AI TrackerOpen source: le notizie,
per chi sviluppa.
Le ultime notizie su open source da ogni provider AI: lanci, cambi di prezzo e dismissioni, riassunti con cosa significano per te.
Asahi Linux passa tutto il codice alla GPL, citando il riciclaggio di codice assistito dall’IA
Asahi Linux, il progetto che porta Linux sui Mac con Apple Silicon, ha annunciato in un rapporto sui progressi che trasferirà tutti i suoi repository dalla licenza MIT alla GNU General Public License versione 2 o successive, così che il suo codice sia regolato esclusivamente da licenze copyleft. Il progetto ha annunciato il cambiamento pochi giorni prima del 9 novembre.
Nous Research lancia Arete-27B, Qwen3.8-27B post-addestrato per ridurre il tasso di «allineamento alla linea del Partito» dal 22% all’1%
Nous Research ha annunciato Arete-27B su X il 6 novembre. Si tratta di Qwen3.8-27B post-addestrato, secondo le parole del laboratorio, «per rafforzare i valori occidentali». Nous sostiene che i più potenti modelli open siano cinesi e incorporino nei propri pesi comportamenti allineati allo Stato.Harness Leaderboard confronta nove harness per agenti di coding su modelli open; in testa c’è un agente basato solo su bash
Joel Niklaus ha pubblicato Harness Leaderboard, che confronta nove harness per agenti di coding che utilizzano modelli open. In ogni confronto cambia solo l’harness: modello, provider e livello di ragionamento restano invariati, e ogni attività viene tentata tre volte. Niklaus afferma di aver eseguito 28.849 prove per un costo di inferenza di 4.746 $, usando GLM-5.3-Flash, DeepSeek-V4.1-Flash e Flint su Terminal-Bench 2.1 e DeepSWE. Al 6 novembre, il post aveva 625 punti su X.Village: i modelli open-weight sono l’acquisto migliore per il 3% dei budget, in calo dal 41% di giugno
Village, che pubblica LLM Atlas, riferisce che i modelli closed occupano ormai quasi tutti i punti sulla frontiera prezzo-prestazioni. Secondo le sue stime, un modello open-weight è il più performante per il 3% dei budget, quasi tutti nella fascia più economica (Gemma 4 E4B di Google e MiMo-V2.6-Flash di Xiaomi). A giugno la quota era del 41%, quando DeepSeek V4 Flash da solo guidava quasi un terzo dei budget. Village afferma che la quota attuale è la più bassa mai rilevata; alla fine di ogni trimestre dal 2024 era stata almeno del 6%.
Artificial Analysis classifica FLUX 3 Image Klein al 2° posto tra i modelli text-to-image a pesi aperti
Secondo Artificial Analysis, FLUX 3 Image Klein di Black Forest Labs, un modello di generazione di immagini a pesi aperti con 5,6 miliardi di parametri, rilasciato il 15 ottobre, è al 2° posto tra i modelli a pesi aperti nella sua classifica AA-Image-T2I v2.1, a pari merito con Qwen-Image-2.1, al 1° posto. Nella classifica AA-Image-Editing v2.1 è al 3° posto tra i modelli a pesi aperti. Le classifiche sono state stilate da Artificial Analysis.Moonshot releases the open weights of Kimi K3.1 Pro
Moonshot posted on X that it is releasing the model weights of Kimi K3.1 Pro, on Hugging Face as moonshotai/Kimi-K3.1-Pro, and said "we'll keep advancing open intelligence." It had promised the weights by November 4 when it launched the model on October 23.Hermes Agent v0.23.0 aggiunge un desktop nel browser, /rewind, chat di gruppo e limiti di spesa
Nous Research ha rilasciato Hermes Agent v0.23.0, che definisce Hearth Release. Ecco le novità, secondo l’azienda:Artificial Analysis assegna a Nanbeige4.3-33B, modello open-weight, un punteggio di 20 nell’Intelligence Index, alla pari con Qwen3.8 27B
Secondo Artificial Analysis, Nanbeige4.3-33B, il modello open-weight di Nanbeige (il team che sviluppa modelli di base della piattaforma cinese per il lavoro BOSS Zhipin), ottiene 20 nell’Intelligence Index v5, lo stesso punteggio di Qwen3.8 27B (xhigh). Entrambi sono modelli densi, con rispettivamente 33B e 27B di parametri totali. Artificial Analysis afferma che il modello di Nanbeige è più efficace nell’uso del terminale, ma ha conoscenze meno solide, e stabilisce un nuovo punto Pareto-ottimale per l’Intelligence Index rispetto al numero totale di parametri.Baidu rende open source ERNIE-5.5-Flash-Base, un modello MoE sparso da 280B di parametri
