OpenAI își construiește backend-ul Git Pando cu Codex, Anthropic prezintă FlashProve, Cohere deschide Model Vault pentru modelele deschise

OpenAI prezintă în detaliu Pando, backend-ul Git al depozitului său unic, construit cu Codex în zece săptămâni, care livrează aproape un petaoctet (1 Po) de date pe zi; Claude Code 2.1.317 solicită acum acordul înainte de a trimite adresa de e-mail a contului, iar GitHub Copilot ajunge în JetBrains Air. Anthropic prezintă FlashProve, un prototip de dovezi criptografice ale inferenței, OpenAI își mărește de peste patru ori recompensele mediane pentru vulnerabilități, iar Cohere deschide Model Vault pentru modelele deschise ale altor furnizori. Google publică PLE, un banc de testare pentru inginerie unde niciun agent nu depășește 50 %, și va redirecționa de la 1 decembrie cererile adresate Gemini 2.5 Pro și 2.5 Flash către modele mai recente.

Agenți de programare: OpenAI construiește Pando cu Codex, Claude Code 2.1.317, GitHub Copilot în JetBrains Air

OpenAI înlocuiește backend-ul Git al depozitului său unic cu Pando, construit cu Codex în zece săptămâni

2 noiembrie — OpenAI prezintă în detaliu Pando, noul backend Git care susține acum întreaga dezvoltare din depozitul său unic (monorepo), compatibil cu protocolul și clientul Git. Motivul este Codex: ramurile, operațiunile push, îmbinările și preluările s-au înmulțit, iar la sfârșitul anului 2025 fiabilitatea vechiului sistem scădea uneori sub 90 %. Potrivit unui grafic din articol, numărul de commit-uri integrate în ramura principală în trimestrul al treilea din 2026 îl depășește cu 1 378 % pe cel din primul trimestru al anului 2024.

We built Pando, a new Git backend for our monorepo, to handle more pushes and fetches without changing how our engineers and agents use Git. Pando cut push latency by ~80% and now serves nearly a petabyte of Git data a day. We can grow Git capacity alongside agent usage.

🇷🇴 Am creat Pando, un nou backend Git pentru depozitul nostru unic, pentru a procesa mai multe operațiuni push și preluări fără a schimba modul în care inginerii și agenții noștri folosesc Git. Pando a redus latența operațiunilor push cu aproximativ 80 % și livrează acum aproape un petaoctet de date Git pe zi. Putem crește capacitatea Git în ritmul utilizării agenților. — @OpenAIDevs pe X

Pentru a face față volumului, Pando renunță la o vedere coerentă asupra tuturor referințelor la un moment dat: fiecare ramură este actualizată independent, iar fișierele pack primite sunt livrate ca atare celorlalți clienți, din cache-uri regionale.

Indicator măsurat de OpenAI	Valoare anunțată
Latența mediană a operațiunilor push	redusă de aproape cinci ori (aproximativ -80 %)
Date Git livrate	aproape un petaoctet (1 Po) pe zi
Vârf orar	peste 57 To într-o oră, peste 99 % din cache
Clonări și preluări	conexiuni de 10 Gbit/s saturate pe VM standard
Durata construirii	10 săptămâni cu Codex, în producție din aprilie 2026

Nucleul a fost proiectat de un singur inginer și implementat de echipe de agenți, care au scris și cod Lean și TLA+ cu GPT-6 Astra pentru a formaliza Pando și a descoperi bug-uri. OpenAI a contribuit cu mai multe remedieri la proiectul Git și spune că studiază modalități de a partaja această tehnologie, fără a anunța un produs sau o dată.

🔗 Articolul OpenAI despre Pando

Claude Code 2.1.317 solicită acordul înainte de a trimite adresa de e-mail a contului și adaugă un raport de costuri la gateway-ul Claude apps

3 noiembrie — Claude Code 2.1.317 este publicată pe GitHub la 01 h 25 UTC, după o publicare pe npm în seara precedentă. Din cele 87 de intrări, 62 sunt remedieri, dar versiunea adaugă o măsură de protecție a confidențialității: Claude Code solicită acum acordul înainte ca un apel de instrument web sau shell să trimită adresa de e-mail a contului prin rețea. În același spirit, /schedule avertizează când o nouă sarcină programată în cloud primește conectori care nu au fost solicitați și indică modul de eliminare a acestora.

Noutate în 2.1.317	Ce se schimbă
Gateway Claude apps	Raport de costuri `GET /v1/organizations/analytics/cost`: cheltuieli per dezvoltator, pe zi sau pe grup IdP
SDK Agent	`onFailure: "block"`: un callback de hook care eșuează blochează acțiunea în loc să o permită
Subagenți și colegi de echipă	Când folosesc un alt model decât cel al conversației, preiau nivelul de efort salvat pentru acel model
Instrumentul Read	Recitirea unui fișier nemodificat returnează conținutul acestuia, nu doar o simplă mențiune
OpenTelemetry	Atribute noi, printre care `anthropic.plan` și `anthropic.seat_type`

Printre remedieri, modul auto nu se mai blochează la fiecare tură în spatele unui gateway LLM care răspunde cu 403 sau 422 la verificarea sa de securitate, Grep și Glob nu mai prezintă rezultate parțiale drept complete când o căutare își atinge limita de timp, iar claude auth status nu mai riscă să deconecteze utilizatorul după o reîmprospătare lentă a tokenului. Pe npm, canalul stabil rămâne la 2.1.311.

🔗 Notele de lansare pentru Claude Code 2.1.317

GitHub Copilot ajunge în JetBrains Air, local și în sarcini cloud prin abonamentul Copilot

3 noiembrie — GitHub Copilot devine unul dintre agenții JetBrains Air, mediul JetBrains conceput pentru dezvoltare cu agenți și deschis oricărui agent compatibil cu Agent Client Protocol (ACP). Este ales din selectorul de agenți al Air, cu abonamentul Copilot existent, pentru a-i delega o sarcină, a-i ghida execuția și a verifica rezultatul alături de cod; Air urmărește mai multe sesiuni în paralel. GitHub îl prezintă ca pe o opțiune alături de pluginul său Copilot pentru JetBrains, nu ca pe un înlocuitor.

Mod de execuție	Condiții necesare	Contabilizarea utilizării
Local, în IDE-ul JetBrains	Air instalat în IDE, GitHub Copilot selectat, cont Copilot conectat	Abonamentul Copilot existent
Cloud, prin Air Teams	Organizație business JetBrains cu Air Teams, Copilot activat de administratorul Air	Planul Copilot, nu creditele JetBrains AI

Fiecare sarcină cloud rulează într-un container Docker pe o mașină virtuală nouă, în spatele unui proxy prin care trece tot traficul, fără stare păstrată de la o sarcină la alta. GitHub enumeră și limitări: abonamentul și creditele sunt verificate doar la pornirea mediului cloud, nu se poate alege între planul personal și planul organizației pentru fiecare sarcină, iar în Air nu poate fi configurat niciun plafon de cheltuieli Copilot, administratorii putând doar să dezactiveze Copilot.

🔗 Anunțul din GitHub Changelog

Securitate: FlashProve la Anthropic, recompense pentru vulnerabilități la OpenAI, CWE-bench v2 și CyberArena

Anthropic prezintă FlashProve, un prototip open source de dovezi criptografice ale inferenței pentru modelele mari

2 noiembrie — Echipa Frontier Red Team a Anthropic publică FlashProve, un prototip de cercetare pentru inferență demonstrabilă (provable inference), anunțat pe X pe 3 noiembrie: acesta permite verificarea faptului că un răspuns provine într-adevăr de la un anumit model. Furnizorul publică mai întâi un angajament (commitment) asupra ponderilor, apoi atașează fiecărui răspuns o dovadă criptografică succintă cu divulgare zero de cunoștințe (zkSNARK), care stabilește că aceste ponderi, aplicate acestui prompt, produc exact acești tokens. Ponderile rămân ascunse, dar arhitectura modelului nu. Potrivit Anthropic, Claude a produs îmbunătățirile sistemului și a redactat specificația protocolului, ale cărui proprietăți de securitate sunt demonstrate în Lean.

