DeepSeek maakt DeepInfer openbaar, de engine die V4.1-Flash in productie bedient, Mistral lanceert Voxtral 3 en ElevenLabs Eleven Realtime voor spraakagents, Perplexity Computer draait lokaal op Mac

DeepSeek maakt de code van DeepInfer openbaar, de inference-engine die DeepSeek-V4.1-Flash in productie bedient, en geeft cijfers over zijn dienst: 155 000 miljard tokens per dag op één cluster. Diezelfde dag lanceren Mistral en ElevenLabs hun modellen voor spraakagents via twee tegengestelde benaderingen: een keten voor transcriptie en spraaksynthese met Voxtral 3, en één model voor spraak naar spraak met Eleven Realtime, terwijl Perplexity Computer volledig lokaal op Mac laat draaien. Google publiceert ook TorchTPU als open source en OSS Scanner, de dienst van Anthropic, maakt een eerste balans op, met onder meer een inmiddels verholpen kwetsbaarheid in curl.

DeepInfer: DeepSeek maakt de inference-engine openbaar die DeepSeek-V4.1-Flash in productie bedient

20 oktober — DeepSeek publiceert DeepInfer als open source, het eigen inference-framework (inference framework) dat DeepSeek-V4.1-Flash binnen zijn diensten bedient, onder de Apache-2.0-licentie. De gepubliceerde versie is bedoeld voor offline inference en ondersteunt alleen dit model, op NVIDIA SM100-GPU’s en Huawei Ascend 950-NPU’s. De versie bevat de bouwstenen uit productie: de al door DeepSeek gepubliceerde kernelbibliotheken (FlashMLA, DeepGEMM, DeepEP, TileKernels, DeepSelect) en TileLang-kernels, expertparallelisme met load balancing voor het MoE-deel, eigen speculative decoding (DSpark), een begrensde replay van het sliding attention window die de prefill verlicht, en gestructureerde uitvoer op basis van een reguliere expressie, een JSON-schema of een EBNF-grammatica.

DeepSeek maakt tegelijkertijd deepseek-recipe openbaar (MIT-licentie), de productiecomponent die aanvragen via de API’s Messages, Chat Completions en Responses omzet in tokens voor DeepSeek V4 en V4.1, en vervolgens de modeluitvoer in antwoorden. De logica is afgestemd op die van de officiële API: een externe hostingpartij krijgt hetzelfde gedrag voor de denkmodus, toolaanroepen en gestructureerde uitvoer. De FAQ over deployment in de repository geeft de schaal van de dienst weer:

Door DeepSeek gepubliceerde productiegegevens	Gepubliceerde waarde
Door één cluster verwerkte tokens	155 000 miljard per dag
Totale omzet tegen het daltarief	38 dollar per GPU-uur
Prefill	gewone machines met 8 GPU
Decoding	supernodes met 64 tot 128 GPU
Bewaartijd van de KV-cache	meer dan 72 uur

Niet alles is openbaar. Het beheer van de KV-cache en de load balancing tussen replica’s blijven gesloten omdat ze volgens DeepSeek te nauw met de interne infrastructuur verbonden zijn, en worden alleen in een bericht op Zhihu beschreven. Ook de scheiding tussen de visuele encoder, prefill en decoding wordt niet meegeleverd. Doorvoermetingen worden alleen in grafieken gepubliceerd. DeepInfer is aanvankelijk vooral op vLLM gebouwd, met inspiratie uit SGLang en TensorRT-LLM, en zal ook de inference-code van toekomstige DeepSeek-modellen bevatten; de repository telde diezelfde avond 11 562 sterren.

🔗 De thread van @deepseek_ai · DeepInfer op GitHub · deepseek-recipe op GitHub

Voxtral 3: Mistral lanceert modellen voor transcriptie en spraaksynthese, en een SDK voor spraakagents

20 oktober — Mistral lanceert Voxtral 3, een familie van modellen voor transcriptie (speech-to-text) en spraaksynthese (text-to-speech), samen met een SDK om spraakagents te bouwen. Alles is vanaf 20 oktober beschikbaar via de Mistral-API, op Europese, Amerikaanse en wereldwijde endpoints, en in de testomgevingen (playgrounds) van Studio; deployment op locatie of in een private cloud is op aanvraag beschikbaar.

Voxtral 3-model	Beoogd gebruik	Aangekondigde prijs
Voxtral Small Transcribe 3	Nauwkeurigste transcriptie, diarization	0,004 dollar per minuut
Voxtral Mini Transcribe 3 (4B)	Batchtranscriptie, diarization	0,0035 dollar per minuut
Voxtral Mini Transcribe Realtime 3	Realtime transcriptie, minder dan 500 ms	0,008 dollar per minuut
Voxtral Speech 3	Spraaksynthese, in batches en realtime	13 dollar per miljoen tekens

De transcriptie ondersteunt 50 talen, waaronder de 24 officiële talen van de Europese Unie. Ze onderscheidt sprekers (diarization), accepteert trefwoorden om vaktaal beter te herkennen zonder verdere afstemming (fine-tuning) (contextsturing, context biasing) en detecteert het einde van een spreekbeurt. Voor 45 talen uit de FLEURS-benchmark publiceert Mistral deze woordfoutpercentages, waarbij de taal aan het model wordt opgegeven of automatisch wordt gedetecteerd:

Geëvalueerd model (FLEURS, 45 talen)	Taal opgegeven aan het model	Taal automatisch gedetecteerd
Voxtral Small Transcribe 3	4,0 %	4,1 %
Microsoft AI Transcribe 2	4,0 %	4,1 %
Voxtral Mini Transcribe 3	4,5 %	4,6 %
Gemini 3.5 Transcribe	4,5 %	6,1 %
Scribe v2	4,9 %	4,9 %
GPT Transcribe	5,6 %	6,3 %
Whisper large-v3	14,9 %	16,0 %

Mistral zegt dat zijn Small-model beter is dan Whisper, Scribe v2 en Gemini 3.5 Transcribe, maar de eigen grafiek plaatst Microsoft AI Transcribe 2 op gelijke hoogte. Bij realtime gebruik, met een vertraging van 480 ms, behaalt het Mini-model 6,4 % over 35 talen, achter Gemini 3.5 Realtime Transcribe (4,2 %) en Microsoft AI Transcribe 2 Streaming (5,8 %), maar vóór GPT Live Transcribe (8,4 %) en Scribe v2 Realtime (8,7 %).

Voxtral Speech 3 spreekt meer dan 35 talen en meer dan 50 dialecten, leidt emotie en ritme af uit de gesprekscontext of volgt expliciete instructies per regel, en Pro Voice reproduceert een professionele stem op basis van 30 minuten audio; volgens Mistral is het goedkoper in gebruik dan vergelijkbare modellen van OpenAI, Deepgram, ElevenLabs en Google.

De SDK voor spraakagents is gebouwd op LiveKit en verbindt drie modellen via streaming: het realtime model luistert en detecteert het einde van de zin, een algemeen model zoals Mistral Small redeneert en roept tools aan, waarna Voxtral Speech 3 antwoordt. Geen enkele stap wacht op de vorige: elke beurt wordt volgens Mistral in minder dan een seconde afgerond, de agent stopt met praten als hij wordt onderbroken, voert gesprekken via SIP of WebRTC, en elke stap blijft een vervangbaar model. Anders dan Voxtral Transcribe 2 (februari) en Voxtral TTS (maart) is Voxtral 3 niet met open weights aangekondigd: het blogbericht biedt de API van Mistral of deployment op de eigen infrastructuur, te regelen met het team van Mistral, en op de avond van de lancering was er geen repository op Hugging Face te vinden.

🔗 Het blogbericht van Mistral · De thread van @MistralAI

Eleven Realtime: ElevenLabs brengt de spraakagent samen in één model voor spraak naar spraak

20 oktober — Op dezelfde dag als Voxtral 3 kiest ElevenLabs de tegenovergestelde aanpak. Waar de SDK van Mistral drie afzonderlijke en vervangbare modellen achter elkaar schakelt, brengt elk Eleven Realtime-model de volledige spraakagent samen in één model voor spraak naar spraak (Speech to Speech): spraakherkenning, detectie van spraakactiviteit, beurtwisseling, LLM en spraaksynthese worden daarin als één geheel geoptimaliseerd. De modellen spreken meer dan 90 talen en kunnen de meer dan 17 000 stemmen uit de bibliotheek van ElevenLabs gebruiken.

