Risorse Artificiali. Appunti e spunti dal mondo dell’Intelligenza Artificiale

Agenti AI che si migliorano da soli e il benchmark che Opus non supera mai: i lab hanno paura, noi abbiamo testato.Dopo il tweet virale di Evan Hubinger sul 10% di sterminio e l'ultimo allarme di Dario Amodei, questa settimana guardiamo i tre trend tecnici dietro alle paure dei lab: reinforcement learning su modelli piccoli, self-improvement degli harness e agent swarm. E poi facciamo quello che ci piace di più: abbiamo costruito un benchmark fatto in casa, un omino in skateboard su halfpipe in SVG animato con fisica reale, e l'abbiamo passato a una decina di modelli, da Astra a Opus, con costi, token e tempi alla mano.https://risorseartificiali.com/skateboard/Spoiler: Opus non è mai riuscito a farlo. Astra costa 0,26$. E i modelli piccoli reasoning bruciano 18.000 token per arrivare dove i grandi arrivano con 5.000.Con Stefano, Paolo e Alessio.⏱ Capitoli00:00 Intro latina: i lab AI hanno paura03:00 Il tweet del 10%: Hubinger, Amodei e Altman09:56 Recursive self-improvement: modelli che migliorano se stessi12:04 Ralentare per paura o per business? E la mossa del CERN17:54 I tre trend: RL, harness e agent swarm27:00 Agenti in fuga: Hugging Face e il wiki fantasma32:00 Le Olimpiadi dei robot38:04 Dal pellicano allo skateboard: il benchmark RA44:11 Constrained vs unconstrained: i modelli al test51:17 Costi, token e modelli locali1:04:01 Harness vs modello secco1:08:25 Lince, audio Linux e promo degli ascoltatori🎧 Ascolta l'episodio su Spotify:https://open.spotify.com/episode/3JMsCnedwyPXIVLO4lMx27?utm_source=youtube&utm_medium=description&utm_campaign=ep72_drop🌐 Sito, episodi e materiali:https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep72_dropIscriviti al canale per non perdere le prossime puntate: qui si parla di AI Engineering in italiano, per chi la scrive e non solo per chi la racconta.#72

AI code review, formazione junior, voice AI on-device e video generato in locale: tre host rispondono alle vostre domande.Puntata Q&A speciale di Risorse Artificiali: Stefano, Paolo e Alessio raccolgono le domande degli ascoltatori e ci rispondono con esperienze reali, tool concreti e qualche opinione netta.Di cosa parliamo: come fare code review quando l'AI genera più codice di quanto si riesca a leggere, con le skill PR Walkthrough e Adversarial Code Review. OmniVoice Studio per text-to-speech e voice cloning. Antivocale, l'app Android che trascrive i messaggi vocali direttamente sul telefono. Come funziona davvero la generazione di immagini e video in locale con ComfyUI: latent space, denoising, scheduler, sampler e LoRA a pochi step. Mixture of Experts e Mixture of Agents. E la domanda più tosta: come si formano i junior sviluppatori nell'era dell'AI?Capitoli00:00 Q&A speciale: code review con le skill07:54 Dipendono dai modelli? Skill, impatti e review automatiche11:50 OmniVoice Studio: TTS e voice cloning19:50 Antivocale: trascrizione on-device su Android25:45 Sfide AI on edge: back-end e catalogo modelli30:15 Video in locale: ComfyUI, latent space e denoising37:24 Scheduler: quando fare i passi di denoising43:03 Sampler: Euler, DPM e minimi locali46:47 Performance locale: LoRA low-step e sigma shift55:11 Mixture of Experts e Mixture of Agents1:04:13 Review e collo di bottiglia nell'era AI1:09:14 Formare i junior nell'era AIAscolta su Spotify: https://open.spotify.com/episode/3GUAcpOIuFcGxJTnJiekWw?utm_source=youtube&utm_medium=description&utm_campaign=ep71_dropSito e appunti: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep71_dropSe il podcast ti è utile, iscriviti al canale e attiva la campanella. E se hai domande nuove, scrivile nei commenti: questa puntata è nata dalle vostre.Risorse Artificiali #71

GPT-6 Astra fa 99,9% su ARC-AGI-3 ma l'indice di intelligenza gli dà 61: il caso del benchmark maxato, spiegato da chi i benchmark li usa tutti i giorni.OpenAI ha rilasciato GPT-6 Astra con numeri da record su tutta la linea: incrementi a doppia cifra su ogni benchmark e un 99,9% su ARC-AGI-3 che nessun altro modello sfiora. Ma un benchmark maxato, cioè mostrato al modello in addestramento, vale ancora qualcosa? E perché l'indice di intelligenza di Artificial Analysis gli dà 61, lo stesso punteggio di GLM 5.3 Max? In puntata Stefano, Paolo e Alessio prendono il rilascio e lo girano al contrario: i costi per intelligent task (Fable 5.1 a 3,69 dollari contro 1,67 di Astra, 8.500 dollari per una test suite completa), i pesi che compongono l'indice, il tasso di allucinazioni che nessuno cita. E tutta la parte che i benchmark non raccontano: Qwen 3.8 Flash Next con l'architettura che arriverà su Qwen 4, l'inferenza locale di Waymo scesa da 250 mila a 50 mila dollari grazie a una TPU di Google, Nvidia che compra Hugging Face per 12,9 miliardi in contanti, GLM che serve 100 mila chip Huawei Ascent e le licenze open weight che non sono più MIT puro.00:00 GPT-6 Astra e il 99,9% su ARC-AGI06:18 Overfitting: quando il benchmark è maxato13:21 Fable 5.1: costi da record e cache23:10 Il nostro benchmark alla pellicano25:33 L'indice di Artificial Analysis non torna33:40 Coding: conta la sensazione d'uso38:04 Formula 1 o auto per la scuola?43:18 Qwen 3.8 Flash Next: l'ingegnerizzazione dei modelli48:34 Waymo in Europa: inferenza locale su TPU53:46 Nvidia compra Hugging Face, GLM su Huawei1:00:52 Le licenze open weight cambiano1:04:07 Hermes in Gen Z, Q&A e OmniRouterAscolta l'audio anche su Spotify:https://open.spotify.com/episode/50oM4N7LLJLU3szU2Sh2x7?utm_source=youtube&utm_medium=description&utm_campaign=ep70_dropSito, show notes e trascrizione completa:https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep70_dropIscriviti al canale: AI engineering in italiano, senza hype, ogni sabato.#70

GLM 5.3 Flash, ossia ox-alpha: il modello uscito in stealth che fa i numeri dei giganti con 6 miliardi di parametri attivi. E intanto la corsa all'AI in locale si fa seria.In puntata: le pubblicità cinesi spurie comparse in ChatGPT, il Mac Studio M5 Ultra da 20.000 dollari e i conti veri del locale, il Cube di Xiaomi con la RAM prodotta in Cina, il rumor sull'acquisizione di Hugging Face da parte di Nvidia (e cosa significherebbe per l'Europa), il progetto Free LLM API che mette insieme le quote gratuite di decine di provider, e il report METR su 1200 agenti coordinatisi rinominando i file.Capitoli:00:00 Modelli stealth e pubblicità cinesi in ChatGPT05:30 Mac Studio M5 Ultra da 20.000 dollari10:30 Xiaomi Cube: l'hardware consumer cinese15:40 RAM cinese e l'alleanza con Alibaba20:30 Nvidia compra Hugging Face: il parallelo GitHub25:05 Hugging Face, l'Europa e il robot bipede29:25 La mossa Nvidia e la lezione dei fork34:45 Gratis per sbaglio e il progetto Free LLM42:20 Fusion, advisor esterni e la repo skills47:40 Free LLM: limiti, SLA e casi d'uso52:45 Ox-Alpha: il modello stealth e il geoguessing56:25 GLM 5.3 Flash: benchmark, costi, 6B attivi1:00:05 Multimodali, veloci, economici: la nuova classe1:04:45 Report METR: 1200 agenti in azioneAscolta l'episodio anche su Spotify:https://open.spotify.com/episode/2PT0QAqtV8Od5zwZErRGSi?utm_source=youtube&utm_medium=description&utm_campaign=ep69_dropSul sito, con trascrizione completa:https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep69_dropIscriviti al canale per non perdere le prossime puntate.Risorse Artificiali, episodio 69.

Bannato da GLM per aver messo LiteLLM davanti a Claude Code. Paolo racconta tutto: il pool di modelli, il middleware locale, il classifier dell'automode spostato su Gemma per non bruciare la quota del modello principale. Poi il fallback verso il cloud rigira le chiamate già modificate, GLM le legge come traffico di un harness non supportato, e parte il ban. Con mail di supplica annessa.Prima di quella storia, Stripe che compra OpenRouter per 7 miliardi di dollari. La lettura di Paolo è che il routing sia una posizione da API Gateway: chi smista il traffico degli agenti può vendere servizi premium sul volume, esattamente come Stripe ha fatto con i pagamenti. Da lì i protocolli di pagamento tra agenti, AP2 sopra A2A, e lo scenario in cui a produrre reddito sono gli agenti stessi.Poi i modelli. Qwen 3.8 27B denso è la prima volta che un modello locale su 16-24 giga di VRAM regge un coding agent vero e non solo il completamento: onniscienza peggiore del 3.6, capacità agentiche molto migliori, e il consiglio di tenerlo su low o medium thinking effort. GLM 5.3 guadagna 6-7 punti di intelligenza generale su Artificial Analysis, l'inferenza di Z.ai è diventata veloce, e resta il dubbio su cosa faccia girare davvero Ollama quando le risposte non combaciano.Nella seconda parte: perché parlare ai modelli in italiano non spreca i token che pensi, il trick di chiedere l'output in inglese B2 o C1, le skill Wait What e handoff, il report di Hugging Face sullo stato dei modelli open (attention e adoption non sono la stessa cosa, solo l'1% sta sopra i 70 billion), Light Learner, il jailbreak del taccuino, e le quattro skill dell'AI engineer secondo Andrew Ng.CAPITOLI00:00 Stripe compra OpenRouter per 7 miliardi02:59 A2A, AP2 e il routing dei pagamenti08:18 LiteLLM: i modelli locali in un pool13:20 Bannato da GLM: il classifier locale16:22 Sandbox invece di validatori, e i cyborg19:55 Qwen 3.8 27B: coding su 16 giga26:01 GLM 5.3 e il dubbio su Ollama32:20 Parlare ai modelli in italiano: latent space39:23 Wait What, Grill with Docs e handoff46:15 Report Hugging Face sui modelli open50:54 Attention non è adoption: download contro like56:26 Kimi K3, licenze e modelli sopra 70B1:02:00 Light Learner e il jailbreak del taccuino1:06:30 Andrew Ng: le 4 skill dell'AI engineerAscolta su Spotify: https://open.spotify.com/episode/45PF4g7gH6tHATi1SCm0u2?utm_source=youtube&utm_medium=description&utm_campaign=ep68_dropTutti gli episodi e le trascrizioni: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep68_dropLinkedIn: https://www.linkedin.com/company/risorseartificialiSe la puntata ti è servita iscriviti al canale. E se avete voglia di precisare la spiegazione sul latent space, i commenti sono lì apposta.Risorse Artificiali, AI Engineering in italiano. Puntata #68

Open weight con l'asterisco: Qwen ha rilasciato i pesi di 3.8, ma senza la variante Max, senza vision e con il contesto tagliato. Kimi K3 invece aveva rilasciato tutto, e la differenza si vede su chi ci fa inferenza davvero.Nella prima parte il giro dei rilasci di queste settimane: Muse Glimmer e Nemotron pensati per girare in locale, il subagent workhorse (o muletto, se preferite la traduzione di Paolo), la corsa all'hardware a memoria condivisa tra DGX Spark, RTX e Apple Silicon. Poi il video open weight, con Minimax H3 che si prende la community a colpi di LoRA e LTX 2.5 che risponde con l'auto duration e una tabella comparativa un po' interessata.Nella seconda parte Anthropic mette il watermark sui testi di Claude per stare dentro l'AI Act, e ne parliamo per quello che è: un gioco a guardie e ladri che dura da prima di noi. Alessio spiega come funziona davvero il watermark sul testo, Paolo racconta la storia delle mail di Musk e quella volta che Reddit lo ha bannato per un post generato.Poi la parte che ci ha tenuti più a lungo: il continual learning si sta spostando dai modelli agli harness, gli agenti iniziano ad avere una personalità che dipende da chi li usa, e se ogni installazione prende una deriva diversa diventa complicato perfino capire cosa si legifera. Dwarkesh Patel dà questo per la fine dei modelli open. Noi la vediamo al contrario.CAPITOLI00:00 Sondaggio ascoltatori e Qwen 3.8 senza Max06:08 Kimi K3, Muse Glimmer e il workhorse Nemotron11:20 Intelligenza ibrida: DGX Spark, RTX e Apple Silicon16:14 Minimax H3 e le licenze per regione19:48 LTX 2.5, auto duration e i LoRA25:25 Attention quadratica e vision language nei prompt video30:00 Watermark su Claude e AI Act35:37 Reverse engineering del watermark e Musk40:28 Detector che sbagliano: Substack e Reddit44:14 Grok 4.6 e le PR su Hermes49:07 MuseSpark 1.2, continual learning e memorie condivise54:37 Sviluppo artigianale e agenti con personalità58:32 Hermes in vacanza: mappa interattiva e spese1:04:09 Se ogni installazione diverge, cosa legiferi?1:07:37 La fine dei modelli open? Al contrarioAscolta su Spotify: https://open.spotify.com/episode/5r7HVXxocIGv9lDezyvvZE?utm_source=youtube&utm_medium=description&utm_campaign=ep67_dropTutti gli episodi e le trascrizioni: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep67_dropLinkedIn: https://www.linkedin.com/company/risorseartificialiSe la puntata ti è servita iscriviti al canale, ci aiuta più di quanto sembri. E diteci nei commenti se volete Ivan Fioravanti in puntata a parlare di inferenza locale.Risorse Artificiali, AI Engineering in italiano. Puntata #67

