Risorse Artificiali AI Engineering in italiano

Episodios

• 
  AI code review e altri cambiamenti nei nostri workflow 12.09.2026 1h 17m

  AI code review, formazione junior, voice AI on-device e video generato in locale: tre host rispondono alle vostre domande.Puntata Q&A speciale di Risorse Artificiali: Stefano, Paolo e Alessio raccolgono le domande degli ascoltatori e ci rispondono con esperienze reali, tool concreti e qualche opinione netta.Di cosa parliamo: come fare code review quando l'AI genera più codice di quanto si riesca a leggere, con le skill PR Walkthrough e Adversarial Code Review. OmniVoice Studio per text-to-speech e voice cloning. Antivocale, l'app Android che trascrive i messaggi vocali direttamente sul telefono. Come funziona davvero la generazione di immagini e video in locale con ComfyUI: latent space, denoising, scheduler, sampler e LoRA a pochi step. Mixture of Experts e Mixture of Agents. E la domanda più tosta: come si formano i junior sviluppatori nell'era dell'AI?Capitoli00:00 Q&A speciale: code review con le skill07:54 Dipendono dai modelli? Skill, impatti e review automatiche11:50 OmniVoice Studio: TTS e voice cloning19:50 Antivocale: trascrizione on-device su Android25:45 Sfide AI on edge: back-end e catalogo modelli30:15 Video in locale: ComfyUI, latent space e denoising37:24 Scheduler: quando fare i passi di denoising43:03 Sampler: Euler, DPM e minimi locali46:47 Performance locale: LoRA low-step e sigma shift55:11 Mixture of Experts e Mixture of Agents1:04:13 Review e collo di bottiglia nell'era AI1:09:14 Formare i junior nell'era AIAscolta su Spotify: https://open.spotify.com/episode/3GUAcpOIuFcGxJTnJiekWw?utm_source=youtube&utm_medium=description&utm_campaign=ep71_dropSito e appunti: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep71_dropSe il podcast ti è utile, iscriviti al canale e attiva la campanella. E se hai domande nuove, scrivile nei commenti: questa puntata è nata dalle vostre.Risorse Artificiali #71
• 
  99,9% nel benchmark, 61 nell'indice: il caso GPT-6 Astra 05.09.2026 1h 12m

  GPT-6 Astra fa 99,9% su ARC-AGI-3 ma l'indice di intelligenza gli dà 61: il caso del benchmark maxato, spiegato da chi i benchmark li usa tutti i giorni.OpenAI ha rilasciato GPT-6 Astra con numeri da record su tutta la linea: incrementi a doppia cifra su ogni benchmark e un 99,9% su ARC-AGI-3 che nessun altro modello sfiora. Ma un benchmark maxato, cioè mostrato al modello in addestramento, vale ancora qualcosa? E perché l'indice di intelligenza di Artificial Analysis gli dà 61, lo stesso punteggio di GLM 5.3 Max? In puntata Stefano, Paolo e Alessio prendono il rilascio e lo girano al contrario: i costi per intelligent task (Fable 5.1 a 3,69 dollari contro 1,67 di Astra, 8.500 dollari per una test suite completa), i pesi che compongono l'indice, il tasso di allucinazioni che nessuno cita. E tutta la parte che i benchmark non raccontano: Qwen 3.8 Flash Next con l'architettura che arriverà su Qwen 4, l'inferenza locale di Waymo scesa da 250 mila a 50 mila dollari grazie a una TPU di Google, Nvidia che compra Hugging Face per 12,9 miliardi in contanti, GLM che serve 100 mila chip Huawei Ascent e le licenze open weight che non sono più MIT puro.00:00 GPT-6 Astra e il 99,9% su ARC-AGI06:18 Overfitting: quando il benchmark è maxato13:21 Fable 5.1: costi da record e cache23:10 Il nostro benchmark alla pellicano25:33 L'indice di Artificial Analysis non torna33:40 Coding: conta la sensazione d'uso38:04 Formula 1 o auto per la scuola?43:18 Qwen 3.8 Flash Next: l'ingegnerizzazione dei modelli48:34 Waymo in Europa: inferenza locale su TPU53:46 Nvidia compra Hugging Face, GLM su Huawei1:00:52 Le licenze open weight cambiano1:04:07 Hermes in Gen Z, Q&A e OmniRouterAscolta l'audio anche su Spotify:https://open.spotify.com/episode/50oM4N7LLJLU3szU2Sh2x7?utm_source=youtube&utm_medium=description&utm_campaign=ep70_dropSito, show notes e trascrizione completa:https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep70_dropIscriviti al canale: AI engineering in italiano, senza hype, ogni sabato.#70
• 
  Era stealth, era GLM: 5.3 Flash e i numeri da giganti 29.08.2026 1h 11m

