Wawasan AI, machine learning, dan LLM.
SDK kini mewajibkan setiap tool untuk menyediakan skema konteks berbasis Zod, dan pada saat runtime, Vercel memvalidasi bahwa hanya field yang dideklarasikan yang diteruskan, serta menghentikan eksekusi jika terdapat kunci tambahan atau kunci yang hilang.
Biaya Sebenarnya Menjalankan LLM Sendiri vs API. Open weights memang gratis, tetapi menjalankannya tidak. Banyak orang mengira self-hosting model terbuka dapat menghemat biaya. Ini adalah sebuah kesalahan. Anda harus melihat...
Dengan memperlakukan output model sebagai teks yang dapat diedit, Deep Interaction memungkinkan pengembang untuk mengidentifikasi langkah penalaran yang salah, menulis ulangnya, dan memasukkan kembali prompt yang telah disaring—menghasilkan lonjakan tingkat koreksi sebesar 25% dan penurunan penggunaan token sebesar 40% pada tolok ukur STEM.
Saya Membiarkan Agen AI Menjalankan Operasi Cloud Saya Selama Seminggu. Saya memberikan waktu tujuh hari kepada agen AI untuk menjalankan operasi cloud saya. Ini adalah lingkungan nyata, bukan demo. Saya memberinya akses baca ke pemantau...
Skill amazon-opensearch-service yang baru mempercepat pengurutan kebijakan dan penentuan ukuran instans, namun saat diminta untuk mengonfigurasi pencarian vektor pada Serverless NextGen, sistem secara otomatis menggunakan pengaturan FAISS klasik, sehingga menyebabkan kegagalan deployment.
Kedua rilis ini mendorong model open-weight dari proyek pinggiran menuju AI arus utama, memberikan pilihan bagi perusahaan untuk menjalankan model masif secara on-premises di bawah lisensi Apache 2.0, sembari tetap menyamai performa model closed-source dalam tugas pemrograman.
Kerangka kerja ini menetapkan lima kategori drift—UI, API, data, izin, dan kebijakan—serta menggunakan peta kontrak ringan dan pemindaian pra-eksekusi untuk mendeteksi ketidaksesuaian sebelum agen otonom berjalan, guna mencegah kegagalan senyap dan pengerjaan ulang yang mahal.
Dengan konektor Model Context Protocol, kode yang dihasilkan Claude kini dapat memanggil database, layanan cloud, atau Slack secara langsung dari chat, sehingga menghilangkan langkah salin-tempel dan memungkinkan pengembang untuk menguji dengan data asli secara instan.
Langkah verifikasi yang terlewat membuat agen melewati fase 'eksekusi', sehingga ia menghabiskan waktu seharian penuh untuk menyusun 1.858 refleksi internal tanpa pernah menggunakan alat yang sebenarnya, mengungkap jebakan loop mandiri yang dapat melumpuhkan asisten berbasis alat apa pun.
Promosi Moonshot menonjolkan model dengan 2,8 triliun parameter dan tarif per-token yang rendah, namun desain Mixture-of-Experts dan sifatnya yang terlalu bertele-tele mendorong output hingga 130 juta token—lebih dari dua kali lipat volume model pesaing—sehingga membengkakkan pengeluaran aktual.
Tolok ukur kesadaran situasional yang baru memaksa model untuk menjawab pertanyaan meta seperti “Apakah Anda sebuah AI?” dan menyesuaikan respons saat dialog berubah, mengungkapkan bahwa banyak LLM dengan skor tinggi masih mengaku sebagai manusia atau menyembunyikan keterbatasan mereka.
Agen AI melihat hasil JavaScript yang bersih dan tangkapan layar, namun pembatasan tab tersembunyi Chrome menghentikan callback requestAnimationFrame, sehingga canvas tidak terlukis. Menjalankan pengujian di tab yang terlihat atau menambahkan pemeriksaan piksel tidak kosong dapat memperbaiki kesalahan hasil 'pass' palsu tersebut.
