SWE-bench Pro nasce per valutare coding agent su task software più realistici e meno saturi dei benchmark precedenti. Ho iniziato a eseguirlo in locale per c...
Lo speculative decoding accelera la generazione token per token usando un modello piccolo o pattern ricorrenti. Vediamo come funziona e se può aiutare con un...
Capiamo come individuare i modelli adatti all’utilizzo di coding agent in locale dal punto di vista delle prestazioni (tempi di risposta).
Proviamo alcuni workflow ComfyUI basati su Z-Image + Qwen3-VL e ragioniamo su “diritti e utilizzabilità” delle immagini ottenute.
Proviamo Cline e Kilo Code con modelli locali e remoti (via API) e analizziamo i risultati per comprendere cosa cambia davvero.
Un esperimento pratico di creazione di un dataset di immagini e addestramento di un LoRA, in locale su AMD Strix Halo.
Un esperimento pratico: far lavorare un coding agent interamente in locale e scoprire, tra cache, memoria e tempi di risposta, quanto sia davvero impegnativo.
Casi d’uso, soluzioni enterprise e customer… e alcune prove con AMD Strix Halo.
Formati, quantizzazione, checkpoint, MoE e contesto: una guida pratica per orientarsi tra i modelli open weight.
Case study reale: dall’analisi automatica alla validazione degli input, con test e documentazione aggiornati, su un piccolo progetto open source.
Desiderio vago → il genio interpreta. Desiderio-contratto → il genio esegue. Stesso scenario, 5 versioni di prompt, due modelli: cosa cambia davvero.
Scopriamo come funziona il watermark invisibile di Google DeepMind
Approfondiamo le tecniche utilizzate per salvare (o nascondere…) le origini AI nelle immagini
Attraverso la combinazione di una serie di desideri (prompt)
Alcuni esempi di possibile applicazione alla vita reale.
Perché Aladino Digitale? Perché oggi esprimere desideri attraverso i prompt è un’arte, quasi magica…