Meta lansează Muse Wonder, NVIDIA își deschide proiectele de rackuri Vera Rubin, Anthropic măsoară replicarea autonomă a modelelor mici

Meta lansează Muse Wonder și Muse Wonder Full, cele mai performante modele ale sale de până acum, concepute pentru sarcini agentice: primul este disponibil prin Meta Model API și Muse Code, la 4 dolari per milion de tokens de intrare, al doilea este rezervat abonaților Muse Code, iar disponibilitatea unor ponderi deschise nu este anunțată. La OCP Global Summit, NVIDIA oferă Open Compute Project proiectele sale de rackuri Vera Rubin, în timp ce Frontier Red Team de la Anthropic estimează că mai sunt câteva luni până când modelele mici se vor putea copia singure pe dispozitive conectate. În materie de cod, Artificial Analysis plasează Claude Opus 5.5 pe primul loc în clasamentul său FrontierCode 1.1, cu 52,2 %, iar Google își dedică ziua sănătății, de la brățara Fitbit Edge până la enzimele proiectate de AlphaProtein Novo.

Meta lansează Muse Wonder și Muse Wonder Full, modelele sale de frontieră pentru sarcini agentice

12 octombrie — Meta prezintă seria Muse Wonder, alcătuită din Muse Wonder și Muse Wonder Full, pe care le descrie drept cele mai performante modele ale sale de până acum: două modele de frontieră (frontier models) concepute pentru sarcini agentice personale și profesionale. Muse Wonder este disponibil chiar de acum prin Meta Model API și în Muse Code; Muse Wonder Full este rezervat abonaților Muse Code. Muse Wonder va sta «în curând» la baza asistentului personal Muse, mai întâi pentru abonați.

La paisprezece luni după o restructurare completă a activității sale în domeniul IA și după Muse Spark 1.3, lansat pe 2 septembrie, Meta vorbește despre «etapa următoare» a creșterii sale în trepte (scaling ladder). Cele două modele au fost antrenate în Prometheus, centrul său de date de ordinul unui gigawatt, pornind de la modele de bază «mai mari și mai puternice», a căror dimensiune nu este publicată. Sunt evidențiate două capacități: memoria activă (Active Memory), care păstrează contextul important de la o conversație la alta, și concentrarea activă (Active Focus), care încurajează modelul să schimbe abordarea atunci când întâmpină un blocaj, să ceară clarificări și să verifice înaintea unei acțiuni importante.

Rezultatele apar doar într-o imagine din articol: un tabel cu măsurători realizate de Meta, cu setarea max pentru toate modelele. Un model Muse Wonder ocupă primul loc pe 7 dintre cele 14 rânduri, începând cu Personal Superintelligence Index, un indice intern al Meta. Claude Opus 5.5 rămâne totuși în față pe 6 rânduri, inclusiv Artificial Analysis Index, iar GPT-6 Astra pe GDP.pdf.

Benchmark (extras, măsurători realizate de Meta cu setarea max)	Muse Wonder Full	Muse Wonder	Claude Opus 5.5	GPT-6 Astra
Personal Superintelligence Index (indice intern al Meta)	59,1	54,3	55,2	54,5
DeepSWE 1.1	79,0	78,8	74,2	74,1
SWE-Marathon	57,5 (xhigh)	53,1	46,3	42,5
MemoryBench	85,5	85,6	81,5	81,4
Terminal-Bench 4.0-AA	57,1	52,0	59,6	59,1
ProgramBench	59,0	50,0	70,5	52,5
Artificial Analysis Index	56	52	58	53

Versiunea modelului	Acces oferit	Tarif anunțat
muse-wonder-1.0	Meta Model API și Muse Code, context de 1M de tokens	4 dolari la intrare, 0,20 dolari pentru intrarea din cache, 20 de dolari la ieșire, per milion de tokens
muse-wonder-full-1.0	Exclusiv abonații Muse Code, context de 1M de tokens	Abonamente Power Usage (50 de dolari pe lună) și Maximum Usage (200 de dolari pe lună)

În materie de siguranță, Meta afirmă că dispune de cele mai solide mecanisme de protecție de până acum împotriva utilizărilor abuzive chimice, biologice, radiologice și nucleare (CBRN), precum și cibernetice, păstrând totodată accesul la capacități cibernetice avansate pentru utilizare defensivă. Compania prezintă Muse Wonder drept cel mai aliniat model al său de până acum și promite «în curând» un raport complet cu evaluări suplimentare de siguranță.

🔗 Articolul de cercetare al Meta · Pagina modelului și tarifele

OCP Global Summit: NVIDIA oferă proiectele sale de rackuri Vera Rubin, Meta adoptă Spectrum-6

12 octombrie — La deschiderea OCP Global Summit, în San Jose, NVIDIA oferă Open Compute Project (OCP) proiecte esențiale de rack (rack) și de tavă de calcul (compute tray) Vera Rubin, prin intermediul arhitecturii sale deschise MGX. Obiectivul declarat: să ofere constructorilor o bază comună pentru fabricile IA de generație următoare. Specificația MGX 1.2 adaugă răcirea cu lichid prin conectare oarbă (blind-mate) la nivelul rackului, o bară colectoare (busbar) răcită cu lichid de 5 000 A, tăvi de calcul fără ventilator și rackuri de până la 250 kW. NVIDIA publică și o specificație de rack CPU Vera, concepută pentru activitatea agenților (apeluri de instrumente, orchestrare, execuție într-un mediu sandbox), alături de Vera Rubin NVL72, care rămâne baza antrenării și a inferenței.