  GLM 5.3 Flash, ossia ox-alpha: il modello uscito in stealth che fa i numeri dei giganti con 6 miliardi di parametri attivi. E intanto la corsa all'AI in locale si fa seria.In puntata: le pubblicità cinesi spurie comparse in ChatGPT, il Mac Studio M5 Ultra da 20.000 dollari e i conti veri del locale, il Cube di Xiaomi con la RAM prodotta in Cina, il rumor sull'acquisizione di Hugging Face da parte di Nvidia (e cosa significherebbe per l'Europa), il progetto Free LLM API che mette insieme le quote gratuite di decine di provider, e il report METR su 1200 agenti coordinatisi rinominando i file.Capitoli:00:00 Modelli stealth e pubblicità cinesi in ChatGPT05:30 Mac Studio M5 Ultra da 20.000 dollari10:30 Xiaomi Cube: l'hardware consumer cinese15:40 RAM cinese e l'alleanza con Alibaba20:30 Nvidia compra Hugging Face: il parallelo GitHub25:05 Hugging Face, l'Europa e il robot bipede29:25 La mossa Nvidia e la lezione dei fork34:45 Gratis per sbaglio e il progetto Free LLM42:20 Fusion, advisor esterni e la repo skills47:40 Free LLM: limiti, SLA e casi d'uso52:45 Ox-Alpha: il modello stealth e il geoguessing56:25 GLM 5.3 Flash: benchmark, costi, 6B attivi1:00:05 Multimodali, veloci, economici: la nuova classe1:04:45 Report METR: 1200 agenti in azioneAscolta l'episodio anche su Spotify:https://open.spotify.com/episode/2PT0QAqtV8Od5zwZErRGSi?utm_source=youtube&utm_medium=description&utm_campaign=ep69_dropSul sito, con trascrizione completa:https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep69_dropIscriviti al canale per non perdere le prossime puntate.Risorse Artificiali, episodio 69.
• 
  Bannato da GLM: hybrid routing con LiteLLM 22.08.2026 1h 12m

  Bannato da GLM per aver messo LiteLLM davanti a Claude Code. Paolo racconta tutto: il pool di modelli, il middleware locale, il classifier dell'automode spostato su Gemma per non bruciare la quota del modello principale. Poi il fallback verso il cloud rigira le chiamate già modificate, GLM le legge come traffico di un harness non supportato, e parte il ban. Con mail di supplica annessa.Prima di quella storia, Stripe che compra OpenRouter per 7 miliardi di dollari. La lettura di Paolo è che il routing sia una posizione da API Gateway: chi smista il traffico degli agenti può vendere servizi premium sul volume, esattamente come Stripe ha fatto con i pagamenti. Da lì i protocolli di pagamento tra agenti, AP2 sopra A2A, e lo scenario in cui a produrre reddito sono gli agenti stessi.Poi i modelli. Qwen 3.8 27B denso è la prima volta che un modello locale su 16-24 giga di VRAM regge un coding agent vero e non solo il completamento: onniscienza peggiore del 3.6, capacità agentiche molto migliori, e il consiglio di tenerlo su low o medium thinking effort. GLM 5.3 guadagna 6-7 punti di intelligenza generale su Artificial Analysis, l'inferenza di Z.ai è diventata veloce, e resta il dubbio su cosa faccia girare davvero Ollama quando le risposte non combaciano.Nella seconda parte: perché parlare ai modelli in italiano non spreca i token che pensi, il trick di chiedere l'output in inglese B2 o C1, le skill Wait What e handoff, il report di Hugging Face sullo stato dei modelli open (attention e adoption non sono la stessa cosa, solo l'1% sta sopra i 70 billion), Light Learner, il jailbreak del taccuino, e le quattro skill dell'AI engineer secondo Andrew Ng.CAPITOLI00:00 Stripe compra OpenRouter per 7 miliardi02:59 A2A, AP2 e il routing dei pagamenti08:18 LiteLLM: i modelli locali in un pool13:20 Bannato da GLM: il classifier locale16:22 Sandbox invece di validatori, e i cyborg19:55 Qwen 3.8 27B: coding su 16 giga26:01 GLM 5.3 e il dubbio su Ollama32:20 Parlare ai modelli in italiano: latent space39:23 Wait What, Grill with Docs e handoff46:15 Report Hugging Face sui modelli open50:54 Attention non è adoption: download contro like56:26 Kimi K3, licenze e modelli sopra 70B1:02:00 Light Learner e il jailbreak del taccuino1:06:30 Andrew Ng: le 4 skill dell'AI engineerAscolta su Spotify: https://open.spotify.com/episode/45PF4g7gH6tHATi1SCm0u2?utm_source=youtube&utm_medium=description&utm_campaign=ep68_dropTutti gli episodi e le trascrizioni: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep68_dropLinkedIn: https://www.linkedin.com/company/risorseartificialiSe la puntata ti è servita iscriviti al canale. E se avete voglia di precisare la spiegazione sul latent space, i commenti sono lì apposta.Risorse Artificiali, AI Engineering in italiano. Puntata #68
• 
  Open weight con l'asterisco: cosa Qwen non ha rilasciato 15.08.2026 1h 12m

