TypeSafe/Jev erreicht ueber 100 Millionen Dollar ARR und eine Bewertung von 7,5 Milliarden Dollar
Drei Wochen nach dem Start verzeichnet das Unternehmen bereits mehr als 100 Millionen Dollar Annual Recurring Revenue bei einer Bewertung von 7,5 Milliarden Dollar.
21 Teilen Wie man im AINews-X-Rückblick unten sehen kann, hat jeder Mensch auf Erden die Jev-API geklont, aber nur ein Unternehmen kann jemals die Kategorie erschaffen. TypeSafe hat sein „Series AI“ angekündigt, und Sequoia hat „durchgestochen“, dass man in der ersten Woche die Marke von 100 Mio. ARR überschritten hat.
Diogo Almeida @ CompleteSkeptic hat ein Modell gestartet, das versehentlich Billionen von Tokens pro Tag ausgeliefert hat. 29,4 % der Fortune 500 sind aufgetaucht, ein wirklich große Series A von @a16z wurde eingesammelt. Es sind 3 Wochen vergangen, wir würden jetzt gerne schlafen. 16:26 Uhr · 9. Okt. 2026 · 811K Aufrufe · 467 Antworten · 219 Reposts · 6,07K Likes Auch wenn es Zyniker und Vorwürfe von Astroturfing gibt, hoffen wir, dass offensichtlich ist, dass unser Jev-Pod zu 100 % authentisch war.
AI News für den 8./9.10.2026. Wir haben 12 Subreddits, 544 Twitter-Konten und keine weiteren Discords geprüft. Auf der AINews-Website kann man alle vergangenen Ausgaben durchsuchen. Zur Erinnerung: AINews ist inzwischen eine Sektion von Latent Space. Man kann die E-Mail-Frequenz an- und abwählen!
Decision Models werden zur Produktkategorie
Das Muster: Mehrere Anbieter haben am selben Tag „Decision“-Modelle veröffentlicht. Diese liefern typisierte Antworten (Wahrscheinlichkeiten, Auswahl aus einer Liste, Scores) in einem einzigen Forward Pass statt freiem Text. Jev ist der Referenzpunkt, an dem sich alle messen, und @scaling01 kommentierte, wie schnell sich das Format verbreitet hat.
OpenAI Decisions API: Drei Anfragetypen: Wahrscheinlichkeit, dass eine Bedingung wahr ist, Auswahl aus einer Liste oder Bewertung anhand von Stufen. Sie akzeptiert Text und Bilder, läuft auf GPT-6 Luna, kostet 0,10 $ pro 1 Mio. Input-Tokens ohne Output-Gebühr und ist nach eigenen Angaben von OpenAI „bis zu 10x schneller“ ( @LearnOpenCV ).
Microsoft-Decision-1: Positioniert für LLM Judges und das Sieben wissenschaftlicher Hypothesen. Ein früher Evaluierer sagt, dass Decision Models noch Schwierigkeiten bei Konsistenz und komplexen Entscheidungen haben ( @omarsar0 ).
Perplexity pplx-decider-v1.1-27b: Beansprucht die beste Decision-Bench-Genauigkeit mit 94,5 % über 1.071 Fälle hinweg, bei 0,017 $ pro 1.000 Entscheidungen ( @perplexitydevs ).
Cloudflare clef: Das neue clef-omni akzeptiert Audio, Video, Bild und Text. clef-flash ist jetzt günstiger als Jev, und clef ist insgesamt etwa 2x schneller ( @michellechen ). Die Gewichte sind auf Hugging Face verfügbar.
Liquid d1: Jetzt im Vercel AI Gateway, mit Vision-Support für Classify-, Route- und Score-Aufgaben ( @vercel_dev ).
