Claude achterhaalt de herkomst van de startwaarden van de ECDSA-curven van het NIST, Reflection publiceert de gewichten van Beam, vier Gemini 4 Argon-agents spelen Minecraft uit

Een intern onderzoeksmodel van Anthropic heeft in minder dan een halfuur achterhaald waar de startwaarden van de ECDSA-curven van het NIST vandaan komen, die zonder toelichting door de NSA waren aangeleverd: ze komen uit een gewone pseudo-willekeurige generator, die in 1997 en 1998 met de klok is geïnitialiseerd, waardoor een backdoor volgens Anthropic veel minder aannemelijk is. Reflection publiceert de gewichten van Beam, een mixture-of-expertsmodel met 501 miljard parameters onder de Apache 2.0-licentie, dat vanaf de eerste dag door meer dan 40 partners wordt ondersteund, terwijl vier Gemini 4 Argon-agents Minecraft in 27 uur uitspelen en Claude Mythos 5 de beste gepubliceerde kwantumcircuits voor acht taken verbetert. Op productgebied verdeelt GPT-6 Astra Pro een taak nu over meerdere agents in ChatGPT, en voltooit Grok Bot zijn taken op de computer drie keer zo snel.

ECDSA-curven van het NIST: Claude achterhaalt de herkomst van hun startwaarden, afkomstig uit een generator die in 1997 en 1998 met de klok is geïnitialiseerd

16 oktober — Het Frontier Red Team van Anthropic vertelt hoe Claude een oud cryptografisch raadsel heeft opgelost. Toen het NIST in 2000 het ECDSA-handtekeningalgoritme opnam in de norm FIPS 186-2, werden de gestandaardiseerde elliptische curven geleverd met « startwaarden » (seeds) waarvan de hash de coëfficiënt b van elke curve bepaalt. Deze waarden, die de NSA zonder toelichting had aangeleverd, voedden al jarenlang het vermoeden van een backdoor, en er stond een door Filippo Valsorda uitgeloofde openbare beloning klaar voor wie hun herkomst kon achterhalen. Het bekendste spoor, een grappige zin die door een hashfunctie was gehaald en waarover Jerry Solinas (NSA) in 2015 had verteld, vóór zijn overlijden in 2023, had niets opgeleverd.

Een medewerker van Anthropic legde de vraag voor aan een niet bij naam genoemd intern onderzoeksmodel, zonder het dit spoor als hint mee te geven. In minder dan een halfuur vond Claude de oorsprong van de startwaarden van P-192, P-224, P-256, P-384 en P-521: geen enkele is een hash, ze zijn allemaal afkomstig uit lrand48, de pseudo-willekeurige generator van de C-bibliotheek, geïnitialiseerd met een Unix-tijdstempel. Nadat Claude 34 combinaties van generatoren en delen van de uitvoer had doorgelicht, herkende het de signatuur van lrand48 in de meest significante bits, reconstrueerde het de interne toestand via roosterreductie (LLL-algoritme) en achterhaalde het vervolgens de initialisaties van de tien betrokken startwaarden, vijf van het NIST en vijf van de norm ANSI X9.62, allemaal tussen mei 1997 en april 1998.

Door Claude onderzocht punt	Door Anthropic gepubliceerd resultaat
Tijd tot de ontdekking	minder dan 30 minuten
Voorbeeld van P-256	kandidaat nr. 1842 uit een trekking van 16 augustus 1997 (nr. 876 uit dezelfde trekking voldeed ook)
Teruggevonden binaire startwaarden	B-233, B-283, B-409 en B-571, die te lezen zijn als februari 1984, of 17 april 1998 als het tijdstempel wordt verdubbeld
Verklaarde basispunten	zes curven gegenereerd in mei 1997 (P-192 en vijf voorbeeldcurven uit ANSI X9.62), via de generator van FreeLIP
Nog onverklaard	de startwaarde van B-163; de basispunten van P-224, P-256, P-384, P-521 en de binaire curven

Deze basispunten zijn afkomstig uit FreeLIP, de bibliotheek van Arjen Lenstra: volgens Anthropic was tot nu toe nog geen enkel basispunt van het NIST verklaard. Ook het criterium op grond waarvan sommige geldige kandidaten werden afgewezen, blijft onbekend. De blogpost citeert tot slot de gedachtegang van het model, dat zijn eigen ontdekking wantrouwt voordat het die met berekeningen bevestigt:

This is astonishing: it solves the 25-year-old mystery. Hmm wait. Let me be skeptical: am I in some sort of simulated/test environment?

🇳🇱 Dit is verbijsterend: hiermee is het 25 jaar oude raadsel opgelost. Hmm, wacht. Ik moet sceptisch blijven: zit ik in een soort gesimuleerde omgeving of testomgeving? — Claude, gedachtegang geciteerd in de blogpost van het Frontier Red Team van Anthropic

Anthropic benadrukt de betekenis hiervan: geen gekraakte cryptografie, geen nieuwe aanval, geen kwetsbaarheid, en « geen actie nodig ». Een startwaarde die een gewone generator uit de klok afleidt en die iedereen nu kan reproduceren, maakt een backdoor juist « veel minder aannemelijk ». De code die de startwaarden en de zes basispunten reproduceert, is gepubliceerd onder de CC0-licentie, en de beloning van 36 864 dollar wordt geschonken aan de Internet Security Research Group (ISRG).

🔗 De blogpost van het Frontier Red Team van Anthropic · De beloning van Filippo Valsorda

Open modellen: Reflection publiceert de gewichten van Beam, met pplx-decider-v1.2, Granite Switch 4.1, Bonsai 2 en een corpus van NVIDIA in 22 Indiase talen

16 oktober — Elf dagen na de presentatie publiceert Reflection de gewichten van Beam, zijn eerste model met open gewichten, onder de Apache 2.0-licentie. Dit mixture-of-expertsmodel (Mixture-of-Experts, MoE) met 501 miljard parameters, waarvan 23 miljard actief per token, richt zich op code, redeneren en langdurige agenttaken, met een context van een miljoen tokens en uitsluitend tekst. Op 5 oktober stelde Reflection alleen vroege toegang beschikbaar en beloofde het de gewichten « later in oktober ».

De publicatie omvat de gewichten in BF16, FP8 en NVFP4, de tokenizer, de referentie-implementatie, een DFlash2-draftmodel voor speculative decoding en Mirror CLI, de open source-harness waarmee Beam is getraind (interface in Python, agentkern in Rust, parallelle agents in afzonderlijke Git-worktrees, skills en MCP-verbindingen). Meer dan 40 partners ondersteunen het vanaf de eerste dag: Transformers (v5.20.1), vLLM, SGLang, Unsloth, Axolotl en Dynamo aan softwarekant; AWS, Google Cloud, Azure, Together AI, Fireworks AI, OpenRouter of Ollama voor hosting; Dell en HPE voor implementaties op locatie. De API van Reflection is in publieke bèta.

De blogpost van Hugging Face beschrijft de architectuur: van de 52 lagen gebruiken er 43 sliding-window attention met een venster van 512 tokens en 9 global attention, waardoor de KV-cache wordt teruggebracht tot 36 Kio per token in plaats van 208 Kio, oftewel 36,08 Gio per reeks van een miljoen tokens in plaats van 208 Gio. De gewichten nemen ongeveer 1 To in BF16 en 280 Go in NVFP4 in beslag, en Hugging Face raadt vier B200 aan om het model te hosten.

