Agenți Google DeepMind ghidați de oameni descoperă două vulnerabilități ale RSA pe 1024 de biți, OpenAI publică BioBasicsBench, Cursor lansează chatul vocal cu agenții săi

Agenți IA de la Google DeepMind, ghidați de oameni, descoperă două vulnerabilități ale RSA pe 1024 de biți, un sistem deja depășit; protocoalele moderne, care folosesc aproape toate chei de 2048 de biți sau mai mult, rămân sigure. Cercetarea domină ziua: OpenAI își evaluează agenții în laboratorul umed cu BioBasicsBench, TCSExam evaluează modelele în informatică teoretică, iar Anthropic și Google arată ce anume, în jurul modelului, face ca un agent să reușească sau să deraieze. În privința instrumentelor, Claude Code, Codex CLI și Copilot CLI publică versiuni noi, Antigravity CLI devine un server ACP, Cursor lansează chatul vocal cu agenții săi, iar Amp lansează Spaces.

Agenți Google DeepMind ghidați de oameni descoperă două vulnerabilități ale RSA pe 1024 de biți, Frontier Model Forum evaluează jailbreak-urile cibernetice

6 noiembrie — Google DeepMind publică cercetări de criptanaliză, știința care testează rezistența criptării, realizate de agenți IA ghidați prin supraveghere umană. Pushmeet Kohli, vicepreședinte responsabil de știință, le prezintă într-un articol publicat pe X și distribuit de @GoogleDeepMind: agenții au descoperit două vulnerabilități ale sistemelor RSA pe 1024 de biți, care pot fi compromise cu un buget de calcul mai mic decât se credea. Cercetările sunt realizate de Dj Dvijotham și Abhradeep Thakurta, din echipa Science a Google DeepMind, împreună cu Nadia Heninger (UC San Diego și Inria) și Emmanuel Thomé (Inria), și sunt detaliate în două articole tehnice în format PDF; anunțul nu a fost însoțit de nicio postare pe blog.

Domeniul de aplicare este limitat în mod deliberat. RSA pe 1024 de biți, depășit și deja retras din uz, servește aici drept teren de testare fără riscuri, așa cum procedează de mult comunitatea de criptanaliză. Protocoalele moderne, care folosesc aproape toate chei de 2048 de biți sau mai mult, rămân sigure.

Primul rezultat privește semnăturile digitale, care garantează că o actualizare software, un document sau un site provine într-adevăr de la sursa sa. Înainte de semnare, numeroase standarde completează mesajul cu date de umplere (padding). Echipa arată că, atunci când un atacator controlează aproximativ jumătate din blocul semnat, această umplere nu mai oferă deloc protecție. Într-o simulare izolată, fără a atinge vreun sistem real, agenții au efectuat atacul asupra unei chei de referință pe 1024 de biți, deja sparte într-un studiu anterior: rezultatul este reprodus cu un timp CPU de 3,5 ori mai mic, folosind mai puțin de o miime din puterea necesară pentru a sparge cheia în sine. Când atacatorul controlează o parte mai mică a blocului, cu o amprentă scurtă de 32 de octeți, un nou algoritm ar îmbunătăți de aproximativ 1 600 de ori cea mai bună metodă anterioară, potrivit estimărilor teoretice ale autorilor.

Al doilea rezultat privește factorizarea în loturi. Deoarece cheile RSA au lungimi standard (1024 sau 2048 de biți), factorizarea unui număr mare de numere de aceeași dimensiune este o problemă esențială: agenții au găsit un algoritm cu o complexitate asimptotică mai bună, care reduce de aproximativ 30 de ori costul mediu al factorizării fiecărei chei suplimentare pe 1024 de biți, comparativ cu metodele anterioare de factorizare în loturi.

Rezultat publicat de autori	Câștig anunțat	Condiție indicată
Falsificarea semnăturii, atacator care controlează aproximativ jumătate din bloc	Timp CPU de 3,5 ori mai mic	Simulare izolată, cheie de referință de 1024 bits deja spartă
Același atac, comparat cu spargerea cheii	Mai puțin de o miime din putere	Puterea necesară pentru a sparge cheia în sine
Falsificare cu o amprentă de 32 octets	De aproximativ 1 600 de ori mai bine	Estimare teoretică, chei de 1024 bits
Factorizare în loturi	Cost mediu de aproximativ 30 de ori mai mic pentru fiecare cheie suplimentară	Comparativ cu metodele anterioare de factorizare în loturi
Chei de 2048 bits sau mai mult	Neafectate	Rămân sigure potrivit Google DeepMind

While modern 2048-bit systems remain safe from these specific exploits, this work highlights a key shift. As we enter a new era of AI-enabled math and computation, we can no longer rely on historical hardness assumptions and must continuously stress-test cryptographic standards.

🇷🇴 Deși sistemele moderne pe 2048 de biți rămân protejate împotriva acestor exploit-uri specifice, aceste cercetări evidențiază un moment de cotitură esențial. Pe măsură ce intrăm într-o nouă eră a matematicii și a calculului asistate de IA, nu ne mai putem baza pe ipotezele istorice privind dificultatea și trebuie să testăm continuu standardele criptografice. — @GoogleDeepMind pe X

🔗 Articolul lui Pushmeet Kohli pe X · Articol tehnic despre semnăturile digitale (PDF) · Articol tehnic despre factorizarea cheilor (PDF)

Frontier Model Forum propune o grilă comună pentru evaluarea gravității jailbreak-urilor cibernetice

5 noiembrie — Frontier Model Forum (FMF), care reunește laboratoare de IA de vârf, publică versiunea 1.0, prezentată ca preliminară, a cadrului său de evaluare a jailbreak-urilor pentru amenințările cibernetice (Jailbreak Rating Framework for Frontier Cyber Threats). Punctul de plecare: nu toate metodele de ocolire a mecanismelor de protecție au aceeași gravitate. Unele produc doar răspunsuri greu de folosit, altele deblochează capabilități ofensive periculoase, iar fără o metodă comună două organizații pot evalua diferit același jailbreak, riscând să le remedieze mai întâi pe cele mai puțin grave. Cadrul clasifică fiecare jailbreak pe niveluri, combinând scoruri din patru categorii: creșterea capabilităților, amploarea capabilităților, ușurința implementării și ușurința descoperirii.

Reprezentanți ai AWS, Anthropic, Google DeepMind, Microsoft și OpenAI îl susțin în postare; OpenAI a distribuit-o pe 6 noiembrie, precizând că a lucrat la acest cadru împreună cu FMF și membrii săi. O consultare publică este deschisă până pe 21 decembrie 2026: FMF va verifica dacă evaluatori diferiți ajung la scoruri apropiate și va actualiza cadrul pe măsură ce apar noi jailbreak-uri. În iulie, Anthropic detaliase o scară similară, CJS (Cyber Jailbreak Severity), elaborată împreună cu Amazon, Microsoft și Google; postarea FMF nu face legătura între cele două.

🔗 Prezentarea cadrului FMF de evaluare a jailbreak-urilor pentru amenințările cibernetice de vârf

Evaluarea IA în știință: BioBasicsBench de la OpenAI pentru laboratorul umed, TCSExam pentru informatica teoretică

OpenAI publică BioBasicsBench: 100 de sarcini de laborator umed, 66,7 % pentru GPT-6 Astra

6 noiembrie — OpenAI prezintă BioBasicsBench, un benchmark conceput împreună cu Ligo, o companie de biotehnologie specializată în proiectarea enzimelor, pentru a măsura capacitatea agenților de a interpreta datele brute din activitatea curentă a unui laborator umed (wet lab): geluri și bloturi, plăci de cultură, imagini de microscopie, exporturi de date din instrumente sau videoclipuri cu protocoale experimentale. Cele 100 de sarcini ale sale, provenite din experimente reale și evaluate criteriu cu criteriu pe baza unei grile de expert, acoperă cinci domenii, de la metode pentru proteine până la clonarea moleculară; ele verifică și dacă agentul identifică erorile și recunoaște când datele nu permit formularea unei concluzii.

