Mistral lancia Large 4 ("Le Chonk"), un modello open da 1 trilione di parametri con 49B attivi, allenato su 3.800 GPU Grace Blackwell. È pensato per competere con i top model USA e cinesi, con focus su coding e cyberdefense.
Macro notizie:
- 🇫🇷 Mistral rilascia Large 4, modello open da 1 trilione di parametri
- 💸 Anthropic lancia Haiku 5.5, 90% più economico e alla pari con GPT-6 Luna
- ➗ OpenAI pubblica soluzioni a problemi matematici aperti con prove Lean
Segnali recenti:
- Google rilascia EmbeddingGemma 2, embedding multimodale open source
- Liquid AI rilascia decision model a zero output token
- Darwin Gödel Machine riscrive il proprio scaffolding da sola
- OpenAI lancia GPT-6 con Intelligent UI globalmente
- OpenAI apre in beta la Decisions API
- Anthropic investe $100M per formare 10.000 Frontier Deployed Engineer
- Apple limita i permessi full-disk dopo il caso Meta Muse
- OpenAI avvia il watermarking dei testi per l'AI Act UE
Mistral rilascia Large 4, modello open da 1 trilione di parametri
In breve: Mistral annuncia Large 4, modello da 1 trilione di parametri (49B attivi) in preview API, con pesi open previsti entro fine mese.
I dettagli:
- Scala: 1 trilione di parametri totali, 49B attivi, allenato su 3.800 GPU Grace Blackwell
- Disponibilità: Preview API già attiva, pesi open rilasciati entro la fine di ottobre 2026
- Focus: Ottimizzato per coding e cyberdefense, oltre a manifattura, finanza ed ingegneria elettrica
- Voce interna: Guillaume Lample, cofondatore e chief scientist di Mistral, dice a WIRED che ci sono molti domini su cui gli altri lab non si concentrano abbastanza
Perché conta: Large 4 è il tentativo più concreto finora di un player europeo di competere alla pari con i frontier model di OpenAI, Anthropic e Google su scala di parametri comparabile, mantenendo un approccio open. Per chi lavora con modelli open-weight significa avere un'alternativa con focus verticale su coding e domini industriali, non solo un generalista. Resta da vedere se le performance reali reggeranno il confronto una volta rilasciati i pesi completi.
Anthropic lancia Haiku 5.5, modello economico alla pari con GPT-6 Luna
In breve: Anthropic rilascia Claude Haiku 5.5, che eguaglia il prezzo di GPT-6 Luna fino a 100.000 token dopo un anno di attesa dal precedente modello.
I dettagli:
- Prezzo: $0.10/$0.50 per milione di token fino a 100K, poi sale a $0.50/$2.50 oltre quella soglia
- Confronto: Haiku 4.5 costava $1/$5 per milione, 10 volte il prezzo di GPT-6 Luna
- Tokenizer: Nuovo tokenizer meno generoso: stesso prompt lungo usa circa 1.25x più token rispetto a Haiku 4.5
- Crediti API: Anthropic introduce crediti mensili per abbonati Max e Team: $100-200 per utenti Max, fino a $500 per i Team, pooled
Perché conta: La guerra dei prezzi sui modelli fast/low-cost si fa sempre più serrata tra Anthropic e OpenAI: chi lavora su workload ad alto volume (classificazione, routing, chat semplici) ora ha due opzioni a prezzo quasi identico. Sopra i 100K token però Luna resta nettamente più conveniente, quindi la scelta dipende dal profilo di utilizzo reale, non solo dal prezzo di lancio.
Letture Consigliate
Un elenco curato di libri utili per crescere nel campo della data science e machine learning
Hands-On Large Language Models ➚
Jay Alammar e Maarten Grootendorst spiegano tokenizzazione, embedding, attention e RAG con le illustrazioni che hanno reso celebre "The Illustrated Transformer". Il punto d'ingresso ideale per chi vuole capire gli LLM e iniziare subito a usarli con codice pronto.
Build a Large Language Model (From Scratch) ➚
Sebastian Raschka ti guida a costruire un GPT in PyTorch riga per riga, dal tokenizer al fine-tuning. Nessuna scatola nera: alla fine sai esattamente cosa succede dentro un modello linguistico.
AI Engineering ➚
Chip Huyen affronta le domande che contano quando un LLM va in produzione: quando usarlo, come valutarlo, RAG o fine-tuning, agenti, costi di inferenza e feedback loop. Poco codice, molto giudizio ingegneristico: il libro per chi deve prendere decisioni.
