Meta lanserar Muse Wonder, NVIDIA gör sina rackdesigner för Vera Rubin öppna, Anthropic mäter små modellers autonoma replikering

Meta lanserar Muse Wonder och Muse Wonder Full, sina mest kapabla modeller hittills, utformade för agentiska uppgifter: den första är tillgänglig via Meta Model API och Muse Code, för 4 dollar per miljon tokens i indata, den andra är förbehållen Muse Code-abonnenter, och inga öppna vikter har tillkännagivits. På OCP Global Summit lämnar NVIDIA sina rackdesigner för Vera Rubin till Open Compute Project, medan Anthropics Frontier Red Team bedömer att små modeller är några månader från att kunna kopiera sig själva till uppkopplade enheter. På kodområdet placerar Artificial Analysis Claude Opus 5.5 högst i sin FrontierCode 1.1-rankning, med 52,2 %, och Google ägnar dagen åt hälsa, från armbandet Fitbit Edge till enzymer designade av AlphaProtein Novo.

Meta lanserar Muse Wonder och Muse Wonder Full, sina frontier-modeller för agentiska uppgifter

12 oktober — Meta presenterar Muse Wonder-serien, som består av Muse Wonder och Muse Wonder Full och beskrivs som företagets mest kapabla modeller hittills: två frontier-modeller (frontier models) utformade för personliga och professionella agentiska uppgifter. Muse Wonder är tillgänglig redan nu via Meta Model API och i Muse Code; Muse Wonder Full är förbehållen Muse Code-abonnenter. Muse Wonder ska ”snart” driva den personliga assistenten Muse, först för abonnenter.

Fjorton månader efter en fullständig omarbetning av sitt AI-arbete, och efter Muse Spark 1.3, som släpptes den 2 september, talar Meta om ”nästa steg” i sin stegvisa uppskalning (scaling ladder). De två modellerna har tränats i Prometheus, företagets datacenter i gigawattklassen, utifrån ”större och starkare” basmodeller vars storlek inte offentliggörs. Två förmågor lyfts fram: aktivt minne (Active Memory), som bevarar viktig kontext mellan samtal, och aktivt fokus (Active Focus), som får modellen att byta angreppssätt när den kör fast, be om förtydliganden och kontrollera innan den utför en viktig handling.

Resultaten visas bara i en bild i inlägget: en tabell med Metas mätningar, med inställningen max för alla modeller. En Muse Wonder-modell ligger där i topp på 7 av de 14 raderna, med Personal Superintelligence Index, ett internt index hos Meta, som första exempel. Claude Opus 5.5 ligger dock fortfarande före på 6 rader, däribland Artificial Analysis Index, och GPT-6 Astra på GDP.pdf.

Benchmark (utdrag, Metas mätningar med inställningen max)	Muse Wonder Full	Muse Wonder	Claude Opus 5.5	GPT-6 Astra
Personal Superintelligence Index (Metas interna index)	59,1	54,3	55,2	54,5
DeepSWE 1.1	79,0	78,8	74,2	74,1
SWE-Marathon	57,5 (xhigh)	53,1	46,3	42,5
MemoryBench	85,5	85,6	81,5	81,4
Terminal-Bench 4.0-AA	57,1	52,0	59,6	59,1
ProgramBench	59,0	50,0	70,5	52,5
Artificial Analysis Index	56	52	58	53

Modellversion	Erbjuden åtkomst	Angivet pris
muse-wonder-1.0	Meta Model API och Muse Code, kontext på 1M tokens	4 dollar för indata, 0,20 dollar för cachad indata, 20 dollar för utdata, per miljon tokens
muse-wonder-full-1.0	Endast Muse Code-abonnenter, kontext på 1M tokens	Abonnemangen Power Usage (50 dollar per månad) och Maximum Usage (200 dollar per månad)

På säkerhetsområdet säger Meta sig ha sina starkaste skyddsmekanismer hittills mot kemiskt, biologiskt, radiologiskt och nukleärt missbruk (CBRN) samt cybermissbruk, samtidigt som tillgången till avancerade cyberförmågor för defensiv användning bevaras. Företaget presenterar Muse Wonder som sin bäst anpassade modell hittills och lovar ”snart” en fullständig rapport med ytterligare säkerhetsutvärderingar.

🔗 Metas forskningsinlägg · Modellsida och priser

OCP Global Summit: NVIDIA lämnar sina rackdesigner för Vera Rubin, Meta inför Spectrum-6

12 oktober — Vid öppningen av OCP Global Summit i San Jose lämnar NVIDIA centrala designer för Vera Rubin-rack (rack) och beräkningsslädar (compute tray) till Open Compute Project (OCP), genom sin öppna arkitektur MGX. Det uttalade målet är att ge tillverkarna en gemensam grund för nästa generations AI-fabriker. Specifikationen MGX 1.2 lägger till vätskekylning med blindanslutning (blind-mate) på racknivå, en vätskekyld strömskena (busbar) på 5 000 A, fläktlösa beräkningsslädar och rack på upp till 250 kW. NVIDIA publicerar också en specifikation för Vera CPU-rack, avsedd för agenters arbete (verktygsanrop, orkestrering, körning i sandbox), vid sidan av Vera Rubin NVL72, som fortsatt utgör grunden för träning och inferens.

