Människostyrda agenter från Google DeepMind hittar två svagheter i RSA med 1024 bitar, OpenAI publicerar BioBasicsBench, Cursor öppnar för röstchatt med sina agenter

AI-agenter från Google DeepMind, vägledda av människor, hittar två svagheter i RSA med 1024 bitar, ett system som redan är föråldrat; moderna protokoll, som nästan alla använder nycklar på 2048 bitar eller mer, förblir säkra. Forskningen dominerar dagen: OpenAI utvärderar sina agenter i våtlaboratorier med BioBasicsBench, TCSExam utvärderar modeller inom teoretisk datavetenskap, och både Anthropic och Google visar vad i miljön runt modellen som får en agent att lyckas eller spåra ur. På verktygssidan släpper Claude Code, Codex CLI och Copilot CLI nya versioner, Antigravity CLI blir en ACP-server, Cursor öppnar för röstchatt med sina agenter och Amp lanserar Spaces.

Människostyrda agenter från Google DeepMind hittar två svagheter i RSA med 1024 bitar, Frontier Model Forum graderar jailbreaks inom cyberområdet

6 november — Google DeepMind publicerar forskning inom kryptanalys, vetenskapen som prövar krypteringens styrka, utförd av AI-agenter under mänsklig vägledning. Pushmeet Kohli, vice vd med ansvar för vetenskap, presenterar forskningen i en artikel publicerad på X och delad av @GoogleDeepMind: agenterna har upptäckt två svagheter i RSA-system med 1024 bitar, som kan knäckas med en mindre beräkningsbudget än man tidigare trott. Arbetet leds av Dj Dvijotham och Abhradeep Thakurta från Google DeepMinds Science-team, tillsammans med Nadia Heninger (UC San Diego och Inria) och Emmanuel Thomé (Inria), och beskrivs i två tekniska artiklar i PDF-format; inget blogginlägg åtföljde tillkännagivandet.

Omfattningen är medvetet begränsad. RSA med 1024 bitar, som är föråldrat och redan har fasats ut, används här som en riskfri testmiljö, vilket länge har varit praxis inom kryptanalys. Moderna protokoll, som nästan alla använder nycklar på 2048 bitar eller mer, förblir säkra.

Det första resultatet gäller digitala signaturer, som garanterar att en programuppdatering, ett dokument eller en webbplats verkligen kommer från sin angivna källa. Före signeringen kompletterar många standarder meddelandet med utfyllnad (padding). Teamet visar att så snart en angripare kontrollerar ungefär halva det signerade blocket ger denna utfyllnad inget skydd alls. I en isolerad simulering, utan att röra något verkligt system, genomförde agenterna angreppet mot en referensnyckel på 1024 bitar som redan hade knäckts i en tidigare studie: resultatet återskapas med 3,5 gånger mindre CPU-tid, med mindre än en tusendel av den beräkningskraft som skulle krävas för att knäcka själva nyckeln. När angriparen kontrollerar en mindre del av blocket, med ett kort hashvärde på 32 byte, skulle en ny algoritm vara cirka 1 600 gånger bättre än den tidigare bästa metoden, enligt författarnas teoretiska uppskattningar.

Det andra resultatet gäller faktorisering i batcher. Eftersom RSA-nycklar har standardlängder (1024 eller 2048 bitar) är faktorisering av många tal av samma storlek en central fråga: agenterna har hittat en algoritm med bättre asymptotisk komplexitet, som minskar den genomsnittliga faktoriseringskostnaden för varje ytterligare nyckel på 1024 bitar med ungefär en faktor 30 jämfört med tidigare metoder för batchfaktorisering.

Resultat publicerat av författarna	Angiven förbättring	Angivet villkor
Signaturförfalskning, angriparen kontrollerar ungefär halva blocket	3,5 gånger mindre CPU-tid	Isolerad simulering, redan knäckt referensnyckel på 1024 bitar
Samma angrepp, jämfört med att knäcka nyckeln	Mindre än en tusendel av beräkningskraften	Beräkningskraft som krävs för att knäcka själva nyckeln
Förfalskning med ett hashvärde på 32 byte	Cirka 1 600 gånger bättre	Teoretisk uppskattning, nycklar på 1024 bitar
Faktorisering i batcher	Genomsnittlig kostnad cirka 30 gånger lägre per ytterligare nyckel	Jämfört med tidigare metoder för batchfaktorisering
Nycklar på 2048 bitar eller mer	Berörs inte	Förblir säkra enligt Google DeepMind

While modern 2048-bit systems remain safe from these specific exploits, this work highlights a key shift. As we enter a new era of AI-enabled math and computation, we can no longer rely on historical hardness assumptions and must continuously stress-test cryptographic standards.

🇸🇪 Även om moderna system med 2048 bitar förblir skyddade mot just dessa exploits belyser den här forskningen en viktig vändpunkt. När vi nu går in i en ny era av AI-assisterad matematik och beräkning kan vi inte längre förlita oss på historiska antaganden om svårighetsgrad och måste kontinuerligt pröva kryptografiska standarder. — @GoogleDeepMind på X

🔗 Artikel av Pushmeet Kohli på X · Teknisk artikel om digitala signaturer (PDF) · Teknisk artikel om faktorisering av nycklar (PDF)

Frontier Model Forum föreslår ett gemensamt ramverk för att bedöma allvarlighetsgraden hos jailbreaks inom cyberområdet

5 november — Frontier Model Forum (FMF), som samlar ledande AI-laboratorier, publicerar version 1.0, beskriven som preliminär, av sitt ramverk för bedömning av jailbreaks för cyberhot (Jailbreak Rating Framework for Frontier Cyber Threats). Utgångspunkten: alla sätt att kringgå skyddsmekanismer är inte likvärdiga. Vissa ger bara svar som är svåra att använda, andra låser upp farliga offensiva förmågor, och utan en gemensam metod kan två organisationer bedöma samma jailbreak olika, med risken att de minst allvarliga åtgärdas först. Ramverket klassificerar varje jailbreak i nivåer genom att kombinera poäng inom fyra kategorier: ökad förmåga, förmågans bredd, hur lätt det är att använda och hur lätt det är att upptäcka.

Representanter för AWS, Anthropic, Google DeepMind, Microsoft och OpenAI uttrycker sitt stöd i inlägget; OpenAI delade det den 6 november och uppgav att företaget hade arbetat med ramverket tillsammans med FMF och dess medlemmar. Ett offentligt samråd är öppet till den 21 december 2026: FMF ska undersöka om olika bedömare kommer fram till liknande poäng och uppdatera ramverket allt eftersom nya jailbreaks dyker upp. I juli hade Anthropic beskrivit en liknande skala, CJS (Cyber Jailbreak Severity), framtagen tillsammans med Amazon, Microsoft och Google; FMF:s inlägg kopplar inte ihop de två.

🔗 Presentation av FMF:s ramverk för bedömning av jailbreaks för avancerade cyberhot

Mäta AI inom vetenskapen: OpenAIs BioBasicsBench för våtlaboratorier, TCSExam för teoretisk datavetenskap

OpenAI publicerar BioBasicsBench: 100 uppgifter från våtlaboratorier, 66,7 % för GPT-6 Astra

6 november — OpenAI presenterar BioBasicsBench, ett benchmark utvecklat tillsammans med Ligo, ett bioteknikföretag specialiserat på enzymdesign, för att mäta agenters förmåga att tolka rådata från det dagliga arbetet i våtlaboratorier (wet lab): geler och blots, odlingsplattor, mikroskopibilder, exporter från instrument eller videor av försöksprotokoll. De 100 uppgifterna, hämtade från verkliga experiment och poängsatta kriterium för kriterium enligt en expertbedömningsmall, täcker fem områden, från proteinmetoder till molekylär kloning; de kontrollerar också att agenten upptäcker fel och inser när underlaget inte räcker för att dra slutsatser.

