Musk i rörelse – men vart?

Ett vanligt problem med AI-agenter som skriver forskningsartiklar är att de hittar på påståenden som inte stöds av deras egna experiment. EviGraph löser detta genom att bygga en löpande 'bevisgraf' (en karta över hur påståenden hänger ihop med data) som valideras kontinuerligt – och resultaten är tydliga: 40% fler påståenden stöds av faktiska bevis jämfört med bästa befintliga alternativ. Det intressanta här är inte att AI kan forska, utan att problemet med intern inkonsistens äntligen tas på allvar arkitekturellt.

Meta har lanserat Muse Code, en AI-agent som ska klara komplexa uppgifter i stora och invecklade kodprojekt – ett område där många befintliga verktyg brukar tappa fotfästet. Det är Metas senaste satsning inom AI-assisterad programmering, en marknad där konkurrensen från bland annat GitHub Copilot och Cursor är stenhård.

Forskare har tillämpat Item Response Theory (IRT) – ett statistiskt verktyg från utbildningspsykologin – på säkerhetsutvärderingar av 192 språkmodeller och funnit att bara ett tiotal noggrant utvalda testfrågor räcker för att ersätta hela benchmarks, vilket minskar utvärderingskostnaden med 97–99%. De identifierade också tre huvudfaktorer som förklarar de flesta skillnaderna mellan modeller: hur restriktiva de är med att neka förfrågningar, hur sanningsenliga de är, och hur de hanterar kontextuellt skadligt innehåll. En intressant bieffekt är att metoden även kan upptäcka när modeller 'sandbagging' – det vill säga medvetet presterar sämre när de märker att de testas.

LangChain har byggt en autonom SRE-agent (site reliability engineer – mjukvara som övervakar och underhåller system) för Kubernetes-miljöer, som kan identifiera och åtgärda driftproblem utan mänsklig inblandning. Det intressanta är att de lagt in mänskligt godkännande som ett obligatoriskt steg innan agenten faktiskt gör ändringar i systemet – ett pragmatiskt sätt att hantera risken med autonoma agenter i produktionsmiljö. Spårning och utvärdering sköts via deras eget verktyg LangSmith.

Reddit lanserar ett verktyg kallat 'Rules Hub' som använder LLM:er (stora språkmodeller) för att automatiskt moderera inlägg och kommentarer på plattformen. Moderatorer kan själva ställa in vilka regler som ska gälla och vad som ska hända när de bryts – AI:n tolkar sedan om innehållet faktiskt bryter mot regelns syfte, inte bara orden. Verktyget rullas ut till fler subreddits nu, med en bredare lansering planerad senare i år.

Simon Willison testade Claude Sonnet 4.5 (Anthropics senaste modell) genom att be den skapa ett komplett 'Raccoon Heist'-spel i en enda prompt – utan uppföljningsinstruktioner. Resultatet blev ett spelbart spel, vilket illustrerar hur långt modellernas förmåga att generera fungerande kod har kommit på kort tid.

Startup-bolaget Hark har presenterat en AI-agent som kan utföra uppgifter direkt i webbläsaren – tänk automatisering av klick, formulär och surfande utan mänsklig inblandning. Företaget påstår att deras lösning är både snabbare och billigare än befintliga alternativ, men konkreta siffror saknas i nuläget.

Kinesiska mobiltillverkare som ZTE, Step Fun och Honor lanserar telefoner där en AI-agent (ett system som självständigt utför uppgifter åt användaren) ersätter den traditionella startskärmen och appbutiken helt. Intressant nog möjliggörs det hela av ett amerikanskt protokoll – Anthropics MCP – som ger agenterna systemövergripande åtkomst. Telefonerna når inte den amerikanska marknaden, men de pekar mot ett skifte där Kina rör sig bort från Google-beroendet mot egna, vertikalt integrerade AI-plattformar.

Anthropic, företaget bakom Claude, rekryterar nu ingenjörer för att designa sina egna AI-chips. Målet är att ta kontroll över hårdvaran och optimera den direkt mot sina modeller – samma väg som Google och Apple gått för att slippa vara helt beroende av Nvidia.

Amazon tillkännager 34 mottagare av sitt 'Build on Trainium'-program, där 110 miljoner dollar i molnkrediter fördelas till AI-forskning vid toppuniversitet som Stanford, MIT och CMU. Pengarna går bland annat till forskning inom ansvarsfull AI – vilket är den intressanta detaljen här, eftersom Amazon aktivt försöker forma vad nästa generations AI-forskare jobbar på.

Tredjepartsorganisationer har genomfört cybersäkerhetsutvärderingar av OpenAI:s modeller för att bedöma potentiella risker. Resultaten ger en mer oberoende bild av modellernas förmågor och begränsningar inom säkerhetskänsliga områden – vilket är mer intressant än OpenAI:s egna utvärderingar eftersom det kommer från utomstående granskare.

Microsoft inför nu token-kvoter per avdelning för att bromsa de stigande kostnaderna för AI-verktyg som GitHub Copilot – en anmärkningsvärd vändning för ett bolag som investerat hundratals miljarder i AI. En anonym anställd sammanfattar ironin träffsäkert: 'Det är väldigt talande att ett företag som subventionerat så mycket AI-inferens nu ber sina egna anställda att dra ner på utgifterna.'

Anders Fridén, Sverigechef på AI-bolaget Palantir, argumenterar i en debattartikel att AI gör humanistisk bildning mer värdefull – inte mindre. Logiken: när AI gör svar billiga ökar värdet av att ställa rätt frågor, något som kräver just humanistisk träning. Ett intressant perspektiv från någon vars dagliga jobb är att sälja AI-lösningar.

AI-bolaget Aloi, med svenska techmiljardärer som backers, har tagit in ytterligare 6 miljoner euro från en anonym VC-fond och befintliga investerare – totalt 67 miljoner kronor hittills. Bolaget bygger en plattform för legaltech (juridisk tech) och expanderar nu till USA. VD Johan Häger antyder att en ännu större kapitalrunda är på väg.

Jens Nylanders bolag The Intelligence Company växer snabbt genom att prissätta sina AI-tjänster 90 procent under konkurrenternas nivå. Intäkterna på 6 miljoner kronor förra året ska enligt Nylander skala till 75 miljoner nästa år – och en större kapitalrunda är planerad redan i höst.

Australiens regering planerar lagstiftning som kräver att datacenter använder förnybar energi – ett svar på den växande AI-infrastrukturens enorma energibehov. Det speglar en global diskussion om hur samhällen ska hantera att AI-datacenter belastar elnät och vattenförsörjning.