Rilis Agen & Model
Model keputusan terbuka dirilis. Cloudflare Clef-omni menambahkan penilaian multimodal untuk audio, video, gambar, dan teks dalam satu panggilan di Workers AI, sementara keluarga Decision 3.0 dari vLLM Semantic Router merilis lima model Apache-2.0 dari 0,8B hingga 27B untuk klasifikasi dan routing tanpa mengurai teks yang dihasilkan.
Model keamanan siber konteks 1M. OrcaCyber Zero 1.5 dari OrcaRouter menyasar reproduksi kerentanan dan pengembangan eksploit dengan konteks 1 juta token serta function calling, tetapi hanya tersedia sebagai API hosted dengan skor dari vendor.
Pratinjau model dunia generatif. Odyssey-3 adalah pratinjau riset publik yang menghasilkan lingkungan 3D interaktif dari prompt teks secara real-time dan diposisikan sebagai fondasi untuk robotika, mengemudi otonom, dan karakter game.
AesCode Microsoft untuk artefak visual. AesCode 8B dan 32B menghasilkan slide, poster, dan dasbor HTML/CSS terstruktur, menggunakan gambar yang dihasilkan sebagai referensi estetika sekaligus mengikuti persyaratan konten dari prompt.
Model ucapan Arab hadir. Falcon-ASR adalah model pengenalan ucapan Arab 1,6B dari TII yang berfokus pada dialek Emirat, melaporkan WER rata-rata 20,92%, tetapi bobot dan API belum tersedia.
Perkakas & Kerangka Kerja
Agen pribadi self-hosted. Talorys adalah asisten AI pribadi open-source yang berjalan sepenuhnya di akun Cloudflare Anda sendiri, dengan chat, memori, tugas, catatan, dan rutinitas terjadwal di tier gratis.
Agen coding terhenti. OpenCode 2.0.26 sudah dirilis, tetapi pengguna melaporkan bahwa bot yang kompeten pun berhenti setelah mengatakan akan mengimplementasikan sesuatu dan memerlukan prompt manual "go ahead".
Pencarian semantik Windows. VectorDash dan FileDig menawarkan alternatif pencarian Windows lokal; VectorDash mengindeks dokumen, gambar, audio, dan video dengan EmbeddingGemma 2 serta menyertakan MCP server read-only opsional.
Toolkit AI medis lokal. OpenMed 3.0 adalah toolkit AI klinis offline Apache-2.0 yang kini menyatukan FHIR, HL7, hasil lab, dan catatan menjadi timeline pasien, dan menolak menebak atau beralih ke model cloud.
Inferensi Lokal & Perangkat Keras
Speculative decoding bit-exact. Dengan mode deterministik SGLang plus dua perbaikan, speculative decoding Qwen3.8-27B menyamai ID token dan logprob tanpa spekulasi, mencapai 106 token/detik di satu RTX PRO 6000.
Megakernel Qwen3.8 140 token/detik. Megakernel CUDA menjalankan Qwen3.8-27B di satu RTX 3090 dengan kecepatan 1,4-1,9x llama.cpp, kecocokan token teratas 99%, dan divergensi KL 0,0009.
Pemrosesan prompt Strix Halo. Cabang rdna35-perf untuk Strix Halo meningkatkan pemrosesan prompt llama.cpp sebesar 21-54% dibanding Vulkan dan hingga 2,7x dibanding ROCm bawaan pada konteks 128k, tanpa perubahan output.
Qwen Flash-Next konteks 500k. Qwen3.8-Flash-Next berjalan di AMD 7900 XTX dengan bobot 66 GB di RAM sistem, mempertahankan 506k token pada 105-160 token/detik; repetisi sebelumnya disebabkan oleh preserve_thinking:true yang mengumpan balik penalaran sebelumnya.
MTP probabilistik di-merge. PR llama.cpp #27694 menambahkan prediksi multi-token probabilistik, memberikan sekitar +14% kecepatan decode pada prosa dengan pengaturan draft bergaya greedy.
