Categoria
88 voci
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.
Google rilascia Gemini 3.1 Pro: 77.1% su ARC-AGI-2 (più del doppio di Gemini 3 Pro), 80.6% SWE-Bench Verified, 94.3% GPQA Diamond. Stesso prezzo di 3 Pro: $2/M input.
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.
Google DeepMind annuncia Gemini 3 con varianti Pro e Flash: reasoning migliorato, context lungo nativo, integrazione più profonda in Workspace e Android.
Anthropic rilascia Claude Haiku 4.5: performance pari a Claude Sonnet 4 (maggio 2025) ma a un terzo del prezzo e velocità doppia. Cambia il ratio costo/qualità per task agentici a volume.
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.
xAI lancia Grok 4 e Grok 4 Heavy (variante con multiple istanze in parallelo, simile a o1 pro). Tier SuperGrok Heavy a $300/mese. Numeri benchmark elevati ma controversi.
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.
Mistral lancia Medium 3, modello dichiarato a costo 8× inferiore di Claude Sonnet con performance simili e deployment self-hosted da 4 GPU. Posizionato sulla nicchia 'enterprise sovrano' europea.
OpenAI rilascia o3 (full) e o4-mini come modelli di reasoning con accesso nativo a tutti i tool di ChatGPT: web search, Python, image gen, vision. È la prima vera 'agentic reasoning'.
Google DeepMind rilascia Gemini 2.5 Pro, primo modello della famiglia 2.5 con 'thinking' nativo integrato. Context 1M token, capabilities reasoning competitive con o1/o3.
OpenAI rilascia GPT-4.5 (codename Orion) come 'research preview'. È il modello più grande mai addestrato dall'azienda con scaling tradizionale, ma costoso e segna la fine dell'era pure pre-training.
xAI lancia Grok 3, addestrato sul cluster Colossus da 200.000 GPU H100 a Memphis. Include modalità 'Think' (reasoning) e 'DeepSearch' (agentic web research). Disponibile per gli abbonati Premium di X.
Google rende generalmente disponibile Gemini 2.0 Flash, introduce Flash-Lite (più economico) e presenta in preview Gemini 2.0 Pro Experimental con contesto da 2M token.
Paper Stanford/UW: con 1000 esempi curati e una tecnica chiamata 'budget forcing' fanno fine-tune di Qwen2.5-32B fino a competere con o1-preview su matematica. Costo training: <$50.
Microsoft Research pubblica MatterGen su Nature: un modello di diffusion che genera strutture cristalline di materiali stabili condizionate su proprietà (magnetismo, conduttività). Sintesi sperimentale di un nuovo materiale confermata.
Moonshot AI rilascia Kimi k1.5, un modello di reasoning con 128k contesto e catena di pensiero lunga addestrata tramite RL, che raggiunge le performance di OpenAI o1 su AIME e MATH-500 con una modalità 'long-thinking' controllabile dall'utente.
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 DeepMind deploya Gemini Nano (1.8B e 3.25B) su Pixel 8 Pro e Galaxy S25, esecuzione offline su NPU tramite Android AICore API. Prima volta un frontier lab porta un LLM direttamente sul dispositivo.
AllenAI rilascia OLMo 2 a 7B e 13B con staged mid-training e data mixing specializzato, superando Llama 3.1 e Qwen 2.5 sull'instruction following pur mantenendo completa trasparenza su dati, codice e checkpoint.
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.
NVIDIA rilascia Nemotron-4 340B ottimizzato per la generazione di dati sintetici di alta qualità, permettendo alle aziende di addestrare modelli più piccoli e specializzati senza raccogliere dati reali.
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.
DeepMind annuncia che AlphaProof (su Lean) e AlphaGeometry 2 hanno risolto 4 su 6 problemi delle Olimpiadi internazionali di matematica 2024, raggiungendo la soglia della medaglia d'argento.
OpenAI rilascia GPT-4o mini a $0.15/$0.60 per 1M token, 60% più economico di GPT-3.5 Turbo, MMLU 82%. Sposta l'asticella del 'modello base' per la maggior parte degli use case.
Mistral AI e NVIDIA rilasciano Mistral Nemo 12B: 128k context window, addestrato con NeMo toolkit, pensato come sostituto diretto di Mistral 7B in produzione.
Anthropic rilascia Claude 3.5 Sonnet: prestazioni superiori a Claude 3 Opus (il top precedente) a costo Sonnet ($3/$15). Introduce 'Artifacts': output in pannello laterale per codice, documenti, grafici.
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.
Snowflake rilascia Arctic, un MoE con 480B parametri totali e 17B attivi per token, SOTA su SQL e coding enterprise, Apache 2.0, addestrato con 3.5M GPU-hours su H100.
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.
Mistral AI annuncia Mistral Large, modello flagship chiuso con performance vicine a GPT-4, e Le Chat (interfaccia consumer). Parallelamente firma una partnership strategica con Microsoft per la distribuzione su Azure.