L'AI ha fatto 10 scoperte matematiche originali in una settimana. Cosa significa per chi costruisce software, per i matematici, e per l'AGI? Ne parliamo con Alessandro Maserati.OpenAI ha pubblicato 10 risultati matematici nuovi, non divulgazione: scoperte originali che, come ci spiega Alessandro Maserati (matematico, ospite di questa puntata), valgono ciascuno come un'intera carriera di un ricercatore. Dietro quella notizia c'è una tesi piu' grande: la matematica e' un dominio verificabile, ed e' esattamente il terreno su cui ci stiamo allenando con il reinforcement learning. Per questo l'AI prima supera i matematici, poi i programmatori.Dalla disprova di una congettura spiegata da Terence Tao con GPT 5.6, al fatto che Opus 5 in nove ore di gara ha trovato quattro soluzioni diverse per ogni problema, tutte a punteggio pieno. Stefano, Alessio e Alessandro provano a rispondere alla domanda vera: se l'AI risolve le dimostrazioni, cosa resta al matematico? Fare le domande giuste e la sintesi.Poi parliamo di security: i bug segnalati negli ultimi tre mesi sono 30-40 volte quelli di un anno normale, ci sono zero-day trovati dall'AI e responsabilita' penali per chi usa gli agent. Di "good enough AI" e perche' chiediamo ai modelli un'affidabilita' da software, non da collega. Di prompting 2026: Opus 5 non si prompta come il 4.8, conviene ragionare in inglese e farsi scrivere gli artefatti a livello B1/B2. Di AnyDoc, che converte qualunque formato in Markdown senza LLM. Di economia: token a 3 dollari al giorno contro un umano, il paradosso di Jevons, e la curva esponenziale che prima o poi deve piegarsi contro il PIL mondiale. E chiudiamo con i modelli video: Seedance 2.5 e il Minimax H3 open-weight.00:00 10 scoperte matematiche: l'AI supera i matematici03:12 Matematica verificabile: il dominio perfetto per l'allenamento06:01 Cosa resta al matematico: fare le domande giuste11:43 Terence Tao, GPT 5.6 e il valore della sintesi13:26 AGI a mesi, non a anni15:04 Security AI: breach, zero-day e responsabilita' penale25:54 Good enough AI: abbassare le aspettative30:00 Opus 5 non si prompta come il 4.833:36 Scrivere in inglese B1/B2 e ragionare in inglese35:56 AnyDoc: qualsiasi formato in Markdown, zero token39:55 Economia AI: token, Jevons e 3 dollari al giorno47:29 La curva esponenziale e il limite del PIL mondiale53:00 Video AI: Seedance 2.5, Minimax H3, Veo e Runway1:05:26 World model e chiusura: provate le Olimpiadi di matematicaAscolta anche su Spotify: https://open.spotify.com/episode/1k4SYOJHsyXd2NEYxottMp?utm_source=youtube&utm_medium=description&utm_campaign=ep66_dropSito: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep66_dropIscriviti al canale per non perdere le prossime puntate.#66

L'AGI è un asintoto: ci avviciniamo senza arrivarci mai, e per quasi tutto il lavoro reale questo basta già oggi.Partiamo riflessivi. Se l'argomento contro l'AI è "sbaglia sempre qualcosa", è un argomento debole: in informatica lavoriamo da sempre con approssimazioni che non convergono e non le buttiamo via. Da lì arriviamo ai benchmark inversi (non più "sai farlo?" ma "quante volte sbagli su cento"), al trade-off accettabile fra OmniVoice e Pocket TTS per farsi leggere gli articoli in macchina, e a cosa cambia davvero con la famiglia Claude 5: thin prompt, thin context, thin skills. Fable non è più intelligente in senso assoluto, semplicemente ti costringe a spiegare meno.Nella seconda parte la rassegna dei modelli usciti. Inkling e Inkling small di Thinking Machines Lab, open weight su territorio occidentale. Laguna S2.1, 118 billion mixture of expert tagliato per hardware da 128 giga, che però crolla appena lo quantizzi a 4 bit e ha seri problemi con l'italiano: demo in LM Studio con "finché la barca va", e digressione su densità, sparsità e perché la quantizzazione punisce i modelli densi. Poi Opus 5, Qwen Image 3 che genera articoli LaTeX come immagini, MAGE di Microsoft fra image generation e vision language in streaming, Flux 3, Gemini 3.6 Flash, e la storia del modello OpenAI uscito dalla sandbox che ci convince poco.Risorse Artificiali è il podcast di AI Engineering in italiano, con Stefano, Paolo e Alessio. Per chi la scrive, non per chi la racconta.CAPITOLI00:00 AGI e asintoti: perché la perfezione non serve07:47 Che età ha l'AGI e il codice che nessuno legge più12:55 Benchmark inversi: non cosa sai fare, quanto sbagli16:36 OmniVoice, Pocket TTS e il trade-off accettabile21:05 Fable: non più intelligente, devi spiegare meno27:41 Inkling e Thinking Machines Lab: open weight occidentale33:55 Opus 4.6 workhorse e Laguna S2.1: 118B per 128 giga38:40 Promptare in italiano: lo studio Anthropic sulle lingue43:03 Demo Laguna in LM Studio: "finché la barca va"47:24 Densità, sparsità e perché la quantizzazione rompe53:36 Opus 5: più agentico e più vicino a Fable58:17 Qwen Image 3: LaTeX, infografiche e UI generate1:02:30 MAGE di Microsoft: image gen e vision language open1:08:47 Flux 3 omnimodale e Gemini 3.6 Flash1:12:13 Il modello OpenAI uscito dalla sandboxASCOLTA SU SPOTIFYhttps://open.spotify.com/episode/0eXoGy80TE2fECQX86Uyf0?utm_source=youtube&utm_medium=description&utm_campaign=ep65_dropTUTTE LE PUNTATE E LE TRASCRIZIONIhttps://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep65_dropSe la puntata ti è servita, iscriviti al canale: ci aiuta più di quanto sembri, e ci fa capire di cosa parlare la prossima volta. I commenti li leggiamo tutti.#65

Quali skill usiamo davvero per i nostri agenti con Claude Code? Speciale "ritorno al futuro" su come abbiamo personalizzato l'harness: dal prompt engineering al loop engineering, con prompt sottili, contesto spesso e skill leggere.Torniamo sull'argomento skill a distanza di mesi, perché è cambiato tutto. Non si parla più di scrivere il prompt più denso possibile: il contenuto grosso è migrato nel context e negli artifact, e anche le skill sono diventate più sottili. Ne discutiamo Stefano, Paolo e Alessio partendo da una sintesi che gira su X (thin prompts, thick context, thin skills) e arrivando al concreto: quali skill installiamo davvero, come le scegliamo tra i quattro repository principali, come le proviamo prima di promuoverle, e perché le skill non si scrivono a mano ma si distillano da sessioni di lavoro.Parliamo di Simplify (scomparsa e rimpianta), Code Review, Ponytail, Interview Me, Grill Me, doubt-driven development e handoff. Discutiamo la sicurezza delle skill scaricate da fuori e perché vanno usate in sandbox. E chiudiamo con l'indeterminismo del modello: avere una skill non significa che verrà invocata quando vuoi, e come un hook può aiutare.Skills nominate:https://github.com/DietrichGebert/ponytail/blob/main/skills/ponytail-review/SKILL.mdhttps://github.com/addyosmani/agent-skills/tree/mainhttps://github.com/obra/superpowershttps://github.com/mattpocock/skills/tree/main/skillsSe scrivi codice con agenti in produzione, questa è la puntata per te.CAPITOLI00:00 Le skill che usiamo davvero02:00 Da prompt engineering a loop engineering05:02 Cos'è una skill: standard e behavioral memory10:57 Simplify, la skill preferita scomparsa15:38 Da Simplify a Code Review: monkey patching22:23 Ponytail Code Review e la coda di cavallo26:37 Scegliere e provare le skill: repository e preview34:31 Le skill non si scrivono, si distillano40:19 Sicurezza: sandbox e dove accetti il rischio46:09 Backlog, hook e l'indeterminismo del modello50:12 Interview Me, Grill Me e doubt-driven56:09 Handoff, Hunk e tool CLI per agentiAscolta su Spotify: https://open.spotify.com/episode/4XZFs5ZUctmHMjTq7JAwlM?utm_source=youtube&utm_medium=description&utm_campaign=ep64_dropSito: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep64_dropIscriviti al canale per non perdere le prossime puntate.#64

Kimi K3 è terzo al mondo, vicino a Fable, e costa un quarto. Intanto esce il primo open weight americano dopo Llama 4: Thinking Machine Lab di Mira Murati. È un cambio di scena nei modelli di frontiera.Torniamo sul mercato dei modelli con Stefano, Paolo e Alessio. Moonshot AI ha rilasciato Kimi K3: 57 nell'indice di Artificial Analysis (tra Opus 4.8 a 56 e Fable a 60), ma con metà dei token e a un quarto del costo di Fable. I modelli cinesi chiudono il gap di settimana in settimana, e Paolo chiude con una sintesi: fine estate un fable level ce l'abbiamo tutti.Parliamo anche dell'articolo di Demis Hassabis sulla governance dell'AI e sull'AGI (una questione di mesi o al massimo di cinque anni), del perché Thinking Machine Lab punta sul fine tuning di modelli specializzati per mix-of-agents, del caso della CLI di Grok che sfilava dati dai computer degli utenti, e della posizione di Torvalds: l'AI è uno strumento, è il 2026, chi non vuole usarla si fork il kernel.Links:https://x.com/demishassabis/status/2076957440109625718https://x.com/maeste/status/2077733742584398029https://x.com/miramurati/status/2077455974743593100?s=20Per chi costruisce con LLM e guarda i costi di inferenza, è una puntata da non perdere.CAPITOLI00:00 Modelli nuovi e feedback dal vivo06:58 Hassabis: AGI tra pochi mesi13:52 Kimi K3: i cinesi chiudono il gap22:36 Terzo al mondo: Kimi K3 in classifica27:36 Costi e token: un quarto di Fable31:47 Fable: memoria, rifiuti e switch a Opus40:19 Provenienza umana, Fable e il business44:53 Thinking Machine Lab: l'open weight di Murati49:39 Inklings: open weight americano e fine tuning54:14 Grok CLI ruba dati: bug o training?57:40 Torvalds: l'AI è qui, usatela1:05:54 La mossa 37 del codiceAscolta su Spotify: https://open.spotify.com/episode/3SLjYEq7cLYgIkJbNZgdSJ?utm_source=youtube&utm_medium=description&utm_campaign=ep63_dropSito: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep63_dropIscriviti al canale per non perdere le prossime puntate.#63

Inferenza LLM in Europa, zero data retention e open weight: Eugenio Petullà (Regolo.ai) su dove finiscono i tuoi dati quando interroghi un modello di frontiera o open weight.Parliamo con Eugenio Petullà, Chief AI Alchemist di Regolo.ai, provider europeo di inferenza hostato in Italia nel gruppo DHH/Seeweb. Regolo serve modelli open weight a consumo tramite API OpenAI-compatible, con zero data retention: niente log, niente training sui dati dei clienti, tutto dentro un datacenter italiano GDPR-compliant.Nell'intervista: la geopolitica delle GPU e perché l'Europa è schiacciata tra USA e Cina (TSMC, ASML, il collo di bottiglia di Taiwan), il routing dei modelli con brick e il principio "il modello giusto per il task giusto" (non Fable per tradurre un'email), la libreria ai-footprint per misurare CO2 e Watt di ogni chiamata, il sospetto che OpenAI e Anthropic logghino i tuoi prompt, e perché l'Europa ha perso il treno del training ma può ancora vincere su inferenza e robotica.🎓 Capitoli0:00:00 Inferenza europea e i tuoi dati0:06:07 Red Hat, GNOME e l'amore per Linux0:11:00 Professional open source: Mozilla e WordPress0:15:52 Regolo, provider europeo di inferenza0:20:47 GLM, Qwen, Gemma e i small model0:27:56 I tre business model di Regolo0:33:45 Geopolitica GPU: Europa tra USA e Cina0:43:52 Server farm, memoria e impatto ambientale0:56:00 Modelli di frontiera, Mistral e gap europeo1:03:39 Routing e brick: il modello giusto1:12:31 Zero data retention: i tuoi dati su OpenAI1:18:30 Colonia tecnologica e cloud sovrano1:24:59 Il futuro degli open weight1:32:26 AI Act, il treno perso e robotica🔗 Ascolta sull'altra piattaformaSpotify: https://open.spotify.com/episode/4mlKC6SrTiixqdNCVjD75T?utm_source=youtube&utm_medium=description&utm_campaign=petulla_dropSito: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=petulla_drop👥 Eugenio PetullàLinkedIn: https://www.linkedin.com/in/eugeniopetullaRegolo.ai: https://regolo.aiSe ti piace il podcast, iscriviti al canale. Si parla di AI Engineering in italiano, tra pari tecnici.

