The Agent Watch
Briefing · Articoli · Strumenti · Chi siamo EN FR DE ES 中文 IT PT SV FI DA

Briefing quotidiano

8 novembre 2026 · 5 storie

🔥 In primo piano

1

I vecchi ticket di errore fanno lavorare gli agenti invano

Google ha analizzato centinaia di milioni di passaggi di agenti di programmazione nei propri team. Il risultato dovrebbe essere noto a tutti: nel 13 % delle sessioni l'agente si imbatte in un commento del tipo « sistemare più tardi, ticket 12345 », rimasto nel codice anche se il problema era stato risolto anni prima. Sei volte su cento lo afferra, e nell'83 % di questi casi nessuno glielo aveva chiesto. Allora va a cercare un bug già corretto o allarga un lavoro che nessuno voleva. Il prezzo: 70 % di passaggi in più, 77 % di testo elaborato in più e 105 % di attesa in più. Google ha risposto mandando i propri agenti di pulizia a setacciare i depositi di codice. Fonte: https://developers.googleblog.com/agent-distraction/

2

Un piccolo laboratorio americano ha tolto la propaganda da un modello cinese

Nous Research, un piccolo laboratorio americano, ha preso un modello cinese molto usato, Qwen3.8-27B, e lo ha riaddestrato per togliere le risposte allineate alla posizione ufficiale di Pechino. Il risultato, Arete-27B, esce con licenza libera Apache 2.0, quindi utilizzabile commercialmente, e i pesi sono stati scaricati e verificati stamattina. Le risposte « propagandistiche» scendono dal 22 % a meno dell'1 %, mentre la precisione sui fatti sale da 2,32 a 2,98 su 5. La parte più sorprendente non è il risultato ma il prezzo: 53 milioni di parole e due passate di addestramento, senza apprendimento per rinforzo. L'allineamento diventa uno strato che si compra separatamente dalle capacità. Una riserva: i numeri vengono dalle valutazioni dell'editore, che scrive anche di non aver corretto tutti i comportamenti collegati. Fonte: https://nousresearch.com/arete

3

Gli agenti fanno ormai l'80 % del traffico sulla piattaforma dei modelli

Il rapporto annuale di Menlo Ventures, un fondo d'investimento americano, inverte l'ordine di forza. Gli agenti rappresentano l'80 % di tutto il testo consumato su OpenRouter, la piattaforma attraverso cui passano le richieste ai modelli: sette volte l'uso umano. La spesa delle imprese per l'IA ha raggiunto 176,8 miliardi di dollari a settembre, moltiplicata per 5,4 in un anno. E nel mercato libero dei modelli con pesi scaricabili, i modelli cinesi si prendono l'89 % della spesa mondiale, la famiglia Kimi di Moonshot AI da sola il 61 %. Un paradosso che il rapporto assume: i modelli aperti elaborano il 19 % delle parole ma ricevono solo il 4 % del denaro. Una riserva: Menlo investe in Anthropic e nella piattaforma che fornisce i dati di traffico. Fonte: https://menlovc.com/2026-the-state-of-enterprise-ai/

4

Un modello locale promettente, con una licenza che blocca il commercio

Il 28 ottobre questo modello di Liquid AI era stato presentato come il più utilizzabile per far girare agenti su un telefono: sta in un gigabyte e tiene in testa 256 000 parole di testo. Restava una domanda aperta, quella della licenza. Oggi è stata letta, nel repository: l'uso commerciale è vietato alle entità che realizzano 10 milioni di dollari o più di fatturato all'anno. I pesi restano utilizzabili, l'addestramento su misura e la ricerca restano liberi, ma il nostro uso commerciale oltre quella soglia no. La soglia riguarda il fatturato di chi usa il modello, non la dimensione del progetto. Da confrontare con il modello pubblicato lo stesso giorno con licenza libera Apache 2.0, senza alcuna soglia. Fonte: https://huggingface.co/LiquidAI/LFM3-1.7B/blob/main/LICENSE

5

Uno strato di controllo libero decide quale modello risponde a chi

Buoyant, l'editore del software di rete Linkerd, rilascia un componente libero che si mette davanti a una flotta di macchine e decide dove finisce ogni richiesta inviata a un modello. Si possono scrivere regole semplici: chi può usare quale modello, quante parole al minuto, quali dati non devono mai uscire dall'edificio e che fare quando i server locali sono saturi. Il punto chiave: una regola può rifiutare la richiesta invece di eseguirla. Sulle misure dell'editore, il tempo di attesa prima della prima parola scende da 6,88 a 0,31 secondi quando più richieste condividono lo stesso inizio. Licenza libera, scritto in Rust, installabile su Kubernetes. I numeri sono dell'editore, che ammette che altri strumenti sono più veloci: la differenza rivendicata è il controllo, non la velocità. Fonte: https://kinference.ai/docs/

