IL PUNTO SULL’AI
12 ottobre 2026
Sakana studia l’auto-supervisione, QGIS limita il codice AI, Trident unifica il retrieval, Maia scala l’inferenza e MiniCPM-V 4.7 porta nuovi pesi locali.
In questa edizione 5 notizie
Sakana AI e UC Berkeley presentano MASS: il sistema ottimizza un workflow multi-agente, seleziona le esecuzioni migliori e le distilla con LoRA nello stesso modello che svolge i ruoli di esecutore, ottimizzatore e valutatore. Gli autori riportano miglioramenti per token e, sui tre task holdout, un win rate del 69,9% del secondo round rispetto al modello base.
Limiti da conoscere
Limite: I risultati dichiarati riguardano 12 task sintetici in finanza, robotica e farmacia, con tre task holdout. La supervisione resta in parte interna allo stesso modello e può condividere blind spot; non è una prova di miglioramento ricorsivo in produzione né di generalizzazione ad altri modelli o workflow.
QGIS ha accettato e integrato QEP 428: nel repository qgis/QGIS non sono ammessi contributi di codice assistiti da LLM, AI o agenti. La policy prevede la possibile reversione del codice e sanzioni sui diritti di contribuzione se l’uso viene scoperto successivamente.
Limiti da conoscere
Limite: La regola riguarda i contributi al repository principale qgis/QGIS e non dimostra che il codice generato sia sempre difettoso. Il testo pubblico è molto breve e non descrive un metodo tecnico di rilevamento, eccezioni o una procedura dettagliata di appello.
OpenBMB ha pubblicato pesi e codice di Trident-Qwen3VL-2B, un embedding model da 2,13 miliardi di parametri che colloca testo, immagini e input fusi nello stesso spazio. Il LoRA è già incorporato e il quickstart permette di ordinare documenti di modalità diverse con un unico prodotto scalare.
Limiti da conoscere
Limite: Il modello è appena pubblicato, non è servito da provider di inferenza e richiede una GPU CUDA nel quickstart ufficiale. I risultati del paper e dei dataset associati restano evidenza degli autori: prima di usarlo in un RAG reale vanno misurati recall, latenza e bias di modalità sul proprio corpus.
Microsoft prevede di portare Azure Maia a deployment multi-gigawatt dal 2027 e di usarlo come sistema primario di inferenza per i propri prodotti e servizi. Maia 300 integra chip, memoria, rete, rack, software e datacenter per carichi long-context e agentici; Microsoft dichiara il 40% di token in più per megawatt rispetto ai principali sistemi GPU e fino a 7 volte il throughput rack-scale di Maia 200.
Limiti da conoscere
Limite: Maia 300 non è ancora un servizio acquistabile: la produzione è prevista nel 2027. Efficienza e throughput sono dichiarazioni Microsoft, senza benchmark indipendenti pubblicati; non sono ancora disponibili prezzi, configurazioni Azure o prove comparabili a parità di modello e qualità.
OpenBMB ha reso scaricabili MiniCPM-V 4.7 in due taglie, 1B e 35B-A3B, insieme a varianti GGUF, INT4, AWQ, GPTQ, FP8 e modelli draft DSpark. La famiglia gestisce immagini, video e testo, supporta Transformers, llama.cpp e Ollama e introduce compressione visuale 4x o 16x; il modello 35B-A3B usa una struttura Mixture of Experts con 3 miliardi di parametri attivi.
Limiti da conoscere
Limite: Prestazioni, confronti e 13+ token al secondo su iPhone 17 Pro Max sono misure dichiarate da OpenBMB, non test indipendenti. Il percorso mobile del 35B richiede tecniche e runtime dedicati; il quickstart Transformers richiede almeno la versione 5.18 e l’integrazione OpenVINO indicata nella scheda contiene ancora un collegamento da completare.
LA COMMUNITY SCEGLIE
Quale notizia merita un test?
Scegli una notizia qui sotto o usa “Mi interessa” nella sua scheda. Un voto per edizione su questo dispositivo, senza iscrizione.