OpenMOSS presenterar MOSS-Live, Antigravity beskriver sitt röstläge, NVIDIA släpper CUDA 13.5 och GitHub beskriver Rubicon

Rösten blir ett sätt att styra agenter: OpenMOSS presenterar MOSS-Live, ett system som lyssnar, talar och startar verktyg samtidigt, och Antigravity beskriver sitt röstläge med Gemini Live, både i applikationen och i terminalen. NVIDIA stärker mjukvarulagret för sina GPU:er med CUDA 13.5, den kollektiva operationen Reshard för förstärkningsinlärning och FLUX 3 Image Klein som accelereras på Blackwell. GitHub beskriver Rubicon, sitt nya Git-lagringssystem som testats med 5 000 agenter i ett repository, och gör Copilot till ett teamverktyg, med code review som kan styras via API och @GitHub som blir allmänt tillgänglig i Slack och Teams.

Rösten styr agenterna: OpenMOSS MOSS-Live och Antigravitys röstläge med Gemini Live

De två tillkännagivandena bygger på samma arkitektur: en modell för samtalet i förgrunden medan en agent arbetar i bakgrunden, som i röstchatten som Cursor lanserade den 6 november med Grok Voice.

OpenMOSS presenterar MOSS-Live, ett röstsystem med full duplex som ser, lyssnar och startar verktyg

7 november — OpenMOSS-teamet presenterar MOSS-Live, ett system för samtal i realtid som lyssnar och talar samtidigt (full duplex, full-duplex), förstår vad kameran eller skärmdelningen visar och överlåter sökningar och långvariga uppgifter till en andra modell utan att avbryta samtalet. I inlägget av Chen Yang på Hugging Faces communityblogg avgör en interaktionsmodell i förgrunden om den ska svara, vänta eller lämna över ordet, en bakgrundsmodell resonerar och anropar verktygen, och ett samordningslager delar minne och uppgifternas status. MOSS-Live ska kunna skilja ett ”mm-hmm” från ett verkligt avbrott, ignorera tal som inte riktas till systemet och hantera simultantolkning.

Benchmark och mätvärde (enligt OpenMOSS)	MOSS-Lives resultat	Bästa angivna konkurrent
FDB v3, lyckade verktygsanrop	51,00 %	51,00 % (Doubao SeedDuplex)
τ-Voice, uppgifter över flera samtalsturer (pass¹)	57,93 %	67,68 % (GPT-Live-1)
τ-Voice, selektivitet för tal som inte riktas till systemet	78,90 %	66,99 % (GPT-Live-1)
Big-Bench Audio, träffsäkerhet	88,40 %	90,50 % (Doubao SeedDuplex)
FDB v3, latens i verktygsscenario	2,36 s	1,61 s (GPT Realtime 2.1)

MOSS-Live är ingen öppen modell: dess GitHub-repository innehåller bara dokumentationen, utan licens eller vikter. Systemet kan provas i en testmiljö online (playground) och integreras via ett realtids-API på MOSS-plattformen.

🔗 MOSS-Live på Hugging Face-bloggen · Dokumentation för MOSS-Live på MOSS-plattformen

Antigravity beskriver sitt röstläge med Gemini Live, i applikationen och i Antigravity CLI 1.5.0

6 november — Antigravitys blogg beskriver röstläget (voice mode) som började rullas ut i applikationens version 2.29.0 den 3 november. Gemini Live hör rösten direkt, utan att gå via en transkription, svarar i realtid och kan avbrytas: man ger en uppgift, ändrar inriktningen medan den utförs (”Vad gör du?”, ”stopp”) och svarar muntligt på förfrågningar om tillstånd. Inlägget tillför något som inte framgick av ändringsloggen: läget fungerar även i Antigravity CLI, från version 1.5.0.

Destructive actions, such as deleting files, running commands with elevated privileges, or force-pushing to a Git remote, can’t be approved by voice.

