> ## 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 - #9 / 2025 - URL: https://www.alessiopomaro.it/generative-ai-novita-e-riflessioni-9-2025/ - Published: 2025-10-07T05:29:17.000Z - Updated: 2025-10-07T05:36:51.000Z - Description: Instant Checkout di ChatGPT, AP2 per pagamenti agentici, Seedream 4 per immagini 4K, Ray 3 HDR, Gemini Robotics, Kimi Slides, agenti AI che osservano, generano e acquistano. Test, riflessioni e risorse pratiche. - Author: Alessio Pomaro - Tags: AI, Novità e Riflessioni > **Buon aggiornamento, e buone riflessioni..** --- ## **Il progetto Harmonia: presentato Expo 2025 di Osaka** > Sono onorato di aver potuto dare il mio contributo alla realizzazione di **Harmonia**, una webapp presentata al Padiglione della Santa Sede all'**Expo 2025 di Osaka**. Si tratta di un progetto collettivo nato dalla collaborazione tra [**IUSVE**](https://www.iusve.it/?ref=alessiopomaro.it) e il **Dicastero per l’Evangelizzazione**, con l’obiettivo di unire le voci di persone da tutto il mondo attorno a un messaggio universale di pace. L’applicazione consente agli utenti di registrare una frase del Pontefice in diverse lingue. Ogni contributo vocale viene visualizzato in tempo reale come forma d’onda, **mostrando le caratteristiche uniche della voce umana in termini di frequenze**, **intensità** e **timbro**. [A Expo Osaka la webapp Harmonia, onda di pace in tutte le lingue - Vaticano News - Ansa.itIl Dicastero per l’Evangelizzazione, Sezione per le Questioni fondamentali dell’Evangelizzazione nel mondo, in collaborazione con l’Istituto Universitario Salesiano di Venezia, si prepara a rappresentare l’innovazione nell’ambito della comunicazione digit... (ANSA)![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/icon/favicon-2.svg)Agenzia ANSARedazione ANSA![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/thumbnail/f3462de1bbff15f643defc90f3f841ae.jpg)](https://www.ansa.it/vaticano/notizie/2025/09/22/a-expo-osaka-la-webapp-harmonia-onda-di-pace-in-tutte-le-lingue%5F18f3c3c5-facb-4573-a6ce-66d0ba095666.html?ref=alessiopomaro.it) La parte più innovativa del progetto si attiva al termine della raccolta delle registrazioni: **un modello di AI elabora i dati acustici per sintetizzare un’unica voce corale** — *la “Voce del mondo”* — simbolo concreto di connessione tra individui diversi ma uniti da uno stesso intento. --- ## **Instant Checkout di ChatGPT** **ChatGPT** introduce **Instant Checkout**: ora è possibile **acquistare prodotti direttamente all’interno della chat**. In questa fase iniziale, la funzione è disponibile per gli utenti negli Stati Uniti (*Free, Plus e Pro*) e consente di comprare da venditori statunitensi su **Etsy**. Nelle immagini si vede un mio test con l'opzione già attiva. ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/10/chatgpt-instant-commerce-1.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/10/chatgpt-instant-commerce-2.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/10/chatgpt-instant-commerce-3.webp) A breve verranno inclusi anche oltre un milione di merchant su **Shopify**, tra cui brand come Glossier, SKIMS, Spanx e Vuori, con l'obiettivo di espandere la disponibilità ad altri commercianti e regioni nel tempo. Il sistema è basato sull’**Agentic Commerce Protocol**, un nuovo **standard open-source** sviluppato insieme a **Stripe**, pensato per permettere agli agenti AI, agli utenti e alle aziende di collaborare in modo sicuro e fluido per completare un acquisto. [Agentic Commerce ProtocolThe Agentic Commerce Protocol is an open standard that enables programmatic commerce flows between AI agents and businesses. Developed by Stripe + OpenAI.![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/icon/favicon-17.ico)![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/thumbnail/opengraph-image.png)](https://www.agenticcommerce.dev/?ref=alessiopomaro.it) Il processo d’acquisto è diretto: **ChatGPT propone prodotti rilevanti non sponsorizzati**, l’utente seleziona un prodotto abilitato, conferma i dettagli e completa il pagamento, tutto **senza uscire dalla conversazione**. Gli ordini sono gestiti dai merchant con i loro sistemi esistenti, mentre **ChatGPT agisce da intermediario sicuro**. OpenAI ha già pubblicato la [**sezione dedicata ai "*merchant*"**](https://chatgpt.com/merchants?ref=alessiopomaro.it), e la [**documentazione per creare il feed**](https://developers.openai.com/commerce/specs/feed?ref=alessiopomaro.it) dei prodotti degli e-commerce. Per ora, tutto questo è attivo negli USA, ma, nel frattempo... > fa riflettere sull'**importanza di avere dati ben organizzati** e la capacità di **trasformarli agilmente in feed** ottimizzati per diverse piattaforme. L’approccio dell'Instant Checkout è progettato per garantire **sicurezza**, **trasparenza** e **controllo** all’utente. I dati condivisi sono minimi e sempre autorizzati, e i pagamenti sono criptati e legati solo a transazioni specifiche. I commercianti restano titolari del rapporto con il cliente, dalla spedizione al supporto post-vendita. L’**integrazione tecnica** è pensata per essere rapida: per chi utilizza Stripe è sufficiente una riga di codice, ma sono previste soluzioni anche per altri sistemi di pagamento. [Vai al post di OpenAI](https://openai.com/index/buy-it-in-chatgpt/?ref=alessiopomaro.it) > Sarà una tappa verso **un nuovo modello di commercio digitale**? Dove l’assistente AI non si limita a consigliare cosa acquistare, ma accompagna l’utente nell’intero processo d’acquisto in modo naturale e diretto. --- ## **Serve una leadership con “*mentalità da pilota*” per gestire al meglio l'AI** Sempre più aziende adottano strumenti di intelligenza artificiale con grandi aspettative di efficienza, ma i risultati spesso deludono. Secondo una recente analisi di **BetterUp Labs** e **Stanford Social Media Lab**, il fenomeno del “**workslop**” (*contenuti generati dall’IA che sembrano lavoro ben fatto ma sono privi di sostanza*) sta **compromettendo la produttività** e la collaborazione nei team. ![Serve una leadership con “mentalità da pilota” per gestire al meglio l'AI](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/10/AI-Generated-Workslop-1.webp) Documenti, report e presentazioni **creati in pochi secondi finiscono per spostare il carico cognitivo su chi li riceve**, che deve reinterpretare, correggere o rifare da capo. Oltre al tempo sprecato, si innescano dinamiche di **sfiducia** e **giudizi negativi** sulla competenza dei colleghi. > **Non è una questione tecnologica, ma culturale. Serve un uso più consapevole dell’IA, che valorizzi il pensiero critico invece di sostituirlo.** 1. **L’IA non alleggerisce il lavoro se usata senza criterio**: semplicemente lo scarica su altri. 2. **Il “*workslop*” ha un costo nascosto**: tempo perso, fiducia compromessa, collaborazione danneggiata. 3. La differenza la fa l’approccio: **serve una cultura del “*pilota*”, non del “*passeggero*”, per usare davvero l’IA in modo utile**. [Vai al post di HBR](https://hbr.org/2025/09/ai-generated-workslop-is-destroying-productivity?ref=alessiopomaro.it) --- ## **Seedream 4** Ho provato **Seedream 4**, il nuovo modello dedicato alle immagini di **ByteDance** (*che tutti conosciamo per TikTok*). > **Lo trovo impressionante, sinceramente**. Ho creato le prime due immagini fornendo al modello gli oggetti (il profumo e la chitarra) e descrivendo la scena con un prompt testuale. Le altre due, sono text-to-image. L'output è in 4K… ma, ancora una volta, a stupire è sì la qualità, ma soprattutto l’aderenza alle istruzioni. ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/10/seedream-4-4k-1.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/10/seedream-4-4k-2.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/10/seedream-4-4k-3.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/10/seedream-4-4k-4.webp) Immagini generate con Seedream 4 Seedream 4 nasce come **modello “*unificato*”**: non solo **genera immagini** da zero, ma **permette anche di modificarle** tramite semplici richieste in linguaggio naturale. Questo significa poter togliere o aggiungere elementi, cambiare sfondi, mantenere lo stesso soggetto in più scene o addirittura costruire sequenze narrative coerenti. In termini di performance, la velocità è sorprendente: circa **1,8 secondi per un’immagine 2K** (*forse meno di Gemini*), con **supporto fino a 4K**. Le immagini originali che ho condiviso "*pesano*" mediamente 15MB. Sul fronte qualità, benchmark indipendenti lo collocano ai vertici accanto a Gemini 2.5 Flash Image (*Nano Banana*) di Google, considerato **tra i migliori modelli generativi del momento**. Il modello è **usabile via API** (*BytePlus*) o piattaforme terze che l’hanno già integrato (*ad esempio* [***Freepik***](https://it.freepik.com/pikaso/ai-image-generator?ref=alessiopomaro.it)*, che consiglio*). > **Velocità**, **qualità**, un'incredibile **aderenza ai prompt**, e **coerenza delle immagini**: se questo è il nuovo standard di elaborazione delle immagini attraverso l'AI generativa, le applicazioni commerciali sembrano quasi naturali. --- ## **Agent Payments Protocol (AP2)** > Siamo pronti agli **acquisti autonomi gestiti da AI Agent**? Google ha annunciato il nuovo **Agent Payments Protocol (AP2)**, un’infrastruttura aperta che definisce regole comuni per permettere agli agenti intelligenti di effettuare pagamenti in modo sicuro e interoperabile. [Il protocollo su GitHub](https://github.com/google-agentic-commerce/AP2?ref=alessiopomaro.it) Con oltre 60 partner globali, tra cui **Mastercard**, **PayPal**, **Coinbase** e **American Express**, AP2 nasce per affrontare i **nodi critici dell'e-commerce automatizzato**: autorizzazione, autenticità e responsabilità. Elementi che diventano centrali quando non è più l’utente a cliccare “*compra*”, ma un agente a operare in autonomia. ![Agent Payments Protocol (AP2)](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/10/agent-payments-protocol-AP2.webp) Il cuore del