Ultimo briefing
20 luglio 2026 · 5 notizie (sito) · 5 notizie (base)
Il 20 luglio 2026, l'ecosistema degli agenti IA consolida la settimana post-WAIC Shanghai e post-Kimi K3 con una giornata rivolta ai mattoni di infrastruttura: Hugging Face pubblica TRL v1.8.0, che permette di addestrare un agente su più ambienti in parallelo; Helsing chiude un round da 1,8 miliardi di euro a 18 miliardi di valutazione per i suoi droni autonomi e l'analisi del campo di battaglia IA; il dipartimento del Commercio americano usa per la prima volta la legge sul controllo delle esportazioni per sospendere l'accesso a due modelli di Anthropic in tutto il mondo; il Giappone lancia ufficialmente Noetra, il suo modello di fondazione Physical AI sostenuto da Sony, SoftBank e Honda; e un nuovo articolo di ricerca mostra che ora si possono addestrare agenti per rinforzo oltre i 4 milioni di elementi senza saturare la memoria delle schede grafiche.
🔥 In primo piano
01
Hugging Face rende gli agenti IA addestrabili allo stesso tempo su codice, gioco e navigazione — senza che si confondano gli strumenti
Oggi, addestrare un agente IA somiglia ancora molto a una scelta unica: lo si specializza per programmare, o per giocare, o per navigare, ma non per tutte e tre le cose insieme. Hugging Face pubblica la versione 1.8.0 di TRL, la sua cassetta degli attrezzi di riferimento per il «post-addestramento» (l'ultima tappa in cui si insegna a un modello a fare meglio il proprio lavoro invece di limitarsi a produrre testo). La novità che cambia le carte in tavola: un solo addestramento può ora mescolare più ambienti — uno che simula un gioco, uno che simula un editor di codice, uno che simula un browser — e ciascuno dichiara i propri strumenti e il proprio modo di ricompensare l'agente. Gli strumenti non «colano» più da un universo all'altro: il modello addestrato sul codice non tenta più di invocare uno strumento di gioco nel bel mezzo di una riga Python. Per Info-Sys, è il pezzo di infrastruttura open source che mancava per passare da un agente che parla di un argomento a un agente che agisce davvero in un ambiente preciso. Il modulo di ottimizzazione KTO passa in versione stabile, e la memoria delle schede grafiche è sfruttata meglio — +19 % di velocità sui modelli da 4 miliardi di parametri. In pratica, significa che ora si può preparare un agente su più domini senza ripartire da zero ogni volta.
02
Helsing raccoglie 1,8 miliardi di euro per droni autonomi e analisi del campo di battaglia — la difesa IA diventa una categoria di investimento a sé
Helsing, start-up tedesca che costruisce sistemi di IA per la difesa militare (droni autonomi, software di analisi di dati di combattimento, sorveglianza sottomarina), chiude un nuovo round di finanziamento da 1,8 miliardi di euro a una valutazione di 18 miliardi. La domanda ha superato di così tanto l'offerta che i fondatori hanno potuto scegliere i propri investitori. Dragoneer guida il giro, con Goldman Sachs, JPMorganChase, General Catalyst e la cassa pensione canadese CPP. È il più grosso round mai realizzato da una start-up europea della difesa IA, e il segnale inviato ai mercati è chiaro: la difesa alimentata dall'IA diventa una categoria di investimento a sé, sullo stesso piano delle infrastrutture di IA o della cybersicurezza. La società resta maggioritariamente in mano a investitori europei — Daniel Ek (Spotify) e Tom Enders (ex-Airbus) restano co-presidenti del consiglio. Per chi costruisce agenti IA, è un indicatore da segnare: gli agenti fisici (droni, robot, software militari autonomi) attirano ormai ticket da diversi miliardi. Il mercato europeo prende sul serio questo segmento, laddove era ancora considerato un mercato di nicchia due anni fa.
03
Gli Stati Uniti hanno un nuovo strumento per spegnere un modello di IA a comando — e riguarda tutti, anche fuori dai confini americani
Il 12 giugno, il dipartimento del Commercio americano ha fatto qualcosa di nuovo: ha usato la legge sul controllo delle esportazioni per ordinare la sospensione dell'accesso a due modelli di IA di Anthropic, Fable 5 e Mythos 5, per tutti gli utenti, in tutto il mondo, compresi ricercatori e ingegneri stranieri che lavorano negli Stati Uniti. Il meccanismo è semplice e brutale: una lettera riservata, sanzioni penali in caso di mancato rispetto, ed effetto immediato. Anthropic non ha potuto filtrare gli utenti per nazionalità a livello della propria API — la soluzione più semplice era disattivare completamente i due modelli. Per chiunque distribuisca o usi un modello di IA di punta dai propri server, è un precedente da integrare nella propria postura di rischio: un modello che si affitta o si usa può essere tagliato da un giorno all'altro da una decisione amministrativa, senza passare per un giudice. La base legale (legge sulla riforma del controllo delle esportazioni e regolamento sugli «usi militari o di intelligence») non era mai stata testata sull'accesso a distanza a un modello di IA. La Commissione europea ha messo pubblicamente in guardia contro il rischio di misure «discriminatorie». Per Info-Sys: da documentare in ogni scheda di rischio agentico, e da seguire nelle prossime settimane — tre esiti sono possibili secondo gli analisti, tra cui un ritorno negoziato e una verifica d'identità costosa per gli utenti.
