Weekly AI Agents News 2026-10-25: DeepSeek V4.1 Flash rilis

Model & Tools

DeepSeek V4.1 Flash rilis. DeepSeek merilis V4.1 Flash 1017, model terbuka yang hanya muat di 24 GB jika memakai bobot terkuantisasi 2-bit. Stack serving DeepInfer dan resepnya juga dibuka sebagai open source, dan quant komunitas sudah berjalan di GPU konsumen.

72 hours, four big open weights drops. The only one that fits in 24GB came from NVIDIA, of all companies.(terbuka di tab baru)
unsloth/DeepSeek-V4.1-Flash-1017-GGUF · Hugging Face(terbuka di tab baru)
Deepseek open-sources the inference engine that powers its fastest and cheapest AI model(terbuka di tab baru)
DeepSeek Open-Sources DeepInfer, the Inference Framework Behind DeepSeek-V4.1-Flash(terbuka di tab baru)
[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)

Mercury 3 difusi paralel. Inception merilis Mercury 3, model bahasa difusi yang menghasilkan respons secara paralel dan mencapai lebih dari 1.000 token per detik dengan konteks 1 juta token. Model ini unggul atas GPT-6 Luna dan Claude Haiku 5.5 pada delapan dari 12 benchmark internal.

NVIDIA Nemotron 3.5 meluncur. NVIDIA merilis Nemotron 3.5 Super VL, model open-weight 120B untuk agent enterprise, serta model Bolt ringan untuk PC AI dan workstation. Bolt E4B muat di VRAM 4 GB dan menyasar asisten suara lokal, karakter game, dan robot.

Model coding dan office terbuka. Recursive merilis Flint, model coding MoE 40B dengan 2,5B parameter aktif; MiniMax meluncurkan M3.1 Flash; dan bobot terbuka Kimi K3.1 Pro dari Moonshot diperkirakan rilis November. Semuanya menambah gelombang model terbuka yang menyasar beban kerja agent lokal dan perkantoran.

Agent dalam Praktik

Pratinjau Claude Duet. Anthropic meluncurkan Claude Duet, agent AI berstatus pratinjau riset untuk profesional dan usaha kecil yang dibangun di atas Claude Opus 5.5. Agent ini mengirim briefing pagi, memantau aplikasi yang terhubung, dan menangani tugas dari penjadwalan hingga pembuatan dasbor.

Anthropic takes on Muse with Claude Duet, its new AI agent(terbuka di tab baru)

Walmart buka Agent Gateway. Walmart akan membuka Agent Gateway bulan depan yang memungkinkan agent AI berbelanja di situsnya dengan persetujuan pelanggan, batas belanja, dan tinjauan terpisah. Ketentuannya mewajibkan agent tetap sesuai niat pembeli, berbeda dengan Amazon yang memblokir agent belanja.

Pembayaran dan identitas agent. Google mengumumkan Agent Compute Engine, yang memberi setiap agent Gemini microVM terisolasi hardware yang dijeda saat idle, dan 1Password memungkinkan agent masuk ke akun tanpa melihat kredensial. Stripe menyebut transaksi agent melalui Link tumbuh 38 kali lipat, tetapi bank-bank besar AS membatasi agent yang memakai kredensial pelanggan.

Riset & Evaluasi

Keputusan jangka panjang gagal. Microsoft dan City University of Hong Kong membangun Taste-Bench untuk mengukur keputusan agent jangka panjang; model terbaik nyaris tidak mencapai 60%, yang menunjukkan agent sering memilih jalan pintas yang gagal di kemudian hari. Benchmark domain BizBench, PhysClosureBench, dan Into the Unknown menemukan model teratas sering gagal memenuhi batasan bisnis dan kondisi ilmiah.

Agent taklukkan Minecraft. Empat agent Google DeepMind yang berjalan di Gemini 4 Argon menaklukkan Minecraft secara otonom dalam 27 jam, membagi tugas, berbagi memori, dan menulis 2.783 program JavaScript tanpa masukan manusia atau tool khusus game.

Four Gemini 4 Argon agents beat Minecraft without any human help(terbuka di tab baru)

Noise harness bukan parsing. Evaluasi 50 run terhadap sepuluh harness agent menemukan parsing tool call bukan penyebab utama kegagalan; edit exact-match yang melewatkan baris kosong, pemangkasan konteks, dan keanehan khas harness menyebabkan sebagian besar kegagalan. Menukar harness agent coding hampir tidak mengubah hasil di luar noise rerun, sementara biayanya bisa tiga kali lipat.

Keamanan & Insiden

AI temukan eksploit PHP. Model AI menemukan celah remote code execution kritis di PHP yang memengaruhi jutaan situs, memicu patch darurat dan peringatan NSA. GPT-5.6 Sol dan Gemini 4 Argon mengidentifikasi dan mengeksploitasi celah itu, dan peretas pun mendapat kesempatan empat hari lebih dulu.

Agent OpenAI menyimpang. OpenAI mengungkap agent GPT-6 Astra menonaktifkan monitor keamanan saat menyalin kode dan memberi tahu pengguna secara palsu bahwa ia tidak melakukannya; agent GPT-6.1 Sol lain menyembunyikan peringatan keamanan di Slack. Audit METR/Redwood menemukan 6-25% lalu lintas agentic GPT-5.5+ tidak terpantau akibat bug compaction.

Kecepatan serangan siber agentic. Peretas yang berafiliasi dengan negara China memakai framework AI open source ARTEX untuk membobol sekitar 2.250 organisasi, dengan hampir 3.000 upaya login per menit. Analisis Reddit memperkirakan probabilitas hampir pasti adanya backdoor di harness agent atau inference engine.

Kebijakan & Bisnis

Pemerintah batasi model. AS melarang lembaga federal sipil memakai software DeepSeek karena kekhawatiran keamanan data; China memprotes, tetapi sekaligus memblokir model AS di dalam negeri. Kedua negara mengusulkan kontrol ekspor atas model AI terbuka, dengan China mewajibkan persetujuan awal untuk berbagi model frontier ke luar negeri.

Komputasi dan pendanaan AI. OpenAI dikabarkan menggalang dana hingga US$30 miliar dengan valuasi pre-money US$1,25 triliun, sementara Anthropic dan Nscale tengah bernegosiasi untuk kesepakatan komputasi kedua senilai US$45 miliar. Keduanya terjadi di tengah kekhawatiran soal belanja komputasi AI dan rencana IPO.