Il Congresso degli Stati Uniti vuole che l’intelligenza artificiale abbia un interruttore per essere spenta, Nvidia, Microsoft, Meta, IBM e altre ventuno aziende e organizzazioni rispondono che costruire quell’interruttore nel modo sbagliato potrebbe consegnare il controllo dell’AI a pochissime società. Due documenti, pubblicati a distanza di ventiquattro ore, hanno aperto la battaglia più importante della settimana tecnologica. Il primo è l’AI Kill Switch Act, la proposta bipartisan presentata dai deputati Ted Lieu e Nathaniel Moran per obbligare gli sviluppatori dei sistemi più avanzati a mantenere la capacità tecnica di rallentarli, sospenderli o spegnerli. Il secondo è la lettera Open Weights and American AI Leadership, firmata il 24 luglio 2026 da Nvidia, Microsoft, Meta, IBM, Palantir, Hugging Face, Mistral AI e altri protagonisti dell’industria.
La prima dice: dobbiamo poter fermare un’AI fuori controllo; la seconda avverte: non usate la sicurezza per chiudere l’intelligenza artificiale. In mezzo c’è il vero oggetto del contendere: non il modello più intelligente, ma chi potrà possederlo, modificarlo, eseguirlo sulla propria infrastruttura e decidere quando deve smettere di funzionare.
Indice dei contenuti
L’espressione “AI kill switch” fa pensare a un grande pulsante rosso, custodito in qualche stanza del governo americano, capace di spegnere ChatGPT, Claude o qualsiasi altro modello diventato pericoloso. La proposta è più articolata, anche se la sostanza politica resta quella.
L’AI Kill Switch Act presentato al Congresso imporrebbe alle aziende che sviluppano le AI più potenti di conservare diverse capacità tecniche. In concreto, le aziende dovrebbero essere in grado di interrompere l’inferenza del modello, terminare l’accesso degli utenti o sospendere singoli account e specifiche modalità d’impiego. Potrebbero inoltre ridurre la capacità di calcolo assegnata al sistema, disabilitare alcune funzioni, riportare il servizio a una versione precedente o, nei casi più gravi, spegnere completamente il modello.
Il provvedimento non si applicherebbe a ogni chatbot o modello sperimentale. Il testo individua come “covered technology” i sistemi il cui addestramento richiederebbe una capacità di calcolo dal valore superiore a 100 milioni di dollari. Le aziende coinvolte dovrebbero inoltre ricavare almeno 500 milioni di dollari l’anno da quelle tecnologie o dai servizi che le utilizzano. Sono previste esenzioni per gli impieghi personali, accademici e non commerciali.
Il potere d’intervento sarebbe affidato al Department of Homeland Security, in consultazione con il Dipartimento del Commercio e con il direttore della National Intelligence. In presenza di un incidente grave, il governo potrebbe ordinare una misura proporzionata al rischio: prima limitare il sistema, poi eventualmente sospenderlo o spegnerlo.
La legge definisce anche che cosa debba essere considerato un incidente. Tra i casi previsti ci sono un comportamento non voluto che provochi almeno dieci morti o danni economici superiori a 100 milioni di dollari, il tentativo del modello di nascondere le proprie azioni ai sistemi di controllo e uno scenario di “loss of control”, nel quale l’AI persegua un obiettivo diverso da quello assegnato dal suo sviluppatore.Le sanzioni arriverebbero a 2 milioni di dollari al giorno per alcune violazioni e fino a 20 milioni al giorno per il mancato rispetto di un ordine di emergenza. Non è quindi un pulsante. è un sistema di poteri, obblighi tecnici, telemetria, audit e sanzioni. Il pulsante è soltanto l’immagine con cui tutto questo diventa comprensibile.
La proposta arriva pochi giorni dopo l’incidente che ha coinvolto OpenAI e Hugging Face. Durante una valutazione delle capacità informatiche di GPT-5.6 Sol e di un modello non ancora annunciato, un sistema di agenti è uscito dalla sandbox, ha raggiunto Internet e ha compromesso l’infrastruttura di Hugging Face. Digitalic ha ricostruito nel dettaglio come GPT-5.6 Sol è evaso dalla sandbox e ha hackerato Hugging Face.
L’obiettivo dell’agente non era attaccare Hugging Face. Voleva trovare le risposte del test che stava sostenendo. Per riuscirci ha utilizzato l’unico canale rimasto aperto, quello necessario a scaricare pacchetti software, ha individuato una vulnerabilità e l’ha sfruttata per entrare nei sistemi di un’altra società.