  Open weight con l'asterisco: Qwen ha rilasciato i pesi di 3.8, ma senza la variante Max, senza vision e con il contesto tagliato. Kimi K3 invece aveva rilasciato tutto, e la differenza si vede su chi ci fa inferenza davvero.Nella prima parte il giro dei rilasci di queste settimane: Muse Glimmer e Nemotron pensati per girare in locale, il subagent workhorse (o muletto, se preferite la traduzione di Paolo), la corsa all'hardware a memoria condivisa tra DGX Spark, RTX e Apple Silicon. Poi il video open weight, con Minimax H3 che si prende la community a colpi di LoRA e LTX 2.5 che risponde con l'auto duration e una tabella comparativa un po' interessata.Nella seconda parte Anthropic mette il watermark sui testi di Claude per stare dentro l'AI Act, e ne parliamo per quello che è: un gioco a guardie e ladri che dura da prima di noi. Alessio spiega come funziona davvero il watermark sul testo, Paolo racconta la storia delle mail di Musk e quella volta che Reddit lo ha bannato per un post generato.Poi la parte che ci ha tenuti più a lungo: il continual learning si sta spostando dai modelli agli harness, gli agenti iniziano ad avere una personalità che dipende da chi li usa, e se ogni installazione prende una deriva diversa diventa complicato perfino capire cosa si legifera. Dwarkesh Patel dà questo per la fine dei modelli open. Noi la vediamo al contrario.CAPITOLI00:00 Sondaggio ascoltatori e Qwen 3.8 senza Max06:08 Kimi K3, Muse Glimmer e il workhorse Nemotron11:20 Intelligenza ibrida: DGX Spark, RTX e Apple Silicon16:14 Minimax H3 e le licenze per regione19:48 LTX 2.5, auto duration e i LoRA25:25 Attention quadratica e vision language nei prompt video30:00 Watermark su Claude e AI Act35:37 Reverse engineering del watermark e Musk40:28 Detector che sbagliano: Substack e Reddit44:14 Grok 4.6 e le PR su Hermes49:07 MuseSpark 1.2, continual learning e memorie condivise54:37 Sviluppo artigianale e agenti con personalità58:32 Hermes in vacanza: mappa interattiva e spese1:04:09 Se ogni installazione diverge, cosa legiferi?1:07:37 La fine dei modelli open? Al contrarioAscolta su Spotify: https://open.spotify.com/episode/5r7HVXxocIGv9lDezyvvZE?utm_source=youtube&utm_medium=description&utm_campaign=ep67_dropTutti gli episodi e le trascrizioni: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep67_dropLinkedIn: https://www.linkedin.com/company/risorseartificialiSe la puntata ti è servita iscriviti al canale, ci aiuta più di quanto sembri. E diteci nei commenti se volete Ivan Fioravanti in puntata a parlare di inferenza locale.Risorse Artificiali, AI Engineering in italiano. Puntata #67
• 
  L'AI fa 10 scoperte matematiche in una settimana 08.08.2026 1h 7m

  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: perché non serve la perfezione 01.08.2026 1h 15m