Pe partea de software, DSX OS, stratul de operare al platformei sale de fabrici IA, primește patru componente open source provenite din operarea DGX Cloud, printre care Cluster Readiness Engine, care testează clusterele GPU sub sarcină înainte de antrenare, și un Cluster API Provider care pregătește clusterele «în ore în loc de zile», potrivit NVIDIA.

Ian Buck, vicepreședintele NVIDIA pentru hyperscale și HPC, a prezentat, odată cu aceste contribuții, o serie de anunțuri ale partenerilor. Cel mai concret vine de la Meta, care adoptă comutatoarele Ethernet Spectrum-6: comutatorul său N-IceCube este integrat în IcePack, rackul său de rețea răcit cu lichid, sub FBOSS, sistemul său de operare de rețea open source.

Anunț prezentat la summit	Parteneri menționați	Element esențial anunțat
MGX 1.2 și rack CPU Vera	Comunitatea OCP	Bară colectoare de 5 000 A, rackuri de până la 250 kW
Componente open source ale DSX OS	Proiecte NVIDIA	Patru instrumente provenite din DGX Cloud
Open Data Center Specification v0.7	AMD, Google, Meta	Proiectare comună a clădirilor fabricilor IA
OCP Grid Resilience Specification	Google, Meta, Microsoft	Revenire la aproape întreaga sarcină în mai puțin de 2 s după o perturbare a rețelei electrice
Platforma K-1 la 800 VDC	Visionbay, Vertiv	Concepută pentru viitoare implementări Vera Rubin
Spectrum-6 la Meta	Meta	102,4 Tb/s, până la 8 planuri de rețea, peste 100 000 GPU
Protocolul Falcon Transport	Google	Viitoarele SuperNIC ConnectX-10 și DPU BlueField
Formatul optic USFP	Cisco, TE Connectivity, Amphenol	400 Gb/s per canal (detalii mai jos)

Niciunul dintre aceste anunțuri nu este însoțit de un preț sau de o dată de disponibilitate. Jensen Huang va susține keynote-ul la GTC Berlin miercuri, 21 octombrie.

🔗 Articolul NVIDIA despre OCP Global Summit

USFP: NVIDIA și Cisco pregătesc o optică conectabilă la 400 Gb/s per canal

12 octombrie — Printre aceste anunțuri, NVIDIA și Cisco își prezintă proiectul de format USFP (Ultra-Dense Small Form Factor Pluggable), un modul optic conectabil pe care NVIDIA îl descrie drept primul conceput pentru semnale electrice de 400 Gb/s per canal. Primele emițătoare-receptoare (transceivers) prevăzute vor reuni 16 canale bidirecționale (full-duplex) într-un spațiu apropiat de cel ocupat de OSFP, atât pentru comutatoare, cât și pentru SuperNIC, adică până la 12,8 Tb/s, cu o posibilă extindere la 32 de canale și mai mult. Față de modulele actuale de 200 Gb/s per canal, NVIDIA anunță o densitate a lățimii de bandă pe panoul frontal de patru ori mai mare și o eficiență energetică de aproximativ 1,3 ori mai mare, iar modulul poate disipa până la 100 W fără răcire dedicată integrată. Miza: conectarea mai multor puncte terminale la 1,6 Tb/s fără adăugarea unui nivel de rețea. TE Connectivity și Amphenol pregătesc cuști, conectori și module, dar deocamdată este doar un proiect: comunicatul nu oferă nici dată, nici preț.

🔗 Comunicatul NVIDIA și Cisco

Frontier Red Team de la Anthropic măsoară autoreplicarea modelelor mici pe dispozitive conectate

12 octombrie — Într-un studiu semnat de William Zhou și Daniel Freeman, Frontier Red Team de la Anthropic estimează că modelele mici ar putea ajunge în câteva luni să se copieze singure pe dispozitive conectate slab protejate. Echipa a distribuit astfel Gemma4-26B-A4B pe 15 dispozitive Android TV fără marcă, cumpărate cu aproximativ 55 de dolari bucata: modelul rulează pe acestea la 0,39 token pe secundă.

Un model de 9B reușește să lanseze inferența pe 8 dintre cele 9 tipuri de hardware testate. Într-o rețea izolată de 8 mașini Android emulate, doar GLM-5.2 reușește replicarea de la un capăt la altul (8 noduri din 8 în 4 încercări din 5); întrucât intruziunea este intenționat foarte simplă, Anthropic consideră rezultatul o limită superioară. În ritmul de progres al modelelor deschise de 30B sau mai puțin, un model mic ar atinge acest nivel până la sfârșitul lui 2026, o estimare pe care echipa însăși o consideră foarte aproximativă.

Un astfel de vierme ar fi lent, cel mult echivalentul a aproximativ 40 H100 într-o flotă de peste 2 milioane de dispozitive, dar s-ar adapta: moștenind notițele generației precedente, Qwen3.5-9B trece de la 45 % la 61-84 % rată de succes în șase generații. Nu există încă niciun replicator necontrolat complet; în materie de apărare, studiul amintește că, în cazul rețelei de mașini zombie (botnet) Mirai, punerea în carantină a abonaților infectați de către furnizorul lor de internet eliminase 92 % dintre infecții în 14 zile.

