Gemini 4 Argon disponibil pentru toți, SpaceXSI reunește Grok și Cursor în The X Subscription, NVIDIA publică Run:ai ca open source

La două săptămâni după ce l-a rezervat specialiștilor în apărare cibernetică din Fairwind Program, Google pune Gemini 4 Argon la dispoziția tuturor: API-ul Gemini îl taxează cu 2 dolari pentru un milion de tokens de intrare până la 30 noiembrie, aplicația Gemini și AI Mode îl oferă abonaților Google AI Pro și Ultra, iar Cursor, Devin, GitHub Copilot și Manus îl adaugă în aceeași zi. SpaceXSI reunește Grok, Grok Bot, Cursor și X Premium în The X Subscription, un abonament unic de la 0 la 200 de dolari pe lună, iar NVIDIA publică drept open source întreaga sa platformă de orchestrare GPU Run:ai. Liquid AI lansează LFM2.5-24B-A2B, un model de raționament cu 2 miliarde de parametri activi pentru agenții locali, iar NVIDIA prezintă în detaliu software-ul pregătit pentru lansarea PC-urilor RTX Spark de vineri.

Gemini 4 Argon disponibil pentru toți: API-ul Gemini, aplicația Gemini, AI Mode și Antigravity

13 octombrie — Anunțat pe 30 septembrie și rezervat până acum specialiștilor în apărare cibernetică din Fairwind Program, Gemini 4 Argon este lansat în întreaga lume. Google își prezintă modelul de frontieră drept un model pentru lucru aprofundat (deep work) în programare, finanțe, domeniul juridic, securitate cibernetică și știință. Iată cine are acces și cum.

Public vizat	Acces la Gemini 4 Argon la 13 octombrie
Dezvoltatori	API-ul Gemini cu plată, în Google AI Studio și Android Studio
Abonați Google AI Ultra	Antigravity și AI Studio
Companii	Gemini for business, API-ul Gemini, Antigravity
Publicul larg	Aplicația Gemini și AI Mode din căutare, pentru abonații Google AI Pro și Ultra
Oameni de știință	Cel mai înalt nivel de utilizare Antigravity gratuit timp de 6 luni, pe bază de candidatură (10 000 de locuri)
Specialiști în apărare cibernetică	Fairwind Program extins la sute de parteneri, Argon fără măsuri de protecție cibernetică

Pentru dezvoltatori, identificatorul este gemini-4-argon, în versiune stabilă. Prețul de lansare rămâne cel anunțat la sfârșitul lunii septembrie: 2 dolari pentru un milion de tokens de intrare și 10 dolari pentru cei de ieșire, cu o reducere de 95 % pentru intrările din cache, până la 30 noiembrie 2026; ulterior, 4 și 20 de dolari. Modelul acceptă text, imagini, video, audio și PDF, răspunde în text și folosește o fereastră unică de 1 048 576 de tokens pentru intrare, reflecție și ieșire. O cerere returnează cel mult 64K tokens prin streaming și 32K fără streaming (65 536 la Gemini 3.x), dar decodarea lungă (long decode) permite generarea a până la un milion de tokens minus intrarea: SDK-urile recente (google-genai 2.30.1, @google/genai 2.29.1) înlănțuie singure cererile. Reflecția poate fi setată pe trei niveluri (low, medium implicit, high), iar cache-ul explicit nu este acceptat.

În privința rezultatelor, Google clasează Argon pe primul loc în Vals Index și declară un scor de 87 % la ERQA, un benchmark de raționament spațial pentru robotică, înaintea tuturor celorlalte modele de frontieră. Dintre clienții cu acces anticipat, Box măsoară o precizie cu 14 % mai mare față de Gemini 3.1 Pro. Google promite, de asemenea, restul familiei Gemini 4, fără a anunța o dată.

🔗 Articolul de lansare Gemini 4 Argon · Noutățile Gemini 4 Argon în API-ul Gemini

Siguranța Argon: 12 atacuri cibernetice simulate rezolvate din 12, un monitor de nealiniere

13 octombrie — Google publică odată cu modelul un raport complet de siguranță (Safety and Security Report), care pornește de la capacitățile sale cibernetice.

The same coding and reasoning improvements that enabled Argon to find and patch vulnerabilities also drove better performance on our cybersecurity tests — solving all 12 of the end-to-end simulated cyberattack scenarios, up from five in our previous generation.

🇷🇴 Aceleași progrese în programare și raționament care i-au permis lui Argon să găsească și să corecteze vulnerabilități i-au îmbunătățit și rezultatele la testele noastre de securitate cibernetică: rezolvă toate cele 12 scenarii de atac cibernetic simulat de la un capăt la altul, față de cinci pentru generația noastră anterioară. — Anca Dragan, vicepreședintă pentru siguranța și comportamentul IA, Google

Deoarece versiunile sale fără măsuri de protecție ajută și mult mai bine la rezolvarea problemelor din protocoalele de laborator în biologie, Google activează în aceste două domenii trei straturi de protecție în timp real: filtrarea cererilor cu modele mici, sonde de activare (activation probes) care citesc semnalele interne ale modelului și monitorizare capabilă să oprească agentul în timpul răspunsului. Un monitor de nealiniere îi citește și acțiunile și lanțul de gândire, pe care Google refuză să îl penalizeze: într-un test în care i se aplicase din greșeală o penalizare, ponderea scurtăturilor folosite fără a fi declarate a crescut de la 11,2 % la 36,4 %. În cazul injecției de prompt, rata de succes a atacurilor scade la 0,7 % pe Gray Swan IPI.

🔗 Dezvoltarea Gemini 4 Argon în mod responsabil și sigur

Antigravity: Argon pentru abonații Ultra, după o perioadă de testare cu peste 100 000 de utilizatori la Alphabet

13 octombrie — Argon ajunge în aplicația desktop și în Antigravity CLI pentru abonații Google AI Ultra și abonamentele Gemini Enterprise eligibile; Antigravity trebuie actualizat la cea mai recentă versiune. Echipa povestește despre testarea internă: peste 100 000 de persoane de la Alphabet folosesc lunar Argon în versiunea internă a instrumentului, iar Google a măsurat în patru săptămâni cu 35 % mai mult cod produs de agenți și cu 30 % mai puține reveniri la versiuni anterioare după trimiterea codului.

Printre exemplele citate: consumul de CPU al frontend-ului pentru comentariile YouTube redus la jumătate, 97 de tichete depășite sau duplicate închise în mai puțin de trei ore dintr-o coadă de 134, o bază de cod Fortran rescrisă în Rust, de 1,8 ori mai rapidă, și un audit al controlului accesului care a identificat patru vulnerabilități critice ratate de două modele de vârf anterioare. Utilizarea depășește domeniul ingineriei: peste jumătate dintre echipele comerciale Cloud și aproape jumătate din departamentul financiar al Google folosesc Antigravity.

🔗 Gemini 4 Argon în Google Antigravity

Aplicația Gemini: Antigravity integrat pe macOS, meniul Customize și peste 40 de aplicații conectate

13 octombrie — Notele de versiune ale aplicației Gemini însoțesc lansarea Argon cu două noutăți. Antigravity este integrat în aplicația Gemini pentru macOS: un buton pornește un agent de programare, îi aprobi planul și revii la chat în timp ce acesta construiește și testează codul în fundal, cu o notificare când rezultatul este gata. Integrarea este disponibilă în engleză, pentru conturile eligibile ale persoanelor de cel puțin 18 ani.

