OpenAI bygger sin Git-backend Pando med Codex, Anthropic presenterar FlashProve, Cohere öppnar Model Vault för öppna modeller

OpenAI beskriver Pando, företagets Git-backend för sitt monorepo, som byggdes med Codex på tio veckor och levererar nästan en petabyte (1 Po) data per dag; Claude Code 2.1.317 begär nu samtycke innan kontots e-postadress skickas, och GitHub Copilot kommer till JetBrains Air. Anthropic presenterar FlashProve, en prototyp för kryptografiska inferensbevis, OpenAI mer än fyrdubblar medianbelöningarna för sårbarheter och Cohere öppnar Model Vault för andra leverantörers öppna modeller. Google publicerar PLE, en testsvit för ingenjörsarbete där ingen agent når över 50 %, och kommer den 1 december att omdirigera förfrågningar till Gemini 2.5 Pro och 2.5 Flash till nyare modeller.

Kodagenter: OpenAI bygger Pando med Codex, Claude Code 2.1.317, GitHub Copilot i JetBrains Air

OpenAI ersätter sitt monorepos Git-backend med Pando, byggd med Codex på tio veckor

2 november — OpenAI beskriver Pando, den nya Git-backend som nu hanterar all utveckling i företagets monorepo (monorepo), kompatibel med Git-protokollet och Git-klienten. Orsaken är Codex: antalet grenar, push, sammanslagningar och hämtningar har ökat kraftigt, och i slutet av 2025 sjönk det gamla systemets tillförlitlighet ibland under 90 %. Enligt ett diagram i inlägget var antalet commits som integrerades i huvudgrenen under tredje kvartalet 2026 1 378 % högre än under första kvartalet 2024.

We built Pando, a new Git backend for our monorepo, to handle more pushes and fetches without changing how our engineers and agents use Git. Pando cut push latency by ~80% and now serves nearly a petabyte of Git data a day. We can grow Git capacity alongside agent usage.

🇸🇪 Vi skapade Pando, en ny Git-backend för vårt monorepo, för att hantera fler push och hämtningar utan att ändra hur våra ingenjörer och agenter använder Git. Pando har minskat latensen för push med cirka 80 % och levererar nu nästan en petabyte Git-data per dag. Vi kan öka Gits kapacitet i takt med användningen av agenter. — @OpenAIDevs på X

För att klara belastningen avstår Pando från en konsistent vy över alla referenser vid en given tidpunkt: varje gren uppdateras oberoende, och mottagna packfiler levereras vidare oförändrade till andra klienter från regionala cacher.

Mätvärde från OpenAI	Angivet värde
Medianlatens för push	nästan fem gånger lägre (cirka -80 %)
Levererade Git-data	nästan en petabyte (1 Po) per dag
Högsta timvolym	över 57 To på en timme, över 99 % från cache
Kloningar och hämtningar	anslutningar på 10 Gbit/s mättade på vanliga VM
Byggtid	10 veckor med Codex, i produktion sedan april 2026

Kärnan utformades av en enda ingenjör och implementerades av team av agenter, som också använde GPT-6 Astra för att skriva kod i Lean och TLA+ för att formalisera Pando och hitta buggar. OpenAI har bidragit med flera rättningar till Git-projektet och säger sig undersöka sätt att dela tekniken, utan att ange någon produkt eller något datum.

🔗 OpenAI:s inlägg om Pando

Claude Code 2.1.317 begär samtycke innan kontots e-postadress skickas och lägger till en kostnadsrapport i Claude apps-gatewayen

3 november — Claude Code 2.1.317 publiceras på GitHub kl. 01.25 UTC, efter att ha publicerats på npm kvällen innan. Av 87 punkter är 62 rättningar, men versionen lägger också till ett integritetsskydd: Claude Code begär nu samtycke innan ett anrop till ett webb- eller shellverktyg skickar kontots e-postadress över nätverket. I samma anda varnar /schedule när en ny schemalagd uppgift i molnet får anslutningar som man inte har begärt, och visar hur de tas bort.

Nyhet i 2.1.317	Vad som ändras
Claude apps-gateway	Kostnadsrapport `GET /v1/organizations/analytics/cost`: utgifter per utvecklare, per dag eller per IdP-grupp
Agent SDK	`onFailure: "block"`: en misslyckad hook-callback blockerar åtgärden i stället för att släppa igenom den
Underagenter och teammedlemmar	Om de använder en annan modell än konversationen använder de den sparade ansträngningsnivån för den modellen
Read-verktyget	När en oförändrad fil läses igen returneras innehållet, inte längre bara ett meddelande
OpenTelemetry	Nya attribut, bland annat `anthropic.plan` och `anthropic.seat_type`

Bland rättningarna finns att auto-läget inte längre fastnar vid varje tur bakom en LLM-gateway som svarar med 403 eller 422 på dess säkerhetskontroll, att Grep och Glob inte längre visar ofullständiga resultat som fullständiga när en sökning når sin tidsgräns, och att claude auth status inte längre riskerar att logga ut användaren efter en långsam tokenförnyelse. På npm ligger den stabila kanalen kvar på 2.1.311.

🔗 Versionsinformationen för Claude Code 2.1.317

GitHub Copilot kommer till JetBrains Air, lokalt och med molnuppgifter inom Copilot-abonnemanget

3 november — GitHub Copilot blir en av agenterna i JetBrains Air, JetBrains miljö för utveckling med agenter, som är öppen för alla agenter som är kompatibla med Agent Client Protocol (ACP). Man väljer den i Airs agentväljare med sitt befintliga Copilot-abonnemang för att delegera en uppgift, styra genomförandet och granska resultatet bredvid koden; Air hanterar flera sessioner parallellt. GitHub presenterar den som ett alternativ vid sidan av sin Copilot-plugin för JetBrains, inte som en ersättare.

Körningsläge	Krav	Hur användningen räknas
Lokalt, i JetBrains IDE	Air installerat i IDE:n, GitHub Copilot valt, Copilot-konto anslutet	Befintligt Copilot-abonnemang
I molnet, via Air Teams	JetBrains-organisation med business-abonnemang och Air Teams, Copilot aktiverat av Air-administratören	Copilot-abonnemanget, inte JetBrains AI-krediter

Varje molnuppgift körs i en Docker-container på en ny virtuell maskin, bakom en proxy som all trafik passerar genom, utan att något tillstånd sparas mellan uppgifterna. GitHub listar också begränsningar: abonnemang och krediter kontrolleras bara när molnmiljön startas, det går inte att välja mellan personligt abonnemang och organisationsabonnemang för varje uppgift, och Air har ingen inställbar utgiftsgräns för Copilot, där administratörer endast kan inaktivera Copilot.

🔗 Tillkännagivandet i GitHub Changelog

Säkerhet: FlashProve hos Anthropic, OpenAI:s sårbarhetsbelöningar, CWE-bench v2 och CyberArena

Anthropic presenterar FlashProve, en open source-prototyp för kryptografiska inferensbevis för stora modeller

2 november — Anthropics Frontier Red Team publicerar FlashProve, en forskningsprototyp för bevisbar inferens (provable inference), som tillkännages på X den 3 november: den gör det möjligt att verifiera att ett svar verkligen kommer från en viss modell. Leverantören publicerar först ett åtagande (commitment) för vikterna och bifogar sedan till varje svar ett kortfattat kryptografiskt nollkunskapsbevis (zkSNARK) som visar att dessa vikter, tillämpade på denna prompt, producerar exakt dessa tokens. Vikterna förblir dolda, men inte modellens arkitektur. Enligt Anthropic har Claude tagit fram systemförbättringarna och skrivit protokollspecifikationen, vars säkerhetsegenskaper är bevisade i Lean.

