OrigoTech

Risultati di Microsoft e Google: Azure cresce del 48%, Google Cloud raddoppia mentre la spesa per l'IA sale

Thu, 29 Oct 2026 09:30:00 +0100

Questa rassegna riguarda mercoledì 28 ottobre 2026. Microsoft e Alphabet hanno pubblicato i risultati del trimestre di settembre la stessa sera, ed entrambi vanno nella stessa direzione: la domanda di cloud IA cresce ancora più in fretta della capacità di soddisfarla. Sul fronte dei modelli, un piccolo team ha rilasciato Clover-35B, un modello linguistico open weights che genera testo per diffusione anziché un token alla volta. Anche OpenCode, Zed e Cline hanno pubblicato nuove versioni. Salvo diversa indicazione, le cifre provengono dai comunicati ufficiali delle aziende.

Microsoft: Azure +48%, ora indicato in dollari

Per il primo trimestre fiscale (da luglio a settembre 2026), Microsoft ha riportato ricavi per 92,3 miliardi di dollari, in crescita del 19% su base annua. I ricavi di Microsoft Cloud hanno raggiunto 63,9 miliardi (+30%) e Azure è cresciuto del 48% (comunicato stampa Microsoft). Per la prima volta l'azienda ha indicato i ricavi di Azure in dollari: 33,17 miliardi nel trimestre, secondo CNBC.

Spesa: le spese in conto capitale, compresi i leasing finanziari, sono state di 45,2 miliardi di dollari. La CFO Amy Hood ha dichiarato che alcune consegne di capacità di terzi previste nel trimestre sono state ritardate e che circa tre quarti del capex è andato ad asset a vita breve, soprattutto CPU e GPU (trascrizione della conference call, The Motley Fool).
Portafoglio ordini: le obbligazioni di prestazione residue commerciali, ovvero i ricavi contrattualizzati non ancora contabilizzati, sono salite del 73% a 677 miliardi di dollari.
Foundry: la piattaforma di modelli e agenti di Microsoft ha visto i ricavi «più che triplicare» su base annua, senza una cifra in dollari.
Prospettive: Microsoft prevede una crescita di Azure del 49-50% a cambi costanti nel prossimo trimestre e oltre 50 miliardi di dollari di capex, secondo CNBC. «Abbiamo ancora una domanda che supera l'offerta», ha detto Hood.

Alphabet: Google Cloud cresce del 103%, con vendite di TPU

I ricavi del terzo trimestre di Alphabet sono aumentati del 25% a 127,6 miliardi di dollari. Google Cloud è più che raddoppiato: 30,7 miliardi di ricavi (+103%), contro 15,2 miliardi di un anno prima, con un utile operativo di 11,1 miliardi (comunicato sui risultati di Alphabet, SEC). Google afferma che le vendite di sistemi TPU, i suoi chip IA interni, sono state «un contributo significativo». È lo stesso prodotto che Oracle prevede di offrire nel proprio cloud dal 2027, come abbiamo raccontato nella nostra rassegna del 28 ottobre.

Utilizzo: Sundar Pichai afferma che le API dei modelli proprietari di Google elaborano ormai quasi 32 miliardi di token al minuto, più di quattro volte rispetto a un anno fa, e che l'app Gemini ha raggiunto un miliardo di utenti.
Spesa: gli acquisti di immobili e attrezzature hanno raggiunto 51,4 miliardi di dollari nel trimestre. Il free cash flow è diventato negativo: meno 9,1 miliardi.
Prospettive: la CFO Anat Ashkenazi ha confermato la forchetta di capex 2026 tra 195 e 205 miliardi di dollari e prevede che il capex «aumenterà in modo significativo» nel 2027. Il portafoglio ordini di Google Cloud è di 561 miliardi (trascrizione della conference call, The Motley Fool).

Meta ha pubblicato i risultati una settimana prima, il 21 ottobre: 34,9 miliardi di dollari di capex nel trimestre e una forchetta 2026 ristretta tra 135 e 145 miliardi (comunicato stampa Meta). Amazon non ha ancora riportato.

Cosa significa per gli sviluppatori

Per gli sviluppatori, l'aspetto principale da seguire è la capacità, più che la dimensione delle cifre. Sia Microsoft sia Google affermano che la domanda supera ciò che possono servire, ed entrambe affittano capacità di terzi in attesa dei propri data center. Si tratta di risultati aziendali, non sottoposti a revisione contabile per il trimestre, e le cifre di crescita sono confrontate con lo stesso trimestre del 2025.

Clover-35B: un modello linguistico di diffusione open weights

DiffuSpace, un team nato dal gruppo di NLP dell'Università di Hong Kong (gli autori di Dream 7B), ha rilasciato Clover-35B-A3B-Preview con licenza Apache 2.0 (annuncio di DiffuSpace). A differenza della maggior parte dei modelli linguistici, che scrivono un token dopo l'altro, Clover genera blocchi di 32 token in parallelo e li affina in più passate. È costruito su Qwen3.6-35B-A3B: 35 miliardi di parametri in totale, circa 3 miliardi attivi per token e una finestra di contesto di 131.072 token (scheda del modello su Hugging Face).

Punteggi del fornitore: 73,6 su SWE-bench Verified e 51,7 su Terminal-Bench 2.1. DiffuSpace afferma che supera gli altri modelli di diffusione testati (LLaDA2.2 flash, Mercury 2.5) e Qwen3.6-35B-A3B.
Velocità: 680 token al secondo su compiti agentici interni, su una GPU NVIDIA GB300 con batch size 1, e 515 token al secondo su una H200. Queste cifre non sono state riprodotte in modo indipendente.
Hardware: i pesi BF16 occupano circa 69 GB. DiffuSpace segnala anche un'esecuzione INT4 su una RTX 5070 Ti da 16 GB.

Clover entra nel nostro confronto dei modelli con finestra di contesto e licenza, senza punteggio: non monitoriamo questi benchmark lì.

OpenCode, Zed e Cline: le nuove versioni

OpenCode 2.2.1 (29 ottobre, note di rilascio): un nuovo comando /goal <objective> mantiene una sessione al lavoro finché un revisore non conferma che l'obiettivo è raggiunto, con controlli di pausa, ripresa e azzeramento. Novità anche: prompt pianificati opzionali (/schedule), uno strumento sperimentale image_generate e un selettore di modelli ridisegnato nell'app desktop. Modifica non retrocompatibile per il codice che importa direttamente @opencode/ai: i provider fal, Black Forest Labs, Replicate e Stability sono stati rimossi.
Zed 1.26.2 (28 ottobre, note di rilascio): Pyrefly come language server Python integrato opzionale, hover del debugger che espandono le variabili annidate e valori predefiniti delle impostazioni ACP che ora si applicano solo alle nuove conversazioni con gli agenti.
Cline 4.1.26 (26 ottobre, note di rilascio): un interruttore Local/Cloud per scegliere il modello usato dalle attività cloud e Claude Sonnet 5.5 di nuovo modello predefinito del provider Cline. I valori predefiniti cambiano per la maggior parte degli altri provider, perlopiù verso Kimi K3.1 Pro, MiniMax M3.1 Flash o DeepSeek V4.1 Flash 1017: se non fissate un modello, aspettatevi che ne venga usato uno diverso.

Fonti

Microsoft: Microsoft announces first quarter results (verificato il 2026-10-29)
CNBC: Microsoft stock jumps as cloud growth drives earnings and revenue beat (verificato il 2026-10-29)
The Motley Fool: Microsoft Q1 2027 earnings call transcript (verificato il 2026-10-29)
Alphabet: Third Quarter 2026 Results (SEC filing) (verificato il 2026-10-29)
The Motley Fool: Alphabet Q3 2026 earnings call transcript (verificato il 2026-10-29)
Meta: Meta Reports Third Quarter 2026 Results (verificato il 2026-10-29)
DiffuSpace: Clover-35B-A3B-Preview (verificato il 2026-10-29)
Hugging Face: Diffuspace/Clover-35B-A3B-Preview (verificato il 2026-10-29)
OpenCode: note di rilascio v2.2.1 (verificato il 2026-10-29)
Zed: note di rilascio v1.26.2 (verificato il 2026-10-29)
Cline: note di rilascio v4.1.26 (verificato il 2026-10-29)

GitHub Agent Merge: Copilot può sistemare le vostre pull request mentre lavorate?

Thu, 29 Oct 2026 00:00:00 +0000

Una pull request è pronta per la revisione quando un workflow di GitHub Actions fallisce. Prima ancora di aver finito di indagare, il branch di base cambia e compare un conflitto di merge. Agent Merge di GitHub è pensato per sorvegliare questi blocchi e iniziare a lavorarci mentre voi passate ad altro.

Il 28 ottobre GitHub ha portato Agent Merge direttamente nel riquadro di merge delle pull request su github.com. Copilot può sorvegliare i workflow Actions falliti, i conflitti di merge o entrambi. Lavora in background quando compare uno dei blocchi selezionati; resta comunque a voi rivedere le sue modifiche e soddisfare i requisiti di merge del repository (GitHub).

Cosa fa Agent Merge

Su GitHub, Agent Merge fa parte di Copilot nel cloud. Si attiva su una pull request, si selezionano i blocchi che si vuole affidargli e Copilot avvia un tentativo di riparazione non appena ne rileva uno. GitHub pubblica aggiornamenti nella cronologia della pull request per spiegare perché l'agente è stato avviato (GitHub Docs).

Cosa fa Agent Merge
Blocco	Cosa può fare Copilot
Workflow GitHub Actions falliti	Indagare e tentare una correzione
Conflitti di merge	Tentare di risolvere i conflitti tra il branch della pull request e il branch di base

Un tentativo di riparazione non è una garanzia. Un test può fallire per un'asserzione sbagliata, per un problema di dipendenze o per una vera regressione; un conflitto può riguardare due modifiche valide il cui comportamento voluto non emerge dal solo testo. Controllate il diff risultante e rieseguite o ispezionate i controlli pertinenti prima di accettare la modifica.

Come attivarlo su GitHub

Serve un piano Copilot a pagamento con accesso a Copilot nel cloud. Se l'accesso passa da un'organizzazione o da un'impresa, le sue policy devono consentire la funzione cloud. Deve inoltre essere attivata la policy Copilot Enable automations del repository (GitHub Docs).

Aprite la pull request su GitHub.
Nel riquadro di merge, selezionate Watch and fix.
Scegliete Fix failed Actions workflows, Resolve merge conflicts o entrambi.
Seguite gli aggiornamenti di Agent Merge nel riquadro di merge e nella cronologia della pull request.
Rivedete le modifiche apportate da Copilot e controllate i risultati dei workflow.

Potete anche attivarlo per impostazione predefinita sulle pull request che create, in Settings → Copilot → Cloud. Per fermarlo su una singola pull request, selezionate Unassign Copilot nel riquadro di merge. GitHub precisa che la funzione non supporta le pull request impilate (stacked) né quelle aperte da fork.

Agent Merge esegue il merge della pull request?

La funzione cloud di GitHub prepara e mantiene la pull request; attivarla non abilita l'auto-merge. La funzione separata di auto-merge di GitHub può essere combinata con Agent Merge e eseguirà il merge una volta soddisfatte le revisioni e i controlli richiesti dal repository (GitHub Docs).

La distinzione conta: se l'auto-merge è attivo, una riparazione riuscita può essere seguita da un merge non appena i requisiti configurati sono soddisfatti. Verificate le regole del repository e le modifiche proposte, invece di dare per scontato che ci sarà sempre un'ulteriore conferma manuale.

L'app Copilot offre un'esperienza diversa. GitHub afferma che la versione nell'app può anche rispondere ai commenti di revisione ed eseguire il merge della pull request non appena GitHub lo consente. Anche VS Code documenta un'esperienza Agent Merge sperimentale con opzioni proprie. Queste superfici non vanno considerate identiche a Watch and fix su GitHub (GitHub Docs; VS Code).

Quanto costa?

La funzione cloud di Agent Merge richiede un piano Copilot a pagamento. Il consumo di crediti IA è addebitato alla persona che l'ha attivato sulla pull request, che può non essere l'autore della pull request. Nella documentazione di Agent Merge GitHub non indica un costo fisso per riparazione; il consumo dipende dal lavoro svolto e dai modelli coinvolti (GitHub Docs).

La documentazione di fatturazione individuale di GitHub elenca Copilot Pro a 10 $ al mese, Pro+ a 39 $ e Max a 100 $, con diverse quote di crediti IA incluse. Sono prezzi dei piani, non costi di Agent Merge; ciò che una riparazione consuma è un utilizzo a parte, all'interno della quota e delle regole di fatturazione applicabili (GitHub billing). Controllate la dashboard di utilizzo e le condizioni del piano prima di attivarlo su larga scala.

Dove vengono eseguite le correzioni?

Sebbene Agent Merge appartenga a Copilot nel cloud, GitHub afferma che le sue correzioni vengono eseguite in un ambiente di sviluppo basato su GitHub Actions, non in una sandbox cloud. Può usare le istruzioni personalizzate del repository, le agent skill e i passaggi di setup in .github/workflows/copilot-setup-steps.yml (GitHub Docs).

La configurazione del repository incide quindi sul risultato. Una dipendenza mancante o un'istruzione imprecisa possono influenzare ciò che l'agente vede. Prestate particolare attenzione alle modifiche che toccano test, permessi e configurazione dei workflow: un controllo verde è utile, ma non dimostra che l'intento originale o la sicurezza del workflow siano stati preservati.

Il nostro parere

Agent Merge affronta una fonte di attrito ben nota: aspettare i controlli, accorgersi di un errore e tornare su un branch solo per renderlo integrabile. Per uno sviluppatore singolo o un piccolo team, una riparazione in background potrebbe ridurre questa interruzione.

Il suo valore dipenderà dalla qualità delle correzioni proposte e dal tempo necessario per verificarle. Iniziate con una pull request dai controlli chiari, scegliete solo i tipi di blocco che volete delegare e confrontate il diff dell'agente con l'obiettivo di partenza. Monitorate il consumo di crediti insieme al tempo di revisione. Il risultato che conta è una modifica corretta e manutenibile che supera i controlli giusti, non semplicemente un riquadro di merge verde.

Fonti

GitHub, Agent Merge sulle pull request, 28 ottobre 2026
GitHub Docs, preparare le pull request con Agent Merge, consultato il 29 ottobre 2026
GitHub Docs, gestire le pull request nell'app Copilot, consultato il 29 ottobre 2026
VS Code, finestra Agents, consultato il 29 ottobre 2026
GitHub Docs, fatturazione individuale di Copilot, consultato il 29 ottobre 2026

Android Studio Rabbit 2: Codex, Claude e altri agenti di IA entrano nell'IDE

Thu, 29 Oct 2026 00:00:00 +0000

Gli sviluppatori Android non devono più uscire da Android Studio per lavorare con il loro agente di programmazione preferito. Il 28 ottobre Google ha rilasciato nel canale stabile Android Studio Rabbit 2, versione 2026.2.2. La novità principale è Bring Your Own Agent: il supporto ad agenti di terze parti, tra cui OpenAI Codex e Claude Agent, accanto agli strumenti propri di Android Studio (Google).

La versione aggiunge anche la gestione delle skill per gli agenti, la revisione del codice assistita dall'IA, un'integrazione con LeakCanary e gli emulatori Android XR stabili. Nello stesso evento Google ha annunciato altre funzioni distinte per Android CLI e per la piattaforma; non tutte sono funzioni di Android Studio né hanno lo stesso livello di maturità.

Portate il vostro agente di programmazione

Bring Your Own Agent, o BYOA, collega gli agenti di programmazione compatibili ad Android Studio tramite l'Agent Client Protocol (ACP), un protocollo aperto. Google afferma che gli sviluppatori possono scegliere tra oltre 40 agenti, tra cui Claude Agent, Codex, Junie e Google Antigravity. Gli agenti supportati possono usare strumenti dell'IDE come l'emulatore, i sistemi di build e Logcat (Google).

Per esempio, chi lavora su un'app Kotlin potrebbe chiedere a un agente di indagare su un errore di build con accesso alla diagnostica dell'IDE. L'agente può proporre modifiche e usare gli strumenti disponibili, ma lo sviluppatore deve comunque controllare la patch, rilanciare i test pertinenti e decidere se risolve davvero il problema. Questo esempio illustra un possibile flusso di lavoro, non un risultato misurato.

Per iniziare, aprite la finestra dell'agente oppure andate in Settings → Tools → AI → Agents, selezionate un agente e autenticatevi se richiesto. Google dice che l'autenticazione è possibile con abbonamenti personali o aziendali. Disponibilità, quote, costi e trattamento dei dati dipendono dall'agente e dal fornitore; l'integrazione in Android Studio non rende gratuito ogni abbonamento di terze parti (note di rilascio).

Skill, revisione del codice e perdite di memoria

Rabbit 2 aggiunge uno skills manager per scoprire e gestire le istruzioni specializzate a disposizione degli agenti. Google cita skill per Android e Firebase per attività come la migrazione delle viste XML a Jetpack Compose, l'adattamento dei layout e l'integrazione di CameraX. Gli sviluppatori possono aprire il gestore dal pannello Agent o da Settings → Tools → AI → Skills Manager (Google).

AI Change Review può esaminare le modifiche di un agente, i commit in sospeso o quelli già eseguiti. Google dice che individua le correzioni consigliate e può produrre una guida che raggruppa le modifiche correlate. Questo può rendere più agevole orientarsi in un diff voluminoso, ma resta una revisione generata dall'IA e non la prova che il codice sia corretto.

LeakCanary è inoltre integrato con l'agente incorporato di Android Studio nel Profiler. L'agente può aiutare a spiegare le perdite di memoria e a suggerire modifiche al codice. È utile per le app che trattengono risorse più a lungo del dovuto, anche se una correzione suggerita richiede comunque profilazione e test sull'app.

Skill, revisione del codice e perdite di memoria
Funzione	Che cosa dice Google che fa	Che cosa verificare
Bring Your Own Agent	Collega agenti compatibili agli strumenti dell'IDE	Condizioni del fornitore, permessi e modifiche generate
Skills Manager	Scopre e gestisce indicazioni specializzate per gli agenti	Quali skill sono installate e se sono adatte
AI Change Review	Suggerisce correzioni e raggruppa le modifiche correlate	Correttezza, sicurezza e copertura dei test
Integrazione LeakCanary	Aiuta a spiegare le perdite e a suggerire correzioni	Se il comportamento della memoria migliora davvero
Emulatori XR	Testano virtualmente le esperienze dei dispositivi XR supportati	Comportamento su hardware reale, quando disponibile

Fonte: Android Developers Blog, 28 ottobre 2026.

Gli emulatori Android XR diventano stabili

Google afferma che i suoi emulatori per XR, occhiali audio e occhiali con display sono ora stabili in Android Studio. Gli sviluppatori possono testare le esperienze supportate dal computer, personalizzare gli ambienti degli occhiali con display usando foto a 360 gradi o il flusso di una fotocamera collegata, e sfruttare una procedura guidata di abbinamento migliorata per telefono e occhiali virtuali (Google).

Gli sviluppatori XR hanno così un altro modo di iterare senza dover disporre di occhiali fisici per ogni test. Non sostituisce la validazione su dispositivi reali, soprattutto per prestazioni, sensori e usabilità nel mondo reale.

E Android CLI e le nuove API per agenti?

Google ha annunciato anche modifiche correlate ad Android CLI, tra cui lo streaming dei dispositivi, le anteprime di Jetpack Compose e la profilazione. Sono stati annunciati inoltre plugin Android ufficiali per Claude Code e Codex. Si tratta di strumenti per sviluppatori Android correlati, non di funzioni che si debbano dare per scontate nell'IDE Rabbit 2 stesso (Google).

Lo stesso annuncio descrive API per creare esperienze con agenti nelle app Android. Il loro grado di maturità varia: AppFunctions è in beta, mentre A2UI per Jetpack Compose e la ML Kit Agentic API sono in alpha. Prima di pianificare un uso in produzione, gli sviluppatori dovrebbero consultare la documentazione di ciascuna e verificarne la disponibilità.

Come aggiornare

Google indica Rabbit 2 come versione stabile. In Android Studio, usate Help → Check for Updates; su macOS, Android Studio → Check for Updates. È disponibile anche dalla pagina di download ufficiale.

Prima di collegare un agente esterno, controllate a quali file e strumenti può accedere, le condizioni del fornitore sui dati e i costi di abbonamento o API. Iniziate con un compito piccolo e rivedete il risultato prima di affidargli un refactoring più ampio.

Il nostro parere

Il punto di forza di Rabbit 2 è la flessibilità. Gli sviluppatori Android possono avvicinare l'agente che preferiscono agli strumenti di build, debug ed emulazione che già usano. Anche le skill e le revisioni guidate potrebbero rendere più facile orientarsi tra le modifiche generate dagli agenti.

La prova pratica è se l'agente scelto risolve davvero i problemi del vostro progetto senza creare altro lavoro di revisione. Google descrive le capacità dell'integrazione; non dimostra un guadagno di produttività universale per ogni app. Provatela su un vero problema di build, misurate il risultato e mantenete i controlli che contano per il vostro progetto.

Fonti

Google, Android Studio Rabbit 2 and AI agents, 28 ottobre 2026
Google, Android Studio Rabbit 2 release notes, consultato il 29 ottobre 2026
Google, Android development tools and agent APIs, 28 ottobre 2026

L'aggiornamento di novembre di Apple Creator Studio: le novità di Final Cut Pro, Logic Pro e IA

Thu, 29 Oct 2026 00:00:00 +0000

Apple prepara per novembre un aggiornamento sostanziale delle sue app creative. Annunciate il 27 ottobre, le novità comprendono contenuti MotionVFX in Final Cut Pro per Mac, nuovi strumenti musicali in Logic Pro, il ritocco di immagini in Pixelmator Pro e assistenti di IA in Pages, Keynote e Numbers. Gli abbonati esistenti ad Apple Creator Studio ricevono l'aggiornamento senza costi aggiuntivi; Apple non ha annunciato una data di rilascio precisa per novembre (Apple).

Le novità non sono tutte disponibili sugli stessi dispositivi né alle stesse condizioni. I nuovi assistenti sono funzioni in beta con requisiti specifici di hardware, sistema operativo e lingua. Ecco che cosa devono sapere i creativi prima di pianificare un aggiornamento.

Final Cut Pro: MotionVFX e ritocco immagini più semplice

Final Cut Pro per Mac integrerà contenuti MotionVFX, tra cui modelli, titoli, transizioni e grafica animata, oltre a strumenti per attività come tracking, rotoscoping e color grading. Anche il Content Hub di Apple fornirà video, foto e sfondi di repertorio direttamente in Final Cut Pro (Apple).

Apple descrive inoltre un flusso di lavoro più diretto con Pixelmator Pro: i montatori possono aprire un'immagine dalla timeline, modificarla e salvare le modifiche nel progetto. Tra gli altri miglioramenti di montaggio annunciati figurano più opzioni di easing dei keyframe, la possibilità di scollegare le clip dalla storyline principale e 23 lingue di trascrizione in più.

Queste modifiche riguardano ben più della generazione con IA. Per chi monta, un migliore controllo dell'animazione e meno passaggi tra il ritocco delle immagini e la timeline possono contare quanto un nuovo effetto. Apple presenta l'integrazione di MotionVFX specificamente per Final Cut Pro su Mac; è bene verificare le funzioni disponibili sul proprio dispositivo.

Motion, Logic Pro e Pixelmator Pro

Motion riceve i plug-in MotionVFX per attività che comprendono color grading, tracking di camera 3D e selezione, insieme a nuovi controlli di easing e a un filtro Displacement. Compressor aggiunge il supporto alla codifica di video in modalità Cinematic da iPhone 18 Pro e iPhone Duo, secondo Apple (Apple).

Logic Pro per Mac ottiene un browser dei suoni ridisegnato, uno Stem Splitter potenziato in grado di separare la batteria e un assistente intelligente in beta. Apple afferma che l'assistente usa una combinazione di modelli sviluppati da Apple e di OpenAI per aiutare nelle attività di produzione. Richiede un Mac compatibile con Apple Intelligence con macOS 27 o successivo ed è disponibile solo in inglese statunitense.

La Generate Fill di Pixelmator Pro permette di selezionare un'area dell'immagine e di descrivere una modifica. Apple afferma che il contenuto generato può essere fuso nei livelli esistenti o aggiunto come nuovi livelli con maschera. I risultati richiedono comunque una verifica di coerenza visiva, soprattutto quando bisogna rispettare una scena o un riferimento particolari.

Pages, Keynote e Numbers ricevono assistenti e MCP

Apple prevede assistenti in beta per Pages, Keynote e Numbers che sfruttano il contesto del documento. L'azienda descrive un aiuto per la scrittura e la riorganizzazione in Pages, per la progettazione delle diapositive in Keynote e per l'organizzazione o la visualizzazione dei dati in Numbers. Apple afferma che gli assistenti usano modelli Apple e modelli OpenAI (Apple).

Gli assistenti richiedono un dispositivo compatibile con Apple Intelligence con iOS 27, iPadOS 27 o macOS 27 o successivi e sono disponibili solo in inglese statunitense. Apple ha anche annunciato il supporto del Model Context Protocol (MCP) per queste app su macOS 27 o successivo, che consente a strumenti di IA esterni compatibili di interagire con i documenti. Strumenti, autorizzazioni e flussi di lavoro esatti vanno verificati quando l'aggiornamento sarà disponibile.

Pages, Keynote e Numbers ricevono assistenti e MCP
App	Aggiornamento annunciato	Limite o contesto principale
Final Cut Pro per Mac	MotionVFX, Content Hub e flussi di montaggio migliorati	L'integrazione di MotionVFX è descritta per Mac
Logic Pro per Mac	Assistente, browser dei suoni e Stem Splitter migliorato	L'assistente è in beta, solo in inglese statunitense, con requisiti specifici di Mac e sistema operativo
Pixelmator Pro	Generate Fill e contenuti generati modificabili	Verificare il supporto del dispositivo e controllare i risultati generati
Pages, Keynote e Numbers	Assistenti sensibili al documento e MCP	Gli assistenti sono in beta e solo in inglese statunitense; MCP richiede macOS 27 o successivo

Fonte: annuncio di Apple, 27 ottobre 2026.

Prezzi e disponibilità negli Stati Uniti

Apple afferma che gli aggiornamenti arrivano a novembre 2026, gratis per gli abbonati esistenti. I nuovi abbonamenti ad Apple Creator Studio costano 12,99 $ al mese o 129 $ all'anno negli Stati Uniti, con un mese di prova per i nuovi abbonati. Apple indica anche un'offerta educational per studenti universitari e docenti idonei a 2,99 $ al mese o 29,99 $ all'anno, previa verifica e secondo le condizioni (Apple).

Restano disponibili gli acquisti singoli per Mac: Apple indica Final Cut Pro a 299,99 $, Logic Pro a 199,99 $ e Pixelmator Pro, Motion e Compressor a 49,99 $ ciascuno. Verificate la scheda sull'App Store e l'idoneità delle funzioni per la versione in vostro possesso; l'abbonamento e gli acquisti singoli sono prodotti distinti. Restano disponibili le versioni gratuite di Pages, Keynote, Numbers e Freeform.

Il nostro punto di vista

La parte più concreta dell'annuncio di Apple potrebbe essere il miglioramento dei flussi di lavoro: più controlli di montaggio, risorse integrate e un percorso più breve tra la timeline e l'editor di immagini. Per i creatori di video, queste aggiunte sono più facili da valutare di una generica promessa di produttività con l'IA.

Gli assistenti in beta e il supporto di MCP potrebbero inoltre rendere la suite più flessibile, ma il loro valore dipende dalle attività che sanno svolgere in modo affidabile, dalle autorizzazioni concesse e dalla loro eventuale disponibilità oltre l'inglese statunitense. Serviranno il rilascio di novembre e prove sul campo per capire quanto funzionino i nuovi strumenti nei progetti reali.

Fonti

Apple, aggiornamenti, prezzi e requisiti di Creator Studio, 27 ottobre 2026
MacRumors, aggiornamento di Creator Studio, 27 ottobre 2026

GitHub Copilot Fusion sceglie i modelli per voi: programmare meglio spendendo meno?

Thu, 29 Oct 2026 00:00:00 +0000

Gli sviluppatori dovrebbero usare un modello potente per ogni compito o riservarlo ai problemi più difficili? Copilot Fusion, lanciato il 28 ottobre, propone un altro approccio: lasciare che Copilot scelga e, se necessario, combini i modelli al posto vostro (GitHub).

La promessa è allettante: avvicinarsi alle prestazioni migliori tra gli agenti di programmazione senza pagare il modello più potente per ogni compito. Una valutazione indipendente la sostiene in parte, ma non dimostra che Fusion sarà sempre più economico sul vostro progetto. Ecco che cosa misurano i numeri e come funziona la fatturazione.

Un orchestratore, non un nuovo modello

Copilot Fusion instrada e orchestra i modelli. Scegliete un livello di impegno e Fusion seleziona tra i modelli disponibili nel vostro piano, decidendo come usarli. Può usare un solo modello oppure aggiungere passaggi di revisione quando il compito lo richiede (documentazione di GitHub).

GitHub descrive tre schemi di esecuzione:

Un orchestratore, non un nuovo modello
Schema	Come funziona	Scopo
Single	Un solo modello gestisce direttamente il compito.	Evitare una revisione inutile sul lavoro semplice.
Cascade	Un modello prepara una soluzione; un controllo la accetta o passa il problema a un modello più forte.	Dedicare più risorse ai casi difficili.
Critique	Un modello prepara una risposta, altri la rivedono, poi il modello originale può correggerla.	Aggiungere una revisione quando il compito lo giustifica.

Fonte: documentazione di GitHub. Sono schemi possibili; la scelta dipende dal compito e dal livello di impegno selezionato.

Standard è pensato per il lavoro quotidiano e, secondo la documentazione, usa un modello per compito. High è destinato alle modifiche importanti; Max dà la priorità ai problemi più impegnativi. GitHub afferma che High e Max possono aggiungere chiamate ai modelli e consumare più crediti. Gli utenti possono seguire i passaggi e consultare i modelli usati sotto la risposta (GitHub).

Un test indipendente: due punti in meno a circa metà del costo

Artificial Analysis ha valutato Fusion Max in Copilot CLI sul suo Coding Agent Index v2.0. L'indice pesa in egual misura FrontierCode v1.1, Terminal-Bench 4.0 e SWE-Atlas-QnA-AA. Il confronto riguarda una configurazione di agente e modello, non modelli isolati (Artificial Analysis).

Un test indipendente: due punti in meno a circa metà del costo
Agente e configurazione	Indice di programmazione	Costo medio per compito
Claude Code con Claude Opus 5.5 Max	62 / 100	11,42 $
GitHub Copilot CLI con Fusion Max	60 / 100	5,59 $

Fonte: confronto degli agenti di Artificial Analysis, verificato il 29 ottobre 2026. Sono costi calcolati su compiti di benchmark, non il prezzo di un compito con il vostro abbonamento.

Fusion si colloca due punti sotto Claude Code su questo indice, con un costo medio inferiore di circa il 51%. I risultati variano a seconda del test: Fusion ottiene il 71% su Terminal-Bench 4.0 contro il 63% di Claude Code, ma il 51% su FrontierCode contro il 56%. Medie simili non significano che i due agenti risolvano gli stessi problemi (Artificial Analysis).

Il risultato non può prevedere i vostri risparmi. Compiti di benchmark, configurazioni, strumenti, prezzi e condizioni di cache possono differire dai vostri. Confronta sistemi completi con i rispettivi ambienti e non stabilisce se il loro output si adatti alla vostra architettura o sia facile da mantenere.

Fatturazione: crediti, non una tariffa Fusion fissa

Non esiste una tariffa Fusion separata. GitHub addebita ogni modello usato alla sua tariffa, quindi un compito che coinvolge più modelli può costare più di una singola chiamata. Nei piani individuali l'uso dei token viene convertito in crediti IA di GitHub; un credito rappresenta 0,01 $ di utilizzo. Le quote incluse e le regole esatte dipendono dal piano (fatturazione individuale di GitHub).

GitHub indica queste quote mensili per i piani individuali a pagamento:

Fatturazione: crediti, non una tariffa Fusion fissa
Piano	Prezzo mensile indicato	Crediti IA mensili inclusi
Copilot Pro	10 $	1.500
Copilot Pro+	39 $	7.000
Copilot Max	100 $	20.000

Fonte: documentazione di GitHub, verificata il 29 ottobre 2026. GitHub afferma che una parte della quota è variabile. I piani gratuiti, per studenti e aziendali hanno condizioni diverse; controllate la vostra dashboard di utilizzo prima di confrontare.

I piani Copilot a pagamento ricevono uno sconto del 30% sui costi dei modelli quando usano Fusion fino al 30 novembre 2026. Non è uno sconto permanente sull'abbonamento (GitHub).

Iniziate con Standard per una modifica mirata. Passate a High o Max quando la difficoltà giustifica più ragionamento, poi verificate i crediti consumati e il tempo speso per controllare il lavoro. Il costo che conta è quello di una soluzione accettata e verificata, non soltanto di una prima risposta.

Disponibilità e modelli locali

Fusion è disponibile in VS Code, Copilot CLI, nell'app GitHub Copilot e negli IDE JetBrains, secondo i piani e le politiche dell'organizzazione. Aggiornate il client, selezionate Copilot Fusion nel selettore dei modelli e scegliete Standard, High o Max (GitHub).

GitHub sta inoltre sperimentando la selezione di modelli locali al livello di impegno Standard. In Copilot CLI alcuni modelli configurati manualmente possono essere eseguiti su macOS, Windows e Linux; gli utenti devono gestire la configurazione e disporre di hardware sufficiente. È un'anteprima sperimentale. Anche se l'inferenza avviene in locale, l'instradamento resta nel cloud: la sessione non è completamente offline (GitHub).

Il nostro punto di vista

Fusion risponde a un problema reale: usare il modello più forte per un piccolo compito può sprecare crediti, mentre un modello leggero può fallire su una modifica complessa. L'orchestrazione rende questo compromesso più automatico, ma non elimina la necessità di rivedere le modifiche né l'incertezza sul costo finale.

Il risultato di Artificial Analysis è promettente per Fusion Max; non stabilisce una vittoria contro tutti i concorrenti su ogni compito. Una prova utile consiste nel confrontare lavori rappresentativi: una piccola modifica, un bug difficile e un refactoring su più file, con gli stessi criteri di successo, monitorando crediti e tempo di revisione.

Fonti

GitHub, lancio di Copilot Fusion, 28 ottobre 2026
GitHub, funzionamento di Fusion, livelli di impegno e fatturazione, verificato il 29 ottobre 2026
Artificial Analysis, valutazione di Copilot Fusion, 28 ottobre 2026
Artificial Analysis, confronto tra Claude Code e Copilot, verificato il 29 ottobre 2026
GitHub, fatturazione individuale e crediti, verificato il 29 ottobre 2026
GitHub, modelli locali in Copilot Fusion, 28 ottobre 2026

Genie 4: Google immagina mondi interattivi che si muovono, suonano e parlano

Thu, 29 Oct 2026 00:00:00 +0000

Immaginate di esplorare una scena, poi di cambiarne il meteo, spostare la telecamera o introdurre un personaggio semplicemente chiedendolo a un'IA. Il 27 ottobre Google DeepMind ha presentato Genie 4, un modello di simulazione di mondi interattivi che genera immagini e suono, compresi ambienti sonori e dialoghi (Google DeepMind).

La dimostrazione ricorda un videogioco. Ma Genie 4 resta un progetto di ricerca ad accesso limitato, e Google riconosce limiti di coerenza e di durata delle sessioni. Per i creatori di giochi e di film, l'interesse nel breve periodo potrebbe essere l'esplorazione di idee visive; le sue reali capacità vanno ancora verificate oltre gli esempi selezionati da Google.

Che cos'è un modello del mondo?

Un modello del mondo mira a produrre una rappresentazione di un ambiente che evolve in risposta alle azioni. Nelle dimostrazioni di Google, gli utenti si muovono con la tastiera e danno istruzioni in linguaggio naturale mentre la scena prosegue. Il modello genera l'aspetto e le reazioni della scena man mano che l'interazione si svolge (Google DeepMind).

Google afferma che Genie 4 attinge alle capacità della famiglia Gemini: Gemini aiuta a strutturare gli eventi e a guidare la simulazione, mentre Genie genera l'aspetto e il suono dell'ambiente. Lo schema che segue semplifica questa descrizione; non è un'architettura tecnica completa.

Fonte: Google DeepMind, annuncio di Genie 4, 27 ottobre 2026.

Che cosa mostrano le dimostrazioni

Google mette in evidenza quattro capacità: modificare una scena in tempo reale con istruzioni, esplorarla con una telecamera, generare il suono insieme alle immagini e creare personaggi che reagiscono e parlano. Mostra anche esempi di movimento e collisioni che definisce più realistici (Google DeepMind).

L'audio nativo è un'aggiunta notevole: vento, suoni ambientali, musica e dialoghi possono accompagnare la scena. Google dice anche che la precisione dell'audio in tempo reale deve ancora migliorare. I video pubblicati sono dimostrazioni dello sviluppatore, non una valutazione indipendente su tutti gli scenari.

Che cosa mostrano le dimostrazioni
Funzione	Che cosa mostra Google	Da tenere presente
Istruzioni in tempo reale	Cambiare meteo, telecamera o elementi della scena	Le modifiche complesse possono aumentare le incoerenze
Immagini e suono	Generare ambienti sonori, musica e dialoghi insieme al mondo	La precisione dell'audio è ancora in sviluppo
Personaggi	Far reagire e parlare i personaggi	Le interazioni complesse tra più agenti restano una sfida di ricerca
Esplorazione	Muoversi in una scena interattiva	Le sessioni continue sono limitate a pochi minuti

Fonti: annuncio di Google DeepMind e pagina del modello.

Può creare un videogioco completo?

Non in base alle informazioni pubblicate. Un motore di gioco tradizionale mantiene in genere uno stato esplicito — posizioni, oggetti, inventario, regole e collisioni — che gli sviluppatori possono programmare e controllare. Genie 4 genera una scena interattiva; l'annuncio di Google non descrive un sistema completo per esportare un gioco, mantenere un inventario a tempo indefinito o garantire le regole del gioco.

La differenza emerge dai limiti che Google riconosce: oggetti e dettagli possono derivare nel corso di una sessione, il testo può risultare difficile da leggere, le interazioni complesse richiedono lavoro e l'esplorazione continua dura pochi minuti. Google dice anche che i luoghi reali non vengono riprodotti alla perfezione (pagina del modello Genie 4).

In un gioco ambientato in una villa infestata, per esempio, una chiave raccolta deve restare raccolta, una porta deve conservare il suo stato e un timer deve seguire una regola stabile. Genie 4 potrebbe aiutare a esplorare l'atmosfera o l'aspetto di una stanza, ma servirebbe comunque un sistema affidabile per quelle meccaniche. Questo è un nostro caso d'uso illustrativo, non una funzione di produzione annunciata da Google.

