Gemini 4 Argon tillgänglig för alla, SpaceXSI samlar Grok och Cursor i The X Subscription, NVIDIA släpper Run:ai som open source

Två veckor efter att ha reserverat Gemini 4 Argon för cyberförsvararna i Fairwind Program öppnar Google modellen för alla: Gemini API kostar 2 dollar per miljon tokens för indata fram till den 30 november, Gemini-appen och AI Mode erbjuder den till Google AI Pro- och Ultra-abonnenter, och Cursor, Devin, GitHub Copilot och Manus lägger till den samma dag. SpaceXSI samlar Grok, Grok Bot, Cursor och X Premium i The X Subscription, ett gemensamt abonnemang från 0 till 200 dollar per månad, och NVIDIA släpper hela sin plattform för GPU-orkestrering, Run:ai, som open source. Liquid AI släpper LFM2.5-24B-A2B, en resonemangsmodell med 2 miljarder aktiva parametrar för lokala agenter, och NVIDIA beskriver programvarorna som är redo inför lanseringen av RTX Spark-datorerna på fredag.

Gemini 4 Argon tillgänglig för alla: Gemini API, Gemini-appen, AI Mode och Antigravity

13 oktober — Gemini 4 Argon, som presenterades den 30 september och hittills varit reserverad för cyberförsvararna i Fairwind Program, rullas ut över hela världen. Google presenterar sin frontiermodell som en modell för koncentrerat arbete (deep work) inom programmering, finans, juridik, cybersäkerhet och vetenskap. Här är vilka som får tillgång till den och hur.

Målgrupp	Tillgång till Gemini 4 Argon den 13 oktober
Utvecklare	Betalt Gemini API, i Google AI Studio och Android Studio
Google AI Ultra-abonnenter	Antigravity och AI Studio
Företag	Gemini for business, Gemini API, Antigravity
Allmänheten	Gemini-appen och AI Mode i sökningen, för Google AI Pro- och Ultra-abonnenter
Forskare	Antigravitys högsta användningsnivå gratis i 6 månader, efter ansökan (10 000 platser)
Cyberförsvarare	Fairwind Program utökat till hundratals partner, Argon utan skyddsräcken för cybersäkerhet

För utvecklare är identifieraren gemini-4-argon, i en stabil version. Introduktionspriset är det som tillkännagavs i slutet av september: 2 dollar per miljon tokens för indata och 10 dollar för utdata, med 95 % rabatt på cachad indata, fram till den 30 november 2026; därefter 4 och 20 dollar. Modellen tar emot text, bild, video, ljud och PDF, svarar med text och delar ett enda fönster på 1 048 576 tokens mellan indata, resonemang och utdata. En begäran returnerar högst 64K tokens med streaming och 32K utan streaming (65 536 på Gemini 3.x), men lång avkodning (long decode) gör det möjligt att generera upp till en miljon tokens minus indata: de senaste SDK-versionerna (google-genai 2.30.1, @google/genai 2.29.1) kedjar själva ihop begärandena. Resonemanget kan ställas in på tre nivåer (low, medium som standard, high), och explicit cache stöds inte.

När det gäller resultaten placerar Google Argon först i Vals Index och uppger 87 % på ERQA, ett benchmark för spatialt resonemang inom robotik, före alla andra frontiermodeller. Bland kunderna med tidig tillgång mäter Box 14 % högre träffsäkerhet jämfört med Gemini 3.1 Pro. Google utlovar också resten av Gemini 4-familjen, utan något datum.

🔗 Lanseringsinlägget för Gemini 4 Argon · Nyheter om Gemini 4 Argon i Gemini API

Argons säkerhet: 12 av 12 simulerade cyberattacker lösta, en övervakare för felanpassning

13 oktober — Google publicerar tillsammans med modellen en fullständig säkerhetsrapport (Safety and Security Report), som tar sin utgångspunkt i modellens cyberförmågor.