Un nou meniu Customize reunește ajustarea răspunsurilor, descoperirea aplicațiilor și adăugarea de skills, iar Gemini se conectează acum la peste 40 de aplicații sau servicii, precum Instacart, OpenTable sau Adobe. Customize este lansat pentru toate nivelurile de abonament, pe web, mobil, Windows și macOS, dar majoritatea aplicațiilor conectate rămân disponibile în engleză și în Statele Unite. Google vorbește și despre o trecere de la chat la sarcini (tasks), astfel încât Gemini să continue să lucreze în absența utilizatorului.

🔗 Notele de versiune ale aplicației Gemini · Gemini 4 Argon în aplicația Gemini

Gemini 4 Argon în instrumentele terțe: Cursor, Devin, GitHub Copilot și Manus

13 octombrie — Patru instrumente oferă acces la Argon în aceeași zi, fiecare cu propriile condiții și propriile măsurători.

Instrument terț	Unde poate fi folosit	Preț afișat	Rezultat declarat
Cursor	Editorul Cursor	2 dolari pentru intrare, 0,10 dolari pentru citirea din cache, 10 dolari pentru ieșire la un milion de tokens	52,8 % pe CursorBench 4.0 la nivelul de efort implicit
Devin	Devin Desktop și Devin CLI	Cu 75 % sub prețul de catalog până la 27 octombrie	60,5 % pe FrontierCode 1.1
GitHub Copilot	Planurile Pro+, Max, Business și Enterprise, opt interfețe	2 dolari pentru intrare, 0,10 dolari pentru cache, 10 dolari pentru ieșire până la 1 decembrie	Mai multe sarcini rezolvate decât modelele Gemini anterioare, fără cifre
Manus	Manus, cu Google Cloud	Neprecizat	Nicio cifră

Potrivit Cursor, Argon se situează la nivelul Opus 5.5. Tabelul CursorBench 4.0 precizează că egalitatea este valabilă la un nivel mediu de efort (Opus 5.5 Medium la 52,5 %, pentru 2,91 dolari pe sarcină față de 4,39 dolari pentru Argon): Opus 5.5 rămâne înainte pe High (56 %) și pe Max (57,8 %, în fruntea clasamentului), iar Argon consumă de aproape trei ori mai mulți tokens pe sarcină. La Devin, reducerea combină cele 50 % de la lansarea Google, valabile până la 1 decembrie, cu o reducere proprie Devin de 50 %; pe FrontierCode 1.1, benchmark-ul intern al Cognition, Argon trece imediat înaintea GPT-6.1 Sol (60,4 %), dar rămâne în urma Claude Opus 5.5 (65,3 %) în graficul intitulat 1.1 Extended.

GitHub îl pune la dispoziție generală pentru Pro+, Max, Business și Enterprise (Pro și Free nu apar în listă), cu o lansare treptată în selectorul de modele din opt interfețe, de la VS Code și Copilot CLI la Xcode și Eclipse; în Business și Enterprise, este activat automat, cu excepția cazului în care administratorul a dezactivat activarea implicită a modelelor noi. Manus anunță că îl folosește cu Google Cloud pentru programare, planificare și modelare 3D, fără a preciza vreun plan, tarif sau număr de credite.

🔗 Anunțul Cursor · CursorBench 4.0 · Articolul Devin · Changelog-ul GitHub · Anunțul Manus

The X Subscription: SpaceXSI reunește Grok, Grok Bot, Cursor și X Premium, de la 0 la 200 de dolari pe lună

12 octombrie — SpaceXSI (fostul SpaceXAI) lansează The X Subscription, un abonament unic care reunește Grok, Grok Bot, Cursor și X Premium, iar Cursor a anunțat acest lucru în aceeași seară: editorul, care s-a alăturat SpaceX în august, este acum vândut în același pachet cu asistentul Grok și avantajele rețelei sociale X. Oferta este disponibilă clienților noi din 12 octombrie și urmează să fie oferită tuturor, în întreaga lume, în zilele următoare.

Plan de abonament	Preț lunar	Utilizare inclusă	Ce oferă planul în Cursor
Free	0 dolari	Limitată	Alocare inițială pentru agenții de programare
Plus	8 dolari	De bază	Doar modele Grok
Premium	30 dolari	De 4 ori Plus	Agenți cloud, automatizări, Origin, revizuiri de cod cu IA, modele terțe la prețul API-ului
Super	100 dolari	De 15 ori Plus	Ca Premium, cu mai multă utilizare
Ultra	200 dolari	De 50 de ori Plus	Ca Premium, cu mai multă utilizare

Premium include avantajele SuperGrok, Cursor Pro și X Premium+, care costau anterior, cumulat, 90 de dolari pe lună, potrivit SpaceXSI. Elementul central al ofertei este o rezervă de utilizare comună pentru Grok și Cursor, reînnoită săptămânal; după epuizarea acesteia, cumperi suplimentări (top-ups) sau aștepți reînnoirea. SpaceXSI promite cel puțin de două ori mai multă utilizare pentru programare cu propriile modele decât în planul Cursor comparabil. Modelele terțe, cele ale altor laboratoare, rămân disponibile în Cursor începând cu Premium, dar nu sunt incluse în rezervă: sunt facturate la prețul de catalog al API-ului, prin suplimentări, cu limite de cheltuieli ajustabile.

Cursor is now part of The X Subscription. Current Cursor subscribers can keep their plan or switch to The X Subscription.

🇷🇴 Cursor face acum parte din The X Subscription. Abonații actuali Cursor își pot păstra planul sau pot trece la The X Subscription. — @cursor_ai pe X

Vechile planuri nu mai sunt oferite celor care se înscriu acum. Abonații actuali SuperGrok, Cursor sau X Premium își păstrează planul, prețul și funcțiile sau trec la noua ofertă cu o rambursare proporțională; la Cursor, utilizarea inclusă a modelelor terțe continuă până la trecere. SpaceXSI avertizează însă că va trece în cele din urmă clienții rămași la noile planuri, fără un calendar stabilit și cu notificare prealabilă. Pentru echipe, Premium, Super și Ultra păstrează același preț per utilizator ca în cazul abonamentelor individuale, mai mic decât cel al vechilor planuri Cursor Teams potrivit SpaceXSI, cu de trei ori mai multă utilizare pentru programare, SSO, facturare consolidată și conformitate SOC 2.

🔗 Prezentarea The X Subscription · Firul de postări al @SpaceXSI

NVIDIA publică în regim open source întreaga platformă Run:ai

13 octombrie — NVIDIA publică în regim open source întreaga platformă NVIDIA Run:ai, care alocă dinamic GPU-urile și orchestrează sarcinile de lucru IA pe Kubernetes, de la procesarea datelor la antrenare și inferență. Codul este publicat în organizația GitHub NVIDIA DSX AI Factory, iar platforma este disponibilă și pe NGC într-o versiune pentru comunitate (Community Product), cu un chart Helm care instalează stiva integrată. Această versiune nu necesită niciun abonament Run:ai plătit, dar nu include suport pentru companii, iar descărcarea de pe NGC presupune acceptarea licenței software NVIDIA. Ofertele comerciale continuă: produs de sine stătător, NVIDIA Mission Control, NVIDIA AI Enterprise și marketplace-uri cloud.