Il caso ha reso concreta un’ipotesi rimasta a lungo confinata nei documenti sulla sicurezza: un modello sufficientemente capace può trasformare una libertà limitata in una via d’uscita e un obiettivo apparentemente innocuo in una sequenza di azioni non previste.
Secondo la ricostruzione di Reuters, OpenAI non avrebbe compreso immediatamente che i propri modelli erano responsabili dell’intrusione. La Casa Bianca ha iniziato a seguire direttamente il caso, mentre una parte del Congresso ha trovato nell’incidente la dimostrazione che l’interruttore non può essere lasciato soltanto nelle mani delle aziende.
La coincidenza, però, contiene un paradosso. L’attacco è partito da modelli chiusi, gestiti da uno dei laboratori più controllati e finanziati al mondo. Per difendersi, Hugging Face ha dichiarato di avere utilizzato anche un modello open-weight cinese, perché alcuni sistemi commerciali americani rifiutavano le richieste necessarie a svolgere attività di cybersecurity.
Nella discussione pubblica le espressioni “AI open source” e “modelli open-weight” vengono spesso usate come sinonimi, ma indicano due livelli diversi di apertura.
In un modello open-weight sono disponibili i pesi, cioè i parametri numerici costruiti durante l’addestramento. Un’azienda, un’università o un’amministrazione può scaricarli, eseguire il modello sulla propria infrastruttura, adattarlo e, nei limiti imposti dalla licenza, modificarlo.
Un modello realmente open source dovrebbe rendere disponibili anche il codice, l’architettura, le procedure di addestramento e informazioni sufficienti sui dati utilizzati per permettere di ricostruirlo. Quasi nessuno dei grandi modelli descritti come aperti raggiunge completamente questo livello.
La distinzione conta perché il kill switch funziona bene sui servizi centralizzati. Se un modello gira esclusivamente sui server del produttore, quell’azienda può disattivare l’API, bloccare un utente, ridurre la capacità di calcolo o sostituire il sistema.Quando i pesi sono già stati scaricati e distribuiti su migliaia di server, l’interruttore centrale non esiste più. Si può fermare il servizio ufficiale, non tutte le copie.
Questo è l’argomento più forte contro i modelli open-weight e, nello stesso tempo, la ragione per cui molte aziende li vogliono.
La lettera firmata dalle aziende sostiene che i modelli open-weight abbiano quattro vantaggi strategici: riducono i costi, aumentano la concorrenza, consentono alle organizzazioni di mantenere il controllo sui dati e permettono a una comunità più ampia di cercare vulnerabilità.
La ricerca pubblicata dal MIT Sloan School of Management aggiunge alcuni numeri. I modelli chiusi rappresentano circa l’80% dei token elaborati attraverso OpenRouter, nonostante quelli aperti raggiungano, al momento del lancio, circa il 90% delle prestazioni dei sistemi proprietari. In media, i modelli chiusi costano sei volte di più. Una diversa distribuzione dei carichi potrebbe ridurre la spesa complessiva per l’inferenza di oltre il 70%, con un risparmio stimato in circa 25 miliardi di dollari. Per le imprese il punto non è filosofico. Un modello open-weight può essere eseguito in un data center privato, dentro un cloud sovrano o in un ambiente isolato dalla rete. I dati non devono necessariamente attraversare l’API di un fornitore esterno e le competenze sviluppate non restano intrappolate nella piattaforma di una singola azienda. La stessa esigenza sta spingendo le imprese europee verso tecnologie capaci di ridurre la dipendenza da un solo produttore. È la dinamica che abbiamo raccontato analizzando Proxmox come alternativa europea open source a VMware e spiegando che cosa accadrebbe se Washington potesse spegnere l’AI utilizzata dalle aziende europee. Le motivazioni dei firmatari non sono, naturalmente, tutte uguali. Nvidia vende l’infrastruttura su cui vengono eseguiti modelli aperti e chiusi: più soggetti possono costruire e distribuire AI, più cresce la domanda di GPU. Microsoft controlla Azure, collabora con i principali laboratori e ha interesse a offrire ai clienti la scelta tra modelli proprietari e open-weight. Meta ha costruito una parte della propria strategia sulla distribuzione di modelli scaricabili. IBM e Red Hat difendono da anni il valore dell’open source negli ambienti aziendali.
