Ola todos! ecco le notizie dedicate al mondo IA del 20 Novembre 2026Iniziamo con OpenAI. GPT-Live-uno punto uno arriva oggi nelle API. Accenti più naturali in tutte le lingue, costi ridotti in standby, maggiore affidabilità nell’esecuzione. Una versione migliorata del modello vocale che già conoscevamo.Sempre OpenAI. Hanno costruito la Performance Factory: un sistema di agenti che indaga i cali di prestazione in ChatGPT, propone correzioni agli ingegneri e verifica se le soluzioni funzionano davvero in produzione. Codex aiuta già a costruire ChatGPT più velocemente, ora sembra aiutare anche a mantenerlo veloce.Passiamo a Google. Genie quattro è disponibile nelle API e in AI Studio. Il loro primo world model per sviluppatori. NUOVO. Puoi scrivere prompt mentre esplori un mondo generato, aggiungere personaggi, cambiare la scena, e l’audio si adatta in tempo reale.Nel frattempo, Apple. L’AI team ha rilasciato un progetto open source: una foto diventa scena 3D interattiva in meno di un secondo, su GPU normale. Supporta rendering in tempo reale e alta risoluzione. Puoi muovere la telecamera liberamente dentro l’immagine.SUB-UNO BIT per peso. Parliamo di NanoQuant, il metodo Samsung che comprime modelli da settanta miliardi sotto un bit medio per parametro. Memoria ridotta di oltre un ordine di grandezza. Modelli giganti su hardware consumer.A proposito di compressione, Tufa Labs. Hanno ridotto un gigabyte di Wikipedia a centocinque megabyte, senza perdite. Si chiama tufazip: il miglior risultato sul Large Text Compression Benchmark usando una rete neurale come unico predittore. Tutto quello sopra nella classifica mescola transformer e modelli costruiti a mano.Arriva anche BitNet da Microsoft. Progetto open source che permette di eseguire modelli IA enormi su processori normali, senza scheda grafica dedicata. Fino a sei punto diciassette volte più veloce su x86. Fino a ottantadue punto due percento in meno di consumo. Modelli da cento miliardi di parametri su singolo processore.Sempre sul fronte velocità, Blink. Architettura che rimuove completamente la CPU dal percorso di inferenza. Una SmartNIC cattura le richieste in arrivo e le invia direttamente nella memoria GPU via RDMA. Un kernel persistente dentro la GPU gestisce tutto: batching, scheduling, cache KV. Testato contro TensorRT-LLM, vLLM e SGLang. Fino a otto punto quarantasette volte più veloce sul Time to First Token. Fino a tre punto quaranta volte più veloce nella generazione token. Fino a due punto uno volte più throughput in decodifica. Fino a quarantotto punto sei percento meno energia per token.Passiamo a Shield di OrcaRouter. Difesa AI-native contro agenti offensivi. Invece di bloccare gli agenti che sondano il tuo sito, li inganni. Hanno puntato ARTEX, il pentester IA autonomo contro cui l’FBI ha appena emesso un avviso, sul loro ambiente di produzione. Cinque minuti dopo, ARTEX ha estratto file ENV e config GIT con credenziali dentro. Shield ha trasformato la superficie d’attacco in un labirinto sintetico: endpoint falsi, credenziali esca, risposte avvelenate che hanno dirottato la memoria dell’agente.OTTANTA ambienti hackabili. Anthropic ha addestrato agenti su un preprint server costruito specificamente per loro. Per tre mesi, quasi mille agenti da trentacinque laboratori, Stanford, MIT, ETH Zurigo inclusi, hanno condotto ricerca in autonomia: novecentotrentasei paper con codice, dati e pesi dei modelli. Gli agenti hanno trovato errori significativi in ricerca umana pubblicata e hanno creato il loro journal per revisionarsi a vicenda. Alcuni hanno prodotto risultati simili a paper umani apparsi dopo su arXiv.Arriva anche Linger dal team DeepSeek. Repository open source che sostituisce Grok Bot permettendo di eseguire Personal Agent completamente con modelli locali. Zero costi cloud. Funziona anche su Mac con sedici gigabyte di RAM. Integra composio per collegare Gmail, Outlook, Google Calendar, GitHub, Notion, Slack, Discord, Figma. Tutte le conversazioni salvate come Wiki per memoria a lungo termine. Dati completamente privati e locali.DUE MILA volte più economico di ElevenLabs. Parliamo di Verba-TTS-Indic-Zero: un punto otto milioni di parametri in sette punto sei megabyte. Dodici lingue, ventiquattro voci. Nessuna GPU. Gira su CPU nel browser, in un Cloudflare Durable Worker con circa cento millisecondi al primo audio, o persino su chip ESP32-S3.Sempre nel mondo sintesi vocale, Jakub Antalik. Ha aggiornato la Voice library con più varianti e dettagli: cinque look diversi, modello di riconoscimento emozioni integrato, stato processing, effetti hover. Disponibile gratuitamente.Passiamo a Hugging Face. LoRA adapter da trecento megabyte addestrato con RL per Qwen tre punto otto-27B, ottimizzato per OpenCode. SWE-bench Pro su cinquantuno task difficili: dal trentacinque punto tre al cinquantuno percento. Terminal-Bench due punto uno: dal quarantasei punto quattro al cinquantadue punto quattro percento. Turni mediani dell’agente ridotti da quarantotto a tredici. Con thinking disabilitato, il modello adattato sembra avvicinarsi o superare l’originale a massimo sforzo di ragionamento, usando da sei a otto volte meno token generati.UNO MILIARDO di triple knowledge graph direttamente dentro un LLM. Usando solo venti gigabyte di VRAM. Si chiama AtlasKV. Niente vector database, niente Pinecone, niente chunking. Integra knowledge graph su scala miliardaria direttamente nel meccanismo di attenzione del modello. Due nuovi metodi: KG2KV e HiKVP traducono le triple del grafo nella memoria interna dell’AI con complessità sub-lineare. Nessun retraining quando aggiungi nuova conoscenza.Arriva anche un sistema di ricostruzione 3D da video regolari, in tempo reale. Open source dalla Cina. Una telecamera, nessun LiDAR. Oltre diecimila frame senza collassare. Circa venti FPS su singola GPU. Stabile su oltre diecimila frame consecutivi. Funziona con filmati di guida, scene esterne e percorsi interni.Passiamo alla Cina di nuovo. Modelli LLM che si riscrivono da soli. Ricercatori da Illinois, Carnegie Mellon, Princeton e Stanford hanno fatto riscrivere i propri pesi a Qwen tre punto cinque. Il modello ha esaminato i propri errori, letto il proprio stato interno, modificato valori a strati profondi. Risultato: miglioramento significativo su problemi matematici mai visti prima. Ha anche riparato una propria copia danneggiata dai ricercatori: la riparazione ha ripristinato anche performance su task di immagini. L’esperimento ha funzionato solo con la versione da ventisette miliardi.Chiudiamo con un sistema di rilevamento incendi basato su visione pura. Ventidue milioni di view, ventimila like. Nessun sensore di fumo, nessun rilevatore di calore. Solo telecamere e AI. Identifica il fuoco e lo spegne automaticamente.Da segnalare anche un corso completo di Google su Harness engineering. Quasi due ore: ti insegna come costruire da zero un sistema Agent che evolve da solo ventiquattr’ore al giorno. Quattro livelli: Harness foundation con confini, strumenti, validazione e memoria. Eval engineering con standard Chief of Staff e punteggi. Loop closed per auto-correzione. Sistema Graph per auto-evoluzione continua. Il corso è gratuito.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.