Google annuncia Gemini 1.5 Pro: architettura Mixture of Experts, context window standard 128K ma 1M in preview. Nuovo benchmark: ricerca 'ago in pagliaio' in input lunghi quasi perfetta.
OpenAI introduce Memory in ChatGPT: il modello può ricordare informazioni dell'utente tra conversazioni diverse, con controlli espliciti per visualizzare, modificare o cancellare ciò che ricorda.
Alibaba Cloud pubblica Qwen-1.5, famiglia da 0.5B a 110B parametri con supporto nativo 32k context, GQA, bilingue EN/ZH, istruzioni in 30+ lingue e RLHF chat.
AllenAI pubblica OLMo con pesi, dataset completo Dolma (3T token), codice di training e tutti i checkpoint intermedi, rendendo per la prima volta riproducibile scientificamente l'intero processo di training di un LLM.
DeepMind pubblica su Nature AlphaGeometry, sistema neuro-simbolico che risolve problemi di geometria delle olimpiadi internazionali (IMO) a livello da medaglia, senza dati umani annotati.
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.
01.ai di Kai-Fu Lee pubblica Yi-34B: 34B parametri addestrati su 3.1T token, architettura Llama-2 modificata, bilingue EN/ZH, top-3 open weight a novembre 2023.
Anthropic rilascia Claude 2.1: context window 200K token (~500 pagine), 2× riduzione di risposte false su domande borderline, tool use in beta. Risposta a GPT-4 Turbo 128K.
Upstage presenta Solar 10.7B, creato fondendo i layer intermedi di due LLaMA-2 fine-tuned (depth upscaling), vincendo la MBTI-OpenLLM leaderboard a novembre 2023.
Alla prima conferenza developer di OpenAI: GPT-4 Turbo (128K context, prezzi più bassi), GPTs (versioni personalizzate di ChatGPT shareabili), Assistants API (agenti gestiti). Pivot prodotto + sviluppo.
xAI di Elon Musk lancia Grok-1, un modello integrato con X (Twitter) per informazioni in tempo reale, con architettura MoE a 314B parametri rilasciata come open weights nel marzo 2024.
HuggingFace addestra Zephyr-7B con dSFT + Direct Preference Optimization su Mistral 7B base, ottenendo MT-Bench score superiore a Llama-2-70B-chat con 10x meno parametri.
Il Technology Innovation Institute rilascia Falcon-180B, il modello open-source più grande disponibile con 180 miliardi di parametri e 3,5 trilioni di token di training, che supera Llama 2 su tutta la linea.
Microsoft Research dimostra che 1,3B parametri addestrati su dati sintetici di qualità 'da manuale scolastico' producono capacità di ragionamento multi-step comparabili a modelli 5 volte più grandi.
Microsoft Research addestra Orca 13B su spiegazioni passo-passo di GPT-4 (explanation traces), superando ChatGPT su BigBench e AGIEval con 13 miliardi di parametri.
Anthropic lancia Claude 2 con context window di 100.000 token (~75.000 parole) e apre claude.ai al pubblico generale (inizialmente USA e UK). Long-context entra nel mainstream.
WizardLM usa Evol-Instruct — istruzioni semplificate e complicate automaticamente da GPT-4 — e raggiunge il 97% di ChatGPT su WizardEval con un modello 70B.
Microsoft Research pubblica Phi-1, 1.3B parametri addestrati su dati sintetici di alta qualità ('textbooks'), che supera modelli 10x più grandi su HumanEval.
Il Technology Innovation Institute UAE rilascia Falcon 40B: addestrato su 1T token di RefinedWeb, batte LLaMA 65B sui benchmark con licenza commerciale.
Al Google I/O 2023, PaLM 2 sostituisce LaMDA in Bard. Quattro taglie (Gecko, Otter, Bison, Unicorn), multilingue forte e ragionamento migliorato. Apre a Med-PaLM 2 e Sec-PaLM.
MosaicML lancia MPT-7B sotto licenza Apache 2.0 con 65.000 token di contesto grazie ad ALiBi, primo modello open progettato esplicitamente per deployment commerciale senza restrizioni.
LMSYS fa il fine-tuning di LLaMA-13B su 70.000 conversazioni ShareGPT e ottiene un chatbot open-source che GPT-4, usato come giudice, valuta al 90% della qualità di ChatGPT.
Google apre Bard in preview pubblica in US e UK, basato su una versione leggera di LaMDA. Accoglienza tiepida: lento, prudente, meno utile di ChatGPT.
Anthropic lancia Claude, assistente AI addestrato con Constitutional AI. Stesso giorno del rilascio di GPT-4. Due versioni: Claude (full) e Claude Instant (più veloce ed economico).
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.
OpenAI rilascia l'API di ChatGPT (gpt-3.5-turbo) a un decimo del prezzo di text-davinci-003, più API Whisper per lo speech-to-text. Inizia l'era dei wrapper.
