Googles AI-agenter besegrade Minecraft-slutbossen på 27 timmar Fyra Gemini-agenter från Google DeepMind fick klara Minecraft på egen hand – utan förutbestämda roller – och lyckades besegra slutbossen Ender Dragon efter 27 timmar och 14 minuter. Under spelets gång dog de 605 gånger, skickade 229 meddelanden till varandra och körde 2 783 egenskrivna program, allt till en kostnad på uppskattningsvis 810–1 620 dollar. Det intressanta är inte att de klarade spelet, utan att de spontant började samarbeta: varnade varandra för faror, delade koordinater och hämtade utrustning från fallna lagkamrater.
Fler beräkningar från samma AI-modell ger inte alltid bättre svar Forskare visar att när en språkmodell (LLM) gör fel, tenderar den att göra samma fel igen – oavsett hur mycket extra beräkningstid den får. Deras lösning, DIA, triggar automatiskt in en liten grupp olika modeller när den huvudsakliga modellen verkar osäker, och det räcker för bara 17% av frågorna. Metoden slår vanlig chain-of-thought (steg-för-steg-resonemang) i 12 av 14 testfall och använder upp till 47% färre tokens än jämförbara multi-agent-system.
AI lämnades ensam på öde ö – började leka Forskare lät kopior av Anthropics Claude Opus 4.7 vara ensamma på en virtuell öde ö i 30 timmar utan instruktioner – och agenten började spontant utforska och 'leka', ungefär som en människa som inte vet vad den ska göra med sin fritid. Det intressanta är inte att AI:n klarade sig, utan att den verkar utveckla något som liknar nyfikenhetsdrivet beteende när den saknar ett tydligt mål.
Ny benchmark avslöjar att AI-modeller ofta missar när delning av personuppgifter faktiskt är okej Forskare har skapat ConCI, ett testramverk med 1 592 scenarion som mäter om språkmodeller (LLMs) verkligen förstår *varför* det är okej eller inte okej att dela personlig information – inte bara om det känns fel. Resultaten är tänkvärda: även den bästa modellen gör fel på ungefär en femtedel av fallen, och modellerna är generellt bra på att säga nej men dåliga på att säga ja när sammanhanget faktiskt motiverar det. Större modeller minskar den här snedvridningen mot att hålla inne information, men löser den inte.
ScopeMem lär AI-agenter att rätta fel utan att förstöra rätt svar Forskare har identifierat ett problem med hur AI-agenter som styr grafiska gränssnitt (GUI) lär sig av historik: den vanliga träningsmetoden rättar visserligen misstag, men förstör samtidigt 8–13% av de svar som redan var korrekta. Deras lösning, ScopeMem, halverar den siffran till 5,6% och gör att en relativt liten modell (Qwen3-VL-8B) presterar lika bra som betydligt större specialiserade agenter. Det intressanta är egentligen fyndet att tidigare mätningar dolde dessa förluster — så metoderna såg bättre ut än de var.
Nytt ramverk förbättrar AI-agenters långtidsminne med 7,6 procentenheter Forskare har identifierat ett grundläggande problem med hur AI-agenter använder sitt långtidsminne: att hitta relevanta minnen räcker inte – informationen kan vara utspridd eller ofullständig. Deras nya ramverk, QEMem, samlar istället ihop bevis från flera minnesposter och bygger ett tillräckligt underlag för att svara på en fråga, och når 91,43% korrekthet på ett standardiserat test med Claude Opus 4,5. Det slår det starkaste jämförda systemet med 7,6 procentenheter – en modest men konkret förbättring inom ett område som blir allt viktigare ju längre AI-konversationer och agentuppgifter blir.
Nvidia lanserar öppna modeller för AI-agenter i företag och på datorer Nvidia släpper nya öppna AI-modeller riktade mot företag som vill köra sina egna system i egna datacenter – men också mot privatanvändare som vill ha AI-agenter direkt på sin dator, utan att data skickas till molnet. Det intressanta här är att Nvidia, känt för sin hårdvara, nu aktivt försöker forma mjukvarusidan av AI-marknaden också.
OpenAI bygger humanoid robot – Altman: 'Kroppen är det enkla' OpenAI utvecklar nu en människoliknande robot, och vd Sam Altman är tydlig med var den verkliga svårigheten ligger: inte i den fysiska kroppen, utan i den AI-hjärna som ska styra rörelserna. Det är en intressant signal om var konkurrensen i robotbranschen egentligen utspelar sig – hårdvaran är ett löst problem, mjukvaran är det svåra.
Anthropic konsulterar jurister om hur AI-agenter ska förhandla Anthropic frågar advokatbyråer om hur AI-agenter bör agera när de köper, säljer och förhandlar på användarnas vägnar. Det är ett tidigt men konkret steg mot en framtid där din AI-assistent inte bara bokar möten – utan faktiskt prutar om priset åt dig.
Anthropic startar fond för allmännytta – tilldelar 5 procent av aktierna Anthropic lanserar Anthropic Public Benefit Fund, ett självständigt dotterbolag som ska stödja samhällsnyttiga projekt och har tilldelats 5 procent av aktierna i moderbolaget. Vad fonden faktiskt ska finansiera är ännu oklart – mer detaljer väntas inom några månader. Det är ett intressant drag av ett bolag som alltid betonat sin 'säkerhetsfokuserade' image, men som nu verkar vilja formalisera det i struktur snarare än bara retorik.
