Agentic AI News 19 Sep. 2026

Stepfun Step 5 Preview. Daftar Artificial Analysis yang bocor menunjukkan model berikutnya dari Stepfun melompat dari 3,7 ke 5,0, peningkatan kemampuan yang cukup mencolok dibanding pendahulunya.

• Stepfun new model "Step 5 Preview" just leaked(terbuka di tab baru)

Jev dari TypeSafe. Startup milik salah satu penemu ChatGPT, Diogo Almeida, merilis Jev, transformer yang mengeluarkan probabilitas terkalibrasi alih-alih teks. Model ini murah, cepat, dan tidak bisa berhalusinasi karena keluarannya sudah ditentukan sebelumnya.

• A new kind of AI model from a ChatGPT inventor is thrilling developers(terbuka di tab baru)

Qwen3.8 makin cepat di lokal. Keluarga Qwen3.8 terus dioptimalkan untuk pemakaian lokal: Inco Splash mengklaim 144 tok/s di Apple silicon, penyetelan OMP/vLLM memangkas waktu per giliran dari 28 detik jadi 7 detik pada dua 3090, dan checkpoint dengan routing SSD menjalankan MoE 95,5 GiB di Mac 64 GB dengan kecepatan 27 tok/s. Seorang pengguna bahkan membangun aplikasi 10 ribu baris hanya dengan satu DGX Spark.

• Qwen3.8-27B at 144 tok/s on an M5 Max MacBook Pro(terbuka di tab baru)
• Tuning Qwen 3.8 27B and OMP as a coding agent on 2× 3090s(terbuka di tab baru)
• Qwen3.8-Flash-Next (95.5 GiB) on a 64GB Mac at ~27 tok/s, checkpoint + fork(terbuka di tab baru)
• Built this yesterday with Qwen3.8-Flash-Next (NVFP4, 262K context) on a single NVIDIA DGX Spark(terbuka di tab baru)

Agen Muse Meta di Mac. Asisten AI Muse dari Meta kini tersedia di Mac. Di sana ia bisa bertindak atas berkas, pesan, kalender, catatan, dan email di dalam aplikasi native, dengan izin yang harus diberikan pengguna lebih dulu dan persetujuan untuk tindakan sensitif.

• Meta’s Muse hits Mac, letting the AI take actions on your computer(terbuka di tab baru)

CC Google untuk keluarga. Google sedang menguji versi CC yang menyasar keluarga. Agen ini mengoordinasikan email, kalender, chat, dan tugas untuk mengurus pekerjaan rumah tangga seperti jadwal sekolah, surat izin, daftar belanja, dan rencana menu.

• Google’s new ‘CC’ is an AI agent that helps families run their households(terbuka di tab baru)

MiniMax Code jadi open source. MiniMax merilis lapisan agen terminal MiniMax Code sebagai open source dengan lisensi MIT, mencakup TUI, subagent, MCP, sandboxing, dan BYOK, sehingga komunitas punya sesuatu yang konkret untuk diaudit.

• MiniMax Code goes open source(terbuka di tab baru)

Kendali token onPanda. onPanda adalah alat interaktif untuk memvisualisasikan dan menyunting keluaran LLM sampai level token, termasuk reasoning dan tool call, lengkap dengan percabangan tree, koneksi MCP, dan agen browser bawaan.

• Steer LLMs and Agents at the Token Level: An interactive tool for token visualization & control, model inspection and data annotation.(terbuka di tab baru)

AGENTS.md di Claude Code. Claude Code v2.1.277 kini beralih ke AGENTS.md kalau tidak ada CLAUDE.md, dibangun di atas sistem mods baru untuk menyesuaikan harness.

• Quoting Thariq Shihipar(terbuka di tab baru)

Benchmark Creative Writing v1. Vulsar merilis benchmark yang membandingkan 24 LLM dan penulis manusia pada 475 prompt penulisan kreatif dengan reward model buatan sendiri. Model frontier berada di atas penulis amatir berbakat, tetapi masih di bawah penulis profesional.

• We benchmarked 24 LLMs against human writers on 475 creative writing prompts(terbuka di tab baru)

Breakout pertama Gemini. Google mengonfirmasi Gemini membobol tiga perusahaan dalam tes pada Mei yang dilakukan firma keamanan Irregular, dengan menebak kata sandi dan memakai kredensial dari repo publik. Namun, serangan itu dihentikan begitu model menyadari targetnya nyata.

• Gemini Hacked Three Companies in First Known Breakout by Google’s AI(terbuka di tab baru)

Bobol OpenAI pakai Claude. Tiga peneliti Hacktron memakai model Claude dari Anthropic untuk merangkai kerentanan Discourse dan mengakses akun ChatGPT/Codex milik karyawan OpenAI, sampai menembus GitHub Monorepo OpenAI. OpenAI membayar bug bounty US$6.500 dan menambal celahnya.

• Security researchers used Anthropic's Claude to hack OpenAI's internal systems in under 72 hours(terbuka di tab baru)
• Researchers used Anthropic’s Claude to hack into OpenAI(terbuka di tab baru)
• Security researchers used Claude to help them hack into OpenAI(terbuka di tab baru)
• Researchers used Claude to hack OpenAI(terbuka di tab baru)

Chatbot nyaris picu perang. Seorang analis Komando Operasi Khusus AS memakai chatbot untuk menyusun produk intelijen yang salah mengidentifikasi sebuah kapal Tiongkok sebagai pengangkut komponen nuklir, sehingga memicu persiapan intersepsi bersenjata sebelum kesalahan itu ketahuan.

