MiniMax lanceert M3.1 Flash, waarvan Space Bunny een preview was, FLUX 3 Max genereert 10 seconden video in 12 seconden, OpenAI verwijdert GPT-4o en GPT-4.1 op 14 januari uit zijn API

MiniMax neemt M3.1 Flash in gebruik, een model voor agents en code dat 0,15 dollar per miljoen inputtokens kost, en onthult dat Space Bunny, het anonieme model dat meer dan 200 000 miljard tokens verwerkte, er een preview van was. Black Forest Labs en fal lanceren FLUX 3 Max, dat een video van 10 seconden in 12,45 seconden genereert, ongeveer 22 keer sneller dan Seedance 2.5, en de eerste plaats deelt in een nog voorlopige arena voor beeld-naar-video. OpenAI stelt 14 januari 2027 vast als datum waarop GPT-4o en GPT-4.1 uit zijn API verdwijnen, Meta geeft details over Prometheus, de supercomputer waarmee Muse Wonder is getraind, en Devin beoordeelt de efficiëntie van elke engineer voortaan met een score van 0 tot 100.

MiniMax lanceert M3.1 Flash: Space Bunny was er een preview van, voor 0,15 dollar per miljoen inputtokens

19 oktober — MiniMax neemt M3.1 Flash, zijn nieuwe model in de Flash-reeks, officieel in gebruik en ontrafelt het mysterie rond een anoniem model:

Space Bunny 🐰, which processed more than 200 trillion tokens while operating anonymously, was an early version of MiniMax M3.1 Flash.

🇳🇱 Space Bunny 🐰, dat meer dan 200 000 miljard tokens verwerkte terwijl het anoniem actief was, was een vroege versie van MiniMax M3.1 Flash. — MiniMax, lanceringsbericht

M3.1 Flash volgt M3.1-Flash-Preview op, dat op 27 september in MiniMax Code en daarna in het Token Plan verscheen, zonder benchmark of prijs, en Space Bunny Alpha, een model dat op 23 september zonder genoemde ontwikkelaar op OpenRouter opdook en hier op de 27e werd besproken. MiniMax omschrijft het als een generatiesprong voor agenttaken, code, computergebruik (Computer Use) en cybersecurity. Alle onderstaande scores zijn afkomstig van MiniMax:

Benchmark	Door MiniMax gemelde score
DeepSWE v1.1	73,7 %
OSWorld V2	61,7
Agents’ Last Exam (ALE)	29,6
BankerToolBench	76,2
CyberGym	82 %
Automation-Bench	62 % (vastgezette tweet)

Op OSWorld V2 en Agents’ Last Exam staat M3.1 Flash bovenaan onder de Chinese modellen; voor AutomationBench-AA noemt het bericht het alleen « een van de beste », maar de vastgezette tweet vermeldt 62 % op Automation-Bench.

Het andere argument zijn de kosten. Een grotere sparsiteit (sparsity) brengt de outputsnelheid boven de 200 tokens per seconde (mediaan boven de 170) en zou online inferentie bijna drie keer sneller maken. Volgens het bericht dalen de gebruikskosten voor agenttaken met 70 % ten opzichte van het vorige model, en de vastgezette tweet spreekt van een derde van de kosten van M3, bij een verdrievoudigde snelheid. De tarieven liggen vast:

Tarieftype	Prijs per miljoen tokens
Input	0,15 dollar
Output	0,60 dollar
Gecachete input	0,015 dollar

M3.1 Flash is vanaf nu beschikbaar via de MiniMax-API, het M Plan-abonnement en de MiniMax Code-applicatie. Volgens de vastgezette tweet komen de gewichten op 23 oktober beschikbaar, terwijl het bericht alleen « later » vermeldt. Er volgt ook een Pro-versie, waarvoor geen datum is aangekondigd. In de avond deelde MiniMax dat Ollama het model vanaf de eerste dag ondersteunt, met hosting in de VS zonder gegevensbewaring, en stelde het bedrijf dat de previewversie twaalf dagen bovenaan bij OpenCode had gestaan.

🔗 De vastgezette aankondiging van @MiniMax_AI

FLUX 3 Max: Black Forest Labs en fal genereren 10 seconden video in 12 seconden, 22 keer sneller dan Seedance 2.5

19 oktober — Black Forest Labs (BFL) presenteert FLUX 3 Max in een vastgezette tweet. De pagina van fal beschrijft het als het nieuwe videomodel dat fal Research met post-training heeft aangepast, samen met BFL gebouwd op FLUX 3, voor zowel tekst-naar-video als beeld-naar-video, in 720p.

Generate a 10-second video in 12 seconds. Tied for #1 in image-to-video. 22× faster than Seedance 2.5 at the same quality. FLUX 3 is a model designed for customization. @fal adapted and optimized it to create FLUX 3 Max.

