AI FRONTIER
Signals worth understanding before they become obvious.
OpenRouter aggiunge Tencent Hy4: contesto da 1M e comprensione visiva per la prima volta
La versione ufficiale di Hy4 di Tencent è segnalata con miglioramenti completi e sostanziali rispetto a Hy4 Preview, con guadagni particolarmente forti nelle capacità agentiche e nei task di produttività reali a lungo orizzonte, e introduce per la prima volta la comprensione visiva.
- La finestra di contesto è di 1.048.576 token e supporta fino a 65.536 token di completamento.
- Il prezzo è di $0,417 per milione di token in input e $1,251 per milione di token in output, con lettura cache a $0,021 per milione di token, tutti indicati con il 50% di sconto.
- Accetta testo e immagini in input e restituisce testo, e supporta chiamate di funzione tramite tools e tool_choice, oltre a output strutturati tramite schema JSON in response_format.
- Rilasciato il 4 novembre 2026, ospitato da un unico provider, Tencent Cloud, con OpenRouter che inoltra ogni richiesta direttamente.
Per gli sviluppatori, la combinazione di contesto da 1M, chiamate di strumenti e input di immagini per la prima volta si adatta ad agenti di produzione che leggono immagini mentre eseguono lunghi task multi-step.
moonshotai/Kimi-K3.1-Pro: un modello agentico multimodale aperto da 2,8 T di parametri
Kimi K3.1 Pro è un modello agentico multimodale nativo a pesi aperti, post-addestrato da Kimi K3 con apprendimento per rinforzo congiunto su larga scala, e offre una finestra di contesto di un milione di token.
- Parametri totali 2,8 T, 104 B di parametri attivati, 93 livelli, architettura Mixture-of-Experts con 16 esperti selezionati per token.
- Lunghezza del contesto 1048576 e encoder visivo MoonViT-V2 con 401 M di parametri.
- Quantizzazione con pesi MXFP4 e attivazioni MXFP8, con addestramento consapevole della quantizzazione.
- La model card riporta 65,7 su Terminal-Bench 4.0, 51,7 su SWE Marathon v1.1 e 70,0 su HLE-Full w/ tools.
Per gli sviluppatori, questo modello unisce un contesto di un milione di token e input multimodale nativo a pesi aperti e percorsi di deployment vLLM, SGLang e TokenSpeed, risultando adatto ad agenti a contesto lungo e all'analisi di docume...
Dharma Field Extractor: qualsiasi documento in ingresso, campi strutturati in JSON in uscita
Dharma-AI ha rilasciato Dharma Field Extractor, un modello da 2 miliardi di parametri che estrae i campi richiesti da qualsiasi tipo di documento e restituisce JSON strutturato, in modalità aperta e guidata da schema.
- Il modello di base è DharmaOCR-LITE v1.1, un checkpoint da 2 miliardi di parametri, su cui è stato addestrato un adattatore LoRA con 43.384 esempi di addestramento che coprono entrambe le modalità di richiesta.
- Il modello ha ottenuto 0,834, al di sopra di ogni configurazione frontier testata, da Claude Opus 5 a 0,816 a GPT-5.6 Luna a 0,741.
- Il costo va da circa 6 volte inferiore (GPT-5.6 Luna) a circa 147 volte inferiore (GPT-5.6 Sol) rispetto alle API frontier; il costo self-hosted è il tempo GPU su una singola L40S a 2,24 dollari l'ora.
Per l'estrazione di campi dai documenti, un modello specializzato self-hosted da 2 miliardi di parametri può superare le API frontier a costi inferiori sullo stesso benchmark.
Circuit Oracle: automatizzare l'analisi dei grafi di attribuzione tramite query in linguaggio naturale
Circuit Oracle è un LLM pronto all'uso dotato di un harness multi-agente e di competenze specifiche per il compito, che risponde a domande in linguaggio naturale su un modello target leggendo il grafo di attribuzione tramite chiamate a strumenti. Il paper lo valuta su tre task proxy rilevanti per la sicurezza, con risu...
- Sul rilevamento di feature spurie, Circuit Oracle raggiunge un'accuratezza del 78,2 ± 2,4%, superando le baseline di ranking delle feature a singolo strato.
- Sull'elicitazione di segreti, gli auto-spiegatori addestrati come Activation Oracles restano la baseline più forte.
- Sulla soppressione del rifiuto su 50 prompt, il suo singolo intervento impegnato è leggermente inferiore a una baseline diff-in-means, e la supera solo quando gli è consentito il migliore di cinque tentativi.
- I risultati sono stabili su cinque esecuzioni e tra le scelte di modello per gli agenti.
L'analisi dei grafi di attribuzione può essere parzialmente automatizzata da un agente in linguaggio naturale, ma i risultati riportati restano indietro rispetto a baseline dedicate su elicitazione di segreti e soppressione del rifiuto, qui...