Fable è un altro livello di modello: così intelligente che ottimizza l'harness al posto tuo, insegna a Opus e la gente lo usa per fare distillation. Da qui parte la puntata, e finisce dentro un'ondata di modelli cinesi.Stefano, Paolo e Alessio partono dal pattern Anthropic "Fable advisor di Opus" (Fable fa il planning, Opus esegue) e dal grafico modello+harness: GLM 5.2 con l'harness Pi arriva più in alto di Opus a costi più bassi. Poi i costi reali misurati da artificialanalysis: far girare la test suite con Fable 5 costa 5.600$, Grok 4.5 solo 600$, e Sonnet 5 costa più di Opus perché brucia molti più token. Nel roundup: GPT 5.6, Grok 4.5 (primo Grok davvero di frontiera), il nuovo modello Meta closed source, Ollama Cloud e OpenRouter per provare gli open, Seedance 2.5 (video 4K fino a tre minuti), ComfyUI con MCP server per pilotare la generazione da un agent, Pocket TTS e il rischio concreto di deepfake della voce, la guerra fredda dell'AI tra Cina e USA, LongCat 2.0 trainato interamente su chip Huawei, e il paper Anthropic sul ragionamento per concetti nel latent space.CAPITOLI0:00 Fable e il taglio dell'abbonamento Anthropic1:06 Le live del giovedì e i commenti degli ascoltatori4:37 GLM 5.2 e i laboratori cinesi9:03 Fable come oracolo: distillation e skill12:14 Modello più harness e Fable advisor di Opus19:03 Modelli open: Ollama Cloud, OpenRouter e HY323:36 Grok 4.5, GPT 5.6 e il modello Meta32:33 Costi reali: Fable, Grok e Sonnet più di Opus36:34 Voce GPT Live 2 e i dati per i robot40:50 Seedance 2.5: video 4K da tre minuti46:11 ComfyUI e l'MCP server per la generazione51:09 Pocket TTS e i deepfake della voce54:08 La guerra fredda dell'AI: Cina, backdoor, Europa1:00:34 LongCat 2.0 trainato su chip Huawei1:06:59 Il paper Anthropic sul ragionamento per concettiAscolta l'episodio su Spotify: https://open.spotify.com/episode/3pL5JnwfiPK6vJNhG1YOHH?utm_source=youtube&utm_medium=description&utm_campaign=ep61_dropArchivio episodi e newsletter: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep61_dropAI Engineering in italiano, ogni settimana, da pari a pari. Iscriviti al canale se scrivi codice con l'AI in produzione.#61

Anthropic limita Fable e gli open weight: perché ho tagliato il 90% del mio abbonamento. Sonnet 5, Nano Banana, Hermes, Fugu.Puntata di reazione a caldo: Sonnet 5 è uscito ed è ottimo, soprattutto su task agentici (con lo slash /advisor come consigliere), ma la politica di Anthropic su Fable (rimesso disponibile solo al 50% dei token, ritirato il 7 luglio) e le dichiarazioni di Dario Amodei sul limitare il rilascio di modelli open weight non ci sono piaciute per niente. Al punto che Stefano ha tagliato il 90% del suo abbonamento Anthropic.Si parla anche di Nano Banana 2 Lite di Google, del rilascio open weight di CREA2, della ricerca DeepSeek su Sparque (+60/70% di token al secondo), e della crescita di Hermes: skill-learn, Mixture of Agents, e il parallelo con Fugu di Sakana AI, che con un mix di modelli piccoli raggiunge risultati a livello Fable.CAPITOLI0:00 Audio migliorato e la maturità con le IA7:13 Sonnet 5 e il comando /advisor di Claude Code11:09 Anthropic limita Fable: 50% dei token e fallback a Opus17:52 Armi, uranio e la narrativa della pericolosità AI21:51 Bill Gates, Linux, e il taglio del 90% di Anthropic25:05 Distillation cinese e la scommessa open weight di OpenAI32:02 Nano Banana 2 Lite: Google accelera sulle immagini37:56 CREA2 open source e la guerra delle licenze43:32 DeepSeek Sparque: +70% di velocità di inferenza46:59 Hermes, gli skin e i contributi alla community open source58:04 Skill learning e Mixture of Agents in Hermes1:01:23 Fugu di Sakana AI e il ritorno del fine tuningAscoltaci anche su Spotify: https://open.spotify.com/episode/60UaPWIMgdM1rHqnGMxz7M?utm_source=youtube&utm_medium=description&utm_campaign=ep60_dropSito: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep60_dropIscriviti al canale per non perderti le prossime puntate.#60

Physical AI in italiano: come i robot imparano a muoversi nel mondo reale, tra VLA e World Model. Ospite Vittorio (Cyberwave).Vittorio è founder di Cyberwave, startup italiana che costruisce la piattaforma per sviluppare applicazioni di Physical AI. Con Stefano, Paolo e Alessio affrontiamo il dibattito del momento: Vision Language Action model contro World Model, e perché il vero collo di bottiglia non è l'hardware ma i dati. "Non esiste un Reddit dei robot": ecco il problema di addestrare modelli che agiscono nel mondo fisico, tra edge e cloud, force feedback, e il contrasto brutale tra sviluppare un agente software (due ore) e uno fisico (due anni).Si parla di form factor (cani robot, droni, umanoidi e l'effetto Breaking Bad), di come si addestra un robot con teleoperation e visori VR, di testing e CI quando ogni test ti porta via 30 minuti, e di una via europea alla robotica fatta di sovranità sui dati e guida autonoma.CAPITOLI0:00 Physical AI e Cyberwave: chi è Vittorio3:00 VLA contro World Model e il problema dei dati10:36 Edge, cloud e i dati di Tesla e Waymo17:42 Ispezione autonoma: cani robot e droni21:36 Addestrare i robot: teleoperation, SO-101, VR25:47 Force feedback e form factor dei robot33:00 Cyberwave: developer experience e standardizzazione36:27 NVIDIA, startup e le sfide del developer43:02 Testing e CI nel mondo fisico47:53 Tooling, community e Robot House as a Service55:27 Bloopers e i rischi del mondo fisico58:35 L'AI come un frigo: lavoro e sostituzione1:03:39 Guida autonoma in Europa e sovranitàAscolta l'episodio completo su Spotify:https://open.spotify.com/episode/3bJONcpkKJHrYCcpvfVSJU?utm_source=youtube&utm_medium=description&utm_campaign=ep58_dropTutti gli episodi e la community:https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep58_dropIscriviti al canale per non perdere i prossimi episodi di AI Engineering in italiano.#58

AI Engineering in azienda: Simone Basso, CTPO di WeRoad, spiega perché "il modello è una commodity, l'harness è l'asset", e cosa cambia quando l'AI entra in mano a tutti.In questa conversazione tra pari parliamo di cosa succede quando i coding agent triplicano l'output da un mese all'altro, perché WeRoad ha dato licenze AI a tutta l'azienda e non solo agli ingegneri, come si governa una spesa che può passare da 7.000 a 70.000 euro al mese, e perché l'ingegnere sta diventando "il manager degli agenti". Si parla di harness, company brain, routing layer, pull request agentiche, ROI reale degli LLM (l'8x di Anthropic visto da chi lo misura davvero), AI in locale ed Europa che rischia di restare indietro.Dal lato di chi costruisce prodotto a scala europea: AI Engineering, coding agents e LLM in produzione, senza hype.CAPITOLI00:00 Harness vs modello, WeRoad e Commodore 6402:42 20 anni nel travel-tech e gli ecosistemi startup09:13 Da scrivere codice a guidare 200 persone12:01 Da novembre è cambiato tutto: output triplicato16:37 Produttività, layoff e budget in token20:45 150 licenze AI a tutta l'azienda26:00 Il modello è commodity, l'harness è l'asset31:56 2026, l'anno della pull request agentica36:05 Junior, senior e il manager degli agenti42:22 ROI del prodotto e mini-hackathon settimanale47:19 Company brain, routing layer e app disposable58:50 Costo energetico, Europa e nucleare1:04:57 AI in locale e il consiglio ai giovaniLINKAscolta su Spotify: https://open.spotify.com/episode/7ip38QPHEKb7uvwgQ7Edjc?utm_source=youtube&utm_medium=description&utm_campaign=basso_dropTutti gli episodi: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=basso_dropNewsletter Context Window di Simone Basso: https://medium.com/@smnbssIscriviti al canale per le prossime conversazioni su AI Engineering in italiano.

Clonare la voce in locale, gratis e con qualità vicina a ElevenLabs: Paolo l'ha fatto sul Mac e ora non si fida più di un vocale. In questo episodio di Risorse Artificiali, con l'ospite Tommaso (Alessio è in vacanza), parliamo di voice cloning open source con OmniVoice Studio, video dubbing automatico e di tutto il drama sui modelli: il ritiro di Fable, Opus 4.6 vs 4.8, Codex 5.5, GLM 5.2 ed Elon che compra Cursor.Poi la domanda che ci facciamo da soli: quanto guardate ancora il codice? Stefano racconta il suo side project su Lince costruito senza leggere una riga, Salvatore Sanfilippo e DarkStar V, e cosa significa conoscere l'architettura di un software senza averne mai visto il sorgente.Nella seconda parte Tommaso racconta i suoi esperimenti "sull'uomo": un food diary fotografico con MCP server, il meal planning per la famiglia e un assistente di lavoro in stile LLM wiki / G-Brain che ricorda tutto al posto suo. Chiudiamo con privacy, modelli locali, geopolitica dell'AI e IPO da capogiro.CAPITOLI0:00 Voce clonata in locale: OmniVoice Studio e i vocali WhatsApp7:25 Truffe vocali e come proteggere i genitori11:06 Video dubbing automatico e YouTube multilingua14:06 Fable: limiti bruciati e Opus 4.6 vs 4.818:38 Loop engineering, plan mode e TDD come verifier24:14 Il ritiro di Fable: guardrail, jailbreak e Anthropic32:19 GLM 5.2, Codex 5.5 ed Elon compra Cursor37:39 Non guardo più il codice: Sanfilippo e DarkStar V41:25 Serve l'esperienza? Hacker mindset e curriculum48:37 App personali con AI: food diary e meal planning52:58 Assistenti di lavoro, LLM wiki e G-Brain1:01:28 Privacy, modelli locali e Gemini che sa già tutto1:05:30 Geopolitica AI, IPO da 6000 miliardi e salutiASCOLTA SU SPOTIFYhttps://open.spotify.com/episode/2nj1v1GTlLZ35lxpD2lOt9?utm_source=youtube&utm_medium=description&utm_campaign=ep57_dropSITO + ALTRE PIATTAFORMEhttps://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep57_dropSe l'episodio ti è piaciuto iscriviti al canale e lascia un commento: ci aiuta davvero a crescere.#57

AI Engineering in italiano: Fable e i workflow ad agenti scrivono codice da soli. Stefano lancia 40 agenti in parallelo e in una notte porta a casa un task multilinguaggio (Rust, Python, shell) zero-shot. Se scrivere codice diventa una commodity, cosa resta al programmatore?In questa puntata partiamo da Fable 5, il modello "Mythos level" con i guardrail di sicurezza più aggressivi che abbiamo visto, e da come gestisce i workflow: decine di agenti che si parlano, si auto-validano con agenti di Verify e Design, e spawnano agenti di fix quando trovano problemi. Da lì il discorso si allarga: la specifica diventa il lavoro, il codice una commodity, e il "loop engineering" è la nuova buzzword della settimana.Poi l'articolo Anthropic "When AI builds itself" e l'opinione forte di Stefano: no, Anthropic non sta dicendo "fermiamoci". E ancora: Gemini su Google Home (un estraneo in cucina), la polarizzazione del mercato tra enterprise e consumer, gli IPO da 2000 miliardi a testa e il rischio bolla, e in chiusura i modelli locali con Gemma 4 quantization-aware training e un'allucinazione come non se ne vedevano da anni.CAPITOLI00:00 Fable 5: il modello con i guardrail aggressivi03:00 Workflow con 40 agenti: il task di una notte07:25 Scrivere codice è diventato una commodity13:08 Benchmark vs impressioni e distillare i modelli17:32 "When AI builds itself": l'articolo Anthropic22:04 Loop engineering: la nuova buzzword29:11 Anthropic vuole davvero fermarsi?34:18 Gemini su Google Home: un estraneo in cucina39:16 Mercato polarizzato: enterprise vs consumer46:30 IPO da 2000 miliardi: c'è una bolla AI?55:27 Gemma 4 QAT e l'allucinazione clamorosa1:08:37 Corso Datamaster e AIConf MilanoASCOLTA SU SPOTIFYhttps://open.spotify.com/episode/2HnpvnbYA2ecFfF9m5OzKH?utm_source=youtube&utm_medium=description&utm_campaign=ep56_dropSITO E ALTRI EPISODIhttps://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep56_dropIscriviti al canale se costruisci con l'AI in produzione e vuoi i nostri appunti senza filtri marketing.#56

Context engineering per AI agents: il contesto degli agenti non si riempie per colpa degli MCP server. Roberto Stagi, Ratel AI, spiega perché il problema è un altro.Ogni settimana qualcuno scrive che Claude Code è inusabile con i suoi MCP server, il contesto si satura prima ancora di iniziare. La diagnosi più diffusa è sbagliata: non sono i server, è che la lista completa dei tool resta nella finestra a prescindere dal fatto che il turno ne abbia bisogno. Su questa intuizione Roberto Stagi e il suo socio hanno costruito Ratel: una libreria open source che sposta l'indice dei tool fuori dal modello e risolve a runtime solo i tool davvero rilevanti, con retrieval BM25 e niente vector DB.In questa conversazione con Stefano partiamo dalla persona prima che dal founder: olimpiadi di matematica e informatica, doppia laurea tra Torino e Barcellona, ricerca in High Performance Computing, gli anni in Bending Spoons su Remini ed Evernote. Poi entriamo nel cuore tecnico: context window da milioni di token, il rischio che un big come Anthropic entri nello stesso spazio, vendor neutrality, modelli locali e intelligenza ibrida, benchmark fatti in casa ma costruiti onesti. E infine i temi più umani: build in public, la community AI Socratic, l'"agent anxiety" e cosa diventa il mestiere dell'ingegnere quando orchestra agenti invece di scrivere codice.Un episodio per chi costruisce con l'AI in produzione, non per chi la racconta.CAPITOLI00:00 Context engineering: non sono gli MCP server03:40 Olimpiadi, doppia laurea e il filo rosso dell'ottimizzazione09:30 Bending Spoons: fare prodotto su Remini ed Evernote13:30 Ownership, dati e intenzionalità: la cultura che porta in Ratel23:00 Lasciare la comfort zone: come nasce un founder29:16 Dai pivot all'intuizione di Ratel: input di qualità per gli agenti38:06 Context window enormi e i big che entrano nel tuo spazio44:35 Modelli locali, intelligenza ibrida e benchmark onesti47:33 Benchmark fatti in casa: come renderli credibili53:08 Open source e build in public come business1:02:33 AI Socratic: community high-signal e dialogo socratico1:07:44 San Francisco e l'ecosistema startup europeo1:17:30 Agent anxiety e il rischio burnout1:24:46 L'ingegnere che automatizza sé stesso: il futuro del mestiere1:30:53 La vision di Ratel e il pensiero finaleASCOLTA ANCHE SU SPOTIFYhttps://open.spotify.com/episode/1N7PPkQN9ORzoxZXdfjuOT?utm_source=youtube&utm_medium=description&utm_campaign=stagi_dropSITO E ALTRE PUNTATEhttps://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=stagi_dropROBERTO STAGILinkedIn: https://www.linkedin.com/in/rstagi/Sito: https://ratel.shRatel (open source): https://github.com/ratel-aiAI Socratic (eventi): https://luma.com/aimiNewsletter: https://startupengineerlife.substack.com/Iscriviti al canale per non perdere le prossime puntate e le interviste di Risorse Artificiali, il podcast di AI Engineering in italiano.

