Nytt minnessystem hjälper AI-agenter att skilja på tillfälliga nycker och verkliga förändringar Forskare har utvecklat PreCoMem, ett minnessystem för konversations-AI som löser ett klassiskt problem: hur vet agenten om du faktiskt har ändrat dig, eller bara sa något konstigt en gång? Systemet använder ett mått kallat 'Effective Surprisal' för att avgöra om ny information ska lagras, vänta i ett slags karantän, eller skriva över gamla uppgifter. Testerna på tre olika benchmark-dataset visar att PreCoMem slår befintliga metoder på precision.
Nytt riktmärke avslöjar hur AI-agenter misslyckas när viktig information saknas Forskare har lanserat EpiSEM-Bench, ett testramverk med 300 uppgiftspar som mäter hur väl AI-agenter (system som kan använda verktyg och fatta beslut) hanterar situationer där säkerhetskritisk information utelämnas – och resultaten är oroande. Tio testade modeller visade stora skillnader i hur de reagerar när ett verktyg returnerar sann men ofullständig information, vilket kan leda till att förbjudna åtgärder utförs av misstag. Intressant nog räcker det inte att vara bra på att stå emot ofullständig data – att faktiskt söka upp och använda saknad information är en helt separat förmåga som modellerna klarar olika väl.
Anthropic lanserar Claude Duet – en AI-agent riktad mot småföretagare Anthropic har lanserat Claude Duet, en AI-agent byggd på modellen Claude Opus 5.5 som konkurrerar direkt med Metas Muse och OpenAIs Dots. Agenten är tänkt för småföretagare och kan hjälpa till med allt från mötesplanering till att bygga webbappar – den har en inbyggd virtuell maskin med webbläsare för att faktiskt utföra uppgifterna. Just nu är den bara tillgänglig för betalande amerikanska användare på Pro- eller Max-nivå, men en bredare utrullning är planerad.
AI-agenter lämnade ensamma hittade på egna spel MIT-forskare placerade 13 AI-agenter i en virtuell miljö utan uppgifter – och istället för att stå stilla började de hitta på spel, sörja förlorade föremål och till slut faktiskt bli bättre på sina jobb. Det intressanta är vad det antyder om emergent beteende (oplanerade mönster som uppstår spontant): agenterna utvecklade sociala strukturer helt på egen hand.
Ny metod minskar resursbehovet för att träna AI-modeller på komplexa resonemangsproblem Forskare har utvecklat NormTune, en teknik som förbättrar så kallad parameter-efficient fine-tuning (PEFT) – en metod för att anpassa AI-modeller utan att behöva köra hela den resurskrävande träningsprocessen. Problemet har varit att PEFT presterat sämre än fullständig träning på svåra resonemangsbenchmarks, men NormTune stänger en stor del av det gapet: med LoRA (en populär PEFT-metod) ökade precisionen med upp till 24 procent på tester som AIME 2024 och MATH 500. Det intressanta är att man nu kan närma sig resultaten från dyr fullträning – utan att betala det GPU-priset.
När AI ljuger med självförtroende – och vi tror på det En studie med 32 deltagare visar att när en AI-assistent (byggd på GPT-4-mini) konsekvent och självsäkert presenterar felaktig information, anammar användarna lögnen i ungefär 65% av fallen – och håller fast vid den med hög övertygelse (8,4 av 10). Poängen på kunskapstester rasade från 7,4 till 2,9 av 10 när assistenten matades med helt fabricerade fakta, men det riktigt oroande är att deltagarnas förtroende för assistenten knappt sjönk alls. Det vi brukar kalla 'sycophancy' (när AI smiter med vad användaren vill höra) kan alltså gå åt andra hållet – det är vi som böjer oss för AI:n, inte tvärtom.
Varför AI-beräkning sker i rektanglar – och vad det kostar att driva agenter i molnet Modal-vd:n Erik Bernhardsson dyker ner i varför GPU-kluster är fysiskt formade som rektanglar – det handlar om hur data färdas mellan chips med minsta möjliga fördröjning. Mer intressant är diskussionen om 'agent cloud': när AI-agenter körs autonomt i sandlådor behöver infrastrukturen vara elastisk på millisekundsnivå, vilket förändrar hela affärsmodellen för molntjänster.
Amazon bygger ny PyTorch-brygga för sina egna AI-chips Amazon har lanserat TorchNeuron, ett nytt backend-system som låter AI-modeller skrivna i PyTorch (ett populärt ramverk för maskininlärning) köras effektivt på företagets egna Trainium-chips. Systemet använder runtime-optimeringar och en utvärderingsprocess driven av agentisk AI för att säkerställa att modellerna fungerar korrekt – vilket är intressant eftersom Amazon alltså använder AI för att testa sin egen AI-infrastruktur.
