Ola todos! ecco le notizie dedicate al mondo IA del 04 Novembre 2026Iniziamo con Anthropic. FlashProve. Un sistema open source che permette di verificare crittograficamente se una risposta viene davvero dal modello dichiarato. Sembra aver reso la verifica molto più efficiente rispetto ai metodi precedenti. Il codice è su GitHub.Nel frattempo, OpenAI quadruplica i premi per chi trova bug critici. Si arriva fino a centosettantaduemila dollari per scoperte eccezionali. Hanno anche avviato una collaborazione con Cathedral Systems per testare le difese usando i loro stessi modelli.Passiamo a Claude. I plugin ora si connettono automaticamente al login se il server MCP accetta Claude come issuer fidato. Chi sviluppa plugin può integrare questa funzione per velocizzare l’accesso degli utenti.Da segnalare anche un motore in C puro che esegue Kimi K3. Due virgola settantotto trilioni di parametri. Solo CPU e otto GB di RAM. Il binario pesa centosettantasei KB. Niente PyTorch, niente CUDA, niente GPU. Streamea i pesi dal disco layer per layer. Su otto GB fa ventisei secondi per token. Su centoventotto scende a cinque-sei. Serve un TB e sette di SSD veloce, ma funziona su laptop normale.Sempre nel mondo AI, terminal-mac. Un intero macOS che gira dentro il terminale esistente. Dai all’agente il suo Mac separato, guardi cosa fa in tempo reale, computer use integrato. Supporta MCP, CLI e skill. Gratis e open source.Merita attenzione P-H3-Image di Pruna. Un modello per generazione ed editing immagini costruito a partire da MiniMax-H3. Genera o modifica immagini cinque volte più veloce, in otto step invece di cinquanta. Una immagine da quattro megapixel richiede due virgola sei secondi invece di dodici virgola quattro. Il modello è sette volte più piccolo di H3.Arriva anche HarnessRouter. Implementa UHP, Unified Harness Protocol, un’interfaccia standardizzata per eseguire task attraverso qualsiasi agent harness. Il backend prodotto invia un task con harness_id, il router avvia l’harness selezionato, l’harness esegue il suo loop nativo e restituisce progresso, file e output. Supporta trenta basi harness diverse. Secondo benchmark ufficiali, cambiare solo l’harness ha ridotto i costi dal venticinque al sessantaquattro percento.Sul fronte scraping, mi sono accorto dell’esistenza di questo framework open source. Petizioni che imitano la firma di Chrome, navigatore con JS e bypass Captcha Cloudflare, supporto MCP e Agent Skill per integrazione con IA.Proseguiamo con Hugging Face. Hanno riprodotto un paper usando ML Intern, un harness open source per ricerca IA e training modelli. Modello e demo sono disponibili.Torniamo su TTS con Ming tre punto zero. Modello audio open source di Ant Group. Clonazione voce, controllo emozione, enfasi e tono avverbiale. Tre modelli core: TTS per sintesi voce, Audio per inferenza con centoventisei miliardi MoE, ASR per riconoscimento vocale leggero e preciso. Licenza MIT, commercialmente libero.Interessante anche il recipe di Amazon Rufus. Hanno pubblicato l’intero processo di post-training su GLM quattro punto cinque Air Base. Otto fasi in sequenza: SFT, Reasoning RL, Coding RL, instruction following RL, tre fasi Agent, RLHF. Solo dati pubblici, nessuna annotazione umana, nessun teacher model interno. Il risultato supera la versione ufficiale di Zhipu.Colpo a sorpresa da uni-robot-agent. Un harness open source che collega LLM general-purpose a sistemi robotici. Qwen tre punto otto Flash-Next ha raggiunto performance simili a sistemi closed precedenti. Costo API medio un dollaro e nove centesimi per task, contro ventuno virgola ventinove di GPT-6 Astra. Diciannove task di manipolazione fisica reali.Ed ecco una serie di notizie interessanti da non farsi scappare. Un repository per TTS locale supporta seicentoquarantasei lingue, quattordici motori, clonazione voce e doppiaggio video. Un altro chiamato agent-desktop permette agli agenti di controllare il computer leggendo le app internamente invece di fare screenshot. LSA, Latent Sparse Attention, accelera l’attenzione su Qwen tre punto otto ventisette B: settantadue virgola quattro volte più veloce in prefill, quarantadue virgola cinque in decode su dieci milioni di token. WeVisOne-VL, modello da due o quattro B di Weixin Vision, trova e conta oggetti, legge testo, crea maschere precise. CodeGraph trasforma codebase in grafo di conoscenza interrogabile per Codex: token ridotti del sessantadue percento, costi giù del quarantaquattro percento, tool call meno ottantotto percento.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.
Sviluppatore full-stack da oltre 26 anni. Integro l’IA in siti, e-commerce e gestionali, e ogni giorno racconto le novità dell’intelligenza artificiale su ZioBuddaLabs.
