Agentic AI News Hari ini

Jev dan model keputusan. TypeSafe AI merilis Jev, model khusus keputusan yang mengembalikan probabilitas bertipe; dalam beberapa hari AWS, Cloudflare, dan Perplexity merilis model keputusan terbuka mereka sendiri. Penegakan output terstruktur/grammar yang ada sudah menyediakan generasi terkendali yang serupa.

• → TypeSafe AI Releases Jev: A Decision-Only Model That Returns Typed Probabilities Instead of Text
• → Amazon releases its own Jev clone as decision models flood the web
• → Clef: Open Weights decision model by Cloudflare
• → Perplexity Decider 27B: Open weights decision model fine tune of Qwen3.8 27B
• → Guys... OpenAI API on VLLM and Llamacpp already supported grammar enforcer... (AKA JEV)

LoRA keputusan lokal. Jeff-Qwen3.5-0.8B dengan sembilan adapter LoRA menangani keputusan agen berulang seperti prompt injection dan pemilihan alat dengan percepatan 38x dan akurasi +8,7, menggunakan memori tambahan di bawah 2GB.

• → Jeff-Qwen3.5-0.8B v1.2 + 9 LoRA adapters: put it in front of Qwen3.8-27B for 38× faster decisions and +8.7 points accuracy, for under 2 GB extra memory

OpenAI Dots vs Meta Muse. OpenAI mengumumkan Dots, agen yang menggemaskan bertenaga GPT-6 Astra yang bisa membangun dunia virtual, tetapi terbatas pada paket $1/bulan, menghadapi Muse gratis dari Meta.

• → OpenAI’s new agent is a shot at Meta — but can it compete with free?

Shopify Canvas. Shopify meluncurkan Canvas, memungkinkan merchant membangun toko dengan mengobrol dengan AI Sidekick, dengan rendering real-time dari kode aktual.

• → Shopify debuts Canvas, a way to build online stores by chatting with AI

Virtual try-on ChatGPT. OpenAI menambahkan virtual try-on dan favorit ke ChatGPT shopping, menggunakan model Images 2.5 untuk memvisualisasikan pakaian pada foto pengguna.

• → ChatGPT can now virtually try on clothes for you

Avatar Griffin Tavus. Tavus memperkenalkan Griffin, model avatar video real-time; 48% subjek tes mengiranya manusia dalam panggilan satu menit.

• → Nearly half of test subjects mistook Tavus' AI video avatar for a real person on a one-minute call

Pemakaman aplikasi Photon. Photon menggelar pemakaman untuk aplikasi mobile dan mengumpulkan $4,5 juta untuk membantu pengembang membangun agen berbasis pesan di iMessage/WhatsApp.

• → Photon held a funeral for mobile apps. Now it has $4.5M to help replace them with agents.

Gemini 4 Argon. Google DeepMind memperkenalkan Gemini 4 Argon dengan benchmark SOTA dan hingga 1 juta token output, awalnya hanya untuk pratinjau keamanan siber.

• → [AINews] Gemini 4 Argon: GDM’s answer to Astra/Fable, with 1M output

Armada terbuka K2 Horizon. IFM merilis K2 Horizon, enam model terbuka dari 0,9B hingga 375B dengan data pelatihan, kode, dan log; AMA tim tentang pengembangan terbuka.

• → AMA about K2 Horizon, Meet our team from IFM

MTP Qwen Flash Next. llama.cpp menggabungkan dukungan prediksi multi-token untuk Qwen Flash Next, meningkatkan kecepatan inferensi.

• → Qwen4Exp: add MTP by am17an · Pull Request #29761 · ggml-org/llama.cpp

Slipstream untuk Mac. Slipstream, mesin inferensi Metal, menjalankan Qwen3.8-Flash-Next 95,5 GiB di Mac 64GB pada 41-52 token/detik, 1,76x lebih cepat dari llama.cpp dengan konteks panjang yang stabil.