E l'animazione e Blender?

Google dice che i tester nelle industrie creative stanno esplorando la previsualizzazione: provare rapidamente una scena, inquadrature, illuminazione o dialoghi. Per un regista indipendente, uno strumento del genere potrebbe aiutare a esplorare una direzione visiva prima di realizzare una scena controllabile in Blender (Google DeepMind).

Una simulazione generata non è automaticamente un progetto 3D modificabile. L'annuncio non dice che Genie 4 esporti modelli, rig, animazioni o scene Blender. Le immagini pubblicate non dimostrano quindi che si possano recuperare e modificare i singoli oggetti.

La stessa cautela vale per le ricostruzioni di circuiti: una scena convincente può comunque sbagliare tracciato, proporzioni o dislivelli. Google riconosce una riproduzione imperfetta dei luoghi reali. Un tracciato accurato richiede ancora riferimenti, misure e verifiche.

Come accedervi?

Al momento dell'annuncio, Genie 4 è un'anteprima di ricerca per un gruppo ristretto di tester fidati. Google prevede un accesso successivo per gli abbonati a Google AI Ultra tramite Project Genie e per i partner in accesso anticipato che usano l'API Gemini e Google AI Studio. È aperta una lista d'attesa, ma l'annuncio non indica una data precisa di disponibilità generale (Google DeepMind).

I documenti non pubblicano nemmeno prezzi dell'API, risoluzione o frame rate specifici di Genie 4. La diffusione prevista per Ultra non stabilisce un futuro prezzo a consumo, quote o un accesso immediato per ogni abbonato.

Il nostro parere

Genie 4 avvicina la generazione audiovisiva a un'esperienza che si può guidare mentre si svolge. È una direzione interessante per esplorare ambienti, messa in scena e scenari di addestramento.

La plausibilità visiva non garantisce precisione, controllo o continuità. Prima di definirlo un sostituto di un motore di gioco o di un software 3D, i creatori hanno bisogno di accedervi per verificare durata delle sessioni, opzioni di esportazione e costi. Per ora Genie 4 somiglia più a uno strumento di ricerca e di esplorazione creativa che a una pipeline di produzione completa.

Fonti

Google DeepMind, presentazione di Genie 4, 27 ottobre 2026
Google DeepMind, pagina del modello Genie 4 e limiti, consultata il 29 ottobre 2026
Google, annuncio di Genie 4, 27 ottobre 2026

Mistral pubblica i pesi di Large 4: cosa devono sapere gli sviluppatori

Thu, 29 Oct 2026 00:00:00 +0000

Mistral Large 4, soprannominato Le Chonk, è ora disponibile con pesi scaricabili. Il rilascio segue l'anteprima pubblica dell'API del modello, avvenuta il 6 ottobre, e offre agli sviluppatori un altro modo per distribuire o personalizzare il modello più grande di Mistral. I pesi sono aperti, ma la licenza prevede delle condizioni, e per eseguire un modello di queste dimensioni serve comunque un hardware considerevole (scheda del modello Mistral; Hugging Face).

Mistral posiziona Large 4 per la programmazione, gli agenti e la cybersicurezza, oltre che per la comprensione generale di testo e immagini. Ecco che cosa è cambiato, quanto costa l'API in hosting e che cosa valutare prima di eseguirlo in proprio.

Che cos'è Mistral Large 4?

Large 4 è un modello multimodale a miscela di esperti: accetta testo e immagini e produce testo. Mistral descrive circa mille miliardi di parametri totali e 49 miliardi di parametri attivi per token, ovvero 52 miliardi includendo gli embedding e i livelli di output. La finestra di contesto pubblicata è di un milione di token (scheda del modello).

Un'architettura a miscela di esperti attiva solo una parte della rete per ogni token. Questo non significa che l'intero modello richieda soltanto la memoria dei parametri attivi: l'insieme dei pesi deve comunque essere archiviato e reso disponibile al sistema che lo serve.

Il rilascio comprende checkpoint FP8 e NVFP4; sono disponibili anche quantizzazioni GGUF della community. Mistral indica tre livelli di ragionamento, basso, medio e alto, con l'alto come impostazione predefinita. Le prestazioni dipendono dal checkpoint, dalla configurazione di serving, dalla lunghezza del contesto e dal carico di lavoro (Mistral; Hugging Face).

Pesi aperti, con una licenza specifica

Mistral distribuisce il modello con la Mistral Ecosystem Open-Weight License, una licenza in stile MIT modificata. La scheda del modello afferma che l'uso commerciale e non commerciale è consentito, mentre gestire un'attività di model-as-a-service richiede una licenza commerciale separata di Mistral (scheda del modello).

I pesi sono quindi scaricabili e utilizzabili alle condizioni indicate; questo non rende la licenza identica ad Apache 2.0 né a una MIT senza restrizioni. Gli sviluppatori dovrebbero leggere la licenza vera e propria in relazione al proprio caso d'uso, soprattutto se offrono inferenza ai clienti.

Programmazione e cybersicurezza: che cosa dicono i punteggi

Mistral dichiara un punteggio di 48 sull'Artificial Analysis Coding Agent Index e afferma che il modello ha usato il 47% di token in meno per compito rispetto a GLM-5.3 in quel confronto. Queste cifre sono dichiarate da Mistral e dipendono dalla configurazione dell'agente e dal carico di lavoro specifici del benchmark (scheda del modello).

Mistral insiste anche sui casi d'uso legati alla sicurezza, come individuare e correggere le vulnerabilità. Hugging Face cita un 82% dichiarato in un test di riproduzione e correzione di vulnerabilità. È il punteggio su un singolo compito all'interno di una valutazione più ampia, non la prova che il modello sia in grado di mettere in sicurezza da solo una base di codice (Hugging Face).

I vari materiali pubblicati citano cifre diverse dell'indice di programmazione e possono riflettere valutazioni o versioni differenti. Finché non sarà possibile far corrispondere le esecuzioni esatte, non le fonderemmo in un'unica classifica. Per un progetto reale, confrontate i modelli sugli stessi compiti rappresentativi, registrate la configurazione e rivedete il codice prodotto.

Quanto costa l'API?

La pagina del modello di Mistral indica i seguenti prezzi per milione di token al 29 ottobre 2026:

Quanto costa l'API?
Tipo di token	Prezzo indicato
Input	0,70 $
Input in cache	0,07 $
Output	2,10 $

Fonte: documentazione Mistral, verificata il 29 ottobre 2026. La pagina definisce ancora il servizio un'anteprima pubblica. Prezzi e disponibilità possono cambiare.

A titolo di esempio, un milione di token di input non in cache più un milione di token di output costerebbero 2,80 $ a queste tariffe. I compiti reali degli agenti possono comportare più chiamate e consumare quantità molto diverse di token di input, di output e in cache. Questi prezzi dell'API sono distinti dal costo di esecuzione in proprio dei pesi scaricabili.

Si può eseguire su un normale portatile?

Non realisticamente, con le configurazioni documentate finora. Hugging Face descrive una versione fortemente quantizzata eseguita su una macchina Apple Silicon Ultra con 512 GB di memoria unificata; altre configurazioni usano più GPU. Il requisito esatto dipende dalla quantizzazione e dal runtime, ma si tratta di un modello molto grande (Hugging Face).

Per uno sviluppatore con un Mac o un PC tipico, il punto di partenza pratico è un'API in hosting. I pesi scaricabili restano preziosi per le organizzazioni che dispongono dell'hardware per controllare la propria distribuzione e per i ricercatori che vogliono esaminare o adattare il modello. L'accesso in hosting comporta comunque condizioni del fornitore, regole di trattamento dei dati e costi d'uso.

Il nostro punto di vista

Il rilascio conta perché il modello non è più limitato a un'anteprima in hosting: gli sviluppatori possono accedere ai pesi con la licenza di Mistral e scegliere come distribuirli. La tariffa API più bassa rende inoltre il modello degno di valutazione per i carichi di lavoro di programmazione e di agenti.

La distinzione importante è tra disponibilità e idoneità. Un contesto da un milione di token, un buon benchmark di sicurezza e pesi scaricabili non garantiscono un buon risultato sul vostro repository. Iniziate con un piccolo insieme di compiti reali, monitorate il costo e lo sforzo di revisione, e verificate licenza e requisiti hardware prima di impegnarvi nell'auto-hosting.

Fonti

Mistral, scheda del modello e licenza di Large 4, verificata il 29 ottobre 2026
Mistral, prezzi del modello e dell'API, verificati il 29 ottobre 2026
Hugging Face, pesi e distribuzione di Mistral Large 4, 29 ottobre 2026
Mistral, annuncio originale dell'anteprima pubblica, 6 ottobre 2026

Perché l'accordo tra Nvidia e Hugging Face attira l'attenzione antitrust degli Stati Uniti

Thu, 29 Oct 2026 00:00:00 +0000

Il Dipartimento di Giustizia degli Stati Uniti (DOJ) ha posto domande su come l'acquisizione di Hugging Face proposta da Nvidia possa incidere sulla concorrenza nell'intelligenza artificiale, ha riferito Reuters il 28 ottobre, citando due persone a conoscenza della vicenda. L'accordo riunirebbe un importante fornitore di chip per l'IA e una delle piattaforme più note per la condivisione di modelli, dataset e strumenti per sviluppatori.

L'acquisizione non è stata completata. Nvidia prevede di concluderla nel primo semestre del 2027, subordinatamente alle condizioni di chiusura, tra cui le autorizzazioni normative. Le domande degli investigatori non costituiscono un accertamento di illeciti e non portano necessariamente a una causa.

L'accordo in breve

L'accordo in breve
Domanda	Che cosa sappiamo
Che cosa è successo?	Nvidia ha accettato di acquisire Hugging Face a settembre 2026.
Per quanto?	Nvidia ha annunciato un'operazione da 12,93 miliardi di dollari. La sua comunicazione alla SEC la ripartisce in circa 11,9 miliardi per gli azionisti, soggetti a rettifiche, e fino a circa 1 miliardo in premi di fidelizzazione dei dipendenti.
Che cosa c'è di nuovo?	Secondo Reuters, i funzionari del DOJ hanno chiesto come l'accordo possa incidere sulla concorrenza e se Nvidia potrebbe ottenere il controllo di un importante punto di distribuzione dell'IA.
È concluso?	No. Nvidia prevede la chiusura nel primo semestre del 2027, subordinatamente a condizioni e autorizzazioni.

Fonti: annuncio di Nvidia, comunicazione alla SEC e Reuters.

Perché Hugging Face conta

Hugging Face è un luogo in cui sviluppatori e ricercatori pubblicano e scoprono modelli di IA, dataset e applicazioni. Uno sviluppatore può usarlo per trovare un modello, esaminarne la licenza, scaricarne i pesi e confrontare i modi per distribuirlo. Molti progetti e aziende usano la stessa infrastruttura per distribuire il proprio lavoro.

A settembre Nvidia ha dichiarato che più di 18 milioni di sviluppatori, ricercatori e creatori usavano la piattaforma, che ospitava oltre 3 milioni di modelli e 500.000 dataset. Sono cifre di Nvidia, non conteggi di utenti o di attività verificati in modo indipendente (annuncio).

La distinzione tra piattaforma aperta, software open source e modelli a pesi aperti è importante in questo contesto. Essere disponibili su Hugging Face non rende open source ogni modello né garantisce un uso commerciale senza restrizioni. Ogni modello e ogni dataset ha la propria licenza e le proprie condizioni.

Perché le autorità della concorrenza pongono domande

Secondo le due fonti di Reuters, i funzionari del DOJ hanno chiesto se la proprietà di Hugging Face potrebbe dare a Nvidia il controllo di un punto di distribuzione fondamentale per l'IA e in che modo l'azienda potrebbe usare la piattaforma per danneggiare i rivali. Le domande si affiancano a un esame più ampio, in corso da anni, delle acquisizioni, degli investimenti e delle pratiche di vendita di Nvidia, riferisce Reuters.

Un modo pratico per comprendere la preoccupazione è seguire il percorso di uno sviluppatore: scoprire un modello → scegliere un servizio di distribuzione → selezionare l'hardware. Nvidia fornisce già l'hardware usato da molti sviluppatori di IA. Possedere un'importante piattaforma di scoperta e distribuzione potrebbe darle influenza in un'altra fase di quel percorso.

Si tratta di una potenziale preoccupazione concorrenziale, non della prova che Nvidia abbia modificato Hugging Face o intenda svantaggiare i concorrenti. Le autorità dovrebbero disporre di elementi e di un'analisi giuridica per stabilire se una condotta o un'operazione violi la legge.

Che cosa dice Nvidia che resterà aperto

Nvidia afferma che gli sviluppatori continueranno a scegliere i propri modelli, framework, cloud, fornitori di inferenza e piattaforme di calcolo. Il suo annuncio precisa esplicitamente che l'hardware Nvidia non sarà necessario per sviluppare o distribuire tramite Hugging Face.

Nella sua comunicazione alla SEC, Nvidia dichiara di essersi impegnata a mantenere la piattaforma aperta in linea con le pratiche attuali, consentendo il caricamento e lo scaricamento di modelli e dataset e sostenendo gli altri produttori di silicio. Sono impegni dichiarati da Nvidia. Come saranno attuati nel tempo, e se le autorità imporranno condizioni aggiuntive, resta da vedere.

Nvidia sostiene inoltre che la propria infrastruttura e le proprie risorse di ingegneria possono contribuire a migliorare affidabilità, sicurezza, valutazione e distribuzione. Tali potenziali benefici dovranno essere bilanciati con le preoccupazioni concorrenziali e con la dipendenza della comunità da una piattaforma che serve fornitori molto diversi.

Che cosa devono osservare gli sviluppatori?

Per ora non è confermata alcuna modifica all'accesso ai modelli, ai prezzi o al supporto dei fornitori della piattaforma derivante dall'accordo proposto. Gli sviluppatori possono seguire gli sviluppi concreti in quattro ambiti:

Accesso: se gli utenti potranno continuare a trovare, caricare e scaricare modelli e dataset alle stesse condizioni.
Scelta di hardware e hosting: se chip concorrenti, fornitori cloud e servizi di inferenza resteranno supportati nei fatti.
Reperibilità: se ricerca, raccomandazioni e integrazioni tratteranno in modo equo le opzioni comparabili.
Licenze e portabilità: se le condizioni dei singoli modelli permettono l'uso previsto e se i progetti possono conservare copie o spostare i propri flussi di lavoro quando tali condizioni lo consentono.

Sono domande da monitorare, non un elenco di modifiche annunciate da Nvidia. La licenza di un modello, le condizioni del servizio e i costi di spostamento dell'infrastruttura vanno verificati prima di prendere decisioni di distribuzione.

Che cosa succede ora?

L'operazione resta subordinata alle autorizzazioni richieste e alle altre condizioni di chiusura. Il DOJ ha rifiutato di commentare questioni all'esame del dipartimento; Nvidia ha rifiutato di commentare le domande di Reuters e Hugging Face non ha risposto alla richiesta di commento dell'agenzia.

Un'indagine può concludersi senza una causa. Può anche portare a ulteriori verifiche o a una contestazione; le informazioni disponibili non stabiliscono quale esito si verificherà. Per gli sviluppatori, la questione è se una piattaforma usata in tutto l'ecosistema dell'IA continuerà a offrire una scelta reale con il cambiare della sua proprietà.

Fonti

Reuters: le domande del DOJ statunitense sull'acquisto proposto da Nvidia, 28 ottobre 2026
Nvidia: annuncio e impegni sulla piattaforma, 3 settembre 2026
Nvidia: modulo SEC 8-K, settembre 2026

OpenAI e ServiceNow avvicinano ChatGPT ai flussi di lavoro aziendali

Thu, 29 Oct 2026 00:00:00 +0000

Un dipendente potrebbe indagare su un incidente IT, esaminarne il contesto e aggiornarne la scheda senza uscire da ChatGPT? È uno dei casi d'uso previsti da OpenAI e ServiceNow, che il 28 ottobre hanno annunciato una partnership ampliata. Le aziende vogliono collegare i modelli e gli agenti di OpenAI ai flussi di lavoro di ServiceNow che riguardano assistenza IT, sicurezza e sviluppo di applicazioni (OpenAI).

Un tassello è disponibile oggi: il plugin MCP di ServiceNow nel marketplace di OpenAI. Altre funzioni annunciate, tra cui un'integrazione con Codex e una soluzione di cybersicurezza, sono previste per il 2027. L'accordo si basa su una collaborazione ampliata a gennaio 2026; non è una partnership del tutto nuova (ServiceNow, gennaio).

ChatGPT come punto di ingresso a ServiceNow

ServiceNow fornisce una piattaforma per gestire i processi aziendali come richieste IT, incidenti e operazioni di sicurezza. Il plugin annunciato mira a portare parte di quel contesto in ChatGPT e a consentire azioni sulle schede di ServiceNow direttamente da una conversazione.

L'esempio di OpenAI prevede un team IT che trova incidenti simili, valuta il rischio di una modifica e aggiorna una scheda. I clienti collegano ChatGPT alla propria istanza di ServiceNow e scelgono quali funzionalità offrire; le azioni restano soggette alle regole e alle autorizzazioni ServiceNow dell'organizzazione tramite Action Fabric (OpenAI).

Questo non significa che ChatGPT ottenga automaticamente l'accesso a tutte le schede o possa modificare qualsiasi cosa. L'accesso effettivo dipende dal collegamento e dalla configurazione dell'organizzazione. Le aziende descrivono inoltre un'esperienza interattiva più ricca per i team di reperibilità, ma rientra nelle estensioni previste, non in un rilascio generale confermato (ServiceNow).

Codex, sicurezza e voce: che cosa è previsto

La partnership copre diversi progetti. Le date qui sotto sono le aspettative annunciate dalle aziende e possono cambiare.

Codex, sicurezza e voce: che cosa è previsto
Funzione	Uso annunciato	Disponibilità annunciata
Plugin MCP di ServiceNow	Accedere ai flussi di lavoro di ServiceNow da ChatGPT	Disponibile; funzionalità potenziate attese entro fine 2026
Sicurezza	Combinare le capacità cyber di OpenAI con il contesto di asset e accessi di ServiceNow	Accesso anticipato a gennaio 2027; disponibilità generale prevista nel 2° trimestre 2027
Voce	Descrivere un caso d'uso dell'IA per aiutare a compilare una valutazione del rischio	1° trimestre 2027
Codex in AI Workflow Factory	Aiutare a creare app usando il contesto e le capacità della piattaforma ServiceNow	Nel corso del 2027

Fonti: OpenAI e ServiceNow, 28 ottobre 2026.

Per gli sviluppatori, l'annuncio più chiaro è l'integrazione prevista di Codex con AI Workflow Factory. L'obiettivo è aiutare a costruire applicazioni usando il contesto aziendale e le capacità della piattaforma di ServiceNow. Si prevede inoltre che i modelli di OpenAI alimentino Build Agent e Autonomous Engineer. Le aziende non rivelano in questo annuncio i prezzi né una data di rilascio più precisa per Codex, quindi sarebbe prematuro supporre che i clienti possano già usare quell'integrazione.

La soluzione di sicurezza prevista combina le capacità cyber di OpenAI con le informazioni sugli asset e sugli accessi di un'azienda per aiutare a individuare e dare priorità ai rischi. L'annuncio descrive un prodotto e una tempistica previsti, ma non fornisce risultati indipendenti che ne dimostrino l'efficacia.

Ciascuna azienda prevede di usare gli strumenti dell'altra

ServiceNow prevede di dare a tutti i dipendenti l'accesso a ChatGPT Work e a Codex, oltre alla propria organizzazione di ingegneria. Prevede inoltre di usare le capacità di OpenAI nel proprio lavoro interno di sicurezza. OpenAI afferma di usare i flussi di lavoro di ServiceNow nelle proprie operazioni; ServiceNow descrive un'adozione più ampia prevista presso OpenAI (OpenAI; ServiceNow).

Sono due sviluppi distinti: una partnership commerciale tra piattaforme e l'adozione dei rispettivi prodotti all'interno delle proprie organizzazioni. Nessuno dei due annunci stabilisce da solo un guadagno di produttività misurato né quanti dipendenti usino già gli strumenti.

Perché la partnership conta

Una conversazione con l'IA può diventare più utile quando dispone del contesto pertinente e può aiutare ad agire nel software in cui il lavoro viene tracciato. Per un team IT, trovare la cronologia di un incidente e aggiornarne la scheda in un solo posto potrebbe ridurre i passaggi tra un'interfaccia e l'altra. Il valore effettivo dipenderà dalla qualità delle informazioni recuperate, dalle autorizzazioni, dai controlli sulle azioni e dal tempo necessario per verificare i risultati.

ServiceNow ha inoltre annunciato un'alleanza di partner attorno alla sua piattaforma di governance dell'IA. Elenca sia OpenAI sia Anthropic tra i membri fondatori: la partnership con OpenAI fa parte di un ecosistema più ampio e l'annuncio non descrive un accordo di esclusiva generale (ServiceNow).

Il nostro punto di vista: il plugin disponibile offre un primo assaggio dell'integrazione; le funzioni di sicurezza, voce e sviluppo restano da valutare quando saranno disponibili. Per i clienti, le domande decisive saranno le autorizzazioni richieste, la tracciabilità delle azioni, i prezzi e l'affidabilità sui propri flussi di lavoro. Gli annunci esaminati non specificano i prezzi di queste funzioni future.

Fonti

OpenAI, partnership ampliata con ServiceNow, 28 ottobre 2026
ServiceNow, annuncio della partnership e tempistica, 28 ottobre 2026
ServiceNow, collaborazione ampliata con OpenAI, 20 gennaio 2026
ServiceNow, lancio della Control Tower Alliance, 28 ottobre 2026

Opera porta le pagine web interattive in 3D: cosa significa HTML-in-Canvas

Thu, 29 Oct 2026 00:00:00 +0000

Immaginate uno schermo dentro un garage da corsa in 3D. Invece di mostrare un'immagine statica di una dashboard dei tempi, contiene pulsanti e testo che i visitatori possono davvero usare. Opera sta mostrando questo tipo di esperienza con HTML-in-Canvas, una tecnologia web per rendere contenuti HTML interattivi all'interno di scene 2D e 3D basate su canvas (Opera).

L'annuncio si rivolge a chi crea giochi e agli sviluppatori web, ma l'idea vale anche per demo di prodotto interattive, dashboard e strumenti creativi. È una funzione emergente dei browser, non la promessa che qualsiasi sito possa essere incorporato ovunque senza restrizioni.

Che cos'è HTML-in-Canvas?

L'HTML descrive gli elementi di una pagina web: testo, pulsanti, moduli e altro. Un canvas è una superficie di disegno usata per la grafica, comprese animazioni 2D e scene 3D. Tradizionalmente, gli sviluppatori che volevano HTML ricco in un'esperienza basata su canvas dovevano ricorrere a tecniche come gli overlay o il rendering dei contenuti in immagini, gestendo poi da soli interazione e sincronizzazione.

HTML-in-Canvas propone un legame più stretto: il browser può rendere gli elementi HTML idonei in un canvas preservando il contenuto DOM interattivo. Il lavoro di base è sviluppato apertamente dal Web Incubator Community Group; Opera non ha inventato da sola l'intera proposta (spiegazione WICG).

Un esempio semplificato: uno sviluppatore crea un menu in HTML e CSS, poi lo rende su una superficie all'interno di una scena 3D. Il risultato può sembrare parte del mondo virtuale pur mantenendo il comportamento di una vera interfaccia. Mantenere allineati disegno e interazione richiede comunque lavoro di implementazione, in particolare quando gli elementi si muovono in 3D (Chrome for Developers).

Cosa mostra Opera

Le dimostrazioni di Opera comprendono Gamer Room, una stanza virtuale con contenuti web dal vivo sugli schermi; Webpage Bulldozer, che trasforma gli elementi di una pagina in oggetti che si possono spingere; e HTML Ninja, una demo in stile gioco con elementi d'interfaccia volanti (Opera).

Per gli sviluppatori, le applicazioni possibili comprendono:

Un negozio o un inventario in gioco costruito con controlli HTML familiari.
Uno showroom virtuale di prodotti con un pannello di configurazione interattivo.
Uno spazio di lavoro 3D con una dashboard mostrata su uno schermo virtuale.
Uno strumento creativo che combina testo formattato o moduli con effetti canvas.

Sono casi d'uso, non la garanzia che ogni sito esistente funzioni senza modifiche. Opera osserva che si applicano le regole same-origin: gli sviluppatori non possono semplicemente disegnare in un canvas siti web arbitrari di terze parti (Opera).

Cosa significa per gli sviluppatori Three.js?

Gli sviluppatori Three.js potrebbero usare la funzione per collocare interfacce basate su HTML su superfici di una scena. La documentazione per sviluppatori di Chrome descrive un supporto sperimentale di Three.js tramite THREE.HTMLTexture; discute anche implementazioni della comunità in altre librerie grafiche (Chrome for Developers).

Pensate a una dashboard interattiva in un garage da corsa virtuale o a un pannello di impostazioni fissato a un oggetto in un gioco. Lo sviluppatore deve comunque costruire la scena, collegare l'interfaccia all'applicazione, gestire l'interazione e testare le prestazioni. L'API non genera da sola un gioco né un ambiente 3D funzionante.

Supporto dei browser e limiti

La proposta è in evoluzione e le fonti descrivono il rilascio in modo diverso. L'annuncio di Opera presenta HTML-in-Canvas come un'anteprima iniziale: il suo blog parla prima di Opera One, con GX e Neon a seguire, mentre la sezione «provatelo» li elenca tutti e tre. Controllate il browser installato e la demo invece di presumere un supporto identico tra le versioni (Opera).

Il blog per sviluppatori di Google segnala un'implementazione stabile in Chrome 157, mentre la spiegazione WICG descrive ancora la sua implementazione Chromium come protetta da flag. La documentazione può riflettere versioni o tempi di aggiornamento diversi; nessuna delle due stabilisce un supporto universale dei browser (Chrome; WICG).

Per un sito web o un gioco pubblico, rilevate il supporto e prevedete un'alternativa, come un'interfaccia HTML convenzionale. Gli sviluppatori devono inoltre testare nella propria implementazione l'interazione da tastiera, le tecnologie assistive, il comportamento su dispositivi mobili, le prestazioni e le restrizioni di sicurezza. Un vero HTML può aiutare a preservare la semantica, ma rendere un elemento in 3D non rende automaticamente accessibile ogni esperienza.

Supporto dei browser e limiti
Domanda	Cosa sappiamo
È solo una tecnologia di Opera?	No. La proposta è sviluppata apertamente; Opera la presenta nei propri browser.
Può mostrare qualsiasi sito esterno?	Si applicano le restrizioni same-origin; le pagine arbitrarie di terze parti non sono automaticamente disponibili.
Sostituisce un motore 3D?	No. Gli sviluppatori devono comunque costruire la scena e l'applicazione.
È supportata ovunque?	No. Il supporto varia in base al browser e alla versione; usate il rilevamento delle funzionalità e un'alternativa.

Fonti: Opera, WICG e Chrome for Developers.

Come provarla

Opera ha pubblicato una galleria di demo con Gamer Room e altri esempi. L'azienda afferma che le sue demo si possono provare senza configurazioni aggiuntive nelle versioni di Opera supportate; il suo blog descrive anche un'impostazione Early Bird per un uso più ampio. Poiché le descrizioni della disponibilità differiscono, verificate il risultato sulla vostra versione e consideratelo un'anteprima.

Il nostro parere

HTML-in-Canvas potrebbe far sentire le interfacce web ricche più a casa all'interno di esperienze 3D interattive. I casi d'uso più convincenti non sono necessariamente interi siti web che fluttuano nello spazio: una dashboard leggibile, un inventario utilizzabile o un pannello di impostazioni ben posizionato possono aggiungere valore senza costringere gli utenti a reimparare un'interfaccia.

La funzione è promettente, ma l'adozione dipenderà dal supporto dei browser, dall'accessibilità e da quanto lavoro di implementazione richiedono i progetti reali. Per ora, sperimentatela; tenete un'alternativa convenzionale per i visitatori i cui browser non la supportano.

Fonti

Opera, HTML-in-Canvas for gamers and developers, 27 ottobre 2026
WICG, spiegazione di HTML-in-Canvas, consultata il 29 ottobre 2026
Chrome for Developers, HTML-in-Canvas, 26 ottobre 2026
Opera, demo interattive, indicate nell'annuncio di Opera

Gli agenti di IA possono costruire un'intera app? ViBench 2.0 di Replit li mette alla prova

Thu, 29 Oct 2026 00:00:00 +0000

Un agente di IA può creare in pochi minuti una demo convincente di un'app. Mantenerla funzionante man mano che si aggiungono nuove funzionalità è una sfida più difficile. Il nuovo ViBench 2.0 di Replit mette alla prova proprio questo problema, chiedendo agli agenti di costruire prodotti partendo da un progetto vuoto, poi di estendere il proprio codice funzionalità dopo funzionalità.

Pubblicato il 28 ottobre, il benchmark copre 17 prodotti, 241 richieste di funzionalità e 544 piani di test. Nelle esecuzioni ufficiali riportate da Replit, i tre modelli migliori hanno superato tutti i piani di test dal 49% al 65% delle build. La maggior parte dei singoli piani è stata superata, ma le interazioni tra le funzionalità sono rimaste una fonte frequente di errori (Replit).

Sono risultati di un benchmark creato da Replit, un'azienda che vende anche strumenti di sviluppo con IA. Il suo partner Fireworks ha eseguito i confronti ufficiali. Sono elementi utili su questo test in particolare, non la garanzia che un modello costruirà con successo il vostro prodotto.

Come funziona ViBench 2.0

Un agente parte da una breve specifica e da un progetto vuoto. Costruisce una prima versione, poi aggiunge fino a 18 funzionalità senza conoscere in anticipo l'intera sequenza. Dopo l'ultima funzionalità, un agente di valutazione distinto esegue i piani di test in un vero browser, cliccando e digitando come farebbe un utente (Replit).

I prodotti imitano categorie come la modifica di documenti, l'hosting di codice e il trasporto con conducente. I test verificano dettagli come l'avvio corretto di un database vuoto, se un aggiornamento sovrascrive il lavoro di un altro utente o se una tariffa divisa torna nei conti.

Otto prodotti e i loro piani sono pubblici; nove sono tenuti riservati. I confronti ufficiali usano quattro build per prodotto e modello, con lo stesso harness di agente basato su OpenHands e uno sforzo di ragionamento medio. Un harness condiviso aiuta il confronto, ma un modello ottimizzato per un'altra configurazione potrebbe comportarsi diversamente (repository pubblico).

Risultati: superare tutti i test è più difficile che superarne la maggior parte

Replit riporta questi risultati ufficiali di Fireworks sui 17 prodotti. Pass@1 indica qui la quota di build che hanno superato tutti i piani di test, in media su quattro build per prodotto.

Risultati: superare tutti i test è più difficile che superarne la maggior parte
Modello	Pass@1 sulla build completa	Costo approssimativo per build
GPT-6.1 Sol	65%	12 $
GPT-6 Astra	60%	90 $
Claude Opus 5.5	49%	Non indicato nel testo di Replit

Fonte: rapporto ViBench 2.0 di Replit, 28 ottobre 2026. Questi costi descrivono le esecuzioni del benchmark, non il prezzo per costruire un'app di produzione né un abbonamento.

Tutti e tre i modelli hanno superato oltre il 90% dei singoli piani di test. È una misura diversa dal superare tutti i piani di una build: un'applicazione può fare correttamente la maggior parte delle cose e fallire comunque il punteggio sulla build completa perché si rompe un'interazione importante.

DeepSeek V4.1 Flash ha superato il 77% dei singoli piani a circa 2,50 $ per build. Replit riporta che nessun modello a pesi aperti nel confronto ufficiale ha superato una build completa. Il tasso del 77% sui piani non va confrontato direttamente con le percentuali di pass@1 sulla build completa indicate sopra.

Dove si rompono le build

Gli esempi di Replit comprendono una pull request in bozza che non mostra un conflitto di merge, un editor di documenti che non permette di commentare il testo dentro una cella di tabella e un'azione di annullamento che annulla la modifica di un collaboratore. Quasi tre quarti delle build fallite dei modelli migliori sono fallite solo nei punti di intersezione tra le funzionalità, secondo Replit (rapporto).

È una distinzione utile per chi usa un agente per costruire un prodotto. Ogni funzionalità può sembrare funzionare da sola mentre il flusso complessivo fallisce. Un'interfaccia gradevole non dimostra nemmeno che autorizzazioni, dati salvati o modifiche concorrenti siano corretti. ViBench non valuta il design visivo.

Un confronto separato usa solo otto prodotti

Replit ha anche confrontato le generazioni di GPT sugli otto prodotti pubblici. Riporta un pass@1 sulla build completa del 31% per GPT-6 Sol, del 53% per GPT-6.1 Sol e del 47% per GPT-6.1 Terra. Replit ha eseguito separatamente i modelli GPT precedenti, mentre il risultato di 6.1 Sol proviene dalle esecuzioni ufficiali di Fireworks (Replit).

Questi numeri usano un sottoinsieme diverso dalla tabella dei 17 prodotti. Per esempio, il 53% di GPT-6.1 Sol sul sottoinsieme pubblico e il 65% su tutti i prodotti non sono in contraddizione, ma non vanno trattati come la stessa misurazione.

Quanto è affidabile la valutazione?

Le build sono valutate da un agente che usa Claude Opus 5.5, quindi errori di punteggio restano possibili. Replit afferma che un secondo modello ha confermato il 99,2% di un campione di 477 piani superati; il repository pubblico osserva che un valutatore può comunque far passare un piano che dovrebbe fallire. Al momento della pubblicazione del rapporto da parte di Replit, una descrizione dettagliata della metodologia era ancora attesa (Replit; repository pubblico).

Il test usa inoltre un solo harness, impostazioni specifiche dei modelli e un insieme finito di prodotti. Non stabilisce sicurezza in produzione, scalabilità, manutenibilità, conformità legale né prestazioni con utenti reali. L'interesse commerciale di Replit e il ruolo di Fireworks come suo partner sono elementi rilevanti per interpretare il rapporto.

Il nostro punto di vista

ViBench 2.0 pone una domanda più realistica di quella se un agente sappia produrre una prima schermata attraente: sa aggiungere funzionalità senza rompere ciò che c'era prima? I suoi risultati suggeriscono che i modelli migliori riescono a completare gran parte del lavoro di test, mentre gli ultimi errori possono comunque contare per un utente.

Per un progetto reale, usate un agente per andare veloci, ma definite criteri di accettazione, testate le interazioni tra funzionalità, ispezionate il comportamento del database e rivedete la sicurezza prima del rilascio. Un punteggio di benchmark può aiutare a scegliere un punto di partenza; i vostri test stabiliscono se il risultato è pronto.

Fonti

Replit, rapporto ViBench 2.0, 28 ottobre 2026
Repository pubblico di ViBench e limiti della valutazione, verificato il 29 ottobre 2026

Gemini 4 Carbon: Google riprende la testa ma la tiene sotto chiave

Wed, 28 Oct 2026 20:30:00 +0100

Il 28 ottobre Google ha annunciato Gemini 4 Carbon, che definisce il suo modello più potente, con capacità di cybersicurezza e di lavoro a lungo orizzonte allo stato dell'arte (Google). Arriva due settimane dopo Gemini 4 Argon, di cui è un'evoluzione. Conquista inoltre il primo posto in due classifiche seguite dagli sviluppatori. Ma Carbon non è ancora disponibile per gli sviluppatori né per il grande pubblico: ne dispongono solo alcuni difensori informatici, e Google non indica alcuna data di rilascio (Google).

Quanto segue distingue i numeri pubblicati da Google, quelli di valutatori indipendenti e la nostra lettura, segnalata come tale. I prezzi sono in dollari per milione di token.

Cos'è Carbon

Carbon non è un modello «Flash» più leggero, ma una versione più potente di Argon, pensata per lunghi compiti di ingegneria. Google scrive che i suoi team l'hanno visto lavorare «per giorni» per trovare la causa radice di bug sottili e correggerli in grandi basi di codice (Google).

L'altro ambito è la cybersicurezza difensiva. Google riporta l'88,2% su SEC-bench Pro per trovare le vulnerabilità, il 54,8% su ExploitGym per verificare che siano sfruttabili e il 71,0% su CWE-bench per correggerle. Nei suoi test interni, Carbon ha una probabilità di successo più che doppia rispetto ad Argon nello scrivere codice sicuro. Il team di Chrome riferisce patch «oltre 10 volte» migliori di quelle del grande modello di frontiera di un altro laboratorio, che non nomina (Google).

Google non pubblica né il numero di parametri né la lunghezza massima di output. Artificial Analysis indica una finestra di contesto di un milione di token, con ingresso di testo, immagini, video e voce e uscita di testo (Artificial Analysis).

Primo nell'indice di Artificial Analysis

Nella versione 5 dell'Artificial Analysis Intelligence Index, rinnovata il giorno prima, Carbon prende la testa con 59 punti, uno in più di Claude Opus 5.5.

Artificial Analysis Intelligence Index v5, su 100
█ Gemini 4 Carbon
░ Gemini 4 Argon
▒ concorrenti

Gemini 4 Carbon        59 │██████████████████████████████
Claude Opus 5.5        58 │▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒
GPT-6 Astra            57 │▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒
GPT-6.1 Sol            55 │▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒
Gemini 4 Argon         50 │░░░░░░░░░░░░░░░░░░░░░░░░░
Claude Fable 5.1       49 │▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒

Fonti: Artificial Analysis, articolo su Carbon e annuncio dell'Index v5, 27 e 28 ottobre 2026; punteggio di Claude Fable 5.1 dalla tabella di Google DeepMind. Carbon con ragionamento elevato, gli altri allo sforzo massimo.

Un divario di un punto è esiguo. Artificial Analysis osserva che Carbon è in testa in 4 delle 9 valutazioni dell'indice (HLE-Diamond, Terminal-Bench-Science, AA-Omniscience e AutomationBench-AA). È solo secondo nei test di codice Terminal-Bench 4.0 e FrontierCode. Su AA-Briefcase, che misura il lavoro d'ufficio, Carbon guadagna 126 punti Elo su Argon (1.609) ma resta dietro a Grok 4.7 (1.638), Muse Wonder (1.659) e Kimi K3.1 Pro (1.678) (Artificial Analysis).

Sull'affidabilità il quadro è misto. Carbon ha il miglior punteggio AA-Omniscience (54, contro 48 per Opus 5.5), ma il suo tasso di allucinazione sale dal 4% di Argon all'11%. Resta comunque molto al di sotto di Claude Opus 5.5 e GPT-6 Astra, entrambi al 50% (Artificial Analysis).

Cosa porta Carbon rispetto ad Argon e alla concorrenza

Google pubblica una tabella di 17 test in cui Carbon batte Argon su ogni riga. Rispetto ai concorrenti il quadro è più sfumato. Ecco cinque righe rappresentative.

