Ola todos! ecco le notizie dedicate al mondo IA del 22 Settembre 2026Iniziamo con SpaceX AI. Grok quattro punto sette. Miglioramento notevole rispetto a Grok quattro punto sei. Stesso prezzo, stessa velocità.Passiamo a una serie di repository e tool esplosi su GitHub attorno a Jev. Decine di migliaia di stelle in pochi giorni. Automazione browser, compressione contesto per Claude Code, generative UI, integrazione MCP, routing modelli, pulizia contesto, code review, navigazione repo, automazione desktop. Alcuni progetti arrivano fino a controllare droni e giocare a videogame in tempo reale.Beacon di Asymptote Labs. Una memoria cross-harness per coding agent. Cattura automaticamente la cronologia delle sessioni su Claude Code, Codex, Cursor e altri venti harness. Usa Jev per valutare quali esecuzioni meritano di diventare skill riutilizzabili. Open source.A proposito di harness, segnaliamo Unified Harness Protocol. Un layer infrastrutturale che permette di eseguire Codex, Hermes, Claude Code, DeepSeek Harness, System One powered by Jev e altri nove harness sotto un’unica interfaccia. Compatibile API OpenAI Responses. Gli harness girano in locale.Nel frattempo, Laya. Un modello System One a pesi aperti. Batte Jev cloud-based giocando a Tetris, con decisioni undici volte più veloci. Gira in locale su MacBook Air da sedici GB.Google ha rilasciato AX. Un orchestratore agente open source. Prima impressione: sembra Kubernetes per esecuzioni agente.Agentrun. Un nuovo harness costruito con Jev di Typesafe. Impara il lavoro mentre lo esegue, spostando passaggi da chiamate LLM a codice. Su centomila alert di compliance: oltre duecentonovantamila dollari con Opus cinque. Con agentrun, sotto i ventiseimila.Xiaomi MiMo-V due punto sei. Pro e Flash. Due modelli omnimodali addestrati con reinforcement learning su scala. Pro si posiziona alla pari di Claude Opus cinque e GPT-cinque punto sei Sol sui benchmark agente. Quarantasei punti sull’Artificial Analysis Intelligence Index. Il punteggio più alto tra i modelli open source. Pesi aperti, report tecnico, ambienti RL e codice di training rilasciati.Halo. Un framework per post-training di modelli open source. Fino a due punto otto volte il throughput di TRL, con meno memoria di picco. I modelli restano in formato HuggingFace nativo.Qwen-Image due punto uno. Versione locale senza restrizioni. Due categorie principali: Uncensored GGUF, che mantiene i pesi originali senza filtri aggiuntivi, e Heretic, con text encoder modificato per ridurre i rifiuti di prompt. Varianti quantizzate da quattro a sedici GB, per hardware da otto a ventiquattro GB di VRAM.A proposito di workflow locali, Upscayl. Strumento per upscaling di foto a bassa risoluzione. Real-ESRGAN più Vulkan, elaborazione locale via GPU. Quarantanovemila stelle su GitHub. Gratuito, open source. Linux, macOS, Windows. Modelli precaricati per ritratti, illustrazioni e vecchie foto.LocalStack. AWS in locale, senza account, token o sottoscrizioni. S3, Lambda, DynamoDB, RDS. Anche Azure e Google Cloud. Docker Compose e via.T-Mem. Presentato a EMNLP duemilaventisei. Prima architettura di memoria open source a supportare richiamo associativo. La maggior parte dei sistemi recupera per similarità. T-Mem prevede quando una memoria diventerà rilevante. Le memorie vengono scritte con un trigger che descrive quando torneranno utili. In lettura, i trigger richiamano contesti anche senza sovrapposizione di parole chiave. Si collega a qualsiasi LLM senza fine-tuning. Su LoCoMo-Plus cala solo cinque punto quarantacinque punti, contro i ventotto-cinquanta dei sistemi tradizionali. Codice MIT.Taste Skill per Claude Code. Una skill per migliorare il design delle interfacce generate. Si installa con una riga. Legge settore, pubblico, atmosfera, quantità di movimento e schema di layout prima di iniziare. Impone palette colori e regole tipografiche. Genera tema chiaro e scuro contestualmente. Prima di rigenerare, analizza i difetti del design corrente. Otto punto otto mila stelle su GitHub. MIT.Un altro esperimento con Jev e Laya. I due modelli giocano al gioco del dinosauro di Chrome controllando direttamente i personaggi. Laya gira in locale su Mac, Jev via API. Stessa pista, stessa fisica, latenze diverse.Qualcuno ha usato Jev per modificare dinamicamente lo sforzo di ragionamento di GPT-sei durante l’esecuzione di Codex. Più ragionamento quando bloccato, meno per passaggi di routine. Cinquanta percento in meno di costi Astra nei test. Esecuzioni più veloci, senza rompere la cache dei prompt.Maestro v due punto tre. Generazione ed editing con Qwen Image due punto uno. Clip H3 da trenta secondi sperimentali. YuE2, training automatico e guidato di LoRA musicali con supporto vocale, ancora sperimentale. Supporto strumentale per YuE2.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.
