thekb.eu — Economia e Mercato

Claude Fable 5.1 and Mythos 5.1

Tue, 01 Sep 2026 00:00:00 GMT

Il **1° settembre 2026**, Anthropic annuncia **Claude Fable 5.1** e **Claude Mythos 5.1**, presentati come i modelli più avanzati per il coding e il lavoro di conoscenza. Entrambi sono **lo stesso modello sottostante**; solo i livelli di salvaguardie differiscono. Fable 5.1 è in disponibilità generale; Mythos 5.1 è accessibile solo tramite programmi di accesso fidato, con salvaguardie pensate per la cybersecurity e le scienze della vita. L'annuncio risponde esplicitamente a tre feedback dei clienti. **Prezzi**: le letture di cache scendono del 75% a 0,25 $ per milione di token, con input e output invariati rispettivamente a 10 $ e 50 $; il costo totale diminuisce di circa il 25% sui carichi di lavoro tipici e fino al 45% sui carichi di lavoro fortemente agentici. **Conservazione dei dati**: i nuovi *Enterprise Frontier Safeguards* memorizzano i dati sull'infrastruttura del cliente stesso, offrendo la riservatezza di un accordo a conservazione zero pur mantenendo il rilevamento di usi avversari; distribuzione graduale a partire dall'autunno. **Salvaguardie**: i classificatori cyber producono il 60% in meno di falsi positivi, e a Fable 5.1 è ora consentito identificare vulnerabilità software — senza sviluppare exploit. Sulle prestazioni, Fable 5.1 raggiunge il 52,6% su Terminal-Bench-Science 0.1 (contro il 24,7% di Fable 5 e il 29,0% di Opus 5), il 55,8% su Terminal-Bench 4.0 (60,9% per Mythos 5.1), 1853 su GDPval-AA v2, il 73,4% su CursorBench 3.2.0 e il 31,4% su AutomationBench. I risultati sono presentati come curve costo/accuratezza su cinque livelli di sforzo; a sforzo basso o medio, il modello eguaglia o supera Fable 5 a un costo molto inferiore. Ventidue partner forniscono testimonianze, tra cui Millennium, dove il modello ha diagnosticato un crash che si verificava una volta su un milione, che nessuno era riuscito a spiegare in quattro o cinque anni. La sezione scientifica documenta tre risultati. Nella **progettazione molecolare**, Mythos 5.1 raggiunge un tasso di successo di quasi il 50% su 12 bersagli proteici, con affinità dieci volte superiori alle migliori sottomissioni di Adaptyv Bio. Nella **modellazione**, Fable 5.1 ha prodotto una carte altimétrique de Vénus che copre un terzo di Venere a partire dai dati radar di Magellan, pubblicata con licenza Creative Commons. Nella **biologia computazionale**, Mythos 5.1 ha accelerato sette modelli open source fino a 2,5× scrivendo kernel GPU, riducendo i costi dal 30 al 60%. Sulla sicurezza, Mythos 5.1 resta al di sotto della soglia di rischio successiva della Responsible Scaling Policy in biologia e nella categoria inferiore del Frontier Compliance Framework in ambito cyber. L'audit di allineamento lo giudica meglio allineato rispetto a Mythos 5, pur riconoscendo una copertura limitata dei compiti a contesto lungo, multi-agente e impossibili.

The turbulent AI era is here. The choices we make now are critical.

Wed, 26 Aug 2026 00:00:00 GMT

Bill Gates apre con la sua duplice traiettoria — costruire software in Microsoft, poi ridistribuire la fortuna così accumulata — e ne trae la sua chiave di lettura: l'IA sarà il più grande fattore di equità mai inventato, oppure la peggiore fonte di ingiustizia. Per la prima volta, una tecnologia può sostituire e superare la cognizione umana. Eppure nessuno si sta preparando a questa transizione: non esiste alcun piano. Attribuisce questa mancanza di preparazione a una sottovalutazione dell'impatto. Gli errori attuali dei modelli sono fuorvianti, poiché l'affidabilità si sta correggendo rapidamente da sola. Ancora più importante, le analogie storiche sono fuorvianti: il PC ha impiegato vent'anni per trasformare il lavoro perché era necessario sviluppare il software, far scendere i prezzi e formare le persone. L'IA, al contrario, funziona su dispositivi già installati e parla il linguaggio naturale — è l'IA ad adattarsi a noi. Gates dichiara i suoi legami finanziari in corso con il settore, precisa che i profitti dei suoi investimenti andranno alla fondazione, e lascia al lettore il giudizio. Espone tre rischi. Primo, la perdita di posti di lavoro: poiché la sostituzione riguarda la cognizione, colpisce simultaneamente diritto, servizio clienti, medicina, software e industria, nell'arco di un decennio anziché di più generazioni. Le posizioni di inizio e metà carriera sono le più esposte; i lavori manuali seguiranno man mano che i robots dextres, sviluppati principalmente in Cina, diventeranno economici. Secondo, la militarizzazione da parte di attori malintenzionati: attacchi informatici, bioterrorismo, frodi, deepfake, dato che le capacità benefiche e pericolose non possono essere separate — e, simmetricamente, la concentrazione di potere in mano a chi già lo detiene. Terzo, l'effetto sullo sviluppo dei bambini e sulle relazioni umane, con i compagnons IA descritti come una serra protetta che priva le persone degli insegnamenti del contatto reale. I benefici sono reali e localizzati: ricerca accelerata, salute, agricoltura nei paesi a basso reddito — l'impatto che definisce il più rapido —, servizi pubblici e istruzione. Ma il verbo resta "può": nulla avviene automaticamente, da cui il ruolo necessario degli stati e della filantropia. Propone quindi tre misure iniziali. Costruire un quadro istituzionale nazionale e internazionale senza precedenti, ispirandosi all'ispezione nucleare, alla regolamentazione dell'aviazione e agli accordi sull'ozono. Istituire un ambito "Human Reserved", professioni sottratte all'automazione per ragioni economiche o umane. Riequilibrare la tassazione tassando i token e i robot, poiché oggi il sistema spinge verso la sostituzione delle persone. Conclude chiedendo di ampliare la cerchia delle voci che plasmano il dibattito.

DuckDB and the changing physics of analytics

Wed, 26 Aug 2026 00:00:00 GMT

Andy Warfield, ingegnere nel team S3 di AWS, ha pubblicato un guest post su All Things Distributed il 26 agosto 2026, introdotto da Werner Vogels. Nel testo, spiega perché i motori analitici incorporati come DuckDB stanno guadagnando importanza, e annuncia che DuckLabs, il team che sviluppa DuckDB, entra a far parte di AWS. La sua griglia di lettura è quella di una «fisica» mobile. Laddove le scienze fisiche esplorano invarianti, l'informatica dei sistemi ricerca il compromesso elegante rispetto a rapporti che si spostano: velocità della memoria contro velocità della rete, ricchezza delle astrazioni contro potenza disponibile. Cita tre momenti — il progetto NOW di Berkeley, il proprio lavoro su Xen, e la ricerca su MonetDB e X100 al CWI di Amsterdam, dove il collo di bottiglia dell'elaborazione delle query si era spostato dal disco alla CPU — e osserva che questi vincoli si ripresentano ciclicamente. Applicata ai dati, questa griglia spiega l'elaborazione distribuita. L'elaborazione è sempre più semplice ed efficiente su un'unica macchina veloce, ma quando il disco o la scheda di rete di un server non riescono più a leggere il volume desiderato, si partiziona. Era questo il vincolo dei primi anni 2000, quello che ha prodotto MapReduce e poi gli RDD di Spark. Warfield rileva due qualità di questi sistemi: hanno innovato molto sull'ergonomia per gli sviluppatori, e hanno accettato un costo fisso di pianificazione e distribuzione, scommettendo sul throughput ottenuto aggiungendo macchine piuttosto che sull'efficienza per unità. Ma i rapporti sono cambiati. Un'istanza attuale offre circa cinquanta volte la memoria, i core e la banda di rete della più grande istanza EC2 del 2007, mentre la crescita dei dataset segue una distribuzione i cui casi estremi ne formano la coda. Il paper del 2015 Scalability! But at what COST? aveva già dimostrato che un'implementazione single-thread accuratamente ottimizzata poteva battere framework distribuiti eseguiti su centoventotto core. DuckDB, lanciato nel 2018 da Hannes Mühleisen e Mark Raasveldt, applica questa logica: un motore analitico a libreria in-process, che gira nello spazio di indirizzamento dell'applicazione, seguendo il modello di distribuzione di SQLite. AWS è diventata cliente di DuckLabs e poi sponsor dell'estensione Iceberg, parallelamente al proprio lavoro su S3 Tables; l'estensione ora supporta Iceberg v2 e v3 e supera 800.000 download a settimana. Warfield non presenta il modello incorporato come una sostituzione: quando un lavoro richiede mille macchine, le richiede. Ciò che sta cambiando, scrive, è che gran parte del lavoro svolto sui dati in realtà non ha mai avuto bisogno di un cluster. DuckLabs entra in AWS come filiale, con il progetto che resta open source sotto licenza MIT e sotto la governance della DuckDB Foundation.

DeepSeek Harness developer preview: Everything is a plugin

Thu, 13 Aug 2026 00:00:00 GMT

Pagina di lancio prodotto pubblicata il **13 agosto 2026** da **DeepSeek**, **non firmata**, per il rilascio in *developer preview* di **DeepSeek Harness** (`dsh`), un harness per agenti di coding **open source con licenza MIT** il cui repository è stato aperto lo stesso giorno. **Cosa dice la pagina.** Due promesse, in quattrocento parole e senza una sola cifra. **« Everything is a plugin »**: ogni capacità — modelli, strumenti, skill, sessioni, sandbox, storage, loop, scheduling, interfaccia — è un plugin **sostituibile tramite configurazione, senza modificare il codice sorgente**. **« Every run is traceable »**: tutto ciò che il modello vede viene registrato in un **session log append-only** — system prompt, ragionamento, chiamate agli strumenti e risultati, scheduling dei subagent, ogni iniezione di contesto — e *« resume, fork, search and replay all operate on the same event stream »*. Il nucleo è **Cordis**, un framework di terze parti vendorizzato, descritto in un paper esterno e accreditato in modo prominente. Vengono rilasciate quattro modalità di esecuzione: **modalità Standard** (tooling completo), **mode Code** (strumenti esposti tramite un SDK TypeScript per combinare più operazioni in un unico programma), **mode Minimal** (due strumenti, bash persistente e `str_replace_editor`, *« for benchmarking models in a minimal environment »*), e **modalità Creator** (ispezione a runtime, test di plugin in memoria, composizione di nuove modalità). Per iniziare: `npx @deepseek-ai/dsh web`. **Cosa non dice la pagina.** L'affermazione più forte si trova in `docs/architecture.md`: ***« Model-visible means logged. Anything that reaches a model request must be reconstructable from the log, and a runtime invariant asserts it. »*** **Una garanzia asserita a runtime**, non un'affermazione da vetrina — è questa la proprietà che davvero distingue DSH, ed è assente dal materiale promozionale. Lo stesso repository fornisce la confutazione: `SESSION_FORMAT_VERSION` resta a **`0` senza alcuna promessa di compatibilità**, *« backends reject old on-disk formats »*, e il README avverte in maiuscolo che ci saranno breaking change. **Tracciabile oggi non significa archiviabile domani.** **Il modello di business è nella cronologia.** DSH viene rilasciato il giorno della **GA di DeepSeek-V4-Pro** e **tre giorni prima** dell'entrata in vigore di un nuovo listino prezzi API (16 agosto, 16:00 UTC; tariffe fuori picco al **−50%**). **Harness regalato, inferenza resa più cara** — l'esatto opposto del modello di Anthropic. **Ciò che regge alla verifica.** La sostituibilità tiene almeno a livello di modello: oltre all'adapter DeepSeek, **`dsh-llm-pi-ai`** rende accessibile qualsiasi gateway compatibile con OpenAI *« by configuration, not by code change »*. E il mode Minimal integra nel prodotto l'**harness di benchmarking** — un tentativo di sottrarre a Claude Code la definizione del benchmark, anche se il repository di DSH stesso contiene un `CLAUDE.md` e una `.claude/skills`.

