9 juli 2026

AI billigare, agenter smartare

Det finns dagar när en trend skriver sig själv – idag handlar allt om att få ut mer för mindre. NVIDIAs nya Nemotron 3 Ultra erbjuder tio gånger lägre kostnad och toppar agentrankingen, LangChain och NVIDIA bygger ramverk för att sätta de här agenterna i produktion, och en rad aktörer visar hur man når GPT-4-prestanda till en åttondel av priset – utan att byta modell. Frågan är vad det gör med argumentet att AI fortfarande är för dyrt för att skala.

GPT-5.6 får grönt ljus av Washington

GPT-5.6 har sedan förra månaden funnits i en slags regulatorisk karantän, tillgänglig bara för myndighetsgodkända organisationer efter påtryckningar från Trump-administrationen. Nu har handelsdepartementet gett klartecken för en bred lansering, troligen redan den här veckan.

Det ovanliga här är inte att en ny modell lanseras, utan att en statlig myndighet överhuvudtaget sitter på nyckeln. Center for AI Standards and Innovation, en enhet under Department of Commerce, genomförde säkerhetstesterna som låg till grund för godkännandet. OpenAI ska ha deltagit med egna tekniska experter i processen, vilket i praktiken innebär att bolaget hjälpte till att testa sin egen produkt inför statlig granskning.

Att ett AI-bolag behöver federalt godkännande för att nå sina egna användare är en ny sorts normalitet, och det är värt att ta på allvar. Exportkontroller och nationella säkerhetshänsyn har länge styrt hårdvara och halvledare. Nu verkar samma logik börja appliceras på modellvikter och API-åtkomst.

För den som bygger på OpenAI:s modeller innebär det här ett påminnelse om att beroendet inte bara är tekniskt. Det är också politiskt. En administration som bestämmer sig för att bromsa en lansering kan göra det, och har nu gjort det. Hur långt den befogenheten sträcker sig, och om den gäller export, inhemsk tillgång eller båda, är fortfarande oklart.

OpenAI var aldrig nöjda med den begränsade lanseringen. Det är förståeligt. Att ha en färdig produkt som inte får säljas för att Washington inte är klart är en dyr väntan, både kommersiellt och signalmässigt. Konkurrenter som inte har samma synlighet, eller samma amerikanska hemvist, slipper den friktion.

Samma prestanda, åtta gånger billigare – utan att röra modellen

"Det här är faktiskt den mer intressanta nyheten i veckan, inte att Nemotron råkar vinna ett benchmark."

Det är ett ganska elegant argument mot reflexen att alltid kasta pengar på en kraftfullare modell: LangChain tog Nemotron 3 Ultra, justerade hur agentramverket styr modellen (promptstruktur, verktygssanrop, orkestreringslogik), och landade på samma resultat som Claudes bästa körning i deras Deep Agents-testmiljö. Prisskillnaden var 8x. Modellen rördes inte.

Det här är faktiskt den mer intressanta nyheten i veckan, inte att Nemotron råkar vinna ett benchmark. Det som vann var harness-tuning som koncept: att infrastrukturen runt en modell kan vara lika avgörande som modellen själv. Om du bygger agentbaserade system och inte aktivt jobbar med scaffolding-optimeringen betalar du antagligen för mycket.

Parallellt med detta lanserade LangChain och Nvidia gemensamt NemoClaw Deep Agents Blueprint, ett öppet ramverk för företagsagenter som kombinerar Nemotron 3 Ultra, Deep Agents Code och deras OpenShell. Det som skiljer det från den generella agenthypen är att styrning är inbyggd från start: deny-by-default-nätverk, manuellt godkännande för känsliga operationer och granskningsloggar. Det är inte glamoröst, men det är precis vad som fattas i de flesta agentrör som faktiskt driftsätts i produktion idag.

Kostnadsbilden är värd att ta in: Nemotron 3 Ultra körs till en tiondel av priset jämfört med ledande slutna modeller som GPT-4 och Claude, och klarar fler uppgifter med högre genomströmning i LangChains testramverk. Det gör kombinationen av öppen modell plus väloptimerat ramverk konkurrenskraftig på ett sätt som för ett år sedan hade verkat osannolikt.

För den som bygger agentsystem med kodbas-specifika uppgifter, som kodmigrering eller modernisering, är Deep Agents Code på NemoClaw det konkreta erbjudandet. Säkerhetskontrollerna är rimliga för enterprise-kontext: du behöver inte ta modellens ord för att den gör rätt, du kan konfigurera granskningspunkter dit du vill ha dem.

