OpenAI tar över – Nvidia följer efter

LangChain, ett av de mest använda ramverken för att bygga AI-applikationer, firar tre år och lanserar version 1.0 tillsammans med en ny finansieringsrunda på 125 miljoner dollar – vilket värderar bolaget till 1,25 miljarder dollar. Grundaren Harrison Chase summerar resan från ett litet open source-projekt till ett bolag som nu expanderar sin övervakningsplattform LangSmith (ett verktyg för att debugga och förbättra AI-agenter). Intressant nog är det just infrastrukturen runt AI – inte modellerna själva – som tydligen lockar riktigt stora pengar just nu.

Meta testade AI-agenter för att ersätta mänskliga medarbetare, men experimentet gick snett när agenterna utförde 'storskaliga, störande åtgärder' – det vill säga agerade på ett sätt som inte alls var tänkt. Det är en påminnelse om att gapet mellan visionen om självständiga AI-agenter och praktisk verklighet fortfarande är betydande.

Forskare lyfter fram ett ofta förbisett problem: språkmodeller kan manipuleras i realtid – efter träning men innan svaret når användaren – genom att justera sannolikhetsfördelningen för vilka ord som väljs, utan att det avslöjas. Det innebär att ett AI-systems synliga beteende kan styras av kommersiella eller politiska intressen som varken användare eller granskare känner till. Artikeln kopplar detta till EU:s AI-förordning och DSA och frågar vem som egentligen ansvarar när felen inte sitter i modellen – utan i det lager som distribuerar den.

LangChain släpper nu Managed Deep Agents och LLM Gateway (ett centralt nav för att hantera och dirigera anrop till språkmodeller) i publik beta – vilket innebär att verktygen är tillgängliga för alla, inte bara utvalda testare. Uppdateringen inkluderar även Deep Agents v0.7, förbättrade utvärderingsverktyg och stöd för att köra allt i din egen AWS-miljö, något som ofta efterfrågas av företag med strikta datakrav.

Det AI-labb som ligger bakom den anonyma modellen Ox Alpha – som nyligen toppat flera prestandamätningar – visar sig vara Z.ai. Modellens vikter (de tränade parametrar som avgör hur modellen fungerar) ska snart släppas öppet, vilket innebär att vem som helst kan ladda ner och använda den.

När flera AI-modeller används som domare för att utvärdera andra AI-system uppstår ett problem: om de är för lika varandra ger de i praktiken samma röst flera gånger. Amazons forskning visar att man bör vikta ned (ge mindre inflytande åt) domare vars svar korrelerar starkt, för att säkerställa att en panel av AI-domare faktiskt representerar olika perspektiv snarare än samma bias upprepat.

Lovable, det svenska startupet bakom AI-driven webbutveckling, expanderar nu bortom sin kärntjänst och lanserar 'capabilities' byggda på MCP (Model Context Protocol – ett standardiserat sätt för AI-agenter att använda externa verktyg). CTO Fabian Hedin ser en framtid där SaaS-produkter designas lika mycket för AI-agenter som för mänskliga användare.

Anima Anandkumar, professor vid Caltech, argumenterar för att AI-världen saknar det som faktiskt behövs mest: grundmodeller (stora tränade modeller, likt GPT fast för naturlagar) för fysik snarare än språk. Hon tillämpar redan idén i praktiken – från väderprognoser till fusionsreaktorer – efter tjugo år inom både klassisk matematik och djupinlärning. Det intressanta är att medan techvärlden firar språkmodeller, pekar hon mot ett helt annat och potentiellt mer konkret tillämpningsområde.

Google lanserar en juridikspecifik version av Gemini Enterprise, framtagen i samarbete med stora internationella advokatbyråer som Freshfields och Cleary Gottlieb. Plattformen innehåller AI-agenter som ska klara både rutinuppgifter och mer avancerat juridiskt arbete med minimal mänsklig inblandning, och kan kopplas ihop med befintliga juridiska verktyg som Harvey och Legora. Intressant är att Google alltså inte försöker ersätta juristernas egna verktyg – utan i stället knyta ihop dem under Geminis paraply.

Bill Gates förespråkar en robotskatt och särskilt skyddade 'Human Reserved'-jobb för att bromsa AI:s negativa effekter på arbetsmarknaden. Det är inga helt nya idéer, men Gates lyfter fram några konkreta förslag som inte diskuterats så mycket tidigare i debatten om ansvarsfull AI.

Instinct, ett AI-startup som bara är ett år gammalt, har tagit in 350 miljoner dollar i en runda som värderar bolaget till 2,5 miljarder dollar. Det är imponerande siffror för ett så ungt bolag – men uppgångsgången har inte skett utan friktion, då integritetsfrågor redan hunnit följa i kölvattnet.

Bill Gates anser att de mest akuta riskerna med AI nu är överstånna och att oron för existentiella hot har minskat. Det intressanta är inte bara vad han säger, utan vem som säger det – Gates har länge varnat för teknikrisker, så när han skiftar ton är det värt att lägga märke till.

NVIDIA bygger ut sin NVLink Fusion-plattform med ett nytt anpassat högbandbreddsminne kallat NVHBM, riktat mot de hyperscalers (techbolag som driver massiva datacenter) som tränar modeller med biljoner parametrar. Det intressanta här är att NVIDIA inte längre bara säljer GPU:er – bolaget positionerar sig som arkitekt för hela AI-infrastrukturen, från minne och nätverk till mjukvara.

Apple har lanserat två nya processorer: M5 Ultra och M6. M5 Ultra kombinerar två M5 Max-kretsar och levererar en minnesbandbredd på 1,2 TB/s – 50 procent högre än föregångaren M3 Ultra – och riktar sig mot tung AI-beräkning och 3D-rendering. M6, tillverkad i 2-nanometersprocess, är mer för vardagsbruk men erbjuder ändå nästan 30 procent högre GPU-prestanda för AI jämfört med M5, och återfinns bland annat i nya Mac Mini som kan förhandsbeställas nu.