The same coding and reasoning improvements that enabled Argon to find and patch vulnerabilities also drove better performance on our cybersecurity tests — solving all 12 of the end-to-end simulated cyberattack scenarios, up from five in our previous generation.

🇸🇪 Samma framsteg inom programmering och resonemang som gjorde det möjligt för Argon att hitta och åtgärda sårbarheter har också förbättrat dess resultat i våra cybersäkerhetstester: den löser alla 12 simulerade cyberattacksscenarier från början till slut, jämfört med fem för vår föregående generation. — Anca Dragan, VP för AI-säkerhet och beteende, Google

Eftersom versionerna utan skyddsräcken också ger betydligt bättre hjälp med felsökning av laboratorieprotokoll inom biologi aktiverar Google tre skyddslager i realtid inom dessa två områden: filtrering av begäranden med små modeller, aktiveringsprober (activation probes) som läser modellens interna signaler och övervakning som kan stoppa agenten mitt i ett svar. En övervakare för felanpassning läser också modellens handlingar och tankekedja, som Google inte vill bestraffa: i ett försök där en bestraffning av misstag hade tillämpats på den ökade andelen genvägar som togs utan att redovisas från 11,2 % till 36,4 %. Mot prompt injection sjunker attackernas framgångsfrekvens till 0,7 % på Gray Swan IPI.

🔗 Att utveckla Gemini 4 Argon ansvarsfullt och säkert

Antigravity: Argon för Ultra-abonnenter, efter inkörning med över 100 000 användare hos Alphabet

13 oktober — Argon kommer till skrivbordsappen och Antigravity CLI för Google AI Ultra-abonnenter och berättigade Gemini Enterprise-abonnemang; Antigravity behöver uppdateras till den senaste versionen. Teamet berättar om den interna inkörningen: över 100 000 personer hos Alphabet använder varje månad Argon i verktygets interna version, och Google har under fyra veckor mätt 35 % mer kod producerad av agenter och 30 % färre återställningar efter att kod lämnats in.

Bland exemplen som nämns: halverad CPU-belastning i frontend för YouTube-kommentarer, 97 inaktuella eller dubblerade ärenden stängda på mindre än tre timmar i en kö med 134 ärenden, en Fortran-kodbas omskriven i Rust som blev 1,8 gånger snabbare och en granskning av åtkomstkontroll som hittade fyra kritiska sårbarheter som två tidigare toppmodeller hade missat. Användningen sträcker sig utanför utvecklingsarbetet: över hälften av Clouds säljteam och nästan hälften av Googles ekonomifunktion använder Antigravity.

🔗 Gemini 4 Argon i Google Antigravity

Gemini-appen: Antigravity integrerat på macOS, menyn Customize och över 40 anslutna appar

13 oktober — Gemini-appens versionsinformation kompletterar utrullningen av Argon med två nyheter. Antigravity integreras i Gemini-appen för macOS: en knapp startar en kodagent, användaren godkänner dess plan och återgår till chatten medan agenten bygger och testar koden i bakgrunden, med en avisering när resultatet är klart. Integrationen erbjuds på engelska för berättigade konton vars användare är 18 år eller äldre.

En ny Customize-meny samlar inställningar för svar, upptäckt av appar och tillägg av skills, och Gemini ansluter nu till över 40 appar eller tjänster, som Instacart, OpenTable och Adobe. Customize rullas ut för alla abonnemangsnivåer, på webben, på mobiler, Windows och macOS, men de flesta anslutna appar är fortfarande på engelska och tillgängliga i USA. Google nämner också en övergång från chatt till uppgifter (tasks), så att Gemini fortsätter arbeta när användaren är frånvarande.

🔗 Versionsinformation för Gemini-appen · Gemini 4 Argon i Gemini-appen

Gemini 4 Argon i tredjepartsverktyg: Cursor, Devin, GitHub Copilot och Manus

13 oktober — Fyra verktyg öppnar tillgången till Argon samma dag, vart och ett med sina villkor och sin egen mätning.