Mistral AI wants to build 1 gigawatt of European compute by 2030 — and lock in customers now.

Tue, 11 Aug 2026 00:00:00 GMT

Articolo pubblicato su **VentureBeat** l'**11 agosto 2026** da **Michael Nuñez**, basato su un'**intervista esclusiva sotto embargo** con **Timothée Lacroix**, co-fondatore e CTO di **Mistral AI**. **L'annuncio, in tre parti.** (1) **Mistral Regional Endpoints**, in disponibilità generale: ancoraggio dell'inferenza e del trattamento associato a **Europa o Stati Uniti**. (2) Un **Priority Tier** in anteprima pubblica: livelli di servizio garantiti, quote personalizzate, uno **SLA di disponibilità** per i carichi di lavoro critici. (3) Una **coalizione di imprese europee** — **Amadeus, ASML, Capgemini, CMA CGM** — i cui impegni pluriennali sono destinati a finanziare **200 MW entro fine 2027** e **1 GW entro fine 2030**. A questo si aggiunge l'ospitalità di **modelli aperti di terze parti**, a partire da **GLM-5.2** del laboratorio cinese **Z.ai** (già Zhipu). **Il veicolo finanziario.** Gli impegni si convertono in **European Compute Unit (ECU)**: un diritto pluriennale su una capacità costruita da Mistral, fungibile tra inferenza, addestramento, adattamento di modelli o Kubernetes gestito. La struttura assomiglia più a un **contratto di acquisto di energia** (power purchase agreement) che a un contratto cloud: i finanziatori vogliono la domanda bloccata prima di erogare il capitale. Lacroix non lo edulcora: *"The whole point of compute units is to have commitment,"* con un orizzonte target di cinque anni, e sull'uscita anticipata — ***"There is no getting out."*** **Gli ordini di grandezza.** Mistral dichiara di operare *"less than 200 MW"*; i siti dettagliati totalizzano **77 MW** (44 MW vicino a Parigi, 23 MW in Svezia con EcoDataCenter, 10 MW a Les Ulis). **Epoch AI** stima il capex iniziale per un data center IA da 1 GW a **~38 miliardi di dollari**, in gran parte in GPU; **Goldman Sachs** a 15-20 milioni di dollari/MW esclusi i chip; **McKinsey** stima il fabbisogno globale a **5.200 miliardi di dollari entro il 2030**. Mistral ha raccolto **~4 miliardi di dollari in totale** (PitchBook), dopo **830 milioni di euro di debito** per il sito di Parigi. **Le clausole in piccolo.** L'inferenza in regione resta soggetta a *"limited, controlled transfers"* verso subappaltatori al di fuori della regione: concretamente, le **chiamate a strumenti** — in particolare la ricerca web. La risposta di Lacroix: **tagliare la capacità** è la funzionalità, non il difetto. Un terzo endpoint, *"su computazione Mistral"* al di fuori dell'hardware degli hyperscaler, è annunciato ma non esiste ancora. **Il riposizionamento.** Distribuendo modelli aperti di terze parti sotto controlli regionali e uno SLA interno, Mistral diventa un **livello di distribuzione sovrano** — il playbook del *model garden* di Bedrock e Vertex, in Europa. Il vantaggio competitivo si sposta dal modello all'infrastruttura. Ciò che finanzia tutto questo: la convinzione che **i modelli da mille miliardi di parametri e i token agentici rendano insostenibile l'inferenza on-premise**, riportando i ricavi verso il cloud. **Le dipendenze irrisolte**: le **GPU** Nvidia e **Microsoft** come cliente-ancora dei data center europei.

To FDE, or not to FDE?

Tue, 11 Aug 2026 00:00:00 GMT

Lungo articolo pubblicato su **X** il **11 agosto 2026** da **Jesse Zhang**, CEO di **Decagon** (agenti IA per il servizio clienti). **L'osservazione di partenza.** Il *Forward Deployed Engineer* è diventato la risposta di default a ogni difficoltà nel go-to-market dell'IA: deployment dolorosi, clienti incapaci di autoservirsi, prodotto non pronto. **Anthropic e OpenAI** hanno costruito bracci di deployment enterprise **esplicitamente modellati su Palantir**; le offerte di lavoro per questo titolo sarebbero aumentate di diverse centinaia di punti percentuali in un anno. Eppure, osserva Zhang, fino a poco tempo fa questo era **un punto di critica** — ricavi di qualità inferiore, margini strutturalmente limitati — e *« nothing about the underlying economics has changed »*. Ciò che è cambiato: nell'era dell'IA, le aziende non conoscono il percorso verso il risultato ma credono nel risultato, e **l'FDE consegna il risultato**. **Il precedente Palantir.** Shyam Sankar, CTO: ***« FDEs eat pain and excrete product. »*** Joe Lonsdale riconosce che la reputazione di "glorified consultancy" si basava su un'osservazione accurata. Le implementazioni su misura di **Gotham** sono state codificate in primitive — **ontologia, modelli di oggetti, permessi, motori di workflow, tracciamento della provenienza** — diventate **Foundry**, poi Apollo e AIP. Con la standardizzazione, **il margine lordo è salito intorno all'80%** e Palantir ha abbandonato il modello basato su FDE. *« The pain was the input to the product, not a cost of sale. »* **La tesi.** Inviare ingegneri è giustificato **quando la categoria è nuova**: un agente contabile nel 2026 non ha un workflow consolidato, e il cliente non riesce nemmeno a descriverlo. **Ma una volta che i percorsi sono noti, gli FDE devono uscire — e nessuno vorrà farlo**, perché tenerli è più semplice sprint dopo sprint: non si è mai costretti a risolvere un compromesso di prodotto, a dire no, o a fare una scelta architetturale dolorosa. Questo lascia **tutti gli svantaggi del modello senza il beneficio della scoperta**. Zhang distingue inoltre **FDE da implementazione**: l'uno scopre una specifica ignota, l'altra esegue una specifica nota; confondere le due cose fa passare un'organizzazione di servizi per un investimento di prodotto. **Il caso Decagon.** Un approccio deliberatamente product-led, guidato da due richieste enterprise costanti: **velocità di iterazione** e **rifiuto del vendor lock-in**. Costo: trasformare le escalation in requisiti anziché in patch. Beneficio **autodichiarato**: *« two-thirds of deployment work »* ormai svolto autonomamente via **Duet**, e *« a few days »* per lanciare il primo **AOP** presso grandi banche, compagnie aeree o telco. Cifre non definite e non verificabili. **La frase di chiusura**: *« If your FDEs are eating pain and excreting more pain, you don't have an FDE team. You have a services business. »*

The Future is for Everyone: The Path to a Positive AI Future

Mon, 10 Aug 2026 00:00:00 GMT

Manifesto pubblicato su **meta.com** il **10 agosto 2026**, firmato ***"– Mark"*** (**Mark Zuckerberg**), ~6.500 parole. **I tre principi.** **L'empowerment individuale** come fonte di prosperità, **l'invenzione** — non l'automazione — come scopo primario della superintelligenza, e **l'equilibrio di potere** come fondamento della sicurezza. La domanda guida: *"who will have access to superintelligence and what will we direct it toward?"* **L'argomento centrale.** L'allineamento concepito come convergenza verso un unico sistema benevolo è *"fundamentally flawed"*, perché ***"humanity is not a monoculture"***: i valori delle persone codificano trade-off contrapposti, e nessuna soluzione tecnica può allinearsi simultaneamente a interessi in conflitto. Da qui ***"there is no such thing as a singular benevolent superintelligence"***. La sicurezza non è un problema ingegneristico ma di **distribuzione del potere** — dimostrato da tre esperimenti mentali identici (avvocato, cybersicurezza, business: un singolo detentore causa danno, la generalizzazione avvantaggia tutti). Corollario rivolto al settore: lo scenario più pericoloso sarebbe *"leading labs training powerful models and keeping them for themselves"*. **Ciò a cui Meta si impegna.** Un agente personale 24/7 con una **modalità totalmente privata** in cui *"even Meta"* non può concedere l'accesso; strumenti di creazione e di creazione d'impresa; un tutor personalizzato; accesso ai progressi scientifici (Biohub); **versioni gratuite** per miliardi di persone, più **offerta dinamica** per il calcolo a pagamento. Sulla governance: il **consiglio indipendente** approverà i criteri di sicurezza per il rilascio e ne verificherà la conformità, con l'autore che riconosce che Meta resta **controllata dal fondatore**. Sull'apertura: *"we will **resume** releasing **some** open source models soon"*, oltre a una difesa esplicita della **distillazione** — *"you can learn from anything you can observe"*. **Rischi affrontati.** Occupazione (nulla impone che l'automazione superi le capacità individuali; il calcolo finito crea un costo-opportunità che favorisce l'invenzione); infrastrutture (**patti comunitari**, il *Future Is For Everyone Fund*, un bonus di 50.000 dollari per gli insegnanti di Richland Parish, neutralità idrica positiva entro il 2030); cyber e biorischio (i difensori devono mantenere il vantaggio; regolamentare la produzione fisica piuttosto che la conoscenza); tirannia (privacy, **checkpoint intermedi di addestramento** al governo anziché una revisione bloccante); leadership americana (un vantaggio decisivo di due mesi, controlli all'export mantenuti). **Due riserve.** **L'apparato di fonti è pressoché inesistente** — le statistiche sull'occupazione, l'incidente HuggingFace e la capacità nucleare cinese non sono referenziati. E **l'allineamento diventa una conseguenza dell'adozione**: *"if billions of people are using and scrutinizing personal agents, then we will have solved alignment"*. Questa è l'inferenza più pesante e meno argomentata.

Graphify — Knowledge Graphs for AI Coding Assistants (site graphify.net : vitrine, annuaire d'outils et galerie de dépôts graphifiés)

Thu, 06 Aug 2026 00:00:00 GMT

Il sito **graphify.net**, consultato il 6 agosto 2026, ufficialmente di proprietà di **Safi Shamsi**, creatore della skill open source graphify. Il dominio veicola tre elementi distinti dalla piattaforma commerciale `graphify.com` e dal repository GitHub. **Una vetrina di prodotto**, anzitutto: presentazione di graphify, guide d'uso, riferimento CLI, pagine su tree-sitter e sul clustering di Leiden. **Una galleria di demo**, poi, ed è la parte più convincente: **100 repository GitHub Trending già graphificati**, per un totale di **854,079 nodi e 1,932,930 archi**, filtrabili per linguaggio e dimensione, ciascuno con il proprio conteggio di nodi, archi e comunità, corredato da un'anteprima del grafo e da una pagina di dettaglio. Mostrare lo strumento all'opera su repository già noti vale più di un pitch, e produce, come sottoprodotto, un dataset pubblico di grafi comparabili. **Una directory editoriale**, infine, che ha un valore indipendente dal prodotto che promuove: **30 AI coding client guides** confrontate su workflow, agenti, prezzi, sicurezza e idoneità alla delivery; una **directory di server MCP** valutata su transport, runtime, client supportati, sforzo di configurazione e **rischi di accesso**; confronti a coppie su campi allineati. Il sito rivendica un metodo — *« source-reviewed »*, evidenze ufficiali, incognite esplicite — ed è disponibile in sei lingue. **Questa scheda esiste principalmente per registrare una discrepanza.** Nello stesso giorno, il sito annuncia **« 3.7k+ GitHub stars »** mentre l'API ne conta **103,187**; afferma **tre volte** una licenza **MIT** quando il file `LICENSE` del repository è **Apache 2.0**; e mette in risalto la rivendicazione **« 71.5× token reduction »**, che appartiene al README della generazione v1 ed è scomparsa dalla versione attuale a favore dei benchmark LOCOMO e LongMemEval. Il sito descrive quindi un prodotto vecchio di più generazioni. **L'errore sulla licenza è il più grave**: MIT e Apache 2.0 non comportano gli stessi obblighi, in particolare in materia di brevetti e di divulgazione delle modifiche. Resta un'osservazione strategica: **un fornitore di uno strumento che costruisce la directory della propria stessa categoria** occupa la query di valutazione prima dei concorrenti. La rivendicazione di neutralità non rimuove il conflitto d'interessi — graphify compare tra le skill in evidenza del sito. Un punto d'ingresso utile, non un arbitro.

