Gergely Orosz, osservatore nelle big tech, avverte che compromissioni che maturavano in mesi ora possono avvenire «in un solo giorno» perché l’AI accelera la ricerca di vulnerabilità. I cicli di ricognizione e sviluppo exploit si condensano con assistenti che automatizzano triage, fuzzing e chaining. Questo cozza con patch-day pianificati e finestre di change management rigide.

La conseguenza: gli accordi di risposta devono includere un canale di emergenza dalla segnalazione alla patch in giornata, con pre-approvazioni, telemetria e rollback. Giudizio della redazione: la lettura di Orosz regge. La novità è quanto diventa accessibile e rapida. Chi aggiorna i processi limita la superficie temporale di attacco. Chi mantiene cadenze lente espone l’organizzazione a una finestra che non esiste più.

Salvatore Sanfilippo dice che Mistral Large 4 non va per DwarfStar perché richiede «troppi parametri attivi» e resta lento a prescindere dalla memoria. Lo dice chi ha scritto Redis. Conta la differenza tra dimensione totale e parametri calcolati a ogni token. È una presa di posizione contro l’idea che basti far entrare un modello in memoria.

Per chi sviluppa il vincolo è la latenza per token data dai parametri attivi, non la scheda video. La scelta del modello va guidata da profili di attivazione e TPS misurati sul proprio stack. Qui vince chi riduce lavoro per token con routing e sparseness, o chi distilla rapido a parità di qualità percepita. Giudizio della redazione: ha ragione.