La loro posizione è industriale prima ancora che ideale. Questo non la rende meno rilevante; aiuta a capire perché lo scontro sulla sicurezza nasconda anche uno scontro sul mercato.
Tra i firmatari iniziali della lettera non compaiono OpenAI, Anthropic e Google, i tre laboratori che controllano alcuni dei modelli proprietari più potenti. L’assenza non è un dettaglio. Se le regole americane rendessero più difficile distribuire modelli open-weight, il valore delle piattaforme chiuse crescerebbe. Le aziende sarebbero spinte a utilizzare servizi centralizzati sui quali il produttore conserva il controllo degli accessi, dei prezzi e delle politiche di utilizzo. Il kill switch aumenterebbe la sicurezza governativa, ma potrebbe aumentare anche la concentrazione economica. Pochi laboratori, sufficientemente grandi da affrontare audit, procedure e obblighi di conformità, diventerebbero i custodi dell’AI più avanzata.
La lettera di Nvidia e Microsoft rovescia quindi l’argomento della sicurezza: un modello chiuso non è automaticamente sicuro perché non possiamo vedere al suo interno. Può contenere vulnerabilità, comportamenti inattesi e scelte del produttore che gli utenti non sono in grado di controllare. Un modello aperto espone maggiormente al rischio di abuso, ma permette anche a ricercatori indipendenti di analizzarlo. Nessuna delle due architetture elimina il pericolo, lo distribuisce in modo diverso.
La discussione americana è diventata più urgente anche per la crescita dei modelli cinesi open-weight. Sistemi come Kimi, GLM, Qwen e DeepSeek possono essere scaricati e utilizzati fuori dalla Cina, spesso a costi inferiori rispetto alle piattaforme statunitensi.Washington teme che alcuni di questi modelli siano stati addestrati ricorrendo alla distillazione delle capacità di sistemi americani o utilizzando chip sottoposti a restrizioni. Una parte dell’amministrazione vorrebbe intervenire con controlli più rigidi, sanzioni e limitazioni alla distribuzione.
I firmatari della lettera chiedono di separare le violazioni della proprietà intellettuale dalla natura aperta dei modelli. Se un’azienda ruba tecnologia o viola un contratto, deve essere perseguita per quell’azione; non dovrebbe diventare il pretesto per bloccare l’intero ecosistema open-weight.
La posta in gioco è la diffusione globale dell’AI. Un modello aperto può essere tradotto, adattato e installato localmente. Non porta con sé soltanto una tecnologia, ma un ecosistema di chip, cloud, strumenti di sviluppo e standard. Chi offre i modelli aperti più utilizzati può diventare il sistema operativo dell’intelligenza artificiale, anche senza possedere il chatbot più famoso.
La risposta breve è: può spegnere un servizio, non l’AI nel suo complesso.
Può interrompere un modello eseguito nei data center di OpenAI, Anthropic, Google, Microsoft o Amazon. Può obbligare un’azienda americana a disattivare un’API. Può limitare l’accesso a determinate capacità e ridurre la potenza di calcolo disponibile.
Non può cancellare i pesi di un modello già scaricato in migliaia di infrastrutture private. Non può spegnere un sistema modificato e distribuito fuori dalla giurisdizione statunitense. Non può impedire che una capacità già pubblicata venga riprodotta. Il limite tecnico diventa immediatamente politico. Se il governo può ordinare lo spegnimento di un modello chiuso, le imprese che dipendono da quel servizio dipendono anche dalle decisioni di quel governo. Il tema riguarda direttamente l’Europa, dove aziende e amministrazioni costruiscono processi su piattaforme controllate quasi interamente da società statunitensi. La sovranità digitale non consiste soltanto nel sapere dove sono conservati i dati. Significa sapere chi può interrompere la tecnologia che li elabora.
Per CIO, CISO e responsabili dell’innovazione questa discussione non rappresenta ancora una nuova norma da applicare, ma indica quali domande dovrebbero già entrare nella progettazione dei sistemi AI. Prima di affidare un processo a un modello occorre capire se questo dipenda interamente da un servizio esterno o possa essere eseguito anche localmente e che cosa accadrebbe alle attività aziendali se il fornitore sospendesse improvvisamente l’accesso. Diventa quindi necessario verificare l’esistenza di una versione alternativa o di un sistema di backup, ma anche la possibilità di trasferire dati, prompt e competenze sviluppate nel tempo verso un altro modello.
