Anthropic brengt versie 2026-10-21 van zijn Claude API uit, Hugging Face lanceert het ADN-model Carbon-X, METR test agentmonitoring bij OpenAI

Anthropic brengt versie 2026-10-21 van de Claude API uit, de eerste sinds 2023: temperature, top_p en top_k worden daarin geweigerd, en alle SDK’s krijgen een nieuwe majorversie onder de Apache 2.0-licentie. Hugging Face lanceert Carbon-X, een open model met 14 miljard parameters dat ADN leest en genereert op bijna hetzelfde niveau als GPT-6.1 Sol, en METR publiceert samen met Redwood Research de bevindingen van drie weken waarin ze de monitoring van interne agents bij OpenAI aanvielen. Agent Skills en OpenEnv sluiten zich bij MCP aan binnen de Agentic AI Foundation, de Decisions API van OpenAI wordt algemeen beschikbaar en NVIDIA wijdt de tweede dag van GTC Berlin aan Cosmos en Minerva.

Claude API 2026-10-21: de eerste versie sinds 2023 weigert temperature, top_p en top_k

21 oktober — Anthropic brengt versie 2026-10-21 van de Claude API uit, de waarde die in de header anthropic-version moet worden meegegeven, samen met nieuwe majorversies van al zijn SDK’s en zijn CLI ant.

API version 2026-10-21 is now available. The Claude API has evolved a lot, but this is our first official version release since 2023. We plan to release versions more often so you can handle breaking changes before a new model requires them. 2023-06-01 is not deprecated.

🇳🇱 API-versie 2026-10-21 is beschikbaar. De Claude API is sterk geëvolueerd, maar dit is onze eerste officiële versie sinds 2023. We zijn van plan vaker versies uit te brengen, zodat jullie breaking changes kunnen opvangen voordat een nieuw model ze afdwingt. 2023-06-01 is niet deprecated. — @ClaudeDevs op X

De meest zichtbare verandering betreft sampling. Met 2026-10-21 veroorzaken temperature, top_p en top_k een 400-fout in de Messages API, bij het tellen van tokens en in elke request van een batch (Message Batch), zelfs als ze hun standaardwaarde hebben; zonder deze parameters gebruikt de request sampling met een temperatuur van 1.0. Claude 4.7 en latere modellen accepteerden al uitsluitend deze waarden. Bij een ouder model zoals Claude Sonnet 4.6 verliest een verlaagde temperatuur voor consistentere uitvoer echter haar effect, zonder vervangende instelling: de documentatie adviseert dan om die request op 2023-06-01 te houden.

Requestelement	Effect met 2026-10-21
`temperature`, `top_p`, `top_k`	400-fout, zelfs bij de standaardwaarde
Documentblok dat rechtstreeks in een assistant-bericht staat	400-fout (een genest document, zoals een web fetch-resultaat, blijft toegestaan)
Niet-lege bronverwijzingen bij tekstblokken van een gebruikersbericht	400-fout, inclusief `search_result`
`workspace_id` van API-sleutels	Verwijderd, vervangen door `scope`
Hernoemde velden van de Admin API en de Enterprise Analytics API	Oude namen verwijderd

Python 2.0.0, TypeScript 1.0.0, C# 13.0.0, Go 2.0.0, Java 3.0.0, PHP 1.0.0, Ruby 2.0.0 en ant CLI 2.0.0 sturen standaard de nieuwe versie mee. Deze SDK’s stappen over van MIT naar de Apache 2.0-licentie, terwijl eerdere versies onder MIT blijven, en brengen hun eigen breaking changes mee: één berichttype per rol, de API-sleutel verstuurd in Authorization: Bearer in plaats van X-Api-Key (de API accepteert nog steeds beide), het verwijderen van de oude Text Completions API (TypeScript, Go, Java, Ruby en CLI) en van compaction aan de clientzijde van de tool runner, ten gunste van compaction aan de serverzijde.

Voor de migratie publiceert Anthropic een stapsgewijze handleiding en verwijst het naar de skill /claude-api van Claude Code, waarvan versie 2.1.307 het commando /claude-api api-version toevoegt. Op Amazon Bedrock is 2026-10-21 alleen beschikbaar voor Claude 4.7 en latere modellen. Dezelfde dag voegen de release notes de velden enforcement_status en enforcement_actions toe aan gebruikersprofielen (user profiles). Die geven aan of Anthropic een van de eindklanten van een organisatie beperkingen heeft opgelegd of heeft verbannen.

🔗 De migratiehandleiding voor 2026-10-21 · De release notes van Claude Platform

Carbon-X: Hugging Face publiceert een open model met 14 miljard parameters dat ADN leest en genereert

22 oktober — Hugging Face publiceert Carbon-X, een open model met 14 miljard parameters dat ADN en natuurlijke taal in één tokenstroom verwerkt: je kunt het vragen stellen over een sequentie, het effect van een mutatie laten beschrijven of ADN laten genereren. Het is afgeleid van Qwen3-14B en wordt onder de Apache 2.0-licentie gepubliceerd door de organisatie HuggingFaceBio, die op 8 oktober de genenannotator Carbon-A uitbracht.

Het team van Loubna Ben Allal, Lewis Tunstall en Leandro von Werra heeft Qwen3-14B verder getraind (midtraining) op 300 miljard tokens met een combinatie van ADN, Engels en verweven gegevens, gevolgd door post-training via supervised fine-tuning en reinforcement learning. Een hybride tokenizer behoudt de BPE van Qwen3 voor tekst en verdeelt ADN in niet-overlappende 6-mers, waarbij één token zes basenparen omvat. Zonder aparte ADN-encoder delen tekst en sequenties dezelfde matrix van embeddings, en een antwoord kan beide combineren.

Op vijf benchmarks (effect van varianten, begrip van sequenties, voorspelling van de volgende base) behaalt Carbon-X zonder redeneren een gemiddelde van 66,7 %: 27 punten meer dan Qwen3-14B en beter dan alle andere geëvalueerde open modellen. GPT-6.1 Sol doet het met 67,5 % nauwelijks beter, maar Carbon-X overtreft alle geteste modellen, zowel open als gesloten, bij het effect van coderende varianten (BioReason Coding) en bij de voorspelling van de volgende base.

Geëvalueerd model	ADN-index uit het blogbericht (afgerond)
GPT-6.1 Sol	68 %
Carbon-X	67 %
Kimi K3	50 %
DeepSeek V4.1 Flash	47 %
Qwen3-14B	40 %
GLM-5.3	40 %

Introducing Carbon-X: The best open DNA model. We midtrained a 14B model on DNA and text, and it beats every open language model and matches GPT-6.1 Sol at 1,000x lower cost.

🇳🇱 Dit is Carbon-X, het beste open model voor ADN. We hebben een model van 14B verder getraind op ADN en tekst: het verslaat alle open taalmodellen en evenaart GPT-6.1 Sol tegen 1 000 keer lagere kosten. — @LoubnaBenAllal1 op X

Over de kosten circuleren twee cijfers: de modelkaart schat ze per probleem op ongeveer 1/1 800 van die van GPT-6.1 Sol, terwijl de aankondiging dat afrondt op 1 000 keer goedkoper. De berekening is gebaseerd op de standaard API-tarieven van de vergeleken modellen, telkens op het redeneerniveau dat het beste gemiddelde oplevert, en voor Carbon-X op de gemeten throughput van één uur H200-gebruik waarvoor 5 dollars werd gerekend; het model antwoordt direct, zonder uitgebreid te redeneren. Clément Delangue, PDG van Hugging Face, presenteert Carbon-X als een antwoord op de veiligheidsmaatregelen van toonaangevende laboratoria op het gebied van biologie, die volgens hem wetenschappers, universiteiten, verenigingen en gezondheidsinstanties hinderen zonder kwaadwillende actoren tegen te houden.

🔗 De modelkaart van Carbon-X · Het blogbericht over de release · De tweet van Clément Delangue

METR en Redwood Research stellen de monitoring van interne agents bij OpenAI op de proef

22 oktober — METR publiceert het verslag van een oefening die deze zomer bij OpenAI samen met Redwood Research is uitgevoerd. Van 21 juli tot 11 augustus heeft een medewerker van elke organisatie drie weken ter plaatse het asynchrone systeem aangevallen (red-teaming) dat interne agents van OpenAI op misalignment controleert: de agents die code schrijven of experimenten uitvoeren voor zijn onderzoekers. De toegang was vergaand: apparaten van OpenAI die het pand nooit hebben verlaten, interne code, prompts en configuratie van de monitors, en gesprekken met een twaalftal onderzoekers en ingenieurs.

