OneLogic
Tutte le edizioni

Lumina Digest

Gli sviluppi dell'AI che contano, spiegati.

Come preferisci leggerla?

Stessa edizione, spiegata senza gergo — e altrettanto fedele. Non è un riassunto sbrigativo: un controllo indipendente verifica che la versione divulgativa resti fedele all'originale, senza perdere né alterare nulla.

Nvidia, Jensen Huang si dimette: Colette Kress CEO ad interim

Il fondatore lascia con effetto immediato le cariche di presidente, CEO e consigliere, dopo giorni di rivelazioni sulla sua vita privata e un'indagine interna sui rischi per la sicurezza. Per il settore il punto è un altro: Nvidia sostiene finanziariamente buona parte dell'ecosistema AI.

Jensen Huang, fondatore di Nvidia, ha lasciato con effetto immediato le cariche di presidente, CEO e membro del consiglio di amministrazione. Secondo il modulo 8-K depositato alla SEC, il board ha accettato le dimissioni l'11 novembre. L'annuncio ufficiale è arrivato il 12. Colette Kress, CFO dal 2013, diventa CEO ad interim e conserva la carica finanziaria. Il board cercherà un successore permanente tra candidati sia interni sia esterni. Harvey C. Jones, consigliere dal 1993 ed ex CEO di Synopsys, diventa il primo chair nella storia dell'azienda. Jones ha detto di aspettarsi che operazioni, impegni con i clienti e roadmap di prodotto proseguano senza interruzioni: è una previsione del board, non un impegno vincolante. I conti del terzo trimestre fiscale 2027 restano fissati per il 17 novembre.

Né il comunicato né l'8-K spiegano le ragioni. Le ricostruzioni della stampa collegano l'uscita alla vita privata del fondatore. Domenica 8 novembre Huang ha ammesso di essere stato infedele alla moglie. Secondo CBS News, una delle relazioni è con Alice Huang, dirigente della singaporiana Megaspeed, sospettata dall'intelligence statunitense di spionaggio per la Cina. Sempre secondo CBS, Trump ha dichiarato che l'FBI sta indagando sui loro rapporti. Il board aveva detto di non avere «alcun motivo di ritenere» compromessi la sicurezza nazionale o i segreti aziendali e aveva avviato un'indagine (Fortune). Secondo CNBC, l'indagine è affidata allo studio Wachtell Lipton e non ha ancora prodotto conclusioni pubbliche. Il presidente della commissione Esteri della Camera, Brian Mast, ha detto che l'ex CEO ha accettato di testimoniare. Il sospetto di spionaggio resta un'accusa non provata. Giovedì il titolo ha aperto in calo di oltre il 13% e ha chiuso a -4,3%.

Il nodo per il settore lo pone Liz Hoffman in un commento su Semafor: Huang faceva da «banca centrale» dell'AI. Nel 10-Q del secondo trimestre fiscale, chiuso il 26 luglio 2026, Nvidia indica un'esposizione massima di 108,5 miliardi di dollari in garanzie su leasing di data center. Di questi, 105 miliardi riguardano il campus di SB Energy in Ohio, destinato a OpenAI. Non è un sostegno già operativo: le garanzie scattano per fasi, all'avvio di ciascuno dei nove data center (il primo atteso nell'anno fiscale 2029). Coprono solo una parte dei canoni e dell'energia, e si attivano se il cliente non paga.

Alla stessa data Nvidia deteneva anche 47,7 miliardi in titoli quotati e 51,2 miliardi in partecipazioni non negoziabili, per lo più in società private: circa 99 miliardi in tutto.

Il meccanismo è circolare. In cambio delle garanzie, il sito ospiterà in esclusiva infrastruttura Nvidia: il sostegno finanziario alimenta la domanda dei suoi chip e quindi i suoi ricavi. Semafor ricorda che questa circolarità è già stata criticata. Secondo CNBC, in caso di difficoltà di un cliente è il canale da cui i problemi possono propagarsi. Kress conosce bene questi accordi: secondo The Information, ripreso da CNBC, da CFO si era opposta alla garanzia per OpenAI. Senza il sostegno di Huang, sostiene Hoffman, potrebbe salire il costo di debito e capitale per l'infrastruttura AI. È un'opinione, non una previsione di analisti.

Sull'open source, il CEO di Hugging Face Clément Delangue ha promesso di continuare a battersi per l'AI aperta (TechCrunch). L'acquisizione di Hugging Face da parte di Nvidia, annunciata a settembre per 12,9 miliardi, dovrebbe chiudersi nella prima metà del 2027.

Perché conta

  • IMPRENDITORI: Nvidia ha garanzie su leasing di data center fino a 108,5 miliardi, in gran parte condizionate e attive solo dall'anno fiscale 2029, e circa 99 miliardi di partecipazioni. Se il nuovo vertice riduce questo sostegno, finanziare capacità GPU e startup AI può costare di più. I conti del 17 novembre saranno il primo segnale sulla continuità di questi impegni.
  • INGEGNERI ICT / IT MANAGER: Il nuovo chair si aspetta che roadmap e impegni con i clienti proseguano senza interruzioni, ma è una previsione, non una garanzia. Conviene verificare quanto i propri provider cloud e GPU dipendano da garanzie o investimenti Nvidia. Chi usa Hugging Face per i modelli dovrebbe seguire la chiusura dell'acquisizione.