Workflow dinamici in Claude Code: con Opus 4.8 l'AI si scrive da sola gli harness dei suoi agenti.Partiamo da Opus 4.8 e dal gap che ancora lo separa da GPT 5.5, per arrivare ai workflow dinamici: non quelli statici di LangChain o LangGraph, ma agenti che si generano al volo il proprio tool custom. Un harness che scrive harness. Ne parliamo per la sicurezza e il sandboxing, per quando usarli davvero, e per il porting di Boon in Rust.Poi Minimax M3, il modello cinese open weight da 1 milione di token con la nuova sparse attention, e perché i benchmark non sono comparabili: conta l'harness con cui li lanci, non solo il modello. Chiudiamo con l'intervista di Demis Hassabis e il doppiaggio automatico di YouTube, i world model di Yann LeCun, PyCon Italia, Nvidia PID e le architetture semplificate per il locale.Conduttori: Stefano, Paolo e Alessio.Seguici anche su YouTube:https://www.youtube.com/watch?v=A7y6dQdqaIo?utm_source=spotify&utm_medium=description&utm_campaign=ep55_drop#55Vi ricordiamo che è ancora attiva la promozione "1 anno di podcast" con DataMaster. Clicca su questo link per il corso gratuito: ⁠⁠https://corsi.datamasters.it/offers/wqLh2sVK/checkout?coupon_code=AISECURITYRISORSEARTIFICIALI⁠Improove invece offre ai nostri ascoltatori un 15% di sconto sul biglietto di ai conf. Basta inserire il codice "P-RISORSE" al momento della registrazione su ⁠https://aiconf.it

LLM coltivati, non costruiti: l'enciclica di Leone XIV e una puntata di AI Engineering molto concreta.Stefano, Paolo e Alessio partono dalla definizione di LLM più lucida letta da anni, che arriva (a sorpresa) dal Vaticano, e finiscono nella macroeconomia dell'AI.In mezzo, tanta ingegneria: perché i benchmark di coding sono saturi e cosa cambia con Deep SWE e l'analisi delle traiettorie, come DeepSeek V4 usa la KV cache con un contesto append-only che costa 2,5x meno, l'inferenza locale tra quantizzazione e MLX, gli harness Pi e OpenClaw a microkernel, l'edge AI on device.Poi immagini e video: WanS Lens omni model, HiDream O1 e la generazione in pixel space. Chiusura sui soldi veri: Microsoft contro Anthropic, Claude contro Codex tra consumer ed enterprise, e la corsa alle IPO.Il podcast per chi l'AI la scrive, non per chi la racconta.Seguici per non perdere le prossime puntate.Vi ricordiamo che è ancora attiva la promozione "1 anno di podcast" con DataMaster. Clicca su questo link per il corso gratuito: ⁠https://corsi.datamasters.it/offers/wqLh2sVK/checkout?coupon_code=AISECURITYRISORSEARTIFICIALIImproove invece offre ai nostri ascoltatori un 15% di sconto sul biglietto di ai conf. Basta inserire il codice "P-RISORSE" al momento della registrazione su https://aiconf.it#54

AI adoption in azienda: il vero problema non è tecnologico, è culturale. Con Andrea Saltarello (CEO Improove, Founder AI Conf, Professore AI al Politecnico di Milano). I LLM non producono verità, producono verosimiglianze. E l'errore plausibile, quello che rinforza i nostri bias, è più pericoloso di quello evidente. Andrea ci porta dentro questa riflessione partendo da 25 anni di community tech italiane, dalla nascita di Improove come tentativo di democratizzare la formazione premium, fino alla tensione tra cloud centralizzato e sovranità europea. Si parla anche del futuro dei junior developer: se il green field lo scrivono gli agenti, come formiamo i senior di domani? La risposta di Andrea passa dalla boxe francese: accettare uno svantaggio tattico sostenibile per un vantaggio strategico. Seguici per restare aggiornato su Risorse Artificiali.Iscriviti ad AIConf https://www.aiconf.it/ con il codice sconto "P-RISORSE" avrai il 15% di sconto sul biglietto. 🔗 Guarda su YouTube: https://www.youtube.com/watch?v=2GQGi8R4j_0?utm_source=spotify&utm_medium=description&utm_campaign=saltarello_drop

Google I/O 2026: Gemini Flash 3.5 omnimodale, 1500 token/sec e la visione di Demis Hassabis. Episodio denso che attraversa l'I/O di Mountain View, la notizia di Karpathy che va in Anthropic con sede europea a Milano, l'HTML come formato di output per gli LLM (il consiglio di Tarik di Claude Code), la skill Playground, il world model Genie, la storia di Hassabis dal Theme Park ad AlphaGo (la mossa 37) fino ad AlphaFold e Isomorphic Labs, e il salto inferenza a 1500 token/sec che cambia disposable apps e pubblicità real-time. Più Antigravity che inghiotte Gemini CLI, la critica anti-hype "scratch the surface" sull'industria reale e la causa OpenAI vs Elon vinta per prescrizione.Il link per il cosro gratuito di DataMasters: https://corsi.datamasters.it/offers/wqLh2sVK/checkout?coupon_code=AISECURITYRISORSEARTIFICIALI Follow il podcast per non perdere gli episodi del sabato e le interviste del mercoledì. #53

Un anno di AI Engineering: cosa è cambiato in 52 settimane. Coding agents, AGI, fine epoca app. Puntata anniversario di Risorse Artificiali. Stefano, Paolo e Alessio tracciano il bilancio di un anno di podcast dedicato all'AI Engineering in italiano: la svolta dei coding agents (da Cursor tab-tab a Claude Code production-ready), il vibe coding sul telefono che Google porterà al prossimo I/O 2026, perché "jagged AGI" è il termine giusto per descrivere dove siamo davvero, e cosa significa il fatto che i modelli state of the art risolvano in 2 minuti un quesito delle Olimpiadi di Matematica che ha bloccato 298 finalisti su 300. Si parla anche di Thinking Machines e GPT Real Time per la voce real-time, DS4 di Antirez, dei modelli open weight (GLM di ZAI, Zaya 1-8B, DeepSeek V4), spec-driven development e BacklogMD, robotica come next big thing e adolescenza tecnologica (Amodei + Contact). Follow Risorse Artificiali per non perdere le prossime puntate. #52

Con l'AI nessun software è difendibile. Tesi di Domenico Gagliardi (Kortix), spiegata in 1h24.Domenico Gagliardi è Founder e COO di Kortix, la startup che ha lanciato Suna (uno dei primi AI agent generalisti open source al mondo) e che oggi sta pivotando a infrastruttura cloud per agenti (https://justavps.com/) e raccolta dati operativi aziendali. Prima di Kortix ha lavorato a 15+ progetti side e ha scalato SoftGen (competitor di Lovable) da $20k a $600k ARR in 4 mesi prima di venderlo.In questa intervista parliamo della sua tesi forte: nell'era dell'AI il software difendibile non esiste più, il valore resta solo agli estremi (infra e dati). Discutiamo poi il paper "Simple Economics of AGI" sul measurability gap dei verificatori, perché l'assicurazione per AI agents sarà il prossimo billion-dollar market, e il suo consiglio contrarian: vai dove l'AI non guarda (boring business e nicchie locali).Follow Risorse Artificiali per non perdere le prossime puntate del podcast per chi l'AI la scrive.

Un AI agent in casa che prende iniziative da solo: cosa fa davvero Hermes Agent in locale. Stefano Maestri, Alessio Soldano e Paolo Antinori parlano di tutto quello che sta accadendo nell'AI engineering oltre il modello: ottimizzazioni di inferenza (speculative decoding di Gemma 4 con drafter da 76M, D-Flash, Rotor-Quant, P-Flash), Google che vende le TPU e firma 5 gigawatt di datacenter con Anthropic, il sospetto che ChatGPT Image 2 sia Sora declassato, il caso Elon Musk vs Sam Altman e il dibattito sulla sovranita' digitale europea (cloud alla Lidl, tassazione degli agenti AI). Al centro c'e' il case study di Hermes Agent installato in locale da Stefano: gestione mail e calendario, smart home, paper digest autonomi, e il momento in cui l'agente decide da solo di renderizzare un HTML in foto per leggerlo in macchina. Code Wave Anthropic, Antirez che forka llama.cpp, l'AGI come sistema integrato e non piu' solo modello: una mappa veloce delle cose da tenere d'occhio per chi costruisce con AI in produzione. Follow per non perdere i prossimi episodi. #51

DeepSeek V4 taglia il 78% di compute sulla KV cache, Roo Code chiude e Hermes Agent gira da solo. Settimana densa: DeepSeek V4 Pro e Flash con 1M di contesto, Kimi K2.6 e MiMo V2.5, l'analisi di Salvatore Sanfilippo che fa girare V4 Flash su Mac mini con quantizzazione mista Q2/Q8, il post-mortem di Z.AI sul bug async cache di GLM-5 (con fix contributo a SGLang), Vision Banana di Google DeepMind che usa la generazione immagini come interfaccia universale per la vision, e il deep-dive di Stefano su Hermes Agent, l'alternativa open di Nous Research a Claude Code che gira con GLM-5.1 e gestisce mail, calendario e paper di Arxiv in autonomia. In più: le interviste a Demis Hassabis (DeepMind) e Andrej Karpathy sull'efficienza e sull'AGI, il keynote rotto di Jensen Huang con Dwarkesh Patel, e i 40 miliardi che Google investe in Anthropic. Follow Risorse Artificiali per non perdere il prossimo episodio. Versione video su YouTube: https://www.youtube.com/watch?v=qKl4Vkb6BMw&utm_source=spotify&utm_medium=description&utm_campaign=ep50_drop #50

L'AI non è un equalizzatore: amplifica chi è già top 10%. Stefano Gatti (Nexi, Cultura del Dato) racconta perché.Stefano Gatti torna ai microfoni di Risorse Artificiali dopo la puntata 20. Head of Data & Analytics in Nexi, professore alla Cattolica, autore di tre libri sui dati e l'AI in italiano (Algoritmi architetti del futuro, La cultura del dato, Intelligenza artificiale in 4D), e curatore di una newsletter Substack al numero 215 consecutivo da quattro anni e mezzo, ogni domenica.In questa intervista mettiamo a fuoco l'idea di "AI ibrida" che Gatti ha coniato qui da noi: dati, machine learning e generativa come continuum, non come tre rivoluzioni separate. Partiamo dalle tre ere dell'informatica vissute dal vivo (Digital Equipment, Cerved, Nexi), passiamo da SpazioDati, knowledge graph e NLP pre-LLM, e arriviamo ai nodi che contano davvero oggi: come si fa innovazione in una corporate da diecimila persone, perché VC come Stefano Bernardi devono inseguire i founder anziché il contrario, perché la curva di carriera dovrebbe essere una parabola con vertice a 50 e non un'ascesa fino a 70.Sul finale, tre azioni concrete per studenti, mid-career e diversamente giovani. E un'opinione netta: l'AI oggi amplifica i migliori, non livella il gioco. Chi guida la trasformazione ha una responsabilità sociale, non solo tecnica.CAPITOLI00:00 Le tre ere dell'informatica e l'AI ibrida01:29 Il gioco preferito: i LEGO low-floor wide-walls06:28 Da Digital Equipment a Hadoop: software, database, big data13:46 Cerved, SpazioDati e NLP pre-LLM con knowledge graph21:05 Cosa è davvero un data business22:30 Attention is all you need: AI generativa come continuum26:00 215 newsletter consecutive e l'effetto Lindy di Taleb32:16 Tre libri: dal 2019 a Intelligenza artificiale in 4D40:16 Abraham Thomas e il valore difficile dei dati46:11 Innovazione in grandi aziende: open innovation o interna55:12 Big Corp, scale-up o startup: come scegliere davvero01:01:26 VC, bootstrapping e l'eresia di Stefano Bernardi01:08:32 La parabola lavorativa: picco a 50, non a 6001:17:44 Kevin Kelly, AGI e l'incertezza incertaLINK🎧 Ascolta su Spotify: https://open.spotify.com/episode/6YeBrp9aW9cq0H0GYN0Pyo?utm_source=youtube&utm_medium=description&utm_campaign=gatti_drop🌐 Sito: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=gatti_drop🔗 Stefano Gatti su LinkedIn: https://www.linkedin.com/in/gattistefano/📰 Newsletter "La cultura del dato": https://stefanogatti.substack.com/📚 Intelligenza Artificiale in 4D: https://www.amazon.it/dp/B0FBD6K43CIscriviti al canale per non perdere le prossime interviste, ogni mercoledì.