Tredjepartsverktyg	Var den kan användas	Angivet pris	Uppgivet resultat
Cursor	Cursor-editorn	2 dollar för indata, 0,10 dollar för cacheläsning, 10 dollar för utdata per miljon tokens	52,8 % på CursorBench 4.0 med standardnivån för resonemang
Devin	Devin Desktop och Devin CLI	75 % under listpriset fram till den 27 oktober	60,5 % på FrontierCode 1.1
GitHub Copilot	Abonnemangen Pro+, Max, Business och Enterprise, åtta gränssnitt	2 dollar för indata, 0,10 dollar för cache, 10 dollar för utdata fram till den 1 december	Fler lösta uppgifter än tidigare Gemini-modeller, utan siffra
Manus	Manus, med Google Cloud	Ej angivet	Ingen siffra

Enligt Cursor ligger Argon på samma nivå som Opus 5.5. Tabellen för CursorBench 4.0 preciserar att likvärdigheten gäller vid medelhög resonemangsnivå (Opus 5.5 Medium på 52,5 %, för 2,91 dollar per uppgift jämfört med 4,39 dollar för Argon): Opus 5.5 ligger fortfarande före i High (56 %) och Max (57,8 %, högst i rankningen), och Argon använder nästan tre gånger så många tokens per uppgift. Hos Devin kombineras Googles introduktionsrabatt på 50 %, som gäller fram till den 1 december, med Devins egen rabatt på 50 %; på FrontierCode 1.1, Cognitions interna benchmark, hamnar Argon precis före GPT-6.1 Sol (60,4 %) men ligger efter Claude Opus 5.5 (65,3 %) i diagrammet, som har titeln 1.1 Extended.

GitHub gör modellen allmänt tillgänglig för Pro+, Max, Business och Enterprise (Pro och Free finns inte med i listan), med en gradvis utrullning i modellväljaren i åtta gränssnitt, från VS Code och Copilot CLI till Xcode och Eclipse; i Business och Enterprise aktiveras den automatiskt om administratören inte har stängt av standardaktivering av nya modeller. Manus meddelar att modellen är i drift med Google Cloud för kodning, planering och 3D-modellering, utan att ange abonnemang, pris eller krediter.

🔗 Cursors tillkännagivande · CursorBench 4.0 · Devins inlägg · GitHubs ändringslogg · Manus tillkännagivande

The X Subscription: SpaceXSI samlar Grok, Grok Bot, Cursor och X Premium, från 0 till 200 dollar per månad

12 oktober — SpaceXSI (tidigare SpaceXAI) lanserar The X Subscription, ett gemensamt abonnemang som samlar Grok, Grok Bot, Cursor och X Premium, och Cursor tillkännagav det samma kväll: editorn, som blev en del av SpaceX i augusti, säljs nu i samma paket som assistenten Grok och förmånerna i det sociala nätverket X. Erbjudandet är öppet för nya kunder sedan den 12 oktober och ska erbjudas alla, över hela världen, under de närmaste dagarna.

Abonnemang	Månadspris	Inkluderad användning	Vad abonnemanget ger tillgång till i Cursor
Free	0 dollar	Begränsad	En startkvot för kodagenter
Plus	8 dollar	Bas	Endast Grok-modeller
Premium	30 dollar	4 gånger Plus	Molnagenter, automatiseringar, Origin, AI-kodgranskningar, tredjepartsmodeller till API-priset
Super	100 dollar	15 gånger Plus	Som Premium, med mer användning
Ultra	200 dollar	50 gånger Plus	Som Premium, med mer användning

Premium omfattar förmånerna från SuperGrok, Cursor Pro och X Premium+, som tidigare kostade sammanlagt 90 dollar per månad enligt SpaceXSI. Kärnan i erbjudandet är en gemensam användningspott för Grok och Cursor, som förnyas varje vecka; när den är slut fyller man på (top-ups) eller väntar på förnyelsen. SpaceXSI utlovar minst dubbelt så mycket kodanvändning med sina egna modeller som i det jämförbara Cursor-abonnemanget. Tredjepartsmodellerna, alltså modeller från andra laboratorier, är fortsatt tillgängliga i Cursor från Premium och uppåt, men omfattas inte av potten: de debiteras till API:ets listpris via påfyllningar, med justerbara utgiftstak.

