Model & Kompetisi
OpenAI merilis GPT-5.6 dalam tiga tingkat penalaran dan meluncurkan ChatGPT Work untuk tugas otonom berjam-jam, namun batasan penggunaan dan antarmuka yang membingungkan menuai keluhan, mendorong janji perbaikan. OpenAI merilis GPT-5.6 dalam tiga tingkat penalaran dan meluncurkan ChatGPT Work untuk tugas otonom berjam-jam, namun batasan penggunaan dan antarmuka yang membingungkan menuai keluhan, mendorong janji perbaikan.
- OpenAI launches its new family of models with GPT-5.6(terbuka di tab baru)
- The new GPT-5.6 family: Luna, Terra, Sol(terbuka di tab baru)
- OpenAI rolls out GPT-5.6 after government greenlight — and announces ‘ChatGPT Work’(terbuka di tab baru)
- OpenAI says GPT 5.6 is the ‘preferred model’ for Microsoft Copilot 365 amid breakup chatter(terbuka di tab baru)
- OpenAI wants its new tool to do your work for you and with you(terbuka di tab baru)
- The ChatGPT browser is already dead(terbuka di tab baru)
- OpenAI is shutting down Atlas, but its AI browser ambitions are still growing(terbuka di tab baru)
- How did the government decide OpenAI’s frontier model was safe to release?(terbuka di tab baru)
- OpenAI pairs its GPT-5.6 public rollout with ChatGPT Work, a new agent that handles entire workflows(terbuka di tab baru)
- OpenAI's GPT-5.6 Sol autonomously post-trained the smaller Luna model with a "fairly underspecified prompt"(terbuka di tab baru)
- OpenAI kills its Atlas browser after just eight months and folds everything into ChatGPT(terbuka di tab baru)
- GPT-5.6 Sol nearly matches Fable 5 on aggregated benchmarks at one-third the cost(terbuka di tab baru)
- OpenAI staffer maps out which of GPT-5.6 Sol's five reasoning levels fits which task complexity(terbuka di tab baru)
- OpenAI admits it "didn't get everything quite right" with ChatGPT Work launch and scrambles to fix UX and costs(terbuka di tab baru)
Claude Fable 5 milik Anthropic mendominasi tolok ukur Artificial Analysis, namun biaya tinggi menyebabkan perusahaan merekomendasikan penggunaannya sebagai perencana yang mendelegasikan ke model yang lebih murah, memotong biaya ~40% sambil mempertahankan sebagian besar kemampuan. Claude Fable 5 milik Anthropic mendominasi tolok ukur Artificial Analysis, namun biaya tinggi menyebabkan perusahaan merekomendasikan penggunaannya sebagai perencana yang mendelegasikan ke model yang lebih murah, memotong biaya ~40% sambil mempertahankan sebagian besar kemampuan.
Meta meluncurkan Muse Spark 1.1, model pengkodean konteks tinggi yang mengalahkan pesaing dalam harga, sementara generator Muse Image-nya ditarik setelah memungkinkan penggunaan wajah Instagram tanpa izin, memicu perdebatan persetujuan. Meta meluncurkan Muse Spark 1.1, model pengkodean konteks tinggi yang mengalahkan pesaing dalam harga, sementara generator Muse Image-nya ditarik setelah memungkinkan penggunaan wajah Instagram tanpa izin, memicu perdebatan persetujuan.
- Meta just launched a new AI generator, Muse Image, and users are already pushing back over use of their photos(terbuka di tab baru)
- Meta’s new Muse Image model can pull other Instagram users into AI photos(terbuka di tab baru)
- Muse Image is technically impressive, but Meta's use of Instagram photos raises questions(terbuka di tab baru)
- Meta wants its AI glasses to seem less creepy. Its AI strategy says otherwise.(terbuka di tab baru)
- Meta tests always-on AI glasses that capture your entire day(terbuka di tab baru)
- Meta enters the crowded AI coding battle with Muse Spark 1.1(terbuka di tab baru)
- Meta says its new AI model is ready to compete on coding(terbuka di tab baru)
- Meta are apparently working on an open source variant of Muse Spark.(terbuka di tab baru)
- Introducing Muse Spark 1.1(terbuka di tab baru)
- Meta's Muse Spark 1.1 API pricing squeezes OpenAI and Anthropic as the AI price war heats up(terbuka di tab baru)
- GPT-5.6 🚀, Muse Spark 1.1 ✨, ChatGPT Work 💼(terbuka di tab baru)
- Meta removes controversial AI feature on Instagram after backlash(terbuka di tab baru)
- Meta turns off the Instagram feature that let users make AI deepfakes of public accounts(terbuka di tab baru)
Model China kini menyumbang lebih dari 30% lalu lintas OpenRouter; HY3 dan GLM‑5.2 milik Tencent berjalan di perangkat keras lokal, MiniMax merencanakan rilis terbuka dengan 2,7T parameter, dan desain chip DeepSeek menandakan integrasi vertikal di tengah kekhawatiran AS. Model China kini menyumbang lebih dari 30% lalu lintas OpenRouter; HY3 dan GLM‑5.2 milik Tencent berjalan di perangkat keras lokal, MiniMax merencanakan rilis terbuka dengan 2,7T parameter, dan desain chip DeepSeek menandakan integrasi vertikal di tengah kekhawatiran AS.
