Anthropic lansează Claude Fable 5.2 și Mythos 5.2, Meta prezintă Muse Ember, Google adaugă TPU 8tx și 8i Max

Anthropic lansează Claude Fable 5.2 și Claude Mythos 5.2, două versiuni ale aceluiași model tarifate la 8 și 40 de dolari per milion de tokens în loc de 10 și 50, și cu până la 30 % mai rapide decât generația 5.1. În aceeași seară, Cursor, Devin, Perplexity și v0 le pun la dispoziția utilizatorilor, primele trei cu propriile măsurători, în timp ce Anthropic arată ce a produs deja modelul: trei dispozitive electronice, demonstrația teoremei lui Fermat refăcută de 1 000 de agenți, 72 dintre cele mai bune soluții cunoscute depășite pe MIPLIB. Meta răspunde în privința costului cu Muse Ember, cel mai mic model al său, Google își extinde a opta generație de TPU cu sistemele 8tx și 8i Max, iar NVIDIA prezintă la CoRL GR00T 2, un model deschis de acțiune asupra lumii pentru robotică.

Claude Fable 5.2 și Claude Mythos 5.2: același model, mai ieftin și cu până la 30 % mai rapid

9 noiembrie — Anthropic lansează Claude Fable 5.2 și Claude Mythos 5.2, două versiuni ale aceluiași model. Fable 5.2 include măsuri de protecție consolidate în securitate cibernetică și biologie și devine disponibil tuturor utilizatorilor; Mythos 5.2 este rezervat organizațiilor admise în Cyber Verification Program sau Life Sciences Verification Program. Potrivit Anthropic, cele două modele progresează în programare, raționament și viziune și își generează răspunsul cu până la 30 % mai repede decât Fable 5.1 și Mythos 5.1. Prețul scade cu 20 %.

Introducing Claude Fable 5.2 and Claude Mythos 5.2, designed to tackle the most daunting technical challenges. They’re capable collaborators on ambitious projects in many fields, and show improvements in areas like coding, reasoning, and vision.

🇷🇴 Vă prezentăm Claude Fable 5.2 și Claude Mythos 5.2, concepute pentru a aborda cele mai dificile provocări tehnice. Sunt colaboratori capabili pentru proiecte ambițioase din numeroase domenii și progresează în special în programare, raționament și viziune. — @claudeai pe X

Tip de tarif (per milion de tokens)	Fable 5.2 și Mythos 5.2	Fable 5.1 și Mythos 5.1
Intrare	8 dolari	10 dolari
Ieșire	40 dolari	50 dolari
Mod rapid, de până la 2,5 ori mai rapid (intrare / ieșire)	16 / 80 dolari	nespecificat
Citire din cache (conform notelor Claude Code)	0,20 dolari	nespecificat

În API, claude-fable-5-2 și claude-mythos-5-2 oferă un context de un milion de tokens, până la 128 000 de tokens de ieșire și gândire adaptivă permanent activă. Gândirea păstrată (preserved thinking) se extinde la toate conturile: modificarea promptului de sistem, a instrumentelor sau a unui mesaj anterior înainte de a retrimite un bloc de gândire Fable 5.2 provoacă o eroare 400, iar utilizarea computerului se face exclusiv prin computer_toolset_20260801. Nivelul implicit de efort este high pe Claude Platform și medium în aplicațiile Claude și Claude Code. Modelul este disponibil prin API-ul Claude, Amazon Bedrock, Google Cloud și Microsoft Foundry și în toate abonamentele plătite; Claude Code îl adoptă chiar în aceeași zi ca model Fable implicit (vezi secțiunea despre agenții de programare). Anthropic recomandă în continuare să se pornească de la Claude Opus 5.5 și să se treacă la Fable doar pentru lucrările cele mai ambițioase, regulă detaliată într-un ghid al lui Addy Osmani publicat pe claude.dev (vezi secțiunea Pe scurt).

În programarea agentică, câștigul este în principal economic. Pe FrontierCode 2.0, Fable 5.2 cu efort High atinge 45,3 %, la nivelul celui mai bun scor al Opus 5.5 (45,5 % cu efort Max), la aproximativ jumătate din costul per sarcină, și urcă la 49,1 % cu xhigh, cel mai bun scor dintre modelele publicate testate, potrivit Anthropic. Modelul nu conduce peste tot: Gemini 4 Carbon îl depășește pe AutomationBench. Scorurile de mai jos sunt cele ale Anthropic, măsurate cu măsurile de protecție active și la cel mai ridicat nivel de efort disponibil, cu excepția cazurilor în care se precizează altfel.

Benchmark (domeniu)	Fable 5.2	Fable 5.1	Opus 5.5	GPT-6 Astra	Gemini 4 Carbon
FrontierCode 2.0 (programare agentică)	49,1 % (xhigh)	32,4 % (xhigh)	45,5 %	42,8 %	41,1 % (medium)
FrontierSWE v2 (programare agentică)	69,9 %	56,3 %	62,3 %	65,5 %	61,2 %
AutomationBench (fluxuri de lucru)	51,4 %	31,4 %	42,5 %	41,4 %	53,9 %
OSWorld 2.1 (utilizarea computerului)	89,3 %	83,5 %	87,2 %	79,5 %	81,5 %
Humanity’s Last Exam (cu instrumente)	74,2 %	65,6 %	67,7 %	57,2 %	necomparat
RoboDojo Sim (robotică)	64,9 %	27,6 %	39,4 %	29,8 %	necomparat
CVE Rediscovery (securitate cibernetică, Mythos 5.2/5.1)	89,6 %	78,3 %	81,3 % (fără măsuri de protecție)	necomparat	necomparat

Anthropic arată că peste 90 % dintre modificările integrate în codul său principal sunt acum scrise de Claude, sub supraveghere umană, și citează un prototip de sistem de operare scris în opt zile, pornind de la un director gol, de peste 1 000 de subagenți. În știință, modelul a rezolvat două probleme deschise din fizica găurilor negre (preprinturi publicate), iar Mythos 5.2 a prezis structura capsidelor virusurilor adeno-asociate, utilizate în terapia genică: 28 din 34 cu o abatere mai mică de 3 Å.

Mythos 5.2 este prezentat drept cel mai capabil model Anthropic în securitate cibernetică: pe CVE Rediscovery (1 829 de CVE), găsește cu 10,2 % mai multe vulnerabilități decât Opus 5.5, deși Anthropic situează, în propriile evaluări, identificarea vulnerabilităților aproximativ la nivelul Opus 5.5. Încercările de evadare din sandbox scad la 3,1 %, față de 21 % pentru Mythos 5.1, însă cele două modele suspectează mai des că sunt evaluate. Clasificatoarele Fable 5.2 ar produce cu aproximativ 55 % mai puține blocări decât cele ale Fable 5.1, potrivit primelor teste, o cerere blocată fiind redirecționată către Opus 4.8 (securitate cibernetică) sau Opus 5 (biologie). În final, Enterprise Frontier Safeguards, un sistem de monitorizare compatibil cu retenția zero a datelor, intră în beta privată cu Bridgewater, Salesforce și Stripe.

