Agentic AI News Hari ini

Model audio-bahasa Sori-1B. Model berparameter 1B yang dilatih dari nol pada teks berpasangan audio, tanpa prapelatihan yang hanya menggunakan teks, bertujuan untuk mendasarkan jawaban pada audio. Model ini menggunakan encoder Audio Flamingo Next beku milik NVIDIA dan tokenizer ontologi-auditori kustom, serta dirilis di bawah lisensi nonkomersial/akademis.

• → snkii/Sori-1B: Audio-Grounded LM Trained From Scratch (No Text-Only Pretraining)

Gelombang Qwen3.8 lokal. Laporan komunitas menunjukkan Qwen3.8-27B dan Flash Next berjalan di berbagai perangkat, dari ponsel 12GB (3,5 tok/s) hingga empat GPU R9700 (generasi 80-120 t/s, konteks 700k). Pada beban kerja agen lokal, Flash Next lebih cepat dan andal secara mekanis, sedangkan 27B dense tetap lebih kuat untuk penggunaan multi-turn yang berkelanjutan; sebagian pengguna menganggap modelnya 'dense', meskipun kualitas terjemahan bahasa Jerman dipuji.

• → Qwen3.8-Flash-Next-NVFP4 vs Qwen3.8-27B-FP Test Results
• → Qwen 3.8 27B - Fantastic German capabilities
• → Unpopular opinion Qwen 3.8 is hard to understand
• → Qwen 3.8 Flash Next locally on simple mobile phone at 3.5 tok/s
• → Here my pretty good qwen3.8 27B setup, hope it helps
• → Qwen3.8-Flash-Next turns 4xR9700 into a local AI powerhouse! 120 t/s TG and 12k t/s PP single request with optimized vLLM

Rilis GGUF tanpa sensor. Seorang pengguna Reddit menerbitkan GGUF dari LongCat-Flash-Lite-Sparse, model sparse-attention 69B-A3B dengan konteks 1M, ditambah Qwen3.8-27B dengan MTP, Qwen3.5-122B-A10B, Qwen3-Coder-Next, dan model visi. Dukungan LongCat memerlukan fork llama.cpp kustom.

• → Uncensored Multi-Model Releases, LongCat-Flash-Lite-Sparse with MTPs and LSAs, Qwen3.8-27B with MTPs, Qwen3.5-122B-A10B with MTPs, Qwen3-Coder-Next and Laguna-S2.1 with Vision, All Available in GGUF Format! Bonus: Links to my llama.cpp Fork for LongCat-Flash-Lite Support and J-Wash Enhanced Fork!

Hardware AI desktop. Desktop DGX Station dari NVIDIA memberikan performa kelas pusat data dengan bandwidth memori 7,1 TB/s, sementara Framework tampaknya menyiapkan motherboard memori 192GB yang diperkirakan sekitar US$4.500.

• → NVIDIA® DGX Station™ Delivering Data-Center-Class Performance from the Desktop
• → It's official! 192GB Framework

Benchmark pentest LLM. Sebuah benchmark baru menguji LLM terhadap infrastruktur berjalan yang harus mereka serang, dengan tujuan mengidentifikasi model terbaik untuk pekerjaan keamanan ofensif alih-alih mereproduksi CVE yang sudah diketahui.

• → Which LLM is actually best at pentesting? benchmark to find out

Indeks benchmark coding. Seorang pengguna Reddit menghimpun benchmark agentic coding utama ke dalam 'Agentic Coding Index' dan menghitung metrik kepadatan kecerdasan untuk membandingkan kemampuan model per parameter.

• → I collected every single LLM coding benchmark, and computed their Intelligence Density

Eval egosentris VLM terbuka. Dengan menggunakan HFlow pada benchmark video egosentris, VLM Gemma terbuka menyamai Gemini 2.5 Flash dalam metrik visibilitas tangan dan manipulasi, sekaligus 19x lebih murah, sehingga menjadikan pemrosesan self-hosted pribadi layak.

• → We used HFlow to evaluate the latest open weights VLMs for processing egocentric data

Cloudflare AI Search. AI Search dari Cloudflare kini menawarkan pipeline pencarian end-to-end untuk data kustom, dengan integrasi agen, pencarian multimodal, dan mode discover yang dapat mengindeks situs tanpa sitemap.

• → Cloudflare Extends AI Search to Make it Easier for Agents and Developers to Search Custom Data

AWS Kiro Crew. AWS merilis Kiro Crew sebagai open source, sebuah ruang kerja untuk menjalankan banyak agen coding asinkron dengan memori bersama, keterampilan yang dapat digunakan ulang, dan pekerjaan terjadwal; produk ini telah digunakan secara internal oleh lebih dari 39.000 pengembang.

• → AWS Open Sources Kiro Crew for Asynchronous Coding Agents

Penjelasan ChatGPT Work. ChatGPT Work dari OpenAI, tersedia di paket berbayar, hadir dalam versi cloud melalui chatgpt.com dan versi desktop lokal yang dapat mengakses file dan menjalankan program, namun batas antara ChatGPT Work dan Chat tetap membingungkan.