Er verschijnen twee versies. Eleven Realtime v1 Mini, het standaardmodel, richt zich op gesprekken tegen lage kosten (assistenten, docenten, interactieve personages). Eleven Realtime v1 Max redeneert voordat het antwoordt en richt zich op complexe taken, zoals klantenservice of workflows met meerdere stappen en toolaanroepen; het kost meer per token. De gepubliceerde resultaten komen uit evaluaties van Artificial Analysis die ElevenLabs aanhaalt:

Meetwaarde (Artificial Analysis, volgens ElevenLabs)	Eleven Realtime v1 Max	Eleven Realtime v1 Mini
Big Bench Audio (1 000 hardop gestelde vragen)	98,8 %	75,9 %
Gemiddelde wachttijd tot de eerste gesproken woorden	0,57 s	0,62 s
Full-Duplex-Bench (pauzes, onderbrekingen)	94,1 %	95,8 %
Succesvol uitgevoerde taken met tools	87,1 %	60,3 %

Volgens ElevenLabs is geen enkel model in de ranglijst van Artificial Analysis zowel sneller als nauwkeuriger dan v1 Max. Mini gaat iets beter om met de gespreksdynamiek, maar Max vergroot het verschil bij taken met tools.

In ElevenAgents volstaat het om de spraakmodus van een agent van ‘Custom’ naar ‘Realtime’ te wijzigen om de rest van het platform te behouden: telefoon, web, WhatsApp en contactcenters. De modellen worden ook aangeboden via een Realtime-API die compatibel is met die van OpenAI: een ontwikkelaar met een bestaande integratie wijzigt het endpoint en de modelnaam en behoudt zijn code, uitsluitend via WebSocket. De uitrol verloopt geleidelijk per workspace. Mini is niet beschikbaar in de Zero Retention-modus of onder HIPAA, in tegenstelling tot Max, en er worden geen concrete tarieven genoemd: ElevenLabs brengt de gebruikelijke minuutprijs van ElevenAgents in rekening, plus de tokens tegen het tarief van het gekozen model.

ElevenLabs sluit zich daarmee aan bij de end-to-end-spraakmodellen die OpenAI (GPT-Live-1, sinds 10 september voor 0,05 dollar per minuut via de API), Google (Gemini 3.8 Live) en SpaceXSI (Grok Voice 3.0) al aanbieden.

🔗 Het blogbericht van ElevenLabs · De documentatie van de Realtime-modellen

Perplexity Computer draait volledig lokaal op Mac, inclusief het model

20 oktober — Perplexity laat zijn agent Computer volledig op Mac draaien: het model, de uitvoeringsomgeving (harness) en de uitvoering van taken blijven op de machine.

Perplexity Computer can now run fully local on your Mac. Work with your native Mac apps and local files, and run tasks without sending sensitive data to the cloud. The model and the agent both run on your Mac. Available now in the Perplexity Mac app.

🇳🇱 Perplexity Computer kan nu volledig lokaal op uw Mac draaien. Werk met uw native Mac-apps en lokale bestanden en voer taken uit zonder gevoelige gegevens naar de cloud te sturen. Het model en de agent draaien allebei op uw Mac. Nu beschikbaar in de Mac-app van Perplexity. — @perplexity_ai op X

Onderdeel van de lancering	Details volgens Perplexity
Lokale modellen	Qwen 3.6 en PPLX Pro
Aanbevolen geheugen	36 Go unified memory of meer
Ondersteunde machines	Ondersteunde Macs met Apple silicon, zoals de nieuwe Mac mini met M6 en M5 Pro
Betrokken abonnementen	Pro, Max en Enterprise
Computer-credits	worden niet verbruikt door lokale taken
Gebruik van de cloud	met toestemming, naar meer dan 15 frontiermodellen

Met toestemming van de gebruiker werkt de agent met lokale bestanden en in apps zoals Notes, Messages, Mail of Numbers. PPLX Pro is volgens de tweet van Perplexity zijn versie van Qwen 3.8 die verdere training heeft ondergaan; op de vraag hoe groot het model is, antwoordt Aravind Srinivas, de topman van Perplexity, dat het om een dense model met 27 miljard parameters gaat, en hij verwacht dat 36 Go geheugen gebruikelijk zal worden.

De Mac-app biedt nu twee manieren om Computer te starten. Hybrid Compute, gelanceerd op 1 september, begint in de cloud voor onderzoek en redeneren en verwerkt privébestanden lokaal; de nieuwe modus begint op de Mac, waar de planning, het redeneren en de bestandsverwerking blijven. Als de gebruiker toestemming geeft, gebruikt de agent de cloud voor actuele informatie, webbrowsen of verbonden apps, en worden zowel de code als de tools uitgevoerd in geïsoleerde sandboxes, met dezelfde beveiligingsprotocollen als de cloudversie. Perplexity noemt drie toepassingen: een beoordeling van een beleggingsportefeuille op basis van privéposities, een commercieel voorstel op basis van vertrouwelijke notities en een ochtendprioriteitenlijst uit Messages en Mail.

Dit is het Mac-equivalent van Portable Computer, de volledig lokale versie die op 25 augustus op DGX Spark werd gelanceerd en vervolgens in september werd uitgebreid naar Linux, Windows en pc’s met een AMD Ryzen AI Max-processor.

🔗 Het blogbericht van Perplexity

PyTorch zonder NVIDIA-GPU’s: TorchTPU als open source, native TPU’s bij Hugging Face en MPS in PyTorch 2.15

Drie aankondigingen van vandaag laten PyTorch draaien op andere chips dan die van NVIDIA: Google publiceert TorchTPU op de PyTorch Conference, Hugging Face integreert het diezelfde dag in zijn bibliotheken en het PyTorch-team van Hugging Face licht toe wat PyTorch 2.15 voor Macs toevoegt.

TorchTPU: Google maakt zijn native PyTorch-stack voor TPU open source, met vLLM, SGLang, TorchTitan en llm-d 1.0

20 oktober — Google brengt TorchTPU als open source uit, zijn native PyTorch-stack voor TPU’s, samen ontwikkeld met het PyTorch-team van Meta. De TPU wordt een gewoon PyTorch-apparaat (torch.device("tpu")): je debugt met directe uitvoering (eager) en gaat vervolgens in productie met torch.compile, dat via XLA compileert. Tot nu toe moest je je code herschrijven in JAX of het oude torch_xla gebruiken.

Twee inferentie-engines bouwen op TorchTPU: vLLM-TorchTPU, ontwikkeld met Inferact, en SGLang-TorchTPU, met RadixArk, dat al bij Meta in productie draait. Google meldt 2,01 dollarcent per miljoen tokens in de InferenceX-ranglijst van SemiAnalysis, met Qwen 3.5 op Ironwood, en meer dan 700 tokens per seconde voor één gebruiker op Kimi K3, een model met 2 800 miljard parameters. Voor training bereikt TorchTitan op TPU een benutting van de rekencapaciteit (Model FLOPs Utilization) van maximaal 52 % op Qwen 3 8B, met tests tot 8 192 Ironwood-chips. Google brengt ook llm-d 1.0 uit, een Kubernetes-stack voor gedistribueerde modelbediening die samen met Red Hat en IBM is opgezet: bij een workload voor agentische code daalt de mediane wachttijd tot het eerste token met meer dan 85 % en neemt de doorvoer met een factor 2,4 toe ten opzichte van een eenvoudige Kubernetes Service.

