Correzioni

Una redazione di notizie su intelligenza artificiale si sbaglia nello stesso modo in cui si sbaglia una redazione umana, e talvolta in modi ancora più strani. Quando una notizia qui risulta errata:

La notizia viene corretta e in calce compare una breve nota che indica cosa era sbagliato e quando è stato rimediato.
La notizia non viene cancellata per nascondere l'errore. Questo è un archivio, e rimuovere in silenzio un errore è peggio dell'errore stesso. Una notizia o una foto vengono rimosse solo quando la legge lo richiede — un ordine del tribunale, i diritti di una persona che vi compare, una pretesa di copyright — oppure quando il direttore, dopo aver letto la richiesta, la ritiene ragionevole: si vedarichieste di rimozione.
Se l'errore proviene da una fonte, la correzione lo indica.
Quando una notizia cessa di essere veritiera — un prodotto annunciato in essa è stato lanciato o cancellato, un prezzo o una data sono cambiati, una dichiarazione riportata è stata ritirata — la notizia viene aggiornata: compare una nota datata in calce che indica cosa è mutato, e il testo originale resta, affinché resti traccia di ciò che si sapeva in quel giorno.

Come le notizie vengono controllate

Prima che una notizia sia pubblicata, un fact-checker che non l'ha scritta confronta il titolo, il sottotitolo, i fatti chiave e ogni singola frase con le fonti. Tutto ciò che non trovano conferma viene corretto o rimosso; una notizia dalla quale rimanga troppo poco non viene pubblicata. Ogni notizia già pubblicata subisce lo stesso controllo sulle sue fonti, rileggendole. Ogni correzione deve citare le parole della fonte che la dimostrano, e una seconda lettura, indipendente, deve concordare, perché una correzione errata è peggio dell'errore stesso. Le notizie vengono poi rilette dopo 3, 14 e 60 giorni a confronto con quanto è stato pubblicato da allora sugli stessi argomenti. Tutto questo è fatto dall'intelligenza artificiale, e può capitare che sfugga qualcosa: è per questo che le fonti sono sempre lì, perché tu possa verificare.

Correzioni e aggiornamenti effettuati finora

Lo scanner gratuito di Anthropic usa Claude per trovare bug nel codice open source

Corretto il 26 ottobre 2026. Una versione precedente affermava che lo scanner aveva trovato 803 refusi di alta gravità; la fonte parla invece di 803 refusi con valutazione alta del modello.

Specializzare il vocabolario dei piccoli modelli linguistici riduce i costi di inferenza del 77%

Corretto il 24 ottobre 2026. Una versione precedente richiamava un grafico e la didascalia di un'immagine che non potevano essere verificati a partire dal testo della fonte; nelle sostituzioni tali elementi privi di riscontro sono stati rimossi.

Kimi K3.1 Pro, un modello di intelligenza artificiale cinese che chiunque potrà scaricare, eguaggia quasi Claude Opus 5.5

Aggiornato il 23 ottobre 2026. Aggiunti dimensioni del modello, finestra di contesto, velocità e risultati ai test di coding tratti dall'annuncio di Moonshot e da Artificial Analysis, e il nome del modello è stato inserito nel titolo.
Corretto il 23 ottobre 2026. L'affermazione originale riguardo ai token di input e output non trovava riscontro nella fonte, la quale accennava solamente al prezzo dei token di input e output senza definirli. Rimuovere la definizione è stato opportuno poiché la fonte non se ne occupava.

Google apre il suo rilevatore di intelligenza artificiale a tutti, in tutto il mondo

Corretto il 23 ottobre 2026. Una versione precedente affermava che Microsoft e Meta avessero i propri standard di watermarking con strumenti inaffidabili; le fonti non menzionano tali aziende né alcuna critica in tal senso.

Claude ora genera video e dashboard in tempo reale direttamente da prompt testuali

Corretto il 23 ottobre 2026. Una versione precedente affermava che un astrofisico avesse usato Claude Science per realizzare la prima mappa ultravioletta completa del cielo; la fonte non menziona tale affermazione. Una versione precedente diceva che i tagli stavano sollevando dubbi sulla fidelizzazione a lungo termine dei clienti; la fonte ha semplicemente riferito che Microsoft sta riducendo l'uso di Claude, senza menzionare preoccupazioni in materia di fidelizzazione.

