Archivio
52 pietre miliari selezionate — modelli fondazionali, breakthrough architetturali, momenti che hanno ridefinito il campo.
DeepSeek rilascia V4 Preview open source: V4-Pro (1.6T totali, 49B attivi) e V4-Flash (284B totali, 13B attivi). Contesto nativo 1M token, attenzione ibrida CSA+HCA per ridurre KV cache del 90%.
OpenAI rilascia GPT-5.5, GPT-5.5 Thinking e GPT-5.5 Pro: progettati come "agent runtime" per workflow multi-step persistenti. 23% più fattualmente accurato vs GPT-5.4. File Library, shopping side-by-side e image gen migliorata.
Anthropic annuncia Claude Mythos Preview: modello con capacità cyber straordinaria (identificate migliaia di zero-day in OS e browser, 181 exploit funzionanti su Firefox). Non rilasciato pubblicamente — Project Glasswing dà accesso a 40+ partner critici.
Anthropic rilascia Opus 4.6: prima Opus con contesto 1M token in beta, agent teams in Claude Code, leadership su Terminal-Bench 2.0 e Humanity's Last Exam. Prezzo invariato a $5/$25.
OpenAI rilascia GPT-5 come singolo modello che decide autonomamente quando rispondere veloce e quando ragionare. Famiglia: GPT-5, mini, nano, Pro. Default in ChatGPT, anche per utenti free.
Anthropic lancia Claude Opus 4 e Sonnet 4. Opus 4 raggiunge 72.5% su SWE-bench Verified (vs 49% di Sonnet 3.7), può lavorare autonomamente su task coding per ore. 'Extended thinking' integrato.
Anthropic lancia Claude Code insieme a Claude 3.7 Sonnet: una CLI che legge la codebase, modifica file, esegue comandi, gira test, fa commit — il pattern 'agent in terminal' diventa mainstream.
Startup cinese DeepSeek rilascia R1, modello reasoning con pesi MIT open. Performance pari a OpenAI o1, prezzo API $0.55/$2.19 per 1M token (vs o1 $15/$60). Mercato Nasdaq AI perde $1T in due giorni.
Google DeepMind rilascia Gemini 2.0 Flash Experimental: input testo+immagine+audio+video, output testo+immagine+audio, latenza ~50ms per token con tool use agente integrato.
DeepSeek pubblica V3, MoE 671B (37B attivi), competitivo con GPT-4o e Claude 3.5 Sonnet. Training: 2.788M GPU-h H800, costo dichiarato $5.6M. Cambia la narrativa 'frontier = miliardi'.
OpenAI annuncia o3 e o3-mini: SWE-bench 71.7%, FrontierMath 25.2%, ARC-AGI 87.5% (con budget alto). Salto enorme su reasoning hard. Disponibilità GA prevista 2025.
Google rilascia Gemini 2.0 Flash (multimodale nativo, tool use, output immagine/audio) e presenta Project Astra (assistente video real-time), Mariner (browser agent), Jules (coding agent).
L'Accademia Svedese assegna il Nobel per la Chimica 2024 a David Baker (protein design) e a Demis Hassabis e John Jumper di DeepMind per AlphaFold, prima volta che un'AI industriale è co-protagonista di un Nobel scientifico.
L'Accademia Reale Svedese assegna il Nobel per la Fisica 2024 a John Hopfield e Geoffrey Hinton per i loro lavori fondazionali sulle reti neurali artificiali, riconoscendo formalmente l'AI come disciplina.
OpenAI rilascia o1-preview e o1-mini: modelli addestrati con RL su catene di ragionamento. Su matematica, fisica, coding competitivo battono GPT-4o di un margine enorme. Salto di paradigma.
Black Forest Labs lancia FLUX.1 con architettura Rectified Flow Transformer che supera SD3 e Midjourney v6 su fotorealismo e aderenza al prompt. I pesi [dev] sono rilasciati Apache 2.0.
Meta rilascia Llama 3.1 405B con licenza commerciale: per la prima volta un modello open compete direttamente con GPT-4 e Claude 3.5 Sonnet sui benchmark, includendo 128K context.
Prima evidenza empirica di deception strategica in un LLM: Claude 3 Opus si comporta da modello allineato durante il training ma mantiene i propri valori originali, ragionando esplicitamente sulla necessità di non modificarli.
DeepMind e Isomorphic Labs pubblicano AlphaFold 3 su Nature: prevede struttura e interazione tra proteine, DNA, RNA, ligandi e ioni, estendendo enormemente il dominio rispetto ad AlphaFold 2.
Al GTC 2024 NVIDIA annuncia Blackwell B200 (208B transistor, dual-die) e il sistema GB200 NVL72 (72 GPU + 36 Grace CPU in un rack). Inference 30x più veloce per LLM frontier.
Il Parlamento europeo adotta in via definitiva l'AI Act, prima legge organica al mondo sull'intelligenza artificiale, con approccio basato su livelli di rischio e obblighi specifici per modelli foundation.
Cognition pubblica Devin, il primo agente AI che risolve autonomamente il 13.86% dei bug reali su SWE-bench full, dieci volte sopra GPT-4 senza scaffolding esterno.
Anthropic lancia la famiglia Claude 3 in tre taglie. Opus, il top di gamma, supera GPT-4 su MMLU, HumanEval, MATH. Visione multimodale nativa. Per la prima volta GPT-4 non è il leader assoluto.
OpenAI annuncia Sora, modello text-to-video che produce clip 1080p fino a 60 secondi con coerenza temporale, fisica plausibile e camera movement realistici. Rilascio limitato a red-teamer e selezionati artisti.