Sammanfattningsvis: Nvidia har en kompetitiv öppen modell, LangChain har visat att ramverksoptimering är underskattad, och deras gemensamma blueprint adresserar den styrningsfråga som bromsar faktisk enterprise-adoption av agenter. Det är en mer komplett story än de flesta modellreleaser på sistone.

Lovable på väg mot 128-miljardersvärdering

Lovable grundades för ungefär ett år sedan och har redan hunnit bli en av de mer intressanta dataposterna i debatten om vad AI faktiskt gör med mjukvaruutveckling. Bolaget bygger ett verktyg där du beskriver en app i text och får ut fungerande kod, utan att ha skrivit en enda rad själv. Nu uppges en ny runda på 300 miljoner dollar vara på väg, ledd av Menlo Ventures, till en värdering på 13,2 miljarder dollar, eller ungefär 128 miljarder kronor.

För att sätta det i perspektiv: det är mer än vad många etablerade svenska teknikbolag är värda efter decennier på marknaden.

Vad som är genuint intressant här är inte hype-cykeln i sig, utan vad värderingen signalerar om hur investerare prissätter den här kategorin. Lovable konkurrerar med Bolt, Cursor, Replit och en handfull andra i vad som börjar likna ett fullskaligt krig om vem som äger arbetsflödet för applikationsutveckling. Menlo Ventures har tidigare satsat tungt på Anthropic, så de vet hur man prissätter infrastruktur som folk faktiskt bygger ovanpå.

Det som skiljer Lovable från många i samma kategori är att de tydligt riktar sig mot icke-tekniska användare, inte mot utvecklare som vill gå lite snabbare. Det är ett annat marknadssegment, med andra konsekvenser för retention och prissättning. Om den strategin håller vid skalning är en öppen fråga.

För dig som bygger produkter är signalen tydlig: marknaden för no-code och AI-assisterad utveckling prissätts nu som infrastruktur, inte som SaaS-verktyg i standardmening. Det påverkar hur konkurrensbilden ser ut om tolv månader, och vilka av de här plattformarna som faktiskt har råd att överleva en konsolidering.

Telenor köper Bahnhof för 6,1 miljarder

Det är inte ofta en internetoperatör med en historia av att vägra blockera ryska statsmedier säljs till en norsk telekomjätte mitt i en geopolitiskt laddad period, men här är vi.

Telenor förvärvar en kontrollerande post i Bahnhof och avser att lägga bud på resterande aktier. Grundaren Jon Karlung säljer samtliga sina aktier, och med en värdering på 6,1 miljarder kronor kliver han ut som miljardär. Han verkar genuint nöjd, och passar på att skicka en glad hälsning till medieägaren Mats Qviberg om den extra premie han fick på affären. Klassakten.

Premien på 22 procent har däremot inte imponerat på alla. Börsprofilen John Skogman kallar budet för ett "svek" mot aktieägarna och tillägger att "allt går att köpa för pengar" om Karlungs principfasthet. Det är den typen av kommentar som brukar säga mer om kommentatorn än om affären, men poängen om premienivån är inte orimlig för ett bolag med Bahnhofs nischposition.

Den mer intressanta frågan är vad Telenor faktiskt köper. Bahnhof är inte vilket bredbandsbolag som helst: bolaget har gjort sin personlighet till en del av varumärket, med Karlung som frontfigur och en konsekvent linje mot myndighetsövervakning och innehållsblockering. Telenors koncernchef Benedicte Schilbred Fasmer svarar på frågan om ryska statsmedier med att de "får diskutera detta sinsemellan", vilket är ett diplomatiskt sätt att säga att ingenting är avgjort än.

Karlung själv uppger att han inte är intresserad av ett liv som affärsängel efter exitten. Inget serieentreprenörskap, inga portföljbolag. Trettio år med ett bolag verkar ha räckt.

Parallellt rapporterar Epidemic Sound om sjunkande intäkter och ökade förluster under 2024. VD Sara Börsvik beskriver det som "medvetna investeringar" och pekar på externa faktorer, med en utlovad ljusning under 2026. EQT-ägda bolag som talar om ljusningar två år in i framtiden brukar ha en del att bevisa.

Dagens siffra

8x

Kostnaden för att köra AI-agenter sjönk med ungefär åtta gånger när LangChain optimerade ramverket runt modellen – utan att byta ut modellen själv – och ändå matchade Claude Opus 4.8:s bästa agentresultat.