Serving und Routing: Der vLLM Semantic Router in Version Decision 2.0 beantwortet mehrere Fragen zu einer Eingabe in einem Durchlauf, mit Wahrscheinlichkeiten pro Option ( @vllm_project ). LangSmith nutzt Jev als Judge, der bei jedem Trace getrennte typisierte Antworten für Schwierigkeit und Korrektheit zurückgibt ( @hwchase17 ).
Trainiere dein eigenes: Unsloth hat ein kostenloses Notebook veröffentlicht, das Qwen3.5-4B in ein Decision Model auf 8 GB VRAM verwandelt ( @UnslothAI ). Ein Walkthrough mit Qwen3.5-0.8B berichtet von einer Genauigkeitssteigerung von 37 % auf 65 % in 60 Schritten, etwa 10 Minuten auf 4 GB ( @akshay_pachaar ).
Warum Harnesses das wollen: Viele Agentenschritte sind Ja/Nein-Aufrufe statt Generierung. LangChain berichtet, dass die Weiterleitung jeder Aufgabe an das günstigste ausreichende Modell die medianen Open-SWE-Kosten pro Aufgabe um 64 % gesenkt hat ( @hwchase17 ).
Verwandte Forschung: Apples und CMUs Selection-based Structured Reasoning (SSR) wendet dieselbe Idee innerhalb von Agents an ( @ZhihuFrontier ).
Methode: Sechs Strategien in natürlicher Sprache werden in einem gebatchten Forward Pass mit geteiltem KV-Cache nach längennormalisierter Log-Likelihood bewertet.
Ergebnisse: Die Reasoning-Latenz pro Runde sinkt um mehr als 90 %, aber die End-to-End-Latenz pro Frage sinkt nur um 28 bis 54 %. Auf Qwen3-VL-4B mit GRPO liegt der durchschnittliche Erfolg bei 61,37 % gegenüber 61,25 % für einen TAPO+GSPO-Baseline.
Multi-Agent-Orchestrierung und Coding-Tools
Claude Managed Agents dynamische Workflows (öffentliche Beta): Ein Lead-Agent schreibt einen phasierten Plan, verteilt ihn an bis zu 1.000 Agents pro Run und führt die Ergebnisse dann zusammen. Aktiviert wird das mit multiagent_20261001 ( @ClaudeDevs, Konfiguration ).
Kostenwarnung: Anthropic rät, mit klar umrissenen Aufgaben zu beginnen, da der Tokenverbrauch hoch sein kann ( Hinweise ).
Claude Code Projects: Alle gelisteten Pro- und Max-Nutzer wurden zugelassen. Jedes Projekt läuft Aufgaben als parallele Threads ( @ClaudeDevs ), und Sessions können nun lokal laufen ( @gem_ray ).
Opus 5.5 fast mode: Er ist ausgerollt, wird aber auf Usage-Credits abgerechnet und ist nicht in Abonnements enthalten ( @theo ).
Zahlen Agententeams sich aus?: Vals AI hat GPT-6 Sol und Opus 5.5 allein und als Teams auf dem Vibe Code Bench laufen lassen ( @ValsAI ).
Ergebnisse: Teams kosteten das 1,8 bis 5,1-Fache. Nur Sol bei mittlerer Anstrengung verbesserte sich deutlich, um 7,3 Punkte.
Verhalten: Sol delegierte parallel entlang architektonischer Linien. Opus fuhr sequenzielle Wellen, mit etwa 6,8 Subagents und rund 1.140 Subagent-Toolaufrufen pro App bei maximaler Anstrengung, ohne nennenswerten Gewinn ( Details ).
Prime Agent schreibt sich in Rust neu: Über zwei Wochen nutzte ein Schwarm von mehr als 2.000 Agents über 10.000 Sandboxes und über 200 Mrd. GLM-5.3-Tokens. Das Ergebnis erreicht nutzbare Eingaben etwa 13x schneller und verbraucht 83 % weniger Speicher beim Start ( @PrimeIntellect ). Ein begleitender Essay argumentiert, dass Kontextgrenzen zwangsläufig zu Schwärmen führen ( Essay ).
