L'AI ha fatto 10 scoperte matematiche originali in una settimana. Cosa significa per chi costruisce software, per i matematici, e per l'AGI? Ne parliamo con Alessandro Maserati.OpenAI ha pubblicato 10 risultati matematici nuovi, non divulgazione: scoperte originali che, come ci spiega Alessandro Maserati (matematico, ospite di questa puntata), valgono ciascuno come un'intera carriera di un ricercatore. Dietro quella notizia c'è una tesi piu' grande: la matematica e' un dominio verificabile, ed e' esattamente il terreno su cui ci stiamo allenando con il reinforcement learning. Per questo l'AI prima supera i matematici, poi i programmatori.Dalla disprova di una congettura spiegata da Terence Tao con GPT 5.6, al fatto che Opus 5 in nove ore di gara ha trovato quattro soluzioni diverse per ogni problema, tutte a punteggio pieno. Stefano, Alessio e Alessandro provano a rispondere alla domanda vera: se l'AI risolve le dimostrazioni, cosa resta al matematico? Fare le domande giuste e la sintesi.Poi parliamo di security: i bug segnalati negli ultimi tre mesi sono 30-40 volte quelli di un anno normale, ci sono zero-day trovati dall'AI e responsabilita' penali per chi usa gli agent. Di "good enough AI" e perche' chiediamo ai modelli un'affidabilita' da software, non da collega. Di prompting 2026: Opus 5 non si prompta come il 4.8, conviene ragionare in inglese e farsi scrivere gli artefatti a livello B1/B2. Di AnyDoc, che converte qualunque formato in Markdown senza LLM. Di economia: token a 3 dollari al giorno contro un umano, il paradosso di Jevons, e la curva esponenziale che prima o poi deve piegarsi contro il PIL mondiale. E chiudiamo con i modelli video: Seedance 2.5 e il Minimax H3 open-weight.00:00 10 scoperte matematiche: l'AI supera i matematici03:12 Matematica verificabile: il dominio perfetto per l'allenamento06:01 Cosa resta al matematico: fare le domande giuste11:43 Terence Tao, GPT 5.6 e il valore della sintesi13:26 AGI a mesi, non a anni15:04 Security AI: breach, zero-day e responsabilita' penale25:54 Good enough AI: abbassare le aspettative30:00 Opus 5 non si prompta come il 4.833:36 Scrivere in inglese B1/B2 e ragionare in inglese35:56 AnyDoc: qualsiasi formato in Markdown, zero token39:55 Economia AI: token, Jevons e 3 dollari al giorno47:29 La curva esponenziale e il limite del PIL mondiale53:00 Video AI: Seedance 2.5, Minimax H3, Veo e Runway1:05:26 World model e chiusura: provate le Olimpiadi di matematicaAscolta anche su Spotify: https://open.spotify.com/episode/1k4SYOJHsyXd2NEYxottMp?utm_source=youtube&utm_medium=description&utm_campaign=ep66_dropSito: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep66_dropIscriviti al canale per non perdere le prossime puntate.#66

L'AGI è un asintoto: ci avviciniamo senza arrivarci mai, e per quasi tutto il lavoro reale questo basta già oggi.

Partiamo riflessivi. Se l'argomento contro l'AI è "sbaglia sempre qualcosa", è un argomento debole: in informatica lavoriamo da sempre con approssimazioni che non convergono e non le buttiamo via. Da lì arriviamo ai benchmark inversi (non più "sai farlo?" ma "quante volte sbagli su cento"), al trade-off accettabile fra OmniVoice e Pocket TTS per farsi leggere gli articoli in macchina, e a cosa cambia davvero con la famiglia Claude 5: thin prompt, thin context, thin skills. Fable non è più intelligente in senso assoluto, semplicemente ti costringe a spiegare meno.

