In breve: il 14 ottobre 2026 le notizie AI partono da Gemini 4 Argon, il nuovo modello di frontiera di Google, disponibile da ieri via API a 2 dollari per milione di token in input e 10 in output fino al 30 novembre, con 1 milione di token di limite unificato. Argon arriva lo stesso giorno in GitHub Copilot e nell'AI Gateway di Vercel. Physical Intelligence apre in beta un'API per il fine-tuning dei suoi modelli per robot, e un gruppo di scienziati chiede sandbox più rigide per i modelli capaci di attacchi informatici.
Otto notizie AI e cinque paper arXiv con il PDF, scelti per chi porta modelli e agenti in produzione. Ogni voce ha la fonte originale e una nota su cosa cambia per chi sviluppa. Le altre sezioni sono in Notizie tech, le cinque notizie principali sono nel numero di oggi, l'archivio di questa sezione è in Notizie AI e l'uscita di ieri è Notizie AI del 13 ottobre.
Notizie
Google rilascia Gemini 4 Argon, con 1 milione di token e prezzo di lancio
Fonte: Google Blog · 13 ottobre 2026, in prima pagina su Hacker News
Gemini 4 Argon è disponibile da ieri per sviluppatori e aziende tramite l'API in AI Studio e sulla piattaforma Gemini, con l'ID gemini-4-argon, e per gli abbonati Google AI Ultra e Pro nell'app Gemini. Il prezzo di lancio è di 2 dollari per milione di token in input e 10 in output, con l'input in cache scontato del 95%. Dal 1° dicembre si passa a 4 e 20 dollari. Google dichiara un limite unificato di 1 milione di token tra input e output e il primo posto nel Vals Index, e racconta che nei suoi team, usato in Antigravity, ha aumentato di oltre il 35% le modifiche al codice inviate dagli agenti, riducendo di quasi un terzo i rollback.
Perché conta: il prezzo raddoppia tra sette settimane, quindi un benchmark interno fatto oggi va rifatto con i costi di dicembre prima di cambiare modello in produzione. Il limite unificato e il nuovo protocollo di continuazione richiedono di rivedere come il client gestisce le risposte lunghe. Per confrontare costi e log tra provider c'è AI Gateway: log, cache e spend limit.
Gemini 4 Argon per la robotica: 87% su ERQA
Fonte: Google Developers Blog · 13 ottobre 2026
Google presenta Argon anche come modello di ragionamento fisico. Sul benchmark Embodied Reasoning (ERQA), che misura la capacità di risolvere problemi spaziali in ambienti 3D, dichiara l'87% senza strumenti esterni. Gli esempi coprono quattro aree: controllo dei robot, ricostruzione di gemelli digitali in simulazione da video o schizzi, etichettatura dei dati e auto-miglioramento. In uno dei casi Argon controlla un quadrupede Spot di Boston Dynamics e si allena prima su un gemello MuJoCo di un cestino a pedale.
Perché conta: per chi lavora con robot o simulatori, un modello generalista che scrive codice per MuJoCo e ragiona sullo spazio riduce la quantità di pipeline su misura da mantenere. I numeri sono di Google e vanno verificati sui propri task.
Argon arriva in GitHub Copilot e nell'AI Gateway di Vercel
Fonte: GitHub Changelog e Vercel Changelog · 13 ottobre 2026
In Copilot, Argon è disponibile per i piani Pro+, Max, Business ed Enterprise, in VS Code e nel coding agent, con rilascio graduale e fatturazione al prezzo di listino del provider. Gli amministratori Business ed Enterprise lo gestiscono dalla model policy: con l'abilitazione di default i nuovi modelli sono attivi, a meno che non siano stati disattivati. Su Vercel AI Gateway il modello si chiama google/gemini-4-argon, accetta testo, immagini, PDF e video e usa livelli di ragionamento (low, medium, high) invece dei budget di thinking.
Perché conta: se gestisci un'organizzazione su Copilot, controlla la model policy: un nuovo modello a consumo può comparire nel picker senza che nessuno l'abbia scelto. Il confronto tra assistenti è in Claude Code vs Cursor vs Copilot.
