Agentic AI News 02 листопада 2026 р.

JetBrains Mellum2.1 MTP. JetBrains випустила Mellum2.1-12B-A2.5B-Thinking-MTP, додавши головку multi-token prediction, що діє як спекулятивний драфт. Рушії інференсу перевіряють кожен токен із драфту, тож декодування стає у 1,4–1,8 раза швидшим за незмінного результату, а частка прийнятих драфт-токенів становить близько 90%.

• JetBrains/Mellum2.1-12B-A2.5B-Thinking-MTP · Hugging Face(відкриється в новій вкладці)

Drex Max для рішень. Nace AI відкрила код Drex Max v1. Це dense-модель на 27B для ухвалення рішень із вікном на 262 тис. токенів, яка за один forward pass оцінює до 255 варіантів на запитання. Працює на GPU NVIDIA або Apple Silicon і показує 67,52 на Decision Index 0.4.

• Nace AI Open-Sources Drex Max v1: A 27B Decision Model That Runs Locally on Apple Silicon(відкриється в новій вкладці)

Кодер 3D-асетів. Нова 4B-модель для кодування під назвою GLB-3D-Coder створює сцени Three.js з експортом у GLB для ігрових рушіїв на кшталт Godot. Вона генерує прості 3D-асети — наприклад, зілля мани чи медичну станцію — за короткими англомовними промптами.

• [GLB-3D-Coder] A tiny 4B coding model that creates 3D assets for Godot and other game engines(відкриється в новій вкладці)

TTS з емоційними тегами. Silencio-2 — відкритий 18M-файнтюн Pocket TTS, який розпізнає вбудовані теги емоцій і звуків, як-от [sigh] чи <angry>. Працює приблизно у 20 разів швидше за реальний час на CPU; доступний через Hugging Face і в демо на Colab.

• Silencio-2: an 18M TTS with emotion and sound tags, ~20x realtime on CPU (open weights)(відкриється в новій вкладці)

Керування моделями Heretic 2.0. Heretic 2.0 перейшов від видалення цензури до загальної модифікації моделей за допомогою Arbitrary-Rank Ablation; мета — придушити slop-контент, зменшити сикофантію та змінити емоційне вирівнювання. Проєкт повідомляє про 37 тис. зірок на GitHub і 88 млн завантажень моделей.

• Heretic 2.0 released: Model modification for everyone(відкриється в новій вкладці)

Router-worker агент DeepSeek. DeepSeek відкрила код dsh-superagent — проактивного агента для кодування на GitHub, який перетворює дозволені запити на паралельні робочі елементи, кожен — у власній сесії. У симуляції потік із зашумленими повідомленнями завершував завдання в 1,9 раза швидше за базовий варіант з однією сесією (p95 — 15,7 проти 29,5 хв).

• DeepSeek: Exploring Super-agent Design: Towards a More Autonomous Agent System(відкриється в новій вкладці)
• DeepSeek Open-Sources dsh-superagent, a Router-Worker Coding Agent(відкриється в новій вкладці)

Команда Memdoor з 5 моделей. Memdoor поєднує п’ять моделей Qwen3.8-27B і перевершує Fable 5 на LiveCodeBench Hard. Це демонструє невелику агентну команду з відкритих моделей для спортивного програмування.

• Memdoor: A team of 5 Qwen3.8-27B models beats Fable 5 on LiveCodeBench Hard(відкриється в новій вкладці)

EditAgent для зображень. Adobe Research і UC San Diego створили EditAgent, який розбиває редагування зображень на підкроки й за допомогою звичайної LLM оцінює паралельні варіанти за виміряною статистикою. Він перевершує попередніх агентів, але йому потрібно приблизно у 10 разів більше обчислень.

• Adobe is testing how well AI agents can use editing tools like a Photoshop professional would(відкриється в новій вкладці)

Відеоасистент StreamVibe. Дослідники під проводом Google представили StreamVibe — відеоагента, який вирішує, коли говорити під час завдань на кшталт готування чи складання меблів. Тести показують, що сучасні моделі досі мають проблеми з нечіткими запитами й відстеженням завершених кроків.

• Google wants video AI to understand what people need as they work(відкриється в новій вкладці)

Кодизайн System-1/2. Нова теоретична робота стверджує, що масштабуванню AGI може допомогти легкий предиктор System-1, який фільтрує дорогі взаємодії System-2 перед виконанням. За ідеального відсіювання обчислювальні витрати на виконання можуть скоротитися аж до 1/ρ_u.

• Does Scaling Toward AGI Depend on What System-1 Lets System-2 Execute?(відкриється в новій вкладці)

Прискорення MoE у tandem.cpp. tandem.cpp — це набір патчів для llama.cpp, який тримає гарячих експертів на GPU, а решту вивантажує на CPU для будь-якої MoE. На одній 4090 із 64 ГБ RAM Qwen3.8-Flash-Next декодує зі швидкістю 97 ток/с — у 3,3 раза швидше за 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(відкриється в новій вкладці)

Рушій Speedy для Qwen3.8. Speedy перевершує Avalon і Strata на prefill для Qwen3.8-Flash-Next у системі з 4090/128 ГБ: читає контекст на 198 тис. токенів за 44 с і декодує приблизно зі швидкістю 104 ток/с.