Endast modeller från OpenAI utvärderas: sju modeller med 37 inställningar, fem försök per uppgift, totalt 18 500 resultat. Med inställningen effort xhigh får GPT-6 Astra 66,7 % av de möjliga poängen, före GPT-6.1 Sol och långt före GPT-5.6 Sol, med ungefär hälften så många tokens i utdata som den sistnämnda; enligt OpenAI tyder förbättringarna på att starkare inbyggd multimodalitet skulle kunna vara avgörande.

Utvärderad modell (effort xhigh)	Genomsnittlig belöning	Konfidensintervall på 95 %	Tokens i utdata per uppgift
GPT-6 Astra	66,7 %	60,3 till 73,1 %	4 704
GPT-6.1 Sol	62,0 %	55,6 till 68,4 %	5 238
GPT-5.6 Sol	43,8 %	37,6 till 50,0 %	9 099
GPT-6 Luna	38,3 %	32,3 till 44,5 %	13 120
GPT-5.5	35,4 %	29,7 till 41,0 %	11 135
GPT-5.4	33,2 %	28,3 till 38,4 %	13 717
GPT-5.2	31,2 %	26,2 till 36,3 %	27 620

OpenAI beskriver också Astras misslyckanden: en välbekant hypotes som väger tyngre än experimentella kontroller, motstridiga observationer som avfärdas, ett koloniantal som överskattas med cirka 12 %. Enligt inlägget garanterar högre poäng ännu inte tillförlitliga bedömningar i laboratoriet; OpenAI kopplar denna uppföljning till bioskydd och biosäkerhet och nämner ingen publicering av uppgiftssamlingen.

🔗 Mätning av hur AI-agenter hanterar vardagligt vetenskapligt arbete i våtlaboratorier (OpenAI)

TCSExam utvärderar modeller inom teoretisk datavetenskap: GPT-6 Astra leder Full-versionen, Opus 5.5 Lite-versionen

5 november — TCSExam, publicerat under Moonshot AI:s GitHub-organisation med en arXiv-artikel inskickad den 5 november, mäter hur långt modeller kan föra forskningen inom teoretisk datavetenskap (theoretical computer science) framåt. Författarna som anges av arXiv är Yifan Luo, Zhengying Liu, Yang Yuan, Zhilin Yang och Andrew Chi-Chih Yao. Fyra spår: bevisa ett publicerat teorem i Lean, skriva en solver som utvärderas på dolda instanser, ta fram en verifierad konstruktion eller gräns, och fullständigt bevisa eller motbevisa öppna förmodanden. Full-versionen innehåller 100 uppgifter granskade av experter, Lite-versionen 20, fem per spår. Indexet ger vart och ett av de tre första spåren vikten 30 och förmodandena vikten 10; solver-resultaten poängsätts mot en fast referens, Kimi K3.

Utvärderad modell	Lite-index (20 uppgifter)	Full-index (100 uppgifter)
Opus 5.5	72,3 (preliminärt)	saknas i webbplatsens tabell
GPT-6 Astra	67,0	71,9
Kimi K3.1 Pro	53,5	57,4
Kimi K3	48,6	46,8
GLM-5.3	47,0	45,5
Qwen3.8 Max (0902)	45,4	44,8
DeepSeek V4.1 Flash 1017	42,4	46,0
Grok 4.6	42,1	40,5

Inget öppet förmodande avgörs: sammanfattningen gör bara anspråk på specialfall och gränser som har verifierats oberoende. Två resultat överträffar dock det bästa tidigare kända, såvitt författarna vet: en graf med 630 kanter och 124 hörn, utan trianglar eller cykler med fyra kanter, konstruerad av Kimi K3 (629 för konstruktionen av Goedgebeur et al.), och en kvantfelrättande kod med avstånd 6, i stället för 5, som GPT-6 Astra hittade för att skydda 7 logiska qubits med 25 fysiska qubits. Testmiljön kör Kimi Code som standard och stöder även Claude Code, Codex och Grok Build.

🔗 Resultat från TCSExam · arXiv-artikel 2611.07962

Agentforskning: minne och dreaming hos Anthropic, inaktuella TODO-punkter hos Google, harness adapters

Anthropic visar hur dreaming korrigerar och organiserar minnet hos Claude-agenter

6 november — I ett forsknings- och teknikinlägg på sin Engineering-blogg definierar Anthropic agentminne som det Claude behåller av sina erfarenheter mellan sessioner, i form av anteckningar som kan läsas igen: varken vikter, in-context learning eller compaction. Dreaming (agentens ”drömmande”) får agenten att läsa om sina loggar och transkriptioner utanför sessionen för att korrigera sina anteckningar, skriva nya, bygga representationer som wikier eller välja vad som ska förladdas; funktionen finns som forskningsförhandsversion (research preview) i Claude Managed Agents sedan den 6 maj.

Utvärderingarna visar till att börja med ett förbättrat omdöme. Vid ungefär 10 000 steg i Pokémon Red hade Sonnet 3.7 skrivit 413 minnesfiler i 225 mappar för ett enda märke, medan Fable 5 nöjde sig med nio filer och en global.md för fyra märken; Opus 5.5 klarade spelet med en liten mapp med anteckningar. Anthropic rekommenderar att man berättar för Claude vad minnet är till för snarare än hur det ska användas: ett krav på att bara spara misslyckanden gör att Opus 5 och Opus 4.7 tappar en stor del av förbättringen. Att dreaming utifrån transkriptionen rättar en felaktig anteckning om var PokéCenter i Mt. Moon ligger räcker för att spelet ska komma vidare.

Experiment utfört av Anthropic	Publicerat resultat
Enbart wiki, Stainless interna corpus (cirka 350 000 filer), 2 och sedan 128 dreaming-sessioner	13 % och sedan 48 % av de bedömda kriterierna
Sökning plus wiki, samma corpus	54 % och sedan 61 %, jämfört med 53 % för enbart sökning; cirka 20 000 tokens sparade per fråga
Frågor om en företagsfusion (24, kriterier som omfattar flera dokument)	87 % med wikin, 73 % med enbart sökning
Fakta hämtade ur avtal	41 av 57 med en gemensam tabell, 57 av 57 med en sida per avtal med ordagranna citat

Inlägget tar också upp begränsningarna: ingen förbättring när ett enda dokument räcker, en wiki som ibland är större än sina källor och en beräkningskostnad för att hålla minnet uppdaterat. Slutligen påminner det om att auto memory i Claude Code bara läser in de första 200 raderna eller 25 Ko av MEMORY.md, som fungerar som index.

🔗 Agentminnets beståndsdelar (Anthropic)

Google mäter hur inaktuella TODO-kommentarer leder dess kodagenter på avvägar

6 november — På Google Developers-bloggen mäter Sam Saccone och Madhuri Garikapati en dold kostnad för kodagenter: bortglömda kommentarer.

What is easy for humans to skim past in code, agents see as a call to action.

