Lumina Digest

AI Act: dal 2 agosto chatbot e deepfake devono dichiararsi

La Commissione europea ha iniziato ad applicare gli obblighi di trasparenza dell'articolo 50: sistemi interattivi che si qualificano come IA, deepfake etichettati, contenuti sintetici con marcature leggibili dalle macchine. Restano esenzioni e regimi attenuati, una finestra transitoria per i sistemi già sul mercato e dubbi tecnici sulla tenuta dei watermark.

Dal 2 agosto 2026 sono applicabili gli obblighi di trasparenza dell'AI Act. La comunicazione della Commissione europea del 31 luglio è testuale. Chatbot e altri sistemi di IA interattivi «dovranno dire agli utenti che hanno a che fare con un'IA, non con un essere umano». I deepfake — immagini, video o audio generati o modificati con l'IA — «dovranno essere etichettati». I contenuti generati o alterati dovranno inoltre portare marcature leggibili dalle macchine. Come strumenti di applicazione la pagina indica il modulo di reclamo AI Act e il whistleblower tool, non le sanzioni.

L'impianto tecnico poggia sul codice di condotta sulla trasparenza dei contenuti generati dall'IA, pubblicato il 10 giugno e firmato da oltre 180 organizzazioni. L'adesione è volontaria: chi firma può usarne le misure per dimostrare la conformità, mentre chi segue altre strade deve giustificarle davanti alle autorità di sorveglianza.

Due fatti ridimensionano l'automatismo. Il primo è giuridico: l'articolo 50 non tratta tutti i casi allo stesso modo, ma distingue tre regimi.

• Esenzione piena per i sistemi che svolgono «una funzione assistiva per l'editing standard» o che non alterano sostanzialmente i dati in input (art. 50(2)).
• Disclosure attenuata per i contenuti manifestamente artistici, creativi o satirici: non c'è esenzione piena, ma solo l'obbligo di segnalare l'esistenza del contenuto generato, «in modo da non ostacolarne l'esposizione o la fruizione».
• Esenzione condizionata per i testi pubblicati per informare il pubblico su questioni di interesse pubblico: l'obbligo cade solo se c'è revisione umana o controllo editoriale e una persona fisica o giuridica si assume la responsabilità editoriale.

Sui tempi, le schede informative della Commissione indicano una finestra transitoria fino a dicembre 2026 per l'obbligo di marcatura. Vale però solo per i sistemi di IA generativa immessi sul mercato prima del 2 agosto 2026: i nuovi sistemi sono soggetti alle regole da subito. L'analisi di Greenberg Traurig quantifica le sanzioni fino a 15 milioni di euro o al 3% del fatturato mondiale.

Il secondo fatto è tecnico. Come ricostruisce Euronews, manca uno standard di rilevazione interoperabile, e watermark e metadati si perdono con editing, compressione e ricondivisione. Alexandru Voica di Synthesia sposta il problema altrove: «la vera questione è una preoccupante mancanza di alfabetizzazione mediatica».

Perché conta

• IMPRENDITORI: Chi espone al pubblico un chatbot o genera contenuti con l'IA ha ora un obbligo di legge, non una best practice. Serve un censimento di interfacce conversazionali e pipeline di contenuti, con disclosure visibile nel punto di interazione: i termini di servizio non bastano. La firma del codice di condotta è la scorciatoia probatoria più economica, perché l'alternativa è dimostrare caso per caso l'adeguatezza delle proprie misure, con sanzioni fino a 15 milioni o al 3% del fatturato globale sullo sfondo.
• UTENTI FINALI: Nasce un diritto a sapere se dall'altra parte c'è una macchina e se un'immagine o un video sono sintetici, con canali di reclamo diretti alla Commissione. Ma l'assenza di etichetta non equivale ad autenticità: esenzioni, disclosure attenuate per i contenuti creativi, contenuti extra-UE e watermark che si perdono nella ricondivisione lasciano scoperta una parte consistente di ciò che si incontra ogni giorno.

Alibaba apre Qwen3.8-Max agli sviluppatori globali, con benchmark solo suoi e licenza dei pesi ancora ignota

Il modello di punta di Alibaba — 2,4 trilioni di parametri, contesto fino a 1 milione di token — arriva sulle API Model Studio e nella suite QwenWork. I pesi aperti sono attesi la settimana prossima, ma i benchmark pubblicati vengono tutti dal vendor e la licenza non è stata annunciata.