Door METR gerapporteerde meting	Geschatte waarde
Intern agentverkeer via de Responses API dat in aanmerking komt (modellen vanaf GPT-5.5)	Ongeveer 75 tot 94 %
Verkeer van interne Codex-agents dat in aanmerking komt	99,2 %
Intern Codex-verkeer dat in aanmerking kwam maar niet werd gemonitord, van mei tot juli 2026	In de orde van 10 % (compaction)
Requests waarbij de monitor een fout gaf	Minder dan 0,2 %
Intern rapport, daarna zwartgelakte versie	61 pagina’s, daarna 38 pagina’s

Deze schattingen, die volgens METR met grote onzekerheid zijn omgeven, hebben betrekking op het systeem zoals het op 21 juli bestond. De belangrijkste tekortkoming betrof gebeurtenissen waarbij de context werd gecomprimeerd, die de monitors niet zagen:

Because of this coverage gap, we estimated that on the order of 10% of internal Codex traffic was unmonitored from May to July. OpenAI had independently identified this issue shortly before the exercise began.

🇳🇱 Door dit dekkingshiaat schatten we dat ongeveer 10 % van het interne Codex-verkeer van mei tot juli niet werd gemonitord. OpenAI had dit probleem zelf al opgemerkt kort voordat de oefening begon. — @METR_Evals op X

OpenAI heeft dit tijdens de oefening verholpen. Omdat de monitor pas werd geactiveerd wanneer de agent de controle aan de gebruiker teruggaf, kon een agent die monitoring eindeloos uitstellen door actief te blijven, zolang compaction buiten de monitoring viel. Training via reinforcement learning viel bij aanvang van de oefening buiten de monitoring.

Het team beschrijft ook kwetsbaarheden: een manier om de sandbox van Codex en Auto-Review te omzeilen, waardoor de agent alle rechten van de gebruiker op het hostsysteem kreeg; een techniek waarmee honderden recente acties aan de monitoring konden worden onttrokken (details door OpenAI zwartgelakt); invoer die de monitor kon laten falen door verschillen in serialisatie uit te buiten; twee door de client te beheren headers die de monitoring van nieuwe agents uitschakelden, al bleef het gebruik daarvan detecteerbaar; en twee interne, niet-gemonitorde tools die als alleen-lezen werden beschouwd, maar die met een eenvoudige exploit, die niet in de praktijk was gevalideerd, hadden kunnen worden misbruikt. Daar staat tegenover dat de monitor, op enkele uitzonderingen na, het volledige traject van de agent ziet en dat zijn prompts zoeken naar gekonkel (scheming), sabotage, data-exfiltratie, misleiding en promptinjecties.

OpenAI stelt alle kwetsbaarheden te hebben verholpen die zijn beveiligingsstack in productie raakten; METR benadrukt dat het die bewering niet heeft getoetst. De partijen hadden vooraf afgesproken alleen een kort blogbericht te publiceren, waarbij OpenAI delen van het rapport mocht zwartlakken. METR leidt hieruit vijf ontwerpprincipes af, waaronder monitoring moeilijk te omzeilen maken (bijvoorbeeld om de N minuten of na elke N berichten), het systeem regelmatig aanvallen en agents van hun monitors isoleren. Volgens OpenAI hebben deze bevindingen geholpen de beveiliging tijdens de uitbreiding van het systeem te versterken en zullen ze richting geven aan toekomstige samenwerkingen met externe evaluatoren. Op 15 oktober had Anthropic vergelijkbare toegang beschreven die aan een team van METR was verleend.

🔗 Red-teaming van OpenAI’s interne systemen voor agentmonitoring (METR) · De tweet van @OpenAI

Agentic AI Foundation: Agent Skills, Open Responses, OpenEnv en OpenSandbox sluiten zich bij MCP aan

22 oktober — De Agentic AI Foundation (AAIF), de stichting van de Linux Foundation die vorig jaar mede is opgericht door Anthropic, Block en OpenAI en die al onderdak biedt aan MCP, verwelkomt in één keer vier nieuwe projecten: Agent Skills, ingebracht door Anthropic, Open Responses door OpenAI, OpenEnv door Hugging Face en OpenSandbox door Alibaba. Daarmee telt ze al in haar eerste jaar 10 projecten; volgens Manik Surtani, haar CTO en medeoprichter, bestrijken ze elk een deel van de stack, van de manier waarop agents vaardigheden verwerven tot de omgeving waarin ze draaien.

Anthropic draagt de naam en het logo van Agent Skills, de GitHub-organisatie en het domein agentskills.io over. Dit format met mappen waarmee een agent een taak kan leren (een SKILL.md-bestand, scripts, referentiedocumenten) ontstond tijdens het werk aan Claude Code en werd in december 2025 als open standaard gepubliceerd; volgens Anthropic hebben sindsdien meer dan 70 agentplatforms het geïntegreerd, waaronder ChatGPT, Cursor, GitHub Copilot en VS Code, en zijn er 1 miljoen skills gepubliceerd, goed voor bijna 280 miljoen installaties. Ingenieurs van Anthropic, Google, OpenAI en andere bedrijven zullen het op persoonlijke titel onderhouden, met David Soria Parra en Mahesh Murag als verantwoordelijken (Lead Maintainers), en de thread van @ClaudeDevs noemt ook Earendil, Microsoft en OpenCode als leden van de technische stuurgroep. Bestaande skills blijven werken en de licenties veranderen niet; de voorgestelde eerste stap bestaat uit genummerde versies, een formeel proces voor voorstellen en beveiligingsaanbevelingen.

Hugging Face brengt OpenEnv, zijn open framework met omgevingen voor het trainen van agents, op zijn beurt onder neutraal bestuur, met een comité waarin onder meer Microsoft, Reflection, Meta-PyTorch, Fleet, Mercor, Nebius, Modal, Prime Intellect en Unsloth zijn vertegenwoordigd. De oude adressen meta-pytorch/OpenEnv en huggingface/OpenEnv verwijzen voortaan door naar github.com/openenv/OpenEnv.

🔗 Het persbericht van de Linux Foundation · Het blogbericht van Anthropic · De aankondiging van Ben Burtenshaw (Hugging Face) · De thread van @ClaudeDevs

Agents ontwerpen en aansturen: ingeklapte subagents, standaard auto-modus, vergelijking van agentadoptie

Drie aankondigingen gaan minder over wat agents kunnen dan over hoe je ze organiseert, ze de controle geeft en hun gebruik meet.

Anthropic adviseert om subagents in de hoofdlus onder te brengen en publiceert een open source migratiekit

22 oktober — In een gids met best practices voor Claude Platform, geschreven door Diane Sarkis, stelt het Applied AI-team van Anthropic vast dat bij verschillende implementaties in bedrijven één agent met skills vaak betere kwaliteit leverde dan één allesomvattende prompt of een architectuur met subagents, vaak met lagere kosten en minder latentie per taak; een klant mat een uitvoering die ongeveer twee keer zo snel was als met zijn multi-agentharness. Anthropic zegt de systeemprompt van Claude Code voor zijn geavanceerdste modellen met meer dan 80 % te hebben verkleind, deels door skills en tools geleidelijk beschikbaar te stellen, en constateert dat de toolselectie verslechtert bij meer dan 30 tot 50 tooldefinities. Subagents blijven nuttig wanneer de context volloopt, voor parallelle taken die hun context kunnen weggooien, of wanneer de agent moeite heeft zijn tools te kiezen. De kit single-agent-loop-kit (Apache-2.0) voert achtereenvolgens /claude-api build-eval, prompt-audit, hillclimb en cost-optimize uit om over te stappen op één lus.