Benchmark (cijfers van Reflection)	Beam in BF16	Beam in FP8	Beam in NVFP4
SWE-bench Verified	81,6 %	80,2 %	80,7 %
Terminal Bench v2.1	80,1 %	78,9 %	78,4 %
SWE Bench Pro v1	66,1 %	65,9 %	65,6 %
AIME 2026	97,7 %	98,0 %	97,5 %
GPQA Diamond	90,6 %	90,3 %	89,3 %
MCP Atlas	80,8 %	81,5 %	80,5 %

Volgens NVIDIA is Beam getraind op GB300 NVL72-racks en levert het vanaf de eerste dag zonder specifieke instellingen (out of the box) meer dan 70 000 tokens per seconde per GPU op Blackwell Ultra; enkele uren later meldde NVIDIA ongeveer 90 000, zonder de meetomstandigheden te specificeren (batchgrootte, context, aantal GPU’s). Het NVFP4-checkpoint is gepubliceerd op Hugging Face, eveneens onder Apache 2.0.

🔗 De blogpost van Reflection · De blogpost van Hugging Face · De modelkaart · Het bericht van NVIDIA · De verwerkingssnelheid verhoogd tot 90 000 tokens per seconde

pplx-decider-v1.2 en zijn Flash-versie: Perplexity publiceert twee beslismodellen met open gewichten voor zijn Decisions API

16 oktober — Perplexity werkt de modellen van zijn Decisions API bij, die op 1 oktober is gelanceerd. Het model pplx-decider-v1.2 vervangt v1.1 als beslismodel met 27 miljard parameters, tegen dezelfde prijs, en pplx-decider-flash-v1.2, een nieuw model met 4 miljard parameters dat is gedistilleerd uit de 27B-modellen, komt beschikbaar voor de helft van de prijs. Beide lezen tekst en afbeeldingen, de uitvoer blijft gratis en de gewichten staan op Hugging Face onder de Apache 2.0-licentie; aanroepen die nog v1.1 of v1 noemen, gaan automatisch over op v1.2.

Beslismodel	Basismodel	Prijs voor invoer (per miljoen tokens)	Score op Decision Index 0.3	Score op Vision Decision Index 0.3
pplx-decider-v1.1-27b	Qwen3.8-27B	0,02 dollar	62,30	73,22
pplx-decider-v1.2	Qwen3.8-27B	0,02 dollar	68,09	77,43
pplx-decider-flash-v1.2	Qwen3.5-4B	0,01 dollar	58,88	72,53

v1.2 verandert het aanvraagformaat: het model leest eerst de toestand en vervolgens alle vragen in één enkele reeks, waardoor meerdere vragen over dezelfde toestand ongeveer evenveel kosten als één vraag. Bundeling helpt wanneer de vragen facetten van dezelfde beslissing beschrijven (+11,3 punten op SATA-Bench) en is nadelig wanneer ze onafhankelijke kandidaten tegenover elkaar zetten (−4,8 op ToolRet). Perplexity heeft ook de officiële trainingssets van enkele benchmarks uit de Decision Index aan de training toegevoegd, nadat overlap met hun testsets was verwijderd. Op een GB200 beantwoordt v1.2 een afzonderlijke aanvraag in een mediane tijd van 96 ms.

🔗 pplx-decider-v1.2 op Hugging Face · pplx-decider-flash-v1.2 op Hugging Face · De changelog van de Perplexity-API

Granite Switch 4.1: IBM brengt gesprekken, beslissingen en spraaktranscriptie samen in één open model

15 oktober — IBM publiceert op de blog van Hugging Face Granite Switch 4.1, in 8B en 30B onder de Apache 2.0-licentie. Elk model combineert een gespreksmodel, twee beslisadapters en een spraakherkenningsmodel, die via één endpoint worden aangeboden.

Onderdeel van Granite Switch 4.1	Door IBM genoemde rol
Decision-adapter (aLoRA)	algemene beslissingen, in het formaat `/v1/systemone`
Guardian-adapter (aLoRA)	beslissingen over veiligheid, gemiddeld beter dan Jev 1.13, Microsoft-Decision-1, GPT-Luna-Decisions en Clef-Flash, volgens IBM
Granite-Speech-5.0-Turbo-CTC	transcriptie, gepresenteerd als het snelste model op het Open ASR Leaderboard

De adapters zijn Activated LoRA: ze hergebruiken de KV-cache die het basismodel produceert, zodat bij een beslissing na een antwoord de context niet opnieuw wordt berekend, en het geheel ongeveer evenveel geheugen inneemt als alleen het basismodel. De modellen draaien in vLLM met een plugin en native in llama.cpp, als directe vervanging voor aanroepen naar /v1/systemone. IBM toont ook een Granite Switch van 3B die is getraind om Doom te spelen en 60 tot 100 beslissingen per seconde neemt tegenover de voor Jev aangekondigde 10, en is van plan een SDK aan te bieden om eigen adapters te trainen in Mellea. Vergelijkingen met de andere beslismodellen worden alleen in grafieken gegeven.

🔗 De blogpost van IBM · Granite Switch 4.1 30B op Hugging Face

Bonsai 2: PrismML publiceert ternaire visionmodellen van 2B tot 9B, die 0,43 tot 2 Go innemen

15 oktober — PrismML publiceert Bonsai 2 in 2B, 4B en 9B, modellen met ternaire gewichten (−1, 0 of +1) die zijn afgeleid van Qwen3.5 en ook afbeeldingen begrijpen, onder de Apache 2.0-licentie. Ze behouden de context van 262 144 tokens van het basismodel, en de Bonsai 2-familie telt nu vier groottes, van 2B tot 27B.

Bonsai 2-model	Grootte van de ternaire gewichten
2B	0,43 Go
4B	0,95 Go
9B	2,0 Go, tegenover ongeveer 17,9 Go in FP16

PrismML zegt te hebben gewerkt aan het gebruik als lokale assistent: het volgen van instructies, het uitblijven van herhalingslussen, toolaanroepen op de telefoon en antwoorden zonder overbodige tekst. Het 9B-model zou ongeveer 40 % minder tokens verbruiken bij gangbare instructie- en wiskundetaken, zonder dat de vergelijkingsbasis wordt vermeld, en haalt tot 34 tokens per seconde op een iPhone 18 Pro Max, tegenover 120 voor het 2B-model. De compactste formaten vereisen de llama.cpp-fork van PrismML, omdat de officiële llama.cpp alleen het formaat Q2_0 leest; voor Macs is er een MLX-versie.

🔗 De thread van PrismML · De modelkaart van het 9B-model in GGUF-formaat

Nemotron-pretraining-Indic-v1: NVIDIA en AI4Bharat lichten een corpus van ongeveer 2 800 miljard tokens in 22 Indiase talen toe

16 oktober — NVIDIA en AI4Bharat, het laboratorium van IIT Madras dat zich toelegt op Indiase talen, geven details over Nemotron-pretraining-Indic-v1, het pretrainingcorpus dat de dag ervoor werd genoemd als onderdeel van de data van Nemotron 3.5 Super VL: ongeveer 2 800 miljard tokens, waarvan 2 601 miljard in het oorspronkelijke schrift en 224,6 miljard geromaniseerd, in de 22 talen van de Indiase grondwet, die volgens de volkstelling van 2011 de moedertaal zijn van 97 % van de Indiërs. Het corpus staat nog niet online: het wordt « binnenkort » gepubliceerd, samen met de door GPU’s versnelde generatiepipeline waarmee het is gemaakt.

