Tre risultati, tre ambiti

In informatica teorica. L’ETH postula, per dirla in breve, che il problema 3-SAT (decidere se una formula logica può essere soddisfatta) non possa essere risolto in tempo sotto-esponenziale. È largamente ammessa e serve da ipotesi di partenza a centinaia di articoli, che ne deducono che un problema è difficile. La prepubblicazione di OpenAI, datata 25 ottobre, descrive un algoritmo deterministico che conta esattamente le soluzioni delle formule di larghezza fissa in tempo sotto-esponenziale e in spazio polinomiale; il caso di 3-SAT confuterebbe l’ETH. Secondo OpenAI, il modello ha trovato questa dimostrazione il 16 ottobre e essa è stata formalizzata in Lean, un assistente di dimostrazione che verifica meccanicamente ogni passaggio, il 17 ottobre.

In matematica. La congettura di lisciamento locale, proposta da Sogge nel 1991, riguarda la focalizzazione delle onde. Era stata dimostrata in dimensione 2 nel 2019 (Guth, Wang e Zhang), e la congettura di Kakeya in dimensione 3 nel 2025 (Wang e Zahl). I modelli di OpenAI ne propongono una dimostrazione in ogni dimensione, fondata su un’equazione alle derivate parziali ausiliaria. Il registro del repository è un po’ più prudente dell’annuncio su una delle conseguenze: parla delle stime di restrizione di Stein «nell’interno» del dominio congetturato.

In fisica. Il terzo risultato è una dimostrazione matematicamente rigorosa dell’esistenza di certe teorie quantistiche dei campi in quattro dimensioni, inclusa la QCD, che descrive l’interazione forte tra quark e gluoni. Include l’esistenza della teoria di Yang-Mills pura, che fa parte di uno dei problemi del millennio dell’istituto Clay. Né il testo né la formalizzazione sono pubblicati: il gruppo di fisici ha scelto di redigere autonomamente una presentazione.

Un nuovo metodo di pubblicazione

OpenAI presenta questi manoscritti come «dati di ricerca grezzi» e ha chiesto a specialisti di ciascun ambito di organizzare il loro esame. Per l’ETH, il gruppo è guidato da Russell Impagliazzo e Ramamohan Paturi, che hanno formulato l’ipotesi, e da Ryan Williams (MIT). Per la fisica, dal Nobel David Gross, con Michael Douglas, Arthur Jaffe, Igor Klebanov e Nikita Nekrasov. I partecipanti non firmano alcun accordo di riservatezza, non sono retribuiti e parlano a titolo personale. OpenAI dichiara di non rivendicare alcun credito accademico e si è impegnata, su richiesta del gruppo, a finanziare una conferenza sulle conseguenze del risultato.

Ryan Williams ha annunciato l’esame parlando di una confutazione «asserita» dell’ETH, e precisa che il gruppo ha richiesto la pubblicazione di tutti i dati grezzi, PDF e codice Lean compresi.

Perché la prudenza è necessaria

La formalizzazione in Lean è un argomento forte, ma garantisce solo ciò che è stato formalizzato: bisogna ancora verificare che gli enunciati verificati dalla macchina corrispondano agli enunciati che i ricercatori hanno in mente. La cronologia di OpenAI ricorda anche che un errore resta possibile: il 7 ottobre, l’azienda ha ritirato tre manoscritti da una pubblicazione precedente, invalidati da un errore di segno, e ne ha corretti quattordici altri.

Cosa cambia davvero: il prezzo

Il fatto più solido di questo annuncio è tariffario. L’API fattura 1 dollaro per milione di token in input, 0,05 dollari in input in cache e 5 dollari in output. OpenAI precisa che questi prezzi standard sono inferiori del 50% rispetto a quelli di GPT-5.6 Terra e GPT-6.1 Sol. Secondo la scheda di AWS, il modello accetta testo e immagini, con una finestra fino a 1 milione di token in input.

