14 vijesti — 🟡 11 važno , 🟢 3 zanimljivo
vLLM je open-source inference engine koji je zauzeo prvo mjesto na Artificial Analysis ljestvici za tri frontier modela — DeepSeek V3.2, MiniMax-M2.5 i Qwen 3.5 397B — kroz agresivnu kernel fuziju (33→10 launches po sloju, 1.28× speedup), custom EAGLE3 draft model za speculative decoding i optimizacije linearne attention putanje.
Rad arXiv:2605.07776 je istraživanje praćenja neizvjesnosti u reasoning trace-ovima velikih jezičnih modela. Autori (Grünefeld, Højer, Mondorf, Plank, Rogers i suradnici) razvili su 'uncertainty trace profile' — kompaktni skup značajki koji predviđa točan ishod s AUROC 0.807, već iz prvih nekoliko stotina tokena (AUROC 0.801).
TMAS (Test-time Multi-Agent Scaling) je novi pristup test-time compute scaling-u koji organizira LLM inferencu kao kolaboraciju između specijaliziranih agenata s hijerarhijskim memorijskim bankama. Autori (UC Berkeley + DeepMind) pokazuju nadmašivanje svih postojećih baseline metoda (Best-of-N, MCTS, AutoTTS) na MATH-500, AIME 2024, HumanEval i GPQA Diamond uz isti compute budget. Kombinira reasoning + retrieval + verification u jednoj pipelin-i.
AWS Strands Agents SDK je open-source framework za izgradnju autonomnih AI agenata koji je dobio duboku integraciju s Exa, AI-native tražilicom koja indeksira web na semantičkoj razini. Agent sada može autonomno odlučiti kada pretraživati web, sintetizirati izvještaje iz više izvora i citirati podatke — bez izgradnje custom crawlera ili scraper infrastrukture. Integracija pojednostavljuje izradu web search-enabled agenata na desetak linija koda.
SocialReasoning-Bench je novi Microsoft Research benchmark koji mjeri zastupa li AI agent stvarne interese korisnika tijekom pregovora s drugim stranama — ne samo dovršava li zadatak. Rezultati pokazuju da modeli skoro savršeno zaključuju poslove ali konzistentno ostavljaju vrijednost na stolu, s 90%+ neefikasnih ili nemarnih ishoda u marketplace scenarijima.
Rad arXiv:2605.07313 je scale-conditioned evaluacijski protokol koji testira ostaju li sustavi memorije agenata funkcionalni dok se gomilaju irelevantni podaci. HippoRAG gubi 16-20 postotnih bodova budget-compliant pouzdanosti, dok LiCoMemory varira ovisno o veličini modela. Autori (Shao, Lu, Zhang, Luo) zaključuju da gubitak pouzdanosti nije jedinstvena pojava.
AMD Instinct MI355X je data center GPU koji u objavljenom benchmark-u nadmašuje NVIDIA B200 na tri ComfyUI generativna workflowa — text-to-video Wan2.2 (1.44×), text-to-image FLUX.1-dev (1.42×) i 3D Hunyuan3D v2.1 (1.20×) — zahvaljujući AOTriton gfx950 kernelima, hipBLASLt GEMM tuningu i ostalim ROCm 7.2.0 optimizacijama.
NVIDIA Fleet Intelligence je managed servis koji u stvarnom vremenu nadzire velike flote NVIDIA data center GPU-a — snagu, temperaturu, performanse i ECC greške — uz kriptografsku provjeru autentičnosti GPU-a kroz NVIDIA Remote Attestation Service. Servis je besplatan za vlasnike Vera Rubin, Blackwell i Hopper GPU-a.
Claude Code v2.1.139 je izdanje Anthropicovog CLI agenta koje uvodi Agent View u Research Preview fazi — jedinstveni popis svih sesija (aktivnih, blokiranih, završenih) — te /goal naredbu koja Claude tjera da radi kroz više poteza dok ne ispuni zadani uvjet, uz panel s vremenom, brojem koraka i potrošnjom tokena.
IBM je danas najavio Red Hat AI Inference Service i Red Hat OpenShift Virtualization Service kao managed enterprise proizvode dostupne na IBM Cloud-u. Prvi nudi optimizirano serving okruženje za open-source LLM-ove (Granite, Llama, Mistral) s automatskim scaling-om i SLA jamstvima, drugi omogućuje pokretanje VM-ova i kontejnera u istoj OpenShift kontrolnoj ravnini. Cilj: reducirati operativni teret enterprise tima koji žele open-source AI bez vlastite Kubernetes infrastrukture.
OpenAI je u utorak pokrenuo DeployCo (The Deployment Company), zasebnu organizaciju koja pomaže poduzećima izgraditi i skalirati AI aplikacije u produkciji. Cilj: razdvojiti foundation model R&D od enterprise deployment consulting-a koji je do sad bio u istom OpenAI tim-u i stvarao operativnu napetost. DeployCo nudi managed deployment, custom evaluation, post-launch monitoring i industry-specific fine-tuning.
Claude Platform na AWS-u je managed servis koji omogućuje izravno korištenje Anthropicove platforme kroz postojeći AWS račun, bez zasebnog ugovora s Anthropicom. AWS je prvi cloud provider s general availability statusom za native pristup, koristi IAM autentikaciju, CloudTrail logiranje i Marketplace billing u 19+ regija.
OpenAI Q1 2026 izvještaj je kvartalni pregled usvajanja ChatGPT-a koji pokazuje da najbrži rast bilježi demografska skupina korisnika starijih od 35 godina. Detaljni signali objavljeni su na OpenAI signals/research stranici, no direktni URL trenutno vraća 403 te se članak temelji na RSS feed opisu objavljenom 11. svibnja 2026.