På mjukvarusidan får DSX OS, driftlagret i företagets plattform för AI-fabriker, fyra open source-komponenter som kommer från driften av DGX Cloud, däribland Cluster Readiness Engine, som belastningstestar GPU-kluster före träning, och en Cluster API Provider som gör kluster redo ”på timmar i stället för dagar”, enligt NVIDIA.

Ian Buck, vice president för hyperscale och HPC på NVIDIA, presenterade tillsammans med dessa bidrag en rad partnernyheter. Den mest konkreta kommer från Meta, som inför Ethernet-switcharna Spectrum-6: företagets N-IceCube-switch placeras i IcePack, dess vätskekylda nätverksrack, med FBOSS som open source-operativsystem för nätverk.

Nyhet som presenterades på toppmötet	Nämnda partner	Viktigaste besked
MGX 1.2 och Vera CPU-rack	OCP-communityn	Strömskena på 5 000 A, rack på upp till 250 kW
Open source-komponenter i DSX OS	NVIDIA-projekt	Fyra verktyg från DGX Cloud
Open Data Center Specification v0.7	AMD, Google, Meta	Gemensam design för AI-fabrikernas byggnader
OCP Grid Resilience Specification	Google, Meta, Microsoft	Återgång till nästan full belastning på mindre än 2 s efter en störning i elnätet
K-1-plattform med 800 VDC	Visionbay, Vertiv	Utformad för framtida Vera Rubin-installationer
Spectrum-6 hos Meta	Meta	102,4 Tb/s, upp till 8 nätverksplan, fler än 100 000 GPU
Falcon Transport-protokollet	Google	Framtida SuperNIC ConnectX-10 och DPU BlueField
Optikformatet USFP	Cisco, TE Connectivity, Amphenol	400 Gb/s per kanal (detaljer nedan)

Ingen av dessa nyheter åtföljs av ett pris eller ett datum för tillgänglighet. Jensen Huang håller keynote på GTC Berlin onsdagen den 21 oktober.

🔗 NVIDIAs inlägg om OCP Global Summit

USFP: NVIDIA och Cisco förbereder pluggbar optik med 400 Gb/s per kanal

12 oktober — Bland dessa nyheter presenterar NVIDIA och Cisco sitt projekt för formatet USFP (Ultra-Dense Small Form Factor Pluggable), en pluggbar optikmodul som NVIDIA beskriver som den första utformad för elektriska signaler på 400 Gb/s per kanal. De första planerade sändtagarna (transceivers) ska samla 16 dubbelriktade kanaler (full-duplex) med ungefär samma fysiska mått som OSFP, för både switchar och SuperNIC, vilket ger upp till 12,8 Tb/s, med möjlighet att utöka till 32 kanaler eller fler. Jämfört med dagens moduler på 200 Gb/s per kanal uppger NVIDIA fyra gånger så hög bandbreddstäthet på frontpanelen och cirka 1,3 gånger så hög energieffektivitet, och modulen kan avleda upp till 100 W utan särskild inbyggd kylning. Målet: att ansluta fler ändpunkter med 1,6 Tb/s utan att lägga till ytterligare en nätverksnivå. TE Connectivity och Amphenol förbereder modulburar, kontakter och moduler, men än så länge handlar det bara om ett projekt: pressmeddelandet anger varken datum eller pris.

🔗 Pressmeddelande från NVIDIA och Cisco

Anthropics Frontier Red Team mäter små modellers självreplikering på uppkopplade enheter

12 oktober — I en studie av William Zhou och Daniel Freeman bedömer Anthropics Frontier Red Team att små modeller kan vara några månader från att kunna kopiera sig själva till dåligt skyddade uppkopplade enheter. Teamet har fördelat Gemma4-26B-A4B över 15 Android TV-boxar utan varumärke, inköpta för cirka 55 dollar styck: modellen körs där med 0,39 token per sekund.

En modell på 9B lyckas starta inferens på 8 av de 9 testade hårdvarutyperna. I ett isolerat nätverk med 8 emulerade Android-maskiner lyckas endast GLM-5.2 genomföra hela replikeringsprocessen (8 noder av 8 i 4 försök av 5); eftersom intrånget avsiktligt är trivialt ser Anthropic detta som en övre gräns. Med den takt som öppna modeller på 30B eller mindre utvecklas i skulle en liten modell nå denna nivå före slutet av 2026, en uppskattning som teamet självt bedömer som grov.

En sådan mask skulle vara långsam, som mest motsvarande ungefär 40 H100 över mer än 2 miljoner enheter, men den skulle kunna anpassa sig: genom att ärva anteckningar från föregående generation går Qwen3.5-9B från 45 % till 61-84 % lyckade försök på sex generationer. Ingen fullständig okontrollerad replikator finns ännu; på försvarssidan påminner studien om att internetleverantörernas karantänsättning av infekterade abonnenter i kampen mot botnätet (botnet) Mirai hade eliminerat 92 % av infektionerna på 14 dagar.

