🇮🇹 · /root · Lamberto Tedaldi
Misurare l’intelligenza è un’impresa quasi impossibile, eppure ci stiamo comportando come se esistesse un termometro universale per i Large Language Models. Benvenuti nell’era dei benchmark, dove un millisecondo di latenza o un token in meno può spostare le sorti di un intero ecosistema. Recentemente, la competizione tra i giganti dell’AI è uscita dai laboratori per finire dritta in una sorta di ‘Grande Guerra dei Dati’. Non si tratta più solo di sapere chi risponde meglio a una domanda di filosofia o chi scrive il codice Python più pulito. La sfida si è spostata su un terreno molto più tecnico e, per certi versi, spietato: l’efficienza pura. Se guardiamo i dati più recenti, la vera partita si gioca su tre fronti: costo, velocità e precisione. Le metriche stanno diventando sempre più stratificate. Non basta più dire ‘il modello X è intelligente’. Ora dobbiamo chiederci: quanto mi costa ogni mille token? Quanto tempo impiega a generare la risposta? E quanto è affidabile il dato che mi sta fornendo senza allucinazioni? Entra in gioco l’indice di efficienza. Stiamo assistendo a una corsa frenetica dove i provider cercano di massimizzare il rapporto tra performance e latenza. Vediamo provider che si sfidano sul ‘Time to First Token’ (quanto velocemente inizia a scrivere) e sull’uso strategico del caching per abbattere i costi. È una guerra di logistica invisibile che avviene sotto il cofano dei nostri prompt. Ma c’è un lato meno brillante. Questa ossessione per le metriche sta creando un circolo vizioso: i modelli vengono addestrati per eccellere proprio in quei test che li misurano, un fenomeno che rende i benchmark sempre meno rappresentativi della ‘vita vera’. Inoltre, la frammentazione è totale. Ogni azienda ha il suo modo di misurare la ‘qualità’, rendendo quasi impossibile un confronto onesto e trasparente tra un modello proprietario e uno open-source. In definitiva, mentre noi cerchiamo la risposta perfetta al nostro prompt, sotto la superficie si sta costruendo una struttura di misurazione sempre più complessa e frammentata. La vera sfida non sarà solo creare il modello più intelligente, ma trovare un linguaggio comune per capire quanto sia, effettivamente, intelligente. Source: Qwen3.8 Max now ranked as the best overall model by agentic index
webnewsaiArtificial IntelligenceBenchmarksLLM
🇮🇹 · /root · Lamberto Tedaldi
Dimenticate il conforto del vostro commit atomico, quello pulito, ben documentato e che finalmente dà un senso al vostro lavoro. Sembra che il concetto di «commit» stia per diventare un fossile del passato, una reliquia di un’epoca in cui gli umani scrivevano codice senza avere un agente AI che sussurrava suggerimenti in tempo reale. Il team di Zed ha appena rilasciato in early access DeltaDB, e non è il solito database con un nome altisonante per fare hype. È un version control system che punta a registrare tutto quello che succede *tra* un commit e l’altro. Sì, avete letto bene. L’idea è quella di catturare ogni singola operazione, ogni modifica, ogni frazione di secondo di evoluzione del codice, collegandola direttamente alla conversazione che l’ha generata. In pratica, se state usando un agente AI per scrivere una funzione, DeltaDB non si limita a salvare il risultato finale. Ti permette di fare il «rewind» a qualsiasi modifica intermedia e, cosa ancora più folle, ti permette di saltare direttamente dalla riga di codice al log della chat che l’ha prodotta. Immaginate di scovare un bug e poter dire: «Fammi vedere cosa stava dicendo l’agente quando ha deciso che questo puntatore era sicuro». È una feature che farebbe impazzire ogni debugger, ma che solleva anche qualche dubbio su quanto spazio (e sanità mentale) occuperà questo flusso di dati infinito. La parte che definire «figa» è d’obbligo: la virtualizzazione del worktree. Creare nuovi branch è quasi istantaneo e praticamente gratuito in termini di risorse, perché puoi creare branch partendo da qualsiasi punto della storia, persino a metà di un’esecuzione. E per i team che lavorano in modo asincrono, la promessa è di poter condividere il «thread» della conversazione invece del solito, noioso Pull Request. Un collega può entrare nel flusso mentre il lavoro è