Opt-out dall'addestramento e notizie AI, 31 ottobre 2026

In breve: il 31 ottobre 2026 le notizie AI partono da un segnale comune in robots.txt per dire no all'addestramento: Google, Microsoft, OpenAI e Anthropic dicono che lo rispetteranno, sulla base di una bozza IETF. OpenAI rilascia GPT-6 Rosalind per la ricerca biologica con accesso controllato, Anthropic annuncia la fine della modalità veloce di Opus 4.8 e NVIDIA presenta NemoClaw per costruire agenti su uno stack proprio. Google racconta il primo satellite Suncatcher con Gemma 4 in orbita e un metodo di "sonno" per far ricordare ai modelli quello che imparano. Chiudono Apple Intelligence in Cina con Qwen, safeagents di Hugging Face, un emulatore NES dentro i pesi di Qwen e cinque paper arXiv.

Nove notizie dai laboratori e cinque paper usciti tra il 29 e il 30 ottobre, dopo le notizie AI del 30 ottobre. L'estensione Claude Code compromessa nel marketplace di Cursor è nelle notizie cybersecurity di oggi, le cinque principali nel numero di oggi, l'archivio in Notizie tech. Per far girare modelli aperti sul proprio computer c'è la guida ai runtime Ollama, LM Studio, llama.cpp e vLLM, e per capire quando un agente è di troppo quella su quando un agente non serve.

Laboratori e modelli

Un segnale unico in robots.txt contro l'addestramento AI

Fonte: Google Search Central · 30 ottobre 2026

I siti potranno usare un "policy token" condiviso dentro robots.txt per dire a più fornitori di AI, con una sola regola, che non vogliono essere usati per l'addestramento. Il meccanismo viene dal lavoro del gruppo AIPREF dell'IETF ed è descritto nella bozza draft-kelley-aipref-training-preference-signal, che non introduce nuove direttive ma riusa i gruppi di robots.txt. Google tratterà l'opt-out come un blocco di Google-Extended, Microsoft separa le preferenze per addestramento e risposte di Bing e Copilot, e OpenAI ha confermato che lo rispetterà. Secondo The Verge, Anthropic lo applica già, Google e Microsoft dal prossimo anno, OpenAI nei prossimi mesi.

Perché conta: oggi chi gestisce un sito deve elencare a mano i crawler di ogni azienda. Con un segnale unico basta una riga, e i controlli specifici come Google-Extended restano validi per chi vuole regole diverse per fornitore.

OpenAI rilascia GPT-6 Rosalind per la biologia

Fonte: changelog dell'API OpenAI · 30 ottobre 2026

GPT-6 Rosalind porta il ragionamento biologico specializzato e l'uso di strumenti scientifici nella ricerca sulle scienze della vita. L'accesso è riservato alle organizzazioni approvate per Rosalind Research tramite il programma di accesso fidato, per ricerca interna di utenti autorizzati; la versione precedente, GPT-Rosalind, era disponibile con lo stesso programma da settembre.

Perché conta: è il primo modello della famiglia GPT-6 dedicato a un dominio scientifico, e l'accesso controllato mostra come i laboratori gestiscono le capacità con rischi biologici.

Anthropic chiude la modalità veloce di Claude Opus 4.8

Fonte: note di rilascio della Claude Platform · 30 ottobre 2026

La modalità veloce di Opus 4.8 è deprecata e verrà rimossa il 30 novembre 2026: dopo quella data le richieste a claude-opus-4-8 con speed: "fast" restituiranno un errore, senza ripiego sulla velocità standard. Per continuare a usarla bisogna passare a Claude Opus 5.5; la stessa indicazione è nelle note di Claude Code 2.1.314.

Perché conta: chi ha integrazioni in produzione con la modalità veloce ha un mese per cambiare modello, altrimenti le chiamate falliscono.

NVIDIA NemoClaw: agenti specializzati su uno stack proprio

Fonte: NVIDIA Technical Blog · 30 ottobre 2026

NemoClaw è un insieme di blueprint aperti che uniscono un harness per agenti, i modelli Nemotron, gli strumenti di ottimizzazione NeMo e il runtime sicuro OpenShell, che controlla l'accesso dell'agente a file, rete, credenziali e strumenti. Come orchestratore supporta OpenClaw, Hermes Agent e LangChain Deep Agents; secondo NVIDIA, LangChain ha tarato Deep Agents su Nemotron 3 Ultra con prestazioni vicine ai modelli di frontiera a circa un decimo del costo per esecuzione.

Perché conta: è un'alternativa completa per chi vuole agenti in casa propria, dal data center a una workstation RTX, senza rinunciare a permessi e telemetria.

Apple Intelligence arriva in Cina con Qwen di Alibaba

Fonte: Apple Newsroom Cina · 30 ottobre 2026

Le prime funzioni di Apple Intelligence per gli utenti cinesi, tra cui traduzione in tempo reale, strumenti di scrittura e intelligenza visiva, arrivano in beta per sviluppatori dal 4 novembre e con iOS 27.3 a dicembre. Apple ha stretto un accordo con Alibaba per usare Qwen in Siri, negli strumenti di scrittura e nell'intelligenza visiva; le altre piattaforme seguiranno dopo le approvazioni necessarie.

Perché conta: la Cina è uno dei mercati più grandi dell'iPhone e finora era esclusa dalle funzioni AI. Il modello di un partner locale è la strada che Apple ha scelto per rispettare le regole cinesi.