sistema sono i **Mandati crittografici**, contratti digitali firmati che fungono da prova verificabile delle intenzioni dell’utente. Possono essere in tempo reale, quando l’utente approva un carrello, oppure delegati, quando **si affida all’agente per rispettare condizioni preimpostate**. In entrambi i casi, la catena di prove crea una traccia non contestabile che collega volontà, carrello e pagamento. Questa architettura apre scenari di commercio evoluto: **acquisti intelligenti** che si attivano al momento giusto, **offerte personalizzate nate dal dialogo fra agenti**, **prenotazioni coordinate** di viaggi e servizi, fino a integrazioni con stablecoin e soluzioni Web3 grazie all’estensione A2A x402. [Il post di Google](https://cloud.google.com/blog/products/ai-machine-learning/announcing-agents-to-payments-ap2-protocol?ref=alessiopomaro.it) > AP2 non è solo un protocollo tecnico, ma una cornice di fiducia e interoperabilità che **potrebbe ridisegnare l’esperienza del pagamento digitale** nell’era degli agenti autonomi. --- ## **"*Ok Computer*" di Kimi** > Kimi ha rilasciato la modalità "**Agente**", denominata "**Ok Computer**". L'ho provato in un task di **analisi dei dati** (*fornendo un CSV in input*) e **sviluppo di un sito web per presentare 4 diverse dashboard**: una generale, una per il team di vendita, una per il CEO dell'azienda, e una sintesi con gli highlights. Il sistema **usa un ambiente virtuale**, genera ed esegue una serie di **script Python** per la pulizia del dataset e per preparare i dati per widget dedicati alle diverse dashboard. Successivamente **sviluppa l'homepage e le pagine**, come da prompt in input. In **38 minuti** il sito web era pronto, "*deployato*" e raggiungibile in un webserver remoto; e fornisce anche tutti i file necessari per **eseguirlo in locale**. Nel video si può vedere una sintesi dei diversi step. "OK Computer" di Kimi > Un agent potente, e soprattutto, gratuito. --- ## **Gemini Robotics 1.5** > **Portare gli Agenti AI nel mondo fisico?** Google DeepMind procede nell'evoluzione nell'ambito della robotica con **Gemini Robotics 1.5**. Si tratta di un avanzamento significativo verso **sistemi in grado di percepire, ragionare e agire nel mondo reale in modo autonomo e generalista**. Il cuore di questo progresso è la combinazione di due modelli complementari: **Gemini Robotics 1.5** e **Gemini Robotics-ER 1.5**. 0:00 /0:30 1× Gemini Robotics 1.5 Il primo, un modello **Vision-Language-Action (*VLA*)**, consente ai robot di interpretare **informazioni visive** e **comandi linguistici** trasformandoli in azioni fisiche. Ma ciò che lo distingue è la capacità di "***pensare prima di agire***": sviluppa catene di ragionamento interno che precedono l’esecuzione, rendendo le decisioni trasparenti e più affidabili. Il secondo, Gemini Robotics-ER 1.5, funziona da "***cervello strategico"***. Ragiona sul mondo fisico, pianifica, valuta i propri progressi, utilizza strumenti digitali e comunica con il modello esecutivo. Ha ottenuto risultati all’avanguardia in benchmark accademici legati alla **comprensione spaziale** e al **ragionamento embodied**. Questa architettura a due livelli permette una **gestione più flessibile e robusta dei compiti**, anche in ambienti complessi e mutevoli. Inoltre, il sistema mostra un'efficace capacità di **trasferimento tra diversi corpi robotici**, riducendo drasticamente il tempo necessario per apprendere nuove abilità. In parallelo, DeepMind integra approcci innovativi per garantire la **sicurezza semantica e fisica di questi agenti**, promuovendo uno sviluppo allineato ai principi etici dell’**AI responsabile**. [Vai al post](https://deepmind.google/discover/blog/gemini-robotics-15-brings-ai-agents-into-the-physical-world/?ref=alessiopomaro.it) > L'integrazione del ragionamento, della **percezione multimodale** e della capacità d'azione in ambienti reali segna un passo concreto verso una forma di **intelligenza artificiale fisica**, capace di operare al servizio dell’uomo in modo autonomo e collaborativo. --- ## **Creare presentazioni usando l'AI?** > Finalmente si iniziano a vedere processi interessanti! [**Moonshot AI**](https://www.moonshot.ai/?ref=alessiopomaro.it) ha rilasciato **Kimi Slides**: un componente della chat di Kimi dedicato alla generazione di presentazioni, editabili e scaricabili in PPTX. L'ho provato, e si tratta di uno strumento notevole! Nel video si può vedere il processo di creazione.. Kimi Slides: un esempio di creazione di una presentazione Ho caricato un [post del mio blog](https://www.alessiopomaro.it/intelligenza-artificiale-capire-il-potere-scegliere-la-direzione/), chiedendo al modello di preparare una presentazione relativa ai concetti trattati. Il sistema procede generando la struttura della presentazione (*outline*), che può essere modificata e arricchita manualmente, direttamente dalla UI della chat. Mi ha chiesto di scegliere un template, e ha iniziato a creare l'output. Una volta terminata l'elaborazione, permette di **editarla completamente**, cambiando e modificando testi ed elementi, aggiungendo o rimuovendo slide, sostituendo il template, ecc.. Infine, permette di scaricarla, anche in **formato PPTX** (*modificabile*). > L'output che si ottiene è un'**ottima bozza iniziale**.. e in meno di un minuto. [Per provarlo](https://www.kimi.com/kimiplus-square?ref=alessiopomaro.it) Nel post di lancio, l'azienda annuncia: "*Coming soon: Adaptive Layout, auto image search & agentic slides*". Scopriremo presto di cosa si tratta. --- ## **Chrome DevTools MCP** È il momento di **Chrome DevTools MCP**: un’evoluzione concreta nell’interazione tra agenti AI e ambienti di sviluppo reali. Il limite principale degli agenti di programmazione (*l’impossibilità di osservare direttamente l’effetto del codice eseguito*) viene superato offrendo loro **accesso al browser Chrome attraverso un’integrazione diretta con DevTools**. [Chrome DevTools (MCP) for your AI agent | Blog | Chrome for DevelopersPublic preview for the new Chrome DevTools MCP server, bringing the power of Chrome DevTools to AI coding assistants.![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/icon/favicon-6.png)Chrome for DevelopersX![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/thumbnail/hero.png)](https://developer.chrome.com/blog/chrome-devtools-mcp?ref=alessiopomaro.it) I LLM possono così **ispezionare il DOM**, analizzare **richieste di rete**, raccogliere **dati di performance**, interagire con l’**interfaccia utente** e **simulare condizioni complesse**. Non si tratta solo di generare codice, ma di testarlo, osservarne il comportamento ed eventualmente correggerlo, in un ciclo chiuso, guidato dall’intelligenza artificiale. Il supporto a [**Puppeteer**](https://pptr.dev/?ref=alessiopomaro.it) consente automazioni robuste, con azioni come clic, compilazione form, gestione di dialoghi e navigazione tra pagine. Tra gli strumenti inclusi figurano anche la tracciatura delle performance, l’emulazione di rete e CPU, la generazione di screenshot e l’esecuzione di script in tempo reale. Tutto questo è accessibile con una semplice configurazione JSON e un comando npx. [GitHub - ChromeDevTools/chrome-devtools-mcp: Chrome DevTools for coding agentsChrome DevTools for coding agents. Contribute to ChromeDevTools/chrome-devtools-mcp development by creating an account on GitHub.![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/icon/pinned-octocat-093da3e6fa40-12.svg)GitHubChromeDevTools![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/thumbnail/chrome-devtools-mcp)](https://github.com/chromeDevTools/chrome-devtools-mcp/?ref=alessiopomaro.it) > DevTools MCP inaugura un nuovo paradigma: **l’agente non è più solo autore del codice, ma anche osservatore e correttore attivo**. Si apre così la strada a flussi di lavoro in cui l**o sviluppo web diventa più dinamico, verificabile e adattivo, con l’AI pienamente inserita nel ciclo di esecuzione del software**. ### Un test del sistema Quello che si vede nel video, è un mio test di Gemini CLI connesso al server MCP di Chrome DevTools. Gemini CLI con MCP di Chrome DevTools Lo trovo un supporto molto interessante, utile nella fase di **analisi delle performance dei siti web** (*anche automatizzate*), soprattutto perché consente di andare **oltre la misurazione**, fornendo **suggerimenti e fix reali**. Ho fatto test anche con la **riduzione della velocità di connessione**, e con azioni di browser automation per verificare la presenza di eventuali problematiche. Usarlo è davvero semplice. Quelli che seguono sono 3 comandi che permettono di vederlo funzionare in qualche minuto (io lo uso su una macchina Debian). - **Installazione dell'agente di Gemini CLI:** npm install -g @google/gemini-cli - **Aggancio del server MCP di Chrome DevTools all'agente:** gemini mcp add chrome-devtools "npx" "chrome-devtools-mcp@latest" -- \ --headless=false - **Avvio di Gemini CLI con il modello 2.5 Pro:** gemini -m gemini-2.5-pro --- ## **MCP Toolbox for Databases di Google** Google ha rilasciato in open source **MCP Toolbox for Databases**, precedentemente noto come GenAI Toolbox. Si tratta di un **server MCP** progettato per facilitare l'**integrazione di agenti AI con database**, semplificando la gestione degli strumenti attraverso configurazioni centralizzate. ![MCP Toolbox for Databases](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/10/mcp-toolbox-for-databases.webp) MCP Toolbox for Databases di Google Il progetto fornisce funzionalità come pooling delle connessioni, autenticazione integrata, osservabilità con [**OpenTelemetry**](https://opentelemetry.io/?ref=alessiopomaro.it) e supporto per diversi framework, tra cui **LangChain** e **LlamaIndex**. [Vai al progetto](https://github.com/googleapis/genai-toolbox?ref=alessiopomaro.it) Con MCP Toolbox è possibile creare **assistenti AI che accedono ai dati usando il linguaggio naturale** direttamente da un IDE, automatizzare query SQL, generare codice contestuale e semplificare l'intero ciclo di vita dello sviluppo applicativo orientato ai dati. --- ## **L'MCP Server di Figma** **Figma** ha presentato il suo **MCP Server** (*Model Context Protocol*) per strumenti di sviluppo e agenti AI. Il punto centrale di questa innovazione è la possibilità di fornire **contesto progettuale** direttamente all’interno degli ambienti dove viene scritto il codice, provando a rendere il design un’entità computabile e riutilizzabile, **non più una semplice rappresentazione visiva**. 