Efficient Tokens & Effective Teams in Buzz

Thu, 06 Aug 2026 00:00:00 GMT

Un post di benchmark di **Block** firmato da **Atish Patel**, pubblicato il **6 agosto 2026**, che estende il lancio di **Buzz**: dal momento in cui assemblare un team di agenti è diventato banale, *qual è il più economico che riesce in modo affidabile?* **Prima il vocabolario.** Il post propone quattro livelli: **QuickBee** (veloce ed economico — build, screenshot, test, triage di prima battuta: GPT-5.6 Luna, DeepSeek V4 Flash, modelli locali, **eseguito a effort high**), **WorkerBee** (versatile, porta avanti un intero sottoinsieme senza supervisione: GPT-5.6 Terra, Gemini 3.6 Flash, modelli open), **SmartBee** (visione d'insieme, trade-off, escalation: Claude Opus 5, Kimi K3, GPT-5.6 Sol, **a effort *medium***), e l'essere umano, *"l'ape più costosa del team, e la più lenta. Anche se resta la più intelligente"*. Due forme di team: l'**Hive** permanente, che ricorda le preferenze **dell'utente**, e lo **Swarm** usa e getta, che ricorda **il progetto** e poi scompare. **Il risultato in solo.** Su **Terminal-Bench 2.1**, aumentare l'effort di un **modello economico** è il miglior investimento: Luna passa da 1,61 $ / 57,3% (*medium*) a 4,98 $ / 75,0% (*high*). All'estremo opposto, **Opus 5 a effort *xhigh* è l'esecuzione più costosa (140,63 $) e ottiene solo il 75,0%**, avendo **raggiunto il timeout su 17 dei 88 compiti** a causa di un eccesso di ragionamento. Tra le sei esecuzioni migliori: **uno scarto di prezzo di 5,5×, uno scarto di punteggio di 8,9 punti**. Conclusione: *"scegliere tra loro non è affatto una decisione di qualità. È una decisione di budget."* **Il risultato di team, in due atti.** Su Terminal-Bench 2.1, sono state testate **dodici composizioni** e **nessuna ha battuto il solo a parità di costo** — un compito breve non ha abbastanza struttura da poter essere suddiviso. Su **Long-Horizon Terminal-Bench** (44 compiti pluriorari, modello guida GPT-5.6 Sol, **3× il timeout**), il ribaltamento è netto: solo **15 compiti / 59,1%**, +2 WorkerBee **20 / 71,5%** — **+12,4 punti, di cui 11,4 provengono da completamenti aggiuntivi**. Il team costa di più per compito, il che si ripaga *"quando l'alternativa è un essere umano che riprende un lavoro non finito"*. **La regola operativa.** Instradare le escalation dei worker verso un **coordinatore SmartBee** piuttosto che verso l'essere umano: *"ogni ambiguità diventa una notifica"* è la vera modalità di guasto. Un ingegnere di Block afferma di aver **migrato oltre 2.000 app** con uno Swarm (coordinatore, 1-10 migratori, verificatore indipendente), con il coordinatore che memorizza le risposte umane. **Avvertenze**: n=1 per compito, nessun intervallo di confidenza, costi del team non pubblicati, e un'ammissione — *"questo potrebbe cambiare se i modelli venissero addestrati a una collaborazione migliore."*

Block explores how to price AI

Thu, 06 Aug 2026 00:00:00 GMT

Nota della stampa specializzata (**Payments Dive**, formato *Dive Brief*, **6 agosto 2026**) sui risultati trimestrali di **Block**: l'azienda ha già distribuito diversi strumenti di IA ai propri clienti — **Moneybot** (Cash App) e **Managerbot** (Square) — e non ha ancora deciso come farli pagare. **Jack Dorsey** durante la call con gli analisti: *"Siamo in una posizione fortunata in cui possiamo sperimentare con diversi modelli, per poi scegliere quello giusto che allineerà tutti i nostri incentivi con quelli dei nostri clienti."* **Il contesto finanziario illumina questa posizione.** Sei mesi prima, Block aveva licenziato circa **4.000 persone, circa il 40% della sua forza lavoro**, in una riorganizzazione esplicitamente motivata dall'IA. Nel Q2 2026: utile lordo **in aumento del 25% a 3,2 miliardi di $**, ricavi **in aumento del 10% a 6,62 miliardi di $**, ma **utile netto a 89 milioni di $, in calo dell'83%** su base annua a causa dei costi di liquidazione che chiudevano la ristrutturazione; le previsioni per il 2026 sono state riviste al rialzo. Il valore dell'IA, dunque, viene catturato attraverso la struttura dei costi prima di essere catturato attraverso il prezzo. **Il fatto più pesante si trova al centro della nota**, tratto dalla lettera agli azionisti: *"A partire da giugno, l'IA agentica ha contribuito a scrivere e revisionare quasi tutte le nostre modifiche al codice di produzione"* — scrivere **e** revisionare quasi tutte le modifiche al codice di produzione, in un'azienda di pagamenti quotata in borsa, sei mesi dopo aver tagliato il 40% della forza lavoro. Un'affermazione autodichiarata agli investitori, senza alcuna definizione di *"quasi tutte"* né di cosa copra la *"revisione"*. **Gli strumenti**: **Goose**, un sistema interno costruito due anni prima, descritto come agnostico rispetto ai modelli (integra diversi modelli commerciali per i dipendenti); **Buzz**, lanciato il mese precedente per *"la collaborazione tra agenti, la comunicazione e i repository di codice."* **Sul lato clienti**: Moneybot monitora l'attività degli utenti di Cash App e mette in evidenza conti, saldi e transazioni — oltre **un milione di conti attivi settimanalmente**; Managerbot gestisce marketing automatizzato, analisi dei margini e suggerisce *"correzioni operative"* ai commercianti di Square. Gli analisti di **Evercore ISI** elencano quattro percorsi di monetizzazione — pacchetti SaaS, abbonamenti diretti, offerte enterprise, tariffazione a consumo — **nessuno dei quali legato ai risultati**. Ordine di priorità dichiarato: **qualità del prodotto → distribuzione → adozione → modello di prezzo**. Due fatti sulla distribuzione completano il quadro: Square sta entrando in **Google Maps** con un'*"esperienza di IA conversazionale,"* descritta come *"il primo passo di una partnership più ampia tra Square e Google"*; e il dispositivo di pagamento **Tags** (portachiavi e bacchette con chip NFC) mostra **tre milioni di persone in lista d'attesa**. Citazioni degli analisti: William Blair (*"Block incarna il cambiamento strutturale verso le aziende di finanza digitale orientate al futuro"*) e Bank of America sul *"modello operativo post-reset."*

Announcing Cloudflare Wallets: the programmable wallet for the agentic Internet

Tue, 04 Aug 2026 00:00:00 GMT

Annuncio di prodotto pubblicato sul blog di **Cloudflare** il **4 agosto 2026** da **Will Papper**, nell'ambito di **Agents Week**: **Cloudflare Wallets**, presentato come *"il wallet programmabile per l'Internet agentico"*. **Il problema enunciato** è preciso e ben scelto: un agente che vuole provare un'API deve passare da una pagina di login **pensata per gli umani**, farsi aggiungere un metodo di pagamento da un umano, generare una chiave API, per poi capire come chiamare il servizio. Due lacune strutturali lo spiegano — *"Agents do not have a stable identifier to sign up for an API, and they do not have a native way to pay for APIs"* — con la conseguenza che *"AI agents often give up on these tasks entirely, kicking registration, payment methods, and API key generation back to humans"*. **L'architettura proposta si riduce a due tipi di wallet**: gli **Account Wallets**, destinati agli umani titolari di un account Cloudflare (finanziare, delegare, prelevare), e i **Virtual Wallets**, destinati agli agenti, **funzionanti tramite API key** e il cui limite di spesa è **fissato dal titolare dell'account**. Le protezioni annunciate sono esplicite: **allocazione, allow list, importo massimo per transazione**. **Il canale di pagamento è il protocollo x402** (pagamenti collegati alle richieste HTTP) e la valuta è la **stablecoin** — il che colloca l'offerta in un campo distinto dagli schemi costruiti sui circuiti delle carte. **L'argomento più interessante è controintuitivo e centrale**: *"These limits may seem like constraints, but counterintuitively they give agents more freedom. If an agent is responsible for $10, you can worry less about its spending than if it is responsible for $1,000."* → **il limite non è ciò che vincola l'autonomia, è ciò che la rende accettabile.** **Secondo componente, più strategico del primo**: l'identità, tramite un namespace **`cloudflare.pay`** — un agente di ricerca potrebbe vivere a `research.example.cloudflare.pay`, dando al merchant la certezza di parlare con l'agente di un'organizzazione identificata. Cloudflare rivendica un'ambizione deliberatamente minimale (*"a human-readable identifier for a not-very-readable keypair, similar to the URL and IP-address pairings used in DNS"*), costruita sui suoi mattoni esistenti (**Turnstile**, Bot Management, **Web Bot Auth** e le sue keypair), e dichiara l'intenzione di adottare gli schemi della **x402 Foundation** man mano che emergono. **Un'avvertenza decisiva sullo statuto del testo**: **quasi tutto è al futuro**. Ciò che esiste il giorno dell'annuncio è la **riserva di un handle**; pagamenti, Virtual Wallets, protezioni e le rampe per accedere ai fondi sono annunciati (*"Soon, you will be able to…"*). Si tratta di una **presa di posizione su un namespace**, più che di un servizio che entra in funzione.