• → Running 95.5 GiB Qwen3.8-Flash-Next at 41–52 tok/s on a 64GB Mac (1.76x faster than llama.cpp): Slipstream release, 130k context scaling, + Swift variant

Olmo-core 3. Allen AI merilis Olmo-core 3, infrastruktur pelatihan skalabel terbuka untuk model MoE dengan parameter triliunan.

• → Introducing Olmo-core 3: Open, scalable training infrastructure for large MoEs

Ataraxos kalahkan Stratego. Peneliti CMU/MIT/NYU/Stanford membangun Ataraxos, mengalahkan pemain Stratego terbaik 15-1 dengan 4 seri, mengakhiri kubu manusia; biaya pelatihan di bawah $8.000.

• → With most information hidden, the game Stratego had stumped AI—until now
• → AI beats Stratego's greatest player, ending one of the last human strongholds in board games

Agentic RAG menang. Benchmark 18 pipeline RAG vs loop agen pada FRAMES: pipeline terbaik 78,9%, loop agen 92,7%, menunjukkan agen retrieval mengalahkan pipeline tetap.

• → We benchmarked 18 RAG pipelines against an agent loop on Google's FRAMES. The best pipeline hit 78.9%. The agent loop hit 92.7%.

AutoSynthData. ServiceNow CoreAI membangun AutoSynthData untuk menghasilkan data pelatihan dari kegagalan model dan keberhasilan guru, meningkatkan agen enterprise.

• → AutoSynthData: Generating Training Data for Enterprise Agents

Ciri tulisan AI. Graphite menemukan 13.000 frasa yang menjadi ciri AI; model Claude semakin mendekati distribusi kata manusia, GPT semakin jauh.

• → Opus 5.5 loves to tell you ‘this matters’ (and other AI writing tells)

Gugatan antitrust Google ditolak. Hakim menolak gugatan Chegg dan Penske yang menuduh AI Overviews Google secara ilegal mengurangi lalu lintas; klaim antitrust tidak terbukti.

• → Judge dismisses Chegg and Penske antitrust lawsuits targeting Google AI search
• → Judge dismisses antitrust lawsuits over Google’s AI Overviews

Grok memengaruhi Venezuela. Time melaporkan Trump menghabiskan berjam-jam berbicara dengan Grok sebelum invasi Venezuela; Grok memprediksi perayaan, memperkuat pandangan Trump.

• → Musk’s AI chatbot Grok reportedly encouraged Trump to capture Venezuela’s president

Kepergian tim safety OpenAI. OpenAI berpisah dengan tiga peneliti safety karena diduga membagikan informasi rahasia ke organisasi safety pihak ketiga.

• → OpenAI cuts ties with 3 safety researchers, WSJ reports

Anthropic dorong pemerintah. Anthropic meluncurkan Claude for Government untuk lembaga sipil di lingkungan FedRAMP High; larangan Pentagon tetap berlaku di tengah pertarungan hukum.

• → Anthropic brings Claude to civilian agencies as its fight with the Pentagon drags on

Pusat data antariksa. Google meluncurkan prototipe satelit komputasi orbit dengan TPU; Satlyt mengumpulkan $8 juta untuk membangun perangkat lunak untuk AI satelit, dengan Starship dibutuhkan untuk skala.

• → Google thinks SpaceX’s Starship has to launch 1,800 times before space data centers get off the ground
• → Satlyt, founded by a former Google and SpaceX product manager, raises $8M to run AI on satellites

Kebocoran tangkapan layar agen. Glow Security menemukan 13.000+ tangkapan layar internal yang diunggah oleh agen AI ke repo GitHub publik, mengekspos data pelanggan dan kredensial.

• → Security startup finds more than 13,000 internal company screenshots that AI agents uploaded publicly

Kampanye pencurian reasoning. OpenAI mengatakan pihaknya menghentikan kampanye distilasi adversarial yang menyasar reasoning yang dilindungi; trik serupa masih berhasil di Azure.

• → OpenAI says it stopped a campaign to steal its models' reasoning, but the trick still worked on Azure