ai-powered-markdown-translatorArticol tradus din fr în ro cu gpt-6.1-sol.
Anthropic stabilește prețul ofertei sale publice inițiale la 83 de dolari pe acțiune, peste intervalul de 70 până la 78 de dolari, pentru o ofertă majorată la 980 de milioane de acțiuni și o cotare așteptată la Nasdaq sub simbolul ANT. OpenAI publică noi măsurători ale cercetării sale accelerate de agenți, care îndeplinesc acum singuri 46 % dintre sarcinile de două până la patru ore, și arată cum agenții Codex urmăresc încetinirile ChatGPT. Ideogram 4.6 generează în 4K nativ, Gemini 4 Neon preia conducerea în CursorBench 4.1 și ajunge în GitHub Copilot, Genie 4 devine accesibil dezvoltatorilor la aproximativ 0,10 dolari pe secundă, iar aplicația Gemini pentru Mac învață să folosească computerul.
Finanțe: Anthropic stabilește prețul ofertei sale publice inițiale la 83 de dolari pe acțiune
18 noiembrie — Anthropic a stabilit prețul ofertei sale publice inițiale la 83 de dolari pe acțiune de clasă A, peste intervalul de 70 până la 78 de dolari anunțat la lansarea turneului de prezentări pentru investitori (roadshow), pe 10 noiembrie. Oferta a fost și ea mărită: cuprinde 980 de milioane de acțiuni, față de cele 825 de milioane prevăzute. Anthropic vinde 956 351 354, iar acționarii existenți vând 23 648 646, din care compania nu încasează veniturile. Băncile dispun în plus de o opțiune de 30 de zile pentru 147 de milioane de acțiuni.
| Element al ofertei | Anunțul din 10 noiembrie | Prețul stabilit pe 18 noiembrie |
|---|---|---|
| Preț pe acțiune | 70 până la 78 de dolari | 83 de dolari |
| Acțiuni oferite | 825 000 000 | 980 000 000 |
| dintre care vândute de Anthropic | 801 351 354 | 956 351 354 |
| dintre care ale acționarilor existenți | 23 648 646 | 23 648 646 |
| Opțiunea băncilor (30 de zile) | 123 750 000 | 147 000 000 |
Pe 18 noiembrie, SEC a declarat intrarea în vigoare a documentului de înregistrare. Primele tranzacții erau așteptate pe 19 noiembrie pe Nasdaq Global Select Market, sub simbolul ANT, iar încheierea operațiunii pe 20 noiembrie. Anthropic nu publică nici suma atrasă, nici evaluarea sa. La prețul stabilit, cele 956 351 354 de acțiuni vândute de companie reprezintă aproximativ 79,4 miliarde de dolari brut, o valoare calculată pe baza cifrelor din comunicat. Pentru persoanele fizice din Spațiul Economic European, inclusiv din Franța, prospectul european prevedea un preț final identic cu cel al ofertei americane.
Pe 19 noiembrie, @AnthropicAI a publicat un scurt videoclip, apoi un text al lui Dario Amodei. Conducătorul companiei amintește că el și Daniela Amodei și-au pierdut tatăl din cauza unei boli care a devenit vindecabilă câțiva ani mai târziu. Potrivit lui, o IA suficient de puternică, lucrând împreună cu oamenii, ar putea comprima un secol de progres științific și medical într-un deceniu, chiar dacă rezultatele rămân deocamdată preliminare. El numește riscurile: utilizarea rău intenționată de către persoane sau state, perturbările economice, pierderea controlului asupra sistemelor. Se angajează să regleze ritmul antrenării și implementării modelelor atât timp cât va fi necesar pentru a se asigura că sunt sigure și rămân sub control uman.
We will not bend to either business or political pressure.
🇷🇴 Nu vom ceda nici presiunilor comerciale, nici presiunilor politice. — @AnthropicAI pe X
Pentru Dario Amodei, operațiunea consolidează situația financiară a companiei și, odată cu ea, determinarea sa; el reia ideea unei „curse către vârf” (race to the top).
🔗 Anunțul privind prețul ofertei publice inițiale (Anthropic) · @AnthropicAI pe X: prețul stabilit
Agenții la lucru la OpenAI: raportul despre accelerarea cercetării și Performance Factory
18 noiembrie — La două luni după un prim raport, OpenAI publică noi măsurători ale modului în care propriii agenți îi accelerează cercetarea. Titlul rezumă concluzia: frontiera este neregulată (jagged frontier). Între martie și octombrie, proporția sarcinilor estimate la două până la patru ore de muncă umană pe care agenții le îndeplinesc fără intervenție crește de la 23 % la 46 %, iar pentru sarcinile de patru până la opt ore, de la 13 % la 35 %. Totul depinde de activitate: 79 % rată de reușită la monitorizarea unei antrenări, 72 % la răspunsul la o întrebare tehnică, doar 25 % la scrierea codului de inferență și de serving. OpenAI observă că și sarcinile atribuite s-ar fi putut schimba odată cu modelele.
| Indicator intern OpenAI | Valoare publicată |
|---|---|
| Reușită fără ajutor, sarcini de 2 până la 4 ore | 23 % în martie, 46 % în octombrie |
| Reușită fără ajutor, sarcini de 4 până la 8 ore | 13 % în martie, 35 % în octombrie |
| Cheltuială mediană cu agenții per cercetător și pe zi | 2 400 de dolari în octombrie (+62 %) |
| Cheltuială la percentila 90 | 23 000 de dolari în octombrie (+105 %) |
| Zile-agent per cercetător și pe zi | de la 0,5 la 5,7 |
| Timp documentat pentru siguranță și aliniere | +77 % din ianuarie până în septembrie |
| Frontiera modelelor OpenAI pe indicele OECI | +16,4 puncte pe an, față de 14 observate de Epoch |
Cheltuielile sunt calculate la prețurile de listă ale API-ului, iar cercetătorii nu au o limită de utilizare. Timpul de funcționare al agenților per cercetător a crescut de unsprezece ori; la jumătatea lui octombrie, peste două treimi dintre cercetătorii monitorizați rulau cel puțin patru agenți simultan în momentul de vârf al zilei de lucru. În septembrie, valoarea acestei utilizări reprezenta aproximativ dublul remunerației, fără acțiuni, a organizației de cercetare, în timp ce implementarea internă reprezintă doar 2 % din puterea de calcul destinată cercetării.
Raportul urmărește și originea ideilor. Pentru GPT-6.2 Astra, cercetători din preantrenare au dezvoltat anumite idei dialogând cu Codex, unul dintre ei atribuindu-i intuiții esențiale; cele pentru GPT-6 Astra erau în întregime umane. Pentru a dispune timp de trei luni de agenți de cod mai buni decât GPT-5.2, cercetătorii intervievați ar renunța, în mediană, la 40 % din personalul echipei lor sau la 30 % din puterea ei de calcul. Interviurile amintesc limitele: discernământ modest în alegerea ideilor de cercetare, cod de slabă calitate, ocoluri prin etape inutile, de unde nevoia unei supravegheri umane stricte.
Timpul alocat siguranței și alinierii înregistrează cea mai mare creștere absolută dintre toate domeniile, cu o schimbare de tendință după incidentul Hugging Face din iulie. OpenAI introduce și OECI, un indice derivat din Epoch Capabilities Index, pe care modelele sale obțin rezultate mai bune decât pe indicele Epoch, probabil din cauza combinației de benchmarks, potrivit companiei. În cele din urmă, consideră că laboratoarele ar trebui obligate să urmărească și să publice indicatori de autoîmbunătățire recursivă (recursive self-improvement, RSI), procesul prin care IA accelerează dezvoltarea sistemelor viitoare, precizând totodată că această publicare nu trebuie interpretată drept o intenție de a urmări o RSI completă. Raportul își prezintă cifrele drept o imagine parțială, bazată în parte pe declarații.