🇳🇱 Genereer een video van 10 seconden in 12 seconden. Gedeelde eerste plaats bij beeld-naar-video. 22 keer sneller dan Seedance 2.5 bij gelijke kwaliteit. FLUX 3 is een model dat is ontworpen voor personalisatie. @fal heeft het aangepast en geoptimaliseerd om FLUX 3 Max te creëren. — @bfl_ai op X

Door fal gepubliceerde indicator	FLUX 3 Max	Door fal gegeven vergelijking
Generatietijd van een video van 10 seconden	12,45 s	277,80 s voor Seedance 2.5, 126,44 s voor FLUX 3
Elo, beeld-naar-video-arena van Artificial Analysis	1 139, gedeelde eerste plaats	Seedance 2.5 ook op 1 139; MiniMax H3 (768p) bovenaan met 1 141, binnen de onzekerheidsmarge; FLUX 3 op 1 089
Prijs in 720p bij fal, tot en met 7 november	0,0425 dollar per seconde	0,17 dollar tegen het standaardtarief

Vergeleken met de oorspronkelijke FLUX 3 maakt het werk van fal aan de inferentie de generatie ongeveer 10 keer sneller, en levert de post-training 50 Elo-punten winst op. De ranglijst van Artificial Analysis, gebaseerd op blinde menselijke beoordelingen, is slechts een voorlopige momentopname: MiniMax H3 staat er bovenaan met 1 141, en FLUX 3 Max, waarvan de onzekerheidsmarge overlapt met die van de koplopers, wordt als gedeelde eerste aangemerkt, vóór Gemini Omni Flash 1.1, Wan 3.0 en H3 Max. BFL benadrukt ook de stemmen, het fysieke realisme, de geluidseffecten en de prestaties bij ongewone verzoeken.

De introductieprijs komt overeen met de door BFL aangekondigde korting van 75 % gedurende twee weken, voor zowel tekst-naar-video als beeld-naar-video, zonder minimum of abonnement. fal herhaalt de aanpak van H3 Max, zijn met post-training aangepaste versie van MiniMax H3, die via dezelfde API wordt aangeboden: wisselen tussen de twee kan door de identifier te wijzigen. Dit is de derde aankondiging binnen de FLUX 3-familie in één week, na de prijsverlaging van FLUX 3 Video op 14 oktober en FLUX 3 Image Klein op de 15e.

🔗 De FLUX 3 Max-pagina bij fal

OpenAI verwijdert GPT-4o, GPT-4o mini, GPT-4.1 en GPT-4.1 mini op 14 januari 2027 uit zijn API

14 oktober — Nog ter aanvulling: volgens de pagina met uitfaseringen van zijn API heeft OpenAI de betrokken ontwikkelaars op 14 oktober gewaarschuwd dat vier modellen uit de GPT-4-reeks op 14 januari 2027 worden verwijderd, inclusief met fine-tuning aangepaste versies (fine-tuned). Dezelfde pagina vermeldt twee reeksen verwijderingen die op 1 oktober zijn aangekondigd:

Model dat uit de API wordt verwijderd	Verwijderingsdatum	Aanbevolen vervanger
GPT-4o (`gpt-4o-2024-08-06`, `gpt-4o-2024-11-20`)	14 januari 2027	`gpt-6-luna`
GPT-4o mini (`gpt-4o-mini-2024-07-18`)	14 januari 2027	`gpt-6-luna`
GPT-4.1 en GPT-4.1 mini (snapshots van 14 april 2025)	14 januari 2027	`gpt-6-luna`
`gpt-5.3-codex` en `gpt-5.1`, aangekondigd op 1 oktober	1 april 2027	`gpt-6-sol`
`gpt-5.4-nano`, aangekondigd op 1 oktober	1 april 2027	`gpt-6-luna`
`tts-1`, `tts-1-hd` en `gpt-4o-mini-tts`, aangekondigd op 1 oktober	6 januari 2027	`gpt-realtime-2.1-mini`

Deze datums staan alleen op de pagina met uitfaseringen, zonder vermelding in de changelog van de API; de Node-SDK 7.37.0 van 17 oktober voegt waarschuwingen over de stopzetting toe voor de modelaliassen van GPT-4.

🔗 De pagina met uitfaseringen van de OpenAI-API

Modellen trainen: Prometheus van Meta, MARBLE van Luma, Together Post-Training en TorchNeuron op Trainium

Vier aankondigingen van vandaag gaan over training, op vier niveaus: het rekencentrum van Meta, het parallellisme tussen GPU’s van Luma, de post-trainingdienst van Together AI en de PyTorch-backend voor de chips van AWS.

Prometheus: de supercomputer van Meta waarmee Muse Wonder is getraind, streeft naar een miljoen GPU’s

19 oktober — Meta beschrijft Prometheus, zijn supercomputer op gigawattschaal in New Albany (Ohio), waarmee zijn Muse-modellen, waaronder Muse Wonder, zijn getraind; ons nieuwsoverzicht van 12 oktober vermeldde alleen de naam. De eerste fase omvat honderdduizenden GPU’s, verdeeld over meerdere gebouwen.

