Claude Code Desktop integrerar en webbläsare och går över till v2.1.206, GPT-5.6 Sol Ultra blir allmänt tillgänglig, Amp ersätter sina lägen med ett enda reglage (The Dial)

Den 10 juli samlar fyra stora annonseringar som omformar interaktionen mellan agent och maskin: Claude Code Desktop får en inbyggd webbläsare och går över till v2.1.206, GPT-5.6 Sol Ultra blir allmänt tillgänglig tillsammans med ett påstående om ett enastående matematiskt bevis, och Amp ersätter alla sina namngivna agentlägen med ett enda reglage. Arton andra noterbara nyheter kompletterar bilden — från Cognitions växande förtroende för Claude Fable 5 till att Grok 4.5 blir orkestrator hos Perplexity — och fyra kortnotiser avrundar denna översikt.

Claude Code Desktop får en inbyggd webbläsare

10 juli — Claude Code på datorn får en ny panel Browser: en webbläsare med flikar som Claude styr precis som den redan styr lokala utvecklingsservrar — öppna dokumentation, designmockups eller vilken annan webbplats som helst, läsa innehåll, klicka, fylla i formulär. Den öppnas med tangentbordet (Cmd+Shift+B på macOS, Ctrl+Shift+B på Windows) eller från menyn Views; när Claude stöter på en extern länk i chatten föreslår en väljare att öppna den i denna panel eller i standardwebbläsaren. Anslutning till tredjepartskonton är möjlig, inklusive via popup-baserade inloggningsflöden som Google OAuth.

Panelen är sandboxad: en egen webbläsarprofil, separat från personliga inloggningsuppgifter och historik, med ett alternativ för att låta sessioner (cookies, local storage) bestå från omstart till omstart under utveckling. Två säkerhetsåtgärder läggs till dem som redan finns för appverifiering: samma klassificerare som i automatiskt läge granskar varje skrivåtgärd som Claude utför på en extern sida — oavsett aktivt behörighetsläge utlöser en markering en begäran om bekräftelse — och, utanför lägena Auto och Bypass, tillämpas en kontroll av domänvitlista innan någon navigering. Claudes första åtgärd på en webbplats utlöser ett behörighetskort (Allow once / Always allow / Deny), där varje webbplats måste godkännas individuellt, inklusive underdomäner. Även på en godkänd webbplats kan Claude varken köpa en vara, skapa ett konto eller kringgå en CAPTCHA utan uttrycklig bekräftelse — samma säkerhetsmodell som tillägget Claude in Chrome, vars dokumentation tydliggör användnadsskillnaden: Browser-panelen passar för att bygga och testa en applikation (tom profil, utan identitet), medan Chrome-tillägget delar inloggningsstatusen från den personliga webbläsaren.

“Claude Code on desktop now has an in-app browser.”

🇸🇪 Claude Code på datorn har nu en inbyggd webbläsare. — @ClaudeDevs på X

🔗 Skrivbordsapplikation — Claude Code Docs

GPT-5.6 Sol Ultra blir allmänt tillgänglig, OpenAI hävdar beviset för en 50 år gammal förmodan

10 juli — GPT-5.6 Sol med inställningen Ultra blir allmänt tillgänglig, efter att ha introducerats i multi-agent-betautgåva vid lanseringen den 9 juli (läget ultra samordnar som standard flera agenter parallellt). För att illustrera denna övergång till GA säger Ethan Knight, ingenjör på OpenAI, att modellen har producerat ett bevis av förmodan om dubbel täckning med cykler (Cycle Double Cover Conjecture), ett öppet problem som är ungefär 50 år gammalt inom grafteori (förmodat oberoende av Szekeres 1973 och Seymour 1979), genom att använda 64 subagenter på strax under en timme. OpenAI säger att de delar prompten som användes och det producerade beviset, och uppmanar communityt att experimentera med Ultra. Det rör sig inte om en ny modellfamilj, utan om övergången till allmän tillgänglighet för ultra-inställningen för Sol, som introducerades dagen innan i multi-agent-betautgåva.

