Grok Voice 3.0 neemt de leiding onder spraakmodellen, Gemini 4 Argon levert zijn eerste wetenschappelijke resultaten, Claude Code zet in op parallelle sessies

SpaceXSI lanceert Grok Voice 3.0, dat de leiding neemt in de Speech-to-Speech-index van Artificial Analysis zonder prijswijziging, voor 0,08 dollar per minuut. Een dag na de algemene beschikbaarheid laat Google Gemini 4 Argon in actie zien bij quantumcomputing, robotica en op 205 000 regels Python, terwijl Anthropic de desktopapp van Claude Code opnieuw inricht rond parallelle sessies en op dezelfde dag twee versies van zijn tool uitbrengt. Meta publiceert tien medische manuscripten op basis van onderzoek met zijn Muse-modellen, NVIDIA stelt voor 250 miljoen dollar aan rekenkracht beschikbaar voor Brits onderzoek naar de veiligheid van agents, en OpenAI zegt een verborgen opnameapparaat te hebben ontdekt in een van zijn kantoren.

Grok Voice 3.0: SpaceXSI neemt de leiding in de Speech-to-Speech-index, voor de ongewijzigde prijs van 0,08 dollar per minuut

14 oktober — SpaceXSI, het voormalige xAI, lanceert Grok Voice 3.0, een end-to-end spraakmodel (speech-to-speech) dat het presenteert als het intelligentste op de markt. Het model grok-voice-3.0 is dezelfde dag beschikbaar in de Voice Agent API en de Voice Agent Builder, voor de prijs van Grok Voice 2.0: 0,08 dollar per minuut, oftewel 4,80 dollar per uur. Agents die de alias grok-voice-latest aanroepen, zijn zonder aanpassingen overgeschakeld, met hetzelfde endpoint en dezelfde sessieparameters. Grok Voice 2.0 wordt dezelfde dag als verouderd aangemerkt, zonder datum voor het einde van de levensduur.

Geëvalueerde benchmark (Artificial Analysis, 13 oktober)	Grok Voice 3.0	Grok Voice 2.0	GPT-Live-1 (Astra, Medium)	Gemini 3.8 Live (Ext. Thinking, High)
Speech-to-Speech-index	86,9	81,3	83,2	82,6
Big Bench Audio (vocaal redeneren)	98,5 %	97,2 %	90,1 %	97,7 %
Speech Agent Arena (Elo, menselijke voorkeur)	1 070	1 011	1 048	990
Slagingspercentage van taken	94,8 %	94,6 %	87,4 %	89,1 %
Full Duplex Bench (pauzes, spreekbeurten)	97,0 %	95,1 %	94,9 %	91,9 %
τ-Voice (supportgesprekken)	71,6 %	56,5 %	74,5 %	68,6 %

Deze metingen van Artificial Analysis, gedateerd op 13 oktober, zijn de cijfers die SpaceXSI aanhaalt. De Speech-to-Speech-index combineert vocaal redeneren, τ-Voice, menselijke voorkeur en het succesvol voltooien van taken tijdens blind vergeleken gesprekken. Grok Voice 3.0 neemt hierin de leiding, maar wint niet overal: op τ-Voice, met supportgesprekken met uiteenlopende accenten, achtergrondgeluid en onderbrekingen, blijft zijn 71,6 % onder de 74,5 % van GPT-Live-1, een niveau dat SpaceXSI vergelijkbaar noemt, met een 40 % lagere latentie. Op EVA-Bench, de open source benchmark van ServiceNow voor spraakagents in bedrijven (meer dan 200 scenario’s), behaalt het volgens SpaceXSI de hoogste nauwkeurigheid, 74 %. Daarna volgt het prijsargument: op Big Bench Audio kost een taak gemiddeld 0,025 dollar met Grok Voice 3.0, tegenover 0,030 dollar met GPT-Live-1 en 0,055 dollar met GPT-Realtime-2.1 van OpenAI.

Het model draait al op grote schaal bij Tesla en SpaceX: het verwerkt miljoenen gesprekken per dag in Tesla-voertuigen en ondersteunt de spraakmodus van Grok Bot. In de callcenters van Starlink beantwoordt het 20 000 oproepen per dag in meerdere talen: ongeveer 70 % wordt afgehandeld zonder menselijke tussenkomst, en één op de vier verkoopgesprekken leidt tot een aankoop voordat het gesprek is afgelopen. Op 24 augustus stond Grok Voice Think Fast 2.0 al bovenaan deze index, met toen 15 000 Starlink-oproepen per dag.

🔗 Grok Voice 3.0 (blogbericht van SpaceXSI) · Aankondiging van @SpaceXSI · Release notes van de API

Gemini 4 Argon op de proef gesteld: eerste wetenschappelijke resultaten, robotica en codeoptimalisatie

Een dag na de algemene beschikbaarheid documenteert Google Gemini 4 Argon op drie terreinen: wetenschappelijk onderzoek, robotica en de optimalisatie van een grote Python-repository. De twee berichten op het ontwikkelaarsblog dateren van de lanceringsdag; de thread van de onderzoekers werd op de 14e gebundeld door Google DeepMind.

Eerste wetenschappelijke resultaten: quantumcomputing, fusie en enzymontwerp

14 oktober — Google DeepMind bundelt in een thread de eerste resultaten die zijn onderzoekers met Argon hebben behaald, elk de dag ervoor toegelicht door de betreffende auteur.

Onderzoeksgebied	Geclaimd resultaat met Argon
Correctie van quantumfouten	Inferentiedoorvoer van de AlphaQubit-decoder bijna verdubbeld
Quantumalgoritmen	arcsin-subroutine meer dan 100 keer goedkoper dan quantum CORDIC, geverifieerd in Lean
Plasmafysica	2 nieuwe families van tegenvoorbeelden voor het vermoeden van Grad
Enzymontwerp	5 nieuwe serine-esterases (59 tot 81 % identiteit), activiteit bevestigd in het laboratorium
Zeldzame ziekten (Gamow Labs)	57 % op RareBench en 52,2 % op LabBench, twee private evaluaties

Bij quantumcomputing hebben Ben Jaderberg en zijn team, samen met Google Quantum AI, Argon een interne versie van AlphaQubit, de foutcorrectiedecoder van Google, laten omzetten in één geoptimaliseerde hardwarekernel (megakernel) die de inferentiedoorvoer bijna verdubbelt, een nuttige winst voor een decoder die de metingen van de quantumprocessor in realtime moet bijhouden.

Second, we used Argon to discover a quantum arcsin subroutine that cuts spacetime cost by more than 100x compared to the published quantum CORDIC baseline.

🇳🇱 Ten tweede hebben we Argon gebruikt om een quantumsubroutine voor arcsinus te ontdekken die de ruimte-tijdkosten met een factor van meer dan 100 verlaagt ten opzichte van de gepubliceerde referentie quantum CORDIC. — @benjaderberg op X

Deze kosten zijn het product van het aantal qubits en de uitvoeringstijd, en het circuit is formeel geverifieerd in Lean. In de plasmafysica kondigt Opal Issan twee families van tegenvoorbeelden aan voor het vermoeden van Grad, dat sinds 1967 veronderstelde dat bepaalde driedimensionale magnetische evenwichten niet konden bestaan; volgens de thread zijn ze gevonden met Argon, maar de samenvatting van het arXiv-artikel, ingediend op 5 oktober, noemt het model niet. In de biologie beschrijft Ryan Krueger serine-esterases die in enkele promptsessies zijn ontworpen: Argon bracht de gegevens samen, verfijnde een eiwittaalmodel en bouwde zijn eigen filters voor de actieve plaats. Het lanceringsbericht voegt het geval van Gamow Labs toe, waar Argon in het genoom van een pasgeborene een chromosomale herschikking opspoorde die de gebruikelijke software jarenlang had gemist.

🔗 De thread van Google DeepMind · Het artikel over het vermoeden van Grad (arXiv) · Het lanceringsbericht van Argon

Robotica: van cornhole op de humanoïde Apollo tot een stijging van het slagingspercentage in de praktijk van 56 % naar 75 %

13 oktober — Op de lanceringsdag wijdt het ontwikkelaarsblog van Google een uitgebreid bericht aan Argon in de robotica, geschreven door Kanishka Rao, met de prompts van elke demonstratie. Het lanceringsbericht licht de meest aansprekende uit: een interne test die begon met een eenvoudige video van een mens die cornhole speelt, het spel waarbij zakjes op een plank met een gat worden gegooid: Argon bracht de omgeving in kaart, berekende de bewegingen van het hele lichaam en programmeerde zijn eigen simulatie; na overdracht naar de humanoïde Apollo van Apptronik lukte het de robot om in de praktijk zeven worpen achter elkaar succesvol uit te voeren. Google vat deze overgang van video naar simulatie en vervolgens naar de werkelijkheid samen (Video-to-Sim-to-Real): weken handmatig modelleren teruggebracht tot enkele uren.

Het bericht van Kanishka Rao beschrijft nog meer demonstraties: een Spot van Boston Dynamics die in een digitale tweeling in MuJoCo oefent voordat hij het pedaal van een echte afvalbak indrukt, simulaties die zijn gereconstrueerd op basis van een video die op ooghoogte is gefilmd of een schets op papier, en de puzzel met 12 ballen die in drie wegingen wordt opgelost door twee robotarmen die uitsluitend door stereozicht worden geleid. Het meest meetbare resultaat betreft de training: op basis van één foto van een echte tafel bouwt Argon een MuJoCo-tweeling, genereert het meer dan 4 500 episodes en verhoogt het het slagingspercentage van een vision-language-action-model (VLA) op de echte robot van 56 % naar 75 %, terwijl de uitvoeringstijd daalt van 35 naar 24 seconden. Ook een SO-101-arm verbetert zichzelf, van 58,9 naar 22,9 en vervolgens 17,4 seconden.

🔗 Gemini 4 Argon voor robotica (Google Developers)

ADK: elf uur nachtelijk werk aan 205 000 regels Python, twee van de zes optimalisaties behouden

13 oktober — Engineers van Google Cloud gaven Argon een veeleisendere opdracht dan een applicatie vanaf nul bouwen: vertragingen vinden en verhelpen in de Python-repository van het Agent Development Kit (ADK), het open source framework van Google om agents te bouwen, met ongeveer 205 000 regels, bijna 800 bestanden en bijna 17 000 unit tests.