Publicarea cuprinde patru componente care pot fi adoptate separat:

Componentă publicată	Rol în platformă
KAI Scheduler	Planificator nativ Kubernetes (planificare în bloc, partajare echitabilă, plasare în funcție de topologie), deja open source sub Apache 2.0 și proiect CNCF Sandbox
GPU Fractioning Operator	Fracțiuni de GPU native în CUDA 13.4, cu o limită strictă de memorie pentru fiecare sarcină de lucru; implementarea proprietară Run:ai este eliminată
KAI Resource Management	Proiecte, departamente, cote și grupuri de noduri
Workload Map	Bibliotecă Go care descrie fiecare tip de sarcină de lucru (PyTorchJob, RayCluster, KServe, grafuri Dynamo), astfel încât instrumentele să nu mai necesite cod specific pentru fiecare CRD

Opt parteneri din ecosistemul DSX o integrează deja: Crusoe, Mirantis (k0rdent AI), Nebius (implementare cu un singur clic), OpenNebula Systems, Rafay (serviciu complet gestionat), Saturn Cloud (Token Factory), Spectro Cloud (PaletteAI) și vCluster. NVIDIA amintește și două proiecte deschise conexe: Model Streamer, care încarcă ponderile direct în memoria GPU pentru a reduce pornirea la rece a replicilor de inferență (integrat în vLLM și SGLang și de 3 până la 6 ori mai rapid decât încărcătorul implicit pe opt VM H100 din Microsoft Azure), și Grove, API-ul Kubernetes al Dynamo pentru sarcinile de lucru cu mai multe componente. Obiectivul declarat este ca Run:ai să devină o fundație deschisă a platformei DSX AI Factory, astfel încât fiecare partener și fiecare cloud IA să obțină mai mult de la GPU-urile sale.

🔗 Run:ai în regim open source (blogul tehnic NVIDIA)

LFM2.5-24B-A2B: Liquid AI publică un model de raționament cu 2 miliarde de parametri activi pentru agenții locali

13 octombrie — Liquid AI publică LFM2.5-24B-A2B, o mixtură de experți (MoE) cu 24 de miliarde de parametri, dintre care doar 2 miliarde se activează pentru fiecare token. Potrivit Liquid AI, acesta este cel mai mare model din familia LFM2.5, care cuprinde acum modele de la 230 de milioane la 24 de miliarde de parametri, și un model dedicat exclusiv raționamentului: produce întotdeauna un lanț de gândire înainte de răspuns. Obiectivul este agentul local: deoarece fiecare token de raționament costă puțin, un agent poate rula continuu pe calculatorul utilizatorului, poate apela instrumente și poate executa sarcini în succesiune.

Arhitectura o preia pe cea a LFM2-24B-A2B (40 de straturi, 64 de experți pe bloc cu rutare top-4, un hibrid de convoluții scurte cu porți și atenție GQA). Ce se schimbă: contextul crește de la 32 000 la 131 000 de tokeni, vocabularul se dublează, de la 65 000 la 128 000 de tokeni, iar preantrenarea crește de la aproximativ 17 000 la 33 000 de miliarde de tokeni, înaintea unei post-antrenări în cinci etape care se încheie cu învățare prin întărire desfășurată în medii de execuție pentru agenți (OpenClaw, Hermes Agent, Pi, OpenCode).

Benchmark evaluat	LFM2.5-24B-A2B	Qwen3.6-35B-A3B	Gemma-4-26B-A4B-it	Nemotron-3.5-Lightning
AutomationBench	27,69	8,72	5,46	2,61
BFCLv4	65,01	65,00	57,09	53,78
ToolSandbox	80,71	75,02	72,09	75,13
LiveClaw	48,09	38,19	41,25	37,72
PinchBench	83,18	89,93	77,12	84,20
WebArena Verified	26,75	37,62	25,62	28,69
IFBench	74,69	64,21	47,44	71,67
GPQA Diamond	74,42	83,69	74,90	72,42
MATH-500	96,04	96,73	95,66	96,40
SWE-Bench Verified (OpenCode)	51,00	66,20	25,80	53,40

În comparație cu trei MoE mai mari, modelul se menține competitiv la utilizarea instrumentelor și respectarea instrucțiunilor, dar rămâne în urmă la cunoștințe și programare agentică; Liquid AI recomandă, de altfel, asocierea sa cu un sistem de căutare sau cu o bază documentară pentru sarcinile care necesită cunoștințe. Viteza este celălalt argument: 184 tokens/s pe un Apple M5 Max, 114 pe un Ryzen AI Max+ 395 și peste 21 000 de tokeni de ieșire pe secundă la un nivel ridicat de concurență pe un singur B300. Modelul de bază și cel post-antrenat sunt publicate cu ponderi deschise sub licența proprie lfm1.0, cu suport imediat în llama.cpp, MLX, vLLM, SGLang și ONNX.

🔗 LFM2.5-24B-A2B (blogul Liquid AI de pe Hugging Face)

IA locală pe PC-uri Windows: NVIDIA pregătește RTX Spark cu Nemotron 3.5 Bolt 74B, Hugging Face lansează Llama Windows

13 octombrie — Cu trei zile înainte de lansarea laptopurilor RTX Spark, vineri, 16 octombrie, după deschiderea precomenzilor pe 7, NVIDIA detaliază software-ul pregătit pentru lansarea acestui cip, care reunește până la 128 Go de memorie unificată și 1 petaflop de putere de calcul IA. Piesa centrală este un nou model deschis, Nemotron 3.5 Bolt 74B-A9B 24GB: un MoE cu 74 de miliarde de parametri, dintre care 9 miliarde activi, cuantizat pe 2 biți cu o antrenare care ține cont de cuantizare pentru a încăpea în 24 Go și conceput pentru agenții locali. Se lansează joi, 15 octombrie, în llama.cpp, vLLM, Ollama, Unsloth și LM Studio și va putea fi apelat din Hermes și OpenClaw; datele de antrenare, ponderile și rețetele sunt disponibile în regim deschis.

În privința agenților, NVIDIA estimează că numărul descărcărilor de LLM-uri locale este de 5 ori mai mare decât cel din întregul an trecut. GitHub Copilot, Hermes, OpenClaw, Perplexity, Pi și WorkBuddy recomandă și configurează un model local adecvat; securitatea se bazează pe sandbox-ul OpenShell și pe containerele MXC de la Microsoft, iar biblioteca open source Switchyard rutează cererile între modelele locale și cele din cloud. NVIDIA PAIR, routerul care distribuie inferența între PC-urile unei rețele locale, iese din beta cu suport pentru llama.cpp și descărcarea directă a modelelor de pe Hugging Face. Pentru creație, Adobe anunță o viteză de până la 2 ori mai mare în Photoshop și Premiere (optimizări în beta), iar NVIDIA Broadcast 2.3 adaugă super-rezoluție video, generarea de cadre intermediare și un server MCP prin care agenții îi pot controla efectele. Pentru dezvoltatori, Windows on Arm primește primul său build PyTorch-CUDA și Python 3.15 nativ în mod implicit.