Sunt evaluate doar modele OpenAI: șapte modele în 37 de configurații, cinci încercări pentru fiecare sarcină, adică 18 500 de rezultate. La nivelul de efort xhigh, GPT-6 Astra obține 66,7 % din punctajul disponibil, înaintea GPT-6.1 Sol și cu mult peste GPT-5.6 Sol, folosind aproximativ de două ori mai puțini tokens de ieșire decât acesta din urmă; potrivit OpenAI, aceste câștiguri sugerează că o multimodalitate nativă mai puternică ar putea fi decisivă.

Model evaluat (efort xhigh)	Recompensă medie	Interval de încredere de 95 %	Tokens de ieșire per sarcină
GPT-6 Astra	66,7 %	60,3 până la 73,1 %	4 704
GPT-6.1 Sol	62,0 %	55,6 până la 68,4 %	5 238
GPT-5.6 Sol	43,8 %	37,6 până la 50,0 %	9 099
GPT-6 Luna	38,3 %	32,3 până la 44,5 %	13 120
GPT-5.5	35,4 %	29,7 până la 41,0 %	11 135
GPT-5.4	33,2 %	28,3 până la 38,4 %	13 717
GPT-5.2	31,2 %	26,2 până la 36,3 %	27 620

OpenAI detaliază și eșecurile Astra: o ipoteză familiară care prevalează asupra controalelor experimentale, observații contrare ignorate, un număr de colonii supraestimat cu aproximativ 12 %. Potrivit postării, scorurile mai bune nu garantează încă judecăți fiabile în laborator; OpenAI leagă această monitorizare de biosiguranță și biosecuritate și nu menționează publicarea setului de sarcini.

🔗 Evaluarea modului în care agenții IA gestionează activitatea științifică de zi cu zi în laboratorul umed (OpenAI)

TCSExam evaluează modelele în informatică teoretică: GPT-6 Astra conduce versiunea Full, Opus 5.5 versiunea Lite

5 noiembrie — TCSExam, publicat în organizația GitHub a Moonshot AI, împreună cu un articol depus pe arXiv pe 5 noiembrie, măsoară cât de mult pot modelele să avanseze cercetarea în informatică teoretică (theoretical computer science). Autorii enumerați pe arXiv sunt Yifan Luo, Zhengying Liu, Yang Yuan, Zhilin Yang și Andrew Chi-Chih Yao. Patru direcții: demonstrarea în Lean a unei teoreme publicate, scrierea unui solver evaluat pe instanțe ascunse, producerea unei construcții sau a unei limite verificate și demonstrarea sau infirmarea completă a unor conjecturi deschise. Versiunea Full cuprinde 100 de sarcini revizuite de experți, iar versiunea Lite 20, câte cinci pentru fiecare direcție. Indicele acordă o pondere de 30 fiecăreia dintre primele trei direcții și de 10 conjecturilor; solverele sunt evaluate în raport cu o referință fixă, Kimi K3.

Model evaluat	Indice Lite (20 de sarcini)	Indice Full (100 de sarcini)
Opus 5.5	72,3 (provizoriu)	absent din tabelul de pe site
GPT-6 Astra	67,0	71,9
Kimi K3.1 Pro	53,5	57,4
Kimi K3	48,6	46,8
GLM-5.3	47,0	45,5
Qwen3.8 Max (0902)	45,4	44,8
DeepSeek V4.1 Flash 1017	42,4	46,0
Grok 4.6	42,1	40,5

Nicio conjectură deschisă nu este rezolvată: rezumatul revendică doar cazuri particulare și limite verificate independent. Două rezultate depășesc totuși cele mai bune rezultate cunoscute, din câte știu autorii: un graf cu 630 de muchii și 124 de vârfuri, fără triunghiuri sau cicluri de patru muchii, construit de Kimi K3 (629 pentru construcția lui Goedgebeur et al.), și un cod cuantic de corectare a erorilor cu distanța 6, în loc de 5, găsit de GPT-6 Astra pentru a proteja 7 qubiți logici cu 25 de qubiți fizici. Suita de evaluare folosește implicit Kimi Code și acceptă și Claude Code, Codex și Grok Build.

🔗 Rezultatele TCSExam · Articol arXiv 2611.07962

Cercetare despre agenți: memoria și dreaming la Anthropic, elementele TODO învechite la Google, harness adapters

Anthropic arată cum dreaming corectează și organizează memoria agenților Claude

6 noiembrie — Într-un articol de cercetare și inginerie de pe blogul său Engineering, Anthropic definește memoria agentului drept ceea ce Claude reține din experiența sa de la o sesiune la alta, sub forma unor note care pot fi recitite: nici ponderi, nici învățare în context, nici compactare. Funcția dreaming („visarea” agentului) îl face să își recitească jurnalele și transcrierile în afara sesiunii, pentru a-și corecta notele, a scrie altele noi, a construi reprezentări precum wiki-uri sau a alege ce va fi preîncărcat; funcția este disponibilă în previzualizare de cercetare (research preview) în Claude Managed Agents din 6 mai.

Evaluările arată mai întâi un progres al capacității de judecată. În Pokémon Red, după aproximativ 10 000 de pași, Sonnet 3.7 scrisese 413 fișiere de memorie în 225 de dosare pentru o singură insignă, în timp ce Fable 5 se limita la nouă fișiere și un global.md pentru patru insigne; Opus 5.5 a terminat jocul cu un dosar mic de note. Anthropic recomandă să i se spună lui Claude la ce servește memoria, mai degrabă decât cum să o folosească: impunerea înregistrării doar a eșecurilor face ca Opus 5 și Opus 4.7 să piardă o mare parte din câștig. O notă greșită despre poziția PokéCenter din Mt. Moon, corectată prin dreaming pe baza transcrierii, este suficientă pentru a debloca jocul.

Experiment realizat de Anthropic	Rezultat publicat
Doar wiki, corpus intern Stainless (aproximativ 350 000 de fișiere), 2 apoi 128 de sesiuni de dreaming	13 % apoi 48 % dintre criteriile evaluate
Căutare plus wiki, același corpus	54 % apoi 61 %, față de 53 % doar cu căutare; aproximativ 20 000 de tokens economisiți per întrebare
Întrebări despre o fuziune de companii (24, criterii care implică mai multe documente)	87 % cu wiki, 73 % doar cu căutare
Fapte extrase din contracte	41 din 57 cu un tabel comun, 57 din 57 cu o pagină per contract citată cuvânt cu cuvânt

Articolul semnalează și limitele: niciun câștig atunci când un singur document este suficient, un wiki uneori mai mare decât sursele sale și un cost de calcul pentru a menține memoria la zi. În final, reamintește că auto memory din Claude Code încarcă doar primele 200 de linii sau 25 Ko din MEMORY.md, care servește drept index.

🔗 Componentele memoriei agenților (Anthropic)

Google măsoară cum comentariile TODO învechite îi deturnează agenții de programare

6 noiembrie — Pe blogul Google Developers, Sam Saccone și Madhuri Garikapati măsoară un cost ascuns al agenților de programare: comentariile uitate.

What is easy for humans to skim past in code, agents see as a call to action.