🇸🇪 Det som människor lätt skummar förbi i koden ser agenter som en uppmaning till handling. — Sam Saccone och Madhuri Garikapati, Google Developers-bloggen

Teamet jämförde varje TODO(bug/...)- eller FIXME(bug/...)-kommentar som agenterna stötte på med buggens faktiska status och användarens begäran, utifrån spår från tusentals ingenjörer och hundratals miljoner agentsteg. Sammanlagt exponeras agenten för en sådan referens i 13 % av sessionerna där filer läses. Agenten ignorerar den i 94 % av fallen men agerar på den i 6 %, och 83 % av dessa åtgärder har inte begärts av utvecklaren: 41 % av dessa avstickare gäller ärenden som redan är stängda, 57 % utvidgar arbetet till en bugg som fortfarande är öppen. När utvecklare, kodens komplexitet, uppgiftstyp och modellnivå är jämförbara innebär en avstickare som inte efterfrågats 70 % fler steg, 77 % fler tokens och 105 % längre väntetid per session.

Google har svarat med rensningsagenter som går igenom kodbaserna, följer buggens, filens och ändringarnas historik bakåt och föreslår att en TODO tas bort först när det har bekräftats att den är inaktuell: tusentals referenser har tagits bort på sex månader, med mer än 95 % godkännande från de mänskliga granskarna. Inlägget argumenterar för kodbaser anpassade för agenter (agent friendly codebases).

Projektet harness-hub tränar med RL en LoRA per agentharness, med safeagents som skydd

6 november — På Hugging Face-bloggen presenterar Younes B., Lysandre och Nathan Habib (organisationen harness-hub) harness-adaptrar (harness adapters): en liten LoRA-adapter per modell och agentharness (pi, opencode, hermes), tränad med förstärkningsinlärning på verifierbara uppgifter inuti harnessen, utan att ändra den; en enda server tillhandahåller basmodellen och samtliga adaptrar. I preliminära tester ser författarna färre verktygsanrop än med basmodellen på de undanhållna testuppgifterna, med lika hög eller högre träffsäkerhet. Belöningen ger en liten bonus till korrekta lösningar som gör färre anrop.

Uppgifterna kommer från öppna kodsessioner som delats på Hub och omvandlats till verifierbara miljöer av Repo2RLEnvs; den publicerade versionen innehåller 270 uppgifter och är mycket ojämnt fördelad: 253 för att bygga (94 %), 11 för reparation, 6 för utökning och inga för frågor och svar. Proxyn safeagents granskar varje verktygsanrop under träningen: försök att manipulera belöningen blockeras och får poängen 0, och att aktivera detta skydd ändrar inte LFM2.5-24B-A2B:s pass@1 på de undanhållna testuppgifterna (+0,0 ± 4,1 poäng). De slutliga träningskörningarna gäller LFM2.5-24B-A2B och LFM3-1.7B från Liquid AI samt TwIL-8B från webAI, en resonemangsmodell som enligt sitt modellkort aldrig har tränats på agentdata; körningarna sker på HF Jobs och direktsänds, inklusive kostnaden.

🔗 Harness-adaptrar (Hugging Face-bloggen)

Kodagenter: Claude Code 2.1.319, Codex CLI 0.167.0, Copilot CLI 1.0.106, Antigravity CLI 1.5, röstchatt i Cursor och Spaces i Amp

Claude Code 2.1.319 lägger MCP tasks i bakgrunden och lägger till permissions.denyInsteadOfPrompting

6 november — Anthropic släpper Claude Code 2.1.319: 146 poster i versionsinformationen, varav 90 buggfixar, jämfört med 119 poster för 2.1.314 från den 30 oktober. Paketet finns på npm sedan kl. 00.58 UTC och versionen på GitHub sedan kl. 17.04 UTC, utan någon tweet; kanalen stable ligger kvar på 2.1.311. Agent-SDK:erna följer samma dag (TypeScript 0.3.319, Python 0.2.179).

Ändrat element	Vad som ändras
MCP-uppgifter (MCP tasks) i terminalen	När en MCP-server kör ett verktygsanrop som en uppgift flyttar Claude Code den till bakgrunden och skickar resultatet när den är klar
`permissions.denyInsteadOfPrompting`	Ett anrop som skulle invänta en behörighetsfråga nekas och turen fortsätter, även för underagenter och teammedlemmar
Läget auto bakom en LLM-gateway	Om telemetri eller flaggor är avstängda: anrop som servern inte kan verifiera skickas till användaren eller nekas, utan att falla tillbaka på den inbyggda klassificeraren
`/claude-api latency-optimize`	Letar efter var koden som anropar Claude API orsakar väntetid och testar snabbare inställningar mot användarens utvärdering
`/tasks`	Raden ”Tidigare i den här sessionen” för att öppna en avslutad underagent igen och skriva till den

MCP-uppgifterna tillkännagavs den 23 oktober utan versionsnummer och dyker upp i CHANGELOG först med den här versionen; de fungerar också utan funktionsflaggor, alltså på Bedrock, Vertex, Foundry eller bakom en gateway. Versionsinformationen beskriver korrigeringar av flera sårbarheter: ett sätt att kringgå Bash-behörigheter med ett förfalskat miljöprefix, ett utbrott ur sandboxen när ett worktree skapades, ett sed-kommando som hoppade över behörighetskontrollen i läget accept-edits eller auto och /rewind som kunde påverka en fil via en symbolisk länk till en katalog. Gatewayen för Claude apps får varningar inför ändringen i Claude Desktop den 10 november, som versionsinformationen inte beskriver närmare. Samma dag meddelar @ClaudeDevs att molnsessioner själva förbereder miljön för ett repo (se Notiserna).

🔗 Versionsinformation för Claude Code 2.1.319

Codex CLI 0.167.0 markerar olästa resultat och byter backend via sessionsväljaren

6 november — OpenAI släpper Codex CLI 0.167.0 kl. 01.40 UTC, den första stabila versionen sedan 0.166.0 från den 29 oktober, med 120 poster i PR-listan. Agenternas kommandocentral öppnas nu med codex agents --no-daemon och markerar, liksom sessionsväljaren, resultat som användaren ännu inte har tittat på. Väljaren gör det också möjligt att byta från en ansluten backend till en annan utan att förlora sina utkast. Bifogade lokala bilder visas som förhandsvisningar medan man skriver i kompatibla terminaler, inloggningsskärmen samlar API-nyckeln och molnleverantörerna under ”Logga in på ett annat sätt”, och alternativet gcp_setup_wizard konfigurerar Google Cloud Vertex AI med Application Default Credentials eller en fil med inloggningsuppgifter. Systemets proxyinställningar i macOS och Windows kan nu aktiveras via /experimental.

Buggfixarna handlar om kontinuitet i arbetet: sparade konversationer förblir synliga efter ett byte av modellleverantör, Ctrl+L rensar skärmen utan att meddelandena går förlorade, och de går att nå via Ctrl+T, och automatisk compaction tar hänsyn till bevarade utdata från misslyckade svar. Dokumentationen för app-server beskriver prompt-user-regler som kräver ett nytt mänskligt godkännande. Dessutom skickar openai-node 7.53.0 fel i agentsessioner som händelser i strömmen.