Publicerat mätvärde (Llama 4 Maverick, vikter på 4 bits)	Angivet värde
Bevisgenereringens genomströmning på en enda H100	cirka 110 tokens per sekund
Storlek på ett bevis (förfrågan på 1 024 tokens)	cirka 19 Mo
Verifiering på CPU, utan GPU	17 sekunder på 24 trådar
Extra kostnad jämfört med vLLM, per GPU	cirka 72 gånger, 94 gånger vid högsta belastningen
VerInf, tidigare referens på denna modell	14,3 timmar för 1 000 tokens, bevis på 93,6 Go

De angivna användningsområdena sträcker sig från att en tillsynsmyndighet följer utvecklingstakten till att upptäcka en komprometterad inferensserver eller en utbytt modell, samt att fastställa textens ursprung. Begränsningarna är tydliga: kontexter på högst 1 024 tokens, bevis för en hel modellversion med girig avkodning (greedy decoding), inga formella garantier för den snabba koden. Koden publiceras under Apache 2.0-licens i ett repo som anges vara utan underhåll.

🔗 Anthropics inlägg om FlashProve · FlashProve-repot

OpenAI mer än fyrdubblar medianbelöningarna i sitt bug bounty-program, upp till 172 000 dollar med bonus

2 november — OpenAI höjer belöningarna i sitt program för sårbarhetsbelöningar (bug bounty), ett tillkännagivande som sprids på X den 3 november: i genomsnitt mer än fyrdubblas medianbeloppet i intervallen för sårbarheter med medelhög, hög och kritisk allvarlighetsgrad. En kritisk sårbarhet i ChatGPT, Codex eller API-plattformen kan ge upp till 30 000 dollar, och en exceptionell kritisk upptäckt kan fortfarande ge upp till 100 000 dollar i grundbelöning, alltså upp till 172 000 dollar med de nya bonusarna: en kvalitetsmultiplikator för ett tillförlitligt proof of concept, lojalitet på fem nivåer och prioriterade kampanjer för nyligen lanserade funktioner.

Exempel på sårbarhet från OpenAI	Tidigare belöning	Ny belöning
Medelhög allvarlighetsgrad i ChatGPT: filimport utan skrivrättighet	750 dollar	2 415 dollar
Kritisk i ChatGPT: kontoövertagande utan klick	6 500 dollar	51 577 dollar
Exceptionell: läsa vilken användares konversationer som helst	100 000 dollar	171 925 dollar

De nya intervallen gäller för väntande rapporter, och OpenAI betalar mellanskillnaden för belöningar som tilldelats under de 30 dagarna före tillkännagivandet. Säkerhetsteamet kommer att vara på PROMPT2PWN i Oakland den 20 och 21 november.

🔗 OpenAI:s inlägg om sårbarhetsbelöningar

Collinear AI publicerar CWE-bench v2, där Gemini 4 Argon ligger strax före Claude Opus 5.5 på 100 offentliga uppgifter för att åtgärda sårbarheter

3 november — Collinear AI publicerar den andra versionen av CWE-bench på Hugging Face-bloggen. Den mäter en agents förmåga att hitta och åtgärda en säkerhetsbrist i ett verkligt open source-repo utan att förstöra dess funktioner. Den offentliga datamängden omfattar 100 uppgifter inom 91 kategorier av svagheter (CWE), med deterministisk poängsättning och manuell granskning; en separat datamängd hålls privat för att följa framstegen på uppgifter som ingen modell har sett.

Utvärderad modell	Andel lösta pass@1	Andel lösta pass@4	Kostnad per körning
Gemini 4 Argon	67,8 %	81,0 %	3,92 dollar
Claude Opus 5.5	67,3 %	78,0 %	1,83 dollar
DeepSeek V4.1 Flash (1017)	57,0 %	ej angivet	0,04 dollar

Av de 11 utvärderade modellerna löser minst en modell 95 uppgifter, men den ledande modellen misslyckas vid varje försök på 19 % av datamängden. Varje uppgift är en Harbor-miljö (Docker-container, instruktion, deterministisk verifierare) som kan startas från Hub och även användas för att träna defensiva agenter med RL. Gemini 4 Carbon ingår inte bland de utvärderade modellerna.

🔗 CWE-bench v2 på Hugging Face-bloggen

CyberArena låter tolv agenter mötas i anfall och försvar i realtid, och GPT-5.6 Sol leder tack vare sitt försvar

3 november — 2077AI och UC Berkeleys RDI-center publicerar CyberArena, en testsvit som ersätter cybersäkerhetsprovet med en duell: två agenter får varsin kopia av samma sårbara tjänst och angriper under tre omgångar motståndarens kopia samtidigt som de åtgärdar sin egen. Arenan verifierar varje flaggfångst och varje hälsokontroll av tjänsten och omvandlar sedan matcherna till en rankning.

Placering i rankningen	Utvärderad agent	Använt harness	Poäng i rankningen
1	GPT-5.6 Sol	OpenAI Codex	78,6
2	Claude Opus 5	Claude Code	73,8
3	GLM-5.3	OpenCode	68,5
4	Gemini 3.7 Flash	Gemini CLI	67,1
5	Grok 4.6	Grok CLI	65,5

I 466 giltiga matcher mellan 12 agenter över 40 utmaningar avgörs skillnaden i försvaret: de två främsta behåller sin flagga i 83 % respektive 81 % av omgångarna, jämfört med 43 till 61 % för de övriga. De vanligaste felen som upptäcktes vid granskningen är en åtgärd som uppges vara genomförd utan verifiering (23 % av de granskade matcherna) och en ofullständig åtgärd (21 %). Rankningen gäller modeller från tidigare generationer, utan GPT-6 Sol eller Claude Opus 5.5; arenans kod, utmaningarna och matchrepriserna är publicerade.

🔗 CyberArena på Hugging Face-bloggen

Öppna modeller i företag: Cohere öppnar Model Vault, Revolut går över till egenhostad GLM enligt Together AI

Cohere öppnar Model Vault för andra leverantörers öppna modeller, från DeepSeek V4.1 Flash till GPT-OSS

3 november — Cohere öppnar Model Vault, sin suveräna inferensplattform som lanserades i januari, för andra leverantörers öppna modeller. Vid sidan av Coheres modeller kan företag köra DeepSeek V4.1 Flash, som Cohere beskriver som den mest använda öppna modellen på OpenRouter, GLM 5.3 Flash, MiMo V2.6 Pro, Gemma 4, Nemotron från NVIDIA, Hy3 från Tencent samt modellfamiljerna GPT-OSS och Phi. Som standard sparas varken prompts eller svar.

Blogginlägget skiljer mellan två nivåer. Model Vault körs på infrastruktur som är dedikerad till en enda kund, i den valda regionen. Model Vault Encrypted krypterar även data under bearbetningen (confidential computing): enligt Cohere kan varken Cohere eller molnleverantören se vad som matas in i modellen eller kommer ut ur den. Den andra nivån stöder inte alla modeller.

