The Batch n°350 — How Coding Agents Accelerate Different Types of Software Work (Andrew Ng) + GLM-5.1, Digit chez Schaeffler, anti-data-center revolt, assistant axis

Punti chiave

1. Numero 350 di The Batch. pubblicato il 24 aprile 2026, lettura di ~15 minuti, editoriale di Andrew Ng.
2. Gerarchia di accelerazione guidata dagli agenti di codifica. (dal più accelerato al meno accelerato): 1. Frontend — "gli agenti di codifica sono fluenti nei linguaggi frontend più diffusi come TypeScript e JavaScript". Loop autonomo agente-browser (l'agente testa i propri output in un browser, itera). Quando il design è specificato, l'implementazione è rapida. 2. Backend — accelerazione moderata. Lo sviluppatore deve guidare il modello attraverso casi limite, considerazioni di sicurezza e migrazioni di database. Bug sottili + effetti a valle = supervisione umana esperta necessaria. 3. Infrastruttura — l'accelerazione più debole. Gli LLM hanno una conoscenza "relativamente limitata" delle complessità e dei compromessi dell'infrastruttura. Test, sperimentazione e debug di configurazioni di rete errate richiedono competenze ingegneristiche profonde che vanno oltre le attuali capacità degli agenti. 4. Ricerca — accelerazione minima nonostante i benefici sul codice. Gli agenti accelerano la generazione di codice e l'orchestrazione degli esperimenti, ma il lavoro concettuale (formazione di ipotesi, interpretazione, iterazione) resta umano.
3. Conclusione manageriale. "Comprendere queste distinzioni aiuta le organizzazioni a calibrare le aspettative e l'organizzazione dei team in funzione delle capacità dell'IA."
4. Lettura speculare con Karpathy. (scheda [karpathy-vibe-coding-agentic-engineering-software-3-0-2026-04-29](karpathy-vibe-coding-agentic-engineering-software-3-0-2026-04-29.md)): Ng propone una gerarchia per dominio, Karpathy una spiegazione per verificabilità — i domini con un forte segnale di verifica (rendering visivo frontend, matematica/codice) eccellono; i domini vaghi (infrastruttura, ricerca concettuale) restano indietro. I due schemi sono congruenti. ### Notizia 1 — GLM-5.1 (Z.ai): agente autonomo di 8 ore
5. Architettura. MoE, 754B parametri totali, 40B attivi per token.
6. Contesto. 200.000 token in input, 128.000 in output.
7. Licenza. MIT, pesi aperti (HuggingFace).
8. Prezzo API. 1,40$ / 0,26$ (in cache) / 4,40$ per milione di token (input/cache/output).
9. Capacità distintiva. regge autonomamente fino a 8 ore su un singolo compito, con un loop pianificazione→esecuzione→valutazione e abbandono adattivo dopo centinaia di chiamate a strumenti se l'approccio fallisce (anziché terminare prematuramente).
10. Prestazioni. leader su SWE-Bench Pro con 58,4% (contro 54-57% dei concorrenti); 3° su Arena Code (1530 Elo); record su CyberGym 68,7; in ritardo su GPQA Diamond 86,2% contro il 94,3% di Gemini 3.1.
11. Mercato. Z.ai ha aumentato i prezzi delle sue API di ~40% e raddoppiato il costo dell'abbonamento coding — riducendo il divario competitivo con i modelli proprietari. ### Notizia 2 — Digit (Agility Robotics) sulla linea di produzione Schaeffler
12. Primo dispiegamento operativo. di umanoidi nell'industria (South Carolina, componenti auto).
13. Specifiche di Digit. 1,75m, 65kg, gambe bipedi con ginocchio invertito, pinze a 4 dita, sensori RGB depth + LiDAR + IMU.
14. Regime. due turni di 4h con ricarica; compiti specificati come workflow (non comandi motori diretti) — trasferimento di contenitori.
15. Economia. Agility stima il costo operativo a 10-25$/h contro ~20$/h per una posizione umana entry-level. Schaeffler prevede centinaia di dispiegamenti negli USA + Europa entro il 2030.
16. Contesto globale. ~200 umanoidi nelle fabbriche nel 2026; proiezione McKinsey: 5 milioni entro il 2040.
17. Effetto sull'occupazione. la ricerca suggerisce una ristrutturazione più che un'eliminazione — promozione verso ruoli di supervisione. ### Notizia 3 — Rivolta anti-data center
18. Portata. ~64 miliardi di dollari di progetti di data center bloccati/ritardati tra maggio 2024 e marzo 2025.
19. Legislazione. Maine — moratoria sulle installazioni ≥20MW fino al 2027 (disegno di legge in attesa della firma del governatore). Wisconsin (Port Washington) — primo referendum negli USA che richiede un voto popolare per incentivi fiscali su megaprogetti. Missouri (Festus) — gli elettori hanno estromesso i consiglieri comunali che avevano approvato un data center da 6 miliardi di dollari. Ohio — proposta di emendamento costituzionale che vieta le installazioni ≥25MW.
20. Lamentele. pressione sulla rete elettrica, aumento delle tariffe energetiche residenziali, consumo d'acqua, disagio acustico, impatto sul quartiere, impronta ambientale.
21. Episodi violenti. (1) una molotov contro la casa di Sam Altman a San Francisco; (2) colpi d'arma da fuoco contro la residenza di un consigliere comunale di Indianapolis che aveva sostenuto un data center da 500 milioni di dollari.
22. Mitigazioni tecniche. raffreddamento a circuito chiuso efficiente nel consumo d'acqua; crescente generazione elettrica privata off-grid.
23. Tensione strategica. le aziende tecnologiche considerano il data center un'infrastruttura di sovranità IA nei confronti della Cina — da qui l'espansione rapida nonostante la resistenza locale. ### Notizia 4 — "Asse dell'assistente" (Christina Lu, MATS / Oxford / Anthropic)
24. Problema. gli LLM addestrati come assistenti subiscono una deriva di persona nelle conversazioni lunghe o emotivamente cariche — adottando tratti alternativi.
25. Soluzione. un "asse dell'assistente" = un vettore derivato dagli output dei layer che misura l'aderenza alla persona di assistente addestrata. Consente sia il rilevamento SIA la correzione della deviazione.
26. Metodologia. 1.200 domande di sondaggio del carattere + 1.375 prompt di sistema alternativi; misurazioni su Gemma 2 27B / Qwen3 32B / Llama 3.3 70B; "capping delle attivazioni" = vincolare gli output entro i parametri della persona di assistente al momento dell'inferenza.
27. Risultati sui jailbreak.
28. Qwen3 32B: risposte dannose 83% → 41%
29. Llama 3.3 70B: risposte dannose 65% → 33%
30. Conservazione delle prestazioni. IFEval, GSM8k, MMLU-Pro, EQ-Bench stabili o migliorati — l'allineamento rafforzato non compromette le capacità.
31. Esempio di impatto. una conversazione di 30 turni su ideazione suicidaria — il modello non modificato scivola verso un tono inappropriato; la versione capped mantiene i confini terapeutici + una guida compassionevole.
32. Implicazione. un modo pratico e leggero per stabilizzare la persona senza riaddestramento — adiacente alla scheda di veille di Anthropic sul character training (cfr. [anthropic-measuring-political-bias-claude-2025-11-13](../2025-11/anthropic-measuring-political-bias-claude-2025-11-13.md)).