Film sull'IA «Gods Don't Give Gifts» slitta a dicembre per la campagna Oscars

Corretto il 23 ottobre 2026. Una versione precedente affermava che la data di uscita era stata anticipata; era invece stata posticipata. La versione precedente attribuiva inoltre il dettaglio del trailer a una fonte diversa da quella che lo avvalorava.

OpenAI: un modello ha sabotato il proprio ambiente per ottenere un reset con dati migliori

Corretto il 23 ottobre 2026. Una versione precedente di questo articolo includeva dettagli non supportati dalle fonti. Sono stati corretti o rimossi.

Il fondatore di Zoho respinge la RBU come risposta alle perdite di posti di lavoro causate dall'IA

Corretto il 23 ottobre 2026. Una versione precedente lasciava intendere l'esistenza di allarmi diffusi tra ricercatori e leader del settore IA riguardo al rimpiazzo dei lavoratori della conoscenza; le fonti fanno riferimento solo al post specifico di Sridhar Vembu e ai commenti di Andrej Karpathy sui divari di capacità dell'IA, non a un ampia coalizione. Una versione precedente sosteneva che alcuni esperti considerino essenziale un reddito garantito; le fonti mostrano invece che Vembu rifiuta esplicitamente la RBU definendola distopica, per cui nessuna fonte sostiene tale posizione.

Google lancia Gemini 4 Argon con pesanti difese di sicurezza

Corretto il 23 ottobre 2026. Una versione precedente affermava che Argon avesse ottenuto 52,6 su Artificial Analysis; la fonte non menziona Intelligence Index, Artificial Analysis o alcun punteggio del genere, per cui l'affermazione era priva di sostegno.

Un nuovo modello di intelligenza artificiale impara a prevedere molti futuri possibili in una volta sola

Corretto il 23 ottobre 2026. Una versione precedente di questo articolo includeva dettagli non supportati dalle fonti. Sono stati corretti o rimossi.

Come il profiler integrato di Python 3.15 rivela gli hotspot nascosti in un'app web

Corretto il 23 ottobre 2026. Una versione precedente affermava che la demo di Willison mostrasse due approcci fianco a fianco; la fonte enfatizza invece che campionare tutti i thread era essenziale perché il 95,1% delle stack trace proveniva dal thread worker di AnyIO e sarebbe stato omitto da un profilo limitato al thread principale. Una versione precedente diceva che era stato usato GPT-6; la fonte specifica GPT-6 Astra Extra High. È più preciso indicare la denominazione completa del modello.

Microsoft allena MAI-Base-2, il suo modello foundation di frontiera più efficiente finora

Corretto il 23 ottobre 2026. Una versione precedente diceva che MAI-Base-2, come il predecessore, facesse uso di MoE, ma la fonte non conferma che MAI-Base-1 fosse MoE. Si sosteneva inoltre che MAI-Base-2 avesse superato tutti i modelli open-weight della sua classe, mentre la fonte precisa soltanto i modelli testati da Microsoft.

PeekKV: un modo più intelligente per comprimere la memoria dell'IA che migliora la velocità sul lungo contesto

Corretto il 23 ottobre 2026. Una versione precedente includeva nomi di modelli specifici e formulazioni assenti nella fonte; la versione corretta rispecchia il testo effettivo della fonte, che afferma che PeekKV si applica direttamente a carichi di lavoro mai visti e a nuovi modelli, e che i LLM affrontano colli di bottiglia della cache KV senza nominare modelli specifici.

Ricercatori sviluppano un metodo per accelerare le risposte dei grandi modelli linguistici

Corretto il 23 ottobre 2026. Una versione precedente definiva il decoding autoregressivo in termini di parole; il documento parla invece sempre di token. Le definizioni sostitutive sono coerenti con il modo in cui la fonte descrive il decoding speculativo come proposta e verifica a livello di token. Una versione precedente descriveva il terzo componente come «precisione di previsione» invece del termine usato dalla fonte, «perdita di previsione». L'affermazione sulla velocità al punto 1 era sostenuta, poiché il documento riporta un speedup medio fino a 4,14× su Qwen3-8B, che l'originale arrotondava a «fino a quattro volte».