🔗 De blogpost van Google Cloud · De vLLM- en SGLang-engines op TPU · llm-d 1.0

Hugging Face maakt TPU’s native in Transformers, Diffusers en Kernels

20 oktober — Hugging Face integreert TorchTPU in zijn ecosysteem: de TPU wordt een gewoon apparaat, zonder tussenkomst van PyTorch/XLA of JAX, en Optimum TPU, de laag die Hugging Face tot nu toe onderhield, is niet langer nodig voor Transformers en Diffusers. In Transformers volstaat het om een model te laden met device_map="tpu"; in Diffusers volstaat pipe.to("tpu"), met optionele compilatie en tensorparallellisme om grote modellen over meerdere chips te verdelen.

Door Hugging Face gemeten geval	Gepubliceerd resultaat
Qwen-Image-2.1, afbeelding 1024 × 1024 in 40 stappen (TPU v6e-4)	3,5 s gecompileerd, 8,0 s zonder compilatie
MiniMax-H3, video met audio van 5,2 s (TPU v6e-4)	188 s gecompileerd, 262 s zonder compilatie
Decodering van Qwen3-30B-A3B, batch van 64, Tokamax-kernel (v6e-8)	21,5 keer sneller
Geslaagde Transformers-tests op TPU	96,5 %

Het team heeft 34 problemen gemeld bij het TorchTPU-project, waarvan er al 19 zijn opgelost, en bereidt nachtelijke CI op TPU voor. Dit is de tweede native PyTorch-backend voor een accelerator van een andere fabrikant dan NVIDIA die Hugging Face in twee dagen integreert, na TorchNeuron voor AWS Trainium een dag eerder.

🔗 De blogpost van Hugging Face over TorchTPU

PyTorch 2.15 brengt FP8 naar de Mac en versnelt de decodering van MoE’s tot 6,5 keer

20 oktober — Het PyTorch-team van Hugging Face, dat werkt aan MPS, de backend voor de GPU van Macs met Apple silicon, beschrijft wat PyTorch 2.15 brengt, dat nog een release candidate is. FP8 komt naar de Mac, met één byte per waarde, de helft van BF16, en directe vermenigvuldiging op de GPU. Dankzij native gegroepeerde matrixvermenigvuldiging wordt de decodering van MoE-modellen 5 tot 6,5 keer sneller dan in 2.14.

Meting op Mac	Met PyTorch 2.14	Met PyTorch 2.15
Decodering van Qwen3.6-35B-A3B op M3 Ultra	9,4 tokens/s	61,3 tokens/s
Decodering van LFM2.5-8B-A1B op M3 Ultra	23,6 tokens/s	123,6 tokens/s
Softmax FP32 op 128 256 logits	57 µs	7 µs
Piekgeheugengebruik van de driver, VAE van Wan2.2	270,1 Gio	8,1 Gio

De VAE-encoder van Qwen-Image-2.1, die op MPS ongemerkt afbeeldingen beschadigde, is gerepareerd. PyTorch 2.15 vereist macOS 15 en Python 3.11, en een vooruitblik op 2.16, die nog kan veranderen, kondigt volledig in Metal geschreven attention aan.

🔗 De blogpost van Hugging Face over MPS

Beveiliging van open source-software: de eerste resultaten van OSS Scanner en de pakketfirewall van GitHub

Twee aankondigingen richten zich op beide uiteinden van de open source-softwareketen: kwetsbaarheden in de code van projecten opsporen en pakketten filteren op het moment dat ze worden geïnstalleerd.

OSS Scanner: 114 projecten geaccepteerd, 77 kritieke en 803 ernstige kwetsbaarheden gemeld, een kwetsbaarheid in curl verholpen

19 oktober — Elf dagen na de lancering publiceert OSS Scanner, de gratis dienst van Anthropic die kritieke open source-projecten door zijn krachtigste modellen laat scannen, de eerste cijfers. In een thread die dezelfde avond door @ClaudeDevs werd gedeeld, meldt Punit Shah, productmanager van de dienst, ongeveer 650 aangemelde projecten en 114 geaccepteerde projecten. De scans hebben al 77 kritieke kwetsbaarheden en 803 kwetsbaarheden met een hoge ernst aan de beheerders gemeld, volgens de ernst die het model toekent, terwijl nog niet alle projecten zijn gescand.

Het uitgelichte voorbeeld is curl: de kwetsbaarheid CVE-2026-92392, waarbij tijdens een HTTP/2-upload geheugen na vrijgave wordt gebruikt (use-after-free), werd met een vroege versie van OSS Scanner gevonden en op 14 oktober verholpen in curl 8.23.0. Het beveiligingsadvies van curl classificeert de kwetsbaarheid als ernstig voor versies 8.12.0 tot en met 8.22.0 en vermeldt « Luna with Claude, Anthropic » als melder. Een andere les: de meeste eerste meldingen, per e-mail verstuurd met hun proof of concept, werden geweigerd, waarschijnlijk omdat de e-mailfilters ze voor malware aanzagen. Anthropic test daarom aanlevering via GitHub Security Advisories; volgens een schatting van Punit Shah wachtten nog meer dan 150 projecten op een beslissing.

🔗 De thread van Punit Shah · Het beveiligingsadvies van curl

GitHub filtert in preview de npm-pakketten die Actions-runners en codeagents installeren

20 oktober — GitHub stelt een pakketfirewall (package firewall) beschikbaar in publieke preview. Het uitgangspunt: steeds meer aanvallen benutten het moment waarop een pakket wordt geïnstalleerd om inloggegevens op CI/CD-hosts of werkstations van ontwikkelaars te verzamelen, zonder zelfs de code van het pakket uit te voeren. De firewall plaatst zich tussen de uitvoerders (runners) van GitHub Actions of de codeagents en de upstreamregisters, en inspecteert zowel metadata-aanvragen als downloads.

Kernpunt van de firewall	Wat de preview biedt
Beschikbare controles	Wachttijd, waarschuwingen uit de GitHub Advisory Database, downgrades van attestaties
Betrokken klanten	GitHub Enterprise Cloud, inclusief gegevensresidentie
Ondersteund ecosysteem	Voorlopig alleen npm
Prijs	Gratis tijdens de preview, daarna op basis van gebruik gefactureerd, zoals GitHub Actions

De codeagents en CI/CD-hosts moeten zo worden ingesteld dat ze via de firewall werken in plaats van rechtstreeks de registers te bevragen, en voor een onterecht geblokkeerd pakket kan een uitzondering worden aangevraagd.

🔗 De aankondiging van GitHub

Assistenten: de vergrendelde chats van ChatGPT, Gemini voor kleine bedrijven en voor Amerikaanse overheidsdiensten

OpenAI en Google voegen functies voor specifieke behoeften toe aan hun assistenten: de privacy van een gesprek bij ChatGPT, kleine bedrijven en Amerikaanse overheidsdiensten bij Gemini.

ChatGPT verbergt gesprekken achter een pincode van 4 cijfers

20 oktober — ChatGPT introduceert vergrendelde chats (locked chats): een geselecteerd gesprek blijft in het account, maar verdwijnt uit de geschiedenis, vastgepinde chats en zoekresultaten. Het wordt verplaatst naar de ruimte Locked chats in Projects, die je opent met een accountpincode van 4 cijfers of, op mobiel, met Face ID, Touch ID of de ontgrendeling van het Android-apparaat. De functie wordt geleidelijk uitgerold op het web, iOS, Android en de nieuwe desktopapp voor macOS en Windows, van Free tot Pro en ook op Business, Enterprise en Edu, maar niet op ChatGPT for Healthcare.

OpenAI licht de beperkingen toe: de vergrendeling biedt geen end-to-end-encryptie of afzonderlijke kluis en verandert de bewaartermijn niet. Het opnieuw instellen van een vergeten pincode verwijdert definitief alle vergrendelde chats en de bestanden die ze beschermen. Bij bedrijven blijven vergrendelde chats opgenomen in de logs van het OpenAI Compliance Platform, en beheerders kunnen de functie niet uitschakelen of een chat ontgrendelen. Codex-gesprekken, tijdelijke chats en groepschats kunnen niet worden vergrendeld.