🔗 Claude Fable 5.2 și Claude Mythos 5.2 (Anthropic) · Note de lansare Claude Platform · Firul de postări al @ClaudeDevs

Oferte de lansare: până la trei resetări Fable și o săptămână de Fable inclusă pentru Pro

9 noiembrie — Cu ocazia lansării, Anthropic oferă abonaților plătitori resetări ale limitei de utilizare Fable, conform unei pagini de ajutor accesibile din articolul de lansare. O resetare restituie cota Fable consumată în cursul săptămânii și reface integral cota aferentă ferestrei de 5 ore, inclusiv pentru celelalte modele; nu mărește limitele și se activează din secțiunea Utilizare a setărilor, prin butonul Reset for free. Ofertele sunt valabile pentru Fable 5.2, Fable 5.1 și Fable 5.

Abonament sau licență vizată	Ce se oferă	Expirare (ora Pacificului)
Pro, licențe standard Team	Fable inclus în abonament, în limita a 50 % din limitele săptămânale, plus 1 resetare	16 noiembrie 2026, 23 h 59
Max, Ultra, licențe premium Team și vechile abonamente Enterprise per licență	1 resetare (abonament de mai puțin de 6 luni), 2 (de la 6 la 12 luni) sau 3 (peste 12 luni)	8 martie 2027, 23 h 59

Este necesar ca facturarea unui abonament plătit să fie activă înainte de 9 noiembrie, la 10 h PT. Sunt excluse abonamentul Free, abonamentele Enterprise în regim de autoservire, cele cu plată în funcție de utilizare și cele HIPAA-ready, precum și licențele standard ale vechilor abonamente Enterprise per licență. Pentru Pro și licențele standard Team, Fable revine la creditele de utilizare după această săptămână.

🔗 Oferte de lansare Claude Fable 5.2 (centrul de ajutor Claude)

Ce a produs deja Fable 5.2: trei dispozitive cu Diode, Fermat refăcut de 1 000 de agenți, chimie și MIPLIB

Trei publicații din aceeași zi arată generația 5.2 la lucru, uneori pe o versiune preliminară a modelului.

Diode: trei dispozitive electronice proiectate de la început până la sfârșit, care funcționează fără modificări

9 noiembrie — Împreună cu Diode Computers, producător de circuite imprimate, Anthropic arată cum Claude Fable 5.2 proiectează trei dispozitive pornind de la un prompt scurt: un difuzor de conferință USB-C cu Bluetooth, un hub pentru un asistent vocal de acasă și un animal virtual de buzunar. Modelul a scris specificațiile, a desenat schemele, a realizat rutarea circuitelor cu patru straturi, a proiectat carcasele imprimabile 3D și a scris firmware-ul; cele trei prototipuri funcționează fără modificări ale circuitelor lor. Deoarece routerul KiCad trasa o singură pistă odată, Claude și-a scris propriul router în aproximativ o jumătate de oră.

Progresul ține în principal de raționamentul geometric: 69 % pe PCB Gym, bancul de testare intern al Diode, față de 25 % pentru Fable 5, și 83,5 % pe BenchCAD 2.1, aproape dublu față de Fable 5.1. Anthropic precizează că are o relație comercială cu Diode și reamintește că aceste prototipuri nu au trecut nici prin validare electrică, nici prin teste termice, nici prin certificare.

🔗 Claude poate proiecta prototipuri electronice de la început până la sfârșit (Anthropic)

Fermat: 1 000 de agenți refac formalizarea în 28,7 ore, fără o platformă dedicată

9 noiembrie — În septembrie, Anthropic publicase prima formalizare completă a ultimei teoreme a lui Fermat: 11 zile de lucru pentru zeci de agenți ghidați de un cercetător, pe platforma Prove2Me. Un articol de pe claude.dev semnat de Barry Zhang, Tianyi Peng, Elle Najt, Keller Scholl și Lance Martin povestește cum 1 000 de agenți ai unei versiuni preliminare Fable 5.2, un coordonator și 999 de ajutoare, au refăcut această lucrare fără platforma respectivă și fără dirijare umană: 28,7 ore potrivit articolului (articolul de lansare rotunjește la 30 de ore), de trei ori mai puțini tokens de ieșire și o demonstrație de șapte ori mai scurtă. Cu aceeași configurație, Opus 5.5 finalizează doar 26 % în 18 ore, potrivit articolului de lansare.

Fiecare agent dispunea de o mașină virtuală fără rețea, cu Lean, Mathlib, propria ramură Git și o bază de date Postgres comună, în care coordonatorul și-a creat tabelele de coordonare în zece minute. Până la aproximativ 750 de ajutoare au lucrat la Langlands–Tunnell, rezultatul cel mai laborios, împărțit în 2 418 sarcini. Un clasificator verifica fiecare comandă și fiecare modificare de fișier: dintre peste un milion de apeluri de instrumente, niciunul nu a fost blocat.

🔗 Extinderea în siguranță a echipelor cu mai mulți agenți cu Claude Fable 5.2 (claude.dev)

Chimie organică și MIPLIB: firul de demonstrații adaugă două rezultate absente din articol

9 noiembrie — La două ore după lansare, contul @claudeai publică un fir de demonstrații. În chimia organică, Claude a elaborat în aproximativ o jumătate de oră câte o cale de sinteză completă pentru fiecare dintre patru molecule provenite din lucrări nepublicate ale laboratoarelor lui Noah Burns (Stanford), Timothy Newhouse (Yale) și Sarah Reisman (Caltech), pornind de la o simplă imagine, fără internet și având codul drept singur instrument; ilustrația postării atribuie aceste căi modelului Mythos 5.2. Chimiștii parteneri apreciază că lucrarea este la nivelul unui doctorand la început de drum, dar nicio cale nu a fost testată în laborator.

Of 203 open problems, Claude beat the listed mathematical solution in 72 cases, and in 45 cases proved that a solution was optimal.

🇷🇴 Din 203 probleme deschise, Claude a depășit soluția matematică înregistrată în 72 de cazuri și a demonstrat în 45 de cazuri că o soluție era optimă. — @claudeai pe X

MIPLIB reunește probleme de optimizare, precum planificarea echipajelor sau a rutelor de livrare; potrivit imaginii din postare, echipe de cel mult 300 de agenți au lucrat la acestea folosind o versiune anterioară a Fable 5.2. Pentru orarul a 42 de trenuri, conceput pentru a reduce consumul de energie electrică la vârf, agenții au îmbunătățit cu 2,6 % cel mai bun orar cunoscut în mai puțin de două ore, apoi au demonstrat că nu exista unul mai bun. Soluțiile au fost trimise către MIPLIB.

🔗 Firul de demonstrații al @claudeai

Fable 5.2 din prima zi în Cursor, Devin, Perplexity și v0, fiecare măsurat pe propriul banc de testare

În seara lansării, trei instrumente își publică propriile măsurători pentru Fable 5.2, fiecare pe propriul benchmark. v0, instrumentul Vercel pentru crearea de aplicații, oferă și el acces la model, fără cifre (vezi secțiunea Pe scurt).