GPT 5.5 supera Opus 4.7, GPT Image 2 domina l'Arena, e sproteggere un LLM migliora il coding.Settimana densa. OpenAI rilascia GPT 5.5 e GPT Image 2: il primo stacca Opus 4.7 sui benchmark di coding agentico, il secondo sbaraglia tutti sull'Arena con 1512 punti contro i 1200 dei modelli state of the art. Anthropic pubblica un post-mortem e ammette 3 bug sull'harness di Claude Code che hanno causato il degrade percepito da mesi. Il progetto open source Obliteratus sprotegge Gemma con 8 prompt, rimuovendo il 92 per cento dei guardrail e migliorando i benchmark di coding come side effect.Ne parliamo Stefano, Paolo e Alessio, tirando il filo verso una domanda tecnica: perche' i guardrail sono una tassa di performance sul reasoning, e cosa c'entra con le traiettorie di pensiero. Nel corso della puntata anche il wiki gestito da un LLM di Karpathy, il test 3D di Ethan Mollick, il reverse engineering di SynthID, e il leak di Mythos.E si', Claude ha detto che le nostre thumbnail sembrano iscrizioni funerarie.Sito e newsletter: https://risorseartificiali.com/?utm_source=spotify&utm_medium=description&utm_campaign=ep49_dropSe questi discorsi ti interessano, follow al podcast.#49

In questa puntata di Risorse Artificiali parliamo di sicurezza informatica e AI con Andrea Cosentino, ingegnere IBM e chair del progetto Apache Camel. L'intelligenza artificiale sta cambiando radicalmente il mondo della ricerca di vulnerabilita', dei Capture the Flag e dei bug bounty, e lo fa a un ritmo che lascia pochi margini a chi non si adatta. Ma c'e' di piu': con i recenti annunci di Anthropic su Mythos e Opus 4.7, si delinea un scenario inquietante in cui le capacita' di sicurezza avanzate dell'AI potrebbero diventare un prodotto a pagamento, un vero e proprio modello Freemium dove chi paga accede a feature che altri non possono usare. Discutiamo di come l'AI stia trasformando il lavoro dei ricercatori di sicurezza, dell'operazione di marketing dietro Mythos e del suo controverso rilascio controllato, dei guardrail sempre piu' stringenti sui modelli AI e di cosa significa quando la sicurezza diventa un prodotto commerciale. Non mancano le digressioni su TTS, voice cloning e i rischi concreti di clonazione vocale, con una panoramica sui nuovi modelli open weight come Qwen 3.6, GLM 5.1 e MiniMax 2.7. Ascoltate Risorse Artificiali su Spotify: https://open.spotify.com/show/16dTKEEtKkIzhr1JJNMmSF Seguiteci su YouTube: https://www.youtube.com/channel/UCYQgzIby7QHkXBonTWk-2Fg Trovate tutto su https://risorseartificiali.com

In questa puntata di Risorse Artificiali – Appunti e spunti dal mondo dell’Intelligenza Artificiale (AI) intervistiamo Luigi Congedo, imprenditore e investitore con un percorso che lo ha portato dall’Italia alla Silicon Valley, fino alla fondazione di Data Masters.Parliamo di Intelligenza Artificiale, talento e futuro del lavoro, analizzando le profonde differenze tra l’ecosistema della Silicon Valley e quello italiano ed europeo. Luigi condivide la sua esperienza nel venture capital, l’ingresso precoce nel mondo dell’AI applicata e la visione che lo ha portato a tornare in Italia per investire nella formazione e nello sviluppo delle competenze.🎯 Alcuni temi chiave dell’episodio:Perché “il capitale non manca, manca il talento”Come l’AI generativa e gli agenti stanno trasformando il knowledge workIl rischio per l’Europa tra iper-regolamentazione e perdita di competitivitàFormazione continua, AI engineering e nuove competenze richieste dal mercatoMindset, network e relazioni come vero vantaggio competitivoAI Act, governance e scenari geopolitici dell’Intelligenza ArtificialeDiscutiamo anche di come le aziende possano affrontare l’adozione dell’AI in modo concreto: dalla formazione B2C e B2B alla consulenza strategica, fino alla misurazione oggettiva delle competenze in ambito data science e machine learning.Un episodio che intreccia AI, imprenditorialità, venture capital e futuro del lavoro, con uno sguardo lucido sulle opportunità e sui rischi per Italia ed Europa.Alcuni Link rilevanti:Luigi su LinkedIn: https://www.linkedin.com/in/luigicongedo/ La Newsletter di Luigi: https://luigicongedo.substack.com/ AI data skills report:  https://datamasters.it/ai-e-data-skill-report-2025/Data Masters: https://datamasters.it/ 🎧 Ascolta il podcast:Spotifyhttps://open.spotify.com/show/16dTKEEtKkIzhr1JJNMmSFYouTubehttps://www.youtube.com/channel/UCYQgzIby7QHkXBonTWk-2FgHome pagehttps://risorseartificiali.comChapters00:00 Introduzione e presentazione dell'ospite Luigi Congedo01:06 Percorso di Luigi Congedo: dall'Italia agli USA02:26 L'intersezione tra imprenditorialità e tecnologia04:24 Lavoro e innovazione nel mobile e big data06:46 Carriera nel venture capital e investimenti08:52 Ritorno in Italia e scelta di Bari per Data Masters10:25 Differenze tra ecosistemi italiani e Silicon Valley11:54 Focus su talento e innovazione nell'AI15:45 L'importanza di formazione e competenze nel mondo dell'AI19:07 Offerta di Data Masters: formazione, consulenza e tecnologia24:10 Impatto dell'AI sul lavoro e mindset26:42 Sfide regolamentari e geopolitiche dell'AI in Europa30:24 Il ruolo delle competenze cognitive e dell'etica nell'AI35:09 L'importanza delle relazioni e del network nel successo professionale01:00:36 Consigli per i giovani: formazione, network e passione

In questa puntata ci muoviamo tra leak, chiusure improvvisate e il confine sottile tra coding locale e cloud. Partiamo dal leak di Anthropic Mythos, il nuovo modello che starebbe sopra Opus con capacita' agentiche tali da trovare 0-day mai scoperti prima. Ma la sicurezza ha un prezzo, e Anthropic lo fa pagare: chiudono dall'oggi al domani l'uso dei piani Claude Code per agenti terzi, lasciando molti sviluppatori a piedi. Ne parliamo con i soliti occhiali critici, tra considerazioni su costi, token che svaniscono nelle ore di punta e revenue che triplicano in tre mesi. Poi cambiamo continente: Qwen 3.6 Plus e' gratis su OpenRouter e va forte, Gemma 4 gira sul telefonino e trascrive bene quanto modelli molto piu' grandi. Ci chiediamo se il coding locale sia finalmente diventato pratico o se i tutorial sensazionalistici su YouTube siano solo, beh, clickbait. Chiudiamo con una provocazione che viene da Peter Steinberger: e se le pull request del futuro fossero prompt invece che codice? Ne discutiamo tra determinismo, spec-driven development e l'idea di Karpati di costruirsi una knowledge base con Obsidian che si auto-alimenta. Ascoltateci su Spotify, YouTube o su risorseartificiali.com. Se vi piace quello che facciamo, iscrivetevi e lasciate un commento, ci aiuta tanto. Spotify: https://open.spotify.com/show/16dTKEEtKkIzhr1JJNMmSF YouTube: https://www.youtube.com/channel/UCYQgzIby7QHkXBonTWk-2Fg Sito: https://risorseartificiali.com

Il sorgente di Claude Code e' finito online per errore: una source map lasciata nel pacchetto NPM ha esposto tutto il codice. Anthropic ha reagito con un DMCA su GitHub, bloccando repository e anche profili che non c'entravano nulla. Nel frattempo la community ha portato il codice in Python e Rust, e quei porting risultano legali. Analizziamo cosa c'era dentro: un codebase largamente vibe-codato, con ripetizioni, poca revisione e qualche feature non ancora pubblica. Nessuna ricetta magica, ma una gestione della memoria multilivello che non si trova negli altri tool. Ne discutiamo anche dal punto di vista della proprieta' intellettuale: l'IP sul codice e' davvero legata al linguaggio in cui lo scrivi?Nella seconda parte raccontiamo i nostri progetti open source. Paolo ha costruito Antivocale, un'app Android che trascrive i messaggi vocali di WhatsApp usando i modelli Gemma direttamente sul telefono, senza passare dal cloud. Dall'idea al primo prototipo funzionante in meno di una giornata: Gemini ha generato il PRD, Claude Code ha scritto il codice, Paolo ha fatto da passacarte tra i due modelli dal bar. La parte difficile? Le due settimane successive per far funzionare tutto su diverse versioni di Android e pubblicare sullo store. Stefano presenta Lince, un tool open source per far girare i coding agent in sandbox con una dashboard da terminale: supporta Claude Code, Codex, Open Code e Gemini, gira su Linux e Mac, e permette di lavorare con piu' agenti in parallelo sullo stesso progetto.Parliamo anche di Turbo Quant e quantizzazione della KV cache, con i primi risultati della community su LamaCPP: il breakeven e' piu' in la' di quanto ci si aspettasse, circa 100-150k token. Discutiamo i problemi di qualita' dei modelli GLM 5 di ZAI, che dopo meta' contesto iniziano a generare parole a caso, probabilmente per una quantizzazione troppo aggressiva della KV cache. Poi Gemma 4, i nuovi modelli edge di Google ora tutti multimodali che competono con modelli molto piu' grandi, Voxtral TTS di Mistral che promette bene per il text-to-speech in Europa, e il nostro contest di robotica con Cyberwave tra digital twin, edge AI e cingoli rotti. Chiudiamo con una riflessione sul burnout e su quanto sia importante staccare davvero.00:00 Introduzione e accoglienza02:26 Turbo Quant e quantizzazione della KV cache: i primi risultati06:25 Quantizzazione live vs statica: il breakeven e i compromessi11:22 Modelli GLM 5 di ZAI: quando la quantizzazione aggressiva rompe tutto17:34 Stesso modello, provider diversi, risultati diversi24:30 Il leak di Claude Code: source map su NPM, DMCA e il putiferio30:22 DMCA, porting legale e proprieta' intellettuale sul codice35:26 Antivocale: un'app Android nata al bar in una mattina41:10 App AI fai-da-te: dall'idea alla validazione in un weekend46:49 Burnout e tempo off-grid: sapere quando staccare48:42 Scout, cifrari e progetti creativi dei bambini50:36 Lince: sandbox e dashboard per i coding agent55:09 Robotica con Cyberwave: digital twin, edge AI e cingoli rotti59:10 AI e robotica autonoma: dal rover al porto, cosa tenere sul ledge01:02:52 Gemma 4: modelli edge multimodali che sfidano i giganti01:08:42 Voxtral TTS di Mistral e sviluppi AI in EuropaLince - Tool open source per far girare coding agent in sandbox con dashboard da terminale. Supporta Claude Code, Codex, Open Code e Gemini su Linux e Mac.Antivocale - App Android open source che trascrive i messaggi vocali di WhatsApp usando modelli Gemma direttamente sul telefono, senza cloud.Tutti i nostri progetti - I repository open source di Risorse Artificiali su GitHub, inclusi Lince, Antivocale e gli strumenti che costruiamo per il podcast.Talk Voxxed Days Zurich - Il talk di Stefano e Alessio sulla quantizzazione dei modelli, per capire meglio i trade-off di cui parliamo in puntata.SpotifyYouTubeSito web

In questa puntata di Risorse Artificiali – Appunti e spunti dal mondo dell’AI, Stefano Maestri intervista Gabriele Venturi, founder di PandasAI, imprenditore tech e startup builder con esperienza diretta in Y Combinator.Parliamo di AI Coding, del futuro dello sviluppo software, di come l’intelligenza artificiale sta cambiando il lavoro di developer e founder, e di cosa significa oggi costruire una startup AI tra Europa e Silicon Valley. Dalla nascita di PandasAI alle lezioni imparate con Chatpick, fino alla visione dietro Annie, il nuovo prodotto per conversare con i dati e generare dashboard con un approccio AI-native.Nel corso dell’episodio affrontiamo temi chiave per chi lavora in AI Engineering, sviluppo software, innovazione e imprenditoria tecnologica: il ruolo degli agenti AI, il rapporto tra open source e prodotti enterprise, i limiti dell’AI nei workflow reali, la necessità di alfabetizzare aziende e C-level, e i consigli pratici per chi oggi vuole lanciare una startup o entrare nel mondo dell’AI.Una conversazione utile per chi si occupa di AI, AI startup, AI coding, data analysis conversazionale, software engineering, venture capital, Y Combinator e scenari futuri dell’intelligenza artificiale.In questa puntata parliamo di:percorso di Gabriele Venturi tra coding, startup e imprenditorianascita e crescita di PandasAIcosa significa partecipare a Y Combinatordifferenze tra ecosistemi startup in Italia, Francia, Germania e UKAI Coding e trasformazione del ruolo degli sviluppatoriAnnie, dashboard AI-native e conversazione con i datiopen source vs closed sourceAI nelle aziende, alfabetizzazione dei C-level e adozione enterpriseguardrail, trasparenza, explainability e affidabilità nei sistemi AIconsigli per futuri startupper e studenti universitariLink dalla puntata:https://pandas-ai.com/https://github.com/sinaptik-ai/pandas-aiCapitoli00:00 Introduzione e Giocattoli Preferiti02:22 Il Percorso di Gabriele Venturi05:53 Il Concetto di Code Artist11:49 La Trasformazione del Coding con l'AI12:51 La Necessità di Costruire16:03 Differenze tra Ecosistemi Startup in Europa19:42 Il Successo di Pandas AI21:23 Le Lezioni da Chatpick26:00 Target e Fundraising: Consumer vs Business29:18 Y Combinator e l'Esperienza di Gabriele30:01 Shock Culturale e Y Combinator31:47 La Competizione in Y Combinator33:31 Il Processo di Selezione per Y Combinator36:12 Il Colloquio e il Pitch a Y Combinator39:46 L'Inizio dell'Avventura a San Francisco41:45 Cambiamenti di Mentalità da Founder Europeo44:28 Il Demo Day e la Pressione degli Investitori47:21 Presentazione di Annie e le sue Caratteristiche51:24 Open Source vs Closed Source55:31 Target di Annie e Strategia di Mercato59:34 Alfabetizzazione e AI nelle Aziende01:03:00 Limitazioni e Trade-off dell'AI01:07:24 Spiegabilità e Trasparenza nei Workflow AI01:12:48 Evoluzione del Ruolo degli Sviluppatori01:18:01 Consigli per Futuri Startupper01:30:11 Riflessioni per gli Universitari🎧 Spotify: https://open.spotify.com/show/16dTKEEtKkIzhr1JJNMmSF▶️ YouTube: https://www.youtube.com/channel/UCYQgzIby7QHkXBonTWk-2Fg🌐 Home page: https://risorseartificiali.com

