Risorse Artificiali. Appunti e spunti dal mondo dell’Intelligenza Artificiale

Il sorgente di Claude Code e' finito online per errore: una source map lasciata nel pacchetto NPM ha esposto tutto il codice. Anthropic ha reagito con un DMCA su GitHub, bloccando repository e anche profili che non c'entravano nulla. Nel frattempo la community ha portato il codice in Python e Rust, e quei porting risultano legali. Analizziamo cosa c'era dentro: un codebase largamente vibe-codato, con ripetizioni, poca revisione e qualche feature non ancora pubblica. Nessuna ricetta magica, ma una gestione della memoria multilivello che non si trova negli altri tool. Ne discutiamo anche dal punto di vista della proprieta' intellettuale: l'IP sul codice e' davvero legata al linguaggio in cui lo scrivi?
Nella seconda parte raccontiamo i nostri progetti open source. Paolo ha costruito Antivocale, un'app Android che trascrive i messaggi vocali di WhatsApp usando i modelli Gemma direttamente sul telefono, senza passare dal cloud. Dall'idea al primo prototipo funzionante in meno di una giornata: Gemini ha generato il PRD, Claude Code ha scritto il codice, Paolo ha fatto da passacarte tra i due modelli dal bar. La parte difficile? Le due settimane successive per far funzionare tutto su diverse versioni di Android e pubblicare sullo store. Stefano presenta Lince, un tool open source per far girare i coding agent in sandbox con una dashboard da terminale: supporta Claude Code, Codex, Open Code e Gemini, gira su Linux e Mac, e permette di lavorare con piu' agenti in parallelo sullo stesso progetto.
Parliamo anche di Turbo Quant e quantizzazione della KV cache, con i primi risultati della community su LamaCPP: il breakeven e' piu' in la' di quanto ci si aspettasse, circa 100-150k token. Discutiamo i problemi di qualita' dei modelli GLM 5 di ZAI, che dopo meta' contesto iniziano a generare parole a caso, probabilmente per una quantizzazione troppo aggressiva della KV cache. Poi Gemma 4, i nuovi modelli edge di Google ora tutti multimodali che competono con modelli molto piu' grandi, Voxtral TTS di Mistral che promette bene per il text-to-speech in Europa, e il nostro contest di robotica con Cyberwave tra digital twin, edge AI e cingoli rotti. Chiudiamo con una riflessione sul burnout e su quanto sia importante staccare davvero.
00:00 Introduzione e accoglienza

02:26 Turbo Quant e quantizzazione della KV cache: i primi risultati

06:25 Quantizzazione live vs statica: il breakeven e i compromessi

11:22 Modelli GLM 5 di ZAI: quando la quantizzazione aggressiva rompe tutto

17:34 Stesso modello, provider diversi, risultati diversi

24:30 Il leak di Claude Code: source map su NPM, DMCA e il putiferio

30:22 DMCA, porting legale e proprieta' intellettuale sul codice

35:26 Antivocale: un'app Android nata al bar in una mattina

41:10 App AI fai-da-te: dall'idea alla validazione in un weekend

46:49 Burnout e tempo off-grid: sapere quando staccare

48:42 Scout, cifrari e progetti creativi dei bambini

50:36 Lince: sandbox e dashboard per i coding agent

55:09 Robotica con Cyberwave: digital twin, edge AI e cingoli rotti

59:10 AI e robotica autonoma: dal rover al porto, cosa tenere sul ledge

01:02:52 Gemma 4: modelli edge multimodali che sfidano i giganti

01:08:42 Voxtral TTS di Mistral e sviluppi AI in Europa

Lince - Tool open source per far girare coding agent in sandbox con dashboard da terminale. Supporta Claude Code, Codex, Open Code e Gemini su Linux e Mac.

Antivocale - App Android open source che trascrive i messaggi vocali di WhatsApp usando modelli Gemma direttamente sul telefono, senza cloud.

Tutti i nostri progetti - I repository open source di Risorse Artificiali su GitHub, inclusi Lince, Antivocale e gli strumenti che costruiamo per il podcast.

Talk Voxxed Days Zurich - Il talk di Stefano e Alessio sulla quantizzazione dei modelli, per capire meglio i trade-off di cui parliamo in puntata.