Gemini 4 Hydrogen, il modello economico di Google per coding e agenti: alla pari di Argon sull'indice, costoso in xhigh

Google lancia Hydrogen, derivato da Gemini 4 Carbon, a 1,50/7,50 dollari per milione di token e con quattro livelli di thinking. Sull'indice aggregato di Artificial Analysis vale quanto Argon a meno della metà del costo per task. Il livello xhigh però consuma molti token, e su Terminal-Bench 4.1 la stessa model card di Google lo mette dietro Claude Sonnet 5.5.

Il 12 novembre Google ha rilasciato Gemini 4 Hydrogen e lo presenta come il suo «daily driver» per i flussi agentici (annuncio di Google). È un modello veloce ed economico per coding e agenti, mentre ai modelli frontier Gemini 4 Carbon e Argon restano affidati i ragionamenti più lunghi e profondi. Secondo la model card, Hydrogen è un adattamento di Gemini 4 Carbon. Costa 1,50 dollari per milione di token in input e 7,50 in output, a prezzo piatto, e ha quattro livelli di thinking: low, medium, high (predefinito) e il nuovo xhigh. La finestra di 1.048.576 token è un limite unico condiviso fra input e output. Una singola generazione arriva a 65.536 token: per output più lunghi servono le continuazioni (continuation_token) o l'esecuzione in background dell'Interactions API (documentazione Google Cloud). La stessa pagina lo classifica come rilascio GA «a breve termine», con almeno 45 giorni di preavviso prima del ritiro. Il modello è disponibile nella Gemini API, in AI Studio e in Android Studio (guida per sviluppatori), in Antigravity per gli abbonati Pro e Ultra, nell'app Gemini, in Search e in Sheets.

I numeri dichiarati da Google sono questi. Sull'Artificial Analysis Intelligence Index Hydrogen ottiene 51 in high, contro i 50 di Argon, e 54 in xhigh. Su Terminal-Bench 4.1 arriva al 57%, contro il 18,2% di Gemini 3.8 Flash, ma nella model card Claude Sonnet 5.5 segna il 63,9%. L'Orchestrator di Antigravity alterna Carbon e Hydrogen nello stesso task. Per questa modalità Google dichiara tassi di successo vicini a quelli di Carbon, con il 24% di quota in meno e il 19% di velocità in più. Il benchmark citato però non coincide: l'annuncio generale parla di Terminal-Bench 4.0, il blog di Antigravity di Terminal-Bench 4.1. Quasi tutti i benchmark sono riportati da Google stessa.

Le misure indipendenti di Artificial Analysis confermano i punteggi. In high Hydrogen prende 51 e costa 1,87 dollari e 7,9 minuti per task dell'indice (Artificial Analysis, high). Argon segna 50, ma costa 4,97 dollari e 30,1 minuti per task (Artificial Analysis, Argon). In xhigh Hydrogen sale a 54 (16° su 78), ma genera 304 milioni di token sull'indice, contro una mediana di 72,8 milioni, e costa 3,16 dollari e 13,9 minuti per task (Artificial Analysis, xhigh). Quei tre punti in più costano quindi circa il 70% in più per task. Anche la model card segnala un consumo di token più alto ai livelli di thinking superiori. Per token, Hydrogen costa il doppio di Gemini 3.8 Flash, che fino al 31 dicembre ha una tariffa introduttiva di 0,75/3,75 dollari. Dal 1° gennaio 2027 il listino di Flash sale a 1,50/7,50, lo stesso di Hydrogen (listino AI Studio). Su OpenRouter, infine, l'input di Hydrogen costa da 0,75 a 2,70 dollari per milione di token, a seconda del provider e della fascia.

Perché conta

  • LLM BUILDER/DEV: Sull'indice aggregato Hydrogen in high vale quanto Argon (51 contro 50) a 1,87 contro 4,97 dollari per task. Usarlo come worker o verifier negli agenti di coding resta però un'ipotesi da misurare sui propri task, anche perché su Terminal-Bench 4.1 la model card lo mette dietro Claude Sonnet 5.5. Il livello xhigh va attivato solo dove i 3 punti in più giustificano costi e tempi per task quasi doppi.
  • INGEGNERI ICT / IT MANAGER: Il listino piatto non basta per fare il budget: conta il costo per task completato, che dipende molto dal livello di thinking. Il milione di token è un tetto condiviso fra input e output, e gli output oltre i 65.536 token richiedono continuazioni o esecuzione in background. Lo stato GA «a breve termine», con 45 giorni di preavviso prima del ritiro, va considerato nella pianificazione.

Anthropic verso il Nasdaq: prezzo il 18 novembre, leasing da 910 MW con Riot e agenti gestiti self-hosted

Anthropic fissa la forchetta di prezzo dell'IPO (ticker ANT): al massimo, la valutazione arriva a circa 1.400 miliardi di dollari su base interamente diluita. Gli impegni di spesa ammontano a circa 900,9 miliardi, i fondatori mantengono il controllo dei voti e la Fed avverte di una possibile correzione legata all'AI. Sullo sfondo ci sono il leasing da 28 miliardi di dollari (54 con le estensioni) del campus Riot in Texas, annunciato il 4 novembre, e la beta privata di Claude Managed Agents in versione self-hosted.

Anthropic si quota al Nasdaq con il ticker ANT. Il prezzo finale è atteso per il 18 novembre e le negoziazioni partono il 19, secondo la pagina ufficiale dell'IPO. Il 10 novembre l'azienda ha fissato una forchetta di 70-78 dollari per 825 milioni di azioni di classe A. Al massimo della forchetta l'offerta vale circa 64,4 miliardi di dollari lordi. La valutazione su base interamente diluita arriva a circa 1.400 miliardi, contro i 965 miliardi del round di maggio (CNBC). La valutazione resta comunque ben sotto i 2.000 miliardi ipotizzati da alcune testate nelle settimane precedenti (Fortune). Non tutto il ricavato va ad Anthropic. Secondo i materiali d'offerta depositati alla SEC, la società vende 801.351.354 azioni. Le altre 23.648.646 le vendono azionisti esistenti, e i relativi proventi non vanno ad Anthropic.