Modellfamilj	Model Vault	Model Vault Encrypted
Embed, Rerank, Parse, Transcribe, Translate (Cohere)	Ja	Ja
Gemma, GPT-OSS, Phi	Ja	Ja
Command, DeepSeek, GLM, MiMo, Nemotron, Hy3	Ja	Nej

Model Vault är tillgängligt i USA, EU och Kanada; Model Vault Encrypted är tillgängligt i USA, medan EU och Kanada uppges komma « snart ». Debiteringen sker per GPU-typ, per timme eller genom ett åtagande, utan prisuppgifter i inlägget. Fem dagar efter en serie E-runda som aviserade en ny generation modeller inom tolv månader skriver Cohere i förbigående i sin tråd:

Try out world-class models while you wait for our next one

🇸🇪 Prova ledande modeller i väntan på vår nästa. — @cohere på X

🔗 Coheres blogginlägg om Model Vault

Revolut ska ha låtit cirka 2 000 ingenjörer gå över till GLM i egen drift för kodning, enligt en tweet som Together AI delat

3 november — Together AI delar en tweet enligt vilken Revolut har gjort öppna modeller till sitt standardval för kodning:

Europe’s largest private company just made open models its default for coding.

🇸🇪 Europas största privatägda företag har just gjort öppna modeller till sitt standardval för kodning. — @togethercompute på X

Den citerade tweeten, av Guillermo Flor, bygger på uttalanden från David Abitbol, ansvarig för AI-verksamheten på neobanken: cirka 2 000 ingenjörer arbetar nu med GLM i egen drift, medan Claude Code och Codex hamnar på en undantagslista.

Uppgift i tweeten	Angivet värde
Berörda ingenjörer	cirka 2 000
Hårdvara	56 GPU NVIDIA B200
Sammanvägd kostnad	30 cents per miljon tokens, ungefär en tiondel av priset hos Anthropic och OpenAI
Ledtid för utveckling (lead time)	förbättrad med 70 %

Enligt samma tweet kom vinsterna när tokens slutade ransoneras. Together AI uppger sig stå för en del av infrastrukturen som kör dessa öppna modeller i produktion, utan att precisera sin roll. Uppgifterna är fortfarande andrahandsinformation: inget pressmeddelande från Revolut har hittats och GLM-versionen anges inte.

🔗 Guillermo Flors tweet som Together AI citerar

Ingenjörsarbete i den fysiska världen: GPT-6 Astra konstruerar hårdvara, Google publicerar PLE, Antigravity inom kemi, NVIDIA i städerna

OpenAI använder GPT-6 Astra och Codex för fysisk produktutveckling, tillsammans med Mazda och Chip Ganassi Racing

3 november — OpenAI presenterar sitt arbete med utveckling av fysiska produkter: mekanisk konstruktion, elektronik och simulering. I den tydligaste demonstrationen konstruerade två teammedlemmar med hjälp av GPT-6 Astra en liten apparat för att prata med Codex, som ett sidoprojekt på mindre än en vecka: Astra utformade dess utseende, hölje, kretskort, gränssnitt och firmware, och en underleverantör tillverkade en liten prototypserie på mindre än en månad. OpenAI medger att flera granskningsomgångar krävdes: modellen tog inte alltid hänsyn till produktionsbegränsningar, toleranser eller monteringsdetaljer.

Mått publicerat av OpenAI	Angivet värde
BenchCAD 2.0, nyare intern modell (namn anges inte)	0,875 (genomsnittlig poäng)
BenchCAD 2.0, GPT-6 Astra med maximal resonemangsnivå	0,594
Hårdvaruteamens modellanvändning (i tokens)	23 gånger så stor sedan februari

BenchCAD 2.0 testar rekonstruktion av delar och sammansättningar i 3D samt identifiering av kopplingarna på ett kretskort. På industrisidan utökar OpenAI sitt samarbete med racingteamet Chip Ganassi Racing, som omvandlar 3D-skanningar av befintliga delar till redigerbara CAO-modeller och tillverkningsritningar i 2D, och tillkännager ett forskningssamarbete med Mazda: GPT-6 Astra hjälper dess ingenjörer att utforska nosformer som minskar luftmotståndet, med resultat utlovade « under de kommande månaderna ». Inga produkter eller uppgifter om tillgänglighet presenteras.

🔗 OpenAI:s blogginlägg om ingenjörsarbete i den fysiska världen

Google publicerar Physical-Engineering’s Last Exam, ett benchmark för ingenjörsarbete där ingen agent når över 50 %

3 november — Teamet Google AI & Infrastructure presenterar Physical-Engineering’s Last Exam (PLE), ett benchmark som också är en öppen tävling, framtaget tillsammans med Mercor för att mäta agenters förmåga att utföra verkligt ingenjörsarbete. De 85 tidskrävande uppgifterna (30 inom mekanik, 27 inom elektroteknik, 18 inom väg- och vattenbyggnad, 10 inom bärande konstruktioner) placerar agenten i en containeriserad projektmapp med i genomsnitt 61 filer: PDF, kalkylblad, e-post, CAO-ritningar i 2D, BIM-modeller i 3D. En leverans ger poäng bara om den klarar samtliga säkerhetskrav.

Placering	Utvärderad modell	Ordinarie harness	Genomsnittlig poäng
1	Claude Opus 5.5	Claude Code	48,3 %
2	GPT-6 Astra	Codex	45,8 %
3	Claude Sonnet 5.5	Claude Code	43,5 %
4	Gemini 4 Argon	Antigravity	40,6 %
5	Claude Opus 5	Claude Code	40,0 %

Av 14 modeller som testats med sju offentligt tillgängliga harness når ingen över 50 % på det privata testsetet. Den bästa konfigurationen uppfyller 91 % av kraven när de bedöms var för sig, men bara 41,3 % av dess leveranser klarar samtliga kontroller av säkerhet och genomförbarhet. Modellen har mycket större betydelse än harnessen: upp till 50 poängs skillnad mellan modeller, jämfört med en medianskillnad på 3 poäng mellan harness för samma modell. Google publicerar 29 uppgifter, poängsättningsskripten och utvärderingscontainern samt tar emot bidrag för utvärdering på det privata testsetet.

🔗 Google Clouds blogginlägg om PLE · Resultatlistan för PLE

Google DeepMind ger Antigravity Cheminformatics Skills som kortar en designcykel för läkemedel till en timme

3 november — Google DeepMind presenterar Cheminformatics Skills för Google Antigravity, som förvandlar den agentiska miljön till en arbetsbänk för kemister. Rollfördelningen är tydlig: språkmodellen samordnar arbetet, navigerar i databaserna och resonerar, medan deterministiska kemiverktyg, baserade på open source-biblioteket RDKit och databaserna ChEMBL och PubChem, utför de molekylära beräkningarna.

Demonstrationen tar upp ett klassiskt exempel från läkemedelskemi: att göra crizotinib, en tyrosinkinashämmare som används mot vissa lungcancerformer, mer rigid för att nå fram till lorlatinib, dess cykliserade version. Agenten samlar på några minuter tusentals föreningar från litteraturen, genomför en analys av matchade molekylpar, tränar modeller för att förutsäga potens och föreslår sedan nya makrocykler med tillhörande syntesvägar. Enligt DeepMind ryms denna cykel, som vanligtvis tar flera dagar, inom en timme. Blogginlägget följer upp det från den 15 oktober om antimikrobiella peptider och hänvisar till Antigravitys Science-sida, där Google efter ansökan erbjuder 10 000 forskare kostnadsfri tillgång i sex månader till sin högsta nivå och Gemini 4 Argon, utan särskilda tillgångsvillkor för dessa skills.

