Today’s frontier report
Research Pool → Multi-Scout → Editor → Edition
3qk7 · AI LOCAL LABS TECHNICAL SCOUTING

AI FRONTIER

Signals worth understanding before they become obvious.

2026-11-18
01
testdevelopernew architecture

JiTTests dari Meta: Tes Buatan LLM yang Dirancang Gagal Sebelum Kode Berisiko Masuk

JiTTests dari Meta menggunakan model bahasa besar untuk menghasilkan tes yang dirancang gagal sebelum kode berisiko masuk. Ringkasan makalah membahas kemampuan, evaluasi, atau penyelarasan model bahasa besar.

  • Ringkasan makalah memperkenalkan JiTTests dari Meta dan berfokus pada kemampuan, evaluasi, atau penyelarasan model bahasa besar.
  • Karya ini cocok untuk pembaca yang menaruh perhatian pada metode dan hasil eksperimen.

Bagi pembangun AI, JiTTests menunjukkan penggunaan tes gagal buatan LLM sebagai sinyal gerbang sebelum kode berisiko masuk.

MarkTechPost
02
watchresearchcapability unlock

Anthropic menyebut Claude Mythos Preview memangkas onboarding AMD MI355X dari hingga 12 bulan menjadi sekitar tiga hari

Menurut Tom's Hardware, Anthropic menyebut Claude Mythos Preview memangkas onboarding AMD MI355X dari hingga 12 bulan menjadi sekitar tiga hari.

  • Anthropic menyebut onboarding AMD MI355X turun dari hingga 12 bulan menjadi sekitar tiga hari.
  • Klaim tersebut dilaporkan oleh Tom's Hardware.

Bagi pembangun AI, pengurangan yang dilaporkan ini menunjukkan bahwa pekerjaan porting berbantuan model dapat menurunkan secara tajam biaya waktu untuk menghidupkan akselerator baru.

Tom's Hardware
03
testmodelsopen source unlock

sensenova merilis SenseNova-Loop-9B, model looped dengan 56 eksekusi layer pada sekitar 9B parameter

SenseNova-Loop-9B memakai arsitektur looped berbobot bersama dan mHC dua aliran untuk memperluas 32 layer decoder fisik menjadi 56 eksekusi layer per forward pass, menerima teks dan gambar dengan konteks hingga 512K.

  • Sekitar 9B parameter total dan sekitar 14,6B parameter setara inferensi; 32 layer decoder berbeda, dengan rentang looped [4, 28) dieksekusi dua kali, menghasilkan 56 eksekusi layer per forward pass.
  • Rilis ini melaporkan AutomationBench naik dari 14,33 pada Preview menjadi 36,67, Terminal-Bench 2.1 dari 40,45 menjadi 59,55, dan GAIA dari 37,86 menjadi 69,90.
  • Dibandingkan Qwen3.8-27B, dilaporkan 36,67 versus 36,67 pada AutomationBench, 65,31 versus 65,01 pada AIDABench, dan 41,36 versus 44,60 pada NL2Repo.
  • Dengan bobot 4-bit, bobot model menempati sekitar 4,9 GB; inferensi konteks 256K membutuhkan sekitar 15 GiB memori GPU dengan KV cache 8-bit dan sekitar 12 GiB dengan KV cache 4-bit.

Bagi para pembangun, ini menunjukkan penggunaan ulang bobot secara looped dapat menambah kedalaman komputasi dalam anggaran sekitar 9B parameter, sementara kelemahan yang diakui pada kepatuhan instruksi kompleks dan tugas agen jangka panjan...

Hugging Face Trending
04
testinferencecost collapse

Model baru OpenRouter: Tencent Hy4 flash

Hy4 flash adalah varian hemat biaya dari Hy4 milik Tencent, disajikan dengan sekitar seperempat jumlah parameter model unggulan untuk latensi dan biaya lebih rendah, menyasar bantuan kode, pipeline agen, pemahaman dokumen dan bagan, serta otomasi rutin bervolume tinggi, dengan batas konteks dan output yang sama seperti...

  • Harga $0,035 per 1 juta token input dan $0,1405 per 1 juta token output, dengan pembacaan cache $0,0015 per 1 juta token, semuanya diskon 50%.
  • Jendela konteks 1.048.576 token dan mendukung hingga 65.536 token penyelesaian.
  • Di-hosting oleh satu penyedia, Tencent Cloud, dengan latensi P50 2,94 detik, throughput 69 tok/s, dan ketersediaan 99,79% selama 3 hari.
  • Vals AI melaporkan 74,8% pada Vibe Code Bench v1.1 dan 15,2% pada Terminal-Bench 4.0.

Bagi pengembang, Hy4 flash menggabungkan konteks 1M dan pemanggilan alat dengan sekitar seperempat parameter model unggulan pada diskon 50%, cocok untuk pipeline agen dan kode bervolume tinggi, sementara skor 15,2% pada Terminal-Bench 4.0 m...

OpenRouter Models
05
testmodelsopen source unlock

unsloth merilis kuantisasi GGUF Qwen3.8-27B dengan Dynamic 3.1

unsloth menerbitkan kuantisasi GGUF Qwen3.8-27B di Hugging Face menggunakan Unsloth Dynamic 3.1, yang menurut kartu model mencapai akurasi rata-rata 5-10% lebih tinggi daripada kuantisasi frontier lain. Model dasarnya adalah model dense vision-language 27B dengan konteks native 262.144 token.

  • Kartu model mencantumkan 27B parameter, dimensi tersembunyi 5120, 64 lapisan, dan dimensi keluaran LM 248.320 (dengan padding).
  • Panjang konteks native adalah 262.144 token dan dapat diperluas hingga 1.000.000 token melalui penskalaan RoPE seperti YaRN.
  • File kuantisasi tersedia dari 1-bit hingga 16-bit: UD-IQ1_S 6,19 GB, UD-Q4_K_XL 17,7 GB, dan BF16 54,7 GB.
  • Kartu model melaporkan Dynamic v3.1 GGUF mencapai akurasi rata-rata 5-10% lebih tinggi daripada kuantisasi frontier lain pada Terminal Bench, DeepSWE, LiveCodeBench, dan lainnya.

Bagi pengembang yang menerapkan model vision-language 27B secara lokal, rentang file 1-bit hingga 8-bit dan konteks native 262K menjadikan trade-off antara anggaran VRAM dan tugas jangka panjang dapat diukur secara eksplisit.

Hugging Face Trending
06
watchagentsincremental

Riset keamanan menemukan 1.467 server yang menghubungkan agen AI ke data sensitif

Sebuah abstrak riset keamanan melaporkan penemuan 1.467 server yang menghubungkan agen AI ke data sensitif.

  • Abstrak riset keamanan melaporkan 1.467 server yang menghubungkan agen AI ke data sensitif.

Pengembang harus memperlakukan server agen AI yang terekspos sebagai risiko akses data sensitif, bukan sekadar masalah kemampuan model.

الشرق الأوسط