LatchBio menerbitkan analisis independen tentang Grok 4.6 pada benchmark BioSecBench-Refusal dan BioSecBench-Surveillance, menemukan bahwa model tersebut paling kuat dalam menolak tugas berbahaya yang disamarkan di antara sistem terdepan yang diuji.
Para peneliti telah memformalkan serangan penolakan layanan saat inferensi (PI-DoS) yang memanfaatkan biaya komputasi tinggi dari penalaran eksplisit multi-langkah dalam Model Penalaran Besar (LRM). Mereka menyajikan ReasoningBomb, sebuah kerangka kerja berbasis pembelajaran penguatan yang melatih penyerang untuk menghasilkan prompt alami singkat yang mendorong model korban ke dalam jejak penalaran yang secara patologis panjang dan sering kali tidak berakhir.
NVIDIA telah merilis Kumo Tabular, sebuah model dasar terbuka untuk klasifikasi dan regresi tabel yang beroperasi melalui pembelajaran dalam konteks tanpa memerlukan pelatihan atau rekayasa fitur. Dilatih secara eksklusif pada data buatan yang dihasilkan oleh Model Kausal Struktural, model ini tersedia dalam tiga ukuran dengan jumlah parameter berkisar dari 28M hingga 215M.
Anthropic telah merilis Claude Sonnet 5.5, model kedua dalam keluarga Claude 5.5, yang diposisikan sebagai pelengkap yang lebih cepat dan lebih hemat biaya untuk Claude Opus 5.5 guna menangani tugas sehari-hari, perbaikan bug, dan penyempurnaan dokumen.
Anthropic telah memperkenalkan Claude Opus 5.5, model pertama dalam keluarga Claude 5.5 barunya, yang memberikan kinerja comparable dengan Claude Fable 5.1 pada sebagian besar tugas sambil menghemat biaya 40% lebih murah untuk dijalankan dibandingkan Opus 5.
Anthropic telah merilis Claude Opus 5.5, penerus berbiaya lebih rendah dari Claude Opus 5 yang memimpin Indeks Kecerdasan Artificial Analysis v4.3 dan Vals AI’s Vals Index dalam benchmark kecerdasan secara keseluruhan. Secara bersamaan, TypeSafe, yang didirikan oleh alumni OpenAI Diogo Almeida, memperkenalkan Jev, sebuah model klasifikasi umum yang dirancang untuk menganalisis teks dan mengembalikan output yang telah ditentukan sebelumnya dengan biaya lebih rendah dibandingkan model bahasa besar.
OpenAI memperkenalkan GPT-6 Sol dan Luna sebagai alternatif yang lebih cepat dan terjangkau untuk GPT-6 Astra, membawa kemajuan dalam pemrograman, faktualitas, penggunaan komputer, dan tugas profesional ke model dengan biaya lebih rendah.
OpenAI telah merilis dua model baru, GPT-6 Sol dan GPT-6 Luna, yang kini tersedia di OpenAI API. Model-model ini berada di bawah GPT-6 Astra yang sebelumnya diluncurkan dan bertujuan untuk membawa kemajuan teknisnya ke tier yang lebih cepat dan terjangkau untuk pemrograman kompleks serta pekerjaan sehari-hari dengan volume tinggi.
Anthropic telah merilis Claude Opus 5.5, model pertama dalam keluarga Claude 5.5 barunya, yang diposisikan sebagai alternatif yang lebih efisien dibandingkan generasi sebelumnya. Model ini dirancang untuk berkinerja setara dengan Claude Fable 5.1 pada sebagian besar tugas, namun dengan biaya operasional 40% lebih rendah dibandingkan Opus 5.
Anthropic telah merilis Claude Opus 5.5, model pertama dalam keluarga Claude 5.5 barunya, yang berkinerja setara dengan Claude Fable 5.1 pada sebagian besar tugas, namun biaya operasinya 40% lebih murah dibandingkan Opus 5.
SpaceXAI telah merilis Grok 4.7, model andalan baru untuk pemrograman, tugas agentic, dan kerja pengetahuan yang memanfaatkan model dasar lebih besar dan durasi pelatihan penguatan (reinforcement learning) lebih panjang dibandingkan Grok 4.6. Model ini mempertahankan struktur harga yang sama dengan pendahulunya sambil menawarkan kemampuan yang ditingkatkan dalam verifikasi diri, penanganan konteks panjang, dan keamanan.
OpenAI telah merilis GPT-6 Astra, model visi-bahasa andalan barunya yang mencapai peringkat teratas atau hampir teratas di berbagai papan peringkat AI utama sambil menggunakan token secara signifikan lebih sedikit dan menelan biaya lebih murah dibandingkan model pesaing. Model ini dirancang untuk memenuhi tingkat keamanan siber kritis OpenAI, dengan kemampuan siber lanjutan dibatasi hanya untuk organisasi terpilih.
OpenAI secara resmi telah meluncurkan GPT-6 Astra, memposisikannya sebagai model paling cerdas dan selaras hingga saat ini. Peluncuran ini menargetkan penggunaan komputer, rekayasa perangkat lunak, matematika dan sains, pekerjaan kantor, dan keamanan siber.
OpenAI telah merilis GPT-6 Astra, sebuah model baru yang tersedia untuk pengguna ChatGPT Plus, Pro, Business, dan Enterprise, serta melalui OpenAI API dan AWS. Model ini dihargai $10/juta token input dan $50/juta token output, memposisikannya sebagai pesaing Claude Fable 5.
Anthropic telah merilis Claude Fable 5.1 dan Claude Mythos 5.1 sebagai model andalan barunya untuk pemrograman dan pekerjaan berbasis pengetahuan, memposisikannya sebagai model paling canggih di dunia untuk tugas otonom multi-langkah.
Anthropic telah merilis Claude Fable 5.1 dan Claude Mythos 5.1 sebagai model andalan barunya untuk pemrograman dan pekerjaan berbasis pengetahuan, dengan klaim mampu menangani tugas otonom multi-langkah. Rilis ini mencakup pengurangan signifikan pada harga baca cache menjadi $0,25 per juta token, disertai jendela konteks 1 juta token.
Anthropic telah merilis Claude Fable 5.1 dan Claude Mythos 5.1 yang dibatasi, keduanya berbagi model dasar tetapi berbeda pada lapisan pengaman. Fable 5.1 tersedia secara umum di berbagai penyedia cloud utama, sementara Mythos 5.1 tetap terbatas untuk organisasi yang telah diverifikasi.
Peneliti dari NVIDIA, MIT, dan Universitas Oxford telah memperkenalkan Physis-Lang, sebuah kerangka kerja yang meningkatkan model dunia video dengan mengintegrasikan bahasa fisik yang berevolusi secara mandiri ke dalam caption. Pendekatan ini memperlakukan bahasa fisik sebagai representasi yang dapat dioptimalkan untuk kurasi data, pelatihan model, dan inferensi guna memperbaiki kesalahan fisika pada video yang dihasilkan.
AI Compute Radar telah menerbitkan papan "Maker" yang memeringkatkan 15 lab yang berkontribusi pada set 46 model terbuka yang dilacaknya, menggunakan metrik komposit yang disebut Skor Panas. Peringkat ditentukan oleh jumlah model masing-masing lab di peringkat 10 teratas, dengan tie-breaker berdasarkan posisi terbaik dan total unduhan 30 hari.
Frontier Red Team Anthropic mengevaluasi model Tiongkok GLM-5.3 pada 100 tugas dari benchmark Binary Exploitation internal dan menemukan bahwa model tersebut mampu mengembangkan hijack aliran kontrol penuh dalam 4% percobaan.