Windows-Sandbox: Ein neuer Modus auf Basis von Microsoft Execution Containers (MXC) bietet schnellere Einrichtung, Netzwerkdurchsetzung und granulare Dateikontrolle ( @OpenAIDevs ).
Composer-Vorhersagen: Codex schlägt nun deine nächste Nachricht vor, in der Beta zunächst nur für Pro-Nutzer ( Ankündigung ). Einige Nutzer kritisieren die Beschränkung auf Pro ( @Angaisb_ ).
Zuverlässigkeit: Es gab Beschwerden über ganztägige Ausfälle ( @dzhng ).
Stimmung: DHH sagt, dass GPT-6.1 Sol Codex zu seinem primären Werkzeug anstelle von Claude gemacht hat ( @dhh ).
Devin und Grok Bot: Devins können nun Bäume verwalteter Devins erzeugen, sodass sich die Gesamtzeit am langsamsten Zweig statt an der Summe orientiert ( @devindevelopers ). Devin akzeptiert auch persönliche ChatGPT-Pläne für die GPT-Nutzung ( @cognition ). Separat erhält Grok Bot eine eigene E-Mail-Adresse für Anmeldungen und Terminplanung ( @bot ).
Qwen-Image-2.1-Turbo (offene Gewichte): Ein beschleunigter Checkpoint des 7B Qwen-Image-2.1. Er ermöglicht 8-Schritt-2K-Generierung und Bearbeitung in natürlicher Sprache, lädt über die Diffusers QwenImage21Pipeline und startet gemeinsam mit Pro- und Turbo-APIs ( @Alibaba_Qwen ).
StepFun Step 5 Preview: Ein sparses MoE mit insgesamt 600B und 27B aktiv, mit 1M Kontext und Vision ( @omarsar0 ).
Ergebnisse: Es erreicht 33,89 auf dem Hermes Index, auf Augenhöhe mit GPT-6 Luna, und ist eine Woche lang kostenlos auf dem Nous Portal ( @NousResearch ).
Verfügbarkeit: Es erreichte Platz 1 bei OpenRouter Trending, was die Nutzung misst, nicht die Qualität ( @kimmonismus ). Offene Gewichte sind für den 15. Oktober angekündigt. Die maximale Ausgabe wurde auf 64K Tokens korrigiert ( Korrektur ).
Upstage Solar Mini 4: Ein 35B MoE mit 3B aktiv, 524K Kontext und 208 tok/s. Sein AAII-Score von 24 ist der beste bei 3B aktiv, weniger als einen Punkt hinter Nemotron 3 Ultra. Er ist in Cline kostenlos ( @cline ).
Gemini 4 Argon: Gemeldet mit 77,9 % auf DeepSWE v1.1 gegenüber 74,2 % bei Opus 5.5. Es kommt zuerst zu über 650 Verteidigern des Fairwind Program, für 2/10 $ pro Mio. Tokens ( @dl_weekly ).
Signale: Reasoning-effort-Auswahlfelder sind in Antigravity aufgetaucht ( @testingcatalog ), und Logan Kilpatrick sagt „Argon is coming“ ( @OfficialLoganK ).
Unbestätigt: Business Insider berichtet, dass ein interner „Carbon“-Checkpoint beim Coding an Opus 5.5 heranreicht.
Sprachmodelle: HeyGen Voice führt die Artificial Analysis Controlled Voice TTS Arena mit einem Elo von 1.201 an, bei 30 $ pro 1 Mio. Zeichen und 40 Zeichen/s ( @ArtificialAnlys ). Whistle ist ein 16,9 MB großes On-Device-STT-Modell, das angeblich mit Whisper base konkurrieren kann ( @victormustar ).
Multi-Turn-Bildbearbeitung: Artificial Analysis hat 30 aufeinanderfolgende Bearbeitungen verkettet ( @ArtificialAnlys ).