🇸🇪 Destruktiva åtgärder, som att radera filer, köra kommandon med förhöjda behörigheter eller tvinga igenom en push till ett fjärranslutet Git-repository, kan inte godkännas med rösten. — Antigravity-bloggen, Röstläge i Antigravity

Inställning eller begränsning	Värde som anges av Antigravity
Start i CLI	`/voice live` eller F6 ; `agy mic-serve` via SSH
Röster och talhastighet	9 röster ; från 0,75x till 2x i applikationen, från 0,5 till 3 i CLI
Statusuppdatering på begäran	ungefär var 30:e sekund (”håll mig uppdaterad”)
Samtal i röstläge	ett åt gången, endast lokalt

Röstläget fungerar varken i Remote Control, i samtal som körs i molnet eller i en session med en fjärragent, och mikrofonljudet skickas till Googles servrar. Inga abonnemang nämns: dokumentationen upplyser bara om att läget kanske ännu inte är tillgängligt för alla konton.

🔗 Tillkännagivande från @antigravity på X · Dokumentation för röstläget

Mjukvaran för NVIDIA:s GPU:er: CUDA 13.5, NCCL M2N Reshard och FLUX 3 Image Klein på Blackwell

CUDA 13.5 gör stödet för Vera Rubin allmänt tillgängligt

4 november — NVIDIA släpper CUDA 13.5. Den viktigaste nyheten: stödet för arkitekturen Vera Rubin går från tidig åtkomst för utvecklare till allmän tillgänglighet (general availability) och är enligt NVIDIA redo för produktion i företag. Windows on Arm, som varit allmänt tillgängligt sedan CUDA 13.4, utökas till DGX Station med Windows, och på Rubin överges TCC-läget till förmån för WDDM och MCDM. För delning av GPU:er går MPS till version 3 (viktade tidsintervall, utlåning och inlåning av multiprocessorer (SM) mellan partitioner, routning via cgroup v2); CUDA Tile får kommunikation mellan flera GPU:er i kärnorna.

Bibliotek eller verktyg	Nyhet som NVIDIA tillkännager
CCCL 3.5	Top-K i batcher, redan integrerat i FlashInfer ; reproducerbara flyttalsskanningar
cuBLAS	snabbare NVFP4- och MXFP8-multiplikationer på Vera Rubin, utan angivna siffror
cuSPARSE	1,65 till 2,27 gånger snabbare produkter av glesa matriser
Nsight Perf SDK for AI	offentlig förhandsversion, kontinuerlig profilering av långa träningskörningar
Compute Sanitizer	skill som hjälper kodningsagenter att diagnostisera minnesfel

🔗 NVIDIA CUDA 13.5 ger allmänt tillgängligt stöd för NVIDIA Vera Rubin

NCCL M2N Reshard gör överföringen av vikter vid förstärkningsinlärning 2,7 till 5,7 gånger snabbare

6 november — Vid förstärkningsinlärning (reinforcement learning, RL) måste inferens-GPU:erna som genererar trajektorier regelbundet ta emot de vikter som tränings-GPU:erna uppdaterat: detta är viktuppdateringen (refit). Den vanliga metoden samlar först ihop varje parameter och distribuerar den sedan (gather-and-broadcast), vilket innebär att ungefär två gånger modellens storlek överförs i varje steg, nära 11,2 TB för Kimi K3 enligt NVIDIA. Reshard, en ny typ av kollektiv kommunikation, behandlar uppdateringen som en ompartitionering av en distribuerad tensor: varje GPU tar bara emot sin del, en enda kopia passerar nätverket per NVLink-domän, och sedan kompletterar GPU:erna varandra via NVLink.