Ricerca e piattaforme

Google Suncatcher: il primo satellite data center è in orbita

Fonte: TechCrunch · 30 ottobre 2026

Il prototipo del progetto Suncatcher porta quattro TPU e genera fino a 1 kW, ed è operativo dopo circa tre settimane di collaudo. Il primo prompt inviato da terra ha chiesto a Gemma 4, caricato a bordo, un haiku sullo spazio; per i limiti di potenza una TPU può restare accesa solo per circa 20 minuti alla volta.

Perché conta: è il primo test reale dell'idea di spostare parte dell'inferenza in orbita, dove l'energia solare è continua. I limiti di potenza mostrano quanto sia ancora lontana una rete di satelliti utile.

Google e il "sonno" per l'apprendimento continuo dei modelli

Fonte: Google Research · 27 ottobre 2026, discusso il 30 ottobre su Hacker News

Il metodo alterna fasi di apprendimento e fasi di "sonno" in cui il modello consolida nei parametri quello che ha visto nel contesto e genera dati sintetici per esercitarsi, riducendo l'oblio catastrofico. Secondo Google, su BABILong scala quasi senza perdite fino a 10 milioni di token e su AIME 24 raggiunge il 79,2%, sopra fine-tuning supervisionato e GRPO.

Perché conta: oggi i modelli restano fermi alla data di addestramento. Un modo affidabile per aggiornarli senza fargli dimenticare il resto cambierebbe il modo in cui vengono mantenuti.

Hugging Face pubblica safeagents per filtrare le azioni degli agenti

Fonte: GitHub · 28 ottobre 2026

safeagents è un proxy locale da mettere tra l'agente e il server del modello: controlla ogni chiamata a uno strumento prima che l'harness la veda e sostituisce quelle bloccate con un avviso testuale, così l'harness non esegue nulla. Funziona con qualsiasi harness che permetta di cambiare l'indirizzo dell'API, si installa come strumento uv e ha una modalità --log-only per osservare senza bloccare.

Perché conta: sposta i controlli fuori dall'agente, in un punto che il modello non può aggirare, ed è un approccio utile dopo i casi recenti di estensioni e plugin compromessi.

nesformer: un Nintendo NES dentro i pesi di Qwen

Fonte: Simon Willison · 30 ottobre 2026

Drew Breunig ha "cotto" un emulatore della CPU 6502 del NES nei pesi di Qwen3.5-4B, ispirandosi al progetto qwenputer, e il repository nesformer permette di far girare ROM come Super Mario Bros, molto lentamente. Il sistema è stato costruito con l'aiuto di un agente di coding che ha usato una vecchia suite di test di conformità per la CPU del NES.

Perché conta: è un esperimento, non uno strumento, ma mostra fin dove si può spingere un transformer come macchina che esegue programmi.

Paper della settimana

OpenFrontiers: problemi aperti per la ricerca con gli LLM

Fonte: arXiv 2610.37739 · PDF

Il corpus raccoglie 12.151 problemi di ricerca aperti e un benchmark di 200 problemi di matematica, 110 risolti nel 2026 e 90 ancora aperti, ciascuno con un enunciato in Lean 4. Su un sottoinsieme di 50 problemi, sette agenti ne riscoprono al massimo 7 su 40 senza accesso al web, mentre con il web il successo dipende soprattutto dal trovare soluzioni già pubblicate.

Perché conta: separa la vera scoperta dal semplice recupero, una distinzione che molti annunci sui "modelli che fanno ricerca" non fanno.

WebAnything: ambienti web riproducibili per addestrare agenti

Fonte: arXiv 2610.37786 · PDF

Il framework ricostruisce automaticamente siti reali in ambienti riavviabili: 244 siti in 14 domini con 12.984 compiti eseguiti e accettati. Addestrare Qwen3.5-9B su 5.856 traiettorie migliora di 9,9 punti il successo sul benchmark REAL.

Perché conta: gli agenti per il web hanno bisogno di ambienti stabili per essere valutati, e costruirli a mano non scala.

Scoprire gli agenti che colludono con un codice segreto

Fonte: arXiv 2610.37849 · PDF

Il test PoPLi confronta come reagisce a un messaggio riformulato l'agente partner e un agente estraneo messo al suo posto: chi usa un codice reagisce alla forma esatta, chi è estraneo no. In un mercato simulato il segnale separa nettamente i casi con e senza codice, mentre i monitor che leggono solo i messaggi falliscono.

Perché conta: leggere le conversazioni tra agenti non basta a scoprire un canale nascosto, e servono test sul comportamento.

Skill avvelenate: jailbreak nei file Markdown degli agenti

Fonte: arXiv 2610.37738 · PDF

Gli autori inseriscono un jailbreak in un file Markdown di skill caricato nel prompt di sistema di un agente LangChain e lo provano su sette modelli open-weight con 270 domande vietate. Il tasso di successo medio passa dallo 0,5% con un prompt innocuo al 45%, fino al 68,9% per un singolo modello.

Perché conta: le skill scaricate da repository pubblici sono codice a tutti gli effetti e vanno lette prima di installarle.

SAST e agenti AI di sicurezza: chi trova cosa

Fonte: arXiv 2610.38617 · PDF

VulnBench 2.0 raccoglie 108 vulnerabilità raggiungibili in 20 applicazioni web open source. Snyk Code ne trova 89 e Claude Code con Opus 5 al massimo sforzo 85, ma i due strumenti divergono su 28 casi e insieme arrivano a 101.

Perché conta: nessuno dei due approcci basta da solo, e il paper dà numeri per decidere come combinarli nella revisione del codice.