Llms

• Ricercatori in materia di sicurezza hanno scoperto una vulnerabilità per la quale gli agenti di codifica AI possono essere manipolati per eseguire codice malevolo seguendo istruzioni contenute nei file llms.txt o llms-full.txt della stessa azienda. • Il difetto sfrutta una crescente convenzione del settore che prevede l'utilizzo di questi file di testo per fornire agli agenti LLM una guida strutturata su API, documentazione e flussi di lavoro di installazione. • Questo aspetto è significativo poiché consente agli aggressori di ingannare gli agenti AI spingendoli a installare pacchetti controllati dagli attaccanti all'interno di aziende Fortune 500, aggirando i tradizionali confini di sicurezza.

• Un CTO avverte che la generazione di codice tramite AI ha raggiunto un plateau della sicurezza, il che significa che i Large Language Models (LLMs) non possono ancora garantire la produzione di codice sicuro. • Poiché gli LLM sono ormai profondamente integrati nel modo in cui gli sviluppatori scrivono e rifattorizzano il software, vi è un rischio maggiore di implementare codice vulnerabile in ambienti di produzione. • Il rapporto sottolinea che le organizzazioni devono trattare tutti gli output generati dall'AI come non attendibili e implementare processi di verifica indipendente obbligatori.

• Nvidia ha ottenuto 500 miliardi di dollari di finanziamenti da Wall Street per espandere la propria infrastruttura di IA. • L'investimento mira a scalare l'hardware e i sistemi necessari per supportare la prossima generazione di Large Language Models (LLM). • Questa massiccia iniezione di capitale sottolinea l'immenso impegno finanziario degli investitori per mantenere la rapida crescita delle capacità dell'IA.

• Una nuova ondata di startup di IA sta emergendo per sfidare i giganti del settore sviluppando Large Language Models (LLM) di prossima generazione. • Queste aziende si concentrano sul superamento di difetti fondamentali della tecnologia attuale, mirando specificamente alle capacità di ragionamento e alla possibilità di elaborare enormi quantità di input. • Questo spostamento è significativo poiché molti dei progressi attuali dell'IA sono visti come "soluzioni temporanee" o patch piuttosto che come evoluzioni tecnologiche di base.

• L'Oversight Board di Meta ha pubblicato un rapporto di 39 pagine che indaga sulla "censura per procura", in cui gli LLM di base potrebbero restringere i contenuti critici verso i regimi politici che limitano la libertà di parola e i loro leader. • La ricerca esamina se gli output dell'IA riflettano impropriamente le leggi nazionali che vietano le critiche al governo, estendendo di fatto la portata restrittiva di un regime oltre i propri confini geografici. • Questo fenomeno è rilevante poiché suggerisce che i modelli di IA potrebbero applicare restrizioni illegittime alla libertà di parola a livello globale, rischiando di soffocare il dissenso politico e limitare l'accesso alle informazioni.

• Il settore dell'IA ha subito una transizione strutturale durante la terza settimana di luglio 2026, passando da progetti pilota basati su modelli conversazionali generici a operazioni aziendali avanzate. • Questa evoluzione si concentra sull'implementazione di server Model Context Protocol (MCP) per collegare i Large Language Models (LLMs) direttamente ai dati aziendali in tempo reale. • Il cambiamento pone l'accento sul ragionamento in tempo di esecuzione ottimizzato per l'hardware e sull'adozione di framework agentici standardizzati per migliorare l'efficienza operativa.

• Le aziende indiane si stanno spostando sempre più verso i Large Language Models (LLM) cinesi come alternativa alle opzioni americane. • La transizione è guidata dal costo "insostenibile" delle bollette dei token statunitensi, con gli sviluppatori che sostengono che i modelli USA di fascia alta siano spesso "eccessivi" per i compiti operativi di base. • Questo cambiamento evidenzia una crescente domanda di soluzioni di IA convenienti e suggerisce un potenziale declino del dominio del mercato statunitense nel settore aziendale indiano.