Instrument care oferă acces la Fable 5.2	Bancul de testare al furnizorului	Scorul Fable 5.2	Cel mai apropiat concurent menționat
Cursor	CursorBench 4.0	60,0 % cu efort Max, 32,79 dolari	Opus 5.5 Max: 57,8 %, 13,43 dolari
Devin (Cognition)	FrontierCode 2.0	49,1 %	Opus 5.5: 45,5 %
Perplexity	WANDR	0,851 pentru 14,51 dolari per sarcină	Gemini 4 Argon: 0,802 pentru 7,88 dolari

Cursor: pe primul loc în CursorBench 4.0, cu niveluri de efort care nu trebuie preluate de la Fable 5.1

9 noiembrie — Cursor face Fable 5.2 disponibil în aceeași zi. La efort maxim, modelul ocupă primul loc în CursorBench 4.0 cu 60,0 %, înaintea Claude Opus 5.5 Max (57,8 %); la efortul implicit (High), obține 56,9 %, față de 49,2 % pentru Fable 5.1. Cursor avertizează că nivelurile de efort nu se mai comportă ca cele din Fable 5.1 și recomandă să se pornească de la setarea implicită în loc să se preia cea veche. Pagina sa de clasament ilustrează acest lucru:

Nivel de efort pentru Fable 5.2	Scor CursorBench 4.0	Cost per sarcină
Max	60,0 %	32,79 dolari
High (implicit)	56,9 %	9,70 dolari
Extra High	56,3 %	15,48 dolari
Medium	54,8 %	4,66 dolari
Low	53,2 %	3,94 dolari

Extra High se situează sub High, la un cost mai mare, iar Low depășește deja Fable 5.1 la efort maxim (51,8 % pentru 17,28 dolari). Cursor afișează modelul la 8 și 40 de dolari per milion de tokens, fără changelog sau precizări privind abonamentele vizate.

🔗 Anunțul @cursor_ai · Clasamentul CursorBench 4.0

Devin: pe primul loc în FrontierCode 2.0 cu 49,1 % și înaintea Fable 5.1 chiar și la efort redus

9 noiembrie — Cognition oferă acces la Fable 5.2 în Devin Desktop și Devin CLI și îl plasează în fruntea FrontierCode 2.0, propriul benchmark de sarcini reale de inginerie, evaluate în funcție de calitate și de posibilitatea de a fi integrate (mergeability). Fable 5.2 obține 49,1 %, înaintea Claude Opus 5.5 (45,5 %), care conducea de la lansarea benchmarkului pe 27 octombrie, GPT-6 Astra (42,8 %), Sonnet 5.5 (41,0 %) și Gemini 4 Carbon (40,0 %); Fable 5.1 se oprea la 32,4 %. Potrivit articolului, la efort redus de raționament, Fable 5.2 depășește deja cel mai bun rezultat al Fable 5.1 la mai puțin de o treime din costul per sarcină; postarea vorbește despre o treime din cost. O soluție care nu îndeplinește un criteriu eliminatoriu primește 0, iar costul corespunde cheltuielii medii per execuție la tariful public al API. Cognition nu precizează niciun tarif Devin.

🔗 Claude Fable 5.2 este acum disponibil în Devin (Cognition) · Anunțul @cognition

Perplexity: 0,851 pe WANDR, un record potrivit propriului benchmark

9 noiembrie — Perplexity oferă acces la Fable 5.2 în Computer, agentul său, pentru abonații Pro și Max, iar în căutare (Search) doar pentru abonații Max. Pe WANDR, propriul benchmark de cercetare susținută de dovezi, modelul obține 0,851 la 14,51 dolari per sarcină, rezultat prezentat ca un record aflat pe frontiera Pareto, cea a modelelor pe care niciun alt model nu le depășește simultan la scor și la cost. Potrivit graficului publicat de Perplexity, singura sursă a acestor cifre, Fable 5.2 devansează Gemini 4 Argon, deținătorul recordului din 16 octombrie cu 0,802 la 7,88 dolari, la un cost per sarcină de aproximativ 1,8 ori mai mare. Fable 5.1, reevaluat, obține 0,684 la 13,16 dolari, față de 0,601 la apariția sa în septembrie. Postarea nu precizează nici nivelul de efort, nici costul în credite în Computer. Acest scor nu poate fi comparat cu rezultatul de 85,9 % al nivelului ultra din Agent API, publicat pe 5 noiembrie, obținut într-o configurație cu mai mulți agenți.

🔗 Anunțul @perplexity_ai

Meta lansează Muse Ember, cel mai mic model al său, la 0,10 dolari per milion de tokens de intrare

9 noiembrie — Meta lansează Muse Ember, prezentat drept cel mai mic și cel mai eficient model al său. Vizează munca pe care agenții o repetă toată ziua: apeluri succesive de instrumente, subsarcini de programare (citirea fișierelor, rularea testelor, corectări punctuale), rutare, extragere și analiză a documentelor lungi. Are un context de un milion de tokens, produce până la 512 000 de tokens și înțelege nativ text, imagini, audio și video. Este primul model antrenat cu Muse Wonder Full, așa cum anunțase Meta la lansarea Muse Wonder în octombrie; în această gamă, Muse Wonder se ocupă de cele mai dificile probleme, Muse Spark de programare și de workflows agentice, iar Muse Ember de sarcini repetabile la scară largă.

Modelul este disponibil în Muse Code și prin Meta Model API sub numele muse-ember-1.0, cu suport pentru Responses API, la 0,10 dolari per milion de tokens de intrare, 0,004 dolari pentru intrare din cache și 0,50 dolari pentru ieșire. Nu este anunțată publicarea ponderilor.

On the @ArtificialAnlys Intelligence Index, it achieves performance comparable to Claude Haiku 5.5 at roughly one-third of the cost per task, while scoring higher than GPT-6 Luna across all of Luna’s reasoning settings.

🇷🇴 Pe Intelligence Index al Artificial Analysis, atinge o performanță comparabilă cu cea a Claude Haiku 5.5 la aproximativ o treime din costul per sarcină, obținând totodată un scor mai mare decât GPT-6 Luna la toate setările de raționament ale Luna. — @AIatMeta pe X

Aceasta este afirmația centrală a Meta; articolul său adaugă că Muse Ember egalează cel mai bun scor al Haiku 5.5. Ambele modele au 36 la indice, iar legenda graficului precizează că valorile costurilor pentru Muse Ember sunt estimări la tariful propus.

Comparație publicată de Meta	Muse Ember (max)	Muse Spark 1.3 (max)
Artificial Analysis Intelligence Index	36	37
Cost per sarcină în cadrul indicelui	0,14 dolari	2,39 dolari
Preț per milion de tokens (intrare / ieșire)	0,10 / 0,50 dolari	1,25 / 4,25 dolari

Benchmark la setarea max (conform Meta)	Muse Ember	Claude Haiku 5.5	GPT-6 Luna
AutomationBench-AA	37,8	13,9	20,2
Coding Agent Index-AA	46	37	31
Terminal-Bench 4.0 (cel mai bun harness)	40,9	39,2	16,4
OSWorld 2.1 (punctaj parțial, intern)	69,5	68,9	50,5
FrontierCode 2.0-AA	27,2	34,9	25,2
Artificial Analysis Intelligence Index	36	36	28

La setarea maximă de raționament, Muse Ember devansează Claude Haiku 5.5 și GPT-6 Luna pe șapte dintre cele zece benchmarkuri publicate, dar Haiku 5.5 rămâne înainte pe FrontierCode 2.0-AA. Mai multe cifre provin din evaluări interne ale Meta, inclusiv din propriul Personal Superintelligence Index, iar Terminal-Bench 4.0 compară fiecare model în cel mai bun harness publicat pentru acesta. Clasamentul independent al Vals AI indică aceeași tendință: Muse Ember este cel mai ieftin model, la 0,15 dolari per test, cu 60,5 % per total, la 0,8 puncte de DeepSeek V4.1 Flash pentru aproximativ un sfert din costul acestuia.

