📖 AI-Radar · 2026-W37

Rustls 0.23.44 attiva i certificati post-quantum ML-DSA di default

La versione 0.23.44 di Rustls abilita di default i certificati ML-DSA, portando l'autenticazione post-quantum da opzione a impostazione standard. Per chi gestisce endpoint TLS self-hosted davanti a servizi LLM, il cambiamento riduce la necessità di configurazioni manuali, ma sposta la pressione su tooling per CA private, HSM e client legacy. Un segnale strutturale: la migrazione post-quantum entra nel ciclo di vita ordinario delle librerie.

07 Sep #LLM On-Premise #DevOps

Astra e LLM open source: il divario vero è nell’orchestrazione

Un post su Reddit chiede quando i LLM open source raggiungeranno Astra. Il segnale non riguarda i pesi del modello, ma l'infrastruttura: pipeline multimodale, runtime di inference, memoria e orchestrazione. Per chi valuta stack on-premise, il divario si traduce in trade-off tra controllo, latenza e TCO. L'open source può competere su compiti specifici, ma l'esperienza integrata richiede investimenti coordinati. AI-Radar analizza le implicazioni per deployment locali e sovranità dei dati.

07 Sep

Un benchmark su 25 pasti mostra che per le calorie non vince il modello più grande

Un test su 25 pasti tratti da Nutrition5k mette a confronto sette LLM multimodali nella stima calorica, con soglia di errore al 20%. Muse Spark 1.3, con pesi aperti, raggiunge il 48%, mentre Qwen 3.8 27B si ferma al 16%. La classifica non segue la taglia dei modelli: un segnale utile per chi valuta hardware consumer e deployment ibrido.

07 Sep #Hardware #LLM On-Premise #Fine-Tuning

Open source LLM e Astra: il divario che la community osserva

Una domanda comparsa su Reddit riapre il confronto tra assistenti proprietari multimodali e LLM open source. Senza benchmark, resta la percezione di un ritmo AI difficile da seguire. Per chi valuta stack locali, il nodo non è solo il modello, ma integrazione, latenza e infrastruttura on-premise.

07 Sep #Hardware #LLM On-Premise #DevOps