Le Agent Skills alla AAIF e notizie AI, 23 ottobre 2026

In breve: il 23 ottobre 2026 le notizie AI partono da Anthropic, che dona lo standard Agent Skills alla Agentic AI Foundation della Linux Foundation e pubblica una ricerca sulla verifica formale del codice con Claude. OpenAI porta in disponibilità generale la Decisions API, Google Cloud apre l'accesso a Claude gestito direttamente da Anthropic, Mistral aggiunge GLM 5.3 Flash di Z.ai alla sua piattaforma, Cohere lancia il confidential computing e Microsoft pubblica su Science lo studio su MAI-DxO. Chiudono quattro paper arXiv su memoria e agenti.

Otto notizie e quattro paper dal 21 e 22 ottobre, con i canali ufficiali dei laboratori controllati uno per uno: da xAI, Meta, Qwen, DeepSeek e Moonshot non ci sono annunci nuovi in questa finestra. La donazione delle Agent Skills e la verifica formale sono tra le cinque notizie del numero di oggi. Le altre sezioni sono in Notizie tech, l'archivio in Notizie AI e l'uscita precedente nelle notizie AI del 22 ottobre. Per scrivere istruzioni che gli agenti seguono davvero c'è la guida su AGENTS.md, CLAUDE.md e regole di Cursor.

Laboratori e standard

Anthropic dona le Agent Skills alla Agentic AI Foundation

Fonte: Anthropic · 22 ottobre 2026

Lo standard Agent Skills passa alla Agentic AI Foundation della Linux Foundation, la stessa che ospita MCP: Anthropic cede il nome, il logo, l'organizzazione GitHub e il sito agentskills.io. Secondo Anthropic le skill sono supportate da oltre 70 piattaforme, ne sono state pubblicate un milione e hanno circa 280 milioni di installazioni. I responsabili saranno David Soria Parra e Mahesh Murag; la roadmap prevede release con versione, un processo per le proposte e linee guida di sicurezza.

Perché conta: una skill scritta oggi per Claude Code può girare su altri agenti con regole decise in modo neutrale. Le linee guida di sicurezza sono la parte da seguire, perché una skill è codice e istruzioni eseguiti con i permessi dell'agente.

Claude dimostra proprietà di sicurezza in 123 librerie con la verifica formale

Fonte: Anthropic · 22 ottobre 2026

In un lavoro con Theorem, Claude ha prodotto dimostrazioni a livello di assembly RISC-V per 123 librerie open source: sotto le ipotesi dichiarate, nessun crash e nessun errore di sicurezza della memoria per input fino a 64 MB. La ricerca descrive anche una specifica di zlib secondo la RFC 1950 per il kernel Linux e un interprete Python in Rust verificato con Verus. Theorem pubblicherà una skill per Claude.

Perché conta: la verifica formale era riservata a pochi progetti per il costo in tempo di esperti. Se un modello abbassa quel costo, le librerie usate ovunque possono avere garanzie dimostrate oltre ai test.

OpenAI: la Decisions API è disponibile per tutti con gpt-6-luna

Fonte: OpenAI, changelog dell'API · 22 ottobre 2026

L'endpoint v1/decisions per classificare, rispondere sì o no e assegnare punteggi diventa generalmente disponibile con gpt-6-luna. Le novità sono la cache dell'input condiviso tra richieste con lo sconto del prompt caching, immagini nelle istruzioni delle singole domande, dati strutturati con input_json e fino a 400 domande per richiesta, contro le 200 precedenti. Secondo TechCrunch OpenAI dice di aver portato la latenza da uno-tre secondi a 100-180 millisecondi e ha aggiunto le modalità voce e immagini alla versione pubblica.

Perché conta: molte funzioni di un prodotto sono decisioni brevi, non conversazioni: moderazione, smistamento dei ticket, controlli. Un endpoint dedicato e veloce costa meno di un modello generalista usato per lo stesso compito.

Modelli e piattaforme

Google Cloud: Claude anche nella versione gestita direttamente da Anthropic

Fonte: Google Cloud Blog · 22 ottobre 2026

È disponibile un'opzione di deployment dei modelli Claude su Google Cloud gestita da Anthropic, che dà accesso dal primo giorno a funzioni come Managed Agents in beta, skill ed esecuzione di codice. In questa modalità Anthropic è il responsabile del trattamento dei dati, mentre identità, log di audit, fatturazione e impegni di spesa restano quelli di Google Cloud. L'opzione gestita da Google continua a offrire VPC Service Controls, chiavi gestite dal cliente e residenza dei dati.

Perché conta: finora sui cloud le funzioni nuove di Claude arrivavano in ritardo. La scelta tra le due opzioni diventa un compromesso esplicito tra novità e controlli di conformità.

Mistral aggiunge GLM 5.3 Flash di Z.ai alla sua piattaforma

Fonte: Mistral AI, changelog · 22 ottobre 2026

Sulla piattaforma di Mistral arriva zai-glm-5-3-flash, il modello di Z.ai (Zhipu) multimodale Mixture-of-Experts da 320 miliardi di parametri, 18 miliardi attivi, con finestra di contesto da un milione di token. È pensato per agenti di sviluppo, coding visuale e uso complesso di tool. Il prezzo è di 0,15 dollari per milione di token in input, 0,03 per l'input in cache e 0,50 in output.