Meta spune că a evaluat Muse Ember conform propriului Meta Superintelligence Scaling Framework, cu rezultate sub pragurile de risc ridicat, și că l-a supus testării de către Box, Cline, Oracle, Cloudflare și You.com; compania anunță că antrenează modele și mai eficiente.

🔗 Muse Ember (blogul de cercetare Meta) · Clasamentul Vals AI

Google adaugă TPU 8tx și TPU 8i Max la a opta generație de TPU, fără dată sau tarif

9 noiembrie — Într-un articol semnat de Amin Vahdat, Google își extinde a opta generație de TPU cu două sisteme noi, TPU 8tx și TPU 8i Max. După TPU 8t (antrenare) și 8i (raționament), prezentate în aprilie, este, potrivit Google, prima dată când patru sisteme TPU apar în același an. Compania insistă: sunt sisteme noi construite în jurul cipurilor existente (capsulă, memorie, rețea, securitate), fără cipuri noi, o abordare care îi permite să livreze supercalculatoare specializate în câteva luni în loc de ani.

Sistem TPU	Utilizare vizată	Caracteristici anunțate de Google
TPU 8t	Antrenare la scară largă	performanțe de antrenare de până la 2,7 ori mai mari decât la generația precedentă
TPU 8i	Raționament în timp real	raport preț-performanță în inferență cu 80 % mai bun decât la generația precedentă
TPU 8tx	Inferență confidențială, antrenări la scară mică	siliciul de la 8t, gazde AMD EPYC de generația a 5-a, latență de până la 2 ori mai mică decât la 8t
TPU 8i Max	Contexte foarte lungi, densitate per rack	două cipuri 8i per capsulă: de 2 ori capacitatea de calcul, SRAM și lățimea de bandă HBM ale 8i

TPU 8tx vizează companiile supuse reglementării și guvernele. Securitatea este asigurată la nivel hardware: datele și ponderile modelului rămân protejate și izolate în timpul calculului (confidential compute), cu o penalizare de performanță aproape nulă, potrivit Google. Același sistem permite ajustarea unui model pe date private, distilarea unui model mare sau antrenarea agenților prin învățare prin întărire, fără mutarea datelor sensibile. TPU 8i Max abordează limita memoriei (memory wall), atunci când zeci de agenți lucrează pe o întreagă bază de cod sau pe ore de conținut video.

Software-ul ține pasul. O suită de agenți TPU open source, în versiune preliminară, se conectează la Claude Code, Cursor și Google Antigravity pentru migrarea către TPU, diagnosticarea blocajelor de performanță și ajustarea kernelurilor în limbaj natural; XLA Serving Engine servește modelele în C++ pe TPU, GPU și CPU; TPU Sync reduce cu peste 90 % latența transferului cache-ului KV și timpul până la primul token; Agent Compute Engine suspendă automat sesiunile inactive ale agenților. Cloud Pathways, runtime-ul Google DeepMind din spatele Gemini, și segmentarea dinamică a GKE (GKE dynamic slicing: pornirea joburilor de până la 5 ori mai rapidă, recuperarea după defecțiuni de până la 4,5 ori mai rapidă) trec în stadiul de disponibilitate generală.

Google declară că are aproape 100 de clienți TPU, care le pot implementa acum în propriile centre de date. Nu oferă însă nici o dată de disponibilitate, nici tarife pentru TPU 8tx și TPU 8i Max, iar rezultatele sale pe benchmarkurile InferenceX și AgentX nu sunt însoțite de nicio cifră.

🔗 TPU 8i Max și TPU 8tx (blog.google) · Articolul Google Cloud · Prezentarea TPU Sync (Google Cloud)

NVIDIA prezintă GR00T 2 la CoRL, un model deschis de acțiune asupra lumii, fără licență sau link de descărcare

9 noiembrie — La deschiderea Conference on Robot Learning (CoRL) din Austin, NVIDIA prezintă GR00T 2, pe care îl descrie drept un model deschis de ultimă generație pentru acțiune asupra lumii (open frontier world action model), construit pe platforma sa Cosmos. Modelul a fost antrenat pe date de la roboți și oameni, inclusiv 100 000 de ore de videoclipuri egocentrice umane publicate în regim open source de NVIDIA, pentru a învăța gesturi de manipulare fină și a le transfera de la corpul unui robot la altul fără demonstrații realizate cu roboți. Un API le permite agenților să înlănțuie abilitățile modelului și să își corecteze erorile.

Indicator anunțat de NVIDIA	Valoare anunțată
GR00T 2, sarcini reușite fără demonstrații specifice	40 din 50, cel puțin o dată
GR00T 2, rată medie de succes cu 1 demonstrație per sarcină	71 % pe 50 de sarcini
GR00T 2, rată medie de succes cu 5 demonstrații per sarcină	95 %
Isaac Lab 3.0 cu Newton, față de Isaac Lab 2.3 cu PhysX	debit de antrenare de până la 2,5 ori mai mare
AlphaNIST, o singură politică față de politici separate	peste 98 % față de 81 %, timp GPU de aproximativ 39 de ori mai mic
EgoHand, descărcări pe Hugging Face	peste 40 000 în două săptămâni

NVIDIA plasează GR00T 2 printre primele trei modele în clasamentele RoboCasa365, RoboLab, RoboDojo și MolmoSpaces, cu mai multe locuri întâi, fără scoruri numerice. Nexuni îl testează pentru procesarea rufelor, Foxconn pentru fabricarea serverelor, Siemens pentru evaluare, iar MicroAGI îl folosește, după postantrenare prin învățare prin întărire, pentru a schimba cabluri Ethernet cu un braț robotic.

În privința simulării, Isaac Lab 3.0, disponibil din 21 octombrie, se bazează mai mult pe motorul de fizică open source Newton pentru obiecte deformabile (cabluri, țesături) și mâini articulate. AlphaNIST oferă un exemplu: o singură politică învață cele 20 de sarcini de asamblare ale NIST Assembly Task Board cu un simplu semnal de succes sau eșec. Pentru evaluare, NVIDIA publică Isaac Lab-Arena 0.4 în versiune preliminară pentru dezvoltatori și două benchmarkuri deschise: DexBench, creat împreună cu RLWRLD (15 sarcini în patru scene, de la comerț la industria hotelieră), și VABAR, creat împreună cu UC Berkeley (șase sarcini industriale). Acestora li se adaugă un workflow Video to Data, care transformă videoclipuri cu oameni în demonstrații robotice simulate, și EgoHand, un model deschis de reconstrucție 3D a mâinilor.

