> ## Content Index > Fetch the complete content index at: https://www.alessiopomaro.it/llms.txt > Use this file to discover other available public pages before exploring further. # Generative AI: novità e riflessioni - #5 / 2025 - URL: https://www.alessiopomaro.it/generative-ai-novita-e-riflessioni-5-2025/ - Published: 2025-06-12T05:31:53.000Z - Updated: 2025-06-12T05:31:52.000Z - Description: Da AlphaEvolve e Codex a Jules, Gemma 3n e Claude 4. Nuovi agenti AI, risorse gratuite, guide pratiche su prompting e codice agentico, test su R1-0528, Agent Mode e Gemini Speech. Google I/O e Microsoft Build ridisegnano AI e software. Mistral, Meta, Anthropic e Qwen spingono sull’open source. - Author: Alessio Pomaro - Tags: AI, Novità e Riflessioni > **Buon aggiornamento, e buone riflessioni..** --- ## **AlphaEvolve di Google DeepMind** Con **AlphaEvolve**, Google DeepMind mostra un esempio concreto di **ciclo auto-rinforzante**: un sistema di AI che ottimizza chip (*le TPU*) destinati a far girare sistemi di AI sempre più potenti. 0:00 /0:32 1× AlphaEvolve di Google DeepMind AlphaEvolve usa LLM per **scrivere e migliorare codice autonomamente**, applicando mutazioni intelligenti e ricevendo feedback automatico. Tra i risultati: miglioramenti nello scheduling dei data center, **scoperta di nuovi algoritmi** matematici e, soprattutto, l’ottimizzazione dei circuiti RTL delle TPU stesse. Questo significa che **l’AI sta già contribuendo a costruire il proprio ambiente computazionale**. Le TPU ottimizzate da AlphaEvolve accelerano il training dei modelli LLM che, a loro volta, rendono AlphaEvolve ancora più efficace. [Vai al paper](https://deepmind.google/discover/blog/alphaevolve-a-gemini-powered-coding-agent-for-designing-advanced-algorithms/?ref=alessiopomaro.it) > Un chiaro esempio di **dinamica esponenziale**, in cui ogni ciclo rafforza il successivo, **riducendo i tempi di innovazione** e ampliando continuamente il **potenziale dell’AI**. --- ## **Codex di OpenAI** L’**ingegneria del software** sta vivendo una trasformazione radicale, e l’arrivo di **Codex di OpenAI** lo conferma. È un agente cloud avanzato che supporta gli sviluppatori su task reali, scalabili e asincroni. Codex **scrive funzionalità**, **corregge bug**, genera **pull request** e **spiega i codebase**, lavorando direttamente sulle repository degli utenti in un **ambiente sicuro e isolato** che replica le condizioni reali di sviluppo. [Vai al post](https://openai.com/index/introducing-codex/?ref=alessiopomaro.it) È basato sul nuovo modello “***codex-1***”, ottimizzato per **produrre codice allineato agli standard umani**, attento allo stile e all’integrazione nei flussi di lavoro. Gli sviluppatori possono assegnare più **task in parallelo**, seguirne lo stato in tempo reale, verificare i log delle operazioni e ricevere output pronti per la revisione. Un aspetto distintivo di Codex è la possibilità di personalizzare il comportamento tramite file come *AGENTS.md*, dove l’utente può **definire istruzioni operative**, convenzioni e preferenze per adattare l’agente al proprio contesto. Anche **la sicurezza è centrale**: Codex opera in ambienti isolati e senza accesso a Internet, con **policy che limitano i rischi** e garantiscono trasparenza su ogni intervento. Codex di OpenAI > OpenAI immagina un futuro dove **agenti AI** come Codex diventano **partner quotidiani di lavoro**: collaboratori virtuali in grado di agire da assistente, mentore e pair programmer, **moltiplicando la produttività**, abbattendo le barriere all’ingegneria del software e favorendo la creazione di software di qualità, su scala globale. ### Primi test con Codex Ho collegato una repository di **GitHub** e ho avviato **3 task contemporaneamente**: spiegazione della codebase, correzione bug e suggerimenti per il miglioramento. Il sistema li esegue in parallelo e si **configura l'ambiente di lavoro** parallelo in cui successivamente esegue e testa il codice. ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/codex-openai-repo-1.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/codex-openai-repo-2.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/codex-openai-repo-3.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/codex-openai-repo-4.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/codex-openai-repo-5.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/codex-openai-repo-6.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/codex-openai-repo-7.webp) Primi test con Codex di OpenAI > Lo trovo un buon ambiente di lavoro, e semplice da usare. In base ai permessi che vengono dati all'agente, una volta completato il lavoro può anche effettuare il "commit" del sorgente. **Nota**: se qualcuno incontra problemi nell'associare la repository di GitHub, consiglio di verificare i connettori (*nelle impostazioni di ChatGPT*) e di scollegare quello di GitHub. Fatto questo, funzionerà su Codex. --- ## **La nuova versione di DeepSeek** **DeepSeek** ha rilasciato una nuova versione di **R1** (*R1-0528*). ![DeepSeek R1-0528: le performance](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/deepseek-nuovo-modello.webp) DeepSeek R1-0528: le performance L'ho provato su diversi task. La prima osservazione riguarda il "***reasoning***": è più prolungato rispetto alla versione precedente. Sul **coding** lo trovo potentissimo, anche su operazioni molto dettagliate. La **capacità di scrittura** sembra essere migliorata: confrontando gli output precedenti, sembra più naturale e con uno stile migliore. Secondo le specifiche, sono stati migliorati significativamente la **profondità di ragionamento** e le capacità di inferenza, sfruttando **maggiori risorse computazionali** e introducendo meccanismi di **ottimizzazione algoritmica** durante il post-addestramento. Il modello ha dimostrato prestazioni eccezionali in diverse valutazioni benchmark, tra cui **matematica**, **programmazione** e **logica generale**. Le sue performance complessive si stanno ora avvicinando a quelle di modelli leader, come **o3** e **Gemini 2.5 Pro**. > Ricordiamoci che si tratta di un modello aperto. [Vai al modello](https://huggingface.co/deepseek-ai/DeepSeek-R1-0528?ref=alessiopomaro.it) È già disponibile sulla [**chat di DeepSeek**](https://chat.deepseek.com/?ref=alessiopomaro.it) e anche su [**Ollama**](https://ollama.com/library/deepseek-r1?ref=alessiopomaro.it). --- ## **Jules di Google** Google risponde a Codex di OpenAI con **Jules**: un **AI Agent autonomo**, asincrono e nativamente **integrato con GitHub**, che ha accesso al codice, lo comprende e agisce autonomamente. 