Ola todos! ecco le notizie dedicate al mondo IA del 27 Settembre 2026Iniziamo con Strata. Un motore di inferenza costruito da zero per eseguire modelli IA in locale. SESSANTACINQUE PUNTO UNO token al secondo. Quattro volte più veloce di llama punto cpp. Su una RTX 5070 da dodici gigabyte. Il creatore, insoddisfatto delle prestazioni standard con Qwen tre punto otto-Flash-Next, ha riscritto tutto da zero ottimizzando per quel modello specifico e per configurazioni che usano sia memoria video che RAM di sistema. Il progetto è open source.Passiamo a OrcaSAQ-2 Cyber ventisette B. Un modello costruito per sicurezza informatica e red teaming difensivo. Da cinquantaquattro punto sette gigabyte a quindici punto sette. Con il novantaquattro punto quattro percento di accordo rispetto alla versione completa. Duecento sessantadue K di contesto. Pensato per chi deve fare analisi di vulnerabilità, test di sicurezza autorizzati o coding sicuro senza dover mandare codice sorgente o log a servizi cloud esterni. Tutto resta in locale.Sul fronte text-to-speech, mi sono accorto dell’esistenza di un progetto open source che sembra offrire un’alternativa a ElevenLabs. Quasi ventimila stelle su GitHub. Clonazione vocale da campioni brevi, dubbing in seicentoquarantasei lingue contro le trentadue di ElevenLabs, generazione di audiolibri e trascrizioni. Quattordici motori TTS diversi tra cui scegliere. Tutto gira in locale, nessun abbonamento, nessun limite di utilizzo.Nel frattempo, qualcuno ha fatto reverse engineering di CapCut. Ha estratto il motore di editing, l’ha reso utilizzabile da riga di comando senza interfaccia grafica, e l’ha rilasciato su GitHub. L’idea è che un modello come Codex può inviare comandi in background, generare progetti nativi CapCut con tracce multiple, sottotitoli, picture-in-picture già ordinati. Si collega a un ASR che taglia automaticamente pause, esitazioni e respiri a livello di millisecondi. Se il risultato non convince, si apre CapCut, si aggiusta manualmente, e si esporta. Il progetto è stato costruito da uno sviluppatore giovanissimo.Passiamo a SkillOpt di Microsoft. Un sistema per far evolvere automaticamente le competenze degli agenti. Il modello base esegue il task, un optimizer valuta l’output e riscrive le istruzioni da solo. Separa i percorsi di successo dai fallimenti, scarta ogni modifica che non supera il benchmark definito. Batte prompt scritti a mano e altri optimizer. Le competenze così sviluppate si trasferiscono tra modelli diversi senza lock-in. Open source.Sul fronte collaboration, hanno rilasciato Company Brain. Un agente multi-player che vive in Slack e ha accesso a tutta la conoscenza aziendale. Deploy in un click, architettura completa documentata in un blog post, self-hosting supportato. Pensato per team che vogliono un assistente con memoria condivisa e contesto permanente su progetti, decisioni e conversazioni passate.Xiaomi ha rilasciato settemila ambienti di reinforcement learning usati per addestrare MiMo. Coprono coding, cybersecurity, sviluppo web, musica e altro. È uno dei rilasci più grandi di dati per RL frontier open source mai visti. L’analisi completa è in arrivo.Sempre sul tema RL, hanno aperto anche il training stack completo di MiMo-V due punto sei. Non solo i pesi: codice di addestramento, ambienti eseguibili in Docker, ricompense basate su regole e verificabili. Sei giorni di live RL, circa settecentocinquantamila traiettorie, batch enormi da millecinquecento sessantotto prompt per step. Costo dichiarato: ottocentocinquantamila dollari per Flash, due milioni seicentosessantaduemila per Pro. Su benchmark long-range fuori dal training set, Flash passa da quarantotto punto otto a sessantacinque punto sette, Pro da cinquantotto punto quattro a settantadue punto sei su DeepSWE v uno punto uno.Microsoft ha rilasciato anche Data-Formulator. Uno strumento per analisi