DeepSeek-V4-Flash-0731 incontra RTX Spark: il computer sta diventando agentico

Il 31 luglio 2026 DeepSeek ha reso disponibile una nuova versione di V4 Flash, identificata come DeepSeek-V4-Flash-0731. Due mesi prima, NVIDIA e Microsoft avevano presentato RTX Spark, una nuova piattaforma progettata per portare agenti personali, modelli locali e memoria unificata dentro notebook Windows sottili.

Le due notizie possono sembrare separate. Una riguarda un modello cinese open-weight, l’altra una nuova generazione di computer. In realtà raccontano la stessa trasformazione da due direzioni opposte.

Da una parte, i modelli stanno diventando più efficienti, meno costosi e più capaci di utilizzare strumenti, scrivere codice e portare avanti attività articolate. Dall’altra, l’hardware personale viene riprogettato per mantenere questi modelli vicino ai dati, alle applicazioni e alla persona che li utilizza.

Il punto nel quale queste due traiettorie si incontrano potrebbe essere il vero inizio del personal computer agentico.

Non più una macchina che aspetta l’apertura di un’applicazione, ma un ambiente nel quale differenti intelligenze possono osservare, pianificare, eseguire e verificare una parte del lavoro.

DeepSeek-V4-Flash-0731 è interessante proprio per questo. Non è soltanto una versione più veloce di un modello linguistico. È un passo verso modelli costruiti per lavorare all’interno di sistemi agentici.

DeepSeek-V4-Flash-0731: un modello pensato per operare

DeepSeek-V4-Flash nasce come la versione più efficiente della famiglia DeepSeek-V4. Utilizza un’architettura Mixture-of-Experts con 284 miliardi di parametri complessivi, ma ne attiva circa 13 miliardi per ogni token. Supporta un contesto fino a un milione di token ed è pubblicato con licenza MIT, rendendo disponibili i pesi per studio, adattamento e deployment indipendente.

La sigla Flash non indica quindi un modello piccolo nel senso tradizionale. Descrive un’architettura nella quale soltanto una parte della rete viene attivata per ogni operazione, riducendo il calcolo necessario rispetto a un modello denso di dimensioni equivalenti.

La versione 0731 viene indicata nei cataloghi dei provider come il rilascio ufficiale successivo al preview, con un post-training ulteriormente concentrato sulle capacità agentiche. Mantiene inoltre una struttura predisposta per DSpark, il modulo di speculative decoding sviluppato per aumentare la velocità di generazione.

Il punto centrale non è soltanto quanto bene il modello risponda a una domanda. È quanto bene riesca a rimanere dentro un processo.

Un sistema agentico deve leggere informazioni, decidere quale strumento utilizzare, eseguire un’azione, interpretarne il risultato e continuare fino al raggiungimento dell’obiettivo. Nel coding, per esempio, non basta generare una funzione corretta. Il modello deve comprendere un repository, modificare file differenti, eseguire test, interpretare gli errori e correggere il proprio lavoro.

DeepSeek ha già posizionato V4 come una famiglia espressamente ottimizzata per l’integrazione con ambienti agentici e strumenti di coding. L’API supporta tool calling, modalità thinking e non-thinking, un contesto da un milione di token e un output massimo dichiarato fino a 384.000 token.

È una differenza importante. Il modello non viene più progettato soltanto per produrre contenuti, ma per sopravvivere a conversazioni lunghe, chiamate agli strumenti, risultati intermedi e sequenze operative composte da molti passaggi.

L’intelligenza economica cambia il modo di costruire gli agenti

DeepSeek-V4-Flash costa attualmente 0,14 dollari per milione di token in input senza cache e 0,28 dollari per milione di token in output attraverso l’API ufficiale. Con una cache valida, il costo di lettura dell’input scende ulteriormente.

Questi prezzi non sono interessanti soltanto perché riducono la fattura.

Modificano l’architettura possibile.

Quando un modello è costoso, ogni passaggio deve essere limitato. Si tende a chiedere alla stessa intelligenza di comprendere il problema, produrre la soluzione e controllare il risultato. È un processo fragile, perché il modello che ha commesso un errore può anche non essere il soggetto migliore per riconoscerlo.

