Radicle zet private repositories stil na transportlekken; nieuwe agentharnesses maken contextbeheer expliciet

Radicle adviseert gebruikers van private repositories om netwerkgebruik direct te stoppen: alle tot nu toe uitgebrachte versies hebben volgens de projectdisclosure twee kritieke transportfouten. Tegelijk krijgt agentwerk twee nieuwe harness-/compactieroutes, maar hun besparingsclaims zijn vooral nog makersmetingen. Een praktijkproef met MiMo v2.6 laat bovendien zien waarom open gewichten op eigen tooltaken moeten worden beoordeeld.

Radicle: behandel eerder gesynchroniseerde private repositories als blootgesteld

Radicle meldt twee kritieke fouten in het netwerkprotocol van zijn peer-to-peer Git-systeem. Verkeer tussen nodes werd volgens de disclosure niet versleuteld, zodat een partij op het netwerkpad data kan meelezen. Daarnaast kan een node zich tijdens de handshake voordoen als een andere Node ID. Wie een Node ID op de allowlist kent, kan daarmee een private repository opvragen.

De combinatie is het ernstigst: een aanvaller op het pad kan eerst toegestane Node ID’s zien en die daarna gebruiken om de volledige repository op te halen. Ondertekende Git-references zouden wijziging van objecten nog detecteren, maar bieden geen vertrouwelijkheid. Radicle stelt daarom dat geen instelling of allowlist bescherming biedt tegen dit dreigingsmodel.

De directe actie is ongebruikelijk hard maar helder: stop het seeden en netwerksynchroniseren van private repositories, en roteer credentials, sleutels of tokens die daarin stonden. De voorgestelde oplossing vervangt het transport door Iroh en vereist wegens ontbrekende versieonderhandeling een brekende major release; die is nog niet beschikbaar. Overlaynetwerken of VPN’s zijn volgens Radicle geen volledige oplossing voor de impersonatiefout. Dit is een projectmelding, geen onafhankelijke audit, maar de bron geeft wel concrete mitigatiestappen. Radicle-disclosure · HN-discussie

Strands Harness bundelt contextbeleid, maar test het tegen je eigen model en tools

Strands heeft Strands Harness uitgebracht onder Apache-2.0. De Python- en TypeScript-harness kan volgens de aankondiging met onder meer Bedrock, Anthropic, OpenAI, Google, Ollama en LiteLLM werken. Standaard zitten er shell-, file- en webtools, een helperagent, skills, sessiegeheugen en contextbeheer in.

Dat contextbeleid is de relevante technische keuze: tooluitvoer boven ongeveer 1.500 tokens wordt ingekort, compactie start boven 85% van het contextvenster en de loop probeert na overflow context te herstellen. Strands claimt daardoor bij dezelfde Claude- of GPT-modellen over zes benchmarks 28% minder kosten bij gelijke of betere nauwkeurigheid; bij Fable 5 zou het 77% goedkoper dan Claude Code zijn op Terminal Bench 2.1. Dat zijn eigen, gedistribueerde EC2-metingen en geen onafhankelijke reden om een bestaande agentstack te vervangen.

De HN-discussie maakt de juiste reserve zichtbaar: modellen kunnen op een eigen harness getraind of afgestemd zijn, terwijl benchmarks nooit alle toolsets, prompts en repositories afdekken. Meet dus per eigen taak niet alleen tokens, maar ook herstelwerk, toolfouten, cache-hits en de uitkomst na een compactieronde. Aankondiging · HN-discussie

CliffCompaction kiest bewust voor vergeten na twee samenvattingen

Tim Dettmers heeft CliffCompaction gepubliceerd, een open-source compactietool voor coding agents die met Claude Code en Codex integreert. De maker zegt dat de tool een aparte compactiestatus tussen gebruiker en agent beheert, sessies van miljoenen tokens mogelijk maakt en tot 50% tokenkosten bespaart. De installatie is volgens de aankondiging pip install cliffcompaction, gevolgd door cliff enable.

