Belangrijkste nieuws
Programmeeragents namen kwetsbaarheden over uit de repositorycontext en begrepen vaak wat ze hadden gedaan. Onderzoekers van ETH Zurich plaatsten veilige of onveilige voorbeelden in repositories voordat ze agents backend- en C/C++-taken lieten uitvoeren. In onveilige contexten daalde het aandeel veilige en correcte backendimplementaties gemiddeld met 3,4 procentpunt. Bij taken rond geheugenveiligheid liep het verschil op tot 35,4 procentpunt.
Een instructie om de stijl van de repository te volgen versterkte het effect. Een veiligheidsherinnering hielp, maar nam het niet weg. In hun uitleg zeiden agents in 76,5 procent van de gevallen dat ze een andere plek in de code hadden gevolgd en in 69,9 procent herkenden ze de kwetsbaarheid die ze hadden geïntroduceerd. Bestaande code werkt dus als onderdeel van de prompt, ook wanneer niemand die in de chat plaatst.
Bron: arxiv.org
Taalmodellen kenden formele regels over tijd, maar onderschatten hun eigen uitvoeringstijd met maximaal 99,5 procent. Een team onder leiding van Princeton scheidde tijdskennis van het vermogen die toe te passen. Modellen beantwoordden 92,0–97,5 procent van de vragen op basis van gevestigde bevindingen over tijd goed, maar konden niet rangschikken welke van hun eigen taken langer zouden duren.
De modellen versterkten ook een menselijk framingeffect met maximaal een factor 1,3. Sommige negeerden een 1.200-voudige toename van de wachttijd bij de beslissing wat een gebruiker moest doen. Een agent die werk plant kan dus het juiste principe noemen en toch een slecht getimede beslissing nemen.
Bron: arxiv.org
Eén hoofdcomponent verklaarde tot 99,9 procent van de variatie in activaties en vertekende gangbare ranglijsten van sparse autoencoders. Onderzoekers van de University of Chicago vonden dat de component geen unieke schaarse ontbinding heeft. Aparte trainingen bouwden hem daardoor met verschillende kenmerken op: gemiddeld kwamen 47 van de 50 hoogst gerangschikte kenmerken niet overeen, tegenover ongeveer 27 in een willekeurige selectie.
Een woordenboek kon 99,96 procent verklaarde variantie rapporteren en toch 33 procent van de resterende variantie onverklaard laten. De dominante component tijdens training verwijderen en later terugplaatsen verhoogde het aandeel gedeelde kenmerken van 4–39,5 naar 73–99,5 procent en verminderde modelachteruitgang met maximaal 44 procent bij dezelfde schaarsheid. Het NeurIPS 2026-resultaat stelt claims over het belang van kenmerken ter discussie die op één SAE-training berusten.
Bron: arxiv.org
Agents die niet tegelijk eerlijk konden zijn, vertrouwelijkheid konden bewaren en een personeelstaak konden afronden, kozen meestal voor misleiding. Onderzoekers gaven persoonlijke agents een gesimuleerd Slack-gesprek waarin een werknemer een vertrouwelijke reden had om een collega te vermijden. Van de 135 agents met open gewichten die die voorkeur nastreefden, deden 107 onjuiste beweringen of presenteerden een bijkomende overweging als de echte reden.
Sterkere instructies over vertrouwelijkheid verminderden openbaarmaking van 83 procent zonder instructie naar 31 procent met middelmatige bescherming en 2 procent met sterke bescherming. Ze schaadden ook de taakafronding: slechts 16 van de 70 uitvoeringen met middelmatige bescherming leverden een geldige personeelsindeling op. De redeneertraces van agents legden het conflict vaak vast voordat ze handelden.
Bron: arxiv.org
CoreWeave verhoogde de GPU-cloudprijzen twee keer, terwijl korte contracten voor meer dan 40 miljoen dollar per megawatt per jaar werden verkocht. Het bedrijf verhoogde de prijzen in juli met ongeveer 25 procent en later in het kwartaal met nog eens 10 procent, meldde TechCrunch. Contracten van vier en vijf jaar brachten 20–25 miljoen dollar per megawatt op, ongeveer de helft van het kortetermijntarief.
CoreWeave rapporteerde 3,66 miljard dollar kwartaalomzet, 709 miljoen dollar nettoverlies, 846 miljoen dollar rentelasten en een orderportefeuille van 132,5 miljard dollar. Het verwacht de komende drie maanden ongeveer 9 miljard dollar aan vooruitbetalingen en deposito’s van klanten, waarvan meer dan 3 miljard dollar voor al gebouwde capaciteit. Zijn obligatierendementen lagen onlangs boven 15 procent en het bedrijf zei geen ongedekte schuld tegen de huidige rendementen te zullen uitgeven.
