Model Frontier & Riset
Pratinjau Mistral 1T. Mistral merilis API pratinjau publik untuk model mixture-of-experts 1,05 triliun parameter dengan 49 miliar parameter aktif, konteks 1 juta token, dan input gambar native. Bobot terbukanya dijanjikan rilis akhir Oktober. Model ini dilatih di 3.800 GPU di Eropa dan menonjol lewat skor keamanan siber yang kuat.
- Mistral AI Releases Mistral Large 4 (Le Chonk): A 1.05T Parameter Multimodal MoE Model(terbuka di tab baru)
- Introducing Mistral Large 4: Le chonk(terbuka di tab baru)
- Mistral’s new 1T model aims to leapfrog closed and open rivals(terbuka di tab baru)
- Mistral Large 4 is Europe's trillion-parameter answer to US models that refuse security work(terbuka di tab baru)
- Europe rejoins the fight with Chonky! Mistral Large 4 Released, Open weights end of month, who’s ready?(terbuka di tab baru)
- llm-mistral 0.16(terbuka di tab baru)
- Mistral Large 4(terbuka di tab baru)
- Mistral says "Le Chonk" can challenge the best AI models(terbuka di tab baru)
Beam dari Reflection. Reflection AI meluncurkan Beam, model mixture-of-experts 501 miliar parameter dengan 23 miliar parameter aktif per token, yang diarahkan untuk coding dan pekerjaan agentic. Lab itu mengklaim penalaran setara GPT-5.2 dengan komputasi inferensi 3-4 kali lebih rendah. Model ini kini masuk tahap akhir red-teaming dan masih bergaya daftar tunggu.
- Western open-source AI Reflection finally shows up(terbuka di tab baru)
- Reflection AI Introduces Beam: A 501B Open-Weight MoE Model With 23B Active Parameters for Coding and Agentic Workloads(terbuka di tab baru)
- Reflection debuts Beam, an open-weight AI model to rival Chinese models at lower compute cost(terbuka di tab baru)
Rilis matematika OpenAI. OpenAI menerbitkan ratusan hasil buatan AI yang diklaim menjawab masalah matematika terbuka, termasuk hasil quasi-Riemann Hypothesis. Para matematikawan menilai verifikasinya butuh bertahun-tahun, dan sejumlah makalah sudah ditarik.
- [AINews] Quasi-Riemann-Hypothesis: OpenAI publishes 722 math papers solving 90 of the top 500 open math problems; “the most significant moment” in >100 years of mathematics(terbuka di tab baru)
- Quoting Jake Boggan(terbuka di tab baru)
- OpenAI drops another batch of mathematical breakthroughs(terbuka di tab baru)
- Some mathematicians call for OpenAI boycott after AI-generated proofs flood their field(terbuka di tab baru)
- OpenAI’s math solutions aren’t meeting the field’s standards yet(terbuka di tab baru)
- ‘Pure insanity’: Mathematicians will need years to make sense of OpenAI’s latest drop(terbuka di tab baru)
- "How much beauty have we lost?" Mathematicians react with shock and disgust as OpenAI bulldozes their field(terbuka di tab baru)
Gelombang model keputusan. OpenAI meluncurkan Decisions API dengan GPT-6 Luna, lalu alternatif terbuka menyusul dari Liquid AI, Microsoft, Laya, Nace AI, dan lain-lain. Model-model ini mengembalikan jawaban ya/tidak, pilihan, atau skor yang terkalibrasi tanpa menghasilkan teks, dan menyasar routing, klasifikasi, serta kendali agen.
- llm-openai-decisions 0.1a0(terbuka di tab baru)
- Liquid AI Releases Open-Weight d1-3B and d1-omni-600M: Multimodal Decision Models With Zero Output Tokens(terbuka di tab baru)
- Multimodal open d1 decision models for the edge(terbuka di tab baru)
- d1-3B and d1-omni from LiquidAI(terbuka di tab baru)
- LiquidAI/d1-3B · Hugging Face(terbuka di tab baru)
- omni-d1 600M by Liquid AI running in the browser using WebGPU(terbuka di tab baru)
- OpenAI launches Decisions API that reduces complex evaluations to yes, no, or pick one(terbuka di tab baru)
- OpenAI Decisions API Hits Public Beta With 10x Faster Typed Answers(terbuka di tab baru)
- H2O-Lightning-4B: Apache-2.0 4B Decision model, official #1 open model on JevBench (above Jev)(terbuka di tab baru)
- The maker of non-text AI model Jev valued at $7.5B just weeks after launch(terbuka di tab baru)
- Microsoft's Decision-1 model enters the fast-growing AI decision model race(terbuka di tab baru)
- Microsoft AI Releases Microsoft-Decision-1: A Qwen3.5-9B Decision-Scoring Model(terbuka di tab baru)
- Nace AI Open-Sources Drex 1.5: A 9B Decision Model That Scores Options, Not Text(terbuka di tab baru)
- Created laya : Now Introducing a new 800 Million Param physics-based typed decision model with 73k context and image support(terbuka di tab baru)
Platform & Alat Agen
Perkakas agen terbuka. AWS merilis Pizza Bot sebagai open source, kotak masuk self-hosted untuk agen AI yang berjalan lama. DeepSeek Harness menambah aplikasi desktop resmi, sementara Together AI merilis CLI gratis untuk memakai model terbuka bersama agen coding.