dati via agente. Colleghi CSV, Postgres, BigQuery o URL live, costruisci grafici mescolando drag-and-drop e linguaggio naturale. L’agente scrive SQL e trasformazioni sotto, restituisce un grafico modificabile. Puoi ancorare risultati puliti, creare branch per esplorare varianti, connettere dati live con auto-refresh. Porta la tua chiave API e lo esegui in locale.Google ha pubblicato un corso gratuito di un’ora su ingegneria agentiva da zero. Copre costruzione del primo agente, memoria breve persistente e lunga, loop agentivi, differenze tra MCP e API, sistemi multi-agente. Potrebbe sostituire molti corsi a pagamento sull’argomento.A proposito di strumenti di apprendimento, mi hanno segnalato learn-from-materials. Un’agent skill che trasforma PDF, EPUB, Word, PPT e pagine web in siti di apprendimento interattivi. Legge il materiale, costruisce una knowledge base, genera pagine navigabili. Ogni affermazione dell’AI è tracciabile: PDF fino alla pagina, PPT fino alla slide, EPUB fino al capitolo. Funziona con Claude Code, Codex e Copilot CLI.Sul fronte rumor, circolano voci su DeepSeek V cinque. Secondo le indiscrezioni, supererebbe Astra ed è stato addestrato interamente senza hardware Nvidia. Due trilioni di chip Huawei Ascend. Pesi aperti. Il fondatore Liang Wenfeng lo chiama la scommessa più grande dell’azienda. Primo modello DeepSeek completamente su Ascend, servono quattro volte più chip Ascend per eguagliare la scala di training Nvidia. Se confermato, significa modelli frontier più economici e uno stack hardware cinese indipendente da Nvidia. Trattare come rumor finché i pesi non vengono rilasciati, ma se anche solo metà fosse vero, settembre diventa molto più rumoroso.Harvard ha rilasciato gratuitamente il corso completo Machine Learning Systems. Non solo addestramento modelli: progettazione di sistemi IA che funzionano nel mondo reale. Include libri, lab, TinyTorch, simulatore di infrastruttura e tutti i materiali didattici in un unico repository. Open source.Passiamo a open-slide due punto zero. Un framework per slide costruito per agenti, ora con editor visuale, esportazione in pptx modificabile e UI ridisegnata. L’agente costruisce il deck, tu fai le rifiniture finali.Sul fronte ricerca, Stanford e Nvidia hanno rilasciato CLM. Un approccio che sembra accelerare le decisioni degli agenti fino a tredici volte rispetto a Jev. Invece di generare token per token, codifica la situazione corrente e ogni azione candidata come vettori, sceglie il più vicino. I vettori delle azioni possono essere pre-calcolati e cachati. Su dinosaur run, CLM decide in sedici millisecondi contro centocinquanta di Jev. Su Super Mario quattro volte più veloce. Su WikiRacing circa cinque volte più rapido. Il limite è che può solo scegliere tra opzioni date, non inventare nuove azioni. Open source, gira su singola GPU.Higgsfield ha integrato Claude Opus cinque punto cinque per motion design. Con Higgsfield MCP, Opus cinque punto cinque genera immagini, loghi e grafica, costruisce e anima composizioni, renderizza il video finale. Ottieni un progetto After Effects modificabile per continuare a lavorarci.Chiudiamo con Paperclip. Un progetto che ha superato le ottantacinquemila stelle su GitHub dopo averne aggiunte duemilacinquecento in un giorno. L’idea è trattare gli agenti IA come dipendenti effettivi, non come strumenti separati. Ogni agente ha un ruolo, CEO, ingegnere, marketer, una propria budget e compiti legati all’obiettivo aziendale complessivo. Non una lista di task casuale, ma responsabilità misurabili.E infine, Google ha aperto la generazione video con IA gratuitamente per chiunque abbia un account. Gemini Omni permette di creare video in risoluzione milleottanta p direttamente dal browser. Controllo di durata scene, transizioni, template. Nessun abbonamento richiesto.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.