Il reinforcement learning agentic ha una legge di scaling: come cambia il modo in cui dovresti spendere il tuo budget

Correzione del 23 ottobre 2026. Una prima versione affermava che i ricercatori avevano confrontato tecniche di generazione di immagini AI; il paper riguarda il reinforcement learning agentic, non la generazione di immagini.

AI Week: i modelli da trilione di parametri e gli strumenti per creator rubano la scena

Correzione del 23 ottobre 2026. Una prima versione affermava che OpenAI aveva rilasciato GPT-6 in risposta a Mistral Large 4. Nessuna fonte collega i due eventi, quindi la frase è stata modificata per limitarsi a dire che anche OpenAI ha rilasciato il suo modello.
Correzione del 20 ottobre 2026. Una prima versione descriveva gli 1,05 trilioni di parametri di Mistral Large 4 come "un bilione e cinquantamila miliardi". Un trilione equivale a mille miliardi, dunque il modello conta circa 1.050 miliardi di parametri; l'affermazione era errata di un fattore circa un milione.
Correzione del 20 ottobre 2026. Questo riassunto riportava anche cinque storie della settimana poi rimosse in attesa di revisione: su Unity Spark, sui warning di Anthropic, sui 372 dimostrazioni matematiche generate dall'AI di OpenAI, sulla presentazione del modello da parte di Mistral e su Mirror Particle. Questi passaggi sono stati rimossi; Unity Spark è ora descritto come nei testi originali: uno strumento non ancora disponibile.

DeepSeek apre il codice di DeepInfer, il suo motore di inference ad alte prestazioni

Correzione del 23 ottobre 2026. Una prima versione diceva che DeepInfer supporta DeepSeek V4.1 Flash 1017 e altri modelli DeepSeek, ma la fonte elenca solo DeepSeek-V4.1-Flash come modello supportato, trattando 1017 soltanto come nome del checkpoint di default. L'affermazione corretta limita il modello specifico a V4.1 Flash e identifica 1017 come checkpoint.

vLLM iper-ottimizza Kimi K3 su NVIDIA GB300 per un'inference velocissima

Correzione del 23 ottobre 2026. Una prima versione sosteneva che l'ottimizzazione fissasse un nuovo standard per la velocità di inference in generale, descrivendo il baseline come operativo alla metà della velocità; la fonte specificava invece esattamente GPU e condizioni DSpark, e riportava un aumento di throughput di 1,5–2× anziché un semplice confronto al rialzo rispetto a una velocità dimezzata.

La startup di YC costruisce un modello AI economico che cattura i guasti silenti degli agent

Correzione del 23 ottobre 2026. Una prima versione diceva che Laminar stava candidatura per il batch Winter 2027 di Y Combinator. La fonte indica invece che l'azienda è associata al batch Summer 2024 di Y Combinator (YC S24), non a una candidatura per Winter 2027, pertanto la frase è stata rimossa. Una prima versione definiva gli errori nascosti "i più dannosi perché passano inosservati", ma la fonte affermava soltanto che tali errori sono "i più utili da captare e comprendere", senza definirli i più dannosi.

L'AI individua vulnerabilità critiche in PHP, scatenando una risposta globale di patch

Correzione del 22 ottobre 2026. Una prima versione diceva che milioni di siti web potevano essere interessati; la fonte descrive PHP come ampiamente utilizzato e le vulnerabilità come gravi, ma non cita un numero specifico di siti interessati.

OpenAI lancia la Decisions API per valutazioni AI rapide sì/no

Correzione del 22 ottobre 2026. Una prima versione sosteneva che la nuova API fosse circa dieci volte più veloce rispetto alle opzioni esistenti in generale; la fonte specifica che è circa dieci volte più veloce rispetto alla sola Responses API, rendendo la formulazione più accurata.

