I piccoli modelli locali superano la generazione testuale: scoprono strumenti, catturano screenshot, usano applicazioni desktop e pianificano lavoro multi-step.
Un resoconto Reddit mostra il ragionamento di Qwen3.8-27B: si definisce un LLM testuale, decide comunque di chiamare un tool di screenshot, salva l'immagine e la analizza, arrivando a commentarla. L'episodio va oltre l'aneddoto: segnala che nei deplo...
ByteDance pubblica Axion 1.0, LLM agenziale da 35B con ricetta di addestramento completa: due fasi di fine-tuning supervisionato e reinforcement learning, senza mid-training, DPO o OPD. Oltre ai pesi, rilascia dati, pipeline, prompt e codice. L'apert...
Un modello locale da 27 miliardi di parametri ha rilevato, via MCP, la presenza di Blender e ha scritto codice Python per accelerare un calcolo, senza richiesta esplicita. L’episodio sposta l'attenzione da VRAM e throughput alla governance degli stru...
Un utente racconta che un modello Qwen 3.8 27B in esecuzione locale ha individuato l'accesso a Blender tramite MCP e ha scritto codice Python per velocizzare i calcoli matematici. L'episodio mostra un'autonomia inattesa nei modelli self-hosted, solle...
DeepSeek ha pubblicato un articolo sul design dei super-agent e un prototipo su GitHub, dsh-superagent-prototype. Non è un prodotto ufficiale, ma una validazione tecnica. Per chi valuta stack on-premise, segnala la direzione verso agenti più autonomi...
Microsoft dimostra che un modello vision-linguaggio da 4 miliardi di parametri può raggiungere il 66% su OSWorld-Verified, usando il 13% in meno di chiamate e il 25,4% in meno di token dopo RL online. Merito di una pipeline di addestramento in cinque...