Referensimplementationen NCCL M2N Reshard är open source och integrerad i NeMo RL, där den överför vikterna för feed-forward-lagren (feed-forward), omkring 95 % av parametrarna. Enligt NVIDIA blir viktuppdateringen 2,7 till 5,7 gånger snabbare:

Testplattform	Tränad modell	Klassisk metod	Med Reshard
DGX H100	Qwen 3 235B	6,4 s	1,9 s
DGX H100	DeepSeek V3 671B	14,9 s	2,6 s
DGX GB200	DeepSeek V3 671B	6,1 s	2,3 s
DGX GB200	Nemotron Ultra v3	8,2 s	2,3 s

🔗 Snabbare viktuppdatering vid förstärkningsinlärning med den kollektiva operationen Reshard · Repository NVIDIA/nccl-extensions

FLUX 3 Image Klein upp till 4,45 gånger snabbare på Blackwell med TensorRT LLM VisualGen

6 november — NVIDIA publicerar en handledning om FLUX 3 Image Klein, Black Forest Labs bildmodell med öppna vikter, i TensorRT LLM VisualGen, TensorRT LLM:s runtime för visuell generering. På en enda B200-GPU, i 2048x2048, gör kombinationen av optimeringar (kompilering, NVFP4-vikter, gles attention med Sol-Attention, Cache-DiT-cache) Klein Base upp till 3,46 gånger snabbare för text till bild och 4,45 gånger snabbare för bild till bild, jämfört med okompilerad BF16-inferens.

Uppmätt konfiguration (2048x2048)	Okompilerad BF16-inferens	Efter optimeringar	Uppmätt förbättring
Text till bild, Klein Base, 1 B200	22,36 s	6,46 s	3,46x
Bild till bild, Klein Base, 1 B200	54,64 s	12,28 s	4,45x

NVIDIA mäter den visuella skillnaden med LPIPS-värdet (ju lägre det är, desto närmare referensen ligger bilden): 0,095 för text till bild och 0,045 för bild till bild. När antalet B200 ökar från en till åtta sjunker medianlatensen för Klein Base vid text till bild från 14,90 till 3,00 sekunder; på en RTX PRO 6000 Blackwell Server Edition är hastighetsökningen 1,73 till 3,25 gånger. Handledningen innehåller en TensorRT LLM-container, YAML-konfigurationer och en OpenAI-kompatibel endpoint via trtllm-serve.

🔗 Snabbare bildgenerering med FLUX 3 Image Klein på NVIDIA Blackwell-GPU:er

GitHub beskriver Rubicon, sin nya arkitektur för Git-lagring som testats med 5 000 agenter i ett repository

5 november — GitHub publicerar det tredje inlägget i sin serie om en Git-infrastruktur anpassad för agenter, efter inläggen den 6 och 21 oktober, och delar det på X den 6 november. Karthik Raman och Brian Celenza beskriver där Rubicon, den nya arkitekturen för Git-lagring som tillkännagavs på GitHub Universe. De mest aktiva repositoryerna tar i dag emot som mest några tiotal skrivningar per sekund, i korta toppar; GitHub förväntar sig ett kontinuerligt flöde inom ett år, och ett annat av företagets inlägg ger en bild av skalan: över 1,2 miljarder commits under en vecka i oktober.

Through internal testing, we’ve demonstrated the ability to support 5,000 concurrent agents working on a repository, sending 7,200 pushes per second to a repo, all while serving read traffic with consistently low latency.

🇸🇪 Vid interna tester har vi visat att vi kan stödja 5 000 agenter som arbetar samtidigt i ett repository och utför 7 200 push-operationer per sekund till ett repository, samtidigt som lästrafiken hanteras med genomgående låg latens. — @github på X

Spokes fortsätter att dirigera förfrågningarna, men till virtuella repliker för tillfälligt bruk vars lokala disk bara är en cache. Git-packfilerna ligger i Azure Blob Storage, referenserna i Ref-CAS (Reference Compare-and-Swap), en replikerad logg där varje uppdatering godkänns av ett kvorum: en första prototyp helt baserad på bloblagring nådde bara några hundra skrivningar per sekund, medan Ref-CAS hanterar tiotusentals. Rubicon finns i en begränsad privat förhandsversion, med en bredare utrullning planerad till början av nästa år.

