Il filo della giornata va dai nuovi modelli tecnici di un laboratorio all’ampliamento della famiglia di acceleratori di ottava generazione di un fornitore di cloud, a un modello di fondazione robotica orientato alla manipolazione destrezza, a un modello leggero pensato per l’esecuzione da parte di agenti e a un cambiamento nel canale di acquisto delle imprese: Anthropic ha pubblicato il 9 novembre Claude Fable 5.2 e Claude Mythos 5.2, lo stesso modello sottostante, con miglioramenti in programmazione, ragionamento e visione, output fino a circa il 30% più veloci di 5.1 e un prezzo inferiore alla generazione precedente. Google lo stesso giorno, in un post di Amin Vahdat, ha presentato TPU 8tx e TPU 8i Max, ampliando la linea TPU di ottava generazione a quattro sistemi in un solo anno. NVIDIA ha svelato alla Conference on Robot Learning (CoRL) GR00T 2, un modello aperto di azione sul mondo di frontiera costruito su Cosmos, e ha parlato di strumenti di simulazione e valutazione, tra cui Isaac Lab 3.0. Meta ha lanciato Muse Ember, il suo modello Muse più piccolo ed efficiente, per chiamate a strumenti, sottocompiti di programmazione, instradamento, estrazione e analisi di documenti lunghi. OpenAI ha elencato ChatGPT Enterprise su AWS Marketplace, consentendo alle organizzazioni di acquistare e gestire il prodotto tramite il rapporto esistente di acquisto e fatturazione AWS.

1. Anthropic lancia Claude Fable 5.2 e Claude Mythos 5.2

Il 9 novembre 2026 Anthropic ha pubblicato Claude Fable 5.2 e Claude Mythos 5.2, descrivendo i modelli come concepiti per affrontare le sfide tecniche più ardue. L’azienda ha scritto che sono lo stesso modello sottostante: Fable ha salvaguardie forti di cybersicurezza e biologia, il che le consente di renderlo disponibile a tutti gli utenti; le organizzazioni che perseguono applicazioni benefiche in cybersicurezza o ricerca biomedica possono richiedere Mythos tramite i programmi di verifica delle scienze della vita e della cybersicurezza, di recente ampliati.

Anthropic ha detto che Fable 5.2 e Mythos 5.2 mostrano miglioramenti in ambiti come programmazione, ragionamento e visione, generano output fino a circa il 30% più veloci di Claude Fable 5.1 e Claude Mythos 5.1 e sono disponibili a un prezzo più basso: 8 dollari per milione di token di input e 40 dollari per milione di token di output. Una modalità rapida opzionale accelera la generazione di token fino a circa 2,5 volte e costa 16 dollari per milione di token di input e 80 dollari per milione di token di output.

Nei test pre-rilascio Anthropic ha citato esempi presentati come illustrazione delle capacità dei modelli: gli ingegneri li hanno usati per completare migrazioni software altrimenti difficilmente sostenibili; i modelli hanno progettato da zero tre dispositivi elettronici funzionanti; hanno risolto due problemi aperti della fisica dei buchi neri; hanno compiuto progressi sostanziali nelle valutazioni di robotica; e una squadra di circa 1000 agenti Fable 5.2 ha formalizzato la dimostrazione dell’ultimo teorema di Fermat in 30 ore con intervento umano minimo. Nello stesso allestimento, Opus 5.5 aveva completato circa il 26% della formalizzazione a 18 ore.

I punteggi comunicati da Anthropic — con salvaguardie attive salvo diversa indicazione — includono FrontierCode 2.0 a sforzo Xhigh al 49,1%, che l’azienda ha detto essere il punteggio più alto di qualsiasi modello pubblicato da lei testato; FrontierSWE v2 al 69,9%; AutomationBench al 51,4%; Terminal-Bench-Science 0.1 al 74,6% per Fable e 75,3% per Mythos; CyScenarioBench al 76,3% per Mythos; CVE Rediscovery all’89,6% per Mythos; OSWorld 2.1 (parziale) all’89,3%; RoboDojo Sim al 64,9%; Humanity’s Last Exam con strumenti al 74,2%; e Remote Labor Index a sforzo High al 41,3%.

