Mistral Large 4 e altre notizie AI, 30 ottobre 2026

In breve: il 30 ottobre 2026 le notizie AI partono da Mistral, che pubblica i pesi di Mistral Large 4, un modello multimodale da circa mille miliardi di parametri con contesto da un milione di token, e annuncia una collaborazione con NVIDIA sull'ingegneria. OpenAI dà fino a 500 dollari al mese di crediti API agli abbonati Pro e Business e raddoppia i limiti d'uso, aggiorna il Model Spec e spiega come cerca il disallineamento nei modelli di frontiera. Anthropic lancia una nuova API per consumi e costi, Gemini modifica i file direttamente in chat e IBM aggiorna Granite Switch. Chiudono ProtoStar, i modelli vocali di Hugging Face per Apple, l'app di moda di Meta e quattro paper arXiv.

Nove notizie dai laboratori e quattro paper usciti tra il 28 e il 29 ottobre, dopo le notizie AI del 29 ottobre. Il furto da Binance e le falle negli strumenti AI per sviluppatori sono nelle notizie cybersecurity di oggi, le cinque principali nel numero di oggi, l'archivio in Notizie tech. Per far girare in locale modelli open come questi c'è la guida sui runtime Ollama, LM Studio, llama.cpp e vLLM, e per tenere sotto controllo la spesa quella sul prompt caching nelle API.

Laboratori e modelli

Mistral pubblica i pesi di Mistral Large 4

Fonte: Mistral AI · 29 ottobre 2026

Mistral Large 4 è un modello Mixture-of-Experts nativamente multimodale da circa mille miliardi di parametri, con 49 miliardi di parametri attivi per token (52 contando embedding e strati di uscita), 128 esperti instradati più uno condiviso e un contesto da un milione di token. Ha tre modalità di ragionamento (bassa, media, alta) e secondo Mistral ottiene il 41% su Terminal-Bench 4.0, 13 punti più dell'anteprima con il 30% di token in uscita in meno; è stato addestrato in Europa su 3.800 GPU Grace Blackwell. I pesi sono su Hugging Face con licenza Mistral Ecosystem Open-Weight, una variante della MIT, e il modello è anche nell'API; il supporto è arrivato in Transformers 5.22.0.

Perché conta: è il modello più grande e capace di Mistral e arriva con i pesi aperti. Chi vuole ospitarlo in proprio ha bisogno comunque di un cluster di GPU, ma può farlo senza dipendere da un fornitore extraeuropeo.

Mistral e NVIDIA insieme sull'AI per l'ingegneria

Fonte: Mistral AI · 29 ottobre 2026

Le due aziende integrano i modelli di Mistral con il calcolo accelerato e gli strumenti di simulazione fisica di NVIDIA, Omniverse compreso, per accorciare i cicli di simulazione e progettazione. La collaborazione prevede benchmark pubblici e dataset aperti per valutare l'AI fisica e agentica nell'ingegneria assistita dal computer.

Perché conta: nell'ingegneria industriale mancano metriche condivise per confrontare i modelli, e benchmark aperti renderebbero verificabili le promesse dei fornitori.

OpenAI: crediti API per gli abbonati Pro e Business

Fonte: Simon Willison · 29 ottobre 2026

Chi ha un abbonamento ChatGPT da 100, 200 o 500 dollari al mese riceve la stessa cifra in crediti da usare su un'organizzazione dell'API OpenAI, come fa Anthropic dall'inizio di ottobre con Max e Team. Lo stesso giorno, secondo BleepingComputer, OpenAI ha raddoppiato i limiti d'uso dei piani Pro e Business Premium dopo le proteste per un taglio annunciato del 50%.

Perché conta: per chi già paga un piano alto, prototipi e demo sull'API diventano di fatto gratuiti fino alla soglia. La concorrenza tra OpenAI e Anthropic si sposta sui pacchetti per sviluppatori.

OpenAI aggiorna il Model Spec e spiega come cerca il disallineamento

Fonte: OpenAI · 29 ottobre 2026

La nuova versione del Model Spec, il documento che descrive come dovrebbero comportarsi i modelli di OpenAI, introduce cinque valori di fondo per guidare modelli più capaci verso giudizi solidi, autonomia delle persone e fedeltà alle intenzioni umane. In un secondo articolo OpenAI descrive il monitoraggio a più livelli con cui cerca segnali di disallineamento e comportamenti non autorizzati degli agenti nei modelli di frontiera.

Perché conta: sono i documenti a cui fare riferimento quando un agente basato su questi modelli si comporta in modo inatteso.

Anthropic lancia la Usage and Cost Analytics API

Fonte: Anthropic · 29 ottobre 2026

La nuova API, in beta con l'header analytics-usage-cost-2026-08-24, espone gli endpoint /v1/organizations/analytics/usage e /v1/organizations/analytics/cost, con token e costi filtrabili per modello, workspace, chiave API e utente o account di servizio. La vecchia Usage and Cost API diventa legacy ma resta supportata. Il 28 ottobre il limite delle richieste a Messages e Token Counting è salito da 32 a 128 MB.

Perché conta: chi divide la spesa tra team e clienti ottiene i costi già raggruppati per chiave e per utente, senza ricostruirli dai log.