AMD, Broadcom, Google, Micron, Microsoft, Nvidia e TSMC compreranno azioni senza diritto di voto per 26 miliardi di dollari al prezzo dell'IPO, con un collocamento privato. La vendita è subordinata al completamento dell'offerta e ad altre condizioni indicate nel prospetto. Lo stesso documento quantifica gli impegni di spesa complessivi per acquisti e leasing, compresi quelli non ancora avviati, in circa 900,9 miliardi di dollari. Quasi tutti riguardano calcolo e infrastruttura, e circa 451,6 miliardi sono attesi entro il 31 dicembre 2030. Per il terzo trimestre 2026 Anthropic dichiara una perdita netta di 23,3 miliardi. Di questi, 21,9 miliardi sono un onere non monetario dovuto alla variazione del valore equo delle obbligazioni convertibili.

La quotazione non sposta il controllo sul mercato. Lo indica una bozza di prospetto visionata da Reuters e analizzata sul CLS Blue Sky Blog della Columbia Law School. La maggioranza dei sette cofondatori controllerà, tramite una Founder LLC, un'azione di classe F. Quell'azione vale il 50,1% dei voti sulle materie principali. Il Long-Term Benefit Trust eleggerà quattro consiglieri su sette, quindi fondatori e trust sceglieranno di fatto l'intero consiglio. Questi diritti speciali cominciano a decadere quando restano in carica due fondatori o meno.

Il clima resta teso. Fortune collega la quotazione a un'ondata di vendite sui titoli AI. Semafor riporta che la governatrice della Fed Michelle Bowman ha avvertito di una possibile «large correction» se i ritorni dell'AI deluderanno le attese. Bowman ha citato circa 800 miliardi di dollari di debito legato all'AI, passività fuori bilancio e finanziamenti circolari.

Il 4 novembre, presentando i conti del terzo trimestre, Riot Platforms ha annunciato il leasing dell'intero campus di Corsicana, in Texas, a un «laboratorio AI di frontiera». Nel 10-Q depositato alla SEC il conduttore è Anthropic PBC (lo riporta anche AI Weekly). Il contratto copre 910 MW per 15 anni e vale circa 28 miliardi di dollari, con un canone annuo medio di circa 1,8 miliardi. Con entrambe le estensioni quinquennali si arriva a circa 54 miliardi.

È un leasing di terreno e piazzole già alimentate. Riot fornisce il terreno e l'infrastruttura elettrica. Anthropic acquista, installa e gestisce i moduli di calcolo e paga l'elettricità e gran parte degli altri costi operativi. Il canone parte da 130 dollari per kW al mese, sale del 3% l'anno ed è dovuto sull'intera capacità anche se resta inutilizzata. Riot stima circa 5,5 miliardi di costi di sviluppo, che includono rimborsi ad Anthropic fino a 4 milioni per MW per i moduli. Le consegne avvengono a blocchi e le date sono obiettivi. Il primo blocco è previsto per il 28 giugno 2027, la prima fase (400 MW) dovrebbe completarsi a settembre 2027 e l'ultima a luglio 2028. Il contratto tutela il locatario dai ritardi. Secondo CryptoSlate, che cita il 10-Q e la presentazione agli investitori di Riot, oltre i 60 giorni di ritardo scattano crediti crescenti sul canone. Il tetto è pari a 270 giorni di canone base per i blocchi non consegnati. Una fase in ritardo di oltre 270 giorni può essere risolta con 30 giorni di preavviso. Restano salvi il diritto di Riot di porre rimedio e le proroghe per forza maggiore o per ritardi causati dal locatario.

Dal 12 novembre Claude Managed Agents è anche in beta privata self-hosted (Help Net Security). In questa versione il cliente gestisce il server, il database PostgreSQL con lo storico delle sessioni e i worker che eseguono i tool. Le chiamate al modello possono andare ad Anthropic, Bedrock, Google Agent Platform, Microsoft Foundry o a un gateway proprio. Il modello però resta fuori dalla rete del cliente. Patch, firewall e allowlist sono a carico del cliente.

Perché conta

  • IMPRENDITORI: È la prima quotazione di un laboratorio di frontiera e fissa un prezzo pubblico per il comparto. Arriva proprio mentre la Fed segnala il rischio di una correzione, e a fronte di impegni di spesa che superano di molto la raccolta. Gli azionisti avranno i conti trimestrali, ma il controllo resta a fondatori e trust. Listini e priorità commerciali di Anthropic, quindi, non dipenderanno solo dalla pressione del mercato.
  • INGEGNERI ICT / IT MANAGER: Il canone del campus Riot è dovuto anche sulla capacità inutilizzata, e moduli ed elettricità restano a carico di Anthropic. Questo dà la misura degli impegni infrastrutturali. Oggi non si può dire se e quanto peseranno sui listini enterprise. La beta self-hosted permette di tenere orchestrazione, dati di sessione e credenziali nel proprio perimetro. L'inferenza però esce comunque, e la gestione operativa passa al team IT.