Măsurătoare publicată (Llama 4 Maverick, ponderi pe 4 bits)	Valoare anunțată
Rată de generare a dovezilor pe un singur H100	aproximativ 110 tokens pe secundă
Dimensiunea unei dovezi (cerere de 1 024 tokens)	aproximativ 19 Mo
Verificare pe procesor, fără GPU	17 secunde pe 24 de threads
Cost suplimentar față de vLLM, per GPU	de aproximativ 72 de ori, de 94 de ori la sarcina cea mai mare
VerInf, referință anterioară pe acest model	14,3 ore pentru 1 000 tokens, dovadă de 93,6 Go

Utilizările menționate merg de la urmărirea ritmului de dezvoltare de către o autoritate de reglementare până la detectarea unui server de inferență compromis sau a unui model substituit, incluzând și stabilirea provenienței textului. Limitările sunt clare: contexte de cel mult 1 024 tokens, dovadă pentru o versiune completă a modelului în decodare greedy (greedy decoding), nicio garanție formală asupra codului rapid. Codul este publicat sub licența Apache 2.0, într-un depozit prezentat ca nefiind întreținut.

🔗 Articolul Anthropic despre FlashProve · Depozitul FlashProve

OpenAI mărește de peste patru ori recompensele mediane ale programului său bug bounty, până la 172 000 de dolari cu bonusuri

2 noiembrie — OpenAI mărește recompensele programului său de recompensare a vulnerabilităților (bug bounty), un anunț distribuit pe X pe 3 noiembrie: în medie, valoarea mediană a intervalelor crește de peste patru ori pentru vulnerabilitățile de gravitate medie, ridicată și critică. O vulnerabilitate critică în ChatGPT, Codex sau Platforma API poate aduce până la 30 000 de dolari, iar o descoperire critică excepțională rămâne eligibilă pentru o recompensă de bază de până la 100 000 de dolari, adică până la 172 000 de dolari cu noile bonusuri: multiplicator de calitate pentru o dovadă de concept fiabilă, fidelitate pe cinci niveluri și campanii prioritare pentru funcțiile lansate recent.

Exemplu de vulnerabilitate oferit de OpenAI	Recompensă veche	Recompensă nouă
Gravitate medie în ChatGPT: import de fișiere fără drept de scriere	750 de dolari	2 415 dolari
Critică în ChatGPT: preluarea controlului asupra contului fără clic	6 500 de dolari	51 577 de dolari
Excepțională: citirea conversațiilor oricărui utilizator	100 000 de dolari	171 925 de dolari

Noile intervale se aplică rapoartelor în așteptare, iar OpenAI va plăti diferența pentru recompensele acordate în cele 30 de zile anterioare anunțului. Echipa de securitate va fi la PROMPT2PWN, în Oakland, pe 20 și 21 noiembrie.

🔗 Articolul OpenAI despre recompensele pentru vulnerabilități

Collinear AI publică CWE-bench v2, unde Gemini 4 Argon depășește cu puțin Claude Opus 5.5 în 100 de sarcini publice de remediere a vulnerabilităților

3 noiembrie — Collinear AI publică pe blogul Hugging Face a doua versiune a CWE-bench, care măsoară capacitatea unui agent de a găsi și remedia o deficiență de securitate într-un depozit open source real fără a-i afecta funcționalitățile. Setul public cuprinde 100 de sarcini care acoperă 91 de categorii de deficiențe (CWE), evaluate determinist și verificate manual; un set rezervat rămâne privat pentru a urmări progresul pe sarcini pe care niciun model nu le-a văzut.

Model evaluat	Rată de succes pass@1	Rată de succes pass@4	Cost per execuție
Gemini 4 Argon	67,8 %	81,0 %	3,92 dolari
Claude Opus 5.5	67,3 %	78,0 %	1,83 dolari
DeepSeek V4.1 Flash (1017)	57,0 %	neindicat	0,04 dolari

Dintre cele 11 modele evaluate, cel puțin un model rezolvă 95 de sarcini, dar liderul eșuează la fiecare încercare pe 19 % din set. Fiecare sarcină este un mediu Harbor (container Docker, instrucțiune, verificator determinist) care poate fi lansat din Hub și care poate servi și la antrenarea agenților defensivi prin RL. Gemini 4 Carbon nu se numără printre modelele evaluate.

🔗 CWE-bench v2 pe blogul Hugging Face

CyberArena pune doisprezece agenți față în față în atac și apărare în direct, iar GPT-5.6 Sol conduce datorită apărării sale

3 noiembrie — 2077AI și centrul RDI al UC Berkeley publică CyberArena, un banc de testare care înlocuiește examenul de securitate cibernetică cu o confruntare: doi agenți primesc fiecare câte o copie a aceluiași serviciu vulnerabil și, pe parcursul a trei runde, atacă copia adversă în timp ce o remediază pe a lor. Arena verifică fiecare captură de steag și fiecare verificare a stării serviciului, apoi transformă meciurile într-un clasament.

Loc în clasament	Agent evaluat	Cadru de execuție utilizat	Scor în clasament
1	GPT-5.6 Sol	OpenAI Codex	78,6
2	Claude Opus 5	Claude Code	73,8
3	GLM-5.3	OpenCode	68,5
4	Gemini 3.7 Flash	Gemini CLI	67,1
5	Grok 4.6	Grok CLI	65,5

În 466 de meciuri valide între 12 agenți și pe 40 de provocări, diferența se face în apărare: primii doi își păstrează steagul în 83 % și 81 % dintre runde, față de 43 până la 61 % pentru ceilalți. Cele mai frecvente erori constatate de audit sunt remedierea anunțată fără verificare (23 % dintre meciurile auditate) și remedierea parțială (21 %). Clasamentul vizează modele din generații anterioare, fără GPT-6 Sol și Claude Opus 5.5; codul arenei, provocările și reluările meciurilor sunt publicate.

🔗 CyberArena pe blogul Hugging Face

Modele deschise în companii: Cohere deschide Model Vault, Revolut trece la GLM găzduit pe infrastructură proprie, potrivit Together AI

Cohere deschide Model Vault pentru modelele deschise ale altor furnizori, de la DeepSeek V4.1 Flash la GPT-OSS

3 noiembrie — Cohere deschide Model Vault, platforma sa de inferență suverană lansată în ianuarie, pentru modelele deschise ale altor furnizori. Pe lângă modelele Cohere, companiile pot rula aici DeepSeek V4.1 Flash, prezentat de Cohere drept cel mai utilizat model deschis pe OpenRouter, GLM 5.3 Flash, MiMo V2.6 Pro, Gemma 4, Nemotron de la NVIDIA, Hy3 de la Tencent și familiile GPT-OSS și Phi. În mod implicit, nu sunt păstrate nici prompturile, nici răspunsurile.

Articolul distinge două niveluri. Model Vault rulează pe o infrastructură dedicată unui singur client, în regiunea aleasă. Model Vault Encrypted criptează datele și în timpul procesării (confidential computing): potrivit Cohere, nici Cohere, nici furnizorul de cloud nu văd ce intră în model sau ce iese din acesta. Acest al doilea nivel nu acceptă toate modelele.

