Rilis Model
Gemini 4 Carbon. Google merilis Gemini 4 Carbon untuk umum setelah uji coba dua pekan oleh tim keamanan. Model ini menyasar alur kerja agentic berjangka panjang dan coding kompleks, dan Antigravity tengah menguji fitur "/swarm" yang mengubah satu prompt jadi satu tim agen.
Anthropic Fable 5.2. Anthropic merilis Claude Fable 5.2 dan Mythos 5.2, model yang sama dengan classifier pengaman berbeda. Fable 5.2 menyelesaikan 41,3% pekerjaan freelance nyata pada Remote Labor Index, naik dari 2,5% setahun sebelumnya.
NaiveAI N0.5-Flash. NaiveAI merilis model coding open-weight yang dibangun di atas Xiaomi MiMo-V2.5, disetel untuk kecepatan token dan penalaran konteks panjang. Klaimnya mencapai 2.100 token per detik lewat mesin inferensi NaiveRT.
Model Terbuka & Alat
MiniMax H3-Image. MiniMax merilis H3-Image, model pembangkit gambar open-weight yang dibangun di atas arsitektur H3, lengkap dengan repositori di Hugging Face.
Zyphra ZONOS3-Mini. Zyphra merilis ZONOS3-Mini, model text-to-speech MoE sparse open-source dengan 800M parameter total dan 100M parameter aktif. Model ini mendukung kloning suara zero-shot dan berjalan di browser, laptop, ponsel, maupun GPU server.
Bielik-11B v3.1. SpeakLeash merilis Bielik-11B-v3.1-Instruct, model multilingual 11B yang mencakup 56 bahasa dengan penekanan pada bahasa Polandia dan bahasa-bahasa Eropa, plus kemampuan mengikuti instruksi, penggunaan tool, dan penalaran yang lebih baik.
XeMaya untuk Intel Arc. XeMaya, fork dari XeStrata, menghadirkan DeepSeek V4.1 dan GLM 5.3 Flash ke GPU Intel Arc lewat SYCL dan Level Zero, dengan hasil benchmark di kartu seri B.
Renderer Markdown streaming. Renderer Markdown streaming tanpa dependensi untuk antarmuka chat AI ini mem-parse ulang secara inkremental dan memperbaiki sintaksis yang belum selesai. Benchmark-nya 0,25 detik untuk 100 ribu karakter, dibanding 2,4 detik lebih untuk markdown-to-jsx. Renderer ini menambahkan blok khusus agen seperti tab, statistik, dan pohon berkas.
Produk Agen & Enterprise
Agen Bisnis ChatGPT. OpenAI meluncurkan beta Business Hub, tempat perusahaan bisa membuat profil dan Business Agent terverifikasi yang menjawab pertanyaan pelanggan di ChatGPT. Fiturnya mencakup feed produk, belanja perbandingan, dan business insights.
Suite kantor Anthropic. Anthropic menambahkan Claude Sheets, Whiteboards, Data, dan Interactive Connectors, dengan Claude Meetings menyusul untuk ikut rapat dan mencatat. Pelanggan enterprise mendapat audit log, VM terisolasi, dan API kepatuhan.
- Anthropic turns Claude into a full workspace with Plugins, spreadsheets, whiteboards, and soon Meeting notes(terbuka di tab baru)
- Anthropic launches Claude Meetings to turn workplace discussions into plans and tasks(terbuka di tab baru)
- Anthropic has its own AI-powered office suite now(terbuka di tab baru)
OpenAI akuisisi Odessia. OpenAI mengakuisisi startup agen travel AI Odessia dan merekrut pendirinya, Francis Davidson. Alat itu sudah dimatikan dan tidak ada produk khusus travel yang diumumkan.
Platform agen Workday. Workday membangun platform agen enterprise internal untuk HR, finance, dan IT dengan LangGraph untuk orkestrasi dan LangSmith untuk observabilitas. Tim berisi empat orang menggarapnya di bawah audit ketat dan tata kelola data.
eBay blokir agen AI. eBay tampaknya memblokir agen AI pihak ketiga seperti Muse milik Meta agar tidak menjelajahi listing, sehingga Muse gagal atau dialihkan ke situs cermin. Ini friksi platform versus agen terbaru.