In questa puntata di Risorse Artificiali partiamo da un episodio tanto curioso quanto simbolico: il dialogo tra Bernie Sanders e Claude, che mette in luce una domanda sempre più attuale — stiamo iniziando a trattare l’intelligenza artificiale come un oracolo?Da qui allarghiamo lo sguardo su uno dei temi più importanti del momento: l’AGI (Artificial General Intelligence). Analizziamo il nuovo benchmark ARC-AGI 3 e il dato sorprendente che emerge — i modelli AI sono ancora lontani dall’intelligenza generale, nonostante i progressi impressionanti.Entriamo poi nel cuore dell’AI engineering moderno, parlando di:coding agent e orchestratorisystem prompt, hook e callbacklimiti reali degli agenti AI nella gestione dello stato e degli erroriApprofondiamo anche alcune delle innovazioni più interessanti della settimana:le nuove tecniche di quantizzazione della KV cache, che potrebbero rivoluzionare performance e contesto dei modellile evoluzioni nel video editing generativoil cambio di strategia di OpenAI, tra la chiusura di Sora e il focus sull’enterprise e sul codingInfine, discutiamo un tema sempre più rilevante: cosa sta succedendo davvero nell’open source nell’era dell’AI? Fork, codice generato automaticamente e sostenibilità degli ecosistemi.🎯 Una puntata densa di spunti per chi lavora o vuole capire davvero dove sta andando l’intelligenza artificiale.00:00 Introduzione e Presentazione01:31 Bernie Sanders e Claude: Un Dialogo Istrionico06:33 Implicazioni Politiche e Giudiziarie08:30 Benchmarking dell'Intelligenza Artificiale14:31 Limitazioni e Successi di Anthropic20:21 Nuove Funzionalità e Sviluppi nel Mondo AI23:03 Implementazione degli Hook e Callback24:33 Livelli di Interazione con il Modello27:00 Orchestratori e Logica Programmatica28:52 Complicazioni nella Compaction e Gestione degli Errori31:45 Transizione verso il Video Editing37:24 Innovazioni nel Modello di Ricerca e Quantizzazione45:53 Quantizzazione e Calcolo dell'Attention51:23 Vantaggi della Quantizzazione nella Key Cache54:29 Innovazioni e Acquisizioni nel Mondo AI57:12 Open Source e Sviluppo Software01:02:04 Qualità del Codice e Modelli AI01:07:28 Conclusioni e Riflessioni Finali🎧 Spotify: https://open.spotify.com/show/16dTKEEtKkIzhr1JJNMmSF📺 YouTube: https://www.youtube.com/channel/UCYQgzIby7QHkXBonTWk-2Fg🌐 Sito ufficiale: https://risorseartificiali.com⏱️ Capitoli🔗 Link utili

In questa puntata di Risorse Artificiali – Appunti e spunti dal mondo dell’AI, analizziamo i principali trend dell’intelligenza artificiale che stanno ridefinendo il modo in cui costruiamo software, agenti e sistemi complessi.Partiamo da un confronto concreto tra Claude e GPT-Codex, due approcci sempre più centrali nel mondo dell’AI Engineering, per capire come stanno evolvendo modelli, workflow e modalità di utilizzo.Uno dei temi chiave è il ruolo dei token, sempre più determinanti nei task complessi: dalla gestione del contesto fino all’efficienza delle sessioni parallele. Discutiamo anche di come i modelli AI stiano sviluppando capacità di auto-miglioramento (auto-research), e di cosa questo significhi davvero in termini pratici, tra hype e realtà.Affrontiamo inoltre:le differenze tra i principali modelli AI (Claude vs GPT-Codex)il valore economico e operativo dei token nel mercato del lavorostrategie per un utilizzo efficiente nei workflow di svilupposicurezza, validazione e responsabilità nell’uso dell’AInuove uscite e innovazioni (GLM, Minimax, Meta, OpenAI)l’integrazione dell’AI in prodotti reali (come Google Maps)Un episodio che unisce esperienza pratica e visione strategica, per capire dove sta andando davvero l’AI Engineering e perché questi trend stanno già validando nuovi modelli come OpenClaw.Link dalla puntata:Il nostro progetto: https://github.com/RisorseArtificiali/lince00:00 Introduzione e felicità con i token03:19 Riflessioni su addiction e concentrazione07:33 Confronto tra modelli AI e token12:10 Personalità dei modelli AI e abbonamenti13:10 Valore dei token nel mercato del lavoro19:45 Uso efficiente dei token e sessioni parallele23:12 Problemi di comunicazione e trasparenza23:40 Evoluzione dei modelli AI: OpenAI vs Meta25:17 Prestazioni e innovazione nei modelli AI26:50 Nuove uscite: GLM e Minimax28:30 Strategie di miglioramento nei modelli AI30:54 Auto research e sviluppo strategie33:14 Applicazioni pratiche delle nuove tecnologie AI36:37 Critiche e scetticismi su auto research40:10 Il futuro dell’auto-miglioramento41:49 Startup, mercato e concorrenza43:38 Acquisizioni e innovazioni45:42 OpenAI, Nvidia: hype e critiche48:15 Permessi e sicurezza nell’AI50:42 Validazione dei modelli53:07 Rischi e responsabilità54:08 Ragionamento e comprensione nei modelli55:52 Parallelo tra AI e umani57:44 Rappresentazione grafica e comprensione01:01:32 Cloud Code e interfacce01:05:25 AI in Google Maps01:12:15 Extra e momenti divertentiClaude (Anthropic): https://www.anthropic.comGPT-4 (OpenAI): https://openai.com/research/gpt-4Google Maps AI features: https://blog.google/products/mapsMeta Avocado & Mango: https://www.meta.com/research/avocado-mangoAuto Research (Karpathy): https://github.com/carpati/auto-researchSpotify → https://open.spotify.com/show/16dTKEEtKkIzhr1JJNMmSFYouTube → https://www.youtube.com/channel/UCYQgzIby7QHkXBonTWk-2Fg🌐 https://risorseartificiali.com⏱️ Capitoli🔗 Risorse citate🎧 Seguici

In questa puntata di Risorse Artificiali – Appunti e spunti dal mondo dell’Intelligenza Artificiale, intervistiamo Massimo Re Ferrè per discutere di come l’AI stia trasformando lo sviluppo software e il ruolo degli sviluppatori.Partendo dalla sua esperienza nel mondo tecnologico, Massimo racconta come stanno evolvendo i workflow di sviluppo grazie a strumenti di AI Assisted Coding, esplorando concetti emergenti come Vibe Coding e Spec Driven Development, dove l’intento diventa sempre più la vera source of truth nello sviluppo del software.Durante la conversazione affrontiamo diversi temi chiave per chi lavora nel mondo del software engineering e dell’intelligenza artificiale: l’impatto dell’AI sul mercato degli sviluppatori, i nuovi modelli di collaborazione tra umani e agenti AI, il futuro della code review, e come i developer – soprattutto i più giovani – possono prepararsi a un panorama tecnologico in rapido cambiamento.Parliamo anche di come filtrare l’hype tecnologico, di quali competenze saranno davvero importanti nei prossimi anni e di come affrontare l’evoluzione dell’industria software con un approccio pragmatico e consapevole.Una conversazione ricca di spunti per software developer, AI engineer, tech leader e appassionati di intelligenza artificiale che vogliono capire come cambierà davvero il modo di costruire software nei prossimi anni.Come l’AI sta trasformando lo sviluppo softwareAI Assisted Coding, Vibe Coding e Spec Driven DevelopmentL’evoluzione del ruolo degli sviluppatoriCome cambieranno code review e workflow di sviluppoIl futuro dei junior developer nell’era dell’AICome distinguere hype tecnologico e innovazione reale👤 Massimo Re FerrèLinkedIn: https://www.linkedin.com/in/massimoreferreIl suo Blog: https://it20.info/AWS Kiro: https://kiro.dev/🎙 Podcast Risorse ArtificialiSpotify: https://open.spotify.com/show/16dTKEEtKkIzhr1JJNMmSF▶ YouTubehttps://www.youtube.com/channel/UCYQgzIby7QHkXBonTWk-2Fg🌐 Home pagehttps://risorseartificiali.comChapters00:00 Introduzione e Giocattoli Preferiti02:16 Il Percorso Professionale di Massimo04:32 Evoluzione della Professione e Intelligenza Artificiale12:04 L'Intelligenza Artificiale e il Mercato degli Sviluppatori17:41 Scrittura e Condivisione di Conoscenza20:45 Vibe Coding e AI Assisted Coding24:44 Spec Driven Development e Differenze con Vibe Coding34:33 Workflow di Sviluppo e Kiro39:53 L'Intento come Source of Truth48:00 Evoluzione del Ruolo dello Sviluppatore53:50 La Review del Codice e le Nuove Tecnologie01:06:23 Collaborazione e Workflow nello Sviluppo Software01:08:54 Evoluzione del Ruolo dello Sviluppatore01:10:36 L'Apprendimento per i Junior Developer01:13:42 Strumenti e Approccio Positivo01:19:40 Consigli per i Software Developer01:25:19 Filtrare l'Hype Tecnologico01:29:25 Consigli per i Neo-Diplomati01:33:55 Conclusioni e Messaggi Finali

AI Coding, Code Review AI e sviluppo software con Intelligenza Artificiale: cosa cambierà davvero per gli sviluppatori nei prossimi anni?L’intelligenza artificiale sta cambiando radicalmente il modo in cui sviluppiamo software.Dalla generazione automatica di codice alla code review basata su AI, gli strumenti di AI stanno trasformando workflow, ruoli e processi nello sviluppo software.In questo episodio di Risorse Artificiali – Appunti e spunti dal mondo dell’AI, registrato live al JUG Milano, discutiamo di come l’AI stia evolvendo da semplice assistente per programmatori a parte integrante del ciclo di sviluppo del software.Se il 2025 è stato l’anno della generazione di codice con AI, il 2026 potrebbe diventare l’anno della code review automatizzata, dove modelli di intelligenza artificiale analizzano il codice, identificano errori, suggeriscono miglioramenti e supportano gli sviluppatori nella qualità del software.Durante l’episodio parliamo di:• AI coding e generazione automatica del codice• il futuro della code review automatizzata con AI• come cambierà il ruolo degli sviluppatori software• rischi legati a privacy, sicurezza e shadow AI nelle aziende• differenze tra modelli AI locali e modelli cloud• benchmark e affidabilità dei modelli AI per lo sviluppo software• l’importanza di open source, API e standard aperti nell’AI engineeringDiscutiamo anche di workflow reali con strumenti di AI per sviluppatori, integrazione nei processi di sviluppo e di come le aziende dovrebbero prepararsi a un futuro in cui l’AI non scrive solo codice, ma lo revisiona e ne verifica automaticamente la qualità.Un episodio pensato per sviluppatori, AI engineer, tech lead e appassionati di intelligenza artificiale che vogliono capire come cambierà il lavoro dei programmatori nei prossimi anni.🎧 Ascolta il podcast su Spotifyhttps://open.spotify.com/show/16dTKEEtKkIzhr1JJNMmSF📺 Guarda gli episodi sul canale YouTubehttps://www.youtube.com/channel/UCYQgzIby7QHkXBonTWk-2Fg🌐 Home page del podcasthttps://risorseartificiali.comChapters00:00 Introduzione e Benvenuto02:55 Il Ruolo dell'Intelligenza Artificiale nella Società05:57 Formati e Tipologie di Podcast08:53 Domande dalla Community e Risposte12:01 Esperienze Pratiche con l'AI15:08 Strumenti AI e Workflow17:55 Privacy e Utilizzo degli Strumenti AI21:24 Condivisione di Informazioni Sensibili e Shadow AI27:13 Benchmark e Affidabilità dei Modelli AI35:10 Modelli Locali vs. Cloud: Vantaggi e Svantaggi49:17 Evoluzione delle API e Integrazione dei Modelli AI50:14 L'importanza del codice aperto e delle specifiche53:08 Progetti complessi e workflow nello sviluppo56:35 Evoluzione del ruolo dello sviluppatore01:00:41 Automazione e controllo nella revisione del codice01:03:10 Linguaggi di programmazione e qualità del codice01:10:18 Formazione e necessità di sandbox nel coding

In questa puntata di Risorse Artificiali – Appunti e spunti dal mondo dell’Intelligenza Artificiale, discutiamo le ultime evoluzioni dell’ecosistema AI partendo da GPT-5.4 e arrivando al cambiamento radicale che l’intelligenza artificiale sta portando nel lavoro degli sviluppatori.Parliamo di AI engineering, nuovi workflow di sviluppo e dell’importanza crescente delle interfacce CLI per lavorare con modelli di linguaggio sempre più potenti. Un confronto diretto tra approcci diversi – come CLI e MCP – per capire quali strumenti stanno davvero trasformando il modo in cui scriviamo codice, integriamo modelli AI e costruiamo software.Nel corso della conversazione esploriamo anche:• le implicazioni economiche e tecnologiche dei nuovi modelli AI• il ruolo del workflow e delle skill nell’utilizzo efficace degli LLM• le sfide di sicurezza ed etica nell’intelligenza artificiale• le nuove pratiche di code review nell’era dell’AI• le innovazioni hardware (come il reverse engineering dell’hardware Apple)• il futuro del lavoro degli sviluppatori nell’epoca degli AI engineersUna puntata ricca di riflessioni tecniche, esperienze pratiche e curiosità nerd per capire dove sta andando davvero il mondo dell’AI engineering, del coding assistito dall’AI e dello sviluppo software.Link dalla puntata:https://www.latent.space/p/reviews-dead https://openai.com/index/introducing-gpt-5-4/ https://www.anthropic.com/news/where-stand-department-war https://trilogyai.substack.com/p/deep-dive-qwen-35-brings-native-multimodality https://github.com/RisorseArtificiali/lince🎙 Risorse Artificiali – Appunti e spunti dal mondo dell’AIUn podcast su intelligenza artificiale, AI engineering, coding, innovazione tecnologica e futuro del lavoro.🔗 Spotifyhttps://open.spotify.com/show/16dTKEEtKkIzhr1JJNMmSF🔗 YouTubehttps://www.youtube.com/channel/UCYQgzIby7QHkXBonTWk-2Fg🔗 Home pagehttps://risorseartificiali.comChapters00:00 Introduzione e Mood della Puntata03:07 Notizie sull'AI e GPT 5.406:10 Esperienze con il Bluetooth e LLM09:08 Evoluzione dei Modelli di AI12:22 Considerazioni Economiche sui Modelli di AI15:07 Reverse Engineering e Hardware Apple17:57 Tendenze nel CLI e MCP21:05 Riflessioni su REST e MCP25:19 L'importanza del contesto nelle skill26:13 Definizione e utilizzo delle CLI27:44 Workflow e NCP: un confronto29:00 Open Source e risorse utili30:39 Sviluppo agentico su Linux32:54 Notebook LM: un aiuto per lo studio34:38 Pubblicità personalizzata e creatività37:02 L'evoluzione del ruolo dello sviluppatore40:01 Critiche e opportunità nell'era dell'AI43:06 La review del codice e le nuove pratiche49:41 Rinascita del COBOL e AI51:10 Linguaggi di Programmazione e AI53:50 Distribuzione e Gestione del Software57:15 Controversie tra Antropik e Pentagono01:04:11 Modelli Cinesi e Innovazioni nel Settore AI

