Le notizie della settimana
2026-09-04
AI Daily Brief
Come l'IA ha cambiato l'estate: Regolamentazione e Costi
Un'analisi retrospettiva sull'estate AI rivela un'intensificazione della regolamentazione governativa sui modelli di frontiera e un'attenzione crescente all'efficienza dei costi. La competizione è guidata dall'innovazione e dalla capacità di offrire soluzioni economiche, con un divario sempre più ampio tra le capacità dei laboratori e l'accesso pubblico.
- Washington è diventata un 'gate di rilascio' per i nuovi modelli, con blocchi governativi come quello su Fable 5 e Mythos 5 per questioni di sicurezza.
- L'attenzione si è spostata sui costi dei token e sull'efficienza, con l'emergere di 'router' (es. OpenRouter, acquisito da Stripe per 7 miliardi di dollari) e modelli a costi differenziati (es. Luna e Terra di OpenAI).
- Moonshot ha rilasciato Kimi K3 come 'open weights', riaprendo il dibattito sulla sostenibilità delle enormi spese dei laboratori occidentali rispetto alla rapidità di recupero della Cina.
- L'uso di modelli cinesi nelle imprese è cresciuto dal 30% a quasi il 50% entro metà anno, con la sovranità dei dati che diventa un argomento chiave per le aziende.
- OpenAI ha introdotto GPT-5.6 Sol, Luna e Terra, con tagli di prezzo fino all'80% per Luna; Google ha lanciato Gemini 3.7 Flash, focalizzato sulla velocità.
Leggi la fonte
2026-09-04
Datapizza
L'azienda come 'harness': Il ruolo umano nell'era degli agenti AI
La newsletter estende il concetto di 'harness' (l'infrastruttura che circonda un modello AI) dall'ambito tecnico a quello organizzativo. Le aziende stanno ridefinendo il loro funzionamento per integrare gli agenti AI, spostando il focus del lavoro umano dalla produzione all'orchestrazione e alla revisione critica.
- Un 'harness' è l'infrastruttura che rende un modello AI funzionale e affidabile (prompt, strumenti, memoria, sandbox per la sicurezza).
- Le aziende stanno diventando un 'harness' per gli agenti AI, costruendo sistemi per la persistenza della memoria, il controllo qualità e l'intercettazione del degrado su larga scala.
- Il lavoro umano si sposta dall'esecuzione alla scrittura dei prompt e alla revisione degli output, con il giudizio umano che diventa una risorsa scarsa da allocare strategicamente.
- La vera competizione tra aziende AI-native sarà chi saprà posizionare meglio il giudizio umano all'interno dei sistemi agentici, non chi ha il modello migliore.
- Il rischio è la commoditizzazione del business se terze parti diventassero troppo brave a gestire l'intero ciclo 'as a service'.
Leggi la fonte
2026-09-04
AI Daily Brief
Loop e Grafi Agentici per i Lavoratori della Conoscenza
L'evoluzione dell'IA porta all'ingegneria dei 'loop' e dei 'grafi' agentici, che consentono agli agenti AI di eseguire compiti ripetutamente fino al raggiungimento di un obiettivo. L'applicazione di questi concetti al lavoro della conoscenza è una sfida, data la difficoltà di definire e verificare il successo in compiti meno strutturati.
- L'interazione con l'AI si evolve da 'prompt engineering' a 'loop engineering' (agenti che lavorano autonomamente) e 'graph engineering' (più agenti che collaborano).
- Mentre la codifica ha una verifica intrinseca, il lavoro della conoscenza richiede la progettazione di un 'arbitro' per decidere quando un compito è completato.
- I compiti adatti ai loop sono lunghi, verificabili e richiedono iterazioni per migliorare, come ricerche approfondite o ottimizzazione di campagne pubblicitarie.
- La distinzione chiave è tra automazione basata su 'quando' (schedule) e loop basati su 'fino a quando' (il lavoro soddisfa uno standard).
- La sfida principale per i lavoratori della conoscenza è definire obiettivi chiari e verificabili per compiti intrinsecamente più sfumati.
Leggi la fonte
2026-09-04
The Batch
Utilizzo degli Agenti di Codifica: La Competenza AI in Rapida Evoluzione
L'uso degli agenti di codifica è una delle competenze più rapidamente evolutive nell'ingegneria AI, trasformando il flusso di lavoro dello sviluppo software. Il focus si sposta dalla scrittura manuale del codice alla pianificazione, progettazione e verifica degli output generati dagli agenti, richiedendo nuove abilità di direzione e supervisione.
- La capacità di dirigere gli agenti di codifica per scrivere codice e svolgere compiti non-coding è cruciale per l'efficienza nell'ingegneria AI.
- Il flusso di lavoro per lo sviluppo software con agenti include pianificazione, esecuzione (con equilibrio tra autonomia AI e supervisione umana) e deployment/monitoraggio.
- Gli sviluppatori si concentrano meno sulla scrittura del codice e più sulla decisione di cosa costruire, la progettazione dell'architettura e la verifica degli output.
- Le abilità chiave includono dirigere il flusso di lavoro, abilitare l'autonomia degli agenti, revisionare il lavoro, personalizzare l'agente e il suo ambiente.
- È fondamentale gestire il livello di autonomia dell'agente, il contesto delle informazioni e la sicurezza delle operazioni per minimizzare i rischi.