🔗 De gids van Anthropic over subagents · anthropics/single-agent-loop-kit (GitHub)

Sessies in de Claude-apps krijgen standaard de auto-modus op Pro, Max en Team

22 oktober — Vanaf volgende week draaien sessies in de Claude-apps op het web, op computers en op mobiele apparaten volgens @claudeai standaard in de auto-modus voor de abonnementen Pro, Max en Team: in plaats van voor elke stap goedkeuring te vragen, blokkeert een automatische controle risicovolle acties, en gebruikers kunnen op elk moment terugschakelen naar de handmatige modus. De auto-modus is voor deze abonnementen al sinds 14 augustus de standaardinstelling van Claude Code, en voor terminal- en VS Code-sessies op alle abonnementen sinds versie 2.1.284 van 28 september; de tweet verwijst overigens naar de aankondiging van augustus, waarin de classifier tijdens tests 89 % van de gevaarlijke commando’s herkende, tegenover 14 % bij handmatige goedkeuring. De aankondiging bestaat uit één tweet, zonder precieze datum, zonder details over de betrokken sessies en zonder vermelding van Enterprise.

🔗 De tweet van @claudeai

Het Copilot impact dashboard vergelijkt het gebruik van agents binnen een bedrijf met dat van vergelijkbare bedrijven

22 oktober — Het impactdashboard van Copilot (Copilot impact dashboard) voegt een sectorvergelijking (Industry comparison) toe, die optioneel is en standaard uitstaat. Bedrijven en organisaties die niet onder een bedrijf vallen, kunnen er twee indicatoren vergelijken met de geaggregeerde referentiewaarden van vergelijkbare deelnemers: het aandeel gebruikers dat primair met agents (agent-first) of met meerdere agents (multi-agent) werkt, en het percentage samengevoegde pull requests van deze agentgebruikers ten opzichte van andere gebruikers. Elke score wordt over een periode van 28 dagen vergeleken met de mediaan van vergelijkbare deelnemers, en zodra de groep groeit ook met het hoogste deciel, uitgesplitst naar bedrijfsgrootte en tien sectoren. De vergelijkingen worden dagelijks vernieuwd, de aggregaten worden na 30 dagen verwijderd, klanten met data residency worden alleen binnen hun eigen regio vergeleken, en de gegevens zijn niet beschikbaar via de metrics-API of exports. Bij de lancering kan door een gebrek aan deelnemers alleen de mediaan zichtbaar zijn, of zelfs helemaal geen rangschikking.

🔗 Sectorvergelijkingen in het Copilot impact dashboard

Beslissingsmodellen: de Decisions API van OpenAI algemeen beschikbaar, GLiDE v1.2 bovenaan de Decision Index

Beslissingsmodellen beantwoorden gesloten vragen (classificeren, routeren, de volgende actie kiezen) zonder tekst te genereren. Op dezelfde dag stelt OpenAI zijn speciale API voor iedereen open en publiceert Fastino modelgewichten die volgens het bedrijf bovenaan de benchmarkindex van Hugging Face staan.

OpenAI maakt de Decisions API algemeen beschikbaar, met 400 vragen per verzoek

22 oktober — Zestien dagen na de publieke bèta wordt de Decisions API algemeen beschikbaar (generally available). De API is gebouwd op GPT-6 Luna en geeft een waarschijnlijkheid (predicate), een keuze uit opgegeven waarden (choice) of een score op een schaal (score) terug, volgens OpenAI tot 10 keer sneller dan GPT-6 Luna via de Responses API. De API accepteert nu native JSON-invoer, afbeeldingen in de instructies van elke vraag en tot 400 vragen per verzoek, tegenover 200 in de bèta, en krijgt caching van hergebruikte context, inference die binnen de Verenigde Staten en de EU blijft en native integratie met GPT-Live. De invoer blijft 0,10 dollar per miljoen tokens kosten, invoer uit de cache kost 0,01 dollar en de uitvoer wordt niet in rekening gebracht.

Genoemde klant	Bij OpenAI gemelde winst
Box	Routeringskeuze ongeveer 5 keer sneller, dezelfde nauwkeurigheid als de Responses API
Datadog	Risicoscore voor agentcommando’s 40 keer sneller op p95
Ramp	4 keer sneller en 30 % goedkoper dan GPT-6 Luna
Sierra	Minder dan 280 ms op p95, 90 % goedkoper per aanroep dan de vorige aanpak
Speak	Wachttijd tot de volgende actie teruggebracht van 1,4 s naar 0,13 s

De SDK openai-python 3.37.0, die dezelfde avond is uitgebracht, breidt de types van Decisions uit met een breaking change in de typering.

🔗 Bouw apps die sneller reageren met de Decisions API

Fastino publiceert GLiDE v1.2, volgens het bedrijf de nummer één van de Decision Index v0.4.1

22 oktober — Fastino publiceert GLiDE v1.2, een nieuwe versie van zijn beslissingsmodel, met modelgewichten op Hugging Face en toegang via zijn API. Volgens Fastino staat het bovenaan de Decision Index v0.4.1 van Hugging Face, met een van de laagste kalibratiefouten in de index; op 21 oktober kondigde Base Labs aan dat mammoth-1 bovenaan stond met 71,24, maar op versie 0.4: de twee scores zijn niet vergelijkbaar. Het model leest tekst, JSON en nu ook afbeeldingen, en geeft in één doorgang voor elke optie een waarschijnlijkheid terug: een keuze uit maximaal 255 opties, een ja of nee, of een niveau op een schaal; Fastino heeft de reasoning tokens verwijderd om de latentie te verlagen.

Kenmerk van GLiDE v1.2	Aangekondigde waarde
Modelgrootte	26 miljard parameters
Minimale hardware	Een GPU met minstens 80 Go
Score volgens Fastino	71,5 op de Decision Index v0.4.1, 1,7 punt vóór de nummer twee
Tarief van de Fastino API	0,04 dollar per miljoen invoertokens
Licentie van de modelgewichten	fastino-community: gratis, commerciële overeenkomst bij een jaaromzet boven 10 miljoen dollar

🔗 Het blogbericht van Fastino · fastino/GLiDE (Hugging Face)

Toegang tot modellen: goedkeuring van OpenAI voor routers, Batch API bij Perplexity, confidential computing bij Cohere

Drie wijzigingen gaan over de manier waarop modellen toegankelijk zijn in plaats van over de modellen zelf: tussenpartijen, verwerking in grote volumes en de vertrouwelijkheid van verzoeken.

OpenAI eist vanaf 20 november dat modelrouters en AI-gateways zijn goedkeuring krijgen

21 oktober — In een bericht in zijn rubriek Safety zegt OpenAI samen met klanten en partners het veiligheidsbeleid te hebben afgestemd voor diensten die toegang geven tot zijn modellen, rechtstreeks, via een partner die ze host of via een wederverkoper: beschermingsmaatregelen die overeenkomen met die van OpenAI, onderzoek naar mogelijke overtredingen, maatregelen wanneer een probleem wordt vastgesteld en gecoördineerde handhaving van beperkingen tussen diensten. De concreetste wijziging staat in het gebruiksbeleid (Usage Policies) dat per 20 november 2026 wordt bijgewerkt: diensten die rechtstreeks toegang tot de modellen geven, zoals modelrouters (model routers) of AI-gateways (AI gateways), moeten zich door OpenAI laten beoordelen en goedkeuring krijgen voordat ze die toegang aanbieden. OpenAI introduceert ook SafetyIDs, die klanten kunnen aanleveren om tijdens een onderzoek eindgebruikers van elkaar te onderscheiden zonder hun identiteit aan OpenAI bekend te maken. Het bericht noemt geen betrokken diensten en geeft geen details over de goedkeuringsprocedure.

🔗 Bredere toegang dankzij consistente normen (OpenAI)

Perplexity opent een Batch API voor zijn Agent API, met maximaal 50 000 verzoeken per bestand

22 oktober — Perplexity voegt een Batch API toe aan zijn Agent API voor taken die geen onmiddellijk antwoord vereisen (evaluaties, classificatie, gegevensverrijking): gebruikers uploaden een JSONL-bestand met verzoeken, maken een batch aan en halen vervolgens een resultatenbestand en een foutenbestand op, via endpoints die de opzet van de Batch API van OpenAI volgen. Elk verzoek voert de volledige lus van de Agent API uit: zoeken op het web (web_search) en pagina’s lezen (fetch_url) werken dus ook met uitgestelde verwerking.

