Google ha annunciato alla sua conferenza I/O un cambiamento radicale per la ricerca, sostituendo la tradizionale barra con un agente AI. Questa mossa segna la fine di un'era durata 25 anni, promettendo di ridefinire l'interazione degli utenti con il web e l'accesso alle informazioni. L'introduzione di un agente intelligente mira a trasformare l'esperienza di ricerca.
Hugging Face ha presentato Carbon, una famiglia di modelli fondazionali aperti per l'analisi del DNA. Il modello Carbon-3B eguaglia le prestazioni dello stato dell'arte (Evo2-7B) ma è 275 volte più veloce. Questa efficienza è stata raggiunta adattando le tecniche dei Large Language Models (LLM) alle peculiarità del genoma, con innovazioni nel tokenizer, nella funzione di perdita e nella curatela dei dati. L'iniziativa apre nuove prospettive per la ricerca genomica e il deployment on-premise.
Google DeepMind ha annunciato l'integrazione del suo modello generativo Project Genie con vent'anni di dati di Street View. Questa combinazione permette di esplorare simulazioni di luoghi reali generate dall'intelligenza artificiale, offrendo una dimostrazione concreta delle capacità dei modelli mondiali quando alimentati da vasti dataset del mondo fisico.
Google ha annunciato a I/O 2026 una svolta per il suo motore di ricerca. Abbandonando il modello tradizionale basato su link, l'azienda introduce gli "information agents", strumenti basati sull'intelligenza artificiale che operano in modo persistente e in background. Questa innovazione mira a trasformare l'interazione degli utenti con le informazioni, anticipando un futuro in cui la ricerca è proattiva e continua, piuttosto che reattiva e su richiesta.
Google ha presentato al suo evento I/O 2026 importanti aggiornamenti per i suoi modelli Gemini, una revisione profonda del motore di ricerca e l'integrazione pervasiva di agenti basati sull'intelligenza artificiale in diverse soluzioni. Tra le novità, l'azienda ha anche annunciato l'arrivo di nuovi occhiali intelligenti, previsti per il prossimo autunno, che promettono di estendere ulteriormente le capacità dell'AI nell'interazione quotidiana.
Google rilancia la sua visione per gli occhiali smart, collaborando con Warby Parker, Gentle Monster e Samsung. I nuovi "audio glasses" integrano l'intelligenza artificiale, sfruttando la potenza di Gemini 2.5 Pro. L'annuncio a Google I/O 2026 segna un passo verso dispositivi indossabili più intelligenti e connessi, con implicazioni per l'elaborazione AI on-device e la sovranità dei dati.
Google ha annunciato il rilascio di Gemini 3.5 Flash, l'ultima iterazione della sua famiglia di Large Language Models. Il gigante tecnicico afferma che il nuovo modello combina un'intelligenza di alto livello con un'efficienza tale da rendere economicamente e tecnicamente sostenibili compiti "agentic" complessi su larga scala. Questa evoluzione mira a integrare capacità avanzate di AI generativa in un'ampia gamma di prodotti Google, segnando un passo significativo verso l'ottimizzazione delle risorse per carichi di lavoro AI intensivi.
Google ha introdotto una nuova funzionalità di ricerca vocale conversazionale per Gmail, integrando il suo LLM Gemini. Questa innovazione permette agli utenti di interagire vocalmente con la propria casella di posta elettronica, chiedendo a Gemini di recuperare dettagli specifici o informazioni nascoste all'interno delle email, migliorando l'accessibilità e l'efficienza nella gestione della comunicazione.
Google ha presentato Gemini 3.5, l'ultima iterazione della sua famiglia di Large Language Models, durante l'evento Google I/O. Questi nuovi modelli promettono di integrare capacità di intelligenza avanzata con funzionalità di azione, un aspetto cruciale per le applicazioni aziendali. L'annuncio solleva interrogativi sulle strategie di deployment, in particolare per le organizzazioni che valutano soluzioni self-hosted per sovranità dei dati e controllo sui costi operativi.
Google ha annunciato al suo evento I/O 2026 l'avvento di una nuova "era agentica" guidata da Gemini. Questa visione mira a potenziare gli utenti, consentendo loro di svolgere più attività attraverso sistemi basati su intelligenza artificiale capaci di pianificare ed eseguire compiti complessi in modo autonomo. L'evoluzione degli LLM agentici solleva importanti considerazioni per le strategie di deployment, sia cloud che on-premise.