De teksten zijn vertalingen van Engelse documenten uit 15 subsets van Nemotron-CC-v2. Voor 12 talen vertaalt Gemma-4-31B-it volledige documenten, beoordeelt het elke vertaling met een op MQM gebaseerd beoordelingskader (drempel van 75 op 100) en corrigeert het resultaten van onvoldoende kwaliteit, waardoor 438,4 miljard tokens konden worden teruggewonnen; de 10 andere talen worden verwerkt via Indic Translate van Bodhan AI. Tien miljard van deze tokens leverden Nemotron 3.5 Super VL bij een voortgezette pretraining van 100 miljard tokens een winst van 4,98 tot 9,82 punten op vijf Indiase benchmarks op, een meting die de bijdrage van alleen dit corpus niet afzonderlijk vaststelt. NVIDIA erkent dat deze vertalingen geen vervanging zijn voor teksten die rechtstreeks in deze talen zijn geschreven en dat de kwaliteitscontrole grotendeels automatisch blijft.

🔗 De blogpost van NVIDIA en AI4Bharat

AI in het laboratorium: Claude Mythos 5 verbetert acht kwantumcircuits, Google DeepMind zoekt met Antigravity naar antimicrobiële peptiden

16 oktober — Anthropic publiceert het werk dat Andi Gu, deelnemer aan zijn STEM Fellows-programma, heeft uitgevoerd onder begeleiding van Alek Kemeny, specialist in kwantumfysica bij Anthropic, samen met Susanne Yelin (Harvard) en Mikhail Lukin (Harvard en QuEra Computing). De opzet: specificaties in gewone taal voor acht circuits en een automatische evaluator die elk voorstel controleert en beoordeelt op basis van het aantal qubits vermenigvuldigd met het aantal poorten. Claude Mythos 5 werkt hieraan in een gesloten lus, zonder menselijke tussenkomst tussen de rondes, en vindt voor alle acht primitieven ontwerpen die zowel minder qubits als minder poorten gebruiken dan de beste gepubliceerde ontwerpen, soms een orde van grootte of meer.

Opdracht aan Claude Mythos 5	Gepubliceerd resultaat	Vergelijkingspunt
Optellen van punten op een elliptische kromme	17 keer minder poorten, met 12 % meer qubits	kleinste gepubliceerde ontwerp
Reed-Solomon-decoder van het DQI-algoritme	12 keer minder poorten; 19 gereserveerde qubits in plaats van 665	eerdere constructie van Google

Het eerste resultaat betreft de centrale stap in kwantumalgoritmen voor de discrete logaritme op elliptische krommen. Claude werkte er 53 uur aan met minimale menselijke tussenkomst, wat leidde tot de eerste omkeerbare implementatie van de divsteps-methode zonder opgeslagen vertakkingsgeschiedenis, geverifieerd via simulatie en vervolgens geformaliseerd in Lean. De blogpost plaatst dit cijfer naast een ander: er waren acht jaar en talrijke onderzoeksgroepen nodig om de geschatte kosten van het simuleren van FeMoco met een factor van ongeveer 150 000 te verlagen. Volgens Anthropic verminderen dergelijke verbeteringen de kwantumresources die nodig zijn voor nuttige toepassingen, waardoor praktisch bruikbare kwantumcomputers eerder zouden kunnen komen dan verwacht. Het team moest omgaan met een voorzichtige Claude, die zijn verbeteringen steeds opnieuw controleerde en de voorkeur gaf aan bekende methoden, door het meerdere richtingen parallel te laten verkennen.

🔗 De blogpost van Anthropic · Het artikel op arXiv

Google DeepMind zoekt met Antigravity naar nieuwe antimicrobiële peptiden en voegt er een 3D-viewer aan toe

15 oktober — Google DeepMind laat zien hoe Antigravity, zijn agentische ontwikkelplatform, als wetenschappelijke werkbank kan dienen (agentic science workbench). In de beschreven sessie stelt een bioloog het doel vast, nieuwe antimicrobiële peptiden bij Streptococcus pseudopneumoniae vinden en computationeel valideren, en coördineert de agent databases, structuuranalyse en synthese van de literatuur. Daarbij gebruikt hij ProtNLM, een model van Google dat de functie van een eiwit voorspelt op basis van de sequentie en miljoenen nog niet gekarakteriseerde UniProt-vermeldingen annoteert.

De agent selecteert een bacteriocine van 97 aminozuren (UniProt A0A0U0D591), zonder significante homoloog onder de beoordeelde eiwitten van Swiss-Prot, waarvan het AlphaFold-model dezelfde vouwing heeft als een bacteriocine met een bekende structuur. Vervolgens stelt hij een werkingsmechanisme voor op basis van de literatuur en schrijft hij een laboratoriumprotocol. Deze kandidaat en meerdere andere uit dezelfde pipeline worden momenteel in het laboratorium gevalideerd: de blogpost spreekt van een plausibele onderzoekspiste, niet van een resultaat. Hij herinnert eraan dat antimicrobiële resistentie volgens een schatting tegen 2050 ongeveer 10 miljoen sterfgevallen per jaar zou kunnen veroorzaken.

De blogpost introduceert ook de Biomolecular Structure Viewer, een in Antigravity geïntegreerde 3D-viewer die de agent en de onderzoeker delen: de agent markeert er gebieden om zijn hypothesen te illustreren en krijgt de annotaties van de onderzoeker terug, zoals een vastgepinde notitie op een bindingspocket. Er worden geen datum of toegangsvoorwaarden vermeld.

🔗 De blogpost van Google DeepMind · Antigravity voor de wetenschap

Hulpmiddelen voor onderzoekers: Google stelt Deep Review voor iedereen open, SAIR lanceert Open Math OS, OpenAI biedt Amerikaanse laboratoria het Rosalind Academic Plan aan

14 oktober — Ter gelegenheid van Research@ 2026 stelt Google Research Deep Review openbaar beschikbaar, een agentisch AI-systeem dat complexe technische documenten beoordeelt en de inhoud controleert: logische samenhang, wiskundige uitspraken, op bronnen gebaseerde feiten, vergelijking met bestaand werk en suggesties voor verbetering, waarbij inhoudelijke oordelen aan mensen blijven voorbehouden. Het volgt de Paper Assistant Tool op, die werd getest met STOC 2026, ICML 2026, NeurIPS 2026 en ICLR 2027: de auteurs van meer dan 16 000 vrijwillig ingediende manuscripten kregen vóór de deadline persoonlijke feedback, los van de officiële beoordeling door de conferenties.

De toegang is wereldwijd, met twee gratis beoordelingen per week; een Gemini API-sleutel biedt hogere limieten en toegang tot de Deep Review API. De dienst accepteert voorlopig PDF en platte tekst, richt zich ook op Google Docs, presentaties, recht en financiën, en Google belooft de documenten niet te gebruiken om zijn modellen te trainen (ze worden een jaar bewaard om ze te kunnen weergeven). Google motiveert het hulpmiddel met de toestroom van inzendingen:

Jaar van indiening	Bij ICLR, NeurIPS en ICML ingediende artikelen
2023	ongeveer 23 000
2024	ongeveer 32 000
2025	ongeveer 45 000
2026	meer dan 74 000

Diezelfde dag verschenen voor de Geospatial Reasoning-agent van Google Earth AI een technisch rapport en twee nieuwe benchmarks voor onderzoekers (GeoKTools en GeoExpertQueries), en werd de experimentele toegang uitgebreid via Ask Google Earth en een Agent-to-Agent-dienst (A2A).