Het onderscheid zit niet in steeds langere samenvattingen, maar juist in het gericht weggooien van context na twee compacties. Volgens de maker voorkomt dat een agent langdurig voortbouwt op een samenvatting waarin een cruciaal detail ontbrak. Dezelfde thread stelt dat volledige reasoning traces beter compacteerbaar zijn; ook dat is een ervaring van de maker, geen gecontroleerde vergelijking.

Dit is interessant omdat contextbeheer een agentloop inhoudelijk verandert: het bepaalt welke beslissingen, tooluitvoer en fouten later nog zichtbaar zijn. Maar er zijn geen onafhankelijke benchmarks, geen publiek vergelijkingsprotocol en geen garantie dat het mechanisme goed past bij een eigen model of privacybeleid. Test het daarom met lange taken met bekende regressiegevallen, en leg vast wat na elke compactie niet meer beschikbaar is. Aankondiging en thread

MiMo v2.6: één sandboxproef botst met de benchmarkpositie

Sinds de ochtendupdate van gisteren MiMo v2.6 als nieuwe Pro- en Flash-RL-gewichten besprak, is er een concrete praktijktegenmeting. Een ontwikkelaar beschrijft hoe MiMo v2.6 Pro in een securitygerichte opdracht een Bubblewrap-regel rond git push zou hebben geïmplementeerd die eenvoudig te omzeilen was via omgevingsvariabelen, alternatieve flags of Git-aliases. Voor Flash meldt dezelfde auteur een eenvoudige Git-hersteltaak die uitmondde in een lange, ontspoorde toolloop.

De auteur liet een ander model de gegenereerde sandboxwijziging beoordelen en meldt negen zwakke plekken. Dat is geen onafhankelijke audit — en ook geen bewijs dat elke MiMo-run of de gepubliceerde benchmarks ondeugdelijk zijn. Het is wel precies het soort taak waar benchmarkpunten onvoldoende over zeggen: een policy moet bestand zijn tegen varianten, aliasing en omgevingswijzigingen, niet alleen tegen de letterlijke prompt.

Voor wie MiMo voor agents overweegt is de bruikbare les praktisch: voer securitygevoelige toolregels niet uit als modelgegenereerde shellfilter zonder negatieve tests. Probeer expliciet varianten als verkorte flags, aliassen, alternatieve binaries en gemanipuleerde omgevingsvariabelen; handhaaf de grens liever buiten de agent met capabilities, mounts en credentials. Praktijkverslag en discussie

DrivingBench: fysieke Corolla-proef meet agentstappen, geen autonome rijvaardigheid

DrivingBench laat frontiermodellen een Toyota Corolla over een vast coneparcours sturen via besturing, gas en rem. De site registreert per maximaal drie pogingen binnen dezelfde chat onder meer voortgang, afstand, tijd, geaccepteerde commando’s, tokens en lijstprijskosten. Dat maakt de proef concreter dan een simulator-only claim: traces en videoreplays zijn onderdeel van de opzet.

Dit vult de cloudmodelcontext uit de ochtendupdate van vandaag aan met een fysieke benchmark, niet met een nieuw product. De cruciale beperking blijft groot. In de HN-discussie schrijven de makers zelf dat de auto’s zeer langzaam rijden wegens latency en veiligheid; een reactie met ervaring rond autonome besturing wijst erop dat een cloudlus niet de voorspelbare, snelle lokale regelkring kan vervangen.

Zie het dus als een interessante test voor perceptie, planning en toolgebruik in een afgebakende omgeving — niet als aanwijzing dat GPT-6 Astra of een ander chatmodel klaar is voor verkeer. Vergelijk bij zulke proeven ook altijd sensorlatency, veiligheidslaag, snelheid en het aantal menselijke interventies, naast de afgelegde route. DrivingBench · HN-discussie

Verder nog

• MiMo-V3 krijgt volgens een vroege communityverwijzing HySparse2: de post linkt naar een nieuw arXiv-paper en stelt dat Xiaomi de architectuurkern van een volgende MiMo-generatie publiceert. Zonder opgeslagen primaire papertekst is nog niet vast te stellen welke modelrelease, gewichten of praktische inferencewinst hieruit volgt; voorlopig is dit vooral een onderzoeks- en compatibiliteitssignaal. Reddit-verwijzing