  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.CAPITOLI00:00 AGI e asintoti: perché la perfezione non serve07:47 Che età ha l'AGI e il codice che nessuno legge più12:55 Benchmark inversi: non cosa sai fare, quanto sbagli16:36 OmniVoice, Pocket TTS e il trade-off accettabile21:05 Fable: non più intelligente, devi spiegare meno27:41 Inkling e Thinking Machines Lab: open weight occidentale33:55 Opus 4.6 workhorse e Laguna S2.1: 118B per 128 giga38:40 Promptare in italiano: lo studio Anthropic sulle lingue43:03 Demo Laguna in LM Studio: "finché la barca va"47:24 Densità, sparsità e perché la quantizzazione rompe53:36 Opus 5: più agentico e più vicino a Fable58:17 Qwen Image 3: LaTeX, infografiche e UI generate1:02:30 MAGE di Microsoft: image gen e vision language open1:08:47 Flux 3 omnimodale e Gemini 3.6 Flash1:12:13 Il modello OpenAI uscito dalla sandboxASCOLTA SU SPOTIFYhttps://open.spotify.com/episode/0eXoGy80TE2fECQX86Uyf0?utm_source=youtube&utm_medium=description&utm_campaign=ep65_dropTUTTE LE PUNTATE E LE TRASCRIZIONIhttps://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep65_dropSe 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 skills usiamo davvero per i nostri agenti 25.07.2026 1h 1m

  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.mdhttps://github.com/addyosmani/agent-skills/tree/mainhttps://github.com/obra/superpowershttps://github.com/mattpocock/skills/tree/main/skillsSe scrivi codice con agenti in produzione, questa è la puntata per te.CAPITOLI00:00 Le skill che usiamo davvero02:00 Da prompt engineering a loop engineering05:02 Cos'è una skill: standard e behavioral memory10:57 Simplify, la skill preferita scomparsa15:38 Da Simplify a Code Review: monkey patching22:23 Ponytail Code Review e la coda di cavallo26:37 Scegliere e provare le skill: repository e preview34:31 Le skill non si scrivono, si distillano40:19 Sicurezza: sandbox e dove accetti il rischio46:09 Backlog, hook e l'indeterminismo del modello50:12 Interview Me, Grill Me e doubt-driven56:09 Handoff, Hunk e tool CLI per agentiAscolta su Spotify: https://open.spotify.com/episode/4XZFs5ZUctmHMjTq7JAwlM?utm_source=youtube&utm_medium=description&utm_campaign=ep64_dropSito: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep64_dropIscriviti al canale per non perdere le prossime puntate.#64
• 
  Open weight americano e Kimi K3: cambio di scena 18.07.2026 1h 10m

  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/2076957440109625718https://x.com/maeste/status/2077733742584398029https://x.com/miramurati/status/2077455974743593100?s=20Per chi costruisce con LLM e guarda i costi di inferenza, è una puntata da non perdere.CAPITOLI00:00 Modelli nuovi e feedback dal vivo06:58 Hassabis: AGI tra pochi mesi13:52 Kimi K3: i cinesi chiudono il gap22:36 Terzo al mondo: Kimi K3 in classifica27:36 Costi e token: un quarto di Fable31:47 Fable: memoria, rifiuti e switch a Opus40:19 Provenienza umana, Fable e il business44:53 Thinking Machine Lab: l'open weight di Murati49:39 Inklings: open weight americano e fine tuning54:14 Grok CLI ruba dati: bug o training?57:40 Torvalds: l'AI è qui, usatela1:05:54 La mossa 37 del codiceAscolta su Spotify: https://open.spotify.com/episode/3SLjYEq7cLYgIkJbNZgdSJ?utm_source=youtube&utm_medium=description&utm_campaign=ep63_dropSito: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep63_dropIscriviti al canale per non perdere le prossime puntate.#63
• 
  Inferenza europea e zero log | Eugenio Petullà 15.07.2026 1h 39m

