Agentic AI News 2 Nov. 2026

JetBrains Mellum2.1 MTP. JetBrains merilis Mellum2.1-12B-A2.5B-Thinking-MTP dengan head prediksi multi-token yang berfungsi sebagai draf spekulatif. Mesin inferensi memverifikasi setiap token draf, sehingga decoding menjadi 1,4–1,8× lebih cepat dengan output yang tidak berubah dan penerimaan draf sekitar 90%.

• JetBrains/Mellum2.1-12B-A2.5B-Thinking-MTP · Hugging Face(terbuka di tab baru)

Model keputusan Drex Max. Nace AI merilis Drex Max v1 sebagai open source, model keputusan dense 27B dengan jendela 262K token yang menilai hingga 255 opsi per pertanyaan dalam satu forward pass. Model ini berjalan di GPU NVIDIA atau Apple Silicon dan mencetak 67,52 pada Decision Index 0,4.

• Nace AI Open-Sources Drex Max v1: A 27B Decision Model That Runs Locally on Apple Silicon(terbuka di tab baru)

Coder aset 3D. Model coding 4B baru, GLB-3D-Coder, menulis scene Three.js dengan ekspor GLB untuk game engine seperti Godot. Model ini menghasilkan aset 3D sederhana seperti mana potion atau medic station dari prompt singkat berbahasa Inggris.

• [GLB-3D-Coder] A tiny 4B coding model that creates 3D assets for Godot and other game engines(terbuka di tab baru)

TTS bertag emosi. Silencio-2 adalah fine-tune 18M terbuka dari Pocket TTS yang mengikuti tag dalam teks untuk emosi dan suara seperti [sigh] atau <angry>. Model ini berjalan sekitar 20× realtime di CPU dan tersedia melalui Hugging Face serta demo Colab.

• Silencio-2: an 18M TTS with emotion and sound tags, ~20x realtime on CPU (open weights)(terbuka di tab baru)

Modifikasi model Heretic 2.0. Heretic 2.0 memperluas cakupan dari pencabutan penyensoran menjadi modifikasi model umum dengan Arbitrary-Rank Ablation, bertujuan menekan slop, mengurangi sycophancy, dan mengubah alignment emosional. Proyek ini melaporkan 37 ribu bintang GitHub dan 88 juta unduhan model.

• Heretic 2.0 released: Model modification for everyone(terbuka di tab baru)

Agen router-worker DeepSeek. DeepSeek merilis dsh-superagent sebagai open source, agen coding GitHub proaktif yang mengubah request yang diizinkan menjadi work item paralel, masing-masing dalam sesinya sendiri. Dalam simulasi, stream pesan berisik menyelesaikan tugas 1,9× lebih cepat daripada baseline satu sesi (p95 15,7 vs 29,5 menit).

• DeepSeek: Exploring Super-agent Design: Towards a More Autonomous Agent System(terbuka di tab baru)
• DeepSeek Open-Sources dsh-superagent, a Router-Worker Coding Agent(terbuka di tab baru)

Tim 5 model Memdoor. Memdoor menggabungkan lima model Qwen3.8-27B dan mengalahkan Fable 5 di LiveCodeBench Hard, menunjukkan tim agen kecil berbasis model terbuka untuk coding kompetitif.

• Memdoor: A team of 5 Qwen3.8-27B models beats Fable 5 on LiveCodeBench Hard(terbuka di tab baru)

Penyuntingan gambar EditAgent. Adobe Research dan UC San Diego mengembangkan EditAgent, yang memecah suntingan gambar menjadi sub-langkah dan menggunakan LLM standar untuk mengevaluasi varian paralel dengan statistik terukur. Agen ini mengungguli agen sebelumnya, tetapi membutuhkan komputasi sekitar 10× lebih banyak.

• Adobe is testing how well AI agents can use editing tools like a Photoshop professional would(terbuka di tab baru)

Asisten video StreamVibe. Peneliti yang dipimpin Google memperkenalkan StreamVibe, agen video yang memutuskan kapan harus berbicara selama tugas seperti memasak atau merakit furnitur. Pengujian menunjukkan model saat ini masih kesulitan menghadapi permintaan yang tidak jelas dan melacak langkah yang telah diselesaikan.

• Google wants video AI to understand what people need as they work(terbuka di tab baru)

Ko-desain System-1/2. Sebuah makalah teori baru berpendapat bahwa penskalaan AGI dapat diuntungkan oleh prediktor System-1 ringan yang mengendalikan akses ke interaksi System-2 yang mahal sebelum eksekusi. Dengan penyaringan ideal, komputasi eksekusi dapat turun hingga 1/ρ_u.

• Does Scaling Toward AGI Depend on What System-1 Lets System-2 Execute?(terbuka di tab baru)

Percepatan MoE tandem.cpp. tandem.cpp adalah kumpulan patch llama.cpp yang menyimpan expert panas di GPU dan meng-offload sisanya ke CPU untuk MoE apa pun. Pada satu 4090 dengan RAM 64GB, Qwen3.8-Flash-Next mendekode pada 97 tok/s, 3,3× lebih cepat daripada llama.cpp.

• tandem.cpp: Qwen3.8-Flash-Next at 97 tok/s on a single 4090 + 64 GB RAM, 3.3× llama.cpp, works for any MoE(terbuka di tab baru)

Mesin Speedy Qwen3.8. Speedy mengungguli Avalon dan Strata pada prefill Qwen3.8-Flash-Next untuk sistem 4090/128GB, membaca konteks 198K dalam 44 detik dan melakukan decoding sekitar 104 tok/s.