Ergebnisse: Ideogram 4.5 und FLUX 3 bearbeiten lokal und lassen bei kleinen Aenderungen ueber 95 Prozent des Bildes unveraendert. GPT Image 2.5 Sunburst rendert bei jedem Durchlauf den grossten Teil des Bildes neu und behaelt nur etwa 20 Prozent unveraendert bei, weshalb es driftet. Nano Banana 2.1 wird schrittweise dunkler.
OCR-Benchmarks: Roboflows neuer Benchmark umfasst 48 Modelle, wobei GPT-6 Astra bei der Textlokalisierung fuehrt ( @skalskip92 ). Datalabs OmniParseBench enthaelt 16.000 Tests in 90 Sprachen, und das eigene Modell belegt nicht den ersten Platz ( @VikParuchuri ).
Arena-Uebersicht: Claude Haiku 5.5 belegt Platz 30 bei WebDev bei 0,10/0,50 Dollar und entspricht damit dem Preis von GPT-6 Luna, liegt aber 6 Punkte hoeher. Mistral Large 4 rangiert auf Platz 43 im Agent Arena ( @arena ). Bei ARC-AGI-3 wurde ein neuer Hoechstwert von 59,17 Prozent erreicht ( @arcprize ).
Forschung, Trainings- und Inferenzsysteme
vLLM und SGLang auf Vera Rubin: vLLM berichtet von mehr als 7,8-fachem GB200-Durchsatz bei MiniMax M3 bei gleicher Interaktivitaet auf AgentX. Dies sind fruehe Ergebnisse ( @vllm_project ).
Technik: Locality-aware MoE nutzt CUDA 13.4 Locality Domains, sodass jede SM nur auf lokales HBM zugreift, was bis zu 1,2-fach schnelleres MoE-Decoding bringt ( details ).
SGLang: Bis zu 20 Prozent schnelleres FP8 MLA bei 128K Kontext sowie ein End-to-End-Gewinn von 5,9 Prozent durch MoE Tail Fusion, das 276 Launches pro Decode-Schritt eliminiert ( @sgl_project ).
SemiAnalysis behauptet: Eine Vorschau-Einreichung bei InferenceX zeigt 3,2-fachen Gewinn pro Gigawatt und bis zu 10-fache Performance pro Dollar im Vergleich zum GB300 ( @SemiAnalysis_ ).
TRL v1.15: Der fused LM Head ist jetzt standardmaessig aktiviert und vermeidet die Materialisierung des vollstaendigen Logits-Tensors ( @LysandreJik ).
Ergebnisse: Bei Gemma 3 1B steigt die GRPO-Sequenzlaenge von 28K auf 114K und DPO von 10K auf 59K. Der Spitzen Speicherverbrauch bei 8K sinkt um 52 bis 82 Prozent, und das Training ist bis zu etwa 11 Prozent schneller.
Datology Curation Studio: Man berichtet von einem 6-fachen Compute-Multiplikator auf 39 offenen Datensaetzen fuer ein 30B MoE ( @pratyushmaini ). Ausserdem wird Thomson-1 angefuehrt, das fuer 450.000 Dollar trainiert wurde und GPT-5.6 Sol im direkten Vergleich schlaegt ( @arimorcos ).
Tinker: Preissenkungen von bis zu 70 Prozent, Long-Context zum gleichen Preis wie Short-Context sowie die Neuaufnahme von GLM-5.3-Flash und DeepSeek-v4.1-Flash ( @tinkerapi ).
Periodische Schwachstellen bei DeepSeek: ByteDance Seed findet, dass Retrieval davon abhaengt, wo ein Token relativ zum Compression Stride liegt ( @ZhihuFrontier ).
Belege: Das Muster bleibt auch ohne RoPE oder gelernte Gates bestehen und folgt der Stride-Laenge.
Interpretation: Der Stride von 2 bei V4.1 verringert den Effekt, eliminiert ihn aber nicht.
