Rassegna preparata con l'IA a partire dalle fonti linkate, sotto la supervisione di Alberto Gaia.
Revolut ha spostato l’IA che usano i suoi sviluppatori su GLM, il modello a pesi aperti di Z.ai, fatto girare sui propri server, e dice di aver tagliato di circa il 90% i costi di inferenza rispetto ai servizi commerciali come Claude Code. Nella rassegna di oggi anche la retromarcia di Google sull’IA nelle scuole americane, il caso di Postman che installa plugin dentro Claude Code e Codex senza chiedere, le due acquisizioni di CrowdStrike nella sicurezza degli agenti, l’addio di Cat Wu ad Anthropic e le critiche allo studio su GPT-6 Astra che riscrive i pesi di Qwen.
Revolut e GLM: il coding con l’IA ora gira in casa
Il racconto arriva da David Abitbol, responsabile operations e infrastruttura di Revolut, intervenuto alla conferenza AI Engineer di New York e ripreso da The Register il 3 novembre. La fintech britannica ha dato strumenti di coding con l’IA a circa 2.000 ingegneri: prima Gemini a inizio 2025, poi Claude Code a inizio 2026. Poi è passata a modelli open weight ospitati in proprio, prima GLM-5.1 e ora GLM-5.3 di Z.ai, che gira su 56 GPU Nvidia B200. In meno di un anno i costi di inferenza per il coding sono scesi di circa il 90%: GLM-5.1 in casa costava circa 0,30 dollari per milione di token, più o meno un decimo di Codex o Claude Code.
Per arrivarci il team ha usato la quantizzazione NVFP4, ha separato le fasi di prefill e decode e ha regolato parametri e lunghezza del contesto. Secondo Abitbol il tempo al primo token resta sotto i 3 secondi con circa 256.000 token di contesto, la velocità è di circa 200 token al secondo e dopo le 17 sale verso gli 800. GLM lavora solo sul testo, quindi un router manda le richieste con immagini a Gemini o ai modelli GPT. Revolut indica anche un miglioramento del 60% sul tempo di coding e del 70% sul lead time.
Google fa marcia indietro sull’IA nelle scuole
Il New York Times aveva riportato che Google avrebbe spento la ricerca per le scuole che rifiutano del tutto l’IA, mentre portava in Classroom il suo Guided Learning. Le reazioni sono state immediate: il senatore Bernie Sanders ha parlato di estorsione, il sindaco di New York Zohran Mamdani ha accusato Google di usare il proprio monopolio per imporre l’IA nelle scuole pubbliche e l’ex presidente della FTC Lina Khan ha messo in guardia dal lasciare un servizio essenziale in mano a un monopolista senza regole.
Lo stesso giorno, il 3 novembre, Google ha cambiato rotta, come riporta CNBC: Gemini, Gemini Notebook e la Ricerca saranno disattivati di default e le scuole potranno riattivarli uno per uno. AI Mode e AI Overviews proporranno spiegazioni passo passo invece della risposta pronta. Google non ha chiarito se la ricerca si potrà usare senza IA: Chris Phillips, vicepresidente per l’istruzione, ha detto al NYT che le due cose sono profondamente integrate. A ottobre i senatori Richard Blumenthal e Josh Hawley avevano aperto un’indagine sull’IA di Google nelle classi.
Postman installa plugin in Claude Code e Codex senza chiedere
Un issue su GitHub aperto il 25 ottobre è finito il 3 novembre in cima a Hacker News, con oltre 1.100 punti. Secondo chi l’ha segnalato, Postman desktop installa da solo i propri plugin negli agenti di coding: in Codex aggiunge a config.toml il marketplace di Postman, un hook che parte all’avvio della sessione e un server MCP su mcp.postman.com, in Claude Code abilita il plugin in settings.json, e scrive voci anche nelle configurazioni di GitHub Copilot e Cursor. Un utente riferisce che la disinstallazione dall’app non rimuove la voce di Copilot.
Il 3 novembre un rappresentante di Postman ha risposto nel thread: la CLI e i plugin per agenti sono inclusi perché molti utenti avevano difficoltà a installarli e collegarli separatamente, l’azienda sta rivedendo l’approvazione degli hook e il comportamento all’avvio della sessione, e i singoli componenti si possono disinstallare dall’app.
Pausa dalla rassegna, giusto il tempo di una vignetta.
CrowdStrike compra Fiddler e Dreadnode per la sicurezza degli agenti
CrowdStrike ha annunciato il 3 novembre l’acquisizione di Fiddler AI, che monitora gli agenti di IA, e di Dreadnode, startup che fa test di sicurezza sui sistemi di IA. L’azienda non ha comunicato le cifre, ma secondo il Wall Street Journal l’operazione vale circa 495 milioni di dollari: circa 400 per Fiddler e circa 95 per Dreadnode, in gran parte in contanti e in parte in azioni. La chiusura è prevista entro il quarto trimestre dell’anno fiscale 2027 di CrowdStrike, che termina il 31 gennaio 2027. Lo stesso giorno l’azienda ha presentato un AI Kill Switch in Falcon Guardian (SecurityWeek).
Cat Wu lascia Anthropic e Claude Code
Cat Wu, responsabile di prodotto di Claude Code, ha annunciato su X il 3 novembre di aver lasciato Anthropic dopo circa due anni (Unite.AI). Era entrata in azienda ad agosto 2024 come product manager nel team Research PM; prima aveva lavorato come product engineer in Scale AI e Dagster e poi nel venture capital. Nel messaggio di saluto ha ringraziato i team di Claude Code, Cowork e Tag. Non ha detto dove andrà. L’uscita arriva poche settimane dopo il deposito dell’S-1 con cui Anthropic ha chiesto la quotazione in Borsa, il 26 ottobre.
Chiudiamo con GPT-6 Astra, i pesi di Qwen e un portatile
Torna lo studio del MIT su GPT-6 Astra che modifica i pesi di altri modelli, di cui abbiamo parlato nella rassegna di ieri. Matthew Honnibal, creatore della libreria spaCy, ha pubblicato il 3 novembre un’analisi in cui lo definisce fuorviante: solo 3 dei 10 esperimenti leggono davvero i pesi grezzi senza Python né strumenti, e riguardano reti tra 17.000 e 172.000 pesi. Il risultato più citato su Qwen usa un’altra tecnica, con Python e fino a 50 esecuzioni del modello su problemi di prova, e due esperimenti ripetuti su Gemma 3 non hanno funzionato.
Lo stesso giorno Simon Willison ha provato alcuni prompt dello studio sul suo portatile con Qwen 3.8 27B quantizzato (circa 17 GB), chiedendo di indovinare a quale gioco era stata addestrata una rete guardando solo i pesi. Il modello ha riconosciuto Pac-Man, Pong e Breakout con una confidenza tra il 72% e l’88%, impiegando tra 46 minuti e poco più di un’ora per ogni risposta; su Freeway ha sbagliato. Kimi K3.1 Pro, via cloud, ha riconosciuto Breakout in meno di 10 minuti.
E voi? Se il modello che usate per programmare girasse sui vostri server a un decimo del costo, sareste disposti a gestire GPU e ottimizzazioni pur di non dipendere da un fornitore? Per capire come si calcolano i costi dei modelli c’è la guida alle API di intelligenza artificiale.
Lascia un commento