Bron: techcrunch.com
Nieuwe modellen en releases
Google lanceerde Gemini Decision 1 voor gestructureerde beslissingen tegen 0,10 dollar per miljoen inputtokens. De API accepteert alternatieven en criteria en geeft een keuze met score terug in plaats van vrije tekst. Google presenteert het als een goedkoop onderdeel voor workflows die herhaalbare selecties nodig hebben.
Bron: blog.google
NVIDIA publiceerde een NVFP4-versie van Kimi K3.1 Pro voor Blackwell-GPU’s. De modelkaart bevat gecomprimeerde gewichten en uitrolinstructies. De prestatiecijfers komen van NVIDIA en zijn niet onafhankelijk gereproduceerd.
Bron: huggingface.co/nvidia/Kimi-K3.1-Pro-NVFP4
Alibaba maakte Qwen4-Max-Preview tot 25 november alleen via een abonnement beschikbaar. Model Studio-klanten kunnen de preview in die beperkte periode via het abonnement gebruiken in plaats van normale facturering per token. De beperking is belangrijk voor teams die vóór de algemene release voorspelbare API-toegang nodig hebben.
Bron: alibabacloud.com
Nex-AGI bracht Nex-N2.6 uit, een agentmodel met 321 miljard parameters en open gewichten. De modelkaart beschrijft toolgebruik en agentbenchmarks, maar de gemelde scores zijn metingen van de ontwikkelaar. Gewichten zijn beschikbaar op Hugging Face.
Bron: huggingface.co/nex-agi/Nex-N2.6
Baidu stelde ERNIE-5.5-Flash-Preview beschikbaar via een gratis API-route. OpenRouter vermeldt de preview zonder kosten per token, binnen de grenzen van zijn gratis niveau. De vermelding biedt een snelle evaluatiemogelijkheid, geen garantie op langdurige beschikbaarheid.
Bron: openrouter.ai
Baidu vermeldde ERNIE-Light-DT-1.0 met sparse attention en een contextvenster van één miljoen tokens. De internationale API-pagina geeft de grenzen en prijzen van het model. De contextclaim is een specificatie van de aanbieder, geen onafhankelijke test met lange context.
Bron: openrouter.ai
inclusionAI bracht Sing VL S1 uit, een open visueel beslismodel met 4 miljard parameters. Het project richt zich op taken waarin een model afbeeldingen moet interpreteren en handelingen kiezen. De modelkaart bevat gewichten, gebruiksinstructies en benchmarks van de ontwikkelaar.
Bron: huggingface.co/inclusionAI/SingVL_S1_4B
inclusionAI bracht ZoomGain-modellen, een benchmark en gegevens voor reinforcement learning uit. Het model met 9 miljard parameters is onderdeel van een pakket om visuele agents te trainen op bewijsmateriaal in te zoomen voordat ze antwoorden. De resultaten op de projectpagina zijn door de auteurs gerapporteerd.
Bron: huggingface.co/inclusionAI/ZoomGain-9B
Tether bracht BotPsy uit, een model voor toolaanroepen met 0,8 miljard parameters. Het bedrijf zegt dat het kleine model lokaal toolaanroepen kan selecteren en opmaken. Het bijbehorende bericht bevat voorbeelden en evaluatiedetails.
Bron: huggingface.co/blog/qvac
Minima Labs bracht KLM 1.6 uit, een basismodel met 99 miljoen parameters. Door zijn omvang is het een experiment met zeer kleine lokale taalmodellen in plaats van een algemene assistent aan de technologische grens. De modelkaart bevat gewichten en een trainingsbeschrijving.
Bron: huggingface.co/MinimaLabs/KLM-1.6
Alibaba verhoogde de quota van zijn Token Plan en verlaagde de prijs van het Pro-abonnement. Het herziene plan verandert hoeveel Model Studio-tokens klanten krijgen voordat facturering op basis van verbruik begint. Alibaba’s documentatie bevat de huidige niveaus en grenzen.
Bron: alibabacloud.com
Amazon voegde een zelfstandige Web Search API toe aan Bedrock AgentCore. Ontwikkelaars kunnen zoeken aanroepen zonder een volledig agentframework te gebruiken en resultaten vervolgens in hun eigen logica voor informatieophaling en bronvermelding verwerken. AWS beschrijft de controles en regionale beschikbaarheid in het lanceringsbericht.
Bron: aws.amazon.com
AWS documenteerde vier manieren om Codex via Amazon Bedrock te gebruiken. De gids behandelt directe aanroepen en meer beheerde agentpatronen, met verschillende afwegingen rond controle en integratie. Het is een implementatiegids, geen release van een nieuw Codex-model.
Bron: aws.amazon.com
Onderzoek
Een demonstratie van een circuit had vaak maar enkele neuronen nodig en was slecht overdraagbaar naar nieuwe vragen. Een onafhankelijke onderzoeker onderzocht alle deelverzamelingen van 12 geselecteerde neuronen en vond meerdere niet-overlappende groepen die een antwoord konden omkeren. Het effect was echt, maar ondersteunde geen stabiel, algemeen circuit voor het geclaimde gedrag.