Quando il costo diminuisce, diventa possibile costruire un’organizzazione più articolata.

Un agente può pianificare. Un secondo può eseguire. Un terzo può controllare il codice o i dati prodotti. Un quarto può provare a dimostrare che la soluzione è sbagliata. Un quinto può valutare se il lavoro rispetta budget, policy e obiettivi.

Non si paga più soltanto per avere una risposta migliore. Si paga per avere più cicli di lavoro, più verifiche e più possibilità di correzione.

DeepSeek-V4-Flash è particolarmente interessante come motore operativo proprio perché può essere utilizzato per grandi volumi di attività, riservando modelli frontier più costosi ai passaggi che richiedono maggiore conoscenza, giudizio o affidabilità.

Il futuro non sarà necessariamente dominato da un unico modello.

Sarà probabilmente composto da sistemi capaci di scegliere ogni volta il modello più adeguato: uno locale per le informazioni riservate, uno economico per l’esecuzione ripetitiva, uno specializzato per il codice e uno più potente per la pianificazione o la revisione finale.

In questo scenario, la qualità non deriva più soltanto dal modello più intelligente. Deriva dalla capacità di orchestrare intelligenze diverse.

RTX Spark: il portatile costruito per gli agenti

La direzione indicata da DeepSeek diventa ancora più significativa osservando ciò che sta accadendo nell’hardware.

Il 31 maggio 2026 NVIDIA e Microsoft hanno presentato RTX Spark, un superchip pensato per una nuova generazione di PC Windows dedicati agli agenti personali. La piattaforma combina una GPU NVIDIA Blackwell RTX con 6.144 CUDA core e una CPU NVIDIA Grace a 20 core, sviluppata in collaborazione con MediaTek e collegata alla GPU attraverso NVLink-C2C.

NVIDIA dichiara fino a un petaflop di potenza AI FP4 e configurazioni con un massimo di 128 GB di memoria unificata. I primi notebook, previsti dall’autunno presso produttori come ASUS, Dell, HP, Lenovo, Microsoft Surface e MSI, saranno disponibili nei formati da 14 a 16 pollici, con spessori dichiarati fino a circa 14 millimetri.

È probabilmente questa la macchina che avevi in mente.

Non si tratta semplicemente di un notebook con una GPU più potente. RTX Spark nasce attorno all’idea che il computer debba eseguire modelli e agenti direttamente sul dispositivo.

Secondo NVIDIA, questi sistemi potranno utilizzare localmente modelli fino a 120 miliardi di parametri con contesti da un milione di token, oltre a generare video AI, eseguire workflow creativi complessi e lavorare con grandi scene 3D grazie alla memoria condivisa tra CPU e GPU.

Microsoft sta contemporaneamente lavorando a nuove primitive di sicurezza per gli agenti Windows, mentre NVIDIA ha presentato OpenShell, un runtime pensato per definire cosa un agente può fare, separare le attività, applicare policy e decidere quando utilizzare un modello locale oppure inoltrare una richiesta al cloud.

Questo passaggio è essenziale.

Un agente locale non ha soltanto bisogno di potenza. Ha bisogno di identità, isolamento, permessi e limiti. Un modello capace di utilizzare il terminale, modificare file e interagire con le applicazioni non può essere trattato come un normale programma che dispone automaticamente di tutto ciò che trova nel computer.

La vera piattaforma agentica nasce dall’unione di tre elementi: modelli capaci di agire, hardware in grado di eseguirli e un livello software che governi ciò che possono fare.

DeepSeek-V4-Flash-0731 rappresenta il primo elemento. RTX Spark rende concreto il secondo.

DeepSeek completo su un notebook? Non ancora, ma non è questo il punto

Dire che i modelli open-weight stanno arrivando sui portatili non significa affermare che l’intero DeepSeek-V4-Flash-0731 possa già essere eseguito senza compromessi sul primo notebook RTX Spark.