ancora in corso, commentare e interagire con l’agente che sta scrivendo il codice. Certo, c’è una piccola nota di cautela per chi, come me, ama la separazione netta tra il «fare» e il «documentare». Questo approccio trasforma il processo di sviluppo in un flusso continuo e indissolubile, dove la distinzione tra idea, conversazione e implementazione svanisce. Se da un lato è una bomba per la tracciabilità, dall’altro ci si ritrova in un ecosistema dove ogni pensiero digitale lascia una traccia indelebile. Per ora è tutto in early access, quindi restiamo con un piede in una parte del futuro e l’altro ancorato al nostro amato, vecchio e solido Git. Speriamo solo che il prossimo update non decida di tracciare anche i nostri sospiri di frustrazione quando il test fallisce. Source: Zed DeltaDB
webnewsAI CodingDeltaDBsoftware engineeringVersion Control
🇮🇹 · /root · Lamberto Tedaldi
Se pensavate che il mondo dell’intelligenza artificiale fosse ormai una tranquilla passeggiata nel parco tra algoritmi ottimizzati e cluster di GPU, preparatevi a un reboot improvviso. Le ultime notizie che arrivano dal quartier generale di Alphabet hanno scosso un po’ la community di Hacker News, e non per un nuovo modello che batte il benchmark di turno, ma per un classico ‘cambio di assetto’ ai vertici. Sundar Pichai, il CEO che gestisce Google con la precisione di un database relazionale, ha annunciato che Demis Hassabis sta lasciando la carica di CEO di DeepMind per assumere quella di President. Non è che stia andando in pensione a giocare a scacchi in un resort sulle Alpi, sia chiaro, ma la sua figura si sposta su un piano più… diciamo, strategico e meno operativo. Ma la vera bomba, quella che fa sussultare anche i server più tranquilli, è la notizia della partenza di Jeff Dean. Per chi mastica codice e infrastrutture da una vita, il nome di Dean non è solo un nome: è un’istituzione. Parliamo dell’uomo che ha contribuito a gettare le fondamenta su cui poggia gran parte dell’ecosistema moderno di machine learning. Vedere uno dei pilastri di Google che decide di spostarsi altrove è come vedere un pezzo fondamentale di una libreria open source sparire dal repository principale proprio mentre tutto il mondo sta cercando di buildare il prossimo grande modello linguistico. Certo, leggendo tra le righe del comunicato aziendale — quel linguaggio patinato e privo di anima che sembra scritto da un algoritmo di marketing — tutto sembra un naturale ‘prossimo capitolo’. Ma noi sappiamo che quando i big cambiano poltrona, di solito c’è sotto una ristrutturazione pesante per centralizzare ancora di più il potere decisionale. È il solito schema: meno focus sulla ricerca pura e più attenzione al far quadrare i bilanci e l’integrazione con i prodotti consumer. Per noi che viviamo di sperimentazioni, di script scritti in emergenza e di quella sana diffidenza verso i giardini recintati delle Big Tech, questo movimento solleva interrogativi. La direzione sta diventando troppo orientata al prodotto e troppo poco alla ricerca esplorativa? Quando i pionieri lasciano il posto alla governance, il rischio di trovarsi con sistemi sempre più chiusi, meno trasparenti e più orientati al profitto immediato è sempre dietro l’angolo. In Italia, dove spesso subiamo le decisioni prese nei meeting di Mountain View come se fossero leggi divine, questa notizia ci riguarda eccome. Non è solo questione di nomi su un organigramma, ma di quale direzione prenderà l’architettura del mondo digitale in cui siamo immersi. Restiamo sintonizzati per vedere se questo ‘momentum’ di cui parla Pichai porterà innovazione reale o solo un altro strato di astrazione sopra le solite API proprietarie. Source: Changes at Google DeepMind: Demis Hassabis from CEO to Chair, Jeff Dean departs
webnewsArtificial IntelligenceDeepMindgoogleJeff Dean
🇮🇹 · /root · Lamberto Tedaldi
