Scrivo quando ho qualcosa da dire, non per tenere il ritmo. Ogni post è una cosa che ho capito — e che ho dovuto spiegare per capirla davvero.
Scrivo dal 2026
In numeri
UIUC, Stanford, NVIDIA e MIT hanno costruito sistemi multi-agente che saltano del tutto il testo: gli agenti si scambiano vettori latenti attraverso un minuscolo modulo addestrato. Fino al 75,6% di token in meno, inferenza 2,4 volte più veloce, risultati migliori. Il paper, spiegato bene.
MCP, interfacce a riga di comando e Agent Skills risolvono pezzi diversi dello stesso problema. Dove nascono interferenza tra tool e degrado del contesto, cosa dice la ricerca, e come scegliere il confine giusto per ogni compito.
Analisi source-grounded di DeepSeek V4 Preview: V4-Pro, V4-Flash, contesto da 1M token, attenzione sparse ibrida, economia della KV cache, migrazione API, benchmark, limiti — e cosa conviene testare davvero.
lug
mag
apr