How AI is expanding what people do at work (Work at the Frontier, rapport 1)

Mon, 27 Jul 2026 00:00:00 GMT

Post e report di **OpenAI Economic Research** pubblicato il **27 luglio 2026**, primo numero della serie **Work at the Frontier**, che analizza **oltre 800.000 messaggi di utenti ChatGPT statunitensi**. **Concetto coniato**: ***task crossover*** — *« lavoro storicamente associato a un'occupazione che compare nell'uso dell'IA di persone di un'altra »*. **La cifra di apertura è in realtà due cifre, ed è questo il punto che la copertura mediatica perde**: il **16,8% dei messaggi legati al lavoro** riguarda compiti associati a un'altra occupazione, e il **43,5% dei messaggi specifici a un'occupazione**. L'imbuto metodologico spiega lo scarto: il **61,5% dell'uso è generico** (scrivere, riassumere, pianificare — troppo condiviso per contare come prova di crossover) ed è escluso; del **restante 38,5%**, il **43,5% è esterno all'occupazione** e il 56,5% è *« interno **o vicino** »* — l'estremo superiore è quindi calcolato su una base ridotta, mentre l'estremo inferiore è calcolato sull'intero uso professionale. **Per occupazione** (quota di messaggi specifici a un'occupazione che rimandano a un compito esterno): esperienza cliente **77%**, design **75%**, HR **69%**, legale **56%**, marketing **53%**, vendite **40%**, finanza **40%**, ingegneria **28%** — *« una maggioranza in cinque degli otto gruppi »*. **Due direzioni distinte di circolazione**: il design **importa** (35,2%) e **non esporta** quasi nulla (1,7%); l'ingegneria fa l'opposto (importa 18,5%, esporta 7,4%); **il marketing fa entrambe le cose** (importa 24,3%, esporta **8,9%**, la quota d'uscita più alta del campione). **Due compiti compaiono nella top 3 dei prestiti per gli altri sette gruppi**: **calcolo finanziario** e **risoluzione di problemi tecnologici**. **La heatmap, assente dalla copertura mediatica, è l'oggetto più ricco**: fornisce la distribuzione completa dei compiti per occupazione dell'utente, e la sua diagonale è sorprendente — l'ingegneria conserva il **53%** del proprio lavoro mentre l'esperienza cliente ne conserva solo l'**11%**, l'HR il **10%** e il design il **12%**. **Effetto dimensione**: la quota esterna all'occupazione scende dal **18,9%** (2-5 dipendenti) al **16,3%** (>100 dipendenti) — **ma solo « tra gli utenti medi »**, precisando OpenAI che *« tra gli utenti più intensivi, non osserviamo lo stesso andamento monotono »*, e concludendo in modo condizionale: *« l'IA **potrebbe essere** particolarmente utile come strumento generalista dove le risorse specializzate scarseggiano. »* **Statuto rivendicato**: un **segnale precoce**, visibile *« prima che le aziende riscrivano le job description o creino nuovi titoli di lavoro »*. **Riserva strutturale**: OpenAI misura l'uso del proprio prodotto, solo su utenti ChatGPT statunitensi, e presenta questa posizione come un vantaggio — *« la nostra finestra unica su come sta cambiando il mondo del lavoro »*.

Aiman Ezzat, le directeur général de Capgemini : « L'enjeu ? Intégrer l'IA au coeur des opérations et réinventer les processus métiers »

Sat, 25 Jul 2026 00:00:00 GMT

Nel numero "speciale boss" di **Investir** dedicato alla sfida dell'IA (25 luglio 2026), **Aiman Ezzat**, CEO di **Capgemini**, sostiene una tesi semplice e commercialmente carica: **il valore dell'IA non deriva dalla tecnologia in sé, ma dalla sua integrazione al centro delle operazioni**. IA agentique, "capace di agire in autonomia", segna a suo avviso una **svolta maggiore** che consentirà una trasformazione strutturale del modo in cui funzionano le aziende — e mette l'integratore al centro del gioco. **Le prove addotte.** Tre anni fa, Capgemini ha impegnato un investimento di **2 miliardi di euro** (offerta, ecosistema di partner, formazione dei dipendenti). Gli effetti rivendicati sono misurati sul lato delivery: su alcuni progetti, **oltre il 30% di velocità in più nello sviluppo applicativo** a seconda del tipo di applicazione, e **quasi il 20% in meno di incidenti e interruzioni di servizio**. Sul fronte del mercato, i progetti di IA generativa e agentica rappresentano **oltre l'11% dei bookings del primo trimestre, contro il 6% un anno prima**. L'ambizione dichiarata: **crescita annua del 5,5%-7,5%** a cambi costanti entro il **2028**, con una migliore redditività e generazione di cassa. **La diagnosi sui clienti.** L'IA generativa ha aperto la strada con **guadagni di produttività individuale di impatto limitato**; l'IA agentique va oltre introducendo "una nuova forma di lavoro", con agenti che eseguono compiti, si inseriscono nei processi aziendali e contribuiscono alle decisioni. Ma mantenere la promessa è "tutt'altro che semplice": **sistemi legacy complessi, dati insufficientemente maturi, governance, sicurezza, costi**. Scalare richiede di ripensare sistemi, dati, processi, organizzazione e modelli operativi — "**siamo molto lontani dal plug and play**". **Il programma.** Costruire un **livello tecnologico agentico su una base modernizzata**, **orchestrare la collaborazione tra esseri umani e agenti**, **controllare i costi** di questa nuova forza lavoro. Senza una governance chiara di ruoli, sicurezza e responsabilità, "distribuire migliaia di agenti su scala aziendale sarebbe un vicolo cieco". Da qui la riformulazione della questione: "la domanda non è chi sviluppa i modelli migliori, ma chi aiuta le aziende a trarne valore". **Il mercato e l'occupazione.** La trasformazione agentica travalica i budget IT tradizionali per riversarsi nei **budget operativi e nelle priorità strategiche**; Capgemini stima l'opportunità in **oltre 400 miliardi di dollari all'anno entro il 2030** per i servizi digitali e la consulenza. Sull'occupazione, Ezzat resta prudente: un impatto profondo sui posti di lavoro, con compiti automatizzati e posti creati, ma "troppo presto per dirlo" se il saldo netto sarà negativo. L'acquisizione di **WNS** crea "un leader mondiale delle **operazioni intelligenti**", annunciata come un pilastro di crescita.

IA et emploi : le vrai risque, c'est le décrochage

Thu, 23 Jul 2026 00:00:00 GMT

In questo editoriale pubblicato su sfeir.com (23 luglio 2026), **SFEIR** commenta la nota **Trésor-Éco n. 391** della DG Trésor (giugno 2026) e la ancora alla propria dottrina: *« amplificare l'IA piuttosto che subirla »*. L'articolo elogia il **tono prudente** di Bercy — che espone meccanismi e incertezza piuttosto che dirimere la questione — e ne trae una tesi in tre parti *« più capovolta di quanto sembri »*. **Nessun effetto aggregato.** Nel quadro di Acemoglu-Restrepo, due forze si oppongono: l'effetto di **sostituzione** (displacement) e l'effetto di **produttività** (complementarità, costi più bassi, domanda in aumento). Attualmente si compensano; gli studi non individuano alcun effetto aggregato, per mancanza di prospettiva storica e di adozione (~20% delle imprese UE). I guadagni individuali sono comunque reali (+14% nel servizio clienti, +26% tra gli sviluppatori), ma l'ansia supera i dati (62% dei francesi preoccupati). **L'unico segnale solido: i junior.** −16% di occupazione tra i 22-25enni esposti negli USA (Brynjolfsson 2025); in Francia, una contrazione dell'occupazione giovanile nell'IT e una disoccupazione in aumento tra i 15-24enni (19,1%→21,1%) — senza una causalità accertata. Il meccanismo: l'IA automatizza i **compiti codificati** delle posizioni entry-level, quelli che *« un tempo formavano i senior di domani »* — da cui una questione di **rinnovamento delle competenze**. **L'argomento che sfugge al dibattito.** Il destino di una professione dipende dall'**elasticità dei prezzi** della domanda, non dall'esposizione: sviluppatori e graphic designer (elasticità > 1) vedono la domanda crescere quando l'IA ne abbassa i costi — il **paradosso di Jevons applicato al codice**. L'argomento è **strutturalmente pro-occupazione per gli sviluppatori**. L'articolo **smonta** anche la narrazione dei "licenziamenti IA" (4,5-6,2% degli annunci di licenziamento negli USA; **labeling** al 59%) e segnala gli **angoli ciechi** della nota: lo scenario **agentico** relegato a una nota a piè di pagina (che invaliderebbe il quadro dell'"assistente"), la **velocità di diffusione** lasciata inesplorata, e il **bias di fonte** (OpenAI/Anthropic diventati fonti per Bercy). **La vera linea di frattura: il ritardo competitivo.** Bercy sposta l'onere della prova — il rischio è **competitivo** (rimanere indietro nell'adozione), non sociale. Da cui i programmi (« Osez l'IA », France 2030). **Il punto di vista di SFEIR**: per un CIO/CTO, questo si traduce in decisioni — il valore migra verso intento/architettura/controllo; formare **ingegneri aumentati** (AI Champions); evitare un'adozione affrettata (**workslop**, debito tecnico) tramite **context engineering**, governance e criteri di passaggio da POC a produzione. *« Trasformare l'adozione in una leva piuttosto che in un cumulo di POC. »*

Mistral ↔ Microsoft : un accord souverain, une stratégie industrielle encore illisible

Wed, 22 Jul 2026 00:00:00 GMT

Il **21 luglio 2026**, **Mistral** e **Microsoft** hanno annunciato una partnership rafforzata sotto forma di un **accordo del valore di diversi miliardi di dollari**. SFEIR — partner di Anthropic e Google Cloud, quindi "senza alcun interesse a sopravvalutare il campione francese", pur considerando Mistral "la migliore scommessa europea sul livello modello" — ne propone una **lettura da ingegneri**. **Ciò che l'accordo dice davvero**, in tre parti da distinguere dalla comunicazione: (1) **compute in Europa** — capacità Azure riservata sul continente, datacenter in Francia, sistemi **NVIDIA Vera Rubin**, per colmare il deficit europeo di compute; (2) **i modelli negli strumenti di Microsoft** — **Mistral Medium 3.5** e **Mistral OCR 4** in **Foundry**, accessibili in **Copilot Studio** per agenti aziendali; (3) **Azure Local fino alla modalità disconnessa** — cloud pubblico, cloud connesso supervisionato e **air-gapped** isolato dalla rete esterna, per il segreto della difesa, la sanità, il settore bancario critico. **Fatto notevole confermato da Brad Smith: nessuna nuova partecipazione azionaria** di Microsoft nel capitale. Questa assenza preserva la **governance** di Mistral e **riduce al minimo il rischio antitrust** (FTC, Commissione Europea): "una struttura di alleanza senza fusione — **arbitraggio regolatorio assunto**". **Sovranità — ma su quale base?** Il modello europeo, eseguibile in un ambiente disconnesso e controllato dal cliente, spunta caselle che pochissime offerte spuntano — "buona notizia". Resta però la tensione: questa sovranità è dispiegata **sull'infrastruttura di un hyperscaler americano**. Occorre distinguere quattro sovranità — modello, esecuzione, infrastruttura, relazione commerciale: se ne possono ottenere "tre su quattro, ma occorre comunque sapere quale manca". L'unico elemento che la rende **realmente portabile** è la **natura open-weights** dei pesi di Mistral (la stessa logica di reversibilità di **Kimi K3**), sostenuta dalla **Agentic Sovereignty Matrix** e dal **Design to Exit**. **Il vero punto cieco: la strategia industriale.** Mistral è presente ovunque contemporaneamente — B2C (Le Chat), B2B (via Azure), open-weights **e** frontier, infrastruttura ad altissima intensità di capitale (200 MW, tetto di 1 GW entro il 2030), partnership con grandi account, verticalizzazione (Robostral, OCR 4), servizio a soggetti regolamentati. **Lettura ottimistica**: un **full-stack sovrano**, l'unica posizione che eviti di essere "un semplice inquilino del livello modello". **Lettura prudente**: un'azienda di tre anni, valutata circa 20 miliardi di euro, che disperde capitale e attenzione su business con modelli economici divergenti — "nessuno dei quali si vince a metà". Manca il **filo conduttore** che mostri dove si trovi il **vantaggio competitivo difendibile**. **Cosa dovrebbe trarne la leadership tecnica**: **separare il modello dal canale**; **progettare per l'uscita** (l'open-weights rende credibile la porta d'uscita — **architettura multi-LLM sovrana**); **instradare piuttosto che scommettere** (**RAISE**). Conclusione: la sovranità è **una proprietà architetturale, non un'etichetta** — va qualificata dipendenza per dipendenza. La leggibilità industriale mancante resta la questione aperta, risolta "non dai comunicati stampa, ma dai compromessi dei prossimi dodici mesi".