Like coding agents in 2024, we’re seeing signs of life for AI worms.

🇷🇴 La fel ca în cazul agenților de programare din 2024, vedem semne de viață la viermii IA. — Frontier Red Team de la Anthropic, articol de cercetare

Agenți de programare: clasamentul FrontierCode 1.1 realizat de Artificial Analysis, Amp urmărește GitHub, ColGrep-Agent-2B de la LightOn

Un clasament independent măsoară ce produc cu adevărat agenții de programare, în timp ce Amp și LightOn lucrează la ceea ce se întâmplă în jurul lor: urmărirea pull requests și căutarea în cod.

FrontierCode 1.1: Artificial Analysis plasează Claude Opus 5.5 pe primul loc, cu 52,2 %

12 octombrie — Artificial Analysis publică propriul clasament FrontierCode 1.1, benchmark-ul construit de Cognition împreună cu maintaineri open source: acesta verifică dacă un maintainer ar integra modificarea propusă de agent, nu doar dacă aceasta trece testele, și penalizează modificările excesive sau care depășesc limitele sarcinii. Artificial Analysis rulează setul principal (Main), 100 de sarcini private din 150, cu cadrul său de testare open source Stirrup și trei încercări pentru fiecare sarcină; o încercare care eșuează la o verificare eliminatorie primește zero puncte.

Leading models still fail more than 40% of the time

🇷🇴 Cele mai bune modele încă eșuează în peste 40 % dintre cazuri. — @ArtificialAnlys pe X

Claude Opus 5.5 trece verificările eliminatorii în doar 58 % dintre încercările sale, iar 9 sarcini din 100 nu au fost rezolvate de niciunul dintre cele 22 de modele evaluate. MiMo-V2.6-Pro, de la Xiaomi, este cel mai bine clasat model cu ponderi deschise, cu 45 %. Diferența de cost este mult mai mare decât diferența de scor:

Model evaluat (setare)	Scor FrontierCode 1.1	Cost per sarcină
Claude Opus 5.5 (max, cu fallback)	52,2 %	10,15 dolari
GPT-6.1 Sol (max)	49,1 %	0,81 dolari
Claude Fable 5.1 (max, cu fallback)	49,0 %	12 dolari
MiMo-V2.6-Pro	45,4 %	0,18 dolari
GPT-6 Luna (max)	41,9 %	0,09 dolari

Potrivit Artificial Analysis, GPT-6.1 Sol egalează astfel Fable 5.1 la mai puțin de o zecime din costul per sarcină al celor mai bune modele Anthropic. Aceste scoruri nu sunt comparabile cu cele publicate de Cognition pentru Devin, măsurate adesea pe varianta Extended cu propriul cadru de testare.

🔗 Clasamentul FrontierCode al Artificial Analysis

Amp urmărește pull requests pe care le deschide și lansează o instanță orb pentru fiecare ticket sau PR GitHub

12 octombrie — Amp continuă acum să urmărească pull requests pe care le deschide: când agentul creează un PR pe GitHub, se poate abona la comentariile și review-urile acestuia, precum și la rezultatele CI pentru ultimul său commit. O verificare eșuată sau întrebarea unui reviewer ajunge atunci în același fir de discuție, unde Amp are deja contextul necesar pentru a răspunde.

Funcția se bazează pe o integrare a GitHub Webhooks numită «de prim rang» (first-class): Amp primește și procesează singur evenimentele, apoi utilizatorul sau agentul alege să le trimită către o singură instanță orb, mediul la distanță în care rulează un agent Amp, sau către o instanță orb nouă de fiecare dată. Se poate astfel solicita o instanță orb pentru fiecare ticket (issue) sau PR nou dintr-un depozit, eventual doar pentru cele cu o anumită etichetă (label): fiecare instanță orb citește ticketul, pregătește un rezumat al acestuia, iar comentariile ulterioare revin în același fir de discuție. Din 23 iulie, instanțele orb puteau deja reacționa la webhooks externe; noutatea este o integrare GitHub dedicată, administrată de Amp, cu un ecran de administrare în Settings → MCP & Integrations → GitHub pentru a modifica sau a pune pe pauză fiecare abonare. Este suficient să instalați aplicația GitHub a Amp pe depozit; articolul nu menționează niciun tarif.

🔗 Articolul Amp

ColGrep-Agent-2B: LightOn încredințează căutarea în cod din Claude Code unui agent local

12 octombrie — LightOn publică ColGrep-Agent-2B, un agent de căutare în cod cu 2 miliarde de parametri, sub licență Apache-2.0, care rulează local între agentul de programare și repository. Pornind de la o întrebare, acesta caută cu ColGrep, motorul de căutare semantică multi-vector al LightOn, citește fișierele promițătoare, urmărește referințele și returnează căi, intervale de linii și cod: modelul de frontieră nu mai trebuie să parcurgă singur rundele de explorare.