🔗 Google DeepMinds blogginlägg

NVIDIA presenterar i Barcelona de tjänster för städer som dess partner bygger med företagets fysiska och agentiska AI

3 november — I samband med Smart City Expo World Congress i Barcelona (3 till 5 november) publicerar NVIDIA en översikt över de tjänster för städer som dess partner bygger med företagets byggstenar för fysisk och agentisk AI: öppna Nemotron-modeller, Cosmos-världsmodeller, Omniverse-bibliotek och Metropolis blueprint för videosökning och videosammanfattning.

Nämnd partner	Plats för driftsättning	Angiven siffra
1MillionBot	Spanien	över 150 driftsättningar av agenter som hjälper invånare
ITMAX	Malaysia	över 17 000 kameror omfattas senast 2027
ITMAX med TeraSim	Malaysia	upp till 26 % kortare restid under rusningstid
Linker Vision och MVRDV	Taiwan	15 års utveckling av ett krontak i stadsmiljö simuleras på 10 minuter

1MillionBot kombinerar open source-modellerna ALIA, tränade vid Barcelona Supercomputing Center, med Nemotron; K2K använder befintliga kameror i Wrocław, Honeywell utrustar Dangotes Lekki-raffinaderi i Nigeria med Nemotron-agenter, och Cires Technologies bygger ut en suverän AI-fabrik i hamnen Tanger Med. Inga nya NVIDIA-produkter presenteras: detta är en uppvisning av driftsättningar.

🔗 NVIDIA:s blogginlägg om städer

Öppna publikationer: teknisk rapport om Mistral Large 4, pplx-embed-v2-context, StateBench och FineDNA

Mistral publicerar den tekniska rapporten om Mistral Large 4, som beskriver hur Le Chonk byggdes

3 november — Mistral publicerar den tekniska rapporten om Mistral Large 4, modellen med smeknamnet Le Chonk vars vikter släpptes den 29 oktober. Dokumentet, som publicerades på Hugging Face den 2 november och därefter på alphaXiv, beskriver en multimodal expertblandning (mixture-of-experts) med 52 miljarder aktiva parametrar av totalt 1 000 miljarder. Av sammanfattningen och inledningen framgår att rapporten framför allt belyser ett arkitekturval: minskningen av KV-cachen, som drevs till sin spets under utvecklingen för att köra modellen billigare, försämrade prestandan på agentiska uppgifter. Teamet mätte denna försämring och åtgärdade den sedan genom modellkirurgi (model surgery): en övergång till full attention och sedan till DeepSeeks glesa attention (DeepSeek Sparse Attention, DSA). På datasidan skriver agenter själva körbara miljöer, uppgifter, referenslösningar och verifierare, medan andra reparerar trasiga uppgifter och samtidigt skyddar mot manipulation av belöningssystemet (reward hacking).

Utvärderat mått	Värde enligt rapporten
Harveys Legal Agent Benchmark (tidigare opublicerad siffra)	15 %
Terminal-Bench 4.0	41 %
FrontierCode 2.0	19,7 %
Cybersäkerhet (genomsnitt för JailbreakBench, StrongREJECT, AgentHarm)	96,6 %
Checkpoint kvantiserad till NVFP4	606 Go, körs på fyra GB300-GPU:er

Den kalibrerade NVFP4-kvantiseringen matchar FP8-referensen i utvärderingarna, och de tre resonemangsnivåerna (high, medium, low) kommer från destillering från flera lärarmodeller med olika grad av utförlighet.

🔗 Den tekniska rapporten på alphaXiv · Mistrals tillkännagivande på X

Perplexity publicerar pplx-embed-v2-context, öppna modeller för kontextuella embeddings i 9B och 0.6B

2 november — Perplexity publicerar pplx-embed-v2-context, modeller för kontextuella embeddings med öppna vikter i två storlekar, 9B och 0.6B, en månad efter förhandsversionen av 9B den 30 september. En kontextuell embedding representerar ett textavsnitt (chunk) med hänsyn till hela dokumentet: varje modell returnerar antingen en int8-vektor per dokument eller en vektor per avsnitt. Nyheten ligger i träningen: i stället för att anta att ett enda referensavsnitt (gold chunk) besvarar frågan destillerar Perplexity graderade relevanspoäng från modellen för kontextkomprimering i sin svarsmotor, så att avsnitt som stöder ett svar inte längre räknas som negativa exempel.

Mått som Perplexity anger	Publicerat resultat
ConTEB, context-bench och Q2D-Chunk	9B leder alla tre benchmarken
ViDoRe-V3, visuella dokument	9B före Nemotron-3.5-Embed-8B, med ett 4 gånger mindre index
ViDoRe-V3 i markdown	0.6B bäst bland modeller med färre än 1 miljard parametrar
Q2D-Chunk, nytt offentligt benchmark	6 069 verkliga frågor, 10 språk, 71 100 dokument

Forskningsartikeln, skriven tillsammans med turbopuffer, publiceras på arXiv, och Q2D-Chunk görs tillgängligt med en offentlig resultatlista på Hugging Face. Där publiceras 9B under MIT-licens, medan modellkortet för 0.6B inte anger någon licens; tråden nämner varken API eller priser.

🔗 Tråden från @perplexitydevs · Artikeln på arXiv

Ai2 släpper StateBench, ett benchmark som visar att de mest avancerade modellerna brister i tillståndsspårning i långa dokument

3 november — Ai2 släpper StateBench, ett benchmark för tillståndsspårning i långa kontexter (long-context state tracking): en modells förmåga att hålla reda på information som förändras genom ett långt dokument, som en variabel som tilldelas ett nytt värde i kod. Fyra svårighetsnivåer, hämtade från Krohn–Rhodes-teorin, sträcker sig från oföränderlig tilldelning till referenstilldelning.

Svårighetsnivå	Typ av tilldelning	Exempel från Ai2
r-trivial	oföränderlig	`let x = 4`
aperiodisk	omtilldelning av värde	`x = 4` sedan `x = 2`
lösbar	självrefererande uppdatering	`x = x + 5`
allmän ändlig	referenstilldelning	`x = y`, variabelbyte

Gemini 3.8 Flash, Claude Opus 5.5, GPT-6 Sol och GPT-6 Luna klarar de två första nivåerna bra, men deras träffsäkerhet sjunker med längden på de två sista, ned till 13 % eller mindre på de längsta allmänna ändliga problemen. Modeller på 275M, tränade på högst 256 tilldelningar och testade på upp till 64 000, visar skillnaderna mellan arkitekturerna: Gated DeltaNet och hybrider generaliserar nästan perfekt på de tre första nivåerna, medan transformermodellerna försämras och aldrig lär sig den sista. Data och kod har publicerats.

🔗 StateBench på Hugging Faces blogg

Hugging Face släpper FineDNA, Carbon-X:s fullständiga träningsdata för att lära en språkmodell att läsa ADN

1 november — Tillbakablick: Hugging Face släpper FineDNA, alla data som användes för att träna Carbon-X, företagets modell som kan läsa ADN, bygger på Qwen3-14B och presenterades den 22 oktober. Datasetet, med Apache 2.0-licens, omfattar träningens alla tre steg.

Träningssteg	Datasetets storlek	Utgångsmodell
Mellanfas (mid-training), 23 konfigurationer	514,30 miljarder tokens, varav 302 miljarder lästa	Qwen3-14B
SFT, 8 domäner	203 923 konversationer	Carbon-X-Base
RL	98 433 prompts	Carbon-X-SFT

Mellanfasen ägnar 55 % av träningen åt ADN, 20 % åt engelska, 15 % åt biologisk text och 10 % åt instruktioner; sekvenserna, från GENERator och OpenGenome2, delas upp i multiplar av sex baser för en tokenizer som läser 6-mers. Enligt Loubna Ben Allal, som presenterade datasetet, är den här fasen avgörande för fortsättningen: när RL tillämpas direkt på Qwen3-14B ligger resultaten kvar på slumpnivå på FrontierVEP, medan samma recept ger framsteg på den förberedda modellen.

