Migliori modelli, peggiori strumenti
I modelli più nuovi sono peggiori nel tool calling non-standard. Non è un bug: l'infrastruttura sta deformando l'intelligenza che la alimenta.
I modelli più nuovi sono peggiori nel tool calling non-standard. Non è un bug: l'infrastruttura sta deformando l'intelligenza che la alimenta.
Tra DSpark, hardware accessibile e advocacy organizzata, eseguire modelli SOTA in locale non è più da hobbisti. Un'alternativa concreta alle API cloud.
OpenAI, Google, Microsoft e LangChain competono sul miglior framework agentico. Anthropic ha vinto senza costruirne uno: MCP connette tutti.
Claude Sonnet 5 costa più di quanto sembri: il nuovo tokenizer produce il 30% in più di token a parità di prezzo. E non è l'unico costo nascosto.
I modelli piccoli eguagliano i giganti. Ma la distillazione concentra il valore, non lo diffonde.
I modelli sono commodity. Eppure nessuno si fida del codice AI senza rileggerlo.
Costruiamo agenti autonomi senza osservarli. L'AI agentica è dove era l'infrastruttura server prima di DevOps: opaca per default.
L'AI non ha più una frontiera sola. Ne ha tre, parallele e divergenti. Chi usa ancora la vecchia mappa sta già perdendo.
Due gruppi indipendenti dimostrano che l'RL puro per agenti tool-using collassa. La soluzione non è un reward migliore, ma un verifier che si evolve insieme al modello.
L'esperienza non è un archivio di pattern. È una relazione col mondo che si costruisce nel tempo, e si perde più facilmente di quanto si creda.
L’innovazione utile nasce dall’ascolto, dalla semplicità, dalla capacità di risolvere problemi reali. Non serve stupire: serve migliorare. E forse, più che innovazione, dovremmo chiamarla semplicemente cambiamento.
L’innovazione non è un workshop né una roadmap: è tensione, rischio, intraprendenza. Richiede visione per immaginare ciò che non c'è ancora, azione per alterare l’equilibrio, determinazione per resistere e fortuna nel caos