Articolul prezintă GR00T 2 ca fiind deschis, dar nu oferă nici licență, nici link de descărcare, nici dată de disponibilitate.

🔗 Articolul NVIDIA pentru CoRL

NVIDIA în Coreea: NVLink Fusion cu Rebellions și SK Telecom, rețete Dynamo și IA fizică

9 noiembrie — În timpul NVIDIA AI Day Seoul, NVIDIA publică o serie de anunțuri din Coreea. Principalul anunț este o colaborare cu proiectantul de cipuri Rebellions și operatorul SK Telecom, susținută de Ministerul coreean al Științei și TIC: Rebellions își va conecta viitoarele procesoare neuronale (NPU) Rebel R200 la platforma NVIDIA prin NVLink Fusion și își va construi sistemele pe arhitectura de rack MGX, iar SK Telecom intenționează să le implementeze în centrul său de date IA, pentru modelele sale, precum A.X K2, și pentru serviciile publice ale proiectului guvernamental AI for All. Inferența ar fi dezagregată: GPU-urile NVIDIA ar citi promptul (prefill), iar NPU-urile Rebellions ar genera tokens. Nu sunt precizate nici data, nici volumul.

NVIDIA publică și rețete Dynamo pentru patru modele deschise coreene (A.X K2, K-EXAONE 2.0, Solar Open 2 și Motif-3), optimizate pentru GPU-urile B200, cu performanțe de până la 2 ori mai mari din start, potrivit NVIDIA. LG AI Research oferă acces prin API la K-EXAONE-2.5, antrenat cu seturi de date Nemotron, inclusiv Nemotron-Personas-Korea (7 milioane de personas), iar Hyundai Motor Group explorează NemoClaw și OpenShell. NVIDIA anunță, în cele din urmă, o investiție în Point2 (interconexiuni prin radiofrecvență) și investiții planificate în Motif Technologies, RLWRLD și Upstage, fără sume precizate. În aceeași serie, Samsung, Kakao Mobility și LG Electronics își detaliază proiectele de IA fizică împreună cu NVIDIA (vezi Știri pe scurt).

🔗 Comunicatul NVIDIA, Rebellions și SK Telecom · Rețete Dynamo pentru modelele coreene · Agenți securizați în Coreea · Investiții în startupurile coreene

Agenți de programare: Claude Code 2.1.321, Vibe CLI 3.1.1, Qwen Code, Copilot CLI, Antigravity CLI, Amp și Delta

Claude Code și Vibe CLI publică cele două versiuni cu cele mai multe noutăți ale zilei. Qwen Code v0.27.1, Copilot CLI 1.0.108 în versiune stabilă, Antigravity CLI 1.5.2, Portals și aplicația Windows de la Amp, precum și editorul rescris al Delta sunt prezentate pe scurt în Știri pe scurt, la rubrica Agenți și instrumente de programare.

Claude Code 2.1.321 face din Fable 5.2 modelul Fable implicit și corectează 74 de probleme

9 noiembrie — Claude Code 2.1.321 însoțește lansarea: Fable 5.2 devine modelul Fable implicit (context de un milion de tokenuri, 8 și 40 de dolari per milion de tokenuri, citirea cache-ului la 0,20 dolari). Selecțiile salvate pentru Fable 5.1 trec la aliasul fable, imediat pe Pro și Max, iar pe Team și Enterprise după ce organizația permite acest lucru; /model claude-fable-5-1 permite revenirea la versiunea anterioară. claude remote-control --settings aplică un fișier de setări fiecărei sesiuni pornite.

Din 118 intrări, 74 sunt corecții, inclusiv pentru mai multe vulnerabilități: tokenurile OAuth MCP puteau fi trimise către altă gazdă după o redirecționare, o comandă Bash doar pentru citire putea rula în afara sandbox-ului fără a cere permisiunea, iar regulile de refuz nu se aplicau unui cp sau unui mv către un director. Dacă se atinge o limită sau serviciul rapid nu funcționează, modul rapid revine mai întâi la viteza standard a aceluiași model. Mod-urile scrise de Claude se activează fără confirmare în modurile auto și bypass, regulile de refuz rămânând aplicate. Nu a fost publicată nicio versiune 2.1.320, canalul npm stabil rămâne la 2.1.311, iar SDK Agent este actualizat la 0.3.321 pentru TypeScript și la 0.2.180 pentru Python.

🔗 Notele de lansare pentru Claude Code 2.1.321

Vibe CLI 3.1.1 adaugă patru evenimente pentru hooks, un mod Vim și importul configurației altor agenți

9 noiembrie — La cinci zile după 3.1.0, Mistral publică Vibe CLI 3.1.1, fără un anunț pe X. Deși numărul versiunii indică o actualizare corectivă, aceasta cuprinde 92 de intrări: 17 adăugiri, 26 de modificări, 44 de corecții și 5 eliminări. Pentru hooks apar patru evenimente: pre_agent, înainte ca modelul să citească un mesaj, care îl poate bloca, rescrie sau completa cu context; notification, când Vibe așteaptă o aprobare sau un răspuns; session_start și session_end. Skill-ul integrat /vibe:import identifică configurația altor agenți de programare și importă instrucțiunile, skill-urile, subagenții, comenzile, hooks, serverele MCP și permisiunile acestora.

Zona de introducere a textului primește moduri Vim, iar /pr listează pull request-urile sesiunii, deschide prima verificare CI eșuată sau redactează un prompt pentru deblocarea PR-ului; această monitorizare devine activă implicit. Versiunea elimină /teleport, opțiunea --teleport și /remote-project. Pentru Mistral Large 4, nivelurile de raționament devin Low, Medium și High, cele acceptate acum de API, iar skill-urile pluginurilor preiau numele pluginului (my-plugin:review în loc de my_plugin:review), ceea ce impune adaptarea agenților personalizați.

🔗 Notele de lansare pentru Vibe CLI 3.1.1

Agenții dots din ChatGPT lucrează pe mai multe calculatoare locale, alese pentru fiecare sarcină

9 noiembrie — Agenții dots, agenții permanenți din ChatGPT lansați la sfârșitul lui septembrie, pot folosi acum mai multe calculatoare locale: se conectează mai multe la același dot, apoi se alege cel folosit pentru o anumită sarcină. OpenAI Developers evidențiază utilizări pentru dezvoltatori: construirea și testarea unei aplicații pe un calculator dedicat în timp ce utilizatorul scrie cod pe laptop, testarea unei modificări în Xcode pe un al doilea Mac și primirea de capturi de ecran, reproducerea unui bug pe un calculator cu un SDK mai vechi sau parcurgerea unei interfețe fără a ocupa ecranul ori cursorul utilizatorului.

Potrivit paginii de ajutor, fiecare calculator se conectează din aplicația ChatGPT instalată pe el, din secțiunea Computers a profilului agentului dot, și trebuie să rămână online, cu aplicația deschisă. Pentru sarcini independente, i se cere agentului dot câte un fir de conversație separat pentru fiecare calculator. Starea offline nu revocă accesul, care trebuie retras explicit, iar această permisiune rămâne distinctă de conectarea la Codex și de Work Sync. OpenAI nu precizează nici abonamentele vizate, nici calendarul.