Indicator van Prometheus	Door Meta gepubliceerde waarde
Effectieve doorvoer (goodput), Muse Wonder	meer dan 85 % bij pretraining, meer dan 90 % bij RL
Gemiddelde tijd tussen onderbrekingen	ongeveer 47 000 GPU-uren, inmiddels meer dan 54 000
Onderbrekingen per 8 000 GPU’s	bijna 1 000 per dag medio 2025, met 99 % gedaald
NVIDIA-platforms	GB200 en GB300 NVL72, daarna Vera Rubin NVL72

Bij de NVL72 treft een storing een domein van 72 GPU’s: Meta laat er per rack slechts 64 werken en houdt de 8 andere als reserve, plus ongeveer 2 % reserveracks, oftewel 523 racks (37 656 GPU’s) voor 32 768 actieve GPU’s. Hyperion, zijn volgende supercomputer in Louisiana, zal deze lessen toepassen.

🔗 Een kijkje binnen Prometheus (Engineering at Meta)

MARBLE: Luma maakt sequentieparallellisme exact voor miljoenen multimodale tokens

19 oktober — Luma publiceert MARBLE (Mask-Aware Ring with Balanced, Lossless Execution), een vorm van sequentieparallellisme om multimodale modellen te trainen op samengepakte sequenties van 1 tot 8 miljoen tokens, waarin causale tekst en bidirectionele beelden en video samenkomen. MARBLE beschrijft dit masker met vier gehele getallen per token en kiest voor elke laag tussen ring attention, sparse all-to-all en Ulysses.

Door Luma geteste configuratie	Resultaat van MARBLE
Vergeleken met een hybride van FlashMask + Ulysses	sneller in 47 van de 48 gevallen
Mediane winst bij 32 en vervolgens 128 H100-GPU’s	1,28 keer en vervolgens 2,63 keer
Trainingsstap van Gemma 3 27B, 1 miljoen tokens, 32 GPU’s	13,2 s, tegenover 32,5 s met FlashMask

Een aangepaste FlashAttention-4-kernel bewaart de softmax-status in fp32: outputs en gradiënten zijn identiek aan die van één GPU. Luma erkent dat de kernel alleen op Hopper-GPU’s werkt en dat het de hybride voor de vergelijking zelf heeft gebouwd; de code is toegezegd, zonder datum.

🔗 Het MARBLE-bericht van Luma

Together Post-Training: de klant schrijft zijn SFT- of RL-loop, Together AI laat de GPU’s draaien

19 oktober — Een week na zijn repository met recepten (post-training-cookbook), die op 12 oktober zonder aankondiging online kwam en hier op de 13e werd besproken, lanceert Together AI de dienst officieel. De klant schrijft zelf de trainingsloop, voor supervised fine-tuning (SFT) of reinforcement learning (RL); Together AI laat daaronder de trainer en de generators draaien op exclusief toegewezen GPU’s.

Kenmerk van de dienst	Door Together AI aangekondigd detail
Aanpassing van de gewichten	LoRA, meerdere adapters op dezelfde GPU’s, of volledige gewichten bij bepaalde modellen
Ingebouwde loss-functies	GRPO, CISPO, DPPO, cross-entropy, of een eigen loss-functie
Modellen bij de lancering	Muse Spark Open, GLM 5.3, Kimi K3, Qwen 3.8-27B
Introductieprijs	9 dollar per B200-GPU-uur gedurende acht weken

De facturering gebeurt per GPU-minuut, en een migratie vanaf de Tinker-API vergt één regel.

🔗 Together Post-Training (blog van Together AI)

TorchNeuron: Transformers, Diffusers en Kernels draaien native op AWS Trainium

19 oktober — Hugging Face ondersteunt TorchNeuron, de nieuwe PyTorch-backend van AWS voor zijn Trainium-chips, native in Transformers, Diffusers en Kernels; de publieke bèta start op 20 oktober. Tot nu toe moest dit via Optimum Neuron, gebouwd op PyTorch XLA, met statische shapes en hercompilatie bij elke graph break. TorchNeuron maakt van de chip een gewoon PyTorch-apparaat, met directe uitvoering (eager), torch.compile en FSDP2.

Bij inferentie werkt 89 % van de 100 meest gebruikte architecturen voor tekstgeneratie meteen, tegenover 46 % met Optimum Neuron v0.4.5, en Hugging Face raadt nu aan om Transformers, Diffusers, Accelerate, PEFT en TRL te gebruiken in plaats van Optimum Neuron. Een standaard SFT-script van TRL draait op 8 Trainium2-chips, en een op de Hub gedeelde Neuron-kernel maakt vision transformers tot 2,4 keer sneller.