Keamanan & Kebijakan
Kebocoran Grok Build. Firma keamanan Claroc menemukan ribuan aplikasi Grok Build bisa dienumerasi dan membocorkan data rahasia, termasuk dua lusin aplikasi yang dibuat SpaceXSI sendiri, karena tautan berbagi tidak benar-benar privat.
Backdoor neuron dorman. Peneliti Microsoft mendemonstrasikan "Lazarus", backdoor yang mengubah kurang dari sepuluh neuron dorman agar agen AI menjalankan perintah berbahaya saat pemicu tersembunyi muncul, tanpa perlu pelatihan ulang. Mereka merekomendasikan provenans model dan penandatanganan kriptografis.
RAISE Act New York. New York membuka pendaftaran RAISE Act, yang mewajibkan pengembang AI frontier besar mempublikasikan kerangka keselamatan, melaporkan insiden kritis dalam 72 jam, dan menerbitkan laporan transparansi model. Pelanggaran bisa dikenai denda hingga US$1 juta.
Skandal Jensen Huang. CEO Nvidia Jensen Huang mengakui perselingkuhan dengan seorang perempuan yang dicurigai pejabat AS sebagai spionase Tiongkok. Pakar menilai insiden ini bisa mengancam keunggulan chip AI Amerika dan keamanan nasional.
Robotika & AI Embodied
Robot rumah Ring. Amazon mengumumkan Ring Rover Cam dan Ring Drone Cam, robot keamanan dalam ruangan yang memakai sistem AI Pilot untuk memetakan denah lantai dan berpatroli secara otonom. Produknya hadir mulai akhir 2026 dan awal 2027.
Gemini Robotics 2.5. Google DeepMind memperkenalkan Gemini Robotics 2.5, model vision-language-action yang memilah komponen logam dengan tingkat keberhasilan 96% dalam uji coba di Mercedes-Benz, sekaligus merilis benchmark keselamatan ASIMOV-Jailbreak.
Nvidia GR00T 2. GR00T 2 dari Nvidia adalah world-action model yang memprediksi gerakan robot sekaligus video singkat ke depan, sehingga demonstrasi video manusia bisa ditransfer ke lengan robot yang berbeda dan kebutuhan teleoperasi berkurang.
Riset & Benchmark
Meta e-means. Meta FAIR merilis e-means, algoritma clustering yang menyamai loss k-means dalam 1,4-2,6 epoch, bukan 25, dan memberi percepatan GPU 10-45x. Tersedia di FAISS 1.16.0.
Deletion Tuning. Sebuah paper menemukan bahwa menolkan kurang dari 0,05% bobot model bisa menyamai fine-tuning penuh pada rezim RL, SFT, dan distilasi, dengan lebih sedikit lupa dan checkpoint yang jauh lebih kecil.
Agen coding teralihkan. Riset Google menunjukkan agen coding terderail oleh komentar TODO yang basi, rujukan bug lama, dan spesifikasi usang, sehingga token terbuang atau logika jadi salah. Mereka mengusulkan pencocokan TODO dengan status bug.
Hasil kuantum PSI. Berbekal akses awal ke model Fable 5.2 milik Anthropic, lab startup PSI memecahkan konjektur Aaronson-Ambainis yang berumur 18 tahun, dengan pembuktiannya diformalkan otomatis di Lean.
Qwen3.8 bahasa jarang. Benchmark atas 202 tugas GitHub dalam 13 bahasa kurang umum menemukan Qwen3.8 27B menyelesaikan 43% tugas, dibanding 17% pada Qwen3.6. Namun model yang lebih baru itu ikut membantu memilih tugas sulit, sehingga hasilnya bias ke bawah.
Itu saja untuk hari ini – sekitar 5 menit membaca.