Like coding agents in 2024, we’re seeing signs of life for AI worms.

🇸🇪 Liksom för kodagenter 2024 ser vi livstecken hos AI-maskar. — Anthropics Frontier Red Team, forskningsinlägg

Kodagenter: Artificial Analysis rankar FrontierCode 1.1, Amp lyssnar på GitHub, ColGrep-Agent-2B från LightOn

En oberoende rankning mäter vad kodagenter faktiskt åstadkommer, medan Amp och LightOn arbetar med det som sker runt omkring: uppföljning av pull requests och sökning i kod.

FrontierCode 1.1: Artificial Analysis placerar Claude Opus 5.5 högst, med 52,2 %

12 oktober — Artificial Analysis publicerar sin egen rankning för FrontierCode 1.1, det benchmark som Cognition har byggt tillsammans med open source-underhållare: det kontrollerar att en underhållare skulle mergea ändringen som agenten föreslår, och inte bara att den klarar testerna, samt bestraffar alltför omfattande ändringar eller ändringar utanför uppgiftens ramar. Artificial Analysis kör huvuduppsättningen (Main), 100 privata uppgifter av 150, med sin open source-harness Stirrup och tre försök per uppgift; ett försök som misslyckas i en blockerande kontroll får noll poäng.

Leading models still fail more than 40% of the time

🇸🇪 De bästa modellerna misslyckas fortfarande mer än 40 % av gångerna. — @ArtificialAnlys på X

Claude Opus 5.5 klarar de blockerande kontrollerna i bara 58 % av sina försök, och 9 uppgifter av 100 har inte lösts av någon av de 22 utvärderade modellerna. MiMo-V2.6-Pro från Xiaomi är den bäst placerade modellen med öppna vikter, med 45 %. Kostnadsskillnaden är betydligt större än poängskillnaden:

Utvärderad modell (inställning)	FrontierCode 1.1-poäng	Kostnad per uppgift
Claude Opus 5.5 (max, med fallback)	52,2 %	10,15 dollar
GPT-6.1 Sol (max)	49,1 %	0,81 dollar
Claude Fable 5.1 (max, med fallback)	49,0 %	12 dollar
MiMo-V2.6-Pro	45,4 %	0,18 dollar
GPT-6 Luna (max)	41,9 %	0,09 dollar

Enligt Artificial Analysis matchar GPT-6.1 Sol därmed Fable 5.1 för mindre än en tiondel av kostnaden per uppgift för Anthropics bästa modeller. Dessa poäng går inte att jämföra med dem som Cognition publicerar för Devin, som ofta mäts på varianten Extended med företagets egen harness.

🔗 Artificial Analysis FrontierCode-rankning

Amp följer de pull requests det öppnar och startar en orb per GitHub-ärende eller PR

12 oktober — Amp släpper inte längre de pull requests det öppnar: när agenten skapar en PR på GitHub kan den prenumerera på kommentarer, granskningar och CI-resultat för den senaste committen. En misslyckad kontroll eller en fråga från en granskare kommer då in i samma tråd, där Amp redan har kontexten för att svara.

Funktionen bygger på en integration av GitHub Webhooks som beskrivs som ”förstklassig” (first-class): Amp tar själv emot och behandlar händelserna, varefter användaren eller agenten väljer att skicka dem till en enda orb, den fjärrmiljö där en Amp-agent körs, eller till en ny orb varje gång. Man kan därmed begära en orb för varje nytt ärende (issue) eller PR i ett repo, eventuellt med en begränsning till en etikett (label): varje orb läser ärendet, tar fram en sammanfattning av det, och efterföljande kommentarer kommer tillbaka i samma tråd. Orbs har kunnat reagera på externa webhooks sedan den 23 juli; nyheten är en särskild GitHub-integration, som hanteras av Amp, med en administrationsvy i Settings → MCP & Integrations → GitHub där varje prenumeration kan ändras eller pausas. Det räcker att installera Amps GitHub-app på repot; inlägget nämner inget pris.

🔗 Amps inlägg

ColGrep-Agent-2B: LightOn överlåter Claude Codes kodsökning till en lokal agent

12 oktober — LightOn släpper ColGrep-Agent-2B, en agent för kodsökning med 2 miljarder parametrar under Apache-2.0-licens, som körs lokalt mellan kodagenten och kodförrådet. Utifrån en fråga söker den med ColGrep, LightOns semantiska sökmotor med flera vektorer, läser lovande filer, följer referenser och returnerar sökvägar, radintervall och kod: frontier-modellen behöver inte längre själv genomföra de upprepade utforskningsrundorna.

Ansluten till Claude Code med Sonnet 5.5 minskar den antalet API-tokens med 34 % och API-kostnaden med 40 %, inklusive cache, jämfört med grep för 52 sökfrågor i 13 kodförråd som inte ingick i träningen (624 sessioner), utan någon statistiskt signifikant skillnad i korrekthet. LightOn betonar att mätningen gäller kodsökning, inte uppgifter från början till slut. Modellen har finjusterats från MiniCPM5-2B och installeras med brew install lightonai/tap/colgrep && colgrep --install-agent, som laddar ned en GGUF-version på cirka 2,5 GB; den kräver varken Python-miljö, inferensserver eller API-nyckel och svarar på ungefär tjugo sekunder på en M3 Pro.