0:00 /0:31 1× Una demo di Jules Non si limita al completamento del codice: Jules **clona l'intera repository** in una VM su Google Cloud, **analizza l’intero contesto del progetto** e propone modifiche "*ragionate*". Scrive test, corregge bug, aggiorna dipendenze, genera changelog audio e crea nuove funzionalità — tutto senza interrompere il flusso di lavoro. È basato su **Gemini 2.5 Pro**, ed è progettato per operare su progetti reali, gestendo anche **modifiche complesse** su più file in parallelo, con trasparenza: mostra il piano, il *reasoning* e le differenze nel codice. [Vai al progetto](https://blog.google/technology/google-labs/jules/?ref=alessiopomaro.it) > Siamo davanti a un salto di paradigma nello sviluppo software? Dal coding assistito all’**agentic development**? --- ## **The AI Revolution Is Underhyped** **Eric Schmidt**, ex CEO di **Google**, ritiene che, contrariamente all'opinione diffusa secondo cui l’AI sarebbe sopravvalutata, sia in realtà **ancora ampiamente sottostimata nelle sue reali potenzialità**. Sebbene l’attenzione si sia concentrata su strumenti come ChatGPT, la vera svolta è negli **AI Agent** che imparano e pianificano strategicamente, accelerando lo sviluppo del settore a ritmi senza precedenti. The AI Revolution Is Underhyped - Eric Schmidt - TED talk Schmidt immagina un futuro in cui **l’AI darà origine a una nuova rinascita**, rivoluzionando la **scienza**, la **medicina**, l’**istruzione** e persino la ricerca di soluzioni per crisi energetiche globali. Questa trasformazione, però, comporta **sfide enormi**: l’utilizzo di quantità immense di **dati** (*ormai sintetici, data la scarsità di dati umani*), un **fabbisogno energetico** straordinario e la necessità di **nuovi progressi algoritmici** che rendano questi sistemi realmente efficienti e capaci di trasferire intuizioni tra ambiti diversi. L’impatto dell’AI pone anche interrogativi cruciali per la **sicurezza globale**, soprattutto considerando la possibile **corsa alla supremazia tra le potenze mondiali** e il rischio di proliferazione tecnologica incontrollata. Schmidt sottolinea l’importanza di stabilire barriere di sicurezza per gli agenti autonomi e di mantenere sempre la tracciabilità e l’osservabilità dei sistemi. Nonostante l’automazione, non prevede la scomparsa di professioni tradizionali, ma una loro trasformazione, resa possibile da sistemi sempre più evoluti. L’**aumento di produttività** sarà fondamentale per affrontare le sfide delle società che invecchiano. > Schmidt invita a considerare l’AI come una maratona: adottarla velocemente sarà essenziale per restare al passo con una trasformazione che sarà rapida e trasversale in ogni settore. --- ## **AI Overviews e AI Mode di Google: considerazioni** Ho letto diversi post su **AI Overviews** e **AI Mode** i quali affermano che i progetti in cui c'è stato un lavoro strutturato sui contenuti sono presenti nelle risposte generate senza sforzi ulteriori. Questo è normale! L'indice del motore di ricerca è lo stesso, come il concetto di **pertinenza di una risposta a una query**. > Pensiamo che Google non usasse già modelli di linguaggio ed embeddings per fornire informazioni pertinenti? Non a caso, quando la query è ben definita e non comporta grandi elaborazioni, la prima fonte della risposta di AI Overviews corrisponde a quella del ***Featured Snippet***. Ma su AI Overviews non è presenta solo la risposta primaria: il sistema produce un'elaborazione di **query di "*fan-out*"**. Sì, ma parliamo sempre di **entità**, di **knowledge graph**, di **coerenza delle informazioni**: se un contenuto è pertinente alla query primaria, esplora il topic in modo adeguato, con contenuti ben strutturati, comparirà nelle fonti secondarie. Quello che è cambiato con questi nuovi sistemi è che **un LLM aggrega le informazioni di più fonti**, considerando i risultati migliori presenti nell'indice. Questo mette più in evidenza tutte le buone pratiche SEO che vengono studiate da sempre. Se vogliamo, con un occhio di riguardo aggiuntivo alla **semantica** nella costruzione delle "*risposte chiave*". **Altre considerazioni**: oggi abbiamo strumenti molto più interessanti per analizzare i contenuti, cercando di renderli sempre migliori. ![Un tool in Python per generare un piano d'azione per diventare fonte di AI Overviews](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/tool-ai-overviews-alessio-pomaro.webp) Quello che si vede nell'immagine, ad esempio, è parte dell'output di un nostro **sistema multi agent** che usa diversi tool connessi. Partendo da una query, analizza la risposta di AI Overviews, i contenuti delle fonti che la compongono, la nostra pagina di interesse, e misura la **pertinenza semantica**. Prova a **suggerire una risposta più pertinente** (*facendo vari tentativi*) e fornisce un **report di ottimizzazione** (*SEO*) per migliorare la strutturazione della pagina. --- ## **Claude 4** **Anthropic** ha lanciato la nuova generazione dei modelli Claude: **Opus 4** e **Sonnet 4**. L'asticella si alza, con **capacità senza precedenti nel coding**, nel **ragionamento avanzato** e nell’utilizzo degli strumenti. **Claude Opus 4** viene presentato come il miglior modello per la **programmazione**, superando ogni benchmark su task complessi e a lungo termine. Può operare per ore senza cali di performance, con risultati eccezionali anche su refactoring multi-file e debugging. **Claude Sonnet 4** è un upgrade sostanziale rispetto a Sonnet 3.7, con maggiore precisione, efficienza e **capacità di seguire istruzioni articolate**. È pensato per un uso quotidiano, ma con performance elevate. Ho provato la versione Sonnet su un task di coding in cui Gemini 2.5 Pro mi aveva impressionato. Continuo a rimanere impressionato da Gemini, che, nel mio caso, rimane superiore per la comprensione del prompt (*complesso e dettagliato*) e per la soluzione generata. ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/claude-4-here-model.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/claude-4-benchmark-models.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/claude-4-2-1.webp) Claude 4: performance e test Entrambi i modelli di Anthropic supportano **tool paralleli**, **memoria locale** per costruire conoscenza nel tempo, e “***extended thinking***”, combinando ragionamento e strumenti esterni per risposte più approfondite e contestualizzate. **Claude Code**, inoltre, è ora disponibile per tutti: integrazione diretta con VS Code e JetBrains, supporto a GitHub Actions, SDK personalizzabile e risposte automatiche su PR e CI. [Vai al progetto](https://www.anthropic.com/news/claude-4?ref=alessiopomaro.it) ### **La Web Search sui piani gratuiti** **Anthropic**, inoltre, ha reso disponibile la **Web Search** su **Claude 4** anche per i piani gratuiti. Ho fatto qualche test, e funziona ottimamente. ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/claude-4-web-search-1.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/claude-4-web-search-2.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/claude-4-web-search-3.webp) La Web Search di Claude 4 sui piani gratuiti ### **La Web Search nelle API** Un'ottima mossa è anche l'integrazione della **web search nelle API**. Ora **Claude** può accedere a **informazioni aggiornate dal web in tempo reale**, migliorando drasticamente accuratezza e attualità delle risposte generate. La funzione permette ricerche mirate, analisi dei risultati e risposte documentate con citazioni, il tutto controllabile da parametri come `max_uses` per regolare la profondità dell’indagine. La web search nelle API di Anthropic Claude può condurre **ricerche progressive** per generare output più completi. Un aggiornamento strategico per casi d’uso che richiedono dati aggiornati: servizi finanziari, strumenti legali, assistenti per sviluppatori e agenti di produttività. La possibilità di definire **domini consentiti o bloccati** aggiunge un ulteriore livello di governance. Anche **Claude Code** ne beneficia, accedendo a documentazione tecnica, changelog e contenuti sempre aggiornati per supportare i flussi di lavoro di sviluppo. [Vai al post](https://www.anthropic.com/news/web-search-api?ref=alessiopomaro.it) --- ## **L'interpretabilità dei modelli: passi in avanti** **Anthropic** ha rilasciato open source un nuovo set di strumenti per il "***circuit tracing***": una tecnica che permette di visualizzare i passaggi interni con cui un LLM elabora le sue risposte. Al centro del progetto ci sono gli attribution graphs, utili per comprendere e **interpretare i “*ragionamenti*” del modello**. Disponibili anche tramite l’interfaccia interattiva **Neuronpedia**, questi strumenti permettono di esplorare, annotare e condividere grafici, oltre a testare modifiche e osservare come influenzano le risposte. ![Panoramica della UI dell'esploratore grafico interattivo su Neuronpedia](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/circuit-tracing-LLM.webp) Panoramica della UI dell'esploratore grafico interattivo su Neuronpedia Sono già stati usati su modelli come **Gemma 2-2b** e **Llama 3.2-1b**, rivelando comportamenti come il ragionamento multi-step e le rappresentazioni multilingua. [Vai al progetto](https://www.anthropic.com/research/open-source-circuit-tracing?ref=alessiopomaro.it) > L'iniziativa, sviluppata da Anthropic Fellows in collaborazione con Decode Research, punta a **colmare il divario tra la potenza dei modelli AI e la nostra capacità di comprenderli**. --- ## **Google I/O 2025: una sintesi** Il **Google I/O 2025** ha segnato l’inizio ufficiale dell'**Era Gemini**: un’epoca in cui l’AI permea ogni prodotto Google, con un ritmo di innovazione mai visto. **Sundar Pichai ha annunciato oltre 20 nuove funzionalità AI** e la rapida adozione di Gemini, il protagonista assoluto dell’evento. Google I/O 2025 **Gemini 2.5 Pro** è ora il modello più avanzato al mondo, in vetta a tutti i benchmark, con performance eccezionali nel coding e utilizzo in crescita: 400 milioni di utenti attivi mensili nell’app Gemini, +40x su Vertex AI, +5x nell’uso dell’API. A supportarlo, la nuova **TPU “**[***Ironwood***](https://blog.google/products/google-cloud/ironwood-tpu-age-of-inference/?ref=alessiopomaro.it)**”** garantisce una potenza 10 volte superiore, mentre il numero di token elaborati al mese è passato da 9.7 a 480 trilioni in un solo anno. Per chi cerca velocità ed efficienza, arriva **Gemini 2.5 Flash**, ottimizzato per ragionamento, contesto e coding, con un’**efficienza superiore del 22%**. Entrambi i modelli includono novità come Text-to-Speech avanzato, riepiloghi dei "*pensieri*" del modello e “*thinking budgets*” per bilanciare costo, qualità e latenza. Gemini sta diventando un vero assistente AI universale: grazie a [**Project Astra**](https://deepmind.google/models/project-astra/?ref=alessiopomaro.it), ora può comprendere ciò che vediamo tramite fotocamera o schermo condiviso. Con [**Project Mariner**](https://deepmind.google/models/project-mariner/?ref=alessiopomaro.it), è in grado di navigare il web, imparare task e ripeterli. In arrivo anche il **Personal Context**, che consente (*con consenso*) di personalizzare risposte e suggerimenti usando dati da Gmail, Calendar e altre app Google. La Search è stata completamente ripensata. La nuova **AI Mode**, alimentata da Gemini 2.5, scompone domande complesse, analizza il web e può generare tabelle, grafici, report e persino acquistare biglietti o prenotare ristoranti. Con la fotocamera, risponde in tempo reale a ciò che l’utente vede, grazie all’integrazione con Astra. Sul fronte creativo, Google lancia **Flow**, per creare video con AI combinando **Gemini**, **Imagen 4** e **Veo 3** (*che ora genera anche audio*). Lo spazio Canvas trasforma testi in app, infografiche, quiz o podcast. Con **Lyria 2**, la musica AI raggiunge un nuovo livello, mentre **SynthID** assicura l’autenticità dei contenuti generati. Infine, arriva **Android XR**: una piattaforma per **visori** e **occhiali intelligenti** sviluppata con Samsung e Qualcomm. Il visore **Project Moohan** e gli **occhiali AR** permetteranno interazioni AI immersive, come traduzioni in tempo reale e assistenza contestuale. Google chiude mostrando come l’AI possa essere una forza positiva, con progetti come **FireSAT** (*rilevamento incendi via satellite*) e l’uso di droni in emergenze. > L’AI non è più solo ricerca: > è diventata realtà quotidiana. --- ## **Microsoft Build 2025: una sintesi** Durante il **Microsoft Build 2025**, l’AI è stata la protagonista assoluta, ridefinendo lo sviluppo software, l'infrastruttura cloud e l'interazione uomo-macchina. Microsoft punta a un **web “*agentico*”** aperto, in cui gli agenti non solo assistono, ma **agiscono in autonomia**, orchestrano processi, apprendono dal contesto e dialogano con altri agenti e applicazioni. Microsoft Build 2025 Sul fronte sviluppo, **GitHub Copilot** evolve da semplice "*pair programmer*" a vero e proprio "*collega virtuale*": può prendere in carico issue, correggere bug e sviluppare funzionalità in autonomia. Visual Studio e VS Code integrano Copilot con nuove modalità agente, supporto per la visione, BYOK e debug avanzato, mentre l'estensione Copilot per VS Code diventa open source, aprendo le porte a trasparenza e collaborazione. La piattaforma **Azure AI Foundry** emerge come l’epicentro dell’**ecosistema agentico**: offre accesso a modelli **OpenAI**, **Mistral**, **Meta**, **xAI** e altri tramite un Model Router che sceglie il modello migliore per ogni compito. Il nuovo **Foundry Agent Service** consente