AI FRONTIER
Signals worth understanding before they become obvious.
Nuovo modello su OpenRouter: Particle-1 di Particle AI
Particle-1 è un modello di coding agentico efficiente in token di Particle AI, post-addestrato su DeepSeek V4.1 Flash, pensato per workflow da terminale, modifiche a basi di codice e attività di data engineering, con molti meno token di ragionamento e di chiamate a strumenti e un'accuratezza vicina al modello base.
- Prezzo di $0,25 per 1M di token di input e $1,00 per 1M di token di output, con lettura della cache a $0,03 per 1M.
- Finestra di contesto di 1.048.576 token e supporto fino a 131.072 token di completamento.
- Accetta tools e tool_choice per le chiamate di funzione e supporta output strutturati tramite schema JSON in response_format.
- Accetta testo e immagini in input e restituisce testo; data di rilascio 28 ottobre 2026.
Per i team che costruiscono agenti di coding, Particle-1 offre un prezzo per token basso e un contesto da 1M da testare, ma l'affermazione di accuratezza vicina al modello base richiede verifica indipendente.
Polymathic AI e ricercatori di Princeton rilasciano FlashMap, un drafter a mappa di flusso che accelera la decodifica degli LLM di 6,14x
Polymathic AI e ricercatori di Princeton hanno rilasciato FlashMap, un drafter a mappa di flusso per la decodifica di grandi modelli linguistici, il cui abstract del paper riporta un'accelerazione della decodifica di 6,14x.
- L'abstract del paper riporta che FlashMap ottiene una decodifica degli LLM 6,14x più veloce.
- FlashMap è descritto come un drafter a mappa di flusso.
- Il lavoro proviene da Polymathic AI e da ricercatori di Princeton.
Per i team che costruiscono stack di inferenza, vale la pena testare l'accelerazione della decodifica basata su drafter sui propri modelli per verificare se il 6,14x riportato si riproduce sui propri carichi di lavoro.
NVIDIA Nemotron 3.5 Transcribe e Granary v2: trascrizione multilingue guidabile e adattabile
NVIDIA pubblica Nemotron 3.5 Transcribe, un modello a pesi aperti che riunisce trascrizione, attribuzione dei parlanti, traduzione e domande e risposte audio in un unico checkpoint, insieme alla pipeline dati Granary v2 e alle ricette di fine-tuning NeMo Speech.
- Il modello trascrive 40 lingue, traduce 31 da o verso l'inglese e attribuisce i parlanti in 13 lingue, con registrazioni fino a un'ora e fino a otto parlanti.
- È primo tra i modelli a pesi aperti nella Hugging Face Open ASR Leaderboard per l'inglese, con un WER medio del 5,33%.
- Su Artificial Analysis è a pari merito al primo posto tra i modelli a pesi aperti con il 2,8% di AA-WER e circa 4B di parametri attivi, contro 24B del modello a pari merito.
- Il manifest pubblico di Granary v2 copre 463.062 ore in 48 lingue e 16 corpora di origine, rispetto alle 25 lingue di Granary v1.
Gli sviluppatori possono guidare il formato di output con prompt in linguaggio naturale e adattare il vocabolario di dominio tramite Granary v2 e le ricette NeMo Speech, unendo ampia copertura multilingue e precisione specialistica su un mo...
Esposizione della cache KV tra richieste nel modello GLM-5.3 Workers AI e la nostra correzione con SGLang
Il blog di Cloudflare segnala un'esposizione della cache KV tra richieste nel modello GLM-5.3 Workers AI e descrive una correzione con SGLang.
- La fonte è il blog di Cloudflare.
- Il problema è l'esposizione della cache KV tra richieste nel modello GLM-5.3 Workers AI.
- La correzione utilizza SGLang.
Gli sviluppatori che eseguono GLM-5.3 su Workers AI dovrebbero verificare l'isolamento della cache KV e valutare la correzione con SGLang.