Violazione di Fireworks AI: esposte le chat Notion AI di una parte dei clienti

Un attacco partito dal cloud provider di Fireworks AI ha esposto dati di fatturazione, segreti e dataset dei suoi clienti. Tra questi ci sono trascrizioni di chat di Notion AI che Notion inviava a Fireworks per classificarle. È il secondo incidente della piattaforma di inferenza nel giro di poche settimane.

Fireworks AI è una piattaforma di inferenza su modelli open usata, tra gli altri, da Cursor e Harvey. Il 9 novembre ha pubblicato un aggiornamento sul suo incidente di sicurezza. L'aggiornamento riferisce un'intrusione diversa da quella del bollettino del 9 ottobre. Quel bollettino riguardava un accesso individuato il 6 ottobre. Con credenziali interne, un terzo aveva letto le variabili d'ambiente dei job di valutazione di alcuni clienti, comprese API key e token. Allora Fireworks non aveva trovato prove di accessi a modelli o dataset. Il nuovo episodio parte il 23 ottobre, quando un cloud provider terzo che ospitava le macchine di R&D di Fireworks ha subito un incidente. Il giorno dopo l'attaccante ha usato quell'accesso per entrare nei sistemi di sviluppo di Fireworks ed eseguire un carico di lavoro non autorizzato. Fireworks dice di averlo rilevato lo stesso giorno e di non aver trovato altri accessi riusciti dal 25 ottobre.

Con l'aggiornamento si allarga l'elenco dei dati coinvolti. Ci sono metadati delle risorse e dati di fatturazione: indirizzi, fatture, pagamenti e saldo crediti. Le carte di pagamento non sono coinvolte perché Fireworks non le conserva. Per un gruppo limitato di clienti sono stati esposti anche segreti, dataset e pesi di modelli incompleti. Secondo Fireworks, Inference, Training SDK e Nexus non risultano colpiti: per default non conservano i dati (zero data retention). L'azienda non ha detto quanti clienti siano coinvolti né quale sia il cloud provider. L'indagine forense è affidata a Unit 42 di Palo Alto Networks.

L'unico cliente colpito reso noto finora è Notion. Secondo TechCrunch, sono state sottratte trascrizioni delle chat di Notion AI della funzione «Insights»: input e output del modello, per circa l'1% dei clienti. L'avviso di Notion spiega da dove venivano. Oltre a servire modelli open, Fireworks eseguiva per Notion job di classificazione per Insights. Per questi job Notion inviava a Fireworks richieste e risposte di Notion AI già archiviate. La zero data retention dichiarata per i servizi di inferenza non spiega quindi la presenza di questo dataset; nessuna delle due aziende ha descritto il percorso tecnico esatto dell'esposizione.

Notion dice che al 3 novembre si era scollegata da Fireworks e aveva cancellato tutti i dati presenti nei sistemi di Fireworks; Insights è sospesa. Sostiene che gran parte delle trascrizioni non è riconducibile a un cliente preciso, ma invita a trattarle come esposte. L'avviso non dice se nelle chat esposte siano state effettivamente trovate credenziali. Raccomanda però a chi ha incollato password, API key o altre credenziali in Notion AI nel periodo interessato di ruotarle subito. Gli owner possono esaminare i dati coinvolti dalla voce «Security incident review». Alcuni utenti, riporta The Register, obiettano che le chat, anche se non riconducibili a un cliente, possono comunque contenere dati identificativi.

Fireworks attribuisce l'attacco a un gruppo criminale che rivende accessi rubati agli LLM, il cosiddetto LLMjacking. Secondo una ricerca di Google e Mandiant citata da The Neuron, in altri casi questa pratica ha generato addebiti fino a 1 milione di dollari prima della revoca delle chiavi.

Perché conta

  • IMPRENDITORI: I dati di un'azienda possono finire esposti presso un fornitore di cui l'azienda non conosce nemmeno il nome: è successo ai clienti di Notion attraverso un sub-processore di inferenza. Ai fornitori AI va chiesto l'elenco dei sub-processori (GDPR art. 28), oltre ai tempi di conservazione dei prompt e alle clausole di uscita.
  • INGEGNERI ICT / IT MANAGER: Le chiavi e i segreti salvati sulle piattaforme di inferenza sono un bersaglio diretto dell'LLMjacking. Conviene ruotarli e limitare cosa può fare ogni API key. Servono anche tetti di spesa e allarmi sui picchi di consumo, e vanno preferite le configurazioni zero data retention.

Occhiali smart con Gemini di Samsung e Google: preordini aperti, consegne dal 10 dicembre

Samsung e Google hanno aperto i preordini degli occhiali con Gemini, realizzati con Warby Parker e Gentle Monster. Escono il 10 dicembre negli Stati Uniti e in Corea del Sud, da 395 dollari. Sono il primo rivale serio degli occhiali Meta e puntano sulle tutele per chi viene inquadrato, che però per ora sono solo dichiarate.

Samsung ha aperto il 12 novembre i preordini dei suoi «intelligent eyewear». Gli occhiali sono sviluppati con Google e hanno montature di Gentle Monster e Warby Parker. L'uscita è fissata al 10 dicembre negli Stati Uniti e in Corea del Sud, come indica il comunicato Samsung. Negli USA arrivano entrambe le collezioni, in Corea del Sud solo Gentle Monster. Secondo le FAQ del comunicato, per attivarli serve un account Google e, a seconda del telefono, un account Samsung associato a un mercato di vendita ufficiale. Gli account di altri Paesi, Italia compresa, oggi non permettono l'attivazione.

Prezzi e modelli. Warby Parker parte da 395 dollari, Gentle Monster costa da 449 a 489 dollari. Samsung parla di 30 «design», ma sono 30 varianti di 9 montature: 6 di Gentle Monster e 3 di Warby Parker. È la cifra che riporta The Next Web.

