Discover
Risorse Artificiali AI Engineering in italiano
Risorse Artificiali AI Engineering in italiano
Author: RisorseArtificiali
Subscribed: 23Played: 658Subscribe
Share
© RisorseArtificiali
Description
Risorse Artificiali è il podcast italiano di AI Engineering. Ogni settimana, tre ingegneri con 20+ anni di codice alle spalle fanno deep dive tecnici su agent, LLM, tool chain e produzione:
Claude Code, Codex, agenti e modelli open source, inference, spec-driven development, e tutto ciò che serve per portare l'AI dal demo al deploy.
Niente hype, niente "l'AI cambierà tutto": solo analisi oneste, casi concreti e cicatrici dal campo.
Se scrivi codice per vivere e vuoi capire cosa cambia davvero per te, sei nel posto giusto.
Claude Code, Codex, agenti e modelli open source, inference, spec-driven development, e tutto ciò che serve per portare l'AI dal demo al deploy.
Niente hype, niente "l'AI cambierà tutto": solo analisi oneste, casi concreti e cicatrici dal campo.
Se scrivi codice per vivere e vuoi capire cosa cambia davvero per te, sei nel posto giusto.
97 Episodes
Reverse
NVIDIA senza Jensen, immagini AI da 16 megapixel in locale e il ThoughtWorks Radar: puntata di Risorse Artificiali, il podcast di AI engineering in italiano. Si parte dalla caduta in fallo di Jensen Huang e si arriva agli swarm di agenti che litigano tra loro invece di consegnare.Alessio apre il segmento tecnico più denso: da MiniMax H3, il modello video open weight da cui la community ha già derivato 1400 modelli, nascono Pruna H3 e MiniMax H3 Image. Distillazione, text encoder ridotto da 32B a 4B, generazione in 6-8 step, immagini native da 8 e 16 megapixel senza upscaling. Con un dettaglio che conta: la licenza community fuori dalla Cina praticamente non si può usare. E il test reale su foto da Reflex: da un'ora e mezza a quindici minuti.Stefano smonta il ThoughtWorks Radar numero 40: harness engineering at scale, evals sulla qualità dell'harness, self-evolving harness, modelli open weight come GLM 5.3 come fallback, decision model come JEV, lo standard A2UI 1.0 per interfacce generate al volo dagli agent, agent team e swarm, il concetto di human in the loop theater e le AI Factory.In mezzo: Gemini Hydrogen a due settimane esatte da Carbon, i 450 mondi 3D generati dai 25.000 agenti di Ethan Mollick, NVIDIA dopo Jensen con una CEO dal mondo finance, e la tecnica del pre-mortem per far revieware le PR ai modelli.CAPITOLI0:00 Jensen è caduto in fallo: l'apertura3:20 Gemini Hydrogen e aggiornamento skateboarder10:00 Ethan Mollick: 450 mondi, 25.000 agenti15:45 Pruna H3: immagini in 8 step22:30 MiniMax H3 Image: 16 megapixel e licensing27:00 Pika H3 Flex e immagini più naturali34:10 NVIDIA senza Jensen: CFO e borsa37:50 ThoughtWorks Radar: harness engineering44:00 Local AI e decision model: GLM 5.3, JEV50:58 A2UI 1.0: interfacce generate al volo55:29 Swarm di agenti che litigano59:15 Human in the loop theater e pre-mortem1:07:39 AI Factory, open wiki e sondaggioASCOLTACI ANCHE QUISpotify (audio): https://open.spotify.com/episode/1zE5hQLwb5NZLBJZVxNhGb?utm_source=youtube&utm_medium=description&utm_campaign=ep80_dropSito e archivio puntate: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep80_dropSe costruisci con l'AI in produzione e sei stanco del hype, iscriviti al canale: ogni sabato modelli, agenti e tool che usi davvero, in italiano.#80