Redaktionell försiktighet: detta är ett påstående som kommunicerats av OpenAI självt (via en av dess anställda, vidarepublicerat officiellt av kontot @OpenAI), och inte ett bevis som verifierats av en oberoende tredje part eller publicerats i en granskad tidskrift vid tidpunkten för denna artikel. Själva förmodan är äkta och dokumenterad inom grafteori; giltigheten i det annonserade beviset har vid denna tidpunkt inte fastställts oberoende — ett påstående från OpenAI som ska behandlas som just det, inte som ett etablerat matematiskt faktum.

“Yesterday, we made GPT-5.6 Sol Ultra generally available. Today, we’re sharing that it produced a proof of the 50-year-old Cycle Double Cover Conjecture using 64 subagents in just under one hour.”

🇸🇪 I går gjorde vi GPT-5.6 Sol Ultra tillgänglig i allmänt åtkomstläge. I dag delar vi att den har producerat ett bevis av den 50 år gamla förmodan om dubbel täckning med cykler, med 64 subagenter på strax under en timme. — Ethan Knight (OpenAI), återpublicerat av @OpenAI på X

Amp ersätter sina namngivna agentlägen med ett enda reglage (The Dial)

9 juli — Amp släpper The Dial, en fullständig omarbetning av sitt system för val av agentläge. De fyra tidigare namngivna lägena — smart, deep, rush, large — fasas ut och ersätts av ett fyrastegsreglage för ansträngning: low, medium, high, ultra. Ledande idé: de tidigare lägesnamnen dolde en specifik modell, en prompt och en nivå av resonemangsansträngning som man behövde känna till för att välja rätt — med modellkonvergensen är den enda relevanta frågan enligt Amp avvägningen mellan kapacitet och kostnad. Reglaget ställs in via Ctrl+S i CLI:t eller via lägesväljaren i webbappen.

Reglagets nivå	Huvudmodell	Oracle (andra omdömet)
ultra	Claude Fable 5 (dedikerad systemprompt)	GPT-5.6 Sol
high	GPT-5.6 Sol, effort xhigh	Claude Fable 5
medium	GPT-5.6 Sol, effort medium	GPT-5.6 Sol, effort high
low	GLM-5.2 (Z.ai, öppen modell)	GPT-5.6 Sol

En viktig detalj: nivån low bygger som standard på GLM-5.2, en tredjeparts öppen modell från Z.ai som Amp beskriver som «den starkaste öppna modellen för agentisk kodning», snarare än en egenutvecklad modell — arbetsytans administratörer kan ersätta den med GPT-5.6 Terra. Varje nivå har nu dessutom ett “oracle” för ett andra utlåtande: på de högre nivåerna läser de två gränsmodellerna varandra ömsesidigt igenom (i high skriver GPT-5.6 Sol och Fable läser igenom; i ultra är det tvärtom). För migrering anger Amp: «smart, deep → medium» och «rush → low»; användare som vill behålla exakt beteende från de tidigare lägena kan installera om dem som plugins (amp plugins add --auto-update @amp/smart-classic, etc.), med samma systemprompter, verktyg, modeller och ansträngningsnivåer som tidigare.

🔗 Amp — The Dial (fullständig artikel)

Claude Code går över till v2.1.206: sökvägsförslag, CLAUDE.md-rensning och ett dussin buggfixar

10 juli — Claude Code går över till v2.1.206, en utgåva utan någon enskild huvudfunktion men med flera anmärkningsvärda tillägg. /cd föreslår nu katalogsökvägar, på samma princip som /add-dir. /doctor får en ny kontroll som föreslår att lätta upp versionerade CLAUDE.md-filer genom att identifiera innehåll som Claude ändå skulle kunna härleda själv genom att utforska repositoriet. På Git-sidan tillåter /commit-push-pr nu automatiskt git push till repoets konfigurerade push-remote eller till den enda tillgängliga remoten utöver origin, och EnterWorktree begär bekräftelse innan den går in i ett worktree som ligger utanför projektets .claude/worktrees/-mapp. Bakgrundsagenter uppdateras tyst direkt efter en uppdatering av Claude Code, i stället för att tvinga fram en långsam uppdatering i det ögonblick användaren ansluter till dem. Agentvyn (claude agents) har justerats: Ctrl+X tar nu permanent bort en avslutad session, och statuskolumnen använder hela terminalbredden. Anthropic rapporterar till sist en förbättring av resultatkvaliteten för /code-review på claude-opus-4-8, på alla ansträngningsnivåer.