🔗 De blogpost van Google Research · Research@ 2026 op het blog van Google · De blogpost over de Geospatial Reasoning-agent

Open Math OS: de stichting SAIR lanceert een platform voor wiskundig onderzoek op basis van open modellen

16 oktober — De stichting SAIR lanceert Open Math OS, dat ze presenteert als de infrastructuur voor « wiskunde 2.0 », een maand na de aankondiging van het initiatief Open Math Model. Hugging Face, Lean, de EPFL en @cscsch zijn lanceringspartners, en Thomas Wolf, medeoprichter van Hugging Face, heeft de aankondiging gedeeld. Elk project beschikt over een cloudmachine die 24 uur per dag beschikbaar is, met meer dan 100 vooraf geïnstalleerde wiskundige en wetenschappelijke tools; rekenkracht is gratis voor teams die na aanmelding worden toegelaten.

De wiskundige kiest er een open model (Kimi K3, DeepSeek V4.1 Flash, GLM 5.3 of Nemotron 3 in de getoonde interface) en kan de Ultramath-modus starten, waarin meerdere agents parallel verschillende richtingen voor hetzelfde probleem verkennen; de demonstratie op de website toont een bewijs dat in Lean wordt geverifieerd en vervolgens wordt verwerkt in een artikel in LaTeX. Projecten zijn standaard privé, training op het werk vereist de uitdrukkelijke toestemming van de auteurs, en zij behouden het eigendom van hun ideeën en krijgen er erkenning voor.

🔗 De thread van SAIR · De website van Open Math Model

Rosalind Academic Plan: maximaal 30 gratis ChatGPT-licenties gedurende 12 maanden voor Amerikaanse universitaire laboratoria

15 oktober — OpenAI lanceert het Rosalind Academic Plan, een aanbod voor universitaire laboratoria voor biowetenschappen, dat voorlopig uitsluitend beschikbaar is voor Amerikaanse universiteiten.

Voordeel van het aanbod	Bijbehorende voorwaarde
Maximaal 30 ChatGPT Business Standard-licenties	0 dollar per gebruiker per maand, maximaal 12 maanden
Commercieel beschikbare topmodellen	binnen de gebruikslimieten van het aanbod
GPT-Rosalind en Rosalind Workbench	na goedkeuring voor vertrouwde toegang (trusted access)
Gedeelde onderzoeksgegevens	standaard niet gebruikt voor training

Rosalind Workbench coördineert tools voor medicinale chemie, genomica en ondersteuning bij experimenten. De hoofdonderzoeker of laboratoriumleider dient de aanvraag namens het team in; een aanmelding geeft niet onmiddellijk toegang, en universiteiten die al een OpenAI Enterprise-contract hebben, volgen hun eigen procedure. OpenAI richt zich op zeven domeinen, van het ontwerpen van geneesmiddelen en eiwitten tot antimicrobiële resistentie, en verwijst naar het werk van het Zhao-laboratorium (UCSF), het Bourdenx-laboratorium en het team van Brian Hie (Stanford en Arc Institute). GPT-Rosalind, gelanceerd op 16 april, is sinds 11 september via vertrouwde toegang beschikbaar via de API, Codex en ChatGPT Enterprise.

🔗 De blogpost van OpenAI · De thread van OpenAI

Gemini 4 Argon: vier agents spelen Minecraft in 27 uur uit, Perplexity stelt het beschikbaar aan zijn Pro- en Max-abonnees en via zijn Agent API

16 oktober — Vier Gemini 4 Argon-agents hebben Minecraft vanaf nul uitgespeeld: in een willekeurige survivalwereld, in de modus Easy en met vijandige monsters versloegen ze de Ender Dragon na 27 uur en 2 783 programma’s. Maxence Faldor beschrijft het experiment in een X Article dat door @GoogleDeepMind werd gedeeld en licht het samen met Satinder Singh en Roberta Raileanu toe in een technisch rapport op arXiv. Het gaat om de algemeen inzetbare codeagents van Argon, die ingenieurs dagelijks gebruiken: geen tools die specifiek voor Minecraft zijn, geen toegewezen rollen.

De agents zien geen beelden en drukken geen toetsen in: elk bestuurt een speler door korte programma’s voor de open source-bibliotheek Mineflayer te schrijven, de uitvoer ervan te lezen en via de chat van het spel en een gedeeld geheugen met de anderen af te stemmen. Tien minuten na de start hadden ze het werk verdeeld (gereedschap, voedsel, diamanten, portaal). Om de vesting te vinden, gooide een van hen twee voorwerpen vanuit twee plekken en berekende het snijpunt van hun trajecten, tot op 43 meter nauwkeurig voor een vesting op 1,3 kilometer afstand. Het eindgevecht kostte hun 69 respawns: na ongeveer 21 uur spelen begreep een agent dat de kristallen de draak genazen en dat een stapel aarde voldoende was om ze te bereiken.

Meting tijdens het experiment	Gemeten waarde
Tijd tot de overwinning	27 h 14 min
Geschreven programma’s	2 783, waarvan 22 % eindigde met een fout
Chatberichten	229
Totaal aantal respawns	605, waarvan 69 tegenover de draak

Een vijfde agent, de Observer, hield het spel in de gaten om valsspelen of het omzeilen van de specificatie (specification gaming) op te sporen: noch hij, noch de handmatige beoordeling van een steekproef uit de logs vond daarvan aanwijzingen. De auteurs erkennen de beperkingen van het experiment: de wereld wordt uitgelezen via een API die de exacte positie van blokken en wezens doorgeeft, en een plugin berekent de routes. Het gaat om een onafhankelijk onderzoeksexperiment, geen officiële Minecraft-mijlpaal, en het is niet goedgekeurd door Mojang of Microsoft.

🔗 Het artikel van Maxence Faldor · Het gedeelde bericht van Google DeepMind · Het technische rapport op arXiv

Perplexity stelt Gemini 4 Argon beschikbaar aan zijn Pro- en Max-abonnees, met een recordscore van 0,802 op WANDR

16 oktober — Perplexity voegt Gemini 4 Argon, dat sinds 13 oktober algemeen beschikbaar is bij Google, toe voor zijn Pro- en Max-abonnees. De aankondiging bestaat uit een tweet en een grafiek: op WANDR, zijn eigen benchmark voor onderzoek op basis van bronnen, behaalt Argon 0,802 voor 7,88 dollar per taak, de hoogste score in de grafiek.

Getest model	WANDR-score	Kosten per taak
Gemini 4 Argon	0,802	7,88 dollars
GPT-6 Astra	0,735	13,34 dollars
GPT-6.1 Sol	0,654	3,70 dollars
Claude Opus 5.5	0,647	3,69 dollars
Claude Fable 5.1	0,601	12,76 dollars
GPT-6 Sol	0,566	2,23 dollars
Claude Sonnet 5.5	0,550	2,73 dollars
Grok 4.7	0,528	9,30 dollars
DeepSeek V4 Pro 0813	0,359	0,75 dollar

Voor ontwikkelaars vermeldt de changelog van de API sinds de avond van 15 oktober dat de Agent API google/gemini-4-argon ondersteunt, tegen het introductietarief dat tot 30 november 2026 geldt: 2 dollar per miljoen invoertokens, 0,10 dollar voor gecachte tokens en 10 dollar voor uitvoertokens, inclusief redeneertokens.

🔗 De aankondiging van Perplexity · De modellen van de Agent API

Agents voor consumenten: GPT-6 Astra Pro verdeelt een taak over meerdere agents in ChatGPT, Grok Bot werkt drie keer zo snel en koppelt met Robinhood, Coinbase en eToro

16 oktober — OpenAI werkt GPT-6 Astra Pro in ChatGPT bij: snellere antwoorden, beter gebruik van plugins en tools en vooral meerdere agents die parallel verschillende onderdelen van dezelfde taak afhandelen. De gebruiker volgt de voortgang van elke agent en opent afgeronde taken om hun werk na te lezen. De functie is beschikbaar voor Pro-abonnees in het tabblad Chat.