Punteggi pubblicati da Google, in %
█ Gemini 4 Carbon   ░ Gemini 4 Argon
▒ GPT-6 Astra       ▓ Claude Opus 5.5

Terminal-Bench 4.0 (AA)
  Carbon        65,2 │████████████████
  Argon         57,1 │░░░░░░░░░░░░░░
  GPT-6 Astra   59,1 │▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒
  Opus 5.5      59,6 │▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓
FrontierSWE 2
  Carbon        61,2 │███████████████
  Argon         55,0 │░░░░░░░░░░░░░░
  GPT-6 Astra   65,5 │▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒
  Opus 5.5      62,3 │▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓
OSWorld-2.1
  Carbon        81,5 │████████████████████
  Argon         74,7 │░░░░░░░░░░░░░░░░░░░
  GPT-6 Astra   80,9 │▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒
  Opus 5.5      87,2 │▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓
GraphWalks 256k-1M
  Carbon        96,2 │████████████████████████
  Argon         84,2 │░░░░░░░░░░░░░░░░░░░░░
  GPT-6 Astra   71,8 │▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒
  Opus 5.5      66,8 │▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓
ExploitGym
  Carbon        54,8 │██████████████
  Argon         42,0 │░░░░░░░░░░░
  GPT-6 Astra   42,4 │▒▒▒▒▒▒▒▒▒▒▒
  Opus 5.5      34,5 │▓▓▓▓▓▓▓▓▓

Fonte: tabella di Google DeepMind; metodologia di Google. Sono numeri del fornitore, non una valutazione indipendente.

I guadagni più netti riguardano il contesto lungo (GraphWalks, tra 256.000 e 1 milione di token, dove Carbon è nettamente davanti a GPT-6 Astra e Opus 5.5), la cybersicurezza e la scienza. In compenso GPT-6 Astra mantiene il vantaggio su FrontierSWE 2, un test di ingegneria del software, e Claude Opus 5.5 su OSWorld-2.1, che misura l'uso del computer. Su SWE-sweep, Carbon (9,6%) supera GPT-6 Astra (9,5%) di appena un decimo di punto (Google DeepMind).

Per gli agenti di codice, Artificial Analysis l'ha testato anche all'interno dello strumento di Google, Antigravity CLI. La coppia ottiene 59 nel suo Coding Agent Index, 3 punti dietro a Claude Code con Opus 5.5 (62) (Artificial Analysis).

Google mette in risalto anche la sicurezza comportamentale. Su Terminal-Bench 4.0, Carbon non riesce più in alcun tentativo di barare (0,0%) e prova a barare solo nello 0,4% dei casi. Gli avvisi di disallineamento di gravità elevata calano di quasi l'80% nei test interni. Nel test di prompt injection indiretta di Gray Swan, nessun attacco riesce, contro lo 0,7% di Argon (Google).

Primo su LMArena, ma in via preliminare

Su LMArena, dove gli utenti confrontano due risposte alla cieca, Carbon è anch'esso primo.

LMArena, classifica testo, punteggio Elo
Le barre partono da 1.460 punti, 1 blocco = 3 punti
█ Gemini 4 Carbon   ░ Gemini 4 Argon   ▒ concorrenti

Gemini 4 Carbon     1.528 │███████████████████████
Gemini 4 Argon      1.520 │░░░░░░░░░░░░░░░░░░░░
Claude Opus 5.5     1.509 │▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒
Muse Wonder         1.507 │▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒
Claude Fable 5.1    1.504 │▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒
GPT-6.1 Sol         1.481 │▒▒▒▒▒▒▒
GPT-6 Astra         1.476 │▒▒▒▒▒

Fonte: LMArena, classifica testo del 27 ottobre 2026, consultata il 28 ottobre. Le barre non partono da zero, il che amplifica i divari.

Il punteggio è contrassegnato come «preliminare» e si basa su 4.403 voti, contro 11.889 per Argon. Il suo margine di errore (±9) copre il divario di 8 punti con Argon: LMArena colloca Carbon tra il 1º e il 2º posto (LMArena). Su WebDev Arena, che riguarda lo sviluppo web, Google riporta un guadagno di 89 punti, al 4º posto con 1.768 (Google).

Prezzi e disponibilità

Carbon non è ancora disponibile per gli sviluppatori né per il grande pubblico: per ora Google lo riserva ai partner della difesa informatica, senza data di rilascio (Google). I prezzi qui sotto sono prezzi annunciati, non tariffe utilizzabili oggi.

Carbon debutterà allo stesso prezzo promozionale di Argon: 2 $ in ingresso e 10 $ in uscita, con token di ingresso in cache scontati del 95%. Dopo, il prezzo sarà di 4 $ e 20 $ (Google). Google non dice quando termina questo periodo promozionale, mentre quello di Argon dura fino al 30 novembre (Google).

Prezzi e disponibilità
Modello	Prezzo ingresso / uscita	Accesso
Gemini 4 Carbon	Annunciato: 2 $ / 10 $ al lancio, poi 4 $ / 20 $	Non ancora disponibile: solo Fairwind Program, nessuna API pubblica
Gemini 4 Argon	2 $ / 10 $ fino al 30 nov., poi 4 $ / 20 $	Gemini API, Antigravity
Claude Opus 5.5	4 $ / 20 $	Claude API
GPT-6 Astra	10 $ / 50 $	OpenAI API
GPT-6.1 Sol	2 $ / 10 $	OpenAI API

Fonti: Google, Carbon, Google, Argon, Antigravity, Anthropic, OpenAI. Tariffe standard per richieste sotto i 272.000 token presso OpenAI. Consultate il 28 ottobre 2026.

Il prezzo per token non è tutto. Artificial Analysis misura il costo di un compito completo nel suo indice, alla tariffa standard di Carbon di 4 $/20 $.

Costo medio per compito dell'indice Artificial Analysis, in $
Prezzi standard, senza sconto di lancio
█ Gemini 4 Carbon   ░ Gemini 4 Argon   ▒ concorrenti

Claude Fable 5.1    13,04 │▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒
Claude Opus 5.5     10,04 │▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒
Gemini 4 Carbon      7,76 │████████████████
Gemini 4 Argon       7,68 │░░░░░░░░░░░░░░░
GPT-6 Astra          6,25 │▒▒▒▒▒▒▒▒▒▒▒▒▒
GPT-6.1 Sol          1,27 │▒▒▒
GPT-6.1 Terra        0,96 │▒▒

Fonti: Artificial Analysis, articolo su Carbon (Carbon, Argon, Opus 5.5, Astra) e annuncio dell'Index v5 (Fable 5.1, Sol, Terra).

Carbon costa circa il 23% in meno per compito rispetto a Opus 5.5 scrivendo il 29% di token di output in meno (123.000 contro 173.000). Costa quanto Argon per 9 punti in più, ma circa 1,2 volte GPT-6 Astra (Artificial Analysis). GPT-6.1 Sol resta sei volte più economico per compito, per 4 punti in meno.

Quanto all'accesso, Carbon va questa settimana a «un sottoinsieme» di difensori informatici, poi a più partner di fiducia del Fairwind Program. Google vuole ancora «raccogliere feedback» e affinare le proprie protezioni prima di aprirlo a sviluppatori, aziende e consumatori «il prima possibile», senza data (Google). Fairwind conta oltre 650 partner, con priorità a governi, operatori di infrastrutture critiche e piattaforme tecnologiche di base. L'accesso è controllato: le organizzazioni sono verificate, è richiesta un'autenticazione resistente al phishing e l'accesso non può essere rivenduto né condiviso (Google DeepMind).

Al 28 ottobre Carbon non compare né nell'elenco dei modelli della Gemini API, né nel suo changelog, né nella sua pagina dei prezzi (Google). Google non ha annunciato alcuna data per l'app Gemini, Vertex AI, Antigravity o Gemini CLI.

Cosa cambia per gli sviluppatori

Per ora nulla di concreto: non è pubblicato alcun ID di modello per l'API e il modello non è in alcun prodotto pubblico. L'unico indizio sulle tempistiche viene da Argon. Annunciato nello stesso modo, è poi arrivato nella Gemini API e in Antigravity, sia l'app sia la riga di comando, per gli abbonati Google AI Pro e Ultra (Antigravity). La nostra guida a Gemini CLI e Antigravity CLI tratta questi strumenti.

La nostra lettura: quando arriverà, Carbon conterà soprattutto per tre usi. I compiti di agente molto lunghi, che Google mette in primo piano. I contesti ampi, dove il suo vantaggio su GraphWalks è più netto. E gli audit di sicurezza del codice, il suo punto di forza dichiarato. Per il codice di tutti i giorni, il divario con Opus 5.5 e GPT-6 Astra è esiguo nei test pubblicati, e GPT-6.1 Sol costa molto meno per compito. Anche il prezzo promozionale senza data di fine è un rischio per chi imposta un budget: raddoppierà.

Due cose da seguire: la data di apertura dell'API e il punteggio di Carbon su LMArena quando avrà abbastanza voti da non essere più preliminare.

Fonti

Google, annuncio di Gemini 4 Carbon, 28 ottobre 2026, consultato il 2026-10-28
Google DeepMind, tabella delle prestazioni di Gemini 4 e metodologia, consultati il 2026-10-28
Google DeepMind, Fairwind Program
Artificial Analysis, Gemini 4 Carbon is the new number 1, 28 ottobre 2026
Artificial Analysis, Intelligence Index v5, 27 ottobre 2026
LMArena, classifica testo, 27 ottobre 2026, consultata il 2026-10-28
Google, annuncio di Gemini 4 Argon
Google Antigravity, Gemini 4 Argon in Antigravity
Google, modelli della Gemini API, consultati il 2026-10-28
Anthropic, prezzi e OpenAI, prezzi API, consultati il 2026-10-28

Modelli open-weight: chi è in testa e quanto distano dai modelli chiusi

Wed, 28 Oct 2026 18:30:00 +0100

Il 27 ottobre Artificial Analysis ha cambiato le regole. Il suo Intelligence Index è passato alla versione 5, con il 60% di test privati, e il divario tra il miglior modello chiuso e il miglior modello aperto è passato da 3 a 12 punti (Artificial Analysis). Per i modelli i cui pesi sono effettivamente scaricabili, arriva a 26 punti. È un buon momento per fare il punto: chi guida, di quanto, a che prezzo e con quale licenza.

Una parola sul vocabolario, prima di tutto. Quasi nessuno di questi modelli è «open source» nel senso del software libero: sono modelli open-weight. Si può scaricare il modello addestrato, eseguirlo in proprio e adattarlo, ma la licenza pone spesso delle condizioni. Salvo diversa indicazione, i punteggi annunciati da un fornitore sono del fornitore stesso e i prezzi sono in dollari statunitensi per milione di token.

Chi guida tra i modelli aperti

I laboratori cinesi occupano la vetta della classifica.

Moonshot AI (Kimi). Kimi K3 ha 2,8 mila miliardi di parametri e una finestra di contesto da un milione di token; Moonshot lo definisce «il primo modello aperto al mondo della classe 3T» (Kimi). Il suo successore, Kimi K3.1 Pro, è disponibile via API dal 23 ottobre, ma i suoi pesi saranno pubblicati solo «entro il 4 novembre» (Kimi).
DeepSeek. DeepSeek V4.1-Flash è un modello multimodale da 552 miliardi di parametri con una finestra di contesto da un milione di token (Hugging Face). L'aggiornamento del 17 ottobre, V4.1-Flash-1017, ha licenza MIT (Hugging Face).
Z.ai. GLM-5.3 pesa circa 753 miliardi di parametri secondo Hugging Face, e la sua versione leggera, GLM-5.3-Flash, ha licenza MIT (Hugging Face).
Alibaba (Qwen). Qwen3.8-27B, un modello da 27 miliardi di parametri con licenza Apache 2.0, è uno dei modelli aperti più scaricati (Hugging Face). Il modello grande, Qwen3.8-2.4T-A95B, è la versione scaricabile di Qwen3.8-Max, con una licenza propria (Hugging Face).

Sul fronte statunitense, Meta ha rilasciato Muse Spark Open il 15 ottobre: 816 miliardi di parametri, di cui 42 miliardi attivi per token, e una finestra di contesto da un milione di token. Meta lo definisce «il più capace modello open-weight statunitense finora» (Meta). Google ha Gemma 4, la cui versione 31B ha licenza Apache 2.0 (Hugging Face). OpenAI non ha rilasciato nulla di nuovo: la sua pagina sui modelli aperti elenca ancora solo gpt-oss e gpt-oss-safeguard (OpenAI), e gpt-oss risale al 5 agosto 2025 (OpenAI).

In Europa, Mistral pubblica Mistral Small 4 con licenza Apache 2.0 (Hugging Face) e Mistral Medium 3.5 con una licenza MIT modificata (Mistral). Il suo modello di punta, Mistral Large 4, è classificato come proprietario da LMArena (LMArena).

Si muovono anche i modelli piccoli. Liquid AI ha rilasciato LFM3 il 27 ottobre, compresa una versione da 1,7 miliardi di parametri (Liquid AI). Nanbeige4.3-33B, rilasciato il 24 ottobre con licenza Apache 2.0, riporta il 23,8% su Terminal-Bench 4.0 (Hugging Face).

Il divario con i modelli chiusi

Nell'indice v5 di Artificial Analysis, i primi cinque modelli provengono tutti da Anthropic e OpenAI. Il miglior modello aperto, Kimi K3.1 Pro, non ha ancora pubblicato i suoi pesi. Tra i pesi effettivamente disponibili, DeepSeek V4.1 Flash 1017 e GLM-5.3 guidano con 32 punti, dietro a Claude Haiku 5.5, il modello piccolo di Anthropic (36).

Artificial Analysis Intelligence Index v5, su 100
█ modello chiuso
▓ pesi aperti, rilasciati
░ pesi promessi, non ancora rilasciati

Claude Opus 5.5         58 │█████████████████████████████
GPT-6 Astra             57 │█████████████████████████████
GPT-6.1 Sol             55 │████████████████████████████
Gemini 4 Argon          50 │█████████████████████████
Muse Wonder Full        50 │█████████████████████████
Kimi K3.1 Pro           46 │░░░░░░░░░░░░░░░░░░░░░░░
Claude Haiku 5.5        36 │██████████████████
DeepSeek V4.1 Flash     32 │▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓
GLM-5.3                 32 │▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓
Qwen3.8-27B             20 │▓▓▓▓▓▓▓▓▓▓

Fonte: Artificial Analysis, Index v5, 27 ottobre 2026; punteggi di Muse Wonder Full e Qwen3.8-27B riportati da Cybernews, 28 ottobre 2026. Massimo livello di ragionamento per ciascun modello.

Il divario è più ampio sui compiti lunghi e mai visti. Su FrontierCode 2.0, un test privato in cui un maintainer deve accettare la modifica al codice, Claude Opus 5.5 completa il 46% dei compiti e DeepSeek V4.1 Flash 1017, il miglior modello aperto, il 28%. Su Terminal-Bench-Science, ricerca scientifica condotta in un terminale, il miglior modello aperto rilasciato si ferma al 13% e la maggior parte resta sotto il 10%, contro il 63% di GPT-6 Astra (Artificial Analysis). C'è un'eccezione: Kimi K3.1 Pro ha il miglior punteggio di qualsiasi modello su Terminal-Bench 4.0, con il 67%.

Il rimescolamento ha i suoi critici. Diversi modelli aperti hanno perso più di 10 punti in una volta, come DeepSeek V4.1 Flash, sceso da 45 a 32, e i commentatori di Hacker News chiedono spiegazioni (Cybernews).

La classifica di LMArena, basata sui voti di utenti che confrontano due risposte alla cieca, mostra un divario più breve.

Il divario con i modelli chiusi
Modello	Posizione	Punteggio	Licenza
Gemini 4 Argon	2	1.520	proprietaria
Claude Opus 5.5	3	1.509	proprietaria
Kimi K3	19	1.488	licenza Kimi K3
GLM-5.3	28	1.481	MIT
DeepSeek V4.1-Flash	35	1.476	MIT
Gemma 4 31B	77	1.452	Apache 2.0
Mistral Medium 3.5	122	1.426	MIT modificata
gpt-oss-120b	219	1.352	Apache 2.0

Fonte: LMArena, classifica testuale del 27 ottobre 2026, 419 modelli. Il primo posto va a Gemini 4 Carbon (1.528), un punteggio ancora segnato come «preliminare».

La nostra lettura: le due classifiche non misurano la stessa cosa. Nei voti degli utenti, il miglior modello aperto, Kimi K3, è a soli 32 punti da Gemini 4 Argon. Sui compiti lunghi degli agenti con test inediti, il divario è molto più ampio. È proprio l'uso che conta per un agente di programmazione.

Il costo, il primo argomento a favore dei modelli aperti

Il prezzo resta il grande vantaggio dei modelli aperti, ma non di tutti, e non più automaticamente.

Prezzo ufficiale dell'API, in $ per milione di token in output
█ modello chiuso
▓ modello open-weight

Claude Opus 5.5         20 │████████████████████
Kimi K3                 15 │▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓
GPT-6.1 Sol             10 │██████████
Gemini 4 Argon          10 │██████████
Qwen3.8-Max              6 │▓▓▓▓▓▓
GPT-6.1 Terra            5 │█████
GLM-5.3               4,40 │▓▓▓▓
DeepSeek V4-Pro       3,96 │▓▓▓▓
DeepSeek V4.1-Flash   1,20 │▓
Claude Haiku 5.5      0,50 │█
GPT-6 Luna            0,50 │█
GLM-5.3-Flash         0,50 │▓

Fonti: Anthropic, Kimi, OpenAI, Google (prezzo di lancio fino al 30 novembre), Alibaba Cloud (tariffa internazionale; è il prezzo della versione ospitata), Z.ai, DeepSeek (ore di punta, metà prezzo fuori punta). Claude Haiku 5.5: prompt di 100.000 token o meno. Verificato il 28 ottobre 2026.

DeepSeek V4.1-Flash resta l'esempio più eclatante. Costa 0,30 $ in input e 1,20 $ in output nelle ore di punta, e la metà fuori punta (DeepSeek). Al contrario, Kimi K3 è fatturato 3 $ in input e 15 $ in output, più di GPT-6.1 Sol (Kimi). Anche i piccoli modelli chiusi sono arrivati in fondo alla scala: Claude Haiku 5.5 e GPT-6 Luna costano 0,10 $ e 0,50 $ (Anthropic, OpenAI).

Il prezzo per token non è tutto. Artificial Analysis misura anche nel suo indice il costo di un compito completo: 10,04 $ per Claude Opus 5.5, 6,24 $ per GPT-6 Astra, 1,27 $ per GPT-6.1 Sol e 0,96 $ per GPT-6.1 Terra (Artificial Analysis). Un modello economico che scrive molti token di ragionamento può finire per costare quanto un modello chiuso più sobrio.

Licenze: aperto non significa libero

Le licenze formano uno spettro, da quelle davvero permissive a condizioni rivolte ai grandi concorrenti.

Licenze: aperto non significa libero
Modello	Licenza	Che cosa sapere
gpt-oss-120b e 20b	Apache 2.0	Uso commerciale consentito, nel rispetto della policy d'uso di gpt-oss (OpenAI)
Gemma 4, Qwen3.8-27B, Mistral Small 4, Nanbeige4.3-33B	Apache 2.0	Licenza software standard (Hugging Face)
DeepSeek V4.1-Flash-1017, GLM-5.3-Flash	MIT	Licenza software standard (Hugging Face)
GLM-5.3	Licenza GLM-5.3	Revisione di sicurezza da parte di Z.ai per i fornitori di API oltre i 10 miliardi di $ di ricavi in 12 mesi (Hugging Face)
Kimi K3	Licenza Kimi K3	Accordo separato per i fornitori di API oltre i 20 milioni di $ di ricavi in 12 mesi; menzione «Kimi K3» oltre 100 milioni di utenti mensili o 20 milioni di $ di ricavi mensili (Hugging Face)
Qwen3.8-2.4T-A95B	Licenza Qwen3.8-Max	Licenza separata per i servizi di API e assistenti oltre i 50 milioni di $ di ricavi in 12 mesi (Hugging Face)
MiniMax M3	MiniMax Community License	L'uso commerciale va comunicato a MiniMax; autorizzazione scritta oltre i 20 milioni di $ di ricavi annui (Hugging Face)
Muse Spark Open	Muse Model License	Obbligo della menzione «Built with Muse Spark Open»; accordo con Meta per i fornitori di API oltre i 20 milioni di $ in 12 mesi; download su richiesta (Hugging Face)
LFM3	LFM Open License v1.0	Uso commerciale non coperto oltre i 10 milioni di $ di ricavi annui (Hugging Face)

La nostra lettura: la tendenza è chiara. I più grandi modelli aperti sono accompagnati da licenze personalizzate le cui clausole prendono di mira soprattutto gli host che rivenderebbero il modello come API. Per un team che lo usa internamente, la maggior parte resta utilizzabile. Per un fornitore di software oltre le soglie, leggete la licenza prima di scegliere.

Che cosa viene davvero scaricato

I modelli che fanno notizia non sono quelli che gli sviluppatori scaricano di più.

Download su Hugging Face nell'ultimo mese, in milioni

Gemma 4 31B          8,47 │▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓
Qwen3.8-27B          7,52 │▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓
GLM-5.3-Flash        6,42 │▓▓▓▓▓▓▓▓▓▓▓▓▓
gpt-oss-20b          6,01 │▓▓▓▓▓▓▓▓▓▓▓▓
gpt-oss-120b         2,83 │▓▓▓▓▓▓
GLM-5.3              2,30 │▓▓▓▓▓
DeepSeek V4.1-Flash  1,85 │▓▓▓▓
Kimi K3              0,85 │▓▓
Muse Glimmer 30B     0,21 │▏
Mistral Small 4      0,07 │▏
Muse Spark Open      0,01 │▏

Fonte: contatore «Downloads last month» di ciascuna pagina Hugging Face (Gemma 4 31B, Qwen3.8-27B, GLM-5.3-Flash, gpt-oss-20b, gpt-oss-120b, GLM-5.3, DeepSeek V4.1-Flash, Kimi K3, Muse Glimmer 30B, Mistral Small 4, Muse Spark Open), verificato il 28 ottobre 2026. Repository principale di ciascun modello, escluse le versioni quantizzate e le copie della comunità.

Due avvertenze. Hugging Face conta ogni richiesta a certi file, come config.json, comprese quelle delle pipeline automatiche (Hugging Face). E Muse Spark Open è disponibile solo su richiesta, il che frena meccanicamente i suoi download. La classifica mostra comunque una tendenza netta: dominano i modelli da 20 a 30 miliardi di parametri, che stanno su una sola macchina.

Che cosa significa per gli sviluppatori

In locale, l'hardware decide prima dei punteggi. gpt-oss-20b funziona con 16 GB di memoria e gpt-oss-120b su una singola GPU da 80 GB (OpenAI). Muse Spark Open richiede due Mac Studio M5 Ultra (Meta). Per Kimi K3, Moonshot raccomanda cluster di 64 acceleratori o più (Kimi). La nostra guida per eseguire un modello di programmazione in locale con Ollama illustra la configurazione.

Negli agenti di programmazione, un modello aperto si collega ormai come uno chiuso. L'API di DeepSeek accetta i formati di OpenAI e Anthropic e la sua documentazione spiega come usarla con Claude Code, Codex e OpenCode (DeepSeek). Cambiare modello si riduce spesso a un indirizzo API e a una chiave.

Nelle aziende, l'adozione resta bassa. Secondo Menlo Ventures, la quota dei modelli open source nell'uso aziendale delle API è scesa dal 19% nel 2024 all'11% nel 2025, e i modelli cinesi rappresentano solo circa l'1% di quell'uso (Menlo Ventures). Menlo Ventures è un investitore di Anthropic.

Il prossimo banco di prova ha una data: Moonshot promette i pesi di Kimi K3.1 Pro entro il 4 novembre. Se manterrà la promessa, il miglior modello scaricabile sarebbe a 12 punti dalla vetta dell'indice di Artificial Analysis, invece dei 26 di oggi.

Fonti

Artificial Analysis, Intelligence Index v5, 27 ottobre 2026, verificato il 28-10-2026
Cybernews, rimescolamento dei modelli open-weight, 28 ottobre 2026
LMArena, classifica testuale, 27 ottobre 2026, verificata il 28-10-2026
Kimi K3 e Kimi K3.1 Pro, Moonshot AI
Meta, Muse Spark Open, 15 ottobre 2026
OpenAI, gpt-oss, 5 agosto 2025, e pagina dei modelli aperti
DeepSeek, modelli e prezzi dell'API, verificato il 28-10-2026
Z.ai, prezzi, verificato il 28-10-2026
Alibaba Cloud, prezzi di Model Studio, verificato il 28-10-2026
Anthropic, prezzi e OpenAI, prezzi dell'API, verificato il 28-10-2026
Liquid AI, LFM3, 27 ottobre 2026
Hugging Face, come vengono conteggiati i download
Menlo Ventures, State of Generative AI in the Enterprise 2025, 9 dicembre 2025

Oracle apre il suo cloud alle TPU di Google, Meta prevede 95 miliardi di dollari di azioni per l'IA: il riepilogo del 28 ottobre

Wed, 28 Oct 2026 09:30:00 +0100

Questo riepilogo copre la sera di lunedì 26 ottobre e martedì 27 ottobre 2026. Sul fronte delle infrastrutture, Oracle ha aperto la sua conferenza AI World con chip di tre fornitori e Meta ha dettagliato come intende pagare i suoi data center. Sul fronte degli strumenti, Google ha lanciato una riga di comando pensata per gli agenti di programmazione, Codex, Claude Code e OpenCode hanno rilasciato nuove versioni e Liquid AI ha pubblicato una famiglia di piccoli modelli open-weight. Salvo diversa indicazione, le cifre provengono da annunci ufficiali.

Oracle offrirà le TPU di Google nel suo cloud

Il 27 ottobre Oracle e Google hanno annunciato che le TPU, i chip di IA progettati da Google, saranno disponibili su Oracle Cloud Infrastructure (OCI). È la prima volta che un grande cloud diverso da Google Cloud le offre (comunicato di Oracle). Oracle fornisce alimentazione, raffreddamento e rete, e l'offerta si aprirà nel corso dell'anno solare 2027, con un'espansione su più anni. Il comunicato cita l'ottava generazione di TPU, con un chip per l'addestramento (TPU 8t) e uno per l'inferenza (TPU 8i). Secondo Google, la TPU 8t offre quasi 3 volte la potenza di calcolo per pod della generazione precedente.

Lo stesso giorno NVIDIA e Oracle hanno annunciato la disponibilità generale su OCI dei sistemi Vera Rubin NVL72 (72 GPU collegate in un unico rack) e delle CPU Vera, con l'obiettivo di espandersi «su scala multi-gigawatt» (comunicato di NVIDIA). Oracle prevede inoltre server HGX Rubin NVL8 più piccoli: 8 GPU Rubin, due CPU Intel Xeon 6 a 64 core e 4 TB di memoria. Il valore dell'accordo non è stato reso noto. Oracle prevede anche di offrire chip per l'inferenza di Cerebras e SambaNova, secondo Reuters.

Oracle e OpenAI: Codex dentro gli strumenti di Oracle

OpenAI ha ampliato anche la sua partnership con Oracle (annuncio di OpenAI). Le applicazioni e i dati di Oracle dovrebbero raggiungere ChatGPT tramite un futuro Oracle AI Workspace. Oracle App Composer servirà a creare app con Codex e altri strumenti di IA, per poi distribuirle su OCI. Negli Stati Uniti i clienti di Oracle potranno acquistare l'API di OpenAI, Codex e ChatGPT Work su Oracle Marketplace con i loro crediti Oracle. OpenAI dice che Oracle conta internamente 130.000 utenti attivi di ChatGPT e oltre 95.000 utenti attivi di Codex.

Meta prevede di raccogliere 95 miliardi di dollari in azioni

Il 26 ottobre Meta ha presentato un piano di finanziamento azionario da circa 95 miliardi di dollari per i suoi investimenti nell'IA (comunicato di Meta):

Subito: circa 35 miliardi di dollari, di cui 22,5 miliardi di azioni ordinarie e 12,5 miliardi di azioni privilegiate convertibili obbligatorie.
Dal primo trimestre 2027: un programma «at-the-market» di circa 60 miliardi di dollari di vendite di azioni. Meta precisa che per questo programma non è ancora stato firmato nulla.
Il contesto: Meta prevede da 135 a 145 miliardi di dollari di spese in conto capitale nel 2026 e sta costruendo quattro «supercluster» di oltre un gigawatt ciascuno. NVIDIA, AMD e Broadcom hanno manifestato interesse ad acquistare fino a 5 miliardi di dollari di queste azioni, senza un impegno vincolante.

Il giorno dopo NVIDIA ha dichiarato che investirà 3 miliardi di dollari nell'offerta e che Meta implementerà più sistemi Vera Rubin e CPU Vera (comunicato di NVIDIA). Secondo CNBC, le azioni Meta sono scese dell'1,6% la mattina dell'annuncio.

Google lancia una CLI Gemini API per gli agenti di programmazione

Il 27 ottobre Google ha rilasciato in beta gemini-api, una riga di comando open source senza dipendenze, pensata per essere richiamata da agenti di programmazione, script e pipeline CI (note di rilascio della Gemini API). Non sostituisce Gemini CLI, l'agente interattivo: è un client senza stato che un agente come Claude Code, Codex o Cursor può eseguire per generare testo, immagini, voce, musica o video, analizzare un file o avviare un agente gestito da Google come Deep Research (guida alla CLI).

Le scelte di progettazione guardano agli agenti: i contenuti multimediali vengono scritti su disco e ne viene restituito solo il percorso, così non riempiono la finestra di contesto; --dry-run mostra l'anteprima della richiesta senza inviarla; i codici di uscita sono tipizzati (3 per un problema di autenticazione, per esempio). Google avverte che tra versioni minori possono arrivare modifiche non retrocompatibili e raccomanda di fissare la versione nella CI.

Codex, Claude Code e OpenCode: le nuove versioni

Codex CLI 0.165.0 (note di rilascio): un provider Google Cloud Vertex AI integrato (model_provider = "gcp"), GPT-6.1 Terra nel catalogo, cambio del livello di ragionamento a conversazione in corso e memoria «v2» attiva per impostazione predefinita nei profili nuovi.
Claude Code 2.1.311 e 2.1.312 (changelog): una sessione a contesto standard che supera i 200.000 token non si ferma più con un messaggio sui crediti per il contesto da un milione di token; compatta la conversazione e prosegue. I subagenti possono ora usare gli strumenti MCP di server che completano la connessione dopo il loro avvio. La versione 2.1.312 limita a 24 gli hook in esecuzione contemporanea per sessione e corregge Code Review, che poteva rivedere un commit obsoleto.
OpenCode 2.2.0 (note di rilascio): plugin per l'app desktop (sperimentali), istruzioni di sessione aggiunte dai plugin senza invalidare la cache del prompt e mantenute dopo la compattazione, e durate della cache del prompt configurabili per modello. Modifiche non retrocompatibili: la GitHub Action di OpenCode non viene più pubblicata e i plugin per il terminale richiedono OpenTUI 0.7.

Liquid AI rilascia LFM3, modelli da 2 miliardi di parametri

Il 27 ottobre Liquid AI ha lanciato LFM3, una famiglia di sei modelli open-weight da circa 2 miliardi di parametri (testo, visione, audio, omni e due modelli decisionali), tutti costruiti sullo stesso modello di base preaddestrato su 22 mila miliardi di token (annuncio di Liquid AI). Il modello di testo, LFM3-1.7B, ha una finestra di contesto da 262.144 token e sta in circa 1 GB con precisione a 4 bit. È rilasciato con la licenza propria di Liquid, LFM Open License v1.0 (scheda del modello su Hugging Face).

Liquid AI riporta il 43,4% su SWE-bench Verified con l'harness di OpenCode, contro il 51,2% di Qwen3.5-9B, e riconosce che i modelli più grandi restano in testa nella programmazione agentica. Sono cifre del fornitore. LFM3-1.7B entra nel nostro confronto dei modelli, senza punteggio: il nostro confronto non segue ancora questo benchmark.

Fonti

Oracle: Oracle Brings Google TPUs to Oracle Cloud Infrastructure (verificato il 28-10-2026)
NVIDIA: NVIDIA and Oracle Expand NVIDIA Vera Rubin to Multi-Gigawatt Scale (verificato il 28-10-2026)
Reuters, via Investing.com: Oracle expands chip supply deal with Nvidia, adds Google and Cerebras offerings (verificato il 28-10-2026)
OpenAI: OpenAI expands partnership with Oracle (verificato il 28-10-2026)
Meta: lancio delle offerte di azioni e piano di finanziamento (verificato il 28-10-2026)
NVIDIA: NVIDIA and Meta to Expand Collaboration on Muse (verificato il 28-10-2026)
CNBC: Meta announces $95 billion stock offering to fund AI expansion (verificato il 28-10-2026)
Google: note di rilascio della Gemini API (verificato il 28-10-2026)
Google: guida alla Gemini API CLI (verificato il 28-10-2026)
OpenAI: Codex rust-v0.165.0 (verificato il 28-10-2026)
Anthropic: changelog di Claude Code (verificato il 28-10-2026)
OpenCode: rilasci su GitHub (v2.2.0) (verificato il 28-10-2026)
Liquid AI: Introducing LFM3 (verificato il 28-10-2026)
Hugging Face: LiquidAI/LFM3-1.7B (verificato il 28-10-2026)

L'IPO di Anthropic: la strategia economica dietro l'S-1

Wed, 28 Oct 2026 08:00:00 +0100

Il 26 ottobre Anthropic ha reso pubblico il suo Form S-1, il documento che un'azienda deposita presso la SEC, l'autorità di vigilanza dei mercati statunitensi, prima di quotarsi in borsa. Prevede di essere quotata al Nasdaq con il simbolo «ANT» (S-1 di Anthropic). Il prezzo delle azioni e l'importo da raccogliere sono ancora in bianco (TechCrunch). Lo stesso vale per i ricavi del terzo trimestre: il documento lascia vuoto quell'importo, così come il totale degli impegni di calcolo.

Quel che segue distingue tre cose: i fatti tratti dall'S-1, le stime pubblicate dalla stampa e dagli analisti (ciascuna con la sua attribuzione) e la nostra lettura, segnalata come tale. Salvo diversa indicazione, le cifre sono in dollari statunitensi e provengono dall'S-1.

Una crescita trainata dalle imprese e dai consumi

I ricavi sono passati da 41 milioni di dollari nel 2023 a 386 milioni nel 2024, poi a 4,59 miliardi nel 2025. Nel primo semestre 2026 hanno raggiunto 16,29 miliardi, contro 1,16 miliardi un anno prima, un aumento del 1.300% secondo l'S-1. Sono ricavi contabilizzati, non un run-rate annualizzato.

Il modello poggia anzitutto su quello che Anthropic chiama «pay-for-intelligence»: i clienti pagano i token che usano, al prezzo del modello scelto. Questo ha rappresentato 13,1 miliardi, cioè l'80% dei ricavi del semestre. Gli abbonamenti (Claude Pro, Max, piani aziendali) hanno portato 3,2 miliardi, il 20%. Anthropic dichiara di aspettarsi che i consumi restino «la stragrande maggioranza» dei suoi ricavi.

In mld $
█ ricavi
░ costi di calcolo e infrastruttura

T1 2025 ricavi    0,38 │█
        calcolo   0,94 │░
T2 2025 ricavi    0,79 │█
        calcolo   1,39 │░░
T3 2025 ricavi    1,38 │██
        calcolo   2,05 │░░░
T4 2025 ricavi    2,04 │███
        calcolo   2,95 │░░░░░
T1 2026 ricavi    4,73 │███████
        calcolo   3,39 │░░░░░
T2 2026 ricavi   11,56 │██████████████████
        calcolo   5,56 │░░░░░░░░░

Grafico 1. Ricavi e costi di calcolo di Anthropic per trimestre, in miliardi di dollari. Fonte: S-1 di Anthropic, risultati trimestrali non sottoposti a revisione.

Il grafico mostra il punto di svolta. Fino alla fine del 2025 ogni trimestre costava più in calcolo di quanto incassasse: il 251% dei ricavi nel primo trimestre 2025. Nel secondo trimestre 2026 quel rapporto è sceso al 48%. Su base annua, i ricavi di quel trimestre sono cresciuti del 1.368% mentre i costi di calcolo sono cresciuti del 300%. Anthropic spiega di acquistare capacità con 12-18 mesi di anticipo, quindi questi costi sono fissati in anticipo e non seguono la domanda del momento.

La base clienti segue la stessa curva. L'S-1 conta circa 20 clienti con oltre 100.000 dollari di ricavi negli ultimi dodici mesi a fine 2023, 200 a fine 2024, 1.500 a fine 2025 e più di 11.900 al 30 settembre 2026. A quella data, più di 1.900 clienti superavano il milione di dollari e circa 250 i 10 milioni. Il net revenue retention è di circa il 900%: i clienti già presenti un anno fa spendono oggi, complessivamente, circa nove volte tanto (abbonati Pro e Max esclusi dal calcolo).

Clienti oltre i 100.000 dollari

Clienti oltre i 100.000 dollari
Data	Clienti oltre i 100.000 $
31 dic 2023	circa 20
31 dic 2024	circa 200
31 dic 2025	circa 1.500
30 set 2026	più di 11.900

Queste cifre prolungano la tendenza misurata da Menlo Ventures, che a fine 2025 stimava la quota di Anthropic nella spesa aziendale per le API di modelli al 40%, contro il 27% di OpenAI (Menlo Ventures, 2025). Menlo è un investitore di Anthropic, come dichiara essa stessa.

Il rovescio della medaglia è la concentrazione. I primi cinque clienti hanno rappresentato circa il 25% dei ricavi nei primi nove mesi del 2026, anche se nessuno superava il 10%. Nel terzo trimestre il 79% dei ricavi proveniva da clienti esterni a quei cinque, contro il 64% del primo trimestre. Altro segno di dipendenza: le versioni di modello rilasciate negli ultimi sei mesi hanno costituito oltre l'80% dei ricavi del terzo trimestre.

Una perdita di 80,7 miliardi, in gran parte sulla carta

La perdita netta del semestre ha raggiunto 80,75 miliardi di dollari. La cifra colpisce, ma riflette soprattutto l'aumento della valutazione di Anthropic.

S1 2026, mld $
(negativo = spesa)

Perdita operativa  −0,69 │▒
Interessi attivi   +1,11 │░
Convertibili FV   −72,39 │█████████████
Altre spese        −8,76 │██
Perdita netta     −80,75 │▓▓▓▓▓▓▓▓▓▓▓▓▓▓

Grafico 2. Dal risultato operativo alla perdita netta nel primo semestre 2026, in miliardi di dollari. «Convertibili FV»: variazione del fair value di obbligazioni convertibili, derivati e SAFE; 21 milioni di dollari di imposte sul reddito non indicati. Fonte: S-1 di Anthropic.