🔗 LightOns inlägg på Hugging Face

Hälsa hos Google: Health Guardian och armbandet Fitbit Edge, AlphaProtein Novo utformar helt nya enzymer

Google ägnar dagen åt hälsa: konsumentfunktioner för Google Health och Fitbit på ena sidan, på den andra en översikt av forskningen som lyfter fram ett arbete från Google DeepMind som gått under radarn.

Google Health: Health Guardian, över 100 identifierade aktiviteter och armbandet Fitbit Edge

12 oktober — Google Health samlar sina höstnyheter i en serie inlägg. Health Guardian övervakar långsamma förändringar i hälsan i bakgrunden, som blodtryck och insulinresistens; med abonnemanget Google Health Premium hjälper Health Coach, appens coach, till att tolka förändringarna och sammanställer bakgrundsinformation att dela med läkaren. Den automatiska detekteringen av träningspass, som enligt Google bygger på kontextuellt resonemang (contextual reasoning), blir nästan 2 gånger mer träffsäker.

Presenterad nyhet	Uppgift i siffror	Angiven tillgänglighet
Health Guardian	Trender för blodtryck och insulinresistens, månadsrapport	Senare denna månad på Fitbit Air och Fitbit Edge, Premium-prenumeranter
Automatisk aktivitetsdetektering	Från 10 till över 100 aktiviteter, missade pass minskar med mer än hälften	Senare denna månad på Fitbit Air, Fitbit Edge och Pixel Watch 3 till 5
Armbandet Fitbit Edge	179,99 dollar, 11,5 mm, upp till 7 dagars batteritid, utbytbart batteri	Kan förbeställas, i butik den 27 oktober
Partnerskap med Flo Health	Synkroniserade menscykeldata, över 80 miljoner kvinnliga användare per månad hos Flo	I början av nästa år

Fitbit Edge, som beskrivs som ett fönster till Health Coach på handleden, är Googles första reparerbara aktivitetsarmband. Abbott (glukossensorn Lingo), MyFitnessPal och Function Health kompletterar integrationerna.

🔗 Nyheterna från Google Health · Fitbit Edge · Partnerskap med Flo Health

Översikt av Googles hälsoforskning: AlphaProtein Novo utformar enzymer som inte finns i naturen

12 oktober — Yossi Matias (Google Research) och Pushmeet Kohli (Google DeepMind) sammanfattar Googles arbete inom hälsa: 90 sakkunniggranskade artiklar på fem år, över 90 000 citeringar och över 60 miljoner dollar som Google.org under 2026 har betalat ut till team som tillämpar dessa modeller. Inlägget återger främst redan kända resultat, men lyfter fram AlphaProtein Novo, en bearbetningskedja (pipeline) för maskininlärning från Google DeepMind som utformar enzymer från grunden (de novo), utan att utgå från ett naturligt enzym.

I ett förhandspublicerat manuskript som lades ut på bioRxiv den 5 oktober, tillsammans med California Institute of Technology och University of Pittsburgh, har teamen skapat helt nya nitrentransferaser för att syntetisera piperidin, ett centralt strukturmotiv i läkemedel, med en selektivitet som de beskriver som utan motstycke, samt enzymer som bryter ned DEHP, ett miljögift, under förhållanden där naturliga enzymer denatureras. Inlägget tar också upp två nya användningar: i Barcelona har Institutet för global hälsa virtuellt screenat 30 000 föreningar med AlphaFold mot Chagas sjukdom och identifierat två läkemedel som redan godkänts av FDA och skulle kunna få ett nytt användningsområde; på Children’s Mercy Hospital har DeepSomatic upptäckt 10 missade mutationer i redan sekvenserade fall av leukemi hos barn.

🔗 Googles översikt av AI inom hälsa · Det förhandspublicerade manuskriptet om AlphaProtein Novo på bioRxiv

Yrkesanpassade modeller: GLM-Legal från Z.ai för juridik, Apex 2.0 från Fin för kundservice

Två leverantörer utgår från en befintlig modell och eftertränar den för ett specifikt yrkesområde, med siffror som stöd.

GLM-Legal: Z.ai specialiserar GLM-5.3-Flash för juridiskt arbete

12 oktober — Z.ai presenterar GLM-Legal, en juridisk modell byggd på GLM-5.3-Flash och utformad för verkliga arbetsflöden: avtalsgranskning, bevisanalys och regelefterlevnad. Efter mellanträning (mid-training) på en utökad juridisk korpus har den eftertränats med förstärkningsinlärning i tiotusentals realistiska juridiska miljöer. På Harvey LAB, Harveys testplattform för juridiska agenter som omfattar 24 rättsområden, når GLM-Legal 19,2 % fullständig godkännandegrad (all-pass rate), 12,5 procentenheter mer än basmodellen.