0:00 /0:29 1× L'MCP Server di Figma Con il supporto al server remoto, Figma consente di **accedere a componenti**, **layout**, **variabili** e **logiche progettuali** direttamente da IDE come VS Code, o tramite agenti AI come Claude e Cursor, senza passare dal client desktop. È sufficiente il link a un frame per permettere all’agente di accedere al nodo specifico, leggerne la struttura e generare codice coerente, contestualizzato e aderente al design system esistente. [Vai al post](https://www.figma.com/blog/design-context-everywhere-you-build/?ref=alessiopomaro.it) Il valore reale emerge nell’uso combinato di **Figma Make**, il nuovo ambiente per la **generazione di interfacce**, e Code Connect, che **allinea componenti Figma ai componenti di produzione**. L'agente AI, in questo scenario, **non lavora più su immagini statiche ma su riferimenti strutturati**, accedendo al codice sorgente dei file Make e comprendendo i mapping definiti tra design e codice. Ne risulta un flusso in cui le AI non sono più strumenti generativi generici, ma veri e propri **agenti informati**, in grado di **produrre output consistenti**, **scalabili** e **aderenti alla realtà tecnica del progetto**. [Vai alla documentazione](https://www.figma.com/blog/design-context-everywhere-you-build/?ref=alessiopomaro.it) L’MCP Server non si limita a trasportare dati: veicola significato, struttura e coerenza, diventando un canale di comunicazione bidirezionale tra la progettazione visuale e la logica di produzione. In questo contesto, **ogni nodo di design diventa un'unità computabile**, ogni file Make un’estensione dell’architettura, e ogni agente AI un collaboratore operativo sul prodotto. --- ## **Gemini: come si leggono i consumi?** > Come si leggono i dati del consumo di token nell'API di Gemini? Nella mia applicazione sto elaborando una serie di **prodotti di un e-commerce**, e per ogni chiamata API invio un **prompt multimodale** (*testo + immagine*), usando anche il **tool di web search** (*Grounding with Google Search*). Nella risposta dell'API si vedono i dati di consumo dell'immagine. ![Un esempio di risposta API di Gemini 2.5 Pro](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/10/risposta-api-gemini.webp) Un esempio di risposta API di Gemini 2.5 Pro ### I dettagli - **Input**. Il totale dei token in input che il modello ha considerato per l'elaborazione è di 8.733 token: 8.475 token di testo e 258 token di immagine. - **Cache**. 3.155 token (*di cui 3.062 di testo e 93 di immagine*) sono stati recuperati dal sistema di cache implicita di Gemini. Questo significa che solo la differenza (*5.578 token*) è stata effettivamente inviata con questa nuova chiamata, ottimizzando così costi e velocità. Questo tipo di **cache (*implicita*)** è automatico. Le parti che si ripetono nei prompt (*es. istruzioni di sistema, specifiche su come creare l'output, ecc.*) vengono salvate in una memoria a breve termine e riutilizzate nelle chiamate successive a un prezzo molto inferiore. - **Tools**. I contenuti estratti attraverso le diverse ricerche prodotte in fase di reasoning hanno consumato 9.278 token. - **Reasoning**. Durante la sua elaborazione, il modello ha utilizzato 477 token per il suo processo di ragionamento interno, un'attività che non appare nell'output finale ma è cruciale per la qualità della risposta. - **Output**. La risposta generata dal modello (*la sezione candidates*) è composta da 998 token. - **Consumo Totale**. Sommando tutte queste componenti (*input, output, tool e reasoning*), il consumo complessivo per questa singola chiamata API ammonta a 19.486 token. > Con tutti questi dati, si possono creare dei **sistemi di log e reportistica**, che permettono di avere sotto controllo l'elaborazione. ### **Un esempio di dashboard** Alcuni estratti della dashboard che sto utilizzando per monitorare i consumi e le azioni dell'applicazione. ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/10/dashboard-monitoraggio-consumo-gemini-1.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/10/dashboard-monitoraggio-consumo-gemini-2.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/10/dashboard-monitoraggio-consumo-gemini-3.webp) Dashboard per il monitoraggio dei consumi di Gemini 2.5 Pro Il **monitoraggio dei consumi è da inserire già in fase di progettazione**: l'effort è bassissimo (*tutte le informazioni sono nelle risposte delle API dei LLM*), ma l'utilità è altissima. --- ## **Le allucinazioni nei modelli linguistici** OpenAI ha pubblicato un paper che analizza in profondità **le cause delle allucinazioni** nei modelli linguistici, mostrando che non sono un’anomalia ma un fenomeno statistico. Nascono già nel pretraining: anche con dati perfetti, l’obiettivo di **minimizzare la cross-entropy** porta a generare errori. I fatti rari (*es. il compleanno di una persona poco citata*) sono particolarmente vulnerabili, mentre quelli ricorrenti resistono meglio. ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/paper-allucinazioni-openai-1.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/paper-allucinazioni-openai-2.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/paper-allucinazioni-openai-3.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/paper-allucinazioni-openai-4.webp) Le allucinazioni nei modelli linguistici - Un paper di OpenAI Questi errori assomigliano a misclassificazioni in un problema supervisionato: inevitabili quando i dati sono insufficienti o il modello non è abbastanza espressivo. **Non è solo un limite della conoscenza**, ma anche della famiglia di modelli utilizzata. Il paradosso è che il **post-training**, pur cercando di ridurre le allucinazioni, spesso le perpetua. Le metriche di valutazione dominanti puniscono le risposte di incertezza e premiano chi “azzarda” sempre una risposta. Così, **i modelli imparano a bluffare**. [Vai al paper](https://openai.com/index/why-language-models-hallucinate/?ref=alessiopomaro.it) La soluzione non passa soltanto da **nuove architetture o da più dati**, ma da un cambiamento negli incentivi: valutazioni che riconoscano **il valore del dire “*non lo so*”**. Solo così si può orientare lo sviluppo verso **sistemi più affidabili** e pragmatici, capaci di gestire l’incertezza senza trasformarla in falsa certezza. --- ## **Project Mariner di Google: un'anteprima** A proposito di Agenti AI dedicati alla browser automation e di **Project Mariner** di Google.. Il sistema è già disponibile per gli utenti Gemini Ultra. Funziona come **Operator** di OpenAI, ma può agire direttamente sulle schede di Chrome. Negli esempi si vedono alcuni task che l'agente compie, e tutti gli step che segue. Project Mariner di Google: un'anteprima Quando la funzionalità sarà direttamente su **Chrome**, o su **AI Mode**, non credo rimarrà molto spazio per altri agenti di questo tipo.. il **potere dell'ecosistema**, ma anche del modello più potente sul mercato. [Vai al progetto](https://labs.google.com/mariner/?ref=alessiopomaro.it) --- ## **Chrome sarà potenziato dall'AI** > Google ha presentato l'evoluzione di Chrome potenziato dall'AI. Questo significa: **uno dei LLM più potenti** integrato nel **browser più usato al mondo**, con un **agent di browser automation**, e interazione nativa con le **app più usate al mondo**. Il protagonista è **Gemini in Chrome**, che trasforma il browser in un assistente intelligente capace di comprendere il contesto, lavorare su più schede contemporaneamente, riassumere informazioni complesse e persino ricordare le pagine visitate in passato. Non più solo navigazione, ma comprensione attiva. 0:00 /2:27 1× Attraverso le **funzionalità agentiche**, Gemini potrà svolgere compiti per conto dell’utente, come prenotare appuntamenti o fare acquisti online, semplificando processi che oggi richiedono diversi passaggi manuali. [Chrome: The browser you love, reimagined with AIGoogle is taking the next step in its journey to make your browser smarter with new AI integrations.![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/icon/apple-touch-icon-18.png)GoogleParisa Tabriz![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/thumbnail/Blog_image_1920x1080_1.width-1300.png)](https://blog.google/products/chrome/chrome-reimagined-with-ai/?ref=alessiopomaro.it) La barra degli indirizzi si evolve con l’introduzione di **AI Mode**: sarà possibile porre domande complesse direttamente dall’omnibox, ottenere risposte intelligenti, suggerimenti contestuali e approfondimenti generati in tempo reale, tutto senza cambiare scheda. Sul fronte della **sicurezza**, l’AI diventa un alleato fondamentale: **blocca truffe sofisticate**, **filtra notifiche indesiderate**, gestisce con intelligenza le richieste di autorizzazione (*come fotocamera e geolocalizzazione*) e consente di **aggiornare password compromesse** in un solo clic. Infine, l’integrazione diretta con servizi come **YouTube**, **Calendar**, **Maps** e **Docs** porta la produttività a un nuovo livello, permettendo di interagire con le app senza uscire dalla pagina attiva. [Il post di Google](https://blog.google/products/chrome/new-ai-features-for-chrome/?ref=alessiopomaro.it) > Con questa evoluzione, Chrome smette di essere una semplice finestra sul web e **diventa un vero assistente personale AI-native**, progettato per rendere la navigazione più efficace, sicura e intelligente. --- ## **E-commerce personalizzati: se non è già il momento, lo sarà presto** In [questa demo](https://v0.app/templates/storefront-w-nano-banana-ai-sdk-ai-gateway-XAMOoZPMUO5?ref=alessiopomaro.it). l'utente può caricare la sua immagine e vedere i prodotti del catalogo indossati. Chiaramente il sistema potrebbe usare delle immagini caricate ad hoc nel profilo, senza bisogno di upload. 