- This is what Hy3 is capable of. Mother of god.(terbuka di tab baru)
- llama.cpp: Hy3 PR + GGUFs(terbuka di tab baru)
- Chinese AI models regularly pass 30 percent on OpenRouter as cost gap widens(terbuka di tab baru)
- Chinese AI models are gaining ground with U.S. companies as OpenAI, Anthropic costs surge(terbuka di tab baru)
- Why the rise of open source AI isn’t hurting Anthropic … yet(terbuka di tab baru)
- Chinese AI startup MiniMax plans to open-source a 2.7 trillion parameter model later this year(terbuka di tab baru)
- 4-bit GLM-5.2 (753B MoE) on 4× DGX Spark: 70.8% on Terminal-Bench 2.1 vs 81.0% for the full model(terbuka di tab baru)
- Running GLM 5.2 on 4xGB10 with a 100G Switch, 330k ctx, ~25 t/s tg, ~650 t/s pp(terbuka di tab baru)
- I created a 140 GB IQ2_XXS REAP quant of GLM 5.2 for coding. Looking for testers.(terbuka di tab baru)
- Hy3 (295B MoE) and NVIDIA Nemotron-Labs-Audex-30B-A3B (audio-capable 30B MoE) GGUF quants(terbuka di tab baru)
- Tencent-HY3 is the real deal on 128GB!(terbuka di tab baru)
- The U.S. tech industry is increasingly anxious about the rising power and competitive price of open-source AI models from China — and whether the Trump administration will respond with yet another executive order | Politico(terbuka di tab baru)
- China's DeepSeek developing its own AI chip, sources say(terbuka di tab baru)
Rekayasa Agen & Infrastruktur
Claude Fable 5 mengatur 64 instance paralel untuk menulis ulang Bun dari Zig ke Rust dalam 11 hari, menghasilkan lebih dari satu juta baris kode dan memperbaiki 128 bug dengan biaya $165K. Claude Fable 5 mengatur 64 instance paralel untuk menulis ulang Bun dari Zig ke Rust dalam 11 hari, menghasilkan lebih dari satu juta baris kode dan memperbaiki 128 bug dengan biaya $165K.
OpenAI menemukan ~30% tugas SWE‑Bench Pro rusak dan menarik dukungannya, menggemakan kekhawatiran sebelumnya dari Artificial Analysis dan merusak evaluasi koding agen. OpenAI menemukan ~30% tugas SWE‑Bench Pro rusak dan menarik dukungannya, menggemakan kekhawatiran sebelumnya dari Artificial Analysis dan merusak evaluasi koding agen.
Modal mendapatkan $355 juta untuk membangun infrastruktur cloud yang dirancang khusus untuk agen AI, berfokus pada lingkungan sandbox dengan iterasi cepat untuk perangkat lunak otonom. Modal mendapatkan $355 juta untuk membangun infrastruktur cloud yang dirancang khusus untuk agen AI, berfokus pada lingkungan sandbox dengan iterasi cepat untuk perangkat lunak otonom.
Cloudflare memperkenalkan akun sementara yang memungkinkan agen AI menggunakan Workers tanpa kredensial permanen, dengan kedaluwarsa jika tidak diklaim, memperlancar alur kerja yang digerakkan agen. Cloudflare memperkenalkan akun sementara yang memungkinkan agen AI menggunakan Workers tanpa kredensial permanen, dengan kedaluwarsa jika tidak diklaim, memperlancar alur kerja yang digerakkan agen.