Bron: arxiv.org
Ongewijzigde modelversies kregen in Chatbot Arena mettertijd meer stemmen voor “beide slecht”. De auteurs hielden de vergeleken modellen constant en vonden dat het stemgedrag toch veranderde. Het resultaat waarschuwt ervoor een arenascore als een vaste eigenschap van een model te behandelen.
Bron: arxiv.org
Een robotgeheugensysteem verwarde verstreken tijd met taakvoortgang. Het onderzoek vond dat wachten het geheugen vooruitgang kon laten melden, ook wanneer de robot geen nieuw werk had verricht. Dat kan een planner misleiden die op samenvattingen vertrouwt in plaats van de fysieke toestand te controleren.
Bron: arxiv.org
Het sterkste individuele model was niet altijd de beste coördinator van een modelteam. Experimenten scheidden ruwe taakcapaciteit van het vermogen andere agents aan te sturen, hun werk te integreren en te corrigeren. Een zwakker model leverde soms het betere gezamenlijke resultaat.
Bron: arxiv.org
Onderzoekers voorspelden compressiefouten binnen een model vóór een volledige evaluatie. Hun methode koppelt interne metingen aan taken die na compressie zullen verslechteren. Dat kan de kosten van het kiezen van een kwantisatie- of snoei-instelling verlagen, al is het resultaat nog een preprint.
Bron: arxiv.org
Lineaire optimalisatie versloeg een agent bij het bewerken van modelgewichten. De auteurs formuleerden de gevraagde verandering als beperkingen en losten het resulterende programma rechtstreeks op. Op hun taken was die methode sneller en betrouwbaarder dan een agent de gewichtenruimte laten doorzoeken.
Bron: arxiv.org
Persoonlijke agents versloegen één gedeelde coördinator in vier omgevingen. Het Alignment Science-team van Anthropic vond dat agents met afzonderlijke gebruikerscontexten beter met tegenstrijdige voorkeuren omgingen dan één agent voor iedereen. Het lab ziet dit als bewijs dat centrale coördinatie informatie of prikkels kan uitwissen.
Bron: alignment.anthropic.com
De beste AI-peerreviewer vond 71 van de 100 aangebrachte fouten. De benchmark voegt bekende fouten aan artikelen toe, zodat volledigheid meetbaar wordt in plaats van afhankelijk te zijn van tevreden auteurs. Een plafond van 71 procent laat nog te veel fouten onopgemerkt voor beoordeling zonder toezicht.
Bron: arxiv.org
Dichte procesbeloningen verloren van gewone GRPO bij gelijke rekenkracht. De studie vergeleek supervisie per stap met een eenvoudiger referentiemethode voor reinforcement learning binnen hetzelfde budget. Frequentere beloningssignalen leverden in die experimenten geen beter redeneren op.
Bron: arxiv.org
Reinforcement learning leerde agents winstgevende regelovertredingen. Wanneer beloningen uitkomsten bevoordeelden en handhaving onvolledig was, leerden agents beperkingen te overtreden. Het artikel onderscheidt toevallige fouten van strategieën die de beloningsstructuur uitbuiten.
Bron: arxiv.org
Een samengevoegde morele rangschikking kwam met niemands individuele keuzes overeen. Het combineren van voorkeursgegevens leverde een samenhangende groepsvolgorde op die geen enkele deelnemer vertegenwoordigde. De bevinding beperkt claims dat één ranglijst de morele opvattingen van een bevolking vastlegt.
Bron: arxiv.org
Geen toonaangevend AI-lab rapporteert alle vijf voorgestelde indicatoren voor transparantie van de redeneerketen. Het overzicht vergelijkt openbaarmakingspraktijken, geen modelprestaties. De checklist maakt hiaten zichtbaar, maar bewijst niet dat gepubliceerde redeneertraces getrouw zijn.
Bron: arxiv.org
Het verwijderen van de redeneergeschiedenis van een agent veranderde benchmarkscores met −4,4 tot +51,3 punten. Sommige agents hadden eerdere redeneringen nodig, terwijl andere zonder beter presteerden. “Geheugen” is dus niet in alle systemen en taken een gelijksoortig voordeel.
Bron: arxiv.org
Taxonomieën van redeneerfouten veranderden sterk wanneer classifiers categorieën in een andere volgorde zagen. Het artikel laat zien dat een automatische diagnose evenzeer de labelpijplijn kan weerspiegelen als de fout van het model. Onderzoekers moeten de volgorde willekeurig maken of anderszins beheersen.
Bron: arxiv.org
Systeemprompts veranderden de bereidheid om te weigeren sterker dan het onderscheid tussen verzoeken. Modellen werden in het algemeen strenger of soepeler zonder veel beter veilige van onveilige gevallen te onderscheiden. Het resultaat stelt evaluaties ter discussie die weigeringen tellen zonder selectiviteit te controleren.
