// loading...
STATO: STABILE | ULTIMO_AGGIORNAMENTO: 2026.10.20
[2026-10-20]BY_Carlos_H_P_Ross
Paperless-ngx DMS open-source con OCR e AI locale
Paperless-ngx è il DMS open-source successore di Paperless, con 46.7k stelle, OCR Tesseract e AI/LLM opt-in dalla v3.0. Archivia tutto in locale.
// leggi_di_piu ->
[2026-10-19]BY_Carlos_H_P_Ross
NCM Stanford: generazione testo da bozza a dettagli
Next-Concept Modeling di Stanford genera testo da bozza grezza a dettagli in parallelo, risultando fino a 31 volte più veloce dei diffusion model su LM1B e XSum.
// leggi_di_piu ->
[2026-10-19]BY_Carlos_H_P_Ross
DeepSeek V4.1 Flash 1017: upgrade Pareto su agenti
DeepSeek-V4.1-Flash-1017 migliora coding e agenti con output più corti e task più veloci. DeepSWE sale a 77.0 e Terminal-Bench 4.0 a 42.3, a parità di architettura e prezzo.
// leggi_di_piu ->
[2026-10-16]BY_Carlos_H_P_Ross
Open-Scion: VCS open-source Rust per agenti AI
open-scion è un VCS server-centric in Rust indipendente che implementa il design Scion di Anthropic. 200 agenti hanno landato 10k change a 200/s su una sola macchina.
// leggi_di_piu ->
[2026-10-16]BY_Carlos_H_P_Ross
Ultramarine 1 Flash: modello open per knowledge work
Paper Instruments rilascia Ultramarine 1 Flash, post-training di GLM-5.3 Flash con RL non-verificabile. 59.3 su PI Knowledge Work a 0,13$ per task, +4.1 punti medi.
// leggi_di_piu ->
[2026-10-14]BY_Carlos_H_P_Ross
Holo4, il modello H che clicca, codifica e chiama tool
Holo4 di H Company, uscito il 28 settembre 2026, clicca su GUI, scrive codice e chiama MCP. Il 27B fa 85,2% su OSWorld a 0,08 dollari; il 35B-A3B è Apache 2.0.
// leggi_di_piu ->
[2026-10-13]BY_Carlos_H_P_Ross
UniMate anima qualsiasi scheletro 3D senza retrain
UniMate è un diffusion transformer topology-aware: anima scheletri 3D arbitrari da asset riggato e testo. Su UniML3D (13.006 clip) il FID è 0,757, contro 2,711 di AnyTop.
// leggi_di_piu ->
[2026-10-12]BY_Carlos_H_P_Ross
Whistle Cactus: speech-to-text da 16,9 MB on-device
Cactus Compute rilascia Whistle, ASR Apache-2.0 da 16,9 MB: sette lingue, first token in 11,1 ms e WER 4,31 su LibriSpeech clean, nello stesso engine di Needle.
// leggi_di_piu ->
[2026-10-09]BY_Carlos_H_P_Ross
Capire gli output degli LLM, metodo Karpathy STE100
Andrej Karpathy indica quattro formati per capire gli output degli LLM: ASD-STE100 all’80%, diagrammi, pagine HTML interattive e video explainer su misura.
// leggi_di_piu ->