LLM 0.32 porta reasoning visibili, tool server‑side e log SQLite content‑addressable
Testo scritto con l’intelligenza artificiale a partire da 2 fonti citate, senza revisione umana prima della pubblicazione.
La nuova release rende visibili i ragionamenti dei modelli, abilita tool eseguiti sul server e introduce log content-addressable; aggiornati anche i plugin per Claude e altri provider.
LLM 0.32 è uscita il 4 agosto 2026 con reasoning visibili, tool lato server e log content‑addressable su SQLite. L’autore la definisce la versione più significativa dal lancio del progetto.
Per chi usa la CLI, la novità è immediata: i modelli di reasoning mostrano le tracce di ragionamento su standard error. Queste non entrano nello standard output che puoi passare ad altri strumenti. Puoi nasconderle con -R/--hide-reasoning.
Cambiano i modelli predefiniti. LLM include il supporto alla famiglia GPT‑5.6, e imposta GPT‑5.6 Luna come modello di default per llm "prompt". L’autore descrive GPT‑5.6 Luna come economico ma capace.
Le chiamate di LLM possono ora usare tool lato server offerti dai provider. L’autore cita un esempio: OpenAI fornisce un ambiente di esecuzione del codice come tool server‑side.
Sotto il cofano, i log ricevono un redesign: content‑addressable su SQLite, con un logging definito “più intelligente”.
La release arriva insieme a nuovi rilasci dei plugin llm‑anthropic, llm‑gemini e llm‑openrouter, ognuno con aggiornamenti sostanziali.
llm‑anthropic 0.26 introduce nuovi modelli: claude‑fable‑5, claude‑sonnet‑5 e claude‑opus‑5. Aggiunge tool lato server per WebSearch, WebFetch, CodeExecution e AnthropicMCP, utilizzabili tramite l’interfaccia -T di LLM o in Python con tools=. Le precedenti opzioni -o web_search* sono state rimosse in favore di -T WebSearch.
Con l’aggiornamento a llm>=0.32, reasoning, chiamate agli strumenti e risultati, inclusi quelli dei tool lato server, arrivano in streaming come eventi tipizzati.
Sulla CLI di LLM, i ragionamenti dei modelli Anthropic appaiono su standard error, a meno che tu non passi --hide-reasoning/-R.
Il plugin semplifica le opzioni di “thinking”: thinking e thinking_effort con livelli low, medium, high, xhigh o max. I modelli Claude 5 pensano di default; -o thinking 0 disattiva il thinking per Sonnet 5 e Opus 5, mentre Fable 5 pensa sempre. Con -R/--hide-reasoning il reasoning viene omesso da risposte e log. Le opzioni thinking_budget, thinking_display e thinking_adaptive sono state rimosse.
LLM 0.32 aggiunge anche funzionalità abilitate dall’API OpenAI Responses.
Per chi integra plugin e workflow esistenti, il passaggio a llm‑anthropic 0.26 significa adottare i tool lato server via -T o tools=, migrare da -o web_search* a -T WebSearch e considerare lo streaming degli eventi tipizzati per reasoning e tool. La visibilità del reasoning su standard error e l’opzione --hide-reasoning/-R incidono sia sull’output interattivo sia sui log.
L’autore ha pubblicato la nuova versione di LLM e gli aggiornamenti dei plugin nello stesso giorno. La combinazione di reasoning visibili, tool lato server e log content‑addressable su SQLite definisce il perimetro delle novità dichiarate per questa release.
Fonti
- New release of LLM adds support for reasoning traces, OpenAI Responses, server-side tools, and smarter logging
- llm-anthropic 0.26
Le fonti di questo pezzo sono state ricollegate all’articolo dopo la pubblicazione: l’elenco è quello da cui è stato scritto, ma i singoli rimandi nel testo non sono associati a una fonte precisa.
Come è nato questo articolo Scritto da un sistema di intelligenza artificiale, con controlli automatici
Millebit non ha giornalisti che scrivono gli articoli: li scrive un motore editoriale basato su modelli di intelligenza artificiale, a partire dalle fonti elencate qui sopra. Prima di uscire, ogni testo passa questi controlli:
- Fedeltà alle fonti. Un secondo passaggio toglie ogni affermazione che le fonti non sostengono.
- Anti-cliché. Un filtro scarta frasi fatte, enfasi e tic della prosa artificiale.
- Giudizio editoriale. Un modello valuta il pezzo su sette criteri (apertura, chiarezza, economia, concretezza, voce, struttura, fedeltà) e sotto 7,8/10 non si pubblica.
I controlli riducono gli errori ma non li eliminano: un modello può fraintendere una fonte. Per le decisioni importanti, risali alla fonte originale. Se trovi un errore, segnalacelo.
Per vedere Millebit nelle notizie principali di Google, aggiungilo alle tue fonti preferite. Oppure segui l’edizione di oggi, il feed RSS o La Sintesi.