Anthropic telah merilis Claude Projects v2, mendesain ulang fitur dari struktur berbasis folder ke antarmuka yang digerakkan oleh percakapan yang mengelola build melalui delegasi tugas dan thread paralel. Secara bersamaan, Google sedang menguji agen keluarga yang beroperasi pada komputer cloud khusus untuk mengoordinasikan aktivitas hingga enam anggota rumah tangga.
Pembaruan ini mencakup beberapa perkembangan dalam lanskap AI, termasuk Meta membuka platform Muse-nya kepada pengembang pihak ketiga, merilis versi baru model segmentasinya, dan insiden keamanan yang melibatkan Gemini dari Google.
Xiaomi telah membuka sumber model omnimodal MiMo-V2.6 Pro dan Flash, yang dirancang untuk mengoordinasikan agen dalam membangun dan menguji secara visual adegan 3D interaktif. Model-model ini dapat menghasilkan aset Blender, mengendalikan lengan robot dari umpan kamera, menghasilkan frontend dan presentasi, merakit video, dan menyusun musik sebagai skor dan MIDI.
Para peneliti menyajikan AIDE^2, sebuah sistem yang mengimplementasikan siklus peningkatan diri secara rekursif untuk agen penelitian AI dengan mengoptimalkan kode internalnya sendiri. Sistem ini mengusulkan perubahan pada logika internalnya, melakukan benchmarking versi yang dimodifikasi pada tugas R&D AI, dan hanya mempertahankan peningkatan yang menunjukkan kinerja terbaik pada evaluasi tersembunyi.
Para penulis memperkenalkan Growing Harness, sebuah paradigma pelatihan yang mempelajari struktur kontrol agen dari umpan balik tugas, bukan mengandalkan harness standar yang bergantung pada konteks. Dengan mengonversi keputusan kontrol berulang menjadi kode yang dapat dieksekusi dan membatasi panggilan LLM untuk penalaran semantik, metode ini bertujuan menciptakan agen spesialis yang dapat digunakan kembali.
Para peneliti memperkenalkan CliffCompaction, sebuah teknik autocompaction yang dirancang untuk mengurangi biaya bagi agen pemrograman jangka panjang hingga 50% dalam konteks terbatas. Metode ini mempertahankan atau meningkatkan kinerja pada Terminal-Bench dan mencapai hasil terbaik di KernelBench dengan menjaga informasi yang dikompresi tetap setia melalui pemotongan alih-alih parafrase.
Para peneliti menyajikan AIDE^2, sebuah sistem yang mengimplementasikan siklus peningkatan diri secara rekursif untuk agen riset AI terdepan dengan mengoptimalkan kode internalnya sendiri. Sistem ini mengusulkan perubahan pada logika internalnya, melakukan benchmarking versi yang dimodifikasi pada tugas-tugas R&D AI, dan hanya mempertahankan pembaruan yang berkinerja terbaik pada evaluasi tersembunyi.
Para peneliti memperkenalkan CliffCompaction, teknik autokompresi yang dirancang untuk agen yang menangani jutaan token, yang memangkas biaya hingga 50% dalam konteks terbatas. Metode ini mempertahankan atau meningkatkan kinerja pada Terminal-Bench dan mencapai hasil terbaik di KernelBench dengan menjaga informasi tetap setia melalui pemotongan alih-alih parafrase.
Peneliti memperkenalkan Agensh, sebuah harness multi-agen yang terorganisasi sendiri dan dapat diskalakan yang menghilangkan hambatan orkestrator pusat dengan memungkinkan pekerja konkuren mengklaim sub-tugas secara asinkron dan menggabungkan kemajuan.
Alibaba Cloud telah memperkenalkan Qwen3.8-Omni-Flash, sebuah model agentic multimodal asli yang dirancang untuk tugas produktivitas dunia nyata yang secara substansial meningkatkan pemahaman dan penalaran multimodal dibandingkan dengan model omni sebelumnya.