Anthropic ha raccomandato di partire da Claude Opus 5.5, il suo motore quotidiano più solido, per la maggior parte del lavoro di programmazione e di conoscenza, e di salire a Fable o Mythos — o scendere a Claude Sonnet 5.5 o Claude Haiku 5.5 — a seconda della portata e della complessità del compito. Fable 5.2 può anche fungere da Advisor, consultato da modelli più piccoli su problemi più difficili, o da Orchestrator, che delega compiti più semplici a modelli più piccoli.

Sul piano della sicurezza, l’azienda ha detto di aver applicato le protezioni più forti di sempre contro gli attacchi di distillazione e che i dati raccolti dai distillatori sono stati ridotti dal 90% al 99%; preserved thinking vale ora per tutti i conti. Durante l’addestramento Anthropic ha limitato deliberatamente i progressi nelle capacità di ricerca che più direttamente potrebbero accelerare lo sviluppo dell’intelligenza artificiale — tra cui l’ottimizzazione dei kernel degli acceleratori e i miglioramenti alle architetture dei grandi modelli linguistici — circa al livello di Opus 5.5, lasciando intatte capacità correlate come la programmazione agentica, lo sviluppo hardware e la ricerca sull’interpretabilità. Enterprise Frontier Safeguards è ora in beta privata con clienti come Bridgewater, Salesforce e Stripe.

Claude Fable 5.2 è disponibile oggi su piattaforme che includono Amazon Web Services, Google Cloud e Microsoft Azure, con l’identificatore claude-fable-5-2. Mythos è disponibile tramite i programmi di verifica; i clienti Claude Enterprise possono usare anche Claude Security, ora alimentato in parte da Mythos 5.2.

In sintesi: Anthropic ha diviso un unico modello sottostante in Fable per l’uso generale e Mythos per le organizzazioni verificate, ha unito un prezzo più basso e un output più rapido al lavoro tecnico più difficile e ha tenuto circa al livello di Opus 5.5 le capacità più suscettibili di accelerare lo sviluppo dell’intelligenza artificiale stessa, continuando a consigliare Opus 5.5 come scelta quotidiana.

2. Google presenta TPU 8tx e TPU 8i Max e amplia l’ottava generazione a quattro sistemi in un anno

Il 9 novembre 2026 Amin Vahdat, senior vice president e chief technologist per l’intelligenza artificiale e l’infrastruttura di Google, ha scritto che l’azienda presenta TPU 8tx e TPU 8i Max e amplia il portafoglio TPU di ottava generazione a quattro sistemi in un solo anno: 8t per l’addestramento su larga scala, 8i per il ragionamento in tempo reale, il nuovo 8tx per l’inferenza riservata e sicura nonché l’addestramento su piccola scala, e 8i Max per finestre di contesto massive e quella che Google ha definito la più alta densità di calcolo per rack. Vahdat ha scritto che le TPU hanno ormai quasi 100 clienti esterni, tra cui laboratori di frontiera, società di trading, rivenditori e università. The Verge ha riferito lo stesso giorno sul posizionamento dei due nuovi sistemi. Il post menzionava anche una trasmissione alle 9 del mattino, ora del Pacifico, lo stesso giorno.

Su TPU 8tx Google ha detto che il sistema incorpora il calcolo riservato nello strato hardware e mantiene protetti e isolati i dati sensibili e i pesi del modello anche durante l’uso. È costruito sullo stesso silicio di 8t, è abbinato a host AMD EPYC di quinta generazione e adotta la rete Boardfly creata per il ragionamento in tempo reale, offrendo fino a circa 2 volte meno latenza di 8t con una penalità di prestazione quasi nulla. L’azienda ha detto che le organizzazioni possono perfezionare modelli su dati privati, distillare modelli grandi in modelli più piccoli e addestrare agenti con apprendimento per rinforzo su un unico sistema, senza migrare dati sensibili tra cluster separati.

Su TPU 8i Max Google ha detto di avere unito due chip TPU 8i a bassa latenza in un unico package, raddoppiando calcolo, SRAM e banda della memoria ad alta larghezza di banda (HBM) rispetto a TPU 8i, così che i data center possano dispiegare più potenza di calcolo per superficie e per watt e le grandi finestre di contesto non si fermino contro il muro della memoria.

Sul software Google ha detto di avere reso open source TorchTPU perché il codice PyTorch e i modelli Hugging Face girino in modo nativo sulle TPU; una suite di agenti TPU è in anteprima; ha introdotto XLA Serving Engine e Agent Compute Engine; e sta aprendo TPU Sync, descritto come lo strato di stato del modello per i cluster TPU. Cloud Pathways è ora generalmente disponibile su Google Kubernetes Engine, così come il dynamic slicing di GKE.

