Rilis Agen & Model
Nous Arete-27B. Nous Research merilis Arete-27B, versi SFT dari Qwen3.8-27B yang memangkas framing negara Tiongkok dari 22% menjadi 0,9% pada evaluasi 803 prompt mereka; bobot Apache 2.0 dan kuantisasi GGUF tersedia.
Kimi K3.1 terkuantisasi. Kuantisasi eksperimental 775 GB dari Kimi-K3.1-Pro-Coder berjalan di satu GPU dengan RAM sistem/NVMe lewat Strata dan kuantisasi MoE bertingkat, mencapai 36,8 TPS batch dan 96,7% pada AIME/LiveCodeBench.
Agen Terminal-RSI-27B. Proyek Terminal-RSI merilis model agen terminal berbasis Qwen3.8 untuk inspeksi repositori, penyuntingan kode, dan tugas multi-langkah, dengan penulisan ulang diri secara rekursif dan penyempurnaan kebijakan yang mewarisi critic.
Model keputusan Drex Max. Nace merilis model keputusan multimodal Drex Max, yang menempati peringkat #1 di Artificial Analysis dan mencapai Pareto frontier; bobotnya terbuka dengan lisensi Open RAIL-M dan v1.1 direncanakan untuk inferensi lokal.
Tencent DSpine 3x. Tencent mengunggah Qwen3.8-27B-DSpine-b16 di Hugging Face, metode speculative decoding yang diklaim membuat decoding model 27B hingga 3x lebih cepat.
Alat & Framework
Plugin coding spec-first. Google merilis plugin Elephant-Goldfish Model sebagai open source, yang membuat agen coding menulis spesifikasi lebih dulu, lalu meminta subagen baru meninjaunya sebelum kode ditulis; ribuan engineer Google memakainya, meski penggunaan tokennya berat.
Alat inspeksi Torchlens. Torchlens adalah repo GitHub untuk menginspeksi, memvisualisasikan, dan mengintervensi operasi apa pun di jaringan neural apa pun, membantu interpretabilitas.
C vs Rust SQLite. Simon Willison memakai Claude untuk membandingkan ekstensi SQLite C dan Rust untuk parse_number; Rust awalnya lebih cepat berkat strtod, tetapi parser C kustom akhirnya menyamai atau mengalahkannya, sementara ekstensi C jauh lebih kecil.
Merapikan deskripsi PR. Simon Willison menyarankan menyembunyikan deskripsi PR tulisan AI di balik <details><summary> karena terlalu lengkap dan terasa seperti slop; pengantar yang disetujui manusia sebaiknya merangkum perubahan.
Sorotan Riset
Robotika Open-HumanScale. Para peneliti merilis Open-HumanScale, resep terbuka dan korpus video egosentris 50 ribu jam untuk prapelatihan kebijakan robot; penskalaan video manusia menghasilkan keuntungan log-linear, dan pelatihan hibrida manusia-robot mencapai 92,08% pada RoboTwin 2.0 Clean2Clean.
Bersih-bersih agen coding. Alibaba dan mitra membangun Co-Design Bench dari permintaan perubahan pengguna nyata; model terbaik, GPT-6 Astra, hanya menyelesaikan 26,4% tugas secara penuh, artinya sekitar tiga dari empat tugas masih perlu dibersihkan manusia.
Kompleksitas kode Parsimony. Benchmark Parsimony yang baru mengukur unit sintaksis dalam patch; model median menambahkan 1,9 kali lipat unit sintaksis dibanding perbaikan manusia pada SWE-bench Verified, dan pilihan harness saja dapat menggeser overhead kode dari 0,80x ke 0,99x.
Perbandingan routing MoE. Dua panduan membandingkan strategi routing di berbagai model MoE terbuka: jumlah expert berkisar 8 hingga 384, top-k 1 hingga 8, dan loss-free bias balancing menjadi resep dominan; pemilihan expert dapat membocorkan token masa depan di model kausal.