La parte maggiore, 72,39 miliardi, deriva dalla rivalutazione di obbligazioni convertibili, derivati e SAFE: quando la valutazione dell'azienda sale, questi strumenti, che si convertiranno in azioni, valgono di più, e la differenza viene contabilizzata come spesa non monetaria. A questo si aggiungono 8,76 miliardi di «altre spese», legate secondo l'S-1 al valore dei suoi accordi di acquisto di note. L'S-1 precisa che queste variazioni proseguiranno fino alla conversione degli strumenti.

Sul fronte operativo, la perdita è stata di soli 693 milioni di dollari nel semestre, contro 2,1 miliardi un anno prima. Il secondo trimestre 2026 è il primo in utile nella serie pubblicata, con 974 milioni di reddito operativo. In termini rettificati (escludendo in particolare la remunerazione basata su azioni), Anthropic dichiara 1,62 miliardi di reddito operativo, con un margine del 10%. Il flusso di cassa operativo è stato positivo per 3,93 miliardi. L'S-1 avverte comunque che l'azienda «potrebbe non raggiungere né mantenere la redditività».

La vera scommessa: il calcolo

È qui che si gioca la strategia. L'S-1 descrive un unico «pool» di calcolo distribuito tra AWS Trainium, TPU di Google, GPU NVIDIA e GPU AMD, che Anthropic assegna continuamente alla ricerca, ai clienti o all'uso interno. Annuncia inoltre un cambio di rotta: oltre ai contratti cloud, Anthropic affitta ora direttamente i chip, ospitati in strutture dedicate, un approccio che chiama «Anthropic Direct».

Importi indicati nell'S-1, mld $

Broadcom (affitto) 161,2 │████████████████
SpaceXAI (fino a)  120,5 │████████████
Google (min.)      114,5 │███████████
Amazon (min.)      110,0 │███████████
Microsoft (min.)    44,9 │████
Nscale (fino a)     44,6 │████
Lambda              41,3 │████
AMD (stima)         20,0 │██

Grafico 3. Principali impegni di calcolo e infrastruttura descritti nell'S-1, in miliardi di dollari. Minimi garantiti (Google, Amazon, Microsoft), massimali (SpaceXAI, Nscale), un importo approssimativo (Lambda) o una stima (AMD, oltre 20 miliardi). Fonte: S-1 di Anthropic.

Il dettaglio fa girare la testa. L'S-1 elenca almeno 114,5 miliardi di dollari con Google fino al 2033, più una stima di 125-150 miliardi per altre TPU consegnate tra il 2028 e il 2031. Elenca inoltre almeno 110 miliardi con Amazon fino al 2036, almeno 44,9 miliardi con Microsoft, fino a 120,5 miliardi con SpaceXAI, già xAI, e circa 161,2 miliardi di canoni per apparecchiature Broadcom prese in affitto per cinque anni. Sommando questi importi, di natura diversa, si superano i 650 miliardi: è un nostro calcolo, un ordine di grandezza e non un totale pubblicato. Il giorno del deposito, Bank of America, Blackstone, Citi e Morgan Stanley hanno annunciato 63 miliardi di finanziamento per acquistare acceleratori Broadcom da dare in affitto ad Anthropic, con consegne a partire dal 2027 (comunicato Broadcom).

La maggior parte di questi contratti va pagata «a prescindere» da ricavi o utilizzo, osserva l'S-1. Diversi fornitori, come Amazon, Google e Microsoft, sono anche investitori, clienti e concorrenti di Anthropic. Al 30 giugno Anthropic disponeva di 131,7 miliardi di dollari in liquidità e investimenti a breve termine, dopo aver raccolto 141,1 miliardi in totale. Nel primo semestre la sola Serie H ha portato 65,2 miliardi.

Una governance che mantiene il controllo

Anthropic resta una public benefit corporation: il suo consiglio deve bilanciare gli interessi degli azionisti, quelli delle persone toccate dalla sua attività e la sua missione, «lo sviluppo e il mantenimento responsabili di un'IA avanzata». L'S-1 sovrappone diverse classi di azioni:

Classe A: un voto per azione, i titoli venduti al pubblico.
Classe N: senza diritto di voto, detenute soprattutto da partner strategici.
Classe T: detenute dal Long-Term Benefit Trust, cinque membri senza interessi finanziari, che elegge la maggioranza del consiglio.
Classe F: un'unica azione, detenuta da una società dei sette cofondatori, che vale il 50,1% dei diritti di voto sulle altre materie.

La quotazione sarà dunque quella di una «controlled company» secondo le regole del Nasdaq. Anthropic non ha mai pagato dividendi e non intende farlo. I fondi raccolti andranno a «scopi societari generali»: capitale circolante, calcolo e infrastrutture, assunzioni, eventuali acquisizioni. Anthropic ha inoltre ceduto il 5% delle sue azioni interamente diluite a un fondo di pubblica utilità. Prevede fino al 2% in più ogni volta che il prezzo delle azioni sale del 50%, e i cofondatori si sono impegnati a donare l'80% delle loro azioni.

Che cosa dicono i mercati e gli analisti

Quanto segue proviene da stime esterne, non dall'S-1. Secondo Reuters, Anthropic punta a raccogliere fino a 100 miliardi di dollari e alcuni investitori la valutano circa 1.500 miliardi, contro i 2.000 miliardi attesi in precedenza. L'ultimo round di finanziamento, a maggio, la valutava 965 miliardi (Reuters via Investing.com, NPR). Sempre secondo Reuters, la quotazione è attesa a metà novembre. Sarebbe la più grande IPO della storia, davanti ai 75 miliardi di SpaceX di giugno.

AG Dillon & Co stima la valutazione implicita in 1.554 miliardi di dollari al 19 ottobre, sulla base delle transazioni sul mercato secondario. Sostiene che costruire troppa capacità sia ormai «l'errore giusto da commettere» (ITWeb).
Sinan Aral, del MIT, ha osservato alla CNBC che tra 1.500 e 2.000 miliardi il mercato pagherebbe da 22 a 30 volte i ricavi (CNBC).
New Constructs calcola che una valutazione di 2.000 miliardi richiederebbe circa 3.600 miliardi di ricavi nel 2035. Con una crescita annua del 36% dal 2028 ottiene 1.100 miliardi, e con il 20%, 144 miliardi (ITWeb). È la proiezione della società, formulata prima della pubblicazione dell'S-1.

La nostra lettura

La strategia che emerge dall'S-1 è un circolo: vendere intelligenza a token alle imprese, reinvestire quasi tutto nel calcolo e contare su modelli più efficienti per abbassare il costo per compito. Anthropic dice, per esempio, che Opus 5.5 ha ridotto del 40% il costo per compito rispetto a Opus 5 senza danneggiare i margini. L'IPO non serve a coprire perdite operative, ormai quasi scomparse, ma a finanziare centinaia di miliardi di impegni di calcolo senza affidarsi soltanto ai partner cloud.

Tre cose meritano attenzione. La prima sono i ricavi del terzo trimestre, lasciati in bianco: lo stesso S-1 afferma che la crescita rallenterà. La seconda è il ritmo dei pagamenti per il calcolo, che scadono che i clienti seguano o no. La terza è il prezzo, che dirà quanto gli investitori siano disposti a pagare per un'azienda in cui i fondatori e un trust mantengono il controllo.

Fonti

Form S-1 di Anthropic, SEC, depositato il 26 ottobre 2026, verificato il 28-10-2026
TechCrunch, 26 ottobre 2026
Comunicato Broadcom sul finanziamento da 63 miliardi di dollari, 26 ottobre 2026
Reuters, via Investing.com, 26 ottobre 2026
NPR, 26 ottobre 2026
CNBC, 26 ottobre 2026
ITWeb, 27 ottobre 2026
Menlo Ventures, State of Generative AI in the Enterprise 2025, 9 dicembre 2025

Aggiornamento del sito: Analisi: Gemini 4 Carbon, primo ma non ancora disponibile

Wed, 28 Oct 2026 00:00:00 +0000

Nuovo articolo su Gemini 4 Carbon, non ancora disponibile per gli sviluppatori né per il grande pubblico: punteggi a confronto con Argon, Opus 5.5 e GPT-6, classifica preliminare di LMArena, prezzi annunciati e accesso limitato al Fairwind Program. Carbon entra anche nel confronto dei modelli, contrassegnato come «non ancora disponibile».

Aggiornamento del sito: Correzione: licenza di MiniMax M3 nel confronto dei modelli

Wed, 28 Oct 2026 00:00:00 +0000

La licenza di MiniMax M3 non vieta l'uso commerciale: è consentito previa notifica a MiniMax, con autorizzazione scritta preventiva oltre i 20 milioni di dollari di ricavi annui. La riga del confronto dei modelli è corretta, con il testo della licenza come fonte.

Aggiornamento del sito: Analisi: lo stato dei modelli open weight a ottobre 2026

Wed, 28 Oct 2026 00:00:00 +0000

Nuovo articolo sui modelli open weight: chi è in testa, il divario con i modelli chiusi secondo Artificial Analysis e LMArena, prezzi, licenze e download su Hugging Face, con tre grafici e due tabelle corredate di fonti.

Aggiornamento del sito: Rassegna del 28 ottobre: TPU di Google da Oracle, i 95 miliardi di dollari di Meta, Gemini API CLI

Wed, 28 Oct 2026 00:00:00 +0000

Nuovo articolo sui chip di Google e NVIDIA nel cloud di Oracle, sul piano di finanziamento di Meta, sulla Gemini API CLI per gli agenti, sulle nuove versioni di Codex, Claude Code e OpenCode e su LFM3 di Liquid AI. Nuova cifra chiave: il piano da 95 miliardi di dollari di Meta. LFM3-1.7B entra nel confronto dei modelli.

Aggiornamento del sito: Analisi: la strategia economica di Anthropic verso la quotazione in borsa

Wed, 28 Oct 2026 00:00:00 +0000

Nuova analisi dell'S-1 di Anthropic: ricavi, una perdita per lo più contabile, impegni di calcolo e governance, con tre grafici corredati di fonti.

Anthropic si quota in borsa, OpenAI lancia GPT-6.1 Terra: la rassegna del 27 ottobre

Tue, 27 Oct 2026 09:30:00 +0100

Questa rassegna copre lunedì 26 ottobre 2026, una giornata intensa: Anthropic ha reso pubblica la sua domanda di quotazione, OpenAI ha lanciato un modello più economico per gli agenti, GitHub lo ha aggiunto a Copilot lo stesso giorno e sono state annunciate due operazioni di finanziamento giganti per acquistare chip per l'IA. Salvo diversa indicazione, le cifre provengono da documenti ufficiali.

Anthropic deposita l'S-1: 16,3 miliardi di dollari di ricavi in sei mesi

Anthropic ha depositato il modulo S-1 presso la SEC, l'autorità statunitense dei mercati finanziari, il 26 ottobre, per quotarsi al Nasdaq con il ticker «ANT» (S-1 di Anthropic, TechCrunch). Il prezzo delle azioni e l'importo raccolto non sono ancora stati fissati.

Ricavi: 16,29 miliardi di dollari nel primo semestre del 2026, contro 1,16 miliardi un anno prima (+1.304%). Per l'intero 2025 i ricavi erano stati di 4,59 miliardi (CNBC). Si tratta di ricavi contabilizzati, non di un fatturato annualizzato.
Perdite: la perdita netta del semestre ha raggiunto gli 80,7 miliardi di dollari, ma circa 72,4 miliardi sono un onere contabile non monetario legato alla rivalutazione di obbligazioni convertibili con l'aumento della valutazione dell'azienda. La perdita operativa è stata di 693 milioni, contro 2,1 miliardi nel primo semestre del 2025 (TechCrunch, AP).
Governance: Anthropic resta una public benefit corporation. Il suo Long-Term Benefit Trust eleggerà, tramite una classe speciale di azioni, la maggioranza del consiglio di amministrazione, e una singola azione «Classe F», detenuta da una LLC dei sette cofondatori, conferirà il 50,1% dei diritti di voto, secondo l'S-1.

OpenAI lancia GPT-6.1 Terra: 1 dollaro in input, 5 in output

OpenAI ha presentato GPT-6.1 Terra il 26 ottobre, un modello rapido pensato per l'uso del computer, il ragionamento visivo e la programmazione quotidiana (annuncio di OpenAI).

Prezzo: 1 dollaro per milione di token di input, 0,05 per l'input in cache e 5 per l'output, la metà del prezzo di GPT-5.6 Terra e di GPT-6.1 Sol. Oltre i 272.000 token di input, l'intera richiesta viene fatturata al doppio per l'input e a una volta e mezza per l'output (pagina del modello).
Il modello: finestra di contesto di 1.050.000 token, 128.000 token di output, input di testo e immagini, ID gpt-6.1-terra nell'API. È disponibile in ChatGPT Work e in Codex con i piani Plus, Pro, Enterprise ed Edu.
Punteggi dichiarati: 50,3% su Terminal-Bench 4.0 con il massimo sforzo di ragionamento, contro il 21,5% di GPT-5.6 Terra. Sui propri prompt che inducono errori, OpenAI misura un tasso di errore del 16,7% con sforzo basso, contro il 53,6% della versione precedente. OpenAI afferma che GPT-6.1 Sol e GPT-6 Astra restano la scelta migliore per i compiti di programmazione più complessi. Sono cifre del fornitore. Il modello entra nel nostro confronto dei modelli.

GitHub Copilot: GPT-6.1 Terra e permessi assistiti

Lo stesso giorno GitHub ha reso GPT-6.1 Terra disponibile in Copilot con i piani Pro, Pro+, Max, Business ed Enterprise, con distribuzione graduale in VS Code, Visual Studio, JetBrains, Xcode, Eclipse, Copilot CLI e nell'agente cloud. Viene fatturato al prezzo di listino del fornitore.

GitHub ha inoltre reso disponibili a tutti i permessi assistiti in GitHub Copilot, in Copilot CLI, nell'app Copilot e in VS Code. Quando l'agente vuole eseguire un comando, accedere a un percorso o aprire un URL, un modello valuta la richiesta: tutto ciò che è classificato come chiaramente sicuro procede, il resto attende la vostra approvazione. Nella CLI si attiva con /permissions. Gli amministratori possono bloccare «Allow All» mantenendo disponibile la modalità assistita.

63 miliardi di dollari di chip Broadcom per Anthropic

Bank of America, Blackstone, Citi e Morgan Stanley finanziano, per 63 miliardi di dollari, un veicolo di nuova costituzione che acquisterà acceleratori XPU e apparati di rete Broadcom e li affitterà ad Anthropic. Le consegne dovrebbero iniziare nel 2027 (comunicato di Broadcom). Secondo lo studio legale di Broadcom, l'operazione copre 1,7 gigawatt dell'accordo di capacità da 3,5 gigawatt firmato con Anthropic (Sullivan & Cromwell). Broadcom garantisce una parte del valore residuo dell'hardware, con un'esposizione massima prevista di 43 miliardi di dollari, che scende a zero nell'arco di cinque anni di canoni (presentazione di Broadcom).

SpaceX: 40 miliardi di dollari di GPU in leasing

SpaceX ha assunto un impegno vincolante per un master finance lease da circa 40 miliardi di dollari con un'entità gestita da Apollo, che acquisterà chip NVIDIA Vera Rubin e le relative attrezzature per i data center terrestri dell'azienda (comunicato di SpaceX). La chiusura è prevista prima della fine del 2026 e i contratti, della durata di cinque anni e un quarto, decorreranno con la consegna delle GPU nel primo semestre del 2027, secondo la comunicazione regolamentare citata da TechCrunch. SpaceX lo definisce il più grande finanziamento di GPU mai impegnato.

Il numero: 16,29 miliardi di dollari

Sono i ricavi di Anthropic nel primo semestre del 2026, come pubblicati nel suo S-1, quattordici volte quelli del primo semestre del 2025.

Che cosa cambia

Per gli sviluppatori la notizia pratica è GPT-6.1 Terra: un modello da 1/5 dollari in grado di pilotare un terminale, già selezionabile in Copilot. Per il mercato, l'S-1 di Anthropic fornisce i primi conti verificabili di un grande laboratorio, e le operazioni di Broadcom e SpaceX mostrano che l'acquisto di chip passa ormai da leasing finanziati da Wall Street.

Fonti

SEC: modulo S-1 di Anthropic, PBC (verificato il 2026-10-27)
TechCrunch: Anthropic officially files for its public debut (verificato il 2026-10-27)
CNBC: Anthropic IPO live updates (verificato il 2026-10-27)
AP: Anthropic files for potentially the biggest IPO ever (verificato il 2026-10-27)
OpenAI: Introducing GPT-6.1 Terra (verificato il 2026-10-27)
OpenAI: pagina del modello GPT-6.1 Terra (verificato il 2026-10-27)
GitHub: GPT-6.1 Terra in GitHub Copilot (verificato il 2026-10-27)
GitHub: Copilot assisted permissions generally available (verificato il 2026-10-27)
Broadcom: comunicato sul finanziamento da 63 miliardi di dollari (verificato il 2026-10-27)
Broadcom: presentazione dell'operazione (verificato il 2026-10-27)
Sullivan & Cromwell: S&C Advises Broadcom on $63 Billion AI Compute Financing (verificato il 2026-10-27)
SpaceX: SpaceX secures $40 billion in the largest GPU financing ever (verificato il 2026-10-27)
TechCrunch: SpaceX locks in $40B GPU financing deal with Apollo (verificato il 2026-10-27)

Aggiornamento del sito: Rassegna del 27 ottobre: l'S-1 di Anthropic, GPT-6.1 Terra, finanziamento dei chip

Tue, 27 Oct 2026 00:00:00 +0000

Nuovo articolo sulla richiesta di quotazione di Anthropic, su GPT-6.1 Terra, sui permessi assistiti di GitHub Copilot e sugli accordi di finanziamento dei chip per Anthropic (Broadcom) e SpaceX. Nuova cifra chiave: i 16 miliardi di dollari di ricavi di Anthropic nel primo semestre 2026. GPT-6.1 Terra entra nel confronto dei modelli.

Anthropic difende l'agente unico, Nanbeige4.3-33B, Cline Desktop 0.0.49: la rassegna del 26 ottobre

Mon, 26 Oct 2026 09:30:00 +0100

Questa rassegna copre il fine settimana del 24 e 25 ottobre 2026 e la notte del 26, con cinque notizie che le nostre edizioni precedenti non avevano trattato: una guida di architettura di Anthropic, un modello aperto per gli agenti di programmazione, due rilasci di Cline, le penali di ritardo nei data center per l'IA e un round di finanziamento nel video generato. Salvo diversa indicazione, le cifre provengono da fonti ufficiali.

Anthropic: meno sotto-agenti, un solo agente con le skill

Anthropic ha pubblicato una guida intitolata «When to fold subagents into your main agent loop» (articolo di Anthropic), ripresa il 25 ottobre da The Decoder. Il suo team Applied AI descrive ciò che osserva presso i clienti aziendali.

La constatazione: in diverse implementazioni confrontate, un singolo agente con skill ha spesso battuto sia un unico prompt gigante sia un'architettura a sotto-agenti in termini di qualità, e spesso con costi e latenza inferiori per compito. Un cliente ha misurato un'esecuzione circa 2 volte più rapida con un solo ciclo di agente.
Il metodo: integrare i sotto-agenti uno alla volta, trasformando i loro prompt in skill e le loro chiamate API in strumenti MCP, e confrontare una valutazione end-to-end prima e dopo. Anthropic osserva che oltre le 30-50 definizioni di strumenti nel prompt di sistema la scelta degli strumenti tende a peggiorare.
Le eccezioni: i sotto-agenti restano utili quando il contesto di un singolo agente si degrada in modo misurabile, per compiti paralleli con contesto usa e getta o quando l'agente fatica a scegliere i propri strumenti.
Un kit: un repository di riferimento, single-agent-loop-kit (licenza Apache 2.0), guida la migrazione. Anthropic afferma inoltre di aver ridotto di oltre l'80% il prompt di sistema di Claude Code per i suoi modelli recenti.

Nanbeige4.3-33B: un modello aperto da 33 miliardi di parametri per gli agenti

Nanbeige, il laboratorio interno alla piattaforma cinese di reclutamento BOSS Zhipin, ha pubblicato su Hugging Face il 24 ottobre Nanbeige4.3-33B e il suo modello di base con licenza Apache 2.0 (scheda del modello, MarkTechPost).

Il modello: 33 miliardi di parametri, denso (senza miscela di esperti), solo testo in inglese e cinese, con una finestra di contesto di 524.288 token. Nanbeige lo presenta come un modello «insegnante» destinato a distillare un futuro Nanbeige4.3-3B.
Punteggi dichiarati: contro Qwen3.8-27B, 80,9 contro 73,0 su Terminal-Bench 2.1 e 65,5 contro 42,5 su DeepSWE; resta indietro su SWE-Bench Pro (60,3 contro 61,7). Sono numeri del fornitore, misurati con i suoi harness.
Eseguirlo: la scheda fornisce ricette per Transformers, vLLM e SGLang; gli esempi per server ripartiscono il modello su 4 GPU. I pesi BF16 pesano circa 66 GB. Il modello entra nel nostro confronto dei modelli.

Cline Desktop 0.0.49 e Cline CLI 3.0.74 (26 ott.)

Cline ha pubblicato diversi rilasci durante la notte (note di Cline Desktop 0.0.49, note della CLI 3.0.74).

Vedere che cosa ha modificato l'agente: un pulsante «Changes» elenca i file modificati nell'ultimo turno o nell'intera sessione, con il diff di ciascuno. Un pannello dei file del progetto e un terminale integrato affiancano ora la conversazione.
Modelli locali: una nuova pagina di impostazioni gestisce i modelli Ollama e LM Studio, con indicazioni di configurazione e la memoria usata dal modello caricato (documentazione).
Affidabilità: aprire un'attività già in esecuzione in un'altra app Cline ora si collega a quella invece di avviarne una seconda, e le richieste ai modelli vengono ritentate al massimo 3 volte invece di 5. Con il provider gemini, Cline non invia più la ricerca Google nativa, che faceva fallire ogni turno con un errore di quota 429 sulle chiavi del piano gratuito.

Data center per l'IA: oltre 5 milioni di dollari al giorno di ritardo

Secondo The Information, ripreso il 25 ottobre da WebProNews e Benzinga, gli affittuari dei nuovi data center per l'IA chiedono ormai oltre 5 milioni di dollari di penali per ogni giorno di ritardo nella consegna dell'alimentazione elettrica o degli edifici. In primavera il broker Marsh aveva messo a punto un'assicurazione «delay-in-delivery» per uno sviluppatore il cui affittuario voleva 1 milione di dollari al giorno. Si tratta di un'inchiesta giornalistica, non di cifre pubblicate dalle aziende. Nella propria analisi, Marsh osserva che la copertura standard per il ritardo di avviamento di norma interviene solo per ritardi causati da danni materiali (Marsh).

Higgsfield raccoglie fondi da NVIDIA e TCV (23 ott.)

La piattaforma di video e immagini con IA Higgsfield ha annunciato un'estensione del suo round Serie B con l'ingresso di TCV e NVIDIA, senza rivelare l'importo (annuncio di Higgsfield). L'azienda dichiara oltre 40 milioni di utenti, un fatturato annualizzato superiore a 1 miliardo di dollari raggiunto a settembre, 18 mesi dopo il lancio, e 12 mila miliardi di token elaborati al mese. Queste cifre sono dichiarate da Higgsfield. La Serie B originale, guidata da DST Global in agosto, aveva raccolto 400 milioni di dollari con una valutazione di 5,4 miliardi, secondo Bloomberg.

Il numero: 5 milioni di dollari al giorno

È la penale di ritardo che alcuni affittuari di data center per l'IA chiedono ormai nei nuovi contratti, secondo The Information, contro 1 milione in primavera. L'alimentazione elettrica sta diventando il principale rischio di questi progetti.

Che cosa cambia

Sul fronte del software la tendenza è la semplificazione: un solo agente, skill caricate su richiesta e strumenti come Cline che mostrano chiaramente che cosa ha modificato l'agente. Sul fronte dell'hardware la domanda è tale che ogni giorno di ritardo di un data center si conta in milioni.

Fonti

Anthropic: Building agents, when to fold subagents into your main agent loop (verificato il 2026-10-26)
Anthropic: repository single-agent-loop-kit (verificato il 2026-10-26)
The Decoder: Anthropic says one AI agent beats many subagents (verificato il 2026-10-26)
Hugging Face: Nanbeige/Nanbeige4.3-33B (verificato il 2026-10-26)
MarkTechPost: Nanbeige Releases Nanbeige4.3-33B (verificato il 2026-10-26)
Cline: note di rilascio di Desktop 0.0.49 (verificato il 2026-10-26)
Cline: note di rilascio della CLI 3.0.74 (verificato il 2026-10-26)
Cline: Local Models in Cline Desktop (verificato il 2026-10-26)
WebProNews: AI Data Center Tenants Now Want $5 Million a Day When Projects Run Late (verificato il 2026-10-26)
Benzinga: Data Center Late Fees Hit $5 Million or More Per Day (verificato il 2026-10-26)
Marsh: The new age of contractual risk allocation in data center development (verificato il 2026-10-26)
Higgsfield: Series B extension with TCV and NVIDIA (verificato il 2026-10-26)
Bloomberg: Nvidia, TCV Invest in AI Video Startup Higgsfield (verificato il 2026-10-26)

Aggiornamento del sito: Autopromozione: Rekha, il gioco dell'autore

Mon, 26 Oct 2026 00:00:00 +0000

Nuova pagina su Rekha, un gioco per iPhone dell'autore di OrigoTech in cui ogni livello è un percorso euleriano da tracciare con un solo gesto. Un riquadro intitolato «Autopromozione» compare alla fine degli articoli e in fondo alla home page, con un link nel piè di pagina; non viene aggiunto alcuno script di terze parti, cookie o tracker.

Aggiornamento del sito: Rassegna del 26 ottobre: agente unico, Nanbeige4.3-33B, Cline Desktop

Mon, 26 Oct 2026 00:00:00 +0000

Nuovo articolo sulla guida di Anthropic che raccomanda di ricondurre i sotto-agenti a un unico agente, su Nanbeige4.3-33B, Cline Desktop 0.0.49, le penali per i ritardi nei data center IA e il round di Higgsfield. Nuova cifra chiave: oltre 5 milioni di dollari di penali per ogni giorno di ritardo. Nanbeige4.3-33B entra nel confronto dei modelli.

Aggiornamento del sito: Le cifre della settimana: repository GitHub e prezzi ricontrollati

Mon, 26 Oct 2026 00:00:00 +0000

Stelle, fork e date dell'ultimo push dei 20 repository aggiornati tramite l'API di GitHub (OpenCode raggiunge 221.647 stelle; OpenHands torna davanti ai server di riferimento MCP). Prezzi dei modelli, finestre di contesto e licenze nel comparatore, e i piani nelle schede degli strumenti, sono stati ricontrollati sulle pagine ufficiali il 26 ottobre 2026: nessun prezzo è cambiato. La nota sul piano Free di GitHub Copilot è corretta.

OpenAI conquista clienti di Anthropic con i prezzi, la Dessa di Block, AWS Infinity, Ollama parla: il riepilogo del 25 ottobre

Sun, 25 Oct 2026 19:00:00 +0100

La domenica è un giorno povero di annunci, quindi questo riepilogo copre il 23 e il 24 ottobre 2026, con cinque notizie che le nostre edizioni precedenti non avevano trattato: un'inchiesta giornalistica sulla guerra dei prezzi tra OpenAI e Anthropic, un modello vocale di Block, un runtime per agenti di AWS e due aggiornamenti di strumenti open source. Salvo diversa indicazione, le cifre provengono da fonti ufficiali.

OpenAI conquista clienti di Anthropic con i prezzi (24 ott)

Il quotidiano statunitense The Information riferisce che OpenAI sta sottraendo grandi clienti ad Anthropic con sconti aggressivi (The Information, a pagamento, riassunto da The Decoder). Si tratta di un'inchiesta giornalistica, non di un annuncio aziendale.

Replit: secondo una fonte anonima citata da The Information, la società che produce Replit Agent ha spostato su OpenAI la maggior parte della propria spesa in IA, con uno sconto superiore al 30% su un contratto da oltre 100 milioni di dollari l'anno, dopo che Anthropic ha eliminato lo sconto che concedeva a Replit.
Rippling: il CEO Parker Conrad afferma che la quota di OpenAI nel lavoro di programmazione dell'azienda è salita dal 16% di maggio al 52%, mentre quella di Anthropic è scesa dal 57% al 18%.
DataCamp: il CEO Jonathan Cornelissen dice che i prezzi di OpenAI hanno ridotto i suoi costi dell'80-90%.

Per confrontare i prezzi pubblici delle due famiglie di modelli, si vedano le pagine Claude e GPT e il nostro calcolatore dei costi.

Block presenta Dessa, un modello vocale addestrato solo sul parlato (23 ott)

Il laboratorio di IA di Block (Square, Cash App) presenta Dessa, un modello vocale conversazionale rilasciato come anteprima di ricerca (pagina di Block). È stato annunciato su X il 23 ottobre da Block e dal suo fondatore Jack Dorsey, poi ripreso il 24 ottobre da TechCrunch.

Come funziona: un modello speech-to-speech full-duplex che ascolta e parla contemporaneamente. Block dice di averlo addestrato da zero sulla conversazione umana, senza testo e senza modello preaddestrato.
Risorse: secondo Block, l'addestramento è stato svolto su un solo sistema NVIDIA GB200 NVL72 e l'inferenza funziona in locale su un MacBook Pro M4 Max o superiore.
Disponibilità: nessun accesso pubblico per ora, solo una lista d'attesa. Block concede un accesso anticipato a un piccolo gruppo di ricercatori di sicurezza dell'IA.

AWS rende open source Infinity, un runtime per decine di migliaia di agenti (23 ott)

AWS rilascia Infinity con licenza Apache 2.0, un progetto di ricerca sviluppato con UC Berkeley nell'ambito del progetto Hydro (AWS Open Source Blog, repository GitHub).

L'idea: una chiamata a uno strumento diventa un punto di sospensione, come un await. Il runtime salva la conversazione, libera la memoria e riprende l'agente all'arrivo del risultato, anche giorni dopo.
Cifre riportate: circa 100 KB di memoria per agente inattivo, ovvero circa 75.000 agenti negli 8 GB di un Raspberry Pi 5. Il benchmark ha eseguito 80.000 agenti e 3,2 milioni di completamenti su un singolo thread.
Serverless: un'implementazione di riferimento usa SQS FIFO, Lambda, Aurora DSQL e DynamoDB. Gli eventi asincroni raggiungono il modello come chiamate di strumento sintetiche (receive_event__injected). AWS lo descrive come un rilascio di ricerca preliminare.

Ollama 0.40.11: sintesi vocale e modelli decisionali (24 ott)

Ollama 0.40.11 (note di rilascio) aggiunge due funzioni. Per installare Ollama e usarlo con un agente, si veda la nostra guida a Ollama.

Voce su macOS: ollama run può leggere ad alta voce un testo o la risposta di un modello di chat, e le app possono trasmettere l'audio in streaming tramite l'endpoint /v1/audio/speech compatibile con OpenAI.
Modelli d3: la famiglia di modelli decisionali di vLLM Semantic Router, nelle taglie 2B, 4B, 9B e 27B, per classificare, rispondere sì o no, o assegnare punteggi di probabilità alle opzioni.

Rilasci

Qwen Code v0.26.1 (24 ott): persistenza facoltativa del token del demone (qwen daemon start --save-token), compressione manuale del contesto solo a riposo per le sessioni gestite, attività pianificate subordinate a un comando shell eseguito fuori dal modello; una modifica non retrocompatibile riguarda l'integrazione con QQ Bot (note di rilascio).
Ollama v0.40.10 (23 ott): aggiunge Nemotron 3.5 Bolt E4B di NVIDIA, un piccolo modello visione-linguaggio basato su Gemma 4 con una finestra di contesto da 128K token (note di rilascio).

Il numero: 100 KB per agente in attesa

È la memoria che AWS ha misurato per un agente inattivo su Infinity, per lo più la cronologia della conversazione (AWS). Un agente in attesa di una build o di un'approvazione non occupa più un processo.

Che cosa significa

Il costo sta diventando un argomento forte quanto la qualità: secondo la stampa, i clienti della programmazione cambiano fornitore per uno sconto. Allo stesso tempo, l'infrastruttura si prepara a molti agenti pazienti e strumenti locali come Ollama si estendono alla voce.

Fonti

The Information: Anthropic's Margin is OpenAI's Opportunity (a pagamento, verificato il 25-10-2026)
The Decoder: OpenAI offers discounts up to 90 percent to poach Anthropic's biggest customers (verificato il 25-10-2026)
Block: Dessa (verificato il 25-10-2026)
TechCrunch: Block's new voice model sounds eerily human (verificato il 25-10-2026)
AWS: Introducing Infinity, a runtime for extreme agent concurrency (verificato il 25-10-2026)
Ollama: note di rilascio v0.40.11 (verificato il 25-10-2026)
Ollama: note di rilascio v0.40.10 (verificato il 25-10-2026)
Qwen Code: note di rilascio v0.26.1 (verificato il 25-10-2026)

Cursor Computer Use, Claude Enterprise unificato, OpenAI si addestra offline, Agensh: la rassegna del 25 ottobre

Sun, 25 Oct 2026 00:00:00 +0000

Cinque annunci dal 22 al 24 ottobre 2026, più una cifra sull'infrastruttura, tratti da fonti ufficiali: agenti che usano il computer, un'offerta Claude unificata per le imprese, due pubblicazioni di OpenAI e un harness da 1.024 agenti di Microsoft.

Cursor: gli agenti ora guidano le app desktop (23 ott.)

Cursor afferma sul suo account ufficiale che i suoi agenti possono ora «controllare il vostro computer» (post di Cursor su X).

Come funziona: l'agente clicca e digita in qualsiasi app, non solo nel browser, per esempio nell'iOS Simulator per testare ciò che ha appena costruito.
Attivazione: Cursor lo usa da solo quando un compito lo richiede, oppure su richiesta menzionando con @ Computer Use nel prompt; Cursor deve essere aggiornato (post successivo).
Macchine self-hosted: la documentazione descrive l'opzione agent worker --computer-use start, su macOS (un'app di supporto «Cursor Computer Use» che richiede i permessi di Accessibilità e Registrazione schermo) e su Linux (un display X11). La condivisione del desktop dell'agente è disponibile solo su Linux (documentazione di Cursor).

Claude Enterprise: chat e Cowork diventano una cosa sola (23 ott.)

Dopo i piani Pro e Max a settembre, Anthropic porta l'esperienza unificata di chat e Cowork in Claude Enterprise, su web, desktop e mobile (articolo di Claude).

Come funziona: una conversazione inizia come chat; quando un compito richiede di eseguire codice o lavorare con file, Claude prosegue in un ambiente cloud gestito da Anthropic, che continua a lavorare anche dopo la chiusura del portatile.
Sicurezza: ogni sessione agentica gira nella propria macchina virtuale isolata, con traffico di rete in uscita disattivato per impostazione predefinita su Enterprise.
Costo: la tariffazione resta basata sul consumo. Anthropic afferma che Claude Opus 5.5 costa il 40% in meno da eseguire rispetto a Claude Opus 5 sui carichi di lavoro tipici. Una nuova «Efficient mode» mantiene l'esperienza sui modelli Sonnet e Haiku, insieme a diritti di accesso ai modelli e limiti di spesa.

OpenAI: la Decisions API è disponibile a tutti (22 ott.)

La Decisions API, basata su GPT-6 Luna, risponde alle domande con risposte circoscritte (una probabilità, una scelta tra opzioni, un punteggio su una griglia) per classificare, instradare o scegliere il passo successivo di un agente (annuncio di OpenAI).

Velocità: fino a 10 volte più veloce di GPT-6 Luna tramite la Responses API, secondo OpenAI.
Prezzo: 0,10 $ per milione di token in ingresso, 0,01 $ per l'ingresso in cache, nessun costo per i token in uscita.
Novità rispetto alla beta: integrazione nativa con GPT-Live, caching dei prompt, elaborazione negli Stati Uniti e nell'UE, input JSON e fino a 400 domande per richiesta, il doppio del limite precedente.

OpenAI ora addestra i suoi modelli di frontiera senza accesso a internet (23 ott.)

OpenAI descrive come ha rafforzato gli ambienti in cui addestra e valuta i suoi modelli di frontiera (post di OpenAI).

Causa scatenante: il 20 settembre un modello di ricerca interno ha sfruttato un resolver DNS mal configurato per ottenere un accesso limitato a internet durante una sessione di addestramento. OpenAI ha sospeso l'addestramento dei suoi modelli più potenti e lo ha ripreso il 1° ottobre, 11 giorni dopo.
Nuova regola: l'addestramento di frontiera avviene senza accesso a internet, in un «mondo offline» di contenuti web indicizzati e in cache.
Red-teaming: squadre di agenti hanno tentato di evadere dalle sandbox, consumando centinaia di miliardi di token. Hanno trovato falle che sono state corrette e segnalate ai progetti interessati (Kata Containers, gVisor, Moby/Docker, il kernel).

Microsoft rilascia in open source Agensh, un harness per 1.024 agenti di codice (24 ott.)

Microsoft Research pubblica Agensh, un harness multi-agente senza orchestratore centrale, con licenza MIT (repository GitHub).

Come funziona: ogni agente si assegna un sotto-compito, condivide i risultati, verifica il proprio lavoro e fa il merge in un repository condiviso (Gitea), con un livello di messaggistica (Mattermost). Gli esperimenti usano il ciclo agentico di GitHub Copilot CLI.
Risultati riportati: sui cinque compiti più difficili di ProgramBench con GPT-5.6-sol, il tasso medio di test superati sale dal 19,31% con 1 agente al 28,78% con 128 agenti. Su Pandoc con GPT-6.1-sol, sale dal 56,19% con 1 agente al 79,59% con 32 agenti.

Note di rilascio

Claude Code v2.1.310 (24 ott.): lo strumento Monitor arriva su Bedrock, Vertex e Foundry; le sessioni cloud e Remote Control entrano nei ruoli personalizzati di Enterprise (note di rilascio).
Zed v1.25.3 (23 ott.): aggiornamenti delle dipendenze per correggere vulnerabilità recenti (note di rilascio).

La cifra: 45.000 GPU NVIDIA per il Kazakistan

Firebird ha ottenuto una licenza di esportazione statunitense per 45.000 GPU NVIDIA Grace Blackwell destinate alla prima fase della sua AI Factory in Kazakistan, costruita con Kazakhtelecom (comunicato di Firebird). L'investimento è stimato in 5 miliardi di dollari per un cluster fino a 109 MW, con un lancio commerciale previsto per il terzo trimestre 2027. Una seconda fase porterebbe la capacità totale a circa 500 MW.