Cursor is now part of The X Subscription. Current Cursor subscribers can keep their plan or switch to The X Subscription.

🇸🇪 Cursor ingår nu i The X Subscription. Befintliga Cursor-abonnenter kan behålla sitt abonnemang eller byta till The X Subscription. — @cursor_ai på X

De tidigare abonnemangen erbjuds inte längre till nya kunder. Befintliga abonnenter på SuperGrok, Cursor eller X Premium behåller sitt abonnemang, pris och sina funktioner, eller byter med en proportionell återbetalning; hos Cursor fortsätter den inkluderade användningen av tredjepartsmodeller fram till bytet. SpaceXSI meddelar dock att kvarvarande kunder så småningom kommer att flyttas till de nya abonnemangen, utan angiven tidsplan och med förhandsbesked. För team har Premium, Super och Ultra samma pris per användarplats som för enskilda användare, billigare än de tidigare Cursor Teams-abonnemangen enligt SpaceXSI, med tre gånger så mycket kodanvändning, SSO, samlad fakturering och SOC 2-efterlevnad.

🔗 Vi presenterar The X Subscription · Tråd från @SpaceXSI

NVIDIA publicerar hela Run:ai-plattformen som open source

13 oktober — NVIDIA publicerar hela NVIDIA Run:ai som open source, sin plattform som dynamiskt tilldelar GPU:er och orkestrerar AI-arbetslaster på Kubernetes, från databehandling till träning och inferens. Koden finns i GitHub-organisationen NVIDIA DSX AI Factory, och plattformen erbjuds också på NGC i en communityversion (Community Product), med en Helm-chart som installerar den integrerade stacken. Denna version kräver inget betalt Run:ai-abonnemang men omfattar inte företagssupport, och nedladdning från NGC kräver att man godkänner NVIDIAs programvarulicens. De kommersiella erbjudandena fortsätter: fristående produkt, NVIDIA Mission Control, NVIDIA AI Enterprise och molnmarknadsplatser.

Publiceringen består av fyra byggstenar som kan tas i bruk separat:

Publicerad komponent	Roll i plattformen
KAI Scheduler	Kubernetes-nativ schemaläggare (schemaläggning i block, rättvis resursfördelning, placering utifrån topologi), redan open source under Apache 2.0 och ett CNCF Sandbox-projekt
GPU Fractioning Operator	GPU-fraktioner med inbyggt stöd i CUDA 13.4, med en strikt minnesgräns per arbetslast; Run:ais proprietära implementation tas bort
KAI Resource Management	Projekt, avdelningar, kvoter och nodgrupper
Workload Map	Go-bibliotek som beskriver varje typ av arbetslast (PyTorchJob, RayCluster, KServe, Dynamo-grafer) så att verktygen inte längre behöver koda varje CRD

Åtta partner i DSX-ekosystemet integrerar redan plattformen: Crusoe, Mirantis (k0rdent AI), Nebius (distribution med ett klick), OpenNebula Systems, Rafay (helt hanterad tjänst), Saturn Cloud (Token Factory), Spectro Cloud (PaletteAI) och vCluster. NVIDIA lyfter också fram två närliggande öppna projekt: Model Streamer, som läser in vikterna direkt i GPU-minnet för att minska kallstartstiden för inferensrepliker (integrerat i vLLM och SGLang, och 3 till 6 gånger snabbare än standardladdaren på åtta H100-VM:ar i Microsoft Azure), och Grove, Dynamos Kubernetes-API för arbetslaster med flera komponenter. Det uttalade målet är att göra Run:ai till en öppen grund för plattformen DSX AI Factory, så att varje partner och varje AI-moln får ut mer av sina GPU:er.