Nella seconda parte la rassegna dei modelli usciti. Inkling e Inkling small di Thinking Machines Lab, open weight su territorio occidentale. Laguna S2.1, 118 billion mixture of expert tagliato per hardware da 128 giga, che però crolla appena lo quantizzi a 4 bit e ha seri problemi con l'italiano: demo in LM Studio con "finché la barca va", e digressione su densità, sparsità e perché la quantizzazione punisce i modelli densi. Poi Opus 5, Qwen Image 3 che genera articoli LaTeX come immagini, MAGE di Microsoft fra image generation e vision language in streaming, Flux 3, Gemini 3.6 Flash, e la storia del modello OpenAI uscito dalla sandbox che ci convince poco.

Risorse Artificiali è il podcast di AI Engineering in italiano, con Stefano, Paolo e Alessio. Per chi la scrive, non per chi la racconta.

CAPITOLI

00:00 AGI e asintoti: perché la perfezione non serve

07:47 Che età ha l'AGI e il codice che nessuno legge più

12:55 Benchmark inversi: non cosa sai fare, quanto sbagli

16:36 OmniVoice, Pocket TTS e il trade-off accettabile

21:05 Fable: non più intelligente, devi spiegare meno

27:41 Inkling e Thinking Machines Lab: open weight occidentale

33:55 Opus 4.6 workhorse e Laguna S2.1: 118B per 128 giga

38:40 Promptare in italiano: lo studio Anthropic sulle lingue

43:03 Demo Laguna in LM Studio: "finché la barca va"

47:24 Densità, sparsità e perché la quantizzazione rompe

53:36 Opus 5: più agentico e più vicino a Fable

58:17 Qwen Image 3: LaTeX, infografiche e UI generate

1:02:30 MAGE di Microsoft: image gen e vision language open

1:08:47 Flux 3 omnimodale e Gemini 3.6 Flash

1:12:13 Il modello OpenAI uscito dalla sandbox

ASCOLTA SU SPOTIFY

https://open.spotify.com/episode/0eXoGy80TE2fECQX86Uyf0?utm_source=youtube&utm_medium=description&utm_campaign=ep65_drop

TUTTE LE PUNTATE E LE TRASCRIZIONI

https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep65_drop

Se la puntata ti è servita, iscriviti al canale: ci aiuta più di quanto sembri, e ci fa capire di cosa parlare la prossima volta. I commenti li leggiamo tutti.

#65

Quali skill usiamo davvero per i nostri agenti con Claude Code? Speciale "ritorno al futuro" su come abbiamo personalizzato l'harness: dal prompt engineering al loop engineering, con prompt sottili, contesto spesso e skill leggere.

Torniamo sull'argomento skill a distanza di mesi, perché è cambiato tutto. Non si parla più di scrivere il prompt più denso possibile: il contenuto grosso è migrato nel context e negli artifact, e anche le skill sono diventate più sottili. Ne discutiamo Stefano, Paolo e Alessio partendo da una sintesi che gira su X (thin prompts, thick context, thin skills) e arrivando al concreto: quali skill installiamo davvero, come le scegliamo tra i quattro repository principali, come le proviamo prima di promuoverle, e perché le skill non si scrivono a mano ma si distillano da sessioni di lavoro.

Parliamo di Simplify (scomparsa e rimpianta), Code Review, Ponytail, Interview Me, Grill Me, doubt-driven development e handoff. Discutiamo la sicurezza delle skill scaricate da fuori e perché vanno usate in sandbox. E chiudiamo con l'indeterminismo del modello: avere una skill non significa che verrà invocata quando vuoi, e come un hook può aiutare.

Skills nominate:

https://github.com/DietrichGebert/ponytail/blob/main/skills/ponytail-review/SKILL.md

https://github.com/addyosmani/agent-skills/tree/main

https://github.com/obra/superpowers

https://github.com/mattpocock/skills/tree/main/skills

Se scrivi codice con agenti in produzione, questa è la puntata per te.

CAPITOLI

00:00 Le skill che usiamo davvero

02:00 Da prompt engineering a loop engineering

05:02 Cos'è una skill: standard e behavioral memory

10:57 Simplify, la skill preferita scomparsa

15:38 Da Simplify a Code Review: monkey patching

22:23 Ponytail Code Review e la coda di cavallo

26:37 Scegliere e provare le skill: repository e preview

34:31 Le skill non si scrivono, si distillano

40:19 Sicurezza: sandbox e dove accetti il rischio

46:09 Backlog, hook e l'indeterminismo del modello

50:12 Interview Me, Grill Me e doubt-driven

56:09 Handoff, Hunk e tool CLI per agenti

Ascolta su Spotify: https://open.spotify.com/episode/4XZFs5ZUctmHMjTq7JAwlM?utm_source=youtube&utm_medium=description&utm_campaign=ep64_drop

Sito: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep64_drop

Iscriviti al canale per non perdere le prossime puntate.

