ChatGPT tar kommandot

Jie Tang, vd för Z.ai, argumenterar i en djupdykning att antalet parametrar (modellens 'storlek') spelar allt mindre roll – det är post-träning (finjustering efter grundträningen) som nu avgör hur bra en AI-modell blir. Det handlar om deras senaste modell GLM 5.3, och tankegången utmanar den gängse uppfattningen att större alltid är bättre.

Forskare har tagit fram Axon, ett domänspecifikt programspråk (ett språk designat för ett specifikt användningsområde) som låter utvecklare skriva en LLM-arkitektur en enda gång och sedan automatiskt kompilera den till populära ramverk som PyTorch, JAX och MLX. I 467 prestandatest på modeller mellan 135 miljoner och 32 miljarder parametrar visade Axon medianförbättringar på upp till 107% jämfört med standardimplementationer – störst förbättring på MLX. Det intressanta är egentligen bakgrundsargumentet: hela open source-ekosystemet för språkmodeller lutar tungt mot en enda plattform, och Axon är ett försök att minska det beroendet.

LFM2.5-DSpark är en ny modellvariant från Liquid AI som lovar upp till 3,2 gånger snabbare inferens (det vill säga hur snabbt modellen genererar svar) jämfört med tidigare versioner. Det intressanta här är inte bara hastigheten i sig – snabbare inferens betyder lägre driftkostnader, vilket är en flaskhals många företag brottas med när de skalar upp AI i produktion.

Forskare presenterar PolicyGuide, ett system som omvandlar organisationspolicyer till flödesscheman och låter en AI-agent stämma av varje steg mot reglerna i realtid. I tester med GPT, Claude och Gemini förbättrades regelefterlevnaden markant – från 0,42 till 0,62 i genomsnitt, med störst förbättring inom telekomsektorn (från 0,19 till 0,61). Det intressanta här är att samma flödesscheman fungerar över flera olika AI-modeller, vilket gör metoden modell-agnostisk och mer praktiskt användbar.

Norrsken Launcher går in som ny ägare i Eyedentity och skjuter till 15 miljoner kronor. Bolaget har byggt ett AI-verktyg som ska upptäcka en svårdiagnosticerad cancer tidigare – och minska antalet friska patienter som i onödan skickas till en redan belastad sjukvård.

Retorik kring AI som 'upprorisk', 'självständig' eller 'övermänsklig' dominerar debatten – men MIT Technology Review argumenterar att det är en fälla som distraherar från faktiska risker och reglering. Teknikprofiler som Sam Altman, Dario Amodei och Demis Hassabis driver narrativet om närmast sentient AI, medan kritiker menar att det i grunden handlar om ett politiskt spel om vem som ska forma AI-policyn.

Anthropic uppges planera en börsnotering som ska matcha eller överträffa SpaceX rekordnotering från juni i år, enligt källor till Bloomberg. Det säger en del om hur höga förväntningarna på AI-sektorn fortfarande är – trots att lönsamhet för de stora AI-bolagen ännu lyser med sin frånvaro.

En ny studie pekar på ett praktiskt problem som ofta förbises i AI-säkerhetsforskningen: många kontrollprotokoll förutsätter att den som driftsätter en AI-modell också äger och kan inspektera den – vilket sällan stämmer när organisationer använder modeller via API:er. Forskarna introducerar begreppet 'bounded sovereignty' (begränsad teknisk kontroll) och visar via 1,35 miljoner syntetiska simuleringar att tillgång till loggar, körningsgateway och modellversioner är avgörande för att säkerhet och feldiagnos ska fungera i praktiken. Slutsatsen är enkel men underskattad: säkerhetslösningar bör tydligt redovisa vilka åtkomstantaganden de bygger på.

Micro1, ett startup som levererar träningsdata till AI-modeller, har nått en årlig bruttoomsättning på 500 miljoner dollar – ett tecken på hur hungriga AI-bolagen är efter data just nu. Det är inte bara Micro1 som växer; hela branschen för AI-träningsdata upplever en boom i takt med att fler stora modeller byggs och behöver matas med kvalitetsdata. Intressant nog är det ofta de minst omtalade länkarna i AI-kedjan – datainsamling och märkning – som rullar in pengarna.

Meta har lanserat en Mac-app för Meta AI som inkluderar en dikteringsfunktion driven av deras Muse Spark-modell – tanken är att du ska kunna styra och interagera med appar via röst. Det är ett tydligt steg mot att göra AI till ett mer inbyggt gränssnittsverktyg snarare än en separat chattbot.

Trenden mot 'enkla agenter' växer – utvecklare bygger nu AI-agenter direkt i Slack istället för traditionella kodmiljöer (IDE:er). Tanken är att agenter som lever där arbetet redan sker blir enklare att övervaka och styra utan att man behöver byta verktyg.

Chipjätten Broadcom undersöker möjligheten att låna över 60 miljarder dollar för en storskalig satsning på AI-chip – ett belopp som i så fall skulle vara ett av de större i sektorn. Satsningen uppges bland annat gynna AI-bolaget Anthropic, vilket visar hur tät kopplingen håller på att bli mellan hårdvarutillverkare och de stora AI-labben.

Ramp, känt som ett företagskortbolag, har lanserat en tjänst kallad Router som låter användare växla mellan olika stora språkmodeller (AI-modeller som GPT eller Claude) via ett enda API. Det är ett klassiskt infrastrukturspel – istället för att binda sig till en enda AI-leverantör kan företag enkelt byta modell beroende på behov och kostnad.

Anton Osika och Fabian Hedin, grundarna bakom AI-kodningsverktyget Lovable, ska ha sålt aktier för runt 100 miljoner kronor vardera under fjolåret. Bolaget vill inte bekräfta att pengarna kommer från Lovable specifikt, men tajmingen sammanfaller med att startupens raketartade tillväxt drivit upp värderingen rejält.