Limiet van de Batch API	Gepubliceerde waarde
Verzoeken per bestand	50 000, voor maximaal 200 Mo
Ondersteunde modellen	Eén per bestand, uit de modellen van de Agent API
Verwerkingstijd	Streeftijd van 24 h zonder garantie, harde deadline van 48 h
Bewaartermijn van bestanden	30 dagen
Verwerkingstarief	Geen afzonderlijke batchprijs; flex-niveau voor OpenAI-modellen die dit aanbieden

De verzoeken in een batch tellen niet mee voor de verzoeklimiet van de Agent API, en verzoeken die bij de deadline nog niet zijn gestart, verlopen zonder dat er kosten in rekening worden gebracht. De dienst is niet beschikbaar voor organisaties met zero data retention.

🔗 De thread van @perplexitydevs · De documentatie van de Batch API

Cohere opent de publieke bèta van Confidential Computing voor Model Vault, op NVIDIA H100-GPU’s in Azure

22 oktober — Confidential Computing voor Model Vault, het speciale, beheerde inferenceplatform van Cohere, werd op 16 september in early access gelanceerd en gaat nu over naar een publieke bèta: klanten kunnen vanaf nu versleutelde kluizen aanmaken en daar hun workloads implementeren, met dezelfde API’s. De bèta draait op NVIDIA H100-GPU’s in Microsoft Azure, dat de infrastructuur voor confidential computing levert, terwijl NVIDIA Confidential Computing het GPU-geheugen beschermt en de communicatie tussen CPU en GPU versleutelt. De inhoud van verzoeken wordt via Oblivious HTTP (OHTTP) end-to-end versleuteld tot aan de geattesteerde omgeving, en de software van de klant controleert vóór elke verzending een ondertekend bewijs over de hardware, de ingebouwde software (firmware) en de software; volgens Cohere kunnen zelfs zijn eigen beheerders en de cloudprovider het beschermde geheugen niet lezen. Bepaalde fysieke aanvallen en sidechannelaanvallen, beschikbaarheid, kwetsbaarheden in applicaties zoals promptinjectie, metadata en API- en model-ID’s vallen buiten de bescherming. Blackwell B200-GPU’s, algemene beschikbaarheid en een open source stack zijn aangekondigd zonder datum, en er zijn geen prijzen bekendgemaakt.

🔗 Confidential Computing op Cohere Model Vault · Het technische artikel van Cohere

De planeet observeren en voorspellingen doen: ForTy, OlmoEarth v1.3 en StormScope EU

Drie publicaties van vandaag brengen de aarde in kaart of doen voorspellingen op basis van satellietbeelden, waarvan twee met embeddings die elke pixel van 10 meter samenvatten.

Google DeepMind publiceert ForTy, een wereldkaart op 10 meter die natuurlijke bossen, plantages en boomgewassen onderscheidt

22 oktober — Samen met het World Resources Institute (WRI) en het IIASA publiceren Google DeepMind en Google Research Forest Typology (ForTy) 2020, een kaart die elk perceel van 10 bij 10 meter op het landoppervlak indeelt in een van zes categorieën op basis van de definities van de FAO: primair bos, natuurlijk regenererend bos, aangeplant bos, bosplantage, boomgewassen en agroforestry, overige gronden. Waar de meeste kaarten alleen aangeven of er bomen staan, onderscheidt ForTy een primair bos van een oliepalmplantage, wat de kaart tot een referentie maakt voor de Europese verordening voor « ontbossingsvrije » producten (EUDR). Het model is gebaseerd op de embeddings van AlphaEarth Foundations en ongeveer 1,7 miljoen geannoteerde punten; bij validatie op meer dan 9 000 willekeurig gekozen locaties identificeert het in 90 % van de gevallen het juiste bostype, onderscheidt het in 95 % van de gevallen bos van niet-bos en geeft het per klasse een waarschijnlijkheid in plaats van een label. Een voorlopige jaarlijkse reeks voor 2017-2025 laat ook zien wat er in de plaats komt van verdwenen bos. De kaart en de reeks zijn vrij beschikbaar op Google Earth Engine, onder een open licentie.

🔗 Het blogbericht van Google DeepMind · Het artikel in Scientific Data

Ai2 publiceert OlmoEarth v1.3 en vooraf berekende satellietembeddings voor de hele planeet

22 oktober — Ai2 publiceert OlmoEarth v1.3, een model dat een jaar aan radarbeelden (Sentinel-1) en multispectrale beelden (Sentinel-2, Landsat) leest en elke pixel van 10 meter samenvat in een vector. Ai2 heeft deze embeddings berekend en deelt ze op Source Cooperative: de hele planeet voor 2023 tot 2025, alleen bepaalde landen voor 2017 tot 2022. Een kleine classifier die hierop is getraind, volstaat nu om gewassen, landgebruik of veranderingen in kaart te brengen, zonder het model voor elke taak afzonderlijk te finetunen. Een verkenner in de browser, waarvoor geen account nodig is, vergelijkt jaren, zoekt vergelijkbare locaties en exporteert een kaart als GeoTIFF.

Maatstaf voor OlmoEarth v1.3	Gepubliceerde waarde
Embedding per pixel van 10 m	128 dimensies, of de eerste 64 in de lichte versie
Gewonnen evaluaties tegenover AlphaEarth Foundations en Tessera v2	20 van 27 (128 dimensies), 18 van 27 (64 dimensies)
Rekenwerk voor training ten opzichte van v1.2	53 %
Archief met vooraf berekende embeddings	Ongeveer 150 To per jaar

Modelgewichten, gegevens en code zijn gepubliceerd onder de OlmoEarth Artifact License, en Ai2 presenteert tegelijk PLANTEUR, een benchmark voor het in kaart brengen van gewassen in zes Franse overzeese gebieden.

🔗 Het blogbericht van Ai2

StormScope EU sluit zich op de tweede dag van GTC Berlin aan bij Earth-2

22 oktober — NVIDIA voegt StormScope EU toe aan Earth-2, zijn familie van modellen voor weer- en klimaatvoorspellingen: een regionale versie van StormScope die is getraind op Europese gegevens en op basis van waarnemingen van EUMETSAT de ontwikkeling van bewolking op zeer korte termijn voorspelt, over de 16 kanalen van Meteosat en in stappen van 10 minuten. Verschillende Europese gebruikers van Earth-2 worden genoemd: AXA heeft met FourCastNet 3 meer dan 1 000 cycloonseizoenen gesimuleerd, Vaisala Xweather verrijkt StormScope met bliksemgegevens, TotalEnergies voorspelt de zonnestraling op twee locaties en de Universiteit van Manchester draait op een DGX Spark een CorrDiff-model voor luchtkwaliteit dat op de supercomputer Isambard-AI is getraind.

🔗 Earth-2 in Europa (NVIDIA-blog)

GTC Berlin, tweede dag: NVIDIA breidt Cosmos uit, lanceert Minerva en presenteert cijfers van zijn Europese klanten

22 oktober — Op de tweede dag van GTC Berlin publiceert NVIDIA een reeks blogberichten over zijn Europese klanten, met vooral cijfermatig onderbouwde voorbeelden. Shopify heeft Nemotron 3.5 Lightning via post-training verfijnd voor de GraphQL-subagent van zijn assistent Sidekick, die op zijn interne benchmark nauwkeuriger is dan een toonaangevend model, met 90 % lagere gebruikskosten en 7 keer snellere antwoorden; bunq draait zijn assistent Finn op open modellen, op het niveau van de beste gesloten modellen tegen 60 % van de kosten per antwoord; Stripe versnelt de datapipelines van zijn fraudebestrijdingstool Radar in een offlinetest met een factor 42. Op energiegebied krijgen de batterijen van Hitachi Energy de kwalificatie DSX Ready, valideert Schneider Electric referentiearchitecturen voor Vera Rubin en publiceert Siemens Energy een referentieontwerp. Op productgebied breidt NVIDIA Cosmos uit en lanceert het Minerva.