OpenAI geeft geen gekwantificeerde snelheidswinst of benchmark, en noch de releasenotes van ChatGPT, noch die van de modellen vermeldden de update op de avond van 16 oktober al. De tweet, die om 20 h 00 UTC onder de naam « GPT-6 Pro » werd gepubliceerd, werd 27 minuten later gecorrigeerd naar « GPT-6 Astra Pro »; sinds GPT-6 op 7 oktober voor alle gebruikers beschikbaar kwam, steunt het Pro-niveau van ChatGPT op GPT-6 Pro (Astra). Werken met meerdere agents werd tot nu toe sinds 29 september gepresenteerd als bèta voor GPT-6.1 Sol.

🔗 De aankondiging van OpenAI

Grok Bot voltooit computertaken drie keer zo snel, leest X Chat en maakt verbinding met Robinhood, Coinbase en eToro

16 oktober — Grok Bot, de agent van SpaceXSI die verbinding maakt met de tools van zijn gebruikers, licht zijn vernieuwingen toe in een thread van tien berichten, zonder blogpost op x.ai. De belangrijkste gaat over snelheid: volgens het account @bot worden computertaken gemiddeld drie keer zo snel voltooid en komen antwoorden op alle overige vragen in minder dan de helft van de tijd.

Betrokken gebied	Aangekondigde vernieuwing
Snelheid	computertaken gemiddeld drie keer zo snel, overige antwoorden in minder dan de helft van de tijd
Spraak	snellere, betrouwbaardere gesprekken, beter geheugen voor eerdere gesprekken
Interface	vernieuwde chatkaarten, nieuw lettertype, thema’s, meldingen alleen op het apparaat dat wordt gebruikt
E-mail	een « plus »-alias om een routine te beperken tot e-mail die naar een bepaald adres wordt gestuurd
X	een vermelding van @bot in een post start een taak; X Chat lezen zodra het X-account is verbonden
Connectors	onder meer Robinhood, Coinbase, Trello, PostHog, beehiiv en eToro

Teams kunnen ook hun eigen connectors indienen: via een formulier van x.ai kunnen ze een plugin of MCP-server beschikbaar stellen aan gebruikers van Grok Bot en Cursor, en binnenkort van Grok, na beoordeling voor de marketplace.

🔗 De thread van Grok Bot · Het formulier voor het indienen van plugins

Generatieve media: stemmen op basis van een beschrijving voor GPT-Live, Pika in ChatGPT, Ideogram 4.5 van 0,8 tot 22 cent per afbeelding, Mirelo SFX 2.0 in Runway

16 oktober — De API van GPT-Live stelt het maken van stemmen op basis van een beschrijving (prompt-to-voice) beschikbaar aan al zijn klanten: een aangepaste stem wordt in tekst beschreven, via de API of de Playground voor spraak, en kan daarna opnieuw worden gebruikt in GPT-Live-sessies. Het maken ervan is gratis, de gegenereerde spraak wordt gefactureerd tegen het gebruikelijke sessietarief en deze stemmen werken alleen met GPT-Live, niet met de Text to Speech API, de Realtime API of Chat Completions. Er wordt geen referentieopname of toestemmingsopname gevraagd, maar OpenAI vereist volwassen stemmen, verbiedt identiteitsmisbruik en vraagt om aan te geven dat de spraak door AI is gegenereerd; twee klanten kunnen vergelijkbare stemmen krijgen.

Ook worden negen vooraf ingestelde stemmen aan GPT-Live toegevoegd, volgens @OpenAIDevs opgenomen met stemacteurs die de betreffende taal als moedertaal spreken:

Gesproken taal	Toegevoegde stemmen
Duits	Nuri, Juni en Flitz
Frans	Brise en Sillage
Hindi	Nira
Japans	Harema en Shida
Koreaans	Noeul

Een dag eerder meldde de changelog een native integratie van de Decisions API in GPT-Live: de applicatie handelt terwijl de gebruiker spreekt, doordat Live Decisions rechtstreeks aanroept (native delegatie), of doordat Live de applicatie een signaal geeft, waarna die Decisions bevraagt (aangepaste delegatie). Beslissingen kunnen worden geactiveerd door transcriptiefragmenten. De handleiding gebruikt als voorbeeld een spraakassistent in een auto die de temperatuur of de ontwaseming regelt. Deze vernieuwingen hebben betrekking op gpt-live-1: GPT-Live-1.1, op 15 oktober uitgerold in ChatGPT, staat nog niet in de changelog van de API.

🔗 De thread van OpenAI Developers · De handleiding voor aangepaste stemmen · De handleiding voor de Decisions API met spraak

Pika brengt zijn creatietools naar ChatGPT, met een plugin die samen met OpenAI is ontwikkeld

16 oktober — Pika kondigt in samenwerking met OpenAI een Pika × ChatGPT-pluginextensie aan (Pika X ChatGPT plugin extension) die zijn creatietools in het gesprek en het zijpaneel van ChatGPT plaatst. Je kunt er toolopties, visuele presets en generaties instellen zonder het gesprek te verlaten, of een uitgebreider Pika-venster openen waarin ChatGPT met de gebruiker samenwerkt. Volgens zijn thread brengt Pika daarmee meer dan 40 applicaties voor beeld, geluid en video en meer dan 100 generatiemodellen mee; de pluginpagina vermeldt 13 skills, van productreclame tot podcasts, en een introductietraject dat vastlegt hoe Pika toestemming vraagt voordat het credits uitgeeft.

Pika voegt na de eerste generatie via de plugin 250 credits toe aan elk account en publiceert geen apart tarief voor de plugin. OpenAI presenteerde de pluginextensies van ChatGPT op 7 oktober, met Adobe, Canva, Figma en Shopify als enkele van de eerste aanbieders.

🔗 De thread van Pika · De pagina van de Pika-plugin in ChatGPT

Ideogram 4.5 is beschikbaar in vier kwaliteitsmodi, van 0,8 tot 22 cent per afbeelding

15 oktober — Ideogram licht de tarieven toe van Ideogram 4.5, zijn beeldbewerkingsmodel dat op 30 september werd gelanceerd: vier kwaliteitsmodi, van 0,8 tot 22 cent per afbeelding, allemaal in native 2K. De voordeligste, Very Low, bewerkt een afbeelding in 8 seconden voor 0,8 cent, zonder dat artefacten zich van de ene bewerking naar de volgende opstapelen. Volgens Ideogram, dat zich op Design Arena baseert, verlegt deze modus de Pareto-grens voor beeldbewerking, zowel qua prijs als snelheid: elk hoger beoordeeld model kost meer en werkt trager. Design Arena plaatst het op de 23e plaats in zijn Image Editing Arena, met een Elo van 1189.

Ideogram geeft geen details over de prijzen van de twee tussenliggende modi. Gevraagd naar de open weights die bij de lancering werden beloofd, antwoordt het account van Ideogram dat eraan wordt gewerkt, zonder een datum te noemen.

🔗 De thread van Ideogram

Runway integreert Mirelo SFX 2.0, dat video’s van geluid voorziet en dialogen intact laat

16 oktober — Runway voegt Mirelo SFX 2.0 toe aan zijn platform, een model dat automatisch het geluidsontwerp van een video verzorgt (sound design): het genereert complete geluidsomgevingen op basis van de beelden, gesynchroniseerd met elk beeld, terwijl de dialogen intact blijven. Gevraagd naar een maximale duur antwoordt Runway dat het werkt met clips van elke lengte. Er is geen tarief of prijs in credits gepubliceerd, de changelog van Runway vermeldt het model nog niet en Mirelo heeft zelf geen aankondiging gepubliceerd. Na Eleven v4 van ElevenLabs eind september blijft Runway audiomodellen van derden toevoegen naast zijn videomodellen.