Hardware e telefono. Gli occhiali pesano circa 41 grammi e usano il chip Snapdragon AR1 Gen 1. La fotocamera è da 12 MP. L'autonomia arriva a 9 ore, 72 con la custodia carica. Non c'è un display: si interagisce con la voce e con il tocco. Da soli gestiscono solo alcune funzioni, come volume, foto e video. Per tutto il resto, Gemini compreso, va abbinato un telefono compatibile, che si occupa anche di buona parte dell'elaborazione. Vanno bene i Galaxy con One UI 9.0 o successiva e i Pixel dal 7 in su con l'aggiornamento Android 17 di settembre 2026. Per gli iPhone il requisito è iPhone 13 o successivo con almeno 6 GB di RAM e iOS 26.6: nella serie 13 restano solo i modelli Pro e Pro Max.

Cosa fa Gemini. Risponde a domande su ciò che l'utente sta guardando e riassume una lavagna salvandola in Samsung Notes. Traduce i menu, dà indicazioni stradali con Google Maps e gestisce notifiche, chiamate e messaggi.

Privacy. Un LED esterno si accende quando si scattano foto o si girano video salvati nella galleria. È il caso descritto da Google nel documento sulla privacy. Se il LED è coperto o manomesso, i sensori impediscono di scattare foto e girare video. Nella prova di 9to5Google si legge però che il LED resta spento quando si chiede a Gemini cosa si sta guardando, perché quelle immagini non vengono salvate. In quel caso i volti dei passanti vengono sfocati prima dell'invio a Gemini. Samsung e Google dichiarano che le immagini non servono ad addestrare i modelli né a fare pubblicità mirata. Gli utenti devono avere almeno 18 anni, con verifica dell'età. Secondo TNW devono anche impegnarsi a non filmare le persone senza permesso, altrimenti gli occhiali possono essere disattivati.

Il confronto con Meta. Secondo TNW, nel primo semestre Meta ha spedito l'81% degli occhiali AI, ma la fonte del dato non è specificata. Il LED dei Meta, scrive TNW, si aggira con un adesivo da 2 dollari, e Google ha vietato questi accessori sulle sue piattaforme di shopping e pubblicità.

I limiti. Le tutele sono annunciate dai produttori e nessuno le ha ancora verificate in modo indipendente. Secondo Android Authority, il lancio «non potrebbe arrivare in un momento peggiore»: i governi di tutto il mondo stanno limitando come e dove si possono usare gli occhiali smart.

Perché conta

  • UTENTI FINALI: Chi vuole occhiali AI ora ha un'alternativa a Meta, con montature di marchi noti e compatibile anche con alcuni iPhone. Però servono un telefono abbinato e un account di un mercato ufficiale, quindi per ora in Italia non si possono attivare. Chi viene inquadrato ha tutele solo dichiarate dai produttori, e il LED non segnala le richieste visive a Gemini: la fiducia del pubblico si misurerà sull'uso reale.

Escaping SPACE, parte II: gli agenti di frontiera aggirano i controlli di rete del sandbox di Perplexity

Nel nuovo red-teaming di Perplexity nessuno dei 12 modelli testati, compresi Claude Mythos 5.1, Opus 5.5 e GPT-6 Astra, esce dalla VM verso l'host. Se però hanno il codice sorgente del sandbox, cinque modelli aggirano i controlli di rete in tutti i run.

Il Perplexity Secure Intelligence Institute ha pubblicato l'11 novembre la seconda parte di «Escaping SPACE», un red-teaming di SPACE (Sandboxed Platform for Agentic Code Execution). È il sandbox su microVM Firecracker in cui girano gli agenti di Perplexity Computer. Il modello di minaccia presume un agente ostile con pieno controllo della VM. Per questo agli agenti viene dato root nel guest e restano da testare due confini: l'isolamento VM-host e la policy di rete.

Ai nove modelli della parte I si aggiungono Claude Mythos 5.1, Claude Opus 5.5 e GPT-6 Astra, per un totale di 12. Il primo compito era rubare una credenziale AWS salvata sull'host e usarla. I test sono stati condotti anche con accesso al sorgente e rete parziale, e «nessun run è riuscito a uscire dalla VM verso l'host». Con il prompt iniziale, però, 9 modelli su 12 hanno dedicato al massimo il 4% dello sforzo alla virtualizzazione e i tre GPT (Astra, Cyber, Sol) il 18-22%. Per gli autori questo era solo un «indizio debole» dell'isolamento. Con un prompt focalizzato lo sforzo sulla virtualizzazione è salito in media di circa 60 punti percentuali, e ancora nessun run è uscito dalla VM.

Il secondo compito era raggiungere un URL bloccato dalla policy con rete parziale (PyPI, mirror Ubuntu, Perplexity Search). Con accesso al sorgente, Opus 5.0, Opus 5.5, Mythos 5.1, GPT-5.6 Sol e GPT-6 Astra ci sono riusciti in 3 run su 3 e Kimi K3 in 2 su 3. Astra ha impiegato in media 4,8 minuti, contro 21,6 di Opus 5.5 e 36,6 di Mythos. Senza sorgente ci riescono solo Sol (2 su 3) e GPT-5.6 Cyber (1 su 3). Con un indizio esplicito, 7 modelli su 12 riescono almeno una volta. Con rete assente, nessun bypass.