la creazione di agenti dichiarativi low-code, supporta **orchestrazione multi-agente** e include strumenti per l’osservabilità, la sicurezza (*grazie all’integrazione con Defender e Purview*) e l’identità digitale tramite Microsoft Entra Agent ID. L’AI si insinua anche nelle operation IT con l’**Azure SRE Agent**, capace di gestire eventi imprevisti in autonomia, e nella modernizzazione del software, migrando framework legacy verso versioni moderne. **Foundry Local** estende queste capacità anche in ambienti edge e dispositivi client, sia Windows che macOS. **Copilot** in **Microsoft 365** diventa un sistema integrato e modulare, in grado di **sintetizzare informazioni aziendali e web**, trasformare dati in insight, creare contenuti e agire attraverso agenti specializzati (*Analyst, Researcher*). Con il programma **Copilot Tuning**, le aziende possono addestrare agenti su misura, capaci di parlare e agire secondo la cultura e i processi aziendali. **Microsoft Teams** diventa un hub operativo per gli agenti: si possono menzionare per **eseguire azioni in chat** o riunioni, sfruttando nuove API, memoria conversazionale e **comunicazione agente-agente (*A2A*)**. Gli sviluppatori potranno pubblicare e distribuire agenti tramite un **Agent Store** integrato. Infine, **l’AI pervade Windows** stesso: con Windows AI Foundry e il **supporto nativo a** [**MCP**](https://modelcontextprotocol.io/introduction?ref=alessiopomaro.it), lo sviluppo di applicazioni AI diventa parte integrante del sistema operativo. **WSL è ora open source**, completando un’apertura strategica che mira a rafforzare la community. > **L’AI diventa un nuovo layer operativo e cognitivo**, capace di ridefinire ogni aspetto del lavoro digitale (per ora). --- ## **L'ottimizzazione dei modelli** **DeepSeek V3** dimostra che si possono **costruire LLM di altissimo livello senza migliaia di GPU**. Con "*solo*" 2.048 NVIDIA H800, il team DeepSeek-AI ha raggiunto prestazioni da top player grazie a **un approccio radicalmente ottimizzato** tra hardware e software. ![L'ottimizzazione dei modelli: DeepSeek V3](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/deepseek-v3-ottimizzazione.webp) ### Le innovazioni chiave - **Multi-head Latent Attention** per ridurre drasticamente l’uso di memoria, ideale per lunghi contesti. - **Mixture of Experts** che attiva solo le parti del modello necessarie, abbattendo i costi computazionali. - **FP8 Mixed-Precision Training** per velocizzare l’addestramento con precisione ridotta ma efficace. - **Speculative Decoding** che accelera la generazione di testo prevedendo più token alla volta. - **Architettura Multi-Plane** che ottimizza la rete di comunicazione tra GPU, riducendo latenza e costi. [Vai al paper](https://arxiv.org/abs/2505.09343?ref=alessiopomaro.it) > È il risultato di un vero **co-design tra intelligenza artificiale e infrastruttura**: un nuovo standard per l’AI su larga scala, ma accessibile. --- ## **Una guida al prompting per GPT-4.1** OpenAI ha rilasciato silenziosamente una **guida al prompting dedicata a GPT-4.1**. Il documento specifica che il nuovo modello non è solo più potente: è anche più **preciso** e **controllabile**. Per questo servono **istruzioni chiare**, **strutturate** e **mirate**. [GPT-4.1 Prompting Guide | OpenAI CookbookOpen-source examples and guides for building with the OpenAI API. Browse a collection of snippets, advanced techniques and walkthroughs. Share your own examples and guides.![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/icon/favicon.svg)![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/thumbnail/og)](https://cookbook.openai.com/examples/gpt4-1%5Fprompting%5Fguide?ref=alessiopomaro.it) Viene mostrato come scrivere prompt efficaci per **flussi agentici**, ovvero interazioni in cui il modello agisce in autonomia, utilizzando strumenti esterni, pianificando e riflettendo a più step. Grande attenzione anche al **long context**: GPT-4.1 gestisce fino a **1 milione di token**: la posizione delle istruzioni nel prompt influisce sui risultati. Infine, viene ribadita l’importanza della **chain-of-thought**: pensare passo dopo passo, ragionare prima di rispondere. Non è più una tecnica avanzata: è lo standard per **ottenere risposte affidabili**. --- ## **Gemini Diffusion** Google presenta **Gemini Diffusion**, un nuovo modello sperimentale che esplora un nuovo approccio alla generazione di testo, basandosi sulla "***diffusione***". 0:00 /0:08 1× Gemini Diffusion: un esempio nel coding **Come funziona?** I LLM che conosciamo generano il testo un token alla volta, in modo sequenziale. I **modelli di diffusione** lavorano in modo completamente diverso: non prevedono direttamente le parole (*i token*). Iniziano con un rumore casuale e lo raffinano passo dopo passo, fino a trasformarlo in testo. Questo processo permette di **correggere gli errori durante la generazione** e di **trovare soluzioni più rapidamente**. È lo stesso processo con il quale, ad esempio, vengono generate le immagini. Per ora, vengono riportati benchmark di confronto con Gemini 2.0 Flash Lite, con risultati simili, ma ad impressionare è la velocità: **1479 tokens/s** (*chiaramente è una comparazione*). [Vai al progetto](https://deepmind.google/models/gemini-diffusion/?ref=alessiopomaro.it) > Ormai ci stupiamo difficilmente, vista l'accelerazione tecnologica che stiamo vivendo, ma se ci fermiamo un attimo a pensare a come funziona.. è davvero straordinario. --- ## **L'Agent Mode di Gemini** Con **Gemini Ultra**, Google presenta l'**Agent Mode** direttamente nella chat. Una nuova funzionalità sperimentale che permette di usare **prompt in cui si indica un obiettivo**, e Gemini orchestra in modo intelligente i passaggi per raggiungerlo. 0:00 /0:53 1× Agent Mode di Gemini Agent Mode combina tool avanzati come la **navigazione web in tempo reale**, la **ricerca approfondita** e l'**integrazione con le applicazioni Google**, consentendo di gestire attività complesse e articolate dall'inizio alla fine con una supervisione minima. > Sarà questo il futuro della ricerca online? --- ## **Gemma 3 in locale con prompt multimodali** Ho provato [**Gemma 3**](https://deepmind.google/models/gemma/gemma-3/?ref=alessiopomaro.it) di Google in locale con prompt multimodali, composti da testo + immagini. La nuova versione di [**Ollama**](https://ollama.com/?ref=alessiopomaro.it), infatti, supporta i modelli multimodali, grazie a un nuovo engine. ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/gemma-3-locale-multimodale-1.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/gemma-3-locale-multimodale-2.