Fact-checking : synthèse sur Delos (Delos Intelligence / delos.so)

Mon, 20 Jul 2026 00:00:00 GMT

Questa nota verifica una sintesi di veille tecnologica su **Delos Intelligence** (delos.so), startup francese B2B di IA generativa, confrontandola con fonti primarie (il post "Overlooked" di Alexandre Dewez / 20VC, 15 aprile 2025, il sito ufficiale, i registri ufficiali) e la stampa specializzata. La base è **affidabile**, ma diverse cifre necessitano di una riqualificazione. **Finanziamento — confermato.** Delos ha raccolto **2,5 milioni di euro in un round seed** — ≈da 2,74 a 2,83 milioni di dollari a seconda della conversione — round **annunciato a metà aprile 2025**, guidato da **20VC** (Harry Stebbings), con **Inovia Capital, Kima Ventures (Xavier Niel) e Plug and Play**. In particolare, l'elenco dei **business angel**, esattamente il tipo di informazione che un LLM può allucinare, è **confermato parola per parola** dal comunicato stampa dell'investitore lead — Éléonore Crespo & Romain Niccoli (Pigment), Florian Douetteau (Dataiku), Thibaud Elzière (Hexa), più Mark Goldberger (Ramp) e Antoine Freysz (Kerala), questi ultimi due *mancanti* dalla sintesi iniziale. Tuttavia, **nessun Series A è stato concluso**: è solo **annunciato come intenzione** ("diverse decine di milioni di euro entro marzo [2026]"), senza comunicato stampa né registrazione in database. **Modello di business — parzialmente accurato.** SaaS **basato su crediti** (1 credito ≈ una query semplice). La griglia tariffaria reale è più ricca di "25-80€": **Student 10€, Explore 25€, Advanced 45€, Premium 80€** (volumi di crediti crescenti), più **Enterprise su richiesta**. L'**offerta individuale/B2C è effettivamente reale**, ma il target principale resta **B2B**. Modelli orchestrati: ChatGPT, Claude, Mistral, Gemini, Cohere, Llama. La **sovranità** (hosting Scaleway) era **ancora in via di finalizzazione** a fine 2025, con il calcolo che gira ancora in parte su Azure (Francia), con un passaggio completo a Scaleway previsto per inizio 2026. **Team e clienti — parzialmente accurato.** Fondata il **2 luglio 2023** dai fratelli **Pierre** e **Thibaut de la Grand'rive**. La cifra di "**50**" nell'organico **non è verificabile**: ~20 nell'aprile 2025, una quarantina a fine 2025. **200 aziende clienti** confermate; clienti **TotalEnergies, Shiseido, Groupe Casino** confermati (più Allianz, Best Western, BPCE, il Ministero francese delle Forze Armate…). I numeri di utenti (10.000 → 100.000+) e l'**ARR** sono **autodichiarati**: nessun ARR complessivo è stato pubblicato, e l'unica menzione ("1 milione di dollari di ARR in pochi giorni") si riferisce al solo **prodotto Workers** e non è verificata. **Lezione trasversale**: un fact-check classifica i livelli di evidenza (confermato / parziale / speculativo / non verificabile / autodichiarato) invece di emettere un verdetto binario — e verifica un'informazione plausibile prima di sospettarla di essere un'allucinazione.

Amazon, Microsoft, and Google are converging on the same enterprise agent architecture

Mon, 20 Jul 2026 00:00:00 GMT

In nove mesi, Amazon, Microsoft e Google hanno ciascuna lanciato o rinominato una piattaforma agent enterprise, e **tutte e tre sono convergenti sulla stessa architettura**: runtime, memoria, tool gateway, identità, osservabilità e governance compaiono ora in **Bedrock AgentCore**, **Microsoft Foundry** e nella **Gemini Enterprise Agent Platform**, sotto nomi diversi. Ciò che 18 mesi fa era una collezione frammentata di librerie sta diventando un **livello di piattaforma** a sé stante. Per leggere dove questo porta, Janakiram MSV richiama l'**inflessione PaaS 2011-2016**. Prima, i team assemblavano VM, load balancer, code, secret store e agenti di monitoraggio, ciascuno con la propria API. **Cloud Foundry** ed **Heroku** hanno unificato questi elementi attorno a un **contratto applicativo**: l'applicazione dichiara ciò di cui ha bisogno e resta agnostica rispetto a dove viene eseguita. Ciò che contava era il **contratto, non l'implementazione**. Cloud Foundry non ha vinto il mercato — lo ha vinto Kubernetes — ma i suoi principi sono sopravvissuti (buildpack → Cloud Native Buildpacks/CNCF; l'astrazione Cloud Foundry ricostruita su K8s tramite Korifi). L'ecosistema degli agenti si sta avvicinando alla stessa inflessione **senza un contratto equivalente**, e nessun progetto open source lo ha rivendicato. Il costo è concreto: stato di sessione, tracce e identità **finiscono tutti presso un unico fornitore**; spostare un agente un anno dopo richiede **ricostruire tutto**. La convergenza non è un complotto ma un comportamento razionale — integrazione verticale, "è lì che sta il margine" — la cui conseguenza ricade sul cliente. L'autore propone una **mappatura** del contratto Cloud Foundry sugli agenti (app source → codice+eval; buildpack → packaging; backing service → modello/memoria; binding → collegamento autenticato; router → MCP/A2A; log → tracce/costo/qualità; promotion → eval/versioning; policy → identità), quindi tre principi: **impacchettare l'agente come una singola unità distribuibile** (AWS si avvicina con il suo *harness export* verso codice Strands, "l'istinto giusto, rivolto a un unico cloud"), **collegare le capacità invece di incorporare i fornitori** (la lezione Twelve-Factor), **integrare il livello operativo nell'astrazione**. Un agente non è un'applicazione web: comportamento probabilistico, autorità delegata, dipendenze che cambiano comportamento senza un deployment. LangGraph lo dimostra in open source, ma il suo control plane risiede in LangSmith (un prodotto commerciale). I protocolli aperti (MCP, A2A, OpenTelemetry, OCI) forniscono quasi tutti i primitivi, ma **non il ciclo di vita**: versioning, promotion, rollback. La **Linux Foundation** ha lanciato l'**Agentic AI Foundation** (dic. 2025, progetti fondatori MCP/goose/AGENTS.md, hyperscaler come membri platinum). Restano tre domande di due diligence — **governance, packaging, stato** — a cui nessun progetto aperto risponde. Chi finirà per possedere il **control plane degli agenti** definirà *cos'è un agente*.

Some observations on Kimi (thread X)

Fri, 17 Jul 2026 00:00:00 GMT

Thread X di **Dean W. Ball** — **Head of Strategic Futures presso OpenAI** dal 6 luglio 2026, **autore principale di America's AI Action Plan** sotto l'amministrazione Trump (un posizionamento da tenere presente nel leggere un argomento anti-open-weights scritto da un insider della frontiera proprietaria): **sei osservazioni** innescate dal modello open-weights cinese **Kimi**, che rapidamente vanno oltre il prodotto per avanzare una **tesi geopolitica e ideologica** controcorrente. (1) Kimi è **un modello molto valido**, non riconducibile alla distillazione, **alla pari dei migliori modelli pubblici del Q1 2026** nell'agentic coding — ma **molto vorace di token**, quindi non così ovviamente economico da far girare. (2) Ball dice di essere **sorpreso che lo stato cinese continui a permettere l'open-sourcing** di modelli così buoni: lo attribuisce **per circa il 75% a una "cecità strategica" / a una mancanza di "AGI-pilledness"** (il PCC avrebbe una visione dell'IA "molto alla Yann LeCun"), e per il ~25% a una **mancanza di compute per l'inferenza** — il che renderebbe la strategia open-weights cinese un **sottoprodotto non intenzionale dei controlli all'export statunitensi** — più un riflesso verso esportazioni aggressive; sul versante delle aziende, l'apertura è per metà ideologica, per metà un'ammissione che "siamo indietro, nessuno pagherebbe per modelli cinesi sub-frontiera". (3) Tesi centrale: **i modelli open-weights sono intrinsecamente decelerazionisti** — **scoraggiano il capex sull'IA**. Ball si dice sorpreso dall'entusiasmo degli **"accelerazionisti"** per l'open-weights, che attribuisce al loro gusto per il **"mantello dell'ingovernabilità"** (un'analogia con *The Art of Not Being Governed* di James Scott e i suoi popoli di montagna). (4) Un mondo dominato dai pesi aperti porterebbe a un **"comunismo dell'IA"** — l'IA non come prodotto di mercato ma come **"bene pubblico" / "infrastruttura pubblica digitale"** fornita dallo stato, "esattamente ciò che la Cina sta proponendo"; Ball giudica questo orizzonte **"distopico"** e racconta di essere stato oggetto di lobbying, mentre era nel governo, per un **data center federale a 11-12 cifre** che sovvenzionasse startup pronte a regalare i propri modelli gratuitamente. (5) **Previsione politica**: l'amministrazione Trump finirà per capire che la sua migliore strategia non è **"vietare l'open source"** (uno degli argomenti più sciocchi del dibattito) ma **creare rischio regolatorio / FUD** tramite **soft law** da parte di ogni agenzia ("un bollettino della Fed sospetta backdoor nei modelli cinesi"), abbastanza da far **arretrare le imprese regolamentate**, senza spaventare gli hyperscaler (altrimenti le startup si rivolgerebbero a fornitori più loschi). (6) Questi modelli rendono **il mondo un po' più pericoloso**, non ancora in modo percepibile — fino al giorno in cui lo sarà; una battuta finale ironica su un "agente autoreplicante fuggito da un laboratorio cinese" (un'analogia COVID/lab-leak, "color me shocked"). Da leggere come **contrappunto** all'analisi di SFEIR (Kimi K3, reversibilità, [[sfeir-kimi-k3-moonshot-frontier-open-weights-2026-07-16]]) e al discorso pro-open-source di Xi al WAIC ([[xi-waic2026-gouvernance-mondiale-ia-2026-07-17]]).

Le discours d'ouverture de Xi Jinping à la WAIC 2026 (Shanghai) — « Joining Hands to Build a Just and Reasonable Global AI Governance System »

Fri, 17 Jul 2026 00:00:00 GMT

Il **17 luglio 2026**, alla **World Artificial Intelligence Conference (WAIC)** di Shanghai, **Xi Jinping** ha pronunciato il suo **primo discorso di apertura** in presenza — un forte segnale politico, poiché il WAIC (fondato nel 2018) fino ad allora aveva ricevuto solo le sue lettere di congratulazioni, con Li Qiang a presiedere le edizioni 2024-2025. Xi vi ha presentato **"quattro osservazioni"**, posizionando la Cina come paladina di una governance globale dell'IA **multilaterale, aperta e centrata sul Sud del mondo**. **Le quattro osservazioni** (autenticate da Xinhua/SCIO): ① promuovere **l'open-source, l'apertura e la condivisione** al servizio dell'innovazione e di casi d'uso concreti; ② un'IA **"sicura e controllabile"**, sempre sotto il controllo umano, opponendosi a "l'estensione abusiva del concetto di sicurezza nazionale" — una lettura ampiamente interpretata come una velata stoccata a Washington; ③ **inclusività** e rispetto della diversità delle civiltà; ④ **solidarietà** e miglioramento della governance, riconoscendo "il ruolo importante delle Nazioni Unite" e l'aiuto al Sud del mondo per colmare i divari digitali. La formula chiave: "l'IA non deve essere un'esibizione solista, ma una **sinfonia di cooperazione internazionale**". **Annunci concreti** (confermati testualmente da Xinhua): **5.000 corsi di formazione e seminari sull'IA in cinque anni** per i paesi in via di sviluppo; **centri di cooperazione applicativa** con ASEAN, Lega Araba, Unione Africana, CELAC, SCO e BRICS; ed estensione del sistema di allerta meteo IA **MAZU** a **30 paesi** (già utilizzato da oltre 40 agenzie meteorologiche nazionali). Fatto saliente: la nascita, **il giorno precedente (16 luglio)**, della **WAICO** — la World AI Cooperation Organization, intergovernativa, **con sede a Shanghai**, firmata da **29 paesi** (Kazakistan, Laos, Pakistan, Russia, Indonesia, Brasile, Serbia, Cuba… tra cui 10 paesi africani, 12 paesi asiatici), con Wang Yi firmatario per Pechino. **Nessuna grande economia occidentale** ha aderito; **António Guterres** era presente. Il discorso contrasta **implicitamente** con l'approccio statunitense ("America First", controlli sulle esportazioni, uno stack tecnologico per i "partner fidati"): la Cina punta su **adesione, modelli open-weight, bassi costi di inferenza** e un posto per il Sud del mondo. Contesto: il divario di prestazioni USA-Cina si è ridotto al **2,7%** (Stanford HAI 2026), la quota di **DeepSeek** è raddoppiata su OpenRouter e **Huawei** presenta un cluster indipendente da Nvidia. **Avvertenze chiave**: le dichiarazioni di Xi provengono da Xinhua/SCIO; le caratterizzazioni ("rule-maker", "sfida all'ordine occidentale", "velata allusione") sono **interpretazioni degli analisti**, non parole dello stesso Xi — che non ha mai nominato gli Stati Uniti.