🔗 Accelerarea cercetării: frontiera neregulată (OpenAI) · @OpenAI pe X
OpenAI detaliază Performance Factory, unde agenții Codex investighează încetinirile ChatGPT
19 noiembrie — Blogul Engineering al OpenAI oferă un exemplu concret al acestei activități încredințate agenților: Performance Factory, un sistem autonom în cloud în care agenții Codex urmăresc regresiile de performanță ale ChatGPT. O alertă deschide o sarcină, un agent identifică cauza, altul propune o remediere sub forma unui pull request, un inginer decide să îl integreze, apoi un agent verifică după implementare că metricile au revenit la normal. În puțin peste trei luni, acest prim flux a urmărit peste 1 700 de investigații și a găsit cauza în peste 600 de cazuri, adică 17 investigații automatizate pe zi.
Expertiza echipei este cuprinsă într-un skill comun, perf-forensics, care îi indică lui Codex ce instrumente să folosească dintre cele peste 30 de instrumente de performanță. Pentru a evita ca un agent să se oprească la prima explicație plauzibilă, o a doua sesiune Codex încearcă să infirme fiecare diagnostic: din 100 de cauze revizuite manual, 70 % au fost considerate corecte. OpenAI recunoaște că remedierea rămâne etapa cea mai dificilă și studiază detectarea proactivă a regresiilor, precum și livrarea fără intervenție umană a remedierilor cu risc scăzut, fără a anunța un calendar.
🔗 Cum menține Performance Factory de la OpenAI rapiditatea ChatGPT · Firul de postări @OpenAIDevs
Imagini și videoclipuri generative: Ideogram 4.6 în 4K nativ, Kling 4.0 în 4K și HDR pe 10 biți
19 noiembrie — Ideogram lansează Ideogram 4.6, un nou model de imagini care generează direct în 4K, fără mărire (upscaling): fiecare detaliu, de la piele la țesătură, este produs la rezoluție completă. Ideogram afirmă că a lucrat la eliminarea aspectului de „IA” și a pielii cu aspect cerat din imagini, cu pori vizibili, riduri fine și texturi naturale, și anunță o fidelitate mult mai bună a culorilor și a materialelor, vizând comerțul online și fotografia de produs.
Retușarea rămâne în centrul modelului: mult mai puțină derivă a pixelilor (pixel drift) în afara zonei modificate și o generare pornind de la schițe mai fidelă desenului inițial. Ideogram afirmă că versiunea 4.6 se află pe primul loc în clasamentul Rapidata de retușare în mai multe etape (Multi-step Image Edit), înaintea tuturor celorlalte modele, inclusiv Seedream 5.5 și FLUX 3 Image, fără a menționa un scor; versiunea 4.5 revendica deja, pe 10 noiembrie, primul loc într-un clasament Rapidata de retușare succesivă.
| Acces la Ideogram 4.6 | Ce se anunță |
|---|---|
| Aplicația și API-ul Ideogram | disponibile din 19 noiembrie |
| Platforme partenere (12) | Leonardo, Runway, fal, Comfy, Runware, Scenario, Invideo, MyDesigns, Sociaro, Moda, HeyGen și Luma |
| Tarif | niciun tarif în anunț |
| Ponderi deschise | versiune deschisă a 4.6 promisă, fără o dată |
În privința ponderilor deschise, Ideogram își schimbă planul. Întrebat despre cele ale versiunii 4.5, anunțate ca venind „în curând” încă din 30 septembrie, răspunde că va sări peste 4.5 pentru a trece direct la o versiune deschisă a 4.6, fără a oferi o dată. Ideogram 4.0 fusese publicat cu ponderi deschise pe 3 iunie.
We’ll skip 4.5 open and go directly to 4.6 open.
🇷🇴 Vom sări peste versiunea deschisă a 4.5 și vom trece direct la o versiune deschisă a 4.6. — @ideogram_ai pe X
Kling 4.0 trece la 4K nativ cu ieșire HDR pe 10 biți
19 noiembrie — Aceeași evoluție și în zona video: Kling anunță că Kling 4.0 acceptă acum rezoluția 4K nativă și ieșirea HDR pe 10 biți, atât în 4K, cât și în 1080p, pentru mai multe detalii și culori mai bogate. Această ieșire HDR fusese promisă „în curând”, fără o dată, când Kling 4.0 a devenit disponibil pe deplin, pe 15 octombrie; Kling 3.0 genera deja în 4K nativ din 23 aprilie. Anunțul constă într-un singur tweet: niciun articol, nicio notă de versiune, niciun tarif în credite, nicio durată maximă și nicio precizare despre API.
Gemini 4 Neon în Cursor și GitHub Copilot: pe primul loc în CursorBench 4.1, disponibil pentru Pro+, Max, Business și Enterprise
La câteva ore după lansarea sa de către Google, prezentată aici pe 18 noiembrie, Gemini 4 Neon ajunge în instrumentele de cod ale terților. Cursor și GitHub Copilot îl fac disponibil încă din seara de 18 noiembrie; Genspark și Antigravity CLI urmează pe 19 (vezi rubrica Știri pe scurt).
Cursor oferă acces la Gemini 4 Neon, pe primul loc în CursorBench 4.1 cu 65,4 % la nivelul de efort Extra High
18 noiembrie — Potrivit Cursor, Gemini 4 Neon stabilește la nivelul său de efort implicit o nouă frontieră cost-performanță pe CursorBench 4.1: 63,7 % față de 57,3 % pentru Gemini 4 Hydrogen, pe care îl înlocuiește pentru programarea agentică de zi cu zi, Gemini 4 Carbon rămânând recomandat pentru sarcinile cele mai dificile. CursorBench 4.1 este o nouă versiune a benchmarkului, datată în aceeași zi (au fost modificate problemele de respectare a instrucțiunilor și a fost mărit timpul acordat agentului): scorurile sale nu pot fi comparate cu cele ale CursorBench 4.0 publicate pentru Carbon și Hydrogen la începutul lui noiembrie.
| Model și efort (CursorBench 4.1) | Scor | Cost mediu pe sarcină |
|---|---|---|
| Gemini 4 Neon Extra High | 65,4 % | 10,67 dolari |
| Gemini 4 Neon High | 63,7 % | 6,54 dolari |
| Gemini 4 Carbon High | 61,5 % | 8,52 dolari |
| Gemini 4 Hydrogen Extra High | 61,4 % | 8,09 dolari |
| Claude Fable 5.2 Max | 61,3 % | 48,11 dolari |
| Gemini 4 Carbon Medium | 60,4 % | 7,22 dolari |
| Claude Fable 5.2 Extra High | 58,8 % | 17,84 dolari |
| Claude Opus 5.5 Max | 58,1 % | 11,88 dolari |
| Gemini 4 Neon Medium | 57,7 % | 3,07 dolari |
| Gemini 4 Hydrogen High | 57,3 % | 4,57 dolari |
În Cursor, Neon (gemini-4-neon, context de 200K tokens, până la 1M) este facturat cu 3 dolari per milion de tokens la intrare, 0,15 dolari pentru citirea din cache și 15 dolari la ieșire. La fel ca celelalte modele terțe, nu face parte din utilizarea inclusă: costul său este dedus din creditul preplătit al The X Subscription sau din rezerva „Other Models” a vechilor oferte Cursor.
🔗 Anunțul Cursor pe X · Tabelul CursorBench (Cursor)
Gemini 4 Neon ajunge în GitHub Copilot pentru Pro+, Max, Business și Enterprise
18 noiembrie — GitHub lansează Gemini 4 Neon în disponibilitate generală în Copilot, prezentându-l ca pe un model conceput pentru programare agentică, utilizarea instrumentelor în mai mulți pași și muncă intelectuală. Changelog-ul reia argumentele Google: o calitate apropiată de Gemini 4 Carbon, la un cost mai mic în tokens pe sarcină, un răspuns care începe mai repede, mai puține modificări nesolicitate în cod și mai puține afirmații nesusținute despre instrumente sau rezultatele testelor, fără cifre justificative.