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/gemma-3-locale-multimodale-3.webp) Gemma 3 di Google in locale con Ollama Negli esempi uso il modello per descrivere delle immagini, ma anche per leggere dati dall'immagine di una tabella. > Il risultato? Ottimo! Un altro passo avanti per l'utilizzo dei modelli "piccoli" e open source in locale. --- ## **Gemma 3n: un modello mobile-first** Google, dopo la nuova versione di ***Gemini Flash***, lancia **Gemma 3n**, un **modello AI mobile-first** progettato per funzionare offline su smartphone, tablet e laptop, anche **con soli 2 GB di RAM**. L'ho provato. Sinceramente sono impressionato. Non si tratta più di modelli limitati a operazioni di base. Si tratta di **LLM che permettono azioni avanzate** di analisi, e che possono dar vita ad applicazioni molto interessanti. ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/gemma-edge-1.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/gemma-edge-2.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/gemma-edge-3.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/gemma-edge-4.webp) Gemma 3n di Google su AI Studio Basato su una nuova architettura sviluppata con Qualcomm, MediaTek e Samsung, Gemma 3n offre **risposte 1.5 volte più rapide rispetto a Gemma 3 4B** e supporta **input multimodali** in tempo reale: audio, testo, immagini e video. La funzione Mix'n'match consente di **bilanciare performance e qualità dinamicamente**, passando tra sottomodelli da 2B e 4B. Le prestazioni sono eccellenti anche nei benchmark: 64,9% su MMLU e 50,1% su WMT24++. [Vai al progetto](https://deepmind.google/models/gemma/gemma-3n/?ref=alessiopomaro.it) > Grazie all’elaborazione locale, **Gemma 3n tutela la privacy** e apre nuove possibilità per applicazioni intelligenti, interattive e sempre accessibili, anche senza connessione. --- ## **Gemini Speech Generation** Su **AI Studio** di Google è stato rilasciato **Gemini Speech Generation**. Si tratta di un sistema che permette di **generare un dialogo audio** tra due speaker (*o anche "single speaker"*) completamente configurabile via interfaccia, ma anche via API. Gemini Speech Generation Nell'esempio, ho generato l'inizio di un podcast sull'AI. Come si vede, è possibile configurare lo scenario, le voci degli speaker e le battute del dialogo. [Clicca per provarlo](https://aistudio.google.com/generate-speech?ref=alessiopomaro.it) > Il risultato è di certo migliorabile, ma siamo già a **livelli di naturalezza incredibili**. --- ## **SignGemma di Google DeepMind** Google DeepMind ha annunciato **SignGemma**: un modello dedicato alla traduzione della **lingua dei segni** in testo. 0:00 /0:13 1× SignGemma di Google DeepMind Verrà aggiunto alla famiglia di modelli Gemma entro la fine dell'anno. > Si aprono nuove possibilità per una tecnologia inclusiva. --- ## **Chrome DevTools con Gemini** Novità in **Chrome DevTools**: con **Gemini** è possibile **modificare il CSS** attraverso prompt testuali, e **salvare le modifiche direttamente nei file** sorgente. 0:00 /0:33 1× Chrome DevTools con Gemini Quindi, ora si può usare il pannello "***AI Assistance***", e dare istruzioni a Gemini per: - modificare e correggere il CSS direttamente nella tab "*Elements*"; - testare subito le modifiche in tempo reale; - salvare tutto nei file locali con una cartella di workspace connessa. [Vai alla documentazione](https://developer.chrome.com/blog/new-in-devtools-137?ref=alessiopomaro.it#ai-styling) > È una svolta per iterazioni rapide e uno sviluppo CSS più efficiente! --- ## **Veo 3: generazione di video con audio** Con **Veo 3**, Google non solo migliora la qualità dell'output rispetto alla versione precedente, ma introduce anche la **generazione di video con audio**. Esempi di video generati attraverso Veo 3 Veo sarà usabile anche all'interno di **Flow**: uno strumento di AI che permette di creare **clip**, **scene** e **storie cinematografiche** in modo fluido, combinando i modelli più avanzati di Google DeepMind: Veo, Imagen e Gemini. L'esempio mostra alcune clip con audio create con Veo 3. [Vai al progetto](https://deepmind.google/models/veo/?ref=alessiopomaro.it) --- ## **Agents Companion di Google** Google ha pubblicato un whitepaper sugli **AI Agents**. "***Agents Companion***" è una lettura fondamentale per chi ha già familiarità con i concetti base e vuole approfondire **l'applicazione concreta degli agenti AI** in contesti complessi. [Vai al paper](https://www.kaggle.com/whitepaper-agent-companion?ref=alessiopomaro.it) Si parla di **Agentic RAG**, dove gli agenti intelligenti orchestrano e valutano la qualità delle informazioni recuperate, superando i limiti dei classici pipeline RAG. Si entra nel dettaglio della valutazione degli agenti, sia singoli che multipli, analizzando non solo l'output finale, ma anche la traiettoria d’azione e l’uso degli strumenti. La sezione su **AgentOps** mostra come portare gli agenti dalla demo alla produzione, con metriche chiare, automazione, versioning, e test A/B su larga scala. ![Agents Companion di Google](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/agents-companion-google-1.webp) Particolarmente interessante l'applicazione nel settore automotive, dove agenti specializzati — navigazione, media, messaggistica, manuale dell’auto, e conoscenza generale — collaborano in **architetture multi-agente** (*gerarchiche, peer-to-peer, collaborative*) per offrire **esperienze conversazionali fluide** e resilienti, anche senza connettività. Il documento chiude con un salto concettuale: **dagli agenti ai contractor**. L’idea è trasformare gli agenti in entità che operano sotto contratti strutturati, con obiettivi, specifiche, sub-task e feedback, per garantire risultati affidabili anche in **contesti enterprise ad alta criticità**. --- ## **I dati di LMArena sono affidabili?** Era davvero necessario fare chiarezza sul tema. Il paper “**The Leaderboard Illusion**” (*MIT e Stanford*) mette in luce alcune distorsioni nella piattaforma [**LMArena**](https://lmarena.ai/?ref=alessiopomaro.it). Secondo gli autori, il sistema di valutazione che guida le **classifiche dei modelli AI** conversazionali sarebbe influenzato da pratiche opache come il testing privato di decine di varianti (*senza obbligo di pubblicazione del risultato*), campionamenti non equi, e una **gestione poco trasparente delle deprecazioni dei modelli**, spesso a svantaggio di quelli open-source. Il risultato? Un ecosistema in cui **pochi provider dominano la classifica** anche grazie a un accesso sproporzionato ai dati della community, che consente loro di ottimizzare le performance sulla piattaforma stessa (*ma non necessariamente su benchmark esterni*). ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/lmarena-paper-1.