🇷🇴 Ceea ce oamenii trec ușor cu vederea în cod, agenții văd ca pe un îndemn la acțiune. — Sam Saccone și Madhuri Garikapati, blogul Google Developers

Echipa a corelat fiecare comentariu TODO(bug/...) sau FIXME(bug/...) întâlnit de agenți cu starea reală a bugului și cu cererea utilizatorului, pe baza urmelor de execuție provenite de la mii de ingineri și din sute de milioane de pași ai agenților. În total, 13 % dintre sesiunile de citire a fișierelor expun agentul la o astfel de referință. Agentul o ignoră în 94 % dintre cazuri, dar acționează asupra ei în 6 %, iar 83 % dintre aceste acțiuni nu sunt cerute de dezvoltator: 41 % dintre aceste abateri urmăresc tichete deja închise, iar 57 % extind lucrul la un bug încă deschis. Pentru dezvoltatori, complexități ale codului, tipuri de sarcini și niveluri ale modelelor comparabile, o abatere nesolicitată adaugă 70 % mai mulți pași, 77 % mai multe tokens și 105 % mai mult timp de așteptare per sesiune.

Google a răspuns prin agenți de curățare care parcurg bazele sale de cod, urmăresc istoricul bugului, al fișierului și al modificărilor și propun ștergerea unui TODO numai după confirmarea faptului că este învechit: mii de referințe eliminate în șase luni, cu o rată de acceptare de peste 95 % din partea evaluatorilor umani. Articolul pledează pentru baze de cod adaptate agenților (agent friendly codebases).

Proiectul harness-hub antrenează prin RL câte un LoRA pentru fiecare harness de agent, sub supravegherea safeagents

6 noiembrie — Pe blogul Hugging Face, Younes B., Lysandre și Nathan Habib (organizația harness-hub) prezintă adaptoare de harness (harness adapters): câte un mic adaptor LoRA pentru fiecare model și fiecare harness de agent (pi, opencode, hermes), antrenat prin învățare prin întărire pe sarcini verificabile în interiorul harnessului, fără a-l modifica; un singur server deservește modelul de bază și toate adaptoarele. În teste preliminare, autorii observă mai puține apeluri de instrumente decât la modelul de bază pe sarcinile rezervate evaluării, cu o acuratețe egală sau mai bună. Recompensa adaugă un mic bonus soluțiilor corecte care fac mai puține apeluri.

Sarcinile provin din sesiuni de programare deschise, partajate pe Hub, transformate în medii verificabile prin Repo2RLEnvs; versiunea publicată cuprinde 270 de sarcini, cu o distribuție foarte dezechilibrată: 253 de construire (94 %), 11 de reparare, 6 de extindere și niciuna de întrebări și răspunsuri. Proxy-ul safeagents inspectează fiecare apel de instrument în timpul antrenării: tentativele de manipulare a recompensei sunt blocate și primesc scorul 0, iar activarea acestei protecții nu schimbă scorul pass@1 al LFM2.5-24B-A2B pe setul rezervat evaluării (+0,0 ± 4,1 puncte). Antrenările finale vizează LFM2.5-24B-A2B și LFM3-1.7B de la Liquid AI, precum și TwIL-8B de la webAI, un model de raționament care, potrivit fișei sale, nu a fost niciodată antrenat pe date de agenți; acestea rulează pe HF Jobs și sunt transmise în direct, inclusiv costurile.

🔗 Adaptoare de harness (blogul Hugging Face)

Agenți de programare: Claude Code 2.1.319, Codex CLI 0.167.0, Copilot CLI 1.0.106, Antigravity CLI 1.5, chatul vocal de la Cursor și Spaces de la Amp

Claude Code 2.1.319 mută sarcinile MCP în fundal și adaugă permissions.denyInsteadOfPrompting

6 noiembrie — Anthropic publică Claude Code 2.1.319: 146 de intrări în notele de versiune, dintre care 90 de remedieri, față de 119 intrări pentru 2.1.314 din 30 octombrie. Pachetul este pe npm de la 00:58 UTC, iar versiunea este publicată pe GitHub de la 17:04 UTC, fără un tweet; canalul stable rămâne la 2.1.311. SDK-urile Agent urmează în aceeași zi (TypeScript 0.3.319, Python 0.2.179).

Element modificat	Ce se schimbă
Sarcini MCP (MCP tasks) în terminal	Când un server MCP execută un apel de instrument ca sarcină, Claude Code o mută în fundal și transmite rezultatul la final
`permissions.denyInsteadOfPrompting`	Un apel care ar aștepta o solicitare de permisiune este refuzat, iar tura continuă, inclusiv pentru subagenți și coechipieri
Modul auto printr-un gateway LLM	Cu telemetria sau flagurile dezactivate: apelurile pe care serverul nu le poate verifica sunt prezentate utilizatorului sau refuzate, fără a recurge la clasificatorul integrat
`/claude-api latency-optimize`	Caută unde codul care apelează API-ul Claude provoacă așteptări și testează setări mai rapide folosind evaluarea utilizatorului
`/tasks`	Linia „Mai devreme în această sesiune” pentru a redeschide un subagent care a terminat și a-i scrie

Anunțate pe 23 octombrie fără număr de versiune, sarcinile MCP apar în CHANGELOG abia cu această versiune; ele funcționează și fără flaguri de funcționalitate, deci pe Bedrock, Vertex, Foundry sau printr-un gateway. Notele descriu remedierea mai multor vulnerabilități: ocolirea permisiunilor Bash printr-un prefix de mediu falsificat, ieșirea din sandbox la crearea unui worktree, o comandă sed care sărea peste verificarea permisiunilor în modul accept-edits sau auto și /rewind, care putea modifica un fișier printr-o legătură simbolică către un dosar. Gateway-ul Claude apps primește avertismente în anticiparea schimbării Claude Desktop din 10 noiembrie, pe care notele nu o detaliază. În aceeași zi, @ClaudeDevs anunță că sesiunile cloud pregătesc singure mediul unui repository (vezi Știrile pe scurt).

🔗 Notele de versiune pentru Claude Code 2.1.319

Codex CLI 0.167.0 semnalează rezultatele necitite și schimbă backendul din selectorul de sesiuni

6 noiembrie — OpenAI publică Codex CLI 0.167.0 la 01:40 UTC, prima versiune stabilă de la 0.166.0 din 29 octombrie, cu 120 de intrări în lista de PR-uri. Centrul de comandă al agenților se deschide acum cu codex agents --no-daemon și marchează, la fel ca selectorul de sesiuni, rezultatele pe care utilizatorul nu le-a consultat încă. Acest selector permite și trecerea de la un backend conectat la altul fără pierderea ciornelor. Imaginile locale atașate sunt previzualizate în timpul introducerii textului pe terminalele compatibile, ecranul de conectare grupează cheia API și furnizorii cloud sub „Conectare în alt mod”, iar opțiunea gcp_setup_wizard configurează Google Cloud Vertex AI cu Application Default Credentials sau cu un fișier de credențiale. Setările de proxy ale sistemului din macOS și Windows pot fi activate din /experimental.

Remedierile vizează continuitatea lucrului: conversațiile salvate rămân vizibile după schimbarea furnizorului de modele, Ctrl+L șterge ecranul fără a pierde mesajele, accesibile prin Ctrl+T, iar compactarea automată ține cont de ieșirile păstrate ale răspunsurilor eșuate. Documentația app-server descrie reguli prompt-user care impun o nouă aprobare umană. În plus, openai-node 7.53.0 raportează erorile de sesiune ale agenților sub formă de evenimente de flux.

🔗 Notele de versiune pentru Codex CLI 0.167.0

Copilot CLI 1.0.106 devine stabilă cu 227 de intrări noi, urmată de o versiune 1.0.107 cu note identice

6 noiembrie — Copilot CLI publică prima sa versiune stabilă de la 1.0.105 din 28 octombrie. Versiunea 1.0.106 apare la 01:47 UTC cu note care cumulează întregul ciclu de versiuni preliminare: 637 de intrări, dintre care 227 lipsesc din notele celor unsprezece versiuni preliminare publicate pe GitHub. La 20:37 UTC apare o versiune 1.0.107 cu exact aceleași note, cu excepția datei din antet: nu este descrisă nicio modificare specifică acesteia, iar acum npm o instalează implicit.