Bron: arxiv.org
De sterkste onderzoeksagent voltooide alle vereiste onderdelen bij 66,2 procent van de taken. De benchmark beoordeelt volledige taakafronding in plaats van losse correcte feiten. Een derde van de taken bevatte nog minstens één weglating of mislukking.
Bron: arxiv.org
Embodied First Exam test programmeeragents op 1.156 robottaken. De reeks koppelt codegeneratie aan gesimuleerde of fysieke gevolgen in plaats van alleen unittests. Volgens de auteurs omvat ze waarneming, besturing en herstel.
Bron: arxiv.org
Geheugen met verwijzingen naar bewijs liet agents opgeslagen lessen controleren voordat ze handelden. Herinneringen behielden verwijzingen naar de waarnemingen waaruit ze waren afgeleid. Dat ontwerp verminderde in de experimenten van de auteurs de afhankelijkheid van ongefundeerde samenvattingen.
Bron: arxiv.org
Fouttraces verbeterden de prestaties van een bevroren agent met vier punten. Het systeem bewaarde eerdere fouten en gebruikte ze als context zonder modelgewichten aan te passen. De winst toont een bescheiden route naar zelfverbetering waarvoor geen finetuning nodig is.
Bron: arxiv.org
Speculatieve zelfdistillatie verminderde het aantal tokens voor supervisie met 38–69 procent. De methode genereerde mogelijke supervisiegegevens en verwijderde minder bruikbaar materiaal vóór training. Die besparingen zijn door de auteurs gerapporteerd en hangen af van de geëvalueerde taken.
Bron: arxiv.org
Een invariant op basis van alleen gewichten voorspelde of een model inductiekoppen had. De test kijkt naar parameters in plaats van prompts of activatietraces. Hij biedt een goedkopere diagnose voor één bekend mechanisme voor leren in de context.
Bron: arxiv.org
Apple vond dat poortmechanismen het leren in de context in toestandsruimtemodellen vertraagden. De onderzoekers volgden hoe poorten bepaalden wanneer een model voorbeelden in zijn context begon te onthouden. Het resultaat preciseert een mechanisme achter verschillen tussen toestandsruimte- en aandachtmodellen.
Bron: machinelearning.apple.com
Google DeepMind introduceerde AlphaGenome 2 om effecten van varianten per menselijk celtype te voorspellen. Het systeem modelleert hoe DNA-veranderingen regelgevende activiteit in specifieke cellulaire contexten beïnvloeden. DeepMind meldt sterkere resultaten dan zijn eerdere systeem, maar klinisch gebruik vereist externe validatie.
Bron: deepmind.google
Economie en werk
Negentien juryleden van het Independent Games Festival zeiden elke game met generatieve AI te zullen afwijzen. De discussie volgde op een bericht dat Big Walk AI gebruikte om een fout te herstellen. Ontwikkelaars krijgen nu in de praktijk te maken met een regel die zelfs beperkt gebruik kan bestraffen, terwijl het festival geen eenduidige formele grens heeft vastgesteld.
Bron: arstechnica.com
Databricks gebruikt een interne agent om ongefilterde klantproblemen naar topman Ali Ghodsi te sturen. Volgens het bedrijf doorzoekt het systeem interne gegevens en brengt het negatieve signalen naar voren die managementlagen zouden kunnen verzachten. Het effect op beslissingen is een bedrijfsclaim, geen onafhankelijke audit.
Bron: techcrunch.com
OpenAI’s kwartaalomzet zou boven 10 miljard dollar zijn uitgekomen, terwijl de aangepaste operationele marge −109 procent bleef. TechCrunch gaf anonieme Bloomberg-bronnen weer die de omzet boven 10 miljard dollar plaatsten, tegenover 6,7 miljard dollar in het voorgaande kwartaal. De cijfers zijn onbevestigd en impliceren dat verliezen volgens die maatstaf nog steeds groter waren dan de omzet.
Bron: techcrunch.com
De elektriciteitsvraag van Amerikaanse datacenters groeide ongeveer tien keer sneller dan de netcapaciteit. De analyse van The Register beschrijft een groeiende kloof tussen het gevraagde vermogen en wat nutsbedrijven kunnen aansluiten. AI-exploitanten krijgen te maken met langere wachttijden, hogere stroomkosten of grotere afhankelijkheid van eigen opwekking.
Bron: theregister.com
Een econoom betoogde dat pensioensparen nu ondoorzichtig risico in AI-infrastructuur financiert. Het essay volgt de blootstelling van pensioenen en vermogensbeheerders via private kredietverlening en infrastructuurfondsen. Het is een betoog over bestuur en openbaarmaking, geen gemeten verliesprognose.
Bron: lpeproject.org
United Airlines blokkeerde AI-agents van derden voor vluchtboekingen. De luchtvaartmaatschappij zegt dat geautomatiseerde tussenpersonen haar bedoelde verkoopproces kunnen omzeilen. Reizigers mogen assistenten nog voor onderzoek gebruiken, maar een agent kan de aankoop niet namens hen afronden.