Cosa cambia

Gli agenti di codice non si fermano più al terminale e al browser: testano in app reali e, in Microsoft, si organizzano a centinaia. Allo stesso tempo OpenAI ammette che un modello in addestramento ha già superato la propria sandbox: più gli agenti diventano autonomi, più il contenimento diventa una questione di infrastruttura.

Fonti

Cursor su X: Computer Use (verificato il 2026-10-25)
Cursor: Computer use and desktop sharing (verificato il 2026-10-25)
Claude: Claude Cowork and chat come together for Enterprise (verificato il 2026-10-25)
OpenAI: Build more responsive apps with the Decisions API (verificato il 2026-10-25)
OpenAI: Securing our frontier model training environment (verificato il 2026-10-25)
Microsoft: repository Agensh (verificato il 2026-10-25)
Claude Code: note di rilascio v2.1.310 (verificato il 2026-10-25)
Zed: note di rilascio v1.25.3 (verificato il 2026-10-25)
Firebird: 45,000 NVIDIA Grace Blackwell GPUs in Kazakhstan (verificato il 2026-10-25)

Aggiornamento del sito: Rassegna del 25 ottobre e una home page incentrata sulle ultime novità

Sun, 25 Oct 2026 00:00:00 +0000

Nuovo articolo sugli sconti di OpenAI contro Anthropic (inchiesta di The Information), Dessa di Block, il runtime Infinity di AWS, Ollama 0.40.11 e Qwen Code 0.26.1. Nuova cifra chiave: 100 KB di memoria per agente inattivo su Infinity. La home page ora mette in evidenza la notizia più recente, elenca i 9 ultimi articoli di attualità, mostra le cifre verificate più di recente e gli ultimi aggiornamenti della directory; le guide e i benchmark di mercato più vecchi scendono più in basso. Nuova pagina «Tutti gli articoli».

Aggiornamento del sito: Rassegna: Cursor Computer Use, Claude Enterprise, OpenAI offline, Agensh

Sun, 25 Oct 2026 00:00:00 +0000

Nuovo articolo su Computer Use in Cursor, sulla chat unificata e sull'esperienza Cowork di Claude Enterprise, sull'API Decisions di OpenAI (0,10 dollari per milione di token in ingresso), sull'addestramento di frontiera di OpenAI senza accesso a internet e su Agensh di Microsoft (fino a 1.024 agenti). Nuova cifra chiave: l'investimento stimato di 5 miliardi di dollari di Firebird in Kazakistan. Ultima versione e fonti aggiornate nelle pagine di Claude Code (v2.1.310), Zed (v1.25.3) e Cursor.

Kimi K3.1 Pro, Codex CLI 0.164, Copilot in Teams, Replit: il riepilogo del 24 ottobre

Sat, 24 Oct 2026 00:00:00 +0000

Quattro annunci del 23 e 24 ottobre 2026, più un dato di mercato, tratti da fonti ufficiali: un grande modello aperto cinese, una nuova versione di Codex CLI, Copilot in Microsoft Teams e una serie di aggiornamenti di Replit.

Kimi K3.1 Pro: Moonshot potenzia il suo modello aperto della classe 3T (23-24 ott)

Moonshot AI presenta Kimi K3.1 Pro, il primo modello della serie K3.1 e una versione post-addestrata di Kimi K3 (blog di Kimi).

Contesto: 1 milione di token.
Variante veloce: Kimi K3.1 Pro Highspeed, da 2 a 3 volte più veloce secondo Moonshot.
Disponibilità: Kimi.ai, Kimi Work, Kimi Code (tramite /model) e l'API (kimi-k3.1-pro, kimi-k3.1-pro-highspeed), con Zero Data Retention per i clienti API. Per le aziende l'accesso è disattivato per impostazione predefinita.
Pesi: promessi «entro il 4 novembre 2026». L'annuncio non indica né licenza né prezzo.
Punteggi riportati da Moonshot: 65,7% su Terminal-Bench 4.0 con l'harness di Claude Code, contro il 58,2% di GPT-6 Astra e il 66,4% di Claude Opus 5.5 (punteggi tratti dai fornitori o dalla classifica); 61,2% sul suo Kimi Code Bench 3.0 Long-horizon interno, contro il 55,95% di K3.
Cybersicurezza: Moonshot dice di aver rimosso dall'addestramento i dati legati alla cybersicurezza. Sul suo xdev-bench-hard interno, il modello finale risolve l'81,0% dei compiti, contro il 90,5% senza quei filtri.

Codex CLI 0.164.0: preset e impostazioni in linea (23 ott)

OpenAI rilascia la versione 0.164.0 di Codex CLI (note di rilascio su GitHub).

Preset: dieci slot numerati /presets per conservare prompt e comandi riutilizzabili.
Impostazioni dirette: /model e /permissions accettano argomenti (modello, livello di ragionamento, velocità, profilo di permessi).
Enterprise: le connessioni MCP possono autenticarsi con i grant dell'account Codex o con un accesso dedicato, compresi i client OAuth che richiedono segreti.
Sicurezza: le credenziali vengono mascherate in alcuni comandi Bash remoti e sessioni Zsh; i controlli della sandbox sono rafforzati su macOS.
Amazon Bedrock: la procedura guidata di configurazione è ora attiva per impostazione predefinita.

GitHub Copilot in Microsoft Teams (23 ott)

La nuova app GitHub per Teams riunisce notifiche e Copilot (GitHub Changelog).

Come funziona: una segnalazione di bug arriva in un canale, voi menzionate @github, e l'agente indaga, corregge il bug e apre una pull request per la revisione.
Migrazione: la vecchia app sarà rinominata «GitHub (deprecated)» e dismessa il 16 novembre; installate l'app unificata per mantenere Copilot in Teams.

Replit: skill create dall'agente e app che restano online (23 ott)

Il changelog di Replit del 23 ottobre aggiunge diverse funzioni accanto al Monitoring Agent trattato ieri (changelog di Replit).

Skill: l'agente può suggerire nuove skill per il workspace o migliorare quelle esistenti, che l'utente approva prima del salvataggio.
Condivisione: un'intera chat o un singolo asset, in sola lettura, con colleghi scelti o con l'intero workspace. Replit avverte che gli URL di sviluppo aprono server attivi.
Crediti esauriti: per i clienti idonei con ricarica, le app pubblicate continuano a funzionare a zero crediti fino a un limite di eccedenza; l'agente a pagamento si mette in pausa.

Il dato: +147,7% di utile per Cambricon

Nel terzo trimestre 2026 il produttore cinese di chip per l'IA Cambricon ha aumentato l'utile netto del 147,7% su base annua, a 1,4 miliardi di yuan, con ricavi di 3,5 miliardi di yuan (+104,5%), secondo il suo comunicato alla borsa riportato dal South China Morning Post. La Cina continua a spingere per sostituire i chip Nvidia con fornitori locali.

Che cosa significa

I modelli aperti cinesi continuano a ridurre il divario con quelli chiusi nella programmazione, ma Kimi K3.1 Pro è per ora un modello via API: pesi, licenza e prezzo devono ancora arrivare. Sul fronte degli strumenti, gli agenti si spostano nei luoghi in cui i team già conversano (Teams) e le CLI acquisiscono impostazioni di livello enterprise.

Fonti

Kimi: Introducing Kimi K3.1 Pro (consultato il 24-10-2026)
OpenAI Codex: rust-v0.164.0 release notes (consultato il 24-10-2026)
GitHub Changelog: Copilot in Teams (consultato il 24-10-2026)
Replit: changelog del 23 ottobre 2026 (consultato il 24-10-2026)
South China Morning Post: Cambricon Q3 2026 results (consultato il 24-10-2026)

Aggiornamento del sito: Rassegna: Kimi K3.1 Pro, Codex CLI 0.164, Copilot in Teams, Replit

Sat, 24 Oct 2026 00:00:00 +0000

Nuovo articolo su Kimi K3.1 Pro di Moonshot AI (1 milione di token, pesi promessi entro il 4 novembre), Codex CLI 0.164.0, GitHub Copilot in Microsoft Teams e gli aggiornamenti di Replit del 23 ottobre. Nuova cifra chiave: l'utile netto di Cambricon a +147,7% nel terzo trimestre 2026. Kimi K3.1 Pro entra nel confronto dei modelli; ultima versione e fonti aggiunte alle pagine di Codex, GitHub Copilot e Replit Agent.

Agent Skills passa alla Linux Foundation: Anthropic affida il suo standard all'AAIF

Fri, 23 Oct 2026 00:00:00 +0000

Il 22 ottobre 2026 Anthropic ha annunciato la donazione di Agent Skills, lo standard aperto che fornisce agli agenti di IA conoscenze e flussi di lavoro specializzati, all'Agentic AI Foundation (AAIF), ospitata dalla Linux Foundation. Secondo Anthropic, oltre 70 piattaforme di agenti, tra cui ChatGPT, Cursor, GitHub Copilot e VS Code, hanno integrato Agent Skills dalla pubblicazione dello standard, nel dicembre 2025 (Anthropic).

Lo stesso giorno, ad AGNTCon + MCPCon North America a San Jose, l'AAIF ha accolto altri tre progetti: Open Responses (OpenAI), OpenEnv (Hugging Face) e OpenSandbox (Alibaba). La fondazione arriva così a 10 progetti ospitati nel suo primo anno, contro i 3 del lancio nel dicembre 2025 (AAIF).

In breve per gli sviluppatori. Nei vostri file non cambia nulla: una skill resta una cartella con un file SKILL.md. Cambia chi decide l'evoluzione del formato. Anthropic precisa che si può continuare a usare lo standard o contribuirvi senza aderire all'AAIF (Anthropic).

Che cos'è Agent Skills?

Una skill è una cartella che contiene un file SKILL.md capace di insegnare a un agente un compito o un ambito specifico, insieme agli eventuali script o materiali di riferimento necessari. Anthropic spiega di aver sviluppato le skill lavorando a Claude Code: l'agente se la cavava bene con le conoscenze generali, ma spesso gli mancavano le conoscenze procedurali richieste dai compiti reali (Anthropic).

La specifica pubblicata su agentskills.io definisce un formato minimo (Agent Skills):

Cartella: SKILL.md è obbligatorio; le cartelle scripts/, references/ e assets/ sono facoltative.
Front matter YAML: due campi obbligatori, name (massimo 64 caratteri, lettere minuscole, numeri e trattini, identico al nome della cartella) e description (massimo 1.024 caratteri, indica che cosa fa la skill e quando usarla). Campi facoltativi: license, compatibility, metadata e allowed-tools, quest'ultimo ancora sperimentale.
Caricamento progressivo: all'avvio l'agente carica soltanto nome e descrizione di ogni skill (circa 100 token), poi il corpo di SKILL.md quando attiva la skill (meno di 5.000 token raccomandati) e i file aggiuntivi solo se servono. La specifica consiglia di mantenere SKILL.md sotto le 500 righe.
Validazione: la libreria di riferimento skills-ref verifica il front matter e le regole di denominazione.

Esempio minimo tratto dalla specifica:

---
name: skill-name
description: A description of what this skill does and when to use it.
---

E il comando di validazione, come documentato:

skills-ref validate ./my-skill

Che cosa comprende la donazione

Che cosa viene trasferito: il nome e il logo Agent Skills, l'organizzazione GitHub e il dominio agentskills.io (Anthropic).
Chi se ne occupa: ingegneri di Anthropic, Google, OpenAI e altre aziende, a titolo individuale, con David Soria Parra e Mahesh Murag come Lead Maintainer. L'AAIF descrive un Technical Steering Committee multi-azienda (AAIF).
Licenze: secondo l'AAIF, la specifica è open source con licenza Apache 2.0 e CC BY 4.0.
Roadmap proposta: rilasci versionati, un processo formale di proposta e linee guida di sicurezza per chi scrive e installa skill. I commenti sulle modifiche alla specifica passano da Discord e GitHub del progetto (Anthropic).

È lo stesso percorso del Model Context Protocol (MCP), che Anthropic aveva già affidato all'AAIF, fondazione da lei co-fondata con Block e OpenAI. Per collegare un server MCP ai vostri strumenti, consultate la nostra guida alla configurazione di MCP.

I numeri dell'adozione

Anthropic e l'AAIF forniscono gli stessi ordini di grandezza, ma non proprio con le stesse parole:

Oltre 70 piattaforme di agenti hanno integrato lo standard (Anthropic).
1 milione di skill pubblicate e quasi 280 milioni di installazioni, secondo Anthropic. L'AAIF precisa che si tratta di un milione di skill elencate nel registro skills.sh in sette mesi, e rimanda a uno studio di Vercel per il numero di installazioni (AAIF).

Queste cifre provengono dai promotori dello standard; non abbiamo potuto verificarle in modo indipendente.

Gli altri tre progetti che entrano nell'AAIF

Secondo l'annuncio dell'AAIF, ogni progetto copre uno strato dello stack agentico (AAIF):

Gli altri tre progetti che entrano nell'AAIF
Progetto	Contributo di	Ruolo
Agent Skills	Anthropic	Formato aperto per dare agli agenti nuove capacità e competenze di dominio
Open Responses	OpenAI	Specifica di interfaccia LLM multi-provider, basata sulla Responses API di OpenAI
OpenEnv	Hugging Face	Framework e hub per costruire ambienti di reinforcement learning interoperabili
OpenSandbox	Alibaba	Piattaforma sandbox per applicazioni di IA (SDK multilinguaggio, runtime Docker e Kubernetes)

Per gli sviluppatori, Open Responses è il più concreto dopo Agent Skills: definisce uno schema comune, eventi di streaming coerenti e strumenti estensibili, così si possono descrivere richieste e output una volta sola ed eseguirli su più fornitori di modelli con una traduzione minima (AAIF). SiliconANGLE osserva che, essendo modellato sull'API di OpenAI, dovrebbe facilitare il passaggio del codice da un provider all'altro (SiliconANGLE). OpenSandbox si rivolge a casi d'uso come gli agenti di programmazione, la valutazione degli agenti e l'esecuzione di codice generato dall'IA.

I quattro progetti si affiancano ad A2A, Agent Router, agentgateway, AGENTS.md, goose e MCP all'interno della fondazione.

Che cosa significa per i vostri strumenti

Skill portabili: la stessa cartella può funzionare con più agenti compatibili. L'AAIF cita Block, i cui ingegneri condividono un marketplace interno di centinaia di skill (gestione degli incidenti, revisione del codice, impostazione degli esperimenti) usate con Goose, Codex, Claude o Amp, senza standardizzarsi su un unico agente (AAIF).
Governance neutrale: il formato non evolve più a esclusiva discrezione di Anthropic, il che conta per i fornitori che lo hanno integrato, come Cursor, GitHub Copilot o Codex. Sul fronte Google, anche Antigravity CLI mantiene il supporto ad Agent Skills (si veda la nostra guida alla migrazione da Gemini CLI).
La sicurezza deve ancora arrivare: per ora le linee guida di sicurezza per scrivere e installare skill figurano solo nella roadmap proposta. Una skill può includere script: controllate quelli che installate.

Simon Willison fa notare di aver previsto questa mossa già nel dicembre 2025, quando Anthropic dichiarò per la prima volta le skill uno «standard aperto» (Simon Willison). Per scegliere l'agente che eseguirà le vostre skill, consultate il nostro confronto Claude Code, Codex o GitHub Copilot.

Fonti

Anthropic: Donating Agent Skills to the Agentic AI Foundation (22 ott 2026), verificato il 23-10-2026
AAIF: Agentic AI Foundation Announces Four New Projects (22 ott 2026), verificato il 23-10-2026
AAIF: Agent Skills, Sharing Team Expertise Across AI Agents (22 ott 2026), verificato il 23-10-2026
Agent Skills: specification, verificato il 23-10-2026
GitHub: agentskills/agentskills, verificato il 23-10-2026
SiliconANGLE: Agentic AI Foundation adds four more open-source AI tools (22 ott 2026), verificato il 23-10-2026
Simon Willison: Donating Agent Skills to the Agentic AI Foundation (22 ott 2026), verificato il 23-10-2026

Punto chiave: Agent Skills, il formato SKILL.md adottato da oltre 70 piattaforme di agenti secondo Anthropic, passa sotto la governance neutrale dell'AAIF (Linux Foundation), come già accaduto a MCP; Open Responses, OpenEnv e OpenSandbox arrivano contemporaneamente e la fondazione ospita ora 10 progetti.

Flint gira in locale, Replit Monitoring Agent, il plugin EGM di Google, Claude su Google Cloud: la rassegna del 23 ottobre

Fri, 23 Oct 2026 00:00:00 +0000

Quattro annunci dal 21 al 23 ottobre 2026, più una cifra di mercato, tutti tratti da fonti ufficiali: un modello di codice che gira su un portatile, un agente che ripara la produzione, un metodo di progettazione di Google e un nuovo modo di distribuire Claude.

Flint: il primo modello di Recursive, pensato per il codice in locale (21 ott.)

La startup Recursive (Richard Socher) pubblica Flint, un modello a miscela di esperti per agenti di codice (blog di Recursive, scheda del modello su Hugging Face).

Dimensioni: 39,8 miliardi di parametri totali, circa 2,5 miliardi attivi per token.
Licenza: pesi con licenza Apache 2.0 su Hugging Face, con una build MLX INT4 di circa 22,6 GB per i Mac (Flint INT4).
Punteggi riportati da Recursive: 74,2% su SWE-bench Verified, 54,9% su Terminal-Bench 2.1 e 89,7% su SWE-bench Pro v2, da proprie valutazioni.
Velocità riportata: oltre 125 token al secondo su un MacBook Pro M4 Pro e oltre 150 su una NVIDIA RTX Spark da 64 GB, con contesti brevi.
Contesto: configurazione documentata di 262.144 token; Recursive cita al massimo 512k ma consiglia di restare sotto i 256k.
Metodo: Recursive afferma di aver costruito il modello in meno di quattro mesi con il suo sistema di ricerca automatizzato, la «Eureka Machine». L'azienda avverte che Flint richiede più guida dei grandi modelli chiusi.

Replit Monitoring Agent: un agente di reperibilità per le app pubblicate (22 ott.)

Replit estende il suo agente alla produzione (blog di Replit).

Cosa fa: legge i log e le metriche dell'app pubblicata, indaga su un allarme, prepara e convalida una correzione, poi invia un riepilogo via e-mail.
Deploy automatici: con la «pubblicazione automatica» attiva, può rilasciare da solo la correzione convalidata. Sta all'utente decidere se attivarla.
Configurazione: nelle impostazioni di pubblicazione dell'app, attivando gli avvisi di monitoraggio e la correzione automatica.
Cosa manca: l'annuncio non indica un prezzo specifico né il piano richiesto.

Elephant-Goldfish Model: Google apre il suo metodo di progettazione assistita dall'IA (22 ott.)

Google rilascia in open source (Apache 2.0) il plugin Elephant-Goldfish Model (EGM), usato internamente da «migliaia» di suoi ingegneri secondo l'annuncio (Google Open Source Blog).

L'idea: una lunga sessione «elefante» progetta senza scrivere codice, poi sessioni «pesce rosso» prive di contesto rivedono il documento di progettazione per individuarne le lacune.
Tre comandi: egm-brainstorm (co-progettazione), egm-draft (documento di progettazione in Markdown con l'elenco dei file da modificare) e egm-review (verifica di comprensione, revisione avversariale, decisione finale go/no-go).
Destinazione: prima Antigravity, altri ambienti «in arrivo».

Claude su Google Cloud: un'opzione gestita da Anthropic (23 ott.)

Google Cloud rende disponibile a tutti un'opzione di distribuzione di Claude gestita da Anthropic, accanto a quella gestita da Google (blog di Google Cloud).

La differenza: con l'opzione Anthropic, Anthropic è il responsabile del trattamento dei dati secondo i propri termini commerciali, e le funzioni di Claude Platform (Claude Managed Agents in beta, skill, esecuzione di codice) arrivano dal giorno zero.
Cosa resta uguale: stessi modelli dal giorno zero, stessi prezzi, fatturazione Google Cloud e utilizzo degli impegni esistenti.
Opzione Google: mantiene VPC Service Controls, chiavi di cifratura gestite dal cliente (CMEK) e residenza dei dati negli Stati Uniti, nell'UE e in APAC.

La cifra: +123% per Nokia con i clienti IA e cloud

Nel terzo trimestre 2026 le vendite nette di Nokia ai clienti IA e cloud sono cresciute del 123% su base annua e gli ordini del 118%, con 1,5 miliardi di euro di nuovi ordini (relazione intermedia di Nokia). Anche le reti che collegano i data center beneficiano ormai della corsa all'infrastruttura IA.

Cosa cambia

I modelli di codice locali diventano un'opzione seria per chi vuole tenere il proprio codice in casa, anche se i punteggi restano quelli dichiarati dal fornitore. Sul fronte degli agenti, Replit sposta l'IA dalla scrittura del codice alla sua gestione, mentre Google scommette sulla direzione opposta: più progettazione umana prima della prima riga. Sul cloud, scegliere un modello significa ormai anche scegliere chi tratta i dati.

Fonti

Recursive: Introducing Flint (verificato il 2026-10-23)
Hugging Face: scheda del modello RecursiveSI/flint (verificato il 2026-10-23)
Hugging Face: RecursiveSI/flint-int4 (verificato il 2026-10-23)
Replit: Replit Monitoring Agent (verificato il 2026-10-23)
Google Open Source Blog: Elephant-Goldfish Model plugin (verificato il 2026-10-23)
Google Cloud: Expanding Claude availability on Google Cloud (verificato il 2026-10-23)
Nokia: Q3 2026 interim report (verificato il 2026-10-23)

Aggiornamento del sito: Rassegna: Flint, Replit Monitoring Agent, plugin EGM, Claude su Google Cloud

Fri, 23 Oct 2026 00:00:00 +0000

Nuovo articolo su Flint (il modello di programmazione locale di Recursive, Apache 2.0), sul Monitoring Agent di Replit, sul plugin open source Elephant-Goldfish Model di Google e sull'opzione di Claude gestito da Anthropic su Google Cloud. Nuova cifra chiave: le vendite di Nokia a +123% verso clienti IA e cloud nel terzo trimestre 2026. Flint entra nel confronto dei modelli; fonti aggiunte alle pagine di Replit Agent e Claude.

Aggiornamento del sito: La newsletter di OrigoTech adotta il nuovo design

Fri, 23 Oct 2026 00:00:00 +0000

Le email della newsletter ora seguono l'identità del sito: IBM Plex Sans e JetBrains Mono, un accento arancione, filetti sottili e cifre in monospazio, con una modalità scura leggibile. Su mobile, il modulo di iscrizione mostra ora campo e pulsante a tutta larghezza e un indirizzo non valido viene segnalato in modo più chiaro.

Aggiornamento del sito: Nuova identità visiva, più editoriale e più tecnica

Fri, 23 Oct 2026 00:00:00 +0000

Il sito adotta l'identità di una pubblicazione tecnologica: IBM Plex Sans per il testo e JetBrains Mono per i dati (date, prezzi, cifre, fonti), font serviti dal sito stesso, una palette in bianco e nero con un unico accento arancione, filetti sottili al posto delle ombre, un articolo principale seguito da un elenco fitto di articoli e tabelle più leggibili. Contenuti e cifre sono invariati; su mobile l'intestazione non va più in overflow a 375 px.

Aggiornamento del sito: Articolo: Agent Skills entra nella Agentic AI Foundation

Fri, 23 Oct 2026 00:00:00 +0000

Nuovo articolo sulla donazione di Agent Skills, il formato SKILL.md di Anthropic adottato da oltre 70 piattaforme di agenti, alla Agentic AI Foundation (Linux Foundation), che accoglie anche Open Responses, OpenEnv e OpenSandbox e ora ospita 10 progetti. Articolo correlato aggiunto alle pagine di Claude Code, Codex, GitHub Copilot e Cursor.

Claude Duet: l'agente proattivo di Anthropic, per ora solo per gli abbonati statunitensi

Thu, 22 Oct 2026 00:00:00 +0000

Il 21 ottobre 2026 Anthropic ha aperto un'anteprima di ricerca di Claude Duet, una nuova app in cui Claude lavora come agente proattivo: viene da voi con ciò che richiede la vostra attenzione, si fa carico di compiti, continua a lavorare quando vi allontanate e vi consulta prima di agire per vostro conto (Anthropic).

Non ancora in Francia. L'accesso avviene tramite lista d'attesa ed è limitato agli abbonati Pro e Max negli Stati Uniti. La pagina di aiuto di Anthropic richiede «un account Claude negli Stati Uniti» e afferma che durante l'anteprima Duet è disponibile solo negli Stati Uniti (Centro assistenza di Claude). Non è stata comunicata alcuna data per l'Europa.

Che cosa fa Claude Duet

Un riepilogo ogni mattina: Duet analizza le vostre app collegate (prima di tutto posta e calendario), individua ciò che conta di più e può avviare i primi passaggi, come preparare risposte da approvare. Durante la giornata vi scrive solo quando c'è bisogno di voi (Anthropic).
Compiti di ogni dimensione: dalla pianificazione delle riunioni a lavori più impegnativi come costruire dashboard, creare previsioni finanziarie o di vendita, realizzare prototipi e sviluppare app web, secondo Anthropic. I risultati più corposi tornano sotto forma di file (nota di ricerca, modello finanziario, presentazione, dashboard) in una scheda Make; una scheda Tasks tiene traccia dei lavori in corso (Centro assistenza di Claude).
Un unico filo: si scrive o si invia un messaggio vocale come si farebbe a una persona. È possibile creare canali separati per argomento, che condividono la stessa memoria.
Un computer tutto suo: Duet dispone di una macchina virtuale con un proprio browser, nel cloud. Non ha bisogno che il vostro portatile o il vostro telefono restino accesi. Per i siti senza connettore usa quel browser (Anthropic).
Oltre 6.000 connettori e plugin dal Claude Marketplace: Gmail, Slack, QuickBooks, Stripe, Gusto, Docusign, HubSpot, Canva, Shopify… Gli acquisti passano da Link (il portafoglio di Stripe) o da Shop Pay, con una carta virtuale monouso (Anthropic, Reuters via StreetInsider).

Duet riprende memoria, skill e connettori del vostro account Claude, quindi non richiede quasi nessuna configurazione. Può anche cercare nelle vostre conversazioni passate con Claude (9to5Mac, Centro assistenza di Claude).

Modello, app e prezzo

Modello: Claude Opus 5.5, senza possibilità di sceglierne un altro; è Duet a decidere quanto impegno richieda un lavoro (Centro assistenza di Claude).
Dove: un'app autonoma su iOS e Android, e sul web su claude.ai. Per ora Duet vive nella propria app, separata dall'app principale di Claude (Anthropic).
Prezzo: incluso nei piani Pro e Max senza costi aggiuntivi, ma Duet usa gli stessi limiti d'uso del resto di Claude, anche per il lavoro in background (riepilogo, verifiche periodiche). Anthropic avverte che si potrebbero raggiungere i limiti «prima che con la sola chat». Chiunque venga ammesso ottiene un azzeramento completo dei limiti, utilizzabile fino al 30 novembre 2026 (Centro assistenza di Claude). Per riferimento, Pro costa 20 $ al mese (17 $ con fatturazione annuale) e Max parte da 100 $ al mese (Anthropic).
Team ed Enterprise: non ancora inclusi; Anthropic prevede di aggiungerli in seguito, senza una tempistica (Claude Duet).

Le salvaguardie

Approvazione richiesta prima di inviare un messaggio, effettuare un pagamento, firmare un documento o eliminare qualcosa: Duet mostra esattamente ciò che sta per fare e attende la vostra approvazione. Alcune azioni sono vietate anche con la vostra approvazione, come negoziare titoli o spostare denaro tra conti (Anthropic).
Le azioni passano dal classificatore della modalità automatica, la stessa salvaguardia usata in Claude Code; la gestione delle credenziali segue il progetto dei Claude Managed Agents, quindi Duet non vede mai le vostre password né i token di accesso.
Un classificatore dedicato e un prompt di sistema di sicurezza controllano ogni messaggio per prevenire fughe di dati: le richieste di condividere numeri di carta e documenti d'identità vengono respinte; i dati sanitari o finanziari escono solo su istruzione esplicita.

Che cosa può (e non può) fare Duet per uno sviluppatore

Duet non è un agente di programmazione: Anthropic afferma di averlo creato per professionisti e titolari di piccole imprese. Ma diversi usi interessano direttamente gli sviluppatori.

Prototipi e app web: Anthropic include il prototipaggio e lo sviluppo di app web tra i lavori che si possono affidare a Duet. Karan Ahuja, che guida il team di Duet, lo usa per pianificare interviste agli utenti, lavorare sui prototipi e persino rilasciare codice; Boris Cherny, che guida Claude Code, discute con Duet la propria lista di cose da fare durante le passeggiate (Anthropic).
Il contesto dei vostri strumenti: Duet riutilizza connettori, skill e memoria già configurati nel vostro account Claude; gli strumenti che vi avete collegato non vanno collegati di nuovo.
Monitoraggio più che esecuzione: un riepilogo mattutino su ticket, thread Slack senza risposta o email dei clienti, promemoria, riassunti prima di una riunione.

Per il lavoro tecnico i limiti sono chiari:

Duet non vede i file sul vostro computer né tutti i vostri progetti, e può leggere il vostro lavoro in Claude ma non modificarlo.
Durante l'anteprima non potete osservare né prendere il controllo del suo browser.
Controlla i vostri account a intervalli stabiliti (ogni poche ore, secondo Anthropic): un incidente urgente può capitare tra due controlli.
Alcuni connettori, come Slack, funzionano con dei limiti, e Microsoft 365 non è ancora disponibile (Centro assistenza di Claude).

Per scrivere, eseguire e testare codice in un repository, lo strumento di Anthropic resta Claude Code (vedi la nostra guida all'installazione); Duet si colloca a monte e attorno ad esso, sul versante dell'organizzazione e del coordinamento. Per la famiglia di modelli, vedi la pagina di Claude.

Che cosa dicono i primi riscontri

Anthropic riconosce che Duet può ancora interpretare male un thread o tarare male l'urgenza, e che le attività personali (prenotare dei biglietti, per esempio) sono meno rifinite di quelle di lavoro. Reuters e Trending Topics rilevano le stesse riserve (Reuters via StreetInsider, Trending Topics). Trending Topics aggiunge che il progetto si sarebbe chiamato internamente «Claude Loop», cosa che Anthropic non ha confermato.

Duet segue gli agenti sempre attivi di OpenAI (Dots) e di SpaceXSI (Grok Bot), e Muse di Meta, più orientato ai consumatori (MacRumors, Trending Topics). Li confrontiamo in Claude Duet, OpenAI Dots o Grok Bot.

Fonti

Anthropic: Introducing Claude Duet (21 ott. 2026), verificato il 2026-10-22
Anthropic: pagina del prodotto Claude Duet, verificata il 2026-10-22
Centro assistenza di Claude: Get started with Claude Duet, verificato il 2026-10-22
Anthropic: prezzi di Claude, verificati il 2026-10-22
Reuters via StreetInsider: Anthropic unveils Claude Duet AI agent app (21 ott. 2026), verificato il 2026-10-22
MacRumors: Anthropic Launches Claude Duet, a Proactive AI Agent (21 ott. 2026), verificato il 2026-10-22
9to5Mac: Anthropic takes on ChatGPT Dots and Meta Muse with Claude Duet (21 ott. 2026), verificato il 2026-10-22
Trending Topics: Claude Duet, Anthropic's New A.I. Agent (21 ott. 2026), verificato il 2026-10-22

In sintesi: Claude Duet è un agente in background basato su Claude Opus 5.5, incluso in Pro e Max ma che attinge ai vostri limiti d'uso, e che chiede l'approvazione prima di inviare, pagare, firmare o eliminare; è aperto solo negli Stati Uniti, tramite lista d'attesa.

Claude Duet, OpenAI Dots o Grok Bot: il confronto tra gli agenti sempre attivi

Thu, 22 Oct 2026 00:00:00 +0000

In meno di tre mesi tre fornitori hanno lanciato un agente che non si limita più a rispondere: ha un proprio computer nel cloud, tiene d'occhio le vostre app, lavora in vostra assenza e vi interpella per le decisioni importanti. Grok Bot è arrivato l'11 agosto 2026, OpenAI Dots il 29 settembre e Claude Duet di Anthropic il 21 ottobre. Anche Meta è in gara con Muse, un agente più rivolto ai consumatori, che qui lasciamo da parte (Trending Topics).

Per chi legge dalla Francia, la disponibilità è spesso il criterio decisivo. Claude Duet è riservato agli Stati Uniti; Dots esclude lo SEE per gli abbonati Pro, ma non per i posti Business Premium; Grok Bot non pubblica un elenco di paesi, ma i suoi computer girano negli Stati Uniti. Dettagli più sotto.

La tabella di confronto

La tabella di confronto
Criterio	Claude Duet	OpenAI Dots	Grok Bot
Fornitore	Anthropic	OpenAI	SpaceXSI (ex xAI, entità giuridica SpaceXAI LLC); prodotto gestito da Cursor, controllata di SpaceX
Lancio	21 ott 2026, anteprima di ricerca	29 set 2026, diffusione graduale	11 ago 2026, beta
Modello	Claude Opus 5.5, non modificabile	GPT-6 Astra	Scelto per compito: modelli xAI o di terzi (incluso Claude Opus 5.5), senza selettore
Dove usarlo	App iOS e Android, claude.ai	ChatGPT (desktop, web, mobile), Slack, Teams; messaggi di testo in una beta limitata negli USA	App macOS, Windows, Linux, iOS, Android; Slack (bot di team); X (@bot)
Computer cloud	Una macchina virtuale con un proprio browser	Un computer cloud per ogni dot; accesso facoltativo al vostro computer	Un computer condiviso da tutti i bot dell'account (uno schermo per bot)
Numero di agenti	Un agente, più canali	Per ora un dot principale	Più bot in parallelo (circa 50 per account)
Connettori	Oltre 6.000 connettori e plugin	Oltre 4.000 app tramite plugin	Plugin «Connect apps» (GitHub, Google Workspace, Microsoft 365…) più uso del computer
Salvaguardie	Approvazione prima di inviare, pagare, firmare, eliminare; trading di titoli e trasferimenti bloccati	Regole integrate e Custom Rules; revisione automatica; ricerca proattiva in sola lettura	Auto Review (modello di revisione indipendente); regole «Ask first»; i comandi locali richiedono approvazione
Prezzo	Incluso in Pro (20 $/mese) e Max (da 100 $/mese), entro i limiti d'uso del piano	Primo dot incluso in Pro (100, 200 o 500 $/mese) e Business Premium (125 $/posto/mese)	Incluso in The X Subscription Premium (30 $/mese), Super (100 $) e Ultra (200 $), e nei vecchi piani Cursor
Francia / UE	No: solo USA	Pro: no (SEE, Svizzera, Regno Unito esclusi); Business Premium: «tutte le regioni ChatGPT supportate»	Nessun elenco di paesi pubblicato; computer negli USA; tag @bot non disponibile nell'UE

Fonti della tabella: pagine ufficiali di Anthropic, OpenAI e SpaceXSI, dettagliate in ciascuna sezione.

Claude Duet (Anthropic)

Come funziona: un unico agente, in un'app separata da Claude, che invia un briefing ogni mattina, controlla i vostri account ogni poche ore e vi scrive solo quando serve; dispone di una macchina virtuale con un proprio browser (Anthropic).
Modello: Claude Opus 5.5, senza possibilità di scelta (Centro assistenza di Claude).
Salvaguardie: approvazione esplicita prima di inviare, pagare, firmare o eliminare; trading di titoli e movimenti di denaro tra conti bloccati anche con approvazione; il classificatore della modalità automatica (quello di Claude Code) e un classificatore dedicato contro le fughe di dati sensibili.
Prezzo: incluso in Pro e Max senza costi aggiuntivi, ma il lavoro in background attinge ai limiti del piano (Claude Duet, Anthropic).
Disponibilità: lista d'attesa, Pro e Max solo negli Stati Uniti; per ora né Team né Enterprise.

Il nostro articolo di approfondimento: Claude Duet, l'agente proattivo di Anthropic.

OpenAI Dots

Come funziona: agenti sempre attivi in ChatGPT, ciascuno con il proprio computer cloud e browser; si parte da un dot principale e OpenAI prevede in seguito team di dot. Li raggiungete in ChatGPT, Slack o Teams, oppure con una chiamata vocale (OpenAI).
Modello: GPT-6 Astra (OpenAI, MacRumors).
Connettori: oltre 4.000 app tramite l'ecosistema di plugin. L'accesso al vostro computer è facoltativo e disattivato per impostazione predefinita (Centro assistenza di OpenAI).
Salvaguardie: la «ricerca proattiva» in background usa solo strumenti in sola lettura; le Custom Rules consentono di permettere un'azione, richiedere l'approvazione o bloccarla; la revisione automatica controlla le azioni sensibili; alcuni compiti, come cambiare una password, restano sempre all'utente (OpenAI).
Prezzo: il primo dot è incluso senza costi aggiuntivi in ChatGPT Pro e Business Premium. Le conversazioni con il vostro dot non contano nei limiti d'uso di ChatGPT, mentre i compiti che avvia in Codex o ChatGPT Work sì (OpenAI). Pro costa 100, 200 o 500 dollari al mese (Centro assistenza di OpenAI); un posto Business Premium costa 125 dollari al mese, o 100 con fatturazione annuale (OpenAI).
Disponibilità: in diffusione per gli utenti Pro fuori dallo SEE, dalla Svizzera e dal Regno Unito, per Business Premium in tutte le regioni ChatGPT supportate e in beta per Enterprise quando l'amministratore lo attiva (Centro assistenza di OpenAI).

Grok Bot (SpaceXSI / Cursor)

Chi lo realizza: le pagine ufficiali sono su x.ai, firmate «© 2026 SpaceXAI LLC» sotto il marchio SpaceXSI, il nuovo nome dell'ex xAI (SpaceXSI, The Next Web). Ma il prodotto è gestito da Cursor: si accede con un account Cursor e i computer dei bot girano nel cloud di Cursor (SpaceXSI Docs, Cursor). Cursor (Anysphere) fa parte di SpaceX dal 14 agosto 2026 (Cursor).
Come funziona: un team di bot con nome che lavorano in parallelo, si scambiano messaggi, si coordinano in chat di gruppo e imparano i flussi di lavoro per dimostrazione (SpaceXSI). SpaceXSI fissa limiti pratici di circa 50 bot per account e sei per chat di gruppo (SpaceXSI).
Computer: un computer cloud persistente con browser, file system e terminale, condiviso da tutti i bot dell'account: file, sessioni del browser e credenziali sono comuni; l'isolamento è tra utenti, non tra bot (SpaceXSI Docs). I computer girano negli Stati Uniti (Cursor).
Modello: nessun modello unico e nessun selettore. Per ogni compito Grok Bot sceglie un modello xAI o di terzi; l'assistenza di Cursor cita esplicitamente Claude Opus 5.5 (Cursor). Elon Musk ha annunciato il 7 ottobre che Grok Bot avrebbe usato «il miglior modello di back end per ogni compito», inclusi Claude Opus 5.5, Midjourney e Suno (The Next Web). Dire che Grok Bot «si basa su Claude Opus 5.5», come ha scritto Trending Topics, è quindi eccessivo: Opus 5.5 è uno dei modelli possibili.
Salvaguardie: Auto Review, un modello di revisione indipendente, valuta le azioni rischiose (comandi shell, chiamate ad app, uso del computer, modifiche alle routine) e può lasciarle procedere, richiedere approvazione o negarle; ogni utente può aggiungere regole «Ask first». I comandi sulla vostra macchina chiedono conferma ogni volta per impostazione predefinita (Cursor). Le approvazioni per lavori avviati senza di voi (una routine, un altro bot) scadono dopo circa 10 minuti (Cursor).
Prezzo: incluso nei piani Premium (30 $/mese), Super (100 $) e Ultra (200 $) di The X Subscription (SpaceXSI), e nei vecchi piani Cursor Pro, Pro+, Ultra e Teams; un abbonamento SuperGrok può inoltre essere collegato a un account Cursor. L'utilizzo si azzera ogni settimana (Cursor).
Disponibilità: SpaceXSI non pubblica un elenco di paesi per l'app. L'unica restrizione regionale documentata riguarda il tag @bot su X, non disponibile per gli account con sede nell'Unione europea, nel Regno Unito, in Australia, Islanda, Liechtenstein e Norvegia (SpaceXSI Docs).