Modell utvärderad på Harvey LAB	Fullständig godkännandegrad (siffror från Z.ai)
GLM-Legal	19,2 %
Kimi K3	12,9 %
Claude Fable 5	11,3 %
GLM-5.3-Flash	6,7 %
GPT-6 Astra	5,4 %

Endast resultatet för GLM-Legal finns i inläggets text; de övriga kommer från diagrammet i lanseringstweeten. På LegalBench och PLawBench (kinesisk rätt) hävdar Z.ai att modellen är i nivå med de bästa slutna modellerna, utan att publicera några resultat. GLM-Legal är i beta: advokatbyråer, leverantörer av juridisk programvara (legal tech), juridiska avdelningar och självständiga jurister kan ansöka om API-åtkomst via ett formulär, och modellen ska ”snart” komma till AutoClaw, företagets plattform för skrivbordsagenter. Varken priser eller öppna modellvikter har presenterats.

🔗 Z.ai:s inlägg om GLM-Legal · Z.ai:s tillkännagivande på X

Apex 2.0 och Apex Flash 2.0: Fin bygger sina kundservicemodeller på Nemotron 3

7 oktober — Fin, AI-agenten för kundservice, har lanserat Apex 2.0, den nya versionen av sin modell för svarsgenerering, denna gång byggd på Nemotron 3 Super; NVIDIA välkomnade lanseringen den 12 oktober. Precis som med Apex 1.0, som Fin redan uppgav var bättre i produktion än Claude Sonnet 4.6, utgår teamet från en basmodell med öppna vikter som anpassas genom egen efterträning: instruktionsträning och preferensträning, omarbetade belöningsmodeller, riktade exempel för att avgöra när modellen ska svara och när den ska be om ett förtydligande, samt arbete för att få bort ogrundade löften. Fin uppger också att kostnaden för driftsättning har minskat genom kvantisering, utan mätbar kvalitetsförlust.

Modell från Fin	Basmodell från NVIDIA	Angivna förbättringar jämfört med version 1.0
Apex 2.0	Nemotron 3 Super	+8,6 % lösningar bekräftade av användaren, -16,5 % hallucinationer
Apex Flash 2.0 (Fin Voice)	Nemotron 3 Nano	24 % snabbare svar, -46 % hallucinationer, 9 språk i stället för enbart engelska

Apex 2.0 är i drift för alla Fins kunder, över 12 000; inlägget anger inga priser.

🔗 Fins inlägg om Apex 2.0

Träning och servering av modeller: QwenGyre, ReplaySSM och Transformers-endpointen /v1/systemone

Tre arbeten handlar om modellernas mjukvaruinfrastruktur: träning av agenter med mycket lång tidshorisont, avkodning av hybridmodeller och servering av beslutsmodeller.

QwenGyre: Qwen gör förstärkningsinlärningen elastisk för agenter med mycket lång tidshorisont

12 oktober — Qwen-teamet presenterar QwenGyre, ett ramverk för onlineförstärkningsinlärning för agenter där en enda körning kan pågå i timmar, omfatta hundratals interaktioner med miljön och närma sig en miljon tokens per genererad trajektoria (rollout). Det leder till två problem: inaktiva GPU:er under långa genereringar och redundanta trajektorier så snart körningen förgrenar sig (kompaktering av kontexten, underagenter, nya försök). Den elastiska schemaläggaren (Elastic Scheduler) omfördelar GPU:er mellan generering av trajektorier och träning utan att avbryta körningarna: upp till 1,85 gånger snabbare än Colocate-metoden och 1,78 gånger snabbare än den asynkrona metoden (Async). Trajektorieprocessorn (Trajectory Processor) ordnar de förgrenade historikerna i träd med delade prefix och borttagna dubbletter.

När QwenGyre tillämpas på Qwen3.8-2.4T-A95B, med omkring 700 000 tokens per trajektoria, höjer det resultatet på NL2RepoBench från 52,5 % till 58,5 % på 48 steg och minskar enligt lanseringstweeten den totala träningstiden med cirka 44 % jämfört med den asynkrona metoden. Artikeln finns på arXiv sedan den 27 september; inget kodförråd har presenterats.

🔗 Qwens tillkännagivande på X · QwenGyre-artikeln på arXiv

ReplaySSM: NVIDIA och Dao AI Lab snabbar upp avkodningen av hybridmodeller

12 oktober — NVIDIA och Dao AI Lab vid Princeton University presenterar ReplaySSM, ett nytt sätt att lagra SSM-lagrens tillstånd under avkodningen av hybridmodeller, som växlar mellan tillståndsrymdslager och attention-lager, exempelvis Nemotron 3, Qwen3.5 till Qwen3.8, Kimi-K3 eller GLM-5.3-Flash. Vid de batchstorlekar som används i produktion är det dessa SSM-lager, snarare än attention, som bidrar mest till avkodningslatensen vid kontextlängder upp till 100K tokens. ReplaySSM representerar tillståndet med en checkpoint och en liten buffert för de senaste indata: utdata beräknas för varje token, men checkpointen skrivs om i minnet endast var 16:e token, vilket ungefär halverar den dominerande minnestrafiken.

