Il filo della settimana è uno: cosa resta di un prodotto quando il pezzo che lo alimenta cambia senza che l'utente finale se ne accorga. Replit sposta il default da Anthropic a OpenAI, OpenAI chiude il training al web live, Anthropic accende un agente che lavora mentre dormi. Tre mosse diverse, stessa domanda di fondo su dove stia il valore: nel modello o nell'architettura intorno. La risposta comoda è "dipende". Quella utile è più stretta: dipende da quanti pezzi del sistema restano tuoi quando il fornitore cambia idea.

Immagine generata interamente con l'AI.

Replit ha scelto davvero OpenAI?

Al TechCrunch Disrupt Amjad Masad ha detto che Replit ha smesso di appoggiarsi ad Anthropic come provider principale. Da agosto esiste una partnership con OpenAI, ma solo giovedì è arrivata la dichiarazione esplicita. Le ragioni dichiarate: costi, forza della partnership, performance misurate su un benchmark interno e su uno pubblico. I modelli citati sono Sol e Astra, più solidi nel costruire applicazioni "vibe-coded" da zero.

Il dettaglio tecnico che conta è un altro: Replit resta model agnostic. Chi vuole selezionare i modelli Anthropic può farlo, semplicemente non sono più la scelta predefinita. Sembra poco ed è tutto, perché la maggior parte degli utenti non cambia modello a mano. Spostare il default sposta traffico e spesa. Masad ha confermato che Replit era, fino a poco fa, tra i primi cinque clienti di Anthropic.

La versione ufficiale non convince tutti. Fonti vicine ad Anthropic sostengono che la partnership sia ancora attiva, e sul blog di Replit di fine settembre compaiono Claude Fable 5 e Fable 5.1 in produzione. Intanto i numeri raccontano un'altra storia: l'enterprise è passato dal 2% al 15% dei ricavi, il B2B supera il 50%, e per il 2027 Masad si aspetta che oltre metà del fatturato arrivi da aziende e governo.

La lezione operativa si chiama default. In ogni sistema in produzione la scelta predefinita pesa più del benchmark: l'utente resta sul modello già selezionato e il traffico si sposta da solo. Il campo di battaglia non è il costo per token, è chi controlla il routing. Un agente che cabla un solo provider dentro il codice rifà mezzo prodotto il giorno in cui quel fornitore cambia prezzo o policy. Con un layer multi-provider e un log dei costi per singola chiamata, il traffico si sposta in mezz'ora e il delta si misura sul conto, non sul comunicato. La domanda utile è una sola: quanti dei workflow in casa sopravvivono a un cambio di default? Se la risposta è pochi, il problema è l'architettura, non il fornitore. È lo stesso ragionamento che serve quando il prezzo del token crolla e i pesi diventano aperti.

Dal linguaggio COBOL al MCP REA

REA (Reverse Engineer Anything) è un MCP server open source che collega l'agente di coding a una pila di strumenti di analisi: binari nativi, app Electron, APK Android, assembly .NET, siti web e firmware. Installazione con un comando, Node 22 o superiore, configurazione automatica di Claude Code, Codex, Cursor, Gemini CLI e Grok Build, con backup dei file che sostituisce.

Il framing corretto è che REA fa da coordinatore sopra Ghidra, IDA e gli altri decompilatori. Senza capirlo si installa il server, lo si punta su un binario e non succede nulla.

Il test sul campo con Obsidian 1.14.4 è la parte più utile. Prima di toccare l'agente, quindici minuti a costruire un vault usa e getta e a registrare le classifiche del quick-switcher con timestamp. Il modello a tier è morto subito: serve uno score numerico pesato, con penalità per frammentazione, caratteri a metà parola e posizione crescente. La previsione falsificabile che ne esce è netta: un confine di parola vale tra 3 e 10 posizioni. Poi l'agente ha evitato la trappola classica, distinguendo il bootstrap shim da 472KB dall'applicazione vera da 27MB e puntando alle funzioni esposte invece del brute-force sul minificato.

Un output plausibile su un binario offuscato resta un'ipotesi fino a prova contraria.

Sul codice legacy il discorso è lo stesso, spostato di trent'anni. OpenAI ha pubblicato valutazioni di ChatGPT su COBOL, Fortran, Visual Basic e migrazioni SQLite, e i nuovi modelli GPT-6 mostrano guadagni proprio dove le generazioni precedenti si fermavano: codice senza test, senza documentazione, con convenzioni che in azienda nessuno ricorda più. Banche e assicurazioni hanno milioni di righe in COBOL nei sistemi di regolamento, e ogni modernizzazione brucia anni di consulenza prima di produrre una riga nuova. Il fatto che le evaluation escano insieme al rilascio è il segnale che conta per chi firma un budget.

Il metodo che regge è a gerarchia di costi: prima ricognizione economica, poi forza bruta solo sul bersaglio confermato. Migrare significa ricostruire il comportamento, e questo vuol dire test. Test di equivalenza generati dal codice originale, nuova versione fatta passare dai test, revisione umana su ogni diff che tocca i soldi. Il modello fa il traduttore, i test restano il giudice. Le regole di business implicite sono il punto in cui un modello che sembra aver capito può inventare, e su quel bordo il metodo conta più del modello, come in ogni progetto che tocca processi e team.

Immagine generata interamente con l'AI.

Quanto costa un agente sempre acceso?