Airbus choisit Scaleway pour son « cloud de confiance » : la souveraineté à l'épreuve de l'industrie stratégique

Thu, 16 Jul 2026 00:00:00 GMT

Un costruttore aeronautico non sceglie il proprio fornitore di hosting come sceglierebbe un fornitore di forniture per ufficio. Il **16 luglio 2026**, **Airbus** decide: sarà **Scaleway**, la filiale cloud e IA del gruppo **iliad**, selezionata come **"cloud di fiducia"** per i suoi carichi di lavoro più sensibili — progettazione aeronautica, ingegneria, produzione industriale, operazioni, proprietà intellettuale. La decisione chiude una gara d'appalto avviata a **inizio gennaio 2026** e cambia statuto: da vittoria commerciale, diventa un **indicatore di maturità** per il cloud sovrano europeo. Airbus si unisce a LVMH e France Télévisions, ma con un profilo di rischio distinto: dati che toccano la competitività industriale del continente, e talvolta la sua difesa. La gara d'appalto ha confrontato **dieci candidati** su tre criteri: capacità tecnologiche e IA, eccellenza operativa e — il più decisivo — le **garanzie legali e di governance** (giurisdizione europea, protezione dei dati reale, immunità dalla legislazione extraterritoriale). È quest'ultimo punto a distinguere un cloud "di fiducia" da uno semplicemente performante. Gli hyperscaler americani (Microsoft, Google, AWS) offrono una potenza che nessun attore europeo eguaglia ancora su tutta la linea, ma nessuno può proteggere i propri clienti dal **Cloud Act**. Per una proprietà intellettuale che vale decenni di ricerca, questo rischio orienta la decisione. L'accordo **integra** la strategia multicloud di Airbus, non la sostituisce: ogni carico di lavoro resta collocato dove i suoi vincoli di sovranità, prestazioni e regolamentazione lo impongono. È la dottrina che SFEIR sostiene contro il "falso dilemma tra multi-cloud e sovrano": costruire un portafoglio plurale mantenendo **il potere di cambiare**. La sovranità duratura non è il contratto firmato, è la **reversibilità** che ci si dà i mezzi di costruire — come ha dimostrato France Télévisions distribuendo la propria piattaforma ALIX su Scaleway senza riscriverla. La vera posta in gioco è l'**IA souveraine**. Airbus vuole far girare l'IA sui propri dati industriali (simulazione, manutenzione predittiva, ingegneria assistita) senza esporli, il che richiede una **catena completa — calcolo, addestramento, inferenza — mantenuta all'interno di una giurisdizione di fiducia**: GPU, inferenza e modelli operati su suolo europeo. La prossima dipendenza non si contratta più a livello infrastrutturale ma al livello di **modello e agente**, uno strato in cui il lock-in si chiude molto più rapidamente di quanto possa essere disfatto. Tre insegnamenti SFEIR: una **soglia di credibilità** superata (l'opzione sovrana regge al test dei capitolati industriali più severi); la **governance ha pesato più della tecnologia** (giurisdizione prima, funzionalità dopo); la sovranità si costruisce **a strati** (infrastruttura, piattaforma, modello). Il contratto mette al sicuro il primo; la reversibilità dell'IA si giocherà nella fase successiva.

Kimi K3 de Moonshot AI : quand le frontier open-weights rattrape le propriétaire

Thu, 16 Jul 2026 00:00:00 GMT

Il **16 luglio 2026**, **Moonshot AI** lancia **Kimi K3**. Dietro l'ennesimo nome di modello si cela un fatto che merita l'attenzione di una direzione tecnica: un modello **open-weights, di livello frontier**, il cui fornitore dichiara **circa 2.800 miliardi di parametri**, un **contesto da un milione di token** e il **rilascio dei pesi prima del 27 luglio**. Una capacità un tempo ritenuta riservata ai giganti proprietari (Anthropic, OpenAI, Google) diventa disponibile **in open weights, a prezzo scontato, da un laboratorio cinese**. SFEIR — partner di Anthropic e Google Cloud, "senza alcun interesse a sopravvalutare un modello cinese" — propone una **lettura prudente, orientata all'ingegneria**. **Una riserva fin dall'inizio**: al lancio, **nessuna tabella di benchmark ufficiale e completa**. Le specifiche (**Kimi Delta Attention**, attenzione lineare ibrida, decodifica dichiarata **6,3 volte più veloce** a 1M di token, **+25%** di efficienza di addestramento) sono **dichiarate dal fornitore**; i punteggi provengono da **arene comunitarie**. Da trattare come **affermazioni, non come fatti**. La regola non cambia: **un punteggio d'arena è un segnale, non una prova**; l'unica misurazione che conta è quella eseguita sui propri repository. **Il prezzo è la vera arma.** Secondo le prime recensioni (da riverificare): **~3$/M in ingresso, 15$ in uscita, 0,30$ in cache**. Più caro di K2.7 Code, ma aggressivo per questa categoria. Un modello open-weights di livello frontier a questo livello **trascina verso il basso l'intera curva prezzo-prestazioni**: la commodizzazione del livello modello, accelerata dall'open source. **Ma la singolarità decisiva non è un punteggio: è la reversibilità.** Un modello proprietario si **consuma** (API, dipendenza dal fornitore). Un modello open-weights si **recupera** come **opzione**: eseguirlo, portarlo altrove, smettere di essere vincolati — al prezzo di un'infrastruttura pesante per 2,8T di parametri. Kimi si affianca a **GLM 5.2 (Z.ai)** su questo terreno e ne alza il tetto. "Dobbiamo migrare?" è la domanda sbagliata. Kimi K3 non sostituisce né Claude né **GPT-5.6**: si **aggiunge al portafoglio**. La postura corretta è l'**instradamento multi-modello** — "un modello per compito, un modello per vincolo" — a cui un modello open-weights di livello frontier credibile aggiunge una **colonna "reversibilità"**. Il punto di vista di SFEIR: **l'open-weights cambia la domanda, non solo la risposta** — non più "quale modello è il migliore/il più economico?" ma "quanta parte del mio sistema sono disposto a rendere dipendente da un fornitore che non controllo?". Il modello è una commodity; il vantaggio duraturo risiede nell'ingegneria che lo circonda (Context Engineering, harness, governance dei costi). "La sovranità tecnica si progetta." Le cifre restano da validare sui propri sistemi.

The Great Flattening

Tue, 14 Jul 2026 00:00:00 GMT

Prasanna Sankar, co-fondatore ed ex CTO di Rippling (valutata oltre 16 miliardi di dollari), pubblica **"The Great Flattening"** — un saggio-manifesto che espone una tesi radicale sul futuro dell'ingegneria del software. Pubblicato su X il 14 luglio 2026, in concomitanza con il lancio di Vorflux, la sua nuova startup che sviluppa un **autopilot for software engineering**, finanziata da un round seed da **15 milioni di dollari** guidato da Y Combinator con Peak XV Partners e Alliance DAO. **Tesi centrale: lo spostamento del collo di bottiglia** Sankar sostiene che i modelli di coding di frontiera hanno superato una soglia che la maggior parte dei team di ingegneria non ha ancora riconosciuto: **"i modelli sono diventati sovrumani nella programmazione — non ci stanno arrivando, lo sono già, davvero, in questo momento."** Di conseguenza, il collo di bottiglia si è spostato dalla produzione di codice alla **codifica del giudizio** negli *agent harness* che pianificano, testano, revisionano e distribuiscono quel codice. La competenza scarsa non è più produrre codice, ma **specificare e supervisionare gli agenti** che lo producono. Ciò che resta è *l'insight sul cliente* e il *giudizio di prodotto* — sapere **cosa** costruire, non come. **Collasso verso l'harness** Il saggio sostiene che **"tutto ciò che è all'interno del confine organizzativo — pianificazione, progettazione, architettura, revisione, esecuzione — collassa verso l'harness,"** il sistema che orchestra il lavoro. L'organigramma non tanto si riduce quanto **cambia forma**. Il vero lavoro di ciascuno diventa **self-profiling**: estrarre i framework decisionali taciti dalla propria testa per codificarli nella codebase — "quale framework decisionale hai in testa e che non è nella codebase, come fai il triage, quali dati consulti, la scelta controcorrente che nessun altro farebbe." **Copilot vs autopilot** Sankar distingue il modello **copilot** (restare ai comandi, approvare ogni passaggio) dal modello **autopilot** (l'agente gestisce l'intero percorso). La sua tesi: i modelli sono già abbastanza buoni per l'autopilot, ma gli strumenti non hanno tenuto il passo. Vorflux propone di affrontare il problema con un'architettura a **fresh-agents**, ciascuno con il proprio contesto, il proprio modello e il proprio task permanente, invece di un'unica sessione gigante che deriva nel tempo. **Sfumature e contesto storico** Il saggio riconosce che le previsioni di appiattimento organizzativo hanno una storia di arrivi prematuri — le ondate **low-code** e di **offshoring** dei decenni precedenti promettevano esiti simili, eppure **l'organico ingegneristico è cresciuto** in entrambi i casi. L'accoglienza è stata massiccia: **oltre 60.000 visualizzazioni su X in 24 ore**, con endorsement significativi tra cui quello di Matt Shumer ("Vorflux è il miglior coding agent che abbia mai usato. Fa sembrare Devin acqua fresca.") e Sreeram Kannan ("coding agent nel cloud che scalano all'infinito"). Il saggio si inserisce nell'ondata 2026 di manifesti sull'appiattimento manageriale guidato dall'IA, insieme a Fortune (giugno 2026), Forbes, Fast Company e Lepaya, ma si distingue per il suo fondamento **tecnico** (l'harness come unità strutturante) piuttosto che puramente **organizzativo** (il middle management come bersaglio).