Agentenplastizitaet (Meta): Misst den Holdout-Gewinn pro investiertem Trainingsdollar. Die besten Performer sind nicht die effizientesten Lerner ( @omarsar0 ).
MIMESIS: Ein 9B User-Simulator, der Opus 5 bei behavioraler Treue um 13,4 Punkte uebertrifft ( @dair_ai ).
Basismodell-Auswahl (NVIDIA): Ordnet Checkpoints danach, ob das Basismodell die entscheidende Aenderung, den sogenannten decisive edit, reproduzieren kann, ein Signal, das mit den post-trainierten SWE-bench Verified Scores korreliert ( @dair_ai ).
Abonniere Latent.Space, um diesen Beitrag weiterzulesen und 7 Tage kostenlosen Zugang zum vollstaendigen Beitragsarchiv zu erhalten.
Automatisch übersetzt. Das Original auf Englisch ist unten aufklappbar.
Original (Englisch) anzeigen
21 Share As you can see in the AINews X recap section below, everyone on earth has cloned the Jev API, but only one company can ever create the category. TypeSafe announced their “ Series AI ” and Sequoia “ leaked ” that they crossed 100M ARR in their first week.
Diogo Almeida @ CompleteSkeptic launched a model accidentally served trillions of tokens a day 29.4% of the fortune 500 showed up raised a really big series A from @a16z it's been 3 weeks we would like to sleep now 4:26 PM · Oct 9, 2026 · 811K Views 467 Replies · 219 Reposts · 6.07K Likes Although there are cynics and accusations of astroturfing, we hope it is evident that our Jev pod was 100% authentic.
AI News for 10/8/2026-10/9/2026. We checked 12 subreddits, 544 Twitters and no further Discords. AINews’ website lets you search all past issues. As a reminder, AINews is now a section of Latent Space. You can opt in/out of email frequencies!
Decision Models Become a Product Category
The pattern: Several vendors shipped “decision” models on the same day. These return typed answers (probabilities, picks from a list, scores) in a single forward pass instead of free text. Jev is the reference point everyone benchmarks against, and @scaling01 remarked on how fast the format spread.
OpenAI Decisions API: Three request types: probability that a condition is true, pick from a list, or score against levels. It accepts text and images, runs on GPT-6 Luna, costs $0.10/M input tokens with no output charge, and is “up to 10x faster” by OpenAI’s own figure ( @LearnOpenCV ).
Microsoft-Decision-1: Positioned for LLM judges and screening scientific hypotheses. An early evaluator says decision models still struggle on consistency and complex decisions ( @omarsar0 ).
Perplexity pplx-decider-v1.1-27b: Claims top Decision Bench accuracy at 94.5% across 1,071 cases, at $0.017 per 1K decisions ( @perplexitydevs ).
Cloudflare clef: New clef-omni accepts audio, video, image and text. clef-flash is now cheaper than Jev, and clef overall is about 2x faster ( @michellechen ). Weights are on Hugging Face.
Liquid d1: Now on Vercel AI Gateway, with vision support for classify, route and score tasks ( @vercel_dev ).
Serving and routing: vLLM Semantic Router’s Decision 2.0 answers multiple questions about one input in one pass, with per-option probabilities ( @vllm_project ). LangSmith uses Jev as a judge that returns separate typed answers for difficulty and correctness on every trace ( @hwchase17 ).
Train your own: Unsloth released a free notebook that turns Qwen3.5-4B into a decision model on 8GB of VRAM ( @UnslothAI ). A walkthrough on Qwen3.5-0.8B reports accuracy rising from 37% to 65% in 60 steps, about 10 minutes on 4GB ( @akshay_pachaar ).
Why harnesses want this: Many agent steps are yes/no calls rather than generation. LangChain says routing each task to the cheapest adequate model cut median Open SWE cost per task by 64% ( @hwchase17 ).