🔗 FineDNA på Hugging Face Hub · Loubna Ben Allals tillkännagivande på X

Gemini API fasar ut Gemini 2.5 Pro och 2.5 Flash och omdirigerar deras anrop till Gemini 3.8 Flash och 3.5 Flash-Lite den 1 december

2 november — Google anger i versionsinformationen för Gemini API att Gemini 2.5 Pro och Gemini 2.5 Flash, som släpptes i juni 2025, fasas ut. De två modellerna erbjuds inte längre i Google AI Studio, och åtkomsten via API är begränsad till användare som redan har använt dem. Den 1 december 2026 kommer API:et att omdirigera anrop automatiskt i stället för att returnera ett fel: anrop till gemini-2.5-pro går till Gemini 3.8 Flash, och anrop till gemini-2.5-flash till Gemini 3.5 Flash-Lite, med debitering enligt de nya modellernas priser.

Berörd modell	Pris för indata (per miljon tokens)	Pris för utdata (per miljon tokens)
gemini-2.5-pro (prompts ≤ 200 000 tokens)	1,25 dollar	10 dollar
gemini-3.8-flash till och med 31 december 2026	0,75 dollar	3,75 dollar
gemini-3.8-flash från och med 1 januari 2027	1,50 dollar	7,50 dollar
gemini-2.5-flash	0,30 dollar (1 dollar för ljud)	2,50 dollar
gemini-3.5-flash-lite	0,30 dollar, inklusive ljud	2,50 dollar

Google rekommenderar att identifieraren ändras före detta datum, eftersom migreringen medför bakåtinkompatibla ändringar: validering av funktionsanrop och av thought_signature, thinking_level i stället för thinking_budget, borttagna samplingsparametrar och slopat stöd för förifyllda modellsvar.

🔗 Versionsinformationen för Gemini API · Sidan om utfasningar

Assistenternas plugins och integrationer: Perplexity Computer inför Agent Plugins och får en version för e-handel, Synthesia beskriver sin ChatGPT-plugin

Perplexity Computer inför den öppna standarden Agent Plugins för sina anslutningar och skills

3 november — Perplexity Computer stöder Agent Plugins, ett format som samlar anslutningar till appar och skills i samma paket. Man kan bläddra i Computers katalog, indelad i minst 13 kategorier (från Produktivitet och samarbete till Data och analys, med exempelvis HubSpot, IBISWorld eller DoorDash Drive), eller importera egna plugins från GitHub eller en .zip-fil. Enligt @AskPerplexity är plugins aktiva i Computer och håller på att rullas ut till Enterprise-konton.

Agent Plugins är en öppen, leverantörsoberoende standard som presenterades den 6 augusti. Specifikation 1.0.0 fastställer ett gemensamt format för Agent Skills och MCP-servrar: ett obligatoriskt manifest plugin.json, mappen skills/ och filen mcp.json. Perplexitys tweet nämner ansvariga utvecklare från Amazon, Cursor, GitHub, OpenAI och Vercel; standardens webbplats anger Microsoft i stället för GitHub i den ursprungliga styrgruppen. Sidan med kompatibla klienter listar Perplexity Computer tillsammans med GitHub Copilot, VS Code, Cursor, Kiro och ChatGPT & Codex. För Computer är detta en fortsättning på Skills Marketplace från september; tillkännagivandet åtföljs varken av ett blogginlägg eller en ändringslogg.

🔗 Tillkännagivandet från @AskPerplexity · Standarden Agent Plugins

Perplexity lanserar Computer for e-commerce, som kopplar samman Shopify, Meta-annonser och Klaviyo

3 november — Perplexity presenterar Computer for e-commerce, som låter nätvarumärken använda agenten Computer: den ansluter till Shopify för butiksdata och landningssidor, till Meta för annonsering och till Klaviyo för e-postmarknadsföring, och tillämpar den grafiska profil och tonalitet som varumärket har sparat i skills.

Ansluten tjänst	Computers roll
Shopify	Försäljningsanalys, produktrekommendationer, landningssida
Meta	Statiska annonser, varianter av framgångsrika videor, kampanjupplägg
Klaviyo	Målgrupp utifrån kunddata, text, schemaläggning eller utskick efter granskning

Företaget anger mål, budgetar och steg som ska godkännas (publicering av sidor, e-postutskick, annonsutgifter). Perplexitys exempel: en sommarkollektion med 15 % rabatt, en två veckor lång Meta-kampanj med ett tak på 1 000 dollar och en Klaviyo-kampanj för befintliga kunder, där allt visas före lanseringen. Shopify fanns redan bland Computers över 400 integrationer; Perplexity erbjuder hjälp med att konfigurera återkommande flöden, utan att ange pris eller abonnemang.

🔗 Perplexitys inlägg om Computer for e-commerce

Synthesia beskriver sin ChatGPT-plugin, som är tillgänglig i alla abonnemang

3 november — Efter tillkännagivandet på X dagen innan, utan blogginlägg, beskriver Synthesia sin plugin i ett inlägg av Dan Spooner, produktchef med ansvar för workflows. Pluginen är tillgänglig i ChatGPT för alla Synthesia-abonnemang, och det går att börja gratis: den aktiveras via menyn Plugins i ChatGPT, och ett gratiskonto kan skapas samtidigt. Användaren beskriver den önskade videon eller tillhandahåller ett dokument, en presentation eller ett kalkylblad; ChatGPT ställer några frågor (visuell stil, längd), och sedan skapar Synthesia videon i konversationen.

Som standard produceras videorna med Syren, som beskrivs som det snabbaste formatet; instruktionen « make it in Studio » växlar till Synthesia Studio när det behövs ett manus som en avatar läser ordagrant, ett varumärkespaket eller en mall. Pluginen söker även i videobiblioteket och kan kombineras med andra plugins som är anslutna till ChatGPT för enstaka eller schemalagda workflows, exempelvis en 60 sekunder lång sammanfattning av ett Zoom-samtal eller en daglig välkomstvideo baserad på BambooHR. Inlägget nämner bara ChatGPT, inte Claude, och anger varken pris eller kreditförbrukning.

🔗 Synthesias inlägg

Google lanserar Guided Learning i Google Classroom, testar det i söktjänsten och kommer som standard att stänga av Gemini för elever i K-12

3 november — Google samlar sina utbildningsnyheter kring Guided Learning, Geminis studieläge som vägleder eleven med frågor och förklaringar steg för steg i stället för att ge svaret direkt. Enligt huvudinlägget är det tillgängligt redan nu i Google Classroom över hela världen: läraren tilldelar en aktivitet som bygger på det egna kursmaterialet och ser i realtid var klassen behöver hjälp. Googles söktjänst kommer att integrera dessa funktioner för elev- och studentkonton, med ett pilotprojekt på utvalda amerikanska skolor senare i november.

Den mest genomgripande förändringen gäller administratörskontrollerna: Gemini, Gemini Notebook, Gemini in Classroom och Googles söktjänst kommer att vara helt avstängda för elevkonton från förskola till gymnasium (K-12) tills skolans administratör har aktiverat dem. Inget datum anges: Google kommer att dela detaljerna med skolorna under de kommande månaderna.

