Ola todos! ecco le notizie dedicate al mondo IA del 08 Luglio 2026Iniziamo con Tesana.Si descrive il gioco che si vuole, si preme un pulsante e in pochi minuti si ottiene un videogioco completo. Mondo ricco, animazioni fluide, grafica di livello AAA, supporto multiplayer. Quello che prima richiedeva anni a uno studio ora richiede minuti.Nel frattempo, Meta ha rilasciato Muse Image.Il primo modello di generazione immagini sviluppato da Meta Superintelligence Labs. Usa ragionamento avanzato per comprendere prompt complessi, fonde più foto in un’unica immagine di alta qualità, genera testo leggibile all’interno delle immagini, inclusi infografiche e codici QR. Disponibile su Meta AI, Instagram e WhatsApp. In arrivo su Facebook e Messenger.Meta ha anche condiviso un’anteprima di Muse Video.Offre prestazioni competitive in aderenza al prompt, fedeltà visiva e coerenza temporale. L’azienda sta investendo in aree con lacune attuali, come la sincronizzazione audio-video e il movimento rapido fisicamente accurato.Passiamo a LeRobot.È uscita la versione punto sei punto zero. World Models come VLA-JEPA, LingBot-VA e FastWAM aiutano le policy ad anticipare il futuro. Espansione VLA con GR00T uno punto sette, MolmoAct2, EO-1, Multitask DiT ed EVO1. API per Reward Models con Robometer e TOPReward. Sei nuovi benchmark di simulazione, accessibili tramite CLI.Ancora Meta.Aggiornamenti su Nano Banana 2 Lite e Gemini Omni Flash. Nano Banana 2 Lite genera immagini con testo leggibile in solo quattro secondi. Gemini Omni Flash permette di rifinire, animare e modificare clip usando linguaggio naturale e input combinati di testo o immagine.A proposito di robotica, LingBot-Depth due punto zero.Previsione della profondità per manipolazione robotica su oggetti trasparenti. Un sacchetto di plastica che versa fagioli in barattoli di vetro, la profondità percepita rimane coerente nel tempo, con confini puliti e nitidi.Sempre sul fronte robotica, GUSH3R.Approccio feed-forward per la ricostruzione di scene umane dinamiche con 3DGS. Il modello genera gaussian per scena per pixel e gaussian per vertice per umani dinamici tramite decoder duali costruiti su Human3R.Si muove anche TriFlow.Accettato a ECCV 2026. Genera automaticamente topologia mesh pulita da forme 3D, come se fosse stata creata da un professionista. La nuova tecnica tratta la topologia come un campo vettoriale continuo, risolvendo problemi dei precedenti approcci AI. Precisione migliorata, velocità otto volte superiore.Saltiamo a Claude.Claude Cowork sta arrivando su mobile e web. Si può affidare un compito a Claude alla scrivania e ritirare il lavoro finito dal telefono. Si chiude il laptop e Claude continua a lavorare. La beta è in fase di rollout nelle prossime settimane, partendo dal piano Max.Da segnalare anche Anthropic.Nuovo paper su J-Space. Descrive uno spazio di lavoro interno dove Claude mantiene concetti in mente prima che appaiano nella sua risposta.Interessante anche Liquid AI.Ha rilasciato Antidoom, metodo open source che rimuove il doom loop nei modelli di ragionamento. Tassi di doom loop prima e dopo: checkpoint iniziale LFM due punto cinque-due punto sei B da dieci punto due percento a uno punto quattro percento. Qwen tre punto cinque-quattro B da ventidue punto nove percento a uno percento.Proseguiamo con Agents-A1.Nuovo modello agentico da Shanghai AI Lab, team InternScience. Trentacinque miliardi MoE, basato su Qwen tre punto cinque-trentacinque B-A3B. Apache due punto zero. Contesto duecentocinquantasei K. Addestrato per lavoro agentico a lungo termine.Vale la pena menzionare Higgsfield.Lancio di Higgsfield Apps. Si generano app con qualsiasi modello di immagine o video Higgsfield integrato. Fable 5 progetta ogni app come farebbe un ingegnere esperto. Si costruiscono siti web estetici di qualsiasi complessità. Si distribuiscono estensioni browser, plugin, app desktop e mobile.Altra novità: Google DeepMind.Nuova Skill Predicting the Past in Google Antigravity. Permette agli storici di studiare testi greci e latini usando linguaggio semplice. Gemini è ancorato direttamente nei modelli esperti Aeneas e Ithaca.Colpo a sorpresa da Monogram.Esce dallo stealth mode. Ha annunciato un round seed da quaranta milioni di dollari guidato da DST e Lux Capital. Prima app AI costruita attorno a un’interfaccia visuale. Genera un’intera interfaccia utente al volo in pochi secondi. Si chiede qualcosa e si ottiene una risposta interattiva visiva invece di un muro di testo.Segnaliamo anche Silk Mulberry uno punto cinque.Modello vocale con latenza end-to-end di centosessantadue millisecondi. Uguaglia ElevenLabs v3 sul benchmark MOS essendo novantacinque percento più economico. Non si sceglie una voce, la si progetta: si descrive età, accento, tono, emozione. Cambio di lingua a metà frase su oltre venti lingue con accenti nativi.Occhio a Cohere.Lancio del modello Transcribe per l’arabo. Miglior modello aperto per convertire il parlato arabo da audio a testo, con supporto per dialetti diversi. In cima alla Open Universal Arabic ASR Leaderboard. Supporta conversione tra arabo e inglese, riconoscimento di dialetti, inglese con accenti arabi.Chiudiamo con Google.Rilasciato il technical report di Gemma 4. Dettagli sulle decisioni dietro gli ultimi modelli multimodali open-weight, Gemma 4 da E2B a trentuno B. Approccio del team su architettura, efficienza e responsabilità. Copre anche la variante encoder-free dodici B, addestramento quantization-aware e drafter multi-token prediction.Trovate i link di queste notizie altri link interessanti sul mio sto ziobuddalabs punto itSalvate il video così da non perderlo, seguitemi sui miei canali social e sul nuovo podcast su spotify e mannaggia a voi se ancora non lo state facendo, condividete il video con amici e nemici e ola todos.