OmniBrain-0: un modello agentico unificato per l'intelligenza incarnata
Il team Xiaomi Embodied Intelligence presenta OmniBrain-0, un agente incarnato unificato e leggero che coordina manipolazione e navigazione tramite un modello decisionale di alto livello condiviso, integrando comprensione del compito, pianificazione, monitoraggio dei progressi e recupero guidato dal feedback. Il suo fr...
- L'articolo riporta una valutazione di OmniBrain-0 su LIBERO-Pro, LIBERO-Plus, RoboCasa365, RoboTwin 2.0 e R2R-CE Val-Unseen, oltre a molteplici attività di manipolazione nel mondo reale.
- L'articolo afferma che OmniBrain-0 ha un sovraccarico di inferenza ed esecuzione sostanzialmente inferiore rispetto al suo insegnante closed-source.
- Il framework di addestramento combina pre-addestramento incarnato, distillazione di agenti specializzati per dominio e distillazione on-policy multi-insegnante (MOPD).
- Rubric-Guided Recursive Self-Improvement (RSI) utilizza un Meta-Agent per trasformare le evidenze di esecuzione in rubriche raffinate, promemoria a livello di passo e traiettorie verificate.
Per i team che costruiscono agenti incarnati, questo lavoro mostra che distillare l'esperienza di interazione di più insegnanti in un unico modello decisionale compatto può ridurre il sovraccarico di inferenza preservando le prestazioni tra...
MiniMax-M3.1-Flash rilasciato: MoE multimodale nativo da 428B parametri con contesto da 1M token
MiniMax ha rilasciato MiniMax-M3.1-Flash, un modello mixture-of-experts multimodale nativo basato su M3 con circa 428B parametri totali e 23B attivati per token, che accetta input testuali, immagini e video e produce testo con una finestra di contesto fino a 1M token. Rispetto a M3 applica attenzione sparsa in tutto il...
- La model card indica circa 428B parametri totali, 23B attivati per token e MiniMax Sparse Attention (MSA) in tutto il modello.
- La model card riporta 76,2 su BankerToolBench, 73,7% su DeepSWE v1.1, 61,7 su OSWorld V2, 29,6 su Agents' Last Exam e 82,2 su CyberGym.
- La licenza è minimax-community e per il serving sono raccomandati SGLang, vLLM o TokenSpeed, mentre integrazioni come Transformers sono ancora in corso.
Per gli sviluppatori, un contesto da 1M token insieme ad attenzione sparsa e addestramento consapevole della quantizzazione potrebbe ridurre memoria e costo di inferenza per carichi di agenti a contesto lungo, ma i 428B parametri totali ric...
LOTUS: rilevamento di allucinazioni negli LLM tramite decomposizione multilineare a rango basso
Il paper propone LOTUS (Low-rank Order-statistic TUcker-based Subspace learning), un framework di decomposizione multilineare a rango basso che estrae rappresentazioni compatte dagli stati nascosti degli LLM riducendo la dipendenza da dati etichettati, per poi addestrare un classificatore di allucinazioni leggero.
- Le rappresentazioni dei token a lunghezza variabile vengono prima riassunte con descrittori statistici complementari che catturano attivazioni di picco, distribuzioni delle attivazioni e cambiamenti tra layer.
- La decomposizione multilineare a rango basso estrae rappresentazioni compatte della struttura degli stati nascosti per addestrare un classificatore di allucinazioni leggero.
- Il paper riporta un rilevamento delle allucinazioni migliore rispetto alle recenti baseline allo stato dell'arte su più LLM e benchmark di domanda-risposta.
- Il paper conta 26 pagine e 3 figure e fornisce un link al codice.
Per gli sviluppatori, l'approccio suggerisce di estrarre segnali dalla struttura degli stati nascosti attraverso layer, modi delle feature e token invece che da attivazioni selezionate o compressione tramite pooling, consentendo rilevatori ...