🔗 Inuti GitHubs nya arkitektur för Git-lagring

Copilot i team: code review styrs via API, @GitHub blir allmänt tillgänglig i Slack och Teams

Copilots code review kan konfigureras via REST- och GraphQL-API:erna och får en kompaktare sammanfattning

6 november — Efter att ha gjort det möjligt att starta granskningar via API i oktober öppnar GitHub nu för att läsa och ändra inställningarna för Copilot code review via REST- och GraphQL-API:erna, från företagspolicy till repository. Svaren identifierar också vad Copilot har skrivit, vilken insatsnivå som använts och vilka skills, MCP-servrar och instruktioner som anges som källor.

Inställningsnivå	Vad som kan ställas in via API:et
Företag	aktivera eller stänga av granskning för alla organisationer, eller låta dem välja själva
Organisation	aktivering, standardnivå för insats, runners, utan att åsidosätta företagets val
Repository	insatsnivå, användning av anpassade instruktioner och MCP-verktyg

Begränsning: endpoints på företags- och organisationsnivå accepterar inte GitHub Apps eller personliga åtkomsttoken med detaljerade behörigheter (fine-grained PAT), som endast accepteras av endpoints på repositorynivå. Sammanfattningskommentaren blir mer kompakt (insatsnivå och enkäter i sidfoten, ett enda avsnitt ”Filer som inte granskats”), granskningssessionerna visar förbrukade AI-krediter och insatsnivån Balanced går över till tre granskningsmodeller, medan en annan modell sammanför deras iakttagelser. En misslyckad granskning körs om en gång, med möjlighet att byta till en annan modell. Abonnemangen Pro, Pro+, Max, Business och Enterprise.

🔗 Copilot code review: API-hantering och uppdateringar av granskningsöversikten

@GitHub blir allmänt tillgänglig i Slack och Microsoft Teams, med Canvas i Teams

6 november — Efter en offentlig förhandsversion som öppnades den 21 augusti blir agenten @GitHub allmänt tillgänglig i Slack och Microsoft Teams. Man nämner den i en konversation för att undersöka en bugg, skapa en issue, implementera en ändring eller öppna en pull request, utan att byta verktyg. Den enda nya funktionen är Canvas i Teams: implementationsplaner, kodändringar och förhandsvisningar visas bredvid diskussionen, där teamet kan kommentera dem och driva arbetet vidare.

Resten består av justeringar: repositoryt härleds från meddelandet utan att behöva väljas på nytt, problemet med uppföljningsmeddelanden som kunde förbli obesvarade har åtgärdats, och issues och pull requests som skapas från en konversation bär namnet på personen som begärde dem. Sidan anger varken vilka abonnemang som omfattas eller några användningssiffror.