📡 Da tenere d'occhio

Ocient raccoglie 100 milioni di dollari perché gli agenti vogliono tutto, non un campione

Ocient, un produttore di motori di analisi ad alta velocità di Chicago, raccoglie 100 milioni di dollari. Il motivo conta più della cifra: i clienti che si rivolgono a lui riuniscono tutti i loro dati per interrogare gli agenti, senza campionamento. Su decine di petabyte, un campione perde la traccia di un'intrusione, ed è proprio quello che si cerca. L'azienda dice che i suoi clienti non avevano né la portata né lo storage a prezzo ragionevole per assorbire quel volume. Riserva: il comunicato non dà né un calendario né una base pubblicata per la triplicazione dei ricavi che annuncia. Fonte: https://ocient.com/newsroom/press-releases/ocient-raises-100m-in-series-c-funding/

Anthropic e i suoi alleati hanno speso 63 milioni di dollari per eleggere deputati

Un gruppo di politica pubblica sostenuto da Anthropic ha speso più di 63 milioni di dollari nelle elezioni di mezzo termine americane del 3 novembre, e dieci dei suoi diciassette candidati sono stati eletti. È la prima volta che un laboratorio di intelligenza artificiale finanzia elezioni a questa scala. Il gruppo rivale, sostenuto da un cofondatore di OpenAI, ha impegnato circa 54 milioni. La svolta è lì: eletti dell'area del codice aperto difendono ora leggi più severe, tra cui una contro gli agenti conversazionali. Fonte: https://publicfirstaction.us/news/pro-safeguards-candidates-win-in-both-parts-as-voters-reject-big-techs-bid-to-buy-congress

Aziende senza un ufficio reale hanno ottenuto il permesso di comprare chip H200 in Cina

The New York Times ha visitato gli indirizzi di diverse aziende cinesi autorizzate da Washington a comprare o assemblare i chip Nvidia H200. In entrambi i casi visitati, i locali erano vuoti. Una è collegata a un fondo d'investimento americano sanzionato; l'altra condivide personale e brevetti con Inspur, che gli Stati Uniti hanno inserito nell'elenco delle entità legate all'esercito cinese. L'inchiesta non dice che i chip siano arrivati: dice che il controllo si basa su moduli, mai su una verifica dei luoghi. Fonte: https://www.nytimes.com/2026/11/07/business/economy/nvidia-chips-chinese-firms.html

Perplexity lancia agenti che continuano a lavorare mentre dormi

Perplexity lancia agenti permanenti: gli dai un obiettivo, lavorano di continuo, si passano il lavoro a vicenda e ti avvisano quando serve una decisione. Ognuno gira sulla propria macchina virtuale, con schermo e browser propri, e resta raggiungibile da Slack o dall'app. Il servizio è riservato agli abbonati del piano Max, a 200 dollari al mese, ed è gratuito durante un periodo promozionale prima del passaggio alla fatturazione a consumo. L'editore aveva già uno strumento per i compiti singoli; questo punta ai progetti che durano giorni. Fonte: https://www.perplexity.ai/hub/blog/teammates-are-agents-for-complex-ongoing-work

📊 Tendenza

Stamattina due cifre si fronteggiano. Da un lato, l'80 % di tutto il testo che passa dalla principale piattaforma dei modelli arriva dagli agenti, e la spesa aziendale per l'IA si è moltiplicata per 5,4 in un anno: gli agenti sono diventati il primo uso reale dell'IA. Dall'altro, Google misura che un vecchio commento dimenticato nel codice può costare a un agente il 77 % di testo in più quando va a cercare un bug già corretto. In mezzo c'è una decisione giuridica: la licenza di un modello che sta in un gigabyte vieta l'uso commerciale oltre i 10 milioni di dollari di fatturato. I punteggi contano sempre meno; licenze, perimetro e misurazione dei nostri stessi agenti contano sempre più. Il nostro budget dovrebbe seguire il volume davvero consumato, non il numero di chiamate. E la domanda del mese non è più quale modello sia il migliore, ma fin dove lasciamo agire da soli i nostri agenti. Il 12 novembre la politica d'uso di Anthropic rende applicabili le regole sugli agenti collegati a hardware fisico. È un calendario, non una minaccia.