Printre intrările noi se numără variabila COPILOT_SESSION_CWD pentru lansarea și extinderea configurațiilor LSP și MCP locale, GPT-6.1 Terra selectabil în secțiunea Modele noi atunci când contul are acces, o setare Extensii sandbox care rulează procesele extensiilor în sandbox și telemetrie MATS pentru conectarea Microsoft Entra prin OneAuth, care respectă refuzul telemetriei pe partea clientului. /exit închide sesiunea curentă în locul CLI-ului atunci când bara laterală Sesiuni este deschisă, regulile de refuz ale sandboxului acceptă modele glob, iar refuzurile din cauza riscurilor de securitate cibernetică explică faptul că sesiunea rămâne intactă, sugerând /rewind. SDK-ul Copilot devine și el stabil cu versiunea 1.0.29: 131 de intrări, trunchiate la sursă, inclusiv o modificare incompatibilă cu versiunile anterioare pentru Rust în SessionMetadata.

🔗 Copilot CLI 1.0.106 · Copilot CLI 1.0.107 · SDK-ul Copilot 1.0.29

Antigravity CLI 1.5 devine un server ACP pentru editoare și își execută conversațiile pe agenți la distanță

4 și 5 noiembrie — CLI-ul Antigravity trece la versiunea 1.5, în două etape. Versiunea 1.5.0 (10 îmbunătățiri, 3 remedieri) adaugă agy acp, care rulează CLI-ul ca server Agent Client Protocol (ACP): un editor compatibil îl poate folosi ca agent, cu imagini și context din fișiere în prompturi, posibilitatea de a redirecționa o tură în curs, modurile de sesiune default, accept-edits și plan, reluarea unei sesiuni fără a-i reda istoricul și un model și un nivel de raționament proprii fiecărei sesiuni; agy acp --login permite conectarea dintr-un terminal, pentru editoarele conectate prin SSH. Aceeași versiune adaugă --remote-agent, care execută conversațiile pe agenți la distanță, echivalentul în linia de comandă al celor introduși în aplicația 2.29.0, precum și proiecte locale în /projects și un mod fără interfață (headless, -p) care așteaptă finalizarea sarcinilor din fundal în loc să le oprească după o limită ascunsă de 30 de minute. O remediere dezvăluie că subagenții unei conexiuni prin GEMINI_API_KEY rulau pe modele cu două generații mai vechi în loc de Gemini 4 Argon și Gemini 3.8 Flash.

Versiunea 1.5.1 (5 îmbunătățiri, 7 remedieri) oferă tuturor clienților ACP acces la toate modelele contului, în timp ce anterior doar unei liste fixe de editoare i se ofereau alte modele decât Gemini, și reduce de la 5 secunde la aproximativ 1 secundă timpul până la încheierea unei comenzi din terminal atunci când un proces din fundal menține ieșirea deschisă. Lansarea este treptată și poate dura câteva zile.

🔗 Jurnalul de modificări Antigravity

Cursor introduce chatul vocal în timp real cu agenții săi, bazat pe Grok Voice

6 noiembrie — Cursor permite acum conversații cu agenții săi printr-un apel vocal în timp real: descrierea cu voce tare a unei modificări, întrebarea adresată unui agent despre ce face, ascultarea actualizărilor pe măsură ce lucrul avansează. Chatul vocal funcționează în Agents Window, IDE, versiunea web și aplicația iOS. Apelul pune la lucru doi agenți: un agent vocal ascultă, răspunde și încredințează lucrul la cod agentului din chat; el răspunde și la întrebări despre diff-uri și execuții, cu acces doar pentru citire, caută în mesajele și apelurile anterioare și schimbă workerul într-un Project. Agentul de programare se exprimă el însuși, prin note scurte despre progres și un răspuns scurt la final.

Vocea se bazează pe Grok Voice (Cursor face parte din SpaceX din august), în timp ce agentul de programare păstrează modelul ales; sunt disponibile mai multe voci, inclusiv Ara, Eve, Leo, Rex și Sal. Cu Privacy Mode, chatul vocal rulează fără păstrarea datelor, iar pe iOS o comandă Siri lansează un apel cu un agent nou. Este necesar un cont conectat (o sesiune deschisă cu o cheie API nu poate iniția apeluri), apelul se încheie după aproximativ 10 minute de tăcere atunci când agentul nu are nimic în curs și există o limită zilnică, fără o valoare publicată. Nu este menționat niciun tarif; dictarea, numită anterior Voice Mode, rămâne distinctă.

🔗 Chat vocal cu agenții (jurnalul de modificări Cursor) · Documentația chatului vocal

Amp lansează Spaces, un agent care creează și coordonează firele de conversație în locul utilizatorului

6 noiembrie — Amp lansează Spaces: un space este o conversație cu un singur agent, al cărui rol este să lanseze și să coordoneze alți agenți. Utilizatorul nu mai trebuie să își creeze sau să își organizeze firele de conversație (threads): agentul din space se ocupă de asta. Amp îl prezintă ca pe un mod de a lucra la un nivel superior cu numeroși agenți; după câteva săptămâni de utilizare internă, echipa consideră că acesta ar putea fi viitorul interacțiunii cu agenții, oferind o vedere de ansamblu și posibilitatea de a explora detaliile.

Articolul oferă trei exemple interne. Spaces a fost construit într-un space numit „Spaces v1”, unde agentul distribuia în fire de conversație feedbackul, bugurile și ideile trimise în chat. Lewis a coordonat dintr-un space lansarea Service Accounts: implementarea, monitorizarea X, Slack și a rapoartelor de buguri, remedierea problemelor, apoi e-mailurile și rambursările către utilizatorii afectați. Will i-a încredințat unui space o analiză de securitate periodică: prima verificare a împărțit baza de cod în 16 zone, fiecare analizată în propriul fir, iar fiecare constatare a fost verificată într-un alt fir, cu un artifact de sinteză. Se începe de la butonul + din secțiunea Spaces a barei laterale; articolul nu menționează prețuri sau abonamente. În aceeași zi, Amp adaugă un widget care transformă comentariile lăsate pe un site într-un fir de conversație cu un agent (vezi Știrile pe scurt).

🔗 Spaces (Amp)

Construirea modelelor: Meta antrenează modele specializate cu Muse Wonder, Hugging Face publică un ghid de antrenare MoE

Meta introduce în Muse și Meta AI modele specializate antrenate cu Muse Wonder

6 noiembrie — Meta aduce în Muse și Meta AI beneficiile Muse Wonder, modelul său de frontieră lansat pe 12 octombrie: sunt introduse versiuni specializate ale modelelor sale existente, antrenate cu Muse Wonder; articolul nu le numește și nu precizează nici dimensiunea, nici ponderile. Sunt transferate două capacități ale Muse Wonder: memoria activă (Active Memory), care trebuie să recunoască momentul în care o informație veche redevine utilă și să distingă ceea ce este încă valabil de ceea ce este depășit, și concentrarea activă (Active Focus), care trebuie să permită depășirea unui obstacol sau găsirea unei alternative. În Meta AI, Meta descrie un asistent care împarte problemele în etape și pune întrebări suplimentare mai precise, fără cifre asociate.

Măsurătoare internă Meta	Modelul actual Muse	Modelul anterior
Personal Superintelligence Index	47 %	38 %
Active Memory Eval (context critic folosit corect)	90 % dintre sarcini	76 %
Uitarea informațiilor critice în Muse	redusă de 2,4 ori	—
Sarcini zilnice în care apare o situație neprevăzută	+67 %	—

Toate aceste măsurători provin de la Meta, fără un protocol publicat în articol.