Meting van de run op ADK	Gepubliceerd resultaat
Duur van het nachtelijke werk zonder toezicht	11 uur
Opnieuw uitgevoerde unit tests	16 892
Voorgestelde en vervolgens behouden optimalisaties	6 voorgesteld, 2 behouden
Voorbereiding van lange sessies in het geheugen	Ongeveer 40 % minder
Import van het pakket google.adk	21 % sneller
Volledige uitvoering van 158 beurten	Van 65,6 s naar 56,1 s

Een eerste poging van twee uur, zonder instructies die specifiek voor de repository waren, vond echte knelpunten maar negeerde de conventies van de maintainers en wijzigde zelfs een openbaar JSON-schema. Voor de tweede poging plaatste het team zijn reviewregels in de map .agents/skills en activeerde het de modus /goal van Google Antigravity, die het doel vasthoudt wanneer de context wordt gecomprimeerd. Bij de menselijke review werden slechts twee van de zes optimalisaties behouden: de sessiegeschiedenis filteren voordat die wordt gekopieerd en zware pakketten pas bij het eerste gebruik laden; de andere steunden op een kwetsbare toestand, een privéattribuut van OpenTelemetry of winst die beperkt bleef tot synthetische benchmarks. De winst betreft alleen de sessieservice in het geheugen, niet de externe opslag. Het team vat de rolverdeling samen: de agent verkent, de maintainer schrapt.

🔗 ADK in één nacht optimaliseren met Gemini 4 Argon (Google Developers)

Codeagents: de desktopapp en twee versies van Claude Code, VS Code 1.142, HydraFusion Max

Anthropic richt de desktopapp van Claude Code opnieuw in rond parallelle sessies en brengt op dezelfde dag twee versies van zijn commandlinetool uit; VS Code kiest standaard voor de Copilot-harness, en GitHub voegt een Max-optie toe aan zijn orkestratie met meerdere modellen.

Claude Code: de desktopapp wordt ingericht rond parallelle sessies

14 oktober — Anthropic werkt de desktopapp van Claude Code, het tabblad Code in Claude Desktop, bij om meerdere sessies beter naast elkaar te laten draaien: volgens @ClaudeDevs wordt het sneller om een sessie te starten, eenvoudiger om werk over meerdere sessies te verdelen, en is op elk moment zichtbaar wat elke sessie doet.

Aangekondigde vernieuwing	Wat die biedt
Sessiescherm	Recente mappen met één klik bereikbaar; opgeslagen omgevingen (enkele mappen, een SSH-host of de cloud), optioneel een worktree per map
Geneste sessies	Eén sessie per parallelle taak, die haar resultaat terugstuurt naar de hoofdsessie
Vervolgtaken	Voorgesteld door Claude terwijl het werkt en met één klik gestart als aparte sessie; /btw opent bijkomende vragen in een tabblad
Zijbalk en rail	Actieve of wachtende sessies, live takenlijst, overzichtskaart, uitvoeringslocatie, context en wijzigingen

When you ask Claude to run tasks in parallel, it starts a nested session for each one. Each reports its result back into your main session when it’s done, so the main thread stays readable.

🇳🇱 Wanneer je Claude vraagt taken parallel uit te voeren, start het voor elke taak een geneste sessie. Elke sessie stuurt haar resultaat terug naar je hoofdsessie zodra ze is afgerond, zodat de hoofdthread leesbaar blijft. — @ClaudeDevs op X

De overzichtskaart (recap card) vat de beurt samen wanneer Claude de gebruiker nodig heeft, en de zijrail laat zien waar de sessie draait, met welke context en welke wijzigingen. Om dit te gebruiken, volstaat het de app bij te werken en een nieuwe sessie te openen; Anthropic geeft geen versienummer of uitrolschema. De introductiepagina herinnert eraan dat Claude Code een Pro-, Max-, Team- of Enterprise-abonnement vereist, met de omgevingen Local, Cloud, SSH en WSL. De update bouwt voort op het herontwerp van de app voor parallelle agents dat in april werd gepresenteerd.

🔗 Thread van @ClaudeDevs · Aan de slag met de desktopapp

Claude Code 2.1.299 : compaction van inactieve gesprekken voordat de cache verloopt, 131 fixes

14 oktober — Claude Code 2.1.299 werd om 2.49 uur UTC uitgebracht en is een omvangrijke release met 190 vermeldingen, waaronder 18 toevoegingen, 131 fixes, 16 verbeteringen en 25 wijzigingen; de versienummers 2.1.297 en 2.1.298 zijn overgeslagen. De opvallendste nieuwe functie richt zich op de kosten van lange sessies, compaction bij inactiviteit (idle compaction): in de terminal wordt een gesprek van meer dan 200 000 tokens dat ongeveer 54 minuten niet is gebruikt, gecompacteerd voordat de promptcache van een uur verloopt, zodat het volgende bericht niet alles opnieuw hoeft te verwerken. De drempel is in te stellen met CLAUDE_CODE_IDLE_COMPACT_MIN_TOKENS, en "idleCompaction": false in settings.json schakelt de functie uit. Met CLAUDE_CODE_DISABLE_FILE_MENTIONS krijgt Claude het pad van de met @ genoemde bestanden, die het zelf met zijn tools leest, in plaats van hun inhoud. Het commando /usage waarschuwt nu voor de maximale inspanning, workflows, context die voortdurend geladen blijft en grote toolresultaten, en toont nooit meer dan 100 %.

De release verscherpt ook de permissies: een MCP-allow-regel geldt alleen nog voor de server die erin wordt genoemd (mcp__a geeft niet langer toestemming voor een server a__b), verzoeken aan de connectorproxy van claude.ai en aan de door Anthropic gehoste MCP-servers volgen geen HTTP-redirects meer, en de hooks UserPromptSubmit worden uitgevoerd voordat een skill of commando wordt uitgeklapt, wat ook hun ingebouwde shellcommando’s blokkeert. Onder de beveiligingsfixes vallen de volgende problemen: een commando dat in de sandbox werd uitgevoerd, kon schrijven in een map --plugin-dir waarvan de code buiten de sandbox opnieuw wordt geladen, de planmodus kon een schrijfactie uitvoeren die door een hook PreToolUse was toegestaan, en een geweigerd pad bleef bereikbaar via een symbolische link in de macOS-sandbox. De toolbeschrijvingen van de MCP-servers van Anthropic worden niet meer afgekapt op 4 096 tekens, en Claude Tag, Claude in Slack, kan een canvas verwijderen dat het zelf heeft gemaakt.

🔗 Releasenotities van Claude Code 2.1.299

Claude Code 2.1.300 : /advisor op Claude Platform on AWS, OpenTelemetry GenAI-traces, Claude Tag in Slack Connect

14 oktober — De tweede release van de dag, Claude Code 2.1.300 (18.24 uur UTC, 88 vermeldingen waarvan 59 fixes), breidt /advisor uit naar Claude Platform on AWS: er draait geen adviserend model totdat de gebruiker er een heeft gekozen met /advisor, advisorModel of --advisor, en CLAUDE_CODE_DISABLE_ADVISOR_TOOL=1 schakelt de tool uit. De telemetrie sluit aan bij de semantische GenAI-conventies van OpenTelemetry (gen_ai.provider.name, gen_ai.conversation.id, gen_ai.tool.name en error.type op de spans), en het event api_request maakt onderscheid tussen schrijfacties naar de cache voor 5 minuten en voor 1 uur.

Op beveiligingsgebied wordt de aangepaste invoer (updatedInput) die een hook PreToolUse of PermissionRequest teruggeeft, nu op dezelfde manier gevalideerd als die van Claude: onbekende sleutels worden verwijderd, en als de tool de invoer weigert, wordt de aanroep geweigerd. Hooks van het type agent houden zich eindelijk aan hun veld model en gebruiken, als dat model niet beschikbaar is, dat van de aanroeper in plaats van de actie te laten doorgaan. De lokale transcripties leggen ook de systeemprompt, de tools en de parameters van elk verzoek vast, en de opties --sandbox en --no-sandbox van claude remote-control, die geen effect hadden, worden verwijderd. Claude Tag kan nu reageren in Slack Connect-kanalen die met een andere organisatie worden gedeeld (standaard uitgeschakeld, te activeren door een Owner of een Claude Tag-beheerder) en vraagt via een privékaart met Eenmalig toestaan / Weigeren om goedkeuring voor een connectoractie in plaats van die te weigeren.

Claude Code-versie	Publicatie (UTC)	Gepubliceerde vermeldingen	Waarvan fixes	Belangrijkste nieuwe functie
2.1.299	14 oktober, 2 h 49	190	131	Compaction bij inactiviteit van gesprekken van meer dan 200 000 tokens
2.1.300	14 oktober, 18 h 24	88	59	`/advisor` op Claude Platform on AWS, GenAI-attributen van OpenTelemetry

🔗 Releasenotities van Claude Code 2.1.300

VS Code 1.142 : de Copilot-harness als standaard en canvassen in preview

14 oktober — VS Code 1.142 gaat verder met de overstap naar de Copilot-harness, die op de Copilot SDK is gebaseerd en waarvan de sessies via de Agent Host lopen om op de achtergrond door te gaan. Tot nu toe werd deze in de harnessselector aangeboden, maar geleidelijk wordt hij de standaardharness voor nieuwe sessies, na volgens het team « overweldigend positieve » reacties; Ask keert terug als ingebouwde agent met alleen leestoegang, en de chattitel geeft de actieve harness aan, Copilot of Codex. Een andere nieuwe functie zijn canvassen (Canvases), in preview: interactieve interfaces die naast de chat worden geopend en waarin de gebruiker en de agent hetzelfde artefact bewerken, bijvoorbeeld een Kanban-bord waarvan de agent de taken bijwerkt. Elk canvas komt uit een extensie, die de agent kan genereren met het commando /create-canvas. In het Agents-venster kan een chat ook van map veranderen of overschakelen naar een nieuwe Git-worktree zonder zijn geschiedenis te verliezen, voorlopig met de Codex-harness.