In questa puntata di Risorse Artificiali parliamo di Intelligenza Artificiale e creatività digitale insieme a Mizzio Ratti e Stefano Lombardini.Come sta cambiando la pubblicità nell’era dell’AI?La tecnologia sta davvero democratizzando la produzione video e il cinema digitale oppure sta comprimendo il valore economico della creatività?Durante l’intervista affrontiamo temi centrali per chi lavora nel mondo creativo, nel marketing e nella produzione audiovisiva:Impatto dell’Intelligenza Artificiale nella pubblicitàDifferenze tra freelance e agenzie nell’uso di strumenti AIProduzione di video AI e spot generati con modelli generativiQuestioni legali e diritti digitaliAutorialità, originalità e valore dell’idea creativaOpportunità e rischi per i giovani creativiFuturo del lavoro nel cinema e nella comunicazione digitaleParliamo di strumenti come Midjourney e Kling, ma anche di cultura pop e gaming – da Age of Empires II alle nuove dinamiche di viralità contemporanea – per capire come la tecnologia stia ridefinendo il concetto stesso di creatività.Uno dei punti chiave emersi è chiaro:“La tecnica non conta più, conta l’idea.”L’AI abbassa le barriere di ingresso, ma rende ancora più centrale la capacità di pensiero critico, strategico e creativo. In un mondo dove tutti possono produrre contenuti, l’originalità diventa il vero vantaggio competitivo.Questa intervista è pensata per:Creativi e pubblicitariAI engineer curiosi dell’impatto culturale della tecnologiaProfessionisti del marketing digitaleStudenti e giovani che vogliono lavorare nella comunicazioneChiunque voglia capire il futuro della creatività nell’era dell’AILink dalla puntata:Il video di Bonios: https://www.youtube.com/watch?v=Ognk7Ngx3FULinkedin di Mizio: https://www.linkedin.com/in/mizio-ratti-b75b13/La newsletter di Mizio: https://mizionewsletter.substack.com/Linkedin di Stefano Lombardini: https://www.linkedin.com/in/stefanolombardini/Il sito di Stefano Lombardini: https://stefanolombardinicopywriter.com/Se vuoi restare aggiornato su AI, AI Engineering e scenari futuri dell’Intelligenza Artificiale:🎧 Spotify: https://open.spotify.com/show/16dTKEEtKkIzhr1JJNMmSF📺 YouTube: https://www.youtube.com/channel/UCYQgzIby7QHkXBonTWk-2Fg🌍 Sito ufficiale: https://risorseartificiali.com

In questa puntata di Risorse Artificiali parliamo di AI Coding Agents, produttività estrema e rischio “effetto slot machine”.Partiamo da una provocazione: l’Intelligenza Artificiale sta diventando una macchina dopaminica per sviluppatori? Tra vibe coding, reward loop continui e modelli sempre più veloci, l’esperienza di sviluppo software sta cambiando radicalmente.Analizziamo:Le nuove funzionalità di Claude Code (memory gerarchica, automemory, rules)L’approccio open source di OpenClaw e il controllo remoto degli agenti via TelegramLa corsa al milione di token di contesto e cosa significa davvero per chi sviluppaBenchmark e consistenza dei nuovi modelli: GLM 5, Minimax 2.5, Gemini 3.1, GPT 5.xVelocità vs accuratezza: quando conviene sacrificare qualità per performance?Compressione del contesto e rischi reali nell’utilizzo di agenti autonomiSicurezza, guardrail e casi concreti di AI fuori controlloDiscutiamo anche dell’impatto sui team open source: se l’AI aumenta la produzione di codice, chi revisiona tutto? Sta cambiando il ruolo dei tech lead?Un episodio tecnico ma con implicazioni profonde per AI Engineer, sviluppatori, CTO e chiunque stia integrando modelli di linguaggio nel proprio workflow.🎧 Ascolta il podcast:Spotify: https://open.spotify.com/show/16dTKEEtKkIzhr1JJNMmSFYouTube: https://www.youtube.com/channel/UCYQgzIby7QHkXBonTWk-2FgHome: https://risorseartificiali.comChapters00:00 Introduzione e Riflessioni Iniziali02:30 Disagi e Riflessioni sull'AI04:27 Potenzialità e Limiti delle Tecnologie AI09:27 Gamification e Coding nell'Industria12:34 Riferimenti al Gioco d'Azzardo e AI15:08 Ottimizzazione e Automazione nel Coding20:14 Integrazione di AI e Strumenti di Lavoro22:37 Rilascio di Nuove Funzionalità da Parte di Anthropic23:48 Sicurezza e Memoria nel Cloud26:22 Innovazioni di Claude Code29:18 Funzionalità di OpenClaw31:43 Rilasci di Modelli e Aggiornamenti36:44 Benchmarking e Performance dei Modelli41:04 Ottimizzazione e Inferenza Locale46:44 La Complessità dei Contesti Lungo48:13 Modelli di AI: Minimax e GLM49:32 Consistenza e Qualità delle Risposte51:12 Velocità e Performance dei Modelli52:35 Utilizzo dei Subagents e Ottimizzazione53:39 Velocità vs Accuratezza nel Coding01:00:20 Rischi e Sicurezza nell'Utilizzo di AI01:02:20 Compressione del Contesto e Qualità delle Risposte01:07:16 Strumenti per la Gestione del Contesto01:09:30 Conclusioni e Riflessioni Finali

In questa puntata di Risorse Artificiali intervistiamo Antonello Mantuano, imprenditore tech ed ex CTO nel mondo Big Data, oggi founder della startup Data Beez, una piattaforma che sviluppa agenti AI di dominio basati su dati strutturati e conoscenza verticale.Parliamo di:* 🚀 AI e coding agents: come stanno trasformando lo sviluppo software* 🤖 Vibe coding e Agentic Engineering: cosa cambia davvero per i developer* 🏢 La resistenza delle organizzazioni italiane all’adozione dell’AI* ⚡ La velocità del cambiamento e il rischio burnout* 🧠 Soft skills vs hard skills nell’era dell’intelligenza artificiale* 👩‍💻 Il ruolo delle nuove generazioni e dell’educazione digitaleStiamo vivendo un momento storico simile all’esplosione di Internet: l’AI generativa e gli agenti autonomi stanno ridefinendo il modo in cui progettiamo, sviluppiamo e gestiamo software.Ma le aziende italiane sono davvero pronte?E cosa significa oggi fare carriera come software engineer?Una conversazione lucida e concreta su AI engineering, startup innovative, trasformazione digitale e futuro del lavoro tech.----------------------------------------🔗 Scopri di più su Data Beez: https://databeez.ai🔗 Antonello Mantuano su LinkedIn: https://linkedin.com/in/antonellomantuano🎧 Ascolta “Risorse Artificiali – Appunti e spunti dal mondo dell’AI” su Spotify📺 Seguici su YouTube🌍 Home: https://risorseartificiali.com----------------------------------------Se vuoi possiamo:* renderla più tecnica (più AI engineering, meno cultura)* renderla più provocatoria (es. “Stiamo creando la tecnologia che ci sostituirà?”)* accorciarla per YouTube mantenendo SEO forte* aggiungere capitoli formattati per YouTubeChapters00:00 Introduzione e Presentazione di Antonello03:22 L'Esperienza di Antonello nel Mondo dei Dati06:09 La Creazione di Data Beads09:07 Il Ritorno alla Programmazione e l'Influenza dell'AI12:16 Vibe Coding e le Sfide del Sviluppo18:14 L'Impatto della Velocità dell'AI sul Lavoro21:01 Riflessioni Finali e Conclusioni24:13 Il contesto e il cambiamento nella programmazione29:28 La sfida del context switching32:24 Tecnologie emergenti e il loro impatto39:25 La velocità del cambiamento e il burnout46:11 Il futuro delle organizzazioni e l'adozione delle nuove tecnologie52:02 Il Trend di TikTok e l'Intelligenza Artificiale54:17 Generazione Z e l'Approccio all'AI56:14 Interazioni Divertenti con ChatGPT59:06 Rischi e Opportunità dell'AI nella Società01:01:21 Creatività e Lavoro nell'Era dell'AI01:05:13 Soft Skills vs Hard Skills nel Lavoro01:10:21 Educazione e Comportamento dei Modelli AI01:17:16 riverside_risposte_divertenti a gemini_risorse_artificiali (2).mp4

In questa puntata di Risorse Artificiali – Appunti e spunti dal mondo dell’Intelligenza Artificiale (AI) intervistiamo Daniele Zonca, Chief Architect in Red Hat, per capire come portare l’AI generativa in Enterprise in modo sostenibile, sicuro e governabile.Cosa significa davvero adottare l’Intelligenza Artificiale generativa in azienda?Parliamo di:Explainability e fiducia nei sistemi di AIKubernetes come piattaforma per gestire modelli generativi in produzioneOpen Source e innovazione nel mondo enterpriseCosti, sostenibilità e ciclo di vita dei modelliGestione del rischio e responsabilità nell’utilizzo degli LLMEvoluzione dello sviluppo software tra AI assisted coding e vibe codingL’AI generativa non è solo una tecnologia: è un cambio di paradigma per architetture, processi e competenze.Capire come integrarla nei sistemi enterprise significa affrontare temi di governance, sicurezza, affidabilità e trasparenza.Un episodio per AI engineer, architetti software, CTO e professionisti che vogliono portare l’AI generativa in azienda senza perdere controllo e fiducia.Chapters00:00 Introduzione e Giochi dell'Infanzia02:40 Il Percorso Professionale di Daniele Zonca04:57 L'Importanza dell'Explainability nell'AI13:19 OpenShift AI e il Lavoro di Daniele Zonca17:22 Kubernetes come Piattaforma per LLM22:13 Vantaggi del Professional Open Source23:37 Inizio e complessità delle soluzioni AI29:08 La scelta tra soluzioni interne ed esterne30:33 Futuro dei modelli linguistici31:51 Costi e sostenibilità delle soluzioni AI34:29 Ciclo di vita dei modelli e gestione dei dati40:27 L'importanza del background accademico44:47 Curiosità e Approfondimento nel Mondo del Lavoro47:35 L'importanza del Background Tecnico50:39 Evoluzione e Rivoluzioni Tecnologiche53:26 Vibe Coding e AI Assisted Coding56:30 Interazione con i Modelli di Linguaggio59:37 Il Ruolo dello Sviluppatore nel Futuro01:02:32 Gestione dei Fallimenti nel Mondo Enterprise01:13:06 Gestione del Rischio e Fiducia nei Modelli01:15:09 Responsabilità e Agenzia nell'Utilizzo degli LLM01:17:00 Etica e Fiducia nell'Intelligenza Artificiale01:19:13 Antropomorfizzazione e Comprensione dei Modelli01:21:46 Architettura dei Modelli e Allineamento Etico01:26:58 Futuro dei Modelli di Base e Open Source

In questa puntata di Risorse Artificiali – Appunti e spunti dal mondo dell’AI, Paolo entra ufficialmente in fissa con Claude Code (come Stefano aveva previsto 😄), ma la vera domanda è un’altra: stiamo assistendo alla nascita dell’Internet degli Agenti AI?Parliamo di:🔥 Claude Code, Cloud Code e Vibe Coding🧠 Memoria e strategia negli agenti AI🧩 Constraint solving e pianificazione con modelli intelligenti🌐 OpenClaw e WebMCP: verso un ecosistema interoperabile di agenti📱 Le app tradizionali sono destinate a scomparire?🎮 AI nei giochi e nuove forme di interazione digitale🧪 Open source, sperimentazione e modelli che generano altri modelli⚔️ CLI vs MCP: dibattito tecnico sul futuro degli strumenti di sviluppoL’intelligenza artificiale non sta solo migliorando le app: potrebbe sostituirle.Stiamo passando da un mondo di applicazioni isolate a un ecosistema di agenti autonomi, capaci di interagire tra loro, ricordare contesto, pianificare azioni e collaborare attraverso protocolli come WebMCP.Discutiamo anche dell’evoluzione dei modelli AI (inclusi quelli cinesi), del ruolo dell’open source e di come l’AI stia cambiando radicalmente il modo in cui sviluppiamo software.👉 Se ti interessano AI engineering, agenti intelligenti, sviluppo software, open source e scenari futuri dell’intelligenza artificiale, questa puntata fa per te.Chapters00:00 Introduzione e Confusione Numerica01:59 Vibe Coding e Deprivazione da Cloud Code03:58 Progetti Strani e Automazione Domestica07:03 Deep Research e Cloud Code12:13 Pianificazione e Constraint Solving15:07 Utilizzo di Cloud Code per Progetti17:40 Strumenti e Funzionalità di Cloud Code23:19 Svelare i Segreti del Coding24:25 Strumenti e Workflow per Non Programmatori26:28 Presentazioni e Conferenze: Condivisione di Esperienze28:53 Discussione su Sviluppo Software e AI30:19 Futuro degli Assistenti Virtuali36:11 Implicazioni dell'AI sulle App e sull'Industria40:13 Giochi e AI: Nuove Frontiere41:19 Prossimi Passi: Dove Ci Porta l'AI?42:46 L'uso consapevole degli agenti AI45:55 Memoria e strategia negli agenti AI47:48 La singolarità e l'evoluzione dei modelli AI50:25 Modelli che generano altri modelli54:43 CLI vs MCP: un dibattito tecnico59:43 L'evoluzione dei modelli AI cinesi01:04:08 Interazione tra modelli e agenti01:07:05 WebMCP e l'Internet degli agenti🎧 Ascolta “Risorse Artificiali” su Spotify:https://open.spotify.com/show/16dTKEEtKkIzhr1JJNMmSF📺 Guarda il podcast su YouTube:https://www.youtube.com/channel/UCYQgzIby7QHkXBonTWk-2Fg🌍 Tutti gli episodi su:https://risorseartificiali.com

In questa puntata di Risorse Artificiali parliamo di agenti di coding, Claude Code e di come l’intelligenza artificiale stia cambiando radicalmente il modo in cui programmiamo, lavoriamo e acquisiamo nuove skill.Partendo da un approccio pratico e ironico (“meglio un boomer smanettone oggi che un doomer domani”), discutiamo di come gli agenti intelligenti possano essere usati non solo dagli sviluppatori, ma anche da chi non scrive codice ogni giorno. Le skill diventano una nuova forma di programmazione, il contesto guida il comportamento degli agenti e la proattività apre scenari completamente nuovi.Affrontiamo anche i temi più delicati:🔐 sicurezza,⚠️ rischi operativi,🤖 comportamenti emergenti,🧠 consapevolezza nell’uso di sistemi AI sempre più autonomi.Dagli agenti di coding a OpenClaw, passando per la democratizzazione della programmazione, riflettiamo su cosa significa davvero lavorare con l’AI oggi e su come evitare di subirla domani.🎧 Un episodio per chi vuole capire dove sta andando l’AI applicata allo sviluppo software, senza hype ma anche senza paura.

