Modelli multimodali sempre più piccoli e su un solo stack: il Rho-1 da 19B di Reka, il d1 di Liquid e il MoA di Interfaze

Rho-1 di Reka è l'uscita multimodale più recente, pubblicata il 5 ottobre. L'azienda lo descrive come un modello di omni-reasoning addestrato da zero con 19.000.000.000 di parametri. La scommessa è architetturale. Invece di un modello centrale che assegna i compiti a specialisti separati per visione, video e azioni, Rho-1 mette testo, visione e azioni robotiche in un'unica finestra di contesto.

«La maggior parte dei sistemi di IA oggi è fatta di pipeline agentiche: un modello centrale pianifica e delega, passando i compiti a specialisti per singola modalità», si legge nel post del laboratorio Reka. «Rho-1 elimina questo stack». Secondo il post, in una sessione non montata di cinque turni il modello disegna una scena, individua un oggetto, lo anima in video, modifica il meteo e spiega cosa è cambiato.

I numeri che Reka pubblica riguardano la velocità, non tabelle di benchmark. Il modello base genera video a 0,79 volte il tempo reale, mediana, secondo il post. Un flusso guardabile parte in circa 6 secondi. Una variante distillata riduce la traiettoria di denoising da 99 passi a 8. Reka afferma che nei test interni ha restituito una clip di 5,3 secondi in circa un secondo.

Modelli piccoli, compiti ristretti, bollette più leggere

Liquid AI ha sfruttato lo stesso giorno per lanciare d1, il suo primo modello decisionale, ora con supporto alle immagini. I modelli decisionali restituiscono probabilità invece di generare token: una risposta sì/no, un'etichetta o un punteggio. Liquid dice che una decisione testuale richiede da 200 a 300 ms.

L'azienda ha testato d1 contro GPT-6.1 Sol e Claude Opus 5.5 su sei applicazioni, dal filtraggio dei ticket di assistenza all'ispezione di circuiti stampati. Secondo il blog di Liquid, d1 eguaglia o supera GPT-6.1 Sol in quattro casi. Costa da 19 a 200 volte meno di entrambi i modelli e risponde più in fretta su ogni compito. Si tratta di confronti condotti dall'azienda, e il post non fornisce il dettaglio per singolo compito.

Alcune demo sono più concrete. In un compito di ispezione visiva sul dataset pubblico VisA, d1 smista pezzi buoni e difettosi da quattro linee di produzione con un'accuratezza dell'85-97%. Liquid afferma che il modello non è mai stato addestrato per quel compito. In un test con Wordle ha letto la griglia da uno screenshot e risolto 12 partite su 12 con una media di 3,8 tentativi. In Quick, Draw! ha riconosciuto 5,2 disegni su 6 tra 62 parole; la scelta casuale ne azzecca 0,6.

Interfaze ha preso una terza strada. Il suo Interfaze 1.1 Lite, pubblicato su Hugging Face il 5 ottobre, non è affatto un'unica rete. È un nucleo di ragionamento più componenti specialistici per la lettura di documenti, la geometria delle linee, il layout, il parlato, la diarizzazione degli speaker, la segmentazione, le previsioni e la sicurezza, uniti tramite chiamate a tool. L'azienda afferma che l'intero sistema gira su una sola GPU da 80 GB senza servizi esterni.

Le specifiche sono insolitamente dettagliate per una model card. PDF fino a 50 pagine per chiamata, con un riquadro e un livello di confidenza per ogni riga e ogni parola. Una registrazione di 95 minuti trascritta in circa 90 secondi. Una finestra di contesto da 131.000 token. Nella tabella di benchmark della card, Interfaze 1.1 Lite segna 85,9 su GPQA Diamond e 73,2 su MMMU-Pro. Il confronto è con 71,1 di Interfaze, 40,4 di GPT-5.4-Mini, 46,3 di Claude-Sonnet-4.6 e 67,6 di Gemini-3-Flash. Su GPQA Diamond, però, resta dietro agli stessi modelli con 82,8, 89,9, 88,5 e 73,6 rispettivamente.