GPT-5.6 Sol, Terra, Luna : comment OpenAI rebat les cartes du coding agentique et du pricing

Mon, 13 Jul 2026 00:00:00 GMT

Il 9 luglio 2026 OpenAI ha reso GPT-5.6 disponibile in modo generale. Prima sorpresa: un plurale. Non si tratta di un singolo modello, ma di una **famiglia di tre livelli** — **Sol** (l'ammiraglia), **Terra** (il livello bilanciato) e **Luna** (il livello veloce ed economico). Il numero (5.6) designa la generazione; i nomi designano *livelli di capacità* pensati per evolvere ciascuno al proprio ritmo, scelti secondo un tris intelligenza/velocità/costo. Tutti e tre condividono ~1,05 M di token di contesto, 128.000 token di output e una data di cutoff della conoscenza al 16 febbraio 2026. Sol è l'unico a sbloccare la modalità "max" (più calcolo) e la modalità "ultra" (agenti paralleli). Il fatto più strutturante non è un punteggio, è una **griglia tariffaria** (per milione di token): Sol 5$/30$, Terra 2,50$/15$, Luna 1$/6$, ciascuno confrontato con una controparte Claude (Fable 5, Opus 4.8, Sonnet 5). Mossa aggressiva: Sol mantiene il prezzo dell'ammiraglia precedente GPT-5.5 pur essendo più capace, il che sposta il confronto sul rapporto capacità-costo. Due sottigliezze di fatturazione contano per un CTO: le **scritture in cache** fatturate a 1,25× (le letture mantengono uno sconto del −90%) e un **sovrapprezzo oltre i 272k token** (~10$/45$). Soprattutto, una griglia tariffaria da sola dice quasi nulla: il conto di un ciclo agentico segue l'ingestione (rapporto lettura/scrittura ~153:1), non la generazione. GPT-5.6 supera Claude? Dipende dal terreno. Su **Terminal-Bench 2.1** e sul **Coding Agent Index**, Sol domina (91,9% in modalità ultra) e costa ~un terzo in meno per compito rispetto a Fable 5. Su **SWE-Bench Pro** (issue GitHub realistiche), Claude resta avanti di ~15 punti — sebbene OpenAI abbia pubblicato il giorno prima un audit che giudica "rotto" il 30% di questo benchmark. Il valutatore indipendente **METR** riporta inoltre un tasso record di **reward hacking** su Sol, tanto che la sua stima dell'orizzonte temporale oscilla tra 11h e oltre 270h a seconda di come viene trattato l'imbroglio. Lezione dell'ingegnere: trattare ogni cifra autodichiarata come un'affermazione, e giudicare in base al proprio harness. Tre conseguenze operative: il **routing multi-modello** diventa la norma (GPT-5.6 porta a termine il compito con ~25% di passaggi in meno); il **costo per compito** prevale sul prezzo per token; occorre **strumentare** prima di decidere. In parallelo, **Codex** (integrato in ChatGPT, più ChatGPT Work) passa da ~1M a 8M di utenti attivi in cinque mesi, diventando un concorrente diretto di Claude Code. Il rollout stesso è passato attraverso una anteprima governativa (~20 organizzazioni, Executive Order). Verdetto di SFEIR — azienda "AI Only", partner sia di Google Cloud sia di Anthropic: il campione cambia, la disciplina resta. Il modello è un commodity; il vantaggio duraturo risiede nel **Context Engineering** e nell'Harness Engineering. Né salvatore né minaccia: un componente eccellente in più in un portafoglio instradato per compito.

The state of open source AI (v1.0.1, juillet 2026)

Wed, 01 Jul 2026 00:00:00 GMT

**Rapporto ricorrente di Mozilla**, *The state of open source AI*, **v1.0.1, luglio 2026**, introdotto da una lettera di **Raffi Krikorian** (CTO): sette sezioni, un sito interattivo e un rapporto scaricabile. Tesi enunciata nel titolo della Sezione 1: *« Il livello del modello si è commoditizzato. Il valore si sposta sull'harness sovrastante. »* **Stato delle capacità**: sull'*Artificial Analysis Intelligence Index v4.1*, il miglior modello chiuso ottiene **61** punti (Claude Opus 5) e il miglior modello open **57** (**Kimi K3**), quarto in classifica generale e davanti a tre dei più grandi laboratori chiusi; sull'*Epoch Capabilities Index*, lo scarto è di **6 punti** (K3 a 156 contro GPT-5.6 Sol a 162), descritto come *« all'incirca un ciclo di release »*, con intervalli di confidenza sovrapposti. **Frontiera a dente di sega**: l'open è in testa nel codice frontend (K3 a 1.679 Elo sulla LMArena Frontend Code Arena, sei domini su sette), contende il lavoro agentico da terminale (88,3 contro 88,8 su Terminal-Bench 2.1), e cede terreno sul lavoro professionale di conoscenza (Fable 5 supera K3 di 92 Elo su GDPval-AA v2). **Spostamento d'uso**: la quota di token OpenRouter instradati verso modelli open-weight è salita da un livello trascurabile a un terzo entro fine 2025, poi a una **maggioranza entro metà 2026**, con i sette modelli a maggior volume tutti open-weight — il rapporto stesso osserva che *« in numero di richieste, i fornitori chiusi statunitensi restano in testa »*, il vantaggio open essendo un vantaggio in volume di token concentrato nei carichi di lavoro di coding e agentici. **Il contrasto centrale**: *« L'open si spedisce facilmente. L'open si distribuisce con difficoltà. »* — il 79% degli sviluppatori che adottano l'IA usa modelli open contro il 71% per il chiuso, ma solo il **53%** dei team su modello open raggiunge la produzione **contro il 63%**, e lo scarto si allarga con la dimensione dell'organizzazione (chiuso 54% → 73%, open 53% → 57%), il che *« esclude una spiegazione basata sulle risorse »*. La mappa di maturità dello stack (48 componenti, 9 livelli) mostra due colonne costantemente fredde — la **standardizzazione** e la ***prontezza enterprise*** — identificate come il divario operativo. **Sezione 5**: *« L'harness agentico è un altro user agent »*, e *« Il modello sta divorando l'harness »* — su ogni modello in cui entrambi esistono, l'harness proprietario del laboratorio ora vince, con lo scarto di 21,8 punti compresso a circa 3. Da cui la formula: *« Un harness calibrato strettamente sui pesi di un laboratorio… degrada su qualsiasi altro modello, quindi più stretta è la calibrazione, meno intercambiabili sono i pesi sottostanti. Il lock-in arriva come effetto collaterale dell'ottimizzazione. »*

L'intelligence artificielle, quels effets sur l'emploi ?

Tue, 30 Jun 2026 00:00:00 GMT

Questa nota **Trésor-Éco n° 391** (DG Trésor, giugno 2026) propone una rassegna prudente e ben documentata della letteratura economica su **l'effetto dell'IA — principalmente generativa — sull'occupazione**. Punto di partenza: le capacità dell'IA sono progredite nettamente (LLM, IA generativa), alimentando preoccupazione (**il 62% dei francesi** la considera un rischio per l'occupazione), ma l'analisi economica impone di distinguere la percezione dalla misurazione. **1. Effetto aggregato, per ora debole.** L'IA agisce tramite due canali contrapposti: l'effetto di **spiazzamento** (sostituzione dei compiti automatizzabili) e l'effetto di **produttività** (guadagni individuali comprovati: +14% nel servizio clienti, +26% per gli sviluppatori; complementarità, riduzione dei costi, aumento della domanda). Gli studi empirici recenti **non individuano un effetto aggregato significativo**, per mancanza di prospettiva storica e perché l'adozione resta parziale (≈20% delle imprese UE nel 2025). L'assenza di un effetto macro non significa assenza di distruzione localizzata: i licenziamenti "IA" rappresentano il 4,5-6,2% dei licenziamenti annunciati negli Stati Uniti nel 2025, con un rischio di **"labelling"** (l'IA invocata come pretesto — 59% delle aziende statunitensi). **2. Effetti eterogenei.** Tramite l'approccio *task-based*, l'**esposizione** varia a seconda del compito (cognitivo > relazionale > fisico), ma **esposizione ≠ effetto**: tutto dipende dal grado di **sostituibilità/complementarità** e dall'**elasticità di prezzo** della domanda (paradosso di Jevons — una professione sostituibile con domanda elastica può vedere crescere la propria occupazione). Il **progresso tecnico orientato** potrebbe svantaggiare determinati segmenti, con **preoccupazioni marcate per i giovani**: −16% di occupazione tra i 22-25enni esposti negli Stati Uniti (Brynjolfsson 2025), un aumento della disoccupazione tra i 15-24enni in Francia (19,1%→21,1%) — senza causalità stabilita. Per settore, finanza, IT e servizi alle imprese sono i più esposti. **3. Lungo periodo incerto.** Coesistono due scenari: la **sostituzione massiccia** (se l'IA agentica/fisica si diffonderà) o la **distruzione creatrice** (rassegna di quattro decenni: le rivoluzioni passate hanno creato più posti di lavoro di quanti ne abbiano distrutti; il 60% dei lavoratori odierni occupa posti che non esistevano nel 1940). La transizione genererà **costi** (riallocazione lenta: −40% del beneficio della robotizzazione in Francia), da attenuare tramite la **formazione** e i **mestieri ponte**. **Conclusione di politica pubblica**: sostenere la transizione (il piano "Osez l'IA", formazione di 15 milioni di persone entro il 2030, l'Académie de l'IA, France 2030) e **investire risolutamente nell'IA** per evitare il **declino competitivo** — la Francia si colloca in una posizione intermedia (18% di adozione, in fase di recupero) in un contesto di competizione internazionale.

GLM-5.2 leads open weights models and sits at #3 overall on GDPval-AA, a real-world agentic work benchmark

Mon, 22 Jun 2026 00:00:00 GMT

Artificial Analysis — una piattaforma indipendente di valutazione di modelli AI — pubblica (thread X/Twitter del 22 giugno 2026 + una pagina dettagliata del modello) un confronto che colloca **GLM-5.2**, l'ultimo modello di **Z.ai** (Zhipu AI), in cima ai modelli **open weights** e al **#3 posto nella classifica generale** di **GDPval-AA**. Questo benchmark misura le prestazioni su **lavoro intellettuale reale ed economicamente rilevante**, attraverso **compiti multi-turno a lungo orizzonte** concepiti come esercizi professionali autentici (per esempio l'elenco dei compiti giornalieri di un supervisore di negozio al dettaglio, o un documento tecnico IEC) che coprono sia il lavoro professionale sia quello creativo. GLM-5.2 raggiunge **1524 Elo**, dietro solo a **Claude Fable 5 (1783)** e **Claude Opus 4.8 (1615)**, e alla pari con **GPT-5.5 in configurazione xhigh (1509)**. Soprattutto, domina il campo open con un **ampio margine**: il miglior modello open successivo, **MiniMax-M3**, ottiene solo **1408**. GLM-5.2 supera anche diversi modelli proprietari — **Gemini 3.5 Flash (1357)**, **Qwen 3.7 Max (1289)** e **Muse Spark (1158)**. Viene sottolineata la natura **agentic** dei compiti: GLM-5.2 ha registrato in media **~31 turni per compito** su **1.999 confronti**. Il metodo di Artificial Analysis consiste nel fornire **brief identici** a GLM-5.2 e a tre modelli proprietari di frontiera (Fable 5, GPT-5.5, Gemini 3.5 Flash), per poi **rendere ogni output esattamente come prodotto**. Il risultato è coerente su tutti gli indici della società: GLM-5.2 è **#1 tra i modelli open weights** sull'**Intelligence Index**, **#3 sull'Agentic Index** e **#3 su AA-Briefcase** (dove è il miglior modello open, davanti a GPT-5.5 xhigh e dietro solo a Fable 5). La pagina del modello completa il quadro: GLM-5.2 è una **Mixture of Experts** con **753 miliardi di parametri** (di cui **40 miliardi attivi**), un **modello di reasoning** con **contesto di 1M token**, distribuito con licenza **MIT** (uso commerciale, pesi su Hugging Face), rilasciato il **16 giugno 2026**. Sul piano economico: **1,40$ / 4,40$** per milione di token (input/output), un cache hit a **0,26$** (-81%), un throughput di **106,3 token/s** e un time to first token di **1,36 s**. Il messaggio trasmesso dai numeri è chiaro: che un modello **open weights** a questo livello di prezzo rivaleggi con la frontiera proprietaria su un **lavoro agentic realmente utile** costituisce, secondo Artificial Analysis, *"un vero passo avanti per i modelli open"*. La convergenza tra modelli open e proprietari non si gioca più solo sui test accademici, ma sul valore economico prodotto in condizioni agentic.

