AI TrackerBerita Infrastruktur,
untuk developer.
Berita Infrastruktur terbaru dari setiap penyedia AI: peluncuran, perubahan harga, dan penghentian, diringkas beserta artinya bagi Anda.
Microsoft menghadirkan Copilot harness ke Foundry Agent Service
Microsoft memperkenalkan Microsoft Copilot harness di Foundry Agent Service. Microsoft menyebut tim engineering GitHub membangun harness multi-model yang kini telah diterapkan di berbagai produk Microsoft, dan versi Foundry memungkinkan developer membangun agen tanpa harus membangun ulang lapisan eksekusinya. Menurut Microsoft, harness ini menangani orkestrasi, alat, konteks, dan kontrol, sehingga developer dapat berfokus pada kemampuan dan hasil agen mereka. Microsoft menerbitkan video demo dan postingan blog Foundry.
Vercel AI Gateway menambahkan 14 model ElevenLabs, diskon 50% hingga 9 November
Vercel menyebutkan bahwa 14 model ElevenLabs kini tersedia di AI Gateway, endpoint terpadu untuk penyedia model, dan mendapat diskon 50% hingga 9 November. Vercel mencantumkan agen suara real-time, musik, efek suara, dialog multi-suara, streaming ucapan melalui WebSocket, serta ucapan ke teks di antaranya.HarnessAgent dari Vercel kini menerima input gambar
Vercel mengatakan HarnessAgent kini mendukung input gambar di semua adapter harness. Anda dapat mengirim gambar bersama teks dalam format pesan standar AI SDK, dan menurut Vercel, model visi yang mendasari tiap harness akan menangani sisanya. Detailnya tersedia di entri changelog Vercel.Parallel meluncurkan Decisions API, yang mendasarkan model keputusan pada data web terkini dengan biaya $0.001 per permintaan
Parallel mengumumkan Decisions API di X pada 27 Oktober dan menyatakan bahwa API tersebut sudah tersedia. Parallel menyebutnya "mesin keputusan berbasis web pertama": model keputusan seperti Jev dapat menjawab secara instan, tetapi tidak memiliki informasi terkini seperti berita terbaru, sementara API baru ini menggabungkan keduanya dalam satu panggilan. Klaim tersebut berasal dari Parallel sendiri.
Logan Graham dari Anthropic mengoreksi pemberitaan Washington Post tentang penyusupan Cathedral
Logan Graham dari Frontier Red Team Anthropic mengunggah koreksi terhadap artikel Washington Post dan tanggapan atasnya di X pada 26 Oktober. Artikel itu menyebut agen AI milik sebuah startup keamanan berhasil masuk ke sistem Anthropic dalam waktu kurang dari 12 jam. Berikut adalah pernyataannya, bukan pengumuman Anthropic:Cloudflare menyebut ketidakcocokan konfigurasi GLM 5.3 di Workers AI membuat halaman KV cache terekspos antarpermintaan
Cloudflare menerbitkan pengungkapan dan tulisan tentang mitigasi pada 26 Oktober. Mereka menyebut ketidakcocokan konfigurasi GLM 5.3 (@cf/zai-org/glm-5.3) di Workers AI memicu bug pada SGLang, mesin inferensi, yang membuat halaman KV cache terekspos antarpermintaan. Pengungkapan ini dikoordinasikan dengan unggahan dari SGLang.Evaluasi AgentEnv dari Scale AI kini dapat dijalankan di Vercel Sandbox
Vercel mengatakan bahwa kini Anda dapat menjalankan evaluasi AgentEnv dari Scale AI Labs di Vercel Sandbox. Anda memberi agen sebuah tugas, menjalankannya di sandbox, lalu memeriksa kinerjanya. Vercel menerbitkan entri changelog dan panduan penyiapan dalam dokumentasi sandbox-nya.Perintah Vercel Sandbox kini mendukung stdin
Vercel menyatakan bahwa perintah yang dijalankan di Vercel Sandbox kini dapat menerima input melalui stdin. Dengan begitu, Anda dapat mengirim input ke alat CLI yang sedang berjalan dan server MCP stdio, seperti agent-browser, di dalam sandbox. Detailnya tersedia di entri changelog Vercel.Gemini API kini menyimpan permintaan Generate Content secara default di paket berbayar
Catatan perubahan Gemini API dari Google menyebutkan bahwa proyek baru yang menggunakan Generate Content API (generateContent, streamGenerateContent, dan batchGenerateContent) di paket berbayar kini menyimpan permintaan secara default (store=true), mengikuti Interactions API. Proyek yang sudah ada tetap menggunakan setelan saat ini.Washington Post reports a security startup's AI agents got into Anthropic's internal systems in under 12 hours
Elizabeth Dwoskin of The Washington Post posted on October 26 an exclusive saying that a group of former DOGE cyber researchers used AI agents to penetrate Anthropic's systems in less than 12 hours, including Slack channels where the company's most sensitive models are discussed. Her post ties the story to a recent charge by Anthropic whistleblower Joseph Coxon.Together AI membuka MiniMax M3.1 Flash untuk post-training
Together AI menyatakan bahwa MiniMax M3.1 Flash kini tersedia untuk post-training di platformnya. Menurut Together, pengguna dapat menjalankan supervised fine-tuning (SFT) atau reinforcement learning (RL) dengan data, reward, dan environment mereka sendiri, sambil tetap menjalankan loop pelatihan dalam kode Python mereka sendiri.Sprzedawca twierdzi, że ma bazę użytkowników i klucze API OpenRouter; OpenRouter nie znalazł dowodów
Konto zajmujące się analizą zagrożeń DailyDarkWeb poinformowało 25 października, że sprzedawca na podziemnym forum twierdzi, iż oferuje bazę danych powiązaną z openrouter.ai. Według tego konta sprzedawca twierdzi, że baza zawiera:Peneliti mengungkap 11 celah yang belum ditambal di Tailscale dan headscale, sebagian besar di Tailscale SSH
Erica Windisch dari Cyberdione Labs menerbitkan 11 temuan dengan nama Tailworm (tailworm.com) tanpa pengungkapan terkoordinasi, sehingga vendor tidak sempat menambalnya terlebih dahulu. Hingga 25 Oktober, belum ada laporan tentang patch atau CVE.
SGLang menyatakan kini menyamai mesin DeepInfer milik DeepSeek untuk DeepSeek-V4.1-Flash
Proyek SGLang menyatakan mesin inferensinya kini menyamai DeepInfer, mesin milik DeepSeek, baik untuk prefill maupun decode pada DeepSeek-V4.1-Flash. Beberapa jam setelah vLLM membuat klaim serupa, SGLang melaporkan throughput prefill hingga 1.04× DeepInfer pada 4× GB300 dan 4× B300, serta throughput decode hingga 7.4% pada 64× GB300.
vLLM menyatakan kini menyamai engine DeepInfer milik DeepSeek pada DeepSeek-V4.1-Flash
Proyek vLLM menyatakan bahwa engine inferensinya kini menyamai DeepInfer, engine milik DeepSeek untuk DeepSeek-V4.1-Flash, pada konfigurasi decode DeepSeek untuk ukuran batch 8 hingga 256. vLLM menyatakan pencapaian ini diraih pada DEP32 (atensi paralel data dengan paralelisme pakar di 32 GPU), dibandingkan dengan konfigurasi EP64DP64 milik DeepInfer.