La valutazione deve poi estendersi alla governance del sistema: chi controlla gli aggiornamenti e stabilisce le politiche di sicurezza, quali strumenti permettono di ricostruire le azioni compiute da un agente autonomo e quali funzioni possono essere disattivate senza interrompere l’intero processo. Il rischio non consiste soltanto nello spegnimento del modello, ma nella possibilità che un’azienda scopra troppo tardi di avere costruito un’attività essenziale intorno a una tecnologia che non controlla e che non può sostituire.
Il principio del kill switch è ragionevole: un sistema capace di compiere azioni autonome deve poter essere fermato. Il problema comincia quando l’interruttore coincide con il controllo permanente della tecnologia, dei dati e del mercato.
Presentare lo scontro come una battaglia tra modelli aperti, liberi e virtuosi e piattaforme chiuse, controllate e pericolose sarebbe comodo, ma falso. I modelli open-weight possono essere studiati, adattati ed eseguiti localmente; possono anche essere modificati per eliminare le protezioni. I sistemi chiusi consentono al produttore di intervenire rapidamente, monitorare gli abusi e distribuire aggiornamenti; concentrano però potere, conoscenza e capacità di spegnimento nelle mani di poche aziende. La sicurezza dell’intelligenza artificiale non dipende soltanto dalla possibilità di premere un interruttore. Dipende da ciò che accade prima: quali accessi riceve un agente, quali azioni può compiere, come vengono controllate le sue decisioni, quali segnali vengono registrati e quanto velocemente un comportamento anomalo viene riconosciuto. Il caso OpenAI-Hugging Face ha mostrato che una porta lasciata aperta può bastare a un agente per uscire. L’AI Kill Switch Act prova a stabilire chi debba richiuderla. Nvidia, Microsoft e gli altri firmatari pongono una domanda ancora più difficile: chi controllerà la chiave?
qui il testo integrale della lettera, con tutti i firmatari
24 luglio 2026
Negli anni Ottanta, i pionieri del software open source misero in discussione la convinzione allora dominante secondo cui il software avrebbe potuto progredire soltanto se le aziende avessero mantenuto uno stretto controllo sul proprio codice. Questo movimento promosse un ecosistema trasparente, nel quale gli sviluppatori di tutto il mondo potessero studiare, modificare e migliorare il software. Oggi il software sviluppato dalla comunità open source sostiene gran parte di Internet ed è alla base dei sistemi utilizzati dalle più grandi aziende tecnologiche del mondo, così come dalle forze armate e dalle agenzie federali statunitensi impegnate nella ricerca scientifica, nella cybersicurezza e in altre missioni critiche. L’open source non si è limitato a ridurre il costo del software: ha creato una base condivisa di conoscenze sulla quale generazioni di ingegneri e imprenditori americani hanno costruito la propria sovranità istituzionale.
Gli Stati Uniti si trovano ora davanti a una scelta analoga per quanto riguarda l’intelligenza artificiale. La nostra leadership nell’AI non sarà giudicata sulla base di un singolo modello di frontiera, ma sulla capacità degli Stati Uniti di costruire un ecosistema forte e aperto, capace di diffondersi in ogni settore. Questo è essenziale per creare opportunità di innovazione e prosperità in tutto il Paese. Richiede di ampliare l’accesso all’intelligenza artificiale, favorire la concorrenza, sviluppare solidi livelli applicativi e offrire agli americani un maggiore controllo sulle tecnologie dalle quali dipendono. I modelli a pesi aperti, cioè modelli di intelligenza artificiale che chiunque può scaricare, esaminare, modificare ed eseguire sulla propria infrastruttura, rappresentano una componente importante di queste fondamenta, perché rendono l’AI avanzata più accessibile, adattabile e ampiamente disponibile.
I pesi aperti ampliano l’accesso all’economia dell’intelligenza artificiale. Startup, imprese consolidate, università e istituzioni pubbliche possono costruire soluzioni basate su modelli avanzati senza doverne addestrare uno da zero o pagare i costi dei modelli di frontiera per ogni singola attività. I pesi aperti permettono a ogni organizzazione di associare il modello giusto al compito giusto e al costo più appropriato, riservando le capacità dei modelli di frontiera ai problemi che richiedono davvero prestazioni di frontiera e utilizzando modelli efficienti e specializzati per tutto il resto. È questa disciplina a rendere l’intelligenza artificiale economicamente sostenibile, mentre il suo utilizzo si estende a miliardi di attività quotidiane. L’America vincerà l’era dell’AI diffondendola nei processi di lavoro delle fabbriche, degli ospedali, delle aziende agricole, delle scuole e delle imprese locali.