Per gli usi ad alto volume (lettura di fatture, inserimento in software aziendali, agenti che concatenano numerose fasi), è questo prezzo per token a determinare la fattura. OpenAI mette infatti in evidenza questo tipo di automazione d’ufficio piuttosto che le attività di ricerca avanzata.

Uso del computer e codice: cifre interne

OpenAI presenta Terra come un modello di uso del computer: comprendere uno schermo, compilare moduli, interpretare piani tecnici. Su Agents’ Last Exam, un banco di prova di compiti professionali, lo sviluppatore annuncia 15 punti in più rispetto a GPT-5.6 Terra in sforzo di ragionamento medio, per circa un terzo del costo, e un livello paragonabile a GPT-6 Astra per un prezzo per token dieci volte inferiore. Afferma inoltre che Terra svolge i compiti più di tre volte più velocemente di GPT-6 Astra e GPT-6.1 Sol.

In programmazione, OpenAI rivendica il 50,3% di compiti risolti su Terminal-Bench 4.0 in sforzo massimo, contro il 21,5% per GPT-5.6 Terra. Lo sviluppatore riconosce però che per i compiti di codice più complessi, GPT-6.1 Sol e GPT-6 Astra restano preferibili.

Sull’affidabilità, OpenAI cita un banco di prova interno di domande concepite per provoquer errori: il tasso di errore passerebbe dal 53,6% al 16,7% in sforzo basso, e al 4,3% in sforzo massimo. Non essendo questo test pubblico, è impossibile riprodurlo.

I limiti

Tutti i punteggi di prestazioni provengono da OpenAI, con le sue impostazioni. Nessuna misura indipendente era disponibile al momento della pubblicazione. I confronti di costo con Claude Opus 5.5 («circa 9 volte meno caro per compito» in sforzo massimo) dipendono dal numero di token consumati, quindi dal compito scelto. Infine, OpenAI indica che il modello raggiunge la soglia «Critical» in cibersicurezza del suo Preparedness Framework e conserva le protezioni sviluppate per GPT-6 Astra: un livello di capacità che implica dei guardrail suscettibili di rifiutare certe richieste di sicurezza informatica.

Puntare sul contesto piuttosto che sulle dimensioni

Mirendil sostiene una tesi semplice: per rendere un modello più capace, si può aumentare il numero di parametri, ma anche la quantità di informazioni che può consultare contemporaneamente. Fern 0.1, la prima versione, è costruito su Mirendil-Base, un modello da 0,1 a 0,5 miliardi di parametri (lo sviluppatore fornisce solo un intervallo), pre-addestrato da zero e poi affinato con un breve post-addestramento.

Gli utilizzi previsti sono quelli dei team che costruiscono IA: auditare dati di addestramento, debug di un addestramento dai suoi log, rileggere tracce di agenti da capo a coda, lavorare su repository di codice molto grandi. Due modelli di base più grandi, Large (da 0,5 a 2 miliardi di parametri) e XL (da 2 a 10 miliardi), sono in fase di pre-addestramento.

Cosa mostrano le cifre dello sviluppatore

Sulla lunghezza del contesto, Mirendil pubblica un test RULER: la ricerca di un’informazione isolata («single needle») riesce al 100% a tutte le lunghezze testate, fino a 10 milioni di token. Ma a questa lunghezza il punteggio si basa su soli 20 esempi, e lo sviluppatore annuncia risultati più completi «presto». Trovare un ago in un pagliaio è il test più semplice; ragionare sull’intero contesto è molto più difficile.

Nella programmazione, i punteggi di Fern 0.1, misurati da Mirendil con lo strumento OpenCode in un solo tentativo, restano lontani dai migliori: 73,4% su SWE-Bench Verified e 76,5% su SWE-Bench Pro v2-Hard, dove lo stesso grafico attribuisce 90,2% a GPT-6 Astra su quest’ultimo test. I metodi di misurazione differiscono da un modello all’altro in questo grafico, il che limita la portata del confronto.