🔗 De Europese handel (NVIDIA-blog) · De Europese financiële dienstverlening · Energie voor IA-fabrieken

Cosmos: vijf Data Factory-blueprints, een Framework dat andere modellen ondersteunt en NIM die tot twee keer zo snel zijn

22 oktober — NVIDIA vult Cosmos, zijn platform voor wereldmodellen (world models), in elke fase aan. Voor de gegevens is Cosmos Data Factory, dat de dag ervoor al werd genoemd, beschikbaar in vijf cloudnative blueprints via GitHub, Microsoft Azure, Nebius en CoreWeave: datasets voor autonome voertuigen, augmentatie van beeldkenmerken, video’s van zeldzame of gevaarlijke gebeurtenissen, beelden van defecten (printplaten, metaal, glas) en augmentatie van video’s (weer, belichting). Voor de training breidt het Cosmos Framework zijn recepten voor verfijning (fine-tuning), reinforcement learning, distillatie en kwantisatie, in de vorm van agentskills, uit naar andere open modellen zoals GR00T, Alpamayo, Qwen of Pi0.5. Voor de deployment dienen nieuwe Cosmos 3 Nano-varianten om policies voor autonoom rijden en tweehandige robots in simulaties te evalueren, worden de NIM Cosmos 3-microservices in gevalideerde configuraties tot een factor 2 sneller bij inference en verwerkt de Metropolis VSS 3.3-blueprint 40 % meer videostreams op dezelfde GPU. MicroAGI heeft zo zijn Cosmos 3-redeneermodel van 32B gedistilleerd tot een Nano van 8B zonder nauwkeurigheidsverlies, en Porsche, dat de dag ervoor al werd genoemd, meldt een daling van maximaal 90 % in zijn herhaalde fysieke tests.

🔗 Het Cosmos-blogbericht (NVIDIA-blog)

Minerva, een AIOps-platform om IA-fabrieken productief te houden

22 oktober — NVIDIA lanceert Minerva, een platform voor beheer met IA (AIOps) voor IA-fabrieken, waar één slecht functionerend onderdeel een volledige training kan vertragen. Het brengt telemetrie van GPU’s, het netwerk, opslag, schedulers en workloads samen in een kennisgraaf die de hardware (GPU, SuperNIC, switches, kabels) koppelt aan lopende taken, om vanuit een vertraagde training het verantwoordelijke onderdeel te vinden, volgens NVIDIA zelfs bij honderdduizenden GPU’s. Modellen voor supervised en unsupervised learning analyseren miljarden datapunten per uur, herkennen nog onbekende anomalieën, voorspellen storingen en bundelen een stortvloed aan waarschuwingen tot één incident met de vermoedelijke oorzaak; een assistent in natuurlijke taal stelt correcties voor, die handmatig of automatisch worden toegepast. IREN gebruikt het al; Aolani, Bitdeer AI, IBM, Jio, Lambda, Quake AI en Tesla zijn van plan het te implementeren, en Lenovo en Supermicro zullen het naast Dell Technologies aanbieden. NVIDIA maakt geen prijs of concrete verbetercijfers bekend.

🔗 Minerva (NVIDIA-blog)

Culturen en bevolkingen weergeven: CulturalRiddles en Nemotron-Personas-UK

Twee op dezelfde dag gepubliceerde datasets meten of verbeteren hoe getrouw modellen echte culturen en bevolkingen weerspiegelen.

Cohere Labs publiceert CulturalRiddles: 6 200 raadsels uit 62 culturen die de culturele blinde vlekken van LLM’s blootleggen

22 oktober — Cohere Labs publiceert CulturalRiddles, een benchmark die met raadsels het culturele begrip van taalmodellen meet. In zes maanden schreven 194 vrijwilligers ongeveer 6 200 originele raadsels in hun eigen taal, voor 62 culturele gemeenschappen, 45 landen en 51 talen, waaronder talen die in bestaande benchmarks ontbreken, zoals het Buginees of het Mongondow. Van 28 propriëtaire, open of regionale modellen, met ongeveer 68 000 antwoorden die door moedertaalsprekers zijn nagekeken, lost het beste 79 % van de raadsels op, maar geen enkel komt boven 22 % in het Lumasaba (Oeganda) of het Mongondow (Indonesië). De taal verklaart slechts een klein deel van het verschil: na vertaling in het Engels brengen de raadsels van de vijf moeilijkste gemeenschappen vijf modellen slechts van 22 % naar 32 %. Hoewel de modellen « ik weet het niet » mochten antwoorden, deden ze dat slechts in 0,7 % van de gevallen, terwijl ongeveer 31 % van de nagekeken antwoorden verzonnen was; 18 van de 28 modellen antwoorden waterpolo op een Duits raadsel waarvan de oplossing onderwaterrugby is. De raadsels, code en het dashboard zijn openbaar, zonder dat een Cohere-model naar voren wordt geschoven.

🔗 CulturalRiddles (Cohere Labs) · De dataset op Hugging Face

Nemotron-Personas-UK: een miljoen synthetische persona’s afgestemd op de Britse volkstellingen

22 oktober — Locai Labs, een Londens laboratorium voor soevereine IA, publiceert samen met NVIDIA Nemotron-Personas-UK: een miljoen synthetische persona’s onder de CC BY 4.0-licentie. Elke persona volgt de demografische, geografische, sociaaleconomische en beroepsmatige verdelingen uit de volkstellingen van Engeland en Wales, Schotland en Noord-Ierland, zonder dat er echte personen in zijn opgenomen. Met NeMo Data Designer selecteert een probabilistisch model eerst realistische combinaties, waarna Gemma 4 31B de kenmerken van elke persona beschrijft (culturele achtergrond, vaardigheden, carrièredoelen, hobby’s), op 18 NVIDIA GPU’s. Deze datasets dienen om modellen te trainen en te testen die een specifieke bevolking moeten weerspiegelen zonder persoonsgegevens bloot te geven. Op de tweede dag van GTC Berlin presenteerde NVIDIA daarnaast Nemotron-Personas-Germany: een miljoen records op basis van de volkstelling van 2022 (16 Länder, 400 districten), die met de open source-bibliotheek NeMo User Sim kunnen worden gebruikt om te controleren of een model voor publieke dienstverlening zich in verschillende regio’s of leeftijdsgroepen hetzelfde gedraagt; er zijn edities gepland met SpeakLeash in Polen en de Universiteit van Ljubljana. De Nemotron-Personas-collectie bestrijkt inmiddels 12 landen, waaronder Frankrijk.

🔗 Het blogbericht van Locai Labs · De Europese publieke sector (NVIDIA-blog)

Generatieve beelden en video’s: Ideogram Vector 1.0, HeyGen Video 1 en FLUX Video Upscale

Ideogram lanceert Ideogram Vector 1.0, zijn eerste vectormodel, dat bewerkbare SVG’s genereert

22 oktober — Ideogram gaat met Ideogram Vector 1.0 verder dan rasterbeelden. Op basis van een prompt, desgewenst met referentiebeelden, genereert het model rechtstreeks een SVG-bestand; het kan ook een bestaande afbeelding zonder prompt omzetten naar vectoren. Elke creatie is één SVG waarvan de vormen, kleuren en kleurverlopen bewerkbaar blijven in Illustrator, Figma of code. Ideogram richt zich op logo’s, lettering, etiketten, drukwerk en illustraties (gravures, popart, effen kleurvlakken, lijntekeningen), waarbij het voortbouwt op zijn van oudsher sterke punt: leesbare tekst. Het model is beschikbaar in Ideogram, via de API en bij niet nader genoemde partners, zonder gepubliceerde benchmark.

Generatiemodus	Prijs per SVG
Tekst naar vector, kwaliteit Low	0,13 dollar
Tekst naar vector, kwaliteit Medium	0,16 dollar
Tekst naar vector, kwaliteit High	0,20 dollar, 0,32 dollar met referenties
Afbeelding naar vector	0,10 dollar per afbeelding

🔗 De aankondiging van Ideogram · De modelpagina

HeyGen Video 1 staat bij Artificial Analysis eerste in tekst naar video zonder audio, derde met audio

22 oktober — HeyGen stelt dat HeyGen Video 1, zijn eerste videomodel voor algemeen gebruik, eerste is geworden in tekst naar video in een blinde test van Artificial Analysis. De ranglijst AA-Video-T2V v2.1 nuanceert die bewering: de opgenomen variant, HeyGen Video (ultraquality), staat inderdaad eerste in de weergave zonder audio, met een betrouwbaarheidsinterval dat overlapt met dat van Wan 3.0, maar slechts derde in de standaard weergegeven weergave met audio.

