Sıralamaların tepesindeki DeepSeek V4 Flash, karmaşık ajan görevlerinin yalnızca yüzde 53,8'ini tamamladı. Testte otuz zor görev sekiz farklı iskelede çalıştırıldı.
DeepSeek V4-Pro'yu test aşamasından çıkardı, ajan yazılımını açık kaynak yaptı ve API fiyatlarını artırdı. Yeni fiyatlar Çin mesai saatleri dışını ucuzlatıyor.
Microsoft Research'ün açık kaynaklı Orchard çerçevesi ajan eğitimi için ortak bir altyapı sunuyor. Orchard-SWE, SWE-bench Verified'da yüzde 69,7 alıyor.
NVIDIA, uzun süreli ajan iş yükleri için Nemotron 3.5 Lightning'i yayımladı. Yanında, isteği en uygun modele yönlendiren açık kaynaklı NeMo Switchyard kütüphanesi geliyor.
SpaceXAI'ın yeni modeli Grok 4.6, temel modeli büyütmeden eğitim sonrası aşamaya yatırım yapıyor. 500 bin jeton bağlam, ajan görevlerine odak ve rakipleri kıran API fiyatı.
Princeton ve Birleşik Krallık AI Security Institute, yapay zeka ajanlarına yayımlanmamış iki NeurIPS makalesinin araştırma sorusunu verdi. Makalelerin ikisi de reddedildi.
DeepSeek, geliştiriciler için açık kaynaklı ajan altyapısı DeepSeek Harness'i ve güncellenmiş amiral gemisi modeli V4-Pro'yu duyurdu; API fiyatları ise yükseliyor.
Hugging Face'in düzenlediği hackathonda 1.221 katılımcı, kodlama ajanlarını kullanarak ICML 2026'da kabul edilen 2.226 makaleyi yeniden üretmeye çalıştı.