Non ancora utilizzabile

Punto essenziale: Fern 0.1 non è accessibile. La pagina indica un accesso «presto» e propone una richiesta di accesso anticipato. Non sono annunciati né prezzi, né API, né pesi aperti.

Un modello «insegnante» per agenti

Lo sviluppatore presenta questo modello come il modello insegnante della sua serie 4.3: deve servire a distillare capacità di agente in modelli più piccoli, a partire da una versione da 3 miliardi di parametri annunciata senza data. Si rivolge a due usi: la programmazione agentica (un modello che esegue comandi, legge i risultati e corregge) e le attività d’ufficio automatizzate.

Sul piano tecnico, la scheda indica una finestra di contesto di 524 288 token, una modalità di ragionamento attivabile e un formato di chiamata di strumenti (XML consigliato). Il modello gira con Transformers, SGLang o vLLM; i pesi in BF16 pesano circa 66 GB, e gli esempi di déploiement forniti distribuiscono il modello su quattro GPU.

Punteggi da leggere per intero

Nanbeige confronta il suo modello con tre concorrenti aperti di dimensioni simili: Qwen3.8-27B, Muse-Glimmer-30B e Gemma4-31B, tutti valutati secondo lo sviluppatore con le stesse impostazioni e lo stesso strumentario. Rivendica 80,9 su Terminal-Bench 2.1 (contro 73,0 per Qwen3.8-27B), 23,8 su Terminal-Bench 4.0 (6,3 per Qwen) e 65,5 su DeepSWE (42,5 per Qwen).

La tabella pubblicata mostra anche i suoi limiti: su SWE-Bench Pro, Nanbeige4.3-33B ottiene 60,3, dietro Qwen3.8-27B (61,7); su GDPval, 84,8 contro 86,4 per Qwen; su GPQA Diamond, 89,5 contro 91,3 per Gemma4-31B. Queste cifre provengono tutte dallo sviluppatore; nessuna misurazione indipendente è ancora stata pubblicata.

Per chi?

Un modello da 33 miliardi di parametri con licenza Apache-2.0 interessa le squadre che vogliono un agente di codice ospitato internamente, senza dipendere da un’API. I confronti vanno però presi con cautela: i punteggi degli agenti variano molto a seconda dello strumentario utilizzato («harness»), e quelli di Nanbeige non sono direttamente confrontabili con le cifre pubblicate da altri sviluppatori con altri strumenti.

Quattro ruoli, una catena di produzione

• Producer prepara la sessione (domande, script, studio) e assiste durante la registrazione.
• Editor stabilisce un piano di montaggio dell’episodio completo e lo realizza con l’utente: ritmo, pulizia audio, impaginazioni, sottotitoli.
• Clipper individua i passaggi da condividere e li prepara per i social network.
• Marketer redige didascalie e note dell’episodio, poi pubblica o programma i contenuti.

Il principio messo in evidenza è la concatenazione: non appena la registrazione finisce, l’Editor prepara un piano di montaggio e il Clipper propone degli estratti, senza che l’utente debba passare il testimone da uno strumento all’altro. Riverside indica che gli agenti memorizzano le preferenze di ciascuno nel corso dell’utilizzo.

Prezzi e safeguards

Gli agenti sono inclusi in tutti i piani Riverside, con una prova gratuita di 14 giorni; ciò che possono fare dipende dal piano. Le funzioni che operano con i crediti di IA, come il miglioramento video, continuano a consumarli quando un agente le applica. Riverside afferma che nessun contenuto viene pubblicato senza approvazione: gli agenti redigono, l’utente valida.

Cosa cambia, e cosa resta da vedere

L’IA nel montaggio video non è una novità: la rimozione dei silenzi, delle parole superflue o il ritaglio automatico di clip facevano già parte degli strumenti di Riverside. La novità è l’orchestrazione end-to-end, dalla preparazione alla pubblicazione. Riverside non fornisce invece alcun dettaglio sui modelli utilizzati, definiti «IA proprietaria», e nessun test indipendente sulla qualità dei montaggi è ancora disponibile.