Konfiguration uppmätt i vLLM	Angiven förbättring jämfört med vLLM
Avkodningssteg, batchstorlek 1	Ingen
SSM-kernel, batchstorlek 256	1,46 till 1,80 gånger snabbare
Fullständigt avkodningssteg, batchstorlek 256	1,20 till 1,47 gånger snabbare
Spekulativ avkodning, batchstorlek 512, modeller i klassen 120B	1,85 och 2,10 gånger genomströmningen

Tekniken är integrerad i TensorRT-LLM, vLLM och FlashInfer och körs enligt NVIDIA i produktion i GLM-5.3-Flash och Kimi-K3; artikeln finns på arXiv och koden på GitHub.

🔗 NVIDIAs tekniska inlägg om ReplaySSM · ReplaySSM-artikeln på arXiv

/v1/systemone: transformers serve förvandlar en LLM eller VLM till en beslutsmodell

12 oktober — Hugging Face har mergat en endpoint /v1/systemone för transformers serve, bibliotekets inbyggda server, i Transformers. I stället för att generera ett svar poängsätter servern en uppsättning möjliga beslut utifrån modellens logits: enligt Lysandre kan vilken som helst av de 250 LLM:er och VLM:er som stöds därmed bli en beslutsmodell ”i JEV-stil”, utan att generera text. Marc Suns PR 49322 stöder för närvarande alla autoregressiva modeller och lägger till ett decision_config som skickas till servern, eftersom varje beslutsmodell formulerar sin prompt och ställer in sin temperatur på sitt eget sätt; Marc Sun meddelar att en standardisering av beslutsmodeller kommer ”snart” i Transformers. Funktionen finns ännu inte i någon släppt version; den senaste, v5.19.0, är från den 6 oktober. llama.cpp har redan serverat detta format sedan den 2 oktober.

🔗 Lysandres tillkännagivande på X · PR 49322 på GitHub

Webbsidor och filer omformas för agenter: OpenAI:s Browser Annotation API, Git-plattformen i Perplexity Projects

OpenAI och Perplexity omarbetar två välbekanta miljöer, webbsidan och filsystemet, så att en agent kan hitta mer kontext i dem.

Browser Annotation API: webbplatser anpassar annoteringarna i ChatGPTs webbläsare

12 oktober — OpenAI Developers presenterar Browser Annotation API, som beskrivs i guiden Annotations Extensibility på ChatGPT Learn. Utan kodändringar fungerar Annotation-läget i ChatGPTs skrivbordsapps inbyggda webbläsare redan på vilken webbplats som helst: man markerar en del av sidan, kommenterar den och skickar den som kontext till Codex eller ChatGPT Work. API:et, som exponeras via document.oai.annotation på säkra sidor (HTTPS eller localhost), gör det möjligt för webbplatsen att välja vad som kan markeras, vilken kontext som följer med markeringen och vilka kontroller som förhandsvisar en ändring innan den skickas.

Guiden beskriver nio integrationer: ett kort kan bli ett enda markerbart objekt (oai-annotation-container, oai-annotatable), en knapp på webbplatsen kan öppna en annotering med en föreslagen kommentar, anpassade kontroller (registerControls()) förhandsvisar exempelvis en spacing-token och objekt som ritas på en canvas blir markerbara. Guiden gäller DevDay 2026-versionen av appen och senare versioner; i ChatGPT Enterprise och Edu måste en administratör tillåta dessa anpassningar. Annoteringarna kompletterar WebMCPs webbplatsverktyg, som exponerar de åtgärder ChatGPT kan utföra på en webbplats.

🔗 Tillkännagivande från @OpenAIDevs · Guiden Annotations Extensibility

Perplexity Projects: ett filsystem byggt som en Git-plattform för agenter

12 oktober — Perplexity publicerar ett tekniskt blogginlägg om filsystemet i Projects, arbetsytan i Perplexity Computer där människor och agenter tillsammans utför långvariga uppgifter. Varje agent arbetar i sin egen sandbox och sparar sina ändringar i ett gemensamt Git-repository, som hanteras av fem komponenter: en CLI i varje sandbox, ett kontrollplan, en Git-tjänst, lagring baserad på AWS S3 (S3Files) och extrahering av text ur dokument. Tjänsten accepterar en push endast om den utgår från den senast accepterade commiten; annars applicerar agenten sin ändring på nytt och pushar igen, utan någon pull request. Ett virtuellt FUSE-filsystem, som var cirka 400 gånger långsammare vid filintensiva arbetslaster, valdes bort.

Mätvärde publicerat av Perplexity	Angivet värde
Pushar som avvisats som inaktuella i produktion	Mindre än 2 %
Medianlatens för en push	Mindre än 1,7 s
p99-latens för en push	Mindre än 8 s
Andel korrekta svar med grep, på 150 interna finansfrågor	0,627
Andel korrekta svar med semantisk sökning i ett index	Cirka 0,37

Inlägget lanserar ingen produkt: Projects har funnits sedan juli, och Brain, Computers kunskapswiki, bygger på samma infrastruktur.