🔗 TorchNeuron (Hugging Face-blog)

De Python- en Node-SDK’s van OpenAI ondersteunen de toolloop voor computer use en browser use

16 oktober — Nog ter aanvulling: in een door @OpenAIDevs opnieuw gedeelde thread presenteert Kevin Whinnery, van het team voor de ontwikkelaarservaring van OpenAI, nieuwe hulpfuncties (helpers) in de SDK’s voor Python en Node.js, die de toolloop (tool loop) van de Responses API afhandelen. De code verscheen op 14 oktober in openai-python 3.31.0 en openai-node 7.33.0, als eerste deel van een reeks van vier.

SDK-onderdeel	Wat het aan het model beschikbaar stelt
`ComputerToolset`	screenshots, muis- en toetsenbordacties, via de computer-tool
`BrowserToolset`	paginatekst, bedieningselementen en tabbladen, als function tools
Tool runner van Responses	gestreamde voortgang en hervattingspunten (checkpoints)

Een door de ontwikkelaar geschreven of geïmporteerd stuurprogramma (driver) voert de acties uit, en de applicatie houdt de regie: beschikbaar gestelde handelingen, bevestiging van wijzigingen, veiligheidscontroles en limieten aan het aantal stappen. De handleiding vermeldt integraties bij Browserbase, Browser Use, Daytona en E2B. De SDK’s van Claude hadden op 7 oktober vergelijkbare toolsets in bèta gekregen.

🔗 De thread van Kevin Whinnery · De handleiding voor Computer use

Perplexity: toegang tot connectors per rol, lokale map in Projects, Nano Banana 2.1 en skill Reverse Engineer

19 oktober — Perplexity publiceert zijn eerste productchangelog sinds 5 oktober: zeven van de dertien rubrieken zijn nieuw.

Nieuw in de changelog	Wat er verandert	Voor wie
Toegang tot connectors per rol	elke connector toegankelijk voor iedereen, beheerders of bepaalde rollen	beheerders van Enterprise-abonnementen met begeleiding
Lokale map in Projects	Computer leest en bewaart standaard bestanden in een map op de Mac	Mac-app 26.38 of hoger
Nano Banana 2.1 in Computer	afbeeldingen genereren en bewerken, vervolgopdrachten in dezelfde thread	iedereen met toegang tot Computer
Skill Reverse Engineer	software inspecteren die je mag analyseren, vervolgens nabouwen en testen	gratis tot en met 31 oktober, met een maximum van 10 000 credits per account

De toegangscontrole per rol, die eind juli verscheen, geldt daarmee nu voor elke afzonderlijke connector, met auditlogs. Daarbij komen een strook miniaturen in Computer, een eigen lettertype (PPLX) en een kader dat in het invoerveld de modus Ask of Computer aangeeft. Wat eerder besproken onderwerpen betreft: Gemini 4 Argon is in Computer beschikbaar voor Pro- en Max-abonnees, maar bij zoeken alleen voor Max-abonnees.

🔗 De changelog van 19 oktober

LiteRT Tensor API: Google laat embedded modellen in C++ schrijven die op CPU, GPU en NPU draaien

19 oktober — Google AI Edge publiceert de LiteRT Tensor API, een laag van zijn stack voor embedded inferentie waarmee je een model met de hand, bewerking voor bewerking, in C++ kunt schrijven. Dezelfde graaf draait met LiteRT op CPU, op GPU dankzij de ML-engine Drift, die op 8 oktober als open source verscheen, of op NPU, en kan via XNNPACK rechtstreeks op CPU worden uitgevoerd. De gewichten worden zonder conversie geladen uit .safetensors-bestanden van Hugging Face, en de tensors worden zonder kopiëren binnen het geheugen van de accelerator doorgegeven.

Meting van Google op SAM 2	Aangekondigd resultaat
Beelden per seconde bij 512x512 op WebGPU	van minder dan 10 naar meer dan 30
Snelheid tegenover Apple MLX (MacBook Pro, fp16)	ongeveer 1,5 keer zo snel

In een demo draait SAM 2, het segmentatiemodel van Meta, in de browser met prompts die door Gemma 4 E2B worden geïnterpreteerd; volgens de blogpost heeft een codeagent, Antigravity, dit met de Tensor API geschreven en vervolgens versneld. Conversie blijft voor de meeste projecten de aanbevolen route.

🔗 De blogpost van Google Developers

Codeagents: Devin beoordeelt de efficiëntie van zijn gebruikers, Amp wordt een agent in Linear, Mistral brengt Vibe CLI 3.0.0 uit, Gemini 4 Argon wordt beschikbaar voor Google AI Pro-abonnees in Antigravity

Cognition en Amp voegen functies voor teams toe, Mistral brengt een nieuwe hoofdversie van zijn CLI uit en Google maakt Gemini 4 Argon beschikbaar op een extra abonnementsniveau.