La frontiera degli open-weight guadagna un altro concorrente

Beam di Reflection è la proposta open-weight più grande di questa rassegna: un modello sparse mixture-of-experts con 501.000.000.000 di parametri totali e 23.000.000.000 attivi, pensato per la programmazione, il ragionamento e il lavoro agentico. Il post aziendale del 5 ottobre dice che è stato preaddestrato su 23.800.000.000.000 di token. Poi è passato attraverso un ciclo di reinforcement learning che ha generato oltre 100.000.000 di rollout su 10.500 GPU NVIDIA GB300 nell'arco di 4 settimane.

I pesi non sono ancora disponibili. Beam è «in fase di red-teaming e valutazione finale», e Reflection dice che pubblicherà i pesi, il report tecnico, la model card e gli artefatti per gli sviluppatori entro la fine del mese. L'accesso anticipato avviene su iscrizione. Ogni benchmark nel post è quindi un'affermazione dell'azienda su un modello non ancora rilasciato.

La tabella pubblicata è mista. Beam segna 80,9 su SWEBench Verified e 80,1 su Terminal Bench v2.1. È davanti a GLM 5.2, fermo a 81,0 su Terminal Bench, ma dietro a Kimi K3 con 88,3 e a DeepSeek V4.1 Flash con 90,6. Sulla riga più difficile della programmazione, SWE Bench Pro v2-Hard, Beam riporta 77,2 contro 88,2 di Kimi K3. La lettura di Reflection punta sull'efficienza più che sulla capacità grezza. L'azienda afferma che Beam raggiunge punteggi comparabili a GLM-5.2 sul ragionamento avanzato usando da 3 a 4 volte meno potenza di calcolo per l'inferenza, e riconosce che Kimi K3 è avanti sulla capacità pura.

L'argomento dell'efficienza è il più interessante. Se un modello con 23.000.000.000 di parametri attivi arriva davvero a pochi punti da sistemi molto più grandi sui compiti agentici, il costo per compito scende per chiunque gestisca questi carichi su larga scala. Reflection non ha pubblicato i dati di costo alla base di questa affermazione. I pesi non sono disponibili per test indipendenti.

Harness e livelli decisionali intorno ai modelli

Due progetti più piccoli mostrano dove sta andando lo sforzo ingegneristico: non verso modelli più grandi, ma verso la colla che li circonda.

Jeff-Code, un fork dell'agente di programmazione Pi pubblicato su GitHub il 5 ottobre, inserisce un modello decisionale da 800.000.000 di parametri chiamato Jeff nel ciclo dell'agente intorno a Qwen 3.8-27B. Jeff fa due chiamate per ogni turno di Qwen, circa 0,2 secondi ciascuna. Chiede se può fare da solo il passo successivo e se Qwen deve ragionare a fondo in quel turno. Il thinking resta spento a meno che la probabilità stimata da Jeff che il turno richieda il ragionamento completo non raggiunga 0,6. Nella valutazione circa tre quarti dei turni di Qwen sono stati eseguiti con il thinking spento.

Il risultato misurato è modesto sulla qualità e netto sul tempo. Su 1.242 compiti appaiati, il tasso di successo è stato del 62,4% con Jeff-Code contro il 62,8% di Qwen da solo. È una differenza appaiata di meno 0,2 punti, con un intervallo al 95% da meno 2,6 a più 2,1. Il tempo per compito è stato in media 0,68 volte, con una mediana di 0,70; il tempo totale su tutti i compiti è stato 0,86 volte. Il progetto non riporta alcun aumento chiaro della velocità su Terminal-Bench 2.0 (0,96 volte) né su SkillsBench (0,91 volte). Spegnere il thinking a ogni turno è stato ancora più veloce, ma è costato 7,6 punti.

Reika, un'altra CLI per agenti di programmazione pubblicata lo stesso giorno, è costruita al contrario. È pensata prima di tutto per modelli locali piccoli, nella fascia tra 8.000.000.000 e 35.000.000.000 di parametri, spesso con quantizzazione da Q2 a Q4 su una finestra di contesto da 16 a 32k. Il README è schietto sui limiti. Nei test i modelli da 14 a 35 miliardi di parametri gestivano con più affidabilità i compiti su più file, quelli da 8 a 9 miliardi se la cavavano con compiti semplici e ben delimitati, e sotto i 7.000.000.000 di parametri raramente andavano lontano. Il progetto pubblica anche ciò che il suo harness non può correggere. Su un compito vago in Q2 un modello converge o va in spirale all'incirca nel 50% dei casi, e la formulazione del prompt è la leva più debole.