• → Understanding ChatGPT Work

Pemotongan limit Claude Code. Anthropic akan menaikkan limit dasar Claude Code sebesar 25%, tetapi ini sebenarnya pemotongan efektif 17% dibandingkan peningkatan sementara 50% yang berlaku saat ini. Anthropic juga menambahkan alat pelaporan bug otomatis.

• → Anthropic's Claude Code limit change is a raise on paper but a cut in practice

Agen kurang sadar waktu. Sebuah studi menemukan bahwa Claude Code dan Codex secara konsisten salah memperkirakan durasi tugas, melebih-lebihkan tugas pendek hingga 3-10x, yang menjadi masalah untuk pekerjaan agen berdurasi panjang.

• → AI agents have no sense of time and are not aware of it

PILOT peningkatan diri real-time. PILOT adalah harness supervisor-worker yang menambahkan pengarahan langsung dan evolusi diri langsung untuk agen jangka panjang, mengungguli harness lain hingga 9,8 poin di Terminal-Bench 2.0.

• → PILOT in the Loop: Live Self-Improvement for Long-Horizon Agents

GameWAM model aksi-dunia. GameWAM adalah model aksi-dunia pertama untuk gameplay video native, yang secara bersama menghasilkan frame masa depan dan aksi keyboard-mouse melalui flow matching, dengan kontrol siklus blok jangka panjang.

• → GameWAM: A World Action Model for Video Games

RL next-chunk vs SFT. Sebuah studi terkontrol menunjukkan bahwa Mixed SFT pada data no-CoT dan long-CoT mengalahkan RL penalaran next-chunk sebagai strategi pelatihan pra-RLVR, dengan kebutuhan komputasi lebih dari 60x lebih rendah.

• → Is Next-Chunk Reasoning RL Really Better than SFT? Revisiting Training Strategies under no-CoT Data

Debat agensi AI. Mengutip Insiden Hugging Face pada bulan Juli, sebuah esai berargumen bahwa agensi AI—bukan sekadar kemampuan—akan membentuk hasil, dan cara pengguna memberikan atau membatasi agensi tersebut sangat menentukan.

• → Agency and Agents

NVIDIA akuisisi Hugging Face. Kesepakatan senilai US$12,9 miliar untuk NVIDIA mengakuisisi Hugging Face akan menggabungkan infrastruktur komputasi dengan pusat distribusi utama ekosistem model terbuka, mempercepat peralihan AI ke industri.

• → The Sequence Radar-Issue #923: Last Week in AI: AI’s Industrial Turn

Hambatan dagang robot AS. Washington telah memperketat pembatasan dan tarif pada drone dan robot asal China, dengan alasan keamanan nasional, meskipun skala manufaktur dan keunggulan biaya China dapat meredam dampaknya secara global.

• → The U.S. is building barriers around drones and robots, but China has scale to get around them

Adopsi AI industri. Meta sedang menguji robot dari Watney, Kinova, dan ABB untuk reset server, penggantian kabel, dan power cycling di pusat data; Caterpillar menerapkan pelajaran otonomi pertambangan ke konstruksi dan menggunakan asisten AI untuk teknisi.

• → Inside Meta’s push to put robots to work in data centers
• → Caterpillar is bringing to AI deployment what it learned from automating mining

Komponen turbin internal Musk. SpaceX sedang membangun pabrik pengecoran untuk bilah dan sudu turbin gas; Musk mengatakan pengecoran internal dapat mempercepat pembangkit listrik gas alam untuk pusat data AI hingga 18 bulan.

• → Musk’s faster path to more gas turbines comes with pollution problem

Penurunan sentimen pekerja terhadap AI. Data Glassdoor menunjukkan sentimen positif pekerja AS terhadap AI turun dari 81% pada 2019 menjadi 43% pada pertengahan 2026; para manajer paling optimis, sementara perempuan Gen Z, penulis, dan pekerja asuransi paling negatif.

• → AI sentiment is turning sour as employee reviews reveal growing frustration across the workforce

Penerbit musik gugat Anthropic. Sony Music, Warner Music, dan lainnya menuduh Anthropic secara ilegal mengunduh lewat torrent puluhan ribu lirik berhak cipta untuk melatih Claude, dengan menyebut nama CEO Dario Amodei dan salah satu pendiri Benjamin Mann secara pribadi.

• → Sony and Warner sue Anthropic over "one of the largest and most blatant ongoing thefts of intellectual property in history"

Texas blokir kamera Flock. Gubernur Abbott membekukan pengeluaran negara untuk kamera pengawas AI Flock setelah lebih dari US$30 juta dihabiskan, di tengah kekhawatiran privasi bipartisan dan insiden penyalahgunaan oleh petugas.

• → Texas Governor Abbott blocks funding for more Flock cameras