0:00 /0:39 1× Personalizzazione dell'e-commerce usando l'AI E magari, ad esempio, potrà far vedere all'utente **le scarpe del catalogo indossate insieme alla tuta acquistata il mese precedente**. Oppure con **i prodotti che vengono acquistati più frequentemente** insieme dal cluster di clienti al quale appartiene. > Nei nostri [**seminari dell'Accademia**](https://accademia.searchon.it/?ref=alessiopomaro.it), parliamo di contenuti personalizzati da diversi anni. Mancavano modelli con un'efficienza tale da mettere a terra la visione. Oggi, con modelli come **Gemini 2.5 Pro Flash Image** (*Nano Banana*) e **Seedream 4** ci stiamo avvicinando non poco. ### **Un mio test di "*Virtual Try On*"** Primi test di "**Virtual Try On**" basato su Gemini 2.5 Flash Image (*Nano Banana*). ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/virtual-try-on-nano-banana-1.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/virtual-try-on-nano-banana-2.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/virtual-try-on-nano-banana-3.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/virtual-try-on-nano-banana-4.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/virtual-try-on-nano-banana-5.webp) Un mio esempio di "**Virtual Try On*" L'aspetto più interessante? L'ho creato completamente usando **la sezione "*Build*" di Google AI Studio**. Quindi, tutto il codice è generato da Gemini 2.5 Pro partendo dalle mie istruzioni testuali. [Per usarlo e modificarlo](https://aistudio.google.com/apps/drive/1rwtMle8vA3shtoKDYveU-iBiSnazCNa0?showPreview=true&showAssistant=true&ref=alessiopomaro.it) > Di certo non può essere considerato un plugin pronto all'uso, ma una base per fare delle riflessioni sulla **personalizzazione dell'esperienza utente** verso la quale ci stiamo avviando. --- ## **Risorsa utile + COLAB gratuito** Microsoft ha pubblicato [**MarkItDown**](https://github.com/microsoft/markitdown?ref=alessiopomaro.it), uno strumento in Python che converte file come PDF, Word, Excel, PowerPoint, immagini, HTML, JSON, e molti altri formati, in Markdown. ![MarkItDown di Microsoft + Colab gratuito](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/markitdown-colab-gratuito-1.webp) MarkItDown di Microsoft + Colab gratuito È ideale per trasformare i file in **contesto per agenti basati su LLM**, preserva la struttura del documento (*titoli, elenchi, tabelle…*) ed è perfetto per analisi testuale, automazioni o integrazioni AI. L’ho provato e ho creato un **Colab pronto all’uso**, con un’ulteriore integrazione: OCR tramite Tesseract. [Vai al Colab](https://colab.research.google.com/drive/1Bn5OrSvFsjxBxIV5Pm8mvsqn9DgLwhIi?usp=sharing&ref=alessiopomaro.it) Perché? Di default, MarkItDown prova a leggere le immagini, ma se non trova un motore OCR installato restituisce solo i metadati (*EXIF*). Con l’integrazione Tesseract, invece, anche il testo contenuto nelle immagini (*scansioni, screenshot, foto di documenti*) viene estratto e convertito in Markdown. --- ## **Dolphin: un tool per il parsing dei documenti** **Dolphin** è un **modello multimodale open-source** per l’**analisi** e il **parsing** di documenti, sviluppato dal team di ricerca di **ByteDance**. Nasce con l’obiettivo di interpretare strutture complesse all’interno di **documenti digitalizzati**, come tabelle, formule, paragrafi di testo e immagini, restituendo una rappresentazione strutturata che rispetta l’ordine di lettura umano. Un sistema molto interessante per supportare l'**interpretazione dei documenti** da parte dei LLM. L'ho provato, e lo trovo molto potente. ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/10/dolphin-llm-1.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/10/dolphin-llm-2.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/10/dolphin-llm-3.webp) Dolphin: un tool per il parsing dei documenti Il funzionamento del sistema si basa su un **paradigma a due fasi definito analyze-then-parse**. Nella prima fase, il modello analizza l’intera pagina per identificare e ordinare logicamente gli elementi presenti. Nella seconda, avvia un processo di parsing parallelo degli elementi documentali tramite un meccanismo chiamato heterogeneous anchor prompting, in cui ogni tipo di contenuto è gestito con prompt specifici. Questa distinzione semantica permette di **ottimizzare l’interpretazione**, e migliora l’**efficienza** complessiva. Dolphin integra **modelli visivo-linguistici** e sfrutta strumenti di accelerazione come TensorRT-LLM e vLLM per garantire prestazioni elevate, anche su documenti multipagina in formato PDF. È accessibile attraverso due framework paralleli: uno basato su configurazioni locali e uno integrato nella piattaforma Hugging Face, che ne facilita l’utilizzo e la distribuzione. Le inferenze possono produrre output in formato JSON o Markdown, sia a livello di pagina sia di singolo elemento. [Vai al progetto](https://github.com/bytedance/Dolphin?ref=alessiopomaro.it) > Dolphin si posiziona come un **contributo tecnico rilevante per l’estrazione semantica da documenti visivi**, supportando scenari reali di OCR avanzato, digitalizzazione e comprensione automatizzata del layout. --- ## **Veo 3: l’alba del ragionamento visivo?** Per anni l’AI ha imparato a “*vedere*” attraverso modelli specializzati: uno per segmentare, un altro per riconoscere oggetti, un altro ancora per migliorare immagini in bassa qualità. La ricerca di Google DeepMind mostra che **con Veo 3 siamo di fronte a una svolta**: > un singolo modello video capace di affrontare, senza addestramento specifico, compiti che spaziano dalla percezione al ragionamento. 0:00 /0:38 1× Veo 3 non si limita a riconoscere i contorni di un oggetto. Dimostra di **intuire proprietà fisiche** come il galleggiamento o la resistenza dell’aria, di **manipolare scene visive con coerenza**, di completare puzzle, labirinti e simmetrie. È un passaggio **dal semplice “*vedere*” al cominciare a “*capire*”** il mondo in movimento. > Anche se, devo dire, che alcuni miei esperimenti specifici mi portano a pensare che, pur vedendo una crescita enorme, rimaniamo lontani dalla "comprensione del mondo". [Vai al paper](https://video-zero-shot.github.io/?ref=alessiopomaro.it) Il paper analizza oltre **18.000 video generati**, coprendo **62 compiti qualitativi** e **7 quantitativi**. I risultati mostrano un netto miglioramento rispetto a Veo 2: nel labirinto 5×5, il tasso di successo passa dal 14% al 78%, mentre nelle segmentazioni zero-shot Veo 3 raggiunge una mIoU di 0.74, comparabile a modelli di editing dedicati. > Questa progressione indica non solo un affinamento percettivo, ma anche l’emergere di una “catena di frame” capace di sostenere forme iniziali di ragionamento visivo. --- ## **Visual prompt per la generazione video** Si tratta di **indicazioni per il modello direttamente nel key frame** che usiamo nel prompt multimodale. Nell'esempio, parto da un'immagine generata con [**Gemini 2.5 Flash Image**](https://www.alessiopomaro.it/generative-ai-novita-e-riflessioni-8-2025/) (*Nano Banana*). La edito inserendo delle indicazioni, e la uso come fotogramma chiave su Veo 3, insieme a delle istruzioni testuali. Un esempio di visual prompt per Veo 3 La componente testuale del prompt l'ho generata attraverso "***Veo 3 Prompt Assistant***", usando anche l'immagine del key frame come indicazioni di supporto. Il **risultato è aderente alle indicazioni**. Nella parte finale del video, il soggetto guarda verso la camera: questa azione è stata descritta dal prompt testuale (*sarebbe stato difficile usare uno schema nell'immagine*). Chiaramente, il modello usa l'immagine come fotogramma di partenza (*conservando anche le istruzioni grafiche*), quindi, nel prompt testuale ho specificato che le indicazioni devono scomparire immediatamente nel video. E così, con un taglio del primo mezzo secondo, si ottiene il video pulito. > Presto vedremo software di generazione video che ci permetteranno di **disegnare le indicazioni direttamente nelle immagini** in modo semplice, per poi generare il video corrispondente. > Il mix di **istruzioni multimodal**i (immagine/schema + testo), aiutano a pilotare meglio il modello. Per provare "***Veo 3 Prompt Assistant***": [ChatGPT - Veo 3 Prompt AssistantA conversational AI system that listens, learns, and challenges![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/icon/favicon-180x180-od45eci6-4.webp)ChatGPT![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/thumbnail/content)](https://chatgpt.com/g/g-68834809be408191983685ac1f1972a9-veo-3-prompt-assistant?ref=alessiopomaro.it) Oppure basta cercare "*Veo 3 Prompt Assistant*" nella sezione GPT di ChatGPT. --- ## **Veo3: novità + COLAB gratuito** > I cambiamenti riguardano tre aspetti fondamentali: prezzo, formato e qualità visiva. - Il primo è una **riduzione dei costi** significativa: Veo 3 passa da $0.75 a $0.40 al secondo, mentre Veo 3 Fast scende da $0.40 a $0.15\. Una mossa che **rende più accessibile l’adozione di questi modelli** per produzioni su larga scala o in contesti sperimentali. - Il secondo aspetto riguarda l’**ampliamento dei formati supportati**. Con l’introduzione del 9:16 verticale, Veo si allinea alle esigenze contemporanee dei contenuti digitali, in particolare per il mobile e i social media, dove la verticalità è diventata standard. Ho generato i video del post via API, formato 9:16\. Prompt creato con "[***Veo 3 Prompt Assistant***](https://chatgpt.com/g/g-68834809be408191983685ac1f1972a9-veo-3-prompt-assistant?ref=alessiopomaro.it)". Un esempio di video verticale generato con Veo 3 Condivido il Colab che ho usato, che permette di selezionare e variare il formato e la risoluzione. [Vai al colab](https://colab.research.google.com/drive/1-JLq9IOBZUDds2btoYYCzFmsBC1nNOuR?usp=sharing&ref=alessiopomaro.it) Basta impostare l'API Key di Gemini nei "*Secrets*", impostare i parametri nel form, agire sul prompt, ed eseguire. - Infine, l’**introduzione della risoluzione 1080p** segna un miglioramento tecnico rilevante, abilitando produzioni più nitide e coerenti con le aspettative moderne di qualità visiva. [Vai al post di Google](https://developers.googleblog.com/en/veo-3-and-veo-3-fast-new-pricing-new-configurations-and-better-resolution/?ref=alessiopomaro.it) > Secondo Google, questi aggiornamenti non sono solo incrementali: rappresentano una **normalizzazione dell’uso di modelli generativi video in flussi di lavoro professionali**. L’integrazione di Veo 3 in strumenti come Saga, Mosaic o Invisible Studio ne è una testimonianza concreta: la generazione video non è più solo un prototipo, ma un ingranaggio produttivo reale. --- ## **Wan 2.5** > La qualità generale dei **modelli di generazione video** aumenta.. e Alibaba lo dimostra rilasciando **Wan 2.5**. Il nuovo modello introduce un’**architettura multimodale nativa** e un addestramento congiunto su testo, audio e dati visivi, garantendo un migliore allineamento tra le modalità e una **sincronizzazione audio-video naturale**. 