🔗 Versionsinformation för Codex CLI 0.167.0

Copilot CLI 1.0.106 blir stabil med 227 tidigare opublicerade poster, följd av 1.0.107 med identisk versionsinformation

6 november — Copilot CLI släpper sin första stabila version sedan 1.0.105 från den 28 oktober. 1.0.106 släpps kl. 01.47 UTC med versionsinformation som samlar hela cykeln av förhandsversioner: 637 poster, varav 227 saknas i informationen för de elva förhandsversioner som publicerats på GitHub. Kl. 20.37 UTC kommer 1.0.107 med exakt samma versionsinformation, bortsett från datumet i rubriken: inga egna ändringar beskrivs där, och det är den som npm nu installerar som standard.

Bland de tidigare opublicerade posterna finns variabeln COPILOT_SESSION_CWD för att starta och utveckla lokala LSP- och MCP-konfigurationer, möjligheten att välja GPT-6.1 Terra under Nya modeller när kontot har åtkomst, inställningen Sandbox-tillägg som kör tilläggens processer i sandboxen och MATS-telemetri för Microsoft Entra-inloggning via OneAuth, som respekterar att telemetri har avböjts på klientsidan. /exit avslutar den aktuella sessionen i stället för CLI:n när sidofältet Sessioner är öppet, sandboxens nekanderegler accepterar glob-mönster, och avslag på grund av cybersäkerhetsrisker förklarar att sessionen fortfarande är intakt och föreslår /rewind. Copilot SDK blir också stabilt med 1.0.29: 131 poster, avkortade redan i källan, däribland en bakåtinkompatibel ändring för Rust i SessionMetadata.

🔗 Copilot CLI 1.0.106 · Copilot CLI 1.0.107 · Copilot SDK 1.0.29

Antigravity CLI 1.5 blir en ACP-server för editorer och kör sina konversationer på fjärragenter

4 och 5 november — Antigravitys CLI går över till version 1.5 i två steg. 1.5.0 (10 förbättringar, 3 buggfixar) lägger till agy acp, som kör CLI:n som en Agent Client Protocol-server (ACP): en kompatibel editor kan använda den som agent, med bilder och filkontext i prompts, möjlighet att styra om en pågående tur, sessionslägena default, accept-edits och plan, återupptagning av en session utan att spela upp historiken igen samt en modell och en resonemangsnivå som är specifika för varje session; agy acp --login gör det möjligt att ansluta från en terminal för editorer som är anslutna via SSH. Samma version lägger till --remote-agent, som kör konversationerna på fjärragenter, kommandoradsmotsvarigheten till dem som kom i applikationen 2.29.0, samt lokala projekt i /projects och ett läge utan gränssnitt (headless, -p) som väntar tills bakgrundsuppgifterna är klara i stället för att avbryta dem efter en dold gräns på 30 minuter. En buggfix avslöjar att underagenter vid anslutning via GEMINI_API_KEY kördes på modeller som var två generationer äldre i stället för Gemini 4 Argon och Gemini 3.8 Flash.

1.5.1 (5 förbättringar, 7 buggfixar) ger alla ACP-klienter tillgång till kontots samtliga modeller, medan tidigare bara en fast lista med editorer erbjöds andra modeller än Gemini, och minskar tiden för att avsluta ett terminalkommando från 5 sekunder till ungefär 1 sekund när en bakgrundsprocess håller utmatningen öppen. Utrullningen sker gradvis och kan ta några dagar.

🔗 Antigravitys ändringslogg

Cursor öppnar för röstchatt i realtid med sina agenter, via Grok Voice

6 november — Cursor gör det nu möjligt att tala med sina agenter under ett röstsamtal i realtid: beskriva en ändring högt, fråga en agent vad den gör och höra uppdateringar under arbetets gång. Röstchatten fungerar i Agents Window, IDE:n, webbversionen och iOS-appen. Två agenter arbetar under samtalet: en röstagent lyssnar, svarar och lämnar över kodarbetet till chattens agent; den svarar också, med enbart läsåtkomst, på frågor om diffs och körningar, söker i tidigare meddelanden och samtal och byter worker i ett Project. Kodagenten kommer själv till tals med korta lägesuppdateringar och ett kort svar när arbetet är klart.

Rösten bygger på Grok Voice (Cursor ingår i SpaceX sedan augusti), medan kodagenten behåller den valda modellen; flera röster finns att välja mellan, däribland Ara, Eve, Leo, Rex och Sal. Med Privacy Mode körs röstchatten utan att data sparas, och på iOS startar ett Siri-kommando ett samtal med en ny agent. Det krävs ett inloggat konto (en session som öppnats med en API-nyckel kan inte ringa), samtalet avslutas efter ungefär 10 minuters tystnad när agenten inte har något på gång, och det finns en daglig gräns utan att någon siffra har publicerats. Inget pris nämns; dikteringen, som tidigare kallades Voice Mode, förblir en separat funktion.

🔗 Röstchatt med agenter (Cursors ändringslogg) · Dokumentation för röstchatten

Amp lanserar Spaces, en agent som skapar och samordnar trådarna åt användaren

6 november — Amp lanserar Spaces: en space är en konversation med en enda agent, vars roll är att starta och samordna andra agenter. Användaren behöver inte längre skapa eller organisera sina trådar (threads): agenten i en space sköter det. Amp presenterar det som ett sätt att arbeta med många agenter på en högre nivå; efter några veckors intern användning tror teamet att detta kan vara framtiden för interaktion med agenter, med överblick och möjlighet att gå ner på detaljnivå.

Inlägget ger tre interna exempel. Spaces byggdes i en space med namnet « Spaces v1 », där agenten delade upp feedback, buggar och idéer som lämnades i chatten i trådar. Lewis ledde lanseringen av Service Accounts från en space: driftsättning, bevakning av X, Slack och buggrapporter, buggfixar och sedan e-post och återbetalningar till berörda användare. Will gav en space i uppdrag att genomföra en återkommande säkerhetsgranskning: vid första genomgången delades kodbasen upp i 16 områden som granskades i varsin tråd, och varje fynd kontrollerades i en annan tråd, med en sammanfattande artifact. Man kommer igång via knappen + i avsnittet Spaces i sidofältet; inlägget nämner varken pris eller abonnemang. Samma dag lägger Amp till en widget som omvandlar kommentarer på en webbplats till en agenttråd (se Notiserna).

🔗 Spaces (Amp)

Att bygga modellerna: Meta tränar specialiserade modeller med Muse Wonder, Hugging Face publicerar en guide till MoE-träning

Meta rullar ut specialiserade modeller tränade med Muse Wonder i Muse och Meta AI

6 november — Meta låter Muse och Meta AI dra nytta av Muse Wonder, sin frontiermodell som lanserades den 12 oktober: specialiserade versioner av företagets befintliga modeller, tränade med Muse Wonder, rullas ut där; inlägget namnger dem inte och anger varken storlek eller modellvikter. Två förmågor från Muse Wonder förs över: aktivt minne (Active Memory), som ska känna igen när gammal information blir användbar igen och skilja det som fortfarande gäller från det som är inaktuellt, och aktivt fokus (Active Focus), som ska göra det möjligt att ta sig vidare efter ett hinder eller hitta ett alternativ. I Meta AI beskriver Meta en assistent som delar upp problem i steg och ställer mer precisa följdfrågor, utan tillhörande siffror.

Metas interna mått	Nuvarande modell i Muse	Föregående modell
Personal Superintelligence Index	47 %	38 %
Active Memory Eval (kritisk kontext används rätt)	90 % av uppgifterna	76 %
Glömska av kritisk information i Muse	dividerad med 2,4	—
Vardagsuppgifter där något oväntat inträffar	+67 %	—

Alla dessa mått kommer från Meta, utan att något utvärderingsprotokoll publiceras i inlägget.

