16 vijesti — 🔴 3 kritično , 🟡 9 važno , 🟢 4 zanimljivo
SensorFM je Googleov foundation model za zdravstvene podatke s nosivih uređaja, treniran na više od bilijun minuta signala s Fitbit i Pixel Watch uređaja 5 milijuna korisnika iz 100+ zemalja. Model pobjeđuje specijalizirane pristupe na 34 od 35 zadataka, s +9% AUC na klasifikaciji i +21% korelacije na regresiji.
Aurora 1.5 je Microsoftov open-source foundation model za Zemljin sustav koji nadmašuje ECMWF ensemble prognozu na 88,9% evaluiranih varijabli i horizonata. Novo izdanje dodaje 22 meteorološke varijable, satnu rezoluciju i probabilistički ensemble forecasting, a za uragan Helene postiže oko 33% nižu pogrešku putanje od originalne Aurore.
GPT-5.6 je nova OpenAI model-familija s tri varijante: Sol (flagship za složeno zaključivanje), Terra (uravnotežena) i Luna (visokovolumna, cjenovno učinkovita). Donosi Programmatic Tool Calling, eksplicitnu kontrolu prompt cachinga, persisted reasoning i multi-agent orkestraciju u beti, a od prvog dana dostupna je i u GitHub Copilotu.
Muse Spark 1.1 je multimodalni reasoning model Meta Superintelligence Labsa za agentske zadatke, s kontekstnim prozorom od milijun tokena. Model koordinira subagente, navigira tokove kroz više aplikacija te prima slike, video i PDF-ove, a dostupan je kroz Meta Model API u javnom pregledu i u Thinking modu Meta AI aplikacije.
Grok 4.5 je xAI-jev novi model pozicioniran kao flagship za kodiranje i agentske zadatke, s cijenom od 2 USD za milijun ulaznih i 6 USD za milijun izlaznih tokena. Podržava konfigurabilni reasoning effort (low/medium/high) i već je dostupan kroz Perplexityjev Agent API, čime agresivno podcjenjuje usporedive frontier modele.
Harness Effect je nalaz empirijskog rada 32 autora prema kojem dizajn orkestracijskog sloja utječe na troškove AI agenata više od izbora samog modela. Na 22 zadatka i 6 modela optimizirana orkestracija smanjila je trošak po zadatku 41% (s 0,21 na 0,12 USD), tokene 38% i vrijeme izvršavanja 44% — uz porast kvalitete.
IBM Bob je agentska platforma za razvoj softvera koja u novoj verziji dobiva multi-agent arhitekturu za cijeli razvojni ciklus, analitiku Bobalytics i Premium paket za mainframe modernizaciju COBOL-a i PL/I-ja. IBM navodi da je klijent Blue Pearl devetomjesečni modernizacijski projekt uz Boba završio za tri dana.
ChatGPT Work je OpenAI-jev iskorak prema agentskom radu: ChatGPT sada može preuzimati akcije kroz aplikacije i datoteke te samostalno raditi na projektu satima, pretvarajući zadani cilj u dovršen posao. OpenAI ga pozicionira kao partnera za najambicioznije zadatke, izravno konkurirajući agentskim proizvodima Anthropica i GitHuba.
GitHub Copilot repository overview je nova mogućnost koja pri prvom posjetu nepoznatom repozitoriju automatski generira sažetak: čemu projekt služi, koje tehnologije koristi i kako mu doprinijeti. Radi na github.com kroz Copilot chat, dostupna je na svim Copilot planovima i ne zahtijeva nikakvu konfiguraciju.
Reflect je Anthropicov beta dashboard za analizu vlastitih navika korištenja Claudea: prikazuje dominantne teme, kategorije zadataka i vremenske obrasce za razdoblja od 1 do 12 mjeseci. Korisnici mogu postaviti tihe sate i podsjetnike za pauze, a dostupan je na Free, Pro i Max planovima uz uključen Memory.
Mistral Studio uvodi sustav zapisa za AI promptove i skillove: nepromjenjivo verzioniranje s potpunom poviješću, vlasništvo i audit tragove, klasifikacijske oznake te brzi rollback. Skillovi su integrirani kao MCP serveri, a razvojni i produkcijski tokovi su razdvojeni — promjene u produkciji idu kroz CI/CD.
Ben Bernanke je bivši predsjednik američkih Federalnih rezervi (2006.–2014.) i dobitnik Nobelove nagrade za ekonomiju 2022. kojeg je Anthropic imenovao u Long-Term Benefit Trust. LTBT je neovisno tijelo bez dionica i profitnih udjela koje nadzire misiju javne dobrobiti kompanije, a Bernanke donosi ekspertizu o ekonomskim učincima AI-ja.
Hard Questions je Anthropicova inicijativa kroz koju javnost može postavljati najteža pitanja o umjetnoj inteligenciji, a kompanija se obvezuje transparentno pratiti i javno izvještavati o konkretnim akcijama. Temelji se na anketi 52.000 Amerikanaca i stavovima 81.000 Claude korisnika iz 159 zemalja na 70 jezika.
