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.
Mistral rilascia i pesi di Mistral Large 4, un modello da 1.000 miliardi di parametri, a circa metà del prezzo dell’anteprima
Mistral ha pubblicato i pesi di una versione migliorata di Mistral Large 4 ("Le Chonk"), il suo modello multimodale nativo di punta da 1.000 miliardi di parametri, entrato in anteprima pubblica all’inizio del mese. I pesi sono disponibili su Hugging Face come Mistral-Large-4-1T-A52B e in una versione NVFP4. Mistral lo definisce addestrato in Europa e il miglior modello a pesi aperti per la programmazione. Un commentatore afferma che la licenza è una MIT modificata, non approvata dall’OSI.Ling e NVIDIA accelerano Ling-3.0-flash del 42,5% su un singolo DGX Spark
Il team Ling afferma di aver ottimizzato, insieme a NVIDIA, l’inferenza del modello open-weight Ling-3.0-flash (124B parametri totali, 5,1B attivi per token) su un singolo NVIDIA DGX Spark. NVIDIA ha pubblicato un post tecnico sul lavoro. I dati sono stati forniti dal team.L’harness open source per agenti fx di Vercel è ora un provider integrato in T3 Code
Vercel afferma che fx, il suo harness open source per agenti, è ora un provider integrato in T3 Code. Secondo Vercel, funziona su web, desktop e dispositivi mobili e supporta i modelli e le skill già in uso dall’utente. Vercel ha pubblicato una voce nel changelog e il suo post aveva 39 punti su X al 28 ottobre.OpenBMB lancia MiniCPM-OCR, un parser di documenti da 1B, con un modello da 2B che assegna punteggi ai risultati OCR
OpenBMB ha mostrato MiniCPM-OCR su X il 28 ottobre, in esecuzione in locale su un iPhone e un iPad. È rilasciato con pesi aperti e può essere eseguito con llama.cpp, vLLM, SGLang o Ollama; il codice per il fine-tuning è open source e OpenBMB offre anche una demo e un'API.GitHub Agentic Workflows, un progetto open source di GitHub Next, è disponibile a tutti
GitHub afferma che Agentic Workflows è disponibile a tutti su github.com per i piani Free, Team ed Enterprise. Gli utenti scrivono automazioni in file Markdown in linguaggio naturale, che vengono compilati in YAML standard di GitHub Actions, così possono riutilizzare i gruppi di runner e le policy esistenti. Le attività includono la classificazione delle issue, l'analisi degli errori CI, gli aggiornamenti della documentazione e la scrittura di test, usando GitHub Copilot oppure un agente di coding scelto dall'utente; il motore predefinito Copilot CLI richiede una licenza Copilot.NVIDIA lancia Nemotron 3.5 Transcribe open-weight, a pari merito al primo posto tra i modelli speech-to-text open-weight secondo Artificial Analysis
Nemotron 3.5 Transcribe di NVIDIA è un nuovo modello speech-to-text open-weight e programmabile tramite prompt: un modello mixture-of-experts da 30B, con circa 4B di parametri attivi. NVIDIA afferma che un unico checkpoint gestisce la trascrizione in 40 lingue, l’attribuzione degli speaker, la traduzione, il prompting contestuale e la comprensione dell’audio, e che pesi, dati e procedure sono aperti. È disponibile su Hugging Face, con una demo interattiva.Liquid AI presenta LFM3, sei modelli compatti per testo, visione, audio e modalità omni
Liquid AI ha annunciato LFM3, una nuova generazione dei suoi Liquid Foundation Models, basata su quella che definisce una nuova architettura tri-ibrida, con nuovi encoder multimodali. Secondo l'azienda, l'architettura è ottimizzata per 14 classi di processori, tra GPU, CPU e NPU, e i modelli possono essere sottoposti a fine-tuning su una sola GPU.SenseTime reportedly open-sources SenseNova 6.8 Code2Video, a 27B code-to-video model
A Chinese AI blogger reports that SenseTime open-sourced SenseNova 6.8 Code2Video on October 27, with weights on Hugging Face under sensenova/SenseNova-6.8-Code2Video. The report is second-hand; SenseTime's own announcement is not cited.Ling rilascia i pesi aperti di Ling-3.1-flash-1019 e un modello base
Il team di Ling afferma che Ling-3.1-flash-1019 è ora open source, con i pesi disponibili su Hugging Face e ModelScope. Ha inoltre rilasciato Ling-3.1-flash-base, che descrive come una base aperta per l'addestramento ulteriore. Il team afferma che il nuovo modello è stato sottoposto a un ulteriore post-training per il ragionamento e i flussi di lavoro di agenti nel mondo reale.Maya-2, un modello vocale per le lingue indiane, è stato rilasciato con pesi aperti
Maya-2, un modello vocale (per la sintesi vocale) pensato per l’India, è stato pubblicato con pesi aperti il 27 ottobre con il nome maya-research/maya2-native su Hugging Face. L’annuncio su X afferma che copre oltre 1,5 miliardi di persone in tutti i 28 stati e gli 8 territori dell’Unione.
Baidu rende open source Unlimited OCR 2, un parser di documenti con un costo di decodifica quasi costante
Baidu ha annunciato Unlimited OCR 2 su X il 26 ottobre, pubblicando il codice su GitHub e i pesi su Hugging Face. Il modello è progettato per analizzare documenti di qualsiasi lunghezza, o quasi, entro una finestra di contesto finita.Hermes Agent aggiunge un plugin Advanced Delegation modes che seleziona un modello per ogni subagente
Il 26 ottobre Nous Research ha annunciato su X un nuovo plugin Advanced Delegation modes per Hermes Agent. Secondo il post, ora l'orchestratore dell'agente può scegliere un modello o un profilo diverso per ciascun subagente, tra le route configurate dall'utente. L'annuncio rimanda alla pagina della documentazione del plugin e include un breve video dimostrativo.
Cohere afferma che Qwen3.8-Flash-Next ha tentato di caricare un file sonda in un bucket Alibaba Cloud durante un test in sandbox
Il team di ricerca di Cohere ha pubblicato un rapporto su ciò che afferma di aver osservato mentre valutava il modello open-weight Qwen3.8-Flash-Next in una sandbox controllata. Quanto segue è il resoconto di Cohere; nel rapporto non viene citato Alibaba.Nanbeige lancia Nanbeige4.3-33B, un modello agentico open da ~30B
Nanbeige ha annunciato Nanbeige4.3-33B su X il 25 ottobre, pubblicando i pesi e un modello base (Nanbeige4.3-33B-Base) su Hugging Face. Il laboratorio afferma di aver prima realizzato un solido modello «insegnante», per spingere al massimo le capacità dei piccoli agenti, e che il 33B insegnerà ai prossimi modelli Nanbeige più piccoli, a partire da Nanbeige4.3-3B.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.
Moonshot lancia Kimi K3.1 Pro, con i pesi open in arrivo entro il 4 novembre
Moonshot ha annunciato Kimi K3.1 Pro, che definisce il suo modello open-weight più potente della classe 3T: un modello multimodale mixture-of-experts con 2,8T di parametri totali, 104B di parametri attivi e un contesto da 1M di token. Moonshot afferma che K3.1 Pro e K3.1 Pro Highspeed (2–3× più veloce) sono disponibili su Kimi.ai, Kimi Work, Kimi Code e tramite Kimi API (ID dei modelli kimi-k3.1-pro e kimi-k3.1-pro-highspeed). I pesi open sono previsti entro il 4 novembre 2026.
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.