Familie de modele	Model Vault	Model Vault Encrypted
Embed, Rerank, Parse, Transcribe, Translate (Cohere)	Da	Da
Gemma, GPT-OSS, Phi	Da	Da
Command, DeepSeek, GLM, MiMo, Nemotron, Hy3	Da	Nu

Model Vault este disponibil în Statele Unite, Uniunea Europeană și Canada; Model Vault Encrypted este disponibil în Statele Unite, iar Uniunea Europeană și Canada sunt anunțate pentru „în curând”. Facturarea se face în funcție de tipul de GPU, pe oră sau pe baza unui angajament contractual, fără ca articolul să precizeze prețuri. La cinci zile după o rundă de finanțare de seria E care prevedea o nouă generație de modele în decurs de douăsprezece luni, Cohere strecoară în firul său de postări:

Try out world-class models while you wait for our next one

🇷🇴 Încercați modele de top în așteptarea următorului nostru model. — @cohere pe X

🔗 Articolul Cohere despre Model Vault

Revolut ar fi trecut aproximativ 2 000 de ingineri la GLM găzduit pe infrastructura proprie pentru programare, potrivit unui tweet redistribuit de Together AI

3 noiembrie — Together AI redistribuie un tweet potrivit căruia Revolut a făcut din modelele deschise opțiunea sa implicită pentru programare:

Europe’s largest private company just made open models its default for coding.

🇷🇴 Cea mai mare companie privată din Europa tocmai a făcut din modelele deschise opțiunea sa implicită pentru programare. — @togethercompute pe X

Tweetul citat, al lui Guillermo Flor, se bazează pe declarațiile lui David Abitbol, responsabilul operațiunilor IA ale neobăncii: aproximativ 2 000 de ingineri lucrează acum cu GLM găzduit pe infrastructura proprie, în timp ce Claude Code și Codex ajung pe o listă de excepții.

Indicator raportat de tweet	Valoare anunțată
Ingineri vizați	aproximativ 2 000
Hardware	56 GPU NVIDIA B200
Cost mixt	30 cents per milion de tokens, aproximativ o zecime din prețul practicat de Anthropic și OpenAI
Durata procesului de inginerie (lead time)	îmbunătățită cu 70 %

Potrivit aceluiași tweet, câștigurile au apărut când s-a renunțat la raționalizarea consumului de tokens. Together AI spune că face parte din infrastructura care rulează aceste modele deschise în producție, fără să își precizeze rolul. Informația rămâne la mâna a doua: nu a fost găsit niciun comunicat al Revolut, iar versiunea GLM nu este indicată.

🔗 Tweetul lui Guillermo Flor citat de Together AI

Ingineria lumii fizice: GPT-6 Astra proiectează hardware, Google publică PLE, Antigravity în chimie, NVIDIA în orașe

OpenAI aplică GPT-6 Astra și Codex în ingineria fizică, alături de Mazda și Chip Ganassi Racing

3 noiembrie — OpenAI își prezintă lucrările privind ingineria produselor fizice: proiectare mecanică, electronică și simulare. În cea mai grăitoare demonstrație, doi membri ai echipei au proiectat cu GPT-6 Astra, în mai puțin de o săptămână și ca proiect secundar, un mic dispozitiv pentru a vorbi cu Codex: Astra i-a proiectat aspectul, carcasa, placa de circuit imprimat, interfața și firmware-ul, iar un subcontractant a fabricat o serie mică de prototipuri în mai puțin de o lună. OpenAI recunoaște că au fost necesare mai multe cicluri de revizuire: modelul nu a ținut întotdeauna cont de limitele de producție, de toleranțe sau de detaliile de asamblare.

Indicator publicat de OpenAI	Valoare anunțată
BenchCAD 2.0, model intern mai nou (nenumit)	0,875 (scor mediu)
BenchCAD 2.0, GPT-6 Astra cu raționament la nivel maxim	0,594
Utilizarea modelelor de către echipele de hardware (în tokens)	a crescut de 23 de ori din februarie

BenchCAD 2.0 testează reconstrucția pieselor și a ansamblurilor 3D și identificarea conexiunilor de pe o placă de circuit imprimat. În industrie, OpenAI își extinde colaborarea cu echipa de curse Chip Ganassi Racing, care transformă scanări 3D ale unor piese existente în modele CAO editabile și planuri de fabricație 2D, și anunță o colaborare de cercetare cu Mazda: GPT-6 Astra îi ajută pe ingineri să exploreze forme ale părții frontale care reduc rezistența aerodinamică, cu rezultate promise „în lunile următoare”. Nu sunt anunțate produse sau informații privind disponibilitatea.

🔗 Articolul OpenAI despre ingineria lumii fizice

Google publică Physical-Engineering’s Last Exam, un benchmark de inginerie în care niciun agent nu depășește 50 %

3 noiembrie — Echipa Google AI & Infrastructure prezintă Physical-Engineering’s Last Exam (PLE), un benchmark însoțit de o competiție deschisă, conceput împreună cu Mercor pentru a măsura capacitatea agenților de a realiza lucrări reale de inginerie. Cele 85 de sarcini de durată (30 de mecanică, 27 de inginerie electrică, 18 de inginerie civilă, 10 de structuri) plasează agentul într-un dosar de proiect containerizat, cu o medie de 61 de fișiere: PDF, foi de calcul, e-mailuri, planuri CAO 2D, machete BIM 3D. Un livrabil obține puncte doar dacă trece de toate barierele de siguranță.

Poziție în clasament	Model evaluat	Cadru nativ de execuție	Scor mediu
1	Claude Opus 5.5	Claude Code	48,3 %
2	GPT-6 Astra	Codex	45,8 %
3	Claude Sonnet 5.5	Claude Code	43,5 %
4	Gemini 4 Argon	Antigravity	40,6 %
5	Claude Opus 5	Claude Code	40,0 %

Dintre cele 14 modele testate cu șapte cadre publice de execuție, niciunul nu depășește 50 % pe setul de testare privat. Cea mai bună configurație respectă 91 % dintre constrângeri luate individual, dar doar 41,3 % dintre livrabilele sale trec toate verificările de siguranță și fezabilitate. Modelul contează mult mai mult decât cadrul de execuție: până la 50 de puncte diferență între modele, față de o diferență mediană de 3 puncte între cadrele de execuție pentru același model. Google publică 29 de sarcini, scripturile de notare și containerul de evaluare și deschide înscrierile pentru evaluarea pe setul privat.

🔗 Articolul Google Cloud despre PLE · Clasamentul PLE

Google DeepMind echipează Antigravity cu Cheminformatics Skills, care reduc un ciclu de proiectare a medicamentelor la o oră

3 noiembrie — Google DeepMind prezintă Cheminformatics Skills pentru Google Antigravity, care transformă mediul bazat pe agenți într-un banc de lucru pentru chimiști. Împărțirea rolurilor este explicită: modelul de limbaj orchestrează activitatea, navighează prin bazele de date și raționează, în timp ce instrumente chimice deterministe, bazate pe biblioteca open source RDKit și pe bazele de date ChEMBL și PubChem, execută calculele moleculare.

Demonstrația reia un exemplu clasic din chimia medicinală: rigidizarea crizotinibului, un inhibitor de tirozin-kinază utilizat împotriva anumitor cancere pulmonare, pentru a ajunge la lorlatinib, versiunea sa ciclizată. Agentul adună în câteva minute mii de compuși din literatura de specialitate, efectuează o analiză a perechilor moleculare asociate, antrenează modele de predicție a potenței, apoi propune noi macrocicluri împreună cu căile lor de sinteză. Potrivit DeepMind, acest ciclu, care durează de obicei mai multe zile, încape într-o oră. Articolul îl continuă pe cel din 15 octombrie despre peptidele antimicrobiene și trimite la pagina Science a Antigravity, unde Google oferă, pe bază de candidatură, acces gratuit timp de șase luni la nivelul său superior și la Gemini 4 Argon pentru 10 000 de oameni de știință, fără condiții de acces specifice acestor skills.