#64

Kimi K3 è terzo al mondo, vicino a Fable, e costa un quarto. Intanto esce il primo open weight americano dopo Llama 4: Thinking Machine Lab di Mira Murati. È un cambio di scena nei modelli di frontiera.

Torniamo sul mercato dei modelli con Stefano, Paolo e Alessio. Moonshot AI ha rilasciato Kimi K3: 57 nell'indice di Artificial Analysis (tra Opus 4.8 a 56 e Fable a 60), ma con metà dei token e a un quarto del costo di Fable. I modelli cinesi chiudono il gap di settimana in settimana, e Paolo chiude con una sintesi: fine estate un fable level ce l'abbiamo tutti.

Parliamo anche dell'articolo di Demis Hassabis sulla governance dell'AI e sull'AGI (una questione di mesi o al massimo di cinque anni), del perché Thinking Machine Lab punta sul fine tuning di modelli specializzati per mix-of-agents, del caso della CLI di Grok che sfilava dati dai computer degli utenti, e della posizione di Torvalds: l'AI è uno strumento, è il 2026, chi non vuole usarla si fork il kernel.

Links:

https://x.com/demishassabis/status/2076957440109625718

https://x.com/maeste/status/2077733742584398029

https://x.com/miramurati/status/2077455974743593100?s=20

Per chi costruisce con LLM e guarda i costi di inferenza, è una puntata da non perdere.

CAPITOLI

00:00 Modelli nuovi e feedback dal vivo

06:58 Hassabis: AGI tra pochi mesi

13:52 Kimi K3: i cinesi chiudono il gap

22:36 Terzo al mondo: Kimi K3 in classifica

27:36 Costi e token: un quarto di Fable

31:47 Fable: memoria, rifiuti e switch a Opus

40:19 Provenienza umana, Fable e il business

44:53 Thinking Machine Lab: l'open weight di Murati

49:39 Inklings: open weight americano e fine tuning

54:14 Grok CLI ruba dati: bug o training?

57:40 Torvalds: l'AI è qui, usatela

1:05:54 La mossa 37 del codice

Ascolta su Spotify: https://open.spotify.com/episode/3SLjYEq7cLYgIkJbNZgdSJ?utm_source=youtube&utm_medium=description&utm_campaign=ep63_drop

Sito: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep63_drop

Iscriviti al canale per non perdere le prossime puntate.

#63

Inferenza LLM in Europa, zero data retention e open weight: Eugenio Petullà (Regolo.ai) su dove finiscono i tuoi dati quando interroghi un modello di frontiera o open weight.

Parliamo con Eugenio Petullà, Chief AI Alchemist di Regolo.ai, provider europeo di inferenza hostato in Italia nel gruppo DHH/Seeweb. Regolo serve modelli open weight a consumo tramite API OpenAI-compatible, con zero data retention: niente log, niente training sui dati dei clienti, tutto dentro un datacenter italiano GDPR-compliant.

Nell'intervista: la geopolitica delle GPU e perché l'Europa è schiacciata tra USA e Cina (TSMC, ASML, il collo di bottiglia di Taiwan), il routing dei modelli con brick e il principio "il modello giusto per il task giusto" (non Fable per tradurre un'email), la libreria ai-footprint per misurare CO2 e Watt di ogni chiamata, il sospetto che OpenAI e Anthropic logghino i tuoi prompt, e perché l'Europa ha perso il treno del training ma può ancora vincere su inferenza e robotica.