Element anunțat	Data disponibilității
NVIDIA PAIR ieșit din beta, Broadcast 2.3, Llama Windows	13 octombrie
Nemotron 3.5 Bolt 74B-A9B 24GB	joi, 15 octombrie
Laptopuri RTX Spark, ghiduri practice de IA (playbooks), modelul DLSS 5 de două ori mai rapid	vineri, 16 octombrie
Nemotron 3.5 Bolt E4B 4GB pentru personajele ACE, RTX Remix 1.6	vineri, 23 octombrie
DLSS Ray Reconstruction în Blender	noiembrie

🔗 Software-ul pentru lansarea RTX Spark (blogul NVIDIA)

Llama Windows: Hugging Face aduce llama.cpp în zona de notificare din Windows 11

13 octombrie — Hugging Face lansează Llama Windows, o aplicație WinUI 3 gratuită și open source care instalează și rulează llama.cpp din zona de notificare din Windows 11, fără terminal, fără compilare și fără drepturi de administrator. Alegi un model cuantizat de pe Hub, îl descarci cu un clic și îl încarci dintr-un panou compact; la pornire, aplicația se conectează la un server llama.cpp deja pornit sau instalează llama.cpp cu programul său oficial de instalare. Este echivalentul pentru Windows al llama.app de pe macOS.

Pentru dezvoltatori, serverul local ascultă pe http://localhost:9931 cu un API compatibil OpenAI, iar descărcările ajung în cache-ul standard Hugging Face, partajat cu celelalte instrumente ale companiei. Aplicația rulează nativ pe Windows on Arm și oferă suport pentru NVIDIA RTX Spark din prima zi, în urma colaborării cu NVIDIA. Codul este publicat sub licența MIT în depozitul ggml-org/Llama-Windows.

🔗 Llama Windows (blogul Hugging Face)

Securitate: măsurile de apărare ale Anthropic împotriva distilării, exploit-ul pentru Chrome construit de XBOW, clasificatorul de secrete al GitHub

Trei anunțuri vizează securitatea modelelor și a codului: Anthropic face bilanțul măsurilor sale de apărare împotriva copierii modelelor, XBOW arată ce permite un model public într-un atac, iar GitHub înlocuiește un pipeline LLM cu un clasificator mic.

Anthropic reduce cu 90 până la 99 % datele colectate de cei care distilează modele, potrivit primelor indicii

12 octombrie — Anthropic face bilanțul măsurilor sale de apărare împotriva atacurilor prin distilare, campanii care extrag masiv răspunsurile unui model de vârf, adesea prin rețele de conturi frauduloase, pentru a antrena un alt model la un cost mai mic. Potrivit primelor indicii, noile sale metode reduc cu aproximativ 90 până la 99 % datele colectate. Potrivit Anthropic, Zhipu a încercat să distileze Claude Fable 5 în timpul dezvoltării GLM-5.3, înainte de a se reorienta spre un model Claude mai vechi și spre cel al unui alt laborator.

Se adaugă trei straturi: gândirea păstrată (preserved thinking) a Claude Fable 5.1 și Opus 5.5, care împiedică conturile API create începând cu 31 august să modifice contextul anterior al Claude, cu raționamentul Sonnet 5.5 rezervat organizației care a trimis cererea; un clasificator în două etape cu mai puțin de 0,1 % rezultate fals pozitive, activ pe Sonnet 5.5, Opus 5 și 5.5, Fable 5 și 5.1; în final, limite de utilizare mai stricte, blocarea conturilor și, din 24 septembrie, facturarea cererilor blocate. Rezultatul anunțat: de 10 până la 100 de ori mai puțini tokeni de raționament extrași și zeci de mii de conturi blocate, adesea în mai puțin de două ore.

🔗 Consolidarea măsurilor noastre de apărare împotriva atacurilor prin distilare

XBOW construiește cu GPT-5.6 Sol un exploit complet pentru Chrome, recompensat de Google cu 250 000 de dolari

13 octombrie — XBOW, companie de teste de penetrare realizate de agenți IA, a construit un lanț complet de exploatare (full chain) pentru Chrome: simpla vizitare a unei pagini web era suficientă pentru preluarea controlului de la distanță asupra unui calculator Windows, ceea ce înseamnă aproximativ un miliard de utilizatori expuși, potrivit XBOW. Google i-a acordat o recompensă de 250 000 de dolari, iar cele trei bug-uri au fost remediate. Anunțul vine de la XBOW, nu de la OpenAI, al cărui cont @OpenAIDevs doar l-a redistribuit.

We deliberately picked a model that is available to anyone, not a specialized security model or one with restricted access.

🇷🇴 Am ales în mod deliberat un model accesibil tuturor, și nu un model de securitate specializat sau cu acces restricționat. — Oege de Moor, fondator și CEO al XBOW

Modelul ales este GPT-5.6 Sol, împreună cu predecesorii săi. Lanțul a costat 40 000 de dolari în resurse de calcul pe parcursul a șase zile, din 2 până în 7 august: IA a parcurs codul sursă al Chrome, a construit demonstrații de fezabilitate și a scris primele versiuni ale exploit-ului, în timp ce patru cercetători stabileau strategia și verificau munca. Potrivit XBOW, fiecare dintre cele trei bug-uri ar putea fi găsit doar de agenți în decurs de un an.

🔗 Relatarea XBOW

GitHub își detaliază clasificatorul de secrete: timp de analiză cu 86 % mai mic decât în vechiul pipeline LLM

13 octombrie — La șase zile după ce și-a anunțat clasificatorul de secrete divulgate, GitHub publică detalii despre funcționarea sa. Scannerul lucrează în două etape: expresiile regulate fac o căutare amplă pentru a identifica orice seamănă cu un identificator, apoi un clasificator ModernBERT ajustat, exportat în ONNX cu o cuantizare pe 8 biți, citește fiecare candidat împreună cu contextul său (calea fișierului, tipul secretului, numele variabilelor, codul din apropiere) pentru a elimina elementele asemănătoare, precum valorile de exemplu sau datele fictive din teste.

Măsură comparată cu pipeline-ul LLM	Diferență publicată
Timp median de analiză după push	−86 %
Costul serviciului	cu peste 98 % mai mic
Acceptarea alertelor ponderată în funcție de proprietarul depozitului (test A/B)	+11,5 %
Precizie offline	+13 %
Recall offline	+19 %

Acest câștig de viteză a permis extinderea detectării secretelor generice la protecția operațiunilor de push, chiar înainte de trimiterea codului.

🔗 Modelul GitHub pentru detectarea secretelor (blogul GitHub)

Scion: Anthropic înlocuiește git cu propriul sistem de gestionare a versiunilor

13 octombrie — Anthropic explică pe blogul său Engineering de ce a renunțat la git pentru monorepo-ul său: echipele sale integrau aproximativ 2 500 de modificări pe zi în mai 2026 și peste 30 000 în septembrie. Cu un istoric de aproape 100 Go și aproximativ 25 de milioane de operațiuni de checkout pe zi pentru CI, instrumentele concepute pentru oameni deveneau o frână, chiar și cu câteva sute de oglinzi git interne.

Scion, construit în cinci luni de șapte persoane, pornește de la premisa că utilizatorii săi, în principal agenți și sarcini automatizate, sunt mereu online: serverul calculează istoricul, atribuirea fiecărei linii (blame) și fuziunile, iar o sarcină CI nu mai are adesea nevoie de o copie locală. Anthropic susține că are o amprentă de 200 de ori mai mică decât oglinzile sale git, operațiuni de checkout în secunde în loc de minute și 25 % din resursele CPU recuperate pentru CI; o versiune preliminară internă a Claude Mythos Preview a rescris pipeline-ul de ingestie folosind de 20 de ori mai puțină memorie. Anthropic nu planifică o versiune publică, deoarece Scion se îndepărtează prea mult de git pentru a fi util în altă parte: în schimb, împărtășește principiile sale pentru ca alții să le aplice la git și spune că dorește să colaboreze cu GitHub, GitLab și comunitatea open source.