Il modello conta 284 miliardi di parametri totali. Il fatto che ne attivi 13 miliardi durante l’inferenza riduce il calcolo necessario, ma non elimina il problema della memoria richiesta per conservare i pesi. Anche con precisioni ridotte e quantizzazioni aggressive, il deployment completo rimane impegnativo.

La disponibilità di 128 GB di memoria unificata consente però di eseguire localmente modelli molto più grandi rispetto agli attuali notebook consumer e riduce la separazione tra memoria di sistema e VRAM. NVIDIA indica come riferimento locale modelli fino a circa 120 miliardi di parametri, non i 284 miliardi complessivi di DeepSeek-V4-Flash.

Questo non riduce l’importanza della convergenza.

Il modello pubblicato oggi non è necessariamente il modello che verrà eseguito domani nella sua forma originale. Può essere quantizzato, distillato, specializzato o utilizzato per addestrare varianti più compatte.

Una versione locale non deve conservare tutta la conoscenza generale del modello di partenza. Potrebbe essere ottimizzata per comprendere il codice di un’azienda, classificare documenti, utilizzare alcuni strumenti o operare dentro un particolare processo.

Il valore degli open-weight consiste anche in questa possibilità: trasformare un grande modello generale in una famiglia di capacità più piccole e controllabili.

La workstation agentica potrebbe quindi non contenere un unico DeepSeek completo. Potrebbe ospitare differenti modelli derivati o specializzati, mentre la versione più grande rimane disponibile attraverso API o su un server dedicato.

Il locale e il cloud non saranno necessariamente avversari.

Diventeranno livelli differenti della stessa architettura.

Vera, RTX Spark e una nuova generazione di AI factory

NVIDIA sta seguendo la stessa direzione anche al di fuori del personal computer.

A marzo ha presentato Vera, una CPU progettata specificamente per i carichi agentici e per il reinforcement learning. Vera non è il processore destinato ai notebook RTX Spark: è una CPU per server e AI factory, costruita per gestire runtime, compilatori, ambienti di esecuzione e migliaia di attività agentiche simultanee.

La distinzione aiuta a comprendere il disegno complessivo.

RTX Spark porta l’agente sulla scrivania e nel portatile. Vera porta la stessa logica dentro le infrastrutture aziendali e i data center.

NVIDIA non sta quindi progettando soltanto GPU più veloci. Sta ripensando CPU, memoria, sicurezza e software intorno a un nuovo tipo di carico: modelli che non producono una sola risposta, ma pianificano, chiamano strumenti, eseguono codice, controllano risultati e mantengono aperti numerosi ambienti operativi.

In un sistema agentico la GPU continua a generare token, ma la CPU assume un ruolo sempre più importante. Deve avviare processi, gestire file, orchestrare strumenti, mantenere sandbox, elaborare eventi e coordinare numerose attività che non sono semplicemente inferenza del modello.

La AI factory del futuro non sarà quindi soltanto un insieme di GPU.

Sarà un ambiente nel quale modelli e strumenti lavorano come una struttura operativa.

Perché i modelli cinesi possono accelerare il calcolo locale

DeepSeek non è un fenomeno isolato.

L’ecosistema cinese sta producendo una successione molto rapida di modelli open-weight e API competitive. Qwen, Kimi, GLM, MiniMax e DeepSeek stanno esplorando architetture, dimensioni e specializzazioni differenti, soprattutto nel coding, nel reasoning e nell’utilizzo degli strumenti.

Questa competizione può accelerare il PC agentico più di quanto possa fare il semplice aumento della potenza hardware.

Per portare l’intelligenza dentro una macchina non basta disporre di una GPU più potente. Servono modelli progettati per utilizzare meno memoria, attivare meno parametri e conservare contesti più grandi senza far esplodere i costi computazionali.

DeepSeek-V4 utilizza meccanismi di attenzione compressa e sparsa per rendere più efficiente la gestione del contesto fino a un milione di token. La famiglia combina inoltre precisioni FP4 e FP8 nei pesi, riducendo ulteriormente il carico di memoria rispetto a una rappresentazione tradizionale.

Sono esattamente le caratteristiche che possono incontrare piattaforme come RTX Spark.