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/lmarena-paper-2.webp) The Leaderboard Illusion LMArena ha risposto pubblicamente al paper, sostenendo che le preferenze umane sono soggettive e rappresentano il valore reale del leaderboard. Riconoscono che **il testing pre-rilascio aiuta a identificare quali varianti piacciono di più alla community**, ma negano che ciò rappresenti un bias, affermando che ogni provider ha libertà di scegliere quanto investire in testing. Inoltre, dichiarano che i dati del paper contengono errori e che la loro policy impedisce di pubblicare selettivamente il punteggio migliore. Pur accogliendo alcune raccomandazioni degli autori, come l'adozione di algoritmi di campionamento attivo, **LMArena difende il ruolo della community come vero arbitro del valore dei modelli**, rivendicando trasparenza e supporto anche verso lo sviluppo open-source. *Il dibattito resta aperto.* [Vai al paper](https://arxiv.org/abs/2504.20879?ref=alessiopomaro.it) --- ## **Intelligent Commerce di Visa** **Visa** presenta **Intelligent Commerce**, l'iniziativa che **unisce lo shopping all'AI**: la mediazione algoritmica aumenta. Gli **AI Agent** saranno in grado di gestire l’intero **processo di acquisto** per conto dei consumatori: dalla ricerca al pagamento, fino alla gestione post-vendita. 0:00 /0:17 1× Intelligent Commerce di Visa Con strumenti come **Visa Agent APIs**, si garantiscono sicurezza, personalizzazione e controllo, in un ecosistema affidabile pensato per ridurre frodi e migliorare l’esperienza utente. [Vai al progetto](https://corporate.visa.com/en/products/intelligent-commerce.html?ref=alessiopomaro.it) > Con oltre 4,8 miliardi di credenziali di pagamento e una rete globale di partner, Visa sta accelerando l’adozione del "commercio AI" in tutti i settori. --- ## **Come far pensare un LLM di piccole dimensioni** Un esempio di approccio per far **sviluppare "*pensiero*" a un LLM** anche di piccole dimensioni per **migliorare la qualità dell'output**. LLM: Ottimizzazione dell'output con pensiero ricorsivo Il sistema usa le API di OpenAI per stimare i round di pensiero necessari per risolvere la richiesta del prompt, eseguirli, valutare la risposta migliore, e fornire l'output finale. Nell'esempio uso GPT-4o-mini. [Vai al Colab gratuito](https://colab.research.google.com/drive/115lu5qgxr87NJZ5Z4iiXPuVck3aqB8WR?ref=alessiopomaro.it) > Per usarlo, basta inserire l'API key di OpenAI nei "secrets" di Colab. --- ## **AMIE: un sistema per la diagnosi medica** **AMIE**, il sistema di AI sviluppato da **Google DeepMind**, compie un grande passo avanti: ora può interpretare anche **immagini mediche**, come **foto della pelle**, **ECG** e **referti clinici**. Questo lo rende capace di condurre conversazioni diagnostiche multimodali, proprio come farebbe un medico in una visita online. ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/amie-google-1.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/amie-google-2.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/amie-google-3.webp) AMIE, un sistema di Google DeepMind per la diagnosi medica Basato sul modello **Gemini 2.0 Flash**, AMIE segue un flusso simile a quello dei medici: raccoglie informazioni, formula diagnosi e propone piani di gestione, adattandosi man mano alla situazione del paziente. In uno studio che ha coinvolto 105 casi simulati con pazienti-attori, AMIE è stato messo a confronto con medici di base. I risultati parlano chiaro: **ha raggiunto o superato le performance umane su più aspetti**, come **accuratezza diagnostica**, **empatia** e capacità di **interpretare correttamente i dati visivi**, anche se di qualità non ottimale. [Vai al post](https://research.google/blog/amie-gains-vision-a-research-ai-agent-for-multi-modal-diagnostic-dialogue/?ref=alessiopomaro.it) > Sebbene sia stato testato in ambienti controllati, è già in corso uno studio clinico in un ospedale reale per valutarne l’efficacia sul campo. AMIE non è solo più intelligente: è anche **più vicino a come comunichiamo davvero nella sanità digitale**. --- ## **Training di Llama su documenti specifici** [**Unsloth**](https://unsloth.ai/?ref=alessiopomaro.it) ha condiviso un notebook Colab gratuito che permette di addestrare **Llama 3.2 3B** su documenti specifici, con una tecnica molto interessante. ![Un notebook Colab gratuito che permette di addestrare Llama 3.2 3B su documenti specifici](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/fine-tuning-llama.webp) Grazie alla collaborazione con Meta e al loro **synthetic-data-kit**, il notebook permette di.. - Importare dei documenti per fare da knowledge (*PDF, pagine web e altro*). - Generare **dati sintetici**: usa Llama per creare automaticamente coppie di domanda e risposta (*Q&A*) di alta qualità basate sul contenuto dei documenti (*include anche *filtri automatici per la pulizia dei dati**). - Eseguire un **fine-tuning efficiente**: addestra Llama 3.2 3B sui dati specifici utilizzando le ottimizzazioni di Unsloth (*quantizzazione 4-bit + LoRA*), il tutto sulla GPU T4 gratuita di Google Colab. **Il risultato?** Un modello che "*conosce a fondo*" i documenti ed è pronto a **rispondere a domande specifiche**. L'ho provato, e funziona molto bene. [Vai al Colab gratuito](https://colab.research.google.com/github/unslothai/notebooks/blob/main/nb/Meta%5FSynthetic%5FData%5FLlama3%5F2%5F%283B%29.ipynb?ref=alessiopomaro.it) --- ## **Creare un'applicazione con Gemini 2.5 Pro** Google ha rilasciato una nuova versione aggiornata di **Gemini 2.5 Pro**, con funzionalità migliorate in ambito **coding**. L'ho provato per sviluppare una piccola web app che estrae dei frame dai video di YouTube in diversi formati. Creare un'applicazione con Gemini 2.5 Pro: un esempio > L'aspetto stupefacente? Alla prima esecuzione, era tutto perfettamente funzionante: **dalla necessità alla soluzione in 1 minuto**. Nel video si vede il prompt che ho usato, e il modello ha creato un'applicazione Python con Flask per il backend, e HTML/JS/CSS per il frontend. --- ## **Build apps with Gemini** Ho provato la funzionalità "***Build apps with Gemini***" di AI Studio di Google. L'input è un prompt testuale che descrive un'applicazione in grado di elaborare un PDF, permettendo di creare estratti, scaricare immagini delle pagine, comprimere il file, e **generare una sintesi** in italiano del documento. ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/build-app-gemini-1.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/build-app-gemini-2.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/build-app-gemini-3.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/build-app-gemini-4.