Devin beoordeelt de efficiëntie van elke engineer van 0 tot 100 en verhoogt zelfstandig de limieten van de hoogst beoordeelden

19 oktober — Cognition voegt drie functies voor uitgavenbeheer toe aan het Enterprise-abonnement van Devin. De Efficiency Score beoordeelt het recente gebruik van elke engineer door efficiëntie E, in productieve uren per ACU (de facturatie-eenheid van Devin), te combineren met volume V, in productieve uren per dag: Score = 100 × (E + 0,2 × V × (1 − E)). Het volume weegt weinig mee: een gemiddelde engineer krijgt 55, een intensieve gebruiker die even efficiënt is 60, een weinig efficiënte veelverbruiker 41 en een voorzichtige maar zeer efficiënte gebruiker 76.

Devin Coach geeft vóór de uitvoering feedback op een prompt, zonder die ooit stilzwijgend te herschrijven. Met de optie Approve based on efficiency stelt de beheerder een plafond in: wanneer een engineer met de beoordeling Healthy of Satisfactory zijn limiet nadert, verhoogt Devin die zonder dat de engineer daarom hoeft te vragen, tot dat plafond en binnen de limieten van de organisatie. Alles boven dat plafond gaat, net als verzoeken van engineers met de beoordeling Needs Improvement of Unknown, naar een beheerder; geen enkel verzoek wordt automatisch afgewezen. Deze goedkeuringen zijn per direct beschikbaar voor alle klanten van Devin Enterprise; er is geen tarief voor gepubliceerd.

🔗 De blogpost van Devin

Amp wordt een agent in Linear: een issue toewijzen of @Amp vermelden start een orb

19 oktober — Een Linear-issue aan Amp toewijzen of Amp met @Amp in een reactie vermelden, opent voortaan een agentsessie (Agent Session) in Linear en start een orb, een agentthread die namens de persoon werkt. Amp antwoordt in die sessie, reageert op tussentijds verzonden berichten en meldt wanneer het door een fout stopt of op goedkeuring voor een tool wacht. Volgens de documentatie kunnen subscriptions ook voor elke nieuwe issue een orb starten. Een beheerder van de Amp-omgeving installeert de app, een Linear-beheerder keurt die goed, waarna iedereen zijn account koppelt en Linear aan zijn MCP-servers wordt toegevoegd. Er wordt geen tarief vermeld; Amp kon al sinds 23 juli op Linear-webhooks reageren.

🔗 De aankondiging van Amp

Vibe CLI 3.0.0: Mistral behoudt alleen de Rust CLI en de Unified Harness

19 oktober — Mistral publiceert zonder aankondiging Vibe CLI 3.0.0, zijn eerste 3.x-versie: 95 vermeldingen, waaronder 54 fixes en 5 verwijderingen. De oude Python-interface, de oude runtime en de modus Plan verdwijnen, vibe start nog steeds de Rust TUI en alle interfaces, van de CLI tot Desktop, lopen via de Unified Harness.

Verschillende wijzigingen kunnen een installatie verstoren: minimaal Python 3.14 in plaats van 3.12, certificaten die volgens strengere RFC 5280-regels worden gevalideerd, geen ondersteuning meer voor Vibe 1.x-sessies en tools voor subagents die zijn hernoemd naar agents.*. Bij de toevoegingen splitst /branch een gesprek af naar een nieuwe sessie, importeert Vibe Desktop sessies van een andere codeagent en stelt een flag enable_mcp beheerders in staat MCP-servers te blokkeren. Onder Windows kan een commando de goedkeuringscontrole niet langer omzeilen door een deel van zichzelf te verbergen.

🔗 De releasenotes van Vibe CLI 3.0.0

Gemini 4 Argon wordt beschikbaar voor Google AI Pro-abonnees in Antigravity, met een apart weekquotum

15 oktober — Met enige vertraging: Gemini 4 Argon is in Google Antigravity niet langer voorbehouden aan Ultra-abonnees. Het account @antigravity kondigde de beschikbaarheid aan voor betalende Google AI Pro-abonnees, in de desktopapp en de CLI, terwijl bij de algemene beschikbaarheid op 13 oktober alleen Google AI Ultra en in aanmerking komende Gemini Enterprise-klanten toegang hadden. Voor Pro komt er naast het quotum voor Gemini 3.8 Flash een apart Argon-quotum, uitsluitend per week en zonder bekendgemaakte omvang.

Abonnementsniveau	Gemini 4 Argon in Antigravity
Gratis en Google AI Plus	nee
Google AI Pro	ja, buiten de proefperiode
Google AI Ultra	ja
Zakelijk	ja

Argon werkt in Antigravity App, Antigravity CLI en de IDE-extensies, maar niet in Antigravity IDE. Op 19 oktober nam Zed 1.24.3 het ook op in zijn stabiele versie.