L'AI ha patchato un LLM già trainato: il paper del MIT mostra 4 pesi editati e l'errore che crolla dal 96% al 33%. È un intervento chirurgico su un modello già addestrato, non un nuovo training. In questa puntata capiamo cosa significa per chi costruisce con gli agenti.Raccontiamo l'intervista di Sam Altman a Stripe: la sicurezza dopo il baco PHP (il sandboxing tradizionale non basta più, servono architetture intrinsecamente isolate), la macroeconomia della RAM e la tesi che gli alti prezzi curano gli alti prezzi, lo shift dall'app AI-infused all'agente personale e il valore del brand nell'era del software clonato. Poi GrokBot che taglia i limiti a metà mese, Revolut che sposta workload su modelli GLM girati in locale su B200 fino a token infiniti, l'articolo di DeepSeek che definisce il Super Agent: continuo, produttivo, proattivo, persistente. E l'articolo DeepMind sull'economia dell'AGI: scarsità, salari e chi vince davvero.00:00 Intro: Astra 6.2, Fable 5.5 e i modelli cinesi02:57 Altman a Stripe: il baco PHP e la fine del sandboxing10:34 Macroeconomia: alti prezzi, RAM e utilizzazione delle risorse15:00 Swarm vs team: nasce l'agente personale17:32 Il valore del brand: Amazon e la fiducia nel software24:17 GrokBot: Elon taglia i limiti a metà mese27:23 Revolut: GLM locale su B200 e token infiniti32:29 Super Agent: l'harness di DeepSeek in 4 aggettivi43:13 Paper MIT: l'AI patcha i pesi di un modello47:43 Anthropic self-improving e risorse infinite ai ricercatori50:39 L'economia dell'AGI: scarsità, salari e chi concentra il talento1:01:55 understand-anything e i progetti token-avidiAscolta l'episodio anche su Spotify:https://open.spotify.com/episode/37sP6AmI7aqk4QeHhru7Xr?utm_source=youtube&utm_medium=description&utm_campaign=ep79_dropTutti gli episodi e gli appunti: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep79_dropIscriviti al canale: AI Engineering in italiano, ogni settimana, per chi la scrive.#79
Un modello frontiera ogni 2 settimane: Gemini Carbon esce a 14 giorni da Argon e Sundar Pichai promette che il passo resterà tale. Cosa significa per chi usa questi modelli in produzione?Nell'episodio 78 di Risorse Artificiali, Stefano, Paolo e Alessio partono dal tweet di Pichai e dal nuovo indice di Artificial Analysis (per il 60% chiuso, per evitare la contaminazione dei benchmark) per ragionare su come stare al passo senza perdere il controllo: riproducibilità per l'enterprise, costi reali dei token input nei contesti lunghi, e la scelta consapevole del modello giusto per ogni caso d'uso, tra Nemotron Transcribe e i modelli specializzati.Nel blocco hardware: come due registri bloccati in fabbrica limitano le RTX 30 e 40, cosa cambia davvero (efficienza per watt, pre-fill in FP16) e perché non va al doppio.Capitoli:00:00 Momenti a-moment: da GPT 2022 alla vibe coding12:20 Artificial Analysis rifà gli indici di intelligenza18:00 GPT Terra 6.1: orchestratore multi-agente economico23:00 Token input, contesti lunghi e costi reali26:45 Gemini Carbon: un modello frontiera ogni 2 settimane31:00 Release frequenti: il punto di vista enterprise35:10 Grokbot e Instinct: agenti consumer su WhatsApp40:20 Nemotron Transcribe 3.5: cosa fa davvero46:40 Modelli specializzati e il costo del fine-tuning52:45 Word Error Rate: quanto fidarsi dei numeri58:35 RTX 30 e 40 sbloccate: i due registri1:04:00 Efficienza per watt: pre-fill e quantizzazione1:09:45 Lampadine, TV jailbreakate e salutiSpotify: https://open.spotify.com/episode/6v5rX5ZSATUk94OF39gxVv?utm_source=youtube&utm_medium=description&utm_campaign=ep78_dropSito: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep78_dropIscriviti al canale: parliamo di AI Engineering in italiano, per chi la scrive.#78