🔗 Anunțul @OpenAIDevs · Conectează calculatoare și aplicații la dot-ul tău

OpenAI pune din nou în vânzare ModRetro Chromatic ediția Codex, cu un plugin pentru crearea de jocuri Game Boy Color

9 noiembrie — OpenAI Developers pune din nou în vânzare pe OpenAI Supply Co., magazinul OpenAI, ModRetro Chromatic ediția Codex, o consolă portabilă care rulează jocuri Game Boy Color: 200 de dolari cu un cartuș programabil și o husă. Oferită inițial în exclusivitate la DevDay, aceasta revine cu un aspect nou; magazinul anunță revenirea în stoc pe 19 noiembrie, cu livrare limitată la Statele Unite, Canada, Australia, Noua Zeelandă, Japonia, Regatul Unit și Uniunea Europeană.

Consola servește drept demonstrație pentru pluginul ModRetro Chromatic, publicat de ModRetro și instalat din catalogul de pluginuri Codex în aplicația desktop ChatGPT. Acesta se bazează pe GB Studio și oferă instrumente pentru sprites și animații, o hartă a coliziunilor afișată lângă decor, un emulator deschis în browserul integrat din Codex și secvențe de apăsări de butoane executate cu o captură de ecran la fiecare pas. Cei mai experimentați pot scrie în C cu GBDK-2020 sau își pot construi propriul motor în assembler. Instalarea prin cablu USB pe un cartuș reinscriptibil șterge jocul existent și poate șterge fișierele de salvare ale acestuia, fără o copie de siguranță.

🔗 Anunțul @OpenAIDevs · Creează un joc pentru o consolă portabilă retro cu Codex și ModRetro Chromatic · Chromatic ediția Codex pe OpenAI Supply Co.

Google AI Studio creează aplicații Google Maps Platform pornind de la un prompt, fără card bancar

9 noiembrie — Google AI Studio permite crearea de aplicații bazate pe Google Maps Platform direct dintr-un prompt. Utilizatorul îi descrie ideea lui Gemini, de exemplu un tur 3D interactiv al orașului New York, iar AI Studio configurează Google Maps Platform și gestionează cheia API fără redirecționare, apoi afișează o hartă interactivă în previzualizare; poate conecta și un proiect Google Cloud existent. Sunt accesibile API-urile Maps (hărți stilizate, orașe 3D fotorealiste), Places (căutare locală, fișe ale locurilor), Routes (itinerare cu etape) și Environment (calitatea aerului, polen), iar în galerie sunt disponibile trei exemple pentru remixare: City Immersive Tour, Pet Grooming Route Optimizer și Store Locator & Near Me Finder.

Testarea este gratuită și nu necesită card bancar, în limitele cotelor sandbox-ului: 100 de apeluri pe zi pentru fiecare API, resetate la fiecare 24 de ore. Pentru producție trebuie conectat un cont de facturare Google Cloud, la tarifele standard Google Maps Platform.

🔗 De la prompt la aplicație: creează cu Google Maps în AI Studio (Google Developers) · Anunțul @GoogleAIStudio

ElevenLabs lansează Campaign Manager pentru a încredința campanii de apeluri de ieșire agenților ElevenAgents

9 noiembrie — ElevenLabs lansează ElevenAgents Campaign Manager, care încredințează agenților săi vocali campanii complete de apeluri de ieșire. Utilizatorul furnizează o listă de contacte și un obiectiv, precum un client potențial calificat sau o programare confirmată: agentul sună în intervalele orare alese, păstrează contextul de la un apel la altul, revine cu un apel mai târziu, rezervă intervalul solicitat sau încearcă alt număr ori altă persoană asociată contului, apoi se oprește de îndată ce obiectivul este atins sau persoana de contact cere acest lucru.

Modulul stabilește reguli pentru apeluri: un număr maxim de încercări (cu o limită separată pentru reapelări), liste cu persoane care nu doresc să fie apelate, actualizate de îndată ce un contact cere oprirea apelurilor, informații obligatorii în prezentarea inițială a agentului. Fiecare contact are o cronologie a deciziilor, cazurile incerte ajung într-o coadă de procesare, iar totul se poate exporta în CSV. Testat în versiune beta în asigurări, sectorul bancar și e-commerce, acesta a permis companiei The AA Ireland să crească proporția clienților potențiali procesați zilnic de la 50–60 % la 100 %, potrivit CTO-ului său, Jeremy O’Sullivan. Campaign Manager este disponibil chiar acum, prin telefon și pe WhatsApp, e-mailul și SMS-ul fiind anunțate pentru curând, fără un tarif separat.

🔗 ElevenAgents Campaign Manager (ElevenLabs) · Anunțul @ElevenLabs

Date și cercetare deschise: seturi de date sintetice japoneze de la NVIDIA și tehnica de pruning HOPE de la Amazon

Două articole publicate astăzi pe blogul Hugging Face, unul despre datele de antrenare, celălalt despre memoria ocupată de modelele cu experți.

NVIDIA și Elith publică două seturi de date sintetice japoneze, pentru finanțe și protecția datelor

9 noiembrie — NVIDIA publică pe Hugging Face două seturi de date sintetice japoneze concepute pentru a fi folosite împreună. Nemotron-Personas-Finance-Japan, realizat împreună cu compania Elith, extinde Nemotron-Personas-Japan la domeniul financiar: 9 milioane de personas în japoneză (1 milion de înregistrări cu 50 de câmpuri), cu componența gospodăriei, patrimoniu și comportamente financiare bazate pe statisticile oficiale, adică aproximativ 1,5 miliarde de tokenuri sub licența CC BY 4.0. Potrivit autorilor, acesta este primul set deschis de personas de această dimensiune care combină statistici publice japoneze cu date despre finanțele gospodăriilor.

Nemotron-PII-Japan oferă 100 000 de documente profesionale sintetice în japoneză din opt domenii (sănătate, finanțe, administrație, domeniul juridic, printre altele), cu 56 de tipuri de date personale adnotate, inclusiv numărul My Number, pentru antrenarea unor modele care detectează și maschează aceste date. NVIDIA face fine-tuning unui model GLiNER pe 95 000 de documente din acest set. Ideea de ansamblu: simularea clienților cu primul set, apoi verificarea, cu al doilea, că un flux de procesare le protejează datele.

🔗 Nemotron-Personas-Finance-Japan (blogul Hugging Face) · Nemotron-PII-Japan (blogul Hugging Face)

Amazon prezintă HOPE, o metodă de pruning pentru experții MoE care ține cont de experții care lucrează împreună

9 noiembrie — Într-un articol semnat de Alex M Tseng, o echipă de la Amazon prezintă HOPE (Higher-Order Pruning of Experts), o metodă de eliminare a experților cel mai puțin utili dintr-un model cu amestec de experți (MoE), fără reantrenare. Un MoE își păstrează toți experții în memorie, deși doar câțiva sunt folosiți pentru fiecare token: la Qwen3.5-122B, aceștia reprezintă 95 % din cei aproximativ 250 GB ai modelului. Metodele actuale evaluează fiecare expert separat; HOPE măsoară și interacțiunile dintre perechile de experți care se activează frecvent împreună.