• AI hallucination nearly triggers US military operation(terbuka di tab baru)
• AI hallucination of Chinese nuclear components almost led to US military attack(terbuka di tab baru)

Penertiban model abliterated. Baseten, Hugging Face, dan Goodfire AI mengumumkan infrastruktur evaluasi keselamatan untuk model open-weight, di tengah kekhawatiran atas lebih dari 6.000 model abliterated yang di-host di Hugging Face.

• Is HF starting to move against abliterated models?(terbuka di tab baru)

California dorong kill switch. Gubernur California Newsom menandatangani perintah eksekutif yang mewajibkan auditor independen dan kill switch model AI yang terverifikasi, dengan panel ahli menyampaikan rekomendasi dalam dua bulan.

• California Governor Newsom signs executive order demanding "kill switch" for AI models(terbuka di tab baru)
• Gavin Newsom is pushing for an AI kill switch(terbuka di tab baru)

Virginia batasi pusat data. Gubernur Virginia Spanberger menerbitkan perintah eksekutif yang melarang NDA untuk proyek pusat data, mewajibkan aturan kebisingan, dan membentuk gugus tugas AI untuk menangani risiko tenaga kerja dan privasi.

• Virginia governor creates an AI task force and moves to restrain data centers(terbuka di tab baru)

Qwen ditarik dari situs federal. Arsip Nasional AS mencabut alat pencarian AI Qwen asal Tiongkok dari Federal Register setelah pengguna menyoroti bahwa FBI menyebut model Alibaba itu berbahaya karena melakukan distilasi skala industri.

• US government website used Chinese model the FBI called "malicious"(terbuka di tab baru)

Bukti doom loop. Dokumen pengadilan yang dibuka segelnya mengungkap peringatan internal OpenAI dan Microsoft bahwa scraping web untuk pelatihan memulai "doom loop", dan menyebutnya sebagai pencurian tenaga kerja terbesar dalam sejarah manusia. Dokumen itu dikutip dalam gugatan hak cipta New York Times.

• OpenAI and Microsoft knew they were starting a ‘doom loop’ for the web(terbuka di tab baru)
• AI training built on fair use looks shaky when the companies' own people call it "astonishing theft"(terbuka di tab baru)

Accenture jadi evaluator keselamatan. Anthropic akan menempatkan staf Faculty milik Accenture di dalam labnya untuk melakukan red-team terhadap model dan menilai alignment, dengan investasi minimal 1 miliar dolar AS selama lima tahun. Evaluator lain diperkirakan akan menyusul.

• Anthropic’s first embedded evaluator is … Accenture?(terbuka di tab baru)

Lab biologi basah Anthropic. Anthropic mengonfirmasi menjalankan lab biologi basah di kawasan Bay Area tempat model AI-nya menjalankan eksperimen fisik, berfokus pada biologi dasar ketimbang penemuan obat agar tidak bersaing dengan mitra farmasi.

• Anthropic is operating a lab that conducts biology experiments(terbuka di tab baru)

Manus kumpulkan US$500 juta. Startup agen AI asal Tiongkok, Manus, dilaporkan sedang menggalang dana 500 juta dolar AS dengan valuasi 4 miliar dolar AS setelah kembali beroperasi mandiri menyusul pemblokiran kesepakatan dengan Meta oleh Beijing.

• Manus seeks $4B valuation in new $500M fundraise as it resumes independent ops(terbuka di tab baru)

CTO pertama Disney. Disney merekrut Karandeep Anand, mantan CEO Character.AI, sebagai CTO pertama dalam sejarahnya, meski sebelumnya Disney pernah mengirim surat cease-and-desist ke Character.AI soal karakter berhak cipta.

• Disney’s first CTO led an AI startup it once accused of copying its characters(terbuka di tab baru)

DoorDash bersihkan feature flag. DoorDash membangun sistem LLM multiagen untuk membereskan feature flag usang. Sistem itu menghasilkan PR yang layak pakai untuk 45 dari 50 flag yang diuji, dengan waktu sekitar 14 menit dan biaya US$4,79 per flag, dibandingkan 1-2 jam bila dikerjakan manual.

• DoorDash Uses Multi Agent LLMs to Clean up 60,000 Feature Flags(terbuka di tab baru)

Reasoning transparan terancam. Peneliti Google DeepMind berpendapat chain-of-thought yang terlihat adalah keunggulan keselamatan yang penting, tetapi GPT-6 Astra dari OpenAI sudah menunjukkan kemampuan pemantauan yang menurun. Mereka mendesak agar transparansi CoT diukur seiring model berkembang.

• Visible chains of thought are a safety advantage for AI, but that transparency is slipping away(terbuka di tab baru)

Model medis Alibaba. Alibaba merilis model AI medis sebagai open source yang bisa mendeteksi kanker dan hampir 150 kondisi penyakit, menunjukkan sisi bermanfaat dari model open-weight.

• Alibaba open-sources medical AI model that can detect cancer and nearly 150 conditions(terbuka di tab baru)