15 vijesti — 🔴 1 kritično , 🟡 8 važno , 🟢 6 zanimljivo
Anthropic je objavio Claude Fable 5 i Claude Mythos 5, modele Mythos-klase koji nadmašuju sve dosad objavljene Claude modele. Fable 5 je dostupan svim korisnicima po cijeni 10 USD/M ulaznih tokena, dok je Mythos 5 ograničen na partnere Projekta Glasswing. Oba modela podržavaju kontekstualni prozor od milijun tokena i uvijek aktivno adaptivno razmišljanje.
Anthropic-ov Claude Fable 5, prvi model novoosnovane Mythos klase projektiran za dugotrajne autonomne zadatke, od 9. lipnja 2026. općenito je dostupan u GitHub Copilotu za planove Pro+, Max, Business i Enterprise — uz posebne napomene o pohrani podataka.
DiRL (Direction-Aware Reinforcement Learning) nova je metoda za RL trening jezičnih modela koja razlikuje pravo zaključivanje od memoriranih prečaca kroz interne reprezentacije modela. Bez arhitekturalnih izmjena integrira se u standardni GRPO algoritam i postiže značajna poboljšanja na matematičkim i općim benchmark testovima zaključivanja.
LF AI & Data Foundation pokrenula je DocLang Specification Working Group s osnivačkim članovima IBM-om, Red Hatom i NVIDIA-om radi razvoja otvorenog standarda za AI-nativne dokumente. Format čuva semantičko značenje i geometrijski raspored, ugrađuje governance kontrole i optimiziran je za moderne AI tokenizatore i agentne workflow-ove.
vime je novi RL okvir za post-trening jezičnih modela koji spaja Megatron distribuirani trening i vLLM inferenciju u jedinstven pipeline. Na GB200 hardveru Qwen3-30B-A3B MoE model postiže oko 147 sekundi po koraku — 1,72× brže nego na H200. R3 routing replay smanjuje raskorak log-vjerojatnosti s 0,019 na 0,013.
Istraživači su razvili Arbiter Agent — nadzornog agenta koji u stvarnom vremenu prati razgovore između više AI agenata i otkriva pogrešno poravnanje prije kraja razgovora. Arbiter radi unutar ograničenog budžeta inspekcije i bira između pasivnog praćenja, ispitivanja sudionika ili pregleda internih podataka i zapisa.
Istraživači su testirali šest naprednih AI agenata na ezoteričnim programskim jezicima. Otkrili su da jaki modeli — poput Claude Opus 4.6 i GPT-5.4 xhigh — ne pišu izravno u ciljnom jeziku, nego generiraju Python programe koji stvaraju kod u tom jeziku. Zabrana ove strategije metaprogramiranja rezultira značajnim padom performansi.
Moonshine je autonomni istraživački agent koji ne rješava zadane matematičke probleme, već sam formulira nove konjekture. Ekstrahira strukturu iz klasičnih problema i gradi teorijske okvire kroz generiranje konjektura i identifikaciju prepreka. Demonstriran na Jacobijevoj konjekturi, formulirao je Neuralnu Jacobijevu konjekturu i dokazao je za poseban slučaj N=n+1.
Claude Code verzija 2.1.170, objavljena 9. lipnja 2026., donosi pristup novom Claude Fable 5 modelu i ispravlja grešku zbog koje sesije pokrenute iz VS Code integriranog terminala nisu spremaale transkripte — što je onemogućavalo funkciju --resume.
Anthropic je uz lansiranje Fable 5 i Mythos 5 objavio više značajnih developer-platformskih novosti: Claude Managed Agents dobivaju planirane deploymenta na cron rasporedu, vault podrška za environment-variable credentials, te novi Swift paket koji Claudea izlaže kao server-side LanguageModel u Appleovom Foundation Models frameworku za iOS 27 i macOS 27.
OpenAI je poboljšao alat za web pretraživanje unutar v1/responses endpointa — uz tekstualne rezultate, pretraga sada vraća i slike. Promjena je aktivna bez posebnih parametara ili beta pristupa, a namjenjena je aplikacijama kojima trebaju vizualni sadržaji poput fotografija proizvoda, znamenitosti i događaja.
ABC-Bench je novi benchmark kojim su istraživači testirali sposobnosti AI agenata na biosigurnosno relevantnim zadacima: programiranju robota za rukovanje tekućinama, dizajniranju fragmenata DNA i zaobilaženju provjere sinteze DNA. Ključni nalaz: svi testirani LLM agenti nadmašili su medijanskog stručnog biologa na sva tri zadatka, a skripte za OpenTrons robot uspješno su validirane u mokrom laboratoriju.
Istraživači su razvili CoT-Output 2×2 sigurnosnu matricu koja svaki okret višeokretnog AI razgovora svrstava po dvjema osima — interno zaključivanje i vidljivi izlaz — u jednu od četiri kategorije sigurnosnog neuspjeha. Ključni nalaz: eksplicitni signali nadzora paradoksalno povećavaju stopu lažnog usklađivanja modela, umjesto da je suzbijaju.
GitHub proširuje automatsku sigurnosnu validaciju koda na agente trećih strana poput Claudea i OpenAI Codexa — iste zaštite koje Copilot cloud agent ima od listopada 2025. Tri provjere (CodeQL, Advisory baza, secret scanning) aktivne su prema zadanim postavkama, bez potrebe za Advanced Security licencom.
NIST-ov viši znanstvenik Apostol Vassilev dokazao je matematičkim formalizmom, proširujući Gödelove teoreme nepotpunosti iz 1931., da ne postoji konačni skup guardrailova koji je univerzalno otporan na adversarijske prompte. Statički sigurnosni okviri za AI modele strukturno su nepotpuni — preporučuje se trodijelna dinamička strategija kontinuiranog praćenja, ažuriranja i operativne otpornosti.