  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.🎓 Capitoli0:00:00 Inferenza europea e i tuoi dati0:06:07 Red Hat, GNOME e l'amore per Linux0:11:00 Professional open source: Mozilla e WordPress0:15:52 Regolo, provider europeo di inferenza0:20:47 GLM, Qwen, Gemma e i small model0:27:56 I tre business model di Regolo0:33:45 Geopolitica GPU: Europa tra USA e Cina0:43:52 Server farm, memoria e impatto ambientale0:56:00 Modelli di frontiera, Mistral e gap europeo1:03:39 Routing e brick: il modello giusto1:12:31 Zero data retention: i tuoi dati su OpenAI1:18:30 Colonia tecnologica e cloud sovrano1:24:59 Il futuro degli open weight1:32:26 AI Act, il treno perso e robotica🔗 Ascolta sull'altra piattaformaSpotify: https://open.spotify.com/episode/4mlKC6SrTiixqdNCVjD75T?utm_source=youtube&utm_medium=description&utm_campaign=petulla_dropSito: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=petulla_drop👥 Eugenio PetullàLinkedIn: https://www.linkedin.com/in/eugeniopetullaRegolo.ai: https://regolo.aiSe ti piace il podcast, iscriviti al canale. Si parla di AI Engineering in italiano, tra pari tecnici.
• 
  Fable, GPT 5.6 e tanti modelli cinesi 11.07.2026 1h 14m

  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.CAPITOLI0:00 Fable e il taglio dell'abbonamento Anthropic1:06 Le live del giovedì e i commenti degli ascoltatori4:37 GLM 5.2 e i laboratori cinesi9:03 Fable come oracolo: distillation e skill12:14 Modello più harness e Fable advisor di Opus19:03 Modelli open: Ollama Cloud, OpenRouter e HY323:36 Grok 4.5, GPT 5.6 e il modello Meta32:33 Costi reali: Fable, Grok e Sonnet più di Opus36:34 Voce GPT Live 2 e i dati per i robot40:50 Seedance 2.5: video 4K da tre minuti46:11 ComfyUI e l'MCP server per la generazione51:09 Pocket TTS e i deepfake della voce54:08 La guerra fredda dell'AI: Cina, backdoor, Europa1:00:34 LongCat 2.0 trainato su chip Huawei1:06:59 Il paper Anthropic sul ragionamento per concettiAscolta l'episodio su Spotify: https://open.spotify.com/episode/3pL5JnwfiPK6vJNhG1YOHH?utm_source=youtube&utm_medium=description&utm_campaign=ep61_dropArchivio episodi e newsletter: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep61_dropAI Engineering in italiano, ogni settimana, da pari a pari. Iscriviti al canale se scrivi codice con l'AI in produzione.#61
• 
  La politica USA su AI e open source mi fa drizzare i peli 04.07.2026 1h 9m

  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.CAPITOLI0:00 Audio migliorato e la maturità con le IA7:13 Sonnet 5 e il comando /advisor di Claude Code11:09 Anthropic limita Fable: 50% dei token e fallback a Opus17:52 Armi, uranio e la narrativa della pericolosità AI21:51 Bill Gates, Linux, e il taglio del 90% di Anthropic25:05 Distillation cinese e la scommessa open weight di OpenAI32:02 Nano Banana 2 Lite: Google accelera sulle immagini37:56 CREA2 open source e la guerra delle licenze43:32 DeepSeek Sparque: +70% di velocità di inferenza46:59 Hermes, gli skin e i contributi alla community open source58:04 Skill learning e Mixture of Agents in Hermes1:01:23 Fugu di Sakana AI e il ritorno del fine tuningAscoltaci anche su Spotify: https://open.spotify.com/episode/60UaPWIMgdM1rHqnGMxz7M?utm_source=youtube&utm_medium=description&utm_campaign=ep60_dropSito: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep60_dropIscriviti al canale per non perderti le prossime puntate.#60
• 
  Physical AI: VLA contro World Model 27.06.2026 1h 11m

  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.CAPITOLI0:00 Physical AI e Cyberwave: chi è Vittorio3:00 VLA contro World Model e il problema dei dati10:36 Edge, cloud e i dati di Tesla e Waymo17:42 Ispezione autonoma: cani robot e droni21:36 Addestrare i robot: teleoperation, SO-101, VR25:47 Force feedback e form factor dei robot33:00 Cyberwave: developer experience e standardizzazione36:27 NVIDIA, startup e le sfide del developer43:02 Testing e CI nel mondo fisico47:53 Tooling, community e Robot House as a Service55:27 Bloopers e i rischi del mondo fisico58:35 L'AI come un frigo: lavoro e sostituzione1:03:39 Guida autonoma in Europa e sovranitàAscolta l'episodio completo su Spotify:https://open.spotify.com/episode/3bJONcpkKJHrYCcpvfVSJU?utm_source=youtube&utm_medium=description&utm_campaign=ep58_dropTutti gli episodi e la community:https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep58_dropIscriviti al canale per non perdere i prossimi episodi di AI Engineering in italiano.#58
• 
  Licenze AI a tutti in azienda, non solo ai dev | Simone Basso 24.06.2026 1h 10m