Alibaba ha reso Qwen3.8-Max accessibile agli sviluppatori di tutto il mondo il 3 agosto 2026, tramite le API di Alibaba Cloud Model Studio e la suite QwenWork (South China Morning Post). Sulla suite serve una precisazione. SCMP colloca il rollout pubblico di QwenWork su web e desktop il 3 agosto; il sito ufficiale del prodotto e le beta per Windows e macOS, però, erano già segnalati online dal 27 luglio (ITHome). Il 3 agosto va quindi letto come ampliamento o rollout collegato a Qwen3.8-Max, non come primo debutto assoluto della suite. Il modello è multimodale — testo, immagini, video, documenti — e dichiara una finestra di contesto fino a 1 milione di token. Tra le capacità mostrate: ricostruire un software a partire da screenshot, generare giochi e animazioni interattive, convertire planimetrie 2D in visualizzazioni 3D. I pesi aperti sono attesi, secondo SCMP, "la settimana prossima". QwenWork si colloca nel campo affollato delle suite agentiche aziendali: WorkBuddy di Tencent, Kimi Work di Moonshot AI, Claude Cowork, ChatGPT Work.

Non è lo stesso modello dell'anteprima: Qwen3.8-Max-Preview, annunciata il 19 luglio, è stata sostituita dal modello qwen3.8-max rilasciato il 3 agosto, con 2,4 trilioni di parametri totali (BenchLM). Il numero di parametri attivi — dato decisivo per stimare costo e requisiti di inferenza in un modello di questa taglia — non risulta dichiarato in una fonte canonica accessibile.

Sui numeri di qualità serve cautela. Le 52 righe di benchmark tracciate danno un punteggio aggregato di 65,4 e il 31° posto su 215 modelli, ma provengono tutte dal materiale di rilascio di Alibaba, non da verifiche terze. Il posizionamento "secondo solo a Claude Fable 5" resta quindi una rivendicazione del vendor, senza metodologia indipendente. Non sono state comunicate la licenza dei pesi (le generazioni precedenti erano Apache 2.0; oggi il modello è indicato come proprietario) né il prezzo per token. Un'analisi indipendente segnala che a 2,4T di parametri il modello è circa 3,5 volte più grande di DeepSeek-V3.2: anche con i pesi rilasciati, servirà infrastruttura da datacenter.

Perché conta

• LLM BUILDER/DEV: Il milione di token di contesto e la promessa di pesi aperti aprono scenari di agenti a lungo orizzonte e RAG su larga scala. Ma gli unici benchmark disponibili sono quelli del vendor, e mancano licenza e prezzo per token: qualità e costo reale restano non stimabili. Da provare su Model Studio, non da mettere in roadmap prima di valutazioni indipendenti e model card.
• IMPRENDITORI: QwenWork entra in concorrenza diretta con Claude Cowork, ChatGPT Work e Kimi Work su dati aziendali sensibili. Per il Token Plan, QwenCloud indica regione Singapore, deployment Global e trasferimento transfrontaliero dei dati; il servizio resta operato da QwenCloud. L'annuncio dei pesi aperti fa intravedere un'opzione on-premise, ma il fabbisogno hardware — circa 3,5 volte DeepSeek-V3.2 — la rende realistica solo per chi dispone di capacità da datacenter.

ByteDance lancia Seedance 2.5: 30 secondi in una sola generazione, ma le API non ci sono ancora

Il modello video di ByteDance passa da 15 a 30 secondi per generazione, accetta fino a 50 riferimenti multimodali e genera audio e video insieme. È già su Jimeng AI e Doubao Pro, ma l'accesso via API è dichiarato «in arrivo» e i miglioramenti restano un'autovalutazione del vendor.

Il 31 luglio 2026 ByteDance Seed ha rilasciato Seedance 2.5, distribuito su Jimeng AI e sulla versione Pro di Doubao. Il salto dichiarato è sulla durata: fino a 30 secondi per singola generazione con estensioni multi-round, il doppio del limite di 15 secondi della versione precedente, senza ricucire spezzoni. In una sola passata il modello accetta fino a 30 immagini, 10 clip video e 10 clip audio come riferimenti: i «50 input» che circolano nelle sintesi sono la somma di queste tre voci. Audio e video vengono generati insieme, con controllo a livello di timestamp per intervenire su porzioni specifiche senza rigenerare l'intera clip. Si aggiungono editing in green screen, modifica della prospettiva della camera ed editing guidato da riferimenti. La copertura indipendente conferma data e specifiche, ma non aggiunge prezzi.