🔗 Articolul de cercetare Meta despre modelele specializate ale Muse și Meta AI

Hugging Face publică Ghidul complet pentru antrenarea MoE, bazat pe 800 000 de ore-GPU de experimente

5 noiembrie — Hugging Face publică Ghidul complet pentru antrenarea MoE, un ghid gratuit și deschis dedicat antrenării modelelor cu amestec de experți (Mixture-of-Experts, MoE), semnat de Nouamane Tazi, Leandro von Werra și Thomas Wolf. Punctul său de plecare: potrivit clasamentului Artificial Analysis, 18 dintre cele mai bune 20 de modele cu ponderi deschise sunt MoE, inclusiv DeepSeek V4.1 Flash 1017, GLM-5.3 și MiniMax-M3.1-Flash, în timp ce expertiza necesară pentru antrenarea lor rămâne concentrată în câteva echipe.

18 of the 20 best open models today are Mixture-of-Experts. Dense is basically over. And yet the know-how to train a good MoE still lives mostly in the heads of a handful of teams. So we spent 800k GPU hours running the experiments ourselves and wrote everything down.

🇷🇴 18 dintre cele mai bune 20 de modele deschise actuale sunt Mixture-of-Experts. Modelele dense sunt practic de domeniul trecutului. Și totuși, expertiza necesară pentru a antrena un MoE bun rămâne în mare parte în mintea câtorva echipe. Așa că am alocat 800 000 de ore-GPU pentru a face noi înșine experimentele și am pus totul în scris. — @Thom_Wolf pe X

Experimentele au rulat pe noduri AWS P5 cu opt H100; Jeff Boudier, într-un tweet redistribuit de Hugging Face, vorbește despre cheltuieli de 2 milioane de dolari. Ghidul cuprinde aproximativ 70 000 de cuvinte, 55 de figuri interactive și cod executabil, cu un timp de lectură anunțat de una până la două zile. Acesta urmărește întrebările concrete ale echipelor: câți experți, de ce dimensiune, partajați sau nu; ce router și de ce trebuie păstrat în FP32; pierdere auxiliară sau bias fără pierdere în stilul DeepSeek pentru echilibrarea sarcinii; pornirea de la un model dens (upcycling) sau de la zero; de ce o antrenare devine de 25 de ori mai lentă fără erori în jurnale. O ultimă parte abordează servirea modelelor: experți cu precizie redusă, paralelism între experți și dezagregarea attention-FFN.

🔗 Ghidul complet pentru antrenarea MoE (Hugging Face)

Agent API de la Perplexity reduce costul tuturor nivelurilor de efort, cu o calitate egală sau mai bună potrivit Perplexity

5 noiembrie — Perplexity reduce costul per cerere pentru toate nivelurile de efort (effort levels) existente ale Agent API, cu o calitate a cercetării egală sau mai bună potrivit companiei; articolul detaliază și ultra, nivelul lansat în aceeași zi pentru cele mai ample cercetări. Un nivel de efort este o configurație gata de utilizare care stabilește modelul, bugetul de pași, setările de căutare și instrumentele pentru un anumit tip de sarcină. O cerere care apelează un nivel după nume beneficiază de actualizare fără modificări de cod; fixarea unei versiuni păstrează vechea configurație. Scorurile vizează BrowseComp și DSQA, două teste de evaluare publice, și WANDR, testul intern Perplexity pentru cercetări îndelungate asupra unui număr mare de entități.

Nivel de efort	Rezultat publicat	Cost publicat
medium	de la 55 % la 77 % pe BrowseComp și DSQA	cu aproape 90 % mai mic
high, cu extragere din fetch_url	88,0 % față de 83,5 % fără extragere	0,073 dolari per cerere față de 0,094
xhigh	76,5 % pe WANDR, menținut	aproximativ 25 % din costul configurației din august
ultra	85,9 % pe WANDR, cel mai bun scor testat	21,71 dolari per sarcină

Nivelul ultra lansează trei agenți în paralel pentru întreaga sarcină, apoi un al patrulea le combină rezultatele și redactează răspunsul. Articolul detaliază metodele folosite: o limită pentru pași și apeluri de instrumente, cu reamintiri privind bugetul (într-o sarcină BrowseComp, agentul informat găsește răspunsul în 13 pași din 40, celălalt îi epuizează pe toți cei 40 fără să îl găsească), un model mai mic care păstrează dintr-o pagină doar pasajele utile (5 561 de tokens reduși la 293), skills încărcate la cerere, deoarece preîncărcarea tuturor costă cu 13 % mai mult, și o buclă de evaluare care adoptă un model nou doar dacă acesta obține rezultate mai bune la un cost egal sau mai mic. Nu este publicată nicio grilă de prețuri pe nivel.

🔗 Îmbunătățiri pentru fiecare nivel de efort al Agent API (Perplexity) · Firul de conversație al @perplexitydevs

Perplexity Computer rezumă în fundal conversațiile lungi și pune Brain la dispoziția tuturor Projects

6 noiembrie — Perplexity publică primul său changelog de produs de după 19 octombrie, în șaisprezece rubrici; majoritatea reiau noutăți deja anunțate, precum Teammates, Computer complet local pe Mac sau modul vocal, iar șapte sunt inedite. În Computer, conversațiile lungi noi își rezumă istoricul în fundal (background compaction): potrivit Perplexity, acest lucru înseamnă cu 94 % mai puține pauze pentru a continua lucrul cu un context lung și cu 7 % mai puține credite per tură. Pentru a modifica un site creat de Computer, acum se selectează un element precis (titlu, buton, card, meniu), în loc să se traseze un dreptunghi.

În Projects, Brain, memoria unui Project, este activat gratuit în fiecare Project și se actualizează zilnic pe baza conversațiilor și fișierelor acestuia; un panou Project info și un panou Settings unificat devin disponibile tuturor. În Enterprise, @mențiunile aduc un coleg într-un fir de conversație sau într-o sarcină Computer pe web, iar controalele bazate pe roluri adaugă o limită de viteză (Normal sau Fast) la setările de efort deja disponibile. Skillul Impeccable, care auditează ierarhia, accesibilitatea, comportamentul adaptabil (responsive) și coerența sistemului de design al unei interfețe, intră pe lista oficială. Changelogul precizează, în final, că Agent Plugins sunt disponibile pentru abonamentele individuale și Enterprise în regim self-service și că Computer rulează complet local începând cu aplicația Mac 26.42.0. Reducerea costurilor nivelurilor de efort, reluată și aici, este detaliată în secțiunea precedentă.

🔗 Changelogul Perplexity din 6 noiembrie

Voce: Phonon de la Gradium rulează pe dispozitiv, ElevenLabs le dă voce personajelor din Unity

Gradium detaliază Phonon, modelul său încorporat de sinteză vocală cu ponderi deschise

5 noiembrie — Într-un articol de pe blogul Hugging Face, Gradium revine asupra Phonon, pus la dispoziție cu două săptămâni mai devreme: un model de sinteză vocală care rulează complet pe dispozitiv, fără server sau rețea, de la telefoane la file de browser, trecând prin calculatoare pe o singură placă. Phonon există în două dimensiuni, de aproximativ 65 și 75 Mo, și gestionează numere de telefon, date calendaristice și coduri. Sunt incluse peste 100 de voci, iar altele pot fi create în Gradium Studio, prin clonarea unei înregistrări scurte cu consimțământul persoanei sau pe baza unei descrieri textuale, înainte de a fi descărcate pentru a rula local.