Integrat în Claude Code cu Sonnet 5.5, pentru 52 de întrebări de căutare în 13 repository-uri absente din datele de antrenare (624 de sesiuni), reduce cu 34 % numărul de tokens API și cu 40 % costul API, inclusiv cache, față de grep, fără o diferență de acuratețe semnificativă statistic. LightOn precizează că măsurarea vizează căutarea în cod, nu sarcini de la început până la sfârșit. Ajustat pornind de la MiniCPM5-2B, modelul se instalează cu brew install lightonai/tap/colgrep && colgrep --install-agent, care descarcă o versiune GGUF de aproximativ 2,5 Go; nu necesită nici mediu Python, nici server de inferență, nici cheie API și răspunde în aproximativ douăzeci de secunde pe un M3 Pro.

🔗 Articolul LightOn pe Hugging Face

Sănătate la Google: Health Guardian și brățara Fitbit Edge, AlphaProtein Novo concepe enzime inedite

Google își dedică ziua sănătății: pe de o parte, funcții pentru publicul larg în Google Health și Fitbit, iar pe de altă parte, un bilanț al cercetării sale care evidențiază un proiect Google DeepMind trecut neobservat.

Google Health: Health Guardian, peste 100 de activități detectate și brățara Fitbit Edge

12 octombrie — Google Health își reunește anunțurile de toamnă într-o serie de articole. Health Guardian monitorizează în fundal evoluțiile lente ale sănătății, precum tensiunea arterială și rezistența la insulină; cu abonamentul Google Health Premium, Health Coach, antrenorul din aplicație, ajută la interpretarea acestor schimbări și pregătește contextul care poate fi împărtășit medicului. Detectarea automată a sesiunilor de antrenament, bazată, potrivit Google, pe raționament contextual (contextual reasoning), devine de aproape 2 ori mai precisă.

Noutate anunțată	Detaliu numeric	Disponibilitate anunțată
Health Guardian	Tendințe ale tensiunii arteriale și ale rezistenței la insulină, raport lunar	Mai târziu în această lună pe Fitbit Air și Fitbit Edge, pentru abonații Premium
Detectarea automată a activităților	De la 10 la peste 100 de activități, sesiuni nedetectate reduse cu peste jumătate	Mai târziu în această lună pe Fitbit Air, Fitbit Edge și Pixel Watch 3 până la 5
Brățara Fitbit Edge	179,99 dolari, 11,5 mm, până la 7 zile de autonomie, baterie înlocuibilă	Disponibilă pentru precomandă, în magazine pe 27 octombrie
Parteneriat cu Flo Health	Date despre ciclu sincronizate, peste 80 de milioane de utilizatoare pe lună la Flo	La începutul anului viitor

Fitbit Edge, prezentat ca o fereastră către Health Coach purtată la încheietura mâinii, este prima brățară de activitate reparabilă de la Google. Abbott (senzorul de glucoză Lingo), MyFitnessPal și Function Health completează integrările.

🔗 Noutățile Google Health · Fitbit Edge · Parteneriat cu Flo Health

Bilanțul cercetării Google în sănătate: AlphaProtein Novo concepe enzime care nu există în natură

12 octombrie — Yossi Matias (Google Research) și Pushmeet Kohli (Google DeepMind) prezintă bilanțul activității Google în sănătate: 90 de articole evaluate inter pares în cinci ani, peste 90 000 de citări și peste 60 de milioane de dolari acordate în 2026 de Google.org unor echipe care aplică aceste modele. Articolul reia în principal rezultate deja cunoscute, dar evidențiază AlphaProtein Novo, un flux de procesare (pipeline) bazat pe învățare automată de la Google DeepMind, care concepe enzime de la zero (de novo), fără să pornească de la o enzimă naturală.

Într-o prepublicare publicată pe bioRxiv pe 5 octombrie, împreună cu California Institute of Technology și Universitatea din Pittsburgh, echipele au creat transferaze de nitren inedite pentru a sintetiza piperidina, un motiv structural esențial al medicamentelor, cu o selectivitate pe care o descriu drept fără precedent, precum și enzime care degradează DEHP, o toxină din mediu, în condiții în care enzimele naturale se denaturează. Articolul menționează și două utilizări noi: la Barcelona, Institutul de Sănătate Globală a efectuat un screening virtual al 30 000 de compuși cu AlphaFold împotriva bolii Chagas și a identificat două medicamente deja aprobate de FDA care ar putea fi utilizate pentru această nouă indicație; la Children’s Mercy Hospital, DeepSomatic a detectat 10 mutații omise în cazuri de leucemie la copii care fuseseră deja secvențiate.

🔗 Bilanțul Google privind IA în sănătate · Prepublicarea AlphaProtein Novo pe bioRxiv

Modele specializate pe profesii: GLM-Legal de la Z.ai pentru drept, Apex 2.0 de la Fin pentru serviciul de asistență pentru clienți

Doi furnizori pornesc de la un model existent și îl post-antrenează pentru o profesie precisă, prezentând și cifre justificative.

GLM-Legal: Z.ai specializează GLM-5.3-Flash pentru activitatea juridică

12 octombrie — Z.ai prezintă GLM-Legal, un model juridic construit pe GLM-5.3-Flash și conceput pentru fluxuri de lucru reale: examinarea contractelor, analiza probelor, conformitate. După o antrenare intermediară (mid-training) pe un corpus juridic extins, a fost post-antrenat prin învățare prin întărire în zeci de mii de medii juridice realiste. Pe Harvey LAB, platforma de testare a agenților juridici de la Harvey, care acoperă 24 de domenii de practică, GLM-Legal atinge o rată de reușită integrală de 19,2 % (all-pass rate), cu 12,5 puncte peste modelul său de bază.

