Il filo di oggi attraversa ricerca di crittoanalisi, generazione multimodale, un MoE a attivazione densa su percorso open-weight, valutazione di agenti scientifici e finanza consumer in sola lettura: Google DeepMind ha riferito che agenti IA guidati dall’uomo hanno trovato due gravi debolezze nell’RSA a 1024 bit legacy, sottolineando che le chiavi moderne a 2048 bit e superiori restano sicure; Gemini Omni 1.2 Flash è divenuto generalmente disponibile; Thinking Machines Lab ha rilasciato Inkling 2 Small con dettaglio di pretraining e RL congiunto; OpenAI e Ligo hanno lanciato BioBasicsBench per compiti di laboratorio umido di routine; e Anthropic ha iniziato a distribuire Claude Finanze personali per i piani a pagamento negli USA via Plaid, insistendo su sola lettura e nessun uso per l’addestramento.

1. Google DeepMind: agenti IA guidati dall’uomo espongono due debolezze nell’RSA a 1024 bit legacy

Il 6 novembre 2026 Google DeepMind — inquadrato da Pushmeet Kohli, VP of Science — ha annunciato che agenti IA guidati dall’uomo avevano scoperto due gravi debolezze nell’RSA a 1024 bit legacy. Il lavoro è stato guidato da Dj Dvijotham e Abhradeep Thakurta, in collaborazione con Nadia Heninger (UC San Diego e Inria) ed Emmanuel Thomé (Inria). DeepMind e i resoconti correlati sottolineano che l’RSA moderno a 2048 bit e oltre resta sicuro, e che gli esperimenti di firma sono stati eseguiti in sandbox su un benchmark a 1024 bit già risolto, senza toccare sistemi in produzione.

Su firme e padding, DeepMind ha dichiarato che una volta che un attaccante controlla circa metà o più del blocco firmato, il padding non aggiunge praticamente alcuna protezione. Nella sandbox, l’approccio migliorato ha usato circa 3,5× meno tempo CPU e meno di un millesimo della computazione necessaria per rompere la chiave stessa. Quando l’attaccante controlla solo un fingerprint breve (ad esempio 32 byte), il nuovo algoritmo è circa 1600× migliore del migliore precedente per RSA a 1024 bit secondo stime teoriche. Separatamente, per la fattorizzazione batch di moduli della stessa lunghezza in bit, DeepMind ha riportato un costo medio circa 30× inferiore per ogni chiave 1024 aggiuntiva rispetto ai metodi batch precedenti.

In sintesi: La crittoanalisi assistita dall’IA affina gli attacchi all’RSA a 1024 bit legacy sotto ipotesi dichiarate, mentre il framing di DeepMind stesso mantiene il confine operativo: i deployment a 2048 bit e superiori non sono dichiarati rotti, e i test di firma sono rimasti fuori dalla produzione live.

2. Google: Gemini Omni 1.2 Flash generalmente disponibile — video nativo fino a 15 s, prezzo in calo di circa il 30 %

Il product manager di Google DeepMind Anish Nangia ha annunciato il 5 novembre 2026 che Gemini Omni 1.2 Flash è generalmente disponibile (GA) su Gemini API e Gemini for business / Google Cloud. La model card riporta la stessa data di pubblicazione. Rispetto al tetto di 10 secondi di Omni 1.1, 1.2 Flash estende il video nativo a 15 secondi, con durata selezionabile da 3–15 secondi a passi di un secondo; il prezzo 720p scende di circa il 30 % rispetto a Omni 1.1, a 0,07 dollari al secondo.

Sul piano delle capacità, il post sottolinea il montaggio conversazionale multi-turno e una maggiore aderenza a immagini di riferimento, clip di movimento fino a circa tre secondi e audio. I workflow possono bozza a 360p / 720p e poi upscalare a 1080p / 4K, con watermark SynthID. Provisioned Throughput è disponibile. Il modello è anche in rollout su Flow, Google Vids, l’app Gemini (Ultra), Google Ads, AI Studio, Vertex AI, YouTube e Workspace.

Takeaway: La generazione video passa da «può produrre un clip» a fasce di durata tariffe, aderenza ai riferimenti e garanzie di throughput enterprise, con risoluzione di bozza e upscaling iscritti nel workflow predefinito.

