Briefing quotidiano
18 novembre 2026 · 5 storie
🔥 In primo piano
1Tencent apre i pesi di Hy4 flash: la licenza ci lascia lavorare
I pesi del modello Hy4 flash di Tencent sono finalmente disponibili: il repository contiene 148 file di pesi e si possono scaricare. La parte interessante non è tecnica, è il contratto. La licenza letta dentro il repository non è la solita licenza libera: aggiunge due soglie. Oltre 50 milioni di dollari di fatturato mondiale, oppure oltre 100 milioni di utenti attivi mensili, serve un'autorizzazione scritta dell'editore. Sotto la soglia l'uso è libero, e la Norvegia non compare in nessuna clausola di esclusione, a differenza di diversi modelli cinesi recenti. Il modello conta 220 miliardi di parametri in totale, di cui 11,3 miliardi lavorano su ogni parola. In parole semplici: è un noleggio con due fasce di prezzo, e chi resta sotto la soglia paga la tariffa normale. Source : https://huggingface.co/tencent/Hy4-flash
2OpenAI abbassa il prezzo del testo già letto, e il lavoro di squadra diventa nativo
OpenAI ha aggiornato i suoi due modelli, Astra per i compiti difficili e Sol per il quotidiano. Il numero che cambia la bolletta delle sessioni lunghe: il testo già letto costa ora 0,40 dollari invece di 1, cioè il 60 % in meno. È esattamente ciò che si paga quando un agente rilegge di continuo lo stesso file. L'altra novità è più discreta: l'interfaccia ufficiale può ora affidare parti del lavoro ad agenti ausiliari, senza trucchi fatti in casa. Il modello più potente scende a 8 dollari per milione di parole lette, prima erano 10. Per un servizio che vende un risultato finito e non token, è quella la riga che conta. Source : https://platform.openai.com/docs/models/gpt-6.2-astra
3Anthropic lascia che sia la vostra app a fatturare al cliente finale
Per la prima volta un'applicazione può addebitare l'uso di Claude direttamente sul conto del proprio cliente. Il cliente collega il suo account, l'applicazione sceglie a ogni chiamata chi paga e il cliente fissa un tetto mensile. Se l'addebito fallisce, la richiesta viene rifiutata invece di essere fatturata allo sviluppatore. Due limiti da conoscere: ne beneficiano solo i clienti che pagano Anthropic direttamente, e le garanzie di riservatezza del cliente non valgono più per quelle richieste. L'immagine è semplice: è lo scontrino del fornitore di accesso, ma appartiene al cliente. Source : https://docs.anthropic.com/en/release-notes/api
4Uno studio mette un prezzo alla divisione del lavoro: meno conflitti notati
Quando si divide una ricerca fra più agenti, questi riportano più affermazioni in contraddizione: 50,2 % contro 68,7 %. Però ne individuano meno: 16,2 % contro 13,2 %. Il risultato sembra paradossale e non lo è: la scoperta è migliore quando un solo agente ha visto entrambe le affermazioni, e peggiore quando sono distribuite. A contare, insomma, non è il numero di agenti, ma la separazione dell'informazione. Gli autori concludono che il passaggio di informazione dal lavoratore al responsabile è il bersaglio prioritario. Per noi la regola è semplice: far mettere a confronto le due versioni una accanto all'altra da chi le ha viste entrambe. Source : https://arxiv.org/abs/2611.22245
5Model ML raccoglie 250 milioni di dollari con agenti al 2 % del prezzo
La società londinese Model ML raccoglie 250 milioni di dollari, per una valutazione di 1,5 miliardi. Automatizza il lavoro ripetitivo dei banchieri d'investimento: modelli finanziari, presentazioni, relazioni. Il suo argomento economico è un numero: i suoi agenti girano su modelli aperti e operano, secondo l'azienda, a circa il 2 % del costo dei modelli di punta, senza misurazione indipendente. Il resto è una questione di modello di business: l'agente non vende token, vende lavoro finito. È la differenza tra fatturare il consumo e fatturare un risultato. Source : https://techcrunch.com/2026/11/17/model-ml-raises-250m-to-automate-investment-banking-grunt-work/
📡 Da tenere d'occhio
Microsoft prepara il contesto dell'azienda per ogni agente
Microsoft presenta IQ, uno strato che raccoglie il lavoro delle persone, i dati dell'azienda, i documenti di riferimento e il web, con oltre 350 connettori di terze parti. Il punto interessante: un modulo aziendale preparato in Microsoft può essere riutilizzato da altri assistenti, compresi quelli di OpenAI e Anthropic. Prepara il contesto una volta, usalo ovunque. Source : https://azure.microsoft.com/en-us/blog/introducing-the-new-microsoft-iq-putting-your-organizations-intelligence-to-work-in-every-agent/
NVIDIA smette di vendere chip alla Cina e sorveglia le sue esportazioni
Due annunci lo stesso giorno. La direzione ha detto in conferenza che l'azienda non spedisce più chip per data center in Cina, anche se Washington lo autorizzava: nel trimestre precedente erano stati venduti 2,4 miliardi di dollari e per il successivo ne sono previsti zero. In parallelo, il consiglio crea un comitato permanente per la sicurezza nazionale e il controllo delle esportazioni, che si riunisce almeno una volta a trimestre. Source : https://nvidianews.nvidia.com/news/nvidia-board-of-directors-establishes-national-security-and-export-control-oversight-committee
Liquid AI misura l'errore di confidenza a 0,8 punti di precisione
Questi modelli non scrivono testo: restituiscono una probabilità per ogni risposta possibile e ora accettano anche l'audio. L'errore di calibrazione è di 0,8 punti su tredici banchi di prova, contro 3,7 per l'equivalente di Perplexity e 7,2 per un modello di punta. Se il modello dice 80 %, ha ragione l'80 % delle volte, quindi si può fissare una soglia oltre la quale interviene una persona. Source : https://www.liquid.ai/blog/d1-2
Datadog collega i test in produzione alla fattura degli agenti
Si può distribuire il traffico a caso fra due versioni di un agente e misurare ciò che cambia davvero: il costo, la rapidità, gli errori. L'esempio pubblicato: cambiare modello ha ridotto il costo stimato del 44,3 % senza perdita di qualità, e le chiamate agli strumenti fallite sono servite a correggere l'agente prima della messa in opera. Source : https://www.infoq.com/news/2026/11/datadog-ai-agent-observability/
📊 Tendenza
Le notizie di oggi raccontano una cosa sola: gli agenti escono dal laboratorio ed entrano nelle organizzazioni, con conseguenze misurabili. Un editore cinese pubblica i pesi del suo modello con una licenza che permette alle piccole aziende di usarlo. Un altro abbassa il prezzo del testo già letto, perché è lì che si nasconde la fattura di una sessione lunga. Un terzo lascia che sia l'applicazione a fatturare al cliente finale, il che cambia il modo di vendere un agente. E uno studio mette un numero su ciò che già sospettavamo senza misurare: dividere il lavoro fra più agenti porta più contraddizioni e ne individua meno. In pratica, per voi: i vostri agenti costano meno a farli funzionare, ma chiedono attenzione al modo in cui le informazioni vengono condivise fra loro.