La Parte 1 era i frontier. La Parte 2 era voce, immagini e video. Questa Parte 3 è il resto della domanda: dove gira il modello, con quali pesi, su quale macchina.
Settembre ha messo sullo stesso tavolo un MoE da 328 GB per pentest on-prem, un binario da 8–29 MB per il telefono, un decision model locale stile Jev e il primo volo di TPU Google. Non è la stessa categoria. È la stessa tensione: controllo dei pesi contro costo di servirli.
Altar-1, security frontier in stanza chiusa
Il 21–22 settembre Aikido ha pubblicato Altar-1. Partenza: GLM-5.3 di Z.ai, MoE da 753B totali e circa 40B attivi (8 expert su 256). Arrivo: prune REAP che tiene 168/256 expert, quantizzazione W4A16, 328 GB su disco. −78,2% rispetto al BF16 da 1.506,7 GB, −32,8% rispetto all’AWQ INT4 da 488 GB.
Sul benchmark CVE interno (32 vulnerabilità, 30 repo, 3 run):
- GLM-5.3 BF16: 65,6% recall, 25/32 almeno una volta
- GLM-5.3 AWQ: 61,5%, 23/32
- Altar-1: 60,4%, 23/32
Aikido lo legge come 92% della coverage del parent. Serve su 4× H200 con vLLM, context fino a 128k / 131.072. Destinazione: Aikido Machine, pentest autonomo on-prem e air-gapped, senza far uscire il codice.
Due caveat obbligatori. La licenza è quella di GLM-5.3, non Apache. E 328 GB su quattro Hopper non è “open sul laptop”: è open dove hai già un nodo da data center.
Limite 1B Violetto, già raccontato
Paradigma ha rilasciato Limite 1B Violetto da Roma: transformer denso da 1B, pre-addestrato da zero in 6 settimane su meno di 300B token, Apache 2.0. 94,01% AIME 2026, 74,25% BeyondAIME, context 131k.
Qui conta il contrasto: Altar-1 comprime un frontier per tenerlo in casa, Limite 1B nasce piccolo e resta piccolo. Due idee diverse di “open-weight che puoi servire”.
Needle 3, 8-29 MB e niente chat
Il 17 settembre Cactus Compute ha rilasciato Needle 3. Un solo set di pesi. Ogni profondità da 2 a 20 layer è un modello a sé: 29M e 8 MB in basso, 121M e 29 MB in alto. Quantizzazione Cactus Quants a circa 2 bit. Runtime sotto 1 MB. pip install cactus-needle. Pesi su Hugging Face.
Needle non fa chat. Fa tre cose: tool call, estrazione strutturata, embedding. Se nessuno strumento copre la richiesta, torna una lista vuota, non un’allucinazione. Ogni risposta porta un confidence score calibrato.
Sul vendor bench Mobile Actions il 121M fa 86,0% exact-match contro 88,4% di DeepSeek V4 Flash (API), sopra LFM2.5 1.2B (82,4%) e Qwen3.5 0.8B (76,0%). Su BFCL v4 invece resta indietro (50,2% vs 62,0% di LFM2.5 1.2B). Fine-tune su DroidCall, secondo Cactus, alza il tool calling di 18–36 punti su tutta la scala.
Decode dichiarato fino a 4.000 tok/s su Raspberry Pi 5. È il polo opposto di Altar-1: non porti il frontier in casa, togli la chat e fai stare l’agente nel bundle dell’app.
Decision model aperti: CLM-8B e Ollama
A fine mese l’interfaccia Jev smette di essere solo TypeSafe. Il modello chiuso resta quello raccontato in Jev, decisioni typesafe. Le copie di interfaccia sono in OpenJev e jevlike. A settembre si aggiungono due pezzi nuovi.