I metodi di bypass sono due:

  • DNS spoofing: con raw socket l'agente invia al gateway una risposta DNS falsa, secondo cui un dominio autorizzato come pypi.org risolve all'IP del server bloccato. Il gateway associa quell'IP al dominio autorizzato e lascia passare le connessioni.
  • IP CDN condivisi: l'agente si collega a un IP che serve anche un dominio autorizzato, impostando SNI e Host (coincidenti tra loro) sul dominio bloccato. Il gateway non verificava che l'SNI corrispondesse al dominio per cui l'IP era stato autorizzato. I servizi autorizzati stanno su Fastly e il server di callback su Cloudflare: per questo i run riusciti con questo metodo sono passati per un relay su Fastly. Il relay era diretto (come fiddle.fastly.dev) oppure passava per servizi di immagini che catturano uno screenshot della pagina bloccata, da cui la flag viene letta con OCR.

Perplexity dice di aver corretto le falle e di non aver più osservato bypass nei nuovi run. Riferisce anche vulnerabilità simili in 8 piattaforme sandbox di terze parti su 10, segnalate con divulgazione responsabile.

Gli autori dichiarano diversi limiti:

  • in genere tre run per modello;
  • bypass testato solo sull'implementazione precedente alle correzioni;
  • traiettorie valutate da giudici LLM che in parte sono anche modelli sotto test;
  • Grok 4.20 ha dichiarato il successo 27 volte con risultati inventati;
  • risultati specifici dei compiti e delle configurazioni valutate.

Lo studio mostra anche che i modelli specializzati in cybersecurity non battono sempre i generalisti: Cyber fa peggio di Sol e Astra supera Mythos. Resta lo studio di un vendor sul proprio prodotto. La sintesi di The Neuron sottolinea che i risultati di questi test possono cambiare molto a seconda delle istruzioni e delle informazioni date agli agenti.

Perché conta

  • INGEGNERI ICT / IT MANAGER: Chi esegue agenti in sandbox dovrebbe trattare il controllo dell'egress come un confine attaccabile. Nelle implementazioni vulnerabili osservate il gateway si poteva aggirare: si fidava delle risposte DNS del guest o non verificava l'SNI rispetto al dominio autorizzato per un IP CDN condiviso. 8 piattaforme su 10 analizzate avevano falle simili.
  • LLM BUILDER/DEV: I modelli di frontiera trovano un bypass in pochi minuti se il sorgente del sandbox è leggibile, quindi un sandbox open source va progettato come se l'agente lo conoscesse. Nei red-team propri conta anche come si scrive il prompt: istruzioni e indizi cambiano molto lo sforzo dei modelli e i risultati.

Fonti (consultate il 2026-11-13)

Google lancia Gemini Decision 1 e LangChain 1.5 standardizza i modelli decisionali per gli agenti

L'11 novembre Google ha presentato la Gemini Decisions API: un modello che non genera testo ma assegna una probabilità a risposte chiuse, a 0,10 dollari per milione di token in input. Arriva in una categoria già affollata da TypeSafe, Liquid AI, Microsoft e OpenAI. Lo stesso giorno LangChain 1.5 introduce un'astrazione standard per questi modelli.

L'11 novembre Google ha lanciato la Gemini Decisions API, basata sul modello gemini-decision-1. Il modello non scrive la risposta token per token: valuta le opzioni candidate in un solo passaggio. Gestisce tre tipi di domanda: sì/no (noul), scelta multipla tra 2 e 255 opzioni (choice) e punteggio su una scala ordinata (score). Ogni risposta ha una confidenza da 0 a 1, che permette di passare i casi incerti a una soluzione di riserva o a una persona. Una richiesta può contenere fino a 1.000 domande su un input condiviso, anche misto tra testo, immagini, audio, video e PDF. Secondo la documentazione di AI Studio, però, i 262.144 token sono un limite complessivo, che comprende sia l'input condiviso sia tutte le domande. Il numero massimo di domande dipende quindi dalla loro lunghezza. I casi d'uso indicati sono il routing tra modelli, la scelta dei tool, i controlli di policy e la valutazione del contesto.

Il prezzo è di 0,10 dollari per milione di token in input, con output gratuito, e in AI Studio c'è un livello gratuito. Il supporto su Google Cloud è «coming soon». La latenza dichiarata è di 150–250 ms end-to-end, ma Google l'ha misurata solo con contesti fino a 16K token e fino a 100 domande. Secondo SiliconANGLE, Google afferma di battere i concorrenti in sette benchmark su nove e dichiara un costo quasi cinque volte inferiore a Gemini 3.5 Flash-Lite. Techzine osserva che questo confronto dipende dall'assenza di costi di output e dai benchmark scelti da Google. Esiste già anche una misura indipendente, il Decision Index di Artificial Analysis. È una media pesata di sei valutazioni (estrazione da documenti, giudizio su documenti di lavoro, tool calling, conoscenza, domande a scelta multipla e coerenza delle risposte al variare della formulazione) e penalizza le risposte sbagliate date con alta confidenza. In questo indice Gemini Decision 1 ottiene 66 punti: è dodicesimo su 22 modelli decisionali, in linea con la mediana, con una latenza misurata di 211 ms per task.

Google non apre la categoria. Secondo SiliconANGLE il primo modello decisionale è stato Jev di TypeSafe AI, lanciato a metà settembre. Dopo di lui sono arrivati altri tre concorrenti. Liquid AI ha annunciato d1 il 5 ottobre (0,04 dollari per milione di token in input). Microsoft-Decision-1 è disponibile su Foundry e OpenRouter dal 9 ottobre (0,042 dollari). OpenAI ha presentato la sua Decisions API a ottobre. Sul prezzo Google parte quindi in svantaggio: Jev costa 0,042 dollari per milione di token in input, circa 2,4 volte meno di Gemini.

