Il confine tra deterministico e ragionamento
Usare LLM per ogni task produce agenti inaffidabili e costosi. La soluzione non è un modello più grosso: è un'architettura ibrida con verifica deterministica.
Usare LLM per ogni task produce agenti inaffidabili e costosi. La soluzione non è un modello più grosso: è un'architettura ibrida con verifica deterministica.
I modelli più nuovi sono peggiori nel tool calling non-standard. Non è un bug: l'infrastruttura sta deformando l'intelligenza che la alimenta.
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'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.