Dal 18 agosto gli agent smettono di essere un wrapper intorno a un modello. Diventano stack: memoria, team, tool marketplace, test VR e red-teaming continuo.
NVIDIA AVO e il 100% su ARC-AGI-3
NVIDIA AVO (Agentic Variation Operators) completa tutti i 183 livelli nei 25 ambienti pubblici di ARC-AGI-3 con score 100,00 RHAE, senza regole o goal dichiarati. Porta Claude Opus 5 da una baseline ~30% a 100% con memoria persistente, tool e feedback di esecuzione. La stessa architettura ha ottimizzato kernel GPU per 7 giorni e guadagnato fino a +10,5% vs FlashAttention-4 su B200. Il punto dichiarato è sistemico: le performance arrivano dall’harness, non solo dal checkpoint.
Muse Code, Apodex e computer-use
Muse Code di Meta esce dalla beta: planning, validazione e multi-agent su large repo, inter-session messaging e SDK in developer preview. Piani mensili Everyday 5, High 15 e Power 50 dollari su Muse Spark 1.2 (poi 1.3).
Apodex 1.1 introduce Agent Team asincrono e un mini open-weight da 35B. Score: APEX-Agent 38,5, GDPVal 78,8, HLE 56,1. Navigator n2 di Yutori è un computer-use 27B su Linux, macOS e Windows: 65,2% su OSWorld 2.0 a 1,46 dollari per task. Meta XR Operator (SDK v205) lascia che un agent MCP veda e clicchi app VR nel simulatore: ha trovato un bug UI in Beat Saber sfuggito ai test scriptati.
OpenClaw, PRAXIST, Monid e Soup
OpenClaw 2.0 (v2026.8.1) è il più grande update del progetto: 933 contributor, oltre 16.000 pull request, UI chat-first e sessioni cloud condivise. MIT, self-hosted.
PRAXIST Beta di Sapient Intelligence è un team di ricerca autonomo open-source. Su MLE-bench: 65,3% gold e 80% any-medal, 44% più gold di Claude Code + Opus 4.8 a circa 1/12 del costo token.
Monid si presenta come OpenRouter dei tool: 1.800+ tool, 59+ provider, pay-per-call via Skill, MCP o CLI. Soup CLI chiude il cerchio post-training: data doctor, train, eval e verdetto SHIP in un YAML, con layer streaming su GPU da 4 GB.
Red team, hardware lab e rotture
Nyx di Fabraix (YC S26) è un red-team black-box per agent di chat, voice, browser e coding: 78% ASR su AgentHarm e finding su decine di Fortune 500. Anthropic apre il research preview di Model Hardware Standard (MHS): driver standard per microscopi, liquid handler e bracci, via MCP. Genentech, HHMI Janelia e QuEra (laser dal 58% al 99,3% di stabilizzazione) sono i primi test.
Firecrawl diventa connector nativo nella directory Claude, con 94,7% su SimpleQA e fino a 10× meno token. Perplexity Hybrid Compute tiene planning sul cloud e file privati su Mac locale, con un classifier PII da 0,6B.
Infine la rottura industriale: OpenAI interrompe la collaborazione con Cursor dopo l’acquisizione da parte di SpaceX. L’accesso diretto ai modelli OpenAI in Cursor termina il 12 novembre.
A fine agosto l’agent non è più “un chat che usa tool”. È un sistema che testa VR, coordina peer di ricerca e compra tool on-demand.
Testo: assistito da AI · revisionato da Carlos H. P. Ross