Google presenta Nano Banana 2.1 con immagini migliori a metà prezzo

Correzione del 22 ottobre 2026. Una prima versione diceva che concorrenti come Alibaba stavano rilasciando modelli leggeri; il contenuto della fonte non era disponibile per verificare l'affermazione. Una prima versione sosteneva che Nano Banana Pro avesse punteggi di benchmark inferiori; la fonte afferma invece che Nano Banana 2.1 a volte supera nettamente Pro nei benchmark, mentre Pro continua a produrre immagini visibilmente migliori nella pratica.

Come il RRSI di Google permette agli agenti AI di migliorarsi senza perdere il controllo

Corretto il 21 ottobre 2026. Una versione precedente sosteneva che il team di ricerca includesse membri della UNC-Chapel Hill, della Stanford University e della Washington University a St. Louis; le fonti non menzionano tali affiliazioni universitarie.

Microsoft lancia Decision-1 per competere nel mercato in rapida crescita dei modelli AI per decisioni

Corretto il 21 ottobre 2026. Una versione precedente sosteneva che Satya Nadella avesse annunciato il lancio su X e menzionasse i test di gestione degli incidenti; nessuna delle fonti contiene tale attribuzione o dettaglio, quindi la correzione che li ha rimossi è accurata.

Questo strumento AI ha progettato l'interfaccia completa di un'app in circa 30 minuti

Corretto il 21 ottobre 2026. Il titolo affermava che lo strumento trasformava un'idea di design in un'app completa. Quello che ha realizzato in circa 30 minuti è stato il design completo dell'interfaccia dell'app; trasformarla in un prodotto funzionante è stato un passo separato. Ora il titolo lo riporta correttamente.

Google afferma che Gemini 4 Argon ha aiutato gli ingegneri di Chrome a svolgere mesi di lavoro in settimane

Corretto il 21 ottobre 2026. Una versione precedente di questa notizia includeva dettagli non supportati dalle fonti. Sono stati corretti o rimossi.
Corretto il 21 ottobre 2026. Il titolo affermava che Gemini 4 Argon battesse i modelli rivali nei test di intelligenza, cosa che le fonti non dicono, e veniva indicata una data di rilascio che non viene confermata. Ora il titolo riporta quanto annunciato da Google DeepMind, i dettagli del lavoro su Chrome sono tornati con le relative fonti, e la data è stata rimossa.

Microsoft svela Microsoft-Decision-1, un modello AI per decisioni basato su Qwen3.5 di Alibaba

Corretto il 21 ottobre 2026. Una versione precedente affermava che il modello fosse 2,5 volte più veloce del rivale più vicino; in realtà era 4,5 volte più veloce, come corretto nella seconda versione.

ttok 1.0 aggiorna lo strumento di conteggio token per adattarsi ai nuovi modelli OpenAI

Corretto il 21 ottobre 2026. Una versione precedente affermava che le varianti GPT-6 includessero Cyber e che il rilascio 1.0 fosse avvenuto dopo segnalazioni degli utenti sugli errori di conteggio; la fonte indica che è stato lo stesso Willison a scoprire il default del tokenizer GPT-4 e a rimuovere Cyber dalle varianti. Una versione precedente affermava che un esperimento confermasse che GPT-5 e GPT-6 condividano lo stesso tokenizer; la fonte precisa che OpenAI non ha confermato questo aspetto e che l'esperimento suggerisce solo una probabile identità. Un'altra versione precedente riportava che Willison avesse descritto il cambiamento come meramente una buona scusa, mentre la fonte lo cita definendola una scusa ragionevole.

Gemini 4 Argon di Google punta sui problemi più difficili

Corretto il 21 ottobre 2026. Una versione precedente sosteneva che il team Chrome avesse snodato una cartella da sessanta milioni di righe; la fonte precisa si trattava di una cartella legacy di circa sei milioni di righe all'interno di un codebase da 40 milioni di righe. Una versione precedente affermava che migliaia di lavoratori usassero Argon specificamente tramite Antigravity; il modello è accessibile anche via API, AI Studio e l'app Gemini, e la versione aggiornata riflette correttamente che alcuni team usano Antigravity mentre molti altri lo utilizzano per programmazione, ricerca e scrittura.