Related research: Apple/CMU’s Selection-based Structured Reasoning (SSR) applies the same idea inside agents ( @ZhihuFrontier ).
Method: Six natural-language strategies are scored by length-normalized log-likelihood in one batched forward pass that shares the KV cache.
Results: Per-turn reasoning latency falls by more than 90%, but end-to-end latency per question falls only 28–54%. On Qwen3-VL-4B with GRPO, average success is 61.37% versus 61.25% for a TAPO+GSPO baseline.
Multi-Agent Orchestration and Coding Tools
Claude Managed Agents dynamic workflows (public beta): A lead agent writes a phased plan, fans it out to up to 1,000 agents per run, then merges the results. It is enabled with multiagent_20261001 ( @ClaudeDevs, config ).
Cost warning: Anthropic advises starting with scoped tasks because token use can be high ( guidance ).
Claude Code Projects: All waitlisted Pro and Max users were admitted. Each project runs tasks as parallel threads ( @ClaudeDevs ), and sessions can now run locally ( @gem_ray ).
Opus 5.5 fast mode: It has rolled out, but it bills against usage credits and is not included in subscriptions ( @theo ).
Do agent teams pay off?: Vals AI ran GPT-6 Sol and Opus 5.5 on Vibe Code Bench, alone and as teams ( @ValsAI ).
Results: Teams cost 1.8–5.1x more. Only Sol at medium effort improved significantly, by 7.3 points.
Behavior: Sol delegated in parallel along architectural lines. Opus ran sequential waves, reaching about 6.8 subagents and roughly 1,140 subagent tool calls per app at max effort, with no significant gain ( details ).
Prime Agent rewrites itself in Rust: Over two weeks, a swarm of more than 2,000 agents used 10K+ sandboxes and 200B+ GLM-5.3 tokens. The result reaches usable input about 13x faster and uses 83% less startup memory ( @PrimeIntellect ). An accompanying essay argues that context limits lead inevitably to swarms ( essay ).
Windows sandbox: A new mode built on Microsoft Execution Containers (MXC) gives faster setup, network enforcement and granular file controls ( @OpenAIDevs ).
Composer predictions: Codex now suggests your next message, in beta for Pro users only ( announcement ). Some users criticize the Pro-only gating ( @Angaisb_ ).
Reliability: There were complaints of daylong outages ( @dzhng ).
Sentiment: DHH says GPT-6.1 Sol made Codex his primary tool over Claude ( @dhh ).
Devin and Grok Bot: Devins can now spawn trees of managed Devins, so wall time tracks the slowest branch rather than the sum ( @devindevelopers ). Devin also accepts personal ChatGPT plans for GPT usage ( @cognition ). Separately, Grok Bot gets its own email address for sign-ups and scheduling ( @bot ).
Qwen-Image-2.1-Turbo (open weights): An accelerated checkpoint of the 7B Qwen-Image-2.1. It does 8-step 2K generation and natural-language editing, loads through Diffusers QwenImage21Pipeline, and launches alongside Pro and Turbo APIs ( @Alibaba_Qwen ).
StepFun Step 5 Preview: A 600B-total, 27B-active sparse MoE with 1M context and vision ( @omarsar0 ).
Results: It scores 33.89 on the Hermes Index, matching GPT-6 Luna, and is free on Nous Portal for a week ( @NousResearch ).
Availability: It reached #1 on OpenRouter Trending, which measures usage, not quality ( @kimmonismus ). Open weights are due October 15. Max output was corrected to 64K tokens ( correction ).
Upstage Solar Mini 4: A 35B MoE with 3B active, 524K context and 208 tok/s. Its AAII score of 24 is the best at 3B active, within a point of Nemotron 3 Ultra. It is free in Cline ( @cline ).
Gemini 4 Argon: Reported at 77.9% on DeepSWE v1.1 versus Opus 5.5’s 74.2%. It ships first to 650+ Fairwind Program defenders at $2/$10 per M tokens ( @dl_weekly ).