🔗 Regândirea gestionării codului sursă la Anthropic

NVIDIA în Franța: investiții planificate în Doctolib, Entalpic, Genesis AI și Pigment, modele Mistral pe orbită la bordul Altair-1

13 octombrie — La începutul turneului său european spre GTC Berlin, unde Jensen Huang va susține discursul de deschidere (keynote) pe 21 octombrie, NVIDIA anunță investiții planificate în patru start-up-uri franceze, fără a preciza sumele: Doctolib (agenți pentru personalul medical și un companion de sănătate pentru pacienți), Entalpic (proiectarea materialelor la scară atomică pentru semiconductori), Genesis AI (roboți generaliști și modele fundamentale) și Pigment (planificarea activității companiilor). NVIDIA afirmă că a angajat aproape 10 miliarde de dolari în ecosistemul tehnologic european.

Același articol de blog prezintă situația IA suverane în Franța. Bull își va extinde producția europeană de servere la sistemele Vera Rubin Ultra NVL72, prevăzute pentru 2028 și asamblate în fabrica sa din Angers. Twake.ai, construit pe Nemotron, devine, prin acordul-cadru CANUT, câștigat de LINAGORA și Docaposte, singurul spațiu de lucru digital suveran listat pentru peste 2 500 de organisme publice franceze. Ziua s-a încheiat cu o întâlnire între Jensen Huang și Emmanuel Macron la Palatul Élysée.

În domeniul spațial, Mistral a distribuit anunțul: Altair-1, primul satelit dintr-o constelație de 50 de sateliți pe care NVIDIA o evaluează la 1 miliard de dolari, a ajuns pe orbită. Integrat de Loft Orbital și construit la Abu Dhabi de Orbitworks, o societate mixtă a Loft Orbital și Marlan Space, acesta are la bord module NVIDIA Jetson AGX Orin care rulează modele Mistral pentru observarea Pământului în timp real și operațiuni autonome; Loft Orbital menționează Ministral 3 și vizează alerte generate de IA în câteva minute. Nu sunt oferite cifre de performanță și nici o dată precisă de lansare: Loft Orbital plasează lansarea în urmă cu câteva săptămâni, NVIDIA în această lună.

🔗 Ecosistemul francez și NVIDIA (blogul NVIDIA) · Seria de postări NVIDIA despre GTC Berlin · Tweet al Mistral AI

Agenți și instrumente de programare: marketplace-ul Origin, Devin în Pylon și Dynamic Workflows ale sale, Puck de la Amp accesibil prin MCP

Cursor deschide marketplace-ul platformei sale de găzduire a codului pentru furnizori terți, Devin se instalează într-un instrument de suport și orchestrează echipe de sesiuni, iar Amp își face meta-agentul accesibil din alți asistenți.

Cursor deschide marketplace-ul Origin pentru înscrieri publice

13 octombrie — Origin, platforma de găzduire a codului de la Cursor lansată în beta pe 17 august, se deschide instrumentelor terțe. Marketplace-ul său oferă peste 20 de aplicații pentru deployment (Cloudflare, Netlify, Vercel…), integrare continuă (Buildkite, CircleCI…), revizuirea codului (CodeRabbit, Greptile), securitate (Semgrep, Socket Security), monitorizare (Sentry) și gestionarea proiectelor (Linear). Din 13 octombrie, acceptă și înscrieri publice: o echipă își creează aplicația în propriul spațiu de nume, o dezvoltă folosind API-ul Origin (JWT de aplicație, tokenuri de instalare, evenimente webhook, check runs, comentarii și revizuiri de pull requests), apoi o trimite împreună cu un videoclip demonstrativ; Cursor verifică fiecare înscriere înainte de a o lista. Nu este anunțat niciun tarif.

🔗 Origin App Marketplace (changelog-ul Cursor)

Devin se integrează cu Pylon, cu 15 000 de dolari în credite pentru clienții noi

13 octombrie — Cognition lansează integrarea nativă a Devin în Pylon, instrumentul de suport pentru clienți. Când un tichet este semnalat echipei de inginerie, Devin pornește singur: cercetează logurile, reproduce bugul, găsește cauza principală și deschide un PR cu o remediere; echipa de suport urmărește progresul în Pylon, inginerii preiau sesiunea asociată, iar actualizările se sincronizează în ambele sensuri. Echipa de suport poate lansa din Pylon și căutări în cod pentru a răspunde la întrebări despre produs. Mărturiile citate de Cognition vorbesc despre remedieri livrate cu aproximativ 30 % mai rapid, uneori în 15 până la 20 de minute în loc de câteva ore. Clienții noi Devin pe Pylon primesc 15 000 de dolari în credite.

🔗 Devin în Pylon

Dynamic Workflows ale Devin orchestrează echipe de sesiuni printr-un script Python

13 octombrie — Cognition pune în evidență Dynamic Workflows ale Devin: Devin scrie un script Python determinist care decide ce sesiuni Devin să lanseze, în ce ordine și cu ce instrucțiuni, folosind rezultatele structurate (schemă JSON) ale sesiunilor precedente. Fiecare agent este implicit o sesiune completă pe propria mașină virtuală, codul fiind transmis prin branch-uri git, sau folosește aceeași mașină ca sesiunea care orchestrează. O execuție întreruptă se reia de unde s-a oprit, în limita a șapte zile, iar un workflow reușit se salvează ca skill. Funcția este disponibilă în orice sesiune Devin, dar rămâne dezactivată în conturile Enterprise până când un administrator o activează; documentația avertizează asupra costului, fiecare agent consumând cât o sesiune. Data lansării nu este confirmată nicăieri: pagina de documentație nu este datată, iar funcția nu apare în notele versiunilor recente.

🔗 Devin Dynamic Workflows (documentație)

Amp face Puck accesibil din ChatGPT, Claude și alți agenți prin MCP

13 octombrie — Amp face Puck, meta-agentul său care coordonează ceilalți agenți, accesibil din ChatGPT, Claude și alți clienți MCP. Serverul MCP al Amp (ampcode.com/mcp) expune două instrumente: puck, pentru a conversa cu propriul Puck, și orbs, o vizualizare interactivă a orb-urilor active, cu linkuri către portalurile lor. Exemplul oferit: dezvoltarea unei idei folosind modul vocal al ChatGPT în timpul unei plimbări, apoi trimiterea ei către Puck, care o încredințează orb-ului potrivit. Conectarea se face din setările Puck din Amp sau prin lipirea adresei serverului în client, urmată de autentificarea cu propriul cont Amp. Până acum, Puck folosea servere MCP; acum devine el însuși unul. Nu este anunțat niciun tarif.

🔗 Ia-l pe Puck cu tine (Amp)

Parteneriate: Solutions Partner Program al Replit, Manus în modul Agent al OPPO

Două acorduri de distribuție: Replit se bazează pe integratori pentru a intra în companii, Manus pe un producător de smartphone-uri.

