Lokale beslismodellen krijgen trainingsroute, terwijl curl en GitHub directe beheeracties vragen

Unsloth maakt het mogelijk om kleine lokale beslismodellen te trainen, exporteren en via llama.cpp te serveren. LiquidAI brengt intussen een 3B-checkpoint uit dat tekst en beeld als getypeerde keuzevragen behandelt, zonder tekst te genereren.

Voor beheerders zijn er twee directere signalen: GitHub herstelde een brede verstoring van Git, pull requests, Actions en webhooks; curl vervroegt een release met 22 securityfixes, waaronder één kwetsbaarheid met hoge ernst. Daarnaast zet nieuw onderzoek vraagtekens bij de semantische koppeling tussen natuurlijke-taalbewijs en Lean-formalisering bij OpenAI’s Navier-Stokes-claim.

Unsloth 0.1.904-beta laat je eigen lokale beslismodel trainen

Unsloth 0.1.904-beta voegt een route toe om tekst- of vision-LLM’s via QLoRA om te vormen tot een Jev-achtig beslismodel. De release omvat training, testen, checkpoint-hervatting, GGUF-export en serving van ondersteunde modellen via llama.cpp. Daarmee kan een lokale stack een begrensde beslissing — bijvoorbeeld routering, classificatie of een expliciete toolkeuze — scheiden van een generatief model.

Dat bouwt voort op de brede Desktop/Studio-update uit de einde-dagupdate van gisteren, maar is een nieuw releasefeit: 0.1.904-beta voegt specifiek de train-, export- en servingroute voor deze modellen toe. De releasenotes noemen daarnaast sandboxing via Bwrap op Linux, Seatbelt op macOS en MXC op Windows. Dat maakt vooral de grens rond door een model uitgevoerde code zichtbaarder, maar bewijst niet dat iedere workflow veilig is geconfigureerd.

Unsloth claimt dat Qwen3.5-0.8B op drie eigen decision benchmarks van 20,7% naar 74,3% aggregate accuracy gaat met 4 GB VRAM; een post noemt 2,5 GB voor kleinere modellen. Dat zijn leveranciersmetingen zonder hier beschikbare taaksets, latencycijfers of onafhankelijke herhaling. Valideer dus per eigen vraagtype, inclusief onbekende gevallen, foutkosten en calibratie, voordat een confidence-score een actie mag automatiseren. Release notes · aankondiging

LiquidAI opent d1-3B voor getypeerde tekst- en beeldbeslissingen

d1-3B van LiquidAI is een 3,12B-parametermodel bovenop LFM2.5-VL-3B. Het neemt tekst, JSON, beelden of een combinatie als toestand plus benoemde vragen aan en retourneert ja/nee-, keuze- of scoreantwoorden in één forward pass. Volgens de modelkaart genereert het daarbij nul outputtokens; het is dus nadrukkelijk geen chatmodel.

Voor agent- en workflowbouwers is dat een bruikbare vormfactor voor bijvoorbeeld tickettriage, reranking, extractiechecks of visuele inspectie: dezelfde invoer kan voor meerdere vragen één keer worden gelezen. Het checkpoint heeft een contextvenster van 32K tokens en bevat een visionencoder van 400M parameters. De modelkaart documenteert eigen code en vereist trust_remote_code=True; dat verdient in een productieomgeving dezelfde dependency-review als andere externe modelcode.

LiquidAI rapporteert 8 ms voor één vraag op een RTX 4090, 30 ms op een Apple M5 Pro en een score van 48,57 op Decision Index 0.2.1. Ook de vergelijking met andere modellen komt uit de modelkaart; test daarom eigen inputlengte, batchgrootte, taal, beeldsoorten en vooral de kansverdeling op een gelabelde hold-out. Modelkaart met API en meetopzet · Reddit-discussie

Nieuw paper betwist koppeling tussen OpenAI’s Navier-Stokes-tekst en Lean-proof

Een nieuw arXiv-paper stelt dat een Lean-verificatie van automatisch geformaliseerde wiskunde geen garantie is dat de oorspronkelijke natuurlijke-taalredenering dezelfde stelling bewijst. De auteurs illustreren dat met onder meer OpenAI’s aangekondigde bewijs over blow-up van oplossingen van de Navier-Stokes-vergelijkingen: volgens hen correspondeert de geformaliseerde Lean-proof niet met het natuurlijke-taalbewijs van die blow-up.