Model Phonon	Limbi acceptate	Licență de utilizare
Phonon 31m	engleză	Apache 2.0, utilizare comercială gratuită
Phonon 40m	engleză, franceză, germană, spaniolă, portugheză	CC BY-NC, utilizare comercială contra cost în funcție de numărul de utilizatori

Potrivit Gradium, Phonon ocupă primul loc la inteligibilitate în germană și spaniolă pe Open TTS Leaderboard de la Hugging Face și se află printre primele trei la fiecare limbă evaluată, în comparație cu modele de până la 100 de ori mai mari; conduce și testul de streaming pe procesor în privința timpului până la primul sunet. Gradium declară peste 200 000 de descărcări în două săptămâni. Motorul său de inferență ptts include peste zece backends (procesoare, GPU prin CUDA, Vulkan, Metal sau WebGPU, cipuri Core ML și Snapdragon), iar Transformers îl integrează începând cu v5.21.

🔗 Phonon (blogul Hugging Face)

ElevenLabs lansează un SDK Unity pentru a le da voce personajelor din jocuri cu ElevenAgents

5 noiembrie — ElevenLabs publică un SDK Unity pentru ElevenAgents, platforma sa de agenți vocali. Acesta conectează o scenă de joc la un agent creat în panoul de control ElevenLabs: jucătorul se apropie de un personaj și îi vorbește cu voce tare, SDK-ul captează sunetul de la microfon, redă vocea agentului printr-un AudioSource din Unity și gestionează sesiunea prin Conversation API. Vocea poate proveni de la personaj, iar nivelul său sonor poate anima o gură; variabilele dinamice permit mai multor personaje să partajeze același agent, cu stări de spirit diferite; o actualizare contextuală îi semnalează agentului un eveniment din joc, precum ridicarea unei chei, fără să îl întrerupă; instrumentele client îi permit să declanșeze cod din joc, de exemplu pentru a deschide o ușă.

Platformă țintă	Starea SDK-ului	Transport utilizat
Editor și desktop (macOS, Windows, Linux)	Suportat	WebSocket
WebGL	Suportat	WebSocket sau WebRTC
iOS, Android, XR	Beta	WebSocket

Instalarea se face prin Package Manager din Unity, din depozitul git al ElevenLabs fixat la v0.1.0 (versiune publicată pe GitHub pe 27 octombrie, licență MIT), cu un timp de familiarizare anunțat de aproximativ zece minute pentru exemplul GettingStarted. ElevenLabs reamintește că autentificarea trebuie reactivată înainte de publicare: un server trebuie să furnizeze un URL semnat cu valabilitate scurtă, iar cheia API nu trebuie să apară niciodată într-un build. Nu este anunțat niciun tarif separat.

🔗 Dă-le o voce NPC-urilor tale din Unity cu ElevenAgents (ElevenLabs) · Depozitul elevenlabs/unity

Ai2 prezintă oficial ToyBlocks, primul din seria sa FoundationWorlds pentru studierea învățării roboților

6 noiembrie — Ai2 prezintă oficial ToyBlocks, al cărui cod și ale cărui date erau disponibile online din ziua precedentă. Institutul îl încadrează într-un cadru mai larg, lumile fundamentale (FoundationWorlds): o lume simulată controlată, generarea automată de sarcini și demonstrații și metrici care urmăresc comportamentul robotului în timp, pentru a varia datele sau modelele, a relua un test și a identifica sursa unui eșec. Demonstrațiile sunt produse fără teleoperare, de până la 24 de ori mai rapid decât în timp real, pe un singur GPU. Primele rezultate vizează transferul în lumea reală și agenții de frontieră:

Evaluare publicată de Ai2	Rezultat obținut
Abilități atomice ale ManiFlow, în simulare și pe robot real	80,0 % și 81,1 %
Molmo 2 + ManiFlow, în simulare și pe robot real	55,5 % (111 din 200) și 50,0 % (15 din 30)
Claude Opus 5.5 prin MCP, sarcini de căutare și scriere literă cu literă (search and spell)	63 % rezolvate sau declarate corect imposibile
Descrieri ale abilităților: implicite, de la un expert uman, învățate	24 %, 36 % și 63 % rată de succes
Claude Opus 5.5 în planificare clasică	30 de sarcini de stivuire din 30

În sarcinile de căutare și scriere literă cu literă, jumătate dintre scene sunt imposibil de realizat, iar erorile provin mai ales din litere asemănătoare (13 %) sau dintr-o orientare greșită (15 %). Ai2 precizează că sunt necesare alte teste pe robot real pentru încredere statistică. O interfață web permite transmiterea de instrucțiuni robotului în limbaj natural cu Claude sau cu un alt model de frontieră, iar depozitul complementar allenai/agentic_robotics publică bucla agentică orchestrată prin MCP, sub licența Apache-2.0.

🔗 ToyBlocks (blogul Ai2 pe Hugging Face) · Depozitul allenai/agentic_robotics

GitHub prezintă Copilot Verified Proficiency, un nivel de competență calculat pe baza utilizării reale a Copilot

6 noiembrie — GitHub promovează Copilot Verified Proficiency, o nouă formă de recunoaștere a competențelor (credential) comună Microsoft și GitHub, asociată cu Microsoft Pro Badge. În locul unui examen, nivelul este calculat continuu pe baza sarcinilor efectuate efectiv cu Copilot, conform telemetriei, în funcție de amploarea, profunzimea și constanța utilizării, nu de volumul activității. Sunt evaluate cinci competențe: colaborarea cu IA, redactarea de prompturi, generarea și validarea codului, configurarea agenților, integrarea instrumentelor și a contextului. Sunt disponibile trei niveluri (Beginner, Intermediate, Proficient), iar Advanced și Expert sunt în dezvoltare; Proficient oferă un Pro Badge care poate fi distribuit, care expiră după șase luni dacă nivelul nu este menținut, iar nivelul scade în lipsa utilizării Copilot.

Participarea se face prin înscriere voluntară, rezultatele sunt private în mod implicit și nici angajatorul, nici organizația nu le văd fără distribuire voluntară; grilele și algoritmii rămân proprietari. Conturile Enterprise Managed Users și GitHub Enterprise Cloud cu rezidența datelor nu sunt acceptate. Statutul rămâne neclar: pagina, nedatată, propune calcularea nivelului, dar secțiunea de întrebări frecvente vorbește despre o previzualizare privată desfășurată cu parteneri invitați.

🔗 Copilot Verified Proficiency (GitHub Learn) · Anunțul @github pe X

NVIDIA cuantifică creșterea utilizării instrumentelor sale open source 5G/6G Aerial și Sionna, prin cinci proiecte de cercetare

6 noiembrie — La un an după publicarea codului software-ului său pentru comunicații fără fir Aerial, care s-a alăturat Sionna într-o suită de instrumente pentru cercetarea 6G, NVIDIA prezintă situația într-un articol semnat de Soma Velayutham. Potrivit NVIDIA, adoptarea AI Aerial și Sionna de către dezvoltatori a crescut de zece ori într-un an, instrumentele sale open source 5G/6G au depășit un milion de descărcări și peste 8 000 de instituții de cercetare și universități le folosesc. Articolul nu anunță niciun produs și ilustrează aceste utilizări prin cinci proiecte:

Echipa de cercetare	Rezultatul raportat	Condițiile de măsurare
King’s College London	Timpul de execuție a sarcinilor robotice redus cu până la 52,6 %	Descriere compactă a obiectelor în locul imaginilor complete, defecțiuni provocate intenționat
SoftBank	Debit de upload mai mare în toate cele 15 configurații testate, câștig maxim de aproximativ 60 %	Receptor neuronal în Aerial CUDA-Accelerated RAN, smartphone 5G disponibil comercial, interferențe controlate
ETH Zurich	Rata erorilor de bloc redusă cu peste o treime	Receptoare ajustate pe baza măsurătorilor locale, comparate cu versiuni preantrenate selectate
Universitatea din Leeds	Consumul rețelei de acces radio redus cu 45,6 %	Trecerea stațiilor de bază în repaus anticipată cu 10 minute, comparativ cu o referință la putere maximă
CTTC (Catalonia)	Simulare redusă de la aproximativ 3 ore la 10 până la 20 de minute	Evaluare inițială, modele de canal pe GPU în simulatorul open source 5G-LENA

Articolul trimite la sesiunile 6G pentru dezvoltatori de la GTC Washington, D.C., și reamintește că Aerial și Sionna sunt disponibile pe GitHub.