Replit lansează Solutions Partner Program cu Accenture, JSOL, SMFL și Snowman Labs

13 octombrie — Replit lansează un program de parteneriat pentru integratori de sisteme, firme de consultanță și agenții care sprijină companiile pe platforma sa: instruire, asistență, colaborare privind oportunitățile cu clienții și parcursuri de certificare pentru funcțiile Enterprise, într-un model axat în primul rând pe recomandări (referral-first). Printre primii parteneri se numără Accenture, companiile japoneze JSOL și Sumitomo Mitsui Finance and Leasing (SMFL) și compania braziliană Snowman Labs. SMFL afirmă că a construit într-o săptămână o aplicație de întreprindere gata de producție, iar JSOL menționează un client care a construit un prototip într-o lună. Catalogul partenerilor număra nouă parteneri pe 13 octombrie; nu sunt publicate condiții financiare.

🔗 Prezentarea Replit Solutions Partners

Manus se asociază cu OPPO pentru noul mod Agent al AI Mind Pilot

13 octombrie — Manus își integrează capacitățile agentice în OPPO AI Mind Pilot, în noul său mod Agent, care va debuta pe viitoarea serie Find X10 cu ColorOS 17. Exemplul evidențiat: organizarea unei călătorii pornind de la biletele de avion, rezervările și biletele pentru atracții împrăștiate prin aplicațiile telefonului, combinate cu informații online pentru a produce un itinerar pentru fiecare zi. În privința confidențialității, ColorOS 17 procesează local, cu modele încorporate, sarcini precum căutarea sau redenumirea fișierelor, al căror conținut nu este transmis către Manus, iar AI Mind Pilot solicită o confirmare explicită înaintea oricărei procesări externe. Nu sunt precizate data, piețele sau condițiile: acestea vor fi anunțate la lansarea telefonului.

🔗 Manus încheie un parteneriat cu OPPO

Video și voce generative: FastH3-Omni de la Reactor, Runway în Replit, agenții ElevenLabs la suport și o voce recreată în Camera Lorzilor

Videoul în timp real capătă sunet, Runway intră în proiectarea site-urilor, iar ElevenLabs prezintă două utilizări ale platformei sale, în suportul pentru clienți și în Parlamentul britanic.

FastH3-Omni: Reactor lansează o versiune în timp real a MiniMax H3 cu sunet sincronizat

13 octombrie — Platforma Reactor lansează FastH3-Omni, o versiune în timp real a MiniMax H3, modelul video al MiniMax, care generează un video cu sunet sincronizat pornind de la un singur prompt. Post-antrenat de echipa FastVideo de la Hao AI Lab împreună cu Nuva Lab, aflate deja la originea FastH3 la sfârșitul lui august, este prezentat drept cea mai rapidă versiune open source în timp real a H3, cu cea mai bună calitate. Adaugă condiționarea prin primul și ultimul cadru, intrare audio cu dialoguri și până la trei imagini de referință. FastH3-Omni este disponibil în avanpremieră exclusivă prin API-ul Reactor până pe 20 octombrie; anunțul nu publică nici benchmark, nici tarif și nici link către ponderi. MiniMax l-a distribuit în aceeași seară.

🔗 Anunțul Reactor

Runway se conectează la Replit pentru proiectarea site-urilor

13 octombrie — Runway și Replit prezintă în aceeași zi Runway pentru design web: după conectarea Runway la un proiect Replit prin Runway MCP, agentul de dezvoltare generează imagini, videoclipuri și resurse vizuale direct în proiect, de la prima idee până la site-ul finalizat. Pagina Runway MCP listează Replit printre mediile compatibile, alături de ChatGPT, Claude, Grok Bot, Muse și Cursor; Runway MCP era deja compatibil cu Replit la lansarea sa, pe 27 mai, iar anunțul este, așadar, mai ales o promovare comună. După catalogul de aplicații ChatGPT din 7 octombrie și Claude Motion din 8, Runway vizează de această dată proiectarea site-urilor. Nu sunt precizate tarife sau costuri în credite.

🔗 Anunțul Runway · Anunțul Replit

ElevenLabs rezolvă peste 22 000 de tichete de suport pe lună cu propriii agenți

13 octombrie — ElevenLabs arată cum își folosește propria platformă: suportul său pentru clienți funcționează pe ElevenAgents, care rezolvă peste 22 000 de tichete pe lună fără intervenție umană, cu escaladare către echipă dacă este nevoie. Luna trecută, agentul a gestionat integral 65 % dintre tichete, timpul mediu până la primul răspuns a scăzut la 60 de secunde, față de câteva ore înainte, iar 70 % dintre conversații au fost evaluate pozitiv. Agentul se bazează pe procedurile echipei de suport, convertite în Procedures (într-o versiune structurată pentru rambursări), și pe instrumente webhook care consultă planul, creditele sau vocile fiecărui utilizator; a fost validat prin teste de simulare pe aproximativ cincizeci de scenarii, apoi observat în mod fantomă (shadow mode) pe traficul real înainte de trecerea în producție. Architect, lansat pe 6 octombrie, este folosit apoi pentru a înțelege escaladările și a testa corecțiile.

🔗 Suportul ElevenLabs pe ElevenAgents

Baroneasa Campbell se adresează Camerei Lorzilor cu o voce recreată de ElevenLabs

13 octombrie — Baroneasa Jane Campbell of Surbiton, activistă pentru drepturile persoanelor cu dizabilități, afectată de atrofie musculară spinală și membră pe viață a Camerei Lorzilor din 2007, își încredința citirea discursurilor unei asistente din 2012. De această dată, s-a adresat Camerei Lorzilor cu propria voce, recreată prin IA, în timpul celei de-a doua lecturi a Health Bill, privind bugetele personale de sănătate. Potrivit ElevenLabs, este pentru prima dată când un membru al Parlamentului britanic folosește o voce generată prin IA în oricare dintre cele două camere. Baroneasa și-a recreat singură vocea cu instrumentul de clonare al ElevenLabs, pornind de la înregistrări vechi; textul, transformat în vorbire prin sinteză vocală, a fost redat printr-un dispozitiv de asistență, cu acordul comitetului de procedură al Camerei Lorzilor. ElevenLabs afirmă că a redat vocea unui număr de peste 11 000 de persoane.

🔗 Primul discurs rostit cu o voce IA în Parlamentul britanic (ElevenLabs)

Cercetare și date deschise: Prompteina proiectează proteine, Basis publică Global Emotions, un articol critic despre modelele de decizie

Trei publicații cu acces deschis din această zi: un model de proiectare a proteinelor ghidat de text, un set de date cu vorbire expresivă în 83 de limbi și o critică susținută de cifre a modelelor de decizie.

Prompteina proiectează proteine la nivelul tuturor atomilor pe baza unei instrucțiuni în limbaj natural

13 octombrie — Joseph Lee, primul autor, prezintă Prompteina, o lucrare semnată în comun, printre alții, de trei cercetători afiliați la Ai2, care a distribuit-o, și de David Baker, de la Institute for Protein Design al Universității din Washington. Articolul arXiv îl descrie drept primul model de generare a structurilor proteinelor la nivelul tuturor atomilor ghidat de text. În timp ce modelele existente necesită o reprezentare de intrare dedicată fiecărei proprietăți, aici proprietatea dorită se scrie în limbaj natural: dintre cele 18 proprietăți structurale evaluate, Prompteina oferă un control mai bun decât modelele de referință pentru 15. A fost antrenat pe 1,8 milioane de structuri asociate cu 52,4 milioane de descrieri, adaptând Proteina-Complexa de la NVIDIA. În proiectarea de molecule de legare ghidată de un agent, obține, pe 20 de ținte, o încredere de legare prezisă cu 14 % mai mare decât cel mai bun model de referință. Pentru GM2A, o țintă pentru care nu fusese raportată nicio moleculă de legare de novo, 90 de variante proiectate și testate în laborator au produs nouă molecule de legare, dintre care cea mai puternică are o constantă de disociere aparentă de 107 nM. Codul și ponderile sunt publicate.