Il 23 settembre Stanford e NVIDIA Research pubblicano CLM-8B (Contrastive Language Models). Non genera token: embedda stato e azioni con InfoNCE e sceglie il match. Pre-train su 60M coppie Nemotron, mid-train su 30M hard negative, post-train su 1M traiettorie agentic. Claim: performance paragonabile a Jev su computer-use, gaming e tool-calling con fino a 9× meno latenza. Come reward model, dopo un fine-tune leggero: 81,6% DeepSWE e 87,6% Terminal-Bench 2.1. Repo Contrastive-LM/CLM, pesi su Hugging Face. La head è Apache-2.0; l’encoder è Qwen3-8B.
Il 29–30 settembre Ollama 0.35 apre /v1/systemone. Tre modelli locali: Nimble 9B (Bespoke Labs), Tev1 4B e Tev1 0.8B (Together AI). Su M5 Max, Nimble gira a 91 ms a decisione nell’esempio Pac-Man. Stesso schema API di TypeSafe, zero rete.
Il punto non è “abbiamo clonato Jev”. È che routing, triage e moderation possono vivere on-device con un endpoint unico.
Zhenwu V900, il silicio di Apsara
Il chip di settembre viene dallo stesso palco Apsara della Parte 1. Qui serve solo il foglietto.
A Apsara 2026, T-Head ha presentato Zhenwu V900: 216 GB di memoria on-package, 1,2 TB/s chip-to-chip, 3× il M890 secondo Alibaba, produzione Q1 2027. Cluster dichiarati fino a 500.000 schede. Target data center oltre 20 GW al 2032. Nessun numero FLOPS pubblico. Senza quel silicio la roadmap Qwen 4.5 / Qwen 5 da 5–10T resta uno slide.
Project Suncatcher, quattro TPU in orbita
Il 24 settembre Google ha confermato il primo volo di Project Suncatcher. Lancio previsto 1 ottobre su SpaceX Falcon 9, missione Transporter-18. Satellite MVP grande come un frigorifero, partnership Planet Labs, 4 TPU Trillium a bordo.
Cosa si testa, non cosa si promette:
- energia solare in LEO fino a 8× un pannello a terra (orbita dawn-dusk);
- cooling a heat pipe e radiatori, run da circa 15 minuti poi stop;
- test a terra già ok su dose di radiazione da missione >5 anni;
- Gemini sulle TPU in orbita, query semplici, non training di un frontier.
I cluster multi-satellite e i link laser restano al 2027. Il costo “pari a un data center terrestre a metà 2030s” è una stima di lungo periodo, con launch sotto 200 $/kg come ipotesi. Oggi è un prototipo da 1 kW. Chi lo racconta come data center orbitale sta anticipando di una decade.
Cosa tenere e cosa scartare
Tre filtri.
Primo: “open-weight” non dice se lo servi. Altar-1 è ispezionabile e resta su quattro H200. Needle 3 sta in un APK. CLM-8B sta in mezzo, con un encoder 8B. Chiedi sempre GB, GPU e licenza prima dello score.
Secondo: i bench vendor vanno letti sul task, non sul comunicato. Needle vince su Mobile Actions e perde su BFCL v4. Altar-1 tiene la coverage CVE e perde 5 punti di recall. CLM-8B è veloce dove le azioni si cachano; su set grandi di tool l’accuratezza cala.
Terzo: l’hardware di settembre è roadmap, non scaffale. V900 è Q1 2027. Suncatcher è un burst da 15 minuti. Il pezzo usabile questa settimana è Needle, Ollama /v1/systemone e, se hai il nodo, Altar-1.
La Parte 4 sarà agenti e tool. Qui il mese ha già deciso il vincolo fisico: i pesi aperti vivono dove entra il rack, o dove entra il firmware.
Fonti
- Parte 1 mega riassunto settembre
- Parte 2 multimodale
- Jev TypeSafe
- OpenJev e jevlike
- Aikido Altar blog
- Hugging Face Altar-1
- Needle 3, Cactus
- Hugging Face Needle 3
- CLM Notion
- GitHub Contrastive-LM/CLM
- Ollama decision models
- Ollama System One API
- Project Suncatcher, Google
- Ars Technica su Suncatcher
- T-Head Zhenwu V900, TechNode
Testo: assistito da AI · revisionato da Carlos H. P. Ross
