Briefing quotidiano
10 novembre 2026 · 5 storie
🔥 In primo piano
1Anthropic lancia due modelli più veloci, uno riservato alle organizzazioni verificate
Anthropic ha messo in servizio ieri due versioni del suo modello di IA. Rispondono fino al 30 per cento più veloce della versione precedente e costano meno: 8 dollari per milione di parole lette e 40 per milione di parole scritte. Una delle due, Fable, è aperta a tutti. L'altra, Mythos, è lo stesso modello dietro una porta chiusa, riservata alle organizzazioni verificate che lavorano in cybersicurezza o biologia. L'editore descrive una divisione che molti team già improvvisano: il modello più forte decide e quello più debole esegue in volume, come un capocantiere che decide e una squadra che applica il piano. Su un compito ripetitivo di un agente la bolletta scende. Esiste una modalità fino a due volte e mezzo più veloce, ma costa il doppio. Fonte : https://www.anthropic.com/claude-fable-and-mythos-5-2
2Meta lancia un modello minuscolo per il lavoro ripetitivo degli agenti
Meta ha pubblicato ieri Muse Ember, il modello più piccolo del suo laboratorio, e il suo compito è preciso: eseguire. Non vuole ragionare, ma ripetere: chiamare strumenti, scrivere piccoli pezzi di codice, ordinare, estrarre, leggere documenti lunghi. Costa 0,10 dollari per milione di parole lette, una frazione di centesimo per pagina. L'idea è quella di una squadra: il modello pesante fissa le regole e quello leggero le applica a decine di migliaia di casi. Meta dice che batte in prova sugli agenti due concorrenti più economici di lui. Legge testo, immagini, audio e video. Fonte : https://research.meta.ai/blog/muse-ember
3Baidu mette gli agenti a fare ricerca, con un controllo fuori dalla loro portata
Baidu ha presentato ERNIE Evolve, un sistema che conduce una ricerca in intelligenza artificiale senza intervento umano. Sceglie una direzione, modifica il codice, lancia esperimenti e tiene solo ciò che supera un controllo indipendente, ospitato fuori dal repository modificato, dove gli agenti non possono arrivare. È la serratura più importante: un sistema che valuta il proprio lavoro non dimostrerebbe nulla. Applicato a un modello ancora in sviluppo, avrebbe guadagnato il 33,7 per cento di portata su processori grafici in tre giorni, secondo Baidu, senza verifica indipendente. Sui chip propri del gruppo la generazione di testo sarebbe più di sei volte più veloce. Fonte : https://ernie.baidu.com/research/posts/ernie-evolve/
4Anthropic pubblica i conti: 33,2 miliardi di ricavi e 104 miliardi di perdita
I conti di Anthropic per i primi nove mesi del 2026 sono stati letti nel documento depositato presso la Securities and Exchange Commission. I ricavi raggiungono i 33,2 miliardi di dollari, contro i 2,5 miliardi un anno prima: sono stati moltiplicati per tredici. La perdita netta raggiunge i 104 miliardi. L'azienda dichiara di avere 146,6 miliardi di liquidità e di dover onorare 69,8 miliardi di impegni entro dodici mesi. Un dettaglio cambia la lettura: sul deficit accumulato di 156,2 miliardi, 135,1 derivano dalla rivalutazione delle obbligazioni convertibili e non da una fuoriuscita di cassa. Fonte : https://www.sec.gov/Archives/edgar/data/2130357/000162828026068676/anthropicpbc-sx1ax1.htm
5L'Australia vuole un regolatore per l'IA dopo l'incidente di un agente OpenAI
Il governo australiano annuncia oggi regole obbligatorie per le aziende di IA di frontiera che vogliono operare nel Paese. Verrà creato un regolatore dedicato, con il potere di comminare ammende pesanti. Le aziende dovranno consentire la valutazione indipendente dei loro modelli e segnalare rapidamente ogni incidente. L'annuncio segue l'inchiesta aperta dopo che un agente di OpenAI ha avuto accesso a file di un vecchio portale di dati sanitari. Si tratta di una proposta, non di una legge in vigore, e gli importi delle ammende non sono indicati. Fonte : https://www.pm.gov.au/media/new-australian-ai-safety-and-security-protections
📡 Da tenere d'occhio
Gli agenti che scrivono codice copiano i difetti del codice accanto
Un team della Scuola federale politecnica di Zurigo ha misurato cosa accade quando un agente scrive codice in mezzo a un repository già difettoso: copia gli errori dei suoi vicini. Nei progetti in C e C++ lo scarto tra un contesto sano e uno difettoso raggiunge il 35,4 per cento. Eppure gli agenti riconoscono la vulnerabilità che hanno appena introdotto nel 69,9 per cento dei casi. E chiedere a un agente di rispettare lo stile del repository peggiora il fenomeno. Fonte : https://arxiv.org/abs/2611.11455v1
Un server Git pensato per centinaia di agenti che scrivono insieme
Reason Machines ha rilasciato Aspen in codice aperto, un server Git per repository dove centinaia di agenti fanno commit nello stesso momento. Regge 567 commit al secondo per cinque minuti su un server a otto core, contro i 120 del riferimento Cursor. L'editore dice che un agente ha scritto il progetto in quattro giorni. Il progetto è ancora in fase pre-alpha e non mantiene ancora la promessa di durare ventiquattro ore. Fonte : https://reasonmachines.com/blog/aspen
Moonshot avrebbe affittato in Europa cluster di chip vietati in Cina
Il laboratorio cinese Moonshot AI, editore della famiglia Kimi, avrebbe discusso con operatori europei il noleggio di capacità di calcolo Nvidia Blackwell, secondo quattro fonti citate da CNBC. Un progetto avrebbe riguardato 8.000 o più acceleratori ospitati in Europa. La legge americana vieta l'esportazione di questi chip verso la Cina, ma non copre esplicitamente l'accesso da remoto. Una proposta avrebbe fatto pagare a Moonshot il 30 o 50 per cento in più di un cliente non cinese. Sono trattative, non un accordo firmato. Fonte : https://www.cnbc.com/2026/11/05/moonshot-ai-nvidia-chips-europe-china.html
Le regole di Anthropic per agenti collegati a macchine diventano obbligatorie
Il 12 novembre 2026 diventano esigibili i requisiti di Anthropic sugli agenti collegati a macchine che producono azioni fisiche autonome. Sono la controparte della politica d'uso pubblicata all'inizio di novembre, che traccia le regole per agenti che agiscono nel mondo fisico e non solo su uno schermo. Da seguire per i team che collegano i propri agenti a macchine. Fonte : https://www.anthropic.com/news/2026-usage-policy-update
📊 Tendenza
Oggi due aziende fanno la stessa cosa per vie opposte. Anthropic ingrandisce il suo modello più potente e lo riserva a chi è stato verificato; Meta ne riduce uno fino a una frazione di centesimo per pagina e lo riserva al lavoro ripetitivo. In mezzo, Baidu mostra che il passo successivo di un agente non è agire, ma farsi controllare da qualcosa che non può influenzare. Non si decide più quale modello è il più forte, ma quale posto occupa ciascuno: quello che decide, quello che esegue e quello che verifica.