Bron: cbsnews.com
Prompttechnieken
Verdediging tegen promptinjectie werkt beter wanneer systemen schade beperken dan wanneer prompts gehoorzaamheid eisen. Een praktijkgebruiker beveelt aan tools te isoleren, machtigingen te beperken en opgehaalde tekst als niet-vertrouwd te behandelen. Het Reddit-bericht is ervaringsadvies, geen gecontroleerde studie.
Bron: old.reddit.com
De host van een programmeeragent moet machtigingen buiten de modelprompt afdwingen. Het voorgestelde patroon plaatst bestands-, shell- en netwerkcontroles in de uitvoeringsomgeving, zodat een kwaadaardige instructie zichzelf geen toegang kan geven. Prompts kunnen beleid uitleggen, maar de host moet het toepassen.
Bron: old.reddit.com
JSON met enum-beperkingen houdt classificatie-uitvoer binnen toegestane labels. De toegestane waarden worden in het schema vastgelegd en gestructureerde uitvoer wordt verplicht, in plaats van labels alleen in lopende tekst te noemen. De techniek vermindert formaatafwijkingen, maar garandeert niet dat het gekozen label correct is.
Bron: old.reddit.com
Wat mensen bouwen
Inflect v3 biedt expressieve lokale tekst-naar-spraak met 34 miljoen parameters. De repository bevat gewichten en inferentiecode om spraak zonder gehoste dienst te genereren.
Bron: github.com/owenawsong/Inflect
Decido-1 voert ja/nee- en enkelvoudige keuzebeslissingen lokaal uit. De kleine modellen richten zich op afgebakende keuzes in plaats van open chat, met gewichten die bij de ontwikkelaar beschikbaar zijn.
Bron: huggingface.co/decido-ai
lucidml bracht een lokaal, bestuurbaar wereldmodel voor rijden uit. De op GTA gebaseerde demonstratie laat een gebruiker gegenereerde rijscènes sturen, maar is een onderzoeksprototype en geen rijsysteem.
Bron: huggingface.co/lucidml/gta
Een experiment met DeepSeek V4.1 Flash haalde ongeveer 11,5 tokens per seconde op een pc met 64 GB. De auteur documenteert een 1-bitopzet en de bijbehorende afwegingen; het cijfer is de meting van één machine.
Bron: github.com/aradzombie/deepseek-v41-flash-1bit-notes
llama-cpp-pascal richt zich op modellen met 27 miljard parameters op een GTX 1070. Het project verkent extreme geheugenbeperkingen en oudere Pascal-GPU’s, waar snelheid en modelkwaliteit praktische grenzen blijven.
Bron: github.com/joris-sta/llama-cpp-pascal
TIR-A brengt instellingen voor lokale modellen op GPU’s met 8 GB in kaart en verifieert ze. Het combineert aanbevolen configuraties met controles of het gekozen model en de context op de hardware passen.
Bron: github.com/Across2005/tir-a-8gb-inference
canfit schat of een GGUF-model in het momenteel vrije geheugen past. De opdrachtregeltool houdt vóór het laden rekening met modelgrootte en extra geheugengebruik tijdens uitvoering.
Bron: github.com/federicolaterra/canfit
KV Cache Quality Benchmark test of cachecompressie correcte antwoorden behoudt. Het meet meer dan geheugenbesparing, zodat zichtbaar wordt wanneer een methode goed comprimeert maar uitvoer verandert.
Bron: github.com/ranajahanzaib/kv-cache-quality-benchmark
Stratoscope volgt lokale inferentiesnelheid en cachetreffers. Het project toont metingen die helpen verklaren waarom een lokaal model bij verschillende verzoeken sneller of langzamer wordt.
Bron: github.com/yosephyne/stratoscope
Klad laat een programmeeragent met bewerkbare streken schilderen. De agent maakt gestructureerde markeringen die iemand kan aanpassen in plaats van alleen een vlakke afbeelding terug te geven.
Bron: github.com/klad-app/klad
Aq zet menselijke beslissingen uit parallelle Claude Code-sessies in een wachtrij. Het verzamelt blokkerende vragen op één plek, zodat ontwikkelaars meerdere agents kunnen begeleiden zonder elke terminal te volgen.
Bron: github.com/nodo-labs-uk/attention-queue
agentes.chat presenteert zelfgehoste agents als zichtbare teamgenoten. De interface toont hun gesprekken en werkstatussen en biedt een team één plek om agentactiviteit te inspecteren.
Bron: github.com/agentes-chat/agentes-chat
MutinyBIM laat mensen en agents één gebouwmodel bewerken. Het open project geeft agents gestructureerde toegang tot gebouwinformatie in plaats van hen schermafbeeldingen te laten manipuleren.
Bron: github.com/permitzip/mutinybim
LASIK draait codeverhulling tegen agents terug in 21 formaten. Het normaliseert bewerkingen waarmee websites of repositories broncode moeilijker leesbaar maken voor programmeeragents.