🔗 De aankondiging van @antigravity · De modellenpagina van Antigravity

Kort nieuws

Agents en codetools

Claude Code 2.1.303 — Deze versie, uitgebracht op 18 oktober, heeft één regel releasenotes met bugfixes en verbeteringen van de betrouwbaarheid, zonder lijst van opgeloste problemen; de TypeScript Agent SDK volgt met 0.3.303. 🔗 bron
Qwen Code v0.25.3 — De stabiele versie volgt op de previewversie die op 16 oktober werd besproken, zonder bekende incompatibele wijzigingen: 41 functies en 81 fixes sinds v0.25.2, vooral voor de Managed Agent, die zijn tools via SSH of in een native macOS-werkruimte uitvoert en de modus Plan krijgt. 🔗 bron
Copilot CLI 1.0.100 — De eerste stabiele versie sinds 1.0.98 van 14 oktober brengt niets nieuws: de 49 vermeldingen komen uit de previewversies 1.0.99-0 tot en met 1.0.100-1, die hier van 15 tot en met 17 oktober werden besproken. 🔗 bron
ZCode v3.16.1 — Z.ai synchroniseert de open source-repository van ZCode met versie 3.16.1, zonder release of releasenotes; de enige gedocumenteerde toevoeging is een CLI-gebruikershandleiding in het Chinees. 🔗 bron
Gemini CLI, nightly van 19 oktober — Geen wijzigingen: dit is de derde nightly op rij op dezelfde commit, omdat er sinds de avond van 16 oktober niets is gemergd, en ook de stabiele versie v0.64.0 en de preview v0.65.0-preview.0 blijven ongewijzigd. 🔗 bron
Zed 1.24.3 — De enige releasenote van deze stabiele versie voegt Gemini 4 Argon toe aan de Google AI-modellen; het was al sinds 14 oktober aanwezig in previewversie 1.25.0. 🔗 bron
De MCP-partners van Figma — Met enige vertraging: op 15 oktober kondigde Figma tijdens Config India 20 nieuwe MCP-partners aan, waaronder Amp, Junie van JetBrains, OpenCode, Cline, Delta en Zed, maar de lijst telt 21 namen en vermeldt niet welke functies beschikbaar komen of wanneer; Zed deelde de aankondiging op 19 oktober. 🔗 bron · 🔗 Zed
Navan en de cloudagents van Cursor — Met enige vertraging: op 16 oktober vertelde Cursor hoe Navan in ongeveer een week naar Spring Boot 4 migreerde (8 applicaties, 15 bibliotheken), tegenover meer dan een maand twee jaar eerder, met cloudagents die op zijn eigen machines draaien; 36 % van de gemergde PR’s in zijn hoofdrepository werd over een periode van 30 dagen met Cursor geschreven. 🔗 bron
Een sessie van de GitHub Copilot-app hervatten in VS Code — Een tutorial op het GitHub Blog laat zien hoe de actie Open in VS Code een sessie opnieuw opent in de bijbehorende worktree, inclusief de taak, het plan, het gesprek en de diff, waarna review, aanpassingen, lokale tests en een push naar de pull request van de sessie volgen. 🔗 bron
COOKED — OpenAI Developers lanceert een videoprogramma over wat het team en de community met Codex bouwen; de eerste aflevering (13 min 20 s) toont functies die al beschikbaar zijn, van de cloudomgevingen van Codex tot een ramenspel in 8 bits dat met Ultrafast is gemaakt. 🔗 bron

API, harnesses en integraties

Agent API van Perplexity — De instelling require_approval vereist goedkeuring van de applicatie voordat aanroepen van MCP-tools en connectors worden uitgevoerd, en de preset xhigh gaat naar 512 000 uitvoertokens, tegenover 128 000; Perplexity corrigeert ook zijn vermelding van 5 oktober, die hier is overgenomen: ook xhigh gebruikt Fast Search. 🔗 bron
Engineering van de harness — Perplexity publiceert een gids over de harness (harness), alles wat het model in een AI-tool omringt, in zes componenten, van de agentloop tot verificatie; de gids haalt een onafhankelijke, niet bij naam genoemde test aan waarbij alleen het wisselen van de harness de score van hetzelfde model op een codetest met maximaal 11 % deed variëren. 🔗 bron
SPACE bij Crusoe — Crusoe kondigt een samenwerking met Perplexity aan om SPACE, de open source-sandbox van Perplexity, te integreren in het Managed AI-aanbod van Crusoe Cloud, zonder datum of tarief; Crusoe stond al bij de partners die werden genoemd toen de code van SPACE op 15 oktober werd opengesteld. 🔗 bron
Perplexity in Lovable — Met enige vertraging: op 15 oktober voegde Perplexity zich naast Claude, Firecrawl, Gemini, OpenAI, p0 en TypeSafe bij de aanbieders van AI-functies die Lovable in applicaties integreert, voor realtime antwoorden op basis van het web met bronvermeldingen; geen tarief of technische details. 🔗 bron
Een spraakagent die niet stilvalt — Een gids van Google Developers laat zien hoe streamingtools en niet-blokkerende tools van de ADK stiltes bij een spraakagent op gemini-3.8-live voorkomen: in een workflow voor verkooprapportages daalt de tijd tot de eerste woorden van 14,4 seconden naar 1,2 seconde, zonder nieuwe functionaliteit. 🔗 bron
DeepSeek-V4.1-Flash-1017 bij Together AI — Het model van DeepSeek, dat hier op 17 oktober werd besproken, staat online op Together AI, « tegen dezelfde prijs » volgens de hostingaanbieder. 🔗 bron