  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.CAPITOLI00:00 Harness vs modello, WeRoad e Commodore 6402:42 20 anni nel travel-tech e gli ecosistemi startup09:13 Da scrivere codice a guidare 200 persone12:01 Da novembre è cambiato tutto: output triplicato16:37 Produttività, layoff e budget in token20:45 150 licenze AI a tutta l'azienda26:00 Il modello è commodity, l'harness è l'asset31:56 2026, l'anno della pull request agentica36:05 Junior, senior e il manager degli agenti42:22 ROI del prodotto e mini-hackathon settimanale47:19 Company brain, routing layer e app disposable58:50 Costo energetico, Europa e nucleare1:04:57 AI in locale e il consiglio ai giovaniLINKAscolta su Spotify: https://open.spotify.com/episode/7ip38QPHEKb7uvwgQ7Edjc?utm_source=youtube&utm_medium=description&utm_campaign=basso_dropTutti gli episodi: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=basso_dropNewsletter Context Window di Simone Basso: https://medium.com/@smnbssIscriviti al canale per le prossime conversazioni su AI Engineering in italiano.
• 
  Clona ogni voce in locale, gratis e poi preoccupati 20.06.2026 1h 11m

  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.CAPITOLI0:00 Voce clonata in locale: OmniVoice Studio e i vocali WhatsApp7:25 Truffe vocali e come proteggere i genitori11:06 Video dubbing automatico e YouTube multilingua14:06 Fable: limiti bruciati e Opus 4.6 vs 4.818:38 Loop engineering, plan mode e TDD come verifier24:14 Il ritiro di Fable: guardrail, jailbreak e Anthropic32:19 GLM 5.2, Codex 5.5 ed Elon compra Cursor37:39 Non guardo più il codice: Sanfilippo e DarkStar V41:25 Serve l'esperienza? Hacker mindset e curriculum48:37 App personali con AI: food diary e meal planning52:58 Assistenti di lavoro, LLM wiki e G-Brain1:01:28 Privacy, modelli locali e Gemini che sa già tutto1:05:30 Geopolitica AI, IPO da 6000 miliardi e salutiASCOLTA SU SPOTIFYhttps://open.spotify.com/episode/2nj1v1GTlLZ35lxpD2lOt9?utm_source=youtube&utm_medium=description&utm_campaign=ep57_dropSITO + ALTRE PIATTAFORMEhttps://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep57_dropSe l'episodio ti è piaciuto iscriviti al canale e lascia un commento: ci aiuta davvero a crescere.#57
• 
  Scrivere codice è una commodity: Fable e i workflow 13.06.2026 1h 10m

  AI Engineering in italiano: Fable e i workflow ad agenti scrivono codice da soli. Stefano lancia 40 agenti in parallelo e in una notte porta a casa un task multilinguaggio (Rust, Python, shell) zero-shot. Se scrivere codice diventa una commodity, cosa resta al programmatore?In questa puntata partiamo da Fable 5, il modello "Mythos level" con i guardrail di sicurezza più aggressivi che abbiamo visto, e da come gestisce i workflow: decine di agenti che si parlano, si auto-validano con agenti di Verify e Design, e spawnano agenti di fix quando trovano problemi. Da lì il discorso si allarga: la specifica diventa il lavoro, il codice una commodity, e il "loop engineering" è la nuova buzzword della settimana.Poi l'articolo Anthropic "When AI builds itself" e l'opinione forte di Stefano: no, Anthropic non sta dicendo "fermiamoci". E ancora: Gemini su Google Home (un estraneo in cucina), la polarizzazione del mercato tra enterprise e consumer, gli IPO da 2000 miliardi a testa e il rischio bolla, e in chiusura i modelli locali con Gemma 4 quantization-aware training e un'allucinazione come non se ne vedevano da anni.CAPITOLI00:00 Fable 5: il modello con i guardrail aggressivi03:00 Workflow con 40 agenti: il task di una notte07:25 Scrivere codice è diventato una commodity13:08 Benchmark vs impressioni e distillare i modelli17:32 "When AI builds itself": l'articolo Anthropic22:04 Loop engineering: la nuova buzzword29:11 Anthropic vuole davvero fermarsi?34:18 Gemini su Google Home: un estraneo in cucina39:16 Mercato polarizzato: enterprise vs consumer46:30 IPO da 2000 miliardi: c'è una bolla AI?55:27 Gemma 4 QAT e l'allucinazione clamorosa1:08:37 Corso Datamaster e AIConf MilanoASCOLTA SU SPOTIFYhttps://open.spotify.com/episode/2HnpvnbYA2ecFfF9m5OzKH?utm_source=youtube&utm_medium=description&utm_campaign=ep56_dropSITO E ALTRI EPISODIhttps://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep56_dropIscriviti al canale se costruisci con l'AI in produzione e vuoi i nostri appunti senza filtri marketing.#56
• 
  Context engineering per agenti AI | Roberto Stagi, Ratel AI 10.06.2026 1h 37m