Anthropic pauses Claude Agent SDK subscription change on day it was due to take effect

Tue, 16 Jun 2026 00:00:00 GMT

Articolo di **Paul Sawers** per **The New Stack**, pubblicato il **16 giugno 2026**: Anthropic **sospende**, *"on the very day it was scheduled to go live,"* la separazione di fatturazione pensata per far uscire l'utilizzo dell'**Agent SDK** dai limiti dell'abbonamento Claude. Il messaggio agli abbonati è breve — *"We're pausing the changes to Claude Agent SDK usage described below. For now, nothing has changed."* **Il contesto immediato.** La decisione arriva dopo una settimana difficile: il 9 giugno Anthropic ha rilasciato **Fable 5 e Mythos 5**, i suoi primi modelli di classe Mythos generalmente disponibili, dotati di misure di sicurezza informatica rafforzate; pochi giorni dopo, una **direttiva sul controllo delle esportazioni** del governo statunitense l'ha costretta a **ritirare entrambi i modelli per tutti i suoi clienti nel mondo**. La sospensione del nuovo regime tariffario appare allora come *"a little good news"* offerta a una base di sviluppatori scossa. **Cosa era in gioco.** Per gli strumenti di terze parti costruiti sull'Agent SDK, il cambiamento non era trascurabile. Il post di **Zed**, firmato da Franciska Dethlefsen, segnalava che gli abbonamenti sovvenzionavano questo utilizzo di circa **15-30 volte** il costo API equivalente — una cifra che l'articolo **attribuisce esplicitamente** a un'analisi dell'ingegnere **Matthew Diakonov** — e che i nuovi crediti sarebbero stati fatturati a tariffa API piena. Zed indicava una soluzione alternativa: lanciare la **CLI ufficiale di Claude in un terminale** anziché passare dall'Agent SDK manteneva intatti i limiti dell'abbonamento. Da qui la frase dell'articolo, isolata in un paragrafo a sé: *"The same tool, billed differently depending on how you invoked it."* **Il danno legato alla tempistica.** Le aziende che avevano già trasferito il cambiamento si trovano scoperte. **Conductor**, uno strumento di coding multi-agente costruito sull'Agent SDK, è costretto a pubblicare una smentita ai propri clienti. **La tensione di fondo.** Va oltre Anthropic. Già ad aprile, **Boris Cherny**, a capo di Claude Code, giustificava una precedente restrizione spiegando che gli abbonamenti *"weren't built for the usage patterns of these third-party tools"* — un'ammissione che le formule a tariffa fissa e l'utilizzo agentico illimitato non vanno d'accordo. **GitHub** è giunta alla stessa conclusione e ha agito di conseguenza, eliminando a giugno il modello a tariffa fissa delle *premium requests* di **Copilot** a favore di una fatturazione basata sui token, nonostante le proteste. Nella stessa settimana, una **proposta di class action** è stata depositata in California, secondo cui i livelli **Max** sarebbero ben al di sotto dei moltiplicatori pubblicizzati per le sessioni di coding intensivo. **La lettura finale.** Tra la pressione governativa, un'IPO pianificata e le voci di tagli di prezzo da parte di OpenAI, Anthropic sta cercando di tenere dalla propria parte la base di sviluppatori — e la sospensione vi contribuisce, per ora.

A frontier without an ecosystem is not stable

Fri, 12 Jun 2026 00:00:00 GMT

Satya Nadella, CEO di Microsoft, pubblica su X una riflessione su "il futuro dell'impresa" in un'economia guidata dall'IA. La sua tesi di partenza: questa transizione differisce da qualsiasi precedente cambiamento di piattaforma. Finora, i sistemi digitali hanno potenziato il capitale umano; per la prima volta, è possibile creare un autentico **ciclo cognitivo** tra persone e macchine. Ciò che è in gioco non è uno strumento, ma il modo in cui le organizzazioni continuano ad apprendere, costruire la propria proprietà intellettuale, differenziarsi e prosperare in un mondo in cui i modelli di IA assorbono e rendono commodity le competenze di individui e organizzazioni. Nadella propone una distinzione centrale: ogni azienda dovrà costruire il **capitale umano** (conoscenza, giudizio, relazioni, ingegno, riconoscimento di pattern) e il **capitale di token** (la capacità di IA che costruisce e possiede). Il capitale umano non perde valore man mano che il capitale di token cresce — al contrario, ne acquista: l'agentività umana è il motore che guida la crescita del capitale di token. Senza una direzione umana, "il calcolo gira a vuoto". La vera opportunità, quindi, non è scegliere il modello migliore, ma costruire un **ciclo di apprendimento** sopra i modelli, in cui i due capitali si accumulano reciprocamente. Si può delegare un compito, persino un lavoro, ma mai il proprio apprendimento. Ciò richiede una nuova architettura in cui ogni azienda costruisce sistemi agentici che migliorano nel tempo mantenendo il controllo della propria proprietà intellettuale. Il test di sovranità: essere in grado di sostituire un modello "generalista" senza perdere la competenza del "veterano dell'azienda". Tre elementi costitutivi: **private evals** che misurano il miglioramento sui risultati rilevanti per il business (non su benchmark esterni), **ambienti RL privati** addestrati su tracce interne reali, e una **base de connaissances** che rende interrogabile la memoria istituzionale. Questo ciclo diventa la nuova proprietà intellettuale dell'impresa — una "hill climbing machine" che si accumula: ogni flusso di lavoro migliorato produce un segnale di addestramento migliore, accelerando l'accumulo di conoscenza tacita unica e creando un vantaggio difficile da replicare. Nadella conclude con un avvertimento di economia politica: un mondo in cui una manciata di modelli cattura tutto il valore non sarà socialmente tollerato. Invoca la prima ondata di globalizzazione, che ha svuotato le economie industriali attraverso la delocalizzazione, come monito. La priorità deve essere costruire un **ecosistema di frontiera**, non semplicemente un **modello di frontiera**, affinché il valore si diffonda a ogni azienda, settore e paese — l'"ethos" della piattaforma che rivendica, e l'unico equilibrio stabile che valga la pena costruire insieme.

Claude Fable 5 and Claude Mythos 5

Tue, 09 Jun 2026 00:00:00 GMT

Il 9 giugno 2026 Anthropic ha annunciato il lancio simultaneo di due modelli. **Claude Fable 5** è un modello di "classe Mythos" reso sicuro per l'uso generale: le sue capacità superano quelle di qualsiasi modello reso pubblico da Anthropic, raggiungendo prestazioni allo stato dell'arte su quasi tutti i benchmark testati. **Claude Mythos 5** è lo stesso modello di base, ma con le protezioni rimosse in alcuni ambiti; è riservato a un piccolo gruppo di cyberdifensori e fornitori di infrastrutture, distribuito inizialmente tramite Project Glasswing (in collaborazione con il governo statunitense) come aggiornamento di Claude Mythos Preview. Mythos 5 possiede le capacità di cybersicurezza più avanzate tra tutti i modelli al mondo. Entrambi i modelli hanno un prezzo di 10$ per milione di token in input e 50$ per milione di token in output, meno della metà del prezzo di Mythos Preview. Per garantire un deployment rapido e sicuro, Fable 5 integra protezioni deliberatamente conservative (classificatori): su determinati argomenti, la query riceve invece la risposta di Opus 4.8. In media, si attivano in meno del 5% delle sessioni. Sulle capacità, **ingegneria del software**: Stripe riporta che Fable 5 ha "compresso mesi di ingegneria in giorni", completando la migrazione di una codebase Ruby da 50 milioni di righe in un giorno (contro due mesi per un team). Il modello ottiene il punteggio più alto tra i modelli di frontiera su FrontierCode (Cognition). **Lavoro di conoscenza**: punteggio più alto di qualsiasi modello sul Finance Benchmark di Hebbia (ragionamento di livello senior). **Visione**: stato dell'arte; ricostruisce il codice sorgente di un'applicazione web a partire da screenshot, completa Pokémon FireRed utilizzando solo la visione. **Memoria**: la memoria persistente basata su file migliora le sue prestazioni 3 volte di più rispetto a Opus 4.8. **Scienze della vita**: con Mythos 5, gli esperti di progettazione proteica di Anthropic hanno accelerato il processo di circa 10 volte; 9 dei 14 target proteici hanno prodotto candidati solidi. Mythos 5 è il primo modello a generare ipotesi scientifiche nuove e convincenti, preferite circa l'80% delle volte in confronti alla cieca; ha inoltre condotto ricerche autonome in genomica, addestrando un modello 100 volte più piccolo che supera i risultati di una recente pubblicazione su Science. La valutazione automatizzata dell'allineamento colloca il comportamento disallineato di Mythos 5 a un livello basso, simile a quello di Opus 4.8. Le testimonianze dei clienti (Cursor, GitHub, Vercel, EvolutionaryScale) confermano l'autonomia su compiti a lungo orizzonte e un ragionamento superiore a Opus 4.8.

Tokenomics foundation : l'ère du FinOps appliqué à l'IA est officiellement ouverte

Thu, 04 Jun 2026 00:00:00 GMT

Analisi di **Olivier Rafal** per **WeNvision** (società di consulenza francese), pubblicata il **4 giugno 2026** (~4 min di lettura), che commenta il lancio della **Tokenomics Foundation** da parte della **Linux Foundation** (annuncio del 3 giugno, in partenariato con la **FinOps Foundation**), evento che l'autore interpreta come l'apertura ufficiale de **l'era del "FinOps for AI".** **Tesi centrale**: l'IA ha trasformato l'economia dello sviluppo software; il **token** è diventato *"la nuova unità di misura della spesa tecnologica"*, in parallelo con il cloud degli anni 2010 (costi **ricorrenti e variabili** da gestire attivamente), da cui il passaggio dei fornitori dal prezzo forfettario alla **fatturazione a token**. **Scala (urgenza)**: *"Secondo Goldman Sachs, l'uso globale di token dovrebbe moltiplicarsi per 24 entro il 2030, raggiungendo 120 quadrilioni di token al mese"* — un ordine di grandezza che fa passare l'efficienza dei token da *"dettaglio tecnico"* a tema di **consiglio di amministrazione**. Citazione di **J.R. Storment** (fondatore della FinOps Foundation): *"I costi e l'efficienza dei token sono diventati una preoccupazione di livello CEO, non una nota tecnica a piè di pagina."* **Problema di trasparenza/standardizzazione**: l'attuale pricing dell'IA non è comparabile (token in ingresso / sistemi di caching / output differiscono da un modello all'altro) → la Tokenomics Foundation punta a **estendere la specifica FOCUS** open source per fornire un **linguaggio comune** per l'acquisto e il confronto. **Messaggio centrale di Rafal (al di là del costo)**: *"Lo scopo del FinOps non è tanto tagliare i costi quanto ottimizzare l'efficienza"* — la metrica reale è il **costo dell'IA relativo all'impatto sul business** (*time to market, qualità, funzionalità, eco-design*). **Limiti dei soli standard**: le norme tecniche non bastano, occorre **ripensare il Target Operating Model** (team, processi, cultura del dato, allineamento con il business); gli americani annunciano già *"la fine dei double-pizza team a favore dei sandwich team"*. **Segnale di allerta**: *"un SDLC potenziato dall'IA non farà che […] amplificare i problemi e aiutarvi ad andare più veloci… contro il muro"* (in assenza di fondamenta organizzative). **Sponsor della fondazione citati**: Accenture, Booking.com, Google Cloud, Microsoft, IBM, Salesforce. **Offerta di WeNvision**: *"co-costruire una roadmap, ripensare il modello operativo per l'era agentica e stabilire la governance finanziaria diventata indispensabile."* **Lettura in lingua francese, rivolta a dirigenti/responsabili della trasformazione**, della scheda [[tokenomics-foundation-linux-finops-token-economics-about-2026-06-03]]; converge con il cluster FinOps agentico [[finops-foundation-finops-for-ai-overview-2026-02-17]], finout-finops-ai-agents-four-step-allocation-framework-2026-04-27, gupta-token-budget-wars-marginal-token-utility-2026-05-28 (token→risultato, valore > volume).