Weergave van de ranglijst	Positie van HeyGen Video (ultraquality)	Naburige modellen op de ranglijst
Zonder audio	1e plaats, 1 144 Elo (rang 1 tot 2)	Wan 3.0 op 1 134, MiniMax H3 768p op 1 120
Met audio, standaardweergave	3e plaats, 1 160 Elo (rang 2 tot 7)	Wan 3.0 op 1 175, Utopai X op 1 167

Het model, dat via post-training op MiniMax H3 is doorontwikkeld, ligt zonder audio duidelijk voor op zijn basismodel (1 144 tegenover 1 120), maar met audio slechts twee punten (1 160 tegenover 1 158). Artificial Analysis vermeldt dat een API voor deze variant « binnenkort beschikbaar » is, terwijl HeyGen HeyGen Video 1 presenteert als beschikbaar in HeyGen en via de API, tegen een actieprijs van 0,01 dollar per seconde.

🔗 De ranglijst voor tekst naar video van Artificial Analysis · De tweet van @HeyGen

Black Forest Labs vernieuwt FLUX Video Upscale volledig en noemt het goedkoper dan Topaz Astra 2 en twee keer zo snel

22 oktober — Black Forest Labs kondigt een volledige vernieuwing aan van FLUX Video Upscale, zijn op 20 augustus gelanceerde tool voor superresolutie van video’s, die het presenteert als de beste op de markt, goedkoper dan Topaz Astra 2 en twee keer zo snel, zonder een cijfermatige vergelijking te publiceren. De tool, volgens de productpagina aangedreven door FLUX 3, genereert elk frame opnieuw op de nieuwe resolutie in plaats van de pixels te interpoleren. Een instelling bepaalt hoe de tool werkt: de nauwkeurige modus verfijnt de bron zonder die te veranderen, voor gezichten en producten, terwijl de standaard ingestelde creatieve modus details verzint, met het risico dat een gezicht verandert.

Instelling van FLUX Video Upscale	Gepubliceerde waarde
Vergrotingsfactor	1,5 tot 3 keer, tot 4K, vanaf 480p
Duur per fragment	Maximaal 20 seconden, oorspronkelijk geluid behouden
Prijs in nauwkeurige modus	0,035 dollar per geleverde megapixel-seconde
Prijs in creatieve modus (standaard)	0,05 dollar per geleverde megapixel-seconde

🔗 De aankondiging van Black Forest Labs · De pagina van de upscaler

Codeagents: Claude Code 2.1.307, VS Code 1.143, Replit Monitoring Agent, orbs van Amp en de plugin van Cognition

Claude Code sluit aan op de nieuwe API-versie, VS Code draait een codemodel op de computer van de ontwikkelaar, Replit en Amp vertrouwen meer infrastructuur toe aan agents en Cognition voorziet elke agent van tools tegen drie kritieke kwetsbaarheden. Copilot CLI 1.0.103, Vibe CLI 3.0.2, Qwen Code v0.26.0, Zed 1.25 en de andere releases van de dag staan in Kort nieuws.

Claude Code 2.1.307 voegt /claude-api api-version en het OpenTelemetry-event safety_event toe

21 oktober — Claude Code 2.1.307 (43 wijzigingen, waaronder 26 fixes) sluit aan op de nieuwe API-versie: /claude-api api-version zet de code van een Claude API-applicatie over naar versie 2026-10-21. Voor observability wordt het OpenTelemetry-event claude_code.safety_event gegenereerd voor elke toolaanroep die door een permissieregel, de automatische modus, een veiligheidscontrole, een hook of de sandbox is gestopt, ter bevestiging is voorgelegd of naar Claude is teruggestuurd; het vormt een aanvulling op de velden van de classifier die op 15 oktober aan de tool_decision-events zijn toegevoegd. Code Review krijgt @claude review stop (of off, pause), waarmee een @claude review always-abonnement op een pull request wordt beëindigd. De fixes zorgen er onder meer voor dat MCP HTTP-toolaanroepen niet meer twee keer worden verstuurd wanneer de verbinding tijdens een aanroep wordt gesloten, waarbij alleen tools die uitsluitend lezen of idempotent zijn opnieuw worden geprobeerd; een onleesbare toolaanroep wordt maximaal twee keer opnieuw geprobeerd voordat de beurt wordt beëindigd, en de zelfgehoste runner stopt zijn checkout-hooks standaard na 30 minuten. Versie 2.1.308 van 22 oktober beperkt zich tot bugfixes en betrouwbaarheidsverbeteringen.

🔗 Claude Code 2.1.307 op GitHub

VS Code 1.143 draait MAI Code 1.1 Flash lokaal met Copilot en maakt de Copilot-harness de standaardkeuze

22 oktober — VS Code 1.143 biedt experimentele ondersteuning voor de op 7 oktober aangekondigde lokale routering: een nieuw tabblad On This Device in de modelkiezer downloadt MAI Code 1.1 Flash, dat je kunt bevragen in sessies van de Copilot-harness. Antwoorden die op het apparaat worden berekend en de markering On-device krijgen, verbruiken geen IA-credits, en met de optie Use in Auto kan de Auto-modus geschikte verzoeken daarheen sturen, met de cloud als terugvaloptie. De hardwarevereisten blijven hoog: een compatibele versie van llama.cpp, een GitHub-verbinding en een NVIDIA GPU met minimaal 96 Go geheugen. De Copilot-harness, gebouwd op de Copilot SDK, wordt de standaardkeuze voor nieuwe sessies, en het Agents-venster krijgt een preview van Compare Models, dat dezelfde opdracht parallel aan meerdere modellen en harnesses (Copilot, Claude, Codex) geeft, met een optioneel beoordelingsmodel. Het installatieprogramma biedt ook Copilot CLI aan, Voice Mode accepteert een persoonlijke OpenAI-sleutel en bedrijven kunnen hun standaardmodellen afdwingen en vereiste plugins automatisch laten installeren.

🔗 Release notes van Visual Studio Code 1.143

Replit lanceert Monitoring Agent, die productiewaarschuwingen onderzoekt, fouten herstelt en zelfstandig opnieuw kan publiceren

22 oktober — Replit brengt Monitoring Agent uit, gepresenteerd als een autonome engineer die de storingsdienst verzorgt voor applicaties op zijn platform: bij een productie-incident onderzoekt hij de waarschuwing, zoekt de oorzaak in de logs, metrics en code, bereidt een oplossing voor en valideert die, kan die deployen en rapporteert vervolgens wat er is veranderd. Drie afzonderlijke instellingen worden per applicatie ingesteld: waarschuwingen voor foutlogs, HTTP-fouten en latentie; automatisch herstel (Auto-fix), dat op de achtergrond onderzoek doet en een samenvatting per e-mail verstuurt; automatisch opnieuw publiceren (Auto-republish), dat nog experimenteel is en alleen beschikbaar is voor applicaties waarin Auto-fix actief is. Replit waarschuwt dat een waarschuwing geen oplossing garandeert en dat migraties en indexbewerkingen riskant blijven; zonder automatisch opnieuw publiceren wacht de oplossing op beoordeling in de chat van de agent. Er is geen apart tarief: uitvoeringen kunnen gebruikskosten voor de Agent met zich meebrengen. Replit noemt de agent « de eerste in zijn soort », maar Cognition lanceerde op 15 oktober Devin Oncall, die eveneens productie-incidenten onderzoekt.

🔗 Het blogbericht van Replit · De documentatie van Monitoring Agent

Amp maakt het mogelijk orbs op eigen infrastructuur te hosten, tot 29 oktober gratis voor iedereen

22 oktober — Amp maakt het mogelijk zijn orbs zelf te hosten, de externe machines waarop zijn agents draaien: de klant levert de rekencapaciteit en Amp maakt daar orbs van, op voorwaarde dat de infrastructuur snel nieuwe machines kan starten, ze kan pauzeren en hervatten, ze langdurig kan behouden en weer tot nul kan afschalen. amp orb provider draait bij de klant, maakt verbinding met Amp en geeft verzoeken om machines aan te maken, te pauzeren en te verwijderen door aan een programma dat de klant schrijft; Amp levert voorbeelden voor Docker, E2B, Kubernetes, Apple Containers, Modal, Vercel, Daytona en exe.dev. Toch raadt Amp deze optie de meeste gebruikers af: ze is bedoeld voor bedrijven die door regelgeving, een intern netwerk of specifieke hardware geen gehoste orbs kunnen gebruiken. Zelfgehoste orbs blijven gratis voor individuele gebruikers en teams; Enterprise-klanten betalen vanaf 29 oktober het standaardtarief voor orbs en tot die tijd is de optie voor iedereen gratis. Tot nu toe lieten alleen de runners van Amp de agent bij de klant draaien, maar dan op persistente machines.