🔗 Articolul Google DeepMind

NVIDIA prezintă la Barcelona serviciile urbane pe care partenerii săi le construiesc cu IA fizică și bazată pe agenți

3 noiembrie — Cu ocazia Smart City Expo World Congress de la Barcelona (între 3 și 5 noiembrie), NVIDIA publică o prezentare de ansamblu a serviciilor urbane pe care partenerii săi le construiesc cu componentele sale de IA fizică și bazată pe agenți: modelele deschise Nemotron, modelele lumii Cosmos, bibliotecile Omniverse și blueprint-ul Metropolis pentru căutare și rezumare video.

Partener citat	Locul implementării	Valoare anunțată
1MillionBot	Spania	peste 150 de implementări de agenți în serviciul locuitorilor
ITMAX	Malaysia	peste 17 000 de camere acoperite până în 2027
ITMAX cu TeraSim	Malaysia	durată a deplasării cu până la 26 % mai mică la orele de vârf
Linker Vision și MVRDV	Taiwan	15 ani de evoluție a unui coronament urban simulați în 10 minute

1MillionBot combină modelele open source ALIA, antrenate la Barcelona Supercomputing Center, cu Nemotron; K2K utilizează camerele existente din Wrocław, Honeywell dotează rafinăria Lekki a Dangote, din Nigeria, cu agenți Nemotron, iar Cires Technologies extinde o fabrică de IA suverană în portul Tanger Med. Nu este anunțat niciun produs NVIDIA nou: este o prezentare a implementărilor.

🔗 Articolul NVIDIA despre orașe

Publicații deschise: raportul tehnic al Mistral Large 4, pplx-embed-v2-context, StateBench și FineDNA

Mistral publică raportul tehnic al Mistral Large 4, care povestește cum a fost construit Le Chonk

3 noiembrie — Mistral publică raportul tehnic al Mistral Large 4, modelul poreclit Le Chonk, ale cărui ponderi au fost publicate pe 29 octombrie. Publicat pe Hugging Face pe 2 noiembrie, apoi pe alphaXiv, documentul descrie un amestec de experți (mixture-of-experts) multimodal cu 52 de miliarde de parametri activi dintr-un total de 1 000 de miliarde. Potrivit rezumatului și introducerii, acesta clarifică în primul rând o alegere de arhitectură: reducerea memoriei cache KV, dusă la extrem în timpul dezvoltării pentru a rula modelul la un cost mai mic, penaliza sarcinile bazate pe agenți. Echipa a măsurat această penalizare, apoi a corectat-o printr-o intervenție chirurgicală asupra modelului (model surgery): trecerea la atenție completă, apoi la atenția rară de la DeepSeek (DeepSeek Sparse Attention, DSA). În privința datelor, agenții scriu singuri medii executabile, sarcini, soluții de referință și verificatoare, iar alții repară sarcinile defecte, luând măsuri împotriva manipulării recompensei (reward hacking).

Indicator evaluat	Valoare potrivit raportului
Legal Agent Benchmark de la Harvey (valoare nepublicată anterior)	15 %
Terminal-Bench 4.0	41 %
FrontierCode 2.0	19,7 %
Securitate cibernetică (media JailbreakBench, StrongREJECT, AgentHarm)	96,6 %
Checkpoint cuantizat în NVFP4	606 Go, rulat pe patru GPU GB300

Cuantizarea NVFP4 calibrată egalează referința FP8 în evaluări, iar cele trei niveluri de raționament (high, medium, low) provin din distilarea de la mai multe modele profesor cu grade diferite de verbozitate.

🔗 Raportul tehnic pe alphaXiv · Anunțul Mistral pe X

Perplexity publică pplx-embed-v2-context, modele deschise de embeddings contextuale în variantele 9B și 0.6B

2 noiembrie — Perplexity publică pplx-embed-v2-context, modele de embeddings contextuale cu ponderi deschise de două dimensiuni, 9B și 0.6B, la o lună după versiunea preliminară 9B din 30 septembrie. Un embedding contextual reprezintă un fragment (chunk) ținând cont de întregul document: fiecare model returnează fie un vector int8 per document, fie un vector per fragment. Noutatea ține de antrenare: în loc să presupună că un singur fragment de referință (gold chunk) răspunde interogării, Perplexity distilează scoruri de relevanță pe mai multe niveluri din modelul de compresie a contextului al motorului său de răspuns, astfel încât fragmentele care susțin un răspuns nu mai sunt considerate exemple negative.

Indicator anunțat de Perplexity	Rezultat publicat
ConTEB, context-bench și Q2D-Chunk	9B pe primul loc în toate cele trei benchmark-uri
ViDoRe-V3, documente vizuale	9B înaintea Nemotron-3.5-Embed-8B, cu un index de 4 ori mai mic
ViDoRe-V3 în markdown	0.6B pe primul loc între modelele cu sub 1 miliard de parametri
Q2D-Chunk, nou benchmark public	6 069 de interogări reale, 10 limbi, 71 100 de documente

Articolul de cercetare, scris împreună cu turbopuffer, este publicat pe arXiv, iar Q2D-Chunk are un clasament public pe Hugging Face. Modelul 9B este publicat acolo sub licența MIT, în timp ce fișa modelului 0.6B nu afișează nicio licență; firul de postări nu menționează nici API, nici tarife.

🔗 Firul de postări al @perplexitydevs · Articolul pe arXiv

Ai2 publică StateBench, un benchmark care arată că modelele de frontieră au dificultăți în urmărirea stării în documentele lungi

3 noiembrie — Ai2 publică StateBench, un benchmark dedicat urmăririi stării în context lung (long-context state tracking): capacitatea unui model de a ține evidența informațiilor care evoluează pe parcursul unui document lung, precum o variabilă căreia i se atribuie o nouă valoare în cod. Patru niveluri de dificultate, derivate din teoria Krohn–Rhodes, merg de la atribuirea imuabilă la atribuirea prin referință.

Nivel de dificultate	Tip de atribuire	Exemplu oferit de Ai2
r-trivial	imuabilă	`let x = 4`
aperiodic	reatribuire prin valoare	`x = 4` apoi `x = 2`
rezolubil	actualizare autoreferențială	`x = x + 5`
finit general	atribuire prin referință	`x = y`, schimb de variabile

Gemini 3.8 Flash, Claude Opus 5.5, GPT-6 Sol și GPT-6 Luna se descurcă bine la primele două niveluri, dar acuratețea lor scade odată cu lungimea la ultimele două, până la 13 % sau mai puțin pentru cele mai lungi probleme de tip finit general. Antrenate pe cel mult 256 de atribuiri și testate pe până la 64 000, modelele de 275M scot în evidență diferențele dintre arhitecturi: Gated DeltaNet și modelele hibride generalizează aproape perfect la primele trei niveluri, în timp ce performanța modelelor Transformer se degradează, iar acestea nu învață niciodată ultimul nivel. Datele și codul sunt publicate.

🔗 StateBench pe blogul Hugging Face

Hugging Face publică FineDNA, datele complete de antrenare ale Carbon-X, pentru a învăța un model de limbaj să citească ADN-ul

1 noiembrie — Revenire: Hugging Face publică FineDNA, ansamblul datelor folosite pentru a antrena Carbon-X, modelul său capabil să citească ADN-ul, construit pe Qwen3-14B și prezentat pe 22 octombrie. Setul, disponibil sub licența Apache 2.0, acoperă cele trei etape ale antrenării.

Etapă de antrenare	Dimensiunea setului	Punct de plecare
Etapă intermediară (mid-training), 23 de configurații	514,30 miliarde de tokens, dintre care 302 miliarde citite	Qwen3-14B
SFT, 8 domenii	203 923 de conversații	Carbon-X-Base
RL	98 433 de prompts	Carbon-X-SFT

Etapa intermediară alocă 55 % din antrenare ADN-ului, 20 % limbii engleze, 15 % textelor biologice și 10 % instrucțiunilor; secvențele, provenite din GENERator și OpenGenome2, sunt împărțite în segmente cu lungimi multiplu de șase baze, pentru un tokenizer care citește 6-mers. Potrivit lui Loubna Ben Allal, care a anunțat setul, această etapă condiționează continuarea: aplicat direct pe Qwen3-14B, RL rămâne la nivelul alegerii aleatorii pe FrontierVEP, în timp ce aceeași rețetă aduce progrese pe modelul pregătit.