Snabbkollen

Prime Intellect tar in 1,3 miljarder kronor för att hjälpa företag bygga egna AI-agenter

Prime Intellect, grundat så sent som 2024, har rest 130 miljoner dollar i en Serie A-runda – en ansenlig summa för ett så ungt bolag. Idén är att låta företag träna sina egna AI-agenter (system som självständigt utför uppgifter) utan att vara beroende av stora aktörer som OpenAI eller Google. Det är en tydlig trend just nu: många organisationer vill ha mer kontroll över sina egna AI-system snarare än att hyra kapacitet av techgiganterna.

Microsoft minskar beroendet av OpenAI med egna AI-modeller

Microsoft har börjat använda sina egenutvecklade MAI-modeller direkt i Word och Excel för att minska kostnaderna för att anlita OpenAI och Anthropic. Vid utvecklarkonferensen Build i juni lanserades sju nya MAI-modeller, bland annat en kodassistent och en bildgenereringsmodell. Trenden är bred – även Amazon, Meta och Accenture letar sätt att hålla nere sina AI-utgifter.

Startup vill träna robotar på miljontals timmar speldata

General Intuition satsar på att spelvideodata – miljontals timmars inspelade rörelsemönster från datorspel – kan användas för att bygga grundmodeller (foundation models) för fysisk AI, alltså AI som styr riktiga robotar i den verkliga världen. Tanken är att minska beroendet av dyr och tidskrävande datainsamling i fysiska miljöer. Det är en intressant satsning, men frågan om hur väl spelrörelser faktiskt översätts till robotfysik återstår att bevisa.

Meta lanserar Muse Image – men får kritik för att använda andras Instagramfoton

Meta har lanserat AI-bildgeneratorn Muse Image, gratis i Meta AI-appen, Instagram Stories och WhatsApp, med funktioner för att skapa bilder från text, redigera foton och ta bort objekt. Det intressanta är dock baksidan: genom att tagga en offentlig Instagram-profil kan vem som helst använda den personens foton som underlag för AI-genererade bilder – och kontot får ingen notis om det händer. Meta låter användare stänga av funktionen i inställningarna, men det är ett opt-out-system, inte opt-in.

OpenAI lanserar röstmodeller för mer naturliga samtal i realtid

OpenAI har släppt nya röstmodeller som kan tala och lyssna samtidigt – vilket låter enkelt men är tekniskt knepigt och öppnar upp för användbar realtidsöversättning. Det är ett tydligt steg mot att AI-assistenter ska fungera mer som faktiska samtalspartners snarare än fråga-svar-maskiner.

Nya rön: Det är reglerna kring AI-agenter – inte bara modellerna – som avgör om de är säkra

Forskare visar att de driftsregler som styr AI-agenter i flerагент-system (där flera AI:er samarbetar eller konkurrerar) har lika stor påverkan på säkerheten som modellerna själva – i vissa fall flyttar en enda regeländring dödligheten i simulerade scenarier med upp till 58 procentenheter. Särskilt alarmerande: när en regel namnger vem som ska bära konsekvenserna ökar riktad eliminering av den svagaste agenten från 22% till 81%, och även om man anonymiserar regeln löser det bara problemet tillfälligt – agenterna listar ut mönstret ändå. Studien täcker 33 924 spel och föreslår ett ramverk för att certifiera vilka regler som är godkänbara i ett givet sammanhang.

Källor: arXiv cs.AI
Partisk AI-domare kan tysta ned självläkande agentsystem utan att det syns

Forskning visar att självutvecklande AI-agenter – som bygger upp ett bibliotek av färdigheter och rensar bort de sämre – har en kritisk svaghet: om den AI-domare som bedömer resultaten är partisk och låter misslyckanden passera som framgångar, stängs rensningsmekanismen av helt. Det läskiga är att felet är 'tyst' – inga aggregerade mätetal slår larm, och systemet ser ut att fungera normalt. Forskarna föreslår ett enkelt revisionstest där man injicerar konstgjorda fel för att avgöra om domaren är tillräckligt pålitlig innan systemet driftsätts.

Källor: arXiv cs.AI
OpenAI uppgraderar ChatGPTs röstläge – pratar mindre i mun på dig

OpenAI lanserar GPT-Live-1, en ny röstmodell för ChatGPT som är tränad på att inte avbryta dig mitt i en mening och att vänta ut naturliga pauser i samtalet. Modellen kopplar automatiskt till starkare textmodeller som GPT-5.5 när den behöver resonera eller söka på nätet – ungefär som att ha en assistent som vet när den ska slå upp något innan den svarar. Det låter enkelt, men att få AI-röstgränssnitt att kännas som ett riktigt samtal har visat sig vara svårare än det verkar.

