Dreaming: gli LLM che 'sognano' soluzioni da inattivi

Una delle innovazioni più affascinanti emerse negli ultimi mesi è la funzione 'Dreaming', introdotta sperimentalmente da diversi laboratori (DeepMind, Anthropic e Mistral con approcci leggermente diversi) e che sta ridefinendo cosa significa 'agente autonomo'.

L'idea è semplice: invece di restare passivi tra un task e l'altro, gli agenti utilizzano i cicli di idle per simulare scenari, esplorare branch alternativi del proprio reasoning e consolidare la memoria a lungo termine — esattamente come il cervello umano fa durante il sonno REM.

In pratica, durante una sessione Dreaming l'agente rilegge le ultime interazioni, identifica decisioni sub-ottimali e genera 'controfattuali': cosa sarebbe successo se avessi scelto un'altra tool call? L'output viene salvato in una memoria episodica e usato per migliorare le decisioni future.

I primi benchmark interni mostrano miglioramenti del 18-25% su task multi-step lunghi (oltre 50 step), con riduzione significativa dei loop e degli errori ricorsivi. Per chi costruisce agenti di customer ops o di trading algoritmico, è una svolta.

Il rovescio della medaglia è il consumo: un agente che 'sogna' costa di più. Ma con il pricing dei nuovi tier batch (vedi Claude × SpaceX), il costo marginale è sostenibile per la maggior parte degli use case enterprise.