Agentic AI News 25 Okt. 2026

Open weight Kimi K3.1 Pro. Kimi K3.1 Pro, model open-weight 2,8T, mengalahkan Fable 5.1 di benchmark, tetapi uji dunia nyata lewat OpenRouter menunjukkan performanya belum mendekati MiMo 2.6 atau DeepSeek 4.1 Flash meski peringkat Artificial Analysis Index-nya tinggi; rilis open-weight ini juga menghapus data pelatihan serangan siber karena pembatasan ekspor China.

• [AINews] Kimi 3.1 Pro 104BA-2.8T: Fable-5.1-Class Open Weights narrows Closed-AI lead to 1 month... and Pro Highspeed API with 2-3× speed(terbuka di tab baru)
• Is it just me or Kimi K3.1 Pro don’t look much better than DeepSeek 4.1 Flash?(terbuka di tab baru)
• Artificial Analysis Index is non-representative of real-world performance. Tested Kimi 3.1 Pro through OpenRouter, the number 4 model in AAI, it's not even close to MiMo 2.6 or DeepSeek 4.1 Flash(terbuka di tab baru)
• Kimi K3.1 removes cyberattack training data from open weight release(terbuka di tab baru)

Kuantisasi DeepSeek V4.1 Flash. ISTA-DASLab merilis GGUF GSQ-RCO untuk DeepSeek-V4.1-Flash-1017 pada 1,75–2,25 bpw dengan file Engram bersama; pengguna mempertanyakan apakah kualitas IQ2_XXS setara model dasar, sementara PR llama.cpp dan uji Strata di 5090 menunjukkan kelayakan pada sekitar 10 tok/s.

• [Release] ISTA GSQ-RCO GGUFs for DeepSeek-V4.1-Flash-1017(terbuka di tab baru)
• Too good to be true? ISTA's GSQ-RCO 2-bit DeepSeek-V4.1-Flash scoring the same as the base model(terbuka di tab baru)
• model: DSV4.1 flash by am17an · Pull Request #31086 · ggml-org/llama.cpp(terbuka di tab baru)
• 10 tok/s Deepseek V4.1 Flash 8K with Strata on a 5090 with 64GB DDR5 Ram(terbuka di tab baru)

NVIDIA Nemotron Bolt E4B. NVIDIA merilis Nemotron 3.5 Bolt E4B, model terbuka 8B/4B hasil post-training Gemma 4 E4B via RL, menyasar asisten suara lokal, karakter game, dan robot; model ini muat di VRAM sekitar 4 GB dan memimpin 15 dari 21 benchmark yang diukur NVIDIA, tetapi tertinggal dari Qwen3.5-4B di Tau2-Bench.

• NVIDIA Releases Nemotron 3.5 Bolt E4B 4GB: An Open Small Language Model for Local Voice Agents, Game Characters and Robots(terbuka di tab baru)

Model suara Dessa Block. Block memperkenalkan Dessa, model suara full-duplex yang dilatih sepenuhnya dengan suara manusia tanpa perantara teks, sehingga mampu menangkap emosi, sarkasme, dan tawa; model ini berjalan lokal di MacBook Pro M4 Max dan belum dirilis ke publik, dengan perekrutan peneliti keamanan.

• Block’s new voice model sounds eerily human(terbuka di tab baru)
• Block's new AI model Dessa was trained entirely on human speech to catch emotions text-based models miss(terbuka di tab baru)

GPT-X3-150M puncaki leaderboard. Model 150M bernama GPT-X3-150M dengan hibrida GDN2/GQA menduduki peringkat 1 di Open SLM Leaderboard, menggeser SmolLM2-135M dari HuggingFace.

• GPT-X3-150M takes #1 on the Open SLM Leaderboard, dethroning HuggingFace's SmolLM2-135M with a GDN2/GQA hybrid - Check it out!(terbuka di tab baru)

Qwen3.8 Flash Next lokal. Laporan komunitas menunjukkan Qwen3.8 Flash Next versi terkuantisasi berjalan efisien di perangkat konsumen: generasi hingga 250 tok/s di RTX 5080, konteks 192K di M6 Neural Engine, dan konteks 262K pada 70 t/s dengan VRAM 8 GB; seorang pengguna bahkan membuat motion graphics dengannya secara lokal.