E' uscita un'ondata di modelli per la generazione immagini: prompt in JSON, diffusion che scrive codice e open weight da 8GB di VRAM. In questa puntata li proviamo tutti, benchmark skateboarder compreso.Fibo 2.0 di Bria AI e Moss Image portano i prompt strutturati in JSON per controllare composizione e layout delle immagini. Flux Klein di Black Forest Labs porta la generazione immagini in locale con 8GB di VRAM e una licenza community nuova. Crea 3 Ultra punta tutto sull'estetica, ma costa quasi 300 dollari per mille immagini contro i 10 di Flux Klein.Sul testo invece Mercury 3 di Inception è il primo diffusion model che proviamo con lo skateboarder: 56.000 token in meno di due minuti. E Flint di Recursive è probabilmente il primo modello open disegnato e trainato da un'altra AI.Nella seconda parte: come Anthropic ha rifatto le PR review guardando importanza e pericolosità invece delle righe di codice, l'acquario degli agenti di Sakana, le mappe live di Groma e perché il programmatore sta diventando un manager di agenti.Capitoli:00:00 Apertura: modelli immagine e agenti personali08:36 Skateboarder: i nuovi modelli e le velocità13:31 Mercury 3: il diffusion model che scrive codice16:40 Minimax, Quen e la scacchiera AI cinese19:09 Fibo 2.0: prompt strutturati in JSON per le immagini28:51 Moss Image e Flux Klein: gli open weight38:04 I costi per immagine e Flint, il modello creato da un'AI43:13 Accelerazione, reinforcement learning e le perdite di Anthropic46:32 PR review: il metodo Anthropic e i semafori di Stefano52:58 L'acquario di Sakana e le mappe di Groma1:01:52 Diventare manager di agenti1:06:28 Il robot di Unit 3 e i salutiAscolta l'episodio anche su Spotify:https://open.spotify.com/episode/5tT49Yk79ttvVon3tQoz8z?utm_source=youtube&utm_medium=description&utm_campaign=ep77_dropSul sito trovi la trascrizione completa e le risorse:https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep77_dropIscriviti al canale per non perdere le prossime puntate.#77
Anthropic ha smantellato Git e riscritto il versioning per i suoi agenti. E se il prossimo passo fosse smettere di scrivere software?In questa puntata parliamo dei segnali che arrivano da tutti i fronti: Anthropic ha sostituito Git con Xeon perché tutto il loro codice è scritto dagli agenti, il repo Reverse Engineer Anything ha fatto 30 mila stelle in una settimana promettendo di clonare Photoshop e Office, e la tesi più estrema gira già nei lab: non esisterà più il software, esisteranno i prompt.Poi gadget: Meta esce con gli SDK per portare i suoi modelli su ESP32 e Raspberry, Amazon risponde con Frontier e un braccialetto a 12 dollari al mese, e Stefano spiega perché per le big tech il valore non è l'abbonamento: sono i dati di voce e video per trainare modelli e robot.Chiudiamo con i modelli usciti questa settimana: Gemini 4 Argon, ottimo nei benchmark ma più consumer che developer, Step 5 Preview open weight e la rassegna skateboard sul nostro benchmark visuale.Capitoli:00:00 Gemini 4, gadget AI e i rallentamenti02:24 Meta SDK: l'AI arriva su ESP3210:34 Batteria, sensori e privacy dei gadget15:57 Amazon Frontier: gadget e abbonamento22:08 Il vero business: i dati per il training28:00 World model, Rick and Morty e Matrix32:40 Reverse Engineer Anything: i cloni via AI41:44 Anthropic smantella Git: ecco Xeon45:45 Solo prompt: la fine del software?52:30 Benchmark skateboard: Step 5 e Wonder58:47 Gemini 4 Argon: coding, consumer e 3DAscolta l'episodio anche su Spotify:https://open.spotify.com/episode/2T1IqGIJfUk14UrsWHBb5Y?utm_source=youtube&utm_medium=description&utm_campaign=ep76_dropSito, post e materiali:https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep76_dropIscriviti al canale: il prossimo episodio arriva ogni sabato alle 13:00.#76