🎓 Capitoli

0:00:00 Inferenza europea e i tuoi dati

0:06:07 Red Hat, GNOME e l'amore per Linux

0:11:00 Professional open source: Mozilla e WordPress

0:15:52 Regolo, provider europeo di inferenza

0:20:47 GLM, Qwen, Gemma e i small model

0:27:56 I tre business model di Regolo

0:33:45 Geopolitica GPU: Europa tra USA e Cina

0:43:52 Server farm, memoria e impatto ambientale

0:56:00 Modelli di frontiera, Mistral e gap europeo

1:03:39 Routing e brick: il modello giusto

1:12:31 Zero data retention: i tuoi dati su OpenAI

1:18:30 Colonia tecnologica e cloud sovrano

1:24:59 Il futuro degli open weight

1:32:26 AI Act, il treno perso e robotica

🔗 Ascolta sull'altra piattaforma

Spotify: https://open.spotify.com/episode/4mlKC6SrTiixqdNCVjD75T?utm_source=youtube&utm_medium=description&utm_campaign=petulla_drop

Sito: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=petulla_drop

👥 Eugenio Petullà

LinkedIn: https://www.linkedin.com/in/eugeniopetulla

Regolo.ai: https://regolo.ai

Se ti piace il podcast, iscriviti al canale. Si parla di AI Engineering in italiano, tra pari tecnici.

Fable è un altro livello di modello: così intelligente che ottimizza l'harness al posto tuo, insegna a Opus e la gente lo usa per fare distillation. Da qui parte la puntata, e finisce dentro un'ondata di modelli cinesi.

Stefano, Paolo e Alessio partono dal pattern Anthropic "Fable advisor di Opus" (Fable fa il planning, Opus esegue) e dal grafico modello+harness: GLM 5.2 con l'harness Pi arriva più in alto di Opus a costi più bassi. Poi i costi reali misurati da artificialanalysis: far girare la test suite con Fable 5 costa 5.600$, Grok 4.5 solo 600$, e Sonnet 5 costa più di Opus perché brucia molti più token. Nel roundup: GPT 5.6, Grok 4.5 (primo Grok davvero di frontiera), il nuovo modello Meta closed source, Ollama Cloud e OpenRouter per provare gli open, Seedance 2.5 (video 4K fino a tre minuti), ComfyUI con MCP server per pilotare la generazione da un agent, Pocket TTS e il rischio concreto di deepfake della voce, la guerra fredda dell'AI tra Cina e USA, LongCat 2.0 trainato interamente su chip Huawei, e il paper Anthropic sul ragionamento per concetti nel latent space.

CAPITOLI

0:00 Fable e il taglio dell'abbonamento Anthropic

1:06 Le live del giovedì e i commenti degli ascoltatori

4:37 GLM 5.2 e i laboratori cinesi

9:03 Fable come oracolo: distillation e skill

12:14 Modello più harness e Fable advisor di Opus

19:03 Modelli open: Ollama Cloud, OpenRouter e HY3

23:36 Grok 4.5, GPT 5.6 e il modello Meta

32:33 Costi reali: Fable, Grok e Sonnet più di Opus

36:34 Voce GPT Live 2 e i dati per i robot

40:50 Seedance 2.5: video 4K da tre minuti

46:11 ComfyUI e l'MCP server per la generazione

51:09 Pocket TTS e i deepfake della voce

54:08 La guerra fredda dell'AI: Cina, backdoor, Europa

1:00:34 LongCat 2.0 trainato su chip Huawei

1:06:59 Il paper Anthropic sul ragionamento per concetti

Ascolta l'episodio su Spotify: https://open.spotify.com/episode/3pL5JnwfiPK6vJNhG1YOHH?utm_source=youtube&utm_medium=description&utm_campaign=ep61_drop

Archivio episodi e newsletter: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep61_drop

AI Engineering in italiano, ogni settimana, da pari a pari. Iscriviti al canale se scrivi codice con l'AI in produzione.

#61

Anthropic limita Fable e gli open weight: perché ho tagliato il 90% del mio abbonamento. Sonnet 5, Nano Banana, Hermes, Fugu.

Puntata di reazione a caldo: Sonnet 5 è uscito ed è ottimo, soprattutto su task agentici (con lo slash /advisor come consigliere), ma la politica di Anthropic su Fable (rimesso disponibile solo al 50% dei token, ritirato il 7 luglio) e le dichiarazioni di Dario Amodei sul limitare il rilascio di modelli open weight non ci sono piaciute per niente. Al punto che Stefano ha tagliato il 90% del suo abbonamento Anthropic.