Baidu ha pubblicato ERNIE-5.5-Flash-Base su Hugging Face. La scheda del modello descrive ERNIE 5.5 Flash come un modello linguistico efficiente basato su una miscela sparsa di esperti, con 280B di parametri totali e 14B attivi, preaddestrato da zero su 33.5T di token con un contesto di addestramento di 128K. Il fine-tuning e l’inferenza supportano un contesto fino a 1M di token.Ricursive AI lancia Ripple-65B Preview, un modello a pesi aperti denso da 65B per la programmazione agentica
Ricursive AI ha rilasciato Ripple-65B Preview il 4 novembre: un modello linguistico denso da 65 miliardi di parametri che, secondo l’azienda, è stato preaddestrato da zero. L’azienda sostiene che stabilisca un nuovo record per i modelli statunitensi a pesi aperti nelle attività di programmazione agentica, superando modelli molto più grandi che cita: Muse Spark Open-816B, Beam-501B, Inkling-975B e Nemotron 3 Ultra-550B. Si tratta di affermazioni dell’azienda.Nous Research riunisce plugin, connettori e skill di Hermes Agent in un unico marketplace
Il 4 novembre, Nous Research ha annunciato su X che plugin, connettori e skill per Hermes Agent sono ora riuniti in un unico Hermes Marketplace, dove gli utenti possono consultare e aggiungere estensioni in pochi clic. Il marketplace è disponibile all’indirizzo hermes-agent.nousresearch.com/marketplace.Cloudflare rende open source una skill di audit della sicurezza per agenti di coding
L’account sviluppatori di Cloudflare ha pubblicato cloudflare/security-audit-skill, una skill open source che trasforma un agente di coding in una squadra di auditor della sicurezza. Cloudflare afferma che la skill ha contribuito a creare il proprio sistema di individuazione delle vulnerabilità.Perplexity lancia pplx-embed-v2-context, modelli di embedding multimodali open-weight da 9B e 0.6B
Perplexity ha rilasciato pplx-embed-v2-context, due modelli di embedding multimodali open-weight (9B e 0.6B) su Hugging Face, accompagnati da un articolo scritto con turbopuffer. Entrambi restituiscono un vettore int8 per documento, oppure uno per ogni chunk che ha accesso all’intero documento; entrambi funzionano anche in modalità non contestuale, con un embedding per documento e senza suddivisione in chunk.
OpenCode ricostruito per funzionare negli strumenti per sviluppatori del browser
Il 2 novembre, Adam (adamdotdev) ha dichiarato su X di aver ricostruito OpenCode per farlo funzionare nella console degli strumenti per sviluppatori del browser, usando istruzioni console.log per la sua interfaccia. È basato su un framework a cui rimanda su textjs.org e invita gli sviluppatori e i loro agenti a creare altre app per la console. Una nota allegata al post dice che è in preparazione un’estensione per VS Code e che un’estensione per gli strumenti per sviluppatori di Chrome arriverà in seguito.
Anthropic lancia FlashProve, un prototipo open source per dimostrare quale modello ha generato una risposta
Anthropic ha pubblicato una ricerca sull’inferenza verificabile: una prova crittografica (uno zkSNARK) che attesta che una risposta proviene da un insieme specifico e vincolato di pesi del modello, verificabile da un utente che non possiede quei pesi. Secondo il post, potrebbe aiutare a rilevare se un servizio di instradamento sostituisce di nascosto un modello o se un aggressore lo manomette, e offrire a valutatori e autorità di regolamentazione un modo per verificare quale modello viene effettivamente servito.
Viene rilasciato Hydrogen-1.0, un modello scientifico a pesi aperti post-addestrato a partire da GLM-5.3
Chenru Duan annuncia Hydrogen-1.0, che il team definisce il suo primo modello a pesi aperti per la ricerca scientifica. Si tratta di GLM-5.3 (di Z.ai), post-addestrato sui dati scientifici interni del team, sui registri di laboratorio e sulle traiettorie delle scoperte.
MiniMax elenca le quantizzazioni della community per eseguire M3.1 Flash in locale
MiniMax ha pubblicato una raccolta di versioni quantizzate, realizzate dalla community, del suo modello open-weight M3.1 Flash da 428B parametri, pensate per chi lo esegue sul proprio hardware. MiniMax afferma che i pesi a bit inferiori riducono la memoria necessaria per caricare il modello e i dati dei pesi trasferiti durante la decodifica, e che per ottenere risultati utili servono una calibrazione accurata, kernel efficienti a bassa precisione e una distribuzione degli esperti tra GPU e RAM di sistema.