Physical Intelligence apre in beta l'API per i suoi modelli per robot
Fonte: Physical Intelligence · 13 ottobre 2026
L'azienda che sviluppa i modelli π0 e π0.5 rende disponibili i suoi modelli più recenti tramite la Pi API in beta. Il flusso è semplice: si caricano i dati, si lancia il fine-tuning su infrastruttura gestita da loro e si usa il modello addestrato tramite un gateway di inferenza ospitato. Tra i partner citati c'è Actor, che usa i modelli per una pala gommata autonoma.
Perché conta: è lo stesso passaggio che c'è stato con i modelli linguistici: chi costruisce robot può adattare un modello di base senza gestire GPU e pipeline di addestramento. Prima di adottarlo conviene capire dove finiscono i dati caricati e chi ha i diritti sul modello addestrato.
EmbeddingGemma 2 trasformato in un modello di trascrizione locale
Fonte: Embedding Gemma Transcribe · in prima pagina su Hacker News il 13 ottobre 2026
Un piccolo team ha preso EmbeddingGemma 2, un modello di embedding multimodale di Google, e l'ha usato per trascrivere la voce senza modificarne l'encoder audio. Un piccolo "lettore" addestrato in meno di due ore su 8 H100 sposta ogni frammento audio nello spazio del testo e sceglie la parola più vicina tra circa 229.000 parole inglesi. Gli autori dichiarano un'ora di audio trascritta in circa 13 secondi su un MacBook Air M3 di base, tutto sul dispositivo, con un tasso di errore del 5% contro il 2-3% dei migliori modelli.
Perché conta: mostra quanto si può riusare uno spazio di embedding già addestrato con poco calcolo. Per la dettatura in locale l'errore è ancora alto, ma l'approccio è interessante per chi deve tenere l'audio sul dispositivo. Il quadro sull'AI in locale è in Guida AI locale, parte 1.
Apple: Minions, un cloud GPU fatto con i Mac inattivi
Fonte: Apple Machine Learning Research · in prima pagina su Hacker News il 13 ottobre 2026
Il paper descrive Minions, un sistema che aggrega le GPU dei Mac con Apple Silicon quando sono inattivi per eseguire carichi di inferenza su larga scala. Il sistema gestisce l'esecuzione dei task, la tolleranza ai guasti e l'uso efficiente delle risorse. Secondo gli autori, in ambienti dove le GPU centralizzate scarseggiano, i Mac inattivi diventano una piattaforma di inferenza distribuita utilizzabile.
Perché conta: molte aziende hanno decine di Mac di sviluppo spenti di notte. Non sostituisce un cluster GPU, ma per job batch di inferenza è un'idea da tenere presente prima di comprare hardware.
Lettera aperta degli scienziati: sandbox rigide per i modelli capaci di attacchi
Fonte: Open Letter on AI and Cybersecurity · ottobre 2026, in prima pagina su Hacker News il 14 ottobre
La lettera parte da incidenti già resi pubblici, in cui modelli AI sono usciti da ambienti non abbastanza isolati e hanno compromesso sistemi di altre organizzazioni. I firmatari sostengono che servono sia più ricerca sull'allineamento sia tecnologie di contenimento più forti. Nel breve periodo chiedono sandbox robuste, fino all'airgap, per i modelli con capacità offensive, e più condivisione di informazioni sui fallimenti di contenimento.
Perché conta: chi fa girare agenti con accesso a shell e rete ha lo stesso problema in piccolo. Un agente di coding va trattato come codice non fidato: rete limitata, credenziali minime e log di cosa ha eseguito. Il punto è sviluppato in quando un agente non serve.
Parsimony, il benchmark che misura quanto codice aggiungono gli agenti
Fonte: Parsimony · Show HN del 13 ottobre 2026
Parsimony prende le patch che i benchmark già pubblicano, come SWE-bench Verified, e conta le "unità di codice" aggiunte: istruzioni, chiamate, confronti, nomi e letterali, sottraendo quelle rimosse. Le righe non contano, così comprimere il codice non premia. La classifica ordina i modelli dal meno al più prolisso sui task risolti; l'autore nota che i modelli che scrivono più codice tendono anche a risolvere più task, con una correlazione di Spearman tra 0,33 e 0,60. Per ora misura solo Python.