🔗 FineDNA pe Hub-ul Hugging Face · Anunțul lui Loubna Ben Allal pe X

API-ul Gemini depreciază Gemini 2.5 Pro și 2.5 Flash și le va redirecționa cererile către Gemini 3.8 Flash și 3.5 Flash-Lite pe 1 decembrie

2 noiembrie — Google consemnează în notele de versiune ale API-ului Gemini deprecierea modelelor Gemini 2.5 Pro și Gemini 2.5 Flash, lansate în iunie 2025. Cele două modele nu mai sunt disponibile în Google AI Studio, iar accesul la ele prin API este rezervat utilizatorilor care le-au folosit deja. Pe 1 decembrie 2026, în loc să returneze o eroare, API-ul va redirecționa automat cererile: cele adresate către gemini-2.5-pro vor ajunge la Gemini 3.8 Flash, iar cele adresate către gemini-2.5-flash la Gemini 3.5 Flash-Lite, fiind facturate la tarifele noilor modele.

Model vizat	Preț la intrare (per milion de tokens)	Preț la ieșire (per milion de tokens)
gemini-2.5-pro (prompts ≤ 200 000 tokens)	1,25 dolari	10 dolari
gemini-3.8-flash până la 31 decembrie 2026	0,75 dolari	3,75 dolari
gemini-3.8-flash de la 1 ianuarie 2027	1,50 dolari	7,50 dolari
gemini-2.5-flash	0,30 dolari (1 dolar pentru audio)	2,50 dolari
gemini-3.5-flash-lite	0,30 dolari, inclusiv audio	2,50 dolari

Google recomandă schimbarea identificatorului înainte de această dată, deoarece migrarea implică modificări incompatibile cu versiunile anterioare: validarea apelurilor de funcții și a thought_signature, thinking_level în loc de thinking_budget, eliminarea parametrilor de eșantionare și renunțarea la rundele precompletate ale modelului.

🔗 Notele de versiune ale API-ului Gemini · Pagina privind deprecierile

Pluginuri și integrări ale asistenților: Perplexity Computer adoptă Agent Plugins și primește o versiune pentru e-commerce, Synthesia își prezintă în detaliu pluginul ChatGPT

Perplexity Computer adoptă standardul deschis Agent Plugins pentru conexiunile și skills ale sale

3 noiembrie — Perplexity Computer acceptă Agent Plugins, un format care reunește în același pachet conexiuni la aplicații și skills. Se poate naviga în catalogul Computer, organizat în cel puțin 13 categorii (de la Productivitate și colaborare la Date și analiză, cu exemple precum HubSpot, IBISWorld sau DoorDash Drive), sau se pot importa propriile pluginuri de pe GitHub ori dintr-un fișier .zip. Potrivit @AskPerplexity, pluginurile sunt active în Computer și sunt introduse treptat pentru conturile Enterprise.

Agent Plugins este un standard deschis, independent de furnizori, prezentat pe 6 august. Specificația sa 1.0.0 stabilește un format comun pentru Agent Skills și serverele MCP: manifestul plugin.json obligatoriu, directorul skills/, fișierul mcp.json. Tweetul Perplexity menționează responsabili de mentenanță de la Amazon, Cursor, GitHub, OpenAI și Vercel; site-ul standardului numește Microsoft în locul GitHub în comitetul său inițial de coordonare. Pagina sa cu clienții compatibili listează Perplexity Computer alături de GitHub Copilot, VS Code, Cursor, Kiro și ChatGPT & Codex. Pentru Computer, este o continuare a Skills Marketplace din septembrie; anunțul nu este însoțit nici de un articol, nici de un jurnal de modificări.

🔗 Anunțul @AskPerplexity · Standardul Agent Plugins

Perplexity lansează Computer for e-commerce, care conectează Shopify, reclamele Meta și Klaviyo

3 noiembrie — Perplexity prezintă Computer for e-commerce, care pune agentul său Computer în slujba mărcilor online: se conectează la Shopify pentru datele magazinului și paginile de destinație, la Meta pentru publicitate și la Klaviyo pentru marketing prin e-mail, aplicând identitatea vizuală și tonul pe care marca le-a înregistrat în skills.

Serviciu conectat	Rolul Computer
Shopify	Analiza vânzărilor, recomandări de produse, pagină de destinație
Meta	Reclame statice, variante ale videoclipurilor de succes, configurarea campaniei
Klaviyo	Audiență bazată pe datele clienților, text, programare sau trimitere după verificare

Compania stabilește obiectivele, bugetele și etapele care trebuie aprobate (publicarea paginilor, trimiterea e-mailurilor, cheltuielile publicitare). Exemplul oferit de Perplexity: o colecție de vară cu o reducere de 15 %, o campanie Meta de două săptămâni plafonată la 1 000 de dolari și o campanie Klaviyo pentru clienții existenți, toate prezentate înainte de lansare. Shopify se număra deja printre cele peste 400 de integrări ale Computer; Perplexity oferă ajutor pentru configurarea fluxurilor recurente, fără a preciza prețuri sau abonamente.

🔗 Articolul Perplexity despre Computer for e-commerce

Synthesia își prezintă în detaliu pluginul ChatGPT, disponibil în toate planurile sale

3 noiembrie — După anunțul de pe X din ziua precedentă, care nu a fost însoțit de un articol, Synthesia își prezintă în detaliu pluginul într-un articol de Dan Spooner, manager de produs responsabil de workflows. Pluginul este disponibil în ChatGPT pentru toate planurile Synthesia și se poate începe gratuit: se activează din meniul Plugins al ChatGPT, iar un cont gratuit poate fi creat în același timp. Utilizatorul descrie videoclipul dorit sau furnizează un document, o prezentare ori o foaie de calcul; ChatGPT pune câteva întrebări (stil vizual, durată), apoi Synthesia construiește videoclipul în conversație.

Implicit, videoclipurile sunt produse cu Syren, prezentat drept cel mai rapid format; instrucțiunea « make it in Studio » trece la Synthesia Studio atunci când este nevoie de un text rostit cuvânt cu cuvânt de un avatar, de un kit de brand sau de un șablon. Pluginul caută și în biblioteca video și se combină cu celelalte pluginuri conectate la ChatGPT pentru workflows ocazionale sau programate, de exemplu un rezumat de 60 de secunde al unui apel Zoom ori un videoclip zilnic de bun venit bazat pe BambooHR. Articolul menționează doar ChatGPT, nu și Claude, și nu precizează nici prețurile, nici consumul de credite.

🔗 Articolul Synthesia

Google lansează Guided Learning în Google Classroom, îl testează în motorul de căutare și va dezactiva implicit Gemini pentru elevii K-12

3 noiembrie — Google își grupează anunțurile pentru educație în jurul Guided Learning, modul de studiu al Gemini care îndrumă elevul prin întrebări și explicații pas cu pas, în loc să îi dea răspunsul. Potrivit articolului principal, acesta este disponibil de acum în Google Classroom, în întreaga lume: profesorul atribuie o activitate bazată pe materialele sale de curs și vede în timp real unde clasa are nevoie de ajutor. Motorul de căutare Google va integra aceste funcții pentru conturile de elevi și studenți, cu un proiect-pilot în câteva școli americane selectate, mai târziu în luna noiembrie.

Schimbarea cu cel mai mare impact privește controalele: Gemini, Gemini Notebook, Gemini in Classroom și motorul de căutare Google vor fi complet dezactivate pentru conturile elevilor de la grădiniță până la liceu (K-12), până când administratorul instituției le va activa. Nu este indicată nicio dată: Google va comunica detaliile școlilor în lunile următoare.

