Post di **Michelle Chen, Alex Reneau e Kevin Flansburg**, pubblicato il **1° ottobre 2026** sul blog di **Cloudflare** (~10 minuti di lettura, settimana "AI Birthday"). Cloudflare rilascia **Clef** e **Clef-flash**, i suoi primi modelli addestrati internamente, ospitati su **Workers AI** e distribuiti come open source (Apache 2.0, Hugging Face), insieme a un servizio di fine-tuning per reinforcement learning.
#Clef#Clef-flash#decision model
Michelle Chen · Alex Reneau · Kevin Flansburg — équipe Workers AI / plateforme IA · blog Cloudflare.
Pagina di documentazione tecnica di **GPT Researcher**, *"Context Filter"*, riscritta il **26 settembre 2026** da **Assaf Elovic**, il creatore del progetto, il giorno in cui ha reso **Jev** (un modello di **TypeSafe**) il filtro di contesto predefinito. Circa **2.200 parole**, incluso un benchmark riproducibile. **(A)** La tesi progettuale: il filtro di contesto è *"la leva più importante sulla qualità del report dopo la ricerca stessa"*: *"ciò che scarta, il writer non lo vede mai"*. **(B)** Il meccanismo: ogni pagina raccolta (scraped) viene suddivisa in blocchi (chunk) di **1.000 caratteri**. Jev assegna a ciascun chunk un punteggio di utilità su una scala a quattro livelli (da 0 a 3), e solo i chunk con punteggio **≥ 1,5** vengono conservati, al massimo dieci. Senza una chiave API, entra in gioco un fallback locale **BM25** con soglia relativa. **(C)** Il benchmark: 28 task ripetuti sulle stesse pagine. **73%** di passaggi pertinenti per Jev contro **46%** per gli embedding, **15-10-3** nei confronti diretti, allo stesso costo (~0,115 $ per report). **(D)** Il risultato più trasferibile: *"la soglia conta più del ranking"*. Senza soglia, Jev scende di nuovo al 50%. Il guadagno deriva da meno rumore, non da più contenuto. Estende, sul lato della ricerca web, il confronto delle strategie di retrieval di [[comparethemarket-context-retrieval-ai-code-review-gkg-rag-2026-03-06]].
#filtro di contesto#filtro di contesto#selezione dei passaggi
Assaf Elovic · créateur de GPT Researcher · auteur de la page (documentation officielle docs.gptr.dev, non signée).
Annuncio di **Diogo Almeida**, fondatore di **TypeSafe AI** (precedentemente in OpenAI, dove ha lavorato su metodi di addestramento per l'instruction-following), pubblicato il **15 settembre 2026** sul blog dell'azienda (~2.500 parole). Il testo presenta una nuova classe di modelli, i **System One Models**, e il loro primo modello, **Jev**, in early access.
#System One#modello decisionale#Jev
Diogo Almeida — fondateur de TypeSafe AI · ancien chercheur chez OpenAI (billet du blog d'entreprise).