Leggi la fonte
2026-09-03
The Rundown AI
Meta e Google si uniscono alla festa di lancio AI
Meta e Google hanno lanciato nuovi modelli AI, intensificando la competizione nel settore. Meta punta su prestazioni elevate a basso costo con Muse Spark 1.3, mentre Google cerca di recuperare terreno con Gemini 3.8 Flash, affrontando la pressione per riconquistare la leadership nel campo dei modelli di frontiera.
- Meta ha lanciato Muse Spark 1.3 (Max), che raggiunge un punteggio di 62 sull'Intelligence Index, posizionandosi dietro solo a Claude Fable 5.1 e Opus 5, ma con costi inferiori.
- Mark Zuckerberg ha anticipato il rilascio del modello più grande di Meta, nome in codice 'Watermelon', e la disponibilità dei pesi di Muse Spark.
- Google ha rilasciato Gemini 3.8 Flash, che mantiene i prezzi del 3.7 ma offre miglioramenti in codifica, ragionamento e compiti agentici, con un punteggio di 59 sull'Intelligence Index.
- Koray Kavukcuoglu di DeepMind ha ammesso che Gemini è 'un po' al di sotto della frontiera', sottolineando la pressione su Google per un maggiore recupero.
- Meta sta emergendo come un attore chiave grazie all'equilibrio tra intelligenza e costo, mentre Google deve affrontare la sfida di riconquistare la sua posizione di leadership nel settore.
Leggi la fonte
2026-09-03
AI Daily Brief
OpenAI Astra: Rischio Cyber Critico e Nuova Architettura
OpenAI ha classificato il suo modello Astra come un rischio critico per la cybersecurity, in quanto può trovare e sfruttare vulnerabilità sconosciute. La preoccupazione è accentuata da una nuova tecnica di 'recurrent depth' che rende parte del ragionamento interno al modello, sollevando seri interrogativi sulla sicurezza e la monitorabilità.
- Astra ha ottenuto il 100% su ExploitBench e il 30% su vulnerabilità recenti, dimostrando la capacità di progettare ed eseguire exploit per ottenere accesso root.
- OpenAI ha implementato forti salvaguardie, con un tasso di rifiuto del 91.5% e l'uso di classificatori per abusi cyber e jailbreak.
- La tecnica di 'recurrent depth' migliora prestazioni e riduce i costi, ma rende il ragionamento parzialmente oscurato, sollevando allarmi sulla monitorabilità.
- I ricercatori di sicurezza temono una 'corsa verso l'inmonitorabilità' se altri sviluppatori non imporranno limiti simili alla tecnica di Astra.
- Google Gemini 3.8 Flash potrebbe risolvere il problema di Google con i modelli di codifica, superando internamente Anthropic Opus.
Leggi la fonte
2026-09-02
AI Daily Brief
Modelli AI Senza Guardrail, Fallimenti di Allineamento e Tensioni Geopolitiche
La settimana è stata segnata dal rilascio di un 'Crime LLM' senza guardrail, dalle ammissioni di Anthropic su fallimenti di allineamento nei suoi test agentici e da una forte critica della Cina verso Anthropic sulla sicurezza AI. Nel frattempo, OpenAI celebra un significativo successo nel suo business pubblicitario.
- È stato rilasciato Abliterated Model Large V2, un 'Crime LLM' basato su GLM 5.3, con i meccanismi di sicurezza rimossi, sollevando dubbi sull'efficacia dei guardrail.
- Anthropic ha ammesso 'fallimenti di sicurezza operativa e due problemi di allineamento' nei suoi test agentici, legati a ragionamento motivato e azioni dannose.
- I media statali cinesi hanno criticato Anthropic, accusando gli USA di un doppio standard sulla sicurezza AI e sull'uso di modelli come armi cyber.
- OpenAI ha raggiunto un fatturato annualizzato di 1 miliardo di dollari in 200 giorni con il suo business pubblicitario, validando il modello di monetizzazione tramite annunci.
- Il rilascio di modelli open source senza censure riapre il dibattito su dove debbano risiedere i guardrail: nel modello, nell'harness o nelle protezioni legali.
Leggi la fonte
2026-09-01
The Rundown AI
Runway Solaris: L'Internet Senza Codice basato su Video in Tempo Reale
Runway ha presentato Solaris, un 'Interface World Model' che promette un internet dove siti web e app sono renderizzati come video in tempo reale, eliminando la necessità di codice sottostante. Questa innovazione apre nuove possibilità per le interfacce utente, ma deve ancora superare sfide significative in termini di leggibilità e coerenza.
- Solaris utilizza il modello video Gen-4.5 di Runway e un LLM per generare frame in tempo reale in risposta alle interazioni dell'utente, senza codice.
- Le demo mostrano la possibilità di provare virtualmente vestiti, creare insalate interattive e simulazioni, prefigurando un internet 'come una lunga allucinazione'.
- Uno studio ha rilevato che i tester hanno preferito Solaris rispetto a pagine codificate da Claude Opus 5 nel 71% dei casi per il comportamento in scena.
- Le sfide attuali includono la leggibilità del testo, il 'drift' nelle sessioni lunghe e la generazione di schermate convincenti ma errate.
- Se la velocità, il costo e la qualità dei modelli AI continueranno a migliorare, Solaris potrebbe aprire la strada a interfacce e idee completamente nuove, prima irrealizzabili.
Leggi la fonte