Non abbiamo consultato a questo stadio nessuna fonte primaria per questo annuncio: i dettagli su tariffe, lingue supportate e condizioni d’uso restano quindi da verificare.

A cosa serve

Questo tipo di strumento risponde a un bisogno molto concreto dei creatori di contenuti brevi: produrre video esplicativi, presentazioni di prodotti o serie con un personaggio ricorrente, senza riprese né animazione fotogramma per fotogramma. L’argomento principale: tutto si fa in un unico strumento, a partire da una sola immagine.

Le domande da porsi

Uno strumento che fa parlare qualsiasi immagine solleva questioni di diritto all’immagine. Prima di utilizzare il volto di una persona reale, serve il suo consenso. E per una diffusione commerciale, le condizioni di licenza del servizio devono essere verificate.

Da tenere d’occhio: CapCut in ChatGPT

La stessa fonte annuncia l’arrivo prossimo di un plugin CapCut in ChatGPT. Senza data né conferma ufficiale consultata, lo classifichiamo tra le informazioni da confermare.

Articolo corretto il 27 ottobre 2026: Chimera è stato lanciato il 21 ottobre (e non il 24); descrizione del funzionamento precisata.

Cursor: l’agente può usare un computer

Cursor documenta la funzione Computer Use per i suoi agenti cloud self-hosted, su macchine macOS o Linux; figura nella voce «Self-hosted machines» del suo changelog, datata 2 settembre. Deve essere attivata esplicitamente e non viene mai accesa dal server. L’idea: l’agente non si limita più ai file e al terminale, può anche pilotare un ambiente grafico, ad esempio per verificare il rendering di un’interfaccia. Il fatto che la funzione sia documentata nella parte «self-hosted» è degno di nota: l’azienda mantiene il controllo sulla macchina su cui l’agente agisce.

Claude Code: una decina di falle del sandbox corrette

Sul fronte Claude Code, il changelog delle versioni 2.1.309 e 2.1.310 riferisce di una decina di correzioni che riguardano il sandbox, le verifiche dei permessi e l’isolamento delle sessioni. Esempio: su macOS e Linux, comandi Bash «in sandbox» eseguivano i file di avvio della shell al di fuori del sandbox. In altre parole, esistevano diversi modi per uscire dal perimetro autorizzato all’agente.

Perché è lo stesso tema

Più un agente ha capacità (lanciare comandi, cliccare, navigare), più conta la qualità del suo isolamento. Un sandbox aggirato su un agente che pilota un intero computer ha conseguenze ben più pesanti che su un semplice assistente di autocompletamento.

Articolo corretto il 27 ottobre 2026: la funzione Computer Use di Cursor non è stata documentata il 23 ottobre, figura nel changelog datato 2 settembre; conteggio delle correzioni di Claude Code precisato.

Due protocolli, due domande

Il protocollo standard è lo stesso per tutti i modelli: da un turno all’altro, il modello conserva solo le note che sceglie di scrivere. È quello che consente di confrontare i fornitori a parità di condizioni. Il protocollo «Provider Adapter» lascia invece al modello l’uso delle funzioni di gestione del contesto previste dal suo sviluppatore: per Astra, la conservazione del suo stato di ragionamento (non visibile) tra le richieste e la compattazione delle conversazioni lunghe.

Le due cifre non si contraddicono quindi: rispondono a due domande diverse. L’ARC Prize indica che pubblicherà d’ora in poi entrambi i risultati nella sua classifica, ciascuno chiaramente etichettato.

Costi pubblicati

L’organismo pubblica anche il costo di ogni valutazione: 26.098 dollari per il 62,7% (sforzo di ragionamento massimo) e 18.817 dollari per il 99,9% (sforzo elevato). Con il secondo protocollo e lo sforzo massimo, Astra ha inoltre utilizzato meno azioni dell’umano mediano testato sul 96% dei livelli, e il 51,7% di azioni in meno per livello in media.

