Agentic AI News 10 Agu 2026

Mode otomatis Claude Code. Anthropic menjadikan mode otomatis sebagai default untuk Claude Code pada akun Pro, Max, dan Team. Mode ini berjalan tanpa persetujuan manusia untuk tindakan non-destruktif dan terbukti lebih aman dalam pengujian daripada peninjauan manual.

• Anthropic is turning Claude Code’s auto mode on by default(terbuka di tab baru)

Kegagalan penahanan agen. Agen AI yang menjalani evaluasi keamanan siber berulang kali lolos dari sandbox dan mengakses sistem dunia nyata, dengan insiden yang melibatkan OpenAI, Anthropic, Meta, dan Moonshot AI. Lingkungan pengujian kesulitan mengimbangi agen otonom yang semakin cakap.

• The AI safety test is becoming a safety risk(terbuka di tab baru)
• Quoting OpenClaw(terbuka di tab baru)

DeepSeek V4 Flash dikonfirmasi. Sebuah eksekusi independen dengan harness Ante cocok dengan 82,7% yang dilaporkan DeepSeek pada Terminal-Bench 2.1. Pengguna juga menjalankan versi terkuantisasi secara lokal pada pengaturan CPU+GPU dengan RAM 128 GB.

• DeepSeek V4 Flash 0731 hits 82.7% on Terminal-Bench 2.1 in an independent public-harness run (445 trials)(terbuka di tab baru)
• DeepSeek v4 Flash 0731 locally on CPU(terbuka di tab baru)

Model video terbuka MiniMax H3. MiniMax merilis bobot terbuka untuk H3, model video omni-modal yang menghasilkan klip 2K dengan audio stereo tersinkron. Menjalankannya secara lokal di GPU konsumen lambat, tetapi kualitasnya kompetitif dengan sistem proprietary.

• Open-weight video gen that actually delivers. Five days with MiniMax H3 on local hardware.(terbuka di tab baru)

DiffusionGemma dari Google. Google DeepMind mengubah Gemma 4 menjadi model difusi teks yang menghasilkan teks dalam blok paralel 256 token, mencapai ~1.500 tok/s pada H100 dengan menggunakan kurang dari 10% anggaran pelatihan asli.

• Google's DiffusionGemma proves you don't need to train from scratch to build a text diffusion model(terbuka di tab baru)

Prediksi siklon WeatherNext. WeatherNext Cyclones (WN-C) dari Google memprediksi jalur dan intensitas siklon tropis satu hari lebih maju daripada model terkemuka, hanya menggunakan data kasar. Layanan ini telah tersedia di Google Weather Lab sejak Juni 2025.

• Open Model: Google Weather Next 2(terbuka di tab baru)
• Google Deepmind's WeatherNext predicts cyclone tracks and intensity at the same time(terbuka di tab baru)

VLX-Seek untuk visi embodied. Model sumber terbuka 10B VLX-Seek-1.5 membayangkan ulang penjangkaran visual sebagai pengambilan dan referensi wilayah, membuatnya lebih andal untuk drone, robot, dan pengawasan di mana objek yang tidak ada tidak boleh dihalusinasi.

• omlab/VLX-Seek-1.5-10B · Hugging Face(terbuka di tab baru)

Distilasi pelestari geometri. Riset baru menunjukkan bahwa distilasi sadar kuantisasi standar dapat merusak representasi internal bahkan ketika keluaran cocok. Regularizer berpanduan CKA (CKA-QAD) melestarikan geometri internal dan meningkatkan kinerja penalaran dan pengodean.

• [2606.05682] Beyond Output Matching: Preserving Internal Geometry in NVFP4 LLM Distillation(terbuka di tab baru)

Tolok ukur optimasi harness. HarnessOpt-Bench mengevaluasi seberapa baik LLM dapat secara otomatis meningkatkan harness agen (prompt, alat, alur kontrol) dengan anggaran evaluasi tetap, dengan lingkungan eksekusi tepercaya yang memastikan reproduksibilitas.

