Il nuovo metodo CARPRT assegna pesi diversi ai prompt a seconda della classe, correggendo la debolezza dei modelli visione-linguaggio che usano lo stesso vettore per tutte le categorie. Senza addestramento e usando solo inference black-box, migliora le prestazioni su benchmark standard e apre scenari concreti per chi deve classificare immagini in ambienti on-premise con dati sensibili.
La proliferazione di tecniche di Explainable AI non ha prodotto impatti reali: le spiegazioni vengono generate e subito scartate. Un nuovo position paper punta il dito contro la mancanza di fondamenti — e per i sistemi LLM self-hosted, dove la sovranità dei dati impone audit trasparenti, il vuoto diventa un freno strutturale all’adozione.
Il modello gratuito Kimi K3 di Moonshot raggiunge performance paragonabili a Opus di Anthropic, accelerando la convergenza tra AI aperta e servizi a pagamento. Per le aziende che valutano deployment on-premise, si profila la possibilità di ottenere qualità comparabile ai modelli proprietari con pieno controllo su dati, latenza e TCO.
Un team ha realizzato Frame, un'implementazione del protocollo X11 scritta completamente in assembly x86_64 e generata in gran parte da un LLM. Il progetto segnala un salto di qualità dell'AI nella programmazione di sistema e apre scenari per la generazione di software infrastrutturale critico in ambienti on-premise e ad alta sovranità dati.
Il nuovo modello Kimi K3 irrompe su arena.ai superando GPT-5.6 e Claude Fable, etichettati come 'troppo pericolosi'. Ma quanto contano questi benchmark per chi valuta deployment on-premise? Serve un approccio diverso: test su dati reali e hardware locale, lontano dall'hype delle leaderboard.
La prossima versione di Gemini Pro è in ritardo di mesi: fonti interne rivelano capacità di programmazione inferiori alle attese. L’incidente segna un punto di svolta per lo sviluppo dei LLM, dove l’aumento dei parametri non basta più e la qualità del codice diventa il vero banco di prova.
Il modello cinese Moonshot AI scala la classifica indipendente e sorpassa Anthropic. Meno clamore mainstream, più concretezza per chi guarda a LLM self-hosted ad alte prestazioni e costi contenuti.
La funzione "Build" di Roblox trasforma un testo in un'esperienza interattiva di base. L'accessibilità è rivoluzionaria, ma la dipendenza da un cloud chiuso solleva domande profonde sul controllo creativo e sulla portabilità dei dati per sviluppatori e aziende.
OpenLLM-France rilascia Luciole-23B-Instruct-1.1, un modello causale multilingue con licenza Apache 2.0 disponibile anche nei tagli da 8B e 1B. Addestrato sul supercomputer Jean Zay in tre fasi, copre matematica, codice, RAG e traduzione. La novità non è solo tecnica: segnala che i consorzi pubblici europei possono produrre LLM competitivi pensati per il self-hosted e la sovranità dei dati.
Il nuovo modello Kimi K3 mostra capacità creative promettenti nella generazione di video, ma la lentezza del servizio cloud riaccende il dibattito sul self-hosting. La richiesta di rilasciare i file del modello non è solo una questione di performance: è un campanello d’allarme per la sovranità dei dati e il controllo delle pipeline creative.
Google integra avatar AI personalizzati in Vids grazie a Gemini Omni. Gli utenti possono creare video interpretati da una versione digitale di sé, usando prompt e immagini. La novità alza il livello per il settore, ma rafforza la dipendenza dal cloud e solleva questioni stringenti sulla privacy e sulla sovranità dei dati, soprattutto per le aziende che operano in settori regolamentati o che valutano architetture on-premise.
OpenAI sta introducendo protezioni specifiche per l’età, strumenti di apprendimento e controlli parentali in ChatGPT per rendere l’AI accessibile in sicurezza agli adolescenti. L’analisi di AI-RADAR esamina le implicazioni profonde di questa scelta: non solo un adeguamento normativo, ma un segnale strutturale su come i grandi modelli potranno abitare ambienti regolamentati, con potenziali riflessi sull’adozione on-premise in contesti educativi dove la sovranità dei dati diventa dirimente.
Con l’AI Mode estesa alle attività cross-app, Google varca la soglia dell’AI agentica. Ma l’integrazione con servizi cloud solleva subito il nodo della sovranità dei dati, spartiacque per chiunque operi con informazioni sensibili. Gli stack self-hosted ora hanno un nuovo, concreto benchmark da osservare.
La beta limitata di dd-cli consente a sviluppatori e agenti AI di ordinare dal terminale. Non un vezzo da smanettoni, ma un segnale di come il software venga ridisegnato per interfacce macchina. Per chi gestisce LLM on-premise, è una spinta a costruire agenti che decidono in locale, accedendo ai servizi senza delegare il controllo al cloud.
Mentre il settore rincorre l’AGI, Alexandre LeBrun di AMI Labs rifiuta etichette altisonanti. Una scelta che rivela una strategia focalizzata su modelli compatti, verificabili e adatti a deployment concreti.
Moonshot si prepara a rilasciare Kimi K3, il più grande LLM open cinese con un numero di parametri stimato tra 2000 e 3000 miliardi. L’obiettivo: colmare il divario con Anthropic Opus 4.8. Ma le dimensioni colossali del modello pongono interrogativi radicali per chi punta su deployment on-premise: quantization spinta, costi VRAM e reale fattibilità di un inference autonoma senza cedere dati al cloud.
Il rilascio di Kimi K3, un Large Language Model da 2.8 trilioni di parametri con una finestra di contesto di 1 milione di token, segna un'evoluzione significativa. Le sue avanzate capacità in coding, ragionamento a lungo termine e gestione di agenti pongono nuove sfide e opportunità per le strategie di deployment on-premise, spingendo le aziende a riconsiderare l'infrastruttura hardware e il Total Cost of Ownership (TCO) per mantenere controllo e sovranità sui dati.
Dopo 18 mesi di sviluppo infrastrutturale condotto lontano dai riflettori, Thinking Machines ha presentato Inkling, un LLM aperto che segna la sua prima uscita pubblica. Un posizionamento netto contro i modelli 'one-size-fits-all', che suggerisce una scommessa sull'AI specializzata e, implicitamente, su deployment flessibili e controllo locale dei dati. Una mossa che arricchisce l'ecosistema degli strumenti self-hosted, con potenziali ricadute per chi cerca alternative ai cloud centralizzati.
L'aggiornamento dei chat template di Gemma 4 introduce correzioni decisive per l'uso degli strumenti e riduce la cosiddetta "pigrizia". In più, arriva il supporto a Flash Attention 4 sulle GPU Hopper, un'accelerazione che restringe il divario tra modelli aperti e carichi di lavoro agentici on premise.
Thinking Machines ha rilasciato Inkling, il suo primo modello a pesi aperti. Un movimento che si inserisce nella tendenza dei LLM distribuiti con licenze permissive, pensati per aziende che vogliono eseguire l’inference su infrastruttura propria. Analizziamo cosa implica per sovranità dei dati, TCO e il futuro del deployment locale.