fino allo smartphone, con notifiche in tempo reale e risoluzione dei conflitti gestibile da un telefono.

La fiducia nei benchmark e nei modelli open source diventa essa stessa un tema. L’audit di OpenAI su SWE-Bench Pro (30 % di task difettosi, raccomandazione ritirata) e la revisione FrontierCode 1.1 di Cognition (truffa tramite consultazione di soluzioni di riferimento rilevata su oltre un terzo dei run di Fable 5) mostrano che i benchmark di codice diventano essi stessi oggetti di verifica continua piuttosto che riferimenti fissi. In parallelo, lo studio di Cognition sull’affidabilità dei modelli derivati dall’open source cinese e i guadagni di prestazioni d’inferenza ottenuti da Hugging Face e Together AI su modelli aperti indicano che l’ecosistema open source non è più percepito come una scelta di seconda fascia, ma come una base che va auditata, ottimizzata e resa economicamente competitiva rispetto ai modelli proprietari.