Risorse Artificiali è il podcast italiano di AI Engineering. Ogni settimana, tre ingegneri con 20+ anni di codice alle spalle fanno deep dive tecnici su agent, LLM, tool chain e produzione:
Claude Code, Codex, agenti e modelli open source, inference, spec-driven development, e tutto ciò che serve per portare l'AI dal demo al deploy.
Niente hype, niente "l'AI cambierà tutto": solo analisi oneste, casi concreti e cicatrici dal campo.
Se scrivi codice per vivere e vuoi capire cosa cambia davvero per te, sei nel posto giusto.
L'AI ha patchato un LLM già trainato: il paper del MIT mostra 4 pesi editati e l'errore che crolla dal 96% al 33%. È un intervento chirurgico su un modello già addestrato, non un nuovo training. In questa puntata capiamo cosa significa per chi costruisce con gli agenti.
Raccontiamo l'intervista di Sam Altman a Stripe: la sicurezza dopo il baco PHP (il sandboxing tradizionale non basta più, servono architetture intrinsecamente isolate), la macroeconomia della RAM e la tesi che gli alti prezzi curano gli alti prezzi, lo shift dall'app AI-infused all'agente personale e il valore del brand nell'era del software clonato. Poi GrokBot che taglia i limiti a metà mese, Revolut che sposta workload su modelli GLM girati in locale su B200 fino a token infiniti, l'articolo di DeepSeek che definisce il Super Agent: continuo, produttivo, proattivo, persistente. E l'articolo DeepMind sull'economia dell'AGI: scarsità, salari e chi vince davvero.
00:00 Intro: Astra 6.2, Fable 5.5 e i modelli cinesi
02:57 Altman a Stripe: il baco PHP e la fine del sandboxing
10:34 Macroeconomia: alti prezzi, RAM e utilizzazione delle risorse
15:00 Swarm vs team: nasce l'agente personale
17:32 Il valore del brand: Amazon e la fiducia nel software
24:17 GrokBot: Elon taglia i limiti a metà mese
27:23 Revolut: GLM locale su B200 e token infiniti
32:29 Super Agent: l'harness di DeepSeek in 4 aggettivi
43:13 Paper MIT: l'AI patcha i pesi di un modello
47:43 Anthropic self-improving e risorse infinite ai ricercatori
50:39 L'economia dell'AGI: scarsità, salari e chi concentra il talento
1:01:55 understand-anything e i progetti token-avidi
Ascolta l'episodio anche su Spotify:
https://open.spotify.com/episode/37sP6AmI7aqk4QeHhru7Xr?utm_source=youtube&utm_medium=description&utm_campaign=ep79_drop
Tutti gli episodi e gli appunti: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep79_drop
Iscriviti al canale: AI Engineering in italiano, ogni settimana, per chi la scrive.
#79
31 Oct 2026
Modelli frontiera ogni 2 settimane: come stare al passo
Un modello frontiera ogni 2 settimane: Gemini Carbon esce a 14 giorni da Argon e Sundar Pichai promette che il passo resterà tale. Cosa significa per chi usa questi modelli in produzione?
Nell'episodio 78 di Risorse Artificiali, Stefano, Paolo e Alessio partono dal tweet di Pichai e dal nuovo indice di Artificial Analysis (per il 60% chiuso, per evitare la contaminazione dei benchmark) per ragionare su come stare al passo senza perdere il controllo: riproducibilità per l'enterprise, costi reali dei token input nei contesti lunghi, e la scelta consapevole del modello giusto per ogni caso d'uso, tra Nemotron Transcribe e i modelli specializzati.
Nel blocco hardware: come due registri bloccati in fabbrica limitano le RTX 30 e 40, cosa cambia davvero (efficienza per watt, pre-fill in FP16) e perché non va al doppio.
Capitoli:
00:00 Momenti a-moment: da GPT 2022 alla vibe coding
12:20 Artificial Analysis rifà gli indici di intelligenza
18:00 GPT Terra 6.1: orchestratore multi-agente economico
23:00 Token input, contesti lunghi e costi reali
26:45 Gemini Carbon: un modello frontiera ogni 2 settimane
31:00 Release frequenti: il punto di vista enterprise
35:10 Grokbot e Instinct: agenti consumer su WhatsApp
40:20 Nemotron Transcribe 3.5: cosa fa davvero
46:40 Modelli specializzati e il costo del fine-tuning
52:45 Word Error Rate: quanto fidarsi dei numeri
58:35 RTX 30 e 40 sbloccate: i due registri
1:04:00 Efficienza per watt: pre-fill e quantizzazione
1:09:45 Lampadine, TV jailbreakate e saluti
Spotify: https://open.spotify.com/episode/6v5rX5ZSATUk94OF39gxVv?utm_source=youtube&utm_medium=description&utm_campaign=ep78_drop
Sito: https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep78_drop
Iscriviti al canale: parliamo di AI Engineering in italiano, per chi la scrive.
#78
24 Oct 2026
Non descrivi più le immagini: le programmi in JSON
Host Andrea Fiumicini and guest [Guest Name/Credentials] explore new AI models for image generation and coding, revealing how to program images with JSON and code with diffusion models.
Who has been a guest on Risorse Artificiali
Names identified in recent episode analyses. Showing up to five guests.
Stefano Maestri
Paolo Antinori
Alessio Soldano
Alessandro Maserati
Eugenio Petullà
Reach and audience
Public platform figures. Ratings count people who left a rating, not total listeners.
Spotify
4.9 / 5
118 ratings
Contact Risorse Artificiali
Guest appearances
Books guests
Based on episode analysis; this does not confirm that the show is currently accepting guests.
Pod Engine is an independent podcast discovery and analytics service and is not affiliated with or endorsed by this podcast. Artwork and show content belong to their owners. Full legal notice.
Explore this show Podcast research with Pod Engine