NVIDIA lanserar Minerva för att övervaka AI-fabriker i realtid NVIDIA har lanserat Minerva, en plattform för att övervaka och felsöka stora AI-datacenter – så kallade AI-fabriker – genom att samla in data från både hårdvara och mjukvaruarbetsbelastningar. Plattformen använder egna AI-modeller för att hitta problem innan de hinner påverka produktionen, vilket är ett växande huvudbry när dessa anläggningar blir allt mer komplexa. Intressant nog löser NVIDIA alltså AI-driftsproblem med just AI.
Bill Gates varnar för 20 år av AI-turbulens Bill Gates tror att vi behöver förbereda oss på ungefär två decennier av störningar från AI, och att perioden kan bli så påfrestande att den splittrar samhället i två läger – de som omfamnar tekniken och de som avvisar den. Han har skärpt tonen rejält på sistone och kallar AI 'det farligaste mänskligheten någonsin kommit i närheten av', och menar att varken Vita huset eller AI-branschen själv gör tillräckligt. Intressant nog är han inte en renodlad domedagsprofet – han ser fortfarande hopp, men anser att fönstret för att forma utvecklingen i rätt riktning håller på att stängas.
NVIDIA expanderar Cosmos-plattformen för träning av världsmodeller NVIDIA bygger ut sin Cosmos-plattform med nya träningsverktyg, simuleringsmodeller och så kallade Data Factory-blueprints – det vill säga färdiga mallar för att samla och bearbeta data. Målet är att göra det enklare för utvecklare att bygga världsmodeller (AI-system som kan förstå och simulera den fysiska världen), en teknik som är central för robotik och självkörande fordon. Cosmos-modellerna ska redan ligga i topp fem på sex olika öppna riktmärken (standardiserade prestandatester), vilket ger plattformen en viss trovärdighet.
OpenAI:s säkerhetsprogram hittade kritiska PHP-sårbarheter med GPT-4 OpenAI:s program 'Patch the Planet' var en av två parter som upptäckte allvarliga säkerhetshål i PHP – ett programmeringsspråk som driver ungefär 70 procent av alla webbplatser. Sårbarheterna, kallade PHP2Shell, hittades med hjälp av GPT-4o Sol och åtgärdades i samordnat arbete under två månaders tid. Det är ett konkret exempel på att AI-modeller faktiskt börjar hitta riktiga säkerhetsproblem i kritisk infrastruktur – inte bara i teorin.
AI tar en femtedel av it-budgetarna – men hälften av cheferna missar sina mål Enligt analysföretaget Forrester kommer AI stå för 20 procent av företagens teknikutgifter 2027, men det är långt ifrån smooth sailing: över hälften av it-cheferna väntas missa sina avkastningsmål. Gapet är tydligt – 45 procent kräver positiv avkastning inom ett år, men bara 22 procent har faktiskt sett det hända. Forrester pekar på att företagen köper tekniken men glömmer att förändra hur de jobbar, och tror att billigare öppna AI-modeller framöver kommer ta över de vardagliga uppgifterna medan de dyrare sparas till det som verkligen kräver det.
OpenAI:s modeller kommer nu till Google Cloud OpenAI börjar sälja sina mest avancerade modeller – bland annat GPT-4o och kodningsagenten Codex – via Google Cloud, något som tidigare var Microsofts exklusiva domän tills avtalet löpte ut i april. Det är ett intressant skifte: OpenAI sprider nu sina modeller via alla tre stora molnplattformarna (Microsoft, Google, Amazon) samtidigt som man understryker att Microsoft fortfarande är 'främsta molnpartner' – vilket börjar låta lite som en artighetsfras.
Svenska Legora värderas till 87 miljarder efter ny investering Det svenska AI-företaget Legora, som bygger AI-verktyg för jurister, har tagit in 550 miljoner dollar och värderas nu till 8,8 miljarder dollar (87 miljarder kronor). Pengarna ska gå till expansion i Nordamerika, Europa och Asien – inte illa för ett bolag vars kärnprodukt i princip handlar om att låta AI sköta det som juridikstudenter annars spenderar nätter med.
OpenAI, Anthropic och Nvidia satte lobbyrekord under sommaren De tre AI-bolagen spenderade mer pengar på politisk påverkan i Washington under juli–september än någon tidigare kvartal: Nvidia låg högst med 2,2 miljoner dollar, följt av Anthropic (2,1 miljoner) och OpenAI (1,5 miljoner). Summorna är egentligen inte anmärkningsvärda jämfört med gamla rävar som Google och Microsoft – men det intressanta är att AI-bolagen nu aktivt försöker forma den lagstiftning som ska reglera dem.