Microsoft integra in Bing un'AI conversazionale (poi rivelata essere basata su GPT-4 pre-rilascio) che risponde con citazioni dirette dalle pagine web. È la 'code red' di Google.
OpenAI lancia ChatGPT, un'interfaccia conversazionale gratuita su GPT-3.5 con allineamento via RLHF. In cinque giorni supera il milione di utenti.
Meta presenta Galactica, un modello da 120B parametri addestrato su 48 milioni di paper scientifici. La demo pubblica viene ritirata dopo tre giorni per ondata di critiche su allucinazioni autorevoli.
Google scala l'instruction tuning a 1.800 task e 540 miliardi di parametri, rilascia Flan-T5 open-source e dimostra che il chain-of-thought si insegna esplicitamente tramite fine-tuning.
Noam Shazeer e Daniel De Freitas, padri di LaMDA, lanciano Character.AI: piattaforma che permette a chiunque di creare e chattare con personaggi AI, da Einstein a personaggi anime.
Google Research combina in un unico modello da 20B i tre principali obiettivi di pretraining (autoregressive, autoencoding, prefix LM), battendo GPT-3 su molti benchmark pur avendo 8 volte meno parametri.
Google presenta PaLM, un modello da 540 miliardi di parametri addestrato sul nuovo sistema Pathways. Mostra capacità emergenti di reasoning quando guidato con chain-of-thought.
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.
Wang et al. (Google Brain) mostrano che campionare N percorsi di ragionamento diversi e prendere la risposta più frequente batte il greedy decoding su tutti i benchmark di ragionamento.
OpenAI presenta InstructGPT: un GPT-3 raffinato con feedback umano (RLHF) che segue istruzioni meglio del modello base da 175B pur essendo molto più piccolo (1.3B parametri).
DeepMind pubblica Gopher, modello dense da 280B parametri, accompagnato da uno studio sistematico su 152 task e da un paper sulle considerazioni etiche dei foundation models.
DeepMind pubblica RETRO, modello da 7B parametri che recupera passaggi rilevanti da un database di 2T token durante l'inferenza, eguagliando le prestazioni di modelli 25x più grandi.
Google mostra che addestrare un modello su 60+ task formulati come istruzioni migliora drasticamente le prestazioni zero-shot su task mai visti prima.
Microsoft e NVIDIA annunciano MT-NLG, modello dense da 530B parametri addestrato con DeepSpeed e Megatron-LM, all'epoca il più grande dense LM mai prodotto.
Il Center for Research on Foundation Models di Stanford pubblica un report di 200+ pagine coniando il termine foundation models, oggi standard nel discorso tecnico, accademico e regolatorio.
BAAI (Beijing Academy of Artificial Intelligence) presenta Wu Dao 2.0, modello multimodale Mixture of Experts da 1,75 trilioni di parametri, in risposta a GPT-3 e Switch Transformer.
A Google I/O, Sundar Pichai annuncia LaMDA (Language Model for Dialogue Applications), modello da 137B parametri addestrato specificamente sul dialogo, precursore diretto di Bard.
Google Brain pubblica Switch Transformer, un modello sparse con 1,6 trilioni di parametri che attiva solo un esperto per token, dimostrando che il routing sparso può scalare oltre il dense.
DeepMind pubblica MuZero su Nature: l'agente RL impara da solo le dinamiche del mondo e raggiunge prestazioni superumane su Go, scacchi, shogi e 57 giochi Atari senza che gli vengano date le regole.
Google Research presenta Big Bird a NeurIPS 2020, un transformer con attention sparsa (locale + globale + random) che scala linearmente, raggiunge SOTA su QA long-document e summarization e dimostra Turing-completeness.
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 pubblica mT5, una versione di T5 pre-addestrata su mC4 (Common Crawl multilingue) su 101 lingue, che diventa baseline standard per molti task NLP cross-lingual.
Allen Institute for AI rilascia Longformer, un transformer che combina sliding-window attention locale e attention globale su token speciali, scalando linearmente fino a 4096 token e battendo RoBERTa su task long-document.
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.
Clark, Luong, Le e Manning pubblicano ELECTRA a ICLR 2020: invece del masked language modeling, addestra il modello a distinguere token sostituiti da un piccolo generatore, raggiungendo BERT con un quarto del compute.
Microsoft Research presenta Turing-NLG, il modello linguistico più grande mai annunciato (17B), reso possibile dall'ottimizzatore DeepSpeed/ZeRO che taglia drasticamente la memoria GPU richiesta.
Google presenta Meena, un modello conversazionale da 2.6 miliardi di parametri addestrato su 341 GB di dialoghi social, e introduce la metrica SSA per valutare la qualità di un chatbot.
Google Research presenta Reformer, una variante del transformer che usa LSH attention e reversible layers per scendere da O(n²) a O(n log n) e gestire sequenze fino a 64k token.