Uppgift som Google redovisar	Publicerat värde
Randomiserad studie vid Tokyos universitet	över 300 studenter, en halv dags studier
Förbättring med enbart webbverktyg	+5,3 procentenheter
Förbättring med Guided Learning	+8,1 procentenheter, alltså 1,5 gånger större förbättringar
Finansiering från Google.org	över 9,5 miljoner dollar till fem organisationer

🔗 Googles inlägg om IA och lärande · Studien om Guided Learning

Verktyg från Hugging Face: MOPD i TRL och Model Integration Contracts för Transformers

TRL stöder MOPD, destillering med flera lärare som slår samman RL-experter till en enda modell

3 november — TRL, Hugging Faces bibliotek för efterträning, stöder on-policy-destillering med flera lärare (Multi-Teacher On-Policy Distillation, MOPD), en teknik som Xiaomi gav namn åt i januari för MiMo-V2-Flash och som sedan dess har använts av DeepSeek, Moonshot, NVIDIA, Liquid AI och Mistral, enligt Sergio Paniegos inlägg. Efter en gemensam SFT får varje domän (matematik, kod, instruktionsföljning) en egen expert tränad med RL; därefter besvarar en elev prompts från alla domäner, och den relevanta experten bedömer svaret token för token.

I TRL är det AsyncDistillationTrainer, som fortfarande är experimentell, som dirigerar varje prompt till dess lärare; den synkrona versionen är under arbete (PR 7215), och MOPD finns ännu inte med i versionsinformationen för TRL v1.17. Exemplet använder experterna från Open-MOPD kring SmolLM3-3B och körs på en enda maskin med fyra H200 via Hugging Face Jobs. Inlägget pekar på en fallgrop: instruktionsföljning kan stå för 20 % av alla prompts men bara 1 till 2 % av alla tokens, så eleven lär sig knappt något av den läraren.

🔗 MOPD i TRL på Hugging Faces blogg

Hugging Face föreslår Model Integration Contracts för att upptäcka regressioner i Transformers på CPU före sammanslagning

3 november — I ett inlägg av Tarek Ziadé föreslår Hugging Face Model Integration Contracts (MIC), för att testa modeller från Transformers på en vanlig processor innan en ändring når huvudgrenen. Utgångspunkten: den 30 juli gjorde aktiveringen av SDPA-attention för T5 att UMT5:s decoder kunde se framtida tokens under träningen, en bugg som fanns kvar i huvudgrenen i nästan två månader. När fem månaders commits körs om upptäcker en liten UMT5 på 66 Mo, jämfört med 1 227 Mo för den riktiga checkpointen, buggen vid varje commit.

Ett kontrakt kombinerar en förminskad modell som behåller alla lagertyper från originalet, ett körbart användningsexempel och referensvärden som granskats av en människa; Llama 4 Scout minskas därmed från 108,6 miljarder till 44,7 miljoner parametrar. Kommandoradsverktyget tmic låter en LLM skriva kontraktet, som sedan godkänns av en människa. Vikterna spelar roll: för Whisper upptäcker slumpmässiga vikter 18 av de 24 injicerade felen, jämfört med 24 av 24 för överanpassade vikter. Per den 1 november rapporterar CI-jobbet för Transformers fel utan att ännu blockera PR:er.

🔗 Hugging Faces inlägg om Model Integration Contracts

Notiser

Agenter och kodverktyg

Oktobersammanfattning för Claude Code — Tråden från @ClaudeDevs uppmärksammar en variabel som saknas i versionsanteckningarna: CLAUDE_CODE_EVEN_MORE_DANGEROUSLY_SKIP_PERMISSIONS=1 släpper utan bekräftelse igenom de få riskabla rm-kommandon som läget bypass permissions fortfarande krävde bekräftelse för, och bör endast användas i en engångscontainer (Claude Code 2.1.311 eller senare). Molnsessionerna förbereds också medan man skriver och stöder kommentarer på enskilda rader i diffen. 🔗 källa
Copilot CLI 1.0.106-4 till 1.0.106-6 — Tre förhandsversioner på en natt: /settings blir en samlad översikt med global sökning, MCP-innehåll som är avsett enbart för användaren skickas inte längre till modellen, och 67 korrigeringar oskadliggör bland annat nya escape-sekvenser. Den senaste stabila versionen är fortfarande 1.0.105. 🔗 källa
Gemini CLI — Nattversionen från den 3 november innehåller äntligen korrigeringen för avbrutna Whisper-nedladdningar, som mergades dagen innan, och en ny PR som mergats till main säkrar nedladdningen av tillägg: temporärfilen flyttas i ett enda steg, skydd mot SSRF och DNS-rebinding, GITHUB_TOKEN begränsat till github.com. Den stabila versionen och förhandsversionen är oförändrade. 🔗 källa
Gemini API CLI v0.4.5 — Tidigare nyhet från den 30 oktober: transkriberingen använder nu Gemini 3.5 Transcribe som standard, med en parameter för videoförstoring och återupptagning av långa uppgifter med en fortsättningstoken; den 2 november lade Google till en skill, gemini-api-cli, i sitt officiella repo gemini-skills. 🔗 källa
DeepSeek Harness 0.2.2-alpha.3 — Den 36:e förhandsversionen utan någon stabil version: en experimentell funktion förenar kodgranskning och Git-worktrees (lokala diffar och PR-diffar, kod som citeras för agenten, uppföljning av kontroller), och verktyget apply_patch tillkommer, inaktiverat som standard. 🔗 källa
Artifacts från Amp — Dokument kopplade till tråden (plan, rapport, samtalsanteckningar) som agenten, användaren och dennes teammedlemmar redigerar tillsammans; agenten läser ändringarna innan den fortsätter, i stället för att skriva över dem. 🔗 källa
Service Accounts från Amp — Konton som ägs av arbetsytan, med egna API-nycklar, för teamets automatiseringar: granskning av varje pull request, dokumentation eller CI-jobb som öppnar en tråd via amp -ox. Inget pris anges. 🔗 källa
Replit Agent i Slack — Replit Agent, som redan nämndes den 27 oktober, lanseras nu officiellt i Slack: man nämner agenten i en kanal eller ett direktmeddelande för att ställa frågor om kodbasen, arbeta med ett befintligt projekt eller starta ett nytt; varje teammedlem kopplar sitt konto, och agenten agerar med dennes behörigheter. 🔗 källa
Versionsanteckningar för Devin — Anteckningarna från den 2 november höjer gränsen för en kodskanning från 500 till 1 000 repon och lägger till schemalagda automatiska skanningar; de från den 30 oktober, som inte kom med i bevakningen, tillför hierarkiska budgetar, SSO med OIDC eller SAML via självbetjäning och import av fynd från SonarQube, Linear och Vanta. 🔗 2 november · 🔗 30 oktober
Agentramverk hos IBM Research — Med samma öppna modell, GLM-5.3-flash, på 90 AppWorld-uppgifter klarar CUGA, IBM:s ramverk med öppen källkod, 81,1 % av uppgifterna, jämfört med 46,7 % för Hermes och 30,0 % för Deep Agents; IBM medger utvärderingens begränsningar (en enda benchmark, olika konfigurationer). 🔗 källa
Kimi Work 3.2.24 — Markdown-filerna i förhandsvisningen stöder anteckningsegenskaper, nätverksinställningarna följer systemets proxy och nätverksdiagnostiken kan öppnas offline; version 3.2.23 från den 30 oktober öppnade redan HTML-förhandsvisningar i en webbläsarflik. 🔗 källa