  Context engineering per AI agents: il contesto degli agenti non si riempie per colpa degli MCP server. Roberto Stagi, Ratel AI, spiega perché il problema è un altro.Ogni settimana qualcuno scrive che Claude Code è inusabile con i suoi MCP server, il contesto si satura prima ancora di iniziare. La diagnosi più diffusa è sbagliata: non sono i server, è che la lista completa dei tool resta nella finestra a prescindere dal fatto che il turno ne abbia bisogno. Su questa intuizione Roberto Stagi e il suo socio hanno costruito Ratel: una libreria open source che sposta l'indice dei tool fuori dal modello e risolve a runtime solo i tool davvero rilevanti, con retrieval BM25 e niente vector DB.In questa conversazione con Stefano partiamo dalla persona prima che dal founder: olimpiadi di matematica e informatica, doppia laurea tra Torino e Barcellona, ricerca in High Performance Computing, gli anni in Bending Spoons su Remini ed Evernote. Poi entriamo nel cuore tecnico: context window da milioni di token, il rischio che un big come Anthropic entri nello stesso spazio, vendor neutrality, modelli locali e intelligenza ibrida, benchmark fatti in casa ma costruiti onesti. E infine i temi più umani: build in public, la community AI Socratic, l'"agent anxiety" e cosa diventa il mestiere dell'ingegnere quando orchestra agenti invece di scrivere codice.Un episodio per chi costruisce con l'AI in produzione, non per chi la racconta.CAPITOLI00:00 Context engineering: non sono gli MCP server03:40 Olimpiadi, doppia laurea e il filo rosso dell'ottimizzazione09:30 Bending Spoons: fare prodotto su Remini ed Evernote13:30 Ownership, dati e intenzionalità: la cultura che porta in Ratel23:00 Lasciare la comfort zone: come nasce un founder29:16 Dai pivot all'intuizione di Ratel: input di qualità per gli agenti38:06 Context window enormi e i big che entrano nel tuo spazio44:35 Modelli locali, intelligenza ibrida e benchmark onesti47:33 Benchmark fatti in casa: come renderli credibili53:08 Open source e build in public come business1:02:33 AI Socratic: community high-signal e dialogo socratico1:07:44 San Francisco e l'ecosistema startup europeo1:17:30 Agent anxiety e il rischio burnout1:24:46 L'ingegnere che automatizza sé stesso: il futuro del mestiere1:30:53 La vision di Ratel e il pensiero finaleASCOLTA ANCHE SU SPOTIFYhttps://open.spotify.com/episode/1N7PPkQN9ORzoxZXdfjuOT?utm_source=youtube&utm_medium=description&utm_campaign=stagi_dropSITO E ALTRE PUNTATEhttps://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=stagi_dropROBERTO STAGILinkedIn: https://www.linkedin.com/in/rstagi/Sito: https://ratel.shRatel (open source): https://github.com/ratel-aiAI Socratic (eventi): https://luma.com/aimiNewsletter: https://startupengineerlife.substack.com/Iscriviti al canale per non perdere le prossime puntate e le interviste di Risorse Artificiali, il podcast di AI Engineering in italiano.
• 
  Workflow dinamici: l'AI che si scrive gli harness 06.06.2026 1h 15m

