Framework, Alat & Evaluasi Agen
Spesifikasi agen Figma. Figma memperkenalkan editor Specs berbasis Markdown dan integrasi konteks supaya agen pihak ketiga bisa mengikuti aturan desain sebuah merek saat berkreasi, sekaligus memperluas ketersediaan agen canvas-nya.
Evaluasi agen praktis. LangChain menerbitkan panduan evaluasi agen: mulai dari satu perilaku, bangun dataset kecil dari trace nyata, gunakan evaluator kode jika memungkinkan, dan LLM judge jika tidak, lalu evaluasi seluruh thread dan trajectory.
Solusi context rot. Harness Deep Agents milik LangChain memakai lima teknik middleware untuk memindahkan konteks keluar dari jendela aktif ke file biasa, mencegah penurunan akurasi pada agen yang berjalan lama dan membuat memori portabel lintas model.
Benchmark parser OCR. Datalab merilis OmniParseBench, benchmark terbuka dengan 16.288 uji lulus/gagal di 2.937 halaman untuk membantu para engineer memilih parser dokumen; Gemini 3.8 Flash sedikit unggul atas parser milik Datalab sendiri.
Agen finansial aman. OpenAI dan Anthropic membahas keseimbangan otonomi dan keamanan pada agen finansial di AI Engineer NY, menekankan bahwa kontrol dan penempatan pertimbangan manusia lebih penting daripada jumlah pembatasan.
Rilis Model & Fine-tune
LFM2.5 andalan agen. Seorang pengguna memasukkan LFM2.5-24B ke alur kerja Pi Agent dan melaporkan throughput stabil sekitar 95 token per detik di AMD W7900, dengan performa andal untuk tugas mekanis dan rekursif.
Varian efisiensi Qwen. Tiga rilis terpisah—Sabi-Noema, Tessera-27B-CJK, dan MLA/GLA dari Telperion—mengompresi token reasoning atau KV cache untuk meningkatkan efisiensi; Sabi-Noema mengklaim peningkatan pada benchmark agen dan tool calling.
- Sabi-Noema: A capability and efficiency focused fine-tune of Qwen 3.8 27B(terbuka di tab baru)
- Tessera-27B-B-CJK, Zellige AIs new finetune of Qwen with novel approaches to how we think about token savings(terbuka di tab baru)
- New model from Telperion: Qwen3.8-27B-MLA & Qwen3.8-27B-GLA-g2. 4x smaller KV cache, smarter, and more efficient reasoning.(terbuka di tab baru)
Multimodal di ponsel. MiniCPM-V 4.7 memakai Lookahead Expert Scheduling untuk menjalankan model vision-language MoE 35B di perangkat mobile dengan memori sekitar 3 GB, serta varian 1B yang lebih kecil.
MoE ringkas segera hadir. NVIDIA Nemotron Bolt 3.5 adalah model MoE 74B parameter dengan 9B aktif yang dipadatkan ke 24 GB lewat quantization-aware training 2-bit, meluncur 15 Oktober; varian E4B 4 GB menyusul 23 Oktober.
MoE untuk coding. JetBrains Mellum 2.1 12B A2.5B MoE berjalan pada 60–140 token per detik di GPU konsumen dan mumpuni untuk tugas coding, terutama bila dipasangkan dengan model perencana yang lebih besar.
AI Lokal & Hardware
Rig di kandang ayam. Seorang pengguna membangun rig dengan VRAM 256 GB dengan empat kartu CMP 170HX yang di-unlock dan sebuah Threadripper, memindahkannya ke gudang untuk mengatasi panas dan kebisingan, lalu menjalankan Qwen Flash Next dan GLM 5.3 secara lokal.
Bisnis pakai AI lokal. Dibangun tiga mesin 4x Radeon R9700 dengan EPYC murah seharga US$10,7 ribu per unit, total VRAM 384 GB, untuk menjalankan AI bagi USA Arms setelah model hosted menolak pekerjaan terkait senjata api.
Engine Radiance cepat. Engine Radiance milik Deadcode mencapai 176 token per detik untuk decode dan 6.450 token per detik untuk prefill dengan Q4 Qwen-3.8 Flash-Next pada 2x R9700 dan 64 GB DDR5.
Percepatan kernel llama.cpp. Sebuah PR llama.cpp menambahkan kernel GDN chunked, meningkatkan pemrosesan prompt MoE hingga 20,6% di RTX PRO 6000 dan 17,9% di RTX 5090.
Riset & AI Terapan
Desain chip AI. Ricursive Intelligence mengatakan AI dapat mendesain chip secara iteratif untuk meningkatkan efisiensi, menjawab pertumbuhan kebutuhan komputasi 10.000x tanpa membangun pusat data 10.000x lebih banyak.