Signals: Reasoning-effort selectors have appeared in Antigravity ( @testingcatalog ), and Logan Kilpatrick says “Argon is coming” ( @OfficialLoganK ).
Unconfirmed: Business Insider reports that an internal “Carbon” checkpoint approaches Opus 5.5 on coding.
Speech models: HeyGen Voice tops the Artificial Analysis Controlled Voice TTS arena with an Elo of 1,201, at $30/1M characters and 40 chars/s ( @ArtificialAnlys ). Whistle is a 16.9MB on-device STT model said to rival Whisper base ( @victormustar ).
Multi-turn image editing: Artificial Analysis chained 30 consecutive edits ( @ArtificialAnlys ).
Results: Ideogram 4.5 and FLUX 3 edit locally, leaving 95%+ of the image untouched on small edits. GPT Image 2.5 Sunburst re-renders most of the frame each turn, keeping only about 20% unchanged, so it drifts. Nano Banana 2.1 gradually darkens.
OCR benchmarks: Roboflow’s new benchmark covers 48 models, with GPT-6 Astra leading text localization ( @skalskip92 ). Datalab’s OmniParseBench has 16K tests across 90 languages, and its own model does not rank first ( @VikParuchuri ).
Arena roundup: Claude Haiku 5.5 ranks #30 on WebDev at $0.10/$0.50, matching GPT-6 Luna’s price while scoring 6 points higher. Mistral Large 4 sits at #43 on Agent Arena ( @arena ). On ARC-AGI-3, a new high score of 59.17% ( @arcprize ).
Research, Training and Inference Systems
vLLM and SGLang on Vera Rubin: vLLM reports more than 7.8x GB200 throughput on MiniMax M3 at matched interactivity on AgentX. These are early results ( @vllm_project ).
Technique: Locality-aware MoE uses CUDA 13.4 locality domains so each SM reads only local HBM, worth up to 1.2x faster MoE decode ( details ).
SGLang: Up to 20% faster FP8 MLA at 128K context, and a 5.9% end-to-end gain from MoE tail fusion that removes 276 launches per decode step ( @sgl_project ).
SemiAnalysis claims: A preview InferenceX submission shows 3.2x profit per gigawatt and up to 10x performance per dollar versus GB300 ( @SemiAnalysis_ ).
TRL v1.15: The fused LM head is now on by default and avoids materializing the full logits tensor ( @LysandreJik ).
Results: On Gemma 3 1B, GRPO sequence length rises from 28K to 114K and DPO from 10K to 59K. Peak memory at 8K falls 52–82%, and training is up to about 11% faster.
Datology Curation Studio: Claims a 6x compute multiplier on 39 open datasets for a 30B MoE ( @pratyushmaini ). It also cites Thomson-1, trained for $450K, beating GPT-5.6 Sol head-to-head ( @arimorcos ).
Tinker: Price cuts of up to 70%, long-context priced the same as short, and GLM-5.3-Flash and DeepSeek-v4.1-Flash added ( @tinkerapi ).
DeepSeek periodic weak spots: ByteDance Seed finds that retrieval depends on where a token lands relative to the compression stride ( @ZhihuFrontier ).
Evidence: The pattern persists without RoPE or learned gates, and tracks stride length.
Interpretation: V4.1’s stride of 2 reduces but does not eliminate the effect.
Agent plasticity (Meta): Measures held-out gain per learning dollar. The best performers are not the most efficient learners ( @omarsar0 ).
MIMESIS: A 9B user simulator that beats Opus 5 on behavioral fidelity by 13.4 points ( @dair_ai ).
Base-model selection (NVIDIA): Ranks checkpoints by whether the base model can reproduce the “decisive edit,” a signal that tracks post-trained SWE-bench Verified scores ( @dair_ai ).
Subscribe to Latent.Space to keep reading this post and get 7 days of free access to the full post archives.