Neon este disponibil abonaților Copilot Pro+, Max, Business și Enterprise; planul Pro nu este menționat, deși Gemini 4 Hydrogen ajunsese acolo încă din 13 noiembrie. Funcționează pe zece interfețe: VS Code, Visual Studio, Copilot CLI, agentul de programare, aplicația GitHub Copilot, github.com, GitHub Mobile, IDE-urile JetBrains, Xcode și Eclipse. Este facturat la tariful de listă al furnizorului, în funcție de utilizare, cu o lansare treptată. În companii, este activat automat cât timp activarea implicită a modelelor noi rămâne în vigoare, cu excepția cazului în care administratorul dezactivează acest model.
🔗 Gemini 4 Neon în GitHub Copilot (changelog) · @github pe X
Agenți de programare: Claude Code 2.1.328, Kimi Code 2.7.0, Devin Security Threats, Devin for Databricks Migrations, Amuse și Optimization-Bench de la Replit
Claude Code 2.1.328 deschide modul auto pentru Opus 4.6 și Sonnet 4.6 la furnizorii terți și concentrează /code-review pe buguri
19 noiembrie — Claude Code 2.1.328 cuprinde 144 de modificări, dintre care 91 de remedieri. Modul auto devine disponibil pentru Claude Opus 4.6 și Sonnet 4.6 pe Amazon Bedrock, Google Cloud’s Agent Platform, Microsoft Foundry și gateway-ul Claude apps: o sesiune interactivă lansată fără specificarea unui mod de autorizare pornește acolo direct în modul auto, iar setarea disableAutoMode permite dezactivarea acestuia. Pe 19 noiembrie, pagina de documentație a modurilor de autorizare încă limita modul auto, la acești furnizori, la Sonnet 5 și versiunile ulterioare, Opus 4.7 și versiunile ulterioare, Haiku 5.5 și modelele Fable.
Comanda /code-review mai semnalează, pe majoritatea modelelor, doar bugurile și abaterile de la CLAUDE.md; operațiunile de curățare (reutilizare, simplificare, eficiență) se fac prin /simplify, iar fiecare constatare este marcată Important, Pre-existing sau Nit. Blocarea în caz de eșec ("onFailure": "block"), adăugată pe 8 octombrie pentru hook-urile command și HTTP, se extinde la hook-urile mcp_tool. În terminal, pe API-ul Anthropic, modelul mic și rapid redactează acum rezumatele de progres ale subagenților. Code Mode primește 22 de modificări, inclusiv eliminarea unei pauze de 0,75 secunde după majoritatea scripturilor în modurile auto și bypass, iar runner-ul găzduit pe infrastructura proprie primește 26. Este remediată o regresie din 2.1.327, care elimina setarea de efort a subagenților pe Bedrock, Agent Platform și Foundry; canalul stabil rămâne la 2.1.311.
Kimi Code 2.7.0 oferă suport pentru Amazon Bedrock, Kimi Code Desktop 1.4.0 se conectează la Claude Code, Codex și Cursor
19 noiembrie — Moonshot AI publică Kimi Code 2.7.0 (24 de modificări), prima versiune minoră după 2.6.0 din 12 noiembrie, apoi aplicația Kimi Code Desktop 1.4.0 (34 de modificări), treisprezece minute mai târziu. CLI-ul oferă suport pentru furnizorii Amazon Bedrock, afișează experimental o predicție a următorului prompt după fiecare rundă și adaugă o setare „Follow-up behavior”, al cărei mod Steer face ca tasta Enter să redirecționeze runda în curs, în loc să pună mesajul în coada de așteptare. Pentru automatizare, kimi server pornește serverul local fără să deschidă un browser, iar trei endpoint-uri HTTP noi permit controlarea sesiunilor. Fiecare proiect poate viza propriile gazde SSH; vechile endpoint-uri /api/v2 dispar în favoarea /api/v1, o schimbare de API clasificată totuși ca simplă remediere.
Aplicația desktop se conectează la agenți externi, precum Claude Code, Codex și Cursor, pentru a le transfera sesiuni, a consulta istoricul și a colabora de la o rundă la alta. Adaugă și Qwen Coding Plan printre furnizori.
🔗 Kimi Code 2.7.0 · Kimi Code Desktop 1.4.0
Cognition lansează Devin Security Threats, un index gestionat al vulnerabilităților recente, care pot fi scanate cu un singur clic
19 noiembrie — Cognition adaugă la Devin Security un index gestionat al vulnerabilităților recent dezvăluite. Compania pornește de la două anunțuri ale săptămânii: Java4Shell (17 noiembrie), care afectează mediul de execuție Java, și NGINX2Root (18 noiembrie), cinci buguri de corupere a memoriei în nginx; ambele pot duce la executarea de cod de la distanță. Fiecare amenințare descrie ce este afectat, cum ar exploata-o un atacator și ce o remediază. Cognition publică amenințările asociate dezvăluirilor majore, iar fiecare echipă își poate redacta propriile descrieri pe baza unui raport de bug bounty, a unei notificări de la un furnizor sau a unei analize de incident.
Butonul Scan with Devin lansează o scanare axată pe amenințare în repository-urile alese, apoi Devin deschide pull requests pentru revizuire. În modul Auto-triage, Devin scanează din nou repository-urile selectate la fiecare amenințare nouă care depășește un prag minim de gravitate. Două skill-uri open source scrise în Markdown, fix-nginx-vuln și fix-java-vuln, sunt adăugate pluginului Vulnerability Fixes din Devin Marketplace și pot fi folosite de un alt agent de programare. Nu este anunțat niciun tarif.
🔗 Devin Security Threats (Cognition) · @cognition pe X
Cognition lansează Devin for Databricks Migrations pentru a muta depozitele de date vechi pe Databricks
19 noiembrie — Împreună cu Databricks, Cognition lansează o ofertă dedicată migrării. Devin convertește codul depozitelor de date vechi (Teradata, Oracle, SQL Server, Informatica, Redshift, Snowflake), îl testează în spațiul de lucru al clientului, remediază eșecurile și verifică concordanța fiecărei surse cu copia sa de pe Databricks înainte de comutare: schemă, număr de rânduri, agregate, apoi comparație rând cu rând. Potrivit Cognition, o companie energetică din Fortune 500 a migrat o platformă cu 142 de obiecte către Unity Catalog în opt zile, iar firma Zeb a livrat în două săptămâni și jumătate o migrare NetSuite planificată să dureze patru.
Oferta este disponibilă pe Databricks Marketplace și se deduce din angajamentul de cheltuieli deja semnat cu Databricks (Universal Commit). Cognition mai precizează că folosește Databricks ca furnizor strategic de inferență, pentru modele open source și de frontieră oferite printr-un endpoint unic. Nu este comunicat niciun preț.
🔗 Devin for Databricks Migrations (Cognition)
Replit publică Amuse, un asistent personal open source pe care Missions l-a reconstruit în trei zile
19 noiembrie — După TernSign, Replit prezintă o nouă realizare a Missions, sistemul său de orchestrare a roiurilor de agenți: Amuse, un asistent IA personal open source (Apache 2.0) care rulează pe computerul utilizatorului. Potrivit Replit, roiul a avut provocarea de a reproduce „asistentul IA de referință”, fără să îl numească, și a reușit în trei zile, Security Scanner al platformei fiind folosit apoi pentru remedierea vulnerabilităților găsite.
Amuse efectuează cercetări pe web cu surse, controlează un browser a cărui operare poate fi urmărită și preluată de utilizator, gestionează mementouri și sarcini în fundal și construiește aplicații mici. Memoria sa este stocată în fișiere lizibile, datele de autentificare într-un seif criptat din care modelul vede doar tokens de substituție și cere aprobare înainte de a trimite ceva, de a completa un formular, de a face o plată sau de a crea o programare nouă. „Gratuit” exclude costul modelului: necesită o cheie API OpenAI (GPT-6.2 Sol pentru agent, GPT-6 Luna pentru pașii rapizi) și o bază de date PostgreSQL și rămâne limitat la o singură persoană pe un singur computer, fără servere MCP.