Si parla anche di Nano Banana 2 Lite di Google, del rilascio open weight di CREA2, della ricerca DeepSeek su Sparque (+60/70% di token al secondo), e della crescita di Hermes: skill-learn, Mixture of Agents, e il parallelo con Fugu di Sakana AI, che con un mix di modelli piccoli raggiunge risultati a livello Fable.

CAPITOLI

0:00 Audio migliorato e la maturità con le IA

7:13 Sonnet 5 e il comando /advisor di Claude Code

11:09 Anthropic limita Fable: 50% dei token e fallback a Opus

17:52 Armi, uranio e la narrativa della pericolosità AI

21:51 Bill Gates, Linux, e il taglio del 90% di Anthropic

25:05 Distillation cinese e la scommessa open weight di OpenAI

32:02 Nano Banana 2 Lite: Google accelera sulle immagini

37:56 CREA2 open source e la guerra delle licenze

43:32 DeepSeek Sparque: +70% di velocità di inferenza

46:59 Hermes, gli skin e i contributi alla community open source

58:04 Skill learning e Mixture of Agents in Hermes

1:01:23 Fugu di Sakana AI e il ritorno del fine tuning

Ascoltaci anche su Spotify: https://open.spotify.com/episode/60UaPWIMgdM1rHqnGMxz7M?utm_source=youtube&utm_medium=description&utm_campaign=ep60_drop

Sito: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep60_drop

Iscriviti al canale per non perderti le prossime puntate.

#60

Physical AI in italiano: come i robot imparano a muoversi nel mondo reale, tra VLA e World Model. Ospite Vittorio (Cyberwave).

Vittorio è founder di Cyberwave, startup italiana che costruisce la piattaforma per sviluppare applicazioni di Physical AI. Con Stefano, Paolo e Alessio affrontiamo il dibattito del momento: Vision Language Action model contro World Model, e perché il vero collo di bottiglia non è l'hardware ma i dati. "Non esiste un Reddit dei robot": ecco il problema di addestrare modelli che agiscono nel mondo fisico, tra edge e cloud, force feedback, e il contrasto brutale tra sviluppare un agente software (due ore) e uno fisico (due anni).

Si parla di form factor (cani robot, droni, umanoidi e l'effetto Breaking Bad), di come si addestra un robot con teleoperation e visori VR, di testing e CI quando ogni test ti porta via 30 minuti, e di una via europea alla robotica fatta di sovranità sui dati e guida autonoma.

CAPITOLI

0:00 Physical AI e Cyberwave: chi è Vittorio

3:00 VLA contro World Model e il problema dei dati

10:36 Edge, cloud e i dati di Tesla e Waymo

17:42 Ispezione autonoma: cani robot e droni

21:36 Addestrare i robot: teleoperation, SO-101, VR

25:47 Force feedback e form factor dei robot

33:00 Cyberwave: developer experience e standardizzazione

36:27 NVIDIA, startup e le sfide del developer

43:02 Testing e CI nel mondo fisico

47:53 Tooling, community e Robot House as a Service

55:27 Bloopers e i rischi del mondo fisico

58:35 L'AI come un frigo: lavoro e sostituzione

1:03:39 Guida autonoma in Europa e sovranità

Ascolta l'episodio completo su Spotify:

https://open.spotify.com/episode/3bJONcpkKJHrYCcpvfVSJU?utm_source=youtube&utm_medium=description&utm_campaign=ep58_drop

Tutti gli episodi e la community:

https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep58_drop

Iscriviti al canale per non perdere i prossimi episodi di AI Engineering in italiano.

#58

AI Engineering in azienda: Simone Basso, CTPO di WeRoad, spiega perché "il modello è una commodity, l'harness è l'asset", e cosa cambia quando l'AI entra in mano a tutti.

