Contano perché lui guida le prestazioni di Chrome e vive tra benchmark, test e regressioni. Qui sposta il baricentro: «meno review di ogni riga» e più sistemi che l’agente può eseguire da solo con test, benchmark, specifiche ed end to end. Parla di rendere economico ciò che era caro e di fissare gli errori in configurazioni e test, così l’errore non rientra.

Una conseguenza concreta: trattare l’oracolo di verifica come un prodotto. Servono test che falliscono, e la promozione dei bug in produzione a prove ripetibili. Se l’oracolo è fragile, l’agente ottimizza per passare prove sbagliate e si costruisce una sicurezza apparente. Io misuro il loop, non l’agente. Solo così il costo scende davvero e la qualità sale senza sorprese.

GPT 6.1 Sol porta il contesto di default a 500k token, da 272k. Vaibhav Srivastav lavora in Hugging Face sui modelli aperti. Non parla per chi sviluppa GPT. Segnala meno compattazioni, circa due o tre volte in meno, e «nessun costo extra» su Codex e ChatGPT Work.

Questo sposta una soglia operativa sulle sessioni lunghe, dove prima servivano riassunti intermedi con perdita di stato e colli di bottiglia. In pratica catene profonde e agenti su basi di codice o documenti estesi riducono la compattazione aggressiva, quindi accumulano meno errori da riassunto e chiudono i cicli più in fretta. Per QA e automazione ci aspettiamo meno instabilità nei passaggi di rigenerazione del contesto e più riproducibilità. La redazione dà credito al guadagno di velocità di esecuzione e stabilità se la precisione regge su input così lunghi. Il vantaggio oggi va a chi scontra limiti di contesto nei propri flussi.

Clément Delangue porta i problemi di matematica di OpenAI da un repository di sfide in Lean a un’infrastruttura eseguibile su Hugging Face. Qui pesa il Dockerfile dell’ambiente, perché blocca le dipendenze, rende l’esecuzione riproducibile e consente di innestare un loop di training senza colla custom. Il vincolo è dichiarato: «il verifier accetta solo la formalizzazione originale», quindi una dimostrazione equivalente può valere zero.

Per chi addestra agenti di theorem proving arriva un terreno stabile su cui iterare, con meno attrito operativo. Resta un premio fragile che tende a premiare il compiacimento del grader. Il giudizio della redazione: la direzione è giusta e fa risparmiare tempo all’open, Hugging Face interpreta bene il ruolo di fornitore di infrastruttura, ma risultati e grafici vanno trattati con guanti di QA finché non si accetta l’equivalenza delle prove. Meglio la solidità del segnale.