Utvecklingsplattformar och API:er

GitHubs MCP-server 2.1.0 — Två experimentella verktyg, issue_artifact_read och issue_artifact_write, låter agenter läsa och hantera artefakter kopplade till issues; de är inaktiverade som standard, även i Insiders-läget, och aktiveras med flaggan issue_artifacts. 🔗 källa
Dependabot och Agent Package Manager — Versionsuppdateringarna från Dependabot omfattar nu skills, prompts och agentinstruktioner som deklareras i apm.yml, med omgenerering av apm.lock.yaml; inga säkerhetsuppdateringar. Tillgängligt på github.com för alla abonnemang. 🔗 källa
Python 3.15 i CodeQL och Dependabot — CodeQL 2.27.3 stöder syntaxen i Python 3.15 och lägger till hotmodellen ”ai”, som kräver aktivt val och saknar inbyggd källa, för data som produceras av en LLM; Dependabot stöder också projekt som gått över till Python 3.15. 🔗 CodeQL 2.27.3 · 🔗 Dependabot
GitHub Desktop — Efter GitHub CLI den 21 oktober går GitHub Desktop 3.6.10 och senare över till kortlivade autentiseringstoken som förnyas automatiskt, för att minska tiden som en läckt token kan utnyttjas; gradvis utrullning, utan GitHub Enterprise Server. 🔗 källa
Kostnadsställen i GitHubs REST-API — En ny endpoint hittar direkt kostnadsstället för en användare, en organisation, ett repo eller ett företagsteam, i stället för att gå igenom alla kostnadsställen. 🔗 källa
OpenAI:s SDK:er — openai-python 3.44.0 och openai-node 7.49.0 lägger till identitetsleverantörer för arbetsbelastningar och federeringsregler, efter versioner som utökar delegeringsverktygen i Live Responses; API:ets changelog nämner ännu inget om detta. 🔗 källa
Claude som betrodd utfärdare — På Team- och Enterprise-abonnemangen kan Claude, när identitetsleverantören inte stöder företagsstyrd autentisering, gå i god för varje medlem för att automatiskt ansluta plugins; i beta med 14 plugins, däribland Atlassian, Figma, Linear och Notion. 🔗 källa
Textvattenmärkning i Claude — Efter Claude Fable 5.1 och Claude Mythos 5.1 omfattar Anthropics textvattenmärkning Claude Mythos 5, Claude Opus 4.7 och Claude Sonnet 4.6, utan tokens eller dolda tecken; på Sonnet 4.6 kan ändringar av temperature, top_p eller top_k förhindra vattenmärkningen. 🔗 källa

Säkerhet

Isolerade molnagenter hos Replit — I ett säkerhetsmeddelande som Replit återger uppmanar företagets CTO Luis Héctor Chávez till att göra hanterade och isolerade molnagenter till standard, med inloggningsuppgifter, nätverk och produktion utom räckhåll för agenten; enligt en citerad undersökning från Salt Security har 86,4 % av de svarande en agent i drift, men bara 17,5 % vet hur de stoppar den automatiskt. 🔗 källa
Säkerhetsguide från Cognition — Jack Cable, medgrundare av Corridor, sammanfattar incidenterna i oktober (6,34 miljarder dollar stulna hos Binance, ett skadligt Claude Code-tillägg i Cursor) och rekommenderar nätfiskeresistent MFA, att hemligheter tas bort från arbetsstationerna, molnbaserade kodagenter och en minimiålder på 7 dagar för npm- eller PyPI-paket. 🔗 källa
OpenAI:s säkerhetssprint — I samma tråd som höjningen av belöningarna meddelar OpenAI, utan datum, sin nästa interna säkerhetssprint med forskarna från Cathedral, som ska använda företagets modeller för att pröva dess försvar; den föregående engagerade 25 % av företagets produktingenjörer. 🔗 källa
Cisco och Daybreak — Cisco kombinerar sin nätverkstelemetri med Daybreak och GPT-6 Astra för att hitta och åtgärda sårbarheter snabbare, och undersöker tillsammans med OpenAI snabbare prioritering av exponering i Cisco Cloud Control; fallstudie utan siffror. 🔗 källa

Google: Workspace, Cloud och forskning

Gemini i Google Slides — Tidigare nyhet från den 30 oktober: Gemini ändrar flera bilder eller en hel presentation med en enda förfrågan (stilar, innehåll från Drive, sammanslagning av bilder), endast på engelska, med användningsgränser på kampanjvillkor till åtminstone den 1 december. 🔗 källa
Avatarer i Google Vids — Möjligheten att skapa en avatar från en uppladdad bild, som tillkännagavs den 2 november, pausades redan dagen därpå, utan något nytt datum. 🔗 källa
Utgiftstak i Google Cloud — Tidigare nyhet från den 31 oktober: utgiftstaken blir allmänt tillgängliga, med ett API och månadsvis nollställning; för AI-tjänster utlöses de inom några minuter utifrån kostnader som uppskattas i realtid, utan att någonsin stänga av provisionerad genomströmning. 🔗 källa
Google i Singapore — Google öppnar ett forskningscentrum i Singapore och avsätter över 6 miljoner dollar i bidrag tillsammans med NUS och NTU, varav 1,5 miljoner till forskning om Alzheimers sjukdom, samt 3 miljoner från Google.org och Google DeepMind till INSEAD:s Thrive Lab. 🔗 källa

Öppna modeller och communityinlägg

Mistral Large 4 på Open Math OS — Mistral meddelar att Large 4 (1,05T öppna vikter, kontext på 1M) kommer till SAIR:s matematiska forskningsmiljö, i drift ”från och med i dag” för godkända team, medan SAIR uppgav att modellen var tillgänglig redan den 27 oktober. 🔗 källa
Orbital Trace — En ny demonstration från Mistral: enligt företaget har Large 4 byggt, testat och optimerat realtidsspårning i 3D av cirka 19 000 satelliter och rymdskrot i omloppsbana; resultatet visas endast i en video, utan länk eller kod. 🔗 källa
Olmo 3 i Nextcloud — Nextcloud, som bland annat används av Tysklands federala regering och Spaniens CSIC, levererar Olmo 3 7B med llm2, sin lokala backend för Assistant och Mail, och ger modellen grönt betyg i sin utvärdering av etisk AI; 7B-versionen gör att 16 eller 32 GB VRAM inte krävs. 🔗 källa
Dolci-Think-SFT-Clean-v2 — Ai2 publicerar utan tillkännagivande en filtrerad version av resonemangsdata för efterträning av sin 32B-modell: 203 303 rader borttagna av 2 253 684 (15,6 % av alla tokens), varav 148 210 matematikproblem som Kimi K3 bedömt som motsägelsefulla; ODC-BY-licens. 🔗 källa
Palette från IBM Research — En öppen 20B-modell, finjusterad med LoRA till ”designer” och ”kodare”, skapar presentationer enligt IBM:s grafiska profil; på PresentBench kommer den tvåa i genomsnitt, 1,1 poäng efter NotebookLM (59,7 mot 60,8). Varken namn på basmodellen eller publicerade vikter har hittats. 🔗 källa
Claude Opus och OCR-loopar — Daniel van Strien lät Claude Opus ändra 0,0085 % av vikterna i en liten OCR-modell, utan träning, på mindre än 3 timmar och för cirka 10 dollar i beräkningskostnad: på 2 165 äldre sidor minskar de okontrollerade looparna från 3 till 1, och felen i volymen från 1881 minskar med 38 %. 🔗 källa
Qwenguard — I ett communityinlägg gör João Galego en RISC-V-processor, kompilerad till lager framför Qwen3.5-4B, till ett skydd som avvisar verktygsanrop utanför en tillåten lista: i hans tester släpptes inga förbjudna anrop igenom och inga vanliga förfrågningar blockerades, men anordningen gör manipulering synlig utan att förhindra den. 🔗 källa