🔗 Anunțul Replit pe X · Repository-ul replit/amuse
Replit publică Optimization-Bench: cel mai bun agent individual nu formează cel mai bun roi
19 noiembrie — Echipa de cercetare Replit publică Optimization-Bench, un benchmark de optimizare a performanței pe versiuni fixate ale unor biblioteci open source, dintre care sunt analizate patru din paisprezece: NumPy, SQLite, SQLGlot și Git. Șase modele au lucrat individual, apoi în roiuri de 8, 16 și 32 de agenți, timp de două ore, evaluarea rulând pe o mașină la care agenții nu aveau acces.
| Măsurătoare Optimization-Bench | Rezultat publicat de Replit |
|---|---|
| GPT-6.2 Astra singur, pe NumPy | de peste 3 ori mai rapid decât Opus 5.5 singur |
| Roiuri de 32 de agenți GPT-6.2 Astra | sub scorul său individual la 3 din 4 sarcini |
| Câștigul median al roiurilor Opus și Sonnet 5.5 | de 1,30 ori scorul lor individual, cu 16 și 32 de agenți |
| Mesaje Opus 5.5 trimise către panoul comun | 82 % |
GPT-6.2 Astra domină individual, dar roiurile sale ating plafonul la 8 agenți. În schimb, roiurile Claude Opus 5.5 și Claude Sonnet 5.5 își depășesc de fiecare dată execuțiile individuale; pe NumPy, Opus trece de la o accelerare de 3,7 ori individual la 18,9 ori într-un roi de 32, o cifră oferită deja la lansarea Missions. Replit atribuie diferența organizării: echipele eficiente scriu pe un panou comun și lasă coordonatorul să distribuie, apoi să integreze rezultatele (în roiul NumPy cu 32 de agenți Opus, acesta nu i-a scris niciodată vreunui agent executant), în timp ce celelalte transformă coordonatorul într-o centrală a cărei căsuță de primire se umple cu fiecare agent adăugat.
🔗 Rezolvarea problemei prin suplimentarea efectivului (Replit) · @Replit pe X
Asistenți pentru publicul larg: computer use în Gemini pentru Mac, ChatGPT Health pe Android, desktop, dots și site-uri
Aplicația Gemini pentru Mac controlează aplicațiile și webul în fundal cu computer use
19 noiembrie — Aplicația Gemini pentru Mac poate acum să folosească computerul (computer use) în locul utilizatorului. Gemini execută în succesiune sarcini cu mai mulți pași folosind fișierele locale, aplicațiile desktop și webul: clicuri, introducere de text, meniuri, formulare. Lucrează într-o fereastră izolată, în fundal, cu o previzualizare în direct în conversație, astfel încât ecranul principal și cursorul pot fi folosite în continuare. Utilizatorul alege aplicațiile accesibile, urmărește fiecare pas, poate pune totul pe pauză și aprobă acțiunile importante înainte de executarea lor.
Exemplele Google merg de la retușarea fotografiilor în loturi până la completarea ofertelor de transport pe baza unor PDF-uri locale, trecând prin realizarea unei prezentări Google Slides pornind de la dashboard-uri; videoclipul publicat pe X transformă o schiță într-un model 3D animabil în Blender. Funcția este lansată treptat în limba engleză în Statele Unite pentru abonații Google AI Plus, Pro și Ultra, pe Mac-uri cu cip Apple Silicon care rulează macOS Sequoia 15.0 sau o versiune ulterioară, cu un cont Google personal și vârsta de cel puțin 18 ani. Pentru dezvoltatori, instrumentul Computer Use din API-ul Gemini este disponibil la scară generală de la sfârșitul lunii octombrie; aplicația pentru publicul larg aduce acum acest control pe Mac-ul utilizatorului.
🔗 Computer use în Gemini pentru Mac (Google) · @GeminiApp pe X
ChatGPT extinde Health pe Android cu Health Connect, în aplicația desktop, la dots și la site-uri
19 noiembrie — Spațiul Health din ChatGPT ajunge în aplicația desktop, la dots, la site-uri și pe Android. Pe Android, se conectează la Health Connect pentru a identifica tendințe legate de somn și activitate. Dots, agenții personali ai ChatGPT, pot propune din proprie inițiativă un alt interval de antrenament atunci când o ședință se suprapune sau pot reaminti opțiuni de prevenție pe baza dosarelor medicale conectate. Pe computer, OpenAI dă exemplul unui site construit pentru a urmări pregătirea pentru maraton. Lansarea este treptată și limitată la Statele Unite, pentru planurile Free, Go, Plus și Pro; dots rămân rezervați planului Pro. Health se găsește în bara laterală sau în meniul Explore.
API-ul Gemini: Genie 4 disponibil dezvoltatorilor, Tool Retrieval în versiune preliminară
Genie 4 ajunge în API-ul Gemini și Google AI Studio, la aproximativ 0,10 dolari pe secundă de lume generată
19 noiembrie — La o zi după sosirea sa în Project Genie pentru abonații Google AI Ultra, Genie 4 devine disponibil dezvoltatorilor în API-ul Gemini, prin Interactions API, și în Google AI Studio, cu un canvas interactiv și aplicații de pornire. Pornind de la un text, o imagine de referință sau ambele, modelul de lume generează un mediu continuu cu sunet sincronizat, de la sunete ambientale la dialoguri; deplasarea se face de la tastatură și, pe parcurs, se pot schimba prin text vremea, iluminarea, obiectele sau evenimentele.
| Caracteristică Genie 4 în API | Valoare documentată |
|---|---|
| Identificatorul modelului | models/genie-4 (Interactions API) |
| Ieșire video și audio | 1280x720, 16:9, 24 images/s, audio stereo 48 kHz |
| Acces | cheie API pentru nivelul cu plată |
| Facturare | 240 tokens video pe cadru, adică aproximativ 0,10 dolari pe secundă |
| Durata unei sesiuni | posibilă degradare după 60 până la 90 s, plafon de 120 s |
| Regiuni de furnizare | Statele Unite, Europa de Vest, Japonia |
Documentația avertizează că închiderea filei nu oprește imediat generarea: numai încheierea explicită a sesiunii (complete()) oprește facturarea. Genie 4 nu păstrează în memorie o scenă 3D: un obiect pierdut din vedere timp de 8 secunde sau mai mult, ori o rotire completă în jurul propriei axe, poate deplasa sau reseta reperele. Fiecare rezultat poartă un filigran SynthID.
🔗 Genie 4 în API-ul Gemini (Google) · Documentația Genie (AI Studio)
API-ul Gemini lansează Tool Retrieval în versiune preliminară, care încarcă schemele instrumentelor la cerere
19 noiembrie — Google adaugă API-ului Gemini căutarea de instrumente pe care o ofereau deja OpenAI și Anthropic. Cu Tool Retrieval, disponibil în versiune preliminară în Interactions API, un agent conectat la zeci sau sute de instrumente nu mai trimite toate schemele lor de parametri la fiecare cerere: este suficient să adăugați un instrument tool_search și să marcați cu defer_loading: true instrumentele care trebuie păstrate în rezervă. Modelul vede doar numele și descrierea lor, solicită un instrument după nume când are nevoie de el, iar API-ul încarcă schema în aceeași cerere, pe server, fără să fie nevoie de construirea unui index.
Mecanismul se extinde la serverele MCP la distanță și respectă cache-ul de prefix, deoarece schemele încărcate sunt adăugate mai târziu în conversație. Echipele care își gestionează propriul registru de instrumente pot executa căutarea pe infrastructura proprie, cu prețul unui schimb suplimentar de cereri și răspunsuri. Tool Retrieval nu este facturat separat: tool_search adaugă un mic bloc fix de tokens de intrare, fiecare schemă încărcată este facturată ca intrare pentru restul conversației, iar Google, care nu publică nicio cifră privind economiile, recomandă măsurarea câștigului pe propriul trafic. Funcția funcționează cu Gemini 3.6 și modelele ulterioare, inclusiv întreaga familie Gemini 4.
