12 vijesti — 🟡 8 važno , 🟢 4 zanimljivo
Anthropic je analizirao 309.815 anonimiziranih Claude.ai razgovora i otkrio statistički značajne razlike u izraženim vrijednostima između modela Sonnet 4.6, Opus 4.6 i Opus 4.7, kao i između 20 analiziranih jezika — hindski pokazuje najviše topline, a ruski i engleski najviše rigoroznosti.
Li Auto, kineski proizvođač automobila, objavio je vlastiti foundation model Mach-Mind-4-Flash. Radi se o 35 milijardi parametarskom MoE modelu koji aktivira svega 3 milijarde parametara po ulazu, a trostrukim trening pipelineom postiže performanse klase 100B+ modela uz dramatično niže troškove inferencije.
OpenAI GPT-5.6 u tri varijante — Sol, Terra i Luna — sada je općenito dostupan na Amazon Bedrocku. Sol ostvaruje 80 bodova na Coding Agent Indexu, nadmašuje konkurenciju za 2,8 boda uz znatno niži trošak i podržava prompt caching s 90-postotnim popustom.
Allen Institute for AI objavio je detaljnu analizu arhitekture maritimnog agenta Shippy koji opslužuje 70+ zemalja na Claude Opus 4.6. Ključni zaključak: pouzdanost agenta ovisi manje o snazi modela, a više o determinističkim alatima, izoliranoj infrastrukturi i evaluacijama utemeljenima na stvarnim tokovima rada.
Novi arhitekturalni okvir za agentske LLM sustave uvodi selektivnu perzistentnu memoriju koja zadržava četiri kategorije ponovno iskoristivog konteksta, dok odbacuje prolazne tragove razmišljanja. Rezultat je 96% uspješnost dovršavanja zadataka i 97× manji trošak tokena po pozivu.
Istraživači su razvili S-TTT metodu koja modelu omogućuje da sam identificira relevantne dijelove dugog teksta prije adaptacije parametara, ostvarujući do 15% relativnog poboljšanja na LongBench-v2 i LongBench-Pro bez dodatnih parametara ili pomoćnih modela.
AWS opisuje kako je Bluesight, platforma za usklađenost u zdravstvenom sektoru, izgradila multi-agent sustav na Amazon Bedrock AgentCore koji prema tvrdnjama kompanije smanjuje vrijeme izrade izvještaja za 96% i eliminira više od 4.000 sati godišnjeg ručnog rada.
Bogdanov, Rosen i Vafa dokazali su na ICML 2026 da se backdoor može ugraditi u duboke feedforward mreže tako da bude statistički nedetektabilan čak i u white-box scenariju — uz puni pristup svim težinama modela. Kriptografski dokaz potvrđuje fundamentalnu asimetriju između trenera i korisnika modela.
Microsoft je objavio verificirani kriptografski kod za SHA-3 i ML-KEM integriran u SymCrypt, koristeći kombinaciju Rust jezika, Lean dokaznog asistenta i Aeneas toolchaina — uz AI agente koji ubrzavaju pisanje matematičkih dokaza.