Voor bedrijven dwingt een beleid voor permissies of sandboxing nu de Copilot-harness in de Agent Host af: bestaande lokale chats worden automatisch daarheen gemigreerd, zonder iets te versturen, en Claude, Codex en de terminalchat worden onbeschikbaar zolang dit beleid van toepassing is. Beheerders kunnen de Local-harness tijdelijk behouden, die deze uitvoeringsregels niet toepast, en de Windows-sandbox van deze harness is deprecated ten gunste van Agent Host-sessies.

🔗 Releasenotities van VS Code 1.142

HydraFusion Max : GitHub voegt een grensverleggende optie toe aan zijn orchestration met meerdere modellen

14 oktober — GitHub ontwikkelt HydraFusion verder, zijn orchestration die meerdere modellen combineert om één antwoord te produceren, zonder voor elke taak een model te hoeven kiezen. De modellenpool omvat nu Claude Opus 5.5, GPT-6 Astra, GPT-6.1 Sol en GPT-6 Luna, en de redeneerinspanning kan per stap worden ingesteld: gemiddeld voor de eerste versies, hoog voor de controle achteraf, terwijl HydraFusion zich tot nu toe beperkte tot de standaardinspanning van elk model. De workflow Cascade kan een beoordelingsstap invoegen die het eerste werk inspecteert en alleen om een reparatie vraagt als dat nodig is, en Critique laat meerdere modellen parallel als critici werken, met tools om de werkruimte rechtstreeks te inspecteren.

Aangeboden optie	Positionering volgens GitHub
HydraFusion	Balans tussen snelheid, kosten en prestaties, met bescheiden tokenbesparingen
HydraFusion Max	Grensverleggende capaciteiten en de meest diepgaande redenering, tokenefficiëntie beheerd door de orchestration

Beide opties blijven beschikbaar als research preview in VS Code, de GitHub Copilot-app en Copilot CLI, voor de abonnementen Pro, Pro+, Business en Enterprise waarbij experimentele functies of previewfuncties zijn ingeschakeld. GitHub publiceert voor deze release geen benchmark of prijs; bij de introductie in Copilot CLI op 4 september claimde het 4,9 punten meer kwaliteit en 67 % lagere kosten dan Opus 5 op TerminalBench 2.1.

🔗 HydraFusion-updates en nieuwe Max-optie (GitHub-changelog)

Beveiliging en integriteit : de verkiezingswaarborgen van Anthropic, detectie van oplichting op de telefoon, een verborgen opnameapparaat bij OpenAI

Drie onderwerpen rond vertrouwen: Anthropic bereidt Claude voor op de Amerikaanse tussentijdse verkiezingen, Google DeepMind en GovTech Singapore detecteren oplichting zonder de telefoon te verlaten, en OpenAI zegt een verborgen opnameapparaat te hebben ontdekt in een van zijn kantoren.

Tussentijdse verkiezingen : Anthropic versterkt zijn waarborgen en zal steminformatie van Democracy Works integreren

14 oktober — In aanloop naar de Amerikaanse tussentijdse verkiezingen licht Anthropic de verkiezingswaarborgen toe die sinds zijn update van april zijn versterkt. Een analyse van 250 000 consumentengesprekken op Claude.ai in de Verenigde Staten, van 21 tot 27 september, meet eerst het aandeel van politiek.

Type gesprek (Claude.ai, Verenigde Staten)	Aandeel van de gesprekken
Politiek, overheidsbeleid, maatschappelijke vraagstukken	Ongeveer 5,75 %
Verkiezingen of stemmen	Ongeveer 0,51 %
Op wie of wat stemmen	Ongeveer 0,01 %
In strijd met de regels voor verkiezingsintegriteit (afzonderlijke analyse)	Ongeveer 0,002 %

De banner die naar TurboVote (Democracy Works) verwijst, blijft staan, en Claude.ai zal later deze maand officiële steminformatie van Democracy Works opnemen in zijn antwoorden aan Amerikaanse gebruikers (waar stemmen, welk identiteitsbewijs meenemen, met een antwoord dat op elke staat is afgestemd), en vervolgens de officiële resultaten tonen op de verkiezingsavond en de dagen daarna. Volgens Anthropic scoren Claude Opus 5.5, Sonnet 5.5 en Haiku 5.5 99 % op zijn evaluatie van politieke onpartijdigheid. Van drie onafhankelijke evaluaties signaleren er twee (The Future of Free Speech en het Collective Intelligence Project) weinig weigeringen, maar wel ongevraagde waarschuwingen en tegenargumenten; de derde, van de Foundation for American Innovation, stelde vast dat Claude Sonnet 4.5 niet altijd op evenwichtige wijze nuanceerde en argumenten voor rechtse standpunten vaker afzwakte. Tests met het Institute for Strategic Dialogue en het McCain Institute in de Verenigde Staten, Israël en Brazilië lieten zien dat Claude een afzonderlijk schadelijk verzoek betrouwbaar weigerde, maar een campagne kon missen die in kleine, ogenschijnlijk onschuldige taken was opgedeeld. Anthropic heeft classifiers toegevoegd tegen dit misbruik in meerdere stappen en heeft de accounts geblokkeerd van in het buitenland gevestigde beheerders van een nepnieuwssite die met Claude verkiezingsverslaggeving produceerden die gunstig was voor Russische, Iraanse en Noord-Koreaanse narratieven.

🔗 Voorbereiding op de Amerikaanse tussentijdse verkiezingen van 2026 (Anthropic)

Oplichting : Google DeepMind en GovTech Singapore finetunen Gemma voor detectie op de telefoon

14 oktober — Google DeepMind en de overheidsinstantie GovTech Singapore hebben een lichtgewicht Gemma-model gefinetuned, waarvan de blogpost de generatie niet vermeldt, om oplichting rechtstreeks op de telefoon van de gebruiker te herkennen. Het uitgangspunt wordt met cijfers onderbouwd: in Singapore is oplichting verantwoordelijk voor meer dan de helft van de gemelde misdrijven en meer dan 4 miljard Singaporese dollars aan verliezen sinds 2019, en oplichting via complexe social engineering vertegenwoordigt tot 80 % van de verliezen. Het model is gefinetuned op gesprekken uit lokale oplichtingspraktijken: het zich voordoen als overheidsinstellingen, banken of bekende personen, en actuele regionale oplichtingsvormen. Alles gebeurt op het apparaat, in twee stappen om de batterij te sparen: een lichte classifier filtert inkomende berichten, waarna het gefinetunede Gemma een groter fragment van het gesprek opnieuw leest om de dreiging te bevestigen of een vals alarm uit te sluiten, voordat er in realtime een waarschuwing verschijnt.

Het model krijgt alleen met toestemming van de gebruiker toegang tot de gesprekken, en noch de Singaporese overheid noch Google kan ze lezen; de finetuning vond plaats in de door GovTech beheerde Google Cloud-omgeving, op geanonimiseerde gegevens, zonder enige gegevens van burgers. Het project werd gepresenteerd op de Singapore International Cyber Week en heeft nog geen datum of appnaam: de uitrol zal samen met de overheid « zorgvuldig gefaseerd » (zorgvuldig gefaseerd) verlopen, en Google DeepMind overweegt andere landen.

🔗 Google DeepMind en GovTech Singapore tegen oplichting

OpenAI ontdekt een verborgen opnameapparaat in een van zijn kantoren

13 oktober — Volgens een bericht dat zijn persaccount publiceerde, heeft OpenAI een geavanceerd opnameapparaat ontdekt dat in een van zijn kantoren was verborgen. Het bedrijf zegt zijn eigen modellen te hebben gebruikt om het apparaat en de herkomst ervan te begrijpen, en uiteindelijk de werknemer te hebben geïdentificeerd die het enkele dagen eerder had geplaatst. De zaak is overgedragen aan de FBI, en OpenAI bedankt de agenten en aanklagers die snel handelden om een arrestatie te verrichten; het federale onderzoek loopt nog en de werknemer is ontslagen.

At this time, we have no indications of this individual inappropriately accessing or exfiltrating model weights, source code, or customer data.

🇳🇱 Op dit moment hebben we geen aanwijzingen dat deze persoon op ongeoorloofde wijze toegang heeft gekregen tot modelgewichten, broncode of klantgegevens, of deze heeft geëxfiltreerd. — @OpenAINewsroom op X

Volgens OpenAI richt zijn beveiligingsprogramma zich op een breed scala aan dreigingen, van interne risico’s tot cybercriminelen en staten, en laat dit geval zien hoe IA kan helpen die aan te pakken. Het bericht vermeldt niet de identiteit van de werknemer, het betrokken kantoor, de precieze aard van het apparaat of de datum van de arrestatie.

IA voor de wetenschap : tien medische manuscripten van Meta met zijn Muse-modellen, extreem weer op 3 km met HiRO-ACEv2

Twee wetenschappelijke toepassingen van modellen: Meta versnelt epidemiologische studies op basis van medische dossiers, Ai2 produceert tegen lage kosten klimaatgegevens met een hoge resolutie.

Meta publiceert tien manuscripten over medisch onderzoek uitgevoerd met Muse Spark 1.3 en Muse Wonder

14 oktober — Meta heeft een intern raamwerk voor code (coding scaffold) gebouwd, aangedreven door Muse Spark 1.3 en Muse Wonder, dat toegang heeft tot openbare gegevens en een retrospectieve database onder licentie met vijf miljoen elektronische patiëntendossiers waaruit identificerende gegevens zijn verwijderd. Een groep medische onderzoekers (cardiologie, epidemiologie, infectieziekten, interne geneeskunde) heeft het vier weken lang gebruikt om hypothesen te formuleren, alle analysecode te schrijven en uit te voeren en de manuscripten gezamenlijk te schrijven; de experts behouden de zeggenschap over wetenschappelijke beslissingen. Dit levert tien manuscripten op, beoordeeld door vakgenoten uit de onderzoeksgroep, vervolgens door een biostatisticus en daarna door ingeschakelde onafhankelijke experts, wier beoordelingen onder elk artikel worden gepubliceerd.