3. Thinking Machines Lab rilascia Inkling 2 Small: 594B / 17B attivi, pesi Apache 2.0 previsti

Thinking Machines Lab ha annunciato Inkling 2 Small il 5 novembre 2026: un modello mixture-of-experts (MoE) con circa 594 miliardi di parametri totali e 17 miliardi attivi, con input immagine e variable effort. La società ha citato un Artificial Analysis Intelligence Index di 31 (il post dice 31; una tabella mostra AA Index v5.0 a 30,6). Il modello debutta su Tinker con pesi chiusi; l’annuncio prevede pesi completi sotto Apache 2.0 la settimana successiva dopo test di sicurezza esterni e red teaming.

Le rivelazioni di training includono: pretraining H1 di circa 8,4 trilioni di token in circa 68 ore su NVIDIA GB300 NVL72 con NVFP4 nativo; H2 di circa 3,8 trilioni di token fino a 512K di contesto; poi RL congiunto per 1.075 step e oltre 17 milioni di rollout in circa nove giorni su 2.048 GPU. Il laboratorio ha mostrato demo di coding agentico, vision e knowledge work, e citato un DesignArena Website di 1340 nel suo snapshot.

Takeaway: La via MoE «piccola attivazione, grande totale» lega throughput di pretraining, scala di RL congiunto e il ritmo «spedire chiuso, aprire i pesi dopo» in un’unica narrazione di rilascio.

4. OpenAI lancia BioBasicsBench: misurare come gli agenti AI gestiscono la scienza routinaria di laboratorio umido

OpenAI ha pubblicato il 6 novembre 2026 un’introduzione a BioBasicsBench, costruito con la società di enzyme design Ligo. Il benchmark copre 100 compiti routinari di laboratorio umido in cinque aree — metodi proteici, imaging / citometria, quantificazione e saggi, metodi sugli acidi nucleici e clonaggio molecolare — con input come gel grezzi, piastre, microscopia ed export strumentali. La valutazione ha riguardato sette modelli, 37 impostazioni e cinque tentativi per compito, per circa 18.500 risultati.

Con ragionamento xhigh, GPT-6 Astra ha ottenuto un reward medio del 66,7 % (IC 95 % 60,3 %–73,1 %), GPT-6.1 Sol il 62,0 % e GPT-5.6 Sol il 43,8 %. La società sottolinea che punteggi più alti non equivalgono ancora a un giudizio di laboratorio affidabile. Gli esempi includono Astra che individua un antibiotico sbagliato sull’etichetta del bordo di una piastra di controllo, e modalità di fallimento residue come assunzioni che prevalgono sui controlli e, in un caso, un sovracconteggio di colonie di circa il 12 %.

Takeaway: I vendor trasformano «leggere artefatti sperimentali grezzi» in un benchmark di laboratorio umido riproducibile, usando intervalli di confidenza e casi di fallimento per frenare l’estrapolazione «punteggio alto uguale affidabilità».

5. Anthropic: beta Finanze personali in Claude — collegamenti conto in sola lettura via Plaid

Anthropic ha iniziato questa settimana il rollout di una beta Finanze personali (Personal Finance) per utenti Pro, Max e Ultra negli USA; Plaid ha confermato la partnership in un post del 5 novembre 2026, TechCrunch e altri hanno coperto il lancio. Gli utenti possono collegare banche e carte tramite Plaid. La capacità è in sola lettura: non può spostare, gestire o investire denaro e non porta annunci o prodotti sponsorizzati. I conti collegati possono mostrare fino a circa due anni di transazioni; le chat nell’hub Finanze personali non sono usate per il training; l’utente si autentica in banca via Plaid, così Claude non vede la password bancaria; lo scollegamento è possibile in qualsiasi momento. Anthropic dichiara che la funzione non è consulenza di investimento.

Takeaway: Gli assistenti consumer entrano nell’insight finanziario a livello di conto, ma con confini di sola lettura, non-training, non-consulenza e scollegamento in qualsiasi momento — instradando la connettività tramite infrastruttura di pagamento anziché collegamenti bancari proprietari.

---

In una riga: DeepMind riferisce progressi assistiti dall’IA contro RSA-1024 legacy affermando la sicurezza moderna a 2048 bit+, Google rende generalmente disponibile Gemini Omni 1.2 Flash con video nativo più lungo e prezzo unitario più basso, Thinking Machines traccia con Inkling 2 Small un percorso MoE «Apache 2.0 la prossima settimana», OpenAI quantifica le prestazioni di agenti di laboratorio umido con BioBasicsBench avvertendo che punteggi alti non sono giudizio affidabile, e Anthropic distribuisce Finanze personali in sola lettura per utenti a pagamento negli USA via Plaid.