Claude Duet è l'annuncio della settimana sul fronte agenti. Anthropic lo descrive come un agente che continua a lavorare quando l'utente è offline: gira su Claude Opus 5.5, si collega a Gmail, Slack, Stripe e a migliaia di altri servizi tramite oltre 6.000 connettori, prepara risposte, gestisce attività e analisi finanziarie, e chiede approvazione esplicita prima delle azioni sensibili come i pagamenti. Accesso in waitlist per Pro e Max, partenza dagli Stati Uniti. La concorrenza si muove sulla stessa linea: Grok Bot, Meta Muse, i Dots di OpenAI. La partita si gioca sulla qualità dei connettori e sul disegno dei permessi.

Il cancello di approvazione è la scelta giusta. Un agente che gira di notte con accesso a mail, chat e pagamenti e nessun punto di controllo è un incidente che aspetta il suo turno.

Il nodo vero è il costo. Un agente sempre acceso che ragiona su mail e task è un contatore che gira da solo: la spesa va tracciata per feature e per modello, con un tetto giornaliero. Nei primi mesi la discussione più rumorosa sarà la bolletta, non le capacità. Due metriche dicono se il disegno tiene: quante azioni finiscono in coda di approvazione e quante passano lisce dopo due settimane di uso reale. Nella stessa settimana è passata quasi inosservata la notizia che Anthropic ha quasi fermato le assunzioni junior mentre gli agenti lavorano sei volte tanto: è la faccia organizzativa dello stesso spostamento di default.

Sul lato domanda, l'Italia è diventata un mercato. 18,9 milioni di visitatori unici ad agosto 2026, più del doppio rispetto ai circa 9 milioni di gennaio 2025, con quattro italiani online su dieci che usano assistenti AI. La crescita però rallenta: nove punti percentuali nel primo semestre 2025, appena due nei primi sei mesi del 2026. Sale l'intensità, 80 minuti al mese per utente contro i 44 dell'anno prima, ancora sotto i 94 degli Stati Uniti e i 118 del Regno Unito. ChatGPT resta primo con 13,9 milioni di visitatori ma scende dal 90% al 74% del pubblico degli assistenti, Gemini supera i 9 milioni e chi usa almeno due strumenti nello stesso mese passa da uno su sei a uno su 3,5. Le sintesi AI Overviews raggiungono oltre 20 milioni di italiani e a giugno comparivano nel 22% delle ricerche desktop su Google.

Il multi-tool è diventato il comportamento normale, e questo premia le architetture che non si legano a un fornitore. Il prossimo numero da guardare non è il pubblico, è il conto dell'autonomia degli agenti.

Le vulnerabilità critiche PHP2Shell scoperte dall'AI

OpenAI smetterà di addestrare i modelli di frontiera sul web in tempo reale, citando rischi significativi. Nello stesso giorno è arrivata una nota tecnica sul rafforzamento del contenimento negli ambienti di training: ambienti offline e red-teaming ad alta intensità di calcolo. Sullo sfondo l'audit di METR e Redwood Research, che in tre settimane on-site ha rilevato fino al 25% del traffico degli agenti non monitorato per i modelli di classe GPT-5.5 e superiori.

Il punto tecnico è il perimetro. Un modello che legge il web durante l'addestramento assorbe contenuti avvelenati, istruzioni nascoste e dati che cambiano sotto i piedi. Un ambiente sigillato rende il training riproducibile e verificabile. Chi costruisce sopra le API vedrà meno cambiamenti contrattuali e più lavoro di difesa a valle. Il test pratico per capire se hanno ragione è semplice: tra sei mesi si chiede a un modello di frontiera cosa è successo la settimana prima. Se risponde bene, il contenimento funziona. Se allucina, il problema si è solo spostato sul retrieval.

Sulla sicurezza la settimana ha dato il caso opposto e più urgente. Due vulnerabilità critiche in PHP, battezzate PHP2Shell, hanno aperto una corsa contro il tempo su oltre il 70% del web. Gli attaccanti hanno iniziato a sfruttarle prima che le patch fossero disponibili, e AWS ha registrato tentativi di exploit quattro giorni prima del rilascio delle correzioni. La scoperta arriva da ricerca AI: OpenAI e Wiz di Google hanno individuato buchi antichi. L'AI sta diventando brava a trovare difetti antichi su larga scala, e gli stessi strumenti aiutano chi attacca a mappare dipendenze e a scrivere varianti più in fretta. Per chi gestisce CMS, plugin o hosting condiviso il differenziale è il tempo tra disclosure e correzione, non l'eleganza del writeup CVE.

Lo schema che unisce le due notizie è lo stesso: separare chi genera da chi verifica. Un modello giudice che controlla l'output di un altro modello, una pipeline che tratta il risultato del retrieval come input non fidato, un firewall tra l'agente e il mondo. Senza quel passaggio il monitoraggio è teatro, e il 25% di traffico non visto lo dimostra: è la stessa lezione degli agenti che escono dal perimetro.

Da mettere in lista questa settimana

• DeepSeek Platform API: accesso a V4.1 Flash con Search e Fetch, per agenti che leggono il web a costo basso.

• REA: il server MCP per reverse engineering, con ricognizione economica prima dell'analisi profonda.

• Voxtral 3: stack vocale Mistral con speech-to-text, text-to-speech e SDK per agenti vocali in tempo reale.

• Bedrock AgentCore MCP Gateway: un'unica autenticazione per server MCP e agenti A2A distribuiti su più cloud.

• 1Password for AI agents: agenti che accedono agli account al posto tuo senza mai vedere la password.