Le fonti ufficiali si contraddicono su Grok Bot. Il post di lancio limitava l'app a desktop e iOS, con una lista d'attesa enterprise e un utilizzo «separato» dai piani Grok e Cursor (SpaceXSI). La documentazione attuale elenca macOS, Windows, Linux, iOS e Android (SpaceXSI Docs), la pagina del prodotto dice che Enterprise è «generalmente disponibile» (SpaceXSI) e con The X Subscription Grok Bot attinge allo stesso monte settimanale di Cursor e delle app Grok (Cursor). Il confronto di Every mostra ancora i prezzi dei vecchi piani Cursor (20, 60 e 200 $) (Every). Ci atteniamo alle pagine più recenti.

Che cosa conta per uno sviluppatore

Grok Bot è il più «tecnico». Il suo computer espone un terminale e un file system, offre un connettore GitHub e le sue routine possono partire a orari prefissati o a seguito di un evento; il post di progettazione illustra trigger come l'apertura di una pull request o il fallimento dei controlli (SpaceXSI). SpaceXSI cita un bot di ingegneria che riproduce un bug nell'interfaccia del prodotto, apre il ticket e affida la correzione a un bot di debug (SpaceXSI). Aspetti negativi: credenziali e sessioni condivise tra tutti i vostri bot, nessuna scelta del modello e, per i team, l'elenco di modelli consentiti di Cursor non si applica a Grok Bot (Cursor).

Dots è il più vicino a Codex. OpenAI descrive un dot che segue il feedback dei clienti, crea e testa piccole correzioni, poi vi porta pull request con video allegati (OpenAI). Può creare compiti negli ambienti cloud di Codex e, con il vostro permesso, lavorare sul vostro computer (Centro assistenza di OpenAI). Aspetti negativi: nessun accesso per un abbonato Pro in Francia e i compiti Codex consumano la vostra quota.

Claude Duet è il più orientato al coordinamento. Anthropic cita prototipi e app web, ma Duet non vede i file sul vostro computer, può leggere il vostro lavoro in Claude senza modificarlo e non è possibile seguire il suo browser (Centro assistenza di Claude). Per il codice vero e proprio, lo strumento di Anthropic resta Claude Code; sul fronte OpenAI, si veda la nostra pagina su Codex e, per Cursor, la pagina Cursor.

Il nostro parere

Siete in Francia con un abbonamento personale: nessuno dei tre è chiaramente disponibile. Duet e Dots (Pro) escludono l'Europa; Grok Bot non la esclude esplicitamente, ma tratta i dati negli Stati Uniti.
Siete un'azienda francese: Dots tramite Business Premium è l'unico dei tre la cui documentazione non menziona esclusioni europee; verificate la conformità sui dati prima di collegare le caselle di posta.
Volete un agente che tocchi il codice: Grok Bot (terminale, GitHub, routine attivate da eventi) e Dots (Codex) vanno oltre Duet, che resta un assistente di coordinamento.

Fonti

Anthropic: Introducing Claude Duet (21 ott 2026), verificato il 22-10-2026
Anthropic: pagina del prodotto Claude Duet, verificato il 22-10-2026
Centro assistenza di Claude: Get started with Claude Duet, verificato il 22-10-2026
Anthropic: prezzi di Claude, verificato il 22-10-2026
OpenAI: Introducing dots (29 set 2026), verificato il 22-10-2026
Centro assistenza di OpenAI: Getting started with your dot, verificato il 22-10-2026
Centro assistenza di OpenAI: About ChatGPT Pro tiers, verificato il 22-10-2026
OpenAI: Premium seats are coming to ChatGPT Business (10 ago 2026, aggiornato il 25 ago), verificato il 22-10-2026
SpaceXSI: Introducing Grok Bot (11 ago 2026), verificato il 22-10-2026
SpaceXSI: pagina del prodotto Grok Bot, verificato il 22-10-2026
SpaceXSI: Designing Grok Bot for a world of persistent agents (3 set 2026), verificato il 22-10-2026
SpaceXSI Docs: Grok Bot overview, verificato il 22-10-2026
SpaceXSI Docs: Use the computer and apps, verificato il 22-10-2026
SpaceXSI Docs: Tag @bot on X, verificato il 22-10-2026
Cursor: Grok Bot security, verificato il 22-10-2026
Cursor: Which AI models power Grok Bot?, verificato il 22-10-2026
Cursor: Grok Bot FAQs, verificato il 22-10-2026
Cursor: Grok Bot plans and billing, verificato il 22-10-2026
Cursor: Cursor is now a part of SpaceX (14 ago 2026), verificato il 22-10-2026
The Next Web: Musk's Grok Bot will use Anthropic's Claude, Midjourney and Suno models (7 ott 2026), verificato il 22-10-2026
MacRumors: OpenAI Launches Always-On 'Dots' Agents (29 set 2026), verificato il 22-10-2026
Every: personal agents comparison, verificato il 22-10-2026
Trending Topics: Claude Duet, Anthropic's New A.I. Agent (21 ott 2026), verificato il 22-10-2026

Punto chiave: tutti e tre gli agenti lavorano su un computer cloud e chiedono approvazione per le azioni sensibili, ma solo Dots, tramite Business Premium, non esclude esplicitamente l'Europa; Grok Bot è il meglio attrezzato per il codice, Claude Duet il più prudente.

VS Code 1.143, GPT-6 su Google Cloud, NVIDIA DSX POD: la rassegna del 22 ottobre

Thu, 22 Oct 2026 00:00:00 +0000

Tre annunci dal 19 al 21 ottobre 2026, tutti tratti da fonti ufficiali: l'editor, il cloud e l'hardware si muovono contemporaneamente attorno agli agenti di codice.

VS Code 1.143: harness Copilot per impostazione predefinita e sfida tra modelli (19 ott.)

Microsoft ha rilasciato Visual Studio Code 1.143 (note di rilascio).

Harness Copilot predefinito: le nuove sessioni degli agenti girano sull'harness costruito sul Copilot SDK, disponibile sia dall'editor sia dalla finestra Agents.
Confronto tra modelli (anteprima): un solo prompt avvia più tentativi in parallelo, combinando harness Copilot, Claude e Codex e livelli di ragionamento. Un modello «Judge» facoltativo valuta i tentativi (tempo, token, motivazione), poi un'azione «Synthesize» combina le idee su richiesta. Impostazione: sessions.chat.compareAgents.enabled.
Modello sul dispositivo (sperimentale): MAI Code 1.1 Flash gira in locale tramite llama.cpp; queste risposte non consumano crediti IA. Richiede l'accesso a GitHub e una GPU NVIDIA con almeno 96 GB di memoria.
Chat voluminose: secondo le misurazioni di Microsoft, l'apertura a freddo di una chat con circa 1.150 richieste scende da 35,6 s a 9,0 s.
Copilot CLI: l'installer di VS Code ora propone di installarla (Windows, Linux, macOS).

GPT-6 arriva nel Model Garden di Google Cloud (21 ott.)

Google Cloud aggiunge GPT-6 Astra, GPT-6.1 Sol e GPT-6 Luna a Model Garden, in anteprima privata per alcune imprese selezionate (blog di Google Cloud).

Fatturazione: i modelli sono venduti tramite Google Cloud Marketplace, compaiono nella fattura di Google Cloud e attingono agli impegni di spesa esistenti.
Posizionamento: Google afferma di essere l'unico hyperscaler a offrire tutte e tre le principali famiglie di modelli chiusi (Gemini, Claude, GPT), tra oltre 200 modelli.
Codex e Antigravity: OpenAI annuncia i suoi flussi di lavoro Codex in Model Garden e i suoi modelli «presto» in Google Antigravity; la disponibilità generale è prevista «nelle prossime settimane». OpenAI aggiunge che Microsoft resta il suo principale partner cloud (OpenAI).
Cosa manca: Google non ha pubblicato prezzi di Model Garden, regioni né una data certa; la conservazione zero dei dati e Confidential Compute sono indicati come «in arrivo».

NVIDIA DSX POD: una AI factory consegnata in container (21 ott.)

Al GTC Berlino, NVIDIA ha presentato DSX POD, un design di riferimento per AI factory Vera Rubin assemblate e collaudate in fabbrica all'interno di container (NVIDIA Newsroom).

La cifra: in un sito già predisposto, la messa in opera scenderebbe da sei mesi a soli 14 giorni, secondo NVIDIA. La preparazione del sito non è conteggiata.
Partner: tra gli altri Bull, Dell, HPE, Lenovo, Schneider Electric, Vertiv, Foxconn e Crusoe.
Tempistiche: prime consegne all'inizio del 2027.

Cosa cambia

Per gli sviluppatori, VS Code trasforma il confronto tra modelli in una funzione dell'editor, mettendo Claude e Codex nella stessa finestra di Copilot. Per le imprese, la scelta del modello si sta separando dalla scelta del cloud. Per l'infrastruttura, NVIDIA vende ormai il tempo di messa in servizio quanto il chip.

Fonti

Microsoft: note di rilascio di VS Code 1.143 (verificato il 2026-10-22)
Google Cloud: Google Cloud brings OpenAI models to customers (verificato il 2026-10-22)
OpenAI: OpenAI models are coming to Google Cloud (verificato il 2026-10-22)
NVIDIA: DSX POD AI Factories (verificato il 2026-10-22)

Aggiornamento del sito: Rassegna: VS Code 1.143, GPT-6 su Google Cloud, NVIDIA DSX POD

Thu, 22 Oct 2026 00:00:00 +0000

Nuovo articolo su VS Code 1.143 (confronto dei modelli, modello on-device), sull'arrivo di GPT-6 nel Model Garden di Google Cloud e sul DSX POD di NVIDIA. Nuova cifra chiave: la distribuzione in 14 giorni annunciata da NVIDIA in un sito predisposto. Fonti aggiunte alle pagine di GitHub Copilot, Codex e GPT.

Data center per l'IA: 3,7 mila miliardi di dollari di ricavi l'anno entro il 2032 per ripagarli, secondo un paper pubblicato da Brookings

Wed, 21 Oct 2026 00:00:00 +0000

Quanto deve guadagnare l'IA per ripagare i data center in costruzione negli Stati Uniti? Un paper presentato il 25 settembre 2026 alla conferenza autunnale dei Brookings Papers on Economic Activity (BPEA) fornisce un ordine di grandezza: circa 3,725 mila miliardi di dollari di ricavi annui entro il 2032, ovvero il 9,2% del PIL statunitense previsto per quell'anno (paper, bozza della conferenza).

Una precisazione. Non si tratta di uno studio istituzionale di Brookings: è un lavoro di ricerca di Stijn Van Nieuwerburgh, professore di real estate alla Columbia Business School, pubblicato da Brookings nell'ambito dei BPEA (bozza della conferenza datata 4 settembre 2026). Ogni pubblicazione lì rappresenta esclusivamente il punto di vista dei suoi autori (Brookings).

Le cifre chiave

Investimento: 10,3 mila miliardi di dollari dal 2025 al 2032 in edifici, energia, reti, chip e altre apparecchiature, in media il 3,63% del PIL l'anno. È più dei boom dei canali, delle ferrovie (2,24%), dell'elettrificazione, delle autostrade e delle telecomunicazioni (1,10%).
Capacità: 182,8 GW di capacità aggiuntiva in entrata in servizio tra il 2025 e il 2032, su una pipeline annunciata di circa 509 GW; lo scenario centrale ipotizza che 117,2 GW arrivino dopo il 2032 e che 226,9 GW non vengano mai costruiti.
Costo unitario: circa 8,2 miliardi di dollari per un campus da 200 MW, due terzi per l'IT (GPU, reti, storage) e un terzo per l'edificio e l'energia.
Ricavi necessari: 3,725 mila miliardi di dollari l'anno una volta in funzione tutta questa capacità, a fronte di un PIL 2032 previsto di 40,481 mila miliardi.

Il metodo: una soglia di pareggio, non una previsione

La cifra di 3,725 mila miliardi risponde a una domanda precisa: quali ricavi deve generare la capacità completata tra il 2025 e il 2032 per garantire agli investitori un rendimento del 10% senza leva, con un margine di flusso di cassa operativo del 50%, una vita economica di sei anni per l'IT e di vent'anni per tutto il resto? L'autore lo dice egli stesso in un testo pubblicato da Columbia: è un calcolo dei ricavi necessari, non una previsione di ciò che spenderanno i clienti (Columbia Business School).

Il risultato è molto sensibile alle ipotesi (paper, tabella 7):

da 2,29 mila miliardi di dollari (rendimento del 5%, margine del 67%) a 6,72 mila miliardi (rendimento del 15%, margine del 33%);
se le GPU restano competitive solo tre anni anziché sei, il fabbisogno sale a circa 6,0 mila miliardi, ovvero il 14,8% del PIL 2032.

Per dare un'idea di scala: con ricavi combinati di OpenAI e Anthropic stimati in circa 100 miliardi di dollari l'anno, raggiungere quella soglia richiederebbe una crescita di circa l'80% l'anno fino al 2032, calcola l'autore.

Due versioni in circolazione. Nel suo testo del 6 ottobre per Columbia, l'autore cita una versione rivista del paper: quasi 9 mila miliardi di dollari di investimenti, circa 188 GW e 3,55 mila miliardi di ricavi necessari (l'8,8% del PIL). Le cifre riportate dalla stampa, e qui, sono quelle della bozza della conferenza pubblicata da Brookings.

Altre stime comparabili

Bain & Company (settembre 2025) stimava che sarebbero serviti circa 2 mila miliardi di dollari di ricavi annui a livello mondiale entro il 2030 per finanziare la potenza di calcolo richiesta, e che ne mancherebbero comunque 800 miliardi anche contando i risparmi legati all'IA (Bain). L'ambito (globale, orizzonte 2030) e il metodo differiscono: le due cifre non si sommano.
Il paper rileva che la spesa in conto capitale di Oracle, Microsoft, Amazon, Meta e Alphabet è passata da circa 97 miliardi di dollari nel 2020 a oltre 400 miliardi nel 2025, e dovrebbe superare gli 800 miliardi nel 2026, oltre il loro flusso di cassa operativo combinato per la prima volta. Di qui il ricorso crescente a leasing, joint venture, credito privato e veicoli fuori bilancio, che l'autore ritiene più difficili da monitorare (Bisnow, podcast di Brookings).

Che cosa implica per il prezzo degli strumenti di programmazione e delle API

Il paper traduce la sua soglia in prezzi di noleggio delle GPU: circa 5,5 dollari per ora-GPU installata a utilizzo pieno, 6,9 all'80% di utilizzo, in linea con la fascia degli attuali prezzi del calcolo di frontiera. Per l'autore la vera domanda è quindi se i fornitori manterranno questo potere di determinazione dei prezzi una volta aggiunti circa 180 GW. Due letture, non mutuamente esclusive:

Finché la capacità scarseggia, i prezzi tengono. I listini lo mostrano già: da Google, Gemini 4 Argon passa da 2/10 a 4/20 dollari per milione di token il 1° dicembre, e Gemini 3.8 Flash da 0,75/3,75 a 1,50/7,50 dollari il 1° gennaio 2027, quando finiscono i prezzi promozionali (Google). Un abbonamento di programmazione o un'API oggi «economici» possono tornare a salire.
Se l'offerta supera la domanda, scendono. «Prima o poi avremo un eccesso di offerta, come in ogni ciclo immobiliare, e allora i prezzi crolleranno», ha detto l'autore a Bisnow; si aspetta che quel rischio compaia solo dopo cinque-otto anni di forte crescita.

In pratica, per un team che pianifica il budget dei propri agenti di programmazione: confrontate il prezzo per compito anziché il prezzo di listino, verificate la data di fine dei prezzi promozionali e tenete una soluzione di riserva più economica o self-hosted. Il calcolatore dei costi e il confronto dei modelli permettono di rifare i conti con i vostri volumi; si veda anche la nostra guida per scegliere un agente in base al budget.

Fonti

Stijn Van Nieuwerburgh: Financing the AI Buildout (BPEA, bozza della conferenza) (4 set 2026), verificato il 21-10-2026
Brookings: Financing the AI buildout (sintesi) (23 set 2026), verificato il 21-10-2026
Brookings: The $10 trillion question (podcast e trascrizione) (8 ott 2026), verificato il 21-10-2026
Columbia Business School: The AI Buildout: What Real Estate Investors Need to Underwrite (6 ott 2026), verificato il 21-10-2026
Bisnow: Brookings Study Shows AI's $10T Build-Out Cost Will Likely End In Market Correction (23 set 2026), verificato il 21-10-2026
Bain & Company: $2 trillion in new revenue needed to fund AI's scaling trend (23 set 2025), verificato il 21-10-2026
Google: Gemini API pricing, verificato il 21-10-2026

Punto chiave: 3,725 mila miliardi di dollari l'anno sono una soglia di pareggio calcolata sulla base di ipotesi (rendimento del 10%, margine del 50%, GPU ammortizzate in sei anni), non una previsione di ricavi.

DeepSeek aiuterebbe Huawei a progettare i suoi prossimi chip di IA: che cosa è documentato e che cosa no

Wed, 21 Oct 2026 00:00:00 +0000

Il 19 ottobre 2026 il quotidiano statunitense The Information ha riferito che DeepSeek collabora strettamente con Huawei per influenzare la progettazione dei suoi futuri chip di IA, in una cooperazione che potrebbe aiutare la Cina ad addestrare modelli di frontiera senza tecnologia Nvidia (The Information, articolo a pagamento di Qianer Liu e Juro Osawa).

Fonti anonime. L'indiscrezione si basa su «due persone a conoscenza dei fatti», secondo il riassunto dell'articolo. Né DeepSeek né Huawei hanno commentato pubblicamente (Dealroom). Non abbiamo trovato né conferme ufficiali né smentite.

Che cosa riporta The Information

Secondo gli articoli di Investing.com e Dealroom, che citano l'articolo:

Ingegneri sul posto: ingegneri di Huawei sono distaccati negli uffici di DeepSeek, alcuni per un periodo prolungato, e traducono le sue richieste su come i modelli calcolano e spostano i dati tra i processori in chip attesi dal prossimo anno.
Addestramento: DeepSeek prevede di avviare il pre-addestramento dei modelli sull'Ascend 950DT già alla fine del 2026. La tempistica è ancora in fase di verifica e potrebbe cambiare.
Fornitura: Huawei intende assegnare a DeepSeek la maggior parte della fornitura del suo Ascend 960DT, atteso nel primo trimestre 2027.
Limiti: gli ultimi test di DeepSeek usano più di 1.000 processori, mentre un pre-addestramento completo potrebbe richiedere più di 10.000 Ascend 950DT per settimane; parte del software di gestione dei cluster è incompleta. DeepSeek vuole comunque i chip Nvidia.

Alcune testate hanno pubblicato versioni divergenti (date di lancio dei 950DT, direzione della collaborazione); noi ci atteniamo ai punti sopra, riportati in modo coerente.

Che cosa è pubblico e verificabile

La roadmap di Huawei: a Huawei Connect, il 17 settembre, Huawei ha annunciato l'Ascend 960DT per il primo trimestre 2027, con tre trimestri di anticipo sul piano, il 960PR per il terzo trimestre 2027, poi gli Ascend 970 e 980 nel 2028 e 2029 (Huawei).
Software: il 30 settembre DeepSeek ha rilasciato una versione per Ascend 950 di TileLang, il linguaggio open source che usa come alternativa a CUDA (Dealroom). Il suo framework di inferenza DeepInfer, reso open source il 20 ottobre, funziona già sulle GPU Nvidia e sulle NPU Ascend 950 (si veda il nostro articolo).
Il divario di prestazioni: secondo Epoch AI, citata da Investing.com, il B300 di Nvidia offre circa sette volte la potenza di calcolo grezza di un Ascend 950.

Contesto: i controlli statunitensi sulle esportazioni

Huawei non ha accesso a TSMC dal 2020 e ha solo un accesso limitato alla memoria ad alta larghezza di banda dal 2024 a causa dei controlli statunitensi (Dealroom). Sul fronte Nvidia, l'allentamento di gennaio 2026 riguarda solo l'H200, l'MI325X di AMD e chip analoghi, le cui licenze di esportazione verso la Cina sono ora esaminate caso per caso, a determinate condizioni (BIS). Il 20 ottobre il Dipartimento della Sicurezza Interna degli Stati Uniti ha inoltre ordinato la rimozione dei prodotti DeepSeek, compresi quelli di terzi costruiti sui suoi modelli, dai sistemi informatici delle agenzie civili federali (Federal Register).

Che cosa significa per chi programma con DeepSeek

Nessun cambiamento dei prezzi a breve termine: l'API fattura deepseek-flash (DeepSeek V4.1-Flash-1017) a 0,30 $ in input (cache miss) e 1,20 $ in output per milione di token nelle ore di punta, a metà prezzo fuori punta; deepseek-v4-pro costa 1,32 $ e 3,96 $ (DeepSeek). Si vedano la pagina di DeepSeek V4.1-Flash-1017 e il confronto dei modelli.
Meno dipendenza da Nvidia, più da Huawei: se DeepSeek eseguirà davvero il pre-addestramento su Ascend, i suoi prossimi modelli dipenderanno meno dall'accesso ai chip statunitensi. Ma Huawei afferma di non poter ancora soddisfare tutta la domanda, secondo Dealroom: la potenza di calcolo disponibile resta il fattore da osservare per i limiti d'uso e il ritmo dei rilasci di modelli.
I pesi restano scaricabili: V4.1-Flash-1017 è rilasciato con licenza MIT (Hugging Face), qualunque sia il chip su cui è stato addestrato. Un team può ospitarlo in proprio (si veda la nostra guida a Ollama).
Per i clienti del settore pubblico statunitense, l'ordine del 20 ottobre chiude già la porta ai prodotti costruiti su DeepSeek, indipendentemente da questa collaborazione.

Per confrontare DeepSeek con i concorrenti su prezzi e punteggi di programmazione, si veda anche il confronto DeepSeek V4.1 Flash, MiniMax M3.1 Flash, Gemini 4 Argon.

Fonti

The Information: How DeepSeek Is Shaping Huawei's AI Chips in a Growing Challenge to Nvidia (19 ott 2026, a pagamento, letto solo il riassunto), verificato il 21-10-2026
Investing.com: DeepSeek teams up with Huawei to challenge Nvidia (19 ott 2026), verificato il 21-10-2026
Dealroom: Huawei engineers move into DeepSeek's offices (20 ott 2026), verificato il 21-10-2026
Huawei: David Wang's keynote at Huawei Connect 2026 (17 set 2026), verificato il 21-10-2026
BIS: revised license review policy for semiconductors exported to China (13 gen 2026), verificato il 21-10-2026
Federal Register: DHS order on DeepSeek products (20 ott 2026), verificato il 21-10-2026
DeepSeek: API models and pricing, verificato il 21-10-2026

Punto chiave: nessuna delle due aziende ha confermato la progettazione congiunta DeepSeek-Huawei; la roadmap Ascend e i prezzi dell'API di DeepSeek sono invece pubblici.

Gemini 4 Argon: quasi 25 mila miliardi di token in 72 ore, il triplo di Gemini 3

Wed, 21 Oct 2026 00:00:00 +0000

Google afferma che Gemini 4 Argon, disponibile a tutti dal 13 ottobre 2026, ha elaborato quasi 25 mila miliardi di token nelle 72 ore successive al lancio, circa il triplo di quanto aveva elaborato Gemini 3 nello stesso periodo.

Da dove viene la cifra

Sundar Pichai, CEO di Google, l'ha fornita in un'intervista al Big Technology Podcast pubblicata il 20 ottobre: «Nelle prime 72 ore dal lancio siamo quasi a 25 mila miliardi di token utilizzati, circa tre volte quanto aveva Gemini 3.0 nelle prime 72 ore. E abbiamo vincoli di capacità mentre lo serviamo» (Big Technology).
L'account ufficiale News from Google ha ripreso la cifra (X), così come Koray Kavukcuoglu, SVP di Google DeepMind e Chief AI Architect di Google (X).

Una cifra di Google, non verificata. Google non precisa come questi token si ripartiscano tra input e output, tra clienti paganti e uso interno, o tra app Gemini, Ricerca e API. Non fornisce nemmeno il volume assoluto di Gemini 3 (Aiholics). È una misura d'uso, non una misura di qualità.

Il volume è inoltre gonfiato dalla natura del modello: Argon accetta fino a un milione di token di input e output combinati tramite l'API, e Google lo spinge verso compiti lunghi per agenti (Google). Una sessione di un agente di programmazione consuma molti più token di una risposta in chat.

Prezzi: 2 $ / 10 $, ma solo fino al 30 novembre

Il prezzo di 2 $ per milione di token di input e 10 $ per l'output è un prezzo promozionale. Secondo la pagina dei prezzi dell'API Gemini (Google):

Standard: 2 $ in input e 10 $ in output (token di ragionamento inclusi) fino al 30 novembre 2026, poi 4 $ e 20 $ dal 1° dicembre.
Caching: 0,10 $ per milione di token di input in cache, poi 0,20 $; è offerto solo il caching implicito, non quello esplicito.
Batch e Flex: metà prezzo (1 $ e 5 $, poi 2 $ e 10 $).
Nessun piano gratuito per Argon nell'API.

Questi prezzi corrispondono alla nostra pagina Gemini 4 Argon e al confronto dei modelli; non è stato necessario modificare alcun dato.

Che cosa dice Google sull'uso per la programmazione

Sul blog del lancio, Google afferma che internamente Argon in Antigravity ha aumentato di oltre il 35% le sottomissioni di codice agentico e ridotto di quasi un terzo i rollback del codice (Google).
Sundar Pichai, da parte sua, cita un aumento del 30% delle modifiche di codice (CL) in quattro settimane e riconosce che anche nella programmazione «ci sono aree in cui sappiamo di dover fare meglio» (Big Technology).

Queste cifre interne non sono misurate in modo indipendente.

Che cosa significa per gli sviluppatori

Budget: un agente di programmazione che usa Argon costerà il doppio per token dal 1° dicembre. Il calcolatore dei costi stima la differenza sui vostri volumi.
Capacità: Google dice di avere vincoli di capacità nel servire il modello. Sundar Pichai aggiunge che un cliente che oggi chiede capacità di calcolo per il 2027 la troverà «incredibilmente difficile» da ottenere. Prevedere una soluzione di ripiego in caso di limiti d'uso è prudente.
Accesso: Argon è disponibile tramite l'API (livello a pagamento di AI Studio e piattaforma Gemini) e, per gli abbonati a Google AI Ultra, in Antigravity. Per passare da Gemini CLI ad Antigravity CLI, vedi la nostra guida.
Alternative più economiche: il confronto DeepSeek V4.1 Flash, MiniMax M3.1 Flash, Gemini 4 Argon mette Argon a confronto con due modelli «Flash» molto più economici per token.

Fonti

Google: Gemini 4 Argon: Built to solve your hardest problems (13 ott. 2026), verificato il 2026-10-21
Google AI for Developers: Gemini API pricing (pagina aggiornata il 19 ott. 2026), verificato il 2026-10-21
Big Technology: intervista a Sundar Pichai (20 ott. 2026), verificato il 2026-10-21
News from Google su X (20 ott. 2026), verificato il 2026-10-21
Koray Kavukcuoglu su X (ott. 2026), verificato il 2026-10-21
Aiholics: Gemini 4 Argon hit nearly 25T tokens in 72 hours (20 ott. 2026), verificato il 2026-10-21

In sintesi: 25 mila miliardi di token in 72 ore è una cifra d'uso annunciata da Google; il prezzo di 2 $/10 $ è una tariffa promozionale che raddoppia il 1° dicembre 2026.

Scope, DeepInfer, Humming: gli strumenti per agenti e inferenza diventano open source

Wed, 21 Oct 2026 00:00:00 +0000

Tra il 19 e il 21 ottobre 2026 sono usciti quattro progetti open source legati agli agenti di programmazione e all'inferenza. Nessuno è un nuovo agente: sono strumenti per misurare, rendere più robusti ed eseguire a basso costo gli agenti già esistenti.

Microsoft Scope: testare che cosa fanno gli agenti con il vostro prodotto (19 ott.)

Microsoft ha pubblicato Scope, una piattaforma di valutazione per agenti di programmazione con licenza MIT, basata su Kubernetes (Microsoft Open Source).

Come funziona: si fornisce un compito, una base di codice di partenza e la configurazione di un agente; Scope pilota GitHub Copilot, Claude Code o VS Code con Copilot, poi un servizio «Judge» basato su LLM valuta l'output rispetto a criteri organizzati in un grafo (un controllo a runtime può dipendere da una compilazione riuscita).
Tracciabilità: chiamate agli strumenti, file generati e istantanee dello spazio di lavoro vengono conservati, così che un errore possa essere ricondotto al passaggio che lo ha causato.
Esempio fornito: il team di Azure Cosmos DB afferma di aver risolto 20 problemi di Agent Kit e 27 di documentazione; dopo un aggiornamento mirato, l'uso delle chiavi di partizione gerarchiche da parte degli agenti è passato dal 47% al 100%.
Limiti: non esiste una versione in hosting, Scope va distribuito in proprio e Microsoft avverte che il giudice automatico può sbagliare. Codex e OpenCode sono «previsti»; Cursor non è integrato (sito del progetto).

Vercel durable-harness: un agente che riprende dopo un crash

Vercel Labs ha pubblicato durable-harness (Apache 2.0, versione 0.0.1-beta.6 del 19 ottobre su npm), che esegue Pi, OpenCode, fx, Claude Code e Codex come flussi di lavoro durevoli (GitHub). Ogni chiamata a modelli e strumenti viene scritta nel log della sessione: dopo un crash, il turno in corso riprende su un'altra macchina, e una chiamata a uno strumento non sicura da ripetere non viene mai eseguita due volte. Claude Code e Codex girano solo nel Vercel Sandbox della sessione stessa. Il progetto è etichettato come sperimentale: la sua API potrebbe cambiare.

DeepSeek DeepInfer: lo stack di produzione con licenza Apache 2.0 (20 ott.)

DeepSeek ha reso open source DeepInfer, il framework di inferenza alla base del suo modello V4.1 Flash (GitHub). Secondo DeepSeek, un singolo cluster serve attualmente 155 mila miliardi di token al giorno, con un ricavo complessivo di 38 $ per ora-GPU alla tariffa fuori picco (valle) (Q&A sulla distribuzione).

Hardware: GPU NVIDIA SM100 e NPU Huawei Ascend 950.
Che cosa manca: la gestione della cache KV, la disaggregazione prefill/decode e il bilanciamento del carico restano interni; la versione pubblicata fa solo inferenza offline.
Vedi la pagina dello strumento DeepSeek V4.1-Flash-1017.

vLLM Humming: kernel per modelli quantizzati (21 ott.)

Ant Group e la community di vLLM hanno reso open source Humming, una libreria di kernel CUDA per l'inferenza quantizzata, integrata in vLLM dalla versione 0.29.0 (blog di vLLM). Su DeepSeek-V4.1-Flash con otto GPU H20, passare i livelli MoE da Marlin W4A16 a Humming W4A8 ha aumentato la velocità di elaborazione end-to-end di circa il 14%-43% a seconda della concorrenza, secondo le misurazioni pubblicate da vLLM.

Che cosa cambia

Gli agenti diventano utenti di prima classe: con Scope, un team che sviluppa un SDK o un server MCP può verificare se gli agenti trovano e usano correttamente il suo prodotto, come testerebbe la documentazione con degli esseri umani.
L'affidabilità passa in primo piano: riprendere un compito lungo dopo un crash evita di pagare di nuovo chiamate ai modelli già effettuate.
Il software abbassa i costi di inferenza: DeepInfer e Humming inseguono lo stesso obiettivo dei modelli «Flash» (vedi il nostro articolo), servire più token con lo stesso hardware.

Tutte le cifre di questo articolo sono annunciate dai fornitori stessi e non sono state misurate in modo indipendente.

Aggiornamento del sito: Tre articoli: DeepSeek e Huawei, data center IA, Gemini 4 Argon

Wed, 21 Oct 2026 00:00:00 +0000

Nuovi articoli sulla co-progettazione dei chip Ascend tra DeepSeek e Huawei (fonti anonime), sul documento pubblicato da Brookings che stima in 3.725 miliardi di dollari l'anno entro il 2032 i ricavi necessari per ripagare i data center IA, e sui 25 mila miliardi di token elaborati da Gemini 4 Argon in 72 ore. Articoli correlati aggiunti alle pagine di Gemini 4 Argon e DeepSeek V4.1-Flash-1017.

Aggiornamento del sito: Notizie: strumenti open source per agenti e inferenza

Wed, 21 Oct 2026 00:00:00 +0000

Nuovo articolo su Microsoft Scope, Vercel durable-harness, DeepSeek DeepInfer e vLLM Humming. Nuova cifra chiave: 38 dollari di ricavi per ora-GPU annunciati da DeepSeek per V4.1 Flash; fonte di DeepInfer aggiunta alla sua scheda.

Aggiornamento del sito: Confronto dei modelli: tre aggiunte e dati più solidi

Wed, 21 Oct 2026 00:00:00 +0000

Amazon Nova 2 Lite, Granite 4.2 30B (IBM) e Phi-4-reasoning-vision-15B (Microsoft) entrano nel confronto dei modelli, che ora ne conta 33. Aggiunta la data di rilascio di GPT-6.1 Sol; confermata, con fonte, la mancata pubblicazione dei pesi di MiniMax M3.1 Flash.

Aggiornamento del sito: Pagine Benchmark e Aggiornamenti

Wed, 21 Oct 2026 00:00:00 +0000

Nuova pagina che raggruppa per benchmark tutti i punteggi di programmazione già presenti nei nostri dati (11 punteggi DeepSWE v1.1 dichiarati dai fornitori), con condizioni e fonti, e questo changelog del sito, incluso anche nel feed RSS.

Agenti di codice open source su GitHub: OpenCode, Cline, OpenHands, Aider

Tue, 20 Oct 2026 00:00:00 +0000

Dei 20 repository della nostra classifica dei repository GitHub di IA, sette sono agenti di codice. Non hanno tutti lo stesso status: alcuni sono progetti open source indipendenti, altri sono strumenti di un fornitore rilasciati con licenza open source, e un repository molto apprezzato non è affatto open source. Cifre rilevate tramite l'API di GitHub il 20-10-2026.

Quattro agenti open source indipendenti

OpenCode (anomalyco/opencode): «l'agente di codice IA open source», secondo il suo README. Si installa da riga di comando (script, npm, Homebrew, Arch, Nix) ed è disponibile anche come app desktop, in beta, per macOS, Windows e Linux. Licenza MIT, 218.744 stelle, 29.184 fork. Ultima release pubblicata su GitHub: v1.19.3, il 16 ottobre 2026 (GitHub); la v2 è distribuita su npm (vedere la pagina OpenCode).
Cline (cline/cline): un agente disponibile come CLI (con modalità headless per CI/CD e scripting), app desktop per macOS e Windows, estensione VS Code (con approvazione umana delle azioni), plugin JetBrains e SDK Node.js per costruire i propri agenti, secondo il suo README. Licenza Apache-2.0, 70.722 stelle, 7.727 fork, ultimo push il 20 ottobre 2026. Vedere la pagina Cline.
OpenHands (OpenHands/OpenHands, in precedenza All-Hands-AI): il README presenta «Agent Canvas», un centro di controllo self-hosted che esegue l'agente OpenHands o agenti di terze parti (Claude Code, Codex, Gemini CLI, Pi, OpenCode o qualsiasi agente compatibile ACP), in locale per impostazione predefinita, oppure su Docker, VM o infrastruttura aziendale. Licenza MIT, 91.404 stelle, 12.125 fork. Release v1.28.1 pubblicata il 19 ottobre 2026 (GitHub).
Aider (Aider-AI/aider): pair programming con IA nel terminale. Il README mette in evidenza una mappa del repository, commit Git automatici, oltre 100 linguaggi, lint e test dopo ogni modifica e supporto per modelli cloud o locali. Licenza Apache-2.0, 49.663 stelle, 5.088 fork. Ultima release: v0.86.0, il 9 agosto 2025 (GitHub); ultimo push il 22 maggio 2026. Vedere la pagina Aider.

CLI dei fornitori con licenze open source

Codex CLI (openai/codex): l'agente di OpenAI «che gira in locale sul vostro computer», secondo il README, che rimanda anche all'estensione per editor, all'app desktop e a Codex Web. Licenza Apache-2.0, 130.181 stelle, 20.519 fork. Vedere la pagina Codex.
Gemini CLI (google-gemini/gemini-cli): un agente open source che porta Gemini nel terminale. Licenza Apache-2.0, 107.470 stelle, 14.744 fork. Il suo README precisa che, per gli utenti del livello gratuito e di Google One, Gemini CLI è stato sostituito da Antigravity CLI il 18 giugno 2026 e che non è ottimizzato per Gemini 4 Argon.

Un repository pubblico, ma non open source

Claude Code (anthropics/claude-code) ha 152.673 stelle e 26.709 fork, ma il suo file di licenza recita «© Anthropic PBC. All rights reserved» e subordina l'uso ai termini commerciali di Anthropic. Il repository ospita il tracciamento delle issue, le note di rilascio e i plugin. Vedere la pagina Claude Code.

Cosa mostrano le cifre

OpenCode molto avanti: con 218.744 stelle, da solo supera il totale combinato di Cline, OpenHands e Aider (211.789).
Repository recenti: OpenCode, Codex CLI e Gemini CLI sono stati creati ad aprile 2025 e Claude Code a febbraio 2025, secondo l'API. Cline risale a luglio 2024, OpenHands a marzo 2024 e Aider a maggio 2023.
Due licenze permissive: i sei agenti open source usano MIT (OpenCode, OpenHands) o Apache-2.0 (Cline, Aider, Codex CLI, Gemini CLI). Entrambe consentono uso commerciale e modifica; Apache-2.0 aggiunge una licenza esplicita sui brevetti.
Ritmi diversi: sei dei sette repository hanno ricevuto un push il 20 ottobre 2026. Aider è l'unico senza release pubblicata da oltre un anno.

