🧩 Pinapalakas ng Anthropic ang mga alok ng negosyo gamit ang mga plugin ng Cowork ↗
Mas lalong nakasandal ang Anthropic sa anggulong "workplace AI," na naglulunsad ng mga building block na parang plugin na nagbibigay-daan sa mga team na i-package ang mga paulit-ulit na workflow sa isang bagay na mas malapit sa isang internal app.
Ang dating ay hindi gaanong "magtanong sa isang chatbot" at mas "ibigay ang isang gawain sa isang semi-structured na katulong," na parang nakakabagot hanggang sa maalala mo na ang nakakabagot ay kung saan nabubuhay ang pera.
Mayroon ding open-ish starter set ng mga plugin — isa itong tahimik na imbitasyon para kopyahin, i-tweak, at i-send — at, sa pagsasagawa, ganito nagiging praktikal ang karamihan sa enterprise software.
🧪 Nakakuha ang Poetiq ng $45.8M na seed funding para sa 'meta-system' nito na nagpapahusay sa LLM ↗
Nagsagawa ang Poetiq ng isang malaking seed round upang bumuo ng tinatawag nitong "meta-system" para sa mga LLM - isang layer na nilalayong mapabuti ang kalidad ng output habang binabawasan din ang mga gastos sa runtime.
Ang punto ay binibigyan mo ito ng mga halimbawa ng gawain, at nakakatulong ito sa paghubog ng isang modelo upang maging mas parang ahente, na may kasamang paulit-ulit na pagsusuri sa sarili at pagpipino. Parang pagbibigay sa modelo ng isang maliit na internal project manager… medyo maselan, pero ganoon pa rin.
Kung gagana ito, praktikal na solusyon ito. Kung hindi, sasali ito sa tambak ng mga startup na "we fixed LLMs" na lumabas na halos puro ingay lang pala.
💸 Lihim na Pinopondohan ng mga AI Startup Venture Capitalist ↗
Natatawag na panalo si Baseten sa isang "inference layer" -- yung hindi kaakit-akit na bahagi kung saan ang mga modelo ay ginagamit sa produksyon, nagiging kakaiba ang mga badyet, at nagsisimulang magbilang ng mga millisecond ang mga inhinyero na parang nagrarasyon sila ng tubig.
Inaangkin ng artikulo ang isang malaking round na may malaking pagtatasa at binabanggit ang paglahok ng Nvidia, na isa sa mga senyales na itinuturing ng mga tao na parang weather vane: kung saan lumalabas ang Nvidia, kasunod ang atensyon.
Isa rin itong paalala na ang gold rush ay hindi lamang tungkol sa pagbuo ng pinakamahusay na modelo -- ito ay tungkol sa paggawa ng modelo na abot-kaya para manatiling interesado.
🧾 Naghahanda ang OpenAI para sa IPO sa ikaapat na quarter, ayon sa ulat ng WSJ ↗
Iniulat na inilalatag ng OpenAI ang pundasyon para sa isang iskedyul ng IPO, kasama ang pagbuo ng pamumuno sa pananalapi - ang uri ng mga hakbang na karaniwang nangangahulugang "sineseryoso na namin ang buhay sa pampublikong pamilihan," sabihin man nila ito nang malakas o hindi.
Medyo prangka ang subtext: mahal ang frontier AI, matindi ang kompetisyon, at mas madali ang paglikom ng malalaking kapital kapag nakapagbenta ka ng kwento sa buong merkado -- hindi lang sa iilang pribadong tagasuporta.
At oo, medyo surreal. Ang "AI lab" at "IPO prep" sa iisang pangungusap ay parang dalawang magnet na nagdidikit.
🤝 Kasunduan sa AI ng ServiceNow at Anthropic Disclose ↗
Nakikipagsosyo ang ServiceNow upang i-embed si Claude sa workflow stack nito, kung saan ipoposisyon ang modelo bilang isang default na opsyon sa loob ng mga tool na ginagamit na ng mga tao para patakbuhin ang IT, HR, at suporta -- lahat ng mga hindi kaakit-akit na bagay na nagpapanatili sa mga kumpanya na matatag.
Ang tunay na kwento rito ay ang distribusyon: kung ang AI ay nasa loob ng daloy ng trabaho, hindi nito kailangang magmakaawa sa mga user na tandaan na umiiral ito. Nandoon lang ito... tahimik na tinatapos ang mga nakakapagod na gawain.
Ang mga ganitong kasunduan ay nagtutulak din sa naratibong "mga ahente kahit saan" - kahit na sa kalahati ng oras ang "ahente" ay nangangahulugang "isang bot na mas mabilis na kumukumpleto ng mga form kaysa sa iyo."
🕵️♂️ Nagdagdag ang Google ng "Agentic Vision" sa Gemini 3 Flash ↗
Isinusulong ng Google DeepMind ang isang ideya na "Agentic Vision" para sa Gemini 3 Flash - hinahayaan ang modelo na umikot sa pamamagitan ng pagtingin, pag-arte (sa pamamagitan ng mga code tool), at pagkatapos ay muling pagtingin, sa halip na magkunwaring naunawaan nito nang perpekto ang imahe sa unang tingin.