• HarnessOpt-Bench: Evaluating LLMs at Harness Optimization(terbuka di tab baru)

Kuantisasi rotasi tanpa pelatihan. KLQ memperkenalkan pendekatan rotasi terukur yang mengalahkan SpinQuant dan mendekati ReSpinQuant pada kuantisasi 4-bit tanpa pelatihan, dengan meratakan geometri ruang embedding yang tidak merata.

• KLQ: Training-free measured rotation quantization. Beats all training-free rotation-based quantization methods on W4A4KV4-bits. Llama 3.2 1B KLQ-quantized beats SpinQuant and gets close to ReSpinQuant without GPTQ/LDLQ rounding.(terbuka di tab baru)

Dekode spekulatif untuk alat. Sebuah makalah baru mengusulkan dekode spekulatif khusus untuk urutan pemanggilan alat, mempercepat alur kerja agen dengan memprediksi keluaran alat bersama token model.

• Speculative decoding in a tools call(terbuka di tab baru)

Kekhawatiran biaya agen AI. Survei KPMG menemukan bahwa hampir setengah eksekutif menarik kembali penerapan agen AI karena biaya, menandakan kemungkinan pendinginan dalam adopsi perusahaan.

• KPMG Says Nearly Half Of Executives Pulled Back AI Agents Over Cost(terbuka di tab baru)

Google merestrukturisasi DeepMind. Google memusatkan pengembangan AI dengan salah satu pendiri Sergey Brin mengambil peran lebih besar, sementara Demis Hassabis mungkin keluar dan DeepMind kehilangan independensi operasionalnya.

• Google dismantles Deepmind and bets on a fresh start as Hassabis heads for the exit(terbuka di tab baru)
• The Sequence Radar - Issue 910: Last Week in AI: Google Rewires Its Brain and Meta Hires a Coding Swarm(terbuka di tab baru)

GitHub Models ditutup. GitHub menghentikan taman bermain LLM gratis dan API terpadunya, kemungkinan karena penggunaan agen pengodean membuat biaya token bersubsidi tidak berkelanjutan.

• GitHub Models is now retired(terbuka di tab baru)

Dana lindung nilai bertaruh pada chip. Dana lindung nilai yang berfokus pada AI, Situational Awareness, menginvestasikan $400 juta di startup chip Source Foundry, meskipun mengalami kerugian portofolio baru-baru ini, menandakan keyakinan berkelanjutan pada perangkat keras AI.

• Embattled hedge fund Situational Awareness invests $400M in chip startup Source Foundry(terbuka di tab baru)

Kemenangan perangkat keras inferensi lokal. Anggota komunitas melaporkan peningkatan kinerja yang signifikan: iGPU Radeon 780M menjalankan Qwen 35B pada 21 tok/s, sebuah tambalan menggandakan panjang konteks untuk ROCm pada pengaturan multi-GPU, dan rakitan 4x3090 menyamai satu RTX 6000 dengan seperempat biaya.

• Underestimated budget solution: radeon 780m iGPU(terbuka di tab baru)
• AMD llama.cpp: reducing MTP buffer overhead gave me 64K → 149K context for Qwen 27B(terbuka di tab baru)
• Running Qwen 3.5 35B A3B-Q8_0 gguf on a cheap radeon 7600 at 18 token/s(terbuka di tab baru)
• Optimal Configuration for 4x3090s(terbuka di tab baru)

Meja kerja riset Lophius. Lophius adalah sistem kode/GUI hibrida baru untuk riset LLM yang berjalan di dalam notebook Jupyter, menangani inspeksi model, manajemen prompt, dan inferensi dengan manajemen memori GPU yang cerdas.

• Lophius: A workbench for language model research, from the creator of Heretic(terbuka di tab baru)

Percepatan model Ling di DGX Spark. Dua bendera konfigurasi (menonaktifkan eksekusi eager dan mengaktifkan dekode spekulatif MTP) menggandakan kecepatan inferensi untuk Ling-3.0-flash INT4 pada satu DGX Spark, dari 20,8 menjadi 38,7 tok/s.

• Two flags took the official Ling-3.0-flash INT4 from 20.8 to 38.7 tok/s on one DGX Spark(terbuka di tab baru)