AI belum memperbaiki diri. Haydn Belfield dari Google DeepMind mengatakan AI menulis lebih dari 75% kode produksi tetapi belum mempercepat riset AI secara terukur; pengawasan manusia tetap penting untuk tugas kompleks.
Komentar tak berpengaruh. Seorang pengembang menghapus 168.000 baris komentar dari sebuah codebase dan mendapati agen AI menghasilkan kode yang sama baiknya pada kedua versi dalam tiga kali percobaan, lalu mempertanyakan nilai komentar.
Dekompilasi massal AI. Dekompilasi berbantuan AI membuka peluang mashup dan pelestarian game, tetapi juga mengancam perangkat lunak proprietary, seperti dibahas oleh pengembang indie Popcar.
Protease rancangan AI. Peneliti memakai desain protein AI untuk mengganti bagian nonkatalitik protease, menciptakan enzim yang memotong protein spesifik yang terkait dengan penyakit neurologis.
Prakiraan cuaca AI. HiRO-ACEv2 milik Ai2 mensimulasikan cuaca ekstrem pada resolusi 3 km dengan biaya sekitar 1/300 biaya X-SHiELD, sementara alat ML Microsoft mengoreksi bias pada prakiraan 2–6 minggu, yang dipublikasikan di Nature.
Agen di Produksi
Agen antiscam menyamar. Apate mengerahkan ribuan agen AI yang menyamar sebagai korban untuk menghabiskan waktu penipu dan mengumpulkan rekening bank, wallet, serta infrastruktur penipuan; mereka telah menangani 2,5 juta percakapan.
Riset penjualan otonom. Floqer sedang membangun agen AI yang terus-menerus mengumpulkan dan memperbarui pengetahuan pelanggan untuk penjualan B2B, telah melampaui ARR US$1,2 juta, dan berencana merilis teknologi tersebut sebagai open source.
Pemesanan berbasis percakapan. Square meluncurkan kios seharga US$1.999 dengan lapisan suara agentic yang memahami menu dan menangani modifikasi serta penggantian secara real time.
Pelacak badai internet. Gudea memakai AI untuk menganalisis bagaimana berita menyebar di 500+ platform dan mengidentifikasi siapa yang menggerakkan percakapan sebelum krisis meletus, melampaui social listening tradisional.
Pertahanan scam Gemini. Google Messages meluncurkan perlindungan yang ditingkatkan bersifat opt-in dan memakai Gemini di cloud untuk menilai niat pengirim tak dikenal, dengan pemrosesan terenkripsi di ruang aman.
Wawancara klien AI. McKinsey akan membuat sejumlah kandidat entry-level berinteraksi dengan klien simulasi AI selama wawancara; manusia yang menilai performa, bukan AI.
Industri, Kebijakan & Bisnis
Balapan AI memanas lagi. Google dan Meta meluncurkan model frontier baru yang menantang OpenAI dan Anthropic, membalikkan anggapan bahwa persaingan telah menyempit.
Jadwal model OpenAI. OpenAI dilaporkan berencana merilis satu atau dua model tahun ini, tetapi model flagship berikutnya masih memerlukan pekerjaan alignment dan tinjauan keamanan pemerintah.
Gugatan OpenAI soal anak. Delapan negara bagian AS menggugat OpenAI, menuduh ChatGPT tidak aman untuk anak-anak dan perusahaan menyesatkan konsumen soal keamanan, dengan menyebut berbagai dampak, termasuk penurunan kemampuan berpikir kritis.
Data Character.AI. Para jaksa agung negara bagian mengajukan pemberitahuan dalam perkara kepailitan Character.AI untuk melindungi chat pribadi pengguna agar tidak dijual, memperingatkan risiko mengingat banyaknya anak di bawah umur.
Kontrol musik AI. YouTube menambahkan label untuk lagu yang dihasilkan AI, Deezer berencana membuat filter untuk mengecualikan lagu AI, dan kedua platform ingin meningkatkan transparansi seputar musik generatif.
Investasi Nvidia di Eropa. Nvidia mengumumkan investasi baru US$2 miliar di Eropa, kepemilikan saham di startup Prancis, dan komputasi senilai US$250 juta untuk lab keamanan AI Inggris.
Launcher hasil vibe coding. Epic Games membangun ulang launcher-nya dari nol dengan coding berbantuan AI, mengklaim performa lebih cepat dan tim yang lebih kecil.
Itu saja untuk hari ini – sekitar 5 menit membaca.