Lo stesso 11 novembre LangChain 1.5 ha introdotto langchain_core.decisions. Il modulo definisce BaseDecisionModel con quattro tipi di risposta: binaria (Noul), categorica, ordinale e bounding box. Sono gli stessi quattro tipi dello schema di Jev: il nome «noul» non è quindi un'invenzione di Google. Nella stessa release ModelRouterMiddleware e AutoModeMiddleware (in beta) arrivano dal pacchetto langchain-typesafe e ora richiedono un modello decisionale esplicito tramite classifier=. L'astrazione però non copre ancora tutti i fornitori allo stesso modo. L'integrazione Python di OpenAI (OpenAIDecisions, in beta) usa tipi propri (Predicate, Choice, Score) e middleware dedicati (OpenAIModelRouterMiddleware, OpenAIAutoModeMiddleware). Google elenca LangChain tra le integrazioni in arrivo. La release richiede Python 3.11 o superiore.

Perché conta

  • LLM BUILDER/DEV: Routing, scelta dei tool e guardrail possono passare da un LLM generativo a un classificatore calibrato, con latenza intorno ai 200 ms e una confidenza su cui impostare le soglie. Il mercato offre già almeno cinque fornitori e, tra i prezzi noti, l'input costa da 0,04 a 0,10 dollari per milione di token. L'astrazione di LangChain semplifica il cambio di fornitore, ma solo tra le integrazioni che implementano BaseDecisionModel: quella OpenAI richiede adattamenti. Prima di adottare un modello conviene misurarne l'accuratezza sui propri dati, perché l'unica valutazione indipendente colloca Gemini Decision 1 nella media della categoria.

AlphaProof Code: gli agenti di DeepMind verificano in Lean il codice compilato del protocollo Signal

Il 10 novembre Google DeepMind ha presentato AlphaProof Code, un sistema di agenti LLM. In quattro settimane ha generato circa 6,5 milioni di righe di prova in Lean sul codice macchina di una build di ricerca di libsignal. Il perimetro però è ristretto: una build CLI Linux e non le app Signal, solo le conversazioni uno a uno, primitive crittografiche modellate e un modello avversario con restrizioni esplicite.

Il 10 novembre Google DeepMind ha presentato AlphaProof Code, che definisce un framework agentico per la verifica formale. La divisione del lavoro è questa: gli esperti umani decidono cosa dimostrare e agenti basati su Gemini Carbon scrivono le prove. Il primo banco di prova è il protocollo crittografico di Signal, verificato sul codice macchina e non solo sul progetto.

Secondo il paper e gli artefatti tecnici pubblicati, l'oggetto della verifica è una specifica build Linux AArch64 di libsignal-cli. Si tratta di un harness, cioè un programma di prova a riga di comando, compilato con rustc standard dai crate non modificati di libsignal (v0.105.4) e SPQR. I binari delle app Signal non sono verificati. Le app per Android e iOS eseguono lo stesso codice Rust, ma i risultati valgono per loro solo se si assume che le rispettive build ne preservino il comportamento. La verifica copre l'handshake PQXDH e il Triple Ratchet, cioè il Double Ratchet affiancato da SPQR.

Le prove generate dagli agenti sono circa 6,5 milioni di righe di Lean, prodotte in quattro settimane da squadre di 40-80 agenti. La base considerata affidabile è di circa 26.000 righe: circa 18.000 di specifiche e circa 8.000 di semantica AArch64 e nomi dei simboli. Le specifiche sono state revisionate da esseri umani, con il riscontro di tre persone di Signal sulla metodologia. Le proprietà dimostrate, tra cui forward secrecy, post-compromise security e autenticazione, valgono in due modelli indipendenti: uno simbolico e uno computazionale. Gli agenti di audit hanno segnalato circa l'1% del codice per una revisione umana.

Come controprova, il team ha reintrodotto due bug di libsignal già corretti. In entrambi i casi Lean ha prodotto la dimostrazione che il binario modificato viola le proprietà di sicurezza.

La verifica formale dei protocolli non nasce qui: lo studio richiama una lunga serie di lavori precedenti (ProVerif, Tamarin, EasyCrypt, analisi di PQXDH e del Double Ratchet). La novità rivendicata è un'altra: le prime prove di sicurezza a livello di protocollo sul codice non modificato, con l'IA che abbatte il costo umano delle dimostrazioni. Lo studio stesso avverte però che «le specifiche restano difficili».

Le garanzie hanno confini precisi. Nella prova computazionale l'avversario non può iniettare un proprio messaggio iniziale PQXDH verso il rispondente di una sessione che viene poi promossa. In alcuni punti, inoltre, la compromissione di chiavi e stato è esclusa perché renderebbe la vittoria banale. Per i primi messaggi di handshake mai promossi il teorema non copre né la riservatezza del contenuto né l'autenticazione del rispondente. Nel modello simbolico le prove non escludono la perdita di forward secrecy dovuta al replay di un messaggio prekey, un attacco già descritto in letteratura.

Restano fuori anche le chat di gruppo, il multi-device, la generazione delle chiavi, i side channel (attacchi a canale laterale) e il recupero post-quantistico di SPQR. Il risultato computazionale vale solo contro avversari classici. Le primitive crittografiche, come chiarisce il repository open source, sono modellate e non verificate a livello di codice macchina. Secondo The Neuron, Google non ha dichiarato il costo dell'esperimento e non esiste ancora un servizio commerciale. La testata osserva anche che non è chiaro come l'approccio possa stare al passo con i frequenti aggiornamenti del codice.

