L’adozione massiva dei modelli di linguaggio (LLM) nel workflow dei developer sta producendo un effetto paradossale: invece di ridurre il carico di lavoro, in molti contesti lo sta aumentando. La velocità di generazione del codice cresce, ma cresce anche il tempo necessario per revisionarlo, testarlo e allinearlo ai requisiti. Questo articolo analizza il fenomeno e le sue implicazioni per il mercato del lavoro tech nel 2026.

Temperature, top-p, top-k e max_tokens sono i parametri che controllano il comportamento dei modelli di linguaggio (LLM) durante la generazione delle risposte. Configurarli correttamente — e capire come interagiscono — è fondamentale per ottenere output prevedibili, creativi o deterministici a seconda delle necessità del tuo caso d’uso.

Di DeepSeek se ne parla tanto (troppo?), da diverse settimane ormai. Ci sono alcune verità “scomode” di cui parla molto poco, che riguarda com’è nata quest’azienda, le sue licenze, come questo modello è stato addestrato e la sua sostenibilità.

Il progetto Cheshire Cat creato da Piero Savastano, creato poco più di un anno fa, sta crescendo rapidamente e insieme a lui anche le funzionalità: vediamo come estendere i superpoteri dello Stregatto attraverso il concetto di plugin.

Il mondo dell’intelligenza artificiale generativa sta correndo a velocità massima e il nuovo arrivato in questo campo è il primo LLM a 1 bit. Potresti non crederci, ma questo potrebbe essere un punto di svolta non banale per aiutare a eliminare alcune delle maggiori sfide associate all’uso dei LLM, in particolare alle loro dimensioni.

Conosciamo lo Stregatto

Nelle ultime settimane si è parlato moltissimo di ChatGPT come dello strumento perfetto per chi sviluppa, per chi deve scrivere documentazione, ma non ha fantasia -o voglia- e perfino per chi ha bisogno di fare dei riassunti di storia per scuola.