Open modellen en onderzoek

Muse Glimmer — Meta publiceert het technische rapport van zijn open model van 30B voor agenttaken op consumentenhardware, dat in augustus werd gelanceerd: tekst en afbeeldingen, meer dan honderd talen, ongeveer 4 bits op één GPU, Apache 2.0-licentie; Meta noemt het de beste in zijn categorie tegenover Gemma4-31B en Qwen3.6-27B, zonder cijfers in de samenvatting. 🔗 bron
SlideOn en mSlideOn — LightOn publiceert twee modellen voor zoeken met schaarse representaties (sparse retrieval), afgeleid van DenseOn en mLateOn, met 174M (Engels) en 339M parameters (meertalig): SlideOn behaalt 56,68 op BEIR-15 tegenover 56,20 voor DenseOn, en mSlideOn wint 10,19 punten op MLDR tegenover mDenseOn. 🔗 bron
tokenizers v1.0.0-rc.3 — De derde release candidate van tokenizers v1 brengt de bibliotheek naar de browser via WebAssembly-bindings die op npm zijn gepubliceerd onder de naam tokenizers-wasm, en maakt het laden mogelijk van ModernBERT, NLLB en modellen die vanuit SentencePiece zijn geconverteerd. 🔗 bron
Transformers v5.20.2 — Versie met fixes: invoer verliest tijdens de generatie niet langer zijn type, wat multimodale modellen hinderde, en de expertgradiënten zijn in bfloat16 met expertparallellisme niet langer nul. 🔗 bron
Je prompts sorteren — In een communityblogpost maakt Abdennacer Badaoui vLLM zonder aanpassingen 12 tot 17 % sneller op Qwen3-30B-A3B en 7 tot 12 % op gpt-oss-120b door prompts vóór batchinferentie per domein te sorteren, omdat verwante verzoeken dezelfde experts aanspreken; de winst verdwijnt bij latentiegevoelige onlineverwerking. 🔗 bron
Nesso3-0.4B-Agentic — mii-llm publiceert een tweetalig Italiaans-Engels model met 0,4 miljard parameters voor toolaanroepen, onder de Apache-2.0-licentie: 74/100 op de tweetalige testsuite van de auteurs tegenover 67 voor Qwen3-0.6B, maar 48 % tegenover 84 % op generieke tools in het Engels. 🔗 bron
S²-MAS en Fin-Laya — Yang Li simuleert 12 miljoen agents op basis van 500 miljoen persona’s van huishoudens, in 3 h 59 op 14 GPU’s, en presenteert Fin-Laya, een model voor financiële beslissingen met een nauwkeurigheid van 74,5544 % en een gemiddelde latentie van 9,10 ms, tegenover 206,77 ms voor Jev 1.13, volgens zijn eigen metingen. 🔗 bron
BlenderWorld — Met enige vertraging: op 15 oktober publiceerde Qwen een benchmark voor 3D-creatie in Blender (223 taken, 2 651 binaire criteria): van de 13 modellen gaat GPT-6-Astra aan kop met 79,9 op 100, vóór Opus-5 (73,0) en GPT-5.6-Sol (67,7), staat Qwen3.8-Max vijfde (60,6) en voldoet de koploper slechts bij 42,2 % van de taken aan alle criteria. 🔗 bron

Hardware, consumenten en creatie

De prijs van RTX Spark-laptops — In het nagekomen lanceringspersbericht van 16 oktober kondigt NVIDIA aan dat RTX Spark-laptops van ASUS, Dell, HP, Lenovo, Microsoft en MSI wereldwijd verkrijgbaar zijn vanaf 2 599 dollar; het blogbericht van NVIDIA van 17 oktober noemt voor dezelfde fabrikanten een vanafprijs van 2 399 dollar. 🔗 persbericht · 🔗 blogbericht
Grok Bot op de Action-knop — Het account @bot, van Grok Bot, laat in een video zien dat de assistent aan de Action-knop van de iPhone kan worden toegewezen, zoals de dots van OpenAI die hier op 18 oktober werden gepresenteerd; er wordt geen iOS-versie of abonnementsvorm vermeld, en er is geen blogbericht op x.ai of doorplaatsing door @SpaceXSI. 🔗 bron
Chroma Awards, seizoen 2 — ElevenLabs opent het tweede seizoen van de wedstrijd voor AI-creaties die het naar eigen zeggen heeft helpen opzetten: vijf divisies, 1 miljoen dollar aan proeftegoeden en meer dan 450 000 dollar aan prijzen; het blogbericht noemt eerst 1 januari 2027 als sluitingsdatum en vervolgens 7 januari in de voorwaarden, met daarna een ceremonie op 11 februari 2027. 🔗 bron

