Baidu ha pubblicato come software open source Unlimited OCR 2, un modello multimodale progettato per riconoscere e analizzare documenti particolarmente estesi senza incontrare le limitazioni tipiche dei sistemi OCR tradizionali nella gestione di centinaia o migliaia di pagine. Il modello dispone di circa 3,34 miliardi di parametri e utilizza un’architettura vision-language che permette di elaborare non soltanto il testo, ma anche tabelle, formule matematiche, immagini e strutture gerarchiche dei documenti. La principale innovazione architetturale è rappresentata dall’impiego di SR-SWA, una tecnica di attenzione sparsa destinata a limitare la crescita dei requisiti computazionali e della memoria quando aumenta la lunghezza del documento. Baidu ha dichiarato di aver effettuato prove su documenti di 5.000 pagine e di aver ottenuto 77,1 punti nel benchmark MarathonDocBench, rispetto ai 33,7 attribuiti al modello Kimi K3 utilizzato nel confronto. Codice e pesi di Unlimited OCR 2 sono stati distribuiti con licenza MIT, consentendone l’utilizzo e l’adattamento anche in contesti commerciali secondo i termini della licenza.
Nel settore dei modelli linguistici destinati agli agenti autonomi, InclusionAI, società collegata ad Ant Group, ha pubblicato Ling-3.1-flash-1019. Il modello utilizza un’architettura mixture-of-experts con 560 miliardi di parametri complessivi, dei quali circa 25 miliardi vengono attivati per ciascun token elaborato, e supporta una finestra contestuale fino a un milione di token. Il processo di addestramento successivo alla fase iniziale è stato migliorato per aumentare le prestazioni nei compiti di automazione e ragionamento. Il punteggio AutomationBench-AA è passato dal 62% al 68%, mentre nella valutazione AA-Briefcase l’incremento è stato da circa 1.400 a 1.524 punti Elo. L’Artificial Analysis Intelligence Index è salito da 41 a 44 punti. Sono stati inoltre comunicati progressi nella programmazione e nella soluzione di problemi scientifici. Il modello è distribuito con licenza MIT, insieme a una versione base destinata a ulteriori personalizzazioni.
Il progetto open source vLLM Semantic Router ha introdotto d3-ultra, un modello multimodale specializzato nelle decisioni anziché nella generazione di risposte linguistiche estese. Il sistema, composto da circa 26,1 miliardi di parametri, può ricevere testo, immagini e video e selezionare una risposta tra alternative predefinite, formulare decisioni binarie e attribuire probabilità ai risultati. Supporta anche l’individuazione della posizione di oggetti nelle immagini e il tracciamento di elementi nelle sequenze video. Una caratteristica progettuale importante è la capacità di rispondere a più domande relative allo stesso input durante una singola elaborazione, riducendo le chiamate ripetute al modello. Gli sviluppatori hanno dichiarato tempi compresi tra 0,3 e 2,16 secondi per gestire da una a 255 domande relative a una singola immagine. Il sistema è destinato soprattutto alla classificazione delle richieste, alla selezione degli strumenti e alle decisioni operative degli agenti AI ed è stato rilasciato con licenza Apache 2.0.
Nel settore sanitario, la startup statunitense Concurrence ha presentato Health World Model, un progetto che mira a integrare le informazioni contenute nelle cartelle cliniche elettroniche con i dati raccolti durante le interazioni continuative tra pazienti e agenti AI. L’architettura intende associare esami, prescrizioni e visite mediche a informazioni riguardanti variazioni dei sintomi, reazioni alle terapie e condizioni quotidiane, costruendo una rappresentazione digitale dell’evoluzione dello stato di salute individuale. La società collabora con Databricks per sviluppare infrastrutture basate sui dati delle organizzazioni sanitarie. Le funzionalità predittive riguardanti l’evoluzione delle patologie e gli esiti terapeutici rimangono però obiettivi di ricerca, senza che siano state dimostrate prestazioni cliniche validate di un modello predittivo completo.
Nace AI ha introdotto Drex for Search, un sistema di ricerca documentale che utilizza modelli decisionali per identificare preventivamente le cartelle, i file, le pagine e le tabelle che hanno maggiori probabilità di contenere le informazioni richieste. Nei test BrowseComp Plus la soluzione ha ottenuto un’accuratezza del 92,05% con una media di 12,6 operazioni di ricerca per domanda, classificandosi al secondo posto nella valutazione. In un esperimento interno comprendente 529 domande su documenti aziendali, l’integrazione con agenti di programmazione ha ridotto del 62% i passaggi operativi e del 56% i token di input, aumentando la velocità di elaborazione di 2,3 volte. Drex può essere collegato a strumenti come Claude Code e Codex e supporta ricerche all’interno di PDF, fogli elettronici, registrazioni audio e contenuti video.
Cognition ha infine presentato Devin Security 2.0, una soluzione che impiega modelli avanzati, tra cui Claude Mythos di Anthropic, per identificare, riprodurre e correggere vulnerabilità nel codice software. Il sistema analizza intere basi di codice, ricostruisce i possibili percorsi di attacco e assegna priorità ai problemi sulla base della concreta sfruttabilità e delle potenziali conseguenze. Gli agenti verificano i difetti in ambienti virtualizzati separati, producono le correzioni, eseguono test e preparano pull request che gli sviluppatori possono esaminare prima dell’integrazione. Dopo l’applicazione delle modifiche, il sistema controlla che il percorso di attacco sia effettivamente stato interrotto. L’architettura Agentic MapReduce consente di distribuire parallelamente le analisi su grandi repository software, mentre le imprese possono utilizzare le capacità del modello sottostante attraverso Devin senza dover necessariamente disporre di un accesso autonomo a Claude Mythos.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)