🔗 Metas forskningsinlägg om de specialiserade modellerna i Muse och Meta AI

Hugging Face publicerar The Ultimate MoE Training Handbook, baserad på 800 000 GPU-timmar av experiment

5 november — Hugging Face publicerar The Ultimate MoE Training Handbook, en kostnadsfri och öppen guide till träning av modeller med en blandning av experter (Mixture-of-Experts, MoE), skriven av Nouamane Tazi, Leandro von Werra och Thomas Wolf. Utgångspunkten är att 18 av de 20 bästa modellerna med öppna vikter enligt Artificial Analysis index är MoE, däribland DeepSeek V4.1 Flash 1017, GLM-5.3 och MiniMax-M3.1-Flash, samtidigt som kunskapen om hur de tränas fortfarande är koncentrerad till ett fåtal team.

18 of the 20 best open models today are Mixture-of-Experts. Dense is basically over. And yet the know-how to train a good MoE still lives mostly in the heads of a handful of teams. So we spent 800k GPU hours running the experiments ourselves and wrote everything down.

🇸🇪 18 av dagens 20 bästa öppna modeller är Mixture-of-Experts. Dense-modeller är i stort sett ett avslutat kapitel. Ändå finns kunskapen om hur man tränar en bra MoE främst i huvudet på en handfull team. Därför har vi lagt 800 000 GPU-timmar på att själva göra experimenten, och vi har skrivit ner allt. — @Thom_Wolf på X

Experimenten kördes på AWS P5-noder med åtta H100; Jeff Boudier uppger i ett inlägg på X som Hugging Face har delat vidare att kostnaden var 2 miljoner dollar. Guiden omfattar cirka 70 000 ord, 55 interaktiva figurer och körbar kod, med en angiven lästid på en till två dagar. Den följer teamens konkreta frågor: hur många experter, hur stora och om de ska vara delade eller inte; vilken router man ska välja och varför den bör behållas i FP32; hjälpförlust eller förlustfri bias enligt DeepSeek-modellen för att balansera belastningen; att utgå från en dense-modell (upcycling) eller börja från noll; varför träningen blir 25 gånger långsammare utan något fel i loggarna. En sista del tar upp inferensdrift: experter med låg precision, expertparallellism och disaggregering av attention-FFN.

🔗 The Ultimate MoE Training Handbook (Hugging Face)

Perplexitys Agent API sänker kostnaden för alla ansträngningsnivåer, med samma eller högre kvalitet enligt Perplexity

5 november — Perplexity sänker kostnaden per förfrågan för samtliga befintliga ansträngningsnivåer (effort levels) i sitt Agent API, med samma eller högre sökkvalitet enligt företaget; inlägget beskriver också ultra, nivån som öppnades samma dag för de mest omfattande sökningarna. En ansträngningsnivå är en färdig konfiguration som anger modell, stegbudget, sökinställningar och verktyg för en viss typ av uppgift. En förfrågan som anropar en nivå med dess namn får uppdateringen utan kodändringar; om man låser en version behålls den gamla konfigurationen. Resultaten gäller BrowseComp och DSQA, två offentliga benchmarktester, samt WANDR, Perplexitys eget benchmarktest för långa sökningar som omfattar många entiteter.

Ansträngningsnivå	Publicerat resultat	Publicerad kostnad
medium	från 55 % till 77 % på BrowseComp och DSQA	nästan 90 % lägre
high, med extrahering från fetch_url	88,0 % jämfört med 83,5 % utan extrahering	0,073 dollar per förfrågan jämfört med 0,094
xhigh	76,5 % på WANDR, bibehållet	cirka 25 % av kostnaden för konfigurationen från augusti
ultra	85,9 % på WANDR, bästa testade resultat	21,71 dollar per uppgift

Nivån ultra startar tre agenter parallellt för hela uppgiften, varefter en fjärde sammanför deras fynd och skriver svaret. Inlägget beskriver metoderna: ett tak för antalet steg och verktygsanrop med budgetpåminnelser (på en BrowseComp-uppgift hittar agenten som får påminnelser svaret på 13 av 40 steg, medan den andra förbrukar alla 40 utan att hitta det), en mindre modell som bara behåller användbara avsnitt från en sida (5 561 tokens minskas till 293), skills som laddas vid behov eftersom det kostar 13 % mer att ladda allt i förväg, och en utvärderingsloop som bara inför en ny modell om den presterar bättre till samma eller lägre kostnad. Ingen prislista per nivå publiceras.

🔗 Förbättringar av varje ansträngningsnivå i Agent API (Perplexity) · Tråd från @perplexitydevs

Perplexity Computer sammanfattar långa konversationer i bakgrunden och öppnar Brain för alla Projects

6 november — Perplexity publicerar sin första produktchangelog sedan den 19 oktober, med sexton punkter; de flesta återger redan presenterade nyheter, som Teammates, Computer som körs helt lokalt på Mac eller röstläget, och sju är nya. I Computer sammanfattar nya långa konversationer sin historik i bakgrunden (background compaction): enligt Perplexity ger det 94 % färre pauser vid fortsatt arbete med lång kontext och 7 % färre krediter per tur. För att ändra en webbplats som skapats av Computer väljer man nu ett specifikt element (rubrik, knapp, kort, meny) i stället för att rita en rektangel.

I Projects aktiveras Brain, minnet i ett Project, kostnadsfritt i varje Project och uppdateras dagligen utifrån dess konversationer och filer; en Project info-panel och en samlad Settings-panel blir tillgängliga för alla. I Enterprise gör @mentions det möjligt att ta in en kollega i en tråd eller en Computer-uppgift på webben, och de rollbaserade kontrollerna kompletterar de befintliga ansträngningsinställningarna med en högsta hastighet (Normal eller Fast). Skillen Impeccable, som granskar ett gränssnitts hierarki, tillgänglighet, responsiva beteende (responsive) och designsystemets konsekvens, läggs till i den officiella listan. Changeloggen anger slutligen att Agent Plugins är tillgängliga för individuella abonnemang och Enterprise via självbetjäning, och att Computer körs helt lokalt från och med Mac-appen 26.42.0. Kostnadssänkningen för ansträngningsnivåerna, som också tas upp, beskrivs i föregående avsnitt.

🔗 Perplexitys changelog från den 6 november

Röst: Gradiums Phonon körs på enheten, ElevenLabs får Unity-karaktärer att tala

Gradium beskriver Phonon, sin inbyggda talsyntes med öppna vikter

5 november — I ett inlägg på Hugging Faces blogg återkommer Gradium till Phonon, som gjordes öppet tillgänglig två veckor tidigare: en talsyntesmodell som körs helt på enheten, utan server eller nätverk, från telefoner till webbläsarflikar och enkortsdatorer. Phonon finns i två storlekar, cirka 65 och 75 Mo, och hanterar telefonnummer, datum och koder. Över 100 röster ingår, och fler kan skapas i Gradium Studio genom att klona en kort inspelning med personens samtycke eller genom en textbeskrivning, för att sedan laddas ner och köras lokalt.