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/build-app-gemini-5.webp) Build apps with Gemini Il sistema **crea un piano d'azione**, e **genera l'applicazione completa** e funzionante nell'ambiente di AI Studio con tutte le funzionalità (*non è solo un'anteprima dell'interfaccia*). La prima esecuzione ha generato un errore, ma con il bottone "*Auto fix*" il sistema analizza e corregge il codice autonomamente. Successivamente è possibile **scaricarla**, condividerla, **eseguire il deploy su Google Cloud**, o **salvarla**. Oppure continuare a usarla in AI Studio. [Clicca per provarlo](https://aistudio.google.com/apps/?ref=alessiopomaro.it) > La generazione di codice ormai non stupisce più, ma **il passaggio da un'esigenza (idea) a un tool funzionante in qualche minuto**, forse sì. Siamo a un nuovo livello di prototipazione. --- ## Il caching implicito nei modelli Gemini 2.5 Attraverso il **caching implicito**, nei modelli **Gemini 2.5** è possibile risparmiare fino al 75% sui token ripetuti. Quando si inviano richieste con un inizio simile a quelle precedenti, **Gemini riconosce automaticamente le parti già usate** e applica uno sconto senza dover configurare nessun parametro. [Gemini 2.5 Models now support implicit caching- Google Developers BlogExplore implicit caching – now supported in Gemini 2.5 – bringing automatic cost savings to developers using the Gemini API.![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/icon/apple-touch-icon-13.png)Google for DevelopersLogan Kilpatrick![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/thumbnail/gemini-implicit-caching.2e16d0ba.fill-1200x600.png)](https://developers.googleblog.com/en/gemini-2-5-models-now-support-implicit-caching/?ref=alessiopomaro.it) > Ad esempio, se si usano prompt dinamici in cui varia soltanto il contesto si può ottenere un grande risparmio. --- ## **The Little Book of Deep Learning** "***The Little Book of Deep Learning***" di François Fleuret è una **risorsa gratuita** che spiega in modo essenziale tutto ciò che serve per orientarsi nel **Deep Learning** moderno. ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/the-little-book-DL-1.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/the-little-book-DL-2.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/the-little-book-DL-3.webp) The Little Book of Deep Learning Dal funzionamento dei modelli e le tecniche di training, fino ai layer più usati e alle architetture come CNN e Transformer. Include anche un’**introduzione ai LLM**, con esempi pratici di applicazione in **visione artificiale**, **NLP** e **apprendimento per rinforzo**. [Scarica l'e-book](https://fleuret.org/public/lbdl.pdf?ref=alessiopomaro.it) > *Fantastico per chi vuole rimettersi in pari o iniziare con una base solida.* ### **Un'audio overview dell'e-book** Questo è un esempio di podcast generato attraverso **Audio Overviews** di **NotebookLM** usando come fonte l'e-book (*The Little Book of Deep Learning*). The Little Book of Deep Learning: un podcast generato su NotebookLM Nel prompt ho dato indicazioni per un contenuto che spiegasse in modo semplice il **Deep Leaening** e i **LLM** a un pubblico di non esperti. > Il risultato ha delle imperfezioni, ma è comunque strabiliante. --- ## **Claude Code: best practices** **Anthropic** ha pubblicato un post ricco di **consigli pratici** per utilizzare **Claude Code** in modo efficace. Il focus è su "***agentic coding***", ovvero la costruzione di agenti AI che collaborano in modo strutturato allo **sviluppo software**. Ho cercato di estrarre 7 punti, che possiamo vedere come **principi chiave da ricordare per costruire agenti utili**. ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/Claude-Code-Best-Practices-1.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/Claude-Code-Best-Practices-2.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/Claude-Code-Best-Practices-3.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/Claude-Code-Best-Practices-4.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/Claude-Code-Best-Practices-5.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/Claude-Code-Best-Practices-6.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/Claude-Code-Best-Practices-7.webp) Claude Code: best practices 1. **Non è solo questione di prompt** Un agente efficace non è un semplice completamento intelligente. Deve poter ragionare, agire, riflettere e correggersi. Come in un software, la logica va strutturata. 2. **La memoria è parte del design** Fornire contesto non vuol dire "*buttare tutto nel prompt*". Serve una gestione scalabile del contesto: sommari, file strutturati, overview di progetto, e recupero selettivo. 3. **Serve un piano, sempre** Un agente che affronta problemi multi-step senza una fase esplicita di pianificazione fallirà. Strutture tipo pianifica > esegui > verifica, sono fondamentali. 4. **I tool sono il superpotere** Un agente che può solo “*parlare*” è limitato. Per essere veramente utile, deve interagire con shell, API, database, version control, o tool personalizzati. 5. **I pattern non sono magia** Pattern come "*Chain of Thought*" o "*ReAct*" funzionano solo se integrati nel sistema, non usati come semplice suggerimento testuale. Struttura prima dell’output. 6. **Autonomia ≠ anarchia** Gli **agenti autonomi** vanno contenuti in confini chiari: limiti, fallback, livelli di permesso. L’autonomia controllata è la chiave per la fiducia. 7. **Il valore è nell’orchestrazione** Un agente utile è un coordinatore intelligente: gestisce memoria, tool, cicli di feedback e collaborazioni con altri agenti. Non basta “*chiamare il modello*”. [Vai al post](https://www.anthropic.com/engineering/claude-code-best-practices?ref=alessiopomaro.it) --- ## **Nuove tecnologie rilasciate da Meta** **Meta** continua a spingere i confini dell’AI con una serie di nuove tecnologie rilasciate open source. 0:00 /0:12 1× Tra queste, spicca il **Dynamic Byte Latent Transformer**, un sistema innovativo che abbandona la classica suddivisione in “*token*” per lavorare direttamente sui byte. Questo lo rende più flessibile, robusto e capace di affrontare testi complessi, con errori, simboli rari o linguaggi non standard, mantenendo prestazioni al top. Accanto a questo, Meta ha presentato anche il **Perception Encoder**, un modello visivo avanzato che interpreta immagini e video con precisione sorprendente; il **Perception Language Model**, per la comprensione visiva fine nei video; **Meta Locate 3D**, che permette ai robot di capire comandi linguistici e agire nel mondo 3D; e il **Collaborative Reasoner**, per migliorare il ragionamento e la collaborazione tra **Agenti AI**. [Vai al post](https://ai.meta.com/blog/meta-fair-updates-perception-localization-reasoning/?ref=alessiopomaro.it) > Tutti questi strumenti sono ora disponibili alla community, per accelerare la ricerca verso **un'intelligenza artificiale più capace, aperta e vicina al linguaggio umano**. --- ## **Mistral Medium 3** **Mistral AI** presenta **Mistral Medium 3**, con prestazioni da top di gamma a un costo 8 volte inferiore. Puntando alle aziende, combina potenza, efficienza e facilità di implementazione, supportando deployment in cloud, on-premise o in-VPC. Progettato per **eccellere in ambiti professionali** come **coding** e **comprensione multimodale**, supera modelli di riferimento come Claude Sonnet 3.7, LLaMA 4 Maverick e Cohere Command R, mantenendo un vantaggio competitivo anche sul fronte dei costi rispetto a leader come DeepSeek v3. ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/mistral-medium-3-1.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/mistral-medium-3-2.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/mistral-medium-3-3.webp) Le performance di Mistral Medium 3 Le sue capacità includono personalizzazione post-training, integrazione con sistemi aziendali, continuous learning e adattamento ai **flussi di lavoro enterprise**. Disponibile su La Plateforme e Amazon Sagemaker, presto anche su IBM WatsonX, Azure e Google Cloud. [Vai al post](https://mistral.ai/news/mistral-medium-3?ref=alessiopomaro.it) --- ## **Multimodal Visualization-of-Thought (MVoT)** I **modelli di linguaggio multimodali** (*MLLM*) hanno rivoluzionato il modo in cui l'AI "*ragiona*", ma faticano nei compiti che richiedono immaginazione spaziale. Il nuovo paradigma **Multimodal Visualization-of-Thought (*MVoT*)** propone un passo oltre il classico **Chain-of-Thought**: integra il **pensiero visivo** generando immagini durante il ragionamento, migliorando comprensione e interpretabilità. ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/Multimodal-Visualization-of-Thought-1.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/Multimodal-Visualization-of-Thought-2.webp) Multimodal Visualization-of-Thought (MVoT) Grazie a una tecnica innovativa chiamata ***token discrepancy loss***, MVoT migliora la qualità delle visualizzazioni e ottiene risultati superiori in ambienti complessi come labirinti, scenari d'azione con oggetti, e simulazioni dinamiche. Non solo è più robusto dei metodi precedenti, ma può anche potenziare i modelli esistenti, fornendo supporti visivi intelligenti. [Vai al paper](https://arxiv.org/abs/2501.07542?ref=alessiopomaro.it) > Una nuova direzione per **un'AI che ragiona non solo con le parole**, ma anche con le immagini. --- ## **AgentA/B** **AgentA/B** è un sistema innovativo che **automatizza i test A/B** sui siti web usando **agenti basati su LLM**. Gli agenti virtuali, dotati di personalità diversificate, **simulano il comportamento reale degli utenti** navigando, cercando, cliccando e acquistando su piattaforme live come Amazon. ![AgentA/B](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/06/agent-a-b.webp) Il sistema consente di **testare rapidamente varianti di design** senza dover attendere traffico umano, riducendo tempi e costi. > I comportamenti degli agenti si sono dimostrati allineati a quelli umani, pur mantenendo una maggiore efficienza. AgentA/B rende possibile testare in modo rapido e sicuro anche interfacce pensate per utenti difficili da raggiungere, supportando la **progettazione UX** fin dalle prime fasi. [Vai al paper](https://arxiv.org/abs/2504.09723?ref=alessiopomaro.it) --- ## **Runway Gen-4 References** **Runway** lancia **Gen-4 References**, per generate personaggi e ambientazioni in modo coerente. È possibile usare foto, immagini generate, modelli 3D per mettere noi stessi o altre figure in qualunque scena. Runway Gen-4 References Si possono, inoltre, combinare personaggi e scene, creando nuove inquadrature e stili. [Vai all'Academy](https://academy.runwayml.com/gen4/gen4-references?ref=alessiopomaro.it) --- ## **Qwen-Agent** **Qwen-Agent** è un nuovo framework open source per sviluppare **applicazioni AI basate sui LLM avanzati di Qwen**. Integra strumenti come Function Calling, Code Interpreter, RAG (*Retrieval-Augmented Generation*), **MCP** (*Model Context Protocol*) e persino l'automazione del browser (*BrowserQwen*). [GitHub - QwenLM/Qwen-Agent: Agent framework and applications built upon Qwen>=3.0, featuring Function Calling, MCP, Code Interpreter, RAG, Chrome extension, etc.Agent framework and applications built upon Qwen>=3.0, featuring Function Calling, MCP, Code Interpreter, RAG, Chrome extension, etc. - QwenLM/Qwen-Agent![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/icon/pinned-octocat-093da3e6fa40-8.svg)GitHubQwenLM![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/thumbnail/Qwen-Agent)](https://github.com/QwenLM/Qwen-Agent?ref=alessiopomaro.it) Pensato per offrire agenti intelligenti, è già usato come backend di [**Qwen Chat**](https://chat.qwen.ai/?ref=alessiopomaro.it). Supporta personalizzazioni, lettura file, uso di tool esterni, ed è compatibile con servizi cloud come DashScope o deployment locali tramite **Ollama** o **vLLM**. --- ## **DeerFlow: un framework per la Deep Research** ByteDance rilascia **DeerFlow**, un **framework multi-agente** open source per l'automazione della **ricerca approfondita**. DeerFlow: un framework per la Deep Research Progettato per semplificare e potenziare i flussi di lavoro complessi, integra LLM avanzati con strumenti per l’**estrazione di dati**, l’**esecuzione di codice Python** e la generazione automatica di contenuti. Costruito su [**LangGraph**](https://www.langchain.com/langgraph?ref=alessiopomaro.it), il framework coordina agenti specializzati che pianificano, ricercano, analizzano e riportano i risultati in modo strutturato e automatizzato. Ogni agente ha un ruolo preciso: dal **Planner** che scompone i compiti, al **Coder** che elabora dati, fino al **Reporter** che sintetizza il tutto in report chiari. [Vai al progetto](https://github.com/bytedance/deer-flow?ref=alessiopomaro.it) DeerFlow è compatibile con le API di OpenAI e Qwen tramite LiteLLM, supporta la ricerca su motori come Arxiv, DuckDuckGo e Tavily, e include anche funzionalità text-to-speech di alta qualità, perfette per **presentazioni e podcast automatizzati**. --- ## \- GRAZIE - Se hai apprezzato il contenuto, puoi contribuire al progetto con una [****donazione**](https://www.alessiopomaro.it/#/portal/support) 🙂 ## Iscriviti alla Newsletter Un appuntamento periodico dedicato all'aggiornamento e alla riflessione su tematiche relative all'intelligenza artificiale. Iscriviti alla Newsletter Email sent! Check your inbox to complete your signup. Gratuita. No Spam. Puoi disiscriverti quando vuoi. Consulta la [privacy policy](https://www.alessiopomaro.it/privacy-policy/).