Forskare kartlägger varför AI-agenter misslyckas – trots fina testresultat En ny genomgång av 27 studier (2023–2026) visar att AI-agenter (system som självständigt planerar och utför flerstegsuppgifter) har sex återkommande typer av fel, bland annat dålig verktygsanvändning, bristande långsiktig planering och säkerhetsproblem. Det kluriga: ju längre uppgiften är, desto snabbare staplas felen på varandra – och bra resultat på delbitar garanterar inte att helheten fungerar. Med andra ord kan en agent se lysande ut på ett benchmark men ändå krascha i verkligheten.
Meta lanserar bildgenererings-AI kallad Muse Meta har släppt Muse, en ny AI-modell för bildgenerering med användningsområden inom reklam, inredning och innehållsskapande. Det är Metas senaste steg i kampen om marknaden för generativa bildverktyg, där konkurrenter som OpenAI och Midjourney redan är etablerade.
Kinesiska AI-modeller tar 46% av amerikanska företags användning Amerikanska företag vänder sig alltmer till kinesiska AI-modeller som DeepSeek och Z.ai – sedan februari har de stått för över 30 procent av alla AI-tokens som används varje vecka, och vissa veckor hela 46 procent. Förklaringen är enkel: kinesiska modeller kan vara 60–90 procent billigare än motsvarande från OpenAI och Anthropic, utan att prestera märkbart sämre för de flesta uppgifter.
Ny metod komprimerar minneskrävande AI-modeller med 3,9 gånger utan att tappa precision Forskare har tagit fram FreqDepthKV, en teknik som minskar minnesanvändningen i stora språkmodeller (LLM) när de hanterar långa texter – ett växande flaskhalseproblem. Metoden delar upp minnescachen (KV cache, den del som lagrar tidigare beräkningar) i lågfrekventa delade komponenter och glesa högfrekventa rester, vilket ger 3,9 gångers komprimering och sänker minneskravet till 6,2 GB utan att prestandan rasar nämnvärt. Det intressanta är att det funkar utan att träna om modellen – komprimeringslogiken anpassar sig dynamiskt till innehållet i prompten.
Schneider Electric bygger AI-infrastruktur med LangSmith Schneider Electric har implementerat LangSmith som grund för sin LLMOps-verksamhet (hantering och driftsättning av språkmodeller i produktion). Systemet ger företaget bättre insyn i hur deras AI-produkter presterar och gör det enklare att utvärdera och skala upp dem – intressant nog visar det att tung industri nu tar AI-infrastruktur lika seriöst som teknikbolag.
EU varnar banker för risker med avancerade AI-modeller EU:s makrotillsynsorgan ESRB har utfärdat en formell varning om att avancerade AI-modeller skapar sårbarheter i det finansiella systemet. Det är anmärkningsvärt att ett EU-organ på den här nivån nu formellt flaggar AI som en systemrisk – inte bara en framtida möjlighet.
NVIDIA och Hugging Face öppnar upp robotikutveckling via LeRobot NVIDIA och Hugging Face samarbetar för att göra fysisk AI-robotik mer tillgänglig genom att bidra med modeller och ramverk till det öppna projektet LeRobot. Tanken är att sänka trösklarna som hittills bromsat utvecklingen – dyra dataset, fragmenterade verktyg och brist på simuleringsmiljöer. Det är i grunden samma satsning som öppen källkod gjorde för mjukvaru-AI, fast nu applicerat på robotar som rör sig i den verkliga världen.
Deepseek utvecklar eget AI-chip Kinesiska AI-bolaget Deepseek uppges utveckla ett eget chip för inferens – alltså den fas då en redan tränad modell genererar svar till användare. Det rapporterar Reuters med hänvisning till tre källor. Steget är logiskt givet Kinas begränsade tillgång till Nvidias toppchips, och skulle minska Deepseeks beroende av extern hårdvara.
Öppen källkod inom AI skadar inte Anthropic – ännu Trots att öppen källkod-modeller (AI-modeller vars kod är fritt tillgänglig för alla) växer snabbt verkar de inte stjäla kunder från toppaktörerna som Anthropic. Analysen pekar på att de två typerna fyller olika roller i en och samma livscykel: företag experimenterar med öppna modeller tidigt, för att sedan betala för de starkaste slutna modellerna när det väl gäller på riktigt. Frågan är hur länge den balansen håller.