🔗 De release notes van ChatGPT · De handleiding voor vergrendelde chats

De Gemini-app opent een ruimte voor kleine bedrijven

20 oktober — Google voegt aan de Gemini-app een startpagina voor kleine bedrijven toe, gepresenteerd als één centraal startpunt om hun merk op te bouwen, hun financiën te analyseren en hun klanten beter te begrijpen; volgens Google gebruiken al tientallen miljoenen eigenaren van kleine bedrijven Gemini. Voor de visuals levert de ondernemer zijn website, huisstijl, lettertypen of kleuren aan: Gemini gebruikt Nano Banana 2.1 om de visuals voor een lancering of campagne te maken en bewaart die stijl zonder dat opnieuw uploaden nodig is. Voor de financiën worden rommelige spreadsheets, bonnetjes of aankoopgeschiedenissen binnen enkele seconden omgezet in grafieken en interactieve modellen.

Gemini maakt verbinding met Google Business Profile, Google Ads en Google Workspace, en met Adobe, Canva, Dropbox, Shopify, Wix, Zoho en Xero. Een van de getuigenissen komt van een keramiste uit Bordeaux (Bleu Clémentine), die zegt twee tot drie uur per dag te besparen. De uitrol begint « de komende dagen », wereldwijd en voor alle gebruikers van de app.

🔗 De blogpost van Google

Gemini for government services: de Gemini-agent in preview voor Amerikaanse overheidsdiensten

20 oktober — Google Cloud brengt voor de publieke sector een variant uit van de Gemini-agent die begin oktober tijdens Gemini at Work werd gepresenteerd: Gemini for government services is in preview beschikbaar voor federale, deelstatelijke en lokale overheidsinstanties in de VS, zo kondigde Thomas Kurian, het hoofd van Google Cloud, aan. Het aanbod combineert skills die wetten, regels en richtlijnen van de instanties toepassen, connectors naar hun systemen die ter plaatse worden bevraagd zonder gegevensmigratie, partneragents, waaronder die van SZNS Solutions, één control plane voor beveiliging en compliance, en een netwerk van 13 integrators.

Google noemt zeven toepassingen, van onderzoek naar regelgeving met verwijzingen tot op alineaniveau tot het zwartlakken van documenten vóór publicatie, met daartussen verzoeken om toegang tot overheidsdocumenten (FOIA) en de controle van subsidie-uitgaven. De connectors ondersteunen Federal Register, regulations.gov en eCFR, Oracle, Salesforce, ServiceNow, Google Workspace en Microsoft 365. Google werkt samen met de staat Missouri en het Amerikaanse ministerie van Volksgezondheid (HHS), en het aanbod kan worden uitgerold binnen de FedRAMP High-gegevensgrens van Assured Workloads; er zijn geen prijzen of datum voor algemene beschikbaarheid aangekondigd.

🔗 De blogpost van Google Cloud

Toegepaste AI: door Claude ontworpen eiwitbinders, de aanbevelingen van QD-Rec en Flora voor robots

Drie onderzoeken van vandaag passen modellen toe op een specifiek probleem: het ontwerpen van eiwitten tegen gifstoffen, beslissingsondersteuning en het annoteren van video’s om robots te trainen.

Claude ontwerpt eiwitbinders tegen schorpioenneurotoxinen: 17 gevalideerd van de 211 geteste

20 oktober — Anthropic publiceert op zijn Science-blog een campagne waarin Claude eiwitten ontwierp tegen vijf schorpioenneurotoxinen uit vier regio’s, van Mexico tot het Midden-Oosten. Een intern onderzoeksmodel, gebruikt in Claude Science, nam de prompt uit een studie van augustus over, aangepast samen met Citrini Research, en werkte vervolgens grotendeels zelfstandig, bijgestuurd door vier vervolgprompts van het team: 318 484 ontwerpen gegenereerd met 12 tools en een definitieve lijst van 180 ontwerpen in 64 uur, wat ongeveer 10 000 GPU-uren aan rekenwerk vergde. Adaptyv Bio en Twist Bioscience testten 211 ontwerpen, waarvan er 31 door het team waren toegevoegd. Volgens strenge criteria binden 17 zich aan hun doelwit, elk aan slechts één toxine, en geen ervan richt zich op het Braziliaanse toxine Ts1. De twee beste, Cn2-B1 en Cn2-B2, binden aan het Mexicaanse toxine Cn2 met een affiniteit van enkele nanomolair en lijken zich te richten op dezelfde bindingsplaats als het LR-antilichaam, dat het toxine bij muizen neutraliseert.

This is exploratory work, and we’re not claiming to have produced an antivenom—for that, we’d have to test the binders within living cells, then in mice, among many other steps. But it’s an example of how Claude can concretely assist research in protein design.

🇳🇱 Dit is verkennend onderzoek, en we beweren niet dat we een antigif hebben gemaakt: daarvoor zouden de binders in levende cellen en vervolgens in muizen moeten worden getest, naast vele andere stappen. Maar het is een voorbeeld van hoe Claude concreet kan helpen bij onderzoek naar eiwitontwerp. — @AnthropicAI op X

De 211 ontwerpen en de bijbehorende gegevens zijn gepubliceerd. Een kanttekening erkent dat dit rekenwerk de middelen van de meeste onderzoekers te boven gaat, maar geeft aan dat een vereenvoudigde prompt, met één agent en één GPU gedurende 24 uur, vergelijkbare in silico-scores behaalt.

🔗 De blogpost van Anthropic

QD-Rec: Sakana AI laat gevarieerde en onderbouwde aanbevelingen evolueren

20 oktober — Sakana AI presenteert QD-Rec, dat open zoekprocessen (open-ended search) en de aanpak op basis van kwaliteit en diversiteit (Quality-Diversity) toepast op aanbevelingen voor beslissingsondersteuning. In plaats van kandidaten te rangschikken, zoekt de methode naar paren van een kandidaat en een hypothese: een over te nemen bedrijf, een te benaderen klant of een te lezen artikel, en de tekst die uitlegt waarom je daarvoor zou kiezen. Een contextuele bandit kiest de volgende kandidaat en geeft daarbij de voorkeur aan weinig verkende gebieden, een LLM schrijft de hypothese door al gearchiveerde hypothesen aan te passen of te kruisen, en een archief per niche bewaart nieuwe argumenten.

Bij tests op fusies en overnames, marketingtargeting en artikelaanbevelingen, met Claude Sonnet 5 of Claude Haiku 4.5 als generator van voorstellen en gpt-5.6-terra als beoordelaar, behaalt QD-Rec in de meeste gevallen de beste gemiddelde kwaliteit en het grootste archief bij 1 000 evaluaties: voor Walt Disney 2,91 op 10 en 214 aanbevelingen, tegenover 2,40 en 85 zonder evolutie. Sakana benadrukt dat deze scenario’s geen beleggingsadvies zijn en dat een model daarin een cijfer heeft genoemd dat niet in de gegevens voorkwam; de code is gepubliceerd onder de Apache-2.0-licentie.

🔗 Het technische artikel van Sakana AI

Flora: NVIDIA stelt de gewichten beschikbaar van een reeks modellen die video’s voor robots annoteert

20 oktober — Het GEAR-laboratorium van NVIDIA stelt de gewichten beschikbaar van Flora, een reeks modellen die ruwe video’s van robots of mensen omzet in trainingssignalen: beschrijvingen van acties met tijdstempels, resultaatbeloningen om uitrol te bewaken en procesbeloningen voor reinforcement learning. Flora dient al als datamotor voor het trainen van de GR00T-modellen en annoteert 200 000 uur video per dag op 512 GB300-GPU’s. Volgens NVIDIA kan het zich meten met GPT-6 Astra tegen ongeveer 125 keer lagere kosten, maar de gepubliceerde tabel geeft een genuanceerder beeld:

Benchmark en meetwaarde	Flora	GPT-6 Astra
DenseRewardBench, macro F1 (hoger = beter)	46,2	40,7
RoboReward, gemiddelde absolute fout (lager = beter)	40,0	55,4
DenseCaptionBench Robot200, F1 voor segmentatie	66,9	71,9
WGO-Bench, nauwkeurigheid (gold-window)	64,7	77,4

Flora overtreft GPT-6 Astra op de meeste beloningsmetingen en op video’s van mensen, maar blijft achter op video’s van robots, op twee van de drie metingen van WGO-Bench, op de correlatie van Robometer buiten de distributie en op RubricBench.