Studie die als voorbeeld wordt genoemd	Gerapporteerd resultaat
Hartritmestoornissen na infectieuze endocarditis	+73 % nieuwe hartritmestoornissen en geleidingsstoornissen ten opzichte van bacteriëmie zonder endocarditis; risico na één jaar van 7 % tegenover 4 %
Spoedeisende hulp, patiënten met psychische of gedragsproblemen die vertrokken zonder te zijn gezien	Relatieve risico’s van 1,86 (terugkeer), 4,41 (ziekenhuisopname) en 2,15 (sterfte op korte termijn)
Tijd van de eerste prompt tot het manuscript	Minder dan twee weken, soms zeven dagen

De deelnemers melden in de beste gevallen een tot tienvoudige productiviteitswinst; dit is een zelfgerapporteerde meting. De beperkingen worden erkend: de analyses zijn uitsluitend retrospectief, en een externe beoordelaar beschouwt de studie naar hartritmestoornissen als hypothesevormend en niet als aanleiding om de praktijk te veranderen, omdat vertekening door verschillen in monitoring mogelijk blijft. Dit gezondheidsonderzoek volgt op de zes wiskundige artikelen die met Muse Spark zijn geschreven en op 2 oktober zijn gepubliceerd.

🔗 De blogpost van Meta

HiRO-ACEv2: Ai2 simuleert wereldwijd extreem weer op 3 km, ongeveer 300 keer goedkoper dan X-SHiELD

14 oktober — Ai2 publiceert HiRO-ACEv2, een nieuwe versie van zijn klimaatemulator met hoge resolutie. Het systeem combineert ACE, een AI-model dat het klimaat simuleert met een resolutie van 100 km, met HiRO, dat deze uitvoer verfijnt tot 3 km. Waar de eerste versie van HiRO alleen neerslag produceerde, voorspelt HiROv2 zowel regen als wind nabij het aardoppervlak en luchtdruk op zeeniveau. Met gegevens van X-SHiELD waarvan de resolutie is verlaagd, een wereldwijd atmosferisch model dat stormen expliciet simuleert, reproduceert het de statistieken op hoge resolutie tot op 3 % nauwkeurig, zelfs voor gebeurtenissen die bij één op een miljoen punten voorkomen. Het schat ook de energie van tropische cyclonen correct in, inclusief stormen die tijdens de training nooit zijn gezien.

Door Ai2 bekendgemaakte maatstaf	Bekendgemaakte waarde
Resolutie	3 km voor de uitvoer, op basis van ACE op 100 km
Afwijking van de statistieken van X-SHiELD	Tot op 3 % nauwkeurig, ook voor gebeurtenissen die bij één op een miljoen voorkomen
Kosten ten opzichte van X-SHiELD	Ongeveer 300 keer goedkoper voor wereldwijde gegevens
Geproduceerde simulaties	10 jaar (ACE); een volledig jaar aan wereldwijde gegevens op 3 km
Licentie van de modellen	Apache-2.0, op Hugging Face

De beperking wordt erkend: doordat HiRO op X-SHiELD is getraind, werkt het alleen met de versie van ACE die op dat model is afgestemd. Het kan nog geen gegevens produceren voor een warmer klimaat of voor de historische ERA5-gegevens. Ai2 is van plan het te trainen op een wereld die 4 °C warmer is en vervolgens de temperatuur nabij het aardoppervlak, sneeuw en ijs toe te voegen. De modellen worden gepubliceerd met een technisch rapport (arXiv 2610.17693), tutorialnotebooks en een demo.

🔗 De blogpost van Ai2 · De modellen op Hugging Face

Vestigingen en investeringen: Anthropic in Singapore, 250 miljoen dollar van NVIDIA voor Brits onderzoek, Mistral neemt New Material over

Anthropic vestigt zich in Singapore met een overeenkomst met de overheid, NVIDIA stelt rekencapaciteit en investeringen beschikbaar in het Verenigd Koninkrijk, en Mistral versterkt zich met een overname op het gebied van productontwerp.

Anthropic opent in Singapore zijn vijfde kantoor in Azië-Pacific en ondertekent een intentieverklaring met de overheid

14 oktober — Anthropic opent een kantoor in Singapore, zijn vijfde in Azië-Pacific, en ondertekent een intentieverklaring (Memorandum of Understanding) met het Singaporese ministerie van Digitale Ontwikkeling en Informatie. De tekst is ondertekend door de permanente secretaris van het ministerie, Kai Fong Chng, en Anthropic-medeoprichter Ben Mann, in de marge van de Singapore International Cyber Week. De overeenkomst voorziet in samenwerking rond veiligheid, beveiliging en modelevaluatie, technische uitwisselingen over testnormen en incidentrespons, en het delen van gegevens uit de Anthropic Economic Index.

Singaporese organisatie	Door Anthropic genoemd gebruik van Claude
GovTech Singapore	Meer dan 1 500 ingenieurs en technici gebruiken Claude Code
Grab	Verkoopassistent BriX, ongeveer 40 000 uur bespaard per kwartaal
DBS en GIC	Gebruik of inzet van Claude bij de bank en het staatsinvesteringsfonds
Sea (Shopee, Garena, Monee)	Chatbot voor de klantenservice van Shopee, duizenden medewerkers die met Claude programmeren

Volgens de Economic Index staat Singapore op de tweede plaats van 121 landen voor het gebruik van Claude.ai ten opzichte van de bevolking, bijna zes keer zoveel als op basis van de bevolkingsomvang te verwachten zou zijn. Een Builder Summit bracht op de openingsdag meer dan 300 ontwikkelaars bijeen. Anthropic maakt geen investeringsbedrag of personeelsaantal bekend voor dit kantoor, dat personeel werft.

🔗 Opening van het kantoor in Singapore (Anthropic)

NVIDIA schenkt 250 miljoen dollar aan rekencapaciteit voor Brits onderzoek naar de veiligheid van agents

13 oktober — NVIDIA kondigt een schenking aan van rekencapaciteit ter waarde van 250 miljoen dollar over vijf jaar, oftewel 50 miljoen dollar aan toegang tot rekencapaciteit per jaar, voor Brits onderzoek naar de veiligheid en beveiliging van agents (agentic safety and security). Het grootste deel gaat naar de gehele Britse onderzoeksgemeenschap op het gebied van AI-veiligheid en -beveiliging; een deel is gereserveerd voor BOLD (Universiteit van Oxford), SOFAIR (UCL) en Imperial College London, dat zal werken aan veiligheidsengineering en robotica. De rekencapaciteit wordt geleverd via in het Verenigd Koninkrijk gevestigde NVIDIA Cloud Partners, op infrastructuur die in het land wordt gehost; leveranciers, technische architectuur en commerciële voorwaarden moeten nog worden overeengekomen. Het beoogde onderzoek richt zich op beveiligde agents, de beveiliging van open modellen en het beperken van concrete dreigingen, met sandboxes, reproduceerbaar onderzoek en benchmarks voor veiligheidsevaluatie, onder meer op NVIDIA OpenShell en het referentiedesign NVIDIA Sentry.

De blogpost bij de aankondiging vermeldt daarnaast geplande investeringen, zonder bedragen, in vijf Britse startups: Boltz (biomoleculaire modellen), Foresight (aansturing van grote bouwprojecten), Hiverge (ontdekking van algoritmen), Prima Mente (biologische foundation models voor Alzheimer, Parkinson en SLA) en Riverlane (kwantumfoutcorrectie). Deze aankondigingen gaan vooraf aan de GTC Berlin-keynote van Jensen Huang op 21 oktober.

🔗 Persbericht van NVIDIA · Blogpost van NVIDIA over het Britse ecosysteem

Mistral neemt designstudio New Material over en richt een Solutions Design-team op

14 oktober — Mistral neemt New Material over, een studio voor het ontwerpen van AI-producten die zes jaar geleden is opgericht. De aankondiging komt uit de blogpost van New Material, die spreekt van een overname; Mistral heeft die op X gedeeld om het team te verwelkomen, zonder blogpost op zijn eigen website of bekendgemaakt bedrag. De studio zegt tools, producten en bedrijven te hebben opgeleverd die van meet af aan op AI zijn gebaseerd, in de auto-industrie, detailhandel, juridische sector en gezondheidszorg, met partners als Ford, Rafael Nadal, de Wellcome Trust en advocatenkantoren uit de AmLaw 50. Bij Mistral vormt de studio een nieuw team, Solutions Design, dat design, engineering en AI combineert en samen met klanten projecten zal ontwikkelen. Het doel is de wisselwerking tussen daadwerkelijke implementaties en de producten van Mistral voor kritieke AI-toepassingen van bedrijven en overheden te versterken. In mei had Mistral al Emmi AI overgenomen, een Oostenrijkse specialist in Physics AI.

🔗 Blogpost van New Material · Bericht van @MistralAI

OpenAI meet de agentische omslag bij bedrijven in de EU: 8,1 keer zoveel gebruikers in het mkb

14 oktober — OpenAI publiceert een rapport van zijn economisch onderzoek naar het agentische gebruik van AI bij bedrijven in de Europese Unie, samen met een PDF en gegevens die kunnen worden verkend. In de Europese steekproef van ChatGPT Enterprise-klanten zijn Codex en ChatGPT Work inmiddels goed voor meer dan de helft van de uitvoertokens: gebruikers vertrouwen volledige taken toe aan agents, van planning tot uitvoering.