Sutton soal batas scaling. Richard Sutton berargumen compute mentah saja tidak akan menghasilkan kecerdasan; AI butuh metode baru yang cerdik, agen dengan world model yang belajar terus-menerus, dan ia menyebut data sintetis sebagai kesalahan besar.
Industri & Bisnis
Penyelidikan spionase Nvidia. Dewan Nvidia meluncurkan penyelidikan independen atas hubungan CEO Jensen Huang dengan Alice Huang, eksekutif AI yang menurut laporan direkrut MSS Tiongkok; Huang meminta maaf atas perselingkuhan dalam memo, sementara dewan menyatakan tidak ada bukti rahasia bocor.
Dorongan agen Siri Apple. Apple mempercepat roadmap Siri, dengan kontrol terperinci atas aplikasi pihak pertama yang diperkirakan hadir di iOS 27.3 dan integrasi aplikasi pihak ketiga pada musim semi nanti, demi bersaing dengan OpenAI Dots dan Meta Muse.
Gugatan musik Suno. Pemegang hak atas Elvis Presley dan Eminem menggugat Suno, menuduh pengklonan suara dan lirik secara ilegal berdasarkan ELVIS Act Tennessee dan common law.
Proyek akhir pekan Karpathy. Andrej Karpathy memakai Claude Opus 5.5 dan Claude Code untuk membangun HackerTube dalam satu akhir pekan, menyaring 43 juta komentar HN menjadi 6.454 video pilihan dengan hampir semua pekerjaan terotomasi.
Kursus AI-native Stanford. Mihail Eric membagikan bagaimana Stanford CS146S beradaptasi dengan agen coding: mahasiswa mempelajari repo yang tidak dikenal, mengusulkan perubahan, dan menjelaskan patch kepada maintainer open source; tim Monaco-nya memakai workspace agen dan agen on-call.
AI Lokal & Hardware
Nilai Intel Arc 32GB. Intel Arc Pro B70 32GB seharga US$1.299 memberikan sekitar setengah kecepatan generation dan sepertiga prefill RTX 5090 (US$6.500+) pada Qwen3.8-27B, menjadikannya pilihan harga/kinerja yang kuat.
Benchmark 4x R9700. Rakitan sekitar CAD 16.000 dengan empat GPU Radeon R9700 mencapai 190 tok/s untuk satu pengguna, prefill 6.800 tok/s, dan 80–225 tok/s per pengguna untuk 8 pengguna pada konteks 128K; follow-up agen mulai dalam 0,2–2,5 detik.
Inferensi Qwen di Assembly. Qwen3.5-0.8B berjalan dalam Assembly murni di satu thread CPU pada 6,51 tok/s, lebih cepat daripada referensi PyTorch, tanpa libc atau runtime Python.
CUDA untuk GPU lama. Pengembang mem-port stack pelatihan LLM modern ke GPU CUDA lama (SM 3.5–7.5) di Windows, memungkinkan Mamba-1 berjalan di kartu NVIDIA lama dengan rencana backport Mamba-2/3.
Helper bash lokal. Qwen3.5-0.8B yang di-fine-tune mengubah bahasa Inggris biasa menjadi bash secara offline dalam 1,7 detik di CPU; penulisnya berbagi pengalaman tertahan di 74% dan pelajaran bahwa ketidakcocokan distribusi data pelatihan/pengujian itu penting.
Use case model lokal. Seorang pengguna menjalankan DeepSeek v4.1 Flash secara lokal untuk scout yang mengalihkan riset web dari model frontier, mason yang membangun kode dari spesifikasi frontier, dan agen penyaring konten.
Motion graphics lokal. Qwen3.8 Flash Next IQ3_XXS pada VRAM 16 GB menghasilkan video motion graphics lewat Three.js/Playwright/ffmpeg dalam sekitar 2 jam, menunjukkan model lokal mampu menangani tugas creative coding.
Itu saja untuk hari ini – sekitar 5 menit membaca.