0:00 /0:25 1× Esempi di video generati con Wan 2.5 Grazie all’integrazione del **Reinforcement Learning from Human Feedback** (*RLHF*), l’output si adatta meglio alle preferenze umane, con immagini più nitide e video più dinamici. Sul fronte video, Wan 2.5 offre **generazione sincronizzata di voce**, **effetti sonori e musica**, **input multimodali controllabili** (*testo, immagini, audio*) e un sistema avanzato di **controllo cinematografico** per produrre **clip in 1080p** della durata di 10 secondi. L'interfaccia di generazione, permette di **estendere i video**, di effettuare "*repaint*" e "*inpaint*". [Per provarlo](https://wan.video/?ref=alessiopomaro.it) Per le immagini, il modello migliora nella **qualità fotorealistica** e negli **stili artistici**, includendo tipografia creativa e grafici professionali. Supporta inoltre editing conversazionale con precisione a livello di pixel, consentendo operazioni come fusioni concettuali, trasformazioni di materiali o variazioni cromatiche di prodotto. --- ## **Ray 3 di Luma Labs** > **Luma Labs** ha rilasciato il primo **modello video in grado di "*ragionare*"** in 4K HDR. Si tratta di **Ray 3**, progettato per comprendere l’**intento creativo** e generare risultati visivi coerenti, realistici e ad alta fedeltà. È in grado di attuare un'azione di "*reasoning*" attraverso concetti visivi, valutare le bozze prodotte e migliorare automaticamente la qualità con ogni iterazione. L'ho provato, sia in modalità **text-to-video**, sia **image-to-video**. L'aderenza alle istruzioni nei prompt che ho usato è altissima, come la qualità degli output. 0:00 /0:26 1× Video generati con Ray 3 di Luma Labs Supporta la generazione nativa in 16-bit HDR, con esportazione in EXR per **integrazione nei flussi professionali di post-produzione**. Rispetto alla versione precedente, offre maggiore dettaglio alla stessa risoluzione e migliora la resa di movimento, luce, ottiche e interazioni spaziali. Tra le funzionalità avanzate: annotazioni visive per controllare layout e animazioni, keyframe, estensione e loop dei video, **upscaling** e un nuovo **Draft Mode** che consente iterazioni 5 volte più rapide e più economiche. > Ray 3 consente di creare video da testo o immagini, trasformare contenuti SDR in HDR e costruire scene complesse con personaggi, espressioni e ambienti coerenti. --- ## **Qwen-Image-Edit-2509** Dall’arrivo di Gemini 2.5 Flash Image (*Nano Banana*) e Seedream 4, l’asticella dell’**editing visivo** si è alzata a una velocità impressionante. E ora entra in scena **Qwen-Image-Edit-2509**. Editing multi-immagine con **coerenza su volti**, **prodotti**, **testi**. Supporta combinazioni complesse come persona + scena, persona + oggetto, persona + persona. Lavora su pose, stili e contesti con una precisione che restituisce non solo l’identità visiva, ma anche l’intento narrativo. [Vai al progetto](https://qwen.ai/blog?id=7a90090115ee193ce6a7f619522771dd9696dd93&from=research.latest-advancements-list&ref=alessiopomaro.it) Testo e immagine si fondono: font, colore, materiale e contenuto vengono modificati insieme, senza fratture visive. Il tutto con **integrazione nativa di ControlNet** (*depth map, edge, keypoint, sketch*), che permette controllo granulare su struttura e composizione. 0:00 /0:57 1× Qwen-Image-Edit-2509 La qualità dell’output è alta anche in casi difficili: - restauro fotografico con identità intatta - poster pubblicitari generati da semplici loghi - meme realistici con testi complessi - ritratti con pose alterate ma coerenza impeccabile E il dettaglio più importante: **è open source**. Licenza Apache 2.0, modello e codice disponibili pubblicamente. Usabile, modificabile, riutilizzabile. Anche per **scopi commerciali**. [Per provarlo](https://chat.qwen.ai/?inputFeature=image%5Fedit&ref=alessiopomaro.it) > Qwen-Image-Edit-2509 non è solo un aggiornamento. È una **piattaforma creativa** solida, aperta e controllabile. --- ## **Grok 4 Fast** **Grok 4 Fast** segna un’evoluzione nell’**intelligenza artificiale accessibile**, combinando potenza e convenienza. Si tratta di un modello ottimizzato che conserva **prestazioni vicine a Grok 4**, ma **riduce del 40% i token di ragionamento**, rendendolo più efficiente sotto il profilo computazionale ed economico. Con una finestra di **contesto di 2 milioni di token**, Grok 4 Fast si adatta a compiti lunghi e articolati, integrando nativamente l’uso di strumenti come web, ricerca su X, immagini e video. La sua architettura duale permette di alternare tra modalità di ragionamento e risposte rapide, a seconda della complessità del compito, senza sacrificare coerenza o profondità. ![Grok 4 Fast](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/10/grok-4-fast.webp) I benchmark confermano la validità di questa impostazione: prestazioni superiori a Grok 3 Mini a **costi significativamente più bassi**, mantenendo un equilibrio rilevante tra intelligenza e spesa per token. [Per approfondire](https://x.ai/news/grok-4?ref=alessiopomaro.it) La disponibilità gratuita per tutti gli utenti, compresi quelli non abbonati, rappresenta un passo concreto verso una **democratizzazione dell’AI avanzata**, in cui efficienza e accessibilità diventano elementi strutturali, non compromessi. --- ## **GPT-5-Codex di OpenAI** OpenAI presenta **GPT-5-Codex**, un’evoluzione di GPT-5 progettata per l’**ingegneria del software**. Allenato su compiti complessi e reali, questo modello unisce due capacità essenziali: l’interazione rapida nelle sessioni brevi e la perseveranza nei lavori di lunga durata, arrivando a operare autonomamente per ore. La sua specializzazione nel **code review** permette di scoprire difetti critici prima della distribuzione, riducendo il carico dei revisori umani e aumentando la qualità del codice. ![GPT-5-Codex di OpenAI](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/10/gpt-5-codex.webp) GPT-5-Codex di OpenAI L’ecosistema Codex si è trasformato in un vero "***compagno di lavoro***": dal terminale all’IDE, dal cloud a GitHub, fino all’app iOS, con la possibilità di passare senza soluzione di continuità dal contesto locale a quello remoto. Le nuove integrazioni supportano **immagini**, **to-do list**, **strumenti esterni** e **revisioni automatiche delle pull request**, con tempi di esecuzione molto più rapidi e una gestione della sicurezza che privilegia ambienti sandbox e controlli granulari. [Vai al post di OpenAI](https://openai.com/it-IT/index/introducing-upgrades-to-codex/?ref=alessiopomaro.it) > Incluso nei piani ChatGPT Plus, Pro, Business, Edu ed Enterprise, e in arrivo anche via API, **GPT-5-Codex incarna l’idea di un agente affidabile**, capace di **comprendere il contesto**, **collaborare** e assumersi responsabilità nello **sviluppo del software**. --- ## **Gli embeddings sono limitati** > E se gli **embeddings**, che oggi usiamo ovunque per ricerca e AI, avessero un limite matematico invalicabile? Il nuovo lavoro di **Google DeepMind** dimostra proprio questo: non importa quanto allarghiamo i modelli o quanto migliori siano i dati, esiste un tetto oltre il quale gli **embeddings** non possono più rappresentare tutte le possibili relazioni tra query e documenti. ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/embeddings-limiti-paper-google-deepmind-1.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/embeddings-limiti-paper-google-deepmind-2.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/embeddings-limiti-paper-google-deepmind-3.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/embeddings-limiti-paper-google-deepmind-4.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/embeddings-limiti-paper-google-deepmind-5.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/embeddings-limiti-paper-google-deepmind-6.webp) Un paper di DeepMind sulla limitazione degli embeddings > **Il motivo è geometrico**. Un embedding è un vettore in uno spazio di dimensione finita. Questo spazio può codificare tante relazioni, ma non tutte. Quando le query richiedono combinazioni troppo numerose o specifiche, la capacità crolla: alcune coppie o insiemi di documenti non possono essere recuperati da nessuna query, per pura impossibilità matematica. Gli autori formalizzano il concetto con i **sign-rank bounds**, che fissano un limite teorico alla capacità rappresentativa di un embedding di dimensione d. Poi lo mostrano empiricamente: **anche con 4096 dimensioni** (*già altissime*), l**a copertura delle possibili combinazioni si rompe già intorno ai 250 milioni di documenti** per recuperi top-2. Per rendere la cosa concreta, creano il dataset LIMIT: query banalissime come “*Chi ama le mele?