Door OpenAI gemeten indicator	Vastgestelde waarde
Aandeel uitvoertokens via Codex en ChatGPT Work (EU, ChatGPT Enterprise)	Meer dan de helft
Wekelijks actieve gebruikers van agentische tools bij mkb-bedrijven in de EU	×8,1 ten opzichte van de week van 1 tot en met 7 mei
Agentisch aandeel van de uitvoertokens per land	Van 22 % (Slovenië) tot 85 % (Litouwen)
Uitvoertokens over 28 dagen, ten opzichte van doorsneebedrijven in mei	Koplopers buiten de EU 12,9x; koplopers in de EU 6,1x; doorsneebedrijven buiten de EU 1,6x; doorsneebedrijven in de EU 1,5x
Aandeel van de EU onder de wereldwijde koplopers	10 %

Mkb-bedrijven worden hier gedefinieerd als bedrijven met maximaal 200 gekoppelde gebruikers, en hun groei doet zich in elke lidstaat voor. Het rapport meet vooral een verschil in gebruiksintensiteit: in september produceerden de koplopers in de EU (frontier firms, de 10 % die per actieve gebruiker de meeste uitvoertokens genereren) meer dan vier keer zoveel uitvoertokens als de doorsneebedrijven in de EU. De koplopers buiten de EU produceerden echter nog eens meer dan twee keer zoveel als zij. Volgens OpenAI is de uitdaging om brede adoptie om te zetten in diepgaander gebruik, door bedrijven te helpen verder te komen dan experimenteren en medewerkers op te leiden. Het rapport volgt op dat van 30 september over kleine Amerikaanse bedrijven.

🔗 Het volgende hoofdstuk van AI in de EU wordt agentisch (OpenAI)

Infrastructuur voor agents: OpenTelemetry-traces bij Claude Platform, sandboxroutering bij Perplexity

Twee bouwstenen van de tooling waarmee agents in productie draaien en worden geobserveerd: observability bij Anthropic en het doorsturen van verzoeken naar de juiste uitvoering bij Perplexity.

Claude Platform exporteert in publieke bèta OpenTelemetry-traces van de Messages API, Managed Agents en de SDK’s

14 oktober — Claude Platform kan nu, in publieke bèta, OpenTelemetry-traces vanuit de Messages API, Claude Managed Agents en de Claude SDK’s versturen naar elke observability-tool die een standaard OTLP-endpoint accepteert. Elke agentbeurt, modelaanroep en toolaanroep komt binnen als een standaardtrace, met latentie, tokens en identificatoren. Voor de Messages API en Managed Agents moet een bestemming worden toegevoegd in de Claude Console; de SDK’s exporteren hun spans automatisch, in Python, TypeScript, C#, Go, Java, PHP en Ruby volgens de release notes. De spans volgen de semantische GenAI-conventies van OpenTelemetry en bevatten standaard metadata (duur, status, aantal tokens, model, toolnamen); een bestemming die op volledige inhoud (full content) is ingesteld, exporteert ook prompts, antwoorden, toolinvoer en toolresultaten. Op dezelfde dag brengt Claude Code 2.1.300 zijn eigen spans in overeenstemming met deze conventies.

Uitgelicht gebruik	Door Anthropic genoemde tools
Debuggen samen met de rest van de stack	Grafana Cloud, Honeycomb, Sentry, Splunk
Daadwerkelijke traces omzetten in evaluaties	Arize AI, Braintrust, Datadog, Langfuse, LangSmith, New Relic, PostHog
Tokengebruik per team volgen	Databricks Unity Gateway

In een van de getuigenissen legt Ramp uit dat Reflect, zijn systeem dat de Langfuse-traces van zijn agents beoordeelt, het tokengebruik bij bepaalde agents al met 10 tot 20 % heeft verminderd en de sessies met 30 % heeft versneld. Anthropic kondigt geen prijs of tijdschema voor algemene beschikbaarheid aan.

🔗 Observability van agents op Claude Platform · Release notes van Claude Platform

SPACE: Perplexity koppelt elk verzoek aan de juiste sandboxuitvoering

14 oktober — Perplexity publiceert een engineeringblogpost over SPACE, het sandboxplatform waarop de agents van Perplexity Computer draaien. Volgens Perplexity verwerkt SPACE al maanden miljoenen uitvoeringen per dag met een foutpercentage van minder dan 0,0002 % en zonder verloren verbindingen. Het behandelde probleem is dat van een verouderde route: een sandbox die op een andere machine wordt hervat, behoudt zijn identificator maar start een nieuwe uitvoering, en een vertraagd verzoek kan onder de juiste naam bij de oude uitvoering terechtkomen. Een eenvoudige leesbewerking van een bestand loopt via de control plane, node-api, sbx-manager, een Unix-socket en de hostbridge, en vervolgens via VSOCK naar de Firecracker-microVM.

De oplossing bestaat uit het scheiden van de stabiele identiteit van de sandbox en de uitvoeringsidentiteit, die een specifieke instantie en haar plaatsing aanduidt. Na autorisatie bevat elk verzoek een met Ed25519 ondertekende capability die 120 seconden geldig is en die de ontvangende component vóór het doorsturen vergelijkt met zijn eigen record; terminals en bestandsbewaking worden beëindigd zodra een nieuwe uitvoering wordt opgezet. Het dreigingsmodel sluit compromittering met rootrechten op een uitvoeringsmachine (worker) uit, en de verificatie blijft lokaal, zonder hardwareattestatie op afstand. Tot slot vergelijkt de blogpost SPACE met OpenShell, dat vergelijkbare garanties biedt, en met E2B en CubeSandbox, die verzoeken doorsturen zonder een verwachte uitvoeringsidentiteit: bevindingen die beperkt zijn tot de onderzochte implementaties, benadrukt Perplexity.

🔗 Blogpost van Perplexity over SPACE

Generalistische agents: de Ultrafast-versies in Perplexity Computer, Manus for Business voor teams

Agents die langdurige taken voor de gebruiker uitvoeren, zetten in op twee aspecten: de snelheid van modellen bij Perplexity en samenwerking binnen teams bij Manus.

Perplexity Computer stelt de Ultrafast-versies van GPT-6 Astra en GPT-6.1 Sol beschikbaar voor Max-abonnees

14 oktober — Perplexity stelt de Ultrafast-versies van twee OpenAI-modellen beschikbaar voor Max-abonnees in Perplexity Computer, zijn agent voor taken met meerdere stappen: GPT-6 Astra en GPT-6.1 Sol, in de aankondiging geschreven als « SOL 6.1 ». Beide modellen genereren hun tokens sneller, waardoor langdurige taken van Computer eerder klaar zijn. De keuze gebeurt handmatig: selecteer Astra of SOL 6.1 in het menu Custom en zet vervolgens de snelheid op Ultrafast. De aankondiging vermeldt geen cijfers over de snelheidswinst of het kredietverbruik en zegt niets over andere abonnementen; de changelog van het product heeft geen vermelding die recenter is dan die van 5 oktober. Dit is de Perplexity-variant van een snelheidsniveau dat OpenAI op 29 september voor GPT-6 Astra en vervolgens op 8 oktober voor GPT-6.1 Sol lanceerde, met volgens OpenAI tot 8 keer zoveel snelheid.

🔗 Aankondiging van Perplexity

Manus for Business: een Team Plan vanaf 20 dollars per gebruikersplaats en een Enterprise-aanbod

13 oktober — Manus lanceert Manus for Business, een aanbod voor teams dat het Manus Team Plan en een Enterprise Plan samenbrengt.

Manus-abonnement	Inhoud volgens Manus
Manus Team Plan	Vanaf 20 dollars per betaalde gebruikersplaats per maand of 200 dollars per jaar, voor 4 000 credits; gratis gastplaatsen
Manus Enterprise	Via contact met de verkoopafdeling: beheerde accounts, juridische bewaring, SIEM-integratie, netwerkcontroles voor agents, gebruikslimieten per gebruiker

Het Team Plan is nu beschikbaar en biedt projecten die de context bewaren (instructies, bestanden, Skills en connectoren die worden gedeeld tussen samenhangende taken, inclusief geplande taken), gedeelde Skills die beheerders verplicht kunnen stellen, toegang uitsluitend voor het team tot taken, bestanden en interne sites, en gedeelde credits die in een dashboard worden bijgehouden. Gasten kunnen nalezen en opmerkingen plaatsen zonder een betaalde gebruikersplaats in te nemen. Rollen, auditlogs, SSO en SCIM vullen het geheel aan; Manus zegt modelaanbieders te verbieden om te trainen op de gegevens van Team-klanten en over de certificeringen SOC 2 Type II, ISO 27001 en ISO 27701 te beschikken.

🔗 Introductie van Manus for Business

Onderzoek naar agents: HybridAgent redeneert in de latente ruimte, Cohere Labs meet teams van codeagents

Twee studies proberen agents goedkoper te maken: de ene door ze te laten redeneren zonder tokens te produceren, de andere door hun teams beter te organiseren.

HybridAgent: agents die denken in de latente ruimte en handelen via tekst

13 oktober — Onderzoekers van Stanford, Together AI, UIUC en Meta presenteren volgens de arXiv-publicatie, ondertekend door onder anderen Jiaru Zou en James Zou, HybridAgent: agents met hybride redeneervermogen die binnen dezelfde generatie afwisselen tussen redeneren in de latente ruimte en acties in tekst. Een lichte module, HybridLink, brengt de verborgen toestanden van de laatste laag terug naar de ruimte van de inputembeddings: het model redeneert zonder tokens te produceren en keert vervolgens terug naar tekst om zijn tools aan te roepen, een Python-interpreter en webzoekfunctie. Elke latente stap blijft leesbaar als pseudotekst. De training verloopt in twee fasen: HybridSFT leert de coördinatie met HybridLink, waarna HybridRL leert wanneer het model latent moet denken en wanneer het via tekst moet handelen.

Gepubliceerde maatstaf (volgens de auteurs)	Gemelde waarde
Prestatiewinst op 11 benchmarks en 3 groottes	+10,4 %
Vermindering van tokens	35,5 % tot 54,7 %
Inferentiesnelheid	1,8 tot 2,6 keer zo snel
Kostenbesparing	2,7 tot 3,7 keer

De modellen HybridAgent-8B-Agentic en 14B-Agentic zijn samen met de code gepubliceerd onder de MIT-licentie; er is geen aankondiging van Together AI bij het artikel.

🔗 Het artikel op arXiv

Cohere Labs: een sterke hoofdagent met goedkope agents eromheen benadert de beste score tegen 70 % lagere kosten

14 oktober — Cohere Labs publiceert een studie over de organisatie van teams van codeagents, geschreven door Keenan Samway, Daniel D’souza en Nouha Dziri. In een bewust minimale harness draagt een hoofdagent (lead) subtaken over aan ondersteunende agents (workers), waarbij telkens slechts één parameter verandert: gedelegeerde stappen, blokkerend of asynchroon wachten, het model voor elke rol, de teamgrootte en directe berichtenuitwisseling. De belangrijkste benchmark, ProgramBench, vraagt om 200 programma’s te reconstrueren op basis van alleen hun uitvoerbare bestand en documentatie, van jq en ripgrep tot SQLite of FFmpeg.