Bild, video, röst

ElevenAgents hos Angle Health — I en pilot på åtta språk, 24 timmar om dygnet och med HIPAA-garantier, har ElevenLabs agenter hanterat cirka 80 % av samtalen från vårdpersonal, varav över 90 % löstes utan vidarekoppling, och sparat nästan 9 000 minuter per dag. 🔗 källa
SFX v3 för utvecklare — Utvecklarinlägget från ElevenLabs beskriver anropet av eleven_text_to_sound_v3 i Sound Effects-API:et: prompt_influence på 0,3 som standard, valfri längd utom duration_seconds, och loopar fortfarande förbehållna v2; ElevenLabs beskriver det som en inkrementell uppdatering. 🔗 källa
HeyGen Voice och Grok Bot — Enligt enbart HeyGen använder telefonsamtalen som görs av Grok Bot, agenten från SpaceXSI, HeyGen Voice för att tala med en röst som liknar användarens; varken inlägg, modell eller tillgänglighet anges. 🔗 källa
HeyGen Insiders — Ett program som betalar kreatörer med minst 1 000 följare för visningar av korta videor som publiceras kring HeyGens lanseringar, från 20 000 visningar på 7 dagar, enligt en opublicerad ersättningsskala som justeras efter engagemang. 🔗 källa
Expression Sheet från Luma — Ett ark med sex ansiktsuttryck för en karaktär, skapat från bilder, med tre uppsättningar uttryck och en intensitetsinställning; varken inlägg eller pris anges. 🔗 källa
FLUX 3 Image Klein — Black Forest Labs meddelar över en miljon nedladdningar för sin modell avsedd för precis redigering, utan att ange period eller plattform. 🔗 källa

Beräkning och infrastruktur hos NVIDIA

Halvledarfabriker — NVIDIA radar upp partnernas förbättringar: cuLitho upp till 17 gånger snabbare i Siemens Calibre, ACE+ från Applied Materials upp till 35 gånger snabbare med PhysicsNeMo, plasma från Lam Research förutsägs på millisekunder i stället för dagar; ingen ny produkt. 🔗 källa
Dynamo på Kubernetes — Tidigare nyhet från den 30 oktober, åter uppmärksammad inför KubeCon: AI Cluster Runtime inkluderar charten dynamo-platform 1.4.2 i recept med låsta och kontrollerade versioner, och Dynamo 1.5 kommer att få en inbyggd endpointväljare i Rust. 🔗 källa

Företag, community och guider

Heimstaden — Den europeiska fastighetsförvaltaren sänker kostnaden för en bild med virtuell möblering från omkring 50 euro till under 0,10 euro i Nederländerna, och en analytiker utan erfarenhet av utveckling har med Codex bedömt miljöriskerna för 20 112 tillgångar. 🔗 källa
Två rekryteringar hos OpenAI — Jill Hazelbaker, från Uber, blir Chief Corporate Affairs Officer med ansvar för den globala kommunikationen, och Dan Driscoll, tidigare amerikansk arméminister, blir senior rådgivare för modernisering av den nationella säkerheten, en nyinrättad tjänst. 🔗 Jill Hazelbaker · 🔗 Dan Driscoll
Arnis och GitHub Copilot — GitHub Blog berättar hur Louis Erbkamm, ensam underhållare av Arnis (nästan 900 000 nedladdningar, cirka 70 bidragsgivare), sorterar issues och buggar med Copilot och startar underagenter i GitHub Copilot-appen för att spåra regressioner. En erfarenhetsberättelse, utan produktnyheter. 🔗 källa
Game Off 2026 — Tidigare nyhet från den 1 november: GitHubs 14:e game jam, med temat SHIFT, tillåter AI-assisterad utveckling, där varje deltagare redovisar sin AI-användning vid inlämningen, fram till den 1 december på itch.io. 🔗 källa
Perplexitys guide till autonoma agenter — Fem nivåer av autonomi, fyra förmågor och sju goda arbetssätt, med siffror från en studie av Harvard och Perplexity: 57 % av de agentiska förfrågningarna handlar om produktivitet och lärande. Inga produktnyheter. 🔗 källa

Vad det innebär

Pando visar båda sidorna av kodagenterna hos OpenAI: det är de som har fått belastningen att explodera, med 1 378 % fler commits på huvudgrenen jämfört med början av 2024, och det är de som har byggt lösningen på tio veckor, utifrån en kärna som utformats av en enda ingenjör. Förbättringen kommer inte från ett nytt protokoll utan från ett medvetet beslut att avstå från en konsekvent vy över alla grenar vid en given tidpunkt. På verktygssidan ligger fokus nu på kontroll: Claude Code ber om godkännande innan kontots e-postadress skickas och redovisar kostnaderna per utvecklare, medan Copilot kommer till JetBrains Air utan någon utgiftsgräns som kan ställas in i Air.

Säkerhet bedöms allt oftare utifrån bevis snarare än påståenden. FlashProve gör det möjligt att verifiera att ett svar verkligen kommer från en viss modell, till priset av en ungefär 72 gånger högre kostnad och kontexter begränsade till 1 024 tokens: en prototyp, ännu ingen tjänst. CyberArena och CWE-bench v2 går i samma riktning när det gäller agenter: det som skiljer de bästa från resten är försvaret och korrigeringen som håller, medan en korrigering som rapporteras utan verifiering fortfarande är det vanligaste felet (23 % av de granskade matcherna). OpenAI betalar för sin del numera upp till 172 000 dollar för rapportering av en exceptionell sårbarhet i ChatGPT, Codex eller företagets API.

Öppna modeller tar sig in i företagen via två vägar. Cohere driftar dem i en kontrollerad miljö, med kryptering även under bearbetningen för Gemma, GPT-OSS och Phi, medan Revolut, enligt den tweet som Together AI delade, kör GLM på sina egna GPU:er för ungefär en tiondel av det pris som betalades till Anthropic och OpenAI: en andrahandsuppgift, men den visar vad företagen nu jämför. Leverantörerna av slutna modeller rör också på sig: genom att omdirigera Gemini 2.5 Pro till Gemini 3.8 Flash sänker Google priset per token fram till slutet av december, innan priset för 3.8 Flash fördubblas den 1 januari. Rapporten om Mistral Large 4 visar den motsatta avvägningen: minskningen av KV-cachen, som drevs på för att kunna köra modellen billigare, försämrade resultaten för agentiska uppgifter och behövde korrigeras.

Den fysiska världen förblir det område där demonstrationer och mätningar skiljer sig mest åt. OpenAI visar en apparat som konstruerats på mindre än en vecka med GPT-6 Astra, men medger att granskningsomgångar behövdes för att ta hänsyn till toleranser och tillverkning; samma dag ser PLE ingen agent överstiga 50 % på verkliga ingenjörsunderlag, och bara 41,3 % av leveranserna från den bästa konfigurationen klarar alla säkerhetskontroller. Lösningen som tar form är en hybrid: hos Google DeepMind samordnar modellen arbetet och deterministiska kemiverktyg gör beräkningarna. StateBench påminner slutligen om att det fortfarande är svårt att följa ett långt dokument: på de svåraste problemen sjunker de mest avancerade modellerna till 13 % eller lägre.