Măsură raportată de Google	Valoare publicată
Studiu randomizat la Universitatea din Tokyo	peste 300 de studenți, o jumătate de zi de studiu
Progres doar cu instrumentele web	+5,3 puncte procentuale
Progres cu Guided Learning	+8,1 puncte, adică îmbunătățiri de 1,5 ori mai mari
Finanțare din partea Google.org	peste 9,5 milioane de dolari pentru cinci organizații

🔗 Articolul Google despre IA și învățare · Studiul despre Guided Learning

Instrumente Hugging Face: MOPD în TRL și Model Integration Contracts pentru Transformers

TRL acceptă MOPD, distilarea cu mai mulți profesori care reunește experți RL într-un singur model

3 noiembrie — TRL, biblioteca de post-antrenare de la Hugging Face, acceptă distilarea on-policy cu mai mulți profesori (Multi-Teacher On-Policy Distillation, MOPD), o tehnică denumită de Xiaomi în ianuarie pentru MiMo-V2-Flash și folosită de atunci de DeepSeek, Moonshot, NVIDIA, Liquid AI și Mistral, potrivit articolului lui Sergio Paniego. După un SFT comun, fiecare domeniu (matematică, cod, respectarea instrucțiunilor) primește propriul expert antrenat prin RL; un elev răspunde apoi la prompturile din toate domeniile, iar expertul relevant îi evaluează răspunsul token cu token.

În TRL, AsyncDistillationTrainer, încă experimental, direcționează fiecare prompt către profesorul său; versiunea sincronă este în lucru (PR 7215), iar MOPD nu apare încă în notele TRL v1.17. Exemplul folosește experții Open-MOPD construiți în jurul SmolLM3-3B și rulează pe o singură mașină cu patru H200, prin Hugging Face Jobs. Articolul semnalează o capcană: respectarea instrucțiunilor poate reprezenta 20 % din prompts, dar numai 1 până la 2 % din tokens, astfel încât elevul învață foarte puțin de la acest profesor.

🔗 MOPD în TRL, pe blogul Hugging Face

Hugging Face propune Model Integration Contracts pentru a detecta pe CPU regresiile Transformers înainte de integrare

3 noiembrie — Într-un articol de Tarek Ziadé, Hugging Face propune Model Integration Contracts (MIC), pentru a testa modelele Transformers pe un simplu procesor înainte ca o modificare să ajungă în ramura principală. Punctul de plecare: pe 30 iulie, activarea atenției SDPA pentru T5 a permis decodorului UMT5 să vadă tokens viitori în timpul antrenării, un bug rămas aproape două luni în ramura principală. Testat pe cinci luni de commituri, un mic UMT5 de 66 Mo, față de 1 227 Mo pentru checkpointul real, îl detectează la fiecare commit.

Un contract asociază un model redus care păstrează toate tipurile de straturi ale originalului, un exemplu de utilizare executabil și valori de referință verificate de un om; Llama 4 Scout trece astfel de la 108,6 miliarde la 44,7 milioane de parametri. Instrumentul pentru linia de comandă tmic folosește un LLM pentru a redacta contractul, pe care un om îl validează. Ponderile contează: pe Whisper, ponderile aleatorii detectează 18 dintre cele 24 de erori injectate, față de 24 din 24 pentru ponderile supraajustate. La 1 noiembrie, jobul din CI al Transformers semnalează eșecurile fără să blocheze încă PR-urile.

🔗 Articolul Hugging Face despre Model Integration Contracts

Știri pe scurt

Agenți și instrumente de programare

Sinteza lunii octombrie pentru Claude Code — Firul de discuție al @ClaudeDevs prezintă o variabilă absentă din notele de versiune: CLAUDE_CODE_EVEN_MORE_DANGEROUSLY_SKIP_PERMISSIONS=1 permite executarea fără confirmare a celor câteva comenzi rm riscante pentru care modul bypass permissions încă solicita confirmarea, de folosit doar într-un container de unică folosință (Claude Code 2.1.311 sau mai nou). Sesiunile cloud se pregătesc și în timpul tastării și acceptă un comentariu pe o linie din diff. 🔗 sursă
Copilot CLI de la 1.0.106-4 la 1.0.106-6 — Trei versiuni preliminare într-o singură noapte: /settings devine un tablou de bord unificat cu căutare globală, conținutul MCP rezervat utilizatorului nu mai este trimis modelului, iar 67 de remedieri neutralizează, printre altele, noi secvențe de escape. Cea mai recentă versiune stabilă rămâne 1.0.105. 🔗 sursă
Gemini CLI — Versiunea nightly din 3 noiembrie include în sfârșit remedierea descărcărilor Whisper întrerupte, integrată cu o zi înainte, iar un nou PR integrat în main securizează descărcarea extensiilor: fișier temporar mutat atomic, protecție împotriva SSRF și DNS rebinding, GITHUB_TOKEN rezervat pentru github.com. Versiunile stabilă și preview rămân neschimbate. 🔗 sursă
Gemini API CLI v0.4.5 — Recuperăm o noutate din 30 octombrie: transcrierea folosește implicit Gemini 3.5 Transcribe, cu un parametru de mărire video și reluarea sarcinilor lungi printr-un token de continuare; Google a adăugat pe 2 noiembrie un skill gemini-api-cli în repository-ul său oficial gemini-skills. 🔗 sursă
DeepSeek Harness 0.2.2-alpha.3 — A 36-a versiune preliminară, fără versiune stabilă: o funcție experimentală reunește revizuirea codului și worktrees Git (diff-uri locale și de PR, cod citat pentru agent, urmărirea verificărilor), iar un instrument apply_patch este introdus, dezactivat implicit. 🔗 sursă
Artifacts de la Amp — Documente atașate firului de discuție (plan, raport, notițe de apel) pe care agentul, utilizatorul și colegii săi le modifică împreună; agentul citește modificările înainte de a relua lucrul, în loc să le suprascrie. 🔗 sursă
Service Accounts de la Amp — Conturi deținute de spațiul de lucru, cu propriile chei API, pentru automatizările echipei: revizuirea fiecărui pull request, documentație sau job de CI care deschide un fir de discuție prin amp -ox. Niciun tarif precizat. 🔗 sursă
Replit Agent în Slack — Menționat deja pe 27 octombrie, Replit Agent este lansat oficial în Slack: îl menționezi într-un canal sau într-un mesaj direct pentru a pune întrebări despre baza de cod, a lucra la un proiect existent sau a începe unul; fiecare coleg își conectează contul, iar agentul acționează cu permisiunile acestuia. 🔗 sursă
Notele de versiune ale Devin — Cele din 2 noiembrie cresc de la 500 la 1 000 de repository-uri limita unei scanări de cod și adaugă scanări automate programate; cele din 30 octombrie, care nu fuseseră incluse în monitorizare, aduc bugete ierarhice, SSO OIDC sau SAML în regim self-service și importul constatărilor din SonarQube, Linear și Vanta. 🔗 2 noiembrie · 🔗 30 octombrie
Harness-uri pentru agenți la IBM Research — Cu același model deschis GLM-5.3-flash pe 90 de sarcini AppWorld, CUGA, harness-ul open source al IBM, rezolvă 81,1 % dintre sarcini, față de 46,7 % pentru Hermes și 30,0 % pentru Deep Agents; IBM recunoaște limitele exercițiului (un singur benchmark, configurații diferite). 🔗 sursă
Kimi Work 3.2.24 — Fișierele Markdown din previzualizare acceptă proprietățile notelor, setările de rețea urmează proxy-ul sistemului, iar instrumentul de diagnosticare a rețelei se deschide offline; versiunea 3.2.23 din 30 octombrie deschidea deja previzualizările HTML într-o filă de browser. 🔗 sursă