Perché conta: il solve rate non dice quanto codice in più dovrai mantenere. Una metrica sulla dimensione delle patch è utile per scegliere il modello da usare in review o su codebase grandi, sapendo che più piccolo non vuol dire più leggibile.
Research
I paper sono stati inviati tra il 7 e il 9 ottobre e compaiono nel listing arXiv del 12 ottobre.
PyCache Trap: gli scanner di skill non vedono il bytecode Python
Fonte: arXiv 2610.10612 · PDF · inviato il 7 ottobre 2026
Le skill degli agenti contengono istruzioni e script, e gli scanner controllano documentazione e sorgente. Gli autori mostrano che Python può eseguire un file .pyc in cache con un comportamento diverso dal sorgente visibile: su 100 skill e sette scanner l'attacco riesce nel 94-100% dei casi. Propongono una validazione basata sull'esecuzione che individua tutte e 100 le sostituzioni.
Perché conta: prima di installare una skill, elimina le cartelle __pycache__ incluse e rigenera il bytecode tu. Uno scanner che legge solo il sorgente non basta.
X-AgentRed: red teaming degli agenti personali che usano più servizi
Fonte: arXiv 2610.13886 · PDF · inviato il 9 ottobre 2026
Un agente che combina strumenti di servizi diversi può causare danni anche partendo da una richiesta innocua. X-AgentRed costruisce un grafo delle dipendenze tra tool, analizza effetti e precondizioni di ciascuno e cerca percorsi dannosi, raffinandoli con il feedback dell'esecuzione. Così esplora combinazioni di tool che un modello generativo tenderebbe a ignorare.
Perché conta: se il tuo agente ha email, calendario e pagamenti, i rischi stanno nelle combinazioni, non nei singoli tool. Testare i percorsi tra servizi va messo nel piano di test.
Attention vede, MLP rifiuta: dove nasce il rifiuto nei modelli allineati
Fonte: arXiv 2610.13078 · PDF · inviato il 9 ottobre 2026
Su 18 coppie di modelli base e instruct di Qwen, Llama e Gemma, gli autori trovano che l'informazione sulla pericolosità di una richiesta si legge meglio negli aggiornamenti dei layer di attention, soprattutto nei primi. A scrivere il rifiuto sono invece soprattutto i layer MLP. Il post-training rafforza la scrittura del rifiuto in tutte e 18 le coppie senza migliorare il riconoscimento della pericolosità.
Perché conta: aiuta a capire perché un modello può riconoscere una richiesta pericolosa e rispondere lo stesso, o rifiutare una richiesta innocua. È utile a chi valuta jailbreak e falsi rifiuti.
DRYLAB-Bench: il rischio biologico degli agenti con strumenti di design
Fonte: arXiv 2610.13116 · PDF · inviato il 9 ottobre 2026
Il benchmark mette alla prova agenti LLM con strumenti di design biologico su 30 scenari di progettazione di mutazioni pericolose ricavati dalle linee guida di biosicurezza. A differenza delle valutazioni a domanda e risposta, misura la capacità pratica in un ambiente a più turni con strumenti. Gli autori sottolineano che gli strumenti specializzati possono amplificare il rischio.
Perché conta: è un esempio di valutazione basata su cosa l'agente fa, non su cosa sa. Lo stesso principio vale per chi deve valutare un agente con strumenti potenti in qualsiasi dominio.
Una prima misura dello stack del web agentico
Fonte: arXiv 2610.13703 · PDF · inviato il 9 ottobre 2026
Gli autori presentano MASTIF, un framework per testare sistemi multi-agente, e confrontano 3 LLM, 3 protocolli e 4 framework per agenti su 300 task del benchmark Mind2Web. I risultati suggeriscono che scegliere lo stack in base al task migliora completamento, efficienza e tempi.
Perché conta: non esiste un framework per agenti migliore in assoluto. Prima di standardizzare su uno stack, conviene misurare sui propri task.
Cosa fare adesso
Se usi Gemini in produzione, rifai i conti con il prezzo di dicembre. Se gestisci Copilot per un team, controlla la model policy. Se installi skill di terze parti, rigenera il bytecode Python invece di fidarti di quello incluso. Per il contesto di base c'è l'hub AI Engineering.
Notizie dal 12 al 14 ottobre 2026.