News

Heise organizza una conferenza online il 15 ottobre dedicata ai modelli linguistici di grandi dimensioni (LLM) gestiti localmente nei data center aziendali, affrontando tematiche critiche come l'hardware necessario, l'ottimizzazione delle prestazioni e il fine-tuning dei modelli. I biglietti in early-bird sono disponibili fino al 25 settembre a 279 euro, con workshop aggiuntivi previsti per ottobre e novembre focalizzati su implementazione e efficienza operativa. Questo evento rappresenta un'opportunità importante per le aziende che desiderano comprendere come gestire i modelli linguistici in modo autonomo, evitando i costi elevati e i rischi di privacy associati alle soluzioni cloud.

Christian Weyer, co-fondatore e CTO di Thinktecture, analizza come l'intelligenza artificiale generativa sta rivoluzionando lo sviluppo software, passando da semplici chatbot a sistemi di agenti intelligenti. L'esperto sottolinea che il vero valore della GenAI non risiede nel suo conoscenza generale, bensì nella capacità di comprendere il linguaggio naturale, trasformandolo in interfaccia principale tra uomini e sistemi software. Weyer evidenzia l'importanza di mantenere l'uomo nel ciclo decisionale e di combinare il linguaggio naturale con l'architettura e la conoscenza del dominio.

Secondo Melissa Hadley, esperta senior di produttività IA presso IBM, i grandi modelli linguistici operano come "brillanti stagisti senza memoria e senza accesso ai sistemi aziendali". Due framework innovativi, Retrieval Augmented Generation (RAG) e Model Context Protocol (MCP), affrontano questa limitazione fondamentale, consentendo agli agenti IA di interagire con dati proprietari ed eseguire compiti nel mondo reale. La loro applicazione combinata trasforma l'IA da strumento isolato a risorsa aziendale proattiva e inestimabile.

L'articolo esamina sei strategie principali per personalizzare i modelli linguistici di grandi dimensioni (LLM), classificate dal minor consumo di risorse al maggiore: prompt engineering, strategie di decoding e sampling, retrieval augmented generation (RAG), agenti, fine-tuning e reinforcement learning from human feedback. Poiché addestrare un LLM da zero richiede risorse immense, questi approcci permettono alle organizzazioni di ogni dimensione di adattare modelli pre-addestrati alle loro esigenze specifiche e ai dati proprietari, senza necessità di risorse computazionali proibitive.

Augment Computing Inc. ha annunciato il lancio del supporto Model Context Protocol per la sua piattaforma di codifica basata su intelligenza artificiale, consentendo agli agenti IA di accedere alle sue capacità di ricerca semantica avanzate. La tecnologia Context Engine della società ha dimostrato miglioramenti delle prestazioni superiori al 70% su piattaforme come Claude Code, Cursor e Codex, risolvendo il problema comune degli agenti IA che generano allucinazioni e consumano token su contesti irrilevanti. Questa integrazione apre l'accesso alla tecnologia di Augment a qualsiasi piattaforma compatibile con MCP, permettendo agli sviluppatori di scrivere codice più velocemente con costi ridotti.

L'orchestrazione degli LLM è fondamentale per ottimizzare le prestazioni mantenendo sotto controllo l'utilizzo delle risorse. Questo articolo esamina 22 strumenti di orchestrazione divisi in due categorie: gateway aziendali che centralizzano l'accesso ai modelli linguistici e framework per sviluppatori che offrono pieno controllo sulla costruzione di workflow AI complessi.

L'agentic RAG (retrieval-augmented generation) è un approccio innovativo di intelligenza artificiale che combina il recupero di informazioni con la generazione di testo, permettendo ai sistemi AI di cercare, valutare e incorporare indipendentemente nuove informazioni nelle loro risposte. A differenza dei modelli linguistici tradizionali che si basano solo su informazioni apprese durante l'addestramento, l'agentic RAG accede a fonti esterne in tempo reale per fornire risposte più accurate e attuali. Questa tecnologia trova applicazioni trasversali in servizi clienti, educazione personalizzata, sistemi di raccomandazione e automazione dei processi aziendali.

Microsoft offre cinque corsi completi e gratuiti su GitHub che coprono data science, machine learning, intelligenza artificiale generativa, modelli linguistici di grandi dimensioni e sistemi agentici, eliminando la necessità di investire in costosi programmi di formazione. I corsi sono strutturati progressivamente, partendo dalle basi della data science fino alle applicazioni moderne di IA, includendo lezioni, quiz, esercitazioni pratiche e progetti reali. Grazie alla disponibilità di API gratuite, modelli open-source e piattaforme di sviluppo libere, la barriera all'accesso per imparare l'IA moderna è oggi significativamente più bassa rispetto al passato.

Ollama è una piattaforma open source che consente di eseguire modelli linguistici direttamente sul proprio computer senza dipendere da API esterne, garantendo privacy totale e azzerando i costi di inferenza. Con oltre 172mila stelle su GitHub e un'installazione completabile in dieci minuti, rappresenta la soluzione preferita da sviluppatori e professionisti che cercano controllo, privacy e autonomia dai servizi cloud. La guida illustra come installare Ollama su macOS, Windows e Linux, quali modelli scegliere e come integrarli negli ambienti di lavoro.