Da un lato aumenta la memoria unificata disponibile nel portatile. Dall’altro diminuisce la quantità di calcolo necessaria per ottenere una determinata capacità.

Il punto di incontro non sarà determinato soltanto da una nuova GPU o da un singolo modello. Sarà il risultato dell’avvicinamento progressivo tra hardware e architetture AI.

Oggi un grande modello open-weight richiede ancora una macchina dedicata. Domani una sua variante specializzata potrebbe rimanere sempre attiva sul notebook aziendale.

Fra un anno il computer potrebbe avere un turno di lavoro proprio

La trasformazione più interessante non sarà poter conversare offline con un modello.

Sarà poter lasciare un’attività alla macchina e ritrovarla completata, verificata o correttamente interrotta.

Un agente locale potrebbe leggere durante la notte i nuovi ticket, confrontarli con la documentazione e preparare le risposte. Un altro potrebbe controllare il repository, eseguire test e segnalare regressioni. Un altro ancora potrebbe analizzare costi, campagne e performance, producendo al mattino un rapporto aggiornato.

Quando l’attività richiede maggiore intelligenza, il computer potrebbe utilizzare temporaneamente DeepSeek-V4-Flash attraverso API. Quando i dati sono sensibili o il task è ripetitivo, potrebbe utilizzare un modello locale.

Il modello diventerebbe una risorsa selezionata dal sistema, non più una scelta manuale effettuata dall’utente prima di ogni conversazione.

È questa la prospettiva della Full Agentic Factory: non un’azienda affidata ciecamente a un’unica intelligenza, ma una struttura nella quale agenti differenti gestiscono porzioni del lavoro all’interno di responsabilità, fonti e limiti definiti.

Le prime aziende full AI potrebbero essere molto piccole. Una persona o un nucleo ridotto potrebbero coordinare una capacità operativa molto più ampia, attivando agenti per sviluppo, controllo qualità, supporto, analisi e comunicazione.

L’organizzazione non crescerebbe soltanto assumendo persone o acquistando nuove piattaforme. Potrebbe crescere installando capacità.

Il margine sul quale stiamo lavorando

È dentro questa prospettiva che Agent1 sta sviluppando A1OS, un control plane sperimentale per coordinare agenti, strumenti, memoria, budget e livelli di autorizzazione.

A1OS non è il centro di questa storia. Il centro rimane l’evoluzione dei modelli come DeepSeek e delle macchine costruite per eseguirli.

È però il livello che stiamo esplorando per comprendere come trasformare un insieme di modelli e runtime agentici in una struttura operativa affidabile. Il progetto integra Hermes Agent come runtime e Buzz come ambiente condiviso, mantenendo all’esterno la gestione di task contract, policy, costi, model routing e capability.

La domanda che ci interessa non è soltanto quanto sarà potente il prossimo DeepSeek.

È cosa potrà fare quando avrà una macchina sulla quale vivere, strumenti da utilizzare e regole sufficientemente chiare per lavorare senza essere guidato in ogni passaggio.

DeepSeek è il segnale, non il punto di arrivo

DeepSeek-V4-Flash-0731 non è ancora il modello che trasformerà autonomamente un notebook in un’azienda.

RTX Spark non è ancora la macchina definitiva sulla quale potremo eseguire qualsiasi modello open-weight.

Ma insieme mostrano una convergenza che fino a pochi mesi fa era soprattutto teorica.

Il software sta diventando più agentico. L’hardware sta diventando più personale. La memoria unificata cresce. I modelli utilizzano architetture sparse e precisioni ridotte. I runtime iniziano a gestire strumenti, permessi, identità e processi persistenti.

Il prossimo computer non sarà interessante soltanto perché potrà eseguire DeepSeek localmente.

Sarà interessante perché potrà decidere quando utilizzarlo, quale parte del lavoro affidargli e come verificare ciò che ha fatto.

Per quarant’anni abbiamo aperto applicazioni e impartito comandi.

La prossima generazione di computer potrebbe ricevere obiettivi.

E continuare a lavorare anche dopo che avremo chiuso lo schermo.

agent1 — born agentic.