In sintesi: Invece di aspettare la generazione successiva di silicio, Google ha ricavato due nuovi sistemi dagli stessi chip di ottava generazione: uno avvolgendo di calcolo riservato l’inferenza e l’addestramento su piccola scala, l’altro unendo due chip per inseguire il contesto lungo e la densità del rack.

3. NVIDIA svela a CoRL GR00T 2, un modello aperto di azione sul mondo costruito su Cosmos

Il 9 novembre 2026 NVIDIA ha presentato GR00T 2 alla Conference on Robot Learning (CoRL) di Austin, Texas. Il blog aziendale lo ha descritto come un modello aperto di azione sul mondo di frontiera costruito su NVIDIA Cosmos, in grado di predire insieme il video futuro e le azioni del robot. La pagina di ricerca ha scritto che il modello è stato addestrato su dati diversi di robot e di persone; il mix di preaddestramento comprende 402.730 ore di video umano egocentrico, 10.184 ore di dimostrazioni con pinza tenuta in mano su 2.897 compiti e 23.500 ore di teleoperazione robotica, con 100.000 ore di dati umani egocentrici open source pubblicate come Human-1M-100K.

Le metriche citate da NVIDIA includono il completamento di 40 dei 50 compiti valutati almeno una volta senza dimostrazioni specifiche del compito, e un tasso medio di successo del 71% con una dimostrazione per compito, che sale al 95% con cinque. La pagina di ricerca ha anche indicato un 40% di successo medio in assenza di esempi e ha scritto che gli agenti possono usare un’interfaccia di programmazione per concatenare abilità e riprendersi dagli errori. Intorno alla cifra del 95%, resoconti che citano materiali di ricerca di NVIDIA hanno detto che i compiti valutati sono stati selezionati tra quelli che il modello poteva imparare con cinque episodi a un tasso di successo di almeno l’80%; quella media va quindi letta insieme a questo filtro.

I partner che stanno provando il modello includono Nexuni per la gestione robotica del bucato, Foxconn per l’automazione di fabbriche di server e Siemens per casi d’uso industriali.

NVIDIA ha anche pubblicato Isaac Lab 3.0 con un backend Newton, che consente al quadro di simulazione di modellare oggetti deformabili e altre fisiche più articolate. L’azienda ha detto che, su un benchmark visivo di manipolazione destrezza, Isaac Lab 3.0 con Newton ha raggiunto fino a circa 2,5 volte il throughput di addestramento di Isaac Lab 2.3 con PhysX. AlphaNIST usa una sola politica per imparare tutti i 20 compiti del tabellone di assemblaggio NIST e supera il 98% di successo di addestramento, rispetto a circa l’81% di politiche separate per compito, usando circa 39 volte meno tempo GPU. L’azienda ha anche presentato valutazioni industriali come DexBench e VABAR, e Graph-as-Policy (GaP), un quadro di robotica agentica sviluppato con UC Berkeley.

In sintesi: NVIDIA ha messo in un modello aperto il «vedere che cosa accade dopo» e il «decidere come muoversi», e ha usato grandi quantità di video umano in prima persona per colmare i vuoti delle dimostrazioni robotiche, comunicando al contempo alti tassi di successo con pochi esempi che arrivano con una nota su come sono stati selezionati i compiti valutati.

4. Meta lancia Muse Ember, un modello leggero per l’esecuzione di agenti

Il 9 novembre 2026 Meta ha presentato Muse Ember descrivendolo come il modello Muse più piccolo ed efficiente, pensato per l’esecuzione di ragionamenti complessi e per il lavoro che gli agenti ripetono tutto il giorno: chiamate a strumenti, sottocompiti di programmazione, instradamento, estrazione e analisi di documenti lunghi. L’azienda ha affermato che Muse Ember offre più intelligenza per dollaro di Claude Haiku 5.5 o GPT-6 Luna a qualsiasi impostazione di ragionamento, e che si trova sulla frontiera di efficienza della classifica di Artificial Analysis. TechCrunch ha riferito del lancio lo stesso giorno, osservando che Ember è pensato per affiancarsi al Muse Wonder più grande all’interno di un’imbracatura agentica.

