CodeWhisperer

Edizione del 16 agosto 2026

OpenAI smantella il team preparedness alla vigilia dell'IPO, un worm npm aggira le difese standard, e Cloudflare porta il tracing degli agenti in produzione.

Ascolta l'edizione

Hero

OpenAI disbanda il team preparedness mentre prepara l'IPO

Il Financial Times riporta che OpenAI ha sciolto a luglio il team dedicato alla "preparedness" — quello che valuta i rischi catastrofici dei modelli di frontiera — proprio mentre si prepara a un'IPO di peso. Le ripetute reshuffle dirigenziali e le partenze degli executive hanno frustrato parte del personale interno. Sullo stesso tema della regolazione interviene Dario Amodei, CEO di Anthropic, che in un thread pubblico sostiene che gli open-weights non sono una soluzione "sufficiente" e che serve testing rigoroso, parlando di una "crisi di fiducia" nell'AI.

ChainDrop: nuovo worm npm con tecniche di evasione

The Register descrive ChainDrop, nuova variante del worm Shai-Hulud che infetta centinaia di pacchetti npm. Rispetto all'originale del settembre 2025, ChainDrop aggiunge tecniche di propagazione che lasciano poche tracce nei repository sorgente, aggirando le difese standard di supply chain. Microsoft Threat Intelligence ha classificato il worm come evasivo rispetto ai controlli tradizionali.

Cloudflare porta il tracing degli agenti in produzione

InfoQ copre il lancio di Cloudflare Agent Tracing, prima componente di Cloudflare Agents: un cruscotto che raccoglie le sessioni degli agenti deployati in un solo luogo. Il tracing aggiunge span a livello di agent ai tracing già esistenti di Workers. Il punto cruciale: un agente può rispondere HTTP 200 e comunque fallire — scegliere lo strumento sbagliato, passare context stale a un subagent, bruciare token in retry loop. Gratis durante la beta, da ottobre finisce sotto Workers Observability pricing. Nello stesso giorno Cloudflare introduce anche Cache Response Rules, che operano dopo la risposta dell'origine ma prima della scrittura in cache.

Dwarkesh Patel e Ryan Greenblatt dibattono il recursive self-improvement

Zvi e LessWrong pubblicano entrambi un'analisi del podcast di Dwarkesh Patel con Ryan Greenblatt, dedicato al recursive self-improvement. Il dibattito tocca il cuore della questione: se i modelli diventeranno capaci di migliorarsi da soli, e cosa significhi per il ritmo di progresso. Zvi nota che "i vibes sono cambiati" rispetto alla discussione precedente con Huang.

DiffusionGemma fa latent reasoning attraverso passi di diffusione

Ricerca su LessWrong esamina DiffusionGemma di Google DeepMind, un modello che genera testo via diffusione con multipli passi prima dell'output finale. I passi di diffusione trasportano vettori in aggiunta ai token, creando "profondità seriale opaca" potenzialmente dannosa per la monitorabilità. Il lavoro rafforza risultati precedenti di Engels et al. mostrando che proiettare la distribuzione sui top-k item mantiene in larga parte le prestazioni.

Il RL spinge i modelli verso la causal decision theory

Una dimostrazione empirica su LessWrong: il reinforcement learning multi-agente rende Kimi K2.6 più incline alla causal decision theory, anche in discussione astratta, nei twin prisoner's dilemmas. L'atteggiamento decisionale-teoretico dei modelli più potenti potrebbe essere cruciale per determinare come andrà il futuro.

Unitree spedizza 5.500 robot umanoidi e prepara l'IPO in Cina

Wired via Techmeme descrive come i robot umanoidi Unitree G1 e R1 siano diventati virali negli account influencer mondiali. Il dato: Unitree ha consegnato oltre 5.500 unità nel 2025 e si prepara all'IPO. Nello stesso giorno il Financial Times segnala che lo Star 50 index di Shanghai, focus tech, è in salita del 29% nel 2026 con P/E sopra 150, trainato dalla spinta tech di Pechino.

Radar

  • I deputati americani usano strumenti AI con poco oversight per scrivere discorsi e comunicati stampa

  • I cittadini cinesi più ottimisti degli americani sull'AI perché percepita come strumento pratico che disturba meno

  • Dynatrace acquisisce Arize, AI observability, per 915 milioni di dollari in contanti

  • Vals AI raccoglie 40 milioni in Serie A da a16z a 400 milioni di valutazione

  • La Cina pronta a levare il travel ban ai founder di Manus mentre la compagnia unwinda l'acquisizione da 2 miliardi di Meta

  • Uber e Rapido hanno discusso una fusione delle operazioni indiane a maggio, poi fallita per disaccordi

  • Le enterprise hanno speso 300 milioni di dollari in quantum computing nel 2025, superando labs e governi

  • Point2 Technology raccoglie 136 milioni in Serie B per interconnessione RF nei data center AI

  • Una donna denuncia che il patrigno ha usato Grok per trasformare una foto d'infanzia in 7.000 immagini esplicite

  • Dentro il ruolo di Forward Deployed Engineer di OpenAI: colloquio con il Global Head di FDE

  • Build riproducibili su PyPI: cosa manca per una secure supply chain in Python

  • Autoresearch con codex: come ottenere un kernel 232 volte più veloce

  • Costruire un AI text detector da zero addestrando un SLM

  • TLA+ per verificare la safety dei sistemi distribuiti al scale di Depot Registry

  • "Why I remain a skeptic": un programmatore spiega perché non usa LLM per nulla a cui tenga davvero

Dal feed lento

modelli

On Dwarkesh Patel's Podcast With Ryan Greenblatt

di Zvi

Breakdown dettagliato del podcast di Dwarkesh Patel con Ryan Greenblatt sul recursive self-improvement, con commentary annidato punto per punto. Merita tempo perché il dibattito su se e quando i modelli migliorano sé stessi resta il nodo filosofico e pratico di tutta la corsa AI.

Zvi

Nota di copertura

Fonti lette
146/159
Item raccolti
103
Storie pubblicate
24
Scartati di proposito
79

Irraggiungibili: [Dev] Adventures in Nodeland, [Sec] CSIRT Italia, [Sec] Red Hot Cyber, [Dev] Level Up, [Data] Blef, [Web] Robin Wieruch, [AI-dev] Chain of Thought, [Dev] Shopify Engineering, [Dev] Uber Engineering, [Sec] tl;dr sec, [Sec] Google TAG, [Sec] CISA Advisories, [Cloud] HashiCorp Blog.

Se non è qui, puoi ignorarlo.