Phonon-modell	Språk som stöds	Användningslicens
Phonon 31m	engelska	Apache 2.0, fri kommersiell användning
Phonon 40m	engelska, franska, tyska, spanska, portugisiska	CC BY-NC, avgiftsbelagd kommersiell användning efter antal användare

Enligt Gradium ligger Phonon först i taltydlighet på tyska och spanska på Hugging Faces Open TTS Leaderboard och bland de tre främsta för varje utvärderat språk, i konkurrens med modeller som är upp till 100 gånger större; den leder också benchmarktestet för streaming på CPU när det gäller tiden till första ljudet. Gradium uppger över 200 000 nedladdningar på två veckor. Inferensmotorn ptts har över tio backends (CPU:er, GPU:er via CUDA, Vulkan, Metal eller WebGPU, Core ML- och Snapdragon-chip), och Transformers har stöd för den sedan v5.21.

🔗 Phonon (Hugging Faces blogg)

ElevenLabs lanserar ett Unity-SDK för att ge spelkaraktärer en röst med ElevenAgents

5 november — ElevenLabs publicerar ett Unity-SDK för ElevenAgents, sin plattform för röstagenter. Det kopplar en spelscen till en agent som skapats i ElevenLabs kontrollpanel: spelaren närmar sig en karaktär och talar högt med den, SDK:t fångar upp mikrofonljudet, spelar upp agentens röst via en AudioSource i Unity och hanterar sessionen via Conversation API. Rösten kan komma från karaktären och ljudnivån få en mun att röra sig; dynamiska variabler gör att flera karaktärer kan dela samma agent men ha olika humör; en kontextuppdatering informerar agenten om en spelhändelse, som att en nyckel plockats upp, utan att avbryta den; klientverktyg låter agenten utlösa spelkod, till exempel för att öppna en dörr.

Målplattform	SDK-status	Transport som används
Redigerare och skrivbordsmiljö (macOS, Windows, Linux)	Stöds	WebSocket
WebGL	Stöds	WebSocket eller WebRTC
iOS, Android, XR	Beta	WebSocket

Installationen sker via Unitys Package Manager från ElevenLabs git-repo, låst till v0.1.0 (en version som publicerades på GitHub den 27 oktober, med MIT-licens), och enligt uppgift tar det omkring tio minuter att komma igång med exemplet GettingStarted. ElevenLabs påminner om att återaktivera autentiseringen före publicering: en server måste tillhandahålla en kortlivad signerad URL, och API-nyckeln får aldrig finnas i en build. Ingen särskild prissättning anges.

🔗 Ge dina NPC:er i Unity en röst med ElevenAgents (ElevenLabs) · Repo elevenlabs/unity

Ai2 presenterar officiellt ToyBlocks, den första av sina FoundationWorlds för att studera robotars inlärning

6 november — Ai2 presenterar officiellt ToyBlocks, vars kod och data hade funnits tillgängliga online sedan dagen före. Institutet placerar det i ett bredare ramverk, grundvärldar (FoundationWorlds): en kontrollerad simulerad värld, automatisk generering av uppgifter och demonstrationer samt mätvärden som följer robotens beteende över tid, för att kunna variera data eller modeller, köra om ett test och spåra orsaken till ett misslyckande. Demonstrationerna produceras utan teleoperation, med upp till 24 gånger realtidshastigheten på en enda GPU. De första resultaten gäller överföring till verkligheten och frontieragenter:

Utvärdering publicerad av Ai2	Uppnått resultat
ManiFlows atomära färdigheter, i simulering och på verklig robot	80,0 % och 81,1 %
Molmo 2 + ManiFlow, i simulering och på verklig robot	55,5 % (111 av 200) och 50,0 % (15 av 30)
Claude Opus 5.5 via MCP, uppgifter för att söka och stava (search and spell)	63 % lösta eller korrekt bedömda som ogenomförbara
Färdighetsbeskrivningar: standard, skrivna av mänsklig expert, inlärda	24 %, 36 % och 63 % lyckade resultat
Claude Opus 5.5 vid klassisk planering	30 staplingsuppgifter av 30

I uppgifterna för att söka och stava är hälften av scenerna ogenomförbara, och felen beror främst på bokstäver som liknar varandra (13 %) eller felaktig orientering (15 %). Ai2 anger att fler försök på verkliga robotar behövs för statistisk säkerhet. Ett webbgränssnitt gör det möjligt att instruera roboten på naturligt språk med Claude eller en annan frontiermodell, och det tillhörande repot allenai/agentic_robotics publicerar den agentiska loopen som orkestreras via MCP, under Apache-2.0-licens.

🔗 ToyBlocks (Ai2:s blogg på Hugging Face) · Repo allenai/agentic_robotics

GitHub presenterar Copilot Verified Proficiency, en kompetensnivå beräknad utifrån faktisk användning av Copilot

6 november — GitHub lyfter fram Copilot Verified Proficiency, en ny form av kompetensintyg (credential) som är gemensam för Microsoft och GitHub och kopplad till Microsoft Pro Badge. I stället för ett prov beräknas nivån löpande utifrån de uppgifter som faktiskt utförs med Copilot, baserat på telemetri, enligt användningens bredd, djup och regelbundenhet, snarare än aktivitetsvolymen. Fem kompetenser bedöms: samarbete med IA, utformning av prompts, kodgenerering och kodvalidering, agentkonfiguration samt integrering av verktyg och kontext. Tre nivåer är tillgängliga (Beginner, Intermediate, Proficient), medan Advanced och Expert är under utveckling; Proficient ger ett delbart Pro Badge, som löper ut efter sex månader om nivån inte upprätthålls, och nivån sjunker utan användning av Copilot.

Deltagande kräver aktiv anslutning, resultaten är privata som standard och varken arbetsgivaren eller organisationen ser dem utan frivillig delning; bedömningsmatriserna och algoritmerna förblir proprietära. Konton av typen Enterprise Managed Users och GitHub Enterprise Cloud med datahemvist stöds inte. Statusen är fortfarande oklar: den odaterade sidan erbjuder möjligheten att beräkna sin nivå, men dess FAQ talar om en privat förhandsversion med inbjudna partner.

🔗 Copilot Verified Proficiency (GitHub Learn) · Tillkännagivande från @github på X

NVIDIA sätter siffror på tillväxten för sina open source-verktyg Aerial och Sionna för 5G/6G, med fem forskningsprojekt

6 november — Ett år efter att ha öppnat källkoden till sin programvara för trådlös kommunikation Aerial, som då anslöt sig till Sionna i en verktygssvit för 6G-forskning, gör NVIDIA en lägesrapport i ett inlägg av Soma Velayutham. Enligt NVIDIA har utvecklarnas användning av AI Aerial och Sionna tiodubblats på ett år, dess open source-verktyg för 5G/6G har passerat en miljon nedladdningar och över 8 000 forskningsinstitutioner och universitet använder dem. Inlägget presenterar ingen produkt och illustrerar användningen med fem projekt:

Forskargrupp	Rapporterat resultat	Mätförhållanden
King’s College London	Tiden för att utföra robotuppgifter minskad med upp till 52,6 %	Kompakt beskrivning av objekt i stället för fullständiga bilder, avsiktligt framkallade fel
SoftBank	Högre upplänkshastighet vid alla 15 testade inställningar, maximal förbättring på cirka 60 %	Neural mottagare i Aerial CUDA-Accelerated RAN, kommersiellt tillgänglig 5G-smartphone, kontrollerade störningar
ETH Zurich	Blockfelfrekvens minskad med mer än en tredjedel	Mottagare anpassade efter lokala mätningar, jämfört med utvalda förtränade versioner
Leeds universitet	Energiförbrukningen i radioaccessnätet minskad med 45,6 %	Planering av basstationers viloläge 10 minuter i förväg, jämfört med en referens vid full effekt
CTTC (Katalonien)	Simuleringstiden minskad från cirka 3 timmar till 10 till 20 minuter	Första utvärderingen, kanalmodeller på GPU i open source-simulatorn 5G-LENA

Inlägget hänvisar till utvecklarsessionerna om 6G på GTC Washington, D.C., och påminner om att Aerial och Sionna finns på GitHub.