Per i prompt fino a 200K token il prezzo è di 0,10 dollari per milione di token di input, 0,004 dollari per milione di token di input in cache e 0,50 dollari per milione di token di output; i prompt più lunghi costano 0,30, 0,012 e 1,50 dollari. Il modello ha una finestra di contesto di 1 milione di token e può produrre fino a 512K token di output, con supporto nativo di testo, immagini, audio e video. È disponibile come muse-ember-1.0 su Muse Code e Meta Model API, nonché su Google Cloud e Oracle Cloud.

I risultati citati da Meta allo sforzo di ragionamento massimo includono AutomationBench-AA a 37,8, contro 13,9 di Haiku e 20,2 di Luna; Agents’ Last Exam a 61,6; Terminal-Bench 4.0 a 40,9; Coding Agent Index-AA a 46; OSWorld 2.1 parziale a 69,5; e un indice Artificial Analysis di 36. L’azienda ha detto che Muse Ember costa circa 0,14 dollari per compito Artificial Analysis, rispetto a circa 2,39 dollari di Muse Spark 1.3.

Nel collocare il modello, Meta ha scritto che «Muse Wonder pianifica, Muse Ember gestisce il volume». Ha detto che Ember è il primo modello addestrato con Muse Wonder Full e che le valutazioni del Meta Superintelligence Scaling Framework hanno trovato che è rimasto sotto le soglie di alto rischio del quadro. Partner come Box, Cline e Cloudflare hanno commentato prove iniziali su contenuti aziendali, programmazione di sottoagenti e carichi ad alto throughput; Cloudflare ha detto che è stato fino a circa il 30% più veloce in coda di latenza rispetto al modello comparabile provato.

In sintesi: Meta non chiede a Ember di scalzare il suo modello di punta più potente; colloca il nuovo sistema in una divisione del lavoro — Wonder pianifica, Ember esegue a volume — e compete sull’intelligenza per dollaro e sul costo per compito, più che sui soli punteggi di picco.

5. OpenAI elenca ChatGPT Enterprise su AWS Marketplace

Il 9 novembre 2026 OpenAI ha detto che ChatGPT Enterprise è ora disponibile tramite AWS Marketplace. L’azienda ha scritto che l’elenco offre alle organizzazioni un modo più semplice per scoprire, acquistare e gestire ChatGPT Enterprise usando il rapporto esistente di acquisto e fatturazione AWS, e per applicare la spesa ammissibile ai propri impegni AWS. L’offerta comprende ChatGPT, ChatGPT Work, Codex e dots; le informazioni di elenco indicano che i prezzi sono fissati tramite offerte private.

OpenAI ha detto che i clienti che acquistano tramite AWS Marketplace ricevono gli stessi modelli, funzioni e caratteristiche disponibili direttamente da OpenAI, con le novità pubblicate nello stesso momento. I prodotti sono presentati come complementari ai modelli OpenAI già disponibili in Amazon Bedrock: gli sviluppatori possono costruire applicazioni e agenti con quei modelli in Bedrock, mentre i team aziendali usano ChatGPT Enterprise nel lavoro quotidiano. I clienti ammissibili possono accedere anche a ChatGPT for Healthcare e ChatGPT for Financial Services tramite AWS Marketplace.

In sintesi: Non è tanto un rilascio di modello quanto l’apertura di un canale di acquisto: collocare il ChatGPT aziendale sulla fattura degli impegni cloud che le organizzazioni già pagano, e ridurre l’attrito di approvvigionamento invece di pubblicare un listino pubblico.

---

In una riga: Anthropic ha pubblicato Claude Fable 5.2 e Mythos 5.2, lo stesso modello sottostante, con Fable disponibile in modo generale e Mythos riservato alle organizzazioni verificate, e ha detto che gli output sono più veloci di quelli di 5.1 e che i prezzi sono più bassi; Google ha presentato TPU 8tx per l’inferenza riservata e TPU 8i Max per finestre di contesto massive; NVIDIA ha svelato a CoRL il modello di azione sul mondo GR00T 2 e Isaac Lab 3.0; Meta ha lanciato Muse Ember, un modello leggero per l’esecuzione di agenti; e OpenAI ha elencato ChatGPT Enterprise su AWS Marketplace così che la spesa ammissibile possa conteggiare verso impegni cloud già esistenti.