🔗 Tool Retrieval în API-ul Gemini (Google)
Voce: GPT-Live-1.1 ajunge în API, cu un mod de așteptare la 0,02 dolari pe minut
19 noiembrie — La puțin peste o lună de la introducerea sa în funcția vocală din ChatGPT Plus și Pro, pe 15 octombrie, GPT-Live-1.1 ajunge în API-ul OpenAI (gpt-live-1.1 pe v1/live/sessions). Modelul îmbunătățește pronunția, consecvența accentului și transcrierea în conversațiile vocale multilingve și se integrează într-o configurație existentă de sesiune Live.
Cea mai concretă noutate este modul de așteptare (standby), disponibil atât pentru GPT-Live-1, cât și pentru GPT-Live-1.1 în sesiunile WebRTC. După o perioadă de tăcere reglabilă între 5 și 60 de secunde, modelul intră în pauză fără a întrerupe apelul, iar tariful pe minut scade de la 0,05 la 0,02 dolari până când cineva reîncepe să vorbească.
| Tip de sesiune GPT-Live | Tarif pe minut |
|---|---|
| Sesiune activă | 0,05 dolari |
| Mod de așteptare (WebRTC, inferență în pauză) | 0,02 dolari |
Utilizarea modelului backend și a instrumentelor rămâne facturată separat, iar cele două versiuni au limite distincte pentru sesiunile simultane. SDK-urile Python 3.56.0 și Node 7.61.0 adaugă modelul, iar OpenAI însoțește lansarea de un ghid despre limbi și accente regionale.
🔗 Anunțul @OpenAIDevs · Fișa GPT-Live-1.1 · Prompting GPT-Live pentru limbi și accente regionale
Hardware și cloud: NVIDIA și Microsoft la Ignite, mini-PC-urile RTX Spark sunt disponibile
NVIDIA și Microsoft își extind colaborarea la Ignite, de la Vera Rubin în Azure la Nemotron 3.5 în Foundry
19 noiembrie — Cu ocazia Microsoft Ignite, NVIDIA detaliază extinderea colaborării sale cu Microsoft într-un articol semnat de Dave Salvator. Sistemele Vera Rubin NVL72 funcționează în centrele de date Azure, iar accesul la mașinile virtuale care le folosesc se extinde; articolul vorbește despre o versiune preliminară Vera Rubin pe Azure, fără o dată de disponibilitate generală.
| Anunț NVIDIA și Microsoft | Stadiu conform articolului |
|---|---|
| VM Azure pe Vera Rubin NVL72 | acces extins, versiune preliminară |
| Nemotron 3.5 Super, Lightning, Embed, Rerank, Parse și Content Safety | gamă extinsă pe Foundry Managed Compute |
| Nemotron 3.5 Bolt și Transcribe | în curând |
| Nemotron 3.5 și modelele Cosmos în Foundry Local | compatibilitate extinsă, inclusiv cu mediile Azure Local |
| Azure Local | GPU RTX PRO 6000 Blackwell în curând, extindere la Jetson Thor și Jetson Orin |
| Direct Stream pe Windows 365 | două fluxuri 4K la 60 cadre/s, versiune preliminară publică la începutul lui 2027 |
| BioNeMo și ALCHEMI în Microsoft Discovery | adăugare în catalog, prima integrare RFD4-Proteina |
Exemplu citat: EY a adaptat modele deschise Nemotron cu Programmed Training, serviciul serverless de post-antrenare din Foundry, pentru a clasifica registre de achiziții; precizia crește cu 55 % pe setul său de evaluare, la un cost de 15 ori mai mic decât cel al modelelor proprietare de vârf, conform articolului. Microsoft AI folosește și NVIDIA Dynamo pentru inferența rulărilor (rollouts) de învățare prin întărire din procesul său de post-antrenare. Articolul reamintește, în final, rezultatele MLPerf ale Azure: până la 10 240 de GPU NVIDIA pe sisteme GB200 NVL72 în Training v6.1, cea mai mare scară din sesiune, iar în Inference v6.1, sistemele GB300 NVL72 din Azure depășesc cu peste 10 % celelalte rezultate cloud înregistrate pentru debitul interactiv pe DeepSeek-R1, conform Signal65. Nu este comunicat niciun preț.
🔗 NVIDIA și Microsoft la Ignite (NVIDIA)
Mini-PC-urile RTX Spark de la ASUS, Dell și MSI sunt disponibile, anunță NVIDIA
18 noiembrie — NVIDIA anunță disponibilitatea mini-PC-urilor desktop RTX Spark de la ASUS, Dell și MSI, precum ASUS ProArt GR1X sau seria MSI EdgeMesa N AI+; cele de la Acer, GIGABYTE și HP sosesc în curând, la fel ca Microsoft Surface RTX Spark Dev Box. Acestea folosesc aceeași platformă ca laptopurile lansate în octombrie: procesor NVIDIA Grace cu 20 de nuclee, GPU Blackwell RTX cu 6 144 de nuclee CUDA, până la 128 Go de memorie unificată și până la 1 petaflop de performanță IA. NVIDIA afirmă că pot rula local modele cu 120 de miliarde de parametri. Nu este precizat niciun preț.
Pe partea de software, Switchyard, care distribuie sarcinile agenților între modele locale și cloud, este disponibil în Hermes. Adobe reduce cu peste 50 % timpul necesar pentru livrabilele H.264 uzuale în Premiere, iar Illustrator, acum nativ pe Windows on Arm, este cu până la 30 % mai rapid decât versiunea sa emulată; Blender 5.3 integrează DLSS 4.5 Ray Reconstruction. Conform anunțurilor de la Ignite, Windows Server 2028 ajunge pe DGX Station for Windows, iar Windows ML rulează orice model GGUF de pe Hugging Face prin llama.cpp.
🔗 Mini-PC-urile RTX Spark sunt disponibile (NVIDIA)
Modele deschise: DaisyRose-27B și adaptorul Hermes îmbunătățesc Qwen3.8-27B, OVHcloud publică Olala mini, PEFT v0.22.0
RadixArk publică DaisyRose-27B, un Qwen3.8-27B ajustat prin RL care își dublează scorul pe Terminal-Bench 4.1
18 noiembrie — RadixArk publică DaisyRose-27B, prezentat drept primul său model: un Qwen3.8-27B reantrenat prin învățare prin întărire cu Miles, framework-ul său open source, pe aproximativ 1 200 de sarcini de agent de lungă durată (până la 1,5 ore și peste 100 de apeluri de instrumente pe încercare), concepute împreună cu Eigent AI pentru a viza erorile modelului original. Ponderile sunt publicate sub licența Apache 2.0 în BF16, FP8 și NVFP4, păstrând contextul de 256K tokens și capacitatea de înțelegere a imaginilor din modelul de bază. Antrenarea a durat 18 zile pe 144 H200.
| Benchmark (scor în %) | Qwen3.8-27B | DaisyRose-27B |
|---|---|---|
| Terminal-Bench 4.1 (pass@1) | 5,6 | 12,0 |
| Terminal-Bench 2.1 | 73,0 | 75,5 |
| DeepSWE v1.1 | 42,2 | 46,2 |
| SWE Bench Pro v2 | 91,3 | 94,7 |
| GPQA Diamond | 89,2 | 90,7 |
RadixArk anunță și o utilizare utilă a GPU-urilor (MFU) de 37 %, față de 16 % pentru sistemul de antrenare open source bazat pe Megatron, ceea ce înseamnă cu 57 % mai puțin timp GPU; acestea sunt cifrele furnizate de dezvoltator.
