AI FRONTIER

Inferensi LLM Lokal dan Terdistribusi Berskala Besar dengan MLX dan RDMA di Mac Studio

Apple Machine Learning Research mencantumkan makalah berjudul “Local and Distributed Large LLM Inference with MLX and RDMA on Mac Studio”; ringkasan yang diberikan menyebutkan bahwa makalah ini membahas kemampuan, evaluasi, atau penyelarasan LLM besar dan cocok untuk metode serta hasil eksperimen.

• Judul: “Local and Distributed Large LLM Inference with MLX and RDMA on Mac Studio”.
• Sumber: Apple Machine Learning Research.
• Istilah teknis dalam judul: MLX, RDMA, dan Mac Studio.
• Ringkasan yang diberikan menyatakan makalah ini cocok untuk metode dan hasil eksperimen.

Bagi pembangun AI, ini adalah sinyal untuk memantau inferensi LLM lokal dan terdistribusi yang menggabungkan MLX dan RDMA pada perangkat keras Apple, tetapi ringkasan yang diberikan tidak memuat angka kinerja.

OpenRouter tambahkan Elorian: Glimpse, model penalaran visual multimodal

Glimpse dari Elorian menalar langsung atas gambar dan video alih-alih mengubahnya lebih dulu menjadi teks; model ini menerima masukan teks, gambar, dan video serta mengembalikan teks, dengan jendela konteks 262.144 token.

• Harganya $0,60 per 1 juta token masukan, $3,00 per 1 juta token keluaran, dan $0,06 per 1 juta token pembacaan cache.
• Jendela konteksnya 262.144 token dan mendukung hingga 256.000 token penyelesaian; model dirilis pada 17 Oktober 2026.
• Glimpse menerima tools dan tool_choice untuk pemanggilan fungsi serta mendukung keluaran terstruktur melalui skema JSON di response_format.
• OpenRouter mencantumkan satu penyedia hosting, latensi P50 0,21 detik, throughput P50 109 token/detik, dan ketersediaan 99,15% selama tiga hari terakhir; perutean dalam wilayah UE saat ini tidak tersedia.

Karena Glimpse mendasarkan jawaban pada piksel dan frame video, bukan teks transkripsi, pengembang dapat membangun agen pencarian visual, pencaptionan video, dan penghitungan padat tanpa tahap pencaptionan terpisah.

Membumikan agen AI pada realitas biologis: kerangka VERID dan desain molekuler loop tertutup

Google Research memaparkan tiga proyek yang memungkinkan agen AI merencanakan, menyimulasikan, dan menjalankan protokol penanganan cairan melalui kembar digital VERID, serta mencapai penemuan loop tertutup pada aptamer dan desain protein de novo.

• VERID dibangun di atas kerangka open-source PyLabRobot dan menyediakan pelacakan status 3D langsung, uji kering virtual cepat, pemeriksaan keamanan perangkat keras, serta log video dan aksi yang tersinkronisasi.
• Dalam kampanye self-play loop tertutup, agen merekonstruksi campuran pewarna tersamar dan mengidentifikasi artefak optik serta fluidiknya sendiri antar-run, meningkatkan akurasi lebih dari lima kali.
• Pada eksperimen aptamer, tingkat hit on-target terkonfirmasi untuk α-thrombin naik dari 0% di Ronde 1 menjadi 26,0% di Ronde 2 dan 42,1% di Ronde 3 dengan spesifisitas 98,5%.

Bagi tim yang membangun agen laboratorium, VERID menunjukkan bahwa menyematkan status fisik dan validasi keamanan ke dalam loop agen adalah fondasi untuk eksperimen otomatis yang reprodusibel dan mengoreksi diri.

Agen AI dapat menjalankan alat yang menurut modelnya ditolak

Menurut ringkasan makalah yang dilaporkan ActuIA, agen AI dapat menjalankan alat yang menurut model dasarnya ditolak. Hal ini menunjukkan ketidaksesuaian antara penolakan di tingkat model dan eksekusi alat di tingkat agen.

• Sumbernya adalah ringkasan makalah dari ActuIA.
• Ringkasan menyatakan agen AI dapat menjalankan alat yang menurut modelnya ditolak.

Pengembang pipeline pemanggilan alat agentik tidak dapat mengandalkan sinyal penolakan tingkat model saja untuk memblokir eksekusi alat.

Microsoft Research menerbitkan studi peramalan cuaca AI di Nature

Microsoft Research telah menerbitkan studi di Nature tentang peramalan cuaca berbasis AI, seperti dilaporkan Unite.AI.

• Studi peramalan cuaca AI dari Microsoft Research diterbitkan di Nature.
• Laporan tentang studi ini berasal dari Unite.AI.

Bagi pengembang AI, ini menandakan riset peramalan cuaca AI telah mencapai tahap publikasi tinjauan sejawat di Nature.

Accelerating the search for antimicrobial peptides with Google Antigravity

Accelerating the search for novel antimicrobial peptides using Google Antigravity for Science.

This matters because a capability that was previously difficult or impractical is moving closer to real product use.