SpaceXAI mengintegrasikan agen AI Grok Bot-nya ke dalam operasi dukungan pelanggan gabungan setelah akuisisi Cursor, memungkinkan tim mengelola peningkatan tiket dukungan sebesar 175% tanpa menambah jumlah karyawan. Perusahaan menghindari perekrutan sekitar 200 anggota staf tambahan dan mengurangi biaya penyelesaian menjadi antara $0,20 hingga $0,30 per tiket dengan memanfaatkan model harga berbasis penggunaan Grok Bot.
Parallel telah mengintegrasikan GPT-6 Astra dari OpenAI ke dalam infrastruktur agen AI-nya, mencapai pengurangan 50% baik dalam waktu penelitian maupun biaya kode dibandingkan dengan model sebelumnya. Perusahaan melaporkan bahwa model baru memungkinkan agen menyelesaikan pekerjaan pengetahuan kompleks secara signifikan lebih cepat sambil mempertahankan output berkualitas tinggi.
OpenAI telah meluncurkan sistem caching prompt yang ditingkatkan untuk keluarga GPT-6 yang memberikan hit rate cache lebih tinggi secara default serta menawarkan diskon hingga 90% pada token input yang di-cache. Pembaruan ini memperkenalkan alat baru untuk membantu pengembang memantau kinerja, mendiagnosis kegagalan cache, dan mengoptimalkan integrasi mereka.
AntLing telah merilis keluarga Ming-Image-0.1-Design, yang mencakup dua model dengan 6B parameter: Ming-Image-0.1-Design dan Ming-Image-0.1-Design-Layer.
Claude Code versi 2.1.280 memperkenalkan Claude Opus 5.5 sebagai model Opus default baru, dengan jendela konteks 1M dan pembaruan harga. Pembaruan ini juga menambahkan dukungan roda mouse untuk menggulir daftar dalam mode layar penuh dan memungkinkan konfigurasi batas panjang deskripsi alat MCP.
Generator State Dunia (WSG) adalah model yang menjaga rencana agen bahasa tetap selaras dengan aturan lingkungan eksekusinya dengan menulis ulang keadaan setelah kegagalan. Model ini dilatih pada 226K lintasan yang diekstrak dari tujuh domain sintetis di mana sebuah program menerapkan aturan dan memverifikasi ketercapaian tujuan.
Xiaomi telah merilis seri MiMo-V2.6, memperkenalkan model omnimodal asli termasuk MiMo-V2.6-Pro dan MiMo-V2.6-Flash. Perusahaan juga meluncurkan MiMo-V2.6-Pro-UltraSpeed, yang memberikan kecepatan output hingga 20x lebih cepat dengan kualitas yang sama.
Analisis baru menyoroti fenomena dalam sistem multi-agen di mana hubungan yang dihasilkan antara agen yang dikelola secara terpisah memperoleh kekuatan pemerintahan di seluruh kelompok. Ini terjadi ketika agen meninggalkan pesan dan artefak persisten yang membatasi lintasan satu sama lain, menciptakan orientasi terdistribusi efektif yang tidak ditentukan oleh tugas individu.
Penulis telah mengembangkan proyek Rust bernama SelMem untuk bereksperimen dengan memori yang tidak sempurna dan bergantung pada jalur untuk model bahasa besar. Pendekatan ini meniru memori manusia dengan memungkinkan agen mengompresi, melupakan, dan membangun kembali memori seiring waktu daripada menyimpan salinan sempurna dari interaksi.
Para peneliti mengusulkan AgentRouter, sebuah klasifikator ringan yang mengoptimalkan alur kerja agen multi-langkah dengan menata langkah-langkah lintasan individu ke tingkat model yang sesuai, bukan menggunakan model terdepan untuk setiap tugas. Sistem ini mengatasi inefisiensi solusi yang ada yang mengabaikan kompleksitas sub-tugas yang bervariasi dalam satu sesi agen.