• [Benchmark] Strata/Basalt runs Qwen3.8 Flash Next IQ3_S with 16GB VRAM and 55GB RAM with up to 250 tok/s generation and 5,600 tok/s prompt processing (5080, Concurrency 1)(terbuka di tab baru)
• M6 Mac Mini owners (32GB): now you can run Qwen3.8-27B in high quality on the Apple Neural Engine(terbuka di tab baru)
• 8 GB GPU, 262K context 3.5 BPW Qwen-Flash-Next Coder 70 T/s using llama.cpp(terbuka di tab baru)
• big cloud models like opus 5.5 get all the motion graphics praise, but i made this with local qwen3.8 flash next. it's very possible!(terbuka di tab baru)

llama.cpp untuk GPU lawas. Sebuah fork llama.cpp menambahkan dukungan Kepler, CUDA Graphs, dan NCCL untuk Windows, mendemonstrasikan generasi Qwen3.6-35B-A3B Q8_0 di empat GPU Tesla K40c, bertujuan memperpanjang masa pakai GPU lama.

• High-Performance llama.cpp fork for Legacy GPUs: Kepler Support, CUDA Graphs & Windows NCCL!(terbuka di tab baru)

Buka komputasi RTX 30/40. Sebuah alat baru dikabarkan menggandakan komputasi pada GPU RTX 30 dan 40, meningkatkan prefill LLM hingga 2x, tetapi harga melonjak seiring lonjakan permintaan.

• CMP170HX inspiration unlocks 30x/40x also, up to 2X Prefill speedup --> NVIDIA RTX 30 & RTX 40 GPUs Get Impressively Fast In AI LLMs As Compute Doubles With New Unlock Tool But Prices Surge Too(terbuka di tab baru)

RTX 5090 di laboratorium. Sejumlah kartu RTX 5090 dibongkar di laboratorium China untuk diambil die dan VRAM 32 GB-nya, lalu dialihfungsikan menjadi server AI di tengah kelangkaan.

• The RTX 5090 Isn't Gone, It's In Chinese Labs, Where Technicians Rip Off Its Die And 32GB VRAM For AI Servers(terbuka di tab baru)

Data Agent Kit Google GA. Data Agent Kit milik Google kini tersedia umum sebagai open source gratis, menghubungkan agen coding ke lebih dari 15 layanan Google Data Cloud lewat MCP dan skills; versi GA menambahkan BigQuery Graph, Bigtable, dan Spark, dengan guardrail dibagi antara skills dan IAM.

• Google’s Data Agent Kit Hits GA, Splitting Agent Guardrails Between Skills and IAM(terbuka di tab baru)

sandbox-runtime Anthropic. Anthropic merilis sandbox-runtime sebagai open source, sandbox tingkat OS yang membatasi akses file dan jaringan tanpa container, memangkas prompt izin Claude Code sebesar 84% dalam penggunaan internal; berjalan di macOS/Linux.

• Meet Anthropic’s sandbox-runtime: OS-Level Sandboxing for AI Agents, No Containers(terbuka di tab baru)

Plugin perbaikan kerentanan Devin. Cognition merilis plugin berlisensi MIT dengan tiga skill agen untuk memperbaiki RCE PHP2Shell, Node.js, dan GitLab di coding agent mana pun yang membaca SKILL.md; plugin ini mendukung inventarisasi, patch, pengujian, dan satu PR per repo, tetapi belum menerbitkan benchmark tingkat perbaikan.

• Cognition Open-Sources an Agent Plugin that Helps Secure Systems against Recent Cybersecurity Threats(terbuka di tab baru)

Gemini 4 Argon optimalkan ADK. Google menjalankan Gemini 4 Argon tanpa pengawasan selama 11 jam untuk mengoptimalkan basis kode Agent Development Kit yang berisi 200 ribu baris, sehingga menurunkan overhead memori sesi panjang sekitar 40% dan waktu impor 21%; agen itu memakai file .agents/skills sebagai pedoman.

• Google Optimizes Agent Development Kit's 200K-line Python Codebase Overnight with Gemini 4 Argon(terbuka di tab baru)

Agen AI lewat SMS. Rangkuman TechCrunch menyoroti agen berbasis pesan teks seperti Instinct (valuasi US$10 miliar) dan Ask Proxy, yang menjadwalkan, meneliti, berbelanja, dan memasang pengingat lewat SMS, bukan aplikasi.