Amazon utmanar Nvidias grepp om AI-utvecklarverktyg Amazon lanserar TorchNeuron, ett verktyg som låter utvecklare köra PyTorch-baserade AI-appar (det vanligaste ramverket för att bygga AI) på Amazons egna chips istället för Nvidias. Det handlar i grunden om en kamp om vem som kontrollerar infrastrukturen under AI-boomen – om Amazon lyckas locka över utvecklare minskar beroendet av Nvidia rejält.
Forskare hävdar att vi förstått neurala nätverk fel hela tiden En forskare på AI-startupen Goodfire, Nick Cammarata, publicerade ett 26 000 ord långt blogginlägg med påståendet att AI-världen fundamentalt missförstått hur neurala nätverk fungerar – och att det egentligen är goda nyheter. Inlägget har skakat om AI-forskarvärlden och utlöst både entusiasm och försiktig skepticism, men utan tillgång till hela artikeln är det svårt att bedöma hur stark grunden för påståendet faktiskt är.
Hackare tog sig in på 100+ sajter med hjälp av AI-agenter En hackare lyckades bryta sig in på över 100 webbplatser – däribland John Deere, SharkNinja och Cummins – med hjälp av en armé av AI-agenter som till stor del opererade självständigt. Det är säkerhetsföretaget Norforge som avslöjat attackerna. Det intressanta här är inte bara omfattningen utan att agenterna (AI-system som utför uppgifter på egen hand) verkar ha drivit attackerna utan konstant mänsklig styrning – vilket är ett nytt steg i hur cyberattacker kan se ut.
Anthropic donerar aktier för miljarder inför planerad börsdebut Anthropic, bolaget bakom AI-modellen Claude, donerar fem procent av sina aktier till en nystartad välgörenhetsfond. Det sker inför en börsintroduktion som kan värdera företaget till över 9,9 biljoner kronor – vilket i så fall gör det till en av de största börsnoteringarna inom AI-sektorn hittills.
Hugging Face: AI-benchmarks är inte så tillförlitliga som branschen påstår AI-företag lutar sig tungt mot benchmarks – standardiserade tester som ska avgöra vilket AI-system som är bäst – men metoderna bakom dem är fortfarande omogna och problematiska, enligt Irene Solaiman, policy-chef på Hugging Face. Det intressanta här är att kritiken kommer inifrån branschen själv: de inbyggda utvärderingsverktygen som ska lösa problemet är ingen enkel fix.
Hackare stal API-nycklar från AI-kodverktyget OpenCode OpenCode, ett populärt open source-alternativ till Claude Code och Cursor, drabbades av ett intrång där hackare kom åt användarnas API-nycklar – och körde upp kostnader på deras AI-konton. En lite ironisk twist: de AI-verktyg som skulle hjälpa till att analysera den skadliga koden vägrade titta på den.
Var femte svensk okej med att låta AI ställa diagnoser utan läkare En YouGov-undersökning beställd av Tieto visar att 19 procent av svenskarna kan tänka sig att låta AI diagnostisera dem helt utan mänsklig inblandning – medan 38 procent accepterar att AI självständigt analyserar röntgenbilder och provsvar. Förtroendet är dock delat: 33 procent känner sig otrygga med hur AI används ansvarsfullt i vården, jämfört med 31 procent som känner sig trygga.
Fastighets-AI-bolaget Vessla tar in 33 miljoner med kända investerare AI-startupet Vessla, som bygger AI-agenter för fastighetsbranschen, har rest 33 miljoner kronor bara månader efter starten – med affärsänglarna Fredrik Hjelm (Voi-grundaren) och Lukas Saari som investerare. Bolaget ska nu skala upp sina AI-agenter brett på fastighetsmarknaden.
Import AI-skribent hävdar inför IMF att singulariteten redan är här Jack Clark, grundare av Anthropic, ska ha berättat för IMF att AI-singulariteten (den hypotetiska punkten då AI överstiger mänsklig intelligens) redan har inletts. Artikeln verkar vara mer av en personlig reflektion än en teknisk djupdykning, vilket gör det svårt att bedöma de konkreta påståendena – men det är ändå anmärkningsvärt när en av branschens tunga namn säger detta inför en global ekonomisk institution.
Kinas centralbank ska bevaka AI:s effekter på ekonomin Kinas centralbank PBOC meddelade på måndagen att de aktivt ska övervaka hur AI påverkar ekonomin, finansmarknaderna och penningpolitiken. PBOC-chefen Pan Gongsheng signalerar att banken också förbereder proaktiva politiska åtgärder – ett tecken på att även centralbankvärlden börjar ta AI-risker på allvar.
Simon Willisons dödsruna över programmering Simon Willison har skrivit en personlig reflektion om programmeringens framtid i AI-eran – en sorts dödsruna över yrket som han älskat. Det intressanta är att det kommer från någon som verkligen kan koden, inte från en teknikskeptiker på sidlinjen.
Vera Policy vill göra politisk information mer tillgänglig med AI Bolaget bakom SVT:s valprognos, Vera Policy, lanserar ett AI-verktyg som ska göra det enklare att hitta och förstå politisk information. VD Gustav Karreskog Rehbinder poängterar skillnaden mellan information som finns tillgänglig i teorin och sådan som faktiskt går att använda i praktiken – och det är just det gapet AI:n ska fylla.
Serieentreprenören vill starta en miljon bolag med gratis AI-plattform Bill Gross, grundaren bakom teknikinkubatorn Idealab, lanserar en gratis AI-plattform med målet att hjälpa till att starta en miljon nya företag och skapa 100 miljoner jobb. Det är ett ambitiöst löfte – men det intressanta är att en veteran från Silicon Valley satsar på öppen tillgång snarare än en prenumerationsmodell.