E se vi dicessi che il sistema operativo più antico, complesso e decisamente meno documentato del pianeta non gira su kernel Linux, ma è scritto nel DNA di ogni foglia che vedete mentre andate a comprare il pane? Spesso passiamo le ore a cercare di capire perché una dipendenza si rompe o perché un container Docker non vuole cooperare, ma raramente ci fermiamo a guardare il mondo ‘analogico’ con lo stesso occhio critico. Recentemente è circolata una lettura interessante che parla di botanica, e no, non è la solita fuffa da giardinaggio per pensionati. È un invito a fare reverse engineering della natura. Il problema principale per chi vuole approcciarsi alla botanica è il setup iniziale. Il lessico è un incubo di termini latini che sembrano usciti da un manuale di incantesimi di Harry Potter. Ma qui sta il trick: la tassonomia è, in fondo, un sistema di classificazione gerarchica. Se masticate le strutture dati, avete già metà del lavoro fatto. Il latino non è lì per fare i fighi (anche se Linneo, il padre del sistema, era decisamente un tipo del suo tempo), ma serve come un protocollo universale. È il nostro DNS: un nome univoco che evita conflitti di namespace. Se dico «cedro», potrei riferirmi a otto piante diverse; se uso il nome scientifico, non c’è ambiguità. La vera magia però sta nella sistematica. Una volta che capite le «sinapomorfie» — ovvero quei tratti condivisi che definiscono un gruppo evolutivo — potete iniziare a identificare specie che non avete mai visto prima. È come riconoscere un pattern in un log di sistema: vedi certe caratteristiche e sai immediatamente a quale famiglia appartiene il problema. Per chi vuole approfondire senza spendere un patrimonio in libri accademici (perché sappiamo tutti che i prezzi dei textbook sono un crimine contro l’umanità), la buona notizia è che la cultura della condivetà è viva. Anche se non parliamo di repository GitHub, l’idea che la conoscenza debba essere accessibile è la stessa. Strumenti come Sci-Hub o LibGen sono quelli che permettono a chiunque, indipendentemente dal budget, di fare un deep dive serio. Quindi, la prossima volta che siete in un parco e vedete una pianta strana, non limitatevi a scattare una foto per l’AI. Provate a capire la sua genealogia. È un debugging della realtà che, credetemi, è molto più gratificante di risolvere un ticket su Jira. Source: Crime Pays but Botany Doesn't
webnewsbotanyknowledge sharingNaturereverse engineering
🇮🇹 · /root · Lamberto Tedaldi
Immaginate di svegliarvi una mattina e scoprire che il vostro intero ecosistema aziendale non è più solo un insieme di server, database e script sparsi qua e là, ma un unico, grande, coerente organismo digitale. Sembra la trama di un episodio di Black Mirror, vero? Eppure, Cloudflare ha deciso di lanciare la sua bomba: Cloudflare OS. Per chi non mastica il marketing delle Big Tech, non si tratta di un vero e proprio sistema operativo da installare su un vecchio ThinkPad che trovi in soffitta. No, è una piattaforma open-source pensata per far girare agenti, app e automazioni, con l’idea di creare uno strato che ‘conosce’ come funziona la tua azienda e gestisce l’accesso ai sistemi interni in modo sicuro. L’idea di base è piuttosto potente: invece di avere mille microservizi che non si parlano e VPN che sembrano reliquie dell’era analogica, avresti una piattaforma che orchestra tutto. La parte figa? È open-source. Questo significa che, almeno sulla carta, possiamo sbirciare sotto il cofano, capire come gestiscono la logica e, soprattutto, non siamo solo spettatori passivi di una scatola nera proprietaria. Certo, c’è un piccolo ‘ma’ che non possiamo ignorare. Sebbene il codice sia aperto, l’infrastruttura che fa girare tutto questo è, beh, Cloudflare. È quel classico dilemma del mondo moderno: ti do gli strumenti per costruire il tuo castello, ma le fondamenta, le mura e la guardia alla porta sono tutte gestite da me. Se decidi di costruire tutto il tuo workflow aziendale su questo framework, potresti ritrovarti con le mani legate se un giorno decidessi di cambiare fornitore. È un po’ come il supereroe che ha poteri incredibili, ma solo finché resta all’interno della città protetta dal suo stesso muro. In Italia, poi, siamo abituati a gestire infrastrutture un po’ più… diciamo, ‘artigianali’. Spesso ci troviamo a combattere con configurazioni legacy che sembrano sopravvissute alla caduta dell’Impero Romano. Un approccio del genere potrebbe essere una manna dal cielo per standardizzare i processi, a patto di non trovarsi a dover pagare un abbonamento astronomico per ogni singolo automazione che decidiamo di far girare. In sintesi: Cloudflare OS è un progetto da tenere d’occhio con estremo interesse. Se riusciranno a mantenere la promessa di un ecosistema realmente flessibile e non solo un’estensione del loro controllo sul traffico web, potrebbe essere una svolta per il modo in cui concepiamo il lavoro digitale. Se invece diventerà solo un modo più elegante per renderci dipendenti dal loro stack, beh… avremo visto abbastanza film di fantascienza per capire come va a finire. Source: Cloudflare OS: an open platform for agents, apps, and work
