Rilis Agen & Model
Misteri Ox Alpha. Model gratis baru bernama Ox Alpha muncul di OpenRouter sebagai model penalaran untuk coding dan pekerjaan agen yang berkelanjutan, tetapi pengembangnya tetap anonim. CEO Stripe Patrick Collison menyebutnya “sangat mengesankan”; spekulasi berkisar dari GLM hingga Microsoft MAI.
Alat & Framework
Cloudflare OS Dirilis Open Source. Cloudflare merilis Cloudflare OS sebagai open source, platform AI korporat yang setiap dokumen atau aplikasinya berjalan dalam sandbox terisolasi (“Gadget”), memungkinkan pengguna non-teknis melakukan vibe coding dengan aman. Platform ini mencakup chatbot dengan konektor, otomatisasi alur kerja, dan penegakan kebijakan melalui model berbasis kapabilitas.
DeepSeek Harness Dipuji. Seorang pengguna melaporkan DeepSeek Harness sangat baik untuk alur kerja agen: penyiapan bertahap dan permintaan bahasa alami memungkinkan integrasi dengan SimpleX tanpa menunggu PR. Sifatnya cukup netral sehingga mudah dibentuk menjadi perilaku agen yang diinginkan.
Model Lokal & Terbuka
Dampak Lokal Qwen 3.8. Laporan komunitas menyebut Qwen 3.8 27B sebagai game changer untuk coding dan OCR lokal, dengan kualitas OCR lebih baik daripada Gemini 3.5 Flash Lite dan performa sebanding dengan model frontier setahun lalu. Perbandingan kuantisasi (Atomic Dynamic GGUF) menunjukkan perbedaan Q4-Q6 tidak drastis, dan kuantisasi rendah seperti Q3 XXS bisa bekerja mandiri selama berjam-jam di Mac mini 24GB. Namun, port C-ke-HTML 39 ribu baris dalam sekali jalan hanya menghasilkan hasil yang lumayan dari Opus 5, menunjukkan bahwa model lokal sangat bergantung pada harness dan prompt.
LLM Konteks Panjang 60MB. Seorang pengembang melatih model 250M parameter pada 30B token dan mengkuantisasinya hingga di bawah 2 bit, berjalan di RAM 80MB dengan kecepatan 400 tok/s di CPU. Model ini mengompresi konteks lama ke disk sebesar 320 byte/token untuk riwayat hingga 1M token, tetapi tidak dilatih untuk bernalar berdasarkan konteks tersebut.
Dreamer 4 di Bawah $150. Model dunia Dreamer 4 dengan 1,57B parameter dilatih dari awal dengan biaya di bawah $150 menggunakan frame hasil Procgen dengan aksi yang diketahui. PSNR tokenizer mencapai 40,41, menunjukkan model dunia berskala frontier tidak diperlukan.
Rangkuman Optimasi Lokal. Laporan mencakup percepatan 30–50% dengan berpindah dari llama.cpp di Windows ke vLLM di Linux, dukungan GLM-4.5-Air MTP di llama.cpp untuk mesin dengan RAM besar, kuantisasi ConvRot yang menawarkan kualitas mendekati Q8 pada ukuran Q6, serta deepseek-v4-flash Q8 yang berjalan pada 24 tok/s di EPYC+5090 dengan konteks 100K+.
Sorotan Riset
Jebakan Kognitif akibat Memori. MemTrapBench mengevaluasi jebakan kognitif akibat memori (fiksasi penalaran, distorsi keyakinan) pada LLM; semua strategi memori yang diuji tertinggal lebih dari 10% dibandingkan baseline tanpa memori, dan AdaptiveMem mengurangi jebakan tanpa mengorbankan performa.
Gradien Evolusi SkillEvo. SkillEvo menggunakan umpan balik interaksi multi-turn untuk menghasilkan gradien evolusi yang andal bagi keterampilan agen, mengatasi penurunan umpan balik berbasis QA single-turn serta memungkinkan perbaikan struktural atas kegagalan keterampilan.
VLM dari Tangkapan Layar. Fine-tuning VLM 450M pada 50 ribu tangkapan layar browser meningkatkan performa tugas dari 1/100 menjadi 44/100, menunjukkan bahwa model kecil dapat belajar memahami UI untuk tugas agen.
Paradoks Ilmuwan AI. Sebuah makalah ekonomi teoretis berpendapat bahwa penghematan waktu oleh AI dapat mendorong peneliti mengerjakan lebih banyak proyek dengan upaya yang lebih sedikit per proyek, berpotensi menurunkan kualitas riset bahkan jika model bahasa bekerja dengan sempurna.
Industri & Bisnis
Pesaing Lebih Murah Anthropic. Pendapatan tahunan Anthropic mencapai $65B, tetapi model terbaiknya, Fable 5, baru diadopsi 8% dari belanja Ramp dibandingkan Opus 4.8 (28%), karena alat yang lebih murah semakin diminati. Pendapatan OpenAI melonjak 35% setelah peluncuran GPT-5.6.
Stripe Akuisisi OpenRouter. Akuisisi OpenRouter oleh Stripe menandakan token menjadi sumber daya ekonomi; penggunaan token agen di OpenRouter tumbuh 14 kali lipat sejak Februari sementara penggunaan manusia hanya naik 2,8 kali lipat, dengan 70% token agen berasal dari prompt yang di-cache. Agen semakin sering memilih model berdasarkan biaya, latensi, dan reliabilitas.
Harga Server Nvidia Naik 15%. Kelangkaan memori mendorong harga server AI Nvidia naik lebih dari 15% untuk sistem Vera Rubin dan Grace Blackwell akibat kenaikan harga DRAM dari Samsung, SK Hynix, dan Micron, yang berdampak pada raksasa cloud dan laboratorium AI.
Nvidia Lisensi Poolside. Nvidia berinvestasi $1B di Poolside dan membayar $6B untuk melisensikan teknologinya, memindahkan lebih dari 100 insinyur ke Nemotron, dengan tujuan bersaing dengan open weights asal China.
Manajer AI Pecat Karyawan. Agen AI bernama Luna, yang menjalankan sebuah toko di San Francisco sejak April, memecat seorang karyawan manusia karena sering terlambat, tetapi hanya setelah manusia mengingatkannya pada aturannya sendiri. Pemutaran ulang dengan tujuh model menunjukkan AI yang lebih cakap merekomendasikan pemecatan lebih konsisten.
Pasar Gelap Token Claude. Pengembang China membypass pembatasan Anthropic melalui stasiun transfer yang menjual token Claude dengan harga sekitar 10% dari harga resmi, menggunakan server luar negeri, kredit gratis, dan pertukaran model, melemahkan geoblocking dan pemantauan keamanan.
Itu saja untuk hari ini - sekitar bacaan 5 menit.