• Le aziende indiane stanno adottando in modo crescente i modelli linguistici di grandi dimensioni (LLM) cinesi sviluppati da aziende come DeepSeek, Alibaba e Moonshot AI. • Questo spostamento è guidato principalmente dalla necessità di ridurre i costi operativi associati all'implementazione dell'intelligenza artificiale. • Il trend evidenzia una crescente dipendenza tecnologica dalla Cina, che si verifica nonostante una lunga storia di stalli diplomatici e politici tra le due nazioni.

• Reddit ha sviluppato nuovi strumenti interni alimentati da Large Language Models (LLM) per combattere il crescente volume di spam sulla sua piattaforma. • L'iniziativa è una risposta diretta all'aumento dello spam generato dall'IA, che spesso viene creato utilizzando la stessa tecnologia LLM che l'azienda sta ora impiegando per il rilevamento. • Questa strategia del "combattere il fuoco con il fuoco" evidenzia la crescente necessità per le piattaforme social di utilizzare l'IA avanzata per mantenere la qualità dei contenuti contro i bot automatizzati.

• L'azienda di cybersecurity Semgrep ha scoperto che l'LLM cinese GLM 5.2 ha superato altri modelli standard nei test, raggiungendo un punteggio F1 del 39% nell'identificazione di veri positivi e negativi. • L'emergere di modelli ad alte prestazioni da parte di aziende cinesi indica che le capacità di AI di frontiera non sono più un'esclusiva delle società con sede negli Stati Uniti. • Questa tendenza è preoccupante per chi si occupa di cyber-difesa, poiché amplia il divario tra attaccanti e difensori rendendo più ampiamente disponibili potenti strumenti di AI a scopo offensivo.

• Gli esperti di healthtech stanno discutendo se i Large Language Models (LLM) generici stiano ora superando gli strumenti di AI clinica specializzati come OpenEvidence. • La discussione copre sviluppi significativi del settore, tra cui l'esplorazione delle immagini MRI da parte di Midjourney e la spinta strategica di UnitedHealth Group (UNH) verso l'AI. • La partnership e la "scommessa" di Abridge su NVIDIA vengono evidenziate come un fattore chiave per la prossima generazione di documentazione medica e integrazione dell'AI.

• La rapida integrazione dei Large Language Models (LLM) nelle infrastrutture critiche ha introdotto una nuova superficie di attacco in cui l'IA viene utilizzata per colpire altri sistemi di IA. • Questa minaccia emergente comporta l'uso di malware adattivi e Advanced Persistent Threats (APT) per interrompere tecnologie essenziali e infrastrutture civili. • Il rischio è accentuato nel contesto della competizione tra Grandi Potenze e della guerra ibrida, citando specificamente i conflitti che coinvolgono Russia, Ucraina e potenziali scenari relativi all'Iran nel 2026.

• Il Cybersecurity Assessment Report 2026 di Bitdefender, condotto su oltre 1.200 professionisti in sei paesi, identifica i sistemi AI interni, gli LLM e le infrastrutture cloud come le principali preoccupazioni per la sicurezza, rispettivamente per il 45% e il 44% degli intervistati. • Nell'ultimo anno, il 41,8% delle organizzazioni ha subito violazioni del cloud, mentre il 59,2% ha confermato attacchi di social engineering guidati dall'AI; le aziende statunitensi sono state particolarmente colpite dal business email compromise con un tasso del 54,7%. • Il rapporto evidenzia minacce emergenti critiche, tra cui malware auto-mutanti (55,9%), fughe di dati sensibili verso LLM pubblici (53,5%) ed evasione di strumenti tradizionali di endpoint detection and response (EDR) tramite AI.

• I Large Language Models (LLM) come ChatGPT, Claude e Gemini mostrano una tendenza al "pensiero di gruppo", producendo spesso schemi prevedibili invece di una vera casualità, come ad esempio la frequente scelta del numero 7 quando viene richiesto un numero casuale. • Una nuova startup sta sviluppando una tecnologia per interrompere questi schemi comportamentali ripetitivi e migliorare la diversità e l'imprevedibilità degli output dell'IA. • Questo problema è rilevante perché i bias sistemici e la prevedibilità negli LLM possono limitare la creatività e portare a risultati distorti nella generazione di dati e nella risoluzione di problemi.