Dat is een concrete ontwikkeling sinds de middagupdate van vandaag, die al onderscheid maakte tussen manuscripten en formeel geverifieerde artifacts in OpenAI’s wiskundecatalogus. De nieuwe kritiek gaat niet simpelweg over de vraag of Lean een formele proof checkt, maar over de voorafgaande vertaling van ambiguë natuurlijke taal naar de formele claim.

Dit is vooralsnog een preprint van de auteurs, geen vastgestelde weerlegging van de Navier-Stokes-resultaten. Ook in de HN-discussie wordt die grens benadrukt: een commentator leest het als de beperktere claim dat de Lean-proof niet de meegeleverde natuurlijke-taalproof formaliseert, niet als bewijs dat Lean zelf een ongeldige proof heeft geaccepteerd. Voor AI-ondersteunde formele verificatie is de praktische les scherp: bewaar de specificatie, definities en vertaalketen expliciet en laat domeinexperts juist die semantische brug beoordelen. Preprint · HN-discussie

GitHub herstelt verstoring in Git, pull requests, Actions en webhooks

GitHub meldt een afgerond incident dat Git Operations, Webhooks, Issues, Pull Requests en Actions trof. Volgens de statuspagina was er tussen 15:06 en 15:16 UTC brede impact; daarna volgden gedeeltelijk herstel en afzonderlijke mitigaties, met een resolved-status om 16:25 UTC.

Voor CI- en deliveryketens is het nuttige feit vooral dat de verstoring meerdere gekoppelde delen van de forge raakte: een geslaagde push, webhooklevering of Actions-run is tijdens zo’n venster geen vanzelfsprekendheid. Controleer daarom mislukte of ontbrekende runs, deploytriggers en webhook-consumers rond het incidentvenster in plaats van ervan uit te gaan dat retries overal automatisch goed uitpakten.

GitHub zegt dat de oorzaak is geïdentificeerd en dat mitigaties worden toegepast, maar publiceerde in de opgeslagen statusmelding nog geen root-causeanalyse. Speculatie uit discussies over capaciteit of AI-gebruik vult dat gat niet. GitHub-statusincident · HN-discussie

curl vervroegt 8.23.0 voor 22 securityfixes

Het curl-project brengt op 14 oktober versie 8.23.0 uit, enkele weken eerder dan gepland. De aanleiding is volgens projectleider Daniel Stenberg één ‘significante’ kwetsbaarheid, CVE-2026-92392, die als HIGH wordt geclassificeerd. De release bevat in totaal 22 securityfixes; curl zegt dat de andere 21 minder ernstig zijn.

De technische details komen bewust pas tegelijk met de release in de Europese ochtend van 14 oktober. Dat betekent dat er nu geen betrouwbare conclusie valt te trekken over aanvalsvector, getroffen protocollen of praktische exposure. Het project meldt wel voorafgaande informatie aan distros@openwall en betalende supportklanten, en zegt ook de Rock-solid curl-varianten synchroon bij te werken.

Voor beheerders is dit een planningssignaal: inventariseer curl in basisimages, buildagents en appliances, bereid een gecontroleerde upgrade voor en volg op 14 oktober de advisory en distributionele backports. Ga niet vooraf mitigaties verzinnen op basis van de ernstclassificatie alleen. curl-aankondiging · Lobsters-discussie

Verder nog

Pared laat Apple-Intelligence-modellen selectief opruimen: de open-sourceapp voor Apple-silicon-Macs met macOS 27+ laat per functie kiezen tussen aan, uit en app-default, installeert daarvoor een configuratieprofiel en verwijdert pas na bevestiging ongebruikte modellen. SIP blijft volgens het project aan; er zijn ook CLI-, nix-darwin- en Home Manager-routes. De Nix-modules ruimen standaard tijdens activatie op, tenzij je dat expliciet uitzet. Controleer vóór gebruik welke functies een gedeeld model nodig hebben en beoordeel installatie- en profielrechten zelf. Projectdocumentatie · Lobsters-discussie