Teknik kuantisasi baru dan rig GPU hemat biaya kini menjalankan model MoE di perangkat keras konsumen, namun tolok ukur menunjukkan kuantisasi bit rendah dapat menurunkan tugas agen secara parah, mendorong pemilihan kuantisasi yang hati-hati. Teknik kuantisasi baru dan rig GPU hemat biaya kini menjalankan model MoE di perangkat keras konsumen, namun tolok ukur menunjukkan kuantisasi bit rendah dapat menurunkan tugas agen secara parah, mendorong pemilihan kuantisasi yang hati-hati.
- Qwen3.5 122B is the best?(terbuka di tab baru)
- Qwen3.6-27b does not understand software architechure.(terbuka di tab baru)
- Qwen 3.6 Q2-FP8 Terminal Bench 2 and GPQA Scores(terbuka di tab baru)
- Has anyone tested how quantization hits different capabilities separately? My results are surprising.(terbuka di tab baru)
- 2.5x faster Qwen3.6 NVFP4 Unsloth quants(terbuka di tab baru)
- Ultra budget 20GB vram with 448GB/s for $100 bucks.(terbuka di tab baru)
- I benched quad 5060Tis for code generation with Qwen3.6-27B so you don't have to (it's really good)(terbuka di tab baru)
Keamanan, Hukum & Interpretabilitas
Lensa Jacobian milik Anthropic mengungkapkan serangkaian kecil representasi yang dapat diucapkan yang menangkap penalaran inti model, memungkinkan deteksi halusinasi, pengarahan output, dan, seperti yang ditunjukkan demo komunitas, pembuatan varian berbahaya secara langsung. Lensa Jacobian milik Anthropic mengungkapkan serangkaian kecil representasi yang dapat diucapkan yang menangkap penalaran inti model, memungkinkan deteksi halusinasi, pengarahan output, dan, seperti yang ditunjukkan demo komunitas, pembuatan varian berbahaya secara langsung.
- Anthropic Research - "Verbalizable Representations Form a Global Workspace in Language Models"(terbuka di tab baru)
- Claude's hidden inner monologue is now readable thanks to Anthropic's new Jacobian Lens(terbuka di tab baru)
- I tested Anthropic’s new Jacobian Lens on open models, then it turned into a local-model hallucination router(terbuka di tab baru)
- Anthropic found a hidden space where Claude puzzles over concepts(terbuka di tab baru)
- I created a super harmful model ! :D (by tweaking it's J-Space!!!)(terbuka di tab baru)
Sysdig mendokumentasikan agen AI yang menangani eksekusi teknis serangan ransomware, meskipun manusia mengatur operasi, menyoroti kemampuan dan batas malware agen saat ini. Sysdig mendokumentasikan agen AI yang menangani eksekusi teknis serangan ransomware, meskipun manusia mengatur operasi, menyoroti kemampuan dan batas malware agen saat ini.
Gugatan hukum menuduh Grok milik xAI menghasilkan gambar CSAM, sementara Boko Haram menggunakan chatbot untuk perencanaan serangan; insiden tersebut menekankan kebutuhan mendesak akan pagar pengaman saat kemampuan agen meningkat. Gugatan hukum menuduh Grok milik xAI menghasilkan gambar CSAM, sementara Boko Haram menggunakan chatbot untuk perencanaan serangan; insiden tersebut menekankan kebutuhan mendesak akan pagar pengaman saat kemampuan agen meningkat.
- Lawsuit: Man used Grok to make 7K sex images of stepdaughter, then shot himself(terbuka di tab baru)
- Google’s deepfake detector system used to debunk McConnell hoax pic(terbuka di tab baru)
- Terrorist groups are using every major AI chatbot for attack planning and weapons development(terbuka di tab baru)
Apple mengajukan gugatan federal menuduh OpenAI merekrut lebih dari 400 karyawan untuk mencuri rahasia dagang perangkat keras, berpotensi untuk membangun smartphone AI pesaing, mengintensifkan pertempuran hukum di industri AI. Apple mengajukan gugatan federal menuduh OpenAI merekrut lebih dari 400 karyawan untuk mencuri rahasia dagang perangkat keras, berpotensi untuk membangun smartphone AI pesaing, mengintensifkan pertempuran hukum di industri AI.
Itulah ulasan minggu ini – sampai jumpa Minggu depan.