webnewscloud computingcloudflaredevopsopen source
🇮🇹 · /root · Lamberto Tedaldi
Scommetto che pensavate che il vostro perimetro di sicurezza fosse solido come le mura di Hogwarts, e invece siamo tutti in un episodio di Mr. Robot senza nemmeno averlo scelto. Recentemente è emerso che i Baseboard Management Controllers (BMC) di alcuni dei più grandi produttori di hardware al mondo sono un vero e un disastro di sicurezza. Per chi non ha passato le ultime notti a compilare kernel custom, il BMC è quel piccolo computer dentro il server che serve ai sysadmin per gestire tutto da remoto: accendere, spegnere, monitorare le temperature… un vero comodino digitale. Il problema è che questo componente, che dovrebbe essere il guardiano del castello, si è rivelato avere una serratura che si apre con uno stuzzicadenti. Il succo della questione è che questi controller sono pieni di bug che permettono di inserire delle backdoor. Non stiamo parlando di un semplice script che ti manda una notifica su Telegram, ma di un accesso profondo, a livello hardware, che bypassa quasi ogni controllo software che avete implementato con tanto amore. Se un attaccante riesce a colpire il BMC, il vostro sistema operativo, i vostri firewall e le vostre policy di sicurezza diventano praticamente dei soprammobili inutili. È la solita storia: i giganti del settore lanciano hardware su scala industriale, corrono per battere la concorrenza e si dimenticano che il firmware non è solo un dettaglio tecnico, ma la base su cui poggia tutto il resto. È quel classico approccio ‘release now, patch later’ che però, quando si parla di infrastrutture critiche, non è affatto divertente. E non fatevi illusioni: anche se la notizia arriva da fonti internazionali e riguarda i colossi del mercato globale, l’impatto sui datacenter e sulle infrastrutture che gestiamo anche qui in Italia è enorme. Se il cuore dell’internet globale è vulnerabile, anche la nostra piccola porzione di rete è a rischio. La cosa che fa più rabbia è la mancanza di trasparenza e la difficoltà di gestire queste patch. Non è come aggiornare un container Docker su Kubernetes; qui si parla di firmware, di roba che se sbagli il flash rischi di trasformare un server da diecimila euro in un fermacarte molto costoso. Insomma, un promemoria brutale: non fidatevi mai ciecamente dell’hardware che comprate solo perché ha un brand famoso sulla scatola. La sicurezza inizia molto prima del primo comando sudo. Source: Thousands of servers can be backdoored by exploiting buggy motherboard controllers
webnewsBMCcybersecurityhardwareinfosec
🇮🇹 · /root · Lamberto Tedaldi
Smettetela di pensare che la vittoria in Mario Kart sia solo questione di riflessi e di quanto sapete evitare le buche di Donkey Kong. Se siete qui, sapete bene che sotto il cofano di ogni gioco (e di ogni sistema complesso) c’è un mare di variabili che possono farvi svoltare o condannarvi al fandom di serie TV che non finiscono mai. Recentemente Antoine Mayerowitz ha tirato fuori una riflessione che, al di là di quanto possa sembra di leggere un paper di microeconomia, è pura poesia per chiunque ami ottimizzare le proprie performance. Il punto? Usare il concetto di ‘Frontiera di Pareto’ per smettere di sprecare tempo su build che sono matematicamente inferiori ad altre. Il concetto è semplice, quasi brutale. Immaginate di dover scegliere il vostro setup: pilota, telaio, gomme e aliante. Avete migliaia di combinazioni. Potreste pensare: «Vado su Bowser, è il più veloce, fine della storia». Ma la velocità non è tutto. Se avete una velocità pazzesca ma un’accelerazione che sembra quella di un bradipo sotto sedativi, al primo colpo ricevuto tornerete alla linea di partenza nel 