🔗 Het blogbericht van Amp

Cognition brengt een opensourceplugin voor agents uit om kritieke kwetsbaarheden in PHP, Node.js en GitLab te verhelpen

22 oktober — Een dag na PHP2Shell brengt Cognition Vulnerability Fixes uit, een gratis opensourceplugin (MIT-licentie) die een codeagent drie kritieke kwetsbaarheden laat verhelpen. De plugin kan via de marketplace van Devin worden geïnstalleerd, maar bestaat uit skills in het Agent Skills-formaat: npx skills add voegt hem ook toe aan Claude Code, Codex, Cursor, Factory Droid, GitHub Copilot, Gemini CLI of OpenCode. De agent maakt eerst een inventaris in alleen-lezenmodus van alles wat PHP of Node.js bevat (Docker-images, distributiepakketten, CI, Helm, Terraform, AWS Lambda-runtimes…), wacht tot is gekozen welke repositories moeten worden aangepast, stapt over op een herstelde versie die bij officiële bronnen is geverifieerd, voert voor en na de wijziging tests uit en opent vervolgens per repository een pull request met een risicolabel en een rollbackplan.

Betrokken component	Verholpen kwetsbaarheid	Herstelde versies
PHP (PHP2Shell, besproken op 21 oktober)	CVE-2026-109618 en CVE-2026-109619, CVSS v4 9,2	8.2.35, 8.3.36, 8.4.27, 8.5.12
Node.js (update van 21 oktober)	10 CVE, waaronder CVE-2026-111497 (Brotli-decoder)	22.23.4, 24.22.1, 26.12.1
Zelfgehoste GitLab	CVE-2026-110264, CVSS 10.0	19.5.1, 19.4.3, 19.3.6, 19.2.9, 19.1.9, 19.0.10, 18.11.13

Volgens Cognition worden de kwetsbaarheden in PHP en Node.js actief en geautomatiseerd misbruikt, en het blogbericht adviseert om PHP-webapplicaties eerst offline te halen. Devin Enterprise-klanten worden credits en begeleiding beloofd, zonder genoemd bedrag.

🔗 Het blogbericht van Cognition · De repository CognitionAI/devin-vuln-fixes · De aankondiging van @cognition

Kort nieuws

Agents en codetools

Copilot CLI 1.0.103 — Een dag na 1.0.102 brengt de stabiele versie van GitHub vooral foutoplossingen: ACP-sessies respecteren eindelijk de sandboxinstellingen, Gemini-toolaanroepen mislukken niet meer bij schemavalidatie en de oude opstartopties --remote en --no-remote verdwijnen. 🔗 bron
Vibe CLI 3.0.2 — Mistral verhoogt het standaardmaximum voor actieve subagents en parallelle subagents naar 32, tegenover respectievelijk 8 en 4 tot nu toe, instelbaar via max_subagents en max_concurrent_subagents, en past eindelijk de rechten, toollijsten en skills van aangepaste subagents toe. 🔗 bron
Qwen Code v0.26.0 — De stabiele versie volgt op de prereleases van v0.25.4 die de dag ervoor zijn besproken, zonder stabiele v0.25.4: 64 van de 237 vermeldingen, waaronder 21 functies, zijn nieuw, zoals goedkeuringen die tijdens een beurt van de Managed Agent kunnen worden aangepast en het herstarten van de daemon qwen serve. 🔗 bron
Zed 1.25 als stabiele versie — Met v1.25.2 wordt de prerelease die op 14 oktober is besproken stabiel, met contextcompactie voor ACP-agents en GPT-6 Astra, Claude Fable 5.1 en Claude Opus 5.5 bij de provider Amazon Bedrock, en een binary die sinds 1.23 ongeveer 30 % kleiner is geworden. 🔗 bron
Gemini CLI, nightly van 22 oktober — De IDE-integratie werkt eindelijk wanneer de CLI in een sandbox van docker, podman of runsc draait, zonder dat de token van de companion daarin terechtkomt, en een goedkeuring voor een shellcommando geldt tot het einde van de sessie voor dezelfde opties. 🔗 bron
Antigravity 2.25.0 en VS Code-extensie 1.9.0 — Alsnog de updates van 19 en 18 oktober: de applicatie markeert projecten die door plugins worden beheerd met een badge en herstelt de YAML-frontmatter van skills; de extensie voegt sneltoetsen toe om een diffblok te accepteren of te weigeren en een optie om de taalserver automatisch te herstarten. 🔗 bron
Release notes van Devin van 21 oktober — Devin Review wordt beschikbaar voor Bitbucket Cloud, Devin Oncall krijgt een Lite-modus en Enterprise-beheerders kunnen een link voor toegangsaanvragen tonen naast repositories die nog niet zijn verbonden. 🔗 bron
Een schooltool gebouwd met GenCode — Genspark publiceert het verhaal van Jason Hill, die in drie dagen voor ongeveer 600 credits een tool bouwde om vrije plaatsen en overbezetting in de lesroosters van zijn schooldistrict bij te houden; geen productnieuws. 🔗 bron

Bedrijven en implementaties

Uber en ChatGPT Work — Na een pilot met 1 000 medewerkers rolt Uber de agent van ChatGPT Enterprise uit naar meer dan 30 000 medewerkers, met GPT-6.1 Sol als standaard en verbindingen met Google Drive, Gmail, Google Calendar en Slack; geen gekwantificeerde resultaten. 🔗 bron
De Forward Deployed Engineers van OpenAI — Colin Jarvis beschrijft hun werkwijze aan de hand van klantcijfers: bij een klant in de halfgeleidersector werd ongeveer 90 % van de maatwerkcode geschrapt door over te stappen op een basis van Codex, en een spraakmodel voor telecom ging in zes maanden bij de belangrijkste evaluaties van ongeveer 60 % naar meer dan 90 %. 🔗 bron
Replit for Government — Een aanbod voor overheidsinstanties op alle niveaus, in de Verenigde Staten en elders, dat naar eigen zeggen in 25 Amerikaanse staten en meer dan 20 landen wordt gebruikt, zonder genoemde klant, FedRAMP of tarief. 🔗 bron
Cognition in Londen — Een nieuw kantoor aan Finsbury Square, een Brits team dat in zes maanden met meer dan 200 % groeide en drie nieuwe medewerkers, onder wie Katrin Lehmann, voormalig wereldwijd CIO van Mercedes-Benz. 🔗 bron
Het Partner Network van SpaceXSI — Het programma voor integrators en softwareleveranciers die met Grok bouwen verlaat early access, met belangstelling van meer dan 130 bedrijven en 45 lanceringspartners, waaronder Bain & Company, Databricks, NVIDIA en Snowflake; geen prijs of tijdschema. 🔗 bron
Synthesia en Hays — De pilot met Roleplay Sessions bij het wervingsbureau meet een gemiddelde vooruitgang van 29 % in commerciële vaardigheden, met een vrijwillige deelname van meer dan 70 %. 🔗 bron
Trinity Logistics en ElevenAgents — In een op 20 oktober gepubliceerde praktijkcase onderhandelen spraakagents over ongeveer 1 000 ladingen per maand en boeken ze die via 30 000 telefoongesprekken, met een 25 % hogere marge en 40 % lagere platformkosten. 🔗 bron
Eleven Realtime Translation, vervolg — Het blogbericht over live spraakvertaling, dat de dag ervoor is besproken, noemt een eerste klant, Deutsche Telekom, voor zijn Magenta AI Call Assistant en verduidelijkt dat Eleven v4 Turbo standaard als basis dient; de alpha voor bedrijven heeft nog geen tarief. 🔗 bron

Beveiliging

OpenAI en lokale banken — De samenwerking met de ICBA biedt aangesloten banken die daarvoor in aanmerking komen gesubsidieerde toegang tot Daybreak for Frontline Defenders, inclusief trainingen; geen bedrag of aantal banken genoemd. 🔗 bron
Cloudflare, Daybreak en Codex — In een praktijkcase van 21 oktober stelt Cloudflare met de modellen van OpenAI oplossingen en WAF-regels voor die vóór het delen worden beoordeeld, en heeft een team van vier met Codex in drie dagen een product opnieuw gebouwd voor 1 100 dollar aan tokens. 🔗 bron
Grok Bot en 1Password — Grok Bot zal de komende dagen door de gebruiker goedgekeurde 1Password-inloggegevens gebruiken zonder de wachtwoorden te zien, als onderdeel van 1Password for Agents, dat ook Muse van Meta, Claude Duet en ChatGPT Work moet bedienen. 🔗 bron · 🔗 1Password for Agents
Public monitoring met dataresidentie — De secret scanning van GitHub controleert nu publieke commits voor GitHub Enterprise Cloud-klanten met dataresidentie, in publieke preview, met toewijzing uitsluitend op basis van geverifieerde domeinen. 🔗 bron