🔗 Hur NVIDIA:s open source-verktyg hjälper forskare att bygga nästa generations 6G-nätverk (NVIDIA)

Notiser

Kodagenter och kodverktyg

Claude Code-sessioner i molnet — På abonnemangen Pro, Max och Ultra avgör Claude själv vilka beroenden, vilken nätverksåtkomst och vilka API-nycklar ett kodarkiv behöver och sparar sedan miljön för kommande sessioner; enligt @ClaudeDevs lagras nycklarna utan att Claude ser dem. Tillkännagivandet består av en enda tweet, utan blogginlägg eller dokumentation. 🔗 källa
Amps feedbackwidget — En script-tagg och därefter adressen till en sida med suffixet ?amp gör det möjligt att klicka på ett element på en webbplats och skriva en instruktion: Amp öppnar en tråd i projektet och agenten genomför ändringen i en orb, på en kopia av kodarkivet. Begränsat till projekt i arbetsytor, inget pris anges. 🔗 källa
Gemini CLI — Ingen nightly-version publicerades den 5 eller 6 november eftersom workflow misslyckades, men Gemini CLI mergar ett dussintal commits till main den 6: färgteman i en fristående theme.json-fil, validering av modellnamn i /model, slut på timslånga väntetider på kvot i ACP-läge och på tysta nätverksblockeringar. Inget finns ännu i en utgiven version. 🔗 källa
Qwen Code v0.26.9 — Skills kan installeras från ZIP-arkiv (Web Shell, daemon eller TypeScript-SDK) och en begäran aktiverar eller inaktiverar upp till 100 skills; automatiseringen av Managed Agent är aktiverad som standard och bildinmatning utökas till Llama 4, Pixtral och Mistral Small. Inga bakåtinkompatibla ändringar. 🔗 källa
Kimi Code 2.5.2 — Tre korrigeringar: dubblerade verktygsdeklarationer när MCP-verktygens definitioner ändras, styrmeddelanden som felaktigt köas under en session och skapande av projekt när webbgränssnittet serveras via HTTP. 🔗 källa
ZCode v3.17.2 — Den 4 november, utan versionsanteckningar, låter Z.ai:s kodarbetsyta förhandsvisningen av lokala HTML-filer i den inbyggda webbläsaren gå via en zcode-html://-adress som är begränsad till deras mapp: Electron låter som standard en file://-sida läsa andra filer. 🔗 källa
Flotta av kodagenter — Tony Dzi sammanfattar 103 dagar med kodagenter från samma familj på sju maskiner: ett samordningsprotokoll kan uppfylla alla sina säkerhetsinvarianter och ändå överges. Han publicerar claw-consensus, sin konsensusmotor utan LLM, och telemetrin som visar hur användningen kollapsade. 🔗 källa

API:er, plattformar och säkerhet

Utgående samtal med GPT-Live — Den 2 november öppnade OpenAI utgående telefonsamtal med GPT-Live via SIP för alla organisationer, genom Live-API:t: nummer i E.164-format, operatörens trunk, TLS-signalering och SRTP-ljud, ringsignal begränsad till 3 minuter och samtal till 2 timmar; inga priser anges. 🔗 källa
OpenAI:s Agents API — Michael Luo, produktansvarig på OpenAI, sammanfattar oktober, som till största delen redan har bevakats, och erbjuder på begäran fem funktioner i beta: minne mellan sessioner, agentåtkomst till Decisions-API:t, budgettak i dollar, en pool av miljöer och v2-arkitektur. 🔗 källa
gemini-embedding-2-preview — Gemini-API:t fasar ut denna modell: sedan den 6 november dirigeras dess anrop till gemini-embedding-2 till priset för Gemini Embedding 2, med samma schema och samma utrymme för embeddings; det räcker att ändra modellnamnet, utan omindexering. 🔗 källa
Användningsmått för Copilot — API:t följer nu, per kodarkiv, andelen kommentarer från Copilot code review som utvecklarna har åtgärdat, uppdelat efter allvarlighetsgrad, granskningsnivå och kommentarstyp, och flaggar användare som saknar telemetri eller använder IDE- och tilläggsversioner under minimikraven. 🔗 källa
OpenAI och Hacktron — OpenAI samarbetar med Hacktron, som uppmärksammades genom dess bug bounty-program, för att söka efter sårbarheter i sina egna system, särskilt i samspelet med tredjepartstjänster, och ger företaget utökad tillgång till de mest avancerade modellerna via Daybreak Red; inga belopp anges. 🔗 källa
Transformers v5.22.2 — En mellanliggande korrigeringsversion från Hugging Face som skärper Jinja-sandboxen och nu bara sätter device_id för NCCL; versionsanteckningarna hänvisar inte till någon säkerhetsbulletin. 🔗 källa

Företag och utbildning

Australiska universitet — Den 5 november beskriver OpenAI sina samarbeten med UNSW Sydney (ChatGPT Edu för över 80 000 studenter och anställda), University of Sydney, La Trobe och Adelaide University; i en Pureprofile-undersökning som OpenAI beställt bland 1 018 studenter använder 81 % IA flera gånger i veckan. 🔗 källa
Cult.fit och Codex — Den 5 november visar en fallstudie från OpenAI hur den indiska gymkedjan standardiserar sitt utvecklingsarbete på Codex: över 20 interna applikationer byggda av icke-tekniska team, över 100 000 dollar i årliga besparingar på programvara och kundsupportkostnader som minskat med över 50 %. 🔗 källa
Merge och GPT-6 Astra — Den 5 november förklarar startupföretaget Merge att en bot som kör GPT-6 Astra, kopplad till Salesforce, Gong, Google Sheets och Gmail, minskar förberedelserna inför en kundmiddag från tiotals timmar till cirka 30 minuter; företaget gick från 8 middagar under andra kvartalet till 16 under det tredje. 🔗 källa
Franklin Templeton — Den 5 november beskriver kapitalförvaltaren ett sammanlänkat intelligenslager, byggt bland annat med Codex, som kopplar samman analys, risk, regelefterlevnad och trading för sina portföljförvaltare; inga resultatsiffror anges. 🔗 källa
Flipsnack och ChatGPT Ads — Den 5 november rapporterar denna kundberättelse omkring 310 % fler registreringar och en cirka 75 % lägre kostnad per registrering, med oförändrad daglig budget, efter att fem amerikanska kampanjer gått från klick till konverteringsoptimering. 🔗 källa
Box och NVIDIA — Den 5 november, på BoxWorks 2026, gör Box de öppna modellerna Nemotron, med början med Nemotron 3 Ultra, tillgängliga för Box AI-kunder med Enterprise Advanced; Box Context Retrieval, byggt på Nemotron Retriever, väntas i början av nästa år och skulle enligt Box kunna förbättra sökprecisionen med 20 % och förbruka 90 % färre tokens. 🔗 källa