🔗 Run:ai som open source (NVIDIAs tekniska blogg)

LFM2.5-24B-A2B: Liquid AI släpper en resonemangsmodell med 2 miljarder aktiva parametrar för lokala agenter

13 oktober — Liquid AI släpper LFM2.5-24B-A2B, en mixture of experts (MoE) med 24 miljarder parametrar där endast 2 miljarder aktiveras per token. Enligt Liquid AI är det den största modellen i LFM2.5-familjen, som nu sträcker sig från 230 miljoner till 24 miljarder parametrar, och en ren resonemangsmodell: den producerar alltid en tankekedja före sitt svar. Målet är lokala agenter: eftersom varje resonemangstoken kostar lite kan en agent köras kontinuerligt på användarens dator, anropa verktyg och utföra uppgifter i följd.

Arkitekturen bygger vidare på LFM2-24B-A2B (40 lager, 64 experter per block med top-4-routing, en hybrid av korta grindade konvolutioner och GQA-attention). Förändringarna är att kontexten ökar från 32 000 till 131 000 tokens, vokabulären fördubblas från 65 000 till 128 000 tokens, och förträningen ökar från cirka 17 000 till 33 000 miljarder tokens, före efterträning i fem steg som avslutas med förstärkningsinlärning i agentramverk (OpenClaw, Hermes Agent, Pi, OpenCode).

Utvärderat benchmark	LFM2.5-24B-A2B	Qwen3.6-35B-A3B	Gemma-4-26B-A4B-it	Nemotron-3.5-Lightning
AutomationBench	27,69	8,72	5,46	2,61
BFCLv4	65,01	65,00	57,09	53,78
ToolSandbox	80,71	75,02	72,09	75,13
LiveClaw	48,09	38,19	41,25	37,72
PinchBench	83,18	89,93	77,12	84,20
WebArena Verified	26,75	37,62	25,62	28,69
IFBench	74,69	64,21	47,44	71,67
GPQA Diamond	74,42	83,69	74,90	72,42
MATH-500	96,04	96,73	95,66	96,40
SWE-Bench Verified (OpenCode)	51,00	66,20	25,80	53,40

Jämfört med tre större MoE-modeller står sig modellen väl när det gäller verktygsanvändning och att följa instruktioner, men halkar efter på kunskaper och kodning med agenter; Liquid AI rekommenderar också att kombinera den med sökning eller en dokumentbas för uppgifter som kräver kunskaper. Hastigheten är det andra argumentet: 184 tokens/s på en Apple M5 Max, 114 på en Ryzen AI Max+ 395 och över 21 000 utdatatokens per sekund vid många samtidiga förfrågningar på en enda B300. Basmodellen och den eftertränade modellen publiceras med öppna vikter under den egna licensen lfm1.0, med omedelbart stöd i llama.cpp, MLX, vLLM, SGLang och ONNX.

🔗 LFM2.5-24B-A2B (Liquid AIs blogg på Hugging Face)

Lokal AI på Windows-PC: NVIDIA förbereder RTX Spark med Nemotron 3.5 Bolt 74B, Hugging Face lanserar Llama Windows

13 oktober — Tre dagar före lanseringen av de bärbara RTX Spark-datorerna, fredag 16 oktober, efter att förbeställningarna öppnade den 7, beskriver NVIDIA programvaran som är redo för lanseringen av detta chip, som kombinerar upp till 128 GB enhetligt minne och 1 petaflop AI-beräkningskapacitet. Huvudnumret är en ny öppen modell, Nemotron 3.5 Bolt 74B-A9B 24GB: en MoE med 74 miljarder parametrar, varav 9 miljarder är aktiva, kvantiserad till 2 bitar med träning som tar hänsyn till kvantiseringen för att rymmas i 24 GB, och utformad för lokala agenter. Den släpps torsdag 15 oktober i llama.cpp, vLLM, Ollama, Unsloth och LM Studio och kommer att kunna anropas från Hermes och OpenClaw; träningsdata, vikter och recept är öppna.