Resten av ändringsloggen består av ett dussin buggfixar: ett fel med utgången anslutning som visade ett missvisande meddelande i stället för att uppmana att starta om /login; claude --resume och --continue som inte längre svarade på tangentbordet vid uppstart; MCP-servrar som ignorerade sin egen request_timeout_ms och föll tillbaka på standardvärdet 60 sekunder; felaktiga priser i /model-väljaren; och, på Bedrock-sidan, en blockering i flera minuter vid uppstart vid användning av awsCredentialExport-hjälparen på nätverk med begränsad utgående trafik.

🔗 Utgåva v2.1.206 — Claude Code

Anthropic stärker sina företagspartnerskap

Två fallstudier lyfter fram Anthropic Enterprise-partners den 9–10 juli, den ena om Claude Fable 5:s långvariga autonomi, den andra om dess integration i fysiska tillverkningskedjor.

Cognition (Devin): Claude Fable 5 håller i 8 timmar utan övervakning

10 juli — Ett nytt avsnitt i serien «Working at the frontier» ägnas Cognition, företaget bakom den autonoma mjukvaruingenjören Devin. Silas Alberti, som leder modellträning och utvärdering på Cognition, beskriver ett kvalitativt språng på Frontier Code, företagets egen anti-slop-benchmark: den tidigare Opus-modellen nådde ungefär 10 % på den svåraste delmängden, medan Claude Fable 5 når omkring 30 %. Framför allt förändras autonomins horisont till sin natur — en agent som lämnas utan övervakning gör verkliga framsteg i 8 timmar i sträck, jämfört med några minuter upp till en timme före Fable 5. Alberti tillskriver språnget modellens förmåga att utnyttja Cognitions interna felsökningsverktyg och att uttala sina invariants innan den agerar; Devin börjar proaktivt övervaka Slack och produktionen, en utveckling som Alberti förväntar sig i 90 % av sessionerna inom ett till två år.

“We trust no eval.”

🇸🇪 Vi litar inte på några benchmarks. — Silas Alberti, Cognition, citerad på Claude Blog

UST rullar ut Claude inom fysisk AI

9 juli — Anthropic tillkännager ett partnerskap med UST, ett företag för tekniska tjänster och ingenjörstjänster, för att rulla ut Claude i processer för fysisk tillverkning: chip, bilindustri, uppkopplade enheter. UST utbildar 20 000 medarbetare i Claude och blir Global Premier Partner i Claude Partner Network. Centralt användningsfall: på iDEC, UST:s plattform för hårdvaruvalidering, läser Claude Code chipdiagram och pinouts, skriver regressionstester och jämför verklig utrustning med digitala tvillingar — ett pipelineflöde som redan minskar valideringscyklerna med 50 till 70 %. Även utvidgning till CarePath (hälsa), IntelliOps (telekom) och FinX (bank), alltjämt med mänskligt godkännande för känsliga åtgärder.

🔗 UST tar Claude till fysisk AI

OpenAI dagen efter GPT-5.6-lanseringen

Två annonseringar daterade dagen efter GPT-5.6/ChatGPT Work-lanseringen: ett offentligt erkännande av lanseringsproblemen och en utveckling av programmet för biologisk säkerhet.

Efterlanseringsfixar för ChatGPT Work och Codex

10 juli — Cirka 24 timmar efter den gemensamma lanseringen av GPT-5.6 och ChatGPT Work erkänner Thibault «Tibo» Sottiaux, chef för Codex på OpenAI, offentligt flera lanseringsproblem, återgivna officiellt av kontot @OpenAI: för höga beräkningsinställningar som var för lätta att aktivera, omstrukturering av desktop-appen som gjorde chattar och projekt mindre tillgängliga, lanseringsramen som felaktigt fick folk att tro att Codex skulle försvinna, regressioner i multi-agent-arbetsflöden, och problem med plugins. Dagens fixar: återställning av användningsgränser två gånger, ändring av standardinställningar, plugin-fixar, desktop-rensning. En bredare våg annonseras för veckan därpå: chattar och projekt tillbaka i sidofältet, bättre insyn i användningen, tydligare uppdelning mellan ChatGPT Work och Codex.