ByteDance stessa dichiara margini di miglioramento sulla plausibilità fisica dei movimenti complessi e sulla stabilità delle scene con più soggetti che interagiscono. Il resto è da verificare: la pagina ufficiale colloca le API «in arrivo» su BytePlus ModelArk, quindi oggi non esiste accesso via API in disponibilità generale. E i guadagni di qualità sono valutazione del vendor: nessun benchmark comparativo, nessuna condizione di test, risoluzione nativa e velocità non dichiarate. A differenza della 2.0, che pubblicò metriche di stabilità del movimento e valutazione estetica umana, la 2.5 non porta punteggi proprio sull'editing parziale che ne è l'argomento di vendita principale.

Lo stesso giorno MiniMax ha presentato H3, con pesi pubblicati su Hugging Face sotto MiniMax H3 Community License e API ufficiale già documentata. Non è però un equivalente: H3 genera clip da 4 a 15 secondi e ammette al massimo 9 immagini, 3 video e 3 clip audio come riferimenti. La release iniziale, inoltre, esclude H3-Context-IR, H3-Regenerate-2K e l'implementazione della sparse attention.

Perché conta

• UTENTI FINALI: Per chi produce contenuti la soglia dei 30 secondi in una passata cambia il formato utile: si passa dalla clip da riempire in montaggio alla scena con un arco narrativo, audio incluso e correzioni mirate su singoli istanti. È provabile subito su Jimeng AI e Doubao Pro, ma senza numeri pubblici sulla qualità conviene misurare quante riprese servono davvero prima di mandarlo in produzione.
• LLM BUILDER/DEV: Chi progetta workflow video-AI non può ancora integrare Seedance 2.5: l'accesso programmatico è dichiarato «in arrivo» su BytePlus ModelArk, quindi non ci sono endpoint stabili, prezzi definitivi né SLA su cui impegnarsi con un cliente. MiniMax H3 è integrabile oggi via API ufficiale e con pesi scaricabili, ma su un perimetro diverso — 4-15 secondi, meno riferimenti, componenti non rilasciati e licenza community da leggere prima di adottarla — quindi è un ripiego per casi d'uso brevi, non un sostituto delle promesse della 2.5.

MiniMax apre i pesi di H3: video omnimodale in locale, ma il 2K resta dietro l'API

Il 3 agosto MiniMax ha rilasciato su Hugging Face i pesi del suo modello video di terza generazione, con supporto ComfyUI dal giorno zero e footprint ridotto a 42,5 GB. Fuori dal pacchetto restano il modulo che genera il 2K e H3-Context-IR, il sistema hosted che interpreta le istruzioni multimodali. E la licenza esclude UE, Regno Unito, Stati Uniti e Corea del Sud.

MiniMax ha pubblicato il 3 agosto i pesi di H3, il suo modello video omnimodale, con supporto nativo in ComfyUI 0.30.0 dal giorno zero: "MiniMax H3 dropped today with open weights", scrive il blog ComfyUI. È il terzo modello video dell'azienda dopo Hailuo 01 e 02 e il primo con pesi aperti. Il modello era però già disponibile dal 31 luglio via API, a 0,13 dollari al secondo per il 2K sulla Open Platform di MiniMax, come documentato dalla copertura indipendente. La novità di oggi sono i pesi, non il modello.

I checkpoint locali includono processor, tokenizer, text encoder, Visual VAE e Audio VAE oltre al transformer. Il nucleo generativo, H3-Omni-Transformer, è un Transformer denso single-stream da 33 miliardi di parametri, circa 13 dei quali nei rami AdaLN (model card ufficiale). L'ottimizzazione ComfyUI lavora proprio su questa asimmetria: i pesi di modulazione, circa il 40% del totale, vengono potati e sostituiti da una lookup table equivalente, con quantizzazione int8 e kernel dedicati. Il footprint scende da 123,6 a 42,5 GB (-66%) e, con offloading dinamico della VRAM, il modello gira su una GPU come la RTX 3060.