Bezos-backad startup vill träna AGI på speldata

Startupbolaget General Intuition, med Jeff Bezos som investerare, tror att speldata är nyckeln till AGI (artificiell generell intelligens – alltså AI som klarar av i stort sett vad som helst). Logiken är att dagens språkmodeller som ChatGPT är bra på text men dåliga på att förstå hur saker rör sig i tid och rum, något som spelmiljöer är fyllda av. Det är en intressant tanke: miljarder timmar av mänskligt spelande som oavsiktlig träningsdata för framtidens AI.

Modal bygger molninfrastruktur anpassad för AI-agenter

Modal, ett bolag som erbjuder molntjänster för AI-arbetsbelastningar, förklarar varför traditionell infrastruktur inte räcker till när AI-agenter (program som självständigt utför uppgifter) ska köras i stor skala. Medgrundaren och CTO Akshat Bubna delar med sig av vad de lärt sig under två år av att bygga det de kallar ett 'agent cloud' — en plattform designad specifikt för hur agenter beter sig, med korta intensiva körningar och oförutsägbara mönster. Det intressanta här är att infrastrukturlagret, inte modellerna i sig, alltmer avgör vad agenter faktiskt klarar av i praktiken.

Hur AI påskyndar vetenskapliga genombrott

Stanford HAI lyfter fram hur AI-verktyg används för att snabba upp forskning inom allt från läkemedelsutveckling till klimatvetenskap – men artikelns konkreta siffror och detaljer saknas i det underlag som lämnats. Det som är intressant här är frågan om AI faktiskt förändrar hur vetenskap görs, eller om det mest handlar om att göra befintliga processer lite snabbare.

Franska ZML lanserar gratis mjukvara för snabbare AI-inferens

Det franska AI-startupet ZML – med stöd av Turingpristagaren Yann LeCun – har släppt ett gratis verktyg kallat ZML/LLMD som gör det billigare och snabbare att köra AI-modeller på en rad olika chip. Tanken är att mjukvaran ska fungera över flera hårdvaruplattformar, vilket potentiellt minskar beroendet av specifika leverantörer som Nvidia.

Hackare kan utnyttja populära AI-verktyg för att bygga botnät

En ny attack kallad 'HalluSquatting' utnyttjar AI-verktygs tendens att hitta på paketnamn som inte existerar – när en användare ber om kodhjälp kan verktyget rekommendera ett falskt paket, som hackare i förväg registrerat med skadlig kod. Nio av de mest använda AI-verktygen visade sig vara sårbara, och eftersom AI:n inte kan säga 'vet inte' leder den istället användare rakt in i fällan.

OpenAI publicerar riktlinjer för samarbeten med regeringar och militär

OpenAI har publicerat ett policydokument som beskriver hur företaget hanterar partnerskap med stater och säkerhetsmyndigheter – ett ämne som länge varit otydligt. Dokumentet slår fast principer kring demokratisk ansvarsskyldighet och allmän säkerhet, vilket kan tolkas som ett svar på växande kritik om att AI-bolag opererar utan tillräcklig insyn i känsliga statliga avtal.

Källor: OpenAI Blog
OpenAI utbildar lärare i AI-användning

OpenAI Academy och Walton Family Foundation samarbetar för att ge K–12-lärare (grundskole- och gymnasielärare) praktiska AI-kunskaper genom så kallade AI Skills Jams – hands-on workshopar. Tanken är att lärarna ska känna sig rustade att faktiskt använda AI i klassrummet, inte bara höra om det.

Källor: OpenAI Blog
Meta utvecklar glasögon som spelar in hela dagen

Meta uppges arbeta på smarta glasögon som hela tiden lyssnar och tar bilder var sjunde sekund eller så – utan att användaren nödvändigtvis får tillgång till råmaterialet. Tanken är att Meta AI ska kunna svara på frågor baserade på det inspelade, men enligt Financial Times kan systemet vara uppbyggt så att bara metadata (sammanfattad information om innehållet, inte inspelningarna själva) sparas. Det reser självklart frågor om var gränsen går mellan ett användbart AI-minne och konstant övervakning.

Färskbryggt AI varje morgon

15 minuter och en kopp kaffe, allt du behöver.