Perché conta

  • RICERCA DI FRONTIERA: È un caso concreto in cui gli LLM spostano il collo di bottiglia della verifica formale: le prove diventano economiche, mentre scrivere specifiche corrette e fissare il modello avversario resta difficile e richiede esperti. Gli artefatti aperti (Lean, semantica AArch64, specifiche) sono riproducibili e riutilizzabili come benchmark.
  • INGEGNERI ICT / IT MANAGER: La verifica sul binario compilato toglie dalla catena di fiducia il compilatore e il sorgente Rust. Riguarda però una build CLI di ricerca, non le app Signal, e non rende «sicuro» un intero prodotto. Contano il perimetro dichiarato, le restrizioni sul modello avversario, le assunzioni sulle primitive e il costo, che per ora non è noto.

United Airlines vieta agli assistenti AI personali non autorizzati di prenotare e gestire i voli

L'11 novembre United ha vietato l'uso degli agenti AI di terzi non autorizzati sulle proprie piattaforme digitali, anche quando passano da agenzie e aggregatori o agiscono con l'approvazione del cliente. Le motivazioni ufficiali riguardano sicurezza e norme. Il CEO Scott Kirby però ha detto di non volere «un altro intermediario».

L'11 novembre United Airlines ha annunciato che limiterà l'accesso alle proprie piattaforme digitali per vietarne l'uso da parte degli agenti o assistenti AI personali di terzi non autorizzati. Il blocco vale anche per l'accesso indiretto tramite agenzie di viaggio e aggregatori e comporta modifiche alle politiche di prenotazione, emissione e distribuzione dei biglietti (comunicato di United).

Le ragioni ufficiali sono quattro:

  • condividere le credenziali con un assistente AI può esporre dati sensibili;
  • l'agente può fare acquisti o modifiche non volute;
  • l'agente può spendere le miglia MileagePlus;
  • le azioni automatiche possono violare le regole di FAA e DOT. L'esempio citato è il check-in, dove una persona deve confermare che il bagaglio non contiene oggetti vietati.

United aggiornerà il suo Digital Trust Center e ricorda che banche e retailer hanno preso misure simili.

Il divieto è anche contrattuale. Come ricostruisce View from the Wing, il contratto di trasporto rivisto l'11 novembre vieta (regola 6.J.6) «l'uso di AI Agents per effettuare, modificare o gestire un biglietto». La clausola vale anche se il cliente supervisiona o approva l'agente. La regola 5.H consente di cancellare le prenotazioni fatte in questo modo.

Le restrizioni non riguardano solo l'acquisto, ma anche la ricerca. United considera non autorizzato qualsiasi agente AI, bot, estensione o funzione del browser che «cerca, prenota, acquista, gestisce o raccoglie informazioni» su united.com o sull'app senza il suo permesso. Lo si legge nella FAQ del Digital Trust Center, riportata da Search Engine Journal. Nemmeno agenzie e piattaforme di prenotazione possono usare agenti AI di terzi per cercare, prenotare o gestire viaggi United per conto dei clienti. Resta invece consentito usare l'AI per fare ricerche e pianificare un viaggio, purché lo strumento non acceda a united.com o all'app. Sono esenti i motori di ricerca che indicizzano le pagine pubbliche del sito.

Va quindi ridimensionata la lettura di alcune testate che, citando il Wall Street Journal, scrivevano che fosse vietato solo l'acquisto: anche la ricerca sui canali United rientra nel divieto.

Secondo il Wall Street Journal, il CEO Scott Kirby ha dato una motivazione commerciale: «Non voglio creare un altro intermediario». Per The Neuron la vera posta in gioco è chi controlla la relazione con il cliente. L'articolo mette a confronto tre approcci:

  • United chiude agli agenti esterni;
  • Amazon blocca agenti esterni come Muse di Meta e intanto spinge i propri;
  • Walmart ha annunciato un accesso con permessi, limiti di spesa e revoca, senza però confermare che sia già tutto operativo.

Non mancano le critiche. Per View from the Wing l'argomento della sicurezza aerea è debole: la norma sulle merci pericolose richiede una conferma, non che ogni passaggio della prenotazione sia fatto a mano. Ricorda inoltre che il divieto, essendo contrattuale e non tecnico, è difficile da far rispettare. Henry Harteveldt di Atmosphere Research Group, sentito da CBS News, osserva che United non vuole aggiungere un intermediario «potenzialmente ancora più potente». Aggiunge che le ricerche di voli hanno un costo per le compagnie. Avverte però che, bloccando i bot, United non renderà più facile trovare le sue tariffe. Southwest, invece, rende il proprio inventario visibile agli utenti di ChatGPT.

Perché conta

  • UTENTI FINALI: Un assistente AI può aiutare a fare ricerche e pianificare il viaggio solo se non accede a united.com o all'app United. Il divieto comprende anche la ricerca di voli su quei canali, e le agenzie non possono usare agenti AI di terzi per cercare o prenotare viaggi United. Una prenotazione fatta dall'agente può essere cancellata in base al contratto di trasporto, e affidargli la password di MileagePlus resta un rischio concreto.
  • IMPRENDITORI: Il caso mostra che il commercio fatto dagli agenti AI si deciderà sul controllo del canale di vendita, non solo sulla tecnologia. Le aziende devono scegliere se chiudersi, come United, o aprire un accesso controllato con permessi e limiti di spesa, come annunciato da Walmart. Chi vende tramite agenti AI deve mettere in conto blocchi contrattuali difficili da prevedere.