Il punto critico è cosa non è stato aperto. Il model card dichiara che H3-Regenerate-2K — il modulo che ottiene il 2K facendo rigenerare in-context al modello base il proprio output a bassa risoluzione — "non è ancora open-sourced", e rimanda all'API. Fuori dal rilascio resta anche H3-Context-IR, il sistema hosted di preprocessing che interpreta e raffina le istruzioni multimodali in ingresso, convertendole in una rappresentazione intermedia (Context Intermediate Representation). Non è incluso perché poggia su "un workflow multi-stadio e più modelli e servizi hosted". Separata è invece l'implementazione della sparse attention nativa, introdotta nell'ultima fase di training per abbattere il costo delle sequenze lunghe: non fa parte del rilascio iniziale e MiniMax dice che sarà pubblicata in un aggiornamento successivo. In locale il lato corto resta 768 pixel di default e il workflow ComfyUI limita il canvas a 768x1344. Nei pesi restano audio stereo nativo a 32 kHz, clip da 4 a 15 secondi a 24 fps e fino a 9 immagini, 3 video e 3 audio di riferimento.

La licenza è custom e territorialmente limitata: l'"Applicable Territory" è il mondo intero escluse Unione Europea, Regno Unito, Corea del Sud e Stati Uniti, quindi in quelle giurisdizioni serve un'autorizzazione separata. Dove la licenza si applica, sopra i 20 milioni di dollari di ricavi annui serve un'autorizzazione scritta preventiva di MiniMax. I prodotti commerciali devono inoltre mostrare "MiniMax H3" in modo evidente nell'interfaccia. La licenza vieta poi di usare le MiniMax H3 Works, i loro output o i loro risultati per migliorare qualsiasi altro modello di intelligenza artificiale, con l'eccezione di MiniMax H3 e dei suoi derivati. Una valutazione indipendente avverte infine che gli output restano convincenti anche quando sbagliano: in un test l'animazione di un cuore narrava correttamente mentre mostrava un flusso sanguigno anatomicamente impossibile.

Perché conta

• LLM BUILDER/DEV: MiniMax presenta H3 come il primo modello video dell'azienda con pesi aperti, e ComfyUI lo rende eseguibile in locale su hardware consumer via pesi pruned/int8 e offloading: la scelta pratica non è più solo "API o niente". Ma vanno dimensionate le aspettative e lette le clausole. In locale gira un 768p pruned e int8, non il 2K della demo. La licenza esclude UE, Regno Unito, Stati Uniti e Corea del Sud dal territorio d'uso e vieta di usare output e risultati per addestrare o migliorare altri modelli: due vincoli legali da risolvere prima ancora di guardare i benchmark.

Project Perception entra in public preview: agenti red, blue e green dentro Defender, ma la remediation autonoma resta fuori

Microsoft apre oggi la preview del suo sistema di sicurezza agentico, con tre classi di agenti su uno stack a sei livelli e il modello proprietario MAI-Cyber-1-Flash. Le azioni correttive autonome, però, non sono nella preview.

Microsoft porta oggi in public preview Project Perception, il sistema di sicurezza agentico annunciato il 27 luglio da Hayete Gallot, EVP Microsoft Security, in un post sul blog ufficiale. L'architettura distribuisce il lavoro su tre classi di agenti: red, che individuano i percorsi di compromissione; blue, che investigano e stabiliscono quale rischio sia davvero rilevante; green, che applicano le correzioni. Microsoft li descrive come un "closed-loop system" che scopre, valuta e migliora in continuo la postura di sicurezza. Sotto, uno stack a sei livelli: segnali e sensori, contesto, modelli, harness di orchestrazione, agenti e attuatori.

Il pezzo proprietario è MAI-Cyber-1-Flash, modello compatto e orientato al codice derivato dalla linea MAI-Thinking-1. Microsoft lo colloca dentro MDASH, il suo sistema di vulnerability management, non genericamente dentro Defender. La metrica del 96% su CyberGym riguarda la configurazione MDASH con MAI-Cyber-1-Flash più GPT-5.4. Microsoft dice che il modello cyber gestisce fino al 90% dei task e che MDASH instrada a GPT-5.4 il 10% di quelli eccezionalmente difficili. Nel grafico della scheda il punteggio della coppia è 95,95%, dato per +12 punti su Mythos, attribuito ad Anthropic da TNW. Anche il risparmio di circa il 50% è un confronto tra configurazioni: il termine di paragone è il miglior assetto MDASH oggi in produzione (GPT-5.4 + 5.4 mini + 5.3 codex). Il salto, quindi, non è la prestazione isolata di un modello proprietario ma l'instradamento di ogni task sul modello adatto.