🔗 De projectpagina van Flora · De thread van Jim Fan

Overname en partnerschap: OpenAI neemt Orchestra Bio over, Runway sluit zich aan bij de Claude Marketplace

Twee zakelijke transacties vandaag: een overname binnen de geneesmiddelenontwikkeling bij OpenAI en een distributieovereenkomst tussen Runway en Anthropic.

OpenAI neemt Orchestra Bio over om Rosalind te verbinden met geneesmiddelenontwikkeling

20 oktober — OpenAI kondigt de overname aan van Orchestra Bio, een platform waarop mensen en AI-agenten samen geneesmiddelenprogramma’s verder brengen: wetenschappers en programmaverantwoordelijken delegeren er de opvolging van studies en campagnes aan agenten. OpenAI geeft een voorbeeld: een mislukte productiebatch kan de start van een klinische studie vertragen; de agenten brengen dan de getroffen activiteiten en planningen in kaart, verzamelen de informatie en vergelijken mogelijke reacties, terwijl de beslissing bij de teams blijft.

Het team en de technologie van Orchestra worden onderdeel van Rosalind, het aanbod van OpenAI voor de levenswetenschappen: GPT-Rosalind voor redeneren over biologie en chemie, Rosalind Workbench om die mogelijkheden te verbinden met de tools en gegevens van onderzoekers. Het uitgesproken doel: agenten die ontdekkingen verbinden met studies, beslissingen en vervolgstappen voor een potentieel geneesmiddel. OpenAI herinnert eraan dat in de Verenigde Staten gemiddeld 10 tot 15 jaar verstrijken tussen de ontdekking van een aangrijpingspunt en de goedkeuring door de toezichthouder. Er wordt geen bedrag bekendgemaakt.

🔗 De aankondiging van OpenAI

Runway Creative komt naar de Claude Marketplace, te betalen vanuit de bestedingsverplichting bij Anthropic

20 oktober — Runway sluit zich aan bij de Claude Marketplace van Anthropic met Runway Creative, zijn platform voor het genereren en bewerken van video’s, afbeeldingen en audio. Zakelijke klanten die daarvoor in aanmerking komen, kunnen een deel van hun bestedingsverplichting bij Anthropic gebruiken voor de aankoop van Runway, via hun vertegenwoordiger bij Runway of Anthropic; er worden geen tarieven gepubliceerd. Runway Creative verenigt Gen-4.5, Aleph 2.0, Seedance 2.5, Kling 3.0 en ElevenLabs V4, en Claude levert het redeneervermogen van Runway Agent, dat een verzoek omzet in een shotindeling, het model voor elk shot kiest en de video samenstelt. Animaties uit Claude Motion, in bèta op Claude Team en Enterprise, kunnen naar Runway worden geëxporteerd om afbeeldingen, voice-overs en muziek toe te voegen.

Runway stelt meer dan 65 miljoen makers, filmmakers en marketingteams te hebben. Dit is aan de kant van Anthropic de tegenhanger van de komst van Runway Creative naar de OpenAI Marketplace op 29 september.

🔗 De aankondiging van Runway

Modellen meten: MultiLangBench van OpenAI, FairStress van Ai2 en CALIBER van Cohere Labs

Drie onderzoekspublicaties evalueren modellen vanuit drie invalshoeken: code in weinig gebruikte talen, de eerlijkheid van hun beslissingen en het vertrouwen dat ze in hun eigen antwoorden stellen.

MultiLangBench: GPT-6 Astra bouwt een SQLite-compatibele engine in 20 talen, waaronder COBOL

19 oktober — OpenAI publiceert een onderzoeksartikel over programmeertalen met weinig bronnen (low-resource), zoals COBOL, Fortran of Visual Basic, waarvoor veel minder code en documentatie bestaan dan voor Python, hoewel ze banksystemen of weersvoorspellingen laten draaien. De eerste evaluatie, MultiLangBench, gepubliceerd onder de Apache-2.0-licentie, vraagt om vanaf nul een SQLite-compatibele database-engine te bouwen in een van 20 talen, gecontroleerd met tests die zijn aangepast uit de testsuite van SQLite.

Geëvalueerd model (maximale inspanning)	Gemiddelde over 20 talen	COBOL	Fortran	Visual Basic
GPT-5.6 Sol	26,8 %	10,9 %	21,4 %	27,5 %
GPT-6 Luna	40,3 %	17,1 %	31,4 %	41,6 %
GPT-6 Astra	87,4 %	72,1 %	83,5 %	89,4 %

GPT-6 Luna kost ongeveer 0,77 dollar per sample, tegenover 3,48 dollar voor GPT-5.6 Sol. Bij een tweede evaluatie, de migratie van COBOL-programma’s naar C++, Java, Kotlin, Python of Rust met byte voor byte identieke uitvoer, slaagt GPT-6.1 Sol in 86,6 % van de gevallen bij een lage inspanning, tegenover 5,4 % voor GPT-5.6 Sol bij dezelfde instelling, en kost het 39 % minder; bij een hogere inspanning bereikt het 97,9 %. OpenAI benadrukt dat een migratie in productie nog steeds een beoordeling door experts vereist.

🔗 Het artikel van OpenAI · MultiLangBench op GitHub

FairStress: Ai2 meet demografische eerlijkheid voorbij het uiteindelijke antwoord

20 oktober — Ai2 publiceert FairStress, een benchmark die de demografische eerlijkheid van modellen test en verder kijkt dan hun uiteindelijke keuze: hij meet ook hoe gemakkelijk een model een goed onderbouwde beslissing opgeeft bij een poging tot overtuiging met een argument, en hoe het die beslissing rechtvaardigt. De benchmark bevat 300 beslisscenario’s tussen twee kandidaten in 29 domeinen, van werving tot huisvesting, uitgewerkt tot meer dan 13 miljoen testgevallen.

Zonder demografische informatie gedragen de modellen zich symmetrisch. Bij 15 modellen bedraagt het gemiddelde verschil in het opgeven van een goed antwoord 6,9 punten bij een impliciete identiteit en 9,3 punten bij een expliciet label: modellen laten de beste kandidaat gemakkelijker vallen wanneer die als lid van de meerderheid is gecodeerd, wat Ai2 een anti-stereotiepe overcorrectie noemt. Toonaangevende modellen zoals Claude Opus 5 en GPT-5.5 behouden de als lid van een minderheid gecodeerde kandidaat in ongeveer 60 tot 65 % van de dubbelzinnige gevallen, en de meeste van de negen geteste correctiemethoden verminderen de asymmetrie niet betrouwbaar. Ai2 verduidelijkt dat zijn definitie van eerlijkheid berust op gelijke behandeling; de code is gepubliceerd onder de MIT-licentie.

🔗 Het artikel van Ai2

CALIBER: Cohere Labs leert redeneermodellen hun vertrouwen vóór en na het nadenken in te schatten

20 oktober — Cohere Labs, het onderzoekslaboratorium van Cohere, presenteert CALIBER (Calibration Before and After Reasoning), een methode die een redeneermodel leert zijn kans op succes tweemaal in te schatten: vóór het nadenken en vervolgens voor het gegeven antwoord. De eerste vertrouwensinschatting wordt getraind op het slagingspercentage van het model bij meerdere pogingen voor dezelfde vraag (zeven geslaagde pogingen op tien geven een doelwaarde van 70 %), de uiteindelijke vertrouwensinschatting op de juistheid van het antwoord.

Op de benchmark BigMathDigits daalt de verwachte kalibratiefout (Expected Calibration Error, ECE) van het model met 7 miljard parameters van 0,059 voor de beste methode met één vertrouwensinschatting naar 0,028, oftewel 52,5 % minder; zonder aanvullende training bedraagt de daling 26,8 % op GPQA, 32,2 % op TriviaQA en 36,2 % op SimpleQA. Het model met 30 miljard parameters nuanceert dit beeld: zijn ECE (0,022) is slechts een fractie beter dan die van CoCA-lite (0,023). Het gebruik van deze inschattingen om te bepalen wanneer een antwoord moet worden gecontroleerd of achterwege moet blijven, is niet getest, en er wordt geen Cohere-product aangekondigd.