*”, con documenti tipo “*Jon ama le mele*”, “*Leslie ama le caramelle*”. Semplice? Non per gli embedding. Anche i migliori modelli disponibili crollano, con meno del 20% di recall@100. Un **esempio intuitivo**: immagina una libreria con solo 100 scaffali. Puoi ordinare molti libri, ma non tutte le disposizioni possibili. A un certo punto, per quanto tu cerchi di essere creativo, mancherà lo spazio per rappresentare tutte le combinazioni. Gli embedding funzionano allo stesso modo: **una mappa utile, ma che non potrà mai contenere tutti i percorsi possibili**. Le implicazioni sono profonde: **non basta scalare**. Per applicazioni come search, recommendation o retrieval-augmented generation (*RAG*), **gli embeddings non possono essere l’unico motore di retrieval**. Servono **architetture ibride**, che combinino dense e sparse retrieval, multi-vector retrievers o **reranker** più potenti. [Vai al paper](https://arxiv.org/abs/2508.21038?ref=alessiopomaro.it) > Il messaggio del paper è netto: **gli embeddings rimangono strumenti preziosi, ma vanno trattati come parte di un sistema, non come la soluzione universale.** I loro limiti non sono un bug temporaneo, ma una proprietà strutturale. ### Un approfondimento sugli embeddings [Cosa sono gli embeddings? Esempi di utilizzoCosa sono e come funzionano gli embeddings (o incorporamenti): una spiegazione semplice con alcuni esempi di utilizzo in ambito SEO, e riflessioni sull’importanza della consapevolezza di questi sistemi.![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/icon/alessio-pomaro-voice-tech-seo-ico-3.png)Alessio PomaroAlessio Pomaro![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/thumbnail/embeddings-cosa-sono-esempi-1-1.jpg)](https://www.alessiopomaro.it/embeddings-cosa-sono-esempi/) --- ## **Gpt-oss di OpenAI su Groq** Usando [**Groq**](https://groq.com/?ref=alessiopomaro.it) è possibile usare le diverse versioni di **gpt-oss di OpenAI** (*i nuovi modelli open*) via API e con una velocità impressionante. Nel video testo la versione 120b nel **Playground di Groq**, su diversi task, usando anche il **tool di web search** e **code interpreter** (*per generare un diagramma*). Come si vede, l'inferenza è davvero veloce: mediamente **500 token/s**. Gpt-oss di OpenAI su Groq: un test > **E la qualità dei risultati?** Sinceramente è **ottima**, se consideriamo le caratteristiche del modello e la quantità di istruzioni che fornisco in input. Questi modelli possono davvero coprire una grande quantità di elaborazioni nelle applicazioni, soprattutto all'interno di **framework multi agente**. --- ## **Agenti open-source per la ricerca sul web** **Tongyi DeepResearch** rappresenta un passaggio significativo nell’evoluzione degli **agenti open-source per la ricerca sul web**. Si distingue non solo per i risultati raggiunti nei benchmark più complessi, ma soprattutto per l’approccio metodologico che lo sostiene. > Al centro di questa visione c’è l’idea che un agente non debba limitarsi a immagazzinare conoscenza, ma debba saper **agire**, **pianificare** e **costruire risposte** attraverso processi multi-step. 0:00 /1:28 1× Tongyi DeepResearch: un esempio Il concetto di **Agentic Continual Pre-Training** mostra come il pre-training non debba essere visto come una fase chiusa, ma come un ciclo continuo, arricchito da **dati sintetici progettati per simulare scenari di ricerca e di decisione**. In questo modo, il modello viene nutrito con esperienze artificiali che non solo ampliano il suo repertorio informativo, ma modellano il suo comportamento da agente, **rendendo più naturale il passaggio alle fasi successive di fine-tuning e reinforcement learning**. [Vai al progetto su GitHub](https://github.com/Alibaba-NLP/DeepResearch?ref=alessiopomaro.it) I risultati confermano la forza di questo approccio: Tongyi DeepResearch ottiene un punteggio di 32.9 su Humanity’s Last Exam, 43.4 su BrowseComp, 46.7 su BrowseComp-ZH e 75 su xbench-DeepSearch, superando sia agenti open-source che soluzioni proprietarie di riferimento. In un panorama dove l’accesso a dati reali è limitato e costoso, **l’uso sistematico e scalabile di dati sintetici rappresenta una svolta**: non una semplice sostituzione, ma una forma di addestramento che permette al modello di esplorare lo spazio del ragionamento e dell’azione ben oltre i confini imposti dai dataset umani disponibili. [Vai al post](https://tongyi-agent.github.io/blog/introducing-tongyi-deep-research/?ref=alessiopomaro.it) > Tongyi DeepResearch dimostra così che **l’open-source non significa rinuncia a performance** di punta, ma può anzi incarnare una via diversa, fondata sulla generazione autonoma e controllata delle condizioni di apprendimento. --- ## **E se un modello potesse sviluppare da solo nuove strategie per risolvere problemi complessi?** Un recente **paper su Nature** mostra come sia possibile ottenere questo risultato utilizzando il modello **DeepSeek-R1** come banco di prova. La chiave è il **reinforcement learning** puro: invece di forzare il modello a imitare esempi umani passo dopo passo, gli viene dato solo un premio se la risposta finale è corretta. ### I risultati sono notevoli - Con questa tecnica, una versione iniziale chiamata **DeepSeek-R1-Zero** ha imparato spontaneamente a produrre passaggi più lunghi, verificare i propri risultati e correggersi in corso d’opera. - In competizioni di **matematica e coding** ha superato perfino la media dei concorrenti umani. - Successivi perfezionamenti hanno reso il modello più leggibile, coerente nelle lingue e più adatto a compiti generali. [DeepSeek-R1 incentivizes reasoning in LLMs through reinforcement learning - NatureA new artificial intelligence model, DeepSeek-R1, is introduced, demonstrating that the reasoning abilities of large language models can be incentivized through pure reinforcement learning, removing the need for human-annotated demonstrations.![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/icon/apple-touch-icon-f39cb19454-4.png)NatureDaya Guo![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/thumbnail/41586_2025_9422_Fig1_HTML.png)](https://www.nature.com/articles/s41586-025-09422-z?ref=alessiopomaro.it) Il messaggio del lavoro è chiaro: non serve guidare il modello con tracciati umani dettagliati, ma bastano domande difficili, verificatori affidabili e ricompense ben progettate. **Capacità sofisticate emergono in modo naturale**. > Un passo avanti verso sistemi che sanno trovare autonomamente percorsi nuovi per affrontare sfide complesse. --- ## **VaultGemma: LLM con privacy differenziale** Google ha presentato **VaultGemma**: il LLM open-source più potente al mondo con **privacy differenziale**. **Cosa significa?** Lo vediamo in modo semplice... Quando si addestra un modello di AI su testi come email, documenti o messaggi, c'è il rischio che memorizzi frasi private. La privacy differenziale risolve questo problema: durante l’addestramento, **si aggiunge un po’ di "*rumore*" ai dati per impedire che il modello ricordi informazioni sensibili**. In pratica, impara il concetto generale, ma non i dettagli personali. ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/VaultGemma-google-1.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/VaultGemma-google-2.webp) VaultGemma: LLM con privacy differenziale **VaultGemma** è il primo modello open-source da 1 miliardo di parametri addestrato completamente da zero con questa tecnica. Google ha sviluppato nuove regole per trovare il giusto equilibrio tra privacy, prestazioni e potenza di calcolo. Le sue performance sono solide. - È paragonabile a modelli come GPT-2 (*1.5 miliardi di parametri*) su test noti come HellaSwag, TriviaQA e altri. - Non memorizza sequenze dei dati di addestramento. - È stato rilasciato pubblicamente per aiutare la comunità a **sviluppare IA più sicure e rispettose della privacy**. [Vai al progetto](https://research.google/blog/vaultgemma-the-worlds-most-capable-differentially-private-llm/?ref=alessiopomaro.it) > Un passo concreto verso un’**intelligenza artificiale** potente ma progettata fin dall’inizio per **proteggere le persone**. --- ## **Gemma 3n on-device in locale** Nell'ultima versione di [**AI Edge Gallery**](https://ai.google.dev/edge?hl=it&ref=alessiopomaro.it) di Google è possibile testare **Gemma 3n** completamente **on-device** (*in locale in uno smartphone*), senza nessuna connessione a Internet e scambio dati esterni. Ora anche con **elaborazione di file audio e immagini**. Negli esempi, carico un mio audio registrato e lo faccio tradurre al modello, oppure lo interrogo sul contenuto di alcune immagini. ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/gemma-3n-smartphone-1.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/gemma-3n-smartphone-2.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/gemma-3n-smartphone-3.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/gemma-3n-smartphone-4.webp) Gemma 3n on-device sul mio smartphone > Solo una piccola dimostrazione, ma che indica una direzione abbastanza chiara. --- ## **Risorse per fine-tuning** Un'unica repository con oltre **100 Notebook Colab** già pronti per il **fine-tuning** dei LLM (*con tutte le guide*)? [GitHub - unslothai/notebooks: 100+ Fine-tuning LLM Notebooks on Google Colab, Kaggle, and more.100+ Fine-tuning LLM Notebooks on Google Colab, Kaggle, and more. - unslothai/notebooks![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/icon/pinned-octocat-093da3e6fa40-10.svg)GitHubunslothai![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/thumbnail/notebooks)](https://github.com/unslothai/notebooks?ref=alessiopomaro.it) È messa a disposizione da [**Unsloth AI**](https://unsloth.ai/?ref=alessiopomaro.it). --- ## **ElevenLabs Music** > L'evoluzione della **generazione musicale potenziata dall'AI** avanza, con **ElevenLabs Music**. L'ho provato, e l'aspetto più interessante è che aumenta il controllo sull'output. ElevenLabs Music è uno strumento che permette di generare musica partendo da un semplice prompt testuale, in **qualità da studio**. I brani creati sono suddivisi in parti (*intro, verse, chorus, drop, bridge, ecc.