Spotify

YouTube

Sito web

In questa puntata di Risorse Artificiali – Appunti e spunti dal mondo dell’AI, Stefano Maestri intervista Gabriele Venturi, founder di PandasAI, imprenditore tech e startup builder con esperienza diretta in Y Combinator.
Parliamo di AI Coding, del futuro dello sviluppo software, di come l’intelligenza artificiale sta cambiando il lavoro di developer e founder, e di cosa significa oggi costruire una startup AI tra Europa e Silicon Valley. Dalla nascita di PandasAI alle lezioni imparate con Chatpick, fino alla visione dietro Annie, il nuovo prodotto per conversare con i dati e generare dashboard con un approccio AI-native.
Nel corso dell’episodio affrontiamo temi chiave per chi lavora in AI Engineering, sviluppo software, innovazione e imprenditoria tecnologica: il ruolo degli agenti AI, il rapporto tra open source e prodotti enterprise, i limiti dell’AI nei workflow reali, la necessità di alfabetizzare aziende e C-level, e i consigli pratici per chi oggi vuole lanciare una startup o entrare nel mondo dell’AI.
Una conversazione utile per chi si occupa di AI, AI startup, AI coding, data analysis conversazionale, software engineering, venture capital, Y Combinator e scenari futuri dell’intelligenza artificiale.
In questa puntata parliamo di:
percorso di Gabriele Venturi tra coding, startup e imprenditoria

nascita e crescita di PandasAI

cosa significa partecipare a Y Combinator

differenze tra ecosistemi startup in Italia, Francia, Germania e UK

AI Coding e trasformazione del ruolo degli sviluppatori

Annie, dashboard AI-native e conversazione con i dati

open source vs closed source

AI nelle aziende, alfabetizzazione dei C-level e adozione enterprise

guardrail, trasparenza, explainability e affidabilità nei sistemi AI

consigli per futuri startupper e studenti universitari

Link dalla puntata:
https://pandas-ai.com/
https://github.com/sinaptik-ai/pandas-ai

Capitoli
00:00 Introduzione e Giocattoli Preferiti
02:22 Il Percorso di Gabriele Venturi
05:53 Il Concetto di Code Artist
11:49 La Trasformazione del Coding con l'AI
12:51 La Necessità di Costruire
16:03 Differenze tra Ecosistemi Startup in Europa
19:42 Il Successo di Pandas AI
21:23 Le Lezioni da Chatpick
26:00 Target e Fundraising: Consumer vs Business
29:18 Y Combinator e l'Esperienza di Gabriele
30:01 Shock Culturale e Y Combinator
31:47 La Competizione in Y Combinator
33:31 Il Processo di Selezione per Y Combinator
36:12 Il Colloquio e il Pitch a Y Combinator
39:46 L'Inizio dell'Avventura a San Francisco
41:45 Cambiamenti di Mentalità da Founder Europeo
44:28 Il Demo Day e la Pressione degli Investitori
47:21 Presentazione di Annie e le sue Caratteristiche
51:24 Open Source vs Closed Source
55:31 Target di Annie e Strategia di Mercato
59:34 Alfabetizzazione e AI nelle Aziende
01:03:00 Limitazioni e Trade-off dell'AI
01:07:24 Spiegabilità e Trasparenza nei Workflow AI
01:12:48 Evoluzione del Ruolo degli Sviluppatori
01:18:01 Consigli per Futuri Startupper
01:30:11 Riflessioni per gli Universitari
🎧 Spotify: https://open.spotify.com/show/16dTKEEtKkIzhr1JJNMmSF
▶️ YouTube: https://www.youtube.com/channel/UCYQgzIby7QHkXBonTWk-2Fg
🌐 Home page: https://risorseartificiali.com