🔗 Perplexitys tekniska blogginlägg

Notiser

Copilot CLI 1.0.96 — Nu i stabil version, med samma nio punkter som förhandsversionerna från den 9 och 10 oktober utan några nya tillägg, bland annat uppgift om vem som fattat varje behörighetsbeslut i tidslinjen och modellidentifierare som inte skiljer på versaler och gemener. 🔗 källa
Koppling av pushar till användare på GitHub — I en begränsad offentlig förhandsversion för GitHub Enterprise-kunder, på begäran, bevarar varje pushad commit den autentiserade identiteten hos personen som pushade den; ett villkor i en regeluppsättning, Committer must match pusher, blockerar pushar där committer inte motsvarar någon verifierad e-postadress för användaren. 🔗 källa
Copilot-appen för nybörjare — Ett nytt avsnitt i serien på GitHub Blog visar hur man placerar projektets regler i repositoryt så att Copilot tillämpar dem på egen hand: anpassade instruktioner, agent skills i .github/skills, anpassade agenter och MCP-servrar som Playwright; en handledning utan någon produktnyhet. 🔗 källa
Zed 1.23.3 och 1.24.2 — Den stabila versionen och förhandsversionen innehåller enbart felrättningar (Markdown-förhandsvisning, redigeringsförutsägelser, väljare för fjärrprojekt), övergången till Node.js v24 och valfri telemetri om sparpunkter (checkpoints) i agentpanelen. 🔗 källa
Codex Ambassadors — OpenAI öppnar åter för ansökningar till detta sexmånadersprogram, som kräver ett bidrag per månad (evenemang eller innehåll) i utbyte mot en Pro-prenumeration, Codex- och API-krediter samt stöd för godkända evenemang; Nordamerika, Centralamerika, Afrika, Mellanöstern och Östeuropa prioriteras. 🔗 källa
Decisions API hos Hypha — Serhii Shchoholiev, ansvarig för agentutvecklingen hos Hypha, mäter OpenAI:s Decisions API till 98,1 % i F1 vid klassificering med flera etiketter, jämfört med 93,5 % för en GPT-6.1 Sol-agent, till ungefär en sjundedel av kostnaden och med 28 gånger lägre p90-latens; kundsiffror utan publicerad metodik, vidareförmedlade av @OpenAIDevs. 🔗 källa
Gemini 3.5 Flash markerad som föråldrad — Komplettering från den 8 oktober: samma post i versionsinformationen för Gemini API markerar även gemini-3.5-flash som föråldrad, och modellen går inte längre att välja i Google AI Studio; dess anrop omdirigeras till gemini-3.6-flash, utan något meddelat avstängningsdatum. 🔗 källa
Kimi Work 3.2.16 — Underhållsversion: uppgraderad motor för PDF-förhandsvisning, en inbyggd webbläsare som inte längre avbryts av bakgrundsuppgifter och åtta felrättningar som beskrivs i detalj, bland annat för sidodiskussioner som skickades två gånger. 🔗 källa
Driftavbrott hos Genspark — Vissa användare kunde inte logga in på måndagen på grund av ett avbrott i en Microsoft-tjänst som Genspark inte namnger; Genspark meddelade att tjänsten var återställd kl. 16.20 UTC och förbereder kompensation för de drabbade användarna. 🔗 källa
TutorMoments — Ai2 har testat aktuella modeller i sin utvärdering av AI-handledare: med en uttrycklig instruktion ligger GPT-6 Astra främst (0,938 för lämpligt pedagogiskt stöd, 0,915 för lämplig kravnivå) före Claude Sonnet 5.5 och Claude Opus 5.5, och ett nytt utforskningsverktyg jämför deras svar med mänskliga handledares. 🔗 källa
UIBK-Embedding-v1 — Abdelrahman Abdallah publicerar under Apache 2.0 en engelskspråkig sökmodell med 179 miljoner parametrar som förenar dense retrieval och sökning med late interaction (ColBERT) i samma encoder; han uppger 59,79 i nDCG@10 på BEIR, det bästa resultatet för modeller under en miljard parametrar bland dem med fullständiga officiella MTEB-resultat. 🔗 källa
Sparseup-fr — Loïck Bourdois återskapar på franska Linkups modell för sparse embeddings med 150 miljoner parametrar, tränad på cirka 55 timmar på en enda RTX 6000 Pro: 56,37 och 56,50 på rensade NanoBEIR-fr, jämfört med 52,40 och 51,66 för den engelska versionen, ett nytt toppresultat bland öppna sparse-modeller enligt författaren. 🔗 källa
Model Pulse — Ett verktyg från communityn av Tardelli Stekel återskapar dag för dag, sedan juli 2024, nedladdningar och gilla-markeringar för 1,64 miljoner modeller på Hub, med uppgifterna publicerade som cirka 1,15 miljarder Parquet-rader under Apache 2.0 och uppdaterade dagligen. 🔗 källa
Behörigheten contributor på Hub — Åtkomsttoken med detaljerade behörigheter och token för Hugging Faces tjänstekonton kan få behörigheten contributor: de skapar repositoryn och skriver endast till dem som de själva har skapat, för CI/CD-pipelines, träningsjobb och agenter. 🔗 källa
Microduck Arena — Pollen Robotics öppnar ett Hugging Face Space där man genom reinforcement learning tränar en policy för företagets lilla tvåbenta robot och sedan låter den springa i fyra grenar, däribland 2 m Sprint och Hill Climb, utan någon fysisk robot. 🔗 källa
Relight Studio — Luma lyfter fram denna funktion som ändrar ljusets riktning i en redan lyckad tagning utan att börja om från början; tweeten anger varken modell, pris eller lanseringsdatum. 🔗 källa
HeyGen Lessons — HeyGen presenterar ett erbjudande för utbildning: OpenAI:s Dots identifierar vad som fångar en klass intresse och anpassar lektionen, sedan omvandlar HeyGens MCP den till video med lärarens avatar och röst; tweeten anger varken länk, pris eller datum. 🔗 källa
En fastighetsmäklare och hans avatar — Enligt en fallstudie från HeyGen publicerar en fastighetsmäklare i Vancouver, som förlorat sin inspelningsplats i en brand, två Reels om dagen med sin avatar och har fyrdubblat antalet Instagram-följare på tio månader. 🔗 källa
x.ai byter till SpaceXSI — Observerat vid genomgången den 12 oktober, utan tillkännagivande eller datum i källan: x.ai:s startsida, nyheter och API-dokumentation (« SpaceXSI Docs ») bär numera varumärket SpaceXSI, även på sidan för Grok 4.7; webbplatsen visade fortfarande SpaceXAI den 10 oktober. 🔗 källa