Geteste configuratie (ProgramBench, GPT-5.6)	Gemiddelde beloning	Totale kosten van de 200 taken
Alleen Sol, prompt in drie stappen	57,7 %	Geen bedrag vermeld in de tekst
Asynchroon Sol-team, drie gedelegeerde stappen	63,2 %	510 dollars
Asynchroon Sol-team, alleen planning gedelegeerd	63,6 %	249 dollars
Sol-hoofdagent en 16 Luna-agents, planning	61,8 %	155 dollars

Alleen de planning delegeren presteert dus even goed als alles delegeren, tegen de helft van de kosten. Een Sol-hoofdagent met ondersteuning van 16 GPT-5.6 Luna-agents bereikt 61,8 % voor 155 dollars, 70 % minder dan het team met uitsluitend Sol dat alles delegeert. Een zwakke hoofdagent maakt zijn achterstand niet goed: met Luna-agents blijft een Terra-hoofdagent (51,6 %) onder Sol dat alleen werkt (57,7 %). Op een subset van 30 taken, met één uitvoering per model, wint Claude Opus 4.8 in een team 5,9 punten, terwijl Claude Opus 4.7 nauwelijks delegeert; een test met Claude Opus 5 werd na acht taken stopgezet, die allemaal de tijdslimiet van acht uur bereikten, tegen ongeveer 500 dollars per taak. De studie evalueert geen enkel model van Cohere.

🔗 Blogbericht van Cohere Labs

Generatieve media: FLUX 3 Video goedkoper, Runway bij Baseten, de stem van HeyGen aangepast aan de omgeving

Generatieve video wordt goedkoper en vindt zijn weg naar de dedicated infrastructuur van bedrijven, terwijl HeyGen het klonen van stemmen voor zijn video’s documenteert.

FLUX 3 Video tot twee keer zo snel en tot de helft goedkoper in 2K en 4K

14 oktober — Black Forest Labs kondigt aan dat FLUX 3 Video voortaan tot twee keer zo snel is en 50 % minder kost voor generatie in native 2K en 4K. Het lab legt uit dat het de dienst heeft geoptimaliseerd om minder rekenkracht te verbruiken en die winst doorgeeft in zowel de prijs als de snelheid. In een tweede bericht claimt het een hogere 4K-kwaliteit dan Kling o3 bij vergelijkbare prijzen en latentie, zonder een benchmark in de thread te publiceren.

Resolutie van FLUX 3 Video	Tekst of beeld naar video (per seconde)	Video naar video (per seconde)
HD	0,17 → 0,15 dollar	0,41 → 0,21 dollar
FHD	0,29 → 0,24 dollar	0,53 → 0,27 dollar
QHD (2K)	0,40 → 0,28 dollar	0,65 → 0,31 dollar
UHD (4K)	0,80 → 0,41 dollar	0,95 → 0,45 dollar

De prijstabel op bfl.ai nuanceert de « 50 % »: in 2K en 4K varieert de daling van 30 % (2K op basis van tekst of beeld) tot 53 % (video naar video), en ook HD en FHD worden goedkoper; de conceptmodus (Draft) blijft op 0,06 dollar per seconde, uitsluitend in HD. FLUX 3 Video werd op 4 augustus gelanceerd.

🔗 Aankondiging van Black Forest Labs · Pagina van FLUX 3 Video · Prijstabel van FLUX 3 Video

Runway werkt samen met Baseten om Gen-4.5 en Aleph 2.0 in dedicated omgevingen te implementeren

14 oktober — Runway en Baseten werken samen om de videomodellen van Runway aan bedrijven aan te bieden in een dedicated omgeving. Gen-4.5 en Aleph 2.0, dat videosequenties met meerdere scènes van maximaal 30 seconden in 1080p bewerkt, kunnen voortaan via Baseten Dedicated Inference in een omgeving voor één klant (single-tenant) worden geïmplementeerd, inclusief gefinetunede versies. Het bedrijf neemt rechtstreeks bij Runway een licentie op de modelgewichten en implementeert ze vervolgens bij Baseten, waar elke implementatie draait in een geïsoleerd uitvoeringsvlak met dedicated GPU’s en Baseten het beheervlak verzorgt. De infrastructuur valt onder de SOC 2 Type II- en HIPAA-programma’s van Baseten, de beschikbaarheid is gegarandeerd op 99,99 %, en klanten kunnen de modellen finetunen op hun eigen gegevens en GPU-capaciteit reserveren. Er zijn geen prijzen bekendgemaakt. Het aanbod bouwt voort op Runway Model Licensing, dat op 11 september werd gelanceerd om bedrijven een licentie op zijn gesloten modelgewichten te verlenen.

🔗 Aankondiging van Runway · Blogbericht van Baseten

HeyGen Voice: het technische rapport over stemklonen dat de stem aan de omgeving aanpast

14 oktober — Vijf dagen na de lancering van HeyGen Voice publiceert HeyGen het technische rapport van zijn stemmodel, dat wordt gepresenteerd als het eerste model dat voor video is ontworpen. De stemreferentie bepaalt wie spreekt, terwijl het doelbeeld en de beschrijving van de scène sturen hoe de stem moet klinken: een taalmodel leidt daaruit twee beschrijvingen af, één voor de spreker (toon, ritme, nadruk, expressiviteit) en één voor de achtergrond (de ruimte en haar akoestiek). De video wordt gerenderd door een afzonderlijk avatarmodel.

Blinde evaluatie (uitgevoerd door HeyGen)	Voorkeur voor HeyGen Voice
Passend bij de omgeving, tegenover Cartesia	73 %
Passend bij de omgeving, tegenover ElevenLabs v4	70 %
Passend bij de omgeving, tegenover Seedance 2.5	65 %
Keuze van gebruikers, tegenover ElevenLabs v4	62,2 %
Keuze van gebruikers, tegenover Cartesia Sonic 3.6	54,1 %

In de eerste test wordt dezelfde stem in 50 omgevingen geplaatst, van een kathedraal tot de voorstoel van een auto; in de tweede hebben duizenden gebruikers hun stem opgenomen en vervolgens zonder labels gekozen welke versie ze wilden gebruiken, waarbij HeyGen Voice in de vergelijking tussen drie modellen 41,7 % behaalde. Deze cijfers komen van HeyGen.

🔗 Thread van HeyGen · Onderzoekspagina van HeyGen Voice

Chips: NVIDIA lanceert cuPotential en breidt CUDA-X uit naar halfgeleiderfabrieken die door AI worden aangestuurd

14 oktober — NVIDIA presenteert cuPotential, een nieuwe CUDA-X-bibliotheek waarmee agents kunnen worden gebouwd die interacties tussen atomen en moleculen simuleren, een centrale berekening voor het modelleren van materialen en processen voor halfgeleiders. Tijdens een test met vroege toegang versnelde de bibliotheek workflows die al voor GPU’s waren geoptimaliseerd nog eens met een factor 2 tot 3; Synopsys behoort tot de eerste gebruikers. De aankondiging past binnen halfgeleiderfabrieken die door AI worden aangestuurd (AI-defined fabs), waar agents ingenieurs helpen processen te optimaliseren, productieproblemen op te lossen en de opbrengst te verbeteren.

Partner of tool	Gemeld resultaat (volgens NVIDIA)
NVIDIA cuPotential	Nog eens 2 tot 3 keer op workflows die al voor GPU’s zijn geoptimaliseerd (vroege toegang)
Lam Research (NanoVDB, SEMulator3D)	Tot 30 keer bij bepaalde modellen van etsprocessen, tegen eind 2026
KLA (NPP)	50 keer zo snel als eerdere CPU-versies
Applied Materials	Simulaties van proceskamers tot 35 keer zo snel
Synopsys	Potentieel 30 keer (cuEST, QuantumATK) en 12 keer (cuDSS, S-Device)

Op dezelfde dag illustreert een technisch blogbericht het onderdeel agents: met de open bibliotheek NeMo Gym heeft het team van Siemens Fuse zijn agent voor de karakterisering van standaardcellen geëvalueerd door de Liberty-bestanden ervan te vergelijken met gecontroleerde referenties. Tijdens ongeveer 25 uitvoeringen, met Claude Opus 4.8 in Claude Code als vast model en vaste harness, heeft het team zijn skills en beschrijvingen van MCP-tools verfijnd: de samengestelde score stijgt van ongeveer 55 % naar ongeveer 95 %, het aantal agentbeurten daalt van 155 naar 53 en het aantal outputtokens van ongeveer 81 000 naar 29 000.

🔗 Persbericht van NVIDIA · Technisch blogbericht over NeMo Gym en Siemens Fuse

Open modellen en omgevingen: de UltraBERT-encoders, meertalige RL-omgevingen bij Hugging Face

Twee open publicaties op de Hub: een familie encoders voor classificatie en zoekopdrachten, en omgevingen voor reinforcement learning in meer dan honderd talen.

UltraBERT: DMIS Lab publiceert Engelse encoders van 150M en 380M met een context van 32K

14 oktober — Het DMIS-lab (Data Mining and Information Systems Lab) publiceert UltraBERT, een familie Engelse encoders met 150M en 380M parameters en een native context van 32K tokens, en UltraBERT-Embed-150M, een gebruiksklaar embeddingsmodel, allemaal onder Apache 2.0 en met een artikel (arXiv 2610.15028). Ablaties met in totaal meer dan 70 000 miljard tokens brengen twee bevindingen naar voren: encoders verbeteren niet meer na 1 000 tot 2 000 miljard tokens, hoewel de loss blijft dalen, en het maskeringspercentage bepaalt hun specialisatie, waarbij een laag percentage classificatie bevordert en een hoog percentage zoekopdrachten. UltraBERT combineert daarom 5 % en 50 % maskering in elke batch, met een taalmodelhead per percentage.