MEMENTO: apprendere la gestione del contesto per agenti di elaborazione di contesti lunghi
Il paper presenta MEMENTO, un agente a contesto lungo costruito su Qwen3-8B che impara a gestire il proprio contesto tramite compattazione: viene prima inizializzato con fine-tuning su traiettorie sintetiche annotate con note generate a posteriori, poi rafforzato con RL usando una ricompensa che combina correttezza del...
- Il paper riporta che, nello stesso harness, MEMENTO supera un agente GPT-5.5 (13,1%) e il contesto completo del libro (56,7%) a meno di 1/50 del costo.
- Il paper riporta che MEMENTO quasi eguaglia un agente GLM-5.3 circa 100 volte più grande (69,3%) a 1/9 del costo, e si avvicina a 6,4 punti dal contesto completo di GLM-5.3 a 1/26 del costo.
- Il paper afferma che i modelli agentici pronti all'uso, inclusi GPT-5.5 e GLM-5.3, spesso scrivono note inefficaci, e che il solo RL raramente scopre un comportamento utile di presa di note.
Per chi costruisce agenti a contesto lungo, i risultati suggeriscono che addestrare una politica esplicita di compattazione entro una finestra fissa di 20K token può avvicinarsi all'accuratezza QA a livello di libro a un costo molto inferio...
GAVAGAI: allineamento referenziale per modelli visione-linguaggio su scala infantile tramite trasporto ottimo bilanciato
Il lavoro aggiunge una variabile referenziale all'obiettivo di didascalia a token successivo trattando ogni scena come un piccolo problema di assegnazione tra le parole di contenuto udite e le regioni viste, risolto come trasporto ottimo entropico sotto una colonna NOTHING e un vincolo di capacità. Sul corpus video inf...
- La fase di allineamento costa circa otto iterazioni di Sinkhorn, poco rispetto all'encoder visivo.
- Una versione a un parametro del modello riproduce l'accuratezza dell'apprendimento trans-situazionale adulto in tre condizioni di ambiguità, con RMSE 0,024.
- Sul corpus video infantile SAYCam, aggiungere la perdita di allineamento a un modello di didascalia a token successivo porta l'accuratezza parola-immagine dal 32,4% al 48,7% e l'IoU di localizzazione da 0,18 a 0,38.
Per i modelli visione-linguaggio addestrati con alti tassi di non riferimento, una variabile esplicita di assegnazione parola-regione fornisce una pressione di ancoraggio che il solo obiettivo di didascalia non ha, sebbene il lavoro riporti...
Umanizzato ma ancora vero? Audit di fatti e rilevamento negli umanizzatori di testo IA
Il paper usa un verificatore basato su regole per verificare se gli umanizzatori IA preservano numeri, date, nomi di persone e organizzazioni e porzioni citate, e testa se un modello decisionale generalista, Jev, separa originali umani da riscritture umanizzate.
- Nel ciclo di ottobre 2026, tutti gli 11 strumenti commerciali hanno modificato o eliminato almeno un'unità verificabile nel 35-65% dei documenti che ne contenevano una.
- Contando solo numeri e nomi, 10 degli 11 strumenti hanno comunque alterato almeno uno nel 20% o più dei documenti.
- Un umanizzatore aperto da 12B ha mantenuto almeno il 97% di numeri e nomi in testi densi di fatti di agenzie federali statunitensi, ma ha riformulato il 67-78% delle porzioni citate.
Chi costruisce pipeline di umanizzazione o rilevamento dovrebbe misurare separatamente la conservazione delle unità fattuali verificabili, perché evasione dei rilevatori e conservazione dei fatti non erano chiaramente correlate.
Transformers introduce i Model Integration Contracts
Hugging Face propone i Model Integration Contracts (MIC), che riducono i checkpoint reali in piccoli fixture ed eseguono un percorso d'uso su CPU per confrontarlo con baseline riviste da esseri umani, individuando le regressioni già in fase di PR.
- Il fixture UMT5 usava 66 MB di pesi, mentre il checkpoint di origine è di 1.227 MB.
- La regressione UMT5 è rimasta dalla sua introduzione il 30 luglio 2026 fino alla correzione il 28 settembre, con log-probabilità che differivano dalla baseline di 1,22 e perdita di training di circa 0,20.
- Llama 4 Scout è passato da 108,6 miliardi di parametri a 44,7 milioni, con lo stack vision da 34 a 2 layer e lo stack linguistico da 48 a 4.
- Nello studio sull'inizializzazione dei pesi, i fixture Whisper casuali hanno rilevato 18 dei 24 guasti iniettati, mentre i fixture overfit hanno rilevato tutti i 24.
I builder possono adottare i MIC come controllo PR economico su CPU, ma devono notare che al 1° novembre 2026 il job MIC segnala i fallimenti senza bloccare le PR.