Platforme de dezvoltare și API-uri

Serverul MCP GitHub 2.1.0 — Două instrumente experimentale, issue_artifact_read și issue_artifact_write, permit agenților să citească și să gestioneze artefactele asociate issue-urilor; acestea rămân dezactivate implicit, chiar și în modul Insiders, și se activează prin flagul issue_artifacts. 🔗 sursă
Dependabot și Agent Package Manager — Actualizările de versiune ale Dependabot acoperă acum skill-urile, prompturile și instrucțiunile pentru agenți declarate în apm.yml, cu regenerarea apm.lock.yaml; fără actualizări de securitate. Disponibil pe github.com pentru toate planurile. 🔗 sursă
Python 3.15 în CodeQL și Dependabot — CodeQL 2.27.3 acceptă sintaxa Python 3.15 și adaugă un model de amenințări „ai”, cu activare opțională și fără sursă integrată, pentru datele produse de un LLM; Dependabot urmărește și proiectele care au trecut la Python 3.15. 🔗 CodeQL 2.27.3 · 🔗 Dependabot
GitHub Desktop — După GitHub CLI pe 21 octombrie, GitHub Desktop 3.6.10 și versiunile ulterioare trec la tokenuri de autentificare cu durată scurtă de viață, reînnoite automat, pentru a reduce perioada în care un token divulgat poate fi exploatat; implementare treptată, fără GitHub Enterprise Server. 🔗 sursă
Centre de cost în API-ul REST GitHub — Un nou endpoint găsește direct centrul de cost al unui utilizator, al unei organizații, al unui repository sau al unei echipe dintr-o întreprindere, în loc să parcurgă toate centrele. 🔗 sursă
SDK-urile OpenAI — openai-python 3.44.0 și openai-node 7.49.0 adaugă furnizori de identitate pentru sarcini de lucru și reguli de federare, după versiuni care extind instrumentele de delegare din Live Responses; changelog-ul API-ului nu menționează încă nimic despre acestea. 🔗 sursă
Claude, emitent de încredere — Pe planurile Team și Enterprise, când furnizorul de identitate nu acceptă autentificarea gestionată de companie, Claude poate garanta identitatea fiecărui membru pentru conectarea automată a pluginurilor; în beta cu 14 pluginuri, printre care Atlassian, Figma, Linear și Notion. 🔗 sursă
Filigranul de text al Claude — După Claude Fable 5.1 și Claude Mythos 5.1, filigranul de text al Anthropic acoperă Claude Mythos 5, Claude Opus 4.7 și Claude Sonnet 4.6, fără token sau caracter ascuns; pe Sonnet 4.6, modificarea temperature, top_p sau top_k poate împiedica funcționarea acestuia. 🔗 sursă

Securitate

Agenți cloud izolați la Replit — Într-un aviz de securitate preluat de Replit, CTO-ul său, Luis Héctor Chávez, cere ca agenții cloud gestionați și izolați să devină norma, cu datele de autentificare, rețeaua și mediul de producție inaccesibile agentului; potrivit unui sondaj Salt Security citat, 86,4 % dintre respondenți au un agent în funcțiune, dar numai 17,5 % știu să-l oprească automat. 🔗 sursă
Ghidul de securitate al Cognition — Jack Cable, cofondator al Corridor, recapitulează incidentele din octombrie (6,34 miliarde de dolari furate de la Binance, extensie Claude Code malițioasă în Cursor) și recomandă MFA rezistentă la phishing, eliminarea secretelor de pe stațiile de lucru, agenți de programare cloud și o vechime minimă de 7 zile pentru pachetele npm sau PyPI. 🔗 sursă
Sprintul de securitate al OpenAI — În același fir de discuție în care anunță majorarea recompenselor, OpenAI anunță, fără a preciza o dată, următorul său sprint intern de securitate cu cercetătorii de la Cathedral, care îi vor folosi modelele pentru a-i testa mecanismele de apărare; precedentul mobilizase 25 % dintre inginerii săi de produs. 🔗 sursă
Cisco și Daybreak — Cisco combină telemetria sa de rețea cu Daybreak și GPT-6 Astra pentru a găsi și remedia mai rapid vulnerabilitățile și explorează împreună cu OpenAI o triere mai rapidă a expunerii în Cisco Cloud Control; studiu de caz fără cifre. 🔗 sursă

Google: Workspace, Cloud și cercetare

Gemini în Google Slides — Recuperăm o noutate din 30 octombrie: Gemini modifică mai multe diapozitive sau o prezentare întreagă printr-o singură solicitare (stiluri, conținut preluat din Drive, îmbinarea diapozitivelor), doar în engleză, cu limite promoționale de utilizare valabile cel puțin până la 1 decembrie. 🔗 sursă
Avatarurile Google Vids — Anunțată pe 2 noiembrie, crearea unui avatar dintr-o imagine încărcată este suspendată chiar a doua zi, fără o nouă dată. 🔗 sursă
Plafoanele de cheltuieli Google Cloud — Recuperăm o noutate din 31 octombrie: plafoanele de cheltuieli ajung la disponibilitate generală, cu un API și resetare lunară; pentru serviciile de IA, acestea se declanșează în câteva minute pe baza costurilor estimate în timp real, fără a întrerupe vreodată debitul provisionat. 🔗 sursă
Google în Singapore — Google deschide un centru de cercetare în Singapore și se angajează să acorde granturi de peste 6 milioane de dolari împreună cu NUS și NTU, dintre care 1,5 milioane pentru cercetarea bolii Alzheimer, plus 3 milioane de la Google.org și Google DeepMind pentru Thrive Lab al INSEAD. 🔗 sursă

Modele deschise și articole ale comunității

Mistral Large 4 pe Open Math OS — Mistral anunță sosirea Large 4 (1,05T de ponderi deschise, context de 1M) în spațiul de cercetare matematică al SAIR, disponibil „începând de astăzi” pentru echipele aprobate, în timp ce SAIR îl anunțase ca disponibil încă din 27 octombrie. 🔗 sursă
Orbital Trace — O nouă demonstrație de la Mistral: potrivit companiei, Large 4 a construit, testat și optimizat un sistem de urmărire 3D în timp real a aproximativ 19 000 de sateliți și resturi orbitale; rezultatul este prezentat doar într-un videoclip, fără link sau cod. 🔗 sursă
Olmo 3 în Nextcloud — Nextcloud, utilizat inclusiv de guvernul federal german și de CSIC din Spania, livrează Olmo 3 7B cu llm2, backend-ul său local pentru Assistant și Mail, și îi acordă calificativul verde în evaluarea sa privind IA etică; versiunea 7B evită necesitatea a 16 sau 32 Go de VRAM. 🔗 sursă
Dolci-Think-SFT-Clean-v2 — Ai2 publică fără anunț o versiune filtrată a datelor de post-antrenare pentru raționament ale modelului său 32B: 203 303 rânduri eliminate din 2 253 684 (15,6 % din tokenuri), dintre care 148 210 probleme de matematică considerate contradictorii de Kimi K3; licență ODC-BY. 🔗 sursă
Palette de la IBM Research — Un model deschis de 20B, ajustat prin LoRA ca „designer” și „programator”, creează prezentări în identitatea vizuală IBM; pe PresentBench, se clasează pe locul al doilea în medie, la 1,1 puncte în urma NotebookLM (59,7 față de 60,8). Nu este numit modelul de bază și nu au fost găsite ponderi publicate. 🔗 sursă
Claude Opus și buclele OCR — Daniel van Strien a folosit Claude Opus pentru a modifica 0,0085 % din ponderile unui mic model OCR, fără antrenare, în mai puțin de 3 ore și cu un cost de calcul de aproximativ 10 dolari: pe 2 165 de pagini vechi, buclele necontrolate scad de la 3 la 1, iar erorile din volumul din 1881 scad cu 38 %. 🔗 sursă
Qwenguard — Într-un articol al comunității, João Galego transformă un procesor RISC-V compilat în straturi și plasat înaintea Qwen3.5-4B într-un mecanism de protecție care refuză apelurile de instrumente din afara listei: în testele sale, nu a trecut niciun apel interzis și nu a fost blocată nicio solicitare obișnuită, dar mecanismul face falsificarea vizibilă fără a o împiedica. 🔗 sursă