04
Il Giappone lancia il suo modello di IA per robot e veicoli autonomi — con Sony, SoftBank, Honda e Preferred Networks a bordo
Il ministero giapponese dell'Economia (METI) ha ufficializzato a fine giugno il lancio di un progetto di modello di IA multimodale domestico, tagliato per quella che si chiama la «Physical AI»: i robot industriali, i veicoli autonomi, i sistemi che devono capire allo stesso tempo immagini, testo e segnali dei sensori. La start-up Noetra, creata per l'occasione, è sostenuta da 44 industriali giapponesi — in testa Sony, SoftBank, NEC, Honda e Preferred Networks. Il programma dura cinque anni (dall'esercizio di bilancio 2026 al 2030) ed è pilotato dall'agenzia pubblica NEDO. L'obiettivo dichiarato è disporre di un modello di fondazione che un'impresa giapponese possa usare senza inviare i propri dati di produzione all'estero — un tema sensibile in un paese dove l'industria manifatturiera resta un pilastro dell'economia. L'angolo differenziante rispetto ai progetti americano (Stargate), cinese (WAICO), europeo (AI Factories) e indiano (IndiaAI): la Physical AI e l'efficienza energetica, due priorità naturali per il Giappone. Per chi costruisce agenti IA: un nuovo modello di fondazione da seguire nei trimestri che verranno, con un'attenzione particolare alla robotica e agli usi industriali concreti.
05
Un nuovo metodo permette di addestrare agenti IA su compiti molto lunghi — senza saturare la memoria delle schede grafiche
Gli agenti IA di oggi accumulano, nel corso di una giornata di lavoro, catture di schermo, uscite di strumenti, estratti di documenti, risultati di analisi — tutto questo può rappresentare diversi milioni di piccoli elementi da trattare. Ma i metodi classici di addestramento per rinforzo (il metodo che insegna a un agente per tentativi ed errori su casi reali) saturano in genere intorno a 256 000 elementi a causa della memoria limitata delle schede grafiche. Un articolo pubblicato a metà luglio, sobriamente intitolato LongStraw, propone un trucco tecnico che cambia le carte in tavola: valutare la storia comune una sola volta senza ricalcolare tutti i dettagli, poi ricalcolare solo i piccoli rami che differiscono. Gli autori dimostrano il loro metodo su modelli aperti esistenti (Qwen3.6-27B e GLM-5.2) e riescono ad addestrare oltre 4 milioni di elementi senza far esplodere la memoria. Per Info-Sys: è il mattone tecnico che rende possibile l'addestramento di agenti su workflow lunghi e complessi, come l'analisi di un fascicolo completo, la navigazione di un grosso sito web o il coordinamento di più strumenti per diverse ore. L'articolo è stato classificato n° 1 del giorno su Hugging Face, e gli autori avvertono onestamente che resta del lavoro prima che il metodo sia completamente integrato negli strumenti standard — ma la direzione è chiara.
📡 Da tenere d'occhio
Microsoft lancia la versione finale del suo framework di agenti per le grandi imprese
Microsoft Agent Framework (MAF) è uscito in versione 1.0 il 2 aprile, dopo la fusione dei progetti storici AutoGen e Semantic Kernel. Alla conferenza BUILD del 3 giugno, Microsoft ha aggiunto tre mattoni importanti: un «Agent Harness» che trasforma qualsiasi client di chat in un agente pronto per la produzione (con accesso ai file, memoria, validazione umana, compattazione automatica della storia), un servizio di agenti ospitato in Azure che scala da solo e non costa nulla quando è inattivo, e una modalità CodeAct in cui l'agente scrive ed esegue del codice per realizzare un compito invece di invocare uno strumento specifico. L'offerta è disponibile nello stesso codice per gli sviluppatori .NET e Python. È la risposta di Microsoft a LangChain, CrewAI e al nuovo AutoGen indipendente: un framework pronto per le grandi imprese, con governance integrata. Da seguire da vicino nella scelta della pila agentica.