“An ambitious direction doesn’t excuse avoidable confusion or regressions in the first version.”

🇸🇪 En ambitiös inriktning ursäktar inte förvirring som kunde ha undvikits eller regressioner i denna första version. — Tibo (Thibault Sottiaux), OpenAI, på X

Bio Bug Bounty utvecklas till ett permanent privat program

10 juli — OpenAI utvecklar sitt Bio Bug Bounty till ett permanent privat program (OpenAI Bio Bug Bounty program), med dubblerad belöning till 50 000 $. Programmet bjuder in forskare inom AI-red-teaming, säkerhet eller biosäkerhet att hitta en universell jailbreak som kringgår den fördefinierade biosäkerhetsutmaningen på OpenAIs mest avancerade frontier-modeller. Tillkännagivandet bekräftar att detta verkligen var en övergång från det tidigare tidsbegränsade program som upptäcktes dagen innan — då med en belöning på 25 000 $, med deadlines som redan hade passerats när det observerades.

🔗 @OpenAI — OpenAI Bio Bug Bounty program

Gemini förankrar sina realtidsupplevelser i den verkliga världen

Två funktioner som kopplar AI-generering till den fysiska världen, den ena i röstkonversation, den andra i virtuell 360°-utforskning.

Gemini Live kombinerar bildgenerering och Google Maps i konversation

10 juli — Gemini Live, appens röst- och kamerabaserade konversationsläge i realtid, integrerar nu bildgenerering Nano Banana och Google Maps-förankring direkt under en session: visa ett objekt eller en plats för kameran för att generera bilder, hitta lokala företag, samtidigt som du konverserar med rösten. Den medföljande demonstrationen visar hur en målning förvandlas till en personlig bakgrundsbild. Tillgängligt gratis och globalt för alla Gemini-användare, utan Pro/Ultra-begränsning.

🔗 Tweet @GeminiApp — Gemini Live i realtid

Project Genie förankrar sina genererade världar i Street View

10 juli — Forskningsprototypen Project Genie (Google DeepMind × Google Labs, presenterad på I/O) lägger till förankring i Street View-data från Google Maps som en verklig geografisk grund för att generera interaktiva virtuella miljöer i 360°. Denna byggsten löser “blank space problem” — scenens koherens utanför kamerans synfält — genom att bild för bild generera världens fortsättning utifrån användarens handlingar (simma, vandra) från en verklig plats eller en textprompt. Det är fortfarande en experimentell forskningsprototyp, utan annonserad bred offentlig tillgänglighet.

🔗 Tweet @GoogleAI — Street View-förankring i Project Genie

GitHub stärker Copilot och ekosystemet av tredjepartsagenter

Fem annonseringar som stärker styrningen och användarvänligheten i Copilot och dess agentekosystem, från automatisk granskare till videospelsproduktion.

En omskrivning av instruktioner minskar kostnaden för Copilot-granskning med 20 %

10 juli — GitHub beskriver hur migreringen av Copilot code review till kodutforskningsverktyg som delas med Copilot CLI-harnessen (grep, glob, view) först försämrade granskningarna — högre kostnad, missade problem — trots att dessa verktyg underhålls bättre. Orsaken: instruktioner skräddarsydda för en generell assistent som utforskar brett, medan en granskare utgår från diffen och letar efter det minsta bevis som behövs. Efter att instruktionerna skrivits om kring en granskares faktiska arbetsflöde förvandlades regressionen till en vinst: ungefär 20 % lägre genomsnittlig granskningskostnad, vid samma granskningskvalitet.

“But the tools weren’t the problem. The instructions were. Once we rewrote them for the way a reviewer actually reads a pull request, the regression flipped into a win: roughly 20% lower average review cost, while maintaining the same review quality.”