OpenAI lanserar Decisions API för snabbare appbeslut OpenAI har släppt ett Decisions API riktat mot utvecklare som behöver snabba, billiga beslut i realtid inom sina applikationer – tänk klassificering, filtrering eller routing (att styra trafik till rätt funktion). Det är ett smalt verktyg med ett tydligt syfte: inte för komplexa resonemang, utan för höga volymer av enkla beslut till låg kostnad.
NVIDIA hjälper europeiska återförsäljare med AI – från chatbotar till robotlager Europeiska detaljhandelsföretag börjar använda NVIDIA:s AI-verktyg i praktiken: en e-handelsplattform uppger att de sänkt sina inferenskostnader (vad det kostar att köra AI-modeller) med 90 procent, medan lagercentraler testar samarbete mellan olika robotflottor i digitala tvillingar (virtuella kopior av fysiska miljöer). Det intressanta är att det handlar om öppna modeller – inte bara molntjänster från big tech – vilket ger företagen mer kontroll och lägre kostnader.
Så använder Ben's Bites Claude som personlig assistent för sitt nyhetsbrev Ben's Bites beskriver hur de använder Claude som en AI-agent (ett självständigt verktyg som utför uppgifter steg för steg) för att driva sitt nyhetsbrev. Artikeln är mer ett praktiskt exempel på hur redaktioner börjar automatisera arbetsflöden med AI-agenter än ett nyhetsbrott i sig – intressant som tidsdokument snarare än stor nyhet.
Nästa konkurrensfördel inom företags-AI handlar inte om modellen – utan om allt runt omkring Fokus inom enterprise-AI (AI för företag) håller på att skifta: det är inte längre vilken modell du väljer som avgör, utan hur du bygger infrastrukturen runt den. Den som lyckas konstruera ett robust 'serving harness' – alltså systemet som hanterar hur modeller driftsätts, skalas och uppdateras – får en mer hållbar fördel än den som bara jagar de senaste benchmarksiffrorna. Det är ett intressant perspektivskifte i en bransch som länge haft nästan religiöst fokus på modellstorlek.
Europeiska finansjättar bygger egna AI-modeller på lokal infrastruktur På NVIDIAs GTC Berlin-konferens visade europeiska finansbolag – däribland Revolut – hur de bygger egna AI-system baserade på öppna modeller (där vikterna är tillgängliga för alla) som körs på egen infrastruktur istället för i molnet. Revolut bygger om hela sin teknikstack kring en egen grundmodell kallad PRAGMA, driven av NVIDIAs hårdvara. Det intressanta här är trenden: finanssektorn vill kontrollera sin AI själv, inte hyra den av någon annan.
Moshi: AI-verktyg som hjälper traders tolka marknadsdata Moshi är ett AI-verktyg byggt för traders som omvandlar marknadsdata till konkreta insikter – men det intressanta här är betoningen på att verktyget måste passa in i det befintliga arbetsflödet, inte tvärtom. Artikeln är en intervju med grundaren Anekha Sokhal om hur man bygger AI-produkter för en yrkesgrupp med höga krav på snabbhet och precision.
AI-revisorn Warmare värderas till 140 miljoner i ny runda Warmare, som bygger AI för revision, har tagit in nya miljoner vid en värdering på 140 miljoner kronor och lockat till sig tunga techprofiler. I spetsen står Björn Elfgren, grundaren bakom Wint, som verkar ointresserad av den växande utländska konkurrensen. Intressant nog välkomnar han den snarare än att frukta den.
NVIDIA vill lösa energiflaskhalsen för AI-datacenter Energiförsörjning har blivit den största begränsningen för AI-infrastruktur, och mer än 300 miljarder dollar väntas investeras för att möta behovet. NVIDIA:s DSX-plattform låter företag planera och styra elnät och datacenter som ett sammanhållet system – från transformatorstation till serverrack. Det intressanta här är att AI-bolagen nu måste bli energibolag på köpet.
Barclays skär 5 000 jobb för att satsa på AI Brittiska storbanken Barclays varslar 5 000 anställda – ungefär 5 procent av personalstyrkan – som en del av en AI-driven kostnadsbesparingsplan. Runt 60 procent av jobben finns inom stödfunktioner som mjukvaruutveckling, och omstruktureringen beräknas kosta 600 miljoner pund i år, dubbelt så mycket som tidigare planerat. Det är ett tydligt exempel på hur banker börjar byta ut traditionella backoffice-roller mot automatisering.