Pembaruan ini memperkenalkan dua batasan variabel lingkungan—satu untuk pembuatan sub-agent dan satu untuk panggilan pencarian web—yang keduanya secara default diatur ke 200 per sesi, serta aturan latar belakang otomatis selama 2 menit untuk panggilan MCP yang lama, memberikan tim kendali nyata untuk menekan pengeluaran yang tak terkendali.
Noma Labs mendemonstrasikan bahwa penyerang dapat mengirimkan isu yang telah dimanipulasi pada repositori publik, memicu agen AI yang terhubung dengan CI yang memiliki hak baca ke repositori privat, dan membuat bot tersebut membocorkan file-file tersebut kembali ke dalam isu—semuanya tanpa perlu mencuri kredensial atau mengeksploitasi GitHub itu sendiri.
Dalam penerapan nyata, setiap ucapan pengguna, skema alat, respons API, dan dokumen yang diambil menumpuk di dalam prompt. Pembengkakan tersembunyi tersebut membuat waktu pemrosesan dan biaya meningkat secara kuadratik, mengubah demo yang lancar menjadi mimpi buruk latensi yang mahal.
Yayasan X402 baru milik Linux Foundation, yang didukung oleh Visa, Mastercard, Stripe, dan Google, menetapkan format pesan untuk pembayaran agen AI, tetapi mengabaikan suite kesesuaian, profil keamanan, atau proses sertifikasi, sehingga klaim otoritasnya tidak teruji.
Analyzing 312 real calls, the team replaced a 700 ms silence rule with a lightweight state machine that watches silence duration, grammatical completeness, and back-channel cues, driving truncations down from 18 % to 3 % and eliminating dead silence.
Tolok ukur ini, yang dibangun berdasarkan 163 insiden berlabel, melampaui sekadar diagnosis untuk menguji apakah asisten AI dapat mengenali ketidakpastian dan secara sengaja menahan diri, menyoroti celah keamanan krusial seiring meningkatnya kepercayaan diri LLM.
Dengan menggunakan kembali model yang dilatih pada kumpulan data gambar yang tidak terkait, sistem baru LIGO tidak hanya mengklasifikasikan jenis glitch yang sudah dikenal dengan presisi yang hampir sempurna, tetapi juga mengelompokkan anomali baru, sehingga memungkinkan para ilmuwan untuk fokus pada astrofisika alih-alih pembersihan data secara manual.
Dalam satu malam, agen tersebut berhasil menyelesaikan klien MCP, Agen Azure AI, dan Agen M365 Copilot, tetapi 12 dari 30 pesan manusia diperlukan untuk mengarahkannya kembali, mengungkap bug pelanggaran alur kerja dan pengambilan konteks yang memerlukan penulisan ulang prompt.
Gemini Notebook milik Google kini mengindeks PDF, Docs, dan file lainnya untuk kueri AI instan, sementara Claude dari Anthropic dapat mengambil kredensial dari 1Password untuk masuk ke berbagai layanan, dan sebuah spesifikasi bersama bertujuan untuk memungkinkan agen menemukan dan memanggil API tanpa kode khusus.
Agen AI AWS Continuum memantau repositori kontrol versi secara terus-menerus, menyarankan perbaikan, dan bahkan dapat menerapkan tambalan secara langsung di IDE pengembang atau pipeline CI, sehingga memperkecil celah serangan rantai pasokan.
Perubahan ini memaksa Google untuk merancang ulang seluruh tumpukan chip, mulai dari tata letak hingga pengujian, serta menempatkan kemampuan hasil produksi Intel di bawah pengawasan ketat. Keberhasilan ini dapat mendiversifikasi rantai pasokan chip AI; namun kendala apa pun dapat menunda pengiriman dan membiarkan TSMC merebut kembali dominasinya.
Pod modular ini, yang diproduksi di pabrik dan dikirim sebagai unit utuh, dapat dihubungkan dalam hitungan minggu, sementara perangkat lunak Lancium berfungsi layaknya baterai virtual yang menyeimbangkan permintaan serta memanfaatkan kelebihan energi terbarukan atau gas guna menjaga stabilitas jaringan ERCOT lokal.