L'AGI arriva prima di quanto credi: Maserati l'aveva detto a febbraio, oggi si vede chiaramente.A febbraio abbiamo parlato con Alessandro Maserati, AI lead in una società svizzera di digital transformation ed ex-Boston Consulting, su AGI, allineamento e futuro del lavoro.Matematico di formazione (Scuola Normale di Pisa, tesi in logica pura) e con un decennio di esperienza enterprise, Maserati affronta l'AI con un mix raro di profondità tecnica e prospettiva business. Nell'intervista spiega perché l'AGI è molto più vicina del dibattito pubblico, perché l'allineamento resta irrisolto, perché l'Europa sta sostanzialmente a guardare, e come il rapporto uomo-AI nella scrittura di codice si sta ribaltando. Parliamo anche di adozione AI enterprise, della distanza fra ricerca e business, e del perché le aziende nate dopo il 2022 stanno prendendo un vantaggio strutturale su chi è venuto prima.Rivederla a 2,5 mesi di distanza è onesto: molte affermazioni sono invecchiate bene, alcune meno. Segui il podcast per non perdere le prossime interviste.Guardala anche su YouTube: https://www.youtube.com/watch?v=XP2jiPxFtPk&utm_source=spotify&utm_medium=description&utm_campaign=maserati_relaunch

Il mercato dei chatbot e dell’intelligenza artificiale sta cambiando rapidamente. In questa puntata di Risorse Artificiali analizziamo i segnali più interessanti emersi negli ultimi mesi: la crescita di Gemini, l’evoluzione dell’uso delle API, la standardizzazione delle applicazioni AI e il ruolo sempre più centrale degli agenti intelligenti.Partendo dai dati di traffico e dalle dinamiche di mercato, discutiamo di come l’AI stia passando dall’essere una semplice interfaccia conversazionale a una vera infrastruttura di automazione. Approfondiamo le regole e le limitazioni nell’uso dei modelli, il tema della spiegabilità in ambito enterprise e le nuove proposte di standardizzazione che stanno emergendo nell’ecosistema AI.Un capitolo centrale della puntata è dedicato al dibattito sull’AGI (Artificial General Intelligence) e sulla superintelligenza, confrontando le visioni di Demis Hassabis e Dario Amodei: quanto siamo davvero lontani dall’AGI? E cosa significa, concretamente, per il lavoro e per chi sviluppa software oggi?Chiudiamo con una riflessione diretta sul futuro della programmazione: scriveremo meno codice? Cambieranno gli strumenti, le interfacce e le competenze richieste ai programmatori? E che ruolo avranno gli agenti AI nel nostro modo di lavorare?Una puntata per chi vuole capire dove sta andando davvero l’intelligenza artificiale, oltre l’hype e oltre la semplice “chat”.I Link dalla puntata:Chrome: The browser you love, reimagined with AI https://blog.google/products-and-platforms/products/chrome/chrome-reimagined-with-ai/https://openclaw.ai/ ex clawdbot ex moltbot….https://openclaw.ai/blog/introducing-openclawhttps://ppc.land/chatgpts-lead-shrinks-as-gemini-surges-in-ai-traffic-war/Hassabis-Amodei: https://www.youtube.com/watch?v=02YLwsCKUwwChapters 00:00 Introduzione e Panoramica del Mercato 02:42 Crescita di Gemini e Confronto con ChatGPT 06:16 Traffico Internet e Utilizzo delle API 10:50 Regole e Limitazioni nell'Uso dei Modelli AI 15:49 Standardizzazione e Innovazioni di Antropic 21:58 Spiegabilità dei Modelli e Adozione nell'Enterprise 24:51 Controversie Legali e Venture Capital 28:15 Interviste e Percezioni nel Mondo Economico 30:57 Definizioni di AGI e SGI 34:10 Dibattiti sul Futuro dell'Intelligenza Artificiale 38:04 Riflessioni sulla Competizione Globale 42:25 Paragoni con la Bomba Atomica e Riflessioni Finali 48:12 Il Cambiamento dei Nomi e le Aspettative di Mercato 49:15 L'Utilizzo di Modelli e Agenti AI 52:10 Interazione e Automazione con le AI 53:48 Riflessioni sul Futuro della Programmazione57:09 Evoluzione del Codice e delle Interfacce Utente 01:00:38 Il Ruolo degli Agenti AI nel Futuro della Tecnologia 01:02:44 La Trasformazione degli Strumenti di Lavoro 01:07:24 Conclusioni e Teaser per il Futuro

L’AI scala davvero? In questo episodio di Risorse Artificiali partiamo da una domanda chiave per chi lavora con l’intelligenza artificiale oggi: la scalabilità dei modelli AI è reale o stiamo solo spostando i costi?Parliamo di:crescita dei modelli AI e limiti del pre-trainingdistillazione come strategia per rendere l’AI più sostenibilehardware sempre più commoditizzato e costi energeticiperché il prezzo della RAM sta diventando un collo di bottigliacoding creativo e Vibe Coding: conta ancora scrivere codice?l’arrivo di Gemini su (quasi) tutti i telefoni e l’impatto sull’ecosistema mobileChatGPT e la pubblicità: cosa cambia per utenti, aziende e sviluppatoriprivacy, business model e nuove tensioni tra AI, prodotto e mercatoChiudiamo con una riflessione più ampia: ha ancora senso fermarsi a scrivere, progettare, persino scrivere libri, in un’epoca di accelerazione continua?Un episodio che mette insieme AI engineering, creatività, business e futuro del software, senza hype ma con domande scomode.🎧 Risorse Artificiali – Appunti e spunti dal mondo dell’AIDisponibile su Spotify e YouTube.Link dalla puntata:Black Forest Labs is back: Flux.2 [Klein]https://bfl.ai/blog/flux2-klein-towards-interactive-visual-intelligencehttps://github.com/black-forest-labs/flux2 Esempi in community: https://www.reddit.com/r/StableDiffusion/comments/1qfvebh/flux_2_klein_is_really_amazing/ Prove gratis a https://huggingface.co/spaces/black-forest-labs/FLUX.2-klein-4B Script prompt upsampling: https://github.com/black-forest-labs/flux2/blob/main/docs/flux2_with_prompt_upsampling.md Invisible watermark: https://github.com/ShieldMnt/invisible-watermarkArticolo di Salvatore Sanfilippo: Don't fall into the anti-AI hypeChapters00:00 Introduzione e Saluti02:50 Riflessioni sull'Intelligenza Artificiale05:44 Scalabilità e Investimenti nell'AI08:33 Pre-Training e Consumi Energetici11:40 Innovazioni nei Modelli AI14:36 Hardware e Comoditizzazione17:41 Distribuzione del Calcolo e Progetti Futuri20:46 Ritorno di Flux e Black Forest Lab30:10 Evoluzione e Distillazione dei Modelli40:16 Coding Assistito e Creatività49:20 Riflessioni sul Gioco e la Creatività49:35 Il Vibe Coding e le Opinioni di Linus Torvalds55:41 Le Innovazioni di Apple e Gemini01:00:42 L'Intelligenza Artificiale e la Privacy01:04:45 Pubblicità e Chatbot: Un Nuovo Paradigma01:10:13 Riflessioni Finali e Conclusioni

In questo episodio di Risorse Artificiali intervistiamo Emanuele Fabbiani, imprenditore e ricercatore nel mondo dell’intelligenza artificiale, fondatore di Xtream e Ready, oggi parte dell’ecosistema TeamSystem.Partendo dal suo percorso personale — tra ricerca accademica e costruzione di startup AI — affrontiamo uno dei temi più discussi e fraintesi dell’AI moderna: le allucinazioni dei modelli linguistici (LLM) e il problema della explainability.Parliamo di:perché i modelli AI allucinano e cosa ci dice questo sul loro funzionamentodifferenza tra significato e significante nei Large Language Modelsquali tecniche aiutano a mitigare le allucinazioniperché la spiegabilità è cruciale per l’adozione enterprise dell’AIlimiti e costi delle scaling lawil ruolo del reasoning nei modelli di nuova generazioneVibe Coding: perché sta cambiando davvero il modo di scrivere softwarecosa significa fare impresa AI in Italia oggiconsigli pratici per giovani, ricercatori e futuri imprenditori techUn episodio denso ma concreto, che unisce AI engineering, ricerca, startup e futuro del lavoro, con uno sguardo lucido su cosa funziona davvero oltre l’hype. Link:https://www.linkedin.com/in/emanuelefabbiani/https://xtreamers.io/⏱️ Capitoli00:00 Introduzione01:54 Il percorso di Emanuele Fabbiani05:52 Ricerca vs startup: una falsa dicotomia11:48 Accademia e industria: contaminazione necessaria12:49 Nascita di Xtream e dinamiche di gruppo19:02 L’acquisizione da parte di TeamSystem24:55 Explainability nei Large Language Models33:32 Significato, non significante43:06 Allucinazioni nei modelli AI56:42 Scaling law e limiti economici59:35 Vibe Coding e sviluppo software assistito01:05:18 Revisione del codice e AI01:10:23 Ecosistema AI in Italia01:21:24 Consigli per chi vuole fare startup01:29:33 Il futuro dell’intelligenza artificiale

Nel nuovo episodio di Risorse Artificiali – Appunti e spunti dal mondo dell’AI, partiamo dal caso Grok e dalla polemica sui deepfake di immagini generate dall’AI per affrontare una domanda molto più ampia:👉 come cambia il concetto di autenticità in un mondo in cui l’intelligenza artificiale può generare contenuti indistinguibili dal reale?Discutiamo della reazione di Elon Musk, delle implicazioni culturali e legali della generazione di immagini fake e di una provocazione centrale:in un ecosistema dominato dai fake, forse non è il falso che va marcato, ma l’originale.Da qui allarghiamo lo sguardo all’evoluzione dei modelli di generazione immagini, come GLM Image, e al tema della comprensione semantica nei modelli multimodali.Nella seconda parte dell’episodio ci spostiamo sulla sanità, commentando il lancio di ChatGPT Health da parte di OpenAI:un passo importante che apre opportunità concrete, ma anche questioni etiche, di privacy e di responsabilità, soprattutto quando l’AI entra in ambiti critici come le decisioni mediche.Infine, chiudiamo con una riflessione più tecnica e filosofica sul futuro degli agenti AI, discutendo il ruolo della memoria procedurale e semantica nei coding agent e perché progettare sistemi di memoria non è solo un problema di performance, ma di affidabilità e controllo.Un episodio per chi lavora con l’AI — o ne subisce già gli effetti — e vuole andare oltre l’hype, interrogandosi su responsabilità, fiducia e limiti dell’intelligenza artificiale generativa.Chapters00:00 Introduction and Context of the Controversy02:27 Deepfake Technology and Cultural Reactions04:50 Legal Implications and Image Authenticity11:40 Emerging AI Models and Future Directions24:49 Exploring Image Generation Techniques37:02 AI in Healthcare: Opportunities and Ethical Concerns46:15 User Responsibility in AI Healthcare Decisions47:38 The Risks of Anthropomorphizing AI50:02 The Future of AI in Personal Health52:49 Debating AI Memory Systems01:04:58 The Complexity of AI Memory and Learning

Nel nuovo episodio di Risorse Artificiali analizziamo AI e robotica nel 2026, partendo da un tema centrale: il dilemma strategico di Meta tra acquisizioni, critiche pubbliche e il dilemma dell'innovatore sugli occhiali. La roadmap generale sembra ancora poco chiara.Parliamo poi delle novità emerse al CES, dove la robotica — soprattutto asiatica — è sempre più protagonista, e di come anche Lego stia ridefinendo il concetto di gioco educativo con mattoncini intelligenti e robotica per le nuove generazioni.La conversazione si sposta quindi sui trend di fondo che guideranno i prossimi anni:world models applicati alla robotica autonomacontinual learning e refinement continuo dei modelliorchestrazione e sistemi multi-agentenuove tecniche di generazione di immagini con layer editabiliUn episodio che intreccia attualità, gossip tech e visione ingegneristica, per capire cosa è davvero segnale debole e cosa invece sarà infrastruttura dell’AI del futuro.Meta tra acquisizioni, critiche e mancanza di una strategia chiaraRobotica al CES: hype o vero cambio di passo?Lego e l’ingresso della robotica nel mondo educationalGen Z e nuovi pattern di utilizzo dell’AIWorld models e autonomia dei sistemi intelligentiContinual learning come chiave per l’evoluzione dei modelliMulti-agent systems e refinement continuo🎧 Ascolta Risorse Artificiali su Spotify, YouTube e tutte le principali piattaforme podcast.Tutti i link sono disponibili sulla nostra home page.🔍 Temi chiave dell’episodio