🇸🇪 Men verktygen var inte problemet. Instruktionerna var det. När de väl skrevs om för att stämma med hur en granskare faktiskt läser en pull request, förvandlades regressionen till en seger: ungefär 20 % lägre genomsnittlig granskningskostnad, vid samma granskningskvalitet. — The GitHub Blog

Instrumentpanelen för pull requests blir allmänt tillgänglig

9 juli — Instrumentpanelen för pull requests (github.com/pulls) blir allmänt tillgänglig efter en publik förhandsversion: en prioriterad Inbox som lyfter fram begärda granskningar och PR:er redo att slås ihop, sparade vyer baserade på anpassade frågor, samt avancerad sökning med nya filter. En detalj som direkt berör Copilot: författarfiltreringen känner nu igen PR:er som skapats av en agent för användarens räkning — author:@me visar också de pull requests som användaren bett Copilot skapa i dennes namn.

🔗 Ny instrumentpanel för pull requests är nu allmänt tillgänglig

GitHub Mobile sorterar och filtrerar Copilot-sessioner

10 juli — GitHub Mobile (iOS/Android) lägger till filter — status, repo, typ, agent, aktiv/arkiverad — för listan över Copilot-sessioner, samt sorteringsalternativ (nyast, äldst, aktiva först, de som kräver uppmärksamhet först), där sorteringen bevarar det aktuella filterkontexten. En förbättring av användbarheten som blir värdefull så snart antalet agentiska sessioner som följs parallellt ökar.

🔗 GitHub Mobile: Förbättrade filter och sortering för Copilot-sessioner

Manus lägger till /game-dev och en ElevenLabs-koppling

10 juli — Manus lanserar en /game-dev-förmåga: att beskriva ett spel på naturligt språk räcker för att få ett fungerande gameplay distribuerat via en delningsbar länk, utan någon erfarenhet av spelutveckling, med stöd av ett open source-arbete som kreditats av Manus. Samma dag kommer kopplingen ElevenLabs till plattformen och öppnar röstgenerering och röstkloning för appar byggda på Manus — demonstrerat av en komplett app (retrogränssnitt, 4 språk, klonad röstberättelse) producerad i en enda prompt.

🔗 Tweet @ManusAI — /game-dev-förmåga 🔗 Tweet @ManusAI — ElevenLabs-koppling

Perplexity Computer breddar sitt erbjudande, Cohere ускорar inferens

Perplexity breddar tre gånger modell- och verktygserbjudandet i Perplexity Computer, medan Cohere publicerar en uppmärksammad studie om accelererad inferens.

Computer Analytics: följ kreditutgifter per modell

10 juli — Perplexity lanserar Computer Analytics, en instrumentpanel för att följa kreditförbrukningen per modell i Perplexity Computer: totalt antal krediter, aktiva medlemmar, genomsnitt per medlem, fördelning per modell (Claude Opus 4.8 Fast/4.8/4.7, Claude Sonnet 4.6, GPT-5.5, övriga) och medlemsrankning. Tillgänglig omedelbart under Analytics i kontoinställningarna, för både enskilda användare och Enterprise-organisationer.

🔗 Tweet @perplexity_ai — Computer Analytics

Grok 4.5, bästa WANDR-poäng till halva kostnaden för Opus 4.8

10 juli — Grok 4.5 (xAI) ansluter till de orkestrerande modeller som finns tillgängliga i Perplexity Computer, för Consumer Pro- och Max-prenumeranter. I kostnads/prestanda-benchmarken WANDR (6 testade konfigurationer) får Grok 4.5 bästa poäng av alla konfigurationer:

Utvärderad konfiguration	Kostnad per försök	WANDR-poäng
GPT-5.6 Terra (medium)	0,40 $	0,149
GLM 5.2 (high effort)	1,74 $	0,207
GPT-5.6 Sol (medium)	2,64 $	0,289
GLM 5.2 + advisor	4,67 $	0,297
Grok 4.5	4,76 $	0,328
Opus 4.8 (thinking, high effort)	9,46 $	0,254

Grok 4.5 placerar sig alltså högst på Paretofronten för kostnad/prestanda: bästa poäng, till ungefär halva kostnaden för Opus 4.8.