🔗 DaisyRose-27B (articolul RadixArk) · DaisyRose-27B-NVFP4 (Hugging Face)
Proiectul harness-hub publică adaptorul Hermes pentru Qwen3.8-27B, care crește scorul SWE-Bench Pro de la 29,4 la 43,1 % fără raționament
19 noiembrie — După pi și OpenCode, proiectul harness-hub publică un al treilea adaptor LoRA pentru Qwen3.8-27B, de această dată pentru Hermes, harness-ul de agenți al Nous Research, cu o versiune GGUF.
| Benchmark (pass@1) | Qwen3.8-27B | Cu adaptorul Hermes |
|---|---|---|
| SWE-Bench Pro (51 de sarcini dificile), fără raționament | 29,4 % | 43,1 % |
| SWE-Bench Pro (51 de sarcini dificile), raționament xhigh | 45,1 % | 51,0 % |
| Terminal-Bench 2.1, fără raționament | 44,7 % | 58,8 % |
| Terminal-Bench 2.1, raționament xhigh | 58,8 % | 57,6 % |
Principalul avantaj este eficiența: fără raționament, adaptorul egalează modelul de bază cu raționament xhigh, folosind de 3,5 până la 4,4 ori mai puțini tokens. Cu un buget de 10 000 de tokens pe sarcină, rezolvă 51 % din Terminal-Bench 2.1 și 39 % din SWE-Bench Pro, față de 28 % și 0 % pentru modelul de bază în xhigh. Metoda (AsyncGRPOTrainer din TRL, OpenEnv, safeagents) urmează să fie detaliată într-un articol anunțat pentru vineri.
🔗 Anunțul @yb2698 pe X · Qwen3.8-27B-hermes-adapted (Hugging Face)
OVHcloud publică ponderile Olala mini 7A1B pe Hugging Face, cu un scor mediu de 68,0 pe douăsprezece benchmark-uri
19 noiembrie — Anunțat pe 17 noiembrie, Olala mini 7A1B, modelul care inaugurează prima familie de modele de limbaj a OVHcloud, poate fi acum descărcat de pe Hugging Face sub licența Apache 2.0, în versiuni de bază, SFT, GGUF și MLX.
| Caracteristică Olala mini 7A1B | Valoare publicată |
|---|---|
| Parametri | 6,8 miliarde, dintre care aproximativ 1 miliard activ per token |
| Arhitectură | hibridă Mamba-3 și atenție cu amestec de experți, cache KV pe 7 straturi din 36 |
| Context | 32K tokens, versiune de 128K anunțată în curând |
| Antrenare | 12,8T tokens, în engleză și alte 36 de limbi |
| Amprentă estimată | aproximativ 40 t de CO2 și 1,16 GWh |
| Medie pe douăsprezece benchmark-uri | 68,0, cu 15,2 puncte peste checkpoint-ul SFT |
Modelul a fost antrenat pe trei supercalculatoare publice europene, JUPITER (inclusiv 1 024 de GPU GH200), Jean Zay și MeluXina. Acesta raționează înainte de a răspunde, cu patru niveluri de efort, și a fost antrenat prin întărire să apeleze instrumente; punctul său forte este respectarea instrucțiunilor, iar punctul slab, matematica de concurs.
🔗 @OVHcloud pe X · Olala-v1.0-mini-7A1B (Hugging Face)
Hugging Face publică PEFT v0.22.0, cu metodele PaCA, Astra și NoRA, înainte de PEFT 1.0
19 noiembrie — Biblioteca Hugging Face pentru ajustare fină cu un consum redus de resurse trece la v0.22.0. Aceasta adaugă PaCA (Partial Connection Adaptation), care nu adaugă straturi de adaptor, ci ajustează direct coloane de intrare alese aleatoriu din ponderile preantrenate: conform articolului original, metoda necesită cu 22 % mai puțin timp de antrenare și cu 16 % mai puțină memorie decât LoRA, la o precizie comparabilă. Două noi metode de inițializare pentru LoRA, Astra și NoRA, completează versiunea, care îmbunătățește și paralelismul tensorial și FSDP2 și adaugă o verificare a stării modelului. PEFT necesită acum Python 3.11, iar notele anunță că următoarea versiune va fi 1.0, cu o curățare a API-ului și câteva mici modificări incompatibile cu versiunile anterioare, precedată de o versiune candidată (release candidate).
Știință: Ai2 lansează Theorizer în Asta, un agent care propune teorii corelate cu publicațiile
19 noiembrie — Ai2 pune Theorizer la dispoziție în Asta, platforma sa de agenți pentru cercetare științifică, și îi publică codul sub licența Apache-2.0. Agentul parcurge literatura de specialitate, stabilește ce trebuie extras din fiecare articol, compară rezultatele și formulează teorii în care fiecare afirmație trimite la articolele care o susțin; le semnalează pe cele pe care le consideră noi, avertizând că o căutare poate omite lucrări anterioare. Ai2 ilustrează acest lucru prin cazuri reale: în adenocarcinoamele pulmonare fără mutație driver cunoscută (aproximativ 20 până la 30 % din cazuri), o pistă preliminară privind dependența de proteina CDK2, care rămâne de validat în laborator; 50 de teorii candidate despre interneuronii VIP pentru un cercetător în neuroștiințe de la Allen Institute care se aștepta la una sau două. Costurile utilizării în Asta sunt acoperite de Ai2 până la o limită de tokens, articolul tehnic a fost publicat la ACL 2026, iar un webinar este programat pentru 10 decembrie.
🔗 Theorizer în Asta (Ai2) · Depozitul allenai/asta-theorizer
IA în companii: Sakana AI și Salesforce semnează un memorandum de înțelegere pentru sectorul public japonez
19 noiembrie — Sakana AI anunță un memorandum de înțelegere cu Salesforce în vederea integrării modelelor sale de IA în software-ul companiei americane, pentru administrațiile publice și autoritățile locale japoneze. Obiectivul declarat este de a contribui la eficiența administrativă și la transformarea digitală a acestor instituții, iar Sakana AI afirmă că dorește să continue dezvoltarea unor tehnologii adaptate nevoilor sectorului public japonez. Tweetul, în japoneză, preia o știre a agenției de presă Jiji; anunțul nu precizează niciun calendar, niciun produs anume și nicio sumă.