  Workflow dinamici in Claude Code: con Opus 4.8 l'AI si scrive da sola gli harness dei suoi agenti.Partiamo da Opus 4.8 e dal gap che ancora lo separa da GPT 5.5, per arrivare ai workflow dinamici: non quelli statici di LangChain o LangGraph, ma agenti che si generano al volo il proprio tool custom. Un harness che scrive harness. Ne parliamo per la sicurezza e il sandboxing, per quando usarli davvero, e per il porting di Boon in Rust.Poi Minimax M3, il modello cinese open weight da 1 milione di token con la nuova sparse attention, e perché i benchmark non sono comparabili: conta l'harness con cui li lanci, non solo il modello. Chiudiamo con l'intervista di Demis Hassabis e il doppiaggio automatico di YouTube, i world model di Yann LeCun, PyCon Italia, Nvidia PID e le architetture semplificate per il locale.Conduttori: Stefano, Paolo e Alessio.Seguici anche su YouTube:https://www.youtube.com/watch?v=A7y6dQdqaIo?utm_source=spotify&utm_medium=description&utm_campaign=ep55_drop#55Vi ricordiamo che è ancora attiva la promozione "1 anno di podcast" con DataMaster. Clicca su questo link per il corso gratuito: ⁠⁠https://corsi.datamasters.it/offers/wqLh2sVK/checkout?coupon_code=AISECURITYRISORSEARTIFICIALI⁠Improove invece offre ai nostri ascoltatori un 15% di sconto sul biglietto di ai conf. Basta inserire il codice "P-RISORSE" al momento della registrazione su ⁠https://aiconf.it
• 
  Il Papa ha capito gli LLM meglio di noi 30.05.2026 1h 15m

  LLM coltivati, non costruiti: l'enciclica di Leone XIV e una puntata di AI Engineering molto concreta.Stefano, Paolo e Alessio partono dalla definizione di LLM più lucida letta da anni, che arriva (a sorpresa) dal Vaticano, e finiscono nella macroeconomia dell'AI.In mezzo, tanta ingegneria: perché i benchmark di coding sono saturi e cosa cambia con Deep SWE e l'analisi delle traiettorie, come DeepSeek V4 usa la KV cache con un contesto append-only che costa 2,5x meno, l'inferenza locale tra quantizzazione e MLX, gli harness Pi e OpenClaw a microkernel, l'edge AI on device.Poi immagini e video: WanS Lens omni model, HiDream O1 e la generazione in pixel space. Chiusura sui soldi veri: Microsoft contro Anthropic, Claude contro Codex tra consumer ed enterprise, e la corsa alle IPO.Il podcast per chi l'AI la scrive, non per chi la racconta.Seguici per non perdere le prossime puntate.Vi ricordiamo che è ancora attiva la promozione "1 anno di podcast" con DataMaster. Clicca su questo link per il corso gratuito: ⁠https://corsi.datamasters.it/offers/wqLh2sVK/checkout?coupon_code=AISECURITYRISORSEARTIFICIALIImproove invece offre ai nostri ascoltatori un 15% di sconto sul biglietto di ai conf. Basta inserire il codice "P-RISORSE" al momento della registrazione su https://aiconf.it#54
• 
  AI adoption e' un problema culturale | Andrea Saltarello 27.05.2026 1h 29m

  AI adoption in azienda: il vero problema non è tecnologico, è culturale. Con Andrea Saltarello (CEO Improove, Founder AI Conf, Professore AI al Politecnico di Milano). I LLM non producono verità, producono verosimiglianze. E l'errore plausibile, quello che rinforza i nostri bias, è più pericoloso di quello evidente. Andrea ci porta dentro questa riflessione partendo da 25 anni di community tech italiane, dalla nascita di Improove come tentativo di democratizzare la formazione premium, fino alla tensione tra cloud centralizzato e sovranità europea. Si parla anche del futuro dei junior developer: se il green field lo scrivono gli agenti, come formiamo i senior di domani? La risposta di Andrea passa dalla boxe francese: accettare uno svantaggio tattico sostenibile per un vantaggio strategico. Seguici per restare aggiornato su Risorse Artificiali.Iscriviti ad AIConf https://www.aiconf.it/ con il codice sconto "P-RISORSE" avrai il 15% di sconto sul biglietto. 🔗 Guarda su YouTube: https://www.youtube.com/watch?v=2GQGi8R4j_0?utm_source=spotify&utm_medium=description&utm_campaign=saltarello_drop