Il perimetro effettivo della preview è più stretto dell'annuncio. Perception arriva dentro Microsoft Defender come servizio a consumo, ma l'analisi di Fernando Montenegro (Futurum) segnala che la remediation autonoma non è nella preview: le azioni reversibili sono previste più avanti nel 2026, quelle rischiose restano soggette ad approvazione umana. Montenegro giudica "the right call" il vincolo dell'approvazione umana, ma pone tre caveat. Il primo: un benchmark "prova capacità in un harness, non risultati sulla tua infrastruttura", e qui l'harness è la pipeline composita MDASH, non il modello proprietario da solo. Il secondo: l'ontologia di asset, identità ed esposizioni che fa da barriera competitiva "vale quanto la sua copertura", e shadow IT, identità non gestite e inventari stantii sono proprio il punto da cui partono le intrusioni reali. Il terzo: molte di quelle intrusioni non nascono da vulnerabilità di codice ma dal vettore umano, cioè credential harvesting e social engineering, il repertorio di gruppi come Octo Tempest.

La stessa analisi ridimensiona il primato: "ogni grande piattaforma sta spedendo una qualche versione di sicurezza agentica", da AWS, Google e Cisco a CrowdStrike, Palo Alto Networks e SentinelOne, "e quella capacità sta rapidamente diventando table stakes". Il vantaggio di Microsoft, secondo Montenegro, non sono gli agenti ma il radicamento nel parco enterprise: Active Directory ed Entra, gli endpoint Windows, il management plane già in uso. A questo si aggiunge l'ampiezza di segnale, raffinata in un grafo su cui gli agenti possono ragionare.

Perché conta

• INGEGNERI ICT / IT MANAGER: È uno dei segnali più visibili dell'ingresso dell'orchestrazione agentica nei prodotti SOC mainstream. Ma secondo Futurum gli agenti stanno diventando table stakes presso tutti i grandi vendor: il vantaggio di Microsoft è la presenza nel parco enterprise e il grafo di contesto, non l'agente in sé. Va quindi valutato per quello che la preview consegna davvero: agenti che propongono, non che rimediano da soli, su un pricing a consumo da dimensionare. E la leva vera non è il punteggio di una pipeline composita su un benchmark, ma la copertura dell'inventario di asset e identità: dove il contesto è incompleto, gli agenti restano ciechi esattamente dove iniziano le intrusioni.

Claude Tag subentra a Claude in Slack: la migrazione la governano gli Owner, scope per scope

Dal 3 agosto 2026 Anthropic sposta l'esperienza Claude in Slack su Claude Tag, ma l'impostazione è per singolo scope e ammette Legacy o Off. In canale l'agente agisce con propri service account: è lì che le analisi indipendenti individuano il rischio.

La documentazione di supporto di Anthropic fissa la data: "Claude in Slack will be switched over to the new Claude Tag experience on August 3, 2026". Non è però un interruttore unico. La guida per amministratori descrive un'impostazione "Claude Tag version" applicata a ogni scope — organizzazione, workspace o singolo canale — con quattro valori: Off, Legacy, New, Inherit. Chi vuole tenere l'app precedente in un canale sceglie Legacy; Off silenzia entrambe le generazioni; solo un Owner può cambiare queste voci. Resta distinto il connettore Slack, disponibile su tutti i piani a pagamento, che permette a Claude di cercare in canali, messaggi e file dalla web app: è un'altra via di integrazione, che Claude Tag non sostituisce.

Il salto è di modello. In canale Claude Tag agisce con propri service account, non per conto di chi lo interpella. Un Owner provisiona l'identità, collega le credenziali negli "Access bundle" e sceglie i canali; da lì Claude risponde solo dove è stato aggiunto. Può anche rispondere a messaggi che non lo menzionano quando giudica utile intervenire. Gli amministratori filtrano dati, tool e canali e fissano limiti di spesa per organizzazione e per canale. Il passaggio è accompagnato da crediti promozionali: 25.000 dollari per gli Enterprise idonei e 2.500 per i Team con almeno 10 postazioni a pagamento, validi fino al 1° settembre 2026 (InfoWorld).