Știri pe scurt
Gemini 4 Neon pe alte platforme
- Antigravity CLI 1.5.12 — Gemini 4 Neon devine accesibil cu o simplă cheie API Gemini (
GEMINI_API_KEY), la toate cele patru niveluri de raționament; vizualizarea în browser a Remote Control afișează mai multe conversații una lângă alta, iar/forkdurează câteva secunde în loc de până la o oră. 🔗 sursă - Genspark — Gemini 4 Neon ajunge în AI Chat și Code Agent, cu argumentele de promovare ale Google (locul 3 în clasamentul general Artificial Analysis la nivelul de efort xhigh, locul 1 în indicele său pentru agenți de programare, cost per sarcină cu 50 până la 80 % mai mic decât al celor mai bune modele), fără precizări despre abonamente sau credite. 🔗 sursă
Agenți de programare și instrumente de dezvoltare
- Codex CLI 0.172.0-alpha.2 — Notele acestei versiuni preliminare sunt goale; potrivit titlurilor celor 62 de commituri, aceasta pregătește completarea argumentelor comenzilor slash, pornirea la cerere ca opțiune implicită pentru serverele MCP locale și linii de stare personalizate în
/experimental. Conținutul se poate schimba înainte de versiunea stabilă. 🔗 sursă - Codex pe iOS — Versiunea 1.2026.314 a ChatGPT pentru iOS salvează conversațiile laterale pe computerul asociat, adaugă un selector pentru lansarea unei sarcini în cloud sau pe un computer și într-un anumit proiect și îi numără doar pe subagenții încă activi. 🔗 sursă
- Copilot CLI 1.0.115 și Copilot SDK 2.0.2 — Două versiuni preliminare ale CLI corectează, printre altele, conectarea la serverele MCP care omit un scope pentru tokenul de reîmprospătare; versiunea preliminară 2.0.2-preview.0 a SDK elimină din ancorele de încredere, pe macOS și Linux, cele 16 chei semnalate ale autorității de certificare eMudhra. Versiunea stabilă rămâne 1.0.114. 🔗 sursă · 🔗 Copilot SDK
- GitHub CLI 2.105.0 — În versiunea preliminară,
gh event listenașteaptă un eveniment de pull request (revizuire, conflict, commit nou, check suite finalizată) în loc să verifice repetat dacă acesta a avut loc, iar atâtgh pr, cât șigh runrecomandă acum această comandă agenților; accesul la Event Streams se face încă printr-o listă de așteptare. 🔗 sursă - Conectorii MCP ai Copilot — Opt servicii verificate de GitHub se adaugă celor peste 25 existente, în versiune preliminară publică pentru toate abonamentele: Box, Buildkite, Calendly, ClickUp, Mixpanel, Supabase, Webflow și Wix. 🔗 sursă
- Gemini CLI v0.69.0 și v0.70.0 — După nouă zile fără o versiune nouă, două versiuni stabile apar în aceeași zi, iar v0.70.0 include corecțiile de securitate ale motorului de reguli integrate începând din 10 noiembrie; versiunea preliminară v0.71.0-preview.0 face asincronă analiza comenzilor PowerShell. 🔗 sursă · 🔗 v0.71.0-preview.0
- CLI mistral 0.19.0 și 0.20.0 —
mistral ocr processconvertește un document sau o imagine în Markdown ori în date structurate,mistral evals judgeîi cedează locul luimistral evals scorer, iarmistral agents initcreează acum un proiect autonom al SDK Agents, fără cheie API. 🔗 sursă · 🔗 0.20.0 - Delta 0.28 — Mediul Zed pentru programare cu agenți caută în firele de conversație din întreaga organizație și activează implicit compactarea ușoară, care elimină rezultatele vechi ale instrumentelor fără a apela un model. 🔗 sursă
- Amp pentru Windows — Pe 17 noiembrie, la zece zile după o versiune experimentală, Amp își anunță aplicația Windows, nativă pe x64 și Arm, cu un runner integrat, pachete MSIX care pot fi implementate prin Intune și setări prin politici de grup. 🔗 sursă
- Warp Learn — Warp lansează un curs gratuit, Build a Self-Improving Software Factory, susținut de Ben Holmes: două dintre cele trei module sunt disponibile online, de la bucla de dezvoltare cu agenți până la corecțiile declanșate de monitorizarea erorilor. 🔗 sursă
- DevinDash — Cognition oferă o variantă a Devin Bots sub forma unui șablon care comandă mese prin serverul MCP al DoorDash; startupurile din Devin for Startups care au participat la sesiunile de consultanță (office hours) din San Francisco sau New York pot primi un credit DoorDash de 1 000 de dolari. 🔗 sursă
API și platforme
- Agent API de la Perplexity — Nivelul de efort xhigh trece la GPT-6.2 Sol, fără model de rezervă, în locul Claude Opus 5.5; fixarea la versiunea
xhigh@2026-11-11.0păstrează configurația anterioară. 🔗 sursă - Qwen4-Max la Together AI și Nous Portal — Together AI oferă acces la modelul de vârf al Alibaba (MoE cu 2,4T parametri, dintre care 71B activi, context de 1M) cu o reducere de 30 %, iar Nous Research îl oferă gratuit timp de cinci zile în Nous Portal cu Inferact, fără precizări despre data de încheiere sau limitele de utilizare. 🔗 Together AI · 🔗 Nous Research
Asistenți și companii
- ChatGPT adaugă un plugin Accounting pentru reconcilieri și închideri lunare în aplicația desktop — Pluginul ajută la reconcilierea tranzacțiilor, la redactarea înregistrărilor contabile de facturare și la pregătirea rapoartelor de sfârșit de lună; folosește controlul computerului pe macOS sau Windows, cu aprobarea unui administrator în Enterprise (notele de lansare ChatGPT din 18 noiembrie, în linkul de mai sus).
- Perplexity Brain — Perplexity distribuie pe X skillurile personale scrise de Brain și anunță acolo funcția pentru toți abonații individuali și de companie din Statele Unite, deși articolul său vorbește despre abonații Max; în testul randomizat, 72,9 % dintre utilizatorii cu îmbunătățirea automată au obținut un skill personal nou, față de 6,5 % din grupul de control. 🔗 sursă · 🔗 articol
- RAG as a service — Perplexity publică un ghid despre RAG oferit ca serviciu și clasifică șapte furnizori, cu Perplexity Enterprise pe primul loc, înaintea AWS Bedrock, OpenAI, Azure AI Search, Pinecone, LlamaIndex și Vectara; clasamentul îi aparține Perplexity. 🔗 sursă
- Sumitomo Life — Compania japoneză de asigurări de viață, care a trecut la ChatGPT Enterprise în iunie 2026, anunță o rată de utilizare săptămânală de peste 80 % și un randament al investiției estimat, pe baza economiilor de timp declarate, la 203 % per ansamblu și la 524 % în medie în rândul angajaților care îl folosesc de cel puțin 101 ori pe lună. 🔗 sursă
- SSO pentru membrii externi — Proprietarii spațiilor ChatGPT Enterprise, Edu și Healthcare pot excepta de la SSO membrii externi al căror domeniu nu este verificat; excepția se aplică unui singur spațiu și dispare la plecarea membrului. 🔗 sursă
- Candid Health și ElevenAgents — Platforma americană de gestionare a ciclului de venituri încredințează agenților vocali ElevenLabs apelurile către asigurători privind refuzurile de rambursare: 12 860 de apeluri, peste 850 de ore economisite pe lună și 59 % dintre apelurile pilot rezolvate, cu o integrare realizată în 48 de ore. 🔗 sursă
- Enterprise Live Migrations — Din afara IA: migrările continue din Azure DevOps Services către GitHub Enterprise Cloud cu rezidență a datelor devin disponibile general, istoricul Git, ramurile, tagurile și pull requesturile rămânând sincronizate până la comutare. 🔗 sursă
- Runner-ele RHEL din GitHub Actions — Din afara IA: imaginile Red Hat Enterprise Linux 9 și 10 pentru larger runners găzduite devin disponibile general pentru abonamentele Team și Enterprise Cloud. 🔗 sursă
Modele deschise, cercetare și simulare
- Deep Research de la Genspark — Genspark distribuie o cercetare publicată de Baseten pe 10 noiembrie: un Qwen3.5-397B antrenat suplimentar pentru cercetare aprofundată atinge 0,759 pe graderul intern Genspark, față de 0,612 pentru modelul de bază și 0,738 pentru Opus 5.5; devine modelul implicit al agentului, iar Genspark păstrează ponderile. 🔗 sursă · 🔗 articolul Baseten
- Muse Wonder în testul BAR — Meta distribuie clasamentul din noiembrie al Legora, o platformă de IA juridică, în care Muse Wonder obține cel mai bun scor de calitate generală și conduce la patru tipuri de sarcini, inclusiv analiză și extracție. 🔗 sursă
- Clairic — O demonstrație a Clairic, modelul de extracție structurată tipizată cu 27 de miliarde de parametri publicat de Cloudflare pe Hugging Face, este disponibilă pe Hub; modelul datează din 16 octombrie, iar versiunea sa Flash din 12 noiembrie. 🔗 sursă
- Gemma 4 E2B la Airbnb — Potrivit contului Gemma al Google, Airbnb a folosit Gemma 4 E2B pentru clasificarea regulilor pe un singur GPU RTX Pro 6000: scor F1 maxim de la 0,563 la 0,902, latență mediană de 35 ms față de aproximativ 900 ms pentru modelele de frontieră, la aproximativ 1 % din costul acestora la volume mari. 🔗 sursă
- Atto — NeuML publică o familie de modele foarte mici pentru căutare documentară, de la 840 de parametri la 28 de milioane: modelul dens cu 90 000 de parametri atinge 0,4257 la nDCG@10 pe un subset BEIR, față de 0,4802 pentru all-MiniLM-L6-v2, de aproximativ 256 de ori mai mare. 🔗 sursă
- ja-NCM — Un dezvoltator publică un mic model japonez cu ponderi deschise, care generează textul prin concepte în loc de token cu token: potrivit acestuia, de aproximativ 6 ori mai rapid decât un model autoregresiv și de 2,4 ori mai rapid decât un model de difuzie, la o calitate comparabilă. 🔗 sursă
- Into the Omniverse — NVIDIA republică pentru a treia oară articolul său despre simulările construite de agenți, cu exemple noi: gemenii digitali ai unor amplasamente industriale realizați de Falkor (KONGSBERG) cu GPT-6 Astra și o unitate de terapie intensivă asamblată de Claude Code, în care 766 de roboți Microduck din 768 rămâneau în picioare. 🔗 sursă
Ce înseamnă toate acestea
Etapele financiare și tehnice ale laboratoarelor de vârf sunt însoțite acum de angajamente privind siguranța. Anthropic își stabilește prețul peste intervalul indicat și își mărește oferta de la 825 la 980 de milioane de acțiuni; a doua zi, Dario Amodei promite să adapteze ritmul antrenării și implementării până se asigură că modelele sunt sigure și rămân sub control uman, fără a ceda presiunilor comerciale sau politice. OpenAI, care măsoară ponderea în creștere a cercetării sale încredințate agenților, cere ca laboratoarele să fie obligate să publice indicatori de autoîmbunătățire recursivă. Ambele discursuri răspund aceleiași întrebări: cum să demonstreze că siguranța ține pasul atunci când resursele și capacitățile cresc atât de rapid.