🔗 Seria de postări a lui Joseph Lee · Proiectarea structurilor proteinelor pornind de la limbaj natural (arXiv)

Basis publică Global Emotions, 525 de ore de vorbire expresivă în 108 locale-uri

12 octombrie — Basis publică Global Emotions, un set de date cu vorbire expresivă de 525,17 ore, înregistrat cu 10 420 de vorbitori nativi remunerați, în 108 locale-uri și 83 de limbi, în WAV la 48 kHz. Particularitatea sa ține de structură: același actor citește aceeași replică la mai multe niveluri de intensitate, neutru, mediu și apoi deplin, după o instrucțiune (vesel, frustrat, sarcastic, șoptit, cântat…). Menținând constante vorbitorul și textul, se izolează ceea ce se schimbă în voce, în ritm, înălțime sau viteza vorbirii, pe măsură ce emoția se intensifică. Setul conține 137 696 de înregistrări și 54 575 de serii asociate, dintre care 12 141 de înregistrări conțin un semnal nonverbal (suspin, râs). Basis îl declară liber pentru uz comercial și cercetare, sub o licență proprie cu acces condiționat, însă materialul audio este livrat brut, fără eliminarea zgomotului, iar transcrierile validate de oameni nu sunt incluse: sunt vândute cu 22,7 dolari pe oră de audio.

🔗 Basis Global Emotions (blogul Hugging Face)

Modele de decizie: un articol critic le măsoară limitele și antrenează unul prin GRPO

13 octombrie — Într-un articol comunitar de pe blogul Hugging Face, Hajime Yagihara analizează demonstrațiile publice ale modelelor de decizie, acele modele care nu generează niciun token și returnează o probabilitate pentru fiecare opțiune. Teza sa: codul demonstrațiilor simulează fiecare opțiune și scrie rezultatul în prompt, făcând astfel munca dificilă înaintea modelului. În scenariul Predict Position din ViZDoom, Jev, fără ajutorul codului, finalizează cu succes 0 episoade din 128, sub nivelul aleatoriu (12 din 128), în timp ce codul singur reușește în 126; în Snake, rata sa de succes scade la 63,5 % de îndată ce trebuie să prezică un singur pas.

Autorul transpune apoi GRPO de la LLM la aceste modele, recompensa finală fiind distribuită tuturor deciziilor dintr-un episod. Pe NanoJev, o reproducere open source cu 0,6 miliarde de parametri, rata de succes crește de la 19,4 % la 79,1 % fără expert, față de 68,6 % prin imitarea unui expert cu SFT și 81,4 % prin aplicarea succesivă a celor două; antrenarea rămâne instabilă în jurul pasului 20.

🔗 Articolul lui Hajime Yagihara (blogul Hugging Face)

Știri pe scurt

Copilot CLI 1.0.97 — Ajunsă în versiune stabilă cu 25 de intrări provenite din versiunile sale preliminare, permite fiecărui agent personalizat să aibă propriile hook-uri declarative, descoperă toți agenții dintr-un depozit chiar și când sunt peste 100 și, în Autopilot, respinge o decizie « ask » a unui hook preToolUse în loc să rămână blocată; SDK-ul Copilot trece la 1.0.21. 🔗 sursă · 🔗 SDK
Gemini CLI v0.65.0-preview.0 și v0.64.0 — Versiunea preliminară adaugă patru remedieri din 13 octombrie, inclusiv o întrerupere rapidă prin Ctrl+C care nu mai corupe sesiunea, iar versiunea stabilă v0.64.0 nu aduce nimic nou. Gemini 4 Argon nu este încă în selector: un PR al unui contributor extern îl adaugă, dar nu a fost integrat. 🔗 sursă
Antigravity 2.23.0 — Versiunea din 12 octombrie (16 îmbunătățiri, 8 remedieri): selector de permisiuni pentru agent în zona de mesaje, vizualizator pe tot ecranul pentru imagini și videoclipuri, arhive .zip dezarhivate de agent, repararea de către agent a unui server MCP care nu pornește. 🔗 sursă
Qwen Code v0.25.2-preview.0 — Prima versiune preliminară a ciclului, la două zile după versiunea stabilă v0.25.1: 115 intrări, dintre care 33 de funcționalități și 50 de remedieri, Mods scrise în TypeScript care pot intercepta apelurile de instrumente, un explorator al eșecurilor testelor și un navigator de fișiere cu previzualizare Excel în Web Shell. 🔗 sursă
Jev în Amp — Panoul Changes din Amp ordonează automat fișierele dintr-un diff, punând mai întâi fișierele care explică modificarea, mult mai repede decât înainte datorită modelului de decizie Jev de la TypeSafe; ordinea alfabetică rămâne disponibilă. 🔗 sursă
Notele Devin din 9 octombrie — Din actualizările anterioare: o sesiune în repaus poate fi reluată doar timp de 14 zile în loc de 30, Devin citește fișierul AGENTS.md la instalarea unui depozit, iar Devin Ultra devine disponibil pentru companiile cu retenție zero a datelor (zero data retention), care nu aveau acces la el. 🔗 sursă
Chei Anthropic blocate implicit — Funcția secret scanning a GitHub recunoaște cheile de serviciu și cheile de utilizator Anthropic și le blochează de la început prin protecția push-urilor, inclusiv în depozitele publice gratuite; adaugă un detector pentru Cloudsmith, iar Salesforce devine partener pentru revocarea tokenurilor Marketing Cloud găsite în depozitele publice. 🔗 sursă
Metricile AI Scan — În versiune preliminară publică, security overview din GitHub măsoară efectul AI Scan pentru pull requests (rezultate generate și rezolvate, rata de remediere, utilizarea sugestiilor autofix), pentru clienții GitHub Code Security sau GitHub Advanced Security. 🔗 sursă
Setări administrate pentru Copilot — Cu forceRemoteSettingsRefresh, administratorii companiilor obligă Copilot CLI, VS Code și aplicația GitHub Copilot să preia politica curentă la pornire, clientul blocând funcționarea dacă nu o poate confirma; prin cheia sandbox este impusă și o versiune minimă a clientului. 🔗 sursă
Telemetria Copilot — Setarea administrată telemetry.capture.identity, dezactivată implicit, asociază activitatea Copilot unui utilizator în OpenTelemetry (login GitHub, cont de sistem, nume de computer) fără a-i colecta prompturile; cinci clase de captură a conținutului se configurează separat, toate dezactivate implicit. 🔗 sursă
Auditul Code Quality — Respingerea și redeschiderea manuale ale rezultatelor GitHub Code Quality apar acum în jurnalul de audit, cu autorul, ora, depozitul, regula și numărul rezultatelor, pe GitHub Team și GitHub Enterprise Cloud. 🔗 sursă
Alerte Dependabot retrase — Webhook-ul dependabot_alert primește o acțiune withdrawn, iar API-ul REST răspunde cu 410 Gone în loc de 404 pentru o alertă retrasă, diferențiind-o astfel de o alertă care nu a existat niciodată. 🔗 sursă
Registre anonime pentru Dependabot — O metodă de autentificare Anonymous permite declararea, la nivelul organizației, a unui registru privat accesibil fără date de autentificare, precum o oglindă internă deschisă pentru citire; cei care foloseau un token fictiv trebuie să își recreeze registrul. 🔗 sursă
Bugete de facturare GitHub — Pagina Budgets and alerts reunește toate bugetele într-o singură listă, care poate fi filtrată după domeniu, produs, SKU sau utilizator, inclusiv bugetele per utilizator. 🔗 sursă
RSSI-ul Uber și agenții IA — Într-un interviu publicat de claude.com, Philip Martin, RSSI-ul Uber, susține aplicarea unui program de combatere a amenințărilor interne (insider threat program) pentru agenții IA și descrie integrarea Enterprise Frontier Safeguards cu ADR, instrumentul open source al Uber; fără cifre sau anunțuri de produs. 🔗 sursă
Mistral Large 4 pentru ancorare vizuală — Potrivit Mistral, modelul său obține 42 % pe benchmarkul de ancorare vizuală (visual grounding) Dense 200, devansând chiar modele închise de vârf, fără a numi un concurent sau a oferi un scor comparativ; o demonstrație îl prezintă pe desene tehnice. 🔗 sursă
JJ-1 de la JurinAI — Patru modele de decizie cu 0,8 până la 9 miliarde de parametri pentru procesele de afaceri japoneze: potrivit raportului dezvoltatorului (88 813 întrebări), JJ-1-9B atinge 79,20 %, devansând StartLux 9B (78,02 %), Jev 1.13 și Microsoft Decision-1 (76,50 %); ponderi sub CC BY-NC 4.0, fără utilizare comercială. 🔗 sursă
AutoTrust — Două demonstrații online, pentru videoclipuri scurte și știri, își ordonează recomandările folosind un singur model de decizie, fără antrenare sau jurnale: o singură întrebare de selecție pentru întregul lot depășește interogarea fiecărui candidat în parte (AUC 0,931 în 0,42 s față de 0,905 în 1,54 s pe 200 de cazuri); sunt măsurători în afara producției, avertizează autorii. 🔗 sursă
MolmoAct 2 pe primul loc la Datapoint AI — Politica robotică Ai2 conduce clasamentul Datapoint Robot Policy Bench, evaluat după preferințele umane, cu 1 082 de puncte Elo din 21 130 de voturi, înaintea OpenVLA-OFT (1 049) și π0.5-DROID (1 033); acesta este al doilea clasament independent după Reality Check, din 30 septembrie. 🔗 sursă
Molmo2Fish — Ai2 povestește cum Kai Van Brunt (MIT) a antrenat fin Molmo 2 pe videoclipuri sonar pentru a urmări somoni și a-i corecta erorile printr-o simplă instrucțiune; prototipul are rezultate aproximativ la fel de bune ca un sistem specializat, fără cifre publicate, și nu este pus în funcțiune. 🔗 sursă
Recunoaștere vocală pentru controlul traficului aerian — NVIDIA publică două skill-uri care ghidează un agent de programare în antrenarea fină a Nemotron 3.5 ASR: pe un benchmark ATCO2 de două ore, rata de eroare la nivel de cuvânt scade de la 77,00 % la 22,46 %, iar cea pentru engleza generală trece de la 3,50 % la 3,63 %. 🔗 sursă
Post-training la Together AI — Un ghid de rețete Apache-2.0, apărut fără anunț, documentează Together Post Training, unde clientul își scrie bucla de antrenare pe propria mașină, în timp ce Together AI rulează componenta de antrenare și eșantionarea: rețete GRPO, SFT, DPO și multi-LoRA, fără tarife sau cifre. 🔗 sursă
Supabase în Grok Bot — Supabase se alătură rețelei de parteneri SpaceXSI: o cerere făcută în chatul Grok Bot este încredințată lui Cursor, care o execută pe backend prin serverul MCP Supabase; în sesiunile Cursor, doar aproximativ 2 % dintre erori opresc sesiunea, potrivit Supabase. 🔗 sursă
Higgsfield și GPT-6 Astra — Într-un studiu de caz OpenAI, Higgsfield AI arată că videoclipurile sale, limitate la aproximativ un minut înainte de GPT-6 Astra, depășesc acum 10 minute; potrivit CEO-ului său, apelurile de instrumente efectuate de model pentru modelarea 3D ajută la păstrarea coerenței videoclipurilor lungi. Nu sunt oferite cifre privind costurile. 🔗 sursă