Vad det betyder

Dagens siffror gör det nödvändigt att se efter vem som mäter. Meta publicerar sina resultat i en bild, efter egna mätningar, och placerar Muse Wonder Full överst i sitt eget index (59,1 jämfört med 55,2 för Claude Opus 5.5), medan Opus 5.5 behåller försprånget på Artificial Analysis Index i samma tabell (58 jämfört med 56). Z.ai jämför GLM-Legal med konkurrenterna i diagrammet i en tweet och hävdar likvärdiga resultat på LegalBench utan att publicera någon poäng, och Fin mäter Apex 2.0 mot sin egen föregående version. FrontierCodes oberoende rankning sätter storleksordningarna i perspektiv: den bästa modellen når som mest 52,2 %, och kostnadsskillnaden, från 0,81 dollar per uppgift för GPT-6.1 Sol till 10,15 dollar för Opus 5.5, blir ett lika synligt kriterium som placeringen.

Inom infrastrukturen kommer vinsterna från allt som omger chippen. NVIDIA:s bidrag till OCP gäller strömförsörjningen (rack på upp till 250 kW, samlingsskena på 5 000 A, återgång till nästan full belastning på mindre än två sekunder efter en störning i elnätet) och nätverket, med Spectrum-6 på 102,4 Tb/s hos Meta och USFP på 400 Gb/s per lane. Mjukvaran följer samma logik: ReplaySSM halverar ungefär minnestrafiken för SSM-lagren, och QwenGyre sätter åter de GPU:er i arbete som väntade på att långa trajektorier skulle slutföras. Genom att bidra med sina konstruktioner till OCP, med standarder som AMD, Google, Meta och Microsoft har undertecknat gemensamt, visar NVIDIA sitt mål att ge tillverkarna en gemensam grund för AI-fabriker.

Agenterna får miljöer som är utformade för dem. En webbsida kan nu styra vad användaren markerar i ChatGPT:s webbläsare och vilken kontext som skickas till agenten med markeringen, ett Perplexity-projekt ger varje agent en sandbox och ett gemensamt Git-repository, och Amp för in granskningarna och CI-resultaten för agentens egna pull requests i dess konversationstråd. Sättet att utforska påverkar också resultatet: hos Perplexity uppnår en agent som söker igenom sin arbetskopia med grep en andel korrekta svar på 0,627 jämfört med cirka 0,37 för semantisk sökning, och hos LightOn minskar antalet API-token i Claude Code med 34 % när sökningen överlåts åt en liten lokal agent jämfört med grep, utan någon betydande förlust av korrekthet.

Studien från Frontier Red Team visar baksidan av denna autonomi. De förmågor som gör en agent användbar, som att installera en modell på okänd hårdvara eller föra vidare sina anteckningar till nästa agent, är också de som skulle låta en mask anpassa sig: en modell på 9B startar inferens på 8 av 9 typer av hårdvara, och övertagandet av anteckningar höjer framgångsgraden från 45 % till 61-84 %. Anthropic beskriver ännu ingen komplett replikator och satsar på övervakning från internetleverantörerna för att en infekterad enhet i genomsnitt ska smitta färre än en annan. Meta å sin sida hävdar att Muse Wonder har företagets starkaste skydd mot cyber- och CBRN-användning, men hänvisar till en fullständig säkerhetsrapport som ännu inte publicerats.