Settembre 2026
CUA‑Lite: piattaforma aperta che unifica sandbox, dati e training per agenti d'uso computer
CUA‑Lite unifica agenti, ambienti, tracce e framework di addestramento in un unico action space e schema dati. Lite.OSWorld esegue i benchmark in container Docker (0.9 GB vs 4.1 GB), semplificando distribuzione e scalabilità.
Hermes Desktop aggiunge setup one‑click per modelli locali: selezione hardware, download e runtime automatici
Nous Research introduce in Hermes Desktop un flusso one‑click che legge l'hardware, valuta quali build del modello entrano in VRAM, scarica i pesi e configura il runtime: semplificazione pratica del deployment locale di modelli open‑weights.
NVIDIA PAIR: un router virtuale open source per distribuire inferenza AI sulla rete locale
NVIDIA ha rilasciato PAIR, un virtual inference router in beta che scopre macchine sulla rete locale e distribuisce richieste di inferenza tra RTX, DGX Spark e Mac senza modificare gli agenti esistenti.
Anthropic rende open source Claude Commerce Agents: blueprint Apache‑2.0 per assistenti di shopping e agenti merchant
Anthropic ha pubblicato su GitHub un blueprint Apache‑2.0 per agenti di commercio che include shopping e merchant agent, best practice architetturali (skills vs subagent), componenti UI come tool, e linee guida su caching e latenza.
Switchyard di NVIDIA: un proxy Rust per instradare e tradurre il traffico LLM tra OpenAI e Anthropic
NVIDIA presenta Switchyard, un proxy e libreria open source in Rust che decodifica, instrada e ricodifica richieste LLM tra formati OpenAI e Anthropic, espone metriche Prometheus e offre algoritmi di routing componibili. È pre-alpha e pensato per valutazioni.
Quando l'AI vede male: perché piccoli cambiamenti visivi ingannano i modelli multimodali
I modelli multimodali possono cambiare valutazione per lievi alterazioni visive. Questo articolo spiega perché succede e propone controlli rapidi per verificare la stabilità di una risposta visiva dell'AI.
Muse Voice Transcribe: Meta unifica ASR, diarizzazione ed endpointing in un modello streaming
Meta presenta Muse Voice Transcribe, un modello autoregressivo in tempo reale che esegue streaming ASR, diarizzazione per 20+ speaker ed endpointing in un unico passaggio; disponibile via API, senza pesi open.
Gradium rende predefinito il nuovo modello TTS: 81,0% pass rate su casi difficili e 216 ms al primo audio
Gradium ha reso di default il suo nuovo modello TTS (disponibile dal 31 agosto 2026). L’azienda riporta un pass rate umano dell'81,0% su 500 frasi ‘hard-case’ multilingue e un P50 di 216 ms al primo audio su Coval; il dataset è open su Hugging Face.
EnvHarness: un layer programmabile che rende gli ambienti statici adattivi per l'addestramento di agenti
EnvHarness avvolge ambienti di benchmark immutabili con componenti programmabili e un designer LLM (EnvRigger) che genera wrapper. Risultati: fino a +9.0 punti OOD e -9.8% passi di esecuzione su benchmark selezionati.
Google rilascia Gemini Omni 1.1 Flash: estensione scena fino a 40s, controllo prime/ultime frame e 4K
Gemini Omni 1.1 Flash trasforma il modello video di Google in uno strumento diretto: estende le clip leggendo fino a 10s di contesto, permette di vincolare primo/ultimo frame, genera bozze economiche a 360p e upscalare output fino al 4K.