*), e ognuna di queste può essere modificata in ogni suo aspetto: lunghezza, testo (*se c'è la voce*), caratteristiche, ecc.. Le modifiche avvengono attraverso ulteriori prompt testuali e con le funzionalità dell'editor. Nel mio test (*nel video*), inserisco un prompt testuale per creare un brano, e il modello genera 3 versioni. Modifico lunghezza e testi di alcune parti.. e la "*magia*" sta nel fatto che il modello rigenera il brano per **mantenere la coerenza** delle diverse componenti. Un test di ElevenLabs Music Il livello di personalizzazione che si sta raggiungendo era impensabile fino a poco tempo fa. A breve, probabilmente, si lavorerà in **timeline multi-traccia**, con la possibilità di intervenire su ogni linea. Questo lo sta già realizzando **Suno** nel [**Suno Studio**](https://www.youtube.com/shorts/VDSerLT8yTQ?ref=alessiopomaro.it). > Ciliegina sulla torta: c'è anche un’API per integrarlo nei flussi di lavoro di prodotti o progetti creativi. La generazione è praticamente istantanea e il risultato si adatta con precisione al prompt, anche in termini di BPM, tonalità e intenzione emotiva. [Per provarlo](https://elevenlabs.io/music?ref=alessiopomaro.it) > Se non siamo ancora pronti all'idea di canzoni generate completamente con un modello di AI, pensiamo a quanto questi strumenti potranno **supportare l'editing e la content creation**. --- ## **Nuove funzionalità su NotebookLM** Google ha rilasciato nuove funzionalità su [**NotebookLM**](https://notebooklm.google.com/?ref=alessiopomaro.it). - Le **Audio Overview** possono essere impostate con **tagli di contenuto diversi** (*es. Approfondimento, Dibattito, Critica*). E per ogni taglio è possibile scegliere la lunghezza del contenuto. - Le Audio e **Video Overview**, possono essere generate in **tutte le lingue**, con la selezione. - L'aggiunta di fonti attraverso la ricerca online, si estende anche a **Google Drive** (*es. "slide sull'AI di Alessio"*). ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/novita-notebooklm-1.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/novita-notebooklm-2.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/novita-notebooklm-3.webp) Le novità di NotebookLM di Google E ne sono in arrivo altre.. - La funzionalità **Deep Research di Gemini**, che permetterà agli utenti di semplificare il processo di ricerca delle fonti e di importare contenuti pertinenti direttamente nei notebook. - La **modalità "*tutor*"**, rivolta agli studenti. Questo suggerisce che Google vuole espandere NotebookLM oltre le sue attuali funzionalità di appunti e ricerca, trasformandolo in un assistente didattico più attivo. > Google procede nel suo percorso per **portare Gemini in tutti gli strumenti di produttività**. --- ## **L'Audio Overview su Gemini.. e non solo** La chat di Gemini introduce (*anche in Italia*) l'**Audio Overview**. Quando carichiamo un documento compare il bottone "*genera overview audio*", che attua un'azione simile all'Audo Overview di **NotebookLM**: crea un **mini podcast** con diversi host che raccontano il documento. In alternativa, scrivendo nel campo della chat, è possibile continuare l'interazione classica, e il bottone scompare. Nel video, si può vedere (*e sentire*) un piccolo **esempio di generazione**. L'Audio Overview su Gemini: un esempio > Cosa manca? La possibilità di **personalizzare l'overview** per gestire il tipo di discussione. ### **..anche pagine web, infografiche e quiz** Il nuovo menù di "***Canvas***", infatti, si è arricchito, permettendo anche la creazione di **pagine web**, **infografiche**, e **quiz**. In pratica (*quasi*) tutte le novità di NotebookLM sono anche su Gemini. Nelle immagini si vedono degli esempi: le infografiche che crea il modello sono davvero molto interessanti, precise e creative. ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/canvas-gemini-nuoe-funzionalita-1.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/canvas-gemini-nuoe-funzionalita-2.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/canvas-gemini-nuoe-funzionalita-3.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/canvas-gemini-nuoe-funzionalita-4.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/canvas-gemini-nuoe-funzionalita-5.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/canvas-gemini-nuoe-funzionalita-6.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/canvas-gemini-nuoe-funzionalita-7.webp) Le nuove funzionalità di Canvas su Gemini Così come gli altri nuovi output, disponibili direttamente dalla chat di Gemini. Una nota sul quiz interattivo: lo immagino applicato agli **aspetti formativi**, per valutare la comprensione di uno o più contenuti. Recentemente ho dato come input una presentazione e ho ottenuto il quiz di fine seminario per gli studenti. --- ## **Gemini può elaborare i file audio? Sì!** Inizialmente credevo che fosse soltanto un sistema che trascrive l'audio, e usa la trascrizione come contesto per il LLM. In realtà, è qualcosa di più: il modello **descrive le caratteristiche delle voci**, elementi come il "*piagnucolio*", il timbro caldo e profondo, l'eloquio rassicurante e pacato, l'intonazione ascendente, ecc.. ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/gemini-audio-1.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/gemini-audio-2.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/gemini-audio-3.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/gemini-audio-4.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/gemini-audio-5.webp) Un esempio dell'elaborazione audio di Gemini 2.5 Pro Alla fine, usando **Gemini 2.5 Pro Image** (***Nano Banana***), ho creato un'immagine che rappresentasse l'audio. Nell'altro esempio, il modello riconosce la provenienza dello speaker in base all'accento e alla cadenza. > Dei semplici test che mettono in luce il **livello di multimodalità** al quale siamo già arrivati con i modelli di ultima generazione. Se ci pensiamo, è qualcosa di straordinario: i **modelli nativamente multimodali** segnano un cambio di paradigma. Non traducono più gli input in sequenze separate, ma li trasformano in embedding che confluiscono in **un unico spazio di rappresentazione**, dove testo, immagini, audio e altro possono essere elaborati insieme. --- ## **Rilasci di nuovi LLM** Alibaba ha presentato **Qwen3-Max-Preview** (*Instruct*), il modello più grande della famiglia Qwen, con oltre 1 trilione di parametri. È già disponibile su [**Qwen Chat**](https://chat.qwen.ai/?ref=alessiopomaro.it) e attraverso le [**API di Alibaba Cloud**](https://modelstudio.console.alibabacloud.com/?tab=doc&ref=alessiopomaro.it#/doc/?type=model&url=2840914%5F2&modelId=qwen3-max-preview). Dai benchmark si può notare come supera il miglior modello precedente (*Qwen3-235B-A22B-2507*). ![Qwen3-Max-Preview: le performance](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/qwen-3-max-performance.webp) Qwen3-Max-Preview: le performance Il modello permette prestazioni più elevate, conoscenza più ampia, migliori capacità di conversazione e di seguire le istruzioni. Anche **Kimi** presenta un nuovo aggiornamento, con **Kimi K2-0905**. [Per provarlo](https://www.kimi.com/?ref=alessiopomaro.it) Funzionalità di codifica migliorate, in particolare nello sviluppo di front-end e nelle chiamate dei tool. ![Kimi K2-0905: performance](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/kimi-k2-0905-performance.webp) Kimi K2-0905: performance Lunghezza del contesto estesa a 256k token. Integrazione migliorata con vari scaffold di agenti (*es. Claude Code*). [Il modello su Hugging Face](https://huggingface.co/moonshotai/Kimi-K2-Instruct-0905?ref=alessiopomaro.it) --- ## **Qwen3-Next** Dopo aver presentato **Qwen 3**, che ho provato con soddisfazione in diversi test, Alibaba presenta **Qwen3-Next**, un'evoluzione pensata per ridefinire l’**efficienza nell’addestramento e nell’inferenza** dei LLM. È distribuito come **modello open source**, con **pesi pubblici** e compatibilità ampia con le principali toolchain. Questo conferma la volontà di contribuire in modo concreto a un'AI trasparente, accessibile e realmente integrabile nei contesti di sviluppo. > Ho provato anche questa versione, su prompt dettagliati che normalmente uso su Gemini 2.5 Pro, e.. devo dire che sono rimasto molto colpito dagli output. **Veloce, preciso, aderente**. ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/qwen-3-next-1.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/qwen-3-next-2.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/qwen-3-next-3.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/qwen-3-next-4.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/qwen-3-next-5.webp) Qwen3-Next: alcuni dettagli sul modello Uno degli aspetti più rilevanti di **Qwen3-Next** è l'introduzione della struttura **QMoE (*Qwen-Mixture of Experts*)**, un sistema dinamico che seleziona in tempo reale solo una parte degli “*esperti*” del modello per ogni input. Questo meccanismo permette di mantenere elevate prestazioni con un consumo energetico e computazionale significativamente ridotto, offrendo una **soluzione scalabile** tanto per grandi deployment quanto per ambienti edge. La qualità del **pretraining multi-task**, costruito su un corpus che include scrittura, codice, ragionamento, matematica e traduzione, testimonia una direzione precisa: costruire modelli generalisti, ma senza la superficialità dei compromessi. L’allocazione dei pesi nei diversi task è gestita da uno schema di ottimizzazione che mira a mantenere coerenza e profondità trasversale, caratteristiche non sempre garantite dai LLM più generalisti. In ambito benchmark, **Qwen3-Next ha già mostrato risultati che lo pongono tra i modelli più solidi del 2025**: su MMLU, GSM8K, HumanEval e BBH, la versione da 72B con architettura MoE compete e in alcuni casi supera modelli come GPT-4 e Claude 3, pur con un'efficienza computazionale superiore. I modelli più piccoli, da 1.5B a 14B, mantengono prestazioni notevoli, suggerendo una flessibilità d’impiego che abbraccia diversi casi d’uso industriali e di ricerca. [Vai al post di Qwen](https://qwen.ai/blog?id=4074cca80393150c248e508aa62983f9cb7d27cd&from=research.latest-advancements-list&ref=alessiopomaro.it) > Qwen3-Next non è solo un nuovo modello, ma rappresenta una visione: quella di **un’AI capace di crescere non solo in potenza, ma in equilibrio tra efficacia, efficienza e adattabilità**. Una traiettoria che guarda oltre la corsa alle dimensioni e punta alla maturità tecnica. --- ## **Un'analogia nel funzionamento dell'intelligenza biologica** Secondo [**Ilya Sutskever**](https://en.wikipedia.org/wiki/Ilya%5FSutskever?ref=alessiopomaro.it), l'approccio che guida lo sviluppo dei moderni sistemi di AI (*basato su un'unica, grande architettura generale*) trova un'a**nalogia nel funzionamento dell'intelligenza biologica**. 