Gepubliceerd UltraBERT-model	Door de auteurs gemeld resultaat
UltraBERT-380M	91,0 op GLUE, 47,7 op BEIR
UltraBERT-150M en 380M	Beste score op 9 van de 10 benchmarks; 99 % bij de test met de verborgen sleutel tot 32K tokens
UltraBERT-Embed-150M	67,24 op MTEB (eng, v2), beste model voor dense embeddings met minder dan 200M parameters

🔗 Het blogbericht van DMIS Lab

Hugging Face stelt RL-omgevingen beschikbaar voor OCR in 22 talen en spraakherkenning in 102 talen

14 oktober — Adithya S K, die bij Hugging Face aan omgevingen voor reinforcement learning werkt, presenteert wat hij omschrijft als de grootste meertalige en multimodale open source RL-omgevingen. Er worden twee OpenEnv-omgevingen met verifieerbare beloningen uitgebracht: één voor documentherkenning (OCR), met meer dan een miljoen pagina’s in 22 talen uit het Nayana-corpus van Cognitive Lab, en één voor spraakherkenning (ASR), met spraak in 102 talen uit FLEURS van Google, samen goed voor meer dan 12 miljoen taken. Het principe: bestaande open datasets hergebruiken door er verifieerbare beloningen aan toe te voegen. Om te laten zien dat ze bruikbaar zijn voor training, heeft de auteur Gemma 4 E4B met GRPO gefinetuned in het Kannada, op één A100: 16 % minder tekenfouten op de achtergehouden OCR-benchmark van Sarvam AI, en 45 % minder op 838 achtergehouden spraakfragmenten. De RL Environment Explorer die op 7 oktober werd gepresenteerd, telde al meer dan 12 miljoen taken; het nieuwe zit in de officiële presentatie en de eerste trainingsresultaten.

🔗 De thread van Adithya S K

GitHub Actions: vergrendelingsbestanden voor workflowafhankelijkheden, in publieke preview

14 oktober — Los van AI stelt GitHub Actions vergrendelingsbestanden (lockfiles) voor workflowafhankelijkheden beschikbaar in publieke preview, op GitHub Enterprise Cloud (met of zonder dataresidentie), Team en Free. Het beoogde risico is bekend: een tag of branch kan na de review van een workflow worden verplaatst, en een gecompromitteerde action kan schadelijke code injecteren zonder enige wijziging in de repository. De GitHub CLI-extensie gh actions-lock genereert .github/workflows/actions.lock met de commits van actions, hun transitieve afhankelijkheden en herbruikbare workflows; Actions voert vervolgens de vastgezette commit uit, ook als de tag wordt verplaatst. Invoering gebeurt per workflow, een Require lockfile-beleid maakt het mogelijk dit verplicht te stellen, en Dependabot werkt de vastgezette vermelding bij in dezelfde pull request als de nieuwe versie van een action. GitHub benadrukt dat het vastzetten niets zegt over de veiligheid van een afhankelijkheid, die vóór het vastzetten moet worden beoordeeld.

🔗 Vergrendelingsbestanden voor GitHub Actions-workflows in publieke preview (GitHub-changelog)

Kort nieuws

Agents en ontwikkeltools

Copilot CLI 1.0.98 — Deze versie is de dag na 1.0.97 als stabiele versie uitgebracht, ondersteunt Gemini 4 Argon en maakt de antwoorden van /ask beter hanteerbaar: Ctrl+E klapt ze uit, Ctrl+Y kopieert ze volledig, /ask of /btw opent het laatste volledige antwoord opnieuw; Copilot SDK 1.0.22 bundelt alleen de CLI. 🔗 bron
Zed 1.24 en preview 1.25.0 — Versie 1.24 wordt stabiel (1.24.2), met slechts één extra fix ten opzichte van de preview; 1.25.0-pre voegt Gemini 4 Argon toe aan de Google AI-provider, GPT-6 Astra, Claude Fable 5.1 en Claude Opus 5.5 aan Bedrock, plus contextcompactie voor ACP-agents, en toont geheimen van externe agents en MCP-servers niet langer in de lokale proceslijst. 🔗 bron
Antigravity-extensie 1.8.0 voor VS Code — Nog van 11 oktober: zonder automatisch accepteren blijven diff-reviews openstaan en stapelen ze zich op tussen opeenvolgende agentbeurten, wijzigingen op schijf worden binnen een seconde gedetecteerd, en het VSIX-pakket is ongeveer 70 % kleiner. 🔗 bron
DeepSeek Harness 0.2.1-alpha.3 — De 27e preview, nog altijd zonder stabiele versie: sleutels en tokens worden standaard gemaskeerd in verzonden berichten, agentspecifieke voorinstellingen (Agent Presets) voor subagents, sessiehervatting in de SDK’s en tien fixes; de Azure-provider, hernoemd naar azure, vereist een migratie van configuraties. 🔗 bron
GPT-5.5 verdwijnt uit Codex — Zoals op 15 september aangekondigd, is GPT-5.5 op 14 oktober om 19 uur UTC uit Codex verwijderd voor accounts die met ChatGPT zijn ingelogd, vervangen door GPT-6.1 Sol (Plus, Pro, Business, Enterprise, Edu) of door GPT-6 Luna in de desktopapp (Free en Go); de API en sessies via een API-sleutel worden niet beïnvloed. 🔗 bron
Amp en de modellen van OpenAI — In een casestudy van OpenAI meldt Amp dat deze modellen het grootste deel van het tokenverbruik uitmaken, waarbij sommige gebruikers 10 miljard tokens per week verbruiken; Calling Puck maakt het dankzij GPT-Live-1 mogelijk in realtime met zijn meta-agent te praten, en het team test de Ultrafast-modus van GPT-6 Astra. 🔗 bron
cuDF-skills voor Apache Spark — NVIDIA publiceert agentskills die Spark-UDF’s herschrijven naar equivalenten met GPU-versnelling; bij een niet nader genoemd groot concern zijn meer dan 30 UDF’s uit productie omgezet, waarvan er één op 600 miljard rijen van 274,55 naar 12,78 uur ging. 🔗 bron
Built with Claude: Japan 2026 — Anthropic en Cerebral Valley organiseren van 2 tot 10 november een volledig online Claude Code-hackathon voor inwoners van Japan: 250 geselecteerde deelnemers ontvangen een Max 5x-abonnement en 500 dollar aan API-credits, er is 50 000 dollar aan credits te winnen, aanmelden kan tot 26 oktober. 🔗 bron
Astra Commons-bijeenkomsten — In september brachten de Codex Ambassadors ongeveer 2 500 ontwikkelaars samen in 52 steden, in cafés, galeries en universiteiten, voor de lancering van GPT-6 Astra, aldus Rhiannon Payne van het communityteam van OpenAI. 🔗 bron

Assistenten, bedrijfstools en gidsen

Genspark — Eerst Muse Wonder van Meta en vervolgens Gemini 4 Argon komen binnen enkele uren beschikbaar in AI Chat, Code Agent en Claw, met de verkoopargumenten van hun makers en zonder vermelding van abonnementen of tarieven. 🔗 bron · 🔗 Argon
My Fish in Sakana Chat — Sakana AI maakt het geheugen van zijn assistent zichtbaar: een heatmap van lees- en schrijfacties, een categorieweergave, een kaart van verbanden tussen herinneringen, die na 30 dagen zonder gebruik vervagen, en een geschiedenis, allemaal onder Instellingen → My Fish, zowel op het web als op mobiel. 🔗 bron
Gloss — Together AI brengt een gratis open source app onder de aandacht om artikelen, PDF’s en X-bladwijzers op te slaan en AI vragen te stellen over een gemarkeerde passage, gebouwd met DeepSeek V4.1 Flash op zijn platform. 🔗 bron
MCP in Apigee hybrid — Sinds versie 1.17.0 volstaat een OpenAPI-specificatie om elke bewerking van een API als MCP-tool beschikbaar te stellen, met een dataplane die in het Kubernetes-cluster van de klant blijft: geen enkele toolaanroep loopt via Google Cloud. 🔗 bron
De kosten van AI-tools volgens Perplexity — Een gids beschrijft prijsmodellen en verborgen kosten (een hypothetisch team van 10 personen dat in sommige maanden 350 dollar uitgeeft, plus 18 uur intern werk) en vat het aanbod van Perplexity samen, van Free tot Enterprise Max; er wordt niets nieuws aangekondigd. 🔗 bron
MCP-tools volgens Perplexity — Een tweede gids legt uit wat een MCP-tool is en beschrijft de twee gebruiksrichtingen bij Perplexity: MCP-servers verbinden op Pro, Max en Enterprise, of bijvoorbeeld vanuit Claude Code de vier tools van zijn eigen MCP-server aanroepen. 🔗 bron

Casestudy’s en implementaties

Third Moment Research — In een casestudy van OpenAI laat dit laboratorium 10 000 agents tegelijk draaien in sessies van 36 tot 48 uur, heeft het op één dag 1 000 miljard tokens verbruikt en heeft het met Codex de duur van een retrospectieve test (backtest) met 97 % verkort; GPT-6.1 Sol is zijn meest gebruikte model. 🔗 bron
SentinelOne en Daybreak — Volgens AI-directeur Gregor Stewart levert OpenAI Daybreak in ongeveer acht uur reverse engineering van malware op menselijk niveau, waarvoor een toponderzoeker vier tot zes weken nodig had. 🔗 bron
Circa en Manus — Manus publiceert het verhaal van Circa, een start-up uit Boston die sloopmaterialen hergebruikt en de agent inzet voor zijn website, subsidies en een ramingstool; in september werd een cumulatieve omzet van bijna 100 000 dollar gemeld, zonder productnieuws. 🔗 bron
Europese steden en NVIDIA — In Côte-d’Or verlagen agents van Akila en ThinkDeep die in meer dan 500 openbare gebouwen zijn ingezet de exploitatiekosten met 10 %, met 30 % als doel; NVIDIA noemt ook projecten in Milaan, Antwerpen-Brugge, Göteborg en Liverpool, zonder nieuw product. 🔗 bron
MiniMax H3 IP Edition — In de terugblik op zijn conferentie van 11 september in Tokio meldt MiniMax interesse van meer dan 60 bedrijven; de pilot Captain Tsubasa × PixVerse bracht in 45 dagen 126 360 makers en 329 314 items met gelicentieerde content samen. 🔗 bron