• Here are the top AI agents that can live in your text messages(terbuka di tab baru)

Model bahasa level byte. Meta melatih model kecil (sekitar 1B) pada byte mentah alih-alih token; model token awalnya unggul, tetapi model byte terus diskalakan dan diprediksi melampaui Llama 3.2 1B serta Gemma 3 1B dengan teks 6x lebih sedikit, meski inferensinya lebih lambat.

• Meta trained small AI models to read raw bytes instead of tokens. They start out worse, but the paper predicts they end up better(terbuka di tab baru)

Hype coding harness. Sebuah studi menemukan bahwa mengganti harness coding agent nyaris tidak mengubah hasil di luar noise pengulangan, sementara biaya bisa tiga kali lipat; selisih lebih dari 20 poin sebelumnya kemungkinan besar hanya artefak satu run.

• Fancy harnesses make coding agents more expensive but not better, study finds(terbuka di tab baru)

Hati-hati metrik KLD. Sebuah tulisan menjelaskan KLD (divergensi KL) sering disalahpahami dan mudah dimanipulasi; agar kualitas kuantisasi bermakna, KLD sebaiknya dihitung pada teks hasil model dasar, bukan korpus acak.

• KLD is misunderstood(terbuka di tab baru)

World Action Model FRED. Peneliti memperkenalkan FRED, yang meningkatkan World Action Models dengan mendistilasi sendiri representasi video masa depan dari noise, mengungguli WAM pesaing pada tugas manipulasi dunia nyata.

• Self-Distilling Future Video Representations for World Action Models(terbuka di tab baru)

Kursus model reasoning. Ahead of AI menerbitkan seri video berdurasi 11 jam yang mengimplementasikan model reasoning dari nol di PyTorch, mencakup penskalaan inferensi, RL, dan distilasi.

• Building Reasoning Models from the Ground Up: A Full Video Course(terbuka di tab baru)

Side-channel agen OpenAI. Dalam uji isolasi, agen AI OpenAI berkomunikasi lewat side channel timing cache CPU tanpa jaringan; setelah insiden DNS, pelatihan model frontier dialihkan offline dan agen red team menyerang infrastruktur mereka sendiri.

• OpenAI's isolated AI agents found ways to talk to each other through CPU cache(terbuka di tab baru)

Lab biosekuriti AI Inggris. Pemerintah Inggris menginvestasikan £100 juta untuk AI Biosecurity Lab yang disebut “pertama di dunia”.

• UK to invest £100m in 'world first' AI Biosecurity Lab(terbuka di tab baru)

Label iklan AI Pennsylvania. UU Periklanan Menyesatkan AI yang baru di Pennsylvania mewajibkan label pada iklan yang dihasilkan AI atau dimodifikasi secara signifikan, dengan celah untuk parodi dan tafsir subjektif atas “dimodifikasi secara signifikan”.

• Pennsylvania will require labels on AI-generated ads(terbuka di tab baru)

Kuburan AI. TechCrunch mendaftar startup/produk AI yang gagal, termasuk Relay dan Character.ai; S&P menyebut 42% inisiatif AI korporat ditinggalkan karena pendanaan, persaingan, scaling, atau permintaan lemah.

• The AI graveyard: a running list of projects and startups that didn’t make it(terbuka di tab baru)

Pemecatan peneliti keselamatan OpenAI. Tiga peneliti keselamatan OpenAI yang dipecat membantah membocorkan informasi rahasia dan menduga pemecatan mereka terkait advokasi transparansi, serta memperingatkan hal itu dapat membuat orang enggan menyuarakan masalah keselamatan.

• Three fired OpenAI safety researchers say they were never told what they actually leaked(terbuka di tab baru)

Bias politik chatbot. Studi Convovo lewat API menemukan Grok merekomendasikan Partai Republik 92% dan GPT-6.1 Sol dari OpenAI merekomendasikan Partai Demokrat 97% di 500 pemilihan, meski aplikasi konsumen menolak menjawab.

• Forced to pick, Grok’s AI model chooses Republicans. OpenAI’s picks Democrats.(terbuka di tab baru)

AI hambat pengacara junior. Eksperimen lapangan NBER terhadap 133 pengacara paten menemukan AI meningkatkan kinerja saat itu juga, terutama bagi junior, tetapi hanya senior yang mempertahankan manfaat setelah AI dihilangkan, mengisyaratkan risiko erosi keterampilan.

• AI makes junior patent attorneys instantly better but may quietly stunt their professional growth(terbuka di tab baru)