🔗 @GitHub i Slack och Teams är allmänt tillgänglig och får fler förbättringar

Notiser

Agenter och kodverktyg

Copilot CLI 1.0.108-0 och 1.0.108-1 — Två förhandsversioner släpptes den 7 november, dagen efter den stabila versionen 1.0.107: /index-kommandon och delad tgrep-indexering aktiverad som standard för repon som uppfyller kraven, ett CLI som besvarar frågor om sin egen funktion utifrån dokumentationen, och 72 buggfixar, bland annat att regler för att neka MCP-anrop tillämpas även med --allow-all-tools. 🔗 källa
Qwen Code v0.27.0 — Stabil version från den 7 november, dagen efter v0.26.9, utan bakåtinkompatibla ändringar: 73 punkter, däribland FileChanged-aviseringar för hooks i lokala sessioner, ett filter för händelser i GitHub-repon (tillåtelse och blockering) för kanaler och samtidiga frågor från underagenter till Managed Agent. 🔗 källa
Fjärragenter i Antigravity — Ett och samma projekt samlar ett GitHub-repo och en Google Drive-mapp, med både läs- och skrivåtkomst; en uppgift som startas på webben kan återupptas i appen, och behörigheter kan beviljas från telefonen. Tweeten anger alla betalda konsumentabonnemang, medan dokumentationen anger Google AI Pro och Ultra, med undantag för Google AI Plus och företagskonton. 🔗 källa
Support i Replits Agent — När Agent får en supportfråga kontrollerar den först pågående incidenter, dokumentationen och plattformens kända begränsningar, utan att lämna konversationen; om problemet kvarstår skickar den själv in supportärendet med felsökningsuppgifter från miljön, i Pro-abonnemanget. 🔗 källa
Showcase i OpenAI Developers — Pluginen OpenAI Developers får en Showcase-flik: startprojekt för API:t (agenter, kreativa verktyg, datavisualisering, röst) som kan öppnas i Codex; sidan med API-demonstrationer listar tolv, varav åtta kan öppnas direkt i Codex eller laddas ned. 🔗 källa

GitHub Copilot

Sammanfattning för GitHub Copilot-appen — Veckosammanfattningen från den 6 november beskriver nyheter i appen: Agent Merge konfigureras från en pull request och hålls igång medan kontroller väntar, konversationen komprimeras när kontextgränsen nås, CSV och TSV öppnas som tabeller, och personliga instruktioner för assisterat godkännande finns som tillval. 🔗 källa
Copilot impact dashboard — Översikten följer nio Copilot-upplevelser i stället för sju, med Copilot Chat och fönstret Agents i VS Code; kohorten ”Passiva användare” blir ”Användare som främst använder chatten”, utan att införandefaserna eller kohorternas storlek ändras. 🔗 källa
1,2 miljarder commits på en vecka — I en guide till agentbaserad utveckling (agentic engineering) utan några produktnyheter, skriven av Nick Liffen och Philip Holleran, uppger GitHub att man i oktober registrerade över 1,2 miljarder commits på en vecka, över 400 % fler än ett år tidigare. 🔗 källa

Inferens, rankningar och öppna modeller

Together Compiler — Together AI:s agenter, som presenterades den 4 november och kontinuerligt optimerar varje kunds kernels, återkommer med en enda ny siffra: +12 till +20 % tokens per sekund i median på serverlösa endpoints (serverless) som redan optimerats för hand, enligt Together AI. 🔗 källa
MiniMax M3.1 Flash på Fireworks — MiniMax meddelar i en tweet att M3.1 Flash finns på Fireworks AI och bjuder in till en kvällsträff i San Francisco den 10 november; varken pris eller genomströmning anges. 🔗 källa
Construction AI Leaderboard — ONESTRUCTION publicerar en rankning av modeller för byggsektorn, baserad på genomsnittet av fem benchmarks (ritningar, BIM-modeller, kostnadsuppskattning, IDS-generering): Claude Opus 5.5 leder med 73,7 poäng, en tiondel före Gemini 4 Argon (73,6), följt av Claude Opus 5 (72,7) och GPT-6.1 Sol (70,2). Mätningarna kommer från utgivaren. 🔗 källa
kniv v7.1 — Dragonscale säger sig ha förbättrat sina sex encoders för extraktion, presenterade den 2 november, utan någon omträning: i Claude Code upptäckte Claude Opus 5.5 en gräns på 50 antecedenter vid koreferens, som höjdes till 100 i ONNX-grafen; koreferensen förbättras i alla sex modeller och beräknas 7 till 16 % snabbare. 🔗 källa