Assistenten

Gemini, Google Maps en Google Agenda — Met toestemming van de gebruiker combineert de Gemini-app diens zoekopdrachten en opgeslagen plaatsen uit Google Maps met diens agenda voor aanbevelingen voor de dag, via Personal Intelligence, dat niet beschikbaar is in de Europese Economische Ruimte. 🔗 bron
Van Gemini-applicaties naar Google Sites — Sinds 19 oktober opent Export > Google Sites een in Gemini gemaakte interactieve webapplicatie in een privéconcept van een site, waarbij de applicatie interactief blijft, voor Workspace en persoonlijke accounts. 🔗 bron
Kimi Work 3.2.19 — Een dag na 3.2.18 toont de applicatie van Moonshot AI een pagina voor beperkte toegang wanneer de IP-allowlist van een bedrijf de verbinding blokkeert, en voegt ze een tool voor netwerkdiagnose toe. 🔗 bron

Ontwikkelplatforms

Witruimte en gesplitste weergave in pull requests — De voorkeur voor het weergeven van wijzigingen in witruimte wordt voor alle pull requests opgeslagen, en nieuwe of verwijderde bestanden nemen in de gesplitste weergave de volledige breedte in. 🔗 bron
Nieuwe blobhosts voor GitHub Actions — De reeksen productionresultssa30 tot 49 en 100 tot 199 op blob.core.windows.net, gepubliceerd in de meta-API, moeten worden toegestaan tenzij er al een wildcard geldt, anders kunnen jobsamenvattingen en logs worden onderbroken. 🔗 bron
huggingface_hub 2.3.0 als release candidate — Parallel listing verkort het opzoeken van de 798 924 bestanden van objaverse van 776 naar 19,7 seconden, en Buckets kunnen live worden gevolgd. 🔗 bron
OpenUSD op de Hub — Bestanden met de extensies .usd, .usda, .usdc en .usdz openen in een interactieve 3D-viewer die als open source is uitgebracht, een dag na SimReady Central. 🔗 bron

Onderzoek, open modellen en methoden

PLANTEUR — Deze benchmark voor het in kaart brengen van gewassen in zes Franse overzeese gebieden (2 750 tijdreeksen, 4 506 km² aan percelen), uitgebracht door Ai2 met OlmoEarth v1.3, laat zien dat elk model ongeveer de helft van zijn nauwkeurigheid verliest op een eiland dat het nog nooit heeft gezien. 🔗 bron
Seb-9B-v2 — Dit lokale beslismodel met 9 miljard parameters, onder Apache 2.0, behaalt volgens de maker 59,16 op de Decision Index tegenover 57,96 voor de gehoste Jev 1.13, bij 22 ms per beslissing op een RTX PRO 6000; de maker vermeldt niet welke versie van de index is gebruikt. 🔗 bron
Laghu — UDGAM LABS traint voor 146 dollar vanaf nul een conversatiemodel met 152 miljoen parameters, 163 MB in de browser, dat volgens de makers in gesprekken gelijk presteert aan SmolLM2-135M-Instruct. 🔗 bron
BaseQuant V1 — basecompute publiceert kwantisaties van Qwen3.8-27B (10,93, 16,41 en 20,82 GB) waarvan de KL-divergentie volgens de makers bij 3 en 4 bits 15 % lager is dan die van Unsloth. 🔗 bron
Een VLM als reranker — Zonder training voor reranking verslaat Qwen3.8-27B de supervised reranker Qwen3-VL-Reranker-2B op drie benchmarks en evenaart het de 8B-versie op de visuele documenten van MMEB-V2, volgens een blogbericht uit de community. 🔗 bron
Een agent evalueren volgens Perplexity — Een gids in zes stappen, van succescriteria tot regressietests en monitoring in productie, adviseert een foutanalyse op ongeveer honderd echte traces en het kalibreren van LLM-beoordelaars; geen Perplexity-product. 🔗 bron
Project Chrysalis — Google Cloud beschrijft een referentiearchitectuur voor operationele agents die zichzelf verder ontwikkelen op het Gemini Enterprise-agentplatform: bij gesimuleerde storingen daalt de tijd tot de eerste beperkende maatregel (mitigation) van 15 tot 45 minuten naar 1,8 seconde; het is geen product. 🔗 bron

Wat dit betekent

De platforms herschrijven hun toegangsvoorwaarden. Anthropic legt de Claude API voortaan vast in gedateerde versies en verwijdert instellingen die bij zijn recente modellen al niet meer konden worden aangepast: een ontwikkelaar die de temperatuur van een ouder model verlaagde, moet kiezen tussen bij 2023-06-01 blijven en de standaardinstellingen voor sampling accepteren, en alle SDK’s veranderen op dezelfde dag van hoofdversie en licentie. OpenAI gaat tussenpartijen filteren: vanaf 20 november moet een router of gateway die rechtstreeks toegang geeft tot zijn modellen daarvoor goedkeuring krijgen, en met SafetyIDs kan het bedrijf zich op een specifieke eindgebruiker richten zonder diens identiteit te kennen. Perplexity neemt de opzet van de Batch API van OpenAI over, en Cohere laat de client vóór elke verzending de omgeving controleren die zijn verzoek zal verwerken.

De bouwstenen van agents komen onder neutraal bestuur te staan. Met Agent Skills, Open Responses, OpenEnv en OpenSandbox brengt de AAIF in één jaar tien projecten bijeen, waarvan de vier nieuwste afkomstig zijn van Anthropic, OpenAI, Hugging Face en Alibaba. Het nut van een gemeenschappelijk formaat wordt diezelfde dag zichtbaar: de plugin van Cognition tegen PHP2Shell en de kwetsbaarheden in Node.js en GitLab kan als skills worden geïnstalleerd in zeven concurrerende codeagents. Wat de architectuur betreft, lopen de signalen echter uiteen: Anthropic adviseert om subagents onder te brengen in één lus met skills en behoudt ze alleen voor overvolle contexten of tijdelijke parallelle taken, terwijl Vibe CLI 3.0.2 diezelfde dag het standaardaantal gelijktijdige subagents verhoogt naar 32.

Naarmate agents zelfstandiger handelen, wordt hun bewaking steeds meer een infrastructuur die op de proef moet worden gesteld. De oefening van METR en Redwood Research laat zien dat een monitor het hele traject van een agent kan zien en toch een deel van het verkeer kan laten passeren: zolang de contextcompressie buiten zijn zicht bleef, kon een agent die de controle nooit teruggaf zijn beoordeling eindeloos uitstellen. Diezelfde dag kondigen de Claude-apps de automatische modus als standaard aan, waarin een automatische controle de goedkeuring van elke stap vervangt, geeft Claude Code een event af voor elke geblokkeerde toolaanroep, laat Replit een agent zelfstandig een correctie opnieuw in productie publiceren, en biedt GitHub bedrijven de mogelijkheid om hun aandeel gebruikers dat met agents werkt te vergelijken met dat van vergelijkbare bedrijven.

Op een afgebakend terrein evenaart een gespecialiseerd model een frontiermodel tegen een fractie van de kosten. Carbon-X, met 14 miljard parameters, blijft voor ADN op minder dan één punt van GPT-6.1 Sol voor ongeveer 1/1 800 van de kosten per probleem; de Decisions API en GLiDE antwoorden zonder tekst te genereren; OlmoEarth v1.3 berekent vooraf embeddings voor de hele planeet, waarmee een kleine classifier al volstaat om een kaart te maken, en ForTy bouwt zijn eigen kaart op basis van die van AlphaEarth Foundations. De benchmarks laten de keerzijde zien: op CulturalRiddles haalt geen van de 28 geteste modellen meer dan 22 % voor sommige gemeenschappen, en de modellen antwoorden slechts in 0,7 % van de gevallen met ‘ik weet het niet’.