NVIDIA Vera: En ny processortyp byggd för AI-agenter NVIDIA lanserar Vera, en CPU-kategori optimerad för så kallad agentisk AI – system där AI-modeller självständigt utför uppgifter och anropar verktyg. Poängen är att CPU:n (den traditionella processorn som kör instruktioner) ofta är flaskhalsen när AI-agenter ska resonera och agera snabbt, och Vera är byggd för att maximera prestanda i just det steget. Intressant nog handlar det inte om fler kärnor utan om maximal single-threaded prestanda – alltså hur snabbt en enda uppgift kan köras, vilket ofta är det som faktiskt begränsar svarstiden.
EU-projekt anpassar AI-språkmodeller för humaniora och samhällsvetenskap Inom EU-projektet LLMs4EU testas hur stora språkmodeller kan anpassas för forskning inom humaniora och samhällsvetenskap – ett område som ställer särskilda krav på flerspråkighet och disciplinär bredd. Projektet utvärderar modellerna på fyra parametrar: informationsåtervinning, sammanfattning, spårbarhet och hallucinationsdetektering (om modellen hittar på fakta), med hjälp av både automatiska tester och en panel av Digital Humanities-experter. Det intressanta är att man bygger in juridisk och etisk efterlevnad direkt i infrastrukturen – ett tecken på att reglering börjar påverka hur AI-verktyg faktiskt designas inom akademin.
Vad händer med forskarens eget omdöme när AI tar över? En akademisk artikel argumenterar för att generativ AI riskerar att urholka forskning – inte för att slutresultaten blir sämre, utan för att forskarna slutar utvecklas som tänkare. Problemet är att AI simulerar outputs men inte kan ersätta de fyra saker som faktiskt bygger vetenskapligt omdöme: tyst kunskap, personligt engagemang, socialisering in i ett forskarsamhälle, och djupläsning. Författarna förespråkar det de kallar 'andra scholarskapet' – ett medvetet val att behålla det intellektuella hantverk som AI inte kan och inte bör ta över.
Savi samlar in 70 miljoner kronor för att skydda mot AI-bedrägerier Säkerhetsappen Savi har tagit in 7 miljoner dollar i startkapital och lanseras nu för iPhone och Android – målet är att skydda användare från AI-genererade bedrägerier, som falska kidnappningssamtal där en närstås röst imiteras. Det är ett ganska tydligt tecken på att AI-driven social manipulation börjar bli ett tillräckligt stort problem för att investerare ska se en affär i att lösa det.
Hugging Face-modeller nu direkt i Amazon SageMaker Studio Hugging Face och Amazon har gjort det enklare att driftsätta AI-modeller: med ett klick kan utvecklare nu ladda över modeller från Hugging Face direkt till Amazon SageMaker Studio för träning och inferens (att köra modeller i produktion). Det är en praktisk integration för företag som redan använder AWS men vill slippa det manuella arbetet med att flytta modeller mellan plattformar.
Polhem AI tackar nej till riskkapital – säljer AI till industrin med gräddtårta som inkörsport Vincent Lefèvre, 20, och hans 21-årige medgrundare lämnade Stockholms techbubbla för att bo på luftmadrasser i Gnosjö och sälja AI-lösningar direkt vid fabriksgrindarna – med gräddtårtor som döröppnare. Trots växande intresse från några av Sveriges hetaste VC-firmor tackar grundarna för tillfället nej till riskkapital, med motiveringen att kontakter och erfarenhet väger tyngre än pengar just nu.
Fable: en djupdykning i veckans stora modellsläpp Latent Space ägnar ett helt nummer åt att analysera vad de kallar det mest betydelsefulla modellsläppet hittills – men artikeln ger inga konkreta detaljer om vilken modell det gäller eller faktiska prestandasiffror. Det gör det svårt att bedöma påståendet, och 'världens mest betydelsefulla' är precis det slags formulering man bör ta med en nypa salt tills mer specifik information finns tillgänglig.