A un anno dal suo debutto negli Stati Uniti, AI Mode ha segnato un cambiamento significativo nel modo in cui gli utenti interagiscono con i motori di ricerca. La transizione da query basate su parole chiave a interrogazioni in linguaggio naturale evidenzia l'evoluzione delle aspettative degli utenti e le capacità avanzate dei Large Language Models (LLM) sottostanti. Questo trend solleva questioni cruciali per le aziende riguardo al deployment e alla gestione dell'AI.
Google sta ridefinendo il futuro della ricerca con una visione che integra agenti AI autonomi, personalizzazione estrema e automazione. Questa trasformazione mira a fornire risultati "vibe-coded" e "super widget", riducendo la necessità di interazione diretta dell'utente. Il modello "agentic" solleva interrogativi sulle implicazioni per la sovranità dei dati e le esigenze infrastrutturali per le aziende che considerano implementazioni AI simili.
Google ha aggiornato la sua applicazione Gemini, segnando un'evoluzione significativa. L'obiettivo è trasformare Gemini da un semplice chatbot autonomo in un hub AI multifunzione, capace di gestire una gamma più ampia di compiti. Questa mossa strategica posiziona Gemini in diretta competizione con piattaforme consolidate come ChatGPT e Claude, evidenziando l'intenzione di Google di consolidare la propria offerta nel panorama dell'intelligenza artificiale generativa.
Google ha presentato Gemini 3.5 Flash, un modello AI avanzato progettato per compiti di codifica e funzionalità "agentiche". La nuova versione si distingue per la capacità di eseguire autonomamente operazioni complesse e di sviluppare software da zero, segnando un'evoluzione verso sistemi AI più indipendenti e proattivi rispetto ai tradizionali chatbot.
Google DeepMind ha integrato i dati di Street View nel suo modello mondiale Project Genie, creando simulazioni interattive e immersive di ambienti reali. Questa evoluzione apre nuove possibilità per la robotica, il gaming e il turismo virtuale, consentendo agli utenti di esplorare scenari dettagliati, cambiamenti climatici simulati e situazioni rare in contesti virtuali fedeli alla realtà. L'innovazione sottolinea la crescente capacità dell'IA di replicare e comprendere il mondo fisico.
Andrej Karpathy, co-fondatore di OpenAI ed ex responsabile AI di Tesla, entra nel team di pre-training di Anthropic. Questa mossa sottolinea l'importanza strategica della fase di addestramento iniziale per i Large Language Models, un processo che richiede risorse computazionali immense e solleva questioni cruciali per le strategie di deployment on-premise e la sovranità dei dati.
ByteDance ha presentato Lance, un modello multimodale unificato e leggero, progettato per la comprensione, generazione ed editing di immagini e video. Con soli 3 miliardi di parametri attivi, Lance promette prestazioni robuste, rendendolo un'opzione interessante per scenari di deployment on-premise che richiedono efficienza e controllo sui dati. Il modello è stato addestrato da zero utilizzando 128 GPU A100.
La community di sviluppatori attende con interesse i prossimi rilasci della famiglia di Large Language Models Qwen, con versioni da 27 miliardi e 122 miliardi di parametri. Questi nuovi modelli promettono di offrire opzioni significative per chi valuta l'implementazione di LLM su infrastrutture self-hosted, bilanciando requisiti hardware e capacità prestazionali per scenari che privilegiano la sovranità dei dati e il controllo locale.
Uno studio approfondito su 15 Large Language Models e oltre mille competenze rivela due leggi fondamentali che governano la performance dei sistemi agente. La ricerca evidenzia come l'accuratezza del routing decada logaritmicamente con la dimensione della libreria di competenze, mentre un'esecuzione corretta può quadruplicare l'efficacia delle decisioni successive. L'applicazione di queste leggi ha portato a miglioramenti significativi nell'accuratezza e nella riduzione degli errori, sottolineando l'importanza della gestione delle competenze per l'efficienza degli agenti LLM.
Il progetto ANNEAL introduce un approccio neuro-simbolico per migliorare l'affidabilità degli agenti basati su LLM. A differenza dei metodi esistenti che modificano prompt o pesi del modello, ANNEAL ripara direttamente le strutture simboliche della conoscenza di processo. Utilizzando un meccanismo chiamato FDKA, identifica e corregge gli errori ricorrenti tramite patch governate, garantendo tracciabilità e rollback. I test dimostrano la sua capacità di eliminare completamente i fallimenti persistenti, offrendo una soluzione complementare per il deployment sicuro di agenti AI.