AI FRONTIER
Signals worth understanding before they become obvious.
Model baru OpenRouter: LiquidAI LFM3-1.7B
LFM3-1.7B dari LiquidAI kini terdaftar di OpenRouter: model teks ringkas berparameter 1,7B dengan konteks 262.144 token, dilatih lanjut untuk agen, pemanggilan alat, dan keluaran terstruktur.
- 1,7B parameter, jendela konteks 262.144 token, dan dukungan hingga 8.192 token penyelesaian.
- Harga 0,08 USD per 1 juta token masukan dan 0,20 USD per 1 juta token keluaran, dengan pembacaan cache 0,02 USD per 1 juta token.
- Menerima tools dan tool_choice untuk pemanggilan fungsi, serta mendukung keluaran terstruktur melalui skema JSON di response_format.
- Halaman OpenRouter mencantumkan tanggal rilis 6 November 2026 dan menyatakan bahwa prompt serta keluaran dapat disimpan dan digunakan untuk melatih model Liquid.
Untuk beban kerja agen dan keluaran terstruktur yang membutuhkan konteks panjang dengan biaya per token rendah, LFM3-1.7B adalah opsi terkelola berukuran kecil yang layak diuji, asalkan ketentuan penyimpanan data dan throughput yang dilapor...
Palette: mengajarkan model kecil membangun deck dalam bahasa desain Anda
Palette dari IBM Research membagi pembuatan slide menjadi peran desainer dan peran coder yang dilayani satu adapter LoRA pada model 20B, dan menempati peringkat pertama di dua dari tiga domain PresentBench.
- Palette melakukan fine-tuning pada model 20B; data pelatihan mengikuti IBM Design Language, dengan desainer menulis brief JSON terstruktur dan coder menulis JavaScript pptxgenjs.
- Karena konteks setiap slide ditetapkan sebelum kode ditulis, panggilan coder berjalan paralel sehingga tahap pengodean sekitar 6–7× lebih cepat.
- Pelatihan memakai LoRA alih-alih fine-tuning penuh; contoh coder sekitar 5× lebih panjang daripada contoh desainer, sehingga contoh desainer di-oversample 5×.
- Data sintetis mencakup sekitar 1000 deck dan kurang lebih 10.000 slide, masing-masing dirender dan diperiksa terhadap tumpang tindih dan luapan, dengan penalaran slide yang diperbaiki ditulis ulang sebagai kontrafaktual.
Bagi tim yang membutuhkan bahasa desain sendiri, pemeriksa render yang terverifikasi plus data sintetis berpenalaran membuat model 20B yang di-host sendiri mendekati keluaran sistem frontier.
nvidia merilis Nemotron-3.5-Transcribe-30B-A4B, model speech offline 40 bahasa
NVIDIA menerbitkan Nemotron-3.5-Transcribe-30B-A4B di Hugging Face, model speech dan audio offline berbobot terbuka yang mendukung transkripsi dalam 40 bahasa, rekaman hingga satu jam, dan konteks 65.536 token, dengan arsitektur mixture-of-experts yang mengaktifkan sekitar 4,3B parameter termasuk audio encoder.
- Total 34B parameter dengan sekitar 4,3B aktif, termasuk audio encoder sekitar 800M dan sekitar 3,5B parameter aktif pada backbone bahasa
- Konteks 65.536 token dan rekaman hingga satu jam; bobot dirilis dalam BF16 dengan varian terkuantisasi FP8 dan NVFP4
- WER rata-rata dilaporkan 4,71 pada 9 set publik Open ASR Leaderboard, dibandingkan 4,94 untuk model open-weight terbaik berikutnya, Qwen3-ASR-1.7B
- Lisensinya OpenMDW-1.1 dan penerapan membutuhkan 1× H100 80 GB; tanggal rilis 28 Oktober 2026
Bagi pengembang aplikasi speech, checkpoint open-weight ini menyediakan transkripsi offline berlisensi penggunaan komersial dalam 40 bahasa, tetapi perencanaan kapasitas harus memperhitungkan 1× H100 80 GB per penerapan.
Granite Switch 4.1.1 — Perbarui model seperti memperbarui perangkat lunak
Granite Switch 4.1.1 adalah rilis patch yang sepenuhnya kompatibel mundur dengan 4.1 tanpa perlu migrasi. Rilis ini memperbarui model Granite Speech ASR menjadi transkripsi ucapan multibahasa dalam 10 bahasa dengan tanda baca dan huruf kapital bawaan, serta adaptor Decision di granitelib-core; selain pelatihan adaptor ...
- Rilis patch sepenuhnya kompatibel mundur dengan 4.1 dan tidak memerlukan migrasi.
- Model Granite Speech ASR yang diperbarui mencakup transkripsi ucapan dalam 10 bahasa dengan tanda baca dan huruf kapital bawaan.
- Adaptor Decision yang diperbarui di granitelib-core menunjukkan peningkatan kinerja keseluruhan pada set uji Jev Decision Index.
- Selain pelatihan model ASR dan adaptor Decision baru, tidak ada yang dihitung ulang dan model dasar tidak diubah.
Bagi para pembangun, adaptor modular memungkinkan pembaruan model dirilis seperti patch perangkat lunak: gabungkan adaptor terbaru dan terapkan tanpa melatih ulang model dasar.
Apakah AI berbohong? Peneliti memasang 1.532 jebakan untuk sembilan model besar terkemuka
Peneliti memasang 1.532 jebakan pengujian untuk sembilan model besar terkemuka guna menguji apakah model tersebut berbohong.
- Pengujian menyasar sembilan model besar terkemuka.
- Sebanyak 1.532 jebakan dipasang.
Bagi pembangun AI, desain pengujian yang berfokus pada penipuan semacam ini dapat menjadi arah rujukan untuk menilai keandalan model.
Agen AI mencoba meneliti pertanyaan terbuka dan tidak ada yang mencapai standar ahli
Sebuah abstrak makalah melaporkan bahwa agen AI mencoba meneliti pertanyaan terbuka, dan tidak ada yang mencapai standar ahli.
- Abstrak makalah menyatakan bahwa agen AI mencoba meneliti pertanyaan terbuka.
- Abstrak makalah menyatakan bahwa tidak ada yang mencapai standar ahli.
Bagi pengembang agen riset, abstrak ini menunjukkan bahwa kinerja saat ini pada pertanyaan terbuka masih di bawah standar ahli.