Testată pe Qwen3.5-122B, Qwen3.5-35B și GLM-4.5-Air în comparație cu REAP, MAN, EAN și Frequency, cu 10 până la 50 % dintre experți eliminați, metoda obține cea mai bună poziție medie (2,07 în clasamentul celor 5 metode), potrivit Amazon, iar avantajul său crește odată cu rata de pruning: la 50 %, până la +6,1 % la sarcinile de programare agentică față de cea mai bună metodă concurentă. Este compatibilă cu cuantizarea, cu un cost suplimentar de una până la două secunde pe strat.

🔗 Articolul Amazon despre HOPE (blogul Hugging Face)

Știri pe scurt

Agenți și instrumente de programare

Qwen Code v0.27.1 — Versiune stabilă din 9 noiembrie, la două zile după v0.27.0, fără modificări incompatibile cu versiunile anterioare: 122 de intrări, dintre care 26 de funcționalități și 65 de corecții. Managed Agent primește o memorie personală opțională bazată pe Mem0, precum și arhivarea și instalarea de servere MCP în regim de autoservire; Desktop v0.27.1 și SDK TypeScript v0.1.31 sunt lansate în aceeași zi. 🔗 sursă
Copilot CLI 1.0.108 în versiune stabilă — Trecere la versiunea stabilă pe 9 noiembrie, fără noutăți față de versiunile preliminare 1.0.108-0 și 1.0.108-1 prezentate pe 7 noiembrie: comenzi /index, indexare tgrep partajată implicit, setare de sandbox pentru Windows și 72 de corecții. 🔗 sursă
Antigravity CLI 1.5.2 — Versiune datată 6 noiembrie în changelog: --dangerously-skip-permissions nu mai aprobă automat comenzile protejate și nici accesul în afara spațiului de lucru atunci când un administrator Gemini Enterprise impune o verificare; pluginurile cu nume periculoase sunt refuzate, iar skill-urile pluginurilor cloud devin disponibile în sesiunile --remote-agent. 🔗 sursă
Portals de la Amp pe runner-e — Portals, rezervate până acum pentru orbs, funcționează pe calculatoarele utilizatorului: un server de dezvoltare pornit de agent se deschide din fila Portal a firului de discuție, accesibilă, potrivit documentației, într-un browser și în aplicațiile pentru iPhone și iPad. Activare prin Allow Portals sau amp --no-tui --remote-control-portals; portalurile sunt private, cu excepția celor de pe un runner partajat, și nu sunt niciodată publice, potrivit documentației. 🔗 sursă · 🔗 documentație
Amp pentru Windows — Pe 7 noiembrie, Quinn Slack, CEO al Amp, lansează o aplicație Windows experimentală, cu un program de instalare care se actualizează singur; bugurile raportate sunt recompensate cu credite, iar o versiune robustă este promisă în aproximativ trei până la patru zile. Pagina de descărcare include și o aplicație Linux experimentală. 🔗 sursă
Editorul firelor de discuție din Delta — Agus Zubiaga descrie pe blogul Delta editorul rescris pentru a transforma firele de discuție într-un document partajat care poate fi adnotat, în locul unui chat, renunțând la arhitectura editorului Zed; Zed rezumă că a fost nevoie să se pornească de la zero de șase ori. Articol de inginerie, fără o versiune nouă. 🔗 sursă · 🔗 tweet de la Zed
v0 și Fable 5.2 — Instrumentul Vercel pentru crearea de aplicații face Claude Fable 5.2 disponibil în seara lansării, cu un punct de acces direct v0.app/?fable52, fără să precizeze abonamentele sau prețul. 🔗 sursă

Platforme, API și companii

Alegerea modelului Claude — Într-un ghid publicat pe claude.dev, Addy Osmani recomandă să se înceapă cu Opus 5.5 la nivelul de efort medium, să se treacă la Sonnet 5.5 sau Haiku 5.5 pentru sarcini bine delimitate sau volume mari și la Fable 5.2 pentru cele mai dificile proiecte, încercând mai întâi creșterea nivelului de efort cu o treaptă. Pe SWE-bench Pro, Opus 5.5 la low, cu reluarea încercărilor eșuate la high, atinge aproximativ 97 % pentru 0,17 dolari per sarcină, față de 95,3 % pentru 0,29 dolari cu toate încercările la high. 🔗 sursă
Funcții asincrone în API Agents — Michael Luo, din echipa API Agents de la OpenAI, prezintă funcțiile asincrone: agentul continuă să lucreze după ce a apelat un instrument, fără să aștepte rezultatul acestuia, pentru a iniția din timp o căutare lentă sau a trata părțile independente ale unei cereri. El amintește și cache-ul de prompturi de 12 ore, prezentat deja pe 20 octombrie. 🔗 sursă
SDK-urile OpenAI — openai-python 3.48.0 adaugă opțiuni de streaming pentru sesiunile agenților, iar SDK-urile Python și Node (7.54.0) recunosc gpt-6-rosalind în Responses în versiune beta; Codex CLI nu a mai publicat nicio versiune stabilă de la 0.167.0 din 6 noiembrie, ci doar versiuni preliminare 0.169.0 fără note de versiune. 🔗 sursă
ChatGPT Enterprise pe AWS Marketplace — ChatGPT Enterprise (ChatGPT, ChatGPT Work, Codex și dots) se poate cumpăra acum prin AWS Marketplace, folosind facturarea AWS existentă și cu cheltuieli care pot fi incluse în angajamentele AWS; aceleași funcții ca la achiziția directă, potrivit OpenAI, fără un preț anunțat, după Google Cloud și Oracle în octombrie. 🔗 sursă
Kuken Industries — Producătorul japonez de turnuri de răcire găsește desenul tehnic al unei piese de schimb în 4,5 minute, în loc de aproape o oră, cu un instrument construit pe API-ul OpenAI de startup-ul Recursive; estimează cu aproximativ 90 % mai puține ore de căutare pe parcursul unui an. 🔗 sursă
Ghidul Perplexity despre memorie — Perplexity explică memoria asistenților IA și o detaliază pe cea proprie: valabilă pentru toate modelele, specifică fiecărui Project, afișată printre surse atunci când este folosită și poate fi ștearsă; pe conturile pentru publicul larg, conținutul său poate fi folosit pentru îmbunătățirea modelelor, dacă nu este dezactivată setarea AI Data Retention; niciodată pe conturile Enterprise. 🔗 sursă

Securitate

Secret scanning în jurnalele Actions — Funcția secret scanning de la GitHub analizează acum jurnalele de workflow GitHub Actions la finalul execuției, în versiune preliminară publică pe GitHub Enterprise Cloud cu Secret Protection sau Advanced Security; politica la nivel de companie este dezactivată implicit, fără analiza jurnalelor mai vechi sau notificări pe durata versiunii preliminare. 🔗 sursă
Examenul x402 de la Fizzl — Frits Zwager transformă x402 Agent Safety Bench într-un examen deschis oricărui agent, pe site-ul Fizzl: 19 sarcini de cumpărare de la vânzători simulați, dintre care 14 frauduloși, plătite în USDC de test pe Base Sepolia. 🔗 sursă