Non una prova di AGI

L’ARC Prize precisa che saturare ARC-AGI-3 non prova che un sistema abbia raggiunto l’intelligenza artificiale generale: il test resta limitato, con meccaniche e obiettivi chiusi, lontano dalla complessità del mondo reale.

Articolo corretto il 27 ottobre 2026: la prima versione presentava a torto il punteggio del 99,9% come un annuncio di OpenAI non riprodotto. È stato misurato dall’ARC Prize con un secondo protocollo.

Un prezzo che cambia l’equazione

Il modello è fatturato 2 dollari per milione di token in input e 10 dollari in output. Per un modello classificato tra i primi quattro, è un posizionamento offensivo: le applicazioni ad alto volume, come gli agenti che concatenano lunghe sessioni o il trattamento di documenti, sono quelle in cui il prezzo per token pesa di più sulla fattura.

Pesi promessi, non ancora pubblicati

Lo sviluppatore annuncia che i pesi del modello saranno pubblicati entro il 4 novembre. Se la promessa sarà mantenuta, K3.1 Pro diventerebbe uno dei modelli aperti meglio classificati, scaricabile e ospitabile internamente. Per ora si tratta solo di un impegno: lo verificheremo alla scadenza.

Cosa sappiamo, cosa non sappiamo

Questa disponibilità è il fatto solido di questa vicenda. Significa che sviluppatori e aziende possono ora costruire su Argon tramite l’API, il che consentirà anche le prime valutazioni indipendenti su larga scala.

Al contrario, l’esistenza di una variante «Carbon» si basa solo su un articolo di Business Insider, secondo cui dipendenti di Google starebbero testando nuovi modelli Gemini 4. Google non l’ha confermata. La trattiamo quindi come un’indiscrezione: né le sue caratteristiche, né la sua tempistica, né tantomeno la sua uscita sono certi.

Perché è utile distinguerlo

I nomi in codice che circolano prima di un lancio finiscono a volte in un prodotto, a volte da nessuna parte. Per un team che sceglie un modello oggi, l’unica informazione utilizzabile è la disponibilità di Argon. Aspettare un’ipotetica versione successiva ha senso solo se viene annunciata ufficialmente.

Articolo corretto il 27 ottobre 2026: la data del 30 settembre non è suffragata dalle nostre fonti (Google ha presentato il modello a fine settembre secondo Business Insider); l’accesso al grande pubblico è riservato agli abbonati Google AI Pro e Ultra.

La cifra non regge del tutto al test

Il sito The Reel Stack riporta un test indipendente condotto dal creatore Grandpa Does AI, che paga i propri crediti, sullo stesso account e con le stesse immagini di riferimento. Risultato: un risparmio del 26%, non del 62%. La differenza è importante, ma non trasforma T1 in un cattivo affare: un quarto di costo in meno resta significativo per chi produce molta video.

Questo tipo di divario è frequente con le tariffe in crediti. Il costo reale dipende dalla conversione tra crediti ed euro in base alla formula di abbonamento, dalla durata dei clip e dal numero di generazioni fallite che bisogna rilanciare. Un confronto «al secondo» mostrato non dice nulla di tutto ciò.

Seedance sale di gamma

Nello stesso tempo, ByteDance ha lanciato il 23 ottobre Seedance 2.5 4K, destinato alla produzione cinematografica, secondo TechNode. Questa versione è riservata ad alcune aziende.

Articolo corretto il 27 ottobre 2026: il test indipendente è stato realizzato da Grandpa Does AI e riportato da The Reel Stack.

Perché le immagini chiave contano

Molti generatori video lavorano a partire da un prompt testuale e, al massimo, da un’immagine di partenza e una di arrivo. Il risultato è spesso spettacolare ma difficile da dirigere. Con dieci immagini chiave, l’utente può fissare tappe intermedie: l’ingresso di un personaggio, un cambio di scenografia, l’inquadratura finale. Ci si avvicina a uno storyboard che il modello si occupa di animare.