Gemini modifica documenti, fogli e PDF direttamente in chat

Fonte: The Verge · 29 ottobre 2026

Da ieri tutti gli utenti di Gemini possono generare, vedere in anteprima e modificare PDF, Google Docs, Google Sheets, presentazioni, file Markdown, testo e codice senza uscire dall'app. Si può evidenziare una parte del file e chiedere una modifica, per esempio trasformare una tabella in un grafico; l'anteprima e la modifica dei PDF funzionano anche su mobile, gli altri formati per ora solo sul web.

Perché conta: l'assistente diventa anche l'editor, e il passaggio a Docs o Sheets serve solo per condividere.

IBM aggiorna Granite Switch alla 4.1.1

Fonte: Hugging Face · 29 ottobre 2026

È una patch compatibile con la versione precedente: aggiorna il riconoscimento vocale Granite Speech, ora in dieci lingue con punteggiatura, e l'adattatore Decision, lasciando invariato il modello di base. IBM annuncia un Adapter SDK in arrivo.

Perché conta: aggiornare gli adattatori senza toccare il modello base permette di distribuire correzioni come si fa con il software.

Ricerca e piattaforme

Project ProtoStar rende la ricerca pubblica pronta per l'AI

Fonte: Hugging Face · 29 ottobre 2026

L'iniziativa riunisce Carnegie Mellon, Purdue, Georgia Tech, Arizona State e George Washington University, l'Astera Institute, Hugging Face come partner per l'infrastruttura e la community ORCA, per pubblicare dataset, modelli e codice finanziati con fondi pubblici in formati leggibili dalle macchine. La prima sfida aperta, ospitata da Carnegie Mellon, parte il 2 novembre.

Perché conta: molti dati scientifici esistono ma sono difficili da riusare; formati comuni su infrastruttura aperta abbassano il costo di partenza per chi addestra modelli scientifici.

Hugging Face porta modelli vocali aperti sulle piattaforme Apple

Fonte: Hugging Face · 29 ottobre 2026

AnySpeechRecognizer replica l'API di riconoscimento vocale di Apple ma lascia scegliere il motore, tra cui Parakeet di NVIDIA e Qwen3-ASR di Alibaba eseguiti in locale con Core ML; AnyDecisionModel risponde a domande sì/no, a scelta multipla e su scala con un modello sul dispositivo tramite MLX, Core AI o llama.cpp. I modelli si scaricano dall'Hub: circa 600 MB per ogni Parakeet, da 0,9 a 2,4 GB per Qwen3-ASR.

Perché conta: per chi sviluppa app per iPhone e Mac basta cambiare l'import per provare un modello diverso da quello di sistema, anche per lingue come il cantonese.

Meta prova Style Sketch, un'app di moda basata sull'AI

Fonte: TechCrunch · 29 ottobre 2026

L'app costruisce un guardaroba virtuale a partire dalle foto pubblicate su Instagram o caricate a mano e propone abbinamenti, da provare su un modello realistico adattato alla corporatura. Per ora è disponibile su iOS e Android solo in Indonesia, Singapore e Thailandia, e Meta non ha commentato.

Perché conta: Meta continua a testare app AI separate in mercati limitati, usando i dati già presenti su Instagram come vantaggio.

Paper della settimana

Restart degli agenti: l'accuratezza del monitor non basta

Fonte: arXiv 2610.36544 · PDF

Gli autori mostrano che un monitor con accuratezza fissa al 90% può portare da una perdita di cinque punti a un guadagno di 35 nel tasso di successo, a seconda di quanto è probabile che il nuovo tentativo riesca con il budget rimasto. Propongono un audit sulle tracce esistenti che dice se conviene ripartire, continuare o astenersi, e lo provano su 194 esecuzioni su problemi di SWE-bench Verified.

Perché conta: chi riavvia automaticamente un agente bloccato dovrebbe misurare il valore della decisione, non solo la precisione del rilevatore.

Correzione o manipolazione? Gli agenti sotto pressione

Fonte: arXiv 2610.36453 · PDF

Lo studio mette alla prova sette modelli di quattro produttori con utenti simulati che spingono verso risposte giuste o sbagliate. Citare una fonte non verificabile ha reso cinque modelli su sette più propensi a cedere e quattro meno capaci di distinguere una correzione da una manipolazione, mentre un tono più insistente ha contato poco.

Perché conta: un agente di assistenza clienti che cede a una citazione inventata è un rischio concreto per le politiche di verifica degli account.

Contare le bende: misurare il tempo che l'AI fa risparmiare

Fonte: arXiv 2610.35942 · PDF

Il paper propone di leggere il tempo risparmiato insieme ai difetti che sfuggono ai controlli e calcola un costo di pareggio per difetto. Rianalizzando i dati pubblici dello studio di METR sugli sviluppatori, gli stessi 246 issue sostengono un rallentamento del 19% o del 24% a seconda della stima.

Perché conta: i numeri sulla produttività con l'AI dipendono molto da cosa si misura, e questo lavoro rende esplicite le scelte.

AutoVend: agenti che gestiscono distributori automatici

Fonte: arXiv 2610.36980 · PDF

Nel benchmark un agente gestisce 20 distributori in cinque tipi di luogo per 180 giorni simulati, con magazzino condiviso, tempi di approvvigionamento e prodotti che scadono. Quattro dei cinque modelli provati fanno peggio di una semplice regola di gestione delle scorte.

Perché conta: sulle decisioni economiche di lungo periodo una regola semplice batte ancora la maggior parte degli agenti.