🔗 Tweet @perplexity_ai — Grok 4.5 som orkestrator

Cohere bidrar med upp till 23 % snabbare inferens till vLLM

10 juli — Cohere publicerar en studie om Dynamic Speculative Decoding (DSD), som gör antalet utkastade token i speculative decoding adaptivt beroende på hårdvaruläget (minne kontra beräkning), via en ”goodput”-mätmetod. På Command A (dense, MT-Bench): DSD är ungefär 23 % snabbare än speculative decoding med fast K, och 7,5 % snabbare än vanilla-inferens — där fast-K-SD presterar sämre än vanilla. Mer begränsade vinster på Command A+ (MoE-arkitektur). Optimeringen har bidragits med som öppen källkod till vLLM (sammanfogad pull request), med ett kompatibilitetsarbete för async scheduling och Full CUDA Graph.

🔗 Cohere — Hardware-aware Dynamic Speculative Decoding

Mediegenerering: videoforskning går mot realtid

Tre tillkännagivanden som illustrerar skiftet för mediegenerering mot realtid och agentisk integration.

NVIDIA släpper Flex-Forcing, en hybrid video-modell för diffusion och autoregression

9 juli — NVIDIA:s forskarteam publicerar Flex-Forcing, en metod som tränar en enda videomodell att behärska både tvåvägsdiffusion (bearbetar alla frames samtidigt, väl bevarad struktur men långsammare) och autoregressiv generering (frame för frame, snabb och streambar, men benägen till drift över tid), med val av driftläge vid inferens beroende på tillgänglig beräkningsbudget snarare än en kompromiss fastlagd vid träning. Arbetet uppmärksammades med en spotlight på ICML 2026.

🔗 Tweet @NVIDIAAI — Flex-Forcing

Wan-Streamer (Alibaba): realtidsvideokonversation i full duplex

10 juli — Alibabas Tongyi Lab presenterar Wan-Streamer, en omni-modal modell från början till slut: en enda inbyggd streaming-Transformer lyssnar, tittar, förstår och svarar med synkroniserad röst och video, i full duplex (varje part kan tala och lyssna samtidigt), med omkring 550 ms total latens. Modellen är inte bunden till en fast avatar-rigg och kan gestalta vilken karaktär som helst beskriven på naturligt språk. v0.2 ger 640×368-upplösning vid 25 FPS och en modell-latens på omkring 200 ms.

🔗 Tweet @Alibaba_Wan — Wan-Streamer

HeyGen kopplar Figma till HyperFrames för att skapa lanseringsvideor

10 juli — Nytt avsnitt i HeyGens dagliga HyperFrames-färdigheter (efter Music-to-Video den 9 juli): kommandot /figma omvandlar en Figma-mockup till en trogen lanseringsvideo — varje färg, varje typsnitt, varje utsnitt återges exakt — utan att gå via en videoredigerare. Arbetsflödet består av tre steg: kopiera mockupens länk, skicka den till agenten, och anropa sedan /figma. Installation via npx hyperframes@latest skills.

🔗 Tweet @HeyGen — Figma-integration

Sakana AI mäter kreativitetsgapet mellan agenter och människor

10 juli — Sakana AI publicerar ”The AI Picbreeder Experiment”, en forskningsartikel (GECCO2026, MIT/NYU-samarbete, nominerad till bästa artikel) som återskapar Picbreeder — en försvunnen webbplats där användare kollektivt utvecklade bilder utan fördefinierat mål — med vision-språk-agenter (VLM) i stället för människor. Huvudresultat: VLM-agenter utforskar smalare än människor och fastnar i liknande koncept; men en diversifierad population av agentiska ”personligheter” förbättrar utforskningen avsevärt, ända till att närma sig den semantiska mångfalden i det mänskliga arkivet i vissa körningar. Det kvarstående gapet: människor verkar vara bättre på att förvandla ett ”lyckligt sammanträffande” till en varaktig kreativ upptäckt.