500 modelli di IA open source accessibili da un unico punto di ingresso — per le imprese che non vogliono gestire i propri server
AI.cc, piattaforma con sede a Singapore, ha stretto una partnership con Hugging Face per proporre più di 500 modelli di IA open source (Llama 4, Mistral, Qwen, Gemma, GLM, DeepSeek, Falcon, e oltre 300 altri) tramite un'interfaccia unica compatibile con quella di OpenAI. In pratica, un'impresa può interrogare questi modelli senza comprare schede grafiche, senza montare infrastruttura e con fatturazione unificata. Il servizio è aperto dal 15 giugno, con un livello gratuito per i test. Il contesto: i modelli open source rappresentano ormai il 38 % del volume di token consumati dalle imprese nel primo trimestre 2026, contro l'11 % un anno prima. Il routing automatico verso il modello più adatto a ciascun compito farebbe scendere i costi di infrastruttura dal 40 al 65 %. Riserva: il comunicato originale non è stato recuperato — l'informazione arriva da una fonte corporate. Per Info-Sys: da testare su casi d'uso semplici per valutarne l'affidabilità prima di spostarci carichi di produzione.
SambaNova raccoglie 1 miliardo per i suoi chip alternativi a Nvidia — con JPMorgan come primo cliente bancario
SambaNova Systems, concorrente diretto di Nvidia nel segmento dei chip specializzati per l'IA, ha chiuso un nuovo round di finanziamento da un miliardo di dollari a una valutazione di 11 miliardi. Il giro è guidato da General Atlantic, con BlackRock, T. Rowe Price, Qatar Investment Authority e Intel Capital — che è anche partner tecnico da diversi anni. Il segnale più interessante per chi costruisce agenti: JPMorgan Chase ha scelto SambaNova come partner per far girare i propri modelli di IA sui propri server, invece di puntare tutto su Nvidia. È la prova che le grandi banche e imprese costruiscono ormai le proprie pile di IA private per ragioni di sovranità e di controllo dei costi. Per Info-Sys: da integrare nella vigilanza sulle alternative a Nvidia, in particolare per i carichi sensibili (banca, difesa, governi) dove la sovranità del materiale diventa un argomento di vendita.
La legge europea sull'IA entra pienamente in vigore il 2 agosto — cosa cambia per i modelli distribuiti in Europa
Tutte le regole del regolamento europeo sull'IA (EU AI Act) diventano pienamente vincolanti il 2 agosto 2026 per i modelli detti «GPAI» (modelli di uso generale). In pratica: obblighi di trasparenza, rispetto del diritto d'autore nei dati di addestramento, valutazioni di sicurezza e sanzioni in caso di mancato rispetto. Per chi costruisce agenti IA e li distribuisce in Europa, è il momento di verificare che ogni modello di terzi usato disponga di una documentazione tecnica conforme, e che i workflow agentici non ricadano in una categoria ad alto rischio. Da distinguere dal precedente americano BIS su Fable e Mythos: la regolazione europea è nota in anticipo, prevedibile, ma ampia — si applica a qualsiasi modello messo a disposizione di utenti europei, qualunque sia la nazionalità dell'editore.
📊 Tendenza
Il 20 luglio 2026, l'ecosistema degli agenti IA continua a consolidare la settimana post-WAIC Shanghai e post-uscita di Kimi K3, con una giornata di vigilanza rivolta ai mattoni di infrastruttura e ai precedenti strutturanti. Cinque insegnamenti emergono per chi costruisce agenti IA. (1) L'addestramento multi-ambiente diventa la norma — Hugging Face TRL v1.8.0 permette ormai di mescolare universi di agenti (codice, gioco, navigazione) in un solo addestramento, il che apre la porta ad agenti generalisti addestrati su workflow reali, non solo su benchmark. (2) La difesa IA attira ticket record — il round di Helsing a 1,8 miliardi di euro a 18 miliardi di valutazione conferma che gli agenti fisici (droni autonomi, analisi del campo di battaglia) sono diventati una categoria di investimento a sé, con implicazioni per chi vende o distribuisce agenti in settori sensibili. (3) Il controllo delle esportazioni diventa un rischio operativo — l'uso della legge americana BIS per tagliare l'accesso a due modelli di Anthropic apre un precedente: ogni agente distribuito su server di terzi è ormai suscettibile di essere spento per decisione amministrativa. (4) La sovranità dell'IA diventa un progetto nazionale anche fuori delle grandi potenze — il Giappone lancia ufficialmente il suo modello di fondazione Physical AI con 44 industriali, sul modello del WAICO cinese, di Stargate americano e delle AI Factories europee. (5) L'addestramento a contesto lungo diventa tecnicamente fattibile — l'articolo LongStraw mostra che si possono superare i 4 milioni di elementi senza saturare la memoria delle schede grafiche, il che rende possibile l'addestramento di agenti su workflow lunghi e complessi. Per Info-Sys, la lezione operativa è chiara: l'epoca in cui bastava un solo framework di agenti e un solo fornitore di modelli è finita — largo alla vigilanza attiva sui mattoni di infrastruttura, la geopolitica e le alternative open source.