In questa conversazione tra pari parliamo di cosa succede quando i coding agent triplicano l'output da un mese all'altro, perché WeRoad ha dato licenze AI a tutta l'azienda e non solo agli ingegneri, come si governa una spesa che può passare da 7.000 a 70.000 euro al mese, e perché l'ingegnere sta diventando "il manager degli agenti". Si parla di harness, company brain, routing layer, pull request agentiche, ROI reale degli LLM (l'8x di Anthropic visto da chi lo misura davvero), AI in locale ed Europa che rischia di restare indietro.

Dal lato di chi costruisce prodotto a scala europea: AI Engineering, coding agents e LLM in produzione, senza hype.

CAPITOLI

00:00 Harness vs modello, WeRoad e Commodore 64

02:42 20 anni nel travel-tech e gli ecosistemi startup

09:13 Da scrivere codice a guidare 200 persone

12:01 Da novembre è cambiato tutto: output triplicato

16:37 Produttività, layoff e budget in token

20:45 150 licenze AI a tutta l'azienda

26:00 Il modello è commodity, l'harness è l'asset

31:56 2026, l'anno della pull request agentica

36:05 Junior, senior e il manager degli agenti

42:22 ROI del prodotto e mini-hackathon settimanale

47:19 Company brain, routing layer e app disposable

58:50 Costo energetico, Europa e nucleare

1:04:57 AI in locale e il consiglio ai giovani

LINK

Ascolta su Spotify: https://open.spotify.com/episode/7ip38QPHEKb7uvwgQ7Edjc?utm_source=youtube&utm_medium=description&utm_campaign=basso_drop

Tutti gli episodi: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=basso_drop

Newsletter Context Window di Simone Basso: https://medium.com/@smnbss

Iscriviti al canale per le prossime conversazioni su AI Engineering in italiano.

Clonare la voce in locale, gratis e con qualità vicina a ElevenLabs: Paolo l'ha fatto sul Mac e ora non si fida più di un vocale. In questo episodio di Risorse Artificiali, con l'ospite Tommaso (Alessio è in vacanza), parliamo di voice cloning open source con OmniVoice Studio, video dubbing automatico e di tutto il drama sui modelli: il ritiro di Fable, Opus 4.6 vs 4.8, Codex 5.5, GLM 5.2 ed Elon che compra Cursor.

Poi la domanda che ci facciamo da soli: quanto guardate ancora il codice? Stefano racconta il suo side project su Lince costruito senza leggere una riga, Salvatore Sanfilippo e DarkStar V, e cosa significa conoscere l'architettura di un software senza averne mai visto il sorgente.

Nella seconda parte Tommaso racconta i suoi esperimenti "sull'uomo": un food diary fotografico con MCP server, il meal planning per la famiglia e un assistente di lavoro in stile LLM wiki / G-Brain che ricorda tutto al posto suo. Chiudiamo con privacy, modelli locali, geopolitica dell'AI e IPO da capogiro.

CAPITOLI

0:00 Voce clonata in locale: OmniVoice Studio e i vocali WhatsApp

7:25 Truffe vocali e come proteggere i genitori

11:06 Video dubbing automatico e YouTube multilingua

14:06 Fable: limiti bruciati e Opus 4.6 vs 4.8

18:38 Loop engineering, plan mode e TDD come verifier

24:14 Il ritiro di Fable: guardrail, jailbreak e Anthropic

32:19 GLM 5.2, Codex 5.5 ed Elon compra Cursor

37:39 Non guardo più il codice: Sanfilippo e DarkStar V

41:25 Serve l'esperienza? Hacker mindset e curriculum

48:37 App personali con AI: food diary e meal planning

52:58 Assistenti di lavoro, LLM wiki e G-Brain

1:01:28 Privacy, modelli locali e Gemini che sa già tutto

1:05:30 Geopolitica AI, IPO da 6000 miliardi e saluti

ASCOLTA SU SPOTIFY

https://open.spotify.com/episode/2nj1v1GTlLZ35lxpD2lOt9?utm_source=youtube&utm_medium=description&utm_campaign=ep57_drop

SITO + ALTRE PIATTAFORME

https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep57_drop

Se l'episodio ti è piaciuto iscriviti al canale e lascia un commento: ci aiuta davvero a crescere.

#57