0:00 /1:30 1× A sostegno di questa tesi, porta esempi dalla **neuroscienza**, come la capacità del cervello di riorganizzarsi e funzionare con un solo emisfero dopo un intervento in età infantile, o l'esperimento in cui la corteccia uditiva di un furetto ha imparato a elaborare segnali visivi. Per Sutskever, questi casi suggeriscono che il tessuto corticale non è un insieme di moduli rigidamente specializzati, ma un **substrato di apprendimento uniforme e adattabile**. > Questa idea, secondo lui, offre una spiegazione del perché un'unica, grande architettura neurale, se scalata con più dati e calcolo, possa sviluppare un'ampia gamma di capacità senza essere riprogettata per ogni compito specifico. La visione, fornisce un quadro concettuale elegante e potente che collega l'**evoluzione biologica**, la **neuroscienza** e la strategia di ricerca che ha prodotto **i modelli di AI più avanzati di oggi**. Ci dice che la ricerca di un "***algoritmo di apprendimento universale***" o di un'"***architettura generale***" non è un'utopia, ma potrebbe essere il modo in cui l'intelligenza, sia biologica che artificiale, funziona davvero. È una delle visioni più ottimistiche e ambiziose nel campo dell'AI. [Il video completo](https://youtu.be/Ft0gTO2K85A?si=so9SmCVl2bpSjO1r&ref=alessiopomaro.it) > *Dal mio punto di vista, *non basterà un'unica architettura neurale* con più dati e calcolo. Serviranno *nuove architetture*.* --- ## **Arriveremo a sistemi di AI in apprendimento continuo?** **MoonshotAI**, l'azienda che sviluppa **Kimi**, ha rilasciato un progetto open source chiamato **Checkpoint-engine**, una tecnologia che consente di **aggiornare i pesi nei modelli LLM rapidamente e senza interrompere l’inferenza**. Questo middleware è in grado di **aggiornare modelli da un trilione di parametri (*es. Kimi-K2*) in circa 20 secondi su migliaia di GPU**, grazie a una pipeline ottimizzata e due strategie di aggiornamento: Broadcast, per ambienti sincronizzati, e Peer-to-Peer, per cluster dinamici dove i nodi possono essere aggiunti o riavviati senza influenzare il servizio. L'infrastruttura si integra con vLLM, supporta la quantizzazione in FP8 e consente il **riutilizzo dei pesi tra istanze già attive**. Tutto questo rende possibile **aggiornamenti incrementali**, anche frequenti, come quelli richiesti da fine-tuning leggeri o **reinforcement learning in produzione**. [GitHub - MoonshotAI/checkpoint-engine: Checkpoint-engine is a simple middleware to update model weights in LLM inference enginesCheckpoint-engine is a simple middleware to update model weights in LLM inference engines - MoonshotAI/checkpoint-engine![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/icon/pinned-octocat-093da3e6fa40-11.svg)GitHubMoonshotAI![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/thumbnail/checkpoint-engine)](https://github.com/MoonshotAI/checkpoint-engine?ref=alessiopomaro.it) Checkpoint-engine **non implementa direttamente l’apprendimento continuo**, ma fornisce **le fondamenta tecniche per renderlo realizzabile**: gestione efficiente dei pesi, scalabilità del cluster e aggiornamenti senza downtime. > Un passo concreto verso sistemi di AI capaci di evolversi nel tempo. --- ## **SpikingBrain** **SpikingBrain** è una nuova famiglia di modelli linguistici di grandi dimensioni ispirati al **funzionamento del cervello**. Nasce per **superare i limiti dei Transformer tradizionali**, che richiedono calcoli quadratici sulle sequenze, accumulano memoria in modo lineare e dipendono quasi esclusivamente dalle GPU NVIDIA. ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/spikingbrain-1.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/spikingbrain-2.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/spikingbrain-3.webp) SpikingBrain: il paper La sua idea centrale è introdurre **neuroni spiking**: attivazioni convertite in eventi discreti e sparsi, simili agli impulsi dei neuroni biologici. In questo modo il modello resta silenzioso quando non serve, **riduce il consumo energetico** e **gestisce testi lunghissimi senza che il costo esploda**. L’architettura combina varianti lineari e locali dell’attenzione, integra la specializzazione modulare con il Mixture-of-Experts, e porta la la selettività su più livelli, dal singolo neurone all’intera rete. Il risultato sono due modelli: **SpikingBrain-7B**, piccolo ed estremamente veloce, che su sequenze di milioni di token ottiene **oltre cento volte la rapidità di un Transformer standard**; e **SpikingBrain-76B**, più grande e **competitivo con sistemi come Llama2 e Mixtral**. Entrambi addestrati su cluster MetaX, senza ricorrere a NVIDIA. [Vai al paper](https://arxiv.org/abs/2509.05276?ref=alessiopomaro.it) > SpikingBrain mostra che l’[**evoluzione dell’intelligenza artificiale**](https://www.alessiopomaro.it/tag/ai/) non passa solo dalla scala, ma anche dallo studio dell'architettura: reti più efficienti, modulari e capaci di attivarsi solo quando serve. --- ## **Quanto conta che l'AI non viva "*nel cloud*", ma direttamente nei nostri dispositivi?** Apple ha appena presentato **FastVLM** e **MobileCLIP2**, modelli **vision-language** progettati per funzionare on-device, senza passaggi su server remoti. Dal punto di vista ingegneristico, i numeri parlano chiaro: fino a 85 volte più veloci, 3,4 volte più compatti rispetto alle soluzioni precedenti, capaci di generare didascalie in tempo reale anche da flussi video, direttamente nel browser. 0:00 /1:00 1× Una demo di FastVLM di Apple Nessuna infrastruttura esterna, nessuna latenza, nessuna esposizione dei dati sensibili. [Per provarlo](https://huggingface.co/spaces/apple/fastvlm-webgpu?ref=alessiopomaro.it) Ma il punto non è solo l’efficienza. È la narrativa che si va costruendo: un’IA che non è un servizio distante, impersonale e centralizzato, bensì un’**estensione locale**, **integrata**, **privata**. Un’IA che non “*vive altrove*”, ma che appartiene all’utente e al suo dispositivo. [Vai al paper](https://www.arxiv.org/abs/2412.13303?ref=alessiopomaro.it) > Si tratta forse dell'inizio di un **percorso che tenta di mascherare una lacuna (sviluppo di sistemi basati sull'AI) con la promozione di un'AI personale, privata e senza soluzione di continuità**? Probabilmente sì, anche se i rumors suggeriscono un interesse di Apple per acquisizioni di brand come Mistral e Perplexity. --- ## **L'AI potrà sostituire i matematici?** > Un paper pone riflessioni interessanti. > Io aggiungo: ..ma **forse sono le aspettative ad essere sbagliate**. Nel racconto degli autori, lavorare con **GPT-5** è stato come affiancarsi a un giovane ricercatore alle prime armi: capace di seguire ragionamenti, di **proporre combinazioni di idee già note**, persino di **suggerire direzioni possibili**. Ma ogni passaggio richiedeva attenzione, verifiche, correzioni puntuali. Senza supervisione, l’illusione di rigore rischiava di nascondere errori. Questa esperienza mostra che **l’AI eccelle nella ricerca incrementale**: raffinamenti, piccoli avanzamenti, collegamenti tra risultati già esistenti. È qui che può risparmiare tempo, agire come un assistente instancabile. Non inaugura prospettive radicalmente nuove, ma **può portare a contributi originali, anche se non rivoluzionari**. ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/paper-gpt-5-matematica-1.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2025/09/paper-gpt-5-matematica-2.webp) L'AI potrà sostituire i matematici? - Un paper interessante Il rischio è duplice. Da un lato, un’inflazione di **risultati tecnicamente corretti ma poco significativi**, che potrebbe soffocare la visibilità delle idee davvero innovative. Dall’altro, un **impatto sulla formazione dei giovani**: se un dottorando si affida troppo presto a uno strumento che fornisce risposte immediate, rischia di perdere il contatto con quel processo di errori, tentativi ed esplorazioni che è il cuore stesso del diventare matematici. Il rischio è crescere ricercatori che sanno leggere risposte, ma non costruire domande. [Vai al paper](https://arxiv.org/pdf/2509.03065v1?ref=alessiopomaro.it) Qui emergono anche i limiti del paper. **I risultati sono originali ma non rivoluzionari**: **estensioni incrementali più che breakthrough**. L’AI è usata in modo strumentale, come un esecutore da guidare passo dopo passo, senza esplorare nuove forme di collaborazione uomo-macchina. E lo sguardo rimane difensivo: si sottolineano i rischi, ma poco si immaginano scenari positivi in cui l’AI potrebbe stimolare creatività e aprire campi oggi inaccessibili. Gli autori restano cauti: **i progressi sono rapidi, sorprendenti e meritano attenzione**. > Ma più che immaginare un rimpiazzo dei matematici, bisognerebbe forse interrogarsi su **come preservare l’essenza della ricerca umana** in un paesaggio che rischia di essere sovraccaricato di risultati senza anima. E, soprattutto, su come valorizzare l’AI per ciò che già sa fare oggi: accelerare, stimolare, supportare — e questo è già tantissimo. --- ## \- 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/).