Proprio l'identità condivisa è il punto contestato. La documentazione stessa ammette che chiunque sia nel canale ottiene le stesse capacità. Zenity ne trae la conseguenza: i permessi stanno sull'agente, non sulla persona, e i sistemi a valle registrano l'azione sul service account. Tego AI ha mostrato Claude Tag reagire al testo letterale "@Claude" in un messaggio generato da un bot, arrivando a estrarre dati interni, pubblicarli e cancellare la risorsa originale. Anthropic ha contestato il risultato — in configurazione predefinita, sostiene, testo letterale e messaggi da bot non avviano una sessione — classificando la segnalazione come informativa.

Perché conta

• IMPRENDITORI: Il cambio di generazione parte oggi, ma non è un fatto compiuto da subire: un Owner decide scope per scope se passare a New, restare su Legacy o spegnere tutto. L'agente non eredita accessi da nessuna parte, finché non gli vengono provisionati identità, access bundle e canali. La finestra va usata per fissare prima i limiti di spesa per canale e i filtri sui connettori, e per stabilire una regola su come riconciliare i log del service account con quelli dei sistemi a valle. Serve anche misurare il ROI oltre il conteggio delle licenze, con tempo risparmiato ed errori evitati.

MerchantBench: gli agenti LLM chiudono l'anno di negozio al 27% del risultato umano

Su 365 giorni simulati di gestione di un e-commerce, la migliore configurazione agentica arriva al 27,3% degli asset netti medi dei partecipanti umani. I fallimenti non sono errori isolati, ma un decadimento lento della coerenza.

Tredici ricercatori guidati da Qiming Shi hanno pubblicato il 31 luglio su arXiv MerchantBench. È un ambiente che simula 365 giorni di gestione di un negozio e-commerce lato venditore: approvvigionamento, listing, prezzi e flusso di cassa. L'agente ha 26 strumenti a disposizione e affronta una domanda costruita su 98.843 record reali di prodotti del marketplace cinese 1688 (giugno 2025 – maggio 2026). Partendo da 2.000 RMB di cassa più 1.000 di deposito cauzionale, gli autori hanno misurato 8 modelli su 2 framework agentici — ReAct e Hermes — per 48 run completi.

La configurazione migliore, Qwen3.7-Max su Hermes, chiude l'anno con 59,46 mila RMB di asset netti contro i 217,61 mila della media umana: il 27,3%. Il testo del paper chiarisce però su cosa poggia il confronto. I partecipanti umani sono tre, senza esperienza di e-commerce. Ciascuno ha completato un run da 365 giorni in cinque giorni di calendario, e lo ha fatto attraverso una dashboard diversa dagli strumenti dell'agente. La varianza tra i run non è riportata. Anche lo scenario è stretto: dropshipping su singolo articolo, senza magazzino tenuto in anticipo, con ogni ordine che avvia un approvvigionamento immediato. E la domanda è simulata da tracce giornaliere reali, non è una gestione e-commerce end-to-end.

Il dettaglio più utile sta nei modi di fallire, che non sono errori puntuali ma deterioramento lento. Il tasso di finestre decisionali attive di Qwen3.7-Max scende dal 62% al 37%. Un agente conclude che il negozio non è recuperabile e resta inerte in 355 delle 523 finestre rimaste, pur avendo azioni disponibili; un altro scambia il giorno 285 per la scadenza al giorno 282 e smette di riempire gli slot vuoti; Claude Opus 4.8 riduce la vetrina da 47 a 3 listing nonostante domanda indipendente. Sul confronto tra framework, Hermes migliora in media gli asset finali del 53,3% rispetto a ReAct. Il beneficio però dipende dal modello: Kimi K2.6 peggiora, e aggregando i risultati per modello resta davanti GPT-5.6 Sol.

La linea di ricerca non nasce qui. Gli autori rivendicano il primo benchmark di coerenza lunga sull'operatività seller-side, ma il lavoro poggia su Vending-Bench (Backlund e Petersson, febbraio 2025). Quel lavoro aveva già documentato i loop di "meltdown" e, dato controintuitivo, nessuna correlazione tra i crolli e la saturazione della finestra di contesto.