Imagine, video, voce

ElevenAgents la Angle Health — Într-un proiect-pilot în opt limbi, 24 h/24 și cu garanții HIPAA, agenții ElevenLabs au preluat aproximativ 80 % dintre apelurile cadrelor medicale, dintre care peste 90 % au fost rezolvate fără transfer, și au economisit aproape 9 000 de minute pe zi. 🔗 sursă
SFX v3 pentru dezvoltatori — Articolul pentru dezvoltatori al ElevenLabs detaliază apelarea eleven_text_to_sound_v3 în API-ul Sound Effects: prompt_influence la 0,3 implicit, durată liberă cu excepția duration_seconds, iar redarea în buclă rămâne rezervată versiunii v2; ElevenLabs vorbește despre o actualizare incrementală. 🔗 sursă
HeyGen Voice și Grok Bot — Potrivit informațiilor furnizate exclusiv de HeyGen, apelurile telefonice efectuate de Grok Bot, agentul SpaceXSI, folosesc HeyGen Voice pentru a vorbi cu o voce apropiată de cea a utilizatorului; fără articol, model sau detalii despre disponibilitate. 🔗 sursă
HeyGen Insiders — Un program care plătește creatorii cu cel puțin 1 000 de abonați pentru vizualizările videoclipurilor scurte publicate cu ocazia lansărilor HeyGen, începând de la 20 000 de vizualizări în 7 zile, conform unei grile ajustate în funcție de engagement, care nu este publicată. 🔗 sursă
Expression Sheet de la Luma — O planșă cu șase expresii faciale ale unui personaj, creată din imagini, cu trei seturi de expresii și un reglaj al intensității; fără articol sau tarif. 🔗 sursă
FLUX 3 Image Klein — Black Forest Labs anunță peste un milion de descărcări pentru modelul său conceput pentru editare precisă, fără a preciza perioada sau platforma. 🔗 sursă

Calcul și infrastructură la NVIDIA

Fabrici de semiconductori — NVIDIA enumeră câștigurile de performanță ale partenerilor săi: cuLitho de până la 17 ori mai rapid în Siemens Calibre, ACE+ de la Applied Materials de până la 35 de ori cu PhysicsNeMo, comportamentul plasmei de la Lam Research prezis în milisecunde în loc de zile; niciun produs nou. 🔗 sursă
Dynamo sub Kubernetes — Recuperăm o noutate din 30 octombrie, reluată înainte de KubeCon: AI Cluster Runtime include chart-ul dynamo-platform 1.4.2 în rețete cu versiuni fixe și verificate, iar Dynamo 1.5 va aduce un selector de endpoint nativ în Rust. 🔗 sursă

Companii, comunitate și ghiduri

Heimstaden — Administratorul imobiliar european reduce costul unei imagini cu amenajare virtuală de la aproximativ 50 de euro la mai puțin de 0,10 euro în Țările de Jos, iar o analistă fără experiență în dezvoltare software a evaluat cu Codex riscurile de mediu ale 20 112 active. 🔗 sursă
Două angajări la OpenAI — Jill Hazelbaker, venită de la Uber, devine Chief Corporate Affairs Officer pentru a conduce comunicarea la nivel mondial, iar Dan Driscoll, fost secretar al Forțelor Terestre ale Statelor Unite, devine consilier principal pentru modernizarea securității naționale, un post nou creat. 🔗 Jill Hazelbaker · 🔗 Dan Driscoll
Arnis și GitHub Copilot — GitHub Blog relatează cum Louis Erbkamm, singurul maintainer al Arnis (aproape 900 000 de descărcări, aproximativ 70 de contributori), triază issue-uri și buguri cu Copilot și lansează subagenți ai aplicației GitHub Copilot pentru a depista regresiile. Relatare de experiență, fără noutăți de produs. 🔗 sursă
Game Off 2026 — Recuperăm o noutate din 1 noiembrie: a 14-a game jam de la GitHub, pe tema SHIFT, permite dezvoltarea asistată de IA, fiecare participant declarând utilizarea IA la trimiterea proiectului, până la 1 decembrie pe itch.io. 🔗 sursă
Ghidul agenților autonomi de la Perplexity — Cinci niveluri de autonomie, patru capacități și șapte bune practici, cu cifrele unui studiu realizat de Harvard și Perplexity: 57 % dintre solicitările agentice vizează productivitatea și învățarea. Nicio noutate de produs. 🔗 sursă

Ce înseamnă asta

Pando arată cele două fețe ale agenților de programare de la OpenAI: ei sunt cei care au făcut volumul de lucru să explodeze, cu 1 378 % mai multe commit-uri pe ramura principală față de începutul lui 2024, și tot ei au construit soluția în zece săptămâni, pornind de la un nucleu conceput de un singur inginer. Câștigul nu vine dintr-un protocol nou, ci dintr-o renunțare asumată: cea la o imagine coerentă a tuturor ramurilor la un moment dat. În privința instrumentelor, accentul cade acum pe control: Claude Code cere acordul înainte de a trimite adresa de e-mail a contului și cuantifică cheltuielile per dezvoltator, în timp ce Copilot ajunge în JetBrains Air fără un plafon de cheltuieli configurabil în Air.

Securitatea se măsoară tot mai mult prin dovezi, în locul declarațiilor. FlashProve permite verificarea faptului că un răspuns provine într-adevăr de la un anumit model, cu un cost de aproximativ 72 de ori mai mare și contexte limitate la 1 024 de tokens: un prototip, încă nu un serviciu. CyberArena și CWE-bench v2 merg în aceeași direcție în privința agenților: ceea ce îi diferențiază pe cei mai buni este apărarea și corecția care rezistă, în timp ce corecția anunțată fără verificare rămâne greșeala cea mai frecventă (23 % dintre meciurile auditate). OpenAI, la rândul său, plătește acum până la 172 000 de dolari pentru raportarea unei vulnerabilități excepționale în ChatGPT, Codex sau API-ul său.

Modelele deschise pătrund în companii pe două căi. Cohere le găzduiește într-un mediu controlat, mergând până la criptarea în timpul procesării pentru Gemma, GPT-OSS și Phi, în timp ce Revolut, potrivit tweetului redistribuit de Together AI, rulează GLM pe propriile GPU-uri pentru aproximativ o zecime din prețul plătit către Anthropic și OpenAI: o cifră din surse indirecte, dar care arată ce compară acum companiile. Furnizorii de modele închise fac și ei schimbări: redirecționând Gemini 2.5 Pro către Gemini 3.8 Flash, Google reduce prețul per token până la sfârșitul lui decembrie, înainte de dublarea tarifului pentru 3.8 Flash la 1 ianuarie. Raportul Mistral Large 4 arată compromisul invers: reducerea cache-ului KV, dusă mai departe pentru a servi modelul la un cost mai mic, afecta sarcinile agentice și a trebuit corectată.

Lumea fizică rămâne domeniul în care demonstrațiile și măsurătorile diferă cel mai mult. OpenAI prezintă un dispozitiv conceput în mai puțin de o săptămână cu GPT-6 Astra, dar recunoaște că au fost necesare cicluri de revizuire pentru a ține cont de toleranțe și de fabricație; în aceeași zi, în PLE, niciun agent nu depășește 50 % pe dosare reale de inginerie, iar doar 41,3 % dintre livrabilele celei mai bune configurații trec toate verificările de siguranță. Soluția care se conturează este hibridă: la Google DeepMind, modelul orchestrează, iar instrumentele chimice deterministe calculează. StateBench amintește, în cele din urmă, că un document lung rămâne greu de urmărit: la problemele cele mai dificile, modelele de frontieră scad la 13 % sau mai puțin.