🔗 Tweet @SakanaAILabs — tillkännagivande 🔗 Interaktiv blogg — pub.sakana.ai/picbreeder-vlm

Kortnyheter

GitHub — API-endpoint för budgetar med flera användare — nytt REST API-endpoint för att hämta varje användares förbrukning inom en budget med flera användare i ett enda anrop, med filtrering efter förbrukningsprocent, reserverat för enterprise owners och billing managers. 🔗 GitHub Changelog
GitHub byter namn på sin AI-sekretessdetektor — detektorn ”Copilot secret scanning” blir ”AI-detected secrets”, utan förändring i beteende, webhooks, audit logs eller API. 🔗 GitHub Changelog
Codex CLI 0.144.1 — patch på 0.144.0: mer tillförlitlig standalone-installation, macOS-installationer exponerar korrekt hosten code-mode, fallback till inbyggd runtime om den medföljande hostbinären saknas. 🔗 Codex CLI 0.144.1
Cohere Transcribe Arabic kör lokalt på MacBook — community-portning via mlx-audio (Apple Silicon), krediterad till @Prince_Canuma och @lllucas, ett tecken på ekosystemets adoption av den öppna källkodsmodellen (Apache 2.0). 🔗 Tweet @cohere

Vad det betyder

Agenter lär sig navigera webben som en människa. Claude Code Desktop förnyar genom att ge agenten sin egen sandboxade webbläsare, med samma webbplatsbaserade behörighetsmodell som Claude-in-Chrome-tillägget — bygg och testa en app utan att någonsin dela användarens personliga inloggningsuppgifter. Den här rörelsen passar in i en bredare trend: GitHubs nya instrumentpanel för pull requests känner nu uttryckligen igen PR:er skapade av en agent för en människas räkning, och Manus lägger till en /game-dev-förmåga som distribuerar fungerande gameplay utan ingripande. Att styra ett helt gränssnitt, inte bara producera text eller kod, blir den nya gränsen för konsumentinriktade agenter.

Modellracet flyttar mot orkestrering av flera modeller snarare än ren storlek. GPT-5.6 Sol Ultra går till GA med en spektakulär — men inte oberoende verifierad — demonstration av multi-agent-resonemang på ett matematiskt problem som varit öppet i 50 år. Amp överger sina namngivna lägen för ett enda reglage som låter Claude Fable 5 och GPT-5.6 Sol tala med varandra som orakel. Perplexity Computer följer samma logik genom att lägga till Grok 4.5 som orkestrator — marknadens bästa WANDR-poäng till halva kostnaden för Opus 4.8 — vid sidan av sin egen GLM 5.2. Den gemensamma signalen: värdet kommer inte längre från en enda frontier-modell, utan från förmågan att få flera modeller att samarbeta inom den tillgängliga budgeten, en logik som Cohere-forskningen om adaptiv speculative decoding driver ända ner till själva inferensnivån.

Långvarig autonomi blir mätbar, och företagen kräver att den spåras. Cognition dokumenterar ett konkret hopp — från några minuter till 8 timmars kontinuerlig progression utan övervakning — för att förklara varför de nu litar på Claude Fable 5 i verkliga uppgifter, medan UST rullar ut Claude i hårdvaruvalideringskedjor med cykelvinster på 50 till 70 %. Samma rörelse tvingar teknikföretag att öppet erkänna sina egna blinda fläckar: OpenAI dokumenterar öppet problemen med lanseringen av GPT-5.6/ChatGPT Work i stället för att tysta ned dem, GitHub förklarar varför en verktygsmigrering först försämrade Copilot code review innan en omskrivning av instruktionerna rättade till det, och Claude Code v2.1.206 staplar ett dussin diskreta fixar bredvid sin inbyggda webbläsare. Förtroende byggs nu lika mycket på transparens kring missar som på tillkännagivanden om nya förmågor.

Mediegenerering i realtid närmar sig batchgenerering. Alibabas Wan-Streamer får en agent att samtala via video och röst med 550 ms latens, Gemini Live kombinerar kamera, bildgenerering och kartläggning i samma röstkonversation, och NVIDIA:s Flex-Forcing låter en enda videomodell själv väga kvalitet mot hastighet beroende på beräkningsbudget. Detta skifte mot det omedelbara och interaktiva står i kontrast till Sakana AI:s påminnelse om kreativitet: deras vision-språk-agenter utforskar mindre fritt än människor som lämnas åt sig själva, ett gap som består även när genereringen blir tekniskt omedelbar.