Open modellen en communityonderzoek

Cohere verwijst naar Rerank 5 — Cohere publiceert een video waarin Rerank Mario speelt en nodigt uit om te kijken of Rerank 5 de score van Rerank 4 verslaat; er wordt niets gelanceerd, de documentatie vermeldt nog alleen Rerank 4 en de 3.x-versies. 🔗 bron
Lumma-Fev-27B — FrontiersMind finetunet Qwen3.8-27B volledig op ongeveer 100 000 beslissingsvoorbeelden (Engels, Hindi, Tamil, Kannada): 90,7 % correcte antwoorden tegenover 83,9 % voor Jev 1.13 op 4 454 achtergehouden beslissingen, maar Jev blijft voor op BBH en WinoGrande; metingen van de auteurs, modelgewichten onder Apache 2.0. 🔗 bron
TranscribePsy — Tether AI Research publiceert een spraakherkenningsmodel met 254M parameters voor 25 Europese talen, in GGUF- en Core ML-versies: een woordfoutpercentage van 8,02 % op het Open ASR Leaderboard tegenover 12,34 % voor Whisper-small, en volgens Tether 2,6 keer sneller dan de nummer twee op zes telefoons. 🔗 bron
VKORE-46M-NPU — VIDRAFT traint vanaf nul, met echte backpropagation, een kleine decoder met 46M parameters op een NPU voor inference met 32 chips; de verliescurve heeft een correlatie van 0,99 met die van dezelfde training op GPU. 🔗 bron
Kwantisatie en agentcapaciteiten — Op basis van 19 200 gepaarde resultaten laat Patrick Hill (PBH Applied Systems) zien dat Mistral-Nemo in Q4_K_M significant achteruitgaat op 5 van de 8 agentcapaciteiten, tot −28,0 punten bij gestructureerde output met proza, terwijl Q5_K_M (8,73 Go tegenover 7,48) en Q8_0 geen verschil maken. 🔗 bron
Een gate op Gated DeltaNet — Avi Fenesh voegt aan een met GRPO getrainde LoRA een kleine gate op de bèta van de Gated DeltaNet-lagen toe: het redeneerproces van Qwen3.5-4B wordt op MATH-500 48 % korter en de nauwkeurigheid op elk moment stijgt van 0,786 naar 0,852. 🔗 bron
pico-165m — Fausto Saporito traint op één TPU-chip een model met 165M parameters dat notities maakt: 0,81 bij geheugencontroles over gesprekken van ongeveer 47 uitwisselingen, tegenover 0,31 voor SmolLM2-360M-Instruct dat het hele gesprek leest. 🔗 bron

Inference en rekenkernels

DeepGEMM-Ascend, DeepGEMM 2.8.2 en TileKernels 2.1.0 — Zonder aankondiging voegt DeepSeek kernels voor sparse MQA-logits en een C-term of bias voor BF16-, FP8- en FP4-GEMM’s toe aan zijn bibliotheek voor Ascend-NPU’s, werkt het DeepGEMM bij naar 2.8.2 en brengt het TileKernels 2.1.0 uit zonder release notes. 🔗 bron
TokenSpeed en Qwen3.8-Flash-Next — De open source engine van LightSeek biedt het model aan met 685,9 tokens/s per gebruiker bij één gesprek op vier NVIDIA GB300-GPU’s in NVFP4, en met 95,7 tokens/s bij 32 gesprekken; Qwen heeft het resultaat geprezen. 🔗 bron
Qwen3.8-Flash-Next op AMD MI350P — Florian Zimmermeister verhoogt met vLLM de totale doorvoer van 1 168,2 naar 2 256,6 tokens/s bij 32 streams (+93,2 %) op één GPU, vanuit een uitgangspunt dat al een aangepaste MXFP4-implementatie had. 🔗 bron
GLM 5.3 Flash op Microsoft Foundry — Hugging Face voegt het model van Z.ai toe aan zijn Foundry-catalogus, geoptimaliseerd voor AMD MI300X in drie configuraties met een context van 512K; op ShareGPT levert de versie met 8 GPU’s in TP4 + DP2 ongeveer 1,8 keer de doorvoer en verkort die de tijd tot het eerste token van 11,3 naar 5,2 s. 🔗 bron
Qwen3.8-27B op de Neural Engine — Het ANEMLL-project kwantiseert alle MLP-matrices van het model naar vectoren van 3 bits: op een M6-chip een KL-divergentie van 0,0518 ten opzichte van BF16 en gemiddeld 37,5 tokens/s, met 9,74 Gio aan modelgewichten; de nauwkeurigheid op standaardtaken moet nog worden gemeten. 🔗 bron
Tensorviewer van de Hub — Hugging Face retourneert de headers van alle shards in één request: DeepSeek-V3.2 opent in 0,45 s in plaats van 9,2 s, GLM-5.3 in 0,57 s in plaats van 4,0 s. 🔗 bron

GitHub, los van AI

Machtigingen voor GitHub Apps — Twee fijnmazige machtigingen maken het mogelijk een repository aan te maken of de repositories van een installatie te beheren zonder beheerdersrechten, en een repositorybeheerder kan zijn repository koppelen aan een al goedgekeurde app; het verklaarde doel is af te stappen van klassieke PAT’s. 🔗 bron
Beschikbaarheidsrapport van GitHub — Op 7 oktober draaiden 120 van de 160 productieservices in Central US en waren 13 van de 51 primaire MySQL-databases gemigreerd; GitHub heeft zijn doel voor 30 september niet gehaald en blikt terug op het incident van 13 september, dat ongeveer 96 % van de aanmaak van issues via het web trof. 🔗 bron
Sterrengeschiedenis — Het nieuwe API-endpoint retourneert per request tot 30 weken aan dagelijkse aantallen, zonder identiteitsgegevens: voor react/react volstaan ongeveer 24 requests in plaats van ongeveer 2 511. 🔗 bron

Wat dit betekent

Spraak wordt een terrein voor cijfermatige vergelijking, waar de kosten even zwaar wegen als de rangschikking. Grok Voice 3.0 verbetert zijn scores zonder de prijs per minuut te veranderen, en SpaceXSI benadrukt de kosten per taak: 0,025 dollar tegenover 0,030 voor GPT-Live-1. Deze metingen van Artificial Analysis, aangehaald door de aanbieder, geven geen uitsluitsel over alles: op τ-Voice blijft GPT-Live-1 voorop, en Grok Voice 3.0 compenseert dat met een 40 % lagere latentie. Ook de inzet in de praktijk telt mee: 20 000 telefoongesprekken per dag bij Starlink, waarvan ongeveer 70 % zonder menselijke tussenkomst wordt afgehandeld, laten zien dat spraakagents al een wezenlijk deel van de klantenservice verzorgen. Op videogebied verlaagt FLUX 3 Video zijn 2K- en 4K-tarieven met 30 tot 53 % dankzij een dienst die minder rekenkracht vergt, terwijl HeyGen inzet op een stem die is afgestemd op de akoestiek van het decor.

Ook onderzoeksresultaten tellen mee bij de beoordeling van frontiermodellen. Google demonstreert Argon met een quantumdecoder, een vermoeden uit de plasmafysica en enzymen die in het laboratorium zijn getest, Meta met tien medische manuscripten, en Ai2 met klimaatgegevens op een resolutie van 3 km die ongeveer 300 keer goedkoper worden geproduceerd. De beperkingen staan nog steeds zwart op wit: de samenvatting van het artikel over het vermoeden van Grad vermeldt Argon niet, de studies van Meta zijn retrospectief en één ervan wordt als hypothesevormend beschouwd, en bij de ADK-repository behield de menselijke review slechts twee van de zes optimalisaties. Overal houdt de mens het laatste woord: in het experiment van Meta bepalen de medische onderzoekers de wetenschappelijke conclusies, en de beheerders van ADK schrappen delen van wat de agent voorstelt.

De kosten van het werk van agents worden een centraal thema bij de ontwikkeling van tools. Claude Code comprimeert lange gesprekken voordat de cache verloopt om te voorkomen dat alles opnieuw moet worden verwerkt, HydraFusion past de redeneerinspanning stap voor stap aan, en de studie van Cohere Labs laat zien dat een sterke hoofdagent met goedkope agents eromheen de beste score benadert tegen 70 % lagere kosten. HybridAgent pakt hetzelfde probleem via de architectuur aan, door te redeneren zonder tokens te produceren. Om deze uitgaven te beheersen, moeten ze zichtbaar zijn: de traces van Claude Platform en Claude Code 2.1.300 volgen nu dezelfde GenAI-conventies van OpenTelemetry, en Ramp rapporteert een daling van het tokengebruik met 10 tot 20 % bij bepaalde agents door zijn eigen traces te beoordelen. Het rapport van OpenAI over de EU onderstreept het belang: Codex en ChatGPT Work zijn daar al goed voor meer dan de helft van de outputtokens van de onderzochte Enterprise-klanten.

AI-veiligheid krijgt ook een publieke dimensie. Tijdens dezelfde Cyber Week in Singapore ondertekent Anthropic een memorandum van overeenstemming over modelevaluatie en incidentrespons, en presenteert Google DeepMind samen met GovTech een systeem voor oplichtingsdetectie dat volledig op de telefoon werkt. In het Verenigd Koninkrijk ondersteunt NVIDIA onderzoek naar de veiligheid van agents met rekenkracht; in de Verenigde Staten bereidt Anthropic Claude voor op de tussentijdse verkiezingen met classifiers tegen campagnes die in kleine taken zijn opgesplitst. Binnen bedrijven zegt OpenAI met zijn eigen modellen de medewerker te hebben geïdentificeerd die een opnameapparaat had verborgen, zet GitHub de dependencies van workflows vast zodat een verplaatste tag niet langer andere code laat uitvoeren dan de gereviewde code, en verplicht VS Code onder bedrijfsbeleid het gebruik van de Copilot-harness en de bijbehorende uitvoeringsregels.