Model evaluat pe Harvey LAB	Reușită integrală (cifre de la Z.ai)
GLM-Legal	19,2 %
Kimi K3	12,9 %
Claude Fable 5	11,3 %
GLM-5.3-Flash	6,7 %
GPT-6 Astra	5,4 %

Doar scorul GLM-Legal apare în textul articolului; celelalte provin din graficul din tweet-ul de anunț. Pe LegalBench și PLawBench (drept chinez), Z.ai susține că este la egalitate cu cele mai bune modele închise, fără să publice un scor. GLM-Legal este în beta: firmele de avocatură, furnizorii de software juridic (legal tech), departamentele juridice și practicienii independenți pot solicita acces API printr-un formular, iar modelul ar trebui să ajungă „în curând” în AutoClaw, platforma sa de agenți desktop. Nu sunt anunțate nici prețuri, nici ponderi deschise.

🔗 Articolul Z.ai despre GLM-Legal · Anunțul Z.ai pe X

Apex 2.0 și Apex Flash 2.0: Fin își construiește modelele pentru asistența clienților pe Nemotron 3

7 octombrie — Fin, agentul IA pentru asistența clienților, a lansat Apex 2.0, noua versiune a modelului său de generare a răspunsurilor, construită de această dată pe Nemotron 3 Super; NVIDIA a salutat această lansare pe 12 octombrie. Ca și în cazul Apex 1.0, despre care Fin afirma deja că era mai bun în producție decât Claude Sonnet 4.6, echipa pornește de la un model de bază cu ponderi deschise pe care îl adaptează prin propria post-antrenare: ajustare pe baza instrucțiunilor și a preferințelor, modele de recompensă revizuite, exemple țintite pentru a decide între a răspunde și a cere o clarificare, eliminarea promisiunilor nefondate. Fin afirmă și că și-a redus costul de implementare prin cuantizare, fără pierderi măsurabile de calitate.

Model Fin	Model de bază NVIDIA	Îmbunătățiri anunțate față de versiunea 1.0
Apex 2.0	Nemotron 3 Super	+8,6 % de rezolvări confirmate de utilizator, -16,5 % de halucinații
Apex Flash 2.0 (Fin Voice)	Nemotron 3 Nano	Răspunsuri cu 24 % mai rapide, -46 % de halucinații, 9 limbi în loc de doar engleză

Apex 2.0 este în funcțiune pentru toți clienții Fin, peste 12 000; articolul nu oferă niciun tarif.

🔗 Articolul Fin despre Apex 2.0

Antrenarea și servirea modelelor: QwenGyre, ReplaySSM și endpoint-ul /v1/systemone din Transformers

Trei lucrări vizează infrastructura software a modelelor: antrenarea agenților cu un orizont foarte lung, decodarea modelelor hibride și servirea modelelor de decizie.

QwenGyre: Qwen face elastică învățarea prin întărire a agenților cu un orizont foarte lung

12 octombrie — Echipa Qwen prezintă QwenGyre, un cadru de învățare prin întărire online pentru agenți la care o singură execuție poate dura ore, poate cuprinde sute de interacțiuni cu mediul și se poate apropia de un milion de tokens pe traiectorie generată (rollout). De aici rezultă două probleme: GPU-uri inactive în timpul generărilor lungi și traiectorii redundante imediat ce execuția se ramifică (compactarea contextului, subagenți, noi încercări). Planificatorul elastic (Elastic Scheduler) realocă GPU-urile între generarea traiectoriilor și antrenare fără să întrerupă execuțiile: de până la 1,85 ori mai rapid decât abordarea Colocate și de 1,78 ori mai rapid decât abordarea asincronă (Async). Procesorul de traiectorii (Trajectory Processor) organizează istoricele ramificate în arbori cu prefixe comune, cu duplicatele eliminate.

Aplicat la Qwen3.8-2.4T-A95B, cu aproximativ 700 000 de tokens pe traiectorie, QwenGyre crește scorul NL2RepoBench de la 52,5 % la 58,5 % în 48 de etape și, potrivit tweet-ului de anunț, reduce cu aproximativ 44 % timpul total de antrenare față de abordarea asincronă. Lucrarea este pe arXiv din 27 septembrie; nu este anunțat niciun repository de cod.

🔗 Anunțul Qwen pe X · Lucrarea QwenGyre pe arXiv

ReplaySSM: NVIDIA și Dao AI Lab accelerează decodarea modelelor hibride

12 octombrie — NVIDIA și Dao AI Lab de la Universitatea Princeton prezintă ReplaySSM, o nouă modalitate de a stoca starea straturilor SSM în timpul decodării modelelor hibride, care alternează straturi de spațiu de stări și straturi de atenție, precum Nemotron 3, Qwen3.5 până la Qwen3.8, Kimi-K3 sau GLM-5.3-Flash. La dimensiunile de lot utilizate în producție, aceste straturi SSM, și nu atenția, au cel mai mare impact asupra latenței decodării până la un context de 100K tokens. ReplaySSM reprezintă starea printr-un punct de control și un mic buffer al intrărilor recente: ieșirea este calculată la fiecare token, dar punctul de control este rescris în memorie doar la fiecare 16 tokens, ceea ce reduce aproximativ la jumătate traficul de memorie dominant.