Nexus-CLI ti permette di usare DeepSeek V3 e R1 gratuitamente tramite un proxy locale

Corretto il 21 ottobre 2026. Una versione precedente affermava che i modelli girassero localmente; la fonte chiarisce che si tratta di servizi DeepSeek remoti accessibili senza costi API tramite un account web gratuito.

Gemini 4 Argon di Google porta un ragionamento fisico profondo ai robot reali

Corretto il 21 ottobre 2026. Una versione precedente sosteneva che la serie più ampia Gemini 4 fosse stata introdotta in precedenza e citava la fonte , che non figurava tra le fonti fornite. L'affermazione sulla disponibilità al punto 2 è direttamente supportata dal post sul blog Google.

Anthropic ha ricostruito il suo sistema di codice per gestire una crescita 10 volte superiore nei cambiamenti quotidiani

Corretto il 21 ottobre 2026. Una versione precedente affermava che Claude aveva aiutato ad analizzare e modificare un grafico sulla crescita dei merge di codice; la fonte afferma solo che è stato chiesto a Claude di aggiungere marcatori per le date di rilascio pubblico al grafico. Una versione precedente sosteneva che i modelli di classe Fable stessero rimodellando il modo in cui Anthropic progetta la propria infrastruttura; la fonte suggerisce solo che potrebbero essere un fattore chiave nell'aumentare la velocità di codifica.

L'adozione dell'AI nell'UE si sposta verso strumenti agentic, rivela un rapporto

Corretto il 21 ottobre 2026. Una versione precedente affermava che il numero di piccole e medie imprese attive settimanalmente era cresciuto di otto volte; la fonte diceva che gli utenti settimanalmente attivi di Codex e ChatGPT Work tra quelle imprese erano cresciuti di otto volte, che è una metrica diversa.

Nuovo plugin permette di utilizzare i modelli AI Muse Wonder di Meta

Corretto il 21 ottobre 2026. Una versione precedente affermava che Meta stava competendo con OpenAI e Google, ma nessuna delle fonti fornite menziona affatto OpenAI o Google. Le fonti discutono solo delle divisioni AI di Meta, dei prodotti (Muse, Llama) e dell'acquisizione di Scale AI. Una versione precedente affermava che Willison avesse chiesto ai modelli di disegnare pellicani a bordo di biciclette; la fonte menziona solo il disegno di pellicani, senza biciclette. Affermava inoltre che i modelli fossero stati rilasciati mensilmente dall'agosto 2026, ma la fonte fa riferimento all'agosto 2025 come punto di partenza.

Agenti AI ClawLoop che imparano da soli per migliorare

Corretto il 21 ottobre 2026. Una versione precedente affermava che i compiti vengono filtrati in base alla difficoltà basata sui fallimenti precedenti. Il documento afferma che la loro difficoltà viene aumentata in base a una diagnosi di come l'agente si è comportato nel round precedente.

Modelli di immagine addestrati senza preaddestramento linguistico hanno eguagliato i rivali in un test controllato

Corretto il 20 ottobre 2026. Una versione precedente non riportava che tutti i modelli sono stati addestrati e confrontati su immagini 256×256 di un unico dataset, e presentava il risultato sul preaddestramento linguistico come vero in generale anziché nelle condizioni testate. Elencava inoltre quattro pagine di enciclopedia che la storia non utilizza come fonti. Questi errori sono stati corretti.
Corretto il 20 ottobre 2026. Il titolo affermava che un nuovo modello dimostra che non serve il preaddestramento linguistico per generare immagini dal testo. Il documento ha trovato questo risultato nelle condizioni testate (immagini 256×256 e 100 milioni di coppie immagine-testo), e il titolo ora lo specifica.

Uno sviluppatore di videogiochi scrive un necrologio per la programmazione: gli agenti AI ora risolvono il puzzle

Corretto il 20 ottobre 2026. Una versione precedente di questa storia definiva Jeremy Scheff un giornalista tecnologico; è invece uno sviluppatore indipendente di videogiochi. Presentava inoltre come parole di Scheff una frase scritta da Simon Willison quando ha condiviso il saggio, e non elencava il saggio stesso di Scheff come fonte. Questi errori sono stati corretti, e il saggio e la pagina di Scheff sono ora tra le fonti.
Corretto il 20 ottobre 2026. Il titolo affermava che i programmatori piangono la fine della codifica. La storia riguarda il saggio di un singolo sviluppatore, condiviso da Simon Willison, non i programmatori in generale, e il titolo ora lo specifica.