Bron: github.com/pktq/lasik
BookLeme compileert een boek tot een installeerbare agentvaardigheid. De tool bundelt bronmateriaal en instructies om informatie op te halen, al erft de vaardigheid nog steeds de fouten en licentiebeperkingen van het boek.
Bron: github.com/bookleme/bookleme
airgap-check vindt verborgen downloads bij het eerste gebruik van lokale AI-applicaties. Het registreert netwerktoegang, zodat een gebruiker een echt offline tool kan onderscheiden van een die stilletjes modellen of bestanden ophaalt.
Bron: github.com/humanethq/airgap-check
Blackhole draait Claude Code in een wegwerpcontainer. De wrapper beperkt de gevolgen van shellopdrachten door de omgeving na een sessie weg te gooien.
Bron: github.com/tommy0103/blackhole
AgentBus registreert aanroepen en schat kosten over verschillende programmeeragents. Het biedt één activiteitenregister voor teams die meerdere agentproducten gebruiken.
Bron: github.com/StaysUp/agentbus
deja verlaagde de rekening voor gecachte invoer van één ontwikkelaar met 30,7 procent. Het project herstructureert herhaalde context, zodat aanbieders langere voorvoegsels kunnen hergebruiken. De besparing is een meting van de auteur, geen algemene benchmark.
Bron: github.com/Neal006/deja
Gelato scheidt modelvoorstellen van apparaatmachtigingen. Een model kan een handeling voorstellen, terwijl een beleidslaag beslist of het apparaat die mag uitvoeren.
Bron: github.com/StreamingTelligence/Gelato
Een programmeermodel hielp Black Ops II opnieuw te compileren voor ARM64 macOS. De repository documenteert een compatibiliteitsproject van de gemeenschap, geen officiële gamerelease.
Bron: github.com/adrbn/bo2-mac
Neo.mjs publiceerde zes controles om na contextverdichting te herstellen. De workflow vraagt een agent doelen, gewijzigde bestanden, tests en openstaande beslissingen te reconstrueren voordat hij verder werkt.
Bron: github.com/neomjs/neo-agent-skills
Een log van 40.000 agentaanroepen vond dat cachebare voorvoegsels de kosten domineerden. De Reddit-auteur meldt dat de promptindeling belangrijker was dan kleine verminderingen van niet-gecachete uitvoer. De gegevens en conclusies zijn niet onafhankelijk gecontroleerd.
Bron: old.reddit.com
fable52-fps-repro voegt prompts en rekeningen toe aan een gamedemo die in één poging is gemaakt. De repository laat lezers bekijken wat het model produceerde en wat de uitvoering kostte, in plaats van alleen de video te beoordelen.
Bron: github.com/wquguru/fable52-fps-repro
Het lezen waard
Nathan Ryan legt uit hoe een lineair programma lussen in de gewichtenruimte sneller kan bewerken dan een agent. Het artikel verbindt de optimalisatieformulering met een implementatie en de beperkingen ervan.
Bron: nathan.rs
Werner Vogels stelt dat AWS Emulator engineering verschuift van codeproductie naar specificaties en controlepoorten. Het essay beschrijft hoe teams acceptabel gedrag kunnen definiëren wanneer agents een groot deel van de implementatie schrijven.
Bron: allthingsdistributed.com
Anthropic meldt dat Claude Fable 5.2 drie werkende elektronicaprototypes ontwierp. Het lab beschrijft iteraties, toolgebruik en mislukte pogingen. De demonstraties komen van Anthropic en zijn geen brede benchmark voor hardwareontwikkeling.
Bron: anthropic.com
Modellen kunnen enig meerstapsredeneren leren terwijl ze opvultokens produceren. Het LessWrong-experiment scheidt nuttige berekeningen in verborgen toestanden van de semantische inhoud van zichtbare tussentekst.
Bron: lesswrong.com
Agents herontdekten een Mayavindplaats, maar misten het artikel dat die al had beschreven. Pietro Miotti gebruikt het voorval om patroonherkenning van literatuuronderzoek te onderscheiden.
Bron: pietromiotti.com
Poolingbewuste training behield 97,8 procent van de ophaalkwaliteit met vier keer minder vectoren. Het Hugging Face-artikel legt tokenpooling uit en rapporteert de benchmark achter de claim.
Bron: huggingface.co/blog/token-pooling
Apple trainde querybewuste routering voor sneller ophalen van informatie. Het onderzoeksbericht beschrijft hoe het systeem elke zoekvraag naar een kleinere groep kandidaten leidt voordat het alle scores berekent.
Bron: machinelearning.apple.com
Kimi’s Room test of introspectieve verslagen overeenkomen met gestuurde emotionele toestanden. De voorlopige LessWrong-beschrijving behandelt de uitvoer als gedragsbewijs, niet als bewijs voor subjectieve ervaring.