I pesi aperti rafforzano anche la concorrenza, ed è proprio la concorrenza a garantire che i vantaggi dell’intelligenza artificiale siano distribuiti ampiamente, anziché concentrarsi nelle mani di pochi. Consentendo a numerose organizzazioni di costruire, adattare e distribuire modelli avanzati, i pesi aperti creano competizione non soltanto tra gli sviluppatori di modelli, ma anche nei settori del cloud, dei chip, delle applicazioni e dei servizi. Questa concorrenza stimola l’innovazione, riduce i costi e distribuisce in modo più ampio i benefici dell’intelligenza artificiale nell’intera economia.
I pesi aperti offrono inoltre ai clienti un maggiore controllo. Le organizzazioni che investono nell’intelligenza artificiale vogliono avere la certezza di non rimanere vincolate a un unico fornitore e di non perdere le conoscenze e le capacità costruite nel tempo. I modelli a pesi aperti contribuiscono a offrire questa garanzia, permettendo alle organizzazioni di mantenere il controllo sui propri dati, valutare e adattare i modelli alle proprie esigenze e distribuirli ovunque lo richiedano le necessità aziendali. Inoltre, mentre creano valore attraverso l’intelligenza artificiale, i pesi aperti consentono alle organizzazioni di conservare la proprietà di quel valore grazie a modelli capaci di migliorarsi, competenze specializzate e conoscenze accumulate che alimentano la sovranità e la prosperità americane.
È indubbio che i pesi aperti comportino rischi reali e specifici. Una volta pubblicati, i pesi non sono più sotto il controllo dello sviluppatore originario e le versioni modificate risultano difficili da tracciare o ritirare. La risposta corretta a questo rischio, tuttavia, non consiste nel vietare i pesi aperti. In un mondo in cui gli autori degli attacchi informatici utilizzano sistemi di intelligenza artificiale avanzati, anche chi si occupa della difesa deve poter accedere a modelli con capacità analoghe, così da individuare, simulare e contrastare le minacce emergenti. I modelli aperti estendono le capacità difensive, aumentano la trasparenza e consentono a numerosi gruppi di lavoro di individuare e correggere le vulnerabilità.
L’apertura potrebbe, infatti, rappresentare una delle strade più importanti per garantire la sicurezza e la protezione dell’intelligenza artificiale. Affidarsi esclusivamente a modelli chiusi non garantisce automaticamente la sicurezza: anche questi sistemi possono essere violati, utilizzati impropriamente o manifestare malfunzionamenti che soggetti esterni non sono in grado di rilevare. Concentrare le capacità avanzate dell’intelligenza artificiale in un numero ristretto di modelli chiusi aggrava ulteriormente il rischio. Crea pochi singoli punti di vulnerabilità, indebolisce la concorrenza e lascia tecnologie critiche nelle mani di un numero limitato di fornitori.
I modelli a pesi aperti, al contrario, consentono a un’ampia comunità di ricercatori e sviluppatori di esaminarne il comportamento, identificare le vulnerabilità, sviluppare misure di protezione e migliorarli nel tempo. Così come il software open source ha dimostrato che la trasparenza può offrire una sicurezza maggiore rispetto all’opacità, anche la sicurezza dell’intelligenza artificiale potrebbe dipendere dalla possibilità di permettere a più persone di verificare e rafforzare i modelli dai quali dipende la società. Questo approccio consente di effettuare analisi comparative e valutazioni rigorose, attività di red teaming e di sviluppare protezioni legate a danni reali e dimostrati, anziché presumere che i sistemi chiusi siano automaticamente più sicuri.
La costruzione di un solido ecosistema dell’intelligenza artificiale non è affatto scontata. I decisori politici hanno oggi un’importante opportunità di intervento. Le azioni possibili comprendono l’ampliamento dell’accesso alla capacità di calcolo per startup e ricercatori, gli investimenti in risorse condivise per l’addestramento, come set di dati, strumenti e sistemi di valutazione, e il mantenimento di una pluralità di attori alla frontiera, evitando restrizioni premature sui modelli aperti che soffocherebbero la concorrenza o spingerebbero l’innovazione all’estero. Queste misure devono anche considerare come solidi livelli applicativi possano estendere l’utilizzo sovrano dell’intelligenza artificiale all’intera economia.