In questa puntata di Risorse Artificiali partiamo da un episodio tanto curioso quanto simbolico: il dialogo tra Bernie Sanders e Claude, che mette in luce una domanda sempre più attuale — stiamo iniziando a trattare l’intelligenza artificiale come un oracolo?
Da qui allarghiamo lo sguardo su uno dei temi più importanti del momento: l’AGI (Artificial General Intelligence). Analizziamo il nuovo benchmark ARC-AGI 3 e il dato sorprendente che emerge — i modelli AI sono ancora lontani dall’intelligenza generale, nonostante i progressi impressionanti.
Entriamo poi nel cuore dell’AI engineering moderno, parlando di:
coding agent e orchestratori
system prompt, hook e callback
limiti reali degli agenti AI nella gestione dello stato e degli errori
Approfondiamo anche alcune delle innovazioni più interessanti della settimana:
le nuove tecniche di quantizzazione della KV cache, che potrebbero rivoluzionare performance e contesto dei modelli
le evoluzioni nel video editing generativo
il cambio di strategia di OpenAI, tra la chiusura di Sora e il focus sull’enterprise e sul coding
Infine, discutiamo un tema sempre più rilevante: cosa sta succedendo davvero nell’open source nell’era dell’AI? Fork, codice generato automaticamente e sostenibilità degli ecosistemi.
🎯 Una puntata densa di spunti per chi lavora o vuole capire davvero dove sta andando l’intelligenza artificiale.
00:00 Introduzione e Presentazione
01:31 Bernie Sanders e Claude: Un Dialogo Istrionico
06:33 Implicazioni Politiche e Giudiziarie
08:30 Benchmarking dell'Intelligenza Artificiale
14:31 Limitazioni e Successi di Anthropic
20:21 Nuove Funzionalità e Sviluppi nel Mondo AI
23:03 Implementazione degli Hook e Callback
24:33 Livelli di Interazione con il Modello
27:00 Orchestratori e Logica Programmatica
28:52 Complicazioni nella Compaction e Gestione degli Errori
31:45 Transizione verso il Video Editing
37:24 Innovazioni nel Modello di Ricerca e Quantizzazione
45:53 Quantizzazione e Calcolo dell'Attention
51:23 Vantaggi della Quantizzazione nella Key Cache
54:29 Innovazioni e Acquisizioni nel Mondo AI
57:12 Open Source e Sviluppo Software
01:02:04 Qualità del Codice e Modelli AI
01:07:28 Conclusioni e Riflessioni Finali

🎧 Spotify: https://open.spotify.com/show/16dTKEEtKkIzhr1JJNMmSF
📺 YouTube: https://www.youtube.com/channel/UCYQgzIby7QHkXBonTWk-2Fg
🌐 Sito ufficiale: https://risorseartificiali.com
⏱️ Capitoli🔗 Link utili

In questa puntata di Risorse Artificiali – Appunti e spunti dal mondo dell’AI, analizziamo i principali trend dell’intelligenza artificiale che stanno ridefinendo il modo in cui costruiamo software, agenti e sistemi complessi.
Partiamo da un confronto concreto tra Claude e GPT-Codex, due approcci sempre più centrali nel mondo dell’AI Engineering, per capire come stanno evolvendo modelli, workflow e modalità di utilizzo.
Uno dei temi chiave è il ruolo dei token, sempre più determinanti nei task complessi: dalla gestione del contesto fino all’efficienza delle sessioni parallele. Discutiamo anche di come i modelli AI stiano sviluppando capacità di auto-miglioramento (auto-research), e di cosa questo significhi davvero in termini pratici, tra hype e realtà.
Affrontiamo inoltre:
le differenze tra i principali modelli AI (Claude vs GPT-Codex)
il valore economico e operativo dei token nel mercato del lavoro
strategie per un utilizzo efficiente nei workflow di sviluppo
sicurezza, validazione e responsabilità nell’uso dell’AI
nuove uscite e innovazioni (GLM, Minimax, Meta, OpenAI)
l’integrazione dell’AI in prodotti reali (come Google Maps)
Un episodio che unisce esperienza pratica e visione strategica, per capire dove sta andando davvero l’AI Engineering e perché questi trend stanno già validando nuovi modelli come OpenClaw.

Link dalla puntata:
Il nostro progetto: https://github.com/RisorseArtificiali/lince