The Hundred-Page Language Models Book ➚
Andriy Burkov condensa in cento pagine la teoria essenziale dei modelli linguistici, dalle basi statistiche ai transformer, con codice a corredo. Perfetto per chi vuole i fondamenti solidi senza affogare in un manuale da seicento pagine.
OpenAI pubblica soluzioni a problemi matematici aperti con prove Lean
In breve: OpenAI condivide risultati di un modello frontier interno su problemi matematici inediti, con formalizzazioni in Lean pubblicate su GitHub.
I dettagli:
- Cosa: Un modello frontier interno ha prodotto soluzioni a problemi matematici aperti non ancora risolti
- Trasparenza: OpenAI pubblica le prove formalizzate in Lean e i dettagli della ricerca su GitHub
- Canale: Annuncio diffuso tramite OpenAI News, con discussione che ha raccolto oltre 1.300 punti su Hacker News
- Formato: Le formalizzazioni permettono verifica automatica delle dimostrazioni, non solo affermazioni in linguaggio naturale
Perché conta: Se confermato da matematici esterni, questo è un segnale concreto che i modelli frontier iniziano a contribuire a ricerca matematica non banale, non solo a replicare risultati noti. Per chi lavora su reasoning e math benchmark è un caso da seguire con attenzione: la pubblicazione delle prove in Lean rende il risultato verificabile, un passo diverso da semplici claim di benchmark.
Tutto il resto
Modelli e ricerca
Google rilascia EmbeddingGemma 2, embedding multimodale open source
Google lancia EmbeddingGemma 2, 740M parametri su architettura Gemma 4, con licenza Apache 2.0 e supporto nativo per testo, codice, immagini, video e audio in un unico spazio vettoriale. Con Matryoshka Representation Learning puoi troncare i vettori da 768 a 128 dimensioni, riducendo lo storage fino a 6x. blog.google ➚
Liquid AI rilascia decision model a zero output token
Liquid AI pubblica d1-3B e d1-omni-600M, modelli open-weight che leggono testo, immagini e audio e restituiscono risposte calibrate in un solo forward pass, senza generare token. d1-3B risponde in 8ms su RTX 4090 ed è pensato per routing, moderazione e guardrail per agenti. marktechpost.com ➚
Darwin Gödel Machine riscrive il proprio scaffolding da sola
L'agente Darwin Gödel Machine di Sakana e del lab di Jeff Clune riscrive autonomamente il proprio codice sorgente, aggiungendo validazione delle patch e generazione di più soluzioni candidate. In circa 80 iterazioni non supervisionate, è passato dal 20 al 50% su SWE-bench e dal 14 al 31% su Polyglot. thesequence.substack.com ➚
OpenAI lancia GPT-6 globalmente con Intelligent UI
OpenAI rilascia GPT-6 a livello globale su ChatGPT insieme a Intelligent UI, una modalità di risposta visiva e interattiva. L'annuncio ha raccolto oltre 740 punti su Hacker News con ampio dibattito sulla nuova interfaccia. openai.com ➚
Strumenti e applicazioni
OpenAI apre in beta la Decisions API
OpenAI rende disponibile in beta pubblica la Decisions API, che valuta testo e immagini e restituisce risposte tipizzate circa 10 volte più veloce della Responses API. Il modello gpt-6-luna è l'unico disponibile per ora, pensato per classificazione, routing e scoring su rubrica. developers.openai.com ➚
Mercato, chip e regole
Anthropic investe $100M per formare 10.000 engineer AI
Anthropic lancia Claude Frontier Academy, un programma da $100 milioni per formare 10.000 Frontier Deployed Engineer entro fine 2027. Le prime coorti arrivano da Accenture, Bain, Deloitte, McKinsey e Morgan Stanley, con un modello formativo ispirato alla residenza medica. anthropic.com ➚
Apple limita i permessi full-disk dopo il caso Meta Muse
Apple modifica i permessi macOS di full-disk access dopo che l'agente Meta Muse ha inviato una notifica non richiesta citando una conversazione privata su Messages. L'azienda dice che il livello di rischio cresce con l'autonomia degli agenti AI e vuole garantire consenso informato prima di concedere questo accesso. arstechnica.com ➚
OpenAI avvia il watermarking dei testi per l'AI Act UE
OpenAI introduce il watermarking automatico per gli output di ChatGPT nell'Unione Europea, in risposta alle norme di provenienza testuale dell'AI Act. L'accesso agli strumenti di rilevamento parte in via prioritaria dai ricercatori. openai.com ➚
Commenti dalla community