Configurație măsurată în vLLM	Câștig anunțat față de vLLM
Etapă de decodare, lot de 1	Niciunul
Kernel SSM, lot de 256	De 1,46 până la 1,80 ori mai rapid
Etapă completă de decodare, lot de 256	De 1,20 până la 1,47 ori mai rapid
Decodare speculativă, lot de 512, modele din clasa 120B	Debit de 1,85 și 2,10 ori mai mare

Tehnica este integrată în TensorRT-LLM, vLLM și FlashInfer și rulează în producție în GLM-5.3-Flash și Kimi-K3, potrivit NVIDIA; articolul este pe arXiv, iar codul pe GitHub.

🔗 Articolul tehnic NVIDIA despre ReplaySSM · Articolul ReplaySSM pe arXiv

/v1/systemone: transformers serve transformă un LLM sau un VLM într-un model de decizie

12 octombrie — Hugging Face a integrat în Transformers un endpoint /v1/systemone pentru transformers serve, serverul încorporat în bibliotecă. În loc să genereze un răspuns, serverul acordă scoruri unui set de decizii posibile pe baza valorilor logits ale modelului: potrivit lui Lysandre, oricare dintre cele 250 de LLM și VLM acceptate poate deveni astfel un model de decizie „în stilul JEV”, fără să genereze text. PR 49322 a lui Marc Sun acceptă deocamdată toate modelele autoregresive și adaugă un decision_config transmis serverului, deoarece fiecare model de decizie își formulează prompt-ul și își reglează temperatura în felul său; Marc Sun anunță o standardizare a modelelor de decizie „în curând” în Transformers. Funcția nu se află încă în nicio versiune publicată, cea mai recentă, v5.19.0, datând din 6 octombrie. llama.cpp servea deja acest format din 2 octombrie.

🔗 Anunțul lui Lysandre pe X · PR 49322 pe GitHub

Pagini web și fișiere regândite pentru agenți: Browser Annotation API de la OpenAI, platforma Git din Perplexity Projects

OpenAI și Perplexity reiau două medii familiare, pagina web și sistemul de fișiere, astfel încât un agent să găsească mai mult context în ele.

Browser Annotation API: site-urile personalizează adnotările din browserul ChatGPT

12 octombrie — OpenAI Developers prezintă Browser Annotation API, descrisă în ghidul Annotations Extensibility din ChatGPT Learn. Fără modificări de cod, modul Annotation al browserului încorporat în aplicația desktop ChatGPT funcționează deja pe orice site: selectezi o parte a paginii, o comentezi și o trimiți drept context către Codex sau ChatGPT Work. API-ul, expus prin document.oai.annotation pe paginile securizate (HTTPS sau localhost), permite site-ului să aleagă ce poate fi selectat, contextul care însoțește selecția și controalele care previzualizează o modificare înainte de trimitere.

Ghidul detaliază nouă integrări: un card poate deveni un singur obiect selectabil (oai-annotation-container, oai-annotatable), un buton al site-ului poate deschide o adnotare cu un comentariu sugerat, controale personalizate (registerControls()) previzualizează, de exemplu, un token de spațiere, iar obiectele desenate într-un canvas devin selectabile. Ghidul vizează versiunea DevDay 2026 a aplicației și versiunile următoare; în ChatGPT Enterprise și Edu, un administrator trebuie să autorizeze aceste personalizări. Adnotările completează instrumentele de site WebMCP, care expun acțiunile pe care ChatGPT le poate efectua pe un site.

🔗 Anunțul @OpenAIDevs · Ghidul Annotations Extensibility

Perplexity Projects: un sistem de fișiere construit ca o platformă de găzduire Git pentru agenți

12 octombrie — Perplexity publică un articol de inginerie despre sistemul de fișiere al Projects, spațiul de lucru din Perplexity Computer în care oamenii și agenții desfășoară împreună sarcini de lungă durată. Fiecare agent lucrează în propriul sandbox și își înregistrează modificările într-un depozit Git comun, deservit de cinci componente: un CLI în fiecare sandbox, un plan de control, un serviciu Git, stocare bazată pe AWS S3 (S3Files) și extragerea textului din documente. Serviciul acceptă un push doar dacă pornește de la ultimul commit acceptat; în caz contrar, agentul își reaplică modificarea și o retrimite, fără o cerere de îmbinare (pull request). Un sistem de fișiere virtual FUSE, de aproximativ 400 de ori mai lent în cazul sarcinilor cu utilizare intensivă a fișierelor, a fost abandonat.

Măsurătoare publicată de Perplexity	Valoare anunțată
Push-uri respinse ca neactualizate în producție	Mai puțin de 2 %
Latența mediană a unui push	Mai puțin de 1,7 s
Latența p99 a unui push	Mai puțin de 8 s
Răspunsuri corecte cu grep, la 150 de întrebări financiare interne	0,627
Răspunsuri corecte cu o căutare semantică pe un index	Aproximativ 0,37

Articolul nu lansează niciun produs: Projects există din iulie, iar Brain, wiki-ul de cunoștințe al Computer, se bazează pe aceeași infrastructură.