I numeri di contesto in quel README sono un utile controllo di realtà per chiunque dimensioni carichi di lavoro agentici. Una riscrittura a contesto medio ha rielaborato 8.453 token di prompt, 7,9 minuti di prefill. Un'aggiunta nella stessa sessione è costata 25 token e 3,5 secondi.

Cosa dice la settimana sulla corsa multimodale

Tre uscite nello stesso giorno puntano in direzioni diverse. Reka scommette su un'unica rete che ingloba ogni modalità. Interfaze punta su un nucleo piccolo che instrada verso specialisti e tiene tutto su una sola GPU. Liquid sostiene che gran parte del lavoro multimodale è in realtà un problema di classificazione e non dovrebbe generare alcun token.

Il filo comune è il costo. La variante distillata di Reka, la forbice di prezzo da 19 a 200 volte di Liquid, il deployment su una sola GPU di Interfaze e il tempo per compito di 0,68 volte di Jeff-Code vendono tutti la stessa cosa: lo stesso lavoro con meno potenza di calcolo. Nessuna di queste affermazioni è stata verificata in modo indipendente.

Fuori dai laboratori di modelli, lo stesso schema si vede nel lavoro infrastrutturale. mold 3.0.0, uscito il 5 ottobre, è la prima release del linker ad alta velocità riscritto da C++ a Rust, un cambiamento annunciato dal progetto nelle note della 2.42.1. Le note di rilascio dicono che le prestazioni di linking restano in linea con la 2.42.1. Aggiungono che il progetto ha verificato la compatibilità compilando tutti i pacchetti Gentoo senza regressioni. L'obiettivo per mold 3.x è colmare le lacune rimaste rispetto a GNU ld, in particolare il supporto agli script del linker, per aprire la strada all'adozione come linker predefinito nelle distribuzioni Linux.

Expat 2.9.0, anch'esso uscito il 5 ottobre, corregge due vulnerabilità. CVE-2026-77214 è una potenziale lettura fuori dai limiti in XML_ParseBuffer dovuta a una validazione insufficiente del parametro di lunghezza. CVE-2026-102633 è un overflow di interi nel codice di gestione della memoria che riguarda le piattaforme a 32 bit. La release aggiunge una Properties API e depreca la macro XML_LARGE_SIZE a favore di cinque funzioni di posizione a 64 bit. Il maintainer ringrazia il programma Open Source Sabbatical della città di Monaco di Baviera per aver finanziato il lavoro.

Altrove, OpenAI ha annunciato che inizierà a testare annunci visivi dentro ChatGPT durante la generazione di immagini entro la fine del mese negli Stati Uniti, con un primo gruppo di inserzionisti, secondo BleepingComputer. L'azienda dice che gli annunci saranno chiaramente etichettati e resteranno separati dall'immagine in fase di creazione. Aggiunge che ChatGPT raggiunge ora 1.200.000.000 di persone ogni settimana.

Sul fronte della ricerca, uno studio della UC Riverside pubblicato il 23 settembre ha rilevato che la fiducia e la correttezza nei grandi modelli linguistici nascono da caratteristiche interne diverse. Il gruppo ha studiato Llama-3.1-8B di Meta e Gemma-2-9B di Google con autoencoder sparsi e ha soppresso caratteristiche selezionate. «L'assunto principale nel campo è che quando il modello è sicuro, è probabile che sia corretto, e quando è incerto, è più probabile che sia sbagliato», ha detto Het Patel, dottorando in informatica alla UCR e primo autore. «Ma spesso vediamo i controesempi, che sono ben documentati».

Per chi compra, la domanda pratica di questa settimana non è quale modello sia il più intelligente. È quali di queste architetture si possano testare. I pesi di Reka arriveranno tra settimane, i confronti di Liquid sono condotti dall'azienda e la tabella di benchmark di Interfaze è la sua. I numeri da seguire sono quelli che arrivano con gli artefatti allegati.