Perché conta

• IMPRENDITORI: Delegare pricing e riordino a un agente significa esporsi a un degrado che non produce un errore visibile, ma un lento spegnimento operativo: un agente che smette di agire mentre il negozio è ancora recuperabile. Il 27,3% va letto con cautela, perché la baseline poggia su tre soli valutatori umani alle prime armi e su uno scenario ristretto al dropshipping su un solo marketplace. La direzione, però, impone presidio umano e checkpoint periodici, non un delivery-and-forget.
• LLM BUILDER/DEV: Sugli asset finali Hermes vale in media +53,3% rispetto a ReAct, ma il guadagno non è uniforme: Kimi K2.6 peggiora e, nell'aggregazione per modello, resta davanti GPT-5.6 Sol. Scaffolding e scelta del modello vanno quindi valutati insieme, non uno al posto dell'altro. I fallimenti osservati sono di memoria, riapertura di decisioni già prese e restringimento del control loop: chi costruisce agenti long-horizon dovrebbe strumentare metriche di attività sostenuta e recupero, non solo il tool-use per singolo turno.

OpenAI pubblica dieci avanzamenti matematici con dimostrazioni formalizzate in Lean 4

Una versione interna di Astra ha prodotto dieci risultati su problemi aperti in matematica e informatica teorica, con dimostrazioni formalizzate in Lean 4 verificabili a macchina. La formalizzazione però non equivale a revisione tra pari, sui costi dichiarati le fonti divergono e i matematici sono divisi.

Il 1° agosto 2026 OpenAI ha presentato dieci risultati su problemi aperti in matematica e informatica teorica. Li ha ottenuti con una versione interna di Astra, la prossima famiglia di modelli, non ancora rilasciata. Il titolo dell'annuncio parla di advances: alcuni risultati chiudono il problema, altri ne fanno progressi sostanziali — una distinzione che le riprese giornalistiche tendono ad appiattire su "risolti". Il repository pubblico openai/ten-proofs raccoglie le dimostrazioni formalizzate in Lean 4.32.0 su mathlib, costruibili con Lake e quindi controllabili a macchina, insieme a un manoscritto di 249 pagine. I domini vanno dall'impacchettamento di sfere ai codici binari e sferici, dai gruppi non-sofici alla congettura di rigidità di Connes. Completano l'elenco complessità dei circuiti aritmetici, ripetizione parallela quantistica, Closest Vector Problem, congettura di Ehrhart, numeri di Ramsey multicolore e teoria estremale dei grafi. Il risultato di punta, secondo TNW, è la prima costruzione esplicita di un gruppo non-sofico, questione aperta dal 1999.

Il lavoro prosegue una linea già avviata: il controesempio alla congettura delle distanze unitarie di maggio 2026, che ricercatori umani avevano poi adattato in una settimana per abbattere un'altra congettura. Sui costi le versioni divergono. OpenAI parla di circa 2.000 dollari totali di token, ai prezzi di GPT-5.6 Sol, per trovare le dieci soluzioni; Simon Willison riporta invece la cifra come meno di 2.000 dollari per ciascun problema, formulazione che confligge con la fonte primaria. Willison aggiunge che «non si sa su quanti problemi siano stati spesi 2.000 dollari senza arrivare a una soluzione» e chiede di vedere i prompt. La Dichiarazione di Leiden, sottoscritta da oltre 3.000 matematici e dall'Unione matematica internazionale, contesta la pubblicazione per comunicato anziché per revisione tra pari. Le reazioni restano contrastanti: Thomas Bloom aveva definito «una drammatica travisazione» un annuncio OpenAI precedente, ma questa volta parla di «grande notizia».

Perché conta

• RICERCA DI FRONTIERA: Il livello di verifica è alto perché ogni risultato è accompagnato da formalizzazioni Lean 4 costruibili con Lake: la correttezza formale si controlla a macchina, senza doversi fidare del vendor. Questo però non equivale a peer review e non certifica originalità, attribuzione alla letteratura preesistente né significato matematico. Fuori dal perimetro di Lean restano anche il tasso di fallimento non pubblicato, il costo reale (su cui le fonti divergono) e il grado effettivo di autonomia del modello: sono esattamente le dimensioni su cui la comunità matematica sta costruendo governance (Dichiarazione di Leiden) e su cui va condotta la valutazione indipendente.