När det gäller agenter uppger NVIDIA att antalet nedladdningar av lokala LLM:er är 5 gånger högre än under hela förra året. GitHub Copilot, Hermes, OpenClaw, Perplexity, Pi och WorkBuddy rekommenderar och konfigurerar en lämplig lokal modell; säkerheten bygger på OpenShells sandbox och Microsofts MXC-containrar, och open source-biblioteket Switchyard dirigerar förfrågningar mellan lokala modeller och molnmodeller. NVIDIA PAIR, routern som fördelar inferens mellan datorerna i ett lokalt nätverk, lämnar beta med stöd för llama.cpp och direkt nedladdning av modeller från Hugging Face. För kreativt arbete utlovar Adobe upp till 2 gånger högre hastighet i Photoshop och Premiere (optimeringar i beta), och NVIDIA Broadcast 2.3 lägger till videosuperupplösning, generering av mellanliggande bildrutor och en MCP-server så att agenter kan styra dess effekter. För utvecklare får Windows on Arm sin första PyTorch-CUDA-build och Python 3.15 som körs nativt som standard.

Tillkännagiven produkt eller funktion	Tillgänglighetsdatum
NVIDIA PAIR lämnar beta, Broadcast 2.3, Llama Windows	13 oktober
Nemotron 3.5 Bolt 74B-A9B 24GB	torsdag 15 oktober
Bärbara RTX Spark-datorer, praktiska AI-guider (playbooks), dubbelt så snabb DLSS 5-modell	fredag 16 oktober
Nemotron 3.5 Bolt E4B 4GB för ACE-karaktärer, RTX Remix 1.6	fredag 23 oktober
DLSS Ray Reconstruction i Blender	november

🔗 Programvaran inför lanseringen av RTX Spark (NVIDIAs blogg)

Llama Windows: Hugging Face placerar llama.cpp i meddelandefältet i Windows 11

13 oktober — Hugging Face lanserar Llama Windows, en gratis WinUI 3-app med öppen källkod som installerar och kör llama.cpp från meddelandefältet i Windows 11, utan terminal, kompilering eller administratörsbehörighet. Man väljer en kvantiserad modell på Hub, laddar ned den med ett klick och läser in den från en kompakt panel; vid start ansluter appen till en redan startad llama.cpp-server eller installerar llama.cpp med dess officiella installationsprogram. Det är Windows-motsvarigheten till llama.app på macOS.

För utvecklare lyssnar den lokala servern på http://localhost:9931 med ett OpenAI-kompatibelt API, och nedladdningarna hamnar i Hugging Faces standardcache, som delas med företagets andra verktyg. Appen körs nativt på Windows on Arm och stöder NVIDIA RTX Spark från första dagen, ett arbete som genomförts tillsammans med NVIDIA. Koden publiceras under MIT-licensen i kodarkivet ggml-org/Llama-Windows.

🔗 Llama Windows (Hugging Faces blogg)

Säkerhet: Anthropics försvar mot distillation, Chromes exploit byggd av XBOW och GitHubs klassificerare för hemligheter

Tre tillkännagivanden handlar om säkerhet för modeller och kod: Anthropic summerar sitt försvar mot kopiering av sina modeller, XBOW visar vad en offentlig modell möjliggör vid angrepp, och GitHub ersätter en LLM-pipeline med en liten klassificerare.

Anthropic minskar distillatörernas insamlade data med 90 till 99 % enligt tidiga indikationer

12 oktober — Anthropic summerar sitt försvar mot distillationsattacker, kampanjer som samlar in svar från en ledande modell, ofta via nätverk av bedrägliga konton, för att träna en annan modell till lägre kostnad. Enligt tidiga indikationer minskar de nya metoderna mängden insamlade data med cirka 90 till 99 %. Enligt Anthropic försökte Zhipu distillera Claude Fable 5 under utvecklingen av GLM-5.3, innan de övergick till en äldre Claude-modell och en modell från ett annat labb.