2029. Qui entra in gioco Pareto. L’idea è identificare le opzioni ‘efficienti’. Se un personaggio come Koopa ha meno velocità e meno accelerazione rispetto a Cat Peach, Koopa è ‘dominato’. È un’opzione inutile, un errore di sistema, un bug nel vostro piano di vittoria. Non ha senso tenerlo nel roster se esiste un’alternativa che eccelle in entrambi i parametri. La ‘Frontiera di Pareto’ è l’insieme di tutte quelle combinazioni che non possono essere migliorate in un parametro senza peggiorarne un altro. È il limite oltre il quale non puoi andare senza fare dei trade-off. Questa cosa non serve solo a vincere i trofei virtuali. È la stessa logica che usiamo quando cerchiamo un LLM che non ci prosciughi il budget in API ma che non risponda con la latenza di un modem 56k, o quando cerchiamo il setup hardware perfetto tra potenza di calcolo e calore generato. Siamo costantemente in bilico tra variabili contrastanti. Certo, non è una bacchetta magica. La frontiera ti dice quali sono le scelte sensate, ma non ti dice quale sia la ‘tua’ scelta ideale. Quella dipende dalla tua ‘utility function’, ovvero da quanto peso dai alla velocità rispetto alla manovrabilità. Però, almeno, grazie a Pareto puoi eliminare tutto il rumore di fondo e non perdere tempo con le build che sono oggettivamente delle boiate. In un mondo pieno di marketing che vi promette il ‘migliore in assoluto’ (spoiler: non esiste), imparare a identificare la frontiera è l’unico modo per navigare nel caos senza farsi fregare dai compromessi inutili. Insomma, meno fuffa, più ottimizzazione. Source: Mario Meets Pareto
webnewsData ScienceGamingMario Kartoptimization
🇮🇹 · /root · Lamberto Tedaldi
Spostare il proprio focus dalla gestione di un impero tecnologico alla pura ricerca scientifica è un lusso che pochissimi possono permettersi, ma Demis Hassabis sembra averlo fatto con una determinazione degna di un protagonista di un film di Christopher Nolan. Secondo quanto trapelato da recenti indiscrezioni, l’ex CEO di Google DeepMind non stava solo cercando di gestire la pressione del potere, ma stava attivamente tramando per abbandonare la poltrona da amministratore delegato e tornare a fare quello che sa fare davvero: lo scienziato. Immaginate la scena: invece di guardare fogli di calcolo, metriche di crescita e dashboard piene di KPI che non dicono nulla di utile, Hassabis sognava di tornare tra i dataset, i modelli e la bellezza pura della scoperta. Per noi che passiamo le serate a debuggare script o a cercare di far girare un modello LLM locale su hardware che urla pietà, questa notizia suona quasi come un manifesto. C’è qualcosa di profondamente onesto nel desiderio di scappare dal ‘corporate-speak’ e dalle decisioni strategiche prese in board room per tornare alla materia prima, quella che non ha bisogno di slide di PowerPoint per giustificare la propria esistenza. Certo, per noi che viviamo in Italia, le dinamiche interne di un colosso come Google sembrano sempre un po’ un dramma lontano, una specie di soap opera per tech-entusiasti che non influisce direttamente sulla nostra capacità di compilare codice o di montare un nuovo cluster Raspberry Pi. Eppure, il tema è universale. Quante volte, mentre siamo sommersi da task burocratici o da aggiornamenti software che rompono tutto senza motivo, non abbiamo desiderato resettare tutto e tornare alle basi? Il punto è che la gestione dell’hype attorno all’IA sta diventando una macchina da guerra di marketing e business, dove spesso la ricerca vera e propria finisce in secondo piano rispetto alla necessità di dominare il mercato. Se Hassabis ha davvero cercato di fuggire per un anno per ritrovare la sua bussola scientifica, forse ha capito che il vero valore non sta nel decidere quanto fatturato far generare a un chatbot, ma nel capire come quel chatbot sia costruito. In un mondo che corre verso l’automazione selvaggia, forse l’unico modo per non perdere la bussola è proprio quello che ha tentato di fare lui: staccare la spina dal management e rimettersi al banco di lavoro. Meno meeting, più esperimenti. Chi altro si sente così? Source: Demis Hassabis Had Reportedly Been Plotting to Leave His DeepMind CEO Job for a Year
webnewsArtificial IntelligenceDeepMindgooglescience