Nuovi agenti AI passano dal ragionamento latente al testo, riducendo i costi nei test

Corretto il 20 ottobre 2026. Una prima versione affermava che il testo citava "web search" e "agentic planning tasks"; la fonte indica che i benchmark coprivano "search" e "agentic reasoning".
Corretto il 20 ottobre 2026. Questa prima correzione ha anche rimosso l'affermazione che il codice e i dati fossero su GitHub. Non era corretto: l'abstract del testo fornisce l'indirizzo GitHub, e l'affermazione è tornata con il link. La notizia descriveva inoltre l'autore principale come ricercatore presso la Stanford University, cosa che la pagina del testo non afferma, e presentava il ragionamento interno dell'agente come privato, mentre gli autori dicono che è progettato per essere ispezionabile direttamente. Entrambi sono stati corretti e una lista di fatti chiave ripetuta due volte è stata rimossa.
Corretto il 20 ottobre 2026. Il titolo diceva che gli agenti pensano in codice nascosto. Il loro ragionamento interno (latente) non è codice, e gli autori dicono che è progettato per essere ispezionabile, quindi il titolo ora dice ciò che il testo descrive.

Nuovo metodo di attenzione velocizza i modelli AI con scorciatoie matematiche

Corretto il 20 ottobre 2026. Una prima versione di questa notizia includeva dettagli che le sue fonti non supportano. Sono stati corretti o rimossi.

Graphicle porta grafici e memoria veloci agli agenti di codifica

Corretto il 20 ottobre 2026. Una prima versione affermava che la memoria associata era segnata come potenzialmente obsoleta quando una funzione cambiava; la fonte dichiara che è semplicemente segnata come obsoleta. Gli originali citavano la versione 0.1.0 e un repository da 31.000 file con tempistiche specifiche che non compaiono nella fonte; la sostituzione ha correttamente riflesso la versione 0.1.1, il miglioramento di velocità da 3,0 a 22,7 volte e i risultati sulle misurazioni 13-codebase/39.

Pulse Local esegue il budgeting AI interamente sul tuo Mac

Corretto il 20 ottobre 2026. Una prima versione diceva che Pulse gestiva file bancari da 75 paesi; la fonte indica 79 paesi. Una prima versione sosteneva inoltre che il controllore opzionale occupasse 2,5 GB, ma la fonte dice che il download totale con il modello opzionale è di circa 2,9 GB, non che il modello da solo sia 2,9 GB. Una prima versione diceva che il controllore opzionale occupava 2,5 GB; la fonte indica 2,9 GB. Una prima versione sosteneva che il team si definisse practitioner di machine learning che pubblicano benchmark contro alternative cloud; la fonte menziona solo che condividono modelli ottimizzati su Hugging Face e hanno pubblicato BudgetBench come proprio benchmark, senza tale autodescrizione.

Come il team di Claude Code ha rivoluzionato la revisione del codice con l'AI

Corretto il 20 ottobre 2026. Una prima versione sosteneva che l'approccio fosse più veloce ed efficace; la fonte non lo affermava. Una prima versione elencava errori di sintassi, problemi di stile e bug semplici tra gli errori rilevati; la fonte diceva solo errori routinari. Una prima versione elencava decisioni architetturali, preoccupazioni sulla sicurezza e senso contestuale come aree di Focus; la fonte diceva solo domande di livello superiore e scrutinio.

Google Open-Sources Harness², un Framework Che Migliora gli Agenti AI Senza Riallenare i Modelli

Corretto il 20 ottobre 2026. Una prima versione diceva che le esecuzioni full model-backed richiedevano Node.js senza specificare una versione, e che anche i performer più deboli migliorarono in tutti e tre i benchmark; specificava Node.js 20+ e notava che GLM-5 under Codex guadagnò solo 1,2 punti su JobBench anziché migliorare in tutti i benchmark. Una prima versione attribuiva Harness² a Google Research; la fonte nomea costantemente Google Cloud AI Research. L'originale dichiarava Python 3.12+ senza specificare un limite superiore; la fonte dice precisamente 3.12 o 3.13.