Mistral AI, startup parigina fondata nel 2023, ha rilasciato il 2 dicembre 2025 Mistral Large 3, un modello con 675 miliardi di parametri totali sotto licenza Apache 2.0, raggiungendo oltre 400mila download in 24 ore e posizionandosi al secondo posto nella classifica LMArena per modelli open-source. L'azienda rappresenta l'unico player europeo capace di competere alla pari con i laboratori americani e cinesi, mantenendo una valutazione che supera i sei miliardi di dollari grazie a una strategia di rilascio open-weights che ha attratto governi e aziende interessate alla sovranità dei dati.

xAI ha lanciato Grok Build, una command-line interface agentica per la generazione di codice, disponibile in beta per gli abbonati SuperGrok Heavy dal 14 maggio 2026. Il prodotto offre otto sub-agenti paralleli, una finestra di contesto di 2 milioni di token e un sistema di approvazione del piano prima dell'esecuzione, posizionandosi come alternativa competitiva a Claude Code di Anthropic e Codex CLI di OpenAI nel crescente mercato dei coding agent enterprise.

La retrieval augmented generation (RAG) è un'architettura che ottimizza le prestazioni dei modelli di intelligenza artificiale collegandoli a knowledge base esterne, permettendo agli LLM di fornire risposte più pertinenti e accurate senza necessità di riaddestramento costoso. La RAG consente alle organizzazioni di accedere a dati attuali e specifici del dominio, ridurre le allucinazioni AI e ampliare significativamente i casi d'uso dei modelli generativi. Questo approccio rappresenta una soluzione efficiente in termini di costi per implementare e scalare applicazioni di AI in vari settori, dai chatbot specializzati alla ricerca medica e all'analisi di mercato.

Nel 2026 tre architetture si contendono il ruolo di memoria esterna per i Large Language Model: RAG (dominante dal 2020 al 2024), LLM Wiki (proposto da Andrej Karpathy ad aprile 2026) e agentic search (standard de facto per applicazioni enterprise). Secondo Techment, il 75% delle applicazioni enterprise userà architetture ibride combinando questi tre approcci, con scelte che possono incidere fino a 500.000 dollari mensili sui costi cloud.

Google ha lanciato Gemini 3.5 Flash Cyber, un modello di intelligenza artificiale specializzato nella ricerca e correzione automatica delle vulnerabilità software, costruito sulla base di 3.5 Flash e ottimizzato per analizzare codici complessi in modo rapido ed efficiente. Il modello sarà inizialmente disponibile in un programma pilota ristretto per governi e partner affidabili attraverso CodeMender, con l'obiettivo di fornire ai difensori informatici strumenti avanzati per proteggere i sistemi prima che le vulnerabilità possano essere sfruttate. I test hanno dimostrato che 3.5 Flash Cyber supera significativamente i modelli attuali nella scoperta di vulnerabilità critiche e uniche in complessi database di codice come Chrome e Safari.

Google ha annunciato il rilascio di tre nuovi modelli Gemini progettati per migliorare l'efficienza, la latenza e l'affidabilità nella costruzione di agenti IA su larga scala. Gemini 3.6 Flash riduce l'utilizzo di token di output del 17% rispetto a 3.5 Flash, mentre 3.5 Flash-Lite offre la velocità massima a 350 token al secondo, e 3.5 Flash Cyber è specializzato nella rilevazione e correzione delle vulnerabilità di sicurezza informatica.

Meta sta implementando restrizioni significative sui contenuti con link pubblicati dalle pagine aziendali su Facebook, costringendo i gestori a pagare per superare una quota mensile limitata. Questo cambiamento, introdotto attraverso Meta One for Business, rappresenta una strategia importante per monetizzare ulteriormente la piattaforma e modificare il comportamento degli inserzionisti. L'iniziativa segnala un cambio di direzione nella gestione dei contenuti organici aziendali su Facebook.

OpenAI ha trasformato Habitat da una semplice libreria Python in una piattaforma di archiviazione distribuita a livello globale, capace di gestire oltre un miliardo di utenti ChatGPT e 22 milioni di richieste al secondo. Questo progetto rappresenta una delle più significative sfide di ingegneria infrastrutturale del decennio, dimostrando come le moderne applicazioni di intelligenza artificiale richiedono architetture completamente nuove per la gestione dei dati su scala planetaria.

Un importante ospedale pediatrico sta rivoluzionando il trattamento delle malattie cardiache nei bambini attraverso l'utilizzo di piattaforme di intelligenza artificiale open source sviluppate da NVIDIA. Questo approccio innovativo consente ai cardiologi pediatrici di ottenere diagnosi più precise e rapide, migliorando significativamente gli esiti dei pazienti e salvando vite. L'implementazione di questa tecnologia rappresenta un modello promettente per altre istituzioni sanitarie che desiderano integrare soluzioni AI avanzate nella pratica clinica.

Gemini Robotics ER 2 è il nuovo modello di Google che fornisce ragionamento spaziale in tempo reale, pianificazione multi‑passo e collaborazione tra più robot. Grazie alla comprensione video, alla classificazione di progresso e al rilevamento dei momenti critici, i robot possono auto‑correggersi, completare compiti complessi e lavorare insieme in modo sicuro. È già disponibile tramite API, Google AI Studio e una preview privata della piattaforma Enterprise Agent.

Google ha lanciato SL2T, un modello di traduzione lingua‑segni‑testo multilingue che porta l’intelligenza artificiale dalle aule di ricerca ai dispositivi di tutti i giorni. Il nuovo servizio, integrato in Gboard e Live Transcribe su Pixel 11, consente agli utenti sordi di parlare con il proprio telefono firmando in maniera naturale e veloce.