🔗 De aankondiging van Runway · Het antwoord over de duur van clips

Codeagents: het Claude Code-team licht zijn code review toe, Codex CLI 0.163.0, canvassen en Muse Wonder in Cursor, Gemini CLI verwijst naar Antigravity CLI

16 oktober — Het Claude Code-team legt op claude.dev uit hoe het zijn eigen code beoordeelt, terwijl Claude ongeveer 90 % ervan schrijft. De blogpost van Addy Osmani, Morgan Westlee Lunt en Qing Wang noemt twee cijfers: van juni tot september is het aantal gemergede pull requests meer dan verdubbeld en is het aandeel dat moest worden teruggedraaid met meer dan 40 % gedaald. Het doel is dat de meeste pull requests worden gemerged met hooguit één mens in het proces, die ook de auteur kan zijn.

Elke wijziging doorloopt meerdere lagen: controle door Claude vóór de pull request (tests, compilatie, statische analyse, vervolgens beoordeling van de diff door een tweede agent met een nieuwe context), CI, Code Review, een blokkerende security review, een merge queue (merge queue) en een geleidelijke uitrol. Een classifier bepaalt het risiconiveau op basis van de wijziging, niet van de auteur: geen menselijke goedkeuring voor documentatie of een toevoeging achter een flag, één persoon voor een gewone productwijziging of een gevoelig onderdeel zoals de cache of systeemprompts, twee voor de meest risicovolle wijzigingen. De goedkeuring van een agent geldt nooit als die van een persoon. Tijdens de research preview van Code Review was het aandeel interne pull requests dat inhoudelijke opmerkingen kreeg al gestegen van 16 % naar 54 %.

De blogpost geeft ook cijfers over een probleem dat specifiek is voor agents: reviews die niet convergeren. Een pull request voor de CLI had in één nacht meer dan vijftig rondes doorlopen. Met een maximum van drie rondes, een beoordeling die beperkt blijft tot de nieuwe diff en meldingen per bugklasse convergeert de review sneller:

Indicator (interne pull requests van Claude Code)	Vóór de wijzigingen	Na de wijzigingen
Goedgekeurd na één review- en correctieronde	65 %	78 %
Vijf rondes of meer nodig	8,9 %	1,5 %
Gemiddeld aantal reviews vóór goedkeuring	2,08	1,32

De blogpost eindigt met een implementatielijst: een kort CLAUDE.md, /code-review en /security-review lokaal, een REVIEW.md-bestand geschreven door de codeverantwoordelijken, vastgelegde risiconiveaus, een merge queue en eerdere incidenten die dagelijks opnieuw worden afgespeeld als evaluatieset.

🔗 De blogpost van het Claude Code-team · Het bericht van @ClaudeDevs

Codex CLI 0.163.0: bijsturen tijdens het antwoord, zoeken in /config en Daybreak standaard ingeschakeld

15 oktober — OpenAI publiceert Codex CLI 0.163.0 om 21 h 30 UTC, de eerste stabiele versie sinds 0.162.1 van 9 oktober, met 227 vermeldingen sinds 0.162.0. Daybreak, dat in 0.161.0 van 7 oktober achter de optie cli_daybreak werd geplaatst, is nu standaard ingeschakeld voor accounts die ervoor in aanmerking komen, en codex exec kan het met een OpenAI API-sleutel selecteren zodra de server toegang verleent.

Betrokken gebied	Wijziging in 0.163.0
Bijsturen	een vervolgbericht dat tijdens het antwoord wordt verstuurd, stuurt Codex direct bij; een beurt onderbreken stopt ook de actieve Code Mode-cellen
Commando `/config`	voorkeuren zoeken in alle categorieën, ondersteunde instellingen worden direct toegepast
Commando `/keymap`	instelbare leadertoets (standaard Ctrl+X); spraak dempen verhuist naar F9
Commando `/daemon`	de beheerde achtergrondserver opnieuw starten, daarna automatisch opnieuw verbinden
Tools	onafhankelijke tools met alleen-leestoegang worden parallel uitgevoerd
Netwerkproxy	toestemming wordt gecontroleerd vóór DNS-resolutie, dubbele `Host`-headers worden geweigerd

Bij het hervatten van een thread worden ook de machtigingen en netwerkgoedkeuringen hersteld, en Codex bevat geen aangepaste zsh meer: het gebruikt zijn standaard shell-executor.

🔗 De release notes van Codex CLI 0.163.0

Cursor: cloudagents bouwen deelbare canvassen, de Environments API gaat in bèta, Muse Wonder van Meta haalt 46,1 % op CursorBench

16 oktober — De cloudagents van Cursor kunnen nu interactieve canvassen (canvases) bouwen: je vraagt ze om een dashboard of rapport terwijl ze werken en deelt het voltooide canvas vervolgens via een link met je team. De Environments API gaat in bèta: die maakt en beheert de omgevingen van deze agents programmatisch, inclusief gekloonde repositories en de configuratie in environment.json. Een omgeving ondersteunt nu maximaal 500 repositories en grote omgevingen met meerdere repositories starten volgens Cursor 5 keer zo snel. De changelogvermelding waarnaar de thread verwijst, stond op de avond van de 16e nog niet online, waardoor niet bekend is welke abonnementen in aanmerking komen, wat de prijs is of wanneer de bèta eindigt.

15 oktober — Drie dagen na de lancering door Meta komt Muse Wonder beschikbaar in Cursor, voor 4 dollar per miljoen inputtokens en 20 per miljoen outputtokens, net als via de API van Meta. Cursor benadrukt de 46,1 % op CursorBench bij het standaard effort-niveau, de beste score van een Muse-model; de openbare ranglijst van CursorBench 4.0 vermeldt de andere effort-niveaus.

Model en effort-niveau	CursorBench 4.0-score	Kosten per taak	Positie op de ranglijst
Claude Opus 5.5 Max	57,8 %	13,43 dollars	1e
Muse Wonder Max	50,4 %	5,25 dollars	12e
Muse Wonder Extra High	48,2 %	4,24 dollars	15e
Muse Wonder High	46,1 %	3,51 dollars	21e
Muse Wonder Medium	45,2 %	2,82 dollars	22e
Muse Wonder Low	41,7 %	1,91 dollar	32e
Muse Spark 1.3 Max	41,6 %	2,64 dollars	34e

🔗 De thread van Cursor over cloudagents · Muse Wonder in Cursor · De CursorBench-ranglijst

Gemini CLI meldt niet geoptimaliseerd te zijn voor Gemini 4 Argon en verwijst naar Antigravity CLI

16 oktober — Google heeft in de nacht een waarschuwing bovenaan de README van Gemini CLI toegevoegd. Het kader herinnert eraan dat Gemini CLI voor gebruikers van de gratis versie en Google One op 18 juni 2026 is vervangen door Antigravity CLI, en vermeldt vervolgens vetgedrukt, voordat het gebruikers uitnodigt Argon via Antigravity te gebruiken:

Gemini CLI has not been optimized for Gemini 4 Argon.

🇳🇱 Gemini CLI is niet geoptimaliseerd voor Gemini 4 Argon. — README van Gemini CLI, pull request 29774

Een tweede wijziging, die iets meer dan een uur later werd gemerged, breidt de boodschap uit naar alle nieuwste Gemini-modellen en verwijst naar Antigravity CLI voor de beste programmeerervaring. De README verliest daarbij zijn oorspronkelijke verkoopargumenten: de sectie « Waarom Gemini CLI? » met de gratis limiet van 60 verzoeken per minuut en 1 000 per dag, de geavanceerde mogelijkheden en de GitHub-integratie; inloggen met een Google-account is voortaan alleen bedoeld voor betaalde Code Assist-licenties van organisaties.