Perché conta: un fornitore europeo che ospita un modello cinese aperto amplia la scelta per chi vuole contratti e fatturazione in Europa. Il prezzo in output è tra i più bassi per un modello con contesto da un milione di token.

Cohere porta il confidential computing su Model Vault

Fonte: Cohere · 22 ottobre 2026

Model Vault, l'inferenza isolata di Cohere, entra in beta pubblica con il confidential computing delle GPU NVIDIA su Microsoft Azure. Prompt, documenti, risposte ed esecuzione del modello restano protetti anche mentre l'inferenza è in corso, i contenuti delle richieste sono cifrati da un capo all'altro attraverso l'infrastruttura intermedia e l'attestazione remota permette di verificare l'ambiente.

Perché conta: per sanità, finanza e pubblica amministrazione la domanda è chi può leggere i dati durante l'elaborazione. L'attestazione trasforma una promessa contrattuale in qualcosa che si può controllare.

MAI-DxO su Science: la diagnosi AI di Microsoft supera i medici sui casi difficili

Fonte: Microsoft AI · 22 ottobre 2026

Lo studio su MAI-DxO, il sistema diagnostico di Microsoft, è stato pubblicato su Science. Secondo Microsoft sui casi complessi del New England Journal of Medicine il sistema è più di due volte più accurato dei medici che usano libri e internet, e 1,7 volte più accurato sui casi comuni di pronto soccorso del dataset MIMIC-IV-ED, con meno esami. Secondo TechCrunch l'accuratezza sui casi del NEJM è dell'83% contro il 36% dei medici generalisti.

Perché conta: la pubblicazione su una rivista con revisione è un passo oltre i preprint. Restano test su casi selezionati: l'uso clinico richiede studi sul campo.

ThinkingBox-Training: lo stato del database come ricompensa per gli agenti

Fonte: Hugging Face e Microsoft · 22 ottobre 2026

Microsoft e Hugging Face rilasciano su GitHub ThinkingBox-Training, che usa i controlli sullo stato finale del database come ricompensa nel reinforcement learning. Con 50 passi di GRPO su Qwen3.8-27B il successo medio sale dal 51,70% al 60,78% e i compiti completati correttamente in tutti e venti i tentativi passano da 38 a 107.

Perché conta: un agente che dice di aver finito non è un agente che ha finito. Misurare lo stato reale del sistema è una ricompensa più onesta di un giudizio scritto da un altro modello.

Research: paper arXiv

Naive RAG batte le memorie agentiche complesse

Fonte: arXiv 2610.30755 · 22 ottobre 2026 · PDF

Gli autori confrontano Raw-RAG, recupero denso con reranking sulla cronologia grezza, con sistemi di memoria agentica che riscrivono e organizzano i ricordi. Su LoCoMo, LongMemEval, MEME e MemoryAgentBench Raw-RAG è primo in sei configurazioni su sette, con un vantaggio da 0,13 a 5,53 punti sul miglior sistema agentico.

Perché conta: prima di costruire una memoria sofisticata conviene misurare la base semplice. Conservare i dati grezzi resta importante anche quando si aggiungono riassunti.

I modelli migliorano da soli il proprio harness? Poco, su ARC-AGI-3

Fonte: arXiv 2610.30499 · 21 ottobre 2026 · PDF

Ogni modello costruisce un harness completo, gioca cinque giochi di sviluppo e riscrive il codice due volte; la valutazione avviene su venti giochi mai visti. Su 27 linee le prestazioni vanno da zero a quasi il massimo, ma due revisioni alzano il punteggio medio solo di 2,80 punti, con un intervallo che include lo zero.

Perché conta: i miglioramenti visti in sviluppo sovrastimano quelli reali. Chi lascia che un agente ottimizzi il proprio scaffold deve misurare su compiti separati.

Gli agenti LLM seguono la folla più degli umani

Fonte: arXiv 2610.30769 · 22 ottobre 2026 · PDF

Riprendendo l'esperimento Music Lab, grandi popolazioni di agenti raccomandano canzoni sconosciute vedendo o no il conteggio delle raccomandazioni altrui. Con il conteggio visibile nascono cascate estreme e imprevedibili, lontane dal valore reale dei brani; rispetto agli umani gli agenti sono molto più sensibili all'effetto gregge e si correggono meno.

Perché conta: sistemi multi-agente che si valutano a vicenda possono amplificare un errore iniziale. Nei giudizi automatici conviene nascondere i voti degli altri agenti.

AfterDeleteBench: cancellare un ricordo non basta

Fonte: arXiv 2610.31366 · 22 ottobre 2026 · PDF

Il benchmark misura se un agente con memoria persistente recupera un segreto dopo che il record originale è stato cancellato. Con Qwen2.5-7B-Instruct una sola domanda lo recupera in circa due casi su tre, e anche quando restano solo pezzi separati la ricostruzione riesce dal 62 al 99% delle volte con Qwen, Mistral e Phi-3.

Perché conta: riassunti e dati derivati portano con sé le informazioni cancellate. Per la privacy serve tracciare da dove viene ogni ricordo, non solo cancellare l'originale.