Notizie, ricerca e prodotti legati all intelligenza artificiale e ai modelli AI
A WWDC 2026 Apple ha svelato che la nuova Siri AI sarà un’interfaccia sistemica per app, dati e azioni lavorative. Per gli sviluppatori enterprise significa dover ripensare come le loro app vengono scoperte e usate su iPhone, Mac e Vision Pro.
L’adozione degli AI agent crescerà del 300% in due anni. Il 75% dei ruoli dovrà essere ridisegnato entro il 2030, e le competenze richieste cambiano radicalmente.
Deepfake, chatbot pericolosi, protesta popolare e scienza: ecco cosa sta realmente succedendo con l’AI, tra promesse e incubi concreti.
Guida pratica a NVIDIA cuTile Python con tre kernel tiled: addizione vettoriale, addizione matriciale e moltiplicazione matriciale, con fallback PyTorch per ambienti senza driver R580+.
Secondo un’indagine VentureBeat di maggio 2026, il 77% dei team enterprise spende risorse ingegneristiche significative per gestire l’infrastruttura degli agenti AI, non la loro intelligenza. Il vero punto di rottura è il runtime, non il modello.
Un team di ricercatori UIUC, UC Berkeley e Chroma ha rilasciato Harness-1, modello open source che raggiunge il 73% di accuratezza nei recuperi informativi, superando GPT-5.4 (70,9%) e altri sistemi chiusi di dimensioni ben maggiori.
Secondo un nuovo studio congiunto di Harvard e Perplexity, gli agenti AI lavorano in autonomia per 26 minuti a sessione, contro i 33 secondi del motore di ricerca tradizionale. Il risultato: un risparmio di tempo dell’87% e di costi del 94%.
Il CEO di Microsoft AI, Mustafa Suleyman, spiega perché Microsoft ha deciso di costruire modelli propri, cosa significa «superintelligence» per lui e perché non dobbiamo temere per i nostri posti di lavoro.
Google Research ha integrato un framework Agentic RAG nella piattaforma Gemini Enterprise Agent. La novità è il Sufficient Context Agent, che verifica la completezza del contesto prima di generare una risposta, aumentando l’accuratezza fino al 34% rispetto alla RAG tradizionale.
Microsoft ha rilasciato MAI-Transcribe-1.5, la seconda generazione del suo modello ASR. Supporta 43 lingue con un tasso d’errore del 2.4% sul benchmark Artificial Analysis e può trascrivere un’ora di audio in meno di 15 secondi.
Scrivere codice non è mai stato il collo di bottiglia nello sviluppo software. L’AI generativa lo sta dimostrando, accelerando i problemi strutturali che le aziende hanno sempre ignorato.
Un sistema che traduceva domande in API call ha iniziato a fallire dopo l’aggiornamento a Claude Sonnet 4.5. Il problema non era nel modello, ma nelle assunzioni su come avrebbe continuato a comportarsi.