Deze kaders zetten de overgang voort die op 19 mei werd aangekondigd: sinds 18 juni blijft Gemini CLI beschikbaar voor Code Assist Standard- en Enterprise-licenties en betaalde API-sleutels, met de belofte van toegang tot de nieuwste Gemini-modellen. Drie dagen nadat Argon algemeen beschikbaar werd, is het voorstel vanuit de community om het aan de modelkiezer van Gemini CLI toe te voegen (pull request 29737) nog steeds niet gemerged.

🔗 Pull request 29775, die de README opschoont · De blogpost van 19 mei over de overgang naar Antigravity CLI

Kort nieuws

Agents en codetools

Amp toont de desktop van zijn runners — Vanuit een thread kun je nu de desktop van een macOS- of Linux-runner bekijken en bedienen, bijvoorbeeld om een door Amp gebouwde iOS-app te proberen, via een browser of de iPhone- en iPad-apps; iedereen die in een thread van de runner kan schrijven, kan ook de desktop bedienen. 🔗 bron
v0 — Bestanden die te groot zijn voor de preview kun je downloaden via het tabblad Code, de iOS-app krijgt keuzemenu’s voor skills en design systems en ondersteuning voor videobijlagen, en Gemini 4-verzoeken mislukken niet meer bij hoge inspanningsniveaus. 🔗 bron
Copilot CLI in preview — Drie previews op één dag (1.0.99-2, 1.0.99-3 en 1.0.100-0), zonder stabiele versie: semantisch zoeken in code wordt de standaardinstelling voor onlinesessies, de optie --disable-client-telemetry schakelt clienttelemetrie uit en een vastgelopen MCP-server blokkeert de sessie niet meer. 🔗 bron
Copilot in Slack en Teams — @GitHub werkt nu aan meerdere repositories binnen hetzelfde gesprek: geopende of samengevoegde pull requests, onderzoek dat zowel de frontend als de backend raakt, een activiteitenoverzicht; gedeelde Slack-berichten en -threads dienen als context. 🔗 bron
Qwen Code v0.25.3-preview.0 — Een dag na de stabiele v0.25.2 zet een preview met 64 items QwenCloud bovenaan /auth, krijgt de Managed Agent volledige toegang tot de Shell met een schakelaar voor goedkeuringen en worden trajecten live weergegeven in de Web Shell. 🔗 bron
Gemini CLI, nightly 0.66.0 — Eerste nightly in de reeks, met negen fixes: gesynchroniseerde uitvoer tegen flikkeren onder tmux, Git-prompts die de interface lieten vastlopen, .env-variabelen die eindelijk worden verwerkt in de MCP-instellingen en SKILL.md-bestanden met een beschrijving op één regel; de stabiele versie en preview blijven ongewijzigd. 🔗 bron
DeepSeek Harness 0.2.1-alpha.5 — 29e preview zonder stabiele versie: vier fixes (het skills-menu na activering van een plugin, overbodige terminals, instructies voor de PTC-modus, de Page Up-toets onder Windows en Linux) en een uitbreidingspunt waarmee plugins modellen per provider kunnen hernoemen. 🔗 bron

ChatGPT, Claude en AI in bedrijven

ChatGPT Sites voor Enterprise — @OpenAIDevs kondigt algemene beschikbaarheid voor Enterprise aan, met dataresidentie in de Verenigde Staten of de EU voor nieuwe Sites, geverifieerde domeinen en privétunnels naar interne API’s; de Enterprise-release notes spreken van een beheerderspreview die wordt uitgerold, en Plus en Pro krijgen geen vaste limiet voor Sites meer. 🔗 bron
ChatGPT Slides wordt uitgerold — De gezamenlijke presentaties, aangekondigd op DevDay van 29 september, komen naar Space voor in aanmerking komende Pro-, Business- en Enterprise-abonnees, met realtime samen bewerken, presenteren vanuit ChatGPT en export naar PowerPoint, PDF of Google Slides. 🔗 bron
Stack Overflow for Agents — Volgens een casestudy van OpenAI hebben twee ingenieurs het product in enkele weken opgeleverd met Codex; de ChatGPT-plugin verdrievoudigde het aantal aanmeldingen van de ene op de andere dag, en een connector voor Stack Internal wordt in 4 dagen gebouwd in plaats van 3 tot 6 weken. 🔗 bron
Sullivan & Cromwell — Het advocatenkantoor bouwde samen met OpenAI Agreement Analyzer, waarvan John Savva binnen het kantoor met Codex een prototype maakte. De tool levert bij een conceptcontract een memorandum en voorgestelde wijzigingen die de advocaat nakijkt; de studie geeft geen cijfers over de efficiëntiewinst. 🔗 bron
De agents van een verkoper bij Anthropic — Shahboz Ibragimov uit het Japanse team beschrijft zes agents op Claude Managed Agents (leads selecteren, Salesforce, antwoorden in het Japans of Engels, verslagen), Claude Tag voor opvolging en Sonnet of Opus afhankelijk van het vereiste beoordelingsvermogen; volgens zijn wekelijkse logboek is ongeveer 60 uur werk bespaard. 🔗 bron
American Forge — Cognition en de National Design Studio starten een residentieprogramma van zes maanden dat ingenieurs bij de Amerikaanse overheid plaatst. Volgens de blogpost telt die meer dan 29 000 verouderde of achterhaalde federale websites; aanmelden kan, zonder vermelding van een vergoeding of het aantal plaatsen. 🔗 bron

Gegenereerde spraak en video

HeyGen Video 1 in de MCP van HeyGen — Je beschrijft de gewenste video aan je agent (ChatGPT, Claude, Claude Code of Cursor) en krijgt die klaar voor publicatie terug, volgens HeyGen binnen enkele seconden; de renders gaan van de credits van het abonnement af. 🔗 bron
NTT Docomo Business en ElevenAgents — De operator test in Aizuwakamatsu (Fukushima) zijn op ElevenAgents gebouwde spraakassistent CONN om oudere inwoners die door de sneeuw niet naar buiten kunnen te informeren en met hen te praten; de reacties worden als positief beoordeeld, zonder cijfers. 🔗 bron
Certificeringen van ElevenLabs — ElevenLabs vernieuwt zijn certificeringen ISO/IEC 27001, 27701, 42001, 27017 en 27018, SOC 2 Type II en PCI DSS niveau 1, en voegt een SOC 2 Type I toe voor ElevenProductions. 🔗 bron