🔗 Articolul de inginerie al Perplexity

Știri pe scurt

Copilot CLI 1.0.96 — Ajunsă în versiunea stabilă, reia fără noutăți cele nouă intrări din versiunile preliminare din 9 și 10 octombrie, inclusiv autorul fiecărei decizii privind permisiunile în cronologie și identificatorii de model care nu fac diferență între majuscule și minuscule. 🔗 sursă
Atribuirea push-urilor pe GitHub — În versiune preliminară publică, cu acces limitat pentru clienții GitHub Enterprise, la cerere, fiecare commit trimis păstrează identitatea autentificată a persoanei care l-a trimis; o condiție din setul de reguli, Committer must match pusher, blochează push-urile al căror committer nu corespunde niciunei adrese de e-mail verificate a acelui utilizator. 🔗 sursă
Copilot app for Beginners — Un nou episod al seriei de pe GitHub Blog arată cum să stochezi în depozit regulile unui proiect pentru ca Copilot să le aplice singur: instrucțiuni personalizate, agent skills în .github/skills, agenți personalizați și servere MCP precum Playwright; un tutorial, fără noutăți de produs. 🔗 sursă
Zed 1.23.3 și 1.24.2 — Versiunea stabilă și versiunea preliminară conțin doar remedieri (previzualizarea Markdown, predicții de editare, selectorul de proiecte la distanță), trecerea la Node.js v24 și telemetrie opțională pentru punctele de salvare (checkpoints) din panoul agentului. 🔗 sursă
Codex Ambassadors — OpenAI redeschide înscrierile la acest program de șase luni, care solicită o contribuție pe lună (eveniment sau conținut) în schimbul unui abonament Pro, al unor credite Codex și API și al sprijinului pentru evenimentele aprobate; prioritate pentru America de Nord, America Centrală, Africa, Orientul Mijlociu și Europa de Est. 🔗 sursă
API-ul Decisions la Hypha — Serhii Shchoholiev, responsabil cu ingineria agenților la Hypha, raportează pentru API-ul Decisions de la OpenAI un scor F1 de 98,1 % la clasificarea cu etichete multiple, față de 93,5 % pentru un agent GPT-6.1 Sol, la aproximativ o șeptime din cost și cu o latență p90 de 28 de ori mai mică; cifre furnizate de un client, fără metodologie publicată, preluate de @OpenAIDevs. 🔗 sursă
Gemini 3.5 Flash marcat ca învechit — Completare pentru 8 octombrie: aceeași intrare din notele de versiune ale API-ului Gemini marchează și gemini-3.5-flash ca învechit, acesta nemaiputând fi selectat în Google AI Studio; cererile sale sunt redirecționate către gemini-3.6-flash, fără o dată anunțată de oprire. 🔗 sursă
Kimi Work 3.2.16 — Versiune de mentenanță: motor de previzualizare PDF actualizat, browser integrat care nu mai este întrerupt de sarcinile din fundal și opt remedieri detaliate, inclusiv pentru conversațiile secundare trimise de două ori. 🔗 sursă
Întrerupere la Genspark — O parte dintre utilizatori nu s-au putut conecta luni din cauza unei defecțiuni a unui serviciu Microsoft pe care Genspark nu îl numește; Genspark a anunțat restabilirea serviciului la 16 h 20 UTC și pregătește compensații pentru utilizatorii afectați. 🔗 sursă
TutorMoments — Ai2 a supus modele recente evaluării sale pentru tutorii IA: cu o instrucțiune explicită, GPT-6 Astra ocupă primul loc (0,938 pentru sprijin pedagogic adecvat, 0,915 pentru nivel adecvat de exigență), înaintea Claude Sonnet 5.5 și Claude Opus 5.5, iar un nou instrument de explorare compară răspunsurile lor cu cele ale tutorilor umani. 🔗 sursă
UIBK-Embedding-v1 — Abdelrahman Abdallah publică sub Apache 2.0 un model de căutare în limba engleză cu 179 de milioane de parametri, care reunește într-un singur encoder căutarea densă și căutarea cu interacțiune târzie (ColBERT); autorul declară un scor nDCG@10 de 59,79 pe BEIR, cel mai bun scor sub un miliard de parametri dintre modelele cu rezultate MTEB oficiale complete. 🔗 sursă
Sparseup-fr — Loïck Bourdois reproduce în franceză modelul de embeddings sparse cu 150 de milioane de parametri al Linkup, antrenat în aproximativ 55 de ore pe o singură RTX 6000 Pro: 56,37 și 56,50 pe NanoBEIR-fr curățat, față de 52,40 și 51,66 pentru versiunea în engleză, un nou nivel de performanță de vârf în rândul modelelor sparse deschise, potrivit autorului. 🔗 sursă
Model Pulse — Un instrument comunitar al lui Tardelli Stekel reconstituie zi de zi, începând din iulie 2024, descărcările și aprecierile « îmi place » pentru 1,64 milioane de modele de pe Hub, publicate în aproximativ 1,15 miliarde de rânduri Parquet sub Apache 2.0 și actualizate zilnic. 🔗 sursă
Permisiunea contributor pe Hub — Tokenurile de acces cu granularitate fină și cele ale conturilor de serviciu Hugging Face pot primi o permisiune contributor: creează depozite și scriu numai în cele pe care le-au creat, pentru pipeline-uri CI/CD, sarcini de antrenare și agenți. 🔗 sursă
Microduck Arena — Pollen Robotics deschide un Space Hugging Face unde antrenezi prin învățare prin întărire o politică pentru micul său robot biped, apoi o pui să concureze în patru probe, inclusiv 2 m Sprint și Hill Climb, fără un robot fizic. 🔗 sursă
Relight Studio — Luma evidențiază această funcție care schimbă direcția luminii într-un cadru deja reușit, fără a o lua de la zero; tweetul nu precizează nici modelul, nici tariful, nici data punerii în funcțiune. 🔗 sursă
HeyGen Lessons — HeyGen prezintă o ofertă pentru educație: Dots de la OpenAI identifică ce captează atenția unei clase și adaptează lecția, apoi MCP-ul HeyGen o transformă într-un videoclip cu avatarul și vocea profesorului; tweetul nu oferă nici link, nici tarif, nici dată. 🔗 sursă
Un agent imobiliar și avatarul său — Potrivit unui studiu de caz al HeyGen, un agent imobiliar din Vancouver rămas fără locul de filmare în urma unui incendiu publică două Reels pe zi cu avatarul său și și-a mărit de patru ori numărul de urmăritori pe Instagram în zece luni. 🔗 sursă
x.ai trece la SpaceXSI — Observat la scanarea din 12 octombrie, fără un anunț sau o dată în sursă: pagina principală a x.ai, știrile sale și documentația API-ului (« SpaceXSI Docs ») poartă acum marca SpaceXSI, inclusiv în fișa Grok 4.7; site-ul afișa încă SpaceXAI pe 10 octombrie. 🔗 sursă