🔗 Cum îi ajută instrumentele open source NVIDIA pe cercetători să construiască rețele 6G de nouă generație (NVIDIA)

Știri pe scurt

Agenți și instrumente de programare

Sesiuni cloud Claude Code — În planurile Pro, Max și Ultra, Claude determină singur dependențele, accesul la rețea și cheile API de care are nevoie un depozit, apoi salvează acest mediu pentru sesiunile următoare; potrivit @ClaudeDevs, cheile sunt stocate fără ca Claude să le vadă. Anunțul se rezumă la un tweet, fără articol sau documentație. 🔗 sursă
Widget de feedback Amp — O etichetă script, apoi adresa unei pagini la care se adaugă sufixul ?amp, permit selectarea prin clic a unui element de pe un site și scrierea unei instrucțiuni: Amp deschide un fir de discuție în proiect, iar agentul efectuează modificarea într-o orb, pe o copie a depozitului. Disponibil doar pentru proiectele din spațiul de lucru, fără preț precizat. 🔗 sursă
Gemini CLI — Nu a fost publicată nicio versiune nightly pe 5 și 6 noiembrie, deoarece workflow-ul a eșuat, dar Gemini CLI integrează pe main aproximativ douăsprezece commituri pe 6: teme de culori într-un fișier theme.json independent, validarea numelor modelelor în /model, eliminarea așteptărilor de mai multe ore pentru cotă în modul ACP și a blocajelor de rețea fără semnalare. Nimic nu este încă inclus într-o versiune. 🔗 sursă
Qwen Code v0.26.9 — Skill-urile se instalează din arhive ZIP (Web Shell, daemon sau SDK TypeScript), iar o cerere activează sau dezactivează până la 100 de skill-uri; automatizarea Managed Agent este activată implicit, iar introducerea imaginilor se extinde la Llama 4, Pixtral și Mistral Small. Nicio modificare care să afecteze compatibilitatea. 🔗 sursă
Kimi Code 2.5.2 — Trei remedieri: declarații de instrumente duplicate când se schimbă definițiile instrumentelor MCP, mesaje de ghidare puse eronat în coada de așteptare în timpul unei sesiuni și crearea proiectelor când interfața web este servită prin HTTP. 🔗 sursă
ZCode v3.17.2 — Pe 4 noiembrie, fără note de versiune, spațiul de lucru pentru programare de la Z.ai trece previzualizarea fișierelor HTML locale din browserul său integrat printr-o adresă zcode-html:// limitată la folderul acestora: Electron permite implicit unei pagini file:// să citească alte fișiere. 🔗 sursă
Flotă de agenți de programare — Tony Dzi face bilanțul a 103 zile de utilizare a unor agenți de programare din aceeași familie pe șapte mașini: un protocol de coordonare poate respecta toate invariantele sale de siguranță și totuși să fie abandonat. El publică claw-consensus, motorul său de consens fără LLM, și telemetria care arată prăbușirea utilizării acestuia. 🔗 sursă

API, platforme și securitate

Apeluri de ieșire GPT-Live — Pe 2 noiembrie, OpenAI a pus la dispoziția tuturor organizațiilor apelurile telefonice de ieșire GPT-Live prin SIP, folosind API-ul Live: număr în format E.164, trunk al operatorului, semnalizare TLS și audio SRTP, sonerie limitată la 3 minute și apel limitat la 2 ore; niciun preț precizat. 🔗 sursă
API Agents de la OpenAI — Michael Luo, responsabil de produs la OpenAI, face bilanțul lunii octombrie, deja acoperit în mare parte, și oferă la cerere cinci funcții în versiune beta: memorie între sesiuni, accesul agenților la API-ul Decisions, plafon de buget în dolari, pool de medii și arhitectura v2. 🔗 sursă
gemini-embedding-2-preview — API-ul Gemini marchează acest model ca depreciat: din 6 noiembrie, cererile sale sunt rutate către gemini-embedding-2 la tariful Gemini Embedding 2, cu aceeași schemă și același spațiu de embeddings; este suficientă schimbarea numelui modelului, fără reindexare. 🔗 sursă
Metrici de utilizare Copilot — API-ul urmărește acum, pentru fiecare depozit, proporția comentariilor Copilot code review soluționate de dezvoltatori, defalcată după gravitate, nivelul revizuirii și tipul comentariului, și semnalează utilizatorii fără telemetrie sau care folosesc versiuni de IDE și extensie sub cele minime. 🔗 sursă
OpenAI și Hacktron — OpenAI colaborează cu Hacktron, remarcată prin programul său de recompense pentru vulnerabilități, pentru a căuta vulnerabilități în propriile sisteme, inclusiv în interacțiunile lor cu servicii terțe, și îi extinde accesul la modelele de ultimă generație prin Daybreak Red; nicio sumă precizată. 🔗 sursă
Transformers v5.22.2 — Actualizare corectivă intermediară de la Hugging Face, care întărește sandbox-ul Jinja și setează acum device_id doar pentru NCCL; notele nu menționează niciun aviz de securitate. 🔗 sursă

Companii și educație

Universități australiene — Pe 5 noiembrie, OpenAI își detaliază colaborările cu UNSW Sydney (ChatGPT Edu pentru peste 80 000 de studenți și membri ai personalului), Universitatea din Sydney, La Trobe și Adelaide University; într-un sondaj Pureprofile comandat de OpenAI în rândul a 1 018 studenți, 81 % folosesc IA de mai multe ori pe săptămână. 🔗 sursă
Cult.fit și Codex — Pe 5 noiembrie, un studiu de caz OpenAI arată cum rețeaua indiană de săli de sport își standardizează activitatea de inginerie pe Codex: peste 20 de aplicații interne construite de echipe fără profil tehnic, economii anuale de peste 100 000 de dolari la software și costuri de asistență pentru clienți reduse cu peste 50 %. 🔗 sursă
Merge și GPT-6 Astra — Pe 5 noiembrie, startup-ul Merge explică faptul că un bot bazat pe GPT-6 Astra, conectat la Salesforce, Gong, Google Sheets și Gmail, reduce pregătirea unei cine pentru clienți de la zeci de ore la aproximativ 30 de minute; compania a trecut de la 8 cine în al doilea trimestru la 16 în al treilea. 🔗 sursă
Franklin Templeton — Pe 5 noiembrie, administratorul de active descrie un strat de inteligență conectată, construit inclusiv cu Codex, care leagă cercetarea, riscul, conformitatea și trading-ul pentru administratorii săi de portofoliu; niciun rezultat numeric precizat. 🔗 sursă
Flipsnack și ChatGPT Ads — Pe 5 noiembrie, această mărturie a unui client anunță cu aproximativ 310 % mai multe înscrieri și un cost per înscriere cu aproximativ 75 % mai mic, la același buget zilnic, după trecerea a cinci campanii americane de la clicuri la optimizarea conversiilor. 🔗 sursă
Box și NVIDIA — Pe 5 noiembrie, la BoxWorks 2026, Box pune modelele deschise Nemotron, începând cu Nemotron 3 Ultra, la dispoziția clienților Enterprise Advanced ai Box AI; Box Context Retrieval, construit pe Nemotron Retriever, este așteptat la începutul anului viitor și ar putea, potrivit Box, să crească precizia căutării cu 20 % și să consume cu 90 % mai puțini tokeni. 🔗 sursă

