Hugging Face (13/11) mengumumkan rilis llama.cpp v1.0.0 dan ggml v1.0.0, menandai tonggak stabilitas API bagi pengembang yang menjalankan model AI secara lokal di berbagai perangkat keras.
Hugging Face (13/11) mengumumkan rilis llama.cpp v1.0.0 dan ggml v1.0.0, menandai tonggak stabilitas API bagi pengembang yang menjalankan model AI secara lokal di berbagai perangkat keras.
Synapsis AI dari Dyania Health membantu tim medis memprioritaskan pasien dengan menyatukan informasi dari rekam medis selama puluhan tahun. Sistem berjalan di komputer rumah sakit, sementara setiap tindakan tetap memerlukan pemeriksaan klinisi.
OpenClaw mengumumkan Claw Hack dan ClawCon di Shenzhen pada 4–6 Desember 2026. Acara ini menggabungkan hackathon perangkat lunak dan perangkat keras dengan konferensi tentang model AI sumber terbuka.
GitHub (12/11) mempublikasikan panduan praktis tentang agent skills, cara tim menulis pekerjaan rekayasa yang berulang dalam berkas yang bisa di-review dan dipakai ulang di berbagai agen AI.
AWS (12/11) mempublikasikan panduan untuk melacak dan membatasi pengeluaran Amazon Bedrock per identitas pengguna hanya dengan fitur bawaan AWS, tanpa perlu menulis kode aplikasi. Pendekatan ini mengandalkan penandaan IAM, laporan CUR 2.0, dan AWS Budgets untuk menegakkan batas belanja secara otomatis.
Panduan AWS (12/11) menjelaskan penggunaan LiteLLM di AWS Fargate sebagai gerbang API kompatibel OpenAI menuju Amazon Bedrock, lengkap dengan kunci per pengguna, kontrol biaya, kuota model, dan observability.
Google memperkenalkan Gemini 4 Hydrogen, model yang dirancang untuk eksekusi cepat pada alur kerja coding dan agen. Model ini tersedia di berbagai tingkatan Google AI Studio, Gemini API, hingga pelanggan AI Pro dan Ultra.
Survei Salesforce (12/11) menyebut hampir 20% pembeli menjadikan AI sebagai langkah pertama saat riset belanja liburan, namun sebagian besar masih enggan membiarkan AI menekan tombol pembelian.
Apple (12/11) memublikasikan riset yang menghitung batas maksimum peningkatan imbalan model bahasa dalam anggaran KL. Best-of-N mendekati batas teoretis, sedangkan PPO dan GRPO belum optimal menurut pengujian Apple.