Agenții realizează acum o parte măsurabilă din munca laboratoarelor înseși. La OpenAI, aceștia finalizează singuri aproape jumătate dintre sarcinile de două până la patru ore și reprezintă, ca valoare mediană, 2 400 de dolari per cercetător pe zi la prețul de listă; Performance Factory le încredințează 17 investigații pe zi privind încetinirile ChatGPT. Replit arată că organizarea contează la fel de mult ca modelul: cel mai bun agent individual formează roiuri de agenți mai slabe decât Claude Opus 5.5, care se coordonează printr-un panou comun. Peste tot, oamenii păstrează puterea de decizie: un inginer integrează corecțiile Performance Factory, cercetătorii OpenAI supraveghează îndeaproape, iar Devin deschide pull requesturi pentru revizuire.
Facturarea se bazează tot mai mult pe utilizarea efectivă. Gemini 4 Neon este vândut în Cursor în funcție de costul per sarcină, de la 3,07 dolari la nivelul de efort Medium la 10,67 dolari la Extra High; Genie 4 este facturat la secundă de lume generată, aproximativ 0,10 dolari, iar tariful GPT-Live scade la 0,02 dolari pe minut când nu vorbește nimeni. Tool Retrieval, la fel ca echivalentele sale de la OpenAI și Anthropic, urmărește același obiectiv pentru dezvoltatori: să plătească în tokens doar pentru schemele instrumentelor utilizate efectiv.
În cazul modelelor deschise, efortul se concentrează pe ceea ce se poate obține dintr-o bază existentă. DaisyRose-27B și adaptorul Hermes pornesc ambele de la Qwen3.8-27B: primul își dublează scorul pe Terminal-Bench 4.1 prin învățare prin întărire, iar al doilea egalează modul de raționament maxim cu de 3,5 până la 4,4 ori mai puțini tokens. PEFT își pregătește versiunea 1.0 pentru a oferi instrumentele necesare acestor ajustări fine, OVHcloud publică un model european antrenat pe supercomputere publice împreună cu amprenta sa de carbon, iar Ideogram promite ponderile versiunii sale 4.6. Aceste cifre rămân cele raportate de furnizori.
Surse
- Anunț privind prețul ofertei publice inițiale (Anthropic)
- @AnthropicAI pe X: prețul stabilit
- @AnthropicAI pe X: textul lui Dario Amodei
- Accelerarea cercetării: frontiera neregulată (OpenAI)
- @OpenAI pe X: accelerarea cercetării
- Cum menține Performance Factory de la OpenAI viteza ChatGPT (OpenAI)
- @OpenAIDevs pe X: Performance Factory
- @ideogram_ai pe X: Ideogram 4.6
- @ideogram_ai pe X: ponderile deschise ale versiunii 4.6
- @Kling_ai pe X: 4K și HDR pe 10 biți
- @cursor_ai pe X: Gemini 4 Neon în Cursor
- CursorBench (Cursor)
- Gemini 4 Neon în GitHub Copilot (changelog GitHub)
- @github pe X: Gemini 4 Neon
- Claude Code v2.1.328
- Kimi Code 2.7.0
- Kimi Code Desktop 1.4.0
- Devin Security Threats (Cognition)
- @cognition pe X: Devin Security Threats
- Devin pentru migrări Databricks (Cognition)
- @Replit pe X: Amuse
- Repository replit/amuse (GitHub)
- Rezolvarea problemei prin creșterea numărului de angajați (Replit)
- @Replit pe X: Optimization-Bench
- Computer use în Gemini pentru Mac (Google)
- @GeminiApp pe X: computer use
- Note de versiune pentru ChatGPT
- Genie 4 în API-ul Gemini (Google)
- Documentația Genie (AI Studio)
- Tool Retrieval în API-ul Gemini (Google)
- @OpenAIDevs pe X: GPT-Live-1.1
- Fișa GPT-Live-1.1 (OpenAI)
- Prompting pentru GPT-Live în diferite limbi și cu accente regionale (OpenAI)
- NVIDIA și Microsoft la Ignite (NVIDIA)
- Mini-PC-uri RTX Spark disponibile (NVIDIA)
- DaisyRose-27B (articol de la RadixArk)
- DaisyRose-27B-NVFP4 (Hugging Face)
- @yb2698 pe X: adaptor Hermes
- Qwen3.8-27B-hermes-adapted (Hugging Face)
- @OVHcloud pe X: Olala mini 7A1B
- Olala-v1.0-mini-7A1B (Hugging Face)
- PEFT v0.22.0
- Theorizer în Asta (Ai2)
- Repository allenai/asta-theorizer (GitHub)
- @SakanaAILabs pe X: memorandum de înțelegere cu Salesforce
- Changelog pentru Antigravity
- @genspark_ai pe X: Gemini 4 Neon
- Codex CLI 0.172.0-alpha.2
- Changelog pentru Codex, ChatGPT pentru iOS 1.2026.314
- Copilot CLI 1.0.115-1
- Copilot SDK 2.0.2-preview.0
- Așteptarea evenimentelor unui pull request cu GitHub CLI (changelog GitHub)
- Conectori Supabase, Box, Calendly și alții pentru Copilot (changelog GitHub)
- Gemini CLI v0.70.0
- Gemini CLI v0.71.0-preview.0
- CLI mistral 0.19.0
- CLI mistral 0.20.0
- Note de versiune pentru Delta 0.28.0
- Amp pentru Windows (Amp)
- Warp Learn (Warp)
- @cognition pe X: DevinDash
- Changelog pentru API-ul Perplexity
- @togethercompute pe X: Qwen4-Max
- @NousResearch pe X: Qwen4-Max în Nous Portal
- @perplexity_ai pe X: skills personale pentru Brain
- Skills care se îmbunătățesc singure (Perplexity)
- RAG ca serviciu (Perplexity)
- Studiu de caz Sumitomo Life (OpenAI)
- Note pentru ChatGPT Enterprise și Edu (OpenAI)
- Candid Health (ElevenLabs)
- Enterprise Live Migrations din Azure DevOps (changelog GitHub)
- Imagini pentru runners RHEL în disponibilitate generală (changelog GitHub)
- @genspark_ai pe X: model de Deep Research cu Baseten
- Baseten și Genspark antrenează un model de cercetare (Baseten)
- @AIatMeta pe X: Muse Wonder pe platforma de testare BAR
- @HuggingApps pe X: Clairic
- @googlegemma pe X: Gemma 4 E2B la Airbnb
- Atto (NeuML, Hugging Face)
- ja-NCM (Hugging Face)
- În Omniverse (NVIDIA)