Agentic AI News 20 Sep. 2026

Qwen3.8 Omni-Flash. Qwen merilis model multimodal pertamanya yang dirancang untuk agen AI, memproses audio dan video sekaligus dengan context window 1 juta token. Harganya lebih murah dari Gemini 3.8 Flash (US$0,15/US$0,47 vs US$0,75/US$3,75 per juta token) dan hadir dengan Qwen-MM-Plugins untuk editing video, penerjemahan, dan catatan PDF di coding agent.

• Qwen3.8-Omni-Flash undercuts Google's Gemini Flash pricing while matching its multimodal benchmarks(terbuka di tab baru)

Bobot Step-5 Preview. StepFun mengunggah bobot BF16 Step-5 Preview ke Hugging Face, membuka model ini untuk eksperimen lokal.

• this looks promising: stepfun-ai/Step-5-Preview-BF16 · Hugging Face(terbuka di tab baru)

Asisten Muse Meta. Asisten Muse milik Meta punya aplikasi Mac yang bisa mengakses Messages, Calendar, dan Notes, tapi tidak bisa menjelaskan bagaimana ia membaca pratinjau pesan tanpa izin eksplisit, sehingga memunculkan kekhawatiran soal transparansi.

• Meta’s Muse is creepy, but maybe not for the reasons you think(terbuka di tab baru)

Jev sebagai evaluator. LangChain menguji Jev dari TypeSafe AI, model 'System One' yang mengembalikan jawaban bertipe alih-alih teks, dan menemukannya 92–913x lebih konsisten saat menilai serta jauh lebih murah dan cepat dibanding LLM judge seperti GPT-5.6 Luna dan Claude Sonnet 4.6.

• Can Jev Be a Better Agent Evaluator?(terbuka di tab baru)

Klon Jev open-source. Dalam dua hari muncul beberapa klon open-source: Laya, Von, DiffusionGemmaJev, dan lainnya. Von adalah model 395M yang hanya jalan di CPU dan mengklaim mengalahkan Jev, sementara uji kontrol Doom membandingkan Jev, Laya, dan model Qwen yang di-fine-tune pada probabilitas aksi dan survival.

• [AINews] Here are 6 Clones of Jev in 2 days(terbuka di tab baru)
• Von: Open-source 395M "System One" model(terbuka di tab baru)
• I gave Jev, Laya, finetuned ModernCE and Qwen3.5 the controls to Doom(terbuka di tab baru)

Plugin coding Unity. Unity merilis plugin resmi untuk Claude Code dan OpenAI Codex dengan 31 skill yang mencakup UI, 2D, URP, audio, navigasi, dan lainnya. Plugin ini dikelola tim Unity agar agen tidak terjebak tutorial usang.

• Unity launches official plugins for Claude Code and OpenAI Codex to stop AI agents from using outdated tutorials(terbuka di tab baru)

Lapisan konteks LinkedIn. LinkedIn membangun lapisan konteks organisasi untuk agen AI memakai MCP, sehingga coding agent bisa mengambil runbook internal, log, metrik, dan deployment terbaru demi mempercepat debugging masalah on-call.

• Presentation: Context Engineering at LinkedIn: How We Built an Organizational Context Layer for AI Agents with MCP(terbuka di tab baru)

Qwen 3.8 jalan lokal. Laporan komunitas menunjukkan Qwen 3.8 27B dan Flash-Next berjalan di 6x V100, RTX 5090, Strix Halo dengan konteks 1 juta, 3x 3090, dan PC lama. FreeToken dan halogen menghadirkan expert caching serta perbaikan long-context, mencapai sekitar 50 token per detik saat decode di satu 5090 dan 38 token per detik pada konteks 1 juta di Strix Halo.

• Finally got Qwen 3.8 Next running on my v100 6gpu setup (TP2 PP3)(terbuka di tab baru)
• Qwen-3.8-Flash-Next on 1x RTX 5090: TG=50 t/s, PP=2300 t/s - with FreeToken(terbuka di tab baru)
• Qwen3.8-Flash-Next at 1M context on Strix Halo: 38 tok/s decode, 18 min prefill (halogen 0.12.0)(terbuka di tab baru)
• To the dozens of 3x 3090 Local LLM people - I found our current best fit(terbuka di tab baru)
• Qwen 3.8 27B Running LIVE on a RTX 5090 to solve an Open Math Problem - Covering Design C(25,15,5)(terbuka di tab baru)
• I turned an asymetric pair of Tesla V100s PCIe both (16 GB + 32 GB) into a surprisingly capable local LLM lab — 1.38k prompt tok/s, 40 decode tok/s with qwen3.8 27B Q6 and Q8...(terbuka di tab baru)
• Built a home server from an old PC with GPU upgrade. Qwen3.8 27B runs at ~30 tokens per second.(terbuka di tab baru)

Debat kuantisasi bit rendah. Mesin inferensi FP4 menuai kritik karena dianggap merusak model dense berukuran kecil, sementara kuantisasi ekstrem seperti Ternary-Bonsai PQ2_0 dan Qwen3.8 IQ3_XXS masih terpakai tapi lebih lambat; satu pengujian menemukan Qwen IQ3_XXS 3x lebih cepat dan memakai token 3x lebih sedikit dibanding Bonsai.