🔗 Het artikel van Cohere · Het artikel op arXiv

De OpenAI-API bewaart prompts 12 uur in cache, tegen 2,5 keer de inputprijs bij het schrijven

20 oktober — Met de OpenAI-API kan een prompt nu 12 uur in cache worden bewaard, tegenover standaard 30 minuten. De vernieuwing richt zich op persistente agenten, zoals de dots van OpenAI, die de hele dag dezelfde instructies, tools en context hergebruiken: ook verzoeken met meerdere uren ertussen profiteren nog van het verlaagde tarief voor gecachete tokens. De instelling verloopt via de parameter prompt_cache_options.ttl van de Responses API, voor GPT-5.6 en latere modellen, en de twee bewaartermijnen kunnen binnen hetzelfde verzoek worden gecombineerd: 12 uur voor gedeelde instructies, 30 minuten voor het recente deel van het gesprek.

Tarieftype (GPT-5.6 en later)	Vermenigvuldigingsfactor van de inputprijs zonder cache
Schrijven naar de cache, 30 minuten (standaard)	1,25
Schrijven naar de cache, 12 uur (Responses API)	2,5
Lezen uit de cache	0,1 (0,05 voor GPT-6.1 Sol)

Voor een context die de hele dag wordt hergebruikt, schat OpenAI dat de besparingen ruimschoots opwegen tegen de extra schrijfkosten.

🔗 De handleiding voor promptcaching · De thread van @OpenAIDevs

Codeagents: Claude Code 2.1.304, Copilot CLI 1.0.101, Vibe CLI 3.0.1 en Devin Fusion

Drie CLI’s voor codeagents brengen versies uit die gericht zijn op machtigingen en betrouwbaarheid, en Cognition meet zich met Claude Code op een onafhankelijke index.

Claude Code 2.1.304: /claude-api managed-agents-secure, waarschuwing vóór een kostbare hervatting en 43 bugfixes

19 oktober — Claude Code 2.1.304, gepubliceerd op GitHub om 21.34 uur UTC, telt 76 punten, waaronder 43 bugfixes. Het nieuwe commando /claude-api managed-agents-secure vergelijkt de instellingen van een Claude Managed Agents-agent met de beveiligingsrichtlijnen die Anthropic heeft gepubliceerd, zonder iets te wijzigen. Pro- en Max-abonnees krijgen een waarschuwing wanneer het hervatten van een inactief gesprek een aanzienlijk deel van hun gebruikslimiet voor vijf uur zou verbruiken, en kunnen in plaats daarvan een nieuw gesprek openen waarin Claude het oude terugvindt. /auto-mode-setup komt beschikbaar op Bedrock, Vertex, Foundry en de Claude apps-gateway.

Verschillende bugfixes beschermen het werk van de gebruiker: claude --worktree verwijdert niet langer zonder te vragen een worktree en de bijbehorende branch wanneer HEAD detached was of op een andere branch stond, wat tot verlies van commits kon leiden, en een rm -r op een gemounte schijf activeert nu de veiligheidsprompt. Het zoeken naar tools wordt standaard actief achter een aangepaste ANTHROPIC_BASE_URL, en Code Review kan alle repositories van een GitHub-organisatie beoordelen, ook die welke later worden toegevoegd.

🔗 De release notes van Claude Code 2.1.304

Copilot CLI 1.0.101: native gestructureerde uitvoer voor subagents en richtlijnen voor de beoordelaar van machtigingen

20 oktober — GitHub brengt Copilot CLI 1.0.101 uit als stabiele versie, een dag na 1.0.100; de 30 punten zijn afkomstig uit twee previewversies die tussendoor verschenen. Twee toevoegingen staan bovenaan de lijst: native gestructureerde uitvoer voor subagents van dynamische workflows (dynamic workflows), op modellen die dit ondersteunen, en een instelling assistedApprovalInstructions die de bevestigingsbeslissingen van de beoordelaar van Assisted Permissions stuurt.

De machtigingen worden duidelijker: goedkeuringsprompts leggen de reden voor een escalatie uit en bieden een diagnosecommando dat specifiek is voor het verzoek, en een shellcommando dat een map aanmaakt en vervolgens opent, vraagt om goedkeuring voor het pad in plaats van meteen te worden geweigerd. Voor bedrijven worden plugins die aan een Team zijn toegewezen geïnstalleerd vanuit de GitHub-marktplaatsen van dat Team, en de modelkiezer markeert het door de beheerder opgelegde model als standaard. Onder macOS maakt de sandbox rechtstreeks verbinding met lokale TCP-services wanneer lokale toegang is toegestaan, en de lokale modellen van providers.json blokkeren de Auto-modus niet langer.

🔗 De release notes van Copilot CLI 1.0.101

Vibe CLI 3.0.1: terugkeer van Python 3.12 en YOLO-modus door de beheerder verboden

20 oktober — Een dag na Vibe CLI 3.0.0 brengt Mistral zonder aankondiging 3.0.1 uit: 58 punten, waaronder 9 toevoegingen, 15 wijzigingen en 34 bugfixes. Deze versie draait een beslissing uit 3.0.0 terug: Vibe werkt weer met Python 3.12 en hoger, in plaats van Python 3.14 te vereisen. Een nieuwe beheerdersinstelling, enable_auto_approve, verbiedt de zogenoemde ‘YOLO’-modus voor automatische goedkeuring: de agent auto-approve verdwijnt en de opties --auto-approve, --yolo en bypass_tool_permissions worden genegeerd, terwijl de machtigingen per tool van kracht blijven.

Subagents worden beter gevolgd: vibe -p wacht op de subagents die na een beurt zijn blijven draaien, en de export vermeldt hun status, model, gebruik en kosten, elk volgens het tarief van zijn eigen model. Het experimentele commando vibe run-server laat veel niet-interactieve sessies in één proces draaien, en een antwoord dat bij de limiet voor uitvoertokens is afgebroken, wordt tot zes keer opnieuw opgevraagd.

🔗 De release notes van Vibe CLI 3.0.1

Devin Fusion: 68,2 op de Coding Agent Index, tegen 31 % lagere kosten per taak dan Claude Code met Opus 5.5

19 oktober — Cognition benadrukt de score van Devin Fusion, zijn harness dat een hoofdmodel en een hulpmodel (sidekick) combineert, op de Coding Agent Index van Artificial Analysis, een onafhankelijke index die codeagents beoordeelt op drie even zwaar gewogen evaluaties:

Devin Fusion has claimed a top score of 68 on the @ArtificialAnlys Coding Agent Index with an Opus 5.5 lead and GPT-6 Luna sidekick. Devin Fusion outperforms Claude Code with Opus 5.5 on both performance and price – earning a score of 68 at a 31% lower cost per task.

🇳🇱 Devin Fusion behaalt een van de beste scores, 68, op de Coding Agent Index van @ArtificialAnlys, met Opus 5.5 als hoofdmodel en GPT-6 Luna als hulpmodel. Devin Fusion overtreft Claude Code met Opus 5.5 zowel qua prestaties als qua prijs, met een score van 68 tegen 31 % lagere kosten per taak. — @cognition op X

De gegevens van de index bevestigen het kostenverschil; Devin Fusion staat er tweede van 42 configuraties:

Geëvalueerde configuratie	Indexscore	Gemiddelde kosten per taak
Claude Code, Sonnet 5.5 (max)	68,4	14,19 dollars
Devin Fusion CLI, Claude Opus 5.5 Max + GPT-6 Luna High	68,2	9,02 dollars
Claude Code, Opus 5.5 (max)	66,0	13,04 dollars

Muse Code met Muse Wonder Full volgt op 68,0. Devin Fusion heeft een duidelijke voorsprong op DeepSWE v1.1 (72,6 tegenover 68,4) en op SWE-Atlas-QnA (69,4 tegenover 66,4), maar Claude Code met Opus 5.5 behoudt het voordeel op Terminal-Bench v4 (63,1 tegenover 62,6). Cognition publiceert geen nieuw artikel.