Modele deschise și comunitate

Harness adapters — Continuarea proiectului harness-hub prezentat pe 6 noiembrie: antrenarea adaptoarelor LoRA s-a încheiat pentru LFM2.5-24B și LFM3 de la Liquid AI și pentru Twil-8B de la webAI, în harness-urile pi, hermes și opencode; echipa anunță o creștere de până la 43 % a eficienței utilizării instrumentelor și de 15 % a acurateței pentru LFM3 și de până la 37 % a eficienței pentru Twil-8B. 🔗 sursă
Modificarea ponderilor pentru medicină — Maziyar Panahi (OpenMed) îmbunătățește rezultatele modelelor Qwen mici la examenele medicale, modificându-le ponderile fără antrenare: Qwen3.5-2B trece de la 52,0 la 70,5 % pe MedQA, fără schimbări semnificative la matematică; câștigul se datorează parțial formatului răspunsului, precizează articolul. 🔗 sursă
Qwen3.8-27B cu fine-tuning pe un Mac Studio — Roman Melnyk transformă Qwen3.8-27B într-un asistent pentru Kafka, Strimzi, Kubernetes și Argo CD, integral pe un Mac Studio M3 Ultra de 512 Go; versiunea pe 4 biți ocupă aproximativ 15 Go, iar autorul consideră că acest prim rezultat este doar parțial reușit. 🔗 sursă
Step 5 la Together AI — Pe 8 noiembrie, Together AI afirmă că a crescut de peste trei ori capacitatea de procesare a Step 5 de la StepFun, optimizându-și stack-ul de servire cu ajutorul agenților (rutare MoE, planificare, kernels, decodare speculativă, atenție rară), fără cifre absolute. 🔗 sursă
Galerie 3D pe Hub — Potrivit lui Caleb Fahlgren, citat de Hugging Face, seturile de date care conțin fișiere .glb, .ply, .stl sau splats sunt afișate automat într-o galerie 3D; peste 350 de seturi publice beneficiază de această funcție, după vizualizatorul OpenUSD din octombrie. 🔗 sursă
Hackathon Hugging Face și Qai la Doha — Aritra Roy Gosthipaty și patru coautori de la Hugging Face prezintă retrospectiv acest hackathon din 5–7 noiembrie, descris drept primul organizat de Hugging Face în Golf: peste 500 de candidaturi, 150 de participanți, 40 de echipe, 15 finaliști și 3 câștigători. 🔗 sursă
Aplicația mobilă Sakana AI — Sakana AI recrutează până pe 15 noiembrie testeri pentru versiunea beta a primei sale aplicații mobile, numită provizoriu Sakana AI App, fără să îi descrie funcțiile. 🔗 sursă

Robotică, 3D și video

IA fizică în Coreea — În seria NVIDIA despre Coreea, Samsung își accelerează calculele de proiectare a semiconductorilor (de aproximativ 1 600 de ori cu PhysicsNeMo, de la 18 ore la 41 de secunde), Kakao Mobility urmărește conducerea autonomă de nivel 4 pe NVIDIA Hyperion cu vehicule Kia, iar robotul CLOiD de la LG, controlat de Isaac GR00T, lucrează într-o fabrică reală; fără calendar sau volum precizate. 🔗 sursă
Umanoid care montează mobilier IKEA — Pe 8 noiembrie, Harpreet Sahota convertește pentru FiftyOne un fragment din 2026 Humanoid IKEA Assembly Challenge: 6 episoade și 30,7 minute cu un umanoid cu 35 de motoare și șapte camere, cuplul motoarelor fiind sincronizat cu camerele de la încheieturi. 🔗 sursă
SAM3D-Part și BranchTokens de la Meshy — SAM3D-Part extrage cu un clic o componentă completă dintr-un obiect 3D existent, cu o distanță Chamfer cu aproximativ 72 % mai mică decât OmniPart pe 500 de obiecte (lucrare acceptată la SIGGRAPH Asia 2026, ponderi publicate); BranchTokens, realizat împreună cu Purdue, reduce cu 16,9 % eroarea de generare a scheletelor 3D față de Auto-Connect. 🔗 sursă · 🔗 BranchTokens
Sightline de la Runway — Nouă aplicație App Studio: creează o panoramă 360 a unui loc, permite compunerea de cadre din toate unghiurile, cu un decor coerent, și o exportă în 3D pentru a fi folosită ca mediu; consumă credite Runway, fără cost sau model precizate. 🔗 sursă

Ce înseamnă toate acestea

Un model de frontieră este evaluat acum chiar în ziua lansării de către cei care îl integrează, pe propriile lor benchmark-uri. Cursor, Cognition și Perplexity își publică rezultatele pentru Fable 5.2 în orele de după lansare, fiecare pe propriul benchmark, iar Claude Code îl face imediat modelul Fable implicit. Aceste măsurători nu spun toate același lucru: pe CursorBench, nivelul de efort Extra High obține rezultate mai slabe decât High, la un preț mai mare, iar pe WANDR recordul presupune un cost per sarcină de aproximativ 1,8 ori mai mare decât cel al Gemini 4 Argon. Recomandarea Cursor, de a porni din nou de la setarea implicită, se aplică și dincolo de propriul instrument: un model nou impune recalibrarea efortului.

Costul per sarcină devine unitatea de comparație. Anthropic reduce cu 20 % prețul Fable și evidențiază atingerea scorului Opus 5.5 la aproximativ jumătate de preț; Meta plasează Muse Ember la nivelul Claude Haiku 5.5 pentru aproximativ o treime din costul per sarcină, potrivit propriilor cifre; Cursor, Devin și Perplexity afișează toate un cost per sarcină alături de scor. La nivelul infrastructurii modelelor, Google înmulțește sistemele TPU pentru inferență, iar Amazon caută să reducă memoria necesară modelelor MoE cu HOPE. TPU 8tx și 8i Max sosesc însă fără dată sau preț, ceea ce împiedică deocamdată compararea lor.

Demonstrațiile își schimbă scara: 1 000 de agenți pentru Fermat, până la 300 per echipă pe MIPLIB, peste 1 000 de subagenți pentru un prototip de sistem de operare. Anthropic însoțește aceste cifre de măsuri de protecție cuantificate: un clasificator pentru fiecare dintre cele peste un milion de apeluri de instrumente din experimentul Fermat, o rată de evadare din sandbox redusă la 3,1 % și Mythos 5.2 rezervat programelor de verificare în securitate cibernetică și biologie. Faptul că cele două modele suspectează mai des că sunt evaluate face totuși ca aceste măsurători de siguranță să fie mai greu de interpretat.

În robotică, caracterul deschis rămâne de confirmat. NVIDIA descrie GR00T 2 drept un model deschis și publică două benchmark-uri deschise, DexBench și VABAR, dar articolul său nu oferă nici licență, nici link de descărcare. În Coreea, NVIDIA construiește un ecosistem de IA suverană în care GPU-urile sale coexistă cu NPU-urile Rebellions prin NVLink Fusion: platforma se deschide cipurilor altor proiectanți, rămânând totodată în centrul inferenței.