Ce înseamnă acest lucru

Cifrele de astăzi ne obligă să fim atenți la cine face măsurătorile. Meta își publică rezultatele într-o imagine, obținute în propriile măsurători, și plasează Muse Wonder Full în fruntea propriului indice (59,1 față de 55,2 pentru Claude Opus 5.5), în timp ce pe Artificial Analysis Index din același tabel, Opus 5.5 își păstrează avantajul (58 față de 56). Z.ai compară GLM-Legal cu concurenții săi în graficul unui tweet și susține că a atins paritatea pe LegalBench fără a publica un scor, iar Fin măsoară Apex 2.0 în raport cu propria versiune anterioară. Clasamentul independent FrontierCode repune ordinele de mărime în perspectivă: cel mai bun model se oprește la 52,2 %, iar diferența de cost, de la 0,81 dolari pe sarcină pentru GPT-6.1 Sol la 10,15 dolari pentru Opus 5.5, devine un criteriu la fel de vizibil ca poziția în clasament.

În infrastructură, câștigurile provin din tot ce înconjoară cipurile. Contribuțiile NVIDIA la OCP vizează alimentarea (rack-uri de până la 250 kW, bară colectoare de 5 000 A, revenire la o sarcină aproape completă în mai puțin de două secunde după o perturbare a rețelei electrice) și rețeaua, cu Spectrum-6 la 102,4 Tb/s la Meta și USFP la 400 Gb/s pe canal. Software-ul urmează aceeași logică: ReplaySSM înjumătățește aproximativ traficul de memorie al straturilor SSM, iar QwenGyre repune la lucru GPU-urile care așteptau încheierea traiectoriilor lungi. Prin punerea proiectelor sale la dispoziția OCP, cu standarde semnate în comun de AMD, Google, Meta și Microsoft, NVIDIA își afirmă obiectivul de a le oferi constructorilor o bază comună pentru fabricile IA.

Agenții primesc medii concepute pentru ei. O pagină web poate acum să aleagă ce selectează utilizatorul în browserul ChatGPT și contextul transmis agentului împreună cu selecția, un proiect Perplexity îi oferă fiecărui agent un sandbox și un depozit Git comun, iar Amp readuce în firul conversației agentului revizuirile și rezultatele CI pentru propriile pull requests. Modul de explorare influențează și rezultatul: la Perplexity, un agent care își cercetează copia de lucru cu grep obține 0,627 răspunsuri corecte față de aproximativ 0,37 pentru căutarea semantică, iar la LightOn, încredințarea căutării unui mic agent local reduce cu 34 % numărul de tokenuri API folosite de Claude Code în comparație cu grep, fără o pierdere semnificativă a acurateței.

Studiul Frontier Red Team arată reversul acestei autonomii. Capacitățile care fac un agent util, instalarea unui model pe hardware necunoscut sau transmiterea notițelor sale agentului următor, sunt și cele care i-ar permite unui vierme informatic să se adapteze: un model de 9B pornește inferența pe 8 tipuri de hardware din 9, iar moștenirea notițelor crește rata de succes de la 45 % la 61-84 %. Anthropic nu descrie încă niciun replicator complet și mizează pe monitorizarea realizată de furnizorii de acces, astfel încât un dispozitiv infectat să contamineze, în medie, mai puțin de un alt dispozitiv. Meta, la rândul său, susține că Muse Wonder are cele mai solide mecanisme de protecție ale sale împotriva utilizărilor cyber și CBRN, dar trimite la un raport complet de siguranță care urmează să apară.