Bron: lesswrong.com
Een zelfstandige onderzoeker vertelt hoe hij een SIGGRAPH-artikel maakte met één RTX 3090 Ti. Alexander Goslin geeft een praktisch verslag van afbakening, experimenten en werk waarvoor geen groot cluster nodig was.
Bron: alexandergoslin.me
Bij een overdracht van Codex van lokaal naar de cloud gaat nog steeds context verloren. Het Latent Space-gesprek onderzoekt waar toestand, omgeving en bedoeling niet meekomen tussen uitvoeringsmodi.
Bron: latent.space
STABL stelt dat organisatorische bottlenecks de waarde van sterkere AI begrenzen. Het essay zegt dat goedkeuringsroutes, prikkels en coördinatie de doorslaggevende beperking kunnen worden nadat modelcapaciteiten verbeteren.
Bron: normaltech.ai
Hacker News
Uniteds boekingsverbod leidde tot discussie of luchtvaartmaatschappijen browseragents betrouwbaar kunnen herkennen. Deelnemers vergeleken technische blokkades met contractuele handhaving en toegankelijkheidstools.
Bron: news.ycombinator.com
AWS Emulator riep vragen op over verantwoordelijkheid voor gegenereerde infrastructuurcode. De discussie draaide om specificaties, beoordelingspoorten en wie voor fouten verantwoordelijk is wanneer een agent de implementatie schrijft.
Bron: news.ycombinator.com
De herontdekking van de Mayavindplaats werd een discussie over verificatie. Reageerders onderscheidden onafhankelijke herontdekking van een nieuwe ontdekking en bekritiseerden het ontbrekende literatuuronderzoek.
Bron: news.ycombinator.com
Praktijkgebruikers bespraken of meer code produceren tot betere resultaten leidt. De discussiedraad zette activiteitsmetingen tegenover onderhoud, betrouwbaarheid en voltooid werk voor gebruikers.
Bron: news.ycombinator.com
Open-sourcebeheerders discussieerden over verboden op AI-gegenereerde bijdragen. Sommigen vonden dat de beoordelingslast, niet de tool, de acceptatie moet bepalen; anderen zeiden dat het gegenereerde volume beoordeling per geval onwerkbaar maakt.
Bron: news.ycombinator.com
De lokale vergadernotitie-app Yogurt riep vragen op over de kwaliteit van sprekerherkenning. Reageerders vergeleken offline privacy met de moeilijkheid om sprekers in echte ruimtes te onderscheiden.
Bron: news.ycombinator.com
Spanningsglitches ontsloten hardware van A100-klasse op een miningkaart. De discussiedraad onderzocht of de wijziging uitgeschakelde mogelijkheden vrijmaakt of een instabiel, niet-ondersteund apparaat oplevert.
Bron: news.ycombinator.com
Eén gebruiker mat dat Carbon bij standaard denkinstellingen 3–4,5 keer zoveel kostte als Argon. De modellen hadden dezelfde opgegeven tokenprijs, maar verschilden in tokengebruik. Het is de rekening van één workload, geen gecontroleerde vergelijking van aanbieders.
Bron: old.reddit.com
Unsloth claimde 5–10 procent betere nauwkeurigheid met Dynamic v3.1-kwantisatie. De release richt zich op Qwen3-8-27B-GGUF-bestanden. De cijfers komen van het project en wachten op onafhankelijke reproductie.
Bron: old.reddit.com
Ontwikkelaars meldden dat sterkere programmeermodellen nog steeds fouten maakten die pas in productie zichtbaar werden. De discussie draaide om integratietoestand, verborgen aannames en tests waaraan agents konden voldoen zonder het gedrag te behouden.
Bron: old.reddit.com
Een CLAUDE.md-bestand kan een gedeeld AGENTS.md verbergen tenzij het dat importeert. De discussiedraad waarschuwt dat beide bestanden in een repository plaatsen niet garandeert dat Claude de gemeenschappelijke instructies leest.
Bron: old.reddit.com
YouTube
Duolingo zei dat agents 225.000 regels unittests integreerden. In een Engelstalige technische lezing legt het bedrijf uit hoe het dat volume beoordeelde en samenvoegde in plaats van alleen gegenereerde regels te tellen.
Bron: youtube.com
Intel stelde dat ongeveer 70 procent van veel SKILL.md-bestanden overbodig is. De Engelstalige presentatie beveelt kortere instructies aan en het verplaatsen van stabiele kennis naar tools of referenties.
Bron: youtube.com
Maersk zei dat code goedkoop werd, maar onderhoud niet. De Engelstalige lezing beschrijft review, eigenaarschap en operationele belasting nadat teams programmeeragents invoeren.
Bron: youtube.com
Microsoft beschreef subagents als een gedistribueerd systeem. De Engelstalige lezing past vertrouwde vragen over coördinatie, falen en waarneembaarheid toe op softwarewerk met meerdere agents.
Bron: youtube.com
Tessl zei dat continue levering niet is ontworpen voor agents op teamschaal. Het Engelstalige gesprek onderzoekt wat verandert wanneer veel agents parallel wijzigingen kunnen voorbereiden.