🔗 De Coding Agent Index van Artificial Analysis

Kort nieuws

Agents en codetools

De release notes van Devin van 19 oktober — Devin bekijkt nu de CI-status van een commit, branch of tag, en niet meer alleen van een pull request, op GitHub, GitLab, Azure DevOps en Bitbucket; Devin Review krijgt een regeleditor en een knop Review now, en het nachtelijke dromen van het geheugen (nightly memory dreaming) kan worden uitgeschakeld. 🔗 bron
Agent Manager — Hugging Face publiceert onder de Apache-2.0-licentie een privéwerkruimte, gedeployd in een Space, om vanuit de browser tientallen agents van Claude Code, Codex, Gemini CLI, opencode of Hermes aan te sturen, die onderling communiceren en blijven draaien terwijl je vanaf een ander apparaat verdergaat. 🔗 bron
MCP-tools zoeken bij Zed — Het team van Zed heeft 25 manieren vergeleken om de juiste MCP-tool te vinden, waaronder beslismodellen, LLM’s en vectorrepresentaties (embeddings), op 150 zoekopdrachten en 536 tools, en kiest voor een gewogen BM25 met enkele normalisatieregels, lokaal en zonder API-aanroep; er worden geen gedetailleerde scores of een bijbehorend product genoemd. 🔗 bron
Zed 1.24.4 en 1.25.1 als preview — De stabiele versie verhelpt problemen bij het laden van OpenCode-modellen; de preview voegt HTML-syntaxkleuring toe voor templates met de tags svg, mathml en raw, en CSS-syntaxkleuring voor templates die in JavaScript en TypeScript aan css() worden doorgegeven; geen nieuws op het gebied van agents. 🔗 preview 1.25.1 · 🔗 1.24.4
v0 op iOS — De iOS-app van v0 krijgt Browser Use-annotaties, aangekondigd in een tweet met video, zonder beschrijving van de functie of vermelding in de changelog van v0. 🔗 bron
Gemini CLI, nachtelijke versie van 20 oktober — Na drie lege nachtelijke versies twee fixes: het vernieuwen van het scherm wist de scrollgeschiedenis van de terminal niet meer, waarbij /clear en Ctrl+L alleen nog het zichtbare gedeelte wissen, en de DevTools geven UTF-8-tekens die over twee HTTP-pakketten zijn verdeeld niet langer onvolledig weer; de stabiele v0.64.0 blijft ongewijzigd. 🔗 bron
ZCode v3.16.2 — De opensourcerepository van ZCode, de codeomgeving van Z.ai, wordt gesynchroniseerd met v3.16.2 zonder release notes: een volledige weergave van het zijpaneel in de desktopapp en, in de marketplace, een anet-plugin die via het A2A-protocol taken aan andere agents toevertrouwt. 🔗 bron
De mistral CLI 0.9.0 — De tool die applicaties deployt op het platform van Mistral voegt mistral upgrade toe, een experimentele deployment vanaf schijf zonder gepushte commit en, achter een feature flag, mistral apps list en logs; een breaking change: het token voor een privéregistry wordt alleen nog uit MISTRAL_REGISTRY_TOKEN of NODE_AUTH_TOKEN gelezen. 🔗 bron
De API voor modelbeleid van Copilot — REST-endpoints voor GET en PATCH worden algemeen beschikbaar om toegestane modellen op het niveau van de onderneming, teams binnen de onderneming, agentapplicaties en organisaties te lezen en te wijzigen, met de mogelijkheid om dit aan organisaties of teams te delegeren. 🔗 bron

Bedrijven en toepassingen

Inference hooks voor Claude Enterprise — Ze zijn uit bèta en sturen de transcriptie van elk verzoek naar de beveiligingsserver van de organisatie, die het goedkeurt of afwijst voordat het het model bereikt, standaard binnen 5 seconden, van claude.ai tot Claude Code, Cowork, Claude Tag of Claude in Chrome; niet voor Bedrock, Google Cloud of de API. 🔗 release notes · 🔗 documentatie
Perplexity en Valarian — Samen met dit Britse bedrijf voor soevereine infrastructuur laat Perplexity Computer draaien op de servers van gereguleerde instellingen, ook op geïsoleerde netwerken (air-gapped), met open modellen zoals Nemotron, GLM, Kimi, DeepSeek-R1 of Qwen; deployments op aanvraag, zonder genoemde prijs of klant. 🔗 bron
IncidentWatch en IncidentSweep — SpaceXSI vertelt hoe twee Grok Bots de incidenten bij zijn supportafdeling beheren: de ene detecteert elke 5 minuten pieken in het aantal tickets en waarschuwt de dienstdoende medewerker, de andere sluit tickets in batches die door een engineer zijn goedgekeurd, 204 in ongeveer tien minuten tijdens een incident op 18 september. 🔗 bron
ChatGPT Work bij een franchisenemer — Ted Taylor, die drie restaurants van Schlotzsky’s en Cinnabon in New Mexico exploiteert, brengt de prijsherziening van zijn menu’s terug van 5 dagen naar 1 tot 2 uur en zijn maandelijkse kasafstemming van 3 uur naar 5 tot 10 minuten, een vermindering van 94 %, volgens de casestudy van OpenAI. 🔗 bron
Drie Java Champions en Copilot — Op de GitHub Blog vertellen Vlad Mihalcea, Patrick Baumgartner en Frank Delporte over hun gebruik van Copilot, van de migratie van ongeveer 900 dia’s naar Marp in acht tot tien uur tot een pull request van de codeagent voor een bug in Pi4J, verkregen in een halfuur. 🔗 bron
Hippolyte.ai en ElevenLabs — Het Franse recruitmentplatform heeft in drie weken 4 830 gesproken voorselectiegesprekken gevoerd met de spraaksynthese van ElevenLabs, met spraakverwerking binnen de Europese Unie, ruwe opnamen die binnen 24 uur worden verwijderd en een model met open gewichten dat zelf wordt gehost in Frankrijk. 🔗 bron
Replit in Japan — Replit opent een kantoor in Japan om zijn ontwikkeling van applicaties en bedrijfsagents dichter bij Japanse bedrijven te brengen, met vier evenementen in Tokio op 5 en 6 november, waaronder een workshop met Microsoft; geen adres, personeelsaantal of specifiek aanbod voor Japan. 🔗 bron

Ranglijsten en gidsen

ClaimBench — De nieuwe benchmark van Vals AI vraagt of een fragment uit een 10-K-jaarverslag een bewering ondersteunt, tegenspreekt of er niets over zegt: pplx-decider-v1.2 van Perplexity voert de beslismodellen aan met 99,69 % voor 0,000104 dollar per bewering, vóór Mercury Decide (99,08 %), met een van de hoogste latenties (1,23 s). 🔗 bron
MiniMax M3.1 Flash bij Parallel — Parallel Web Systems plaatst het model van MiniMax, dat de dag ervoor werd gelanceerd, bovenaan zijn ranglijst voor efficiëntie bij webonderzoek, met prestaties die dicht bij die van DeepSeek V4.1 Flash liggen tegen ongeveer drie keer lagere kosten; het gaat om een ranglijst van een externe aanbieder. 🔗 bron
AI-gateways volgens Perplexity — Een gids in de rubriek Ideeën beschrijft deze proxy’s tussen applicaties of agents en modellen (routering, tokenbudgetten, semantische cache, vangrails) en verwijst naar een test van Broadcom waarbij een geconfigureerde Envoy-gateway ongeveer 2 ms per verzoek toevoegt; er wordt geen product van Perplexity gepresenteerd. 🔗 bron

