AI TrackerInfrastruttura: le notizie,
per chi sviluppa.
Le ultime notizie su infrastruttura da ogni provider AI: lanci, cambi di prezzo e dismissioni, riassunti con cosa significano per te.
Microsoft porta il framework di Copilot in Foundry Agent Service
Microsoft ha introdotto il framework Microsoft Copilot in Foundry Agent Service. Secondo Microsoft, il team di ingegneria di GitHub ha creato un framework multimodello che ora è stato implementato nei prodotti Microsoft e la versione per Foundry consente agli sviluppatori di creare agenti senza ricostruire il livello di esecuzione. Stando a Microsoft, il framework gestisce orchestrazione, strumenti, contesto e controlli, così gli sviluppatori possono concentrarsi sulle capacità e sui risultati dei propri agenti. Microsoft ha pubblicato un video dimostrativo e un post sul blog di Foundry.
Vercel AI Gateway aggiunge 14 modelli ElevenLabs, sconto del 50% fino al 9 novembre
Vercel afferma che 14 modelli ElevenLabs sono ora disponibili su AI Gateway, il suo endpoint unificato per i provider di modelli, con uno sconto del 50% fino al 9 novembre. Tra le opzioni elencate da Vercel ci sono agenti vocali in tempo reale, musica, effetti sonori, dialoghi con più voci, streaming vocale tramite WebSockets e conversione da parlato a testo.HarnessAgent di Vercel ora accetta immagini in input
Vercel afferma che HarnessAgent ora supporta l’input di immagini con tutti gli adapter degli harness. È possibile passare immagini insieme al testo nel formato standard dei messaggi di AI SDK e, secondo Vercel, il modello di visione sottostante di ciascun harness gestisce il resto. I dettagli sono nell’entry del changelog di Vercel.Parallel lancia Decisions API, che basa i modelli decisionali sui dati web aggiornati a $0.001 per richiesta
Parallel ha annunciato Decisions API su X il 27 ottobre e afferma che è già disponibile. La definisce «il primo motore decisionale basato sul web»: i modelli decisionali come Jev rispondono all’istante, ma non dispongono di notizie aggiornate, mentre la nuova API combina entrambe le cose in una sola chiamata. Questa affermazione è di Parallel.
Logan Graham di Anthropic corregge il resoconto del Washington Post sull’intrusione in Cathedral
Il 26 ottobre, Logan Graham dell’Anthropic Frontier Red Team ha pubblicato su X alcune precisazioni sull’articolo del Washington Post e sulle reazioni che ha suscitato. L’articolo affermava che gli agenti di IA di una startup di sicurezza erano riusciti a entrare nei sistemi di Anthropic in meno di 12 ore. Queste sono le sue dichiarazioni, non un annuncio di Anthropic:Cloudflare afferma che un mismatch di configurazione di GLM 5.3 su Workers AI ha esposto pagine della cache KV tra richieste
Il 26 ottobre Cloudflare ha pubblicato una nota sulla divulgazione e sulla risoluzione del problema, spiegando che un mismatch di configurazione di GLM 5.3 (@cf/zai-org/glm-5.3) su Workers AI ha causato un bug in SGLang, il motore di inferenza, che ha esposto pagine della cache KV tra richieste. La divulgazione è stata coordinata con un post di SGLang.Le valutazioni AgentEnv di Scale AI ora possono essere eseguite su Vercel Sandbox
Vercel afferma che ora è possibile eseguire le valutazioni AgentEnv di Scale AI Labs su Vercel Sandbox. Si assegna un compito a un agente, lo si esegue in una sandbox e si verifica come se la sia cavata. Vercel ha pubblicato una voce nel changelog e una guida alla configurazione nella documentazione di Sandbox.I comandi di Vercel Sandbox ora supportano stdin
Vercel afferma che i comandi eseguiti in Vercel Sandbox possono ora ricevere input tramite stdin. Questo permette di inviare input agli strumenti CLI in esecuzione e ai server MCP stdio, come agent-browser, all'interno di una sandbox. I dettagli sono disponibili nella nota sulle modifiche di Vercel.L'API Gemini ora archivia per impostazione predefinita le richieste Generate Content nel piano a pagamento
Il changelog dell'API Gemini di Google indica che i nuovi progetti che usano l'API Generate Content (generateContent, streamGenerateContent e batchGenerateContent) nel piano a pagamento ora archiviano le richieste per impostazione predefinita (store=true), in linea con l'API Interactions. I progetti esistenti mantengono l'impostazione attuale.Washington Post reports a security startup's AI agents got into Anthropic's internal systems in under 12 hours
Elizabeth Dwoskin of The Washington Post posted on October 26 an exclusive saying that a group of former DOGE cyber researchers used AI agents to penetrate Anthropic's systems in less than 12 hours, including Slack channels where the company's most sensitive models are discussed. Her post ties the story to a recent charge by Anthropic whistleblower Joseph Coxon.Together AI rende disponibile MiniMax M3.1 Flash per il post-training
Together AI afferma che MiniMax M3.1 Flash è ora disponibile sulla sua piattaforma per il post-training. Secondo Together, gli utenti possono eseguire il fine-tuning supervisionato (SFT) o l’apprendimento per rinforzo (RL) con i propri dati, ricompense e ambienti, mantenendo il ciclo di training nel proprio codice Python.Un venditore sostiene di avere il database degli utenti e le chiavi API di OpenRouter; OpenRouter non trova prove
Il 25 ottobre, l’account di threat intelligence DailyDarkWeb ha riferito che un venditore su un forum clandestino sostiene di offrire un database associato a openrouter.ai. Secondo l’account, il venditore afferma che contiene:Un ricercatore pubblica 11 vulnerabilità non corrette in Tailscale e headscale, perlopiù in Tailscale SSH
Erica Windisch di Cyberdione Labs ha pubblicato 11 vulnerabilità con il nome Tailworm (tailworm.com), senza una divulgazione coordinata, quindi il fornitore non ha avuto il tempo di correggerle prima. Al 25 ottobre non erano state segnalate patch né CVE.
SGLang afferma di aver raggiunto le prestazioni del motore DeepInfer di DeepSeek su DeepSeek-V4.1-Flash
Il progetto SGLang afferma che il suo motore di inferenza ora eguaglia DeepInfer, il motore proprietario di DeepSeek, sia nel prefill sia nella generazione per DeepSeek-V4.1-Flash. Poche ore dopo che vLLM aveva fatto un’affermazione simile, SGLang ha riportato un throughput di prefill fino a 1,04× quello di DeepInfer su 4× GB300 e 4× B300, e un throughput di generazione fino al 7,4% su 64× GB300.
vLLM afferma di essere ora alla pari con il motore DeepInfer di DeepSeek su DeepSeek-V4.1-Flash
Il progetto vLLM afferma che il suo motore di inferenza è ora alla pari con DeepInfer, il motore sviluppato da DeepSeek per DeepSeek-V4.1-Flash, nella configurazione di decodifica di DeepSeek, con batch size da 8 a 256. Secondo il progetto, ci riesce con DEP32 (attenzione in parallelo sui dati con parallelismo degli esperti su 32 GPU), rispetto alla configurazione EP64DP64 di DeepInfer.