Nangangahulugan ito ng mga praktikal na hakbang tulad ng pag-zoom sa maliliit na rehiyon, pag-crop, o pagpapatakbo ng maliliit na kalkulasyon bilang bahagi ng daloy ng pangangatwiran. Halos nakakatawa itong halata, ngunit isa rin - sa tahimik na paraan - isang tunay na hakbang tungo sa mas kaunting "may kumpiyansang maling sagot" sa mga biswal na gawain.
Kung mapapansin ito, ang "vision model" ay titigil sa pagtutukoy ng "ilarawan ang larawan" at magsisimulang mangahulugang "tanungin ang larawan," na medyo agresibo ang tunog... ngunit marahil iyon ang kailangan para sa katumpakan.
Mga Madalas Itanong
Ano ang mga Cowork plugin ng Anthropic, at paano nakakatulong ang mga ito sa mga team?
Ang mga cowork plugin ay nakabalangkas bilang mga bloke ng pagbuo na istilo ng plugin na tumutulong sa mga koponan na gawing semi-structured na mga daloy ng trabaho ang mga paulit-ulit na gawain. Sa halip na freeform na "chat," ang ideya ay mas nakahilig sa pagtatalaga ng trabaho sa isang katulong na sumusunod sa isang pare-parehong pattern. Sa maraming paglulunsad ng enterprise AI, ang istrukturang iyon ay may posibilidad na mapagaan ang paggamit dahil ang mga output ay parang mas mahuhulaan. Ang "starter set" ay nagmumungkahi rin na ang pagkopya at pag-aangkop ng mga template ay bahagi ng nilalayong paraan ng pagtatrabaho.
Paano nagbabago ang enterprise AI mula sa mga chatbot patungo sa mga naka-embed na workflow?
Ang kabuuan ng mga update na ito ay ang paglipat ng enterprise AI mula sa isang standalone chatbot patungo sa isang bagay na isinasama sa pang-araw-araw na mga tool. Kapag ang AI ay nasa loob ng isang umiiral na workflow, hindi na kailangang tandaan ng mga user na magbukas ng hiwalay na interface. Kadalasan, ito ang nagtutulak ng patuloy na paggamit, lalo na para sa mga regular na IT, HR, at gawaing pangsuporta. Ang diin ay nasa pagiging maaasahan at kakayahang maulit, hindi sa pagiging bago.
Ano ang ibig sabihin ng pakikipagsosyo ng ServiceNow at Anthropic sa pagsasagawa?
Ang pakikipagsosyo ay inihaharap bilang pag-embed kay Claude sa workflow stack ng ServiceNow, na ginagawa itong default na opsyon sa loob ng mga system na ginagamit na ng mga tao. Ito ay pangunahing mababasa bilang isang distribution play: ang AI ay lumilitaw kung saan nakalagay na ang mga tiket, kahilingan, at pag-apruba. Sa maraming organisasyon, doon natambak ang mga hindi seksing ngunit maraming trabaho. Ang halaga ay hindi gaanong tungkol sa mga magarbong demo at higit pa tungkol sa tahimik na pag-aalis ng mga nakakapagod na hakbang.
Ano ang dapat gawin ng "meta-system" ng Poetiq para sa mga LLM?
Nagmumungkahi ang Poetiq ng isang layer na naglalayong mapabuti ang kalidad ng output habang binabawasan din ang mga gastos sa runtime, sa pamamagitan ng paghubog ng mga modelo gamit ang mga halimbawa ng gawain at paulit-ulit na self-checking. Isipin ito bilang pagdaragdag ng isang refinement loop, upang ma-verify at maisaayos ng system ang mga tugon bago ito magdesisyon sa isang pinal na bersyon. Sa maraming pipeline, ito ay kahawig ng pag-uugaling parang ahente nang hindi lubos na umaasa sa mga one-shot na sagot. Pragmatiko ang pangako: mas kaunting mga error at mas kaunting nasasayang na compute.
Bakit nasasabik ang mga mamumuhunan tungkol sa "inference layer" at sa mga kumpanyang tulad ng Baseten?
Ang "inference layer" ay kung saan tumatakbo ang mga modelo sa produksyon, at doon nagiging mahirap na madama ang latency, reliability, at cost. Inilalagay ng piraso ang Baseten bilang isang malamang na panalo sa hindi kaakit-akit ngunit mahalagang bahagi ng stack. Sa maraming deployment, ang pinakamahusay na modelo ay hindi ang pangunahing hadlang - ang badyet at oras ng pagtugon ang siyang pangunahing hadlang. Ang pakikilahok ng Nvidia ay kadalasang itinuturing na isang senyales na ang anggulo ng imprastraktura ay may bigat.
Ano ang "agent vision" sa Gemini 3 Flash, at bakit ito mahalaga?
Ang "agent vision" ay inilalarawan bilang pagpapahintulot sa isang modelo na umikot sa pagtingin, pagkilos gamit ang mga tool (tulad ng code), at pagkatapos ay muling tumingin. Nagbibigay-daan ito sa mga praktikal na galaw tulad ng pag-zoom, pag-crop, o pagpapatakbo ng maliliit na kalkulasyon, sa halip na magpanggap na sapat na ang unang sulyap. Ang layunin ay mas kaunting mga pagkakamali sa mga visual na gawain, sa pamamagitan ng paggawa ng inspeksyon na mas sinadya. Kung lalaganap ang pattern na ito, ang mga modelo ng paningin ay magsisimulang kumilos na mas parang mga imbestigador kaysa sa mga tagapagsalaysay.