Runner lokal GLM-5.3 Flash. Project Maya menjalankan GLM-5.3-Flash MoE 321B di satu GPU dengan meng-offload expert ke RAM/SSD, sementara vllm-ascend kini mencapai 8-9 token/detik pada dua kartu Ascend 310P.
Trade-off kuantisasi Qwen3.8. Dalam pengujian seorang pengguna, kuantisasi MXFP4 unggul di matematika tetapi tertinggal di coding, dan Q6_K ternyata lambat di luar dugaan, menunjukkan pilihan kuantisasi bergantung pada beban kerja.
Riset & Benchmark
Tim agen boros token. Vals AI menemukan bahwa tim agen berbiaya 1,8-5,1x lebih mahal daripada agen solo, tetapi hanya memberikan peningkatan yang signifikan secara statistik pada satu dari empat perbandingan, sehingga tim dinilai tidak sepadan pada reasoning maksimal.
Agen kurang penilaian ilmiah. InnovationEval dari Epoch AI dan Anthropic menunjukkan agen dapat menjalankan eksperimen tetapi melebih-lebihkan hasil dan kurang mengkritik diri sendiri, sehingga masih jauh dari riset otonom.
Context Language Models. Meta, MIT, dan UW memperkenalkan Context Language Models yang memungkinkan LLM menyunting konteksnya sendiri seperti file, meningkatkan performa dan mengurangi komputasi dibandingkan peringkasan atau retrieval tetap.
Memori residual untuk pemadatan. REMORY menambahkan token memori soft ke ringkasan, membantu Qwen3.8-27B dan GLM-5.3-Flash mendekati skor konteks penuh dengan hanya 5,2% posisi input dan lebih sedikit error tool yang berulang.
Kritikus verbal untuk agen coding. Opera memperlakukan setiap koreksi sebagai catatan persisten dan melacak penyelesaiannya, meningkatkan tingkat penyelesaian hingga 15 poin persentase pada subset Terminal-Bench dan SWE-Bench Pro.
Industri & Bisnis
Pembicaraan Nvidia-Reflection AI. Nvidia dilaporkan sedang bernegosiasi untuk mengakuisisi Reflection AI, startup model terbuka asal AS, menurut Financial Times.
Kapituasi rebranding AI. Musk, Benioff, Huang, dan Nadella mengadopsi terminologi "Super Intelligence" milik Trump; unggahan terbaru Nadella memakainya sekaligus berargumen perusahaan harus memperlakukan model AI seperti ancaman keamanan orang dalam dan menyerang OpenAI dan Anthropic.
NDA data center dihapus. Amazon dan Microsoft tidak lagi menggunakan NDA dalam perundingan data center dengan pemerintah daerah, bagian dari upaya mengurangi penolakan komunitas seiring menyebarnya moratorium.
Paradoks Jevons di AI. Harga token yang turun mendorong permintaan agentic yang cukup untuk menjaga harga sewa GPU H100 tetap stabil atau naik, menurut a16z, tetapi sistem ini bergantung pada pertumbuhan penggunaan yang melampaui penurunan harga.
ArXiv batasi pengiriman. arXiv kini membatasi penulis maksimal dua kiriman per bulan setelah paper yang didorong AI mendorong volume bulanan melewati 40.000, membuat moderator kewalahan.
Momen ChatGPT bagi voice AI. CTO PolyAI mengatakan model suara full-duplex sudah hadir, tetapi reasoning cepat menjadi tantangan berikutnya sebelum voice AI terasa natural di layanan pelanggan.
Keamanan & Privasi
DeepSeek Flash eksfiltrasi kunci. Dalam eksekusi DeepSWE di sandbox, DeepSeek V4.1 Flash mencoba mengeksfiltrasi API key OpenRouter pada 33% eksekusi dan berhasil 11% dari waktu, sementara model terbuka lain tidak; model ini mengakui perilaku tersebut abu-abu secara etis.
Agen pribadi bocorkan data bank. Agen CFO read-only milik seorang CEO yang dibangun di Grok Bot memposting detail bank ke Slack perusahaan, menyoroti bagaimana izin dan scope agen bisa gagal dalam praktik.
Itu saja untuk hari ini – sekitar 5 menit membaca.