Googles appar

Instuderingskort i Gemini Notebook — Korten stöder nu bilder, en valfri timer gör det möjligt att testa vad man minns och mobilappen schemalägger studiepåminnelser; varken länder eller abonnemang anges. 🔗 källa
Gemini i Google Forms — På fliken Svar analyserar Gemini svaren genom att skriva och köra Python-kod, upptäcker trender och korrelationer och föreslår sedan åtgärder; utrullningen började den 2 november i Rapid Release och börjar den 19 november i Scheduled Release, för berättigade Business-, Enterprise- och Education-abonnemang samt Google AI-prenumeranter. 🔗 källa

Röst, musik och bild

Open ASR Leaderboard — Hugging Faces rankning för taligenkänning lägger till två privata testdataset från Liva AI, med konversationsengelska med egyptisk (1,34 timme) respektive nigeriansk accent (1,55 timme), och en uppdelning inspirerad av Kachrus cirklar; inga modellresultat redovisas. 🔗 källa
Libanesisk dialekt — I den andra delen av sin serie, efter den från den 5 november, bygger Bilal Zaraket ett libanesiskt lexikon validerat av tre modersmålstalare (429 uppslagsord) innan han genererar taldata: andelen meningar som behöver korrigeras sjunker från 22 % till 4 %, under en på förhand fastställd gräns på 5 %. 🔗 källa
ElevenMusic och SoundCloud — ElevenLabs kopplar sin musikplattform till SoundCloud: en originallåt publiceras direkt på artistens profil, med beskrivning, genre och taggar. SoundCloud Artist Pro-medlemmar får tre månader ElevenMusic utan kostnad, därefter kostar det 9,99 dollar per månad, erbjudandet gäller till den 31 oktober 2027. 🔗 källa
Ads Engine — ElevenLabs lägger till mänsklig granskning som tillval, utförd av lingvister och lokaliseringsspecialister från ElevenProductions samt interna kreativa specialister, av bildmaterial, Google Search-annonser och dubbade videor; tillgång via säljteamet, varken pris eller tidsram anges. 🔗 källa
Sunos Daily Song Challenge — Appar för iOS och Android erbjuder en låtprompt varje dag, som kan ändras före skapandet, och placerar låtarna i en kalender i biblioteket, på alla abonnemang. 🔗 källa
Runway och GPT Image 2.6 — Runway lägger till OpenAI:s bildmodell, som presenteras som 50 % snabbare, med GIF, SVG-export och redigeringar som bevarar ett konsekvent utseende för karaktärer och produkter; varken variant eller kostnad i krediter anges. 🔗 källa

Forskning, robotik och modeller

Vetenskapliga modeller — Anthropics Science-blogg publicerar en gästessä av Jakob Macke, Daniel Gedon och Stefan Wahl (ELLIS Institute Tübingen) om IA som bygger, sätter begränsningar för och tolkar vetenskapliga modeller, från Hodgkin–Huxley-modellen till simuleringsbaserad inferens. 🔗 källa
SuperCLUE-rankningen — Ett communityinlägg från VIDRAFT återger novemberrankningen (19 modeller): GPT-6.1-Sol leder inom agentisk kodning (69,23) och DeepSeek-V4.1-Flash-1017 placerar sig där först bland de öppna modellerna (65,38), medan Kimi-K3.1-Pro har högst totalpoäng bland dem. 🔗 källa
LingYu Robotics — Företaget publicerar 139,4 timmar och 13 263 lyckade episoder av teleoperation med två händer, filmad ur robotens perspektiv, inom 15 uppgiftskategorier, i LeRobot-format och under en licens för icke-kommersiell användning. 🔗 källa
Egocentric-EMG-Force — Harpreet Sahota konverterar för FiftyOne åtta episoder och 38,2 minuter av hushållssysslor filmade med en djupkamera, med ett EMG-armband på vardera handleden som registrerar muskelsignalerna från underarmarna. 🔗 källa
Teaser från Qwen — Qwens officiella konto publicerar ett kort, gåtfullt meddelande, med en bild där den kinesiska texten lämnar en lucka för ett namn, utan modellnamn, datum eller länk; det har visats över 1,3 miljoner gånger under dagen. 🔗 källa

Vad det innebär

AI tar steget in i forskning under kontrollerade former med mätbara resultat. Google DeepMinds agenter har arbetat under mänsklig övervakning, tillsammans med forskare från Inria, med ett redan utfasat RSA-system på 1024 bitar och en referensnyckel som redan hade knäckts, i en isolerad simulering: den teoretiska förbättringen på ungefär 1 600 gånger hotar inte nycklar på 2048 bitar, men påminner om att ett antagande om svårighetsgrad aldrig är givet. BioBasicsBench och TCSExam följer samma disciplin: OpenAI publicerar själva GPT-6 Astras fel, bland annat en överskattning av antalet kolonier med ungefär 12 %, och TCSExam låter varje uppgift verifieras av Lean-kärnan eller en körbar verifierare, utan att någon öppen förmodan har lösts. Frontier Model Forum tillämpar samma logik på risker, med en gemensam bedömningsmatris för att avgöra vilka cyberjailbreaks som ska åtgärdas först.

Det som omger modellen avgör i allt högre grad hur väl en agent lyckas. Hos Anthropic räcker en enda felaktig anteckning om Mt. Moon för att stoppa framstegen i Pokémon tills dreaming rättar den, och en välskött wiki sparar ungefär 20 000 tokens per fråga. Hos Google räcker en gammal TODO för att få en agent att spåra ur: en omväg som ingen bett om belastar sessionen med 70 % fler steg, 77 % fler tokens och 105 % längre väntetid, vilket har fått Google att sätta in agenter för att städa upp sina kodbaser. Harness adapters angriper problemet genom träning, med en LoRA per harness som minskar antalet verktygsanrop med bibehållen noggrannhet, och Perplexitys åtgärder är av samma slag: budgetpåminnelser, extraktion av sidinnehåll och skills som laddas vid behov.

Kodagenterna får nya gränssnitt. Man pratar med dem genom Cursors röstchatt, som skiljer agenten som lyssnar från den som kodar; man delegerar organiseringen till dem genom ett space i Amp som självt startar trådar och till och med delar upp en säkerhetsgranskning i 16 områden; man ansluter dem överallt, eftersom ACP gör Antigravity CLI till agenten i valfri kompatibel editor, med alla modeller i kontot. Samtidigt blir versionscyklerna tätare (146 poster för Claude Code 2.1.319, 637 för Copilot CLI 1.0.106, 120 PR för Codex CLI 0.167.0), med mer detaljerad kontroll över vad agenten får göra, från nekanden utan bekräftelsefråga i Claude Code till reglerna prompt-user i Codex.

Även kostnader och tillgång förändras. Perplexity gör sin medium-nivå nästan 90 % billigare samtidigt som resultatet höjs från 55 % till 77 %, och aktiverar Brain kostnadsfritt i varje Project. Phonon kör talsyntes på enheten, utan server, med modeller på ungefär 65 och 75 MB, däribland en engelsk version med Apache 2.0-licens. Meta för över förmågor från Muse Wonder till specialiserade modeller som görs tillgängliga för användare av Muse och Meta AI, och Hugging Face gör kunskap om MoE-träning fritt tillgänglig efter att ha byggt upp den genom 800 000 GPU-timmar.