La durata di 30 secondi va nella stessa direzione. Un piano di pochi secondi basta per un effetto; trenta secondi permettono una piccola scena, una dimostrazione di prodotto o una transizione narrativa completa.

L’annuncio dello sviluppatore insiste su tre assi: realismo visivo, controllo creativo e narrazione. I primi due riguardano la valutazione e non sono ancora stati oggetto di misurazioni indipendenti pubblicate.

Articolo corretto il 27 ottobre 2026: Kling 4.0 è stato annunciato il 30 settembre, e non il 15 ottobre.

Nano Banana 2.1, pubblicato il 6 ottobre da Google DeepMind, accetta fino a 14 immagini di riferimento (fino a 10 di oggetti e 4 di personaggi) per un costo di 0,0336 dollari per immagine generata in 1K nell’API Gemini, con i token di input fatturati in aggiunta. Krea 3, lanciato il 15 ottobre, propone un ritocco in 2K, fino a 6 riferimenti, a 0,03 dollari per immagine in 1K.

Cosa dicono i numeri

La differenza di prezzo è contenuta: circa l‘11% a favore di Krea 3 in 1K, sulla base delle tariffe pubblicate. Su un volume di 10.000 immagini, ciò rappresenta circa 36 dollari. Il vero criterio di scelta è altrove:

• Molti riferimenti da combinare (una serie di prodotti, più personaggi): Nano Banana 2.1 ne accetta più del doppio.
• Esigenza di risoluzione nel ritocco: Krea 3 mette in evidenza il ritocco in 2K nativo, fatturato 0,06 $ per immagine. Nano Banana 2.1 esce anche in 2K (0,0504 $) e in 4K (0,113 $) nell’API Gemini.

Articolo aggiornato il 27 ottobre 2026: aggiunte le fonti ufficiali del prezzo e del numero di riferimenti di Nano Banana 2.1, differenza di prezzo ricalcolata (circa 11%).

Dall’annuncio emergono due promesse. Prima, una generazione in 4K nativa, senza passare per una fase di ingrandimento. Poi, una versione quantizzata in INT8 che starebbe in 8 GB di memoria video, ovvero la categoria delle schede grafiche consumer più diffuse. Questi due punti sono caratteristiche annunciate dallo sviluppatore: la qualità reale del 4K e la velocità su 8 GB restano da misurare.

Una licenza pensata per le piccole strutture

L’altra novità è commerciale: la licenza FLUX Kommunity è gratuita per un uso commerciale finché l’azienda realizza meno di 5 milioni di dollari di fatturato annuo. Indipendenti, agenzie e start-up possono quindi integrarla senza costi, mentre gli attori più importanti dovranno passare per un accordo.

Articolo aggiornato il 27 ottobre 2026: precisazione «fatturato annuo» e link al nostro articolo su MOSS-Image.

Il modello è proposto in due varianti: Base, il modello pre-addestrato, e SFT, affinato tramite apprendimento supervisionato. I pesi sono pubblicati su Hugging Face e il codice su GitHub, il che permette di auditarlo e di affinarlo personalmente.

Una classifica da confermare

Secondo il rapporto tecnico del team, pubblicato su arXiv, MOSS-Image si piazza 2° su RealLayoutArena nel confronto di sistemi completi. Questo banco di prova incentrato sul layout è stato creato dal team stesso. È promettente per gli usi in cui la disposizione conta (poster, visual con testo), ma si tratta di un risultato autodichiarato: attendiamo una misurazione indipendente.

Già un add-on di ritocco, con prudenza

Una fonte secondaria segnala un add-on comunitario, Moss-Image-Edit, che permette di ritoccare un’immagine tramite una semplice frase in ComfyUI e girerebbe su una RTX 4060 da 8 GB in 8 bit. Problema: i suoi pesi non hanno licenza chiara. Per un uso professionale, meglio attenersi per ora al modello ufficiale.

Articolo aggiornato il 27 ottobre 2026: aggiunta del rapporto tecnico come fonte della classifica RealLayoutArena.