Aplicații Google

Fișele de studiu din Gemini Notebook — Fișele acceptă acum imagini, un cronometru opțional permite testarea capacității de reamintire, iar aplicația mobilă programează mementouri pentru studiu; nu sunt precizate țările sau planurile. 🔗 sursă
Gemini în Google Forms — În fila Răspunsuri, Gemini analizează răspunsurile scriind și executând cod Python, identifică tendințe și corelații, apoi sugerează acțiuni; lansarea a început pe 2 noiembrie în Rapid Release și va începe pe 19 noiembrie în Scheduled Release, pentru planurile Business, Enterprise și Education eligibile și pentru abonați Google AI. 🔗 sursă

Voce, muzică și imagine

Open ASR Leaderboard — Clasamentul de recunoaștere vocală al Hugging Face adaugă două seturi private de testare de la Liva AI, în engleză conversațională cu accent egiptean (1,34 ore) și nigerian (1,55 ore), precum și o defalcare inspirată de cercurile lui Kachru; nu este prezentat niciun rezultat al modelelor. 🔗 sursă
Dialect libanez — În al doilea episod al seriei sale, după cel din 5 noiembrie, Bilal Zaraket construiește un lexicon libanez validat de trei vorbitori nativi (429 de intrări) înainte de a genera date vocale: proporția propozițiilor care necesită corectare scade de la 22 % la 4 %, sub un prag de 5 % stabilit în prealabil. 🔗 sursă
ElevenMusic și SoundCloud — ElevenLabs își conectează platforma muzicală la SoundCloud: o piesă originală ajunge direct pe profilul artistului, cu descriere, gen și taguri. Membrii SoundCloud Artist Pro primesc trei luni gratuite de ElevenMusic, apoi plătesc 9,99 dolari pe lună, oferta fiind valabilă până la 31 octombrie 2027. 🔗 sursă
Ads Engine — ElevenLabs adaugă o revizie umană opțională, realizată de lingviști și profesioniști în localizare de la ElevenProductions și de specialiști interni în creație, pentru materialele vizuale, reclamele Google Search și videoclipurile dublate; acces prin echipa de vânzări, fără preț sau termen precizat. 🔗 sursă
Daily Song Challenge de la Suno — Aplicațiile iOS și Android propun zilnic o cerință pentru o melodie, care poate fi modificată înainte de creare, și organizează melodiile într-un calendar din bibliotecă, în toate planurile. 🔗 sursă
Runway și GPT Image 2.6 — Runway adaugă modelul de imagini de la OpenAI, prezentat ca fiind cu 50 % mai rapid, cu GIF, export SVG și retușuri care păstrează consecvența personajelor și a produselor; nu sunt precizate nici varianta, nici costul în credite. 🔗 sursă

Cercetare, robotică și modele

Modele științifice — Blogul Science al Anthropic publică un eseu invitat semnat de Jakob Macke, Daniel Gedon și Stefan Wahl (ELLIS Institute Tübingen) despre IA care construiește, constrânge și interpretează modele științifice, de la modelul Hodgkin și Huxley la inferența bazată pe simulare. 🔗 sursă
Clasamentul SuperCLUE — Un articol comunitar VIDRAFT preia clasamentul din noiembrie (19 modele): GPT-6.1-Sol conduce la programare cu agenți (69,23), iar DeepSeek-V4.1-Flash-1017 ocupă aici primul loc între modelele deschise (65,38), Kimi-K3.1-Pro având cel mai bun scor global dintre acestea. 🔗 sursă
LingYu Robotics — Compania publică 139,4 ore și 13 263 de episoade reușite de teleoperare bimanuală filmată din perspectiva robotului, în 15 familii de sarcini, în format LeRobot și sub licență necomercială. 🔗 sursă
Egocentric-EMG-Force — Harpreet Sahota convertește pentru FiftyOne opt episoade și 38,2 minute de sarcini casnice filmate cu o cameră de adâncime, cu o brățară EMG la fiecare încheietură, care înregistrează semnalul muscular al antebrațelor. 🔗 sursă
Teaser de la Qwen — Contul oficial Qwen publică un scurt mesaj enigmatic, cu o imagine a cărei inscripție în chineză lasă un nume necompletat, fără numele modelului, dată sau link; mesajul a fost vizualizat de peste 1,3 milioane de ori în cursul zilei. 🔗 sursă

Ce înseamnă asta

IA intră în cercetarea supravegheată și măsurată. Agenții Google DeepMind au lucrat sub supraveghere umană, împreună cu cercetători de la Inria, asupra unui RSA pe 1024 de biți deja retras din uz și a unei chei de referință deja rezolvate, într-o simulare izolată: câștigul teoretic de aproximativ 1 600 de ori nu amenință cheile de 2048 de biți, dar amintește că o ipoteză privind dificultatea nu poate fi niciodată considerată definitivă. BioBasicsBench și TCSExam urmează aceeași disciplină: OpenAI publică ea însăși erorile GPT-6 Astra, inclusiv o supraestimare de aproximativ 12 % a numărului de colonii, iar TCSExam supune fiecare sarcină verificării prin nucleul Lean sau printr-un verificator executabil, fără ca vreo conjectură deschisă să fie rezolvată. Frontier Model Forum aplică aceeași logică riscului, cu o grilă comună pentru a decide ce jailbreakuri cibernetice trebuie remediate mai întâi.

Contextul din jurul modelului determină tot mai mult succesul unui agent. La Anthropic, o singură notă greșită despre Mt. Moon blochează partida de Pokémon până când dreaming o corectează, iar un wiki actualizat constant economisește aproximativ 20 000 de tokenuri per întrebare. La Google, un TODO vechi este suficient pentru a abate un agent de la sarcină: un ocol nesolicitat încarcă sesiunea cu 70 % mai mulți pași, 77 % mai multe tokenuri și 105 % mai mult timp de așteptare, într-atât încât Google a lansat agenți pentru a-și curăța bazele de cod. Harness adapters abordează problema prin antrenare, cu un LoRA pentru fiecare harness, care reduce apelurile de instrumente la aceeași acuratețe, iar mecanismele folosite de Perplexity sunt de aceeași natură: mementouri privind bugetul, extragerea paginilor, skills încărcate la cerere.

Agenții de cod își schimbă interfața. Li se vorbește, prin chatul vocal din Cursor, care separă agentul care ascultă de cel care scrie cod; li se deleagă organizarea, printr-un space Amp care pornește singur firele de discuție, ajungând să împartă o analiză de securitate în 16 zone; sunt conectați peste tot, deoarece ACP transformă Antigravity CLI în agentul oricărui editor compatibil, cu toate modelele din cont. În paralel, ciclurile de lansare se scurtează (146 de intrări pentru Claude Code 2.1.319, 637 pentru Copilot CLI 1.0.106, 120 de PR pentru Codex CLI 0.167.0), cu un control mai fin asupra acțiunilor pe care agentul are dreptul să le execute, de la refuzul fără solicitarea confirmării din Claude Code până la regulile prompt-user din Codex.

Costul și accesul se schimbă și ele. Perplexity își face nivelul medium cu aproape 90 % mai ieftin, crescându-i totodată rezultatul de la 55 % la 77 %, și activează gratuit Brain în fiecare Project. Phonon rulează sinteza vocală pe dispozitiv, fără server, cu modele de aproximativ 65 și 75 Mo, inclusiv o versiune în engleză sub licență Apache 2.0. Meta transferă capacități din Muse Wonder în modele specializate puse la dispoziția utilizatorilor Muse și Meta AI, iar Hugging Face oferă acces liber la cunoștințe practice despre antrenarea MoE, dobândite cu prețul a 800 000 de ore-GPU.