Anthropic Rilis Model Claude Fable 5.1 dengan Efisiensi Biaya Cache Tinggi
Anthropic resmi meluncurkan Claude Fable 5.1 dengan pemangkasan biaya cache hingga 75 persen, fokus pada efisiensi operasional agen AI untuk kebutuhan korporasi.
20 artikel dengan tag enterprise ai
Anthropic resmi meluncurkan Claude Fable 5.1 dengan pemangkasan biaya cache hingga 75 persen, fokus pada efisiensi operasional agen AI untuk kebutuhan korporasi.
OpenClaw merilis versi 2.0 dengan antarmuka browser baru, kolaborasi multi-pengguna, dan keamanan tingkat perusahaan, mengubah framework open-source dari alat pribadi menjadi lapisan infrastruktur tim.
Perusahaan beralih ke AI otonom yang berjalan sendiri, tapi kontrol keamanan tradisional tidak bisa memantau perilaku agent saat eksekusi.
Cohere meluncurkan Parse 5, model visi bahasa berparameter 2,3 miliar untuk mengonversi dokumen menjadi Markdown terstruktur dengan fokus pada biaya, bukan akurasi.
Kompleksitas interaksi antar-agen AI menjadi ancaman tersembunyi bagi enterprise, bukan kemampuan otonom agen tunggal.
Anthropic memperbarui Claude Tag di Slack, memungkinkan agen AI membaca konteks percakapan penuh dan terlibat secara proaktif dalam alur kerja tim tanpa harus diminta.
Perusahaan kini menyadari bahwa agen AI hanya bisa bekerja seandal data yang menjadi fondasinya, mendorong kebutuhan mendesak akan platform manajemen pengetahuan terpusat.
NanoCo meluncurkan integrasi NanoClaw ke Slack, memungkinkan pengguna membuat tim AI agent persisten dengan identitas sendiri hanya melalui satu perintah di Slack.
Startup ML TrueFoundry merilis TrueForge, harness AI agent open source berbasis MIT yang menyelesaikan tugas enterprise 30-75% lebih murah dari Claude Managed Agents Anthropic.
VentureBeat menunjuk Rob Strechay sebagai Lead Analyst pertama untuk memperkuat riset AI bagi para pengambil keputusan teknologi di tingkat enterprise secara global.
Xpander.ai meluncurkan platform infrastruktur untuk mengelola ledakan penggunaan agen AI di perusahaan, menjawab tantangan tata kelola dan ketergantungan vendor yang kian meningkat.
Peneliti membangun kerangka evaluasi otomatis yang menguji model bahasa besar terhadap data dasar yang diketahui kebenarannya, menemukan kecenderungan model memberikan jawaban salah dengan keyakinan tinggi pada skenario sinyal tumpang tindih.