00:00 Introduzione e felicità con i token
03:19 Riflessioni su addiction e concentrazione
07:33 Confronto tra modelli AI e token
12:10 Personalità dei modelli AI e abbonamenti
13:10 Valore dei token nel mercato del lavoro
19:45 Uso efficiente dei token e sessioni parallele
23:12 Problemi di comunicazione e trasparenza
23:40 Evoluzione dei modelli AI: OpenAI vs Meta
25:17 Prestazioni e innovazione nei modelli AI
26:50 Nuove uscite: GLM e Minimax
28:30 Strategie di miglioramento nei modelli AI
30:54 Auto research e sviluppo strategie
33:14 Applicazioni pratiche delle nuove tecnologie AI
36:37 Critiche e scetticismi su auto research
40:10 Il futuro dell’auto-miglioramento
41:49 Startup, mercato e concorrenza
43:38 Acquisizioni e innovazioni
45:42 OpenAI, Nvidia: hype e critiche
48:15 Permessi e sicurezza nell’AI
50:42 Validazione dei modelli
53:07 Rischi e responsabilità
54:08 Ragionamento e comprensione nei modelli
55:52 Parallelo tra AI e umani
57:44 Rappresentazione grafica e comprensione
01:01:32 Cloud Code e interfacce
01:05:25 AI in Google Maps
01:12:15 Extra e momenti divertenti
Claude (Anthropic): https://www.anthropic.com
GPT-4 (OpenAI): https://openai.com/research/gpt-4
Google Maps AI features: https://blog.google/products/maps
Meta Avocado & Mango: https://www.meta.com/research/avocado-mango
Auto Research (Karpathy): https://github.com/carpati/auto-research
Spotify → https://open.spotify.com/show/16dTKEEtKkIzhr1JJNMmSF
YouTube → https://www.youtube.com/channel/UCYQgzIby7QHkXBonTWk-2Fg
🌐 https://risorseartificiali.com
⏱️ Capitoli🔗 Risorse citate🎧 Seguici

In questa puntata di Risorse Artificiali – Appunti e spunti dal mondo dell’Intelligenza Artificiale, intervistiamo Massimo Re Ferrè per discutere di come l’AI stia trasformando lo sviluppo software e il ruolo degli sviluppatori.
Partendo dalla sua esperienza nel mondo tecnologico, Massimo racconta come stanno evolvendo i workflow di sviluppo grazie a strumenti di AI Assisted Coding, esplorando concetti emergenti come Vibe Coding e Spec Driven Development, dove l’intento diventa sempre più la vera source of truth nello sviluppo del software.
Durante la conversazione affrontiamo diversi temi chiave per chi lavora nel mondo del software engineering e dell’intelligenza artificiale: l’impatto dell’AI sul mercato degli sviluppatori, i nuovi modelli di collaborazione tra umani e agenti AI, il futuro della code review, e come i developer – soprattutto i più giovani – possono prepararsi a un panorama tecnologico in rapido cambiamento.
Parliamo anche di come filtrare l’hype tecnologico, di quali competenze saranno davvero importanti nei prossimi anni e di come affrontare l’evoluzione dell’industria software con un approccio pragmatico e consapevole.
Una conversazione ricca di spunti per software developer, AI engineer, tech leader e appassionati di intelligenza artificiale che vogliono capire come cambierà davvero il modo di costruire software nei prossimi anni.
Come l’AI sta trasformando lo sviluppo software

AI Assisted Coding, Vibe Coding e Spec Driven Development

L’evoluzione del ruolo degli sviluppatori

Come cambieranno code review e workflow di sviluppo

Il futuro dei junior developer nell’era dell’AI

Come distinguere hype tecnologico e innovazione reale

👤 Massimo Re Ferrè
LinkedIn: https://www.linkedin.com/in/massimoreferre
Il suo Blog: https://it20.info/
AWS Kiro: https://kiro.dev/

🎙 Podcast Risorse Artificiali
Spotify: https://open.spotify.com/show/16dTKEEtKkIzhr1JJNMmSF
▶ YouTube
https://www.youtube.com/channel/UCYQgzIby7QHkXBonTWk-2Fg
🌐 Home page
https://risorseartificiali.com

Chapters

00:00 Introduzione e Giocattoli Preferiti
02:16 Il Percorso Professionale di Massimo
04:32 Evoluzione della Professione e Intelligenza Artificiale
12:04 L'Intelligenza Artificiale e il Mercato degli Sviluppatori
17:41 Scrittura e Condivisione di Conoscenza
20:45 Vibe Coding e AI Assisted Coding
24:44 Spec Driven Development e Differenze con Vibe Coding
34:33 Workflow di Sviluppo e Kiro
39:53 L'Intento come Source of Truth
48:00 Evoluzione del Ruolo dello Sviluppatore
53:50 La Review del Codice e le Nuove Tecnologie
01:06:23 Collaborazione e Workflow nello Sviluppo Software
01:08:54 Evoluzione del Ruolo dello Sviluppatore
01:10:36 L'Apprendimento per i Junior Developer
01:13:42 Strumenti e Approccio Positivo
01:19:40 Consigli per i Software Developer
01:25:19 Filtrare l'Hype Tecnologico
01:29:25 Consigli per i Neo-Diplomati
01:33:55 Conclusioni e Messaggi Finali