Creatie: beeld, video en presentaties

Fibo 2.0 van Bria — Diffusers ondersteunt vanaf de release dit beeldbewerkingsmodel met open gewichten, dat als het eerste in zijn categorie wordt gepresenteerd, via JSON wordt aangestuurd, tekst correct weergeeft en in de varianten Turbo en Dev bestaat, aldus Sayak Paul. 🔗 bron
Art Style Match van Luma — De tool past de stijl van één tot vier referenties toe op een productafbeelding en behoudt daarbij het product en de compositie; hij wordt alleen in een tweet gepresenteerd, zonder blogbericht, model of prijs. 🔗 bron
HeyGen Video 1.0 op Design Arena — Volgens HeyGen plaatst Design Arena zijn 1080p-model, dat op MiniMax H3 is nagetraind, op de derde plaats voor video en beeld-naar-video; HeyGen presenteert het voor productclose-ups en tussenshots. 🔗 bron
Wan3.0 Prime op OpenRouter — Alibaba plaatst deze snelle variant van Wan 3.0, vanaf 0,068 dollar per seconde, bovenaan de Trending-weergave van de videoranglijst van OpenRouter, met ongeveer 3 000 verzoeken (+85 %); Wan 3.0 staat daar derde. 🔗 bron
TJ op GTC Berlin — Synthesia maakt van de cartoonversie van Jensen Huang een interactieve avatar, gebouwd op zijn video- en stemmodellen en zijn Interactive Avatar API, die bezoekers op 21 en 22 oktober sessies aanbeveelt uit een aanbod van meer dan 100. 🔗 bron
Cocreatie in Gemini Notebook — Pro- en Ultra-abonnees kiezen het thema, het formaat, de duur, de taal en de visuele stijl, en bekijken vervolgens de opzet van een presentatie (Slide Deck) of de productienotities van een samenvattende video (Video Overview) voordat ze de generatie starten; de uitrol gaat verder. 🔗 bron

Open modellen, onderzoek en hardware

AnyLanguageModel 1.0 — Het Swift-pakket van Hugging Face vervangt Apples framework Foundation Models door één import te wijzigen, zodat dezelfde sessie kan draaien met het systeemmodel, open modellen via llama.cpp, MLX of Core ML, of gehoste aanbieders zoals OpenAI, Anthropic of Gemini. 🔗 bron
Agents natrainen met TRL — Hugging Face publiceert een traject in vijf stappen, van supervised fine-tuning op agenttraces tot training via een echte harness met AsyncGRPO, met daartussen distillatie, GRPO en OpenEnv-omgevingen; educatief materiaal, zonder nieuw product. 🔗 bron
Nemotron 3.5 Super VL bij Thoughtworks — In zijn tweede rapport ziet Thoughtworks drie LoRA-adapters 5,42 tot 9,41 punten winnen op achtergehouden juridische en medische gegevens, zonder significante winst op de publieke benchmark CaseHOLD, en schrapt het een beoordelaar wiens oordeel afhankelijk van zijn instructies 35,1 punten verschoof. 🔗 bron
Fijnmazigere weersvoorspellingen voor Frankrijk — Op de blog van Hugging Face verfijnt een U-Net met ongeveer 2 miljoen parameters, getraind in één uur, de temperatuurvoorspellingen van AIFS-ENS van 28 naar 5,5 km: vergeleken met de stations van Météo-France daalt de fout over twee dagen met 14 % (RMSE), in wat de auteurs als een demonstratie presenteren. 🔗 bron
Coral NPU — Google Research voltooit de 32-bitsarchitectuur van zijn open neurale processor voor embedded AI, gebouwd op RISC-V, met een matrixeenheid tot 1 TOPS en een beoogd gemiddeld vermogen van 10 mW, en publiceert Coral Compiler v1.0; Synaptics lanceert zijn Astra SR200-chipserie. 🔗 bron

GitHub, buiten AI

Secret scanning — Op 12 november verandert het veld business van twee families auditgebeurtenissen van de weergavenaam van de onderneming naar haar korte identificatiecode (slug); de intrekkingsfunctie, in preview, accepteert ook in Base64 gecodeerde GitHub-tokens in privé- en interne repositories. 🔗 bron
Dependabot-meldingen — De REST-API en de webhooks dependabot_alert retourneren een veld version_requirement, de versie of versiebeperking van de kwetsbare afhankelijkheid, op github.com en GitHub Enterprise Cloud, in afwachting van GitHub Enterprise Server 3.24. 🔗 bron
Dependabot en de nieuwe pakketbeheerders — Dependabot ondersteunt npm 12, pnpm 11 en 12 en Bun 1.4 voor alle gebruikers van github.com en zal deze opnemen in GitHub Enterprise Server 3.24. 🔗 bron
Regelsets — Alle branchbeveiligingen van een repository kunnen nu in één handeling worden omgezet in regelsets (rulesets), met een voorbeeldweergave, een handhavingsstatus naar keuze (Active, Evaluate of Disabled) en de mogelijkheid om de oorspronkelijke regels te behouden of te verwijderen. 🔗 bron

Wat dit betekent

Inferentie komt los van de exclusieve inzet van NVIDIA, en aanbieders stellen de engines die haar aandrijven open. DeepInfer draait zowel op de SM100-GPU’s van NVIDIA als op de Ascend 950-NPU’s van Huawei, TorchTPU maakt van de TPU een gewoon PyTorch-apparaat, tot in Transformers en Diffusers, en PyTorch 2.15 versnelt het decoderen van een MoE op Mac met meer dan een factor zes. DeepSeek publiceert ook de economische cijfers van zijn dienst, 155 000 miljard tokens per dag op één cluster en 38 dollar omzet per GPU-uur tijdens de daluren, en deepseek-recipe stelt een externe hostingaanbieder in staat het gedrag van zijn officiële API te reproduceren. Het hergebruik van context weegt steeds zwaarder in deze berekening: DeepSeek bewaart zijn KV-cache langer dan 72 uur, en OpenAI verkoopt nu 12 uur promptcache aan agents die de hele dag dezelfde context hergebruiken.

Voor spraakagents bepleiten Mistral en ElevenLabs op dezelfde dag twee architecturen. Voxtral 3 behoudt een keten van afzonderlijke modellen, transcriptie, een LLM naar keuze en synthese, die de SDK via streaming laat samenwerken om een beurt in minder dan een seconde af te ronden; elk onderdeel kan worden vervangen zonder de agent te herschrijven, en de prijzen worden per minuut of per teken vermeld. Eleven Realtime voegt de hele keten samen in één spraak-naar-spraakmodel en zet in op compatibiliteit met de Realtime-API van OpenAI om ontwikkelaars aan te trekken die deze al hebben geïntegreerd, zonder concrete prijs. Mistral voert ook hosting in Europa aan als argument, op een moment waarop de casus van Hippolyte.ai laat zien wat grote klanten eisen: spraakverwerking binnen de Europese Unie en opnamen die binnen 24 uur worden verwijderd.

De plek waar de assistent werkt, wordt een verkoopargument. Perplexity Computer draait nu volledig op een Mac met 36 GB geheugen, inclusief het model, en Valarian brengt het naar geïsoleerde netwerken; bij Anthropic laten Inference hooks de beveiligingsserver van een bedrijf een verzoek afwijzen voordat het het model bereikt. Aanbieders beschrijven ook de beperkingen van deze beveiligingen: de vergrendelde chats van ChatGPT verbergen een gesprek zonder het end-to-end te versleutelen, en het blijft in de compliancelogs van bedrijven staan.

De beveiliging van de softwareketen draait om de plekken waar agents handelen. OSS Scanner heeft in elf dagen 77 kritieke kwetsbaarheden en 803 kwetsbaarheden met een hoge ernst gemeld, een ernstniveau dat nog door het model zelf wordt toegekend, terwijl de kwetsbaarheid in curl een CVE-identificatiecode, een beveiligingsadvies en een patch heeft gekregen. De pakketfirewall van GitHub richt zich op het moment van installatie, wanneer een kwaadaardig pakket de inloggegevens van een runner voor continue integratie of een codeagent kan buitmaken. De CLI’s van agents geven beheerders tegelijkertijd meer controle: Vibe CLI 3.0.1 maakt het mogelijk de YOLO-modus te verbieden, Copilot CLI 1.0.101 laat de beoordelaar die machtigingen valideert aansturen, en Claude Code 2.1.304 verwijdert een worktree niet meer zonder het te vragen.