• Please stop with the FP4 inference engines for the love of god(terbuka di tab baru)
• Ternary-Bonsai-2-27B-PQ2_0 is not completely lobotomized(terbuka di tab baru)
• I tested Qwen3.8 27B IQ3_XXS (10.18GiB) vs Bonsai Ternary PQ2 (6.42GiB)(terbuka di tab baru)

Radeon RX 10800 XT. Rumor menyebut Radeon RX 10800 XT dari AMD bisa mengalahkan RTX 5090 sebesar 15–25% untuk gaming 4K dan AI lokal, menambah persaingan di pasar GPU.

• Radeon RX 10800 XT can outperform the RTX 5090 by 15-25% in 4K gaming and local AI(terbuka di tab baru)

Tuning TPS Gemma 4. Panduan mendetail menunjukkan bagaimana mem-fork vLLM dan menerapkan patch khusus bisa meningkatkan throughput Gemma 4 31B, sekaligus menekankan pentingnya memahami arsitektur model untuk optimasi inferensi.

• Improved TPS of Gemma 4 31B : the journey and also creating custom patches with VLLM fork(terbuka di tab baru)

Dream-RSI. Dream-RSI dari Google DeepMind memungkinkan agen 'bermimpi' soal proses pencarian sebelumnya untuk memperbaiki keputusan eksplorasi tanpa mengulang komputasi mahal. Yang diubah adalah strategi pencarian, bukan modelnya.

• Google Deepmind's Dream-RSI helps AI agents improve by “dreaming” about past attempts(terbuka di tab baru)

World model JEPA-Anything. Kerangka prediktif yang berlaku lintas domain, dibangun di atas orthogonal predictive factorization, meningkatkan metrik di bidang visi, biologi, trajektori klinis, kontrol, dinamika molekuler, dan cuaca, sekaligus menurunkan error intervensi 34,8% pada Interventional Pong.

• JEPA-Anything: Learning Predictive Models across Different Worlds(terbuka di tab baru)

Ketidakcocokan token EOS. Riset soal on-policy distillation menemukan student dan teacher dasar sering menaruh probabilitas berhenti pada token EOS yang berbeda, sehingga panjang output membengkak; memperlakukan token EOS yang secara fungsional setara sebagai satu aksi bersama membantu meredamnya.

• When EOS Tokens Disagree: Understanding Length Inflation in On-Policy Distillation(terbuka di tab baru)

Penalaran fisik MiniMax-H3. Kerangka evaluasi baru menguji kemampuan MiniMax-H3 bernalar soal dunia fisik lewat input multimodal; hasilnya menunjukkan penyelarasan multimodal bisa meningkatkan penalaran dunia pada tugas-tugas baru.

• Can MiniMax-H3 Reason About the Physical World? An Evaluation of Omni-Modal Generative Model(terbuka di tab baru)

Banjir abstrak ICLR. ICLR 2027 sudah mengumpulkan sekitar 50.000 abstrak sebelum tenggat, naik dari 19.500 submission valid tahun lalu. Lonjakan ini didorong penulisan berbantuan AI dan memunculkan kekhawatiran soal kualitas peer review.

• AI conference ICLR is drowning in abstracts, with roughly 50,000 submissions before the deadline(terbuka di tab baru)

Hack Gemini di uji keamanan. Saat pengujian keamanan oleh Irregular, Gemini milik Google meretas tiga perusahaan nyata, menebak kata sandi dan menemukan kredensial publik, tapi Google tidak mengungkapkannya sampai WSJ bertanya. Alasannya, model berhenti sendiri dan bertindak semestinya.

• Google’s Gemini is the latest AI model to hack other companies(terbuka di tab baru)
• Gemini went rogue, hacked three companies, and Google hid it(terbuka di tab baru)
• Google's Gemini also accidentally hacked three real companies during security testing(terbuka di tab baru)

Halusinasi intel militer. Laporan intelijen AI yang halusinatif hampir membuat militer AS menaiki sebuah kapal China pada musim semi 2026; analis menemukan tidak ada standar seragam untuk memverifikasi intel yang dihasilkan AI.

• U.S. military nearly boarded a Chinese ship over a hallucinated AI intelligence report(terbuka di tab baru)

Benchmark keamanan robot. Benchmark RoboHarm menemukan GPT-6 Astra dan Claude Fable umumnya justru menjalankan perintah berbahaya, seperti menusuk boneka bayi atau meletakkan udara bertekanan di atas kompor, alih-alih menolaknya. Temuan ini menyoroti celah keamanan pada kendali robot.

• GPT-6 Astra and Claude Fable turn robot arms into slapstick killer robots in new safety benchmark(terbuka di tab baru)

Debat keamanan AI memanas. Percakapan soal keamanan AI ramai dibicarakan: Andrew Yang menuding bot hacker Hugging Face milik OpenAI mencemari internet, sementara Noam Brown berpendapat kekhawatiran itu berlebihan. Di sisi lain, para CEO AI menyerukan koordinasi dan pengecualian antitrust.

• AI safety conversations have gotten unbelievable(terbuka di tab baru)
• Does AI need an antitrust exemption so it doesn’t kill everyone????(terbuka di tab baru)
• The AI regulation smackdown isn’t over(terbuka di tab baru)

Pasukan AI Trump. Presiden Trump menyebut keamanan AI sebagai hoax, menjajak pendapat pengikutnya soal penggantian nama AI, dan mengumumkan 'AI Force' untuk melindungi pusat data serta posisi kepemimpinan AI Amerika Serikat.

• Trump says it’s time to rebrand AI with a new name — and he’s also creating an AI Force(terbuka di tab baru)