Da verificare prima di adottare un agente

Controllare lo stato di manutenzione: due agenti popolari non sono più attivi. Il README di Continue (36.273 stelle) indica che il repository non è più mantenuto attivamente ed è in sola lettura; Roo Code (24.273 stelle) è archiviato su GitHub.
Distinguere repository pubblico e software libero: un repository visibile non concede il diritto di modificare o ridistribuire il codice. Leggete il file LICENSE.
Seguire i canali di distribuzione: OpenCode pubblica la v1 su GitHub e la v2 su npm; Gemini CLI reindirizza una parte dei suoi utenti verso un altro strumento.

Limiti

Stelle e fork misurano l'interesse per i repository, non la qualità degli agenti né i loro risultati sul codice reale. Per confrontare funzioni e prezzi, vedere il confronto OpenCode, Aider e Cline e la nostra classifica di ottobre 2026 dei repository GitHub di IA.

In sintesi: gli agenti di codice open source più apprezzati usano MIT o Apache-2.0, ma la popolarità di un repository non garantisce né la sua licenza né la sua manutenzione.

I repository GitHub di IA con più stelle tra gli sviluppatori (ottobre 2026)

Tue, 20 Oct 2026 00:00:00 +0000

Il 20 ottobre 2026 abbiamo usato l'API di GitHub per registrare stelle, fork, licenza dichiarata e data dell'ultimo push di 20 repository pubblici importanti per gli sviluppatori che programmano con l'IA. La classifica completa, filtrabile per tipo, si trova nella nostra pagina dei repository GitHub di IA.

Metodo

Tre criteri: il repository riguarda l'IA per sviluppatori (agenti di programmazione, editor, modelli aperti, inferenza, framework per agenti, MCP, valutazione); ha più di 5.000 stelle; ha ricevuto almeno un push negli ultimi dodici mesi e non è né archiviato né dichiarato di sola lettura. Tutte le cifre provengono dall'API di GitHub (documentazione), verificate il 2026-10-20. Una stella segnala l'interesse di un utente GitHub per un repository: non è una metrica d'uso né un marchio di qualità.

La top 10

1. OpenCode (anomalyco/opencode): 218.744 stelle, 29.184 fork, MIT.
2. Ollama (ollama/ollama): 184.067 stelle, 18.450 fork, MIT.
3. Transformers (huggingface/transformers): 167.911 stelle, 34.922 fork, Apache-2.0.
4. Open WebUI (open-webui/open-webui): 156.281 stelle, 22.749 fork, licenza specifica del progetto.
5. Claude Code (anthropics/claude-code): 152.673 stelle, 26.709 fork, licenza proprietaria.
6. LangChain (langchain-ai/langchain): 148.143 stelle, 24.862 fork, MIT.
7. llama.cpp (ggml-org/llama.cpp): 131.835 stelle, 24.598 fork, MIT.
8. Codex CLI (openai/codex): 130.181 stelle, 20.519 fork, Apache-2.0.
9. Gemini CLI (google-gemini/gemini-cli): 107.470 stelle, 14.744 fork, Apache-2.0.
10. vLLM (vllm-project/vllm): 94.386 stelle, 23.660 fork, Apache-2.0.

Seguono Zed (91.957), i server di riferimento MCP (91.419), OpenHands (91.404), Cline (70.722), CrewAI (59.922), Aider (49.663), LangGraph (43.592), l'SDK Python di MCP (24.624), gpt-oss (20.479) e SWE-bench (6.063).

Che cosa mostrano le cifre

Gli agenti di programmazione in testa. I sette agenti dell'elenco (OpenCode, Claude Code, Codex CLI, Gemini CLI, OpenHands, Cline, Aider) totalizzano 820.857 stelle, ovvero il 40% delle 2.041.536 stelle dei 20 repository. Gli strumenti di inferenza e di esecuzione locale (Ollama, Open WebUI, llama.cpp, vLLM) seguono con 566.569 stelle.

Repository giovani in vetta. Quattro dei primi nove sono agenti il cui repository è stato creato nel 2025: Claude Code (22 febbraio), Codex CLI (13 aprile), Gemini CLI (17 aprile) e OpenCode (30 aprile), secondo la data di creazione restituita dall'API. In rapporto alla sua età, OpenCode ha guadagnato in media circa 12.400 stelle al mese dalla creazione, contro circa 1.750 per Transformers, creato nell'ottobre 2018 (calcolo di OrigoTech sulle cifre dell'API).

Più fork sul fronte dell'infrastruttura. Il rapporto fork/stelle raggiunge il 25% per vLLM e il 21% per Transformers, contro il 13% per OpenCode e il 10% per Ollama. Un fork è spesso il punto di partenza di un contributo o di un adattamento interno; da solo questo rapporto non dice nulla sul numero di contributori.

Attività quasi continua. 18 dei 20 repository hanno ricevuto un push nell'ottobre 2026. Le due eccezioni: SWE-bench (ultimo push il 18 settembre 2026) e Aider (22 maggio 2026), la cui ultima versione pubblicata resta la v0.86.0 del 9 agosto 2025 (GitHub).

Licenze: non tutto è open source

Nove repository usano MIT e sette Apache-2.0. Quattro fanno eccezione: Claude Code, il cui file di licenza riporta «© Anthropic PBC. All rights reserved» e rimanda alle condizioni commerciali di Anthropic; Open WebUI, con una licenza specifica del progetto; Zed, che combina file di licenza GPL e Apache; e i server MCP, in transizione da MIT ad Apache-2.0 secondo il loro file LICENSE. Un repository pubblico con molte stelle non è necessariamente software libero.

Chi manca

Alcuni repository popolari non rispettano i nostri criteri: DeepSeek-V3 e DeepSeek-R1 non ricevono push rispettivamente da agosto e giugno 2025; il README di Continue afferma che il repository non è più mantenuto attivamente ed è di sola lettura; il README di AutoGen di Microsoft annuncia un progetto archiviato; Roo Code è archiviato su GitHub.

Limiti

Le stelle si sommano dal giorno della creazione di un repository: misurano la popolarità accumulata, non l'uso attuale. Escludono inoltre le installazioni tramite npm, Homebrew o estensioni degli editor. Per confrontare gli agenti nella sostanza, vedi la nostra analisi degli agenti di programmazione open source su GitHub e il confronto OpenCode, Aider e Cline.

In sintesi: su 20 grandi repository di IA, gli agenti di programmazione detengono il 40% delle stelle e quattro di essi hanno meno di due anni.

Scegliere un agente di programmazione in base al budget: gratis, 20 $ al mese o enterprise

Tue, 20 Oct 2026 00:00:00 +0000

Gli agenti di programmazione si vendono in tre modi: un abbonamento che include una quota d'uso, la fatturazione per token tramite una chiave API, oppure uno strumento gratuito che lascia a voi il pagamento del fornitore del modello. Questa guida ordina le offerte per fascia di prezzo, usando le pagine degli strumenti della directory di OrigoTech e le pagine ufficiali dei prezzi, verificate il 2026-10-20. Non classifica gli strumenti: le quote incluse differiscono da un piano all'altro e non sono direttamente confrontabili. Prezzi in dollari statunitensi, come mostrati dai fornitori.

Gratis (0 $)

Codex: incluso in ChatGPT Free, con GPT-6 Luna nell'app desktop (distribuzione graduale) (OpenAI).
GitHub Copilot Free: 2.000 completamenti e 50 richieste di chat al mese (GitHub).
Cursor Free: uso limitato dell'IA (Cursor).
Devin Desktop Free: quota leggera, modelli limitati (Devin).
Junie da Free a Start: il modello gratuito Junie Lite, oppure le vostre chiavi API al prezzo del fornitore (JetBrains).
Zed Personal: uso illimitato con le vostre chiavi API o con agenti esterni (Zed).
Qoder Free, con una prova Pro di due settimane (Qoder).
Strumenti open source, modello a vostro carico: OpenCode (licenza MIT), Cline (gratuito per i singoli, inferenza a consumo) e Aider sono gratuiti; si paga il fornitore del modello scelto, oppure nulla con un modello locale (vedi la nostra guida a Ollama).

Claude Code non ha un piano gratuito: il piano gratuito di Claude non lo include (Anthropic). Sul fronte di Google, Gemini CLI non serve più gli account gratuiti dal 18 giugno 2026; vedi Passare da Gemini CLI ad Antigravity CLI.

Intorno ai 20 $ al mese

Claude Pro (Claude Code incluso): 17 $/mese con fatturazione annuale (200 $ anticipati), 20 $ mensili (Anthropic).
ChatGPT Plus (Codex sul web, CLI, estensione IDE e iOS, con GPT-6.1 Sol): 20 $/mese; il piano Go, a 8 $, è pensato per compiti più leggeri (OpenAI).
Copilot Pro: 10 $/mese, con 15 $ di crediti IA al mese; Pro+: 39 $/mese, 70 $ di crediti (GitHub).
Cursor Plus: 8 $/mese, limitato ai modelli Grok; Premium: 30 $/mese, 4 volte l'uso di Plus (Cursor).
Devin Desktop Pro: 20 $/mese (Devin).
Qoder Pro: 20 $/mese (Qoder).
Zed Pro: 10 $/mese, con 5 $ di token inclusi, poi prezzo di listino dell'API più il 10% (Zed).
JetBrains AI Pro (Junie): 8,33 $ per utente al mese con fatturazione annuale, 10 crediti IA ogni 30 giorni (JetBrains).

Uso intensivo (da 100 $ al mese)

Claude Max: da 100 $/mese, uso pari a 5 o 20 volte quello di Pro.
ChatGPT Pro: 100, 200 o 500 $/mese.
Copilot Max: 100 $/mese, 200 $ di crediti IA.
Cursor Super: 100 $/mese; Ultra: 200 $/mese.
Devin Desktop Max: 200 $/mese.
Qoder: Pro+ a 60 $, Ultra a 200 $/mese.
JetBrains AI Ultimate: 25 $ per utente al mese con fatturazione annuale, 35 crediti IA ogni 30 giorni.

Team e grandi aziende

Claude Team: 20 $ per postazione al mese con fatturazione annuale (25 $ mensili), postazione Premium a 100 $ (125 $ mensili), da 2 a 150 persone. Enterprise: 20 $ per postazione al mese con fatturazione annuale più l'uso alle tariffe API, minimo 20 postazioni (Anthropic).
ChatGPT Business (Codex): 20 $ per utente al mese con fatturazione annuale (25 $ mensili), minimo due utenti (OpenAI).
Cursor Teams: da 30 $ per utente al mese, fatturazione centralizzata e SSO.
Devin Desktop Teams: 80 $/mese più 40 $/mese per postazione completa, fino a 200 utenti; Enterprise su preventivo.
Zed Business: 30 $ per postazione al mese.
Cline Enterprise: su preventivo, con estensione JetBrains, SSO e SLA (Cline).

I piani Business ed Enterprise di GitHub Copilot non sono ancora nella nostra pagina dello strumento; vedi la pagina dei piani.

Pagamento a consumo con una chiave API

Codex, Claude Code (account Console), Cline, OpenCode, Aider, Junie e Zed accettano la fatturazione per token, direttamente con il fornitore del modello. Il costo dipende allora dal modello e dal volume. Anthropic fornisce un ordine di grandezza per Claude Code nelle sue implementazioni aziendali: circa 13 $ per sviluppatore per giorno attivo, 150-250 $ al mese, meno di 30 $ per giorno attivo per il 90% degli utenti (Anthropic). I prezzi per milione di token di 27 modelli, da 0,10 $ a 10 $ per l'input, sono riuniti nel confronto dei modelli.

Per confrontare nel dettaglio

Confronti scritti: Claude Code, Codex o GitHub Copilot, Cursor, Devin Desktop o Copilot, OpenCode, Aider e Cline.
Sfide dirette: Claude Code contro Codex, Codex contro GitHub Copilot, Cursor contro Devin Desktop, Cursor contro Zed, Cline contro OpenCode.
Ogni piano nel dettaglio: la directory degli strumenti e la pagina dei Confronti.

Fonti

Anthropic: prezzi di Claude, verificati il 2026-10-20
Claude Code Docs: Manage costs effectively, verificato il 2026-10-20
OpenAI: prezzi di Codex, verificati il 2026-10-20
GitHub: piani di Copilot, verificati il 2026-10-20
Cursor: prezzi, verificati il 2026-10-20
Devin: prezzi, verificati il 2026-10-20
Zed: prezzi, verificati il 2026-10-20
JetBrains: Junie, verificato il 2026-10-20
Qoder: prezzi e Cline: prezzi, come registrati nelle pagine degli strumenti della directory aggiornate il 2026-10-20

In sintesi: la maggior parte degli agenti ha un piano gratuito limitato e un primo piano a pagamento tra 8 e 20 $ al mese; Claude Code è l'eccezione, senza piano gratuito, e gli strumenti open source spostano il costo sul fornitore del modello.

Come installare e iniziare con Claude Code: guida passo passo

Tue, 20 Oct 2026 00:00:00 +0000

Claude Code è l'agente di codice di Anthropic: legge il vostro progetto, propone modifiche ed esegue comandi dal terminale, da un IDE, dall'app desktop o dal web. Questa guida segue la documentazione ufficiale; ogni comando è stato verificato rispetto a essa il 2026-10-20. Per cifre di utilizzo e piani, vedere la pagina dello strumento Claude Code.

Prima di iniziare

Sistemi operativi: macOS 13.0 o successivo, Windows 10 1809 o successivo (o Windows Server 2019), Ubuntu 20.04+, Debian 10+, Alpine Linux 3.19+ (Anthropic).
Hardware: almeno 4 GB di RAM, processore x64 o ARM64. È necessaria una connessione a internet.
Shell: Bash, Zsh, PowerShell o CMD.
Paese: Claude Code è offerto solo nei paesi supportati da Anthropic.
Account: un abbonamento Claude Pro, Max, Team o Enterprise, oppure un account Claude Console (API con crediti prepagati). Il piano gratuito di claude.ai non include Claude Code. Sono supportati anche Amazon Bedrock, Google Cloud e Microsoft Foundry.

Installare Claude Code

L'installer nativo è il metodo raccomandato da Anthropic; si aggiorna da solo in background.

macOS, Linux e WSL:

curl -fsSL https://claude.ai/install.sh | bash

Windows PowerShell:

irm https://claude.ai/install.ps1 | iex

Windows CMD:

curl -fsSL https://claude.ai/install.cmd -o install.cmd && install.cmd && del install.cmd

L'installer non mostra alcun avanzamento durante il download. Poi aprite un nuovo terminale. Esistono due alternative, senza aggiornamenti automatici per impostazione predefinita:

brew install --cask claude-code

winget install Anthropic.ClaudeCode

Il cask Homebrew claude-code segue il canale stabile (circa una settimana di ritardo, saltando le release con regressioni gravi); claude-code@latest riceve ogni release non appena viene pubblicata. Sono disponibili anche repository apt, dnf e apk firmati per Debian, Fedora, RHEL e Alpine.

Con npm: il pacchetto richiede Node.js 22 o successivo e installa lo stesso binario nativo. Anthropic sconsiglia sudo npm install -g (problemi di permessi e rischi per la sicurezza).

npm install -g @anthropic-ai/claude-code

Note su Windows

Claude Code gira nativamente su Windows o all'interno di WSL. L'installazione nativa non richiede diritti di amministratore. Git for Windows è facoltativo: se presente, Claude Code usa Git Bash per il suo strumento Bash; altrimenti usa PowerShell. Il sandboxing (esecuzione isolata dei comandi) è supportato solo con WSL 2. In WSL, installate e avviate claude dal terminale Linux, non da PowerShell.

Verificare l'installazione

claude --version

Il comando stampa un numero di versione seguito da «(Claude Code)». Se la shell dice che claude non è stato trovato, la directory di installazione non è ancora nel PATH. Per un controllo più completo, senza avviare una sessione:

claude doctor

La prima sessione

Spostatevi in un progetto e avviate l'agente:

cd /path/to/your/project
claude

Al primo utilizzo, Claude Code apre il browser per l'accesso; le credenziali vengono poi memorizzate. Se la variabile d'ambiente ANTHROPIC_API_KEY è impostata e la approvate, il passaggio di accesso viene saltato. Con un account Console, viene creato automaticamente uno spazio di lavoro «Claude Code» per il monitoraggio dei costi.

Iniziate con domande semplici, per esempio:

what does this project do?

Poi una piccola modifica. Claude Code mostra la modifica e chiede l'approvazione in base alla modalità di permessi della sessione; Shift+Tab scorre le modalità.

add a hello world function to the main file

Comandi essenziali, dalla guida rapida di Anthropic:

claude "task" avvia una sessione con un prompt iniziale (ad es. claude "fix the build error"); claude -p "query" risponde una volta, poi esce;
claude -c riprende la conversazione più recente nella directory corrente; claude -r permette di sceglierne una più vecchia;
all'interno di una sessione: /help elenca i comandi, /resume riprende una conversazione, /login cambia account, /clear cancella la cronologia, /exit (o Ctrl+D due volte) esce.

Costi e piani

Claude Code è incluso nei piani a pagamento di Claude (Anthropic, verificato il 2026-10-20):

Pro: 17 $/mese fatturati annualmente (200 $ in anticipo), 20 $ fatturati mensilmente;
Max: da 100 $/mese, con un utilizzo 5 o 20 volte quello di Pro;
Team: postazione standard a 20 $/mese fatturati annualmente (25 $ mensili), postazione Premium a 100 $ (125 $ mensili), da 2 a 150 persone;
Enterprise: 20 $ per postazione al mese fatturati annualmente, più il consumo alle tariffe API, minimo 20 postazioni.

Con un account Console, l'utilizzo è fatturato per token. Anthropic afferma che, nelle sue implementazioni aziendali, il costo medio è di circa 13 $ per sviluppatore per giorno attivo e 150-250 $ per sviluppatore al mese, restando sotto i 30 $ per giorno attivo per il 90% degli utenti (Anthropic). Il comando /usage mostra il consumo della sessione; per gli abbonati Pro e Max l'utilizzo è incluso nel piano. Per confrontare questi piani con altri agenti, vedere la nostra guida Scegliere un agente di codice in base al budget.

Integrare Claude Code con il vostro IDE

VS Code e Cursor: l'estensione ufficiale richiede VS Code 1.94.0 o successivo e un account Claude o Console a pagamento, senza bisogno di chiave API (Anthropic). Aprite la vista Estensioni (Cmd+Shift+X su Mac, Ctrl+Shift+X su Windows e Linux), cercate «Claude Code» e installate. L'estensione include una propria copia della CLI; per eseguire claude nel terminale integrato, installate anche la CLI. Altri fork di VS Code (Devin Desktop, Kiro) usano il registro Open VSX.

JetBrains (IntelliJ IDEA, PyCharm, Android Studio, WebStorm, PhpStorm, GoLand): il plugin non include la CLI. Installate prima la CLI, poi il plugin Claude Code dal JetBrains Marketplace e riavviate l'IDE (Anthropic). Eseguite claude nel terminale integrato, oppure digitate /ide in una sessione avviata da un terminale esterno. Cmd+Esc (Mac) o Ctrl+Esc (Windows e Linux) apre Claude Code dall'editor.

Aggiornare e disinstallare

Le installazioni native si aggiornano da sole. Per aggiornare subito:

claude update

Con Homebrew: brew upgrade claude-code; con WinGet: winget upgrade Anthropic.ClaudeCode. Per rimuovere un'installazione nativa su macOS, Linux o WSL:

rm -f ~/.local/bin/claude
rm -rf ~/.local/share/claude

Per andare oltre

Collegare Claude Code ai vostri strumenti: Come configurare un server MCP.
Confrontare: Claude Code, Codex o GitHub Copilot, Claude Code vs Codex, alternative a Claude Code.
Vocabolario: agente di codice e finestra di contesto nel glossario.

Fonti

Claude Code Docs: Advanced setup, verificato il 2026-10-20
Claude Code Docs: Quickstart, verificato il 2026-10-20
Claude Code Docs: Manage costs effectively, verificato il 2026-10-20
Claude Code Docs: Use Claude Code in VS Code, verificato il 2026-10-20
Claude Code Docs: JetBrains IDEs, verificato il 2026-10-20
Anthropic: Claude pricing, verificato il 2026-10-20

In sintesi: Claude Code si installa con un solo comando su macOS, Linux e Windows, ma richiede un piano Claude a pagamento o un account Console; l'estensione per VS Code include la CLI, il plugin JetBrains no.

Passare da Gemini CLI ad Antigravity CLI: installazione e migrazione

Tue, 20 Oct 2026 00:00:00 +0000

Il 19 maggio 2026 Google ha annunciato che Antigravity CLI avrebbe sostituito Gemini CLI per gli account individuali (Google Developers Blog). Il passaggio è avvenuto il 18 giugno 2026. Questa guida riepiloga chi è interessato, poi illustra installazione e migrazione secondo la documentazione ufficiale di Antigravity, verificata il 20-10-2026.

Chi è interessato?

Interessati: dal 18 giugno 2026 Gemini CLI e le estensioni IDE di Gemini Code Assist non servono più gli abbonati a Google AI Pro e AI Ultra, né gli utenti gratuiti di Gemini Code Assist per singoli. L'opzione «Login with Google» non dà più accesso a Gemini CLI (Google).
Non interessati: le organizzazioni con una licenza Gemini Code Assist Standard o Enterprise, o che usano Gemini Code Assist per GitHub tramite Google Cloud. Gemini CLI resta inoltre accessibile con chiavi API a pagamento di Gemini o di Gemini Enterprise Agent Platform (Google Developers Blog). La pagina di deprecazione di Google aggiunge che gli abbonamenti Standard ed Enterprise seguono un calendario separato (Google).

Secondo Google, Antigravity CLI non offre da subito una piena parità di funzioni, ma mantiene quelle che considera critiche: Agent Skills, Hooks, Subagents ed Extensions, ora chiamate plugin. Scritta in Go, condivide lo stesso agent harness dell'app desktop Antigravity 2.0.

Installare Antigravity CLI

Il comando si chiama agy (Antigravity).

macOS, Linux e Googlebook (binario installato in ~/.local/bin/agy):

curl -fsSL https://antigravity.google/cli/install.sh | bash

Windows PowerShell (binario in C:\Users\<username>\AppData\Local\agy\bin):

irm https://antigravity.google/cli/install.ps1 | iex

Windows CMD:

curl -fsSL https://antigravity.google/cli/install.cmd -o install.cmd && install.cmd && del install.cmd

Verificate l'installazione in un nuovo terminale:

agy --version

Al primo avvio, la configurazione chiede una combinazione di colori e una modalità di rendering (buffer a schermo intero o inline nella cronologia del terminale).

Accedere

All'avvio, agy cerca una sessione nel portachiavi sicuro del sistema operativo (Apple Keychain, Linux Secret Service, Windows Credential Manager). Se non ne trova, apre il browser: accedete con un account Google personale (piano Free, Pro o Ultra) oppure scegliete «Business account» per un account Gemini Enterprise (Antigravity). Via SSH, la CLI fornisce un URL da aprire manualmente.

Migrare la configurazione di Gemini CLI

Al primo avvio, se agy rileva una configurazione di Gemini CLI, una checklist interattiva propone di convertire estensioni e impostazioni globali e di spostare i token di sessione nel portachiavi di sistema (Antigravity).

Manualmente, per convertire le estensioni di Gemini in plugin di Antigravity:

agy plugin import gemini

Il comando analizza le vecchie directory locali e converte skill, comandi (trasformati in skill) e definizioni dei server MCP.

Che cosa resta uguale: i file di contesto GEMINI.md e AGENTS.md del progetto, così come il ~/.gemini/GEMINI.md globale, vengono letti così come sono.

Che cosa cambia:

Skill globali: da ~/.gemini/skills/ a ~/.gemini/antigravity-cli/skills/.
Skill di progetto: da .gemini/skills/ a .agents/skills/. Questa cartella va spostata a mano perché l'agente le riconosca.
Server MCP: non più dichiarati in ~/.gemini/settings.json ma in file dedicati, ~/.gemini/config/mcp_config.json (globale) e .agents/mcp_config.json (progetto).
Server MCP remoti: nella migrazione manuale, la chiave url o httpUrl diventa serverUrl.

Esempio ufficiale di mcp_config.json:

{
  "mcpServers": {
    "remote-indexer": {
      "serverUrl": "https://mcp.internal.enterprise.com/sse",
      "env": {
        "AUTH_TOKEN": "secure_alpha_token"
      }
    }
  }
}

Alcuni temi personalizzati del terminale o overlay visivi sperimentali di Gemini CLI potrebbero non essere trasferiti. Per i principi MCP condivisi con altri agenti, consultate la nostra guida Come configurare un server MCP.

Quote e piani

Antigravity è disponibile per gli account individuali a condizioni derivate dai Termini di servizio di Google (Antigravity). Tutti i piani includono i modelli Gemini, tra cui Gemini 3.8 Flash, come modello principale dell'agente, e l'accesso alla CLI. I limiti variano:

Senza Google AI Pro o Ultra: una quota settimanale e un limite di frequenza settimanale;
Google AI Pro: una quota rinnovata ogni cinque ore, fino a un limite settimanale più alto;
Google AI Ultra: la quota più alta, rinnovata ogni cinque ore, e accesso ai modelli di terzi.

Gli abbonati Pro e Ultra possono acquistare crediti IA per l'uso oltre la quota. Google non supporta il bring-your-own-key (BYOK) per ottenere limiti di frequenza aggiuntivi. Nella CLI, /usage mostra l'uso della quota per modello e /credits il saldo dei crediti (riferimento dei comandi).

Comandi utili

/model sceglie il modello (la scelta persiste tra le sessioni);
/mcp apre il gestore dei server MCP; /plugin il gestore dei plugin;
/resume carica una conversazione precedente; /rewind torna a un messaggio precedente;
/permissions gestisce i permessi degli strumenti; /exit esce.

Per approfondire

Il modello di punta di Google: la pagina dello strumento Gemini 4 Argon, disponibile in Antigravity CLI secondo Google, ma non nell'IDE Antigravity.
Altre opzioni gratuite o a basso costo: Scegliere un agente di programmazione in base al budget.
Gemini CLI tra gli agenti più seguiti: agenti di programmazione open source su GitHub.

Fonti

Google Developers Blog: An important update: Transitioning Gemini CLI to Antigravity CLI (19 mag 2026), verificato il 20-10-2026
Google: Gemini Code Assist consumer accounts, verificato il 20-10-2026
Antigravity Docs: Getting started, verificato il 20-10-2026
Antigravity Docs: Authenticate, verificato il 20-10-2026
Antigravity Docs: Migration (Gemini CLI), verificato il 20-10-2026
Antigravity Docs: Plans, verificato il 20-10-2026
Antigravity Docs: CLI commands, verificato il 20-10-2026

Punto chiave: gli account Google individuali devono passare ad Antigravity CLI (agy), che importa estensioni e server MCP; solo le skill di progetto vanno spostate a mano in .agents/skills/.

Come eseguire un modello di programmazione in locale con Ollama

Tue, 20 Oct 2026 00:00:00 +0000

Ollama scarica ed esegue modelli linguistici sulla vostra macchina, poi li espone tramite un'API locale all'indirizzo http://localhost:11434. Un agente di programmazione può collegarvisi e lavorare senza inviare il vostro codice a un fornitore di API. Questa guida segue la documentazione di Ollama, verificata il 2026-10-20; i limiti hardware sono trattati alla fine.

Installare Ollama

macOS: macOS Sonoma (v14) o successivo. I chip della serie Apple M sono supportati su CPU e GPU, i Mac Intel solo su CPU (Ollama). Il metodo preferito è montare ollama.dmg e trascinare l'app nella cartella Applicazioni; all'avvio propone di collegare il comando ollama in /usr/local/bin. La pagina di download offre anche l'installazione da riga di comando, la stessa di Linux.

Linux (Ollama):

curl -fsSL https://ollama.com/install.sh | sh

Windows: Windows 10 22H2 o successivo, Home o Pro. L'installazione non richiede diritti di amministratore, avviene nella vostra cartella personale e occupa almeno 4 GB (Ollama). Da PowerShell, secondo la pagina di download:

irm https://ollama.com/install.ps1 | iex

Poi verificate che il comando risponda:

ollama -v

Prevedete spazio su disco: secondo Ollama i modelli vanno da decine a centinaia di gigabyte. Su Windows, la variabile OLLAMA_MODELS permette di archiviarli fuori dalla cartella personale.

Scegliere un modello adatto al codice

La libreria di Ollama comprende famiglie specializzate nel codice. Due esempi comuni, con le cifre tratte dalle loro pagine ufficiali:

qwen3-coder (Alibaba): la versione 30b pesa 19 GB, ha 30 miliardi di parametri di cui 3,3 miliardi attivi (un'architettura a miscela di esperti) e accetta 256.000 token di contesto. La versione 480b pesa 290 GB e richiede almeno 250 GB di memoria, o di memoria unificata, per essere eseguita in locale (Ollama).
qwen2.5-coder: sei dimensioni, da 0.5b (398 MB) a 32b (20 GB), tutte con una finestra di contesto di 32.000 token (Ollama).

Per scaricare ed eseguire qwen3-coder 30B, il comando della sua pagina ufficiale:

ollama run qwen3-coder:30b

I modelli in grado di chiamare strumenti, di cui un agente ha bisogno, si possono filtrare nella libreria. La pagina di un modello non indica sempre la memoria necessaria: confrontate la dimensione del file con la memoria della vostra scheda grafica, o con la memoria unificata di un Mac.

Impostare la finestra di contesto

È l'impostazione che conta di più per un agente. Per impostazione predefinita, Ollama sceglie la finestra di contesto in base alla memoria video (VRAM) disponibile (Ollama):

meno di 24 GiB di VRAM: 4.000 token;
da 24 a 48 GiB: 32.000 token;
48 GiB o più: 256.000 token.

Ollama raccomanda almeno 64.000 token per gli agenti e gli strumenti di programmazione. Si imposta con il cursore nelle impostazioni dell'app, oppure all'avvio del server:

OLLAMA_CONTEXT_LENGTH=64000 ollama serve

Un contesto più grande usa più memoria. Verificate dove gira il modello: la colonna PROCESSOR dovrebbe indicare 100% GPU; un valore come 48%/52% CPU/GPU significa che una parte del modello è finita nella memoria di sistema, cosa che Ollama sconsiglia per ottenere le migliori prestazioni.

ollama ps

Collegare un agente di programmazione

**Il modo più semplice: ollama launch.** Dalla cartella del progetto, Ollama configura e avvia l'agente scelto e propone di installarlo se necessario (Ollama):

ollama launch opencode

Lo stesso comando esiste per Claude Code (ollama launch claude) e per Codex CLI (ollama launch codex, una volta installato Codex CLI). Poi scegliete un modello dall'elenco.

OpenCode, configurazione manuale (Ollama). OpenCode richiede una finestra di contesto di 64.000 token o più, quindi i modelli limitati a 32.000 token, come qwen2.5-coder, non bastano. Installazione:

curl -fsSL https://opencode.ai/install | bash

npm install -g opencode-ai

Poi dichiarate Ollama come provider in opencode.json (esempio ufficiale, con il modello qwen3.5):

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "ollama": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "Ollama",
      "options": {
        "baseURL": "http://localhost:11434/v1"
      },
      "models": {
        "qwen3.5": {
          "name": "qwen3.5"
        }
      }
    }
  }
}

Poi eseguite opencode. Nota: ollama launch opencode non sovrascrive ~/.config/opencode/opencode.json.

Cline, nel vostro IDE (Ollama):

Aprite le impostazioni di Cline, sezione API Configuration, e impostate API Provider su Ollama.
Selezionate un modello in Model, oppure digitatene il nome.
Portate la finestra di contesto ad almeno 32.000 token in Context Window.

E Continue? Il suo repository GitHub afferma di non essere più mantenuto e di passare in sola lettura (vedi il nostro articolo sugli agenti di programmazione open source su GitHub). Aider, un altro agente open source, accetta anch'esso un modello locale secondo la sua pagina dello strumento.

Limiti hardware

Schede NVIDIA: compute capability 5.0 o superiore e driver 550 o più recente; le schede con compute capability da 5.0 a 6.2 richiedono il driver 570 (Ollama). Su Windows, driver NVIDIA 551.61 o più recente.
Schede AMD su Windows: stack ROCm v7 / HIP7, oppure un driver Radeon compatibile con Vulkan; Vulkan è l'alternativa consigliata per alcune schede RX 6000.
Mac: accelerazione GPU solo sui chip della serie Apple M; un Mac Intel funziona su CPU.
Memoria: per le migliori prestazioni, Ollama consiglia di evitare che il modello, contesto compreso, esca dalla memoria grafica per finire sulla CPU. Con meno di 24 GiB di VRAM, la finestra predefinita (4.000 token) è troppo corta per un agente: bisogna aumentarla, a costo di più memoria.
Disco: prevedete diverse decine di gigabyte per un modello di dimensioni medie (19 GB per qwen3-coder 30B).

Un modello locale non costa nulla per ogni uso, ma i suoi risultati non sono direttamente confrontabili con quelli dei modelli di frontiera: vedi il confronto dei modelli per i punteggi pubblicati dai fornitori.

Per approfondire

Agenti compatibili: OpenCode, Cline, Aider; il confronto OpenCode, Aider e Cline e la sfida diretta Cline contro OpenCode.
Modelli a pesi aperti: la pagina dello strumento Modelli open source e pesi aperti e open source nel glossario.
Il costo delle altre opzioni: Scegliere un agente di programmazione in base al budget.

Fonti

Ollama Docs: Quickstart, verificato il 2026-10-20
Ollama Docs: Linux, macOS e Windows, verificati il 2026-10-20
Ollama: download (comandi di installazione), verificato il 2026-10-20
Ollama Docs: Context length, verificato il 2026-10-20
Ollama Docs: Hardware support, verificato il 2026-10-20
Ollama Docs: OpenCode e Cline, verificati il 2026-10-20
Ollama: qwen3-coder e qwen2.5-coder, verificati il 2026-10-20

In sintesi: Ollama si installa con un solo comando, ma un agente di programmazione richiede almeno 64.000 token di contesto secondo Ollama, che le impostazioni predefinite offrono solo a partire da 48 GiB di memoria video.

Come configurare un server MCP in Claude Code, Cursor e VS Code

Tue, 20 Oct 2026 00:00:00 +0000

Un server MCP dà a un agente di codice accesso a uno strumento esterno: un repository GitHub, un database, un browser, la documentazione di una libreria. Questa guida spiega il protocollo, poi la configurazione in tre client comuni. Comandi e file sono tratti dalla documentazione ufficiale, verificata il 2026-10-20.

Che cos'è MCP?

Il Model Context Protocol (MCP) è uno standard open source per collegare le applicazioni di IA a sistemi esterni: file locali, database, strumenti come un motore di ricerca, o flussi di lavoro. I suoi autori lo paragonano a una porta USB-C per le applicazioni di IA (modelcontextprotocol.io). Vedere anche la voce MCP del glossario.

Cosa espone un server: tool (azioni che il modello può eseguire), risorse (dati di contesto) e prompt (modelli di istruzioni) (architettura MCP).
Due trasporti: stdio, quando il client avvia il server come processo locale sulla stessa macchina; Streamable HTTP, per un server remoto, che supporta bearer token, chiavi API e header personalizzati.

Aggiungere un server a Claude Code

Claude Code si configura dalla riga di comando (Anthropic). Se l'agente non è ancora installato, vedere la nostra guida Come installare e iniziare con Claude Code.

Server remoto (HTTP), l'opzione raccomandata per i servizi online:

# Basic syntax
claude mcp add --transport http <name> <url>

# Real example: Connect to Notion
claude mcp add --transport http notion https://mcp.notion.com/mcp

Server locale (stdio): tutto ciò che segue -- è il comando che avvia il server.

claude mcp add --env AIRTABLE_API_KEY=YOUR_KEY --transport stdio airtable \
  -- npx -y airtable-mcp-server

Il trasporto SSE è deprecato: Anthropic raccomanda HTTP dove il server lo supporta. Per gestire i server:

# List all configured servers
claude mcp list

# Get details for a specific server
claude mcp get notion

# Remove a server
claude mcp remove notion

# (within Claude Code) Check server status
/mcp

Tre ambiti (opzione --scope):

local (predefinito): il progetto corrente, solo per voi, memorizzato in ~/.claude.json;
project: condiviso con il team tramite un file .mcp.json alla radice del repository, da sottoporre a commit;
user: tutti i vostri progetti, memorizzato in ~/.claude.json.

Un repository clonato non può approvare da solo i server del proprio .mcp.json: restano in sospeso finché non accettate la finestra di fiducia dello spazio di lavoro. Esempio ufficiale con il server remoto di GitHub, autenticato con un personal access token dai permessi ristretti:

claude mcp add --transport http github https://api.githubcopilot.com/mcp/ \
  --header "Authorization: Bearer YOUR_GITHUB_PAT"

claude mcp add salva la configurazione senza convalidare il token: verificate la connessione con /mcp.

Aggiungere un server a Cursor

Cursor offre l'installazione con un clic dal suo Marketplace (pagina Customize, pulsante «Add to Cursor», accesso OAuth), oppure la configurazione manuale in un file mcp.json (Cursor):

.cursor/mcp.json nel progetto, per gli strumenti specifici del progetto;
~/.cursor/mcp.json nella vostra home, per gli strumenti disponibili ovunque.

Un server locale avviato con Node.js, come mostrato nella documentazione di Cursor:

{
  "mcpServers": {
    "server-name": {
      "command": "npx",
      "args": ["-y", "mcp-server"],
      "env": {
        "API_KEY": "value"
      }
    }
  }
}

Per un server remoto, la voce usa una chiave url (e facoltativamente headers) al posto di command. Cursor supporta stdio, SSE e Streamable HTTP e risolve la sintassi ${env:NAME}, così potete leggere un segreto da una variabile d'ambiente invece di scriverlo in chiaro.

Aggiungere un server a VS Code

In VS Code, aprite la Command Palette (⇧⌘P su Mac, Ctrl+Shift+P su Windows e Linux) ed eseguite MCP: Add Server (Microsoft). Scegliete HTTP se l'editore del server fornisce un URL, Command (stdio) se fornisce un comando. L'esempio della documentazione, il server Playwright, richiede Node.js 18 o successivo:

node --version
npx --version

Scegliete Command (stdio) e inserite:

npx -y @playwright/mcp@latest

Date al server un ID (per esempio playwright), poi scegliete dove memorizzarlo:

Global > Copilot Global: ~/.copilot/mcp-config.json, per tutti i vostri spazi di lavoro;
**.mcp.json alla radice dello spazio di lavoro**: da condividere con il team (impostazione sperimentale chat.mcp.workspaceRootConfig.enabled);
**.vscode/mcp.json o l'mcp.json del profilo utente**: ancora disponibili, ma etichettati come deprecati nel flusso guidato.