Modellen, benchmarks en onderzoek

Mistral Large 4 op STEMBench — Mistral vestigt de aandacht op de wetenschappelijke benchmark van Ulam, waar zijn model zonder tools 2,501 op 4 behaalt (2,602 voor ingenieurswetenschappen, 2,597 voor astronomie): 6e van 10 configuraties en 4e zonder tools, achter Muse Wonder, Claude Opus 5.5 en Hy4 Preview; de twee koplopers, GPT-6 Astra xhigh en GPT-6.1 Sol, draaiden met tools in Codex. 🔗 bron
Jebadiah v2.1 — Twee open beslismodellen van 27B en 9B, op 10 oktober uitgebracht onder Apache-2.0, behalen 55,94 (35e) en 44,91 (74e) op de Decision Index met 168 modellen, achter Jev 1.13 (60,11). 🔗 bron
Nemotron 3.5 Super VL en grafieken — Volgens Thoughtworks brengt een LoRA die 3,3 uur is getraind op 24 000 gegenereerde grafieken een voorlopig checkpoint van het model van 16,96 % naar 78,13 % op 224 vragen van CharXiv, ten koste van een nettoverlies van 104 vragen elders. 🔗 bron
Arc Pro B65 van Intel — Een communitybenchmark onder llama.cpp meet met SYCL en flash attention een 31,2 % hogere snelheid dan met Vulkan bij prefill op drie modellen van ongeveer 30B in 4 bits: het eerste token van een prompt van ongeveer 16 000 tokens verschijnt bij twee daarvan na 20,5 seconden in plaats van 42. 🔗 bron
TB-Lite Verified — Hugging Face zet zonder aankondiging een gecorrigeerde versie van de benchmark OpenThoughts-TBLite voor terminalagents online: vijf defecte taken van de 100 verwijderd, een scoreberekening met een plafond van 0,997 gecorrigeerd, geen scores gepubliceerd. 🔗 bron
AutoIllustrate van Sakana AI — Nog van 14 oktober: een commandlinetool onder Apache-2.0 zet de sectie « methoden » van een artikel om in een bewerkbare draw.io-figuur en vervolgens in een PNG met een aangepaste stijl; de tool is gebruikt voor de figuren in The Agentic Scientist. 🔗 bron
De behaagzucht van LLM’s volgens Meta — facebookresearch publiceert zonder aankondiging de prompts en beoordelingsrubrieken van het artikel « From Preference Data to Personalization », dat antwoorden in zeven typen indeelt, van onomwonden tegenspraak tot expliciete bevestiging; geen model of cijfers. 🔗 bron
Anthropic en de Simons Foundation — Anthropic stelt 5 miljoen dollar aan financiering, rekenkracht en toegang tot Claude beschikbaar voor wiskundigen, beheerd door de Simons Foundation; samen met de stichting en OpenAI, dat ook 5 miljoen dollar bijdraagt, komt het totaal volgens de Simons Foundation op 15 miljoen dollar, onder meer toegekend via een oproep tot voorstellen. 🔗 bron

Gidsen en onderscheidingen

De beveiliging van LLM’s volgens Perplexity — Een gids behandelt de tien risico’s van de OWASP Top 10 for LLM Applications 2026, met voor elk risico een incident en verdedigingsmaatregelen, en herinnert aan de beveiligingsmaatregelen van Perplexity (de sandbox van Computer, BrowseSafe voor Comet, geen gegevensbewaring bij externe providers); geen nieuwe functionaliteit. 🔗 bron
Studeren met AI — Perplexity publiceert vijf op onderzoek gebaseerde methoden (je laten overhoren, gespreid leren, opnieuw uitleggen, afwisselen, je voortgang bijhouden) en haalt Gallup en de Lumina Foundation aan: 57 % van de Amerikaanse studenten gebruikt wekelijks AI voor hun studie. 🔗 bron
Twee uitvindingen van het jaar volgens TIME — Het tijdschrift rekent Omnilingual ASR van Meta, spraakherkenning voor meer dan 1 600 talen, en NemoClaw van NVIDIA, een autonome agent die is ingeperkt in een sandbox, tot zijn beste uitvindingen van 2026. 🔗 Meta · 🔗 NVIDIA

GitHub: licenties, runners en toegang

Naleving van licenties voor open source — Algemeen beschikbaar voor GitHub Enterprise Cloud met Code Security: een bedrijfsbreed licentiebeleid wordt via een ruleset afgedwongen voor pull requests, en met een nieuw endpoint kunnen codeagents controleren of een pakket eraan voldoet. 🔗 bron
Xcode 27-image — Buiten AI: de Xcode 27-runnerimage van GitHub Actions (macOS 27, uitsluitend Apple Silicon) wordt algemeen beschikbaar, met de ongewijzigde labels xcode-27 en xcode-27-xlarge. 🔗 bron
Evergreen — Buiten AI: GitHub presenteert de GitHub App die ieder kwartaal de toegang van niet-bevestigde externe medewerkers intrekt en inactieve repositories archiveert, zonder ze ooit te verwijderen, binnen een gedeelde organisatie met meer dan 1 400 werknemers. 🔗 bron

Wat dit betekent

Elliptische krommen stonden op dezelfde dag centraal in twee blogposts van Anthropic, vanuit twee invalshoeken. Wat het verleden betreft, achterhaalt Claude de generator en tijdstempels achter de seeds van NIST: er is niets gekraakt, benadrukt Anthropic, maar manipulatie wordt veel minder aannemelijk, en iedereen kan het resultaat reproduceren met de onder CC0 gepubliceerde code. Voor de toekomst vindt Claude Mythos 5 een circuit voor het optellen van punten op een elliptische kromme dat 17 keer minder poorten nodig heeft met 12 % meer qubits, een centrale bouwsteen van quantumalgoritmen die de discrete logaritme op elliptische krommen zouden berekenen, het probleem waarvan de veiligheid van ECDSA afhangt. Anthropic leidt hieruit af dat bruikbare quantumcomputers eerder zouden kunnen komen dan verwacht: het vertrouwen in de totstandkoming van deze krommen groeit terwijl de geschatte kosten dalen van de quantumcircuits die ze ooit zouden kunnen bedreigen.

In de laboratoria werken agents langer zelfstandig, en verificatie wordt de voorwaarde voor hun geloofwaardigheid. Claude Mythos 5 heeft 53 uur gewerkt met een automatische evaluator, met een in Lean geformaliseerd bewijs; de Argon-agents hebben meer dan 27 uur gespeeld onder toezicht van een Observer die valsspelen moest opsporen; de agent van Antigravity schrijft een protocol, maar zijn bacteriocine wacht nog op validatie in het laboratorium. De tools voor onderzoekers volgen dezelfde logica: Deep Review controleert beweringen en samenhang vóór indiening, Open Math OS steunt op Lean en houdt projecten standaard privé, en het Rosalind Academic Plan geeft pas toegang tot GPT-Rosalind na goedkeuring voor vertrouwde toegang.

Bij open modellen wordt de licentie weer een argument. Een dag na Muse Spark Open, uitgebracht onder de Muse Model License met beperkte commerciële gebruiksrechten, verschijnt Beam onder Apache 2.0, met meer dan 40 partners vanaf de eerste dag, een NVFP4-checkpoint en de harness waarmee het is getraind. De kleinere formaten kiezen dezelfde licentie en richten zich op efficiëntie: de kleinste Bonsai 2 neemt 0,43 Go in beslag en draait op een telefoon, en beslismodellen krijgen vorm als categorie, met pplx-decider-v1.2 en zijn Flash-versie voor 0,02 en 0,01 dollar per miljoen tokens, de adapters van Granite Switch 4.1 die de cache van het basismodel hergebruiken en een gemeenschappelijke ranglijst, de Decision Index.

De harness telt inmiddels even zwaar als het model. Reflection levert Beam met Mirror CLI, Google verwijst gebruikers van Argon naar Antigravity CLI in plaats van Gemini CLI, en het Claude Code-team koppelt zijn verdubbelde aantal merges aan de herziening van zijn reviewproces, waarin een classifier bepaalt hoeveel mensen nodig zijn. Voor het brede publiek krijgen agents een groter bereik: GPT-6 Astra Pro verdeelt een taak over meerdere agents, Grok Bot maakt verbinding met Robinhood, Coinbase en eToro, en de plugins van ChatGPT worden een distributiekanaal, van de tools van Pika tot de verdrievoudigde aanmeldingen voor Stack Overflow for Agents.