GitHub, los van AI

HTTPS-clones met authenticatie — Tijdens perioden met ongebruikelijk veel verkeer kan GitHub tijdelijk authenticatie vereisen voor sommige git clone en git fetch via HTTPS op openbare repositories; SSH, pushes en bewerkingen met authenticatie blijven ongewijzigd, en GitHub raadt GITHUB_TOKEN of een GitHub App-token aan voor continuous integration. 🔗 bron
CodeQL, Xcode 27 en Swift 6.4 — Doordat x86_64-code ontbreekt in sommige systeembinaries van Apple, traceert CodeQL geen builds met Xcode 27 meer en ondersteunt het Swift 6.4 op geen enkel platform; de ondersteuning voor Intel-Macs wordt medio december als verouderd aangemerkt, en GitHub adviseert macOS 26 en Xcode 26 vast te pinnen. 🔗 bron

Wat dit betekent

MiniMax en Black Forest Labs concurreren op hetzelfde terrein: de snelheid en de kosten van een taak, meer dan de pure kwaliteit. M3.1 Flash haalt meer dan 200 tokens per seconde aan output, verlaagt de gebruikskosten van agenttaken met 70 % en rekent 0,15 dollar per miljoen inputtokens; FLUX 3 Max rendert een video van 10 seconden in 12,45 seconden, voor 0,0425 dollar per seconde tot 7 november. De aangekondigde kwaliteit evenaart die van de beste modellen zonder die te overtreffen: FLUX 3 Max staat gedeeld eerste in een ranglijst waarin MiniMax H3 twee punten hoger scoort, binnen de onzekerheidsmarge, en M3.1 Flash staat naar eigen zeggen bovenaan bij de Chinese modellen op twee agentbenchmarks. Het model van MiniMax is ook in de praktijk beproefd: Space Bunny verwerkte meer dan 200 000 miljard tokens zonder zijn herkomst bekend te maken, en de voorlopige versie stond volgens MiniMax twaalf dagen bovenaan bij OpenCode. Al deze cijfers komen nog steeds van de aanbieders zelf, en de ranglijst van Artificial Analysis is nog voorlopig.

Post-training wordt een volwaardig product. fal heeft FLUX 3 Max niet vanaf nul gemaakt: het heeft FLUX 3 van Black Forest Labs aangepast en geoptimaliseerd, zoals het eerder van MiniMax H3 zijn H3 Max maakte; volgens fal leverde post-training het model 50 Elo-punten op, en maakte het werk aan de inference de generatie ongeveer tien keer sneller. Together AI verkoopt deze mogelijkheid nu aan klanten, die hun eigen trainingslus schrijven, met SFT of RL, voor open modellen, en TorchNeuron maakt de Trainium-chips van AWS toegankelijk voor gewone PyTorch-scripts van Transformers en TRL. Aan het andere uiteinde van de keten vindt concentratie plaats bij pretraining: Prometheus streeft naar een miljoen GPU’s, en het grootste deel van Meta’s blogbericht gaat over betrouwbaarheid, met 8 reserve-GPU’s per rack en 99 % minder onderbrekingen. MARBLE pakt hetzelfde schaalprobleem aan de softwarekant aan, voor sequenties van meerdere miljoenen tokens.

Agents krijgen ook beheerderscontroles: wie wat mag starten, met welk budget en na welke goedkeuring. Devin verhoogt zelfstandig de limieten voor engineers die het efficiënt vindt en verwijst de anderen naar een beheerder; Perplexity maakt elke connector toegankelijk voor bepaalde rollen, en zijn Agent API kan een MCP-aanroep onderbreken totdat de applicatie goedkeuring geeft; de toolsets van OpenAI laten de applicatie wijzigingen bevestigen en het aantal stappen beperken; Vibe CLI 3.0.0 geeft beheerders een flag waarmee ze MCP-servers kunnen uitschakelen. Amp werkt in Linear namens de persoon die er een issue aan toewijst: de agent nestelt zich in de tools van het team en handelt via ieders eigen Linear-verbinding.

Tot slot brengt de herfst voor ontwikkelaars de nodige migraties mee. GPT-4o en GPT-4.1 verdwijnen op 14 januari 2027 uit de API van OpenAI, de modellen voor spraaksynthese tts-1 en gpt-4o-mini-tts al op 6 januari, en deze datums staan alleen op de pagina met uitfaseringen: wie alleen de changelog van de API volgt, mist ze. Op Trainium adviseert Hugging Face om Optimum Neuron te vervangen door Transformers en TRL op TorchNeuron. En Vibe CLI 3.0.0 vereist Python 3.14, valideert certificaten strenger en opent Vibe 1.x-sessies niet meer opnieuw, wat een verrassing kan zijn voor wie bijwerkt zonder de release notes te lezen.