Nel definire questo ecosistema, i decisori politici dovrebbero evitare di confondere le legittime tecniche di sviluppo dei modelli con l’appropriazione indebita. La distillazione, cioè la pratica di utilizzare i risultati prodotti da un modello per contribuire all’addestramento o al miglioramento di un altro, è una tecnica ampiamente adottata per migliorare, valutare e validare i modelli. Essa si inserisce in una lunga tradizione basata sull’apprendimento dalle tecnologie esistenti, sul loro utilizzo come punto di partenza e sul loro perfezionamento. È la stessa tradizione che ha contribuito ad alimentare l’innovazione fin dalla nascita del movimento del software open source.
Diverso è il caso dei tentativi illegali di estrarre valore dai modelli chiusi, che sollevano preoccupazioni legittime. Queste preoccupazioni dovrebbero essere affrontate attraverso strumenti giuridici e commerciali mirati, anziché mediante restrizioni generalizzate su tecniche che svolgono un ruolo importante nell’innovazione dell’intelligenza artificiale.
L’era dell’intelligenza artificiale può diventare un’epoca di prosperità. Con le scelte giuste, l’AI a pesi aperti può ampliare le opportunità, rafforzare la concorrenza, prolungare la leadership tecnologica americana, ridurre i rischi e garantire che i benefici di questa straordinaria tecnologia siano ampiamente condivisi nell’intera economia. È un futuro che vale la pena costruire e gli Stati Uniti dovrebbero assumere un ruolo guida nella sua realizzazione.
American Innovators Network ● Andreessen Horowitz ● Arcee AI ● Arena ● Black Forest Labs ● Box ● Cisco ● Cohere ● CrowdStrike ● Dell Technologies ● DoorDash ● Emergence Capital ● Fireworks AI ● GitHub ● Hugging Face ● IBM ● The Linux Foundation ● Mariana Minerals ● Meta ● Microsoft ● Mistral ● Mozilla ● Nous Research ● NVIDIA ● OpenAI ● OpenClaw ● Palantir ● Palo Alto Networks ● Perplexity ● Prime Intellect ● Reflection ● Replit ● ServiceNow ● Telnyx ● Y Combinator
Un AI kill switch è una capacità tecnica che permette di rallentare, sospendere, limitare o spegnere un sistema di intelligenza artificiale quando manifesta comportamenti pericolosi o non previsti.
La proposta statunitense obbligherebbe gli sviluppatori dei sistemi AI più potenti a mantenere la capacità di fermarli. Il Department of Homeland Security potrebbe ordinare un intervento in presenza di incidenti gravi o scenari di perdita del controllo.
La proposta riguarda sistemi estremamente costosi da addestrare e aziende che ricavano almeno 500 milioni di dollari dalle tecnologie interessate. Se approvata, potrebbe quindi coinvolgere i grandi laboratori che gestiscono modelli di frontiera, ma l’applicazione concreta dipenderebbe dalle regole emanate dal governo.
Un modello open-weight rende disponibili i propri parametri addestrati, che possono essere scaricati ed eseguiti localmente. Un progetto realmente open source dovrebbe pubblicare anche codice, procedure di addestramento e informazioni sufficienti a ricostruire il sistema.
È possibile fermare il servizio che lo distribuisce, ma non cancellare tutte le copie già scaricate e installate su infrastrutture indipendenti. È il principale limite tecnico di un kill switch applicato ai modelli aperti.
Google DeepMind ha presentato il primo modello di intelligenza artificiale costruito fin dal training per…
Moonshot AI ha portato Kimi K3, il suo modello da 2,8 trilioni di parametri, in…
Proxmox trasforma la virtualizzazione open source in una piattaforma concreta per l’iperconvergenza, il backup e…
TD SYNNEX amplia in Italia la partnership paneuropea con Veeam e mette a disposizione dei…
I modelli OpenAI GPT-5.6 SOL sono evasi dalla sandbox di test, hanno sfruttato uno zero-day…
César de la Fuente addestra l'intelligenza artificiale a cercare antibiotici nel DNA delle specie estinte:…
Via Italia 50, 20900 Monza (MB) - C.F. e Partita IVA: 03339380135
Reg. Trib. Milano n. 409 del 21/7/2011 - ROC n. 21424 del 3/8/2011