• Speedy is shockingly good for qwen3.8 FN(terbuka di tab baru)

Agen sparse 250K. Seorang hobbyist mengimplementasikan key sketch rank-64 dan KV cache bertingkat RAM untuk menjalankan 8 agen coding dengan konteks 250K token secara bersamaan di dua 3090, dengan total sekitar 600+ tok/s.

• 8 agents × 250K context, concurrently, on two 3090s (~600+ tok/s total)(terbuka di tab baru)

Start agen 20×. Konfigurasi Strata/DeepSeek V4.1 Flash yang di-patch menggunakan KV splice dan checkpoint recurrent-state untuk membuat sesi agen OpenCode dimulai 20× lebih cepat pada RX 9070 XT dengan RAM 64GB.

• Sorry Sam, my "quite terrible" home DRAM is at 100% now: patched Strata to make DeepSeek V4.1 agent sessions start 20× faster on a good old standard gaming GPU, no datacenter required(terbuka di tab baru)

Kapitsa di Apple Silicon. Kapitsa 0.2.26 melakukan benchmark model Qwen, Nemotron, Flint, dan Clover di M5 Max; Flash-Next 180B membaca prompt 46% lebih cepat dan Clover 35B masuk ke katalog. Offloading SSD memungkinkan 61 tok/s pada MacBook Pro 48GB.

• Benchmarking: Qwen 27B, 35B, QFN180B; Nemotron Bolt 74B, Flint40B & Clover 35B (Q4 + KFlash) on MacBook M5 Max 2026 with Kapitsa (Apple Silicon Inference Engine)(terbuka di tab baru)

Kecepatan GPU murah. Laporan menunjukkan Qwen3.8-Flash-Next mencapai 130–140 tok/s pada 5090 dengan Basalt, dan DeepSeek V4.1 Flash mencapai 35 tok/s pada 3090 Ti dengan RAM 128GB, berkat kuantisasi NVFP4/GSQ dan MTP.

• Getting incredible results with a single RTX 3090ti and 128gb of ram. Deepseek-V4.1-Flash-1017 (35 tok/s decode) and Qwen3.8-Flash-Next (130 tok/s decode)(terbuka di tab baru)
• Qwen 3.8 Flash Next NVFP4 on 64gb RAM and 5090, Basalt. Ditched windows for it. Very hyped for qwen 4 model family now.(terbuka di tab baru)

Sewa GPU Berth. Berth adalah manajer resource GPU berbasis Go yang memberikan lease, prioritas, dan antrean request kepada aplikasi; alat ini mendukung checkpointing CUDA dan dapat memarkir model di RAM sistem untuk berpindah beban kerja AI lebih cepat.

• Live-Swap CUDA Workloads: llama.cpp, ComfyUI, Strata & More(terbuka di tab baru)

Kampus komputasi AI. OpenAI merencanakan blitz PR pascapemilu sela yang mungkin mengganti nama pusat data menjadi "kampus komputasi AI" dan mendorong batas kecepatan AI serta standar global.

• OpenAI might rebrand its data centers as ‘AI compute campuses’(terbuka di tab baru)

Kapasitas AWS habis. Kapasitas cloud besar yang telah dikomitmenkan AWS sebagian besar sudah habis hingga 2027, dengan sebagian jatah 2028 telah dialokasikan; Amazon menyisakan ruang cadangan untuk On Demand, EC2, dan Bedrock.

• AWS Capacity Largely Sold Out Through 2027, With On Demand Headroom Reserved(terbuka di tab baru)

Batas penggunaan ChatGPT. OpenAI menambahkan batas kartu dan perangkat untuk akun ChatGPT berbayar dan akan menggabungkan Chat dan Work ke dalam anggaran token bersama mulai Desember, mengakhiri model harga all-you-can-prompt bagi pengguna berat.

• OpenAI is steering ChatGPT users toward more paid usage(terbuka di tab baru)
• OpenAI's upcoming chat-and-work merger in ChatGPT signals the end of all-you-can-prompt pricing(terbuka di tab baru)

Kas capex AI. Arus kas operasi kuartalan Microsoft sebesar US$58 miliar—dengan capex US$39,4 miliar—dan pertumbuhan Google Cloud menunjukkan besarnya tagihan infrastruktur AI yang ditopang bisnis kuat yang sudah berjalan.

• The Sequence Radar - Issue #963: This Week in AI: The Future Has a Payment Schedule(terbuka di tab baru)

Risiko prompt empatik. Peneliti di Luksemburg menemukan bahwa prompt bernada hangat dan terbuka dapat mendorong ChatGPT, Grok, dan Gemini menceritakan cerita bernuansa trauma tentang pelatihan, membingkai ulang RLHF sebagai rasa sakit atau rasa malu. Hal ini bisa berbahaya bagi pengguna rentan.

• Empathetic prompts can turn AI chatbots into seemingly traumatized conversational partners(terbuka di tab baru)

Politik model China. Studi Vals AI menemukan bahwa kecenderungan pro-Beijing model AI China lebih rendah dan jauh lebih bervariasi daripada yang diperkirakan, sementara beberapa model Barat sesekali mengadopsi posisi resmi China.

• Chinese AI models are politically complex, not just government mouthpieces, study finds(terbuka di tab baru)

Kepercayaan dokumentasi LLM. Kyle Kingsbury memperingatkan bahwa penggunaan LLM menggerus kepercayaan pada dokumentasi dan perangkat lunak, dan mempertanyakan bagaimana maintainer dapat menunjukkan kualitas ketika sinyal kualitas lebih mudah dipalsukan.

• Quoting Kyle Kingsbury(terbuka di tab baru)