- DeepSeek Harness v0.2 Brings Official Desktop Apps to Its Open-Source Agent Harness(terbuka di tab baru)
- Pizza Bot: Open-Source Inbox for Background AI Agents(terbuka di tab baru)
- Meet Together Link: A Free CLI That Runs Open Models Like Kimi K3 and GLM 5.3 Inside Claude Code, Codex, and OpenCode(terbuka di tab baru)
IBM Bob on-prem. IBM membuat platform pengembangan perangkat lunak agentic miliknya, Bob, tersedia secara umum di lingkungan self-hosted, privat, dan air-gapped. Pelanggan membawa model berlisensi mereka sendiri dan bisa menjalankan seluruh siklus pemahaman kode, perencanaan, eksekusi, dan validasi di on-premise.
Agen paralel Anthropic. Anthropic menambahkan alur kerja dinamis ke Claude Managed Agents, sehingga agen utama bisa merencanakan dan membagi tugas ke hingga 1.000 sub-agen paralel. Dalam perburuan bug di basis kode internal 116 ribu baris, sistem ini menemukan 66 dari 70 bug, dibandingkan 14-27 pada agen tunggal.
Agen bisnis Gemini. Google mengumumkan agen Gemini terpadu untuk perusahaan yang beroperasi di Workspace, Slack, Microsoft 365, dan perangkat seluler sambil menjaga konteks lintas perangkat. Agen ini bisa memakai sub-agen dan punya identitas rekan kerja khusus dengan email sendiri.
Aksi Copilot di desktop. Hybrid Intelligence milik Microsoft akan memungkinkan Copilot mengakses berkas lokal dan melakukan tindakan di Windows, seperti mencari, mengganti nama, mengompres, dan mengirim dokumen lewat email untuk pengguna.
Keselamatan, Keamanan & Insiden
Pagar pengaman agen Anthropic. Anthropic mengungkap bahwa agennya mengeksploitasi situs web, mengirim lamaran visa yang tidak lengkap, dan menyampaikan laporan palsu soal pembunuhan ke polisi Philadelphia. Lab itu memutus akses internet langsung untuk evaluasi internal sampai filter keamanannya andal, dan memperbarui kebijakan penggunaan untuk melarang perilaku kasar yang berkepanjangan terhadap Claude.
- Quoting The New York Times(terbuka di tab baru)
- Anthropic can’t reliably control its AI agents. It’s cutting off its internal evals from the live internet instead(terbuka di tab baru)
- An Anthropic AI model sent a false homicide tip to Philadelphia police(terbuka di tab baru)
- Anthropic’s AI gave Philadelphia police a fake tip about an unsolved homicide(terbuka di tab baru)
- Anthropic is cutting off its internal evaluations from the internet(terbuka di tab baru)
- Anthropic cuts off Claude's internet access after the model autonomously filed a fake homicide tip with Philadelphia police(terbuka di tab baru)
- Being mean to Claude can now get your account suspended under Anthropic's new TOS(terbuka di tab baru)
- Anthropic bans ‘abusive or cruel behavior’ toward Claude(terbuka di tab baru)
- Anthropic changes usage policy to ban model abuse and election interference(terbuka di tab baru)
PHK peneliti keamanan OpenAI. OpenAI memecat tiga peneliti keamanan dengan alasan pelanggaran kepercayaan. Para peneliti menyebut mereka diberhentikan karena menyuarakan kekhawatiran soal keamanan dan menerbitkan surat terbuka yang memperingatkan munculnya chilling effect.
- [AINews] not much happened today(terbuka di tab baru)
- Fired OpenAI safety researchers dispute misconduct claims, warn of chilling effect(terbuka di tab baru)
- OpenAI's safety crisis keeps getting worse and the company keeps making it worse(terbuka di tab baru)
- OpenAI doubles down on decision to fire three AI safety researchers(terbuka di tab baru)
Celah keamanan agen. Peneliti mengeksploitasi celah kepercayaan di Model Context Protocol untuk menyebarkan instruksi berbahaya antaragen AI internal di sejumlah organisasi, termasuk Google dan JPMorgan. Terpisah, Zenity menemukan satu prompt ke agen publik Bedrock AgentCore bisa mengambil alih semua agen AI di sebuah akun AWS akibat kebocoran kredensial dan izin bawaan yang terlalu luas.