• Speedy is shockingly good for qwen3.8 FN(відкриється в новій вкладці)

Sparse-агенти на 250K. Ентузіаст реалізував key sketches рангу 64 і KV-кеш із рівнями в RAM, щоб паралельно запускати 8 агентів для кодування з контекстами на 250 тис. токенів на двох 3090 — разом приблизно 600+ ток/с.

• 8 agents × 250K context, concurrently, on two 3090s (~600+ tok/s total)(відкриється в новій вкладці)

20× швидший старт агентів. Пропатчена конфігурація Strata/DeepSeek V4.1 Flash використовує KV splice і чекпойнти рекурентного стану, щоб сесії агентів OpenCode стартували у 20 разів швидше на RX 9070 XT із 64 ГБ RAM.

• 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(відкриється в новій вкладці)

Kapitsa на Apple Silicon. Kapitsa 0.2.26 тестує моделі Qwen, Nemotron, Flint і Clover на M5 Max: Flash-Next 180B читає промпти на 46% швидше, а Clover 35B додано до каталогу; вивантаження на SSD дає 61 ток/с на MacBook Pro із 48 ГБ.

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

Швидкість на бюджетних GPU. Повідомлення показують, що Qwen3.8-Flash-Next видає 130–140 ток/с на 5090 з Basalt, а DeepSeek V4.1 Flash — 35 ток/с на 3090 Ti із 128 ГБ RAM; цьому сприяють кванти NVFP4/GSQ і 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)(відкриється в новій вкладці)
• Qwen 3.8 Flash Next NVFP4 on 64gb RAM and 5090, Basalt. Ditched windows for it. Very hyped for qwen 4 model family now.(відкриється в новій вкладці)

Оренда GPU в Berth. Berth — менеджер GPU-ресурсів на Go, який надає застосункам оренду, пріоритети й чергу запитів; підтримує чекпойнти CUDA і вміє паркувати моделі в системній RAM, щоб швидше перемикати AI-навантаження.

• Live-Swap CUDA Workloads: llama.cpp, ComfyUI, Strata & More(відкриється в новій вкладці)

AI-кампуси для обчислень. OpenAI планує PR-кампанію після проміжних виборів, яка може перебрендувати дата-центри в «AI compute campuses» і просувати обмеження швидкості AI та глобальні стандарти.

• OpenAI might rebrand its data centers as ‘AI compute campuses’(відкриється в новій вкладці)

Потужності AWS розпродані. Великі законтрактовані хмарні потужності AWS переважно розпродані до 2027 року, частину 2028-го вже розподілено; Amazon резервує запас для On Demand, EC2 і Bedrock.

• AWS Capacity Largely Sold Out Through 2027, With On Demand Headroom Reserved(відкриється в новій вкладці)

Ліміти використання ChatGPT. OpenAI додала обмеження на картки й пристрої для платних акаунтів ChatGPT, а з грудня об’єднає Chat і Work у спільні бюджети токенів — це покладе край тарифам із безлімітними промптами для активних користувачів.

• OpenAI is steering ChatGPT users toward more paid usage(відкриється в новій вкладці)
• OpenAI's upcoming chat-and-work merger in ChatGPT signals the end of all-you-can-prompt pricing(відкриється в новій вкладці)

Кеш на AI-капвитрати. Квартальний операційний грошовий потік Microsoft у 58 млрд доларів, порівняно з 39,4 млрд доларів капвитрат, і зростання Google Cloud показують великі рахунки за AI-інфраструктуру, підкріплені сильним існуючим бізнесом.

• The Sequence Radar - Issue #963: This Week in AI: The Future Has a Payment Schedule(відкриється в новій вкладці)

Ризик емпатійних промптів. Дослідники з Люксембургу виявили, що теплі, відкриті промпти можуть змушувати ChatGPT, Grok і Gemini розповідати схожі на травму історії про тренування й переосмислювати RLHF як біль чи сором. Це може бути небезпечно для вразливих користувачів.

• Empathetic prompts can turn AI chatbots into seemingly traumatized conversational partners(відкриється в новій вкладці)

Політика китайських моделей. Дослідження Vals AI показує, що ухил китайських AI-моделей у бік Пекіна нижчий і значно різноманітніший, ніж очікувалося, а деякі західні моделі подеколи переймають офіційні китайські позиції.

• Chinese AI models are politically complex, not just government mouthpieces, study finds(відкриється в новій вкладці)

Довіра до документації LLM. Кайл Кінгсбері попереджає, що використання LLM підриває довіру до документації та програмного забезпечення, і запитує, як мейнтейнери можуть демонструвати якість, коли сигнали про неї легше підробити.

• Quoting Kyle Kingsbury(відкриється в новій вкладці)