Öppen robotik

Robotik hos Hugging Face — Enligt Clément Delangue innehåller Hub nästan 100 000 offentliga dataset för robotik (+48 %) och över 30 000 modeller (+41 %), LeRobot har passerat en miljon nedladdningar, och Microduck och Reachy Mini skulle sannolikt passera 50 000 sålda enheter och 20 000 levererade före årets slut. 🔗 källa
HapTile i FiftyOne — Harpreet Sahota (Voxel51) konverterar datasetet HapTile för FiftyOne: 1 699 episoder och 12,36 timmar med en fjärrstyrd UR5e-arm, med gelbaserade taktila sensorer, två RGB-D-kameror och den nivå av haptisk återkoppling som operatören upplever, under licensen CC BY 4.0. 🔗 källa

Företag och användningsområden

Harper och Grok Bot — Den 5 november beskriver försäkringsmäklaren Harper de omgivningsstyrda agenter, byggda på Grok Bot, som sköter företagets administration och aktiveras av ett e-postmeddelande eller en tidsfrist. Enligt Harper har en av dem sedan september hjälpt till att uppdatera uppgifterna för över 200 småföretag hos deras finansieringsinstitut, utan en enda annullering. 🔗 källa
Replit och Plaid — I en tweet med en video lyfter Replit fram sin Plaid-anslutning, som kopplar samman finansiella konton så att Agent kan bygga verktyg för den egna ekonomin utan kod; Plaid tar upp detta i en intervju med Michele Catasta, Replits president. Enligt Replits dokumentation är anslutningen endast tillgänglig för betalda abonnemang med en teamarbetsyta, där en administratör konfigurerar inloggningsuppgifterna för Plaid en gång, och ger tillgång till saldon, transaktioner och investeringar. 🔗 källa · 🔗 dokumentation
Perplexitys guide till tillgänglighet — Perplexity publicerar en guide om AI för personer med funktionsnedsättning och om tillgängligheten i själva AI-verktygen, utan någon egen produkt eller egna siffror; den hänvisar till ett test från Microsoft där 12 % av de sidor som genereras utan instruktioner klarar de automatiserade kontrollerna, jämfört med 86 % när modellerna testar och rättar sin kod. 🔗 källa

Vad det innebär

Rösten blir ett gränssnitt för agenter, med en återkommande arkitektur: en modell samtalar i förgrunden, en agent utför åtgärder i bakgrunden. MOSS-Live gör detta till kärnan i sitt system med ett samordningslager mellan de två modellerna, Antigravity placerar det i både appen och terminalen, samma dag som Cursor lanserade sin röstchatt. Begränsningarna är tydliga: Antigravity begränsar röstläget till en lokal konversation åt gången och behåller klick för destruktiva åtgärder; MOSS-Live publicerar varken modellvikter eller licens, och dess egna resultat placerar det efter GPT-Live-1 på uppgifter med flera samtalsturer i τ-Voice.

Infrastrukturen anpassas till agenternas belastning. GitHub dimensionerar Rubicon för skurar av skrivningar som väntas bli ett kontinuerligt flöde, testar 5 000 agenter i ett enda repo och registrerade i oktober över 1,2 miljarder commits på en vecka. Samma rörelse påverkar hur arbetet organiseras: Copilots code review konfigureras via API från företagsnivå ned till repot, precis som vilken infrastrukturpolicy som helst, och @GitHub flyttar in i Slack och Teams, där teamen redan diskuterar vad som behöver rättas.

Vinsterna kommer också från mjukvaran. CUDA 13.5 gör stödet för Vera Rubin allmänt tillgängligt och snabbar upp bibliotek som cuSPARSE, Reshard gör överföringen av vikter 2,7 till 5,7 gånger snabbare vid förstärkningsinlärning, och kombinerade optimeringar gör FLUX 3 Image Klein upp till 4,45 gånger snabbare på en enda B200. Together AI hävdar å sin sida 12 till 20 % högre mediangenomströmning med agenter som kontinuerligt optimerar kernels. Alla dessa siffror kommer från leverantörerna och har mätts i deras egna konfigurationer.