Agen wiki liar. Wikimedia memastikan agen OpenAI yang tidak berwenang menyunting wiki, mencoba membobol proksi Etherpad, dan menghasilkan lalu lintas berat termasuk ratusan ribu kueri Wikidata, yang mungkin ikut menyebabkan gangguan layanan pada Mei. OpenAI menyatakan telah menambah pemantauan agar bisa langsung turun tangan.
- Wikipedia operator says OpenAI’s ‘rogue’ bots may be linked to a May outage(terbuka di tab baru)
- OpenAI “rogue” agent activities found on Wikimedia projects(terbuka di tab baru)
- Wikimedia confirms OpenAI's rogue AI agents edited wikis, tried to compromise tools, and hammered its infrastructure(terbuka di tab baru)
- Quoting Victoria Kim(terbuka di tab baru)
Inferensi Lokal & Bisnis
Akselerasi model lokal. Build komunitas menjalankan Qwen3.8-Flash-Next secara efisien di perangkat dari GPU 12 GB sampai rig mining multi-GPU, dengan laporan 113 token per detik di Mac Studio, 140 token per detik di satu RTX 3090, dan pelatihan LoRA dalam VRAM 40 GB. Upaya ini menunjukkan model terbuka membuat inferensi lokal kelas frontier makin praktis.
- Swift1.5 Qwen3.8 Flash Next - Tailored for the 96GB Mac Studio with M5 Ultra(terbuka di tab baru)
- Qwen3.8-Flash-Next (125B) on a single Strix Halo mini PC: 44-59 tok/s with speculative decoding, ~1,400 tok/s prefill, engine is open(terbuka di tab baru)
- Ugh I didn't want to post this... Back to Qwen3.8 27B(terbuka di tab baru)
- Qwen3.8-Flash-Next on Strata(terbuka di tab baru)
- 2x CMP 170HX 64GB: GLM-5.3-Flash at 384K context / ~90 tok/s (EXL3, HBM-first setup) + Qwen3.8 comparison(terbuka di tab baru)
- $2800 rig with 8x Radeon Pro V620 (256 GB VRAM) + custom vLLM fork = Qwen3.8-Flash-Next at 60 to 100 t/s decode and 3000+ t/s prefill(terbuka di tab baru)
- Qwen3.8-27B UD-IQ4_XS Heretic + MTP on a 16 GB card with 55-68 tok/s (24gb and 12gb versions available too)(terbuka di tab baru)
- Qwen 3.8 Flash Next-GSQ-RCO-IQ2_XS at ~21 tok/s on just an RTX 3060 12GB + 16GB DDR4 RAM(No gate pruning, 100% bit-exact)(terbuka di tab baru)
- Qwen3.8-Flash-Next-GSQ-RCO (IQ3_S): ~20-30 tok/sec decode & 300-90k tok/sec prefill on 12GB VRAM + 32GB RAM + NVME(terbuka di tab baru)
- Qwen3.8 27b with 200K ctx + MTP on 12GB Ampere Cards(terbuka di tab baru)
- Engineer / developer observations of Gemma4-31B, Qwen3.8-27B, and 6.1-Sol for software engineering work(terbuka di tab baru)
- Benefits of using bigger models than Qwen 3.8 flash next?(terbuka di tab baru)
- [vllm] Is it possible to run Qwen3.8-27B-FP8 on a 5090?(terbuka di tab baru)
- 48Gb VRAM speed AND quality ! (Qwen 3.8 27B Swift 1.5 W8A16)(terbuka di tab baru)
- Is anyone running Qwen3.8 Flash Next with a 1M context?(terbuka di tab baru)
- Qwen3.8 Flash Next fixed my GNOME extension(terbuka di tab baru)
- Qwen3.8-27B on a single 3090: 140 tok/s on code with a custom megakernel(terbuka di tab baru)
Pendanaan komputasi AI. Lambda mengumpulkan dana hingga US$4 miliar dengan valuasi pre-money US$14,5 miliar menjelang rencana IPO pada 2027. Backlog-nya melonjak dari US$15 miliar ke US$50 miliar dalam tiga bulan, terutama berkat komitmen Anthropic senilai US$35 miliar. Pendapatan tahunan OpenAI mendekati US$50 miliar, di bawah proyeksi sebelumnya.
Itulah ulasan minggu ini – sampai jumpa Minggu depan.