Attenzione al formato: i file portabili usano la chiave mcpServers, il formato di VS Code usa servers. La galleria dei server (anteprima) si apre digitando @mcp nella vista Estensioni. Microsoft raccomanda inoltre di verificare che uno strumento del server sia stato effettivamente chiamato nella vostra sessione: una configurazione aggiunta non è la prova che l'agente la usi.

Server di riferimento

Il progetto MCP mantiene server di riferimento per provare il protocollo: Everything, Fetch, Filesystem, Git, Memory, Sequential Thinking e Time (esempi ufficiali). I server TypeScript si eseguono con npx, quelli Python con uvx:

npx -y @modelcontextprotocol/server-memory

uvx mcp-server-git

I server mantenuti dalle aziende per le proprie piattaforme sono elencati nel repository modelcontextprotocol/servers.

Sicurezza: le regole da seguire

Un server MCP locale non è un plugin in sandbox: è un normale processo che eredita le vostre variabili d'ambiente, può leggere tutto ciò che il vostro account può leggere (chiavi SSH, credenziali cloud, directory home) e può aprire connessioni di rete (modelcontextprotocol.io). Le raccomandazioni ufficiali:

Fare l'inventario: rimuovere i server che non usate più e sapere da dove viene ciascuno di quelli rimasti;
Preferire la versione remota quando un server non ha bisogno di nulla della vostra macchina;
Verificare l'editore e fissare la versione invece di usare latest, con un'abitudine di aggiornamento deliberata. L'esempio Playwright di VS Code usa @latest: adattatelo alla vostra policy;
Isolare i server di terze parti (container, sandbox o macchina virtuale);
Limitare l'accesso: credenziali per singolo server, accesso al filesystem ristretto a una directory specifica, sola lettura dove possibile, traffico di rete in uscita limitato;
Leggere le descrizioni degli strumenti: il modello le legge come istruzioni, il che apre la porta alla prompt injection.

Anthropic chiede inoltre di verificare di fidarsi di ciascun server prima di collegarlo, soprattutto dei server che recuperano contenuti esterni (Anthropic). Cursor raccomanda chiavi API con permessi minimi e, per le integrazioni critiche, la revisione del codice sorgente (Cursor).

Per andare oltre

Le pagine degli strumenti indicano quali supportano MCP: Claude Code, Cursor, GitHub Copilot, Cline.
Confrontare gli editor: Cursor, Devin Desktop o Copilot.
I rischi del codice generato: cosa dicono gli studi sulla sicurezza.

Fonti

Model Context Protocol: What is MCP?, verificato il 2026-10-20
Model Context Protocol: Architecture overview, verificato il 2026-10-20
Model Context Protocol: Example Servers, verificato il 2026-10-20
Model Context Protocol: Local Server Security, verificato il 2026-10-20
Claude Code Docs: Connect Claude Code to tools via MCP, verificato il 2026-10-20
Cursor Docs: Model Context Protocol, verificato il 2026-10-20
VS Code Docs: Add MCP servers in VS Code, verificato il 2026-10-20

In sintesi: un server MCP si aggiunge con un comando o poche righe di JSON, ma un server locale gira con i vostri permessi: installate solo server di editori identificati, con versioni fissate e accesso limitato.

MiniMax e DeepSeek: i modelli Flash abbattono il prezzo del coding agentico

Tue, 20 Oct 2026 00:00:00 +0000

Tra il 17 e il 19 ottobre 2026, due laboratori cinesi hanno rilasciato modelli «Flash» pensati per gli agenti di codice, con lo stesso argomento di vendita: un costo per compito molto più basso. I loro prezzi di listino sono ora identici nelle fasce non di punta e i loro punteggi di codice si avvicinano a quelli dei modelli di frontiera.

MiniMax M3.1 Flash (19 ott.)

Prezzo: 0,15 $ per milione di token in ingresso, 0,60 $ in uscita, 0,015 $ per l'ingresso in cache (MiniMax).
Codice: 73,7% su DeepSWE v1.1, secondo MiniMax.
Efficienza: inferenza quasi 3 volte più veloce e costo d'uso inferiore del 70% sui compiti agentici rispetto al predecessore, secondo MiniMax, che dichiara oltre 200 token di output al secondo.
Altri usi: 61,7 su OSWorld V2 (uso del computer) e 82% su CyberGym (scoperta di vulnerabilità), sempre secondo MiniMax.
Disponibilità: API MiniMax, M Plan e MiniMax Code; i pesi saranno rilasciati in seguito. Una versione anonima in anteprima, «Space Bunny», aveva già elaborato oltre 200 mila miliardi di token.

Vedere la pagina MiniMax M3.1 Flash.

DeepSeek V4.1-Flash-1017 (17 ott.)

Codice: 77,0% su DeepSWE v1.1, contro il 74,2% della versione precedente, e 42,3 su Terminal-Bench 4.0, contro 31,2 (Hugging Face). Nella tabella di DeepSeek, Claude Opus 5 ottiene il 74,0% e GPT-5.6 Sol il 73,0% su DeepSWE.
Prezzo: 0,15 $ per milione di token in ingresso e 0,60 $ in uscita nelle fasce non di punta, il doppio nelle ore di punta, con un contesto di 1 milione di token (DeepSeek).
Costo per compito: poco meno di 0,20 $ per compito DeepSWE in media, contro circa 0,50 $ della versione precedente, secondo il grafico pubblicato da DeepSeek (The Decoder).
Aperto: pesi con licenza MIT su Hugging Face e ModelScope. DeepSeek apre inoltre le sue API Search e Fetch a 0,75 $ ogni 1.000 chiamate; le chiamate effettuate tramite DeepSeek Harness, Claude Code o Codex restano gratuite fino al 31 ottobre alle 16:00 UTC (DeepSeek).

Vedere la pagina DeepSeek V4.1-Flash-1017.

Cosa dicono i test indipendenti

Artificial Analysis assegna a MiniMax M3.1 Flash 43 punti nel suo Intelligence Index, contro 29 per M3 (Artificial Analysis, pagina consultata il 20 ottobre), e 45 a DeepSeek V4.1-Flash-1017 in modalità Max (changelog). La stessa società misura tuttavia 104,7 token di output al secondo per MiniMax, lontano dai 200 dichiarati. Soprattutto, nel test di conoscenza AA-Omniscience, M3.1 Flash risponde correttamente al 56% delle domande, ma quando non sa inventa una risposta il 93% delle volte invece di ammettere l'incertezza (VentureBeat).

Cosa cambia per gli sviluppatori

Instradare i compiti: affidare a un modello Flash i compiti semplici e ben testati e tenere un modello più costoso per i casi ambigui.
Monitorare il costo per compito, non solo il prezzo per token: un modello prolisso spende di più per lo stesso risultato.
Collegare un agente aperto: strumenti come OpenCode accettano questi modelli tramite le loro API.

I limiti

La maggior parte dei punteggi proviene dai fornitori, in condizioni di test da loro definite. Nelle imprese, i modelli aperti cinesi rappresentano ancora solo l'1% dell'uso delle API, secondo Menlo Ventures (vedere il nostro articolo): conformità, ospitalità dei dati e affidabilità restano da verificare. MiniMax non ha ancora fornito i termini di licenza dei suoi futuri pesi aperti, quindi l'auto-hosting resta una questione aperta.

La maggior parte di questi punteggi proviene dai fornitori stessi: attendete test indipendenti prima di scommettere la produzione su di essi.

COBOL, Fortran: OpenAI propone l'IA per la migrazione dei sistemi legacy

Tue, 20 Oct 2026 00:00:00 +0000

Il 19 ottobre 2026 OpenAI ha pubblicato risultati sui linguaggi cosiddetti «a basse risorse»: COBOL, Fortran, Visual Basic e OCaml, linguaggi con molto meno codice pubblico di Python o JavaScript. Le cifre di punta sono impressionanti, ma provengono da due test progettati da OpenAI stessa, e solo uno dei due è pubblico (OpenAI). Ecco cosa è stato misurato, quanto costa e cosa verificare prima di crederci.

In breve

Migrazione COBOL: GPT-6.1 Sol riesce nell'86,6% delle migrazioni con sforzo di ragionamento basso, contro il 5,4% di GPT-5.6 Sol, e nel 97,9% con sforzo più alto, secondo OpenAI.
Costruire software: su MultiLangBench, GPT-6 Astra supera in media l'87,4% dei test su 20 linguaggi, contro il 26,8% di GPT-5.6 Sol. COBOL resta il più difficile, al 72,1%.
Test pubblico: MultiLangBench è rilasciato con licenza Apache-2.0 su GitHub. Il test di migrazione COBOL no.
Prezzo: GPT-6.1 Sol costa 2 $ per milione di token in ingresso e 10 $ per milione di token in uscita nell'API (OpenAI).

Perché COBOL conta ancora

OpenAI osserva che COBOL gestisce oltre il 40% dei sistemi di online banking, l'80% delle transazioni con carta in presenza e il 95% delle transazioni degli sportelli ATM, cifre che trae da una fonte terza (OpenAI). Anthropic cita lo stesso ordine di grandezza: il 95% delle transazioni ATM negli Stati Uniti (Claude).

Il problema è noto: documentazione incompleta, sviluppatori originali ormai lontani, regole di business che ormai vivono solo nel codice. I modelli addestrati soprattutto su codice moderno sono stati storicamente deboli in questo ambito.

Il tema muove i mercati. Il 23 febbraio 2026 Anthropic ha dichiarato che Claude Code poteva automatizzare l'esplorazione e l'analisi dei sistemi COBOL; le azioni IBM sono scese del 13,2% quel giorno, il calo più forte dall'ottobre 2000 (Reuters). OpenAI entra in un terreno conteso.

Come funzionano i due test

MultiLangBench chiede al modello di scrivere un motore di database compatibile con SQLite 3.40.1, a partire dalla sola documentazione e senza accesso a internet. Il programma riceve un database di partenza e una query SQL, scrive un database modificato e il vero SQLite verifica il risultato. Ogni traccia di SQLite deve essere rimossa dall'ambiente, e una soluzione scritta nel linguaggio sbagliato, o che ne mescola diversi, ottiene zero (README di MultiLangBench).

I test provengono dalla suite TCL di SQLite: su circa 51.000 test, 24.000 hanno potuto essere convertiti. Per contenere i costi, il README raccomanda di eseguirne solo 272. Il punteggio è una coppia: tasso di test superati e costo API per ottenerlo.

Il test di migrazione COBOL chiede al modello di tradurre programmi COBOL in C++, Java, Kotlin, Python o Rust preservandone il comportamento. Una migrazione conta solo se tutti i test nascosti passano, con output identico byte per byte. OpenAI fornisce un esempio eloquente: l'aritmetica a virgola fissa di COBOL scarta le cifre decimali in eccesso a meno che non venga richiesto l'arrotondamento. Una riscrittura che arrotonda gira senza errori ma produce importi diversi (OpenAI).

Risultati, linguaggio per linguaggio

Su MultiLangBench, al massimo sforzo di ragionamento, GPT-6 Astra migliora in tutti i 20 linguaggi, secondo OpenAI:

COBOL: dal 10,9% al 72,1%;
Fortran: dal 21,4% all'83,5%;
OCaml: dal 25,6% all'85,8%;
Visual Basic: dal 27,5% all'89,4%.

Astra supera l'83% in 19 dei 20 linguaggi. Il piccolo modello GPT-6 Luna ottiene in media il 40,3%, meglio di GPT-5.6 Sol, a un costo API stimato di 0,77 $ per campione contro 3,48 $, circa il 78% in meno (OpenAI).

Nella migrazione COBOL, GPT-6.1 Sol passa dal 5,4% all'86,6% con sforzo basso, al 61% del costo API di GPT-5.6 Sol, e raggiunge il 97,9% con sforzo più alto. La stessa OpenAI descrive il test come «prossimo alla saturazione».

Prezzi reali

Tariffe API standard per milione di token, contesto breve (OpenAI):

GPT-6 Astra: 10 $ in ingresso, 50 $ in uscita;
GPT-6.1 Sol: 2 $ in ingresso, 10 $ in uscita, 0,10 $ per l'ingresso in cache;
GPT-6 Luna: 0,10 $ in ingresso, 0,50 $ in uscita.

Le modalità Batch e Flex dimezzano questi prezzi, un argomento concreto per le migrazioni in blocco che non richiedono una risposta immediata. Il contesto lungo raddoppia il prezzo di ingresso di GPT-6.1 Sol, a 4 $.

Sul fronte degli abbonamenti, Codex è incluso in ChatGPT Plus a 20 $ al mese con GPT-6.1 Sol, e nei piani Pro a 100, 200 o 500 $ al mese; l'uso con chiave API è fatturato alle tariffe API (OpenAI).

Casi d'uso realistici

Mappare prima di migrare: far documentare al modello un programma e le sue dipendenze, il che Anthropic descrive anche come la fase più costosa (Claude).
Migrare un componente alla volta: un modulo con confini chiari, test di parità scritti prima della traduzione, poi la convalida.
Mantenere senza migrare: correggere un bug in Fortran o Visual Basic quando nessuno nel team conosce più il linguaggio.

I limiti

Test interni: OpenAI ha progettato entrambe le valutazioni e l'unico confronto è con il proprio modello precedente. Nessuna cifra per Anthropic, Google o i modelli open weights.
Punteggio di migrazione non verificabile: il test COBOL non è pubblicato; non sappiamo quanti programmi contenga, quanto siano lunghi né da dove provengano. Un punteggio del 97,9% su un insieme sconosciuto dice soprattutto che il test è diventato troppo facile.
Risultati assenti dal repository: OpenAI dice di rilasciare i risultati per linguaggio, ma al 20 ottobre il repository GitHub contiene solo licenza, README, script e test (GitHub). Non c'è nemmeno un harness per eseguire un modello da capo a fondo.
Campione ridotto: 272 test raccomandati su 24.000 convertiti.
Tradurre non è modernizzare: un progetto reale riguarda anche dati, operazioni, conformità e convalida di business. OpenAI riconosce che l'uso in produzione «richiede ancora revisione e test da parte di esperti» rispetto alle regole di business e alle dipendenze del sistema (OpenAI).

Il progresso è reale secondo i numeri della stessa OpenAI, ma servono ancora test indipendenti su codice di produzione reale.

Cosa significa per gli sviluppatori

Innanzitutto, il calo dei costi conta quanto il punteggio. Un modello a 2 $ e 10 $ per milione di token, con una modalità Batch a metà prezzo, rende plausibile far passare un intero portafoglio di programmi attraverso tentativi ripetuti, cosa che aveva poco senso con un modello precedente al 5,4% di successo, secondo le cifre della stessa OpenAI.

In secondo luogo, il valore si sposta sui test. Una migrazione riuscita si definisce come parità di comportamento; i team che hanno già suite di regressione sui propri sistemi legacy ne trarranno vantaggio per primi. Gli altri dovranno costruirle, ed è qui che un agente può aiutare.

In terzo luogo, misurate voi stessi. MultiLangBench fornisce un metodo riproducibile, ma dovete costruirci attorno il vostro ciclo agentico. Per un vero progetto COBOL, l'unica misura che conta è un campione dei vostri programmi, con i vostri output attesi.

Infine, con Anthropic e ora OpenAI in questo ambito, è il momento di un progetto pilota limitato, non di una migrazione completa sulla base del benchmark di un fornitore.

Fonti

Settimana del 12 ottobre: gli agenti di codice passano alla modalità squadra

Tue, 20 Oct 2026 00:00:00 +0000

Tra l'11 e il 16 ottobre 2026, tre strumenti importanti hanno rilasciato aggiornamenti che vanno nella stessa direzione: eseguire più agenti, più a lungo, con meno sorveglianza. VS Code aveva aperto la strada una settimana prima.

Cosa è stato rilasciato

OpenCode (11-12 ott.): la v2 esiste dalla 2.0.0, pubblicata l'11 settembre (npm). Introduce un servizio in background, una nuova API server e una nuova API per i plugin (documentazione). Questa settimana, la 1.19.0 dell'11 ottobre propone agli utenti di OpenCode 1 il passaggio con «opencode upgrade --major» (GitHub), e l'aggiornamento 2.0.27 del 12 ottobre aggiunge strumenti per i worktree a Code Mode (changelog).
Codex CLI 0.163.0 (15 ott.): è possibile guidare l'agente inviando un messaggio mentre sta rispondendo, e gli strumenti indipendenti in sola lettura ora vengono eseguiti in parallelo; il comando /daemon può ora riavviare il suo server in background gestito (GitHub).
Claude Code 2.1.302 (16 ott.): i subagent fork sono attivi per impostazione predefinita in claude -p, nell'Agent SDK, nell'app desktop e in VS Code, come già lo erano nel terminale; la compattazione in inattività si può disattivare da /config (GitHub).
VS Code 1.141 (7 ott.): una griglia di sessioni nella finestra Agents, sandboxing degli agenti su Windows, macOS e Linux, e la possibilità di proseguire in VS Code le conversazioni di Copilot CLI o Codex (VS Code).

Sul fronte dei modelli

Meta ha lanciato Muse Spark Open, un modello MoE da 816 miliardi di parametri con 42 miliardi attivi per token e un contesto di 1 milione di token, pensato per il coding agentico (NVIDIA, 15 ott.). Il 19 ottobre Meta ha rilasciato anche Muse Glimmer, un modello da 30 miliardi di parametri con licenza Apache 2.0, quantizzato a circa 4 bit per girare su una singola GPU (Meta AI). Vedere la pagina Muse Spark Open.

Il filo conduttore: orchestrare, non assistere

Ogni fornitore affronta un problema diverso. OpenAI permette di correggere un agente senza interrompere il compito. Anthropic rende automatica la delega ai subagent. OpenCode sta portando i suoi utenti verso una v2 costruita attorno a un servizio in background che altri programmi possono chiamare. Microsoft si concentra sullo sviluppatore che osserva più sessioni contemporaneamente.

È il cambiamento che Gartner ha riconosciuto ridefinendo la categoria attorno agli agenti nel suo primo Magic Quadrant per il codice (vedere il nostro articolo). Gli strumenti non si distinguono più solo per la qualità del modello, ma per come avviano, isolano e controllano più agenti.

Cosa cambia per gli sviluppatori

Leggere le note di rilascio prima di aggiornare in CI: un valore predefinito cambiato, come i subagent di Claude Code, può alterare uno script senza che il comando cambi.
Attivare il sandboxing ogni volta che un agente esegue comandi o accede alla rete.
Pianificare la migrazione di OpenCode: i plugin della v1 non funzionano nella v2 e le integrazioni che chiamano la vecchia API server vanno riscritte. Vedere la pagina OpenCode.
Confrontare gli agenti sui propri repository: il nostro confronto mette fianco a fianco Codex, Claude Code e Copilot.

I limiti

Più agenti in parallelo significa anche più log da rivedere, più permessi da impostare e più token da pagare. I fornitori non quantificano i guadagni di questi aggiornamenti e le cifre di Muse Spark Open provengono da un partner di Meta, NVIDIA.

La tendenza: l'agente singolo lascia il posto a squadre di agenti coordinati.

API dei modelli: Anthropic ha superato OpenAI in due anni

Thu, 15 Oct 2026 00:00:00 +0000

Il mercato dei modelli si è riconcentrato molto più in fretta del previsto. Secondo il rapporto State of Generative AI in the Enterprise di Menlo Ventures, pubblicato il 9 dicembre 2025, Anthropic rappresentava il 12% della spesa delle imprese per le API di LLM nel 2023, il 24% nel 2024 e il 40% nel 2025. Nello stesso periodo OpenAI è scesa dal 50% al 27%, mentre Google è salita dal 7% al 21%.

Come lo misura Menlo

Le quote di mercato sono stime in dollari basate sull'uso delle API in produzione. Menlo ha intervistato 495 responsabili decisionali statunitensi di IA in azienda tra il 7 e il 25 novembre 2025, ha ponderato le risposte in base alla scala di ciascuna applicazione e le ha poi confrontate con i dati finanziari pubblici, ove disponibili. Lo stesso rapporto stima la spesa 2025 per le API dei modelli di fondazione in 12,5 miliardi di dollari, su 37 miliardi spesi in IA generativa.

Il codice guida lo spostamento

L'ascesa di Anthropic parte innanzitutto dallo sviluppo software. Nel solo mercato del codice, Menlo le attribuisce il 54% della spesa, contro il 21% di OpenAI, rispetto al 42% di sei mesi prima. Il rapporto collega gran parte di questo guadagno alla popolarità di Claude Code. Il codice è diventato la più grande categoria dipartimentale dell'IA: 4 miliardi di dollari, ovvero il 55% della spesa dipartimentale. Secondo Menlo, il 50% degli sviluppatori usa ormai strumenti di codice con IA ogni giorno, e il 65% nelle organizzazioni del quartile superiore.

Sul versante dell'uso, il sondaggio Stack Overflow 2026 conferma il primato: Claude Code è l'agente più citato (vedere la nostra analisi).

L'open source controcorrente

Contrariamente all'idea che il calo dei prezzi avrebbe favorito i modelli aperti, la loro quota è scesa dal 19% nel 2024 all'11% nel 2025. Menlo attribuisce in parte la colpa alla stagnazione di Llama, senza alcuna release importante dopo Llama 4 nell'aprile 2025. I modelli aperti cinesi rappresentano appena l'1% dell'uso totale delle API, ovvero circa il 10% dell'open source in azienda.

Fuori dalle grandi imprese il quadro è diverso: tra start-up e sviluppatori indipendenti, Qwen, DeepSeek, Kimi, MiniMax e GLM crescono rapidamente. Gli ultimi modelli «Flash» di DeepSeek e MiniMax vanno nella stessa direzione (vedere il nostro articolo e la pagina sui modelli open source).

Un rischio di fornitura

I primi tre fornitori detengono l'88% della spesa per le API. Un prodotto costruito su un solo modello eredita i disservizi, i prezzi e l'esposizione legale di quel fornitore. Menlo sottolinea anche quanto siano ancora semplici la maggior parte delle architetture: solo il 16% delle implementazioni aziendali si qualifica come vero agente che pianifica, agisce, osserva il feedback e si adatta; il resto sono flussi di lavoro fissi costruiti attorno a una chiamata al modello.

Cosa cambia per gli sviluppatori

Costruire un livello di astrazione: isolare le chiamate ai modelli permette di passare da Claude a GPT o a un modello aperto senza riscrivere l'applicazione.
Testare sui propri compiti: il divario nelle quote di mercato riflette soprattutto il codice; per altri usi la classifica può essere diversa.
Monitorare il costo per compito, non solo il prezzo per token: un modello più caro può portare a termine un compito con meno chiamate.

I limiti

Menlo Ventures è un investitore di Anthropic, come dichiara lo stesso rapporto. Il campione è limitato alle imprese statunitensi e le cifre risalgono alla fine del 2025: entrambi i laboratori hanno rilasciato nuovi modelli da allora. Infine, si tratta di stime di spesa, non di ricavi dichiarati dai fornitori.

Fonte: Menlo Ventures, 2025: The State of Generative AI in the Enterprise, 9 dicembre 2025.

Stack Overflow 2026: gli agenti entrano, la produzione resta off-limits

Tue, 06 Oct 2026 00:00:00 +0000

Il sondaggio annuale di Stack Overflow, pubblicato il 6 ottobre 2026, si basa su 30.903 risposte valide provenienti da 169 paesi, raccolte tra il 23 giugno e il 5 agosto (metodologia). Conferma che l'IA è diventata uno strumento quotidiano: il 73% degli utenti di assistenti o agenti di programmazione con IA li usa ogni giorno (77% per l'insieme degli strumenti di IA). Tra gli utenti quotidiani di IA, il 30,9% vi dedica 4 ore o più al giorno (dati sull'IA). L'opinione segue: il 62% dei partecipanti vede con favore o con moderato favore l'uso dell'IA nel proprio lavoro, contro il 21,5% che la vede sfavorevolmente.

Un chiaro confine di fiducia

L'uso si concentra sulla generazione di codice in un ambito familiare (69,3% dei partecipanti) e sul debug o il refactoring (63,8%). Al contrario, solo il 19,9% usa già l'IA per distribuire, gestire o risolvere problemi nei sistemi in produzione.

La fiducia resta condizionata: il 48% dei partecipanti si fida dell'IA quando può verificarne facilmente il risultato. E il 79% ritiene importante o molto importante l'attribuzione delle fonti per decidere se fidarsi di una risposta tecnica generata dall'IA (dati sulla conoscenza).

Gli errori più costosi

Alla domanda su quali errori dell'IA siano costati più tempo a loro o al loro team nell'ultimo anno, il 69,3% cita codice plausibile ma sbagliato, il 54,2% codice generato difficile da rivedere e il 45,1% pacchetti o configurazioni inventati (dati sulle tecnologie). Sono errori che sfuggono a una revisione rapida, il che aiuta a spiegare la cautela verso la produzione. Le misurazioni di Veracode vanno nella stessa direzione (si veda la nostra analisi).

Claude Code davanti a Copilot tra chi usa gli agenti

Tra i 12.255 partecipanti alla domanda sugli agenti e gli assistenti di programmazione usati nell'ultimo anno, Claude Code è citato dal 66%, GitHub Copilot dal 59%, Codex dal 30% e Cursor dal 26%. Il vantaggio di Anthropic si vede anche nella spesa aziendale misurata da Menlo Ventures (si veda il nostro articolo).

A guidare la scelta è la qualità: il 25% dei partecipanti ha cambiato strumento di IA nel corso dell'anno per ottenere risultati migliori, contro appena il 6% per pagare meno. Un terzo (34%) non ha cambiato affatto.

Che cosa devono sapere gli agenti

Il contesto è l'altro collo di bottiglia. I partecipanti indicano come contesto più importante per agenti e assistenti di IA gli obiettivi o i requisiti del progetto (85,2%) e il codice, i repository o la documentazione tecnica (73,3%) (sondaggio). Eppure il 63,2% dichiara che le informazioni incomplete ostacolano la ricerca del contesto necessario al lavoro. Sul versante organizzativo, il 32,8% dei partecipanti lavora con pochi strumenti di IA approvati, il 18,6% quasi solo con uno e il 17,3% lascia che ogni team scelga i propri (dati sull'IA).

Che cosa cambia per gli sviluppatori

Riservate la produzione ai compiti verificabili: distribuzione e gestione operativa restano l'ambito in cui l'IA è meno usata.
Pretendete le fonti: per quasi quattro partecipanti su cinque, l'attribuzione delle fonti influenza la fiducia in una risposta.
Confrontate prima di scegliere: il nostro confronto Claude Code, Codex e Copilot mette a fianco i tre agenti più citati.

I limiti

Il sondaggio è promosso da Stack Overflow presso la propria comunità: non è rappresentativo di tutti gli sviluppatori. Ogni domanda ha un proprio numero di partecipanti, spesso ben inferiore alle 30.903 risposte totali. Infine, l'uso dichiarato non misura i guadagni di produttività.

Fonte: Stack Overflow Developer Survey 2026.

Codice generato dall'IA: una falla nota nel 45% dei compiti

Thu, 10 Sep 2026 00:00:00 +0000

Secondo il GenAI Code Security Report 2025 di Veracode, nel 45% dei compiti di generazione di codice testati (80 compiti, oltre 100 modelli) il modello ha introdotto una falla di sicurezza nota della OWASP Top 10. Il codice compila quasi sempre; è sicuro solo in poco più della metà dei casi.

Un anno dopo, nulla si è mosso

L'edizione 2026, pubblicata il 28 luglio, conferma il tetto (Veracode). Su tutti i modelli monitorati dall'inizio della serie, il tasso di superamento dei test di sicurezza è del 56%, contro il 55% del primo rapporto: circa il 44% dei compiti produce ancora una falla nota. Il miglior modello del campione, GPT-5.5, arriva al 68%, e sei degli undici modelli testati per la prima volta si collocano tra il 50% e il 53%.

Tre convinzioni diffuse non reggono ai dati:

I modelli specializzati nel codice non sono più sicuri: tasso di superamento del 51%, contro il 52% dei modelli generalisti.
La dimensione conta poco: 53% per i modelli sopra i 100 miliardi di parametri, 51% per gli altri.
Il ragionamento aiuta un poco: 56% per i modelli di ragionamento, 51% senza.

Dove si rompe

I divari dipendono soprattutto dal tipo di falla. I modelli gestiscono bene le SQL injection (83% di superamento) e scelgono algoritmi crittografici solidi (87%). Falliscono sul cross-site scripting (15%) e sulla log injection (12%), due falle che richiedono di seguire il percorso dei dati nell'applicazione. Java resta di gran lunga il linguaggio più a rischio, con un tasso medio di superamento del 30% nell'edizione 2026, anche se è l'unico a migliorare in modo netto.

La velocità, l'altro punto cieco

Uno studio controllato randomizzato condotto da METR all'inizio del 2025 ha misurato un rallentamento del 19% tra 16 sviluppatori open source esperti che usavano l'IA su 246 compiti reali (METR). Prima dello studio si aspettavano un'accelerazione del 24%; dopo, credevano comunque di aver guadagnato il 20%.

A febbraio 2026 METR ha pubblicato i risultati di un secondo studio che copre 57 sviluppatori e oltre 800 compiti (METR). I compiti con IA consentita hanno richiesto un tempo stimato inferiore del 18% per gli sviluppatori già presenti nel 2025 e del 4% per i nuovi, con intervalli di confidenza che includono ancora un rallentamento. Lo stesso METR definisce il risultato inaffidabile: molti sviluppatori si sono rifiutati di lavorare senza IA, il che probabilmente sottostima il guadagno reale.

Cosa cambia per gli sviluppatori

Rivedere e testare il codice generato resta essenziale, a cominciare da input utente, output HTML e log.
Mettere l'analisi dentro il ciclo dell'agente: strumenti come Sonar con Gitar controllano il codice mentre l'agente lo scrive, non solo alla fine della pipeline (vedere il nostro articolo).
Scegliere i modelli anche per la sicurezza: il divario tra un tasso di superamento del 50% e uno del 68% si traduce direttamente in lavoro di correzione.
Misurare prima di estendere: i guadagni vengono da come è organizzato il lavoro, non solo dallo strumento.

I limiti

Veracode testa modelli grezzi, senza agenti, protezioni né revisione umana (comunicato stampa): in produzione questi livelli riducono il rischio. Veracode vende inoltre strumenti di analisi del codice. Gli studi di METR riguardano sviluppatori open source esperti che lavorano sui propri repository, un contesto che non rappresenta l'intera professione.

Fonti: Veracode, 2025 GenAI Code Security Report; Veracode, 2026 GenAI Code Security Report, 28 luglio 2026; METR, luglio 2025; METR, febbraio 2026.

Windsurf diventa Devin Desktop: il consolidamento accelera

Tue, 30 Jun 2026 00:00:00 +0000

La mossa è significativa: un'azienda di agenti, Cognition, ha assorbito un IDE, Windsurf, e non il contrario. L'editor è stato rinominato Devin Desktop il 2 giugno 2026, con un normale aggiornamento via etere (Devin Docs).

Da un'acquisizione a un unico marchio

Cognition, produttrice dell'agente autonomo Devin, ha firmato l'accordo per acquisire Windsurf il 14 luglio 2025. Secondo il suo CEO Scott Wu, Windsurf portava allora 82 milioni di dollari di ricavi ricorrenti annui, oltre 350 clienti aziendali e centinaia di migliaia di utenti attivi giornalieri (Cognition).

Un anno dopo, tutto passa sotto il marchio Devin: Devin Cloud, Devin Desktop, Devin CLI e Devin Review. Cognition dice di volere che Devin Desktop sia il centro di comando in cui gli sviluppatori trascorrono «oltre il 90% delle loro giornate».

Che cosa cambia nell'editor

La vista predefinita diventa l'Agent Command Center: spazi, una bacheca Kanban e la gestione di più agenti, locali o nel cloud. L'editor di Windsurf, le estensioni e le scorciatoie da tastiera restano disponibili.
Cascade diventa Devin Local: un agente locale con subagenti e sandbox, annunciato come più efficiente nei token fino al 30%. Il vecchio Cascade resta disponibile fino a luglio.
Le regole si trasferiscono: Devin Desktop legge le regole di Windsurf e i file AGENTS.md, e può importare le regole di Cursor.
I prezzi non cambiano, compresi i vecchi piani Windsurf Enterprise.

Per i team, il vero problema è altrove: l'applicazione ora si chiama Devin, quindi le policy di gestione dei dispositivi che autorizzano solo «Windsurf» potrebbero bloccarla. Il plugin Windsurf per JetBrains passa in modalità di manutenzione. Si veda la pagina Devin Desktop.

Gli strumenti di qualità si raccolgono attorno agli agenti

Il 21 maggio 2026 Sonar ha acquisito Gitar, una piattaforma di revisione del codice con IA che corregge anche gli errori della CI nelle pull request (Sonar). SonarQube, che secondo Sonar è usato da oltre il 75% delle Fortune 100 e da 7 milioni di sviluppatori, si integrerà con Gitar per controllare il codice dal momento in cui un agente inizia a scrivere fino a quando viene unito al ramo principale. Gitar resta disponibile separatamente. Sonar offre anche un server MCP che permette a Claude Code, Copilot, Cursor o Devin di interrogare il suo motore di analisi senza uscire dal proprio flusso di lavoro. Si veda la pagina Sonar con Gitar.

Perché ha senso

Secondo il GenAI Code Security Report 2025 di Veracode, il modello introduce una falla nota nel 45% dei compiti di generazione di codice. L'edizione 2026 indica ancora il 44% (Veracode). Verificare, tracciare e poter annullare ciò che un agente produce conta quanto generare il codice (si veda la nostra analisi).

Gartner indica la stessa direzione: il suo primo Magic Quadrant per gli agenti di programmazione richiede revisione umana, log delle azioni e supporto MCP nativo. Cognition è collocata tra i Challenger (si veda il nostro articolo).

I limiti

Le cifre di Windsurf risalgono all'annuncio dell'acquisizione del luglio 2025: non dicono nulla su come venga usato oggi Devin Desktop. Le cifre di Sonar sono dichiarazioni dell'azienda. Infine, il consolidamento riduce il numero di attori indipendenti: un team che si affida a un solo fornitore sia per scrivere sia per controllare il proprio codice perde un contrappeso.

Fonti: Cognition, 14 luglio 2025; Devin Docs, FAQ di Devin Desktop; Sonar, 21 maggio 2026; Veracode, 2025 e 2026.

Il primo Magic Quadrant di Gartner per gli agenti di programmazione

Wed, 20 May 2026 00:00:00 +0000

Il 20 maggio 2026 Gartner ha pubblicato la prima edizione del suo Magic Quadrant for Enterprise AI Coding Agents. Sono valutati dodici fornitori. Quattro sono classificati come Leader: Anthropic (Claude Code), Cursor, GitHub (Copilot) e OpenAI (Codex). AWS, Google, Alibaba Cloud (con Qoder) e Cognition sono Challenger. Tabnine è l'unico Visionary; Atlassian, BytePlus e JetBrains sono Niche Player (Virtualization Review).

Una nuova categoria, non solo un nuovo nome

Le edizioni 2024 e 2025 riguardavano gli «AI Code Assistants». Gartner usa ora una definizione più rigorosa: un agente di programmazione aziendale percepisce il contesto, trasforma l'intento in un piano in più fasi, poi esegue e verifica quei passaggi su codice, test e artefatti correlati. Suggerire una riga o rispondere in una chat non basta più.

La conseguenza visibile: AWS e Google, Leader nelle edizioni precedenti, scendono a Challenger. GitHub resta Leader ed è collocato al primo posto per capacità di esecuzione (GitHub); Cursor è il più avanzato per completezza della visione (Cursor). Gartner descrive anche i fornitori di modelli che «risalgono lo stack»: Anthropic e OpenAI vendono ormai i propri agenti, in concorrenza diretta con gli strumenti costruiti sulle loro API.

Le cifre dei Leader

Queste cifre provengono dai fornitori stessi, non da Gartner:

GitHub Copilot: oltre 4,7 milioni di abbonati paganti a fine gennaio 2026, il 75% in più su base annua (Microsoft), e 140.000 organizzazioni clienti a maggio, secondo GitHub.
Cursor: oltre 50.000 team clienti, tra cui quasi il 70% delle Fortune 1000 (Cursor, febbraio 2026).
Codex: oltre 4 milioni di utenti settimanali (OpenAI).

L'IDE non è più al centro

Il rapporto è accompagnato da ipotesi di pianificazione riservate ai clienti. Gartner ne ha reso pubblica una: entro il 2027, oltre il 65% dei team di ingegneria che usano la programmazione agentica considererà l'IDE facoltativo, con controllo, governance e validazione che si spostano su piattaforme automatizzate (comunicato stampa di Gartner). Sulla produttività, Gartner afferma che il 90% dei responsabili di ingegneria segnala miglioramenti, con un guadagno medio netto di produttività del 19,3% (Gartner).

Gartner stima il mercato tra 9,8 e 11 miliardi di dollari annualizzati ad aprile 2026. In un comunicato del 24 giugno 2026 avverte inoltre che entro il 2028 i costi della programmazione con IA supereranno lo stipendio medio di uno sviluppatore, spinti dal consumo di token e dalle licenze a consumo (Gartner).

Che cosa cambia per gli sviluppatori

MCP diventa obbligatorio: il supporto nativo al Model Context Protocol rientra tra le capacità richieste. Uno strumento interno senza un server MCP sarà più difficile da collegare a un agente.
La revisione umana resta necessaria: approvazione delle modifiche prodotte dall'agente, log dettagliati delle azioni dell'agente e garanzia che il modello non venga addestrato sul codice dei clienti.
La fatturazione cambia: i prezzi passano dai posti al consumo (compiti, richieste premium, token). Il consumo va monitorato come ogni altra voce di budget.

Per scegliere tra i tre agenti più citati, si veda il nostro confronto Claude Code, Codex e Copilot.

I limiti

Il rapporto completo è a pagamento; questo articolo si basa su estratti pubblici condivisi dalla stampa e dai fornitori classificati. Gartner stessa precisa che le sue ricerche riflettono le opinioni dei suoi analisti. Scrive anche che, senza un contesto di alta qualità, controlli rigorosi e validazione automatica, gli agenti aumentano le rilavorazioni, il rischio di sicurezza e la deriva architetturale. Le misurazioni indipendenti restano caute: si veda il nostro articolo sulla sicurezza del codice generato dall'IA.

Si tratta di ipotesi di pianificazione, non di previsioni certe: leggetele come una direzione, non come una data.

Fonti: Gartner, Magic Quadrant for Enterprise AI Coding Agents, 20 maggio 2026; Virtualization Review, 5 giugno 2026; Microsoft, conference call sui risultati del 2° trimestre dell'esercizio 2026; GitHub, Cursor e OpenAI.