• Il focus degli investimenti in IA si sta spostando dai Large Language Models (LLM) verso lo sviluppo di sistemi di "Agentic AI". • I leader del settore stanno ora dando priorità alle tecnologie che consentono il processo decisionale autonomo e l'applicazione nel mondo reale, rispetto alla semplice generazione di testo. • Questa transizione è evidenziata dalle recenti tendenze nelle acquisizioni e dalla domanda degli investitori, segnalando un passaggio verso agenti di IA più funzionali e orientati agli obiettivi.

• Il consolidamento dell'IA ha raggiunto livelli record l'anno scorso, con 33 acquisizioni principali per un valore dichiarato di almeno 157 miliardi di dollari. • Tra le operazioni di rilievo figurano l'acquisto di Wiz da parte di Google per 32 miliardi di dollari, l'acquisizione di una data-stack da parte di IBM per 27,8 miliardi di dollari e l'acquisto di Fin da parte di Salesforce per 3,6 miliardi di dollari. • Queste tendenze indicano uno spostamento della domanda degli investitori dagli Large Language Models (LLMs) verso infrastrutture specializzate e aziende di data-stack.

• I dati della piattaforma di routing API OpenRouter rivelano che i modelli linguistici sviluppati in Cina rappresentano ora circa il 61% del consumo di token tra i primi 10 modelli. • Questo spostamento indica che migliaia di startup AI americane stanno silenziosamente migrando il proprio traffico dai modelli basati negli Stati Uniti a favore di alternative cinesi. • Il trend è significativo poiché suggerisce che i LLM cinesi stiano diventando più competitivi in termini di prestazioni o costi, mettendo potenzialmente in discussione il dominio delle aziende AI della Silicon Valley.

• La governatrice della Federal Reserve Lisa D. Cook ha dichiarato in un discorso del 27 maggio che i rapidi progressi nei large language models e nei sistemi di IA agentica stanno introducendo nuovi modi per rilevare, sfruttare e creare vulnerabilità nei sistemi finanziari. • Cook ha sostenuto che la sperimentazione dell'IA debba essere accompagnata da una "forte governance e gestione del rischio", inquadrando l'adozione dell'IA sia come un'opportunità che come una sfida di sicurezza per le banche e i regolatori. • Queste dichiarazioni sono rilevanti poiché provengono da un'alta carica politica statunitense focalizzata su come l'IA possa influenzare l'economia, la stabilità finanziaria e i controlli del rischio istituzionale.

• Il 22 maggio, la Commissione Nazionale per lo Sviluppo e la Riforma (NDRC) della Cina ha emesso un segnale politico esortando il Paese a raggiungere l'autosufficienza nell'IA. • La direttiva chiede esplicitamente l'integrazione di chip di calcolo sviluppati internamente con modelli linguistici di grandi dimensioni (LLM) autoctoni. • Questa spinta segue l'incontro Trump-Xi e avviene in un contesto di continui ritardi nell'approvazione dell'importazione di GPU Nvidia H20 in Cina.

• I finanziamenti per le start-up di IA cinesi sono triplicati raggiungendo i 16 miliardi di dollari nel primo trimestre, spinti dal forte interesse degli investitori per i Large Language Models (LLM) e la robotica. • Questa impennata segue iniziative statali a lungo termine per dare priorità al flusso di capitali verso settori strategici, tra cui l'infrastruttura di calcolo avanzato, i chip e la produzione. • Gli investimenti in valuta estera hanno registrato una netta ripresa, con il numero di operazioni che è più che raddoppiato arrivando a 210 e il valore totale dichiarato che è schizzato oltre il 495%, raggiungendo i 67,3 miliardi di yuan.