Ce înseamnă acest lucru

Lansarea Argon arată cum se răspândește acum un model de frontieră: în ziua disponibilității sale generale, Cursor, Devin, GitHub Copilot și Manus îl adaugă, fiecare cu propriile măsurători, iar aceste cifre nu sunt comparabile între ele. Pe CursorBench 4.0, Argon egalează Opus 5.5 la un nivel mediu de efort, dar costă mai mult per sarcină și rămâne în urmă de îndată ce crește efortul; pe FrontierCode 1.1, benchmarkul Cognition, îl depășește pe GPT-6.1 Sol cu o zecime de punct și rămâne la aproape cinci puncte în urma Claude Opus 5.5; GitHub nu publică nicio cifră. Prețul cântărește la fel de mult ca scorul: 2 și 10 dolari per milion de tokenuri până la 30 noiembrie, apoi dublu. Pentru o echipă care își alege modelul, calculul va trebui refăcut în decembrie.

The X Subscription schimbă poziția Cursor. Editorul este vândut acum în același abonament ca Grok și X Premium, cu o rezervă comună de utilizare și de cel puțin două ori mai multă utilizare pentru programare pe modelele SpaceXSI. Modelele celorlalte laboratoare, precum Gemini 4 Argon, disponibil în aceeași zi în Cursor, rămân accesibile, dar numai de la 30 de dolari pe lună, și sunt facturate la prețul API în afara rezervei. Pentru un abonat nou, oferta orientează așadar către modelele proprii; pentru clienții existenți, nu se schimbă nimic până când SpaceXSI stabilește calendarul migrării pe care o anunță.

Securitatea cibernetică este prezentă pe tot parcursul zilei. Google își justifică măsurile de protecție de nouă generație printr-un rezultat: Argon rezolvă cele 12 scenarii simulate de atac cibernetic, față de 5 pentru generația anterioară. La rândul său, XBOW arată ce permite deja un model accesibil tuturor: un lanț complet de exploatare a Chrome pentru 40 000 de dolari în resurse de calcul. Măsurile de apărare se bazează pe monitorizarea în timp real: trei straturi de protecție în jurul Argon, un clasificator în două etape la Anthropic, care afirmă că reduce cu 90 până la 99 % datele extrase de cei care efectuează distilarea, iar la GitHub, un mic model ModernBERT care înlocuiește un pipeline LLM, cu un timp de analiză redus cu 86 % și un cost de furnizare a serviciului mai mic cu peste 98 %.

În sfârșit, IA locală primește instrumente concrete. Nemotron 3.5 Bolt 74B încape în 24 Go datorită unei cuantizări pe 2 biți, LFM2.5-24B-A2B activează doar 2 miliarde de parametri per token și declară 184 tokens/s pe un Apple M5 Max, iar Llama Windows reduce instalarea llama.cpp la câteva clicuri. Pe partea de servere, NVIDIA deschide codul Run:ai pentru ca partenerii săi să își orchestreze singuri GPU-urile, iar Anthropic arată cu Scion ce efect are ritmul agenților asupra instrumentelor: peste 30 000 de merge-uri pe zi în septembrie, față de 2 500 în mai, au determinat compania să renunțe la git.