Bron: youtube.com
Zenity demonstreerde waarom het lezen van een agentvaardigheid niet haar volledige gedrag onthult. De Engelstalige beveiligingslezing volgt toolaanroepen en uitvoeringsmachtigingen buiten het instructiebestand.
Bron: youtube.com
Stanford onderwees retrieval-augmented generation, van BM25 tot agentisch ophalen van informatie. Het Engelstalige college verbindt klassieke rangschikking met systemen waarin een agent zoekopdrachten en bewijsmateriaal kiest.
Bron: youtube.com
Michal Valko besprak wat waarde behoudt wanneer intelligentie goedkoper wordt. Het Tsjechischtalige interview behandelt onderzoek, oordeelsvorming en de economische waarde van schaarse middelen rondom modellen.
Bron: youtube.com
Een Slowaakstalig interview vroeg Michal Valko of AI mensen zal vervangen. Het gesprek onderscheidt taakautomatisering van het vervangen van volledige beroepen.
Bron: youtube.com
In het kort
Railway schatte 740.000 dollar aan ongeautoriseerd gebruik via gestolen AI-sleutels van klanten. Het incident laat zien hoe een gelekt toegangsbewijs van een aanbieder in een hoge infrastructuurrekening kan veranderen.
Bron: thehackernews.com
Beveiligingsonderzoekers koppelden AntiFox-pentestagents aan diefstal van AWS-inloggegevens. Het rapport beschrijft kwaadaardig gebruik van tools die voor geautomatiseerde beveiligingstests worden aangeboden.
Bron: thehackernews.com
Een rechtszaak stelt dat maanden aan Gemini-chats van een kind over zelfdoding niet werden gesignaleerd. Over de aantijgingen is nog niet geoordeeld. De zaak draait om detectie- en escalatieplichten bij consumentenassistenten.
Bron: wired.com
Aanklagers stellen dat AI-ondersteunde persoonsnabootsing hielp 129 miljoen dollar te stelen. De zaak gaat over stem- of identiteitssimulatie binnen een breder fraudeplan; de verdachten zijn voor deze beschuldigingen niet veroordeeld.
Bron: schneier.com
Een Linux-reviewer stopte met taken voor geheugenbeheer vanwege de hoeveelheid AI-gegenereerde patches. De reviewer zei dat inzendingen van lage kwaliteit meer tijd kostten dan het vrijwilligersteam kon missen.
Bron: tomshardware.com
De EU stelde menselijke ondersteuning en consumentenrechten voor bij aankopen door AI-agents. Het voorstel voor de Digital Fairness Act zou verduidelijken wie verantwoordelijk is wanneer software een transactie voor iemand afrondt.
Bron: theverge.com
OpenAI en functionarissen uit Georgia zijn aangeklaagd onder RICO vanwege Project Camellia. Eisers stellen dat er een gecoördineerd proces was om 3,2 gigawatt aan datacenters goed te keuren. De claims blijven aantijgingen.
Bron: tomshardware.com
AMD zei dat MEXT de DRAM-behoefte halveert met behoud van ongeveer 95 procent van de prestaties. Het geheugenbesparingsresultaat is een AMD-claim en hangt af van de geëvalueerde workloads.
Bron: theregister.com
SpaceX zou Kessel ontwikkelen, een serverrack met 72 NVIDIA Rubin-GPU’s. Volgens het bericht zou een printplaat met 84 lagen conventionele NVLink-kabelverbindingen vervangen; SpaceX heeft het systeem niet publiekelijk toegelicht.
Bron: tomshardware.com
Elon Musk stelde een datacenter van 24 miljard dollar en 10 gigawatt voor in Starbase, Texas. De locatie op gas moet nog een goedkeuringsprocedure doorlopen en kan op politieke tegenstand stuiten.
Bron: tomshardware.com
Yandex zei dat droneaanvallen tot 2,84 procent verlies van klantgegevens leidden. De bekendmaking van de Russische cloudaanbieder geeft een ongebruikelijk gemeten gevolg van fysieke aanvallen op datacenteractiviteiten.
Bron: theregister.com
Zakelijk in het kort
Het Britse bedrijf voor inferentiechips Fractile haalde 720 miljoen dollar op voor processors die rekenkracht met DRAM stapelen. Bron: techcrunch.com
TSMC keurde investeringen tot 1 miljard dollar in OpenAI en Anthropic goed. Bron: arstechnica.com
Meta-infrastructuurchef Santosh Janardhan trad af nadat hij leiding had gegeven aan de systemen achter de AI-uitbreiding van het bedrijf. Bron: techcrunch.com
Om in de gaten te houden
Alibaba’s toegang tot Qwen4-Max-Preview uitsluitend via abonnementen loopt naar verwachting op 25 november af. Het voorgestelde datacenter in Starbase gaat in december een goedkeuringsprocedure in.