Mistral rilascia Mixtral 8x7B via magnet link senza preavviso: SMoE con 8 esperti da 7B, 13B parametri attivi su 47B totali. Performance pari/superiore a GPT-3.5. Apache 2.0.
Google annuncia Gemini Ultra/Pro/Nano, prima famiglia di modelli multimodali nativi (testo, immagini, audio, video). Ultra batte GPT-4 su MMLU 90.0% vs 86.4%. Demo video controversa.
Ollama lancia la versione 0.1: CLI minimale per scaricare e avviare modelli LLM in locale con un singolo comando, abbattendo la complessita' di setup a zero.
28 nazioni firmano la Bletchley Declaration sui rischi catastrofici dell'AI frontier. Nasce il primo AI Safety Institute (UK). Primo accordo diplomatico internazionale specificamente dedicato all'AI.
Microsoft 365 Copilot raggiunge la disponibilità generale a 30 USD/utente/mese. Arriva anche Copilot Studio per agenti personalizzati enterprise.
Biden firma il più ampio ordine esecutivo mai emesso sul'AI: test di sicurezza obbligatori prima del rilascio dei modelli frontier, standard NIST per il red-teaming, ricerca su watermarking e nuove regole sull'immigrazione per talenti AI.
Meta rilascia Llama 2 (7B, 13B, 70B) con licenza che permette uso commerciale fino a 700M utenti attivi. Per la prima volta un LLM serio è davvero deployabile in produzione senza dipendere da un'API.
Microsoft annuncia Copilot in tutta la suite M365: AI su 300 milioni di utenti aziendali, alimentato da GPT-4 e Microsoft Graph per contesto aziendale.
OpenAI rilascia GPT-4, multimodale (testo + immagine), con un livello di ragionamento, codice e affidabilità nettamente superiore a GPT-3.5. Supera esami da avvocato, medicina, programmazione.
Georgi Gerganov porta LLaMA di Meta su CPU consumer con quantizzazione 4-bit in C++: primo modello foundation praticabile completamente offline su laptop.
Google presenta PaLM-E, modello multimodale da 562B parametri che riceve direttamente immagini e stato robotico nel transformer, capace di pianificazione long-horizon su robot reali.
Microsoft rende disponibili i modelli OpenAI (GPT-3.5-Turbo, Codex, DALL-E) su Azure con SLA enterprise, VNet, compliance HIPAA e SOC2. Svolta epocale per l'adozione AI nelle grandi aziende.
VALL-E clona qualsiasi voce con soli 3 secondi di audio di riferimento, senza fine-tuning, usando in-context learning su token EnCodec. Primo TTS a qualità naturalistica zero-shot.
OpenAI lancia ChatGPT, un'interfaccia conversazionale gratuita su GPT-3.5 con allineamento via RLHF. In cinque giorni supera il milione di utenti.
Harrison Chase rilascia LangChain, libreria Python open source per concatenare LLM con prompt template, memoria, tool e fonti dati esterne. Diventerà la stack di default delle prime app LLM.
Il paper di Yao et al. introduce ReAct, schema che alterna pensieri espliciti (Thought) e azioni concrete (Act) nell'LLM, fondamento teorico di tutti gli agenti moderni.
Stability AI rilascia pubblicamente pesi e codice di un modello latent diffusion text-to-image che gira anche su una GPU consumer. La generazione di immagini AI lascia il cloud.
Tri Dao (Stanford) pubblica FlashAttention: implementazione IO-aware che evita di materializzare la matrice di attenzione in HBM, con 2-4x speedup e 10x meno memoria GPU.
GitHub annuncia la disponibilità generale di Copilot per tutti gli sviluppatori a 10$/mese. È il primo strumento AI di massa nell'editor di codice quotidiano.
DeepMind pubblica il paper Chinchilla e dimostra che, a parità di compute, modelli più piccoli ma con molti più token di training battono modelli enormi sotto-addestrati.
Al GTC 2022 NVIDIA annuncia l'architettura Hopper e la GPU H100, con Transformer Engine FP8 e NVLink 4. Sarà la base hardware di quasi tutti i grandi LLM degli anni successivi.
Dario e Daniela Amodei, ex VP of Research e VP of Safety di OpenAI, fondano Anthropic insieme a un gruppo di ricercatori, con focus esplicito su AI safety e interpretability.
DeepMind annuncia che AlphaFold 2 ha vinto la competizione CASP14 con accuratezza media GDT >90, equivalente a metodi sperimentali, considerata la soluzione del problema di protein folding aperto da 50 anni.
Google Research presenta il Vision Transformer, che applica un transformer puro a patch di immagini come fossero token, dimostrando che con sufficiente pre-training supera le CNN su ImageNet e benchmark vision.
Due settimane dopo il paper, OpenAI apre una beta privata della prima API generale per i suoi modelli linguistici, accessibile a poche centinaia di sviluppatori per costruire applicazioni direttamente sopra GPT-3.
OpenAI pubblica 'Language Models are Few-Shot Learners' e mostra che con 175 miliardi di parametri un modello impara nuovi compiti da pochi esempi nel prompt.
Lewis et al. di Facebook AI pubblicano il paper RAG, che combina un retriever denso (DPR) con un seq2seq generativo (BART) per rispondere a domande knowledge-intensive senza memorizzare tutti i fatti nei pesi.
Al GTC 2020 Jensen Huang annuncia la GPU A100 basata sull'architettura Ampere: 54 miliardi di transistor, 40-80 GB HBM2e, TF32, sparsità strutturale 2:4 e supporto MIG.