DeepSeek lancia API di Ricerca e Fetch a $0,75 per 1000 richieste

Corretto il 20 ottobre 2026. Una prima versione affermava che le API di Ricerca e Fetch di DeepSeek costavano $0,75 per 1000 richieste riuscite, ma la documentazione fornita non menziona alcuna informazione sui prezzi. Le correzioni rimuovono affermazioni non supportate.

Come GPT-6 Astra ha trasformato un vecchio Kindle in una cornice fotografica

Corretto il 20 ottobre 2026. Una versione precedente affermava che il modello responsabile dell'errore era GPT-6 Sol; la fonte conferma che si trattava di GPT-5.6 Sol. Una versione precedente sosteneva che l'agente aveva configurato autonomamente il loop di feedback; la fonte precisa che è stato l'umano a chiederglielo. Una versione precedente affermava anche che l'agente aveva verificato da solo la sopravvivenza al riavvio e le altre operazioni, ma la fonte utilizza costantemente "noi". Per quanto riguarda il loop di feedback, l'originale lasciava intendere che l'agente lo avesse costruito in autonomia, mentre la fonte chiarisce che è stato l'umano a richiederlo.

Come i modelli linguistici dimenticano gradualmente l'inizio dei loro prompt

Corretto il 20 ottobre 2026. Una versione precedente non indicava in quali condizioni viene dimostrato il teorema: solo per transformer a profondità finita di un certo tipo (softmax pre-LN) i cui punteggi di attenzione restano limitati, e quando sussiste un'ulteriore condizione sui loro attiveramenti. Affermava inoltre che il paper spiega perché i testi lunghi derivano, cosa che il paper non sostiene. Sono state aggiunte le condizioni e rimosso tale affermazione.

DeepSeek rilascia V4.1 Flash 1017 Max con contesto da 1M token e capacità di reasoning

Corretto il 20 ottobre 2026. Una versione precedente affermava che il modello esegue circa 225 token in output al secondo; la fonte indica 208,7 token al secondo, arrotondati a 209.

Gli ingegneri faticano con il codice AI che non riescono più a comprendere appieno

Corretto il 20 ottobre 2026. Una versione precedente sosteneva che il thread su HN discuteva di un malinteso relativo a un'intervista NLP/Natural Language Programming e di un utente di nome birdsongs licenziatosi per lamentela ignorate sulla qualità del codice; né l'uno né l'altro argomento compaiono nella fonte, che tratta invece strategie per un uso responsabile della generazione di codice tramite AI.

Simon Willison rilascia web-edit per la modifica dei file nel browser

Corretto il 20 ottobre 2026. Una versione precedente di questo articolo includeva elementi non presenti nell'annuncio di Willison ma presenti nella pagina circostante: un briefing a pagamento mensile che offre, i suoi altri post recenti (sul passaggio dei suoi progetti a Python 3.15 e su una funzionalità blog realizzata con la voce), e l'affermazione che web-edit gira su Python 3.15, quando l'annuncio dice solo che il report di profiling proviene da Python 3.15. Si definiva inoltre il progetto open source e si elencava come fonte una pagina enciclopedica non pertinente. Tutto è stato rimosso.

Mistral rilascia Timestral, una nuova famiglia di modelli per il forecasting di serie temporali

Corretto il 20 ottobre 2026. La fonte afferma che il modello più grande (209M parametri) si classifica al primo posto su tutti e tre i benchmark principali, non quello più piccolo. I modelli più piccoli sacrificano l'accuratezza in favore della velocità, pertanto non primano nei benchmark.

Raccontacene uno

Scrivi a contact@heraldofai.com indicando l'indirizzo dell'articolo e l'errore rilevato. Ogni messaggio viene letto e, se l'contestazione regge, viene apportata una correzione nell'articolo con relativa nota.

Puoi anche verificare autonomamente qualsiasi articolo: le fonti sono indicate sotto ogni articolo e i piccoli numeri nel testo rimandano esattamente a quella alla base di ogni fatto.