Tre lager läggs till: bevarat tänkande (preserved thinking) i Claude Fable 5.1 och Opus 5.5, som hindrar API-konton skapade sedan den 31 augusti från att ändra Claudes tidigare kontext, medan Sonnet 5.5:s resonemang endast är tillgängligt för organisationen som skickade förfrågan; en klassificerare i två steg med mindre än 0,1 % falska positiva, aktiv på Sonnet 5.5, Opus 5 och 5.5, Fable 5 och 5.1; slutligen skärpta användningsgränser, avstängningar och, sedan den 24 september, debitering av blockerade förfrågningar. Det rapporterade resultatet är 10 till 100 gånger färre extraherade resonemangstokens och tiotusentals avstängda konton, ofta på mindre än två timmar.

🔗 Stärker vårt försvar mot distillationsattacker

XBOW bygger en komplett Chrome-exploit med GPT-5.6 Sol och belönas med 250 000 dollar av Google

13 oktober — XBOW, ett företag som utför penetrationstester med AI-agenter, har byggt en komplett exploitkedja (full chain) för Chrome: ett enkelt besök på en webbsida räckte för att ta fjärrkontroll över en Windows-dator, vilket enligt XBOW innebar att cirka en miljard användare var exponerade. Google tilldelade företaget en belöning på 250 000 dollar, och de tre buggarna är åtgärdade. Tillkännagivandet kommer från XBOW, inte från OpenAI, vars konto @OpenAIDevs endast återpublicerade det.

We deliberately picked a model that is available to anyone, not a specialized security model or one with restricted access.

🇸🇪 Vi valde medvetet en modell som är tillgänglig för alla, och inte en specialiserad säkerhetsmodell eller en modell med begränsad åtkomst. — Oege de Moor, grundare och CEO för XBOW

Den valda modellen är GPT-5.6 Sol, tillsammans med dess föregångare. Kedjan kostade 40 000 dollar i beräkningsresurser under sex dagar, från den 2 till den 7 augusti: AI:n gick igenom Chromes källkod, byggde proofs of concept och skrev de första versionerna av exploiten, medan fyra forskare fastställde strategin och granskade arbetet. Enligt XBOW skulle var och en av de tre buggarna kunna hittas av agenter på egen hand inom ett år.

🔗 XBOWs berättelse

GitHub beskriver sin klassificerare för hemligheter: 86 % kortare analystid än med den tidigare LLM-pipelinen

13 oktober — Sex dagar efter att ha tillkännagivit sin klassificerare för läckta hemligheter berättar GitHub hur den fungerar bakom kulisserna. Skannern arbetar i två steg: reguljära uttryck söker brett efter allt som liknar en autentiseringsuppgift, sedan läser en finjusterad ModernBERT-klassificerare, exporterad till ONNX med 8-bitars kvantisering, varje kandidat tillsammans med dess kontext (filsökväg, typ av hemlighet, variabelnamn, närliggande kod) för att sålla bort sådant som bara liknar hemligheter, till exempel exempelvärden eller testernas fiktiva data.

Mått jämfört med LLM-pipelinen	Rapporterad skillnad
Mediananalystid efter push	−86 %
Driftkostnad	över 98 % lägre
Acceptans av varningar viktad per kodarkivsägare (A/B-test)	+11,5 %
Precision offline	+13 %
Recall offline	+19 %

Hastighetsvinsten har gjort det möjligt att utöka detektionen av generiska hemligheter till push-skyddet, redan innan koden skickas.

🔗 GitHubs modell för detektion av hemligheter (GitHub Blog)

Scion: Anthropic ersätter git med sitt eget versionshanteringssystem

13 oktober — Anthropic berättar på sin Engineering-blogg varför företaget lämnade git för sitt monorepo: teamen slog samman cirka 2 500 ändringar per dag i maj 2026 och över 30 000 i september. Med en historik på närmare 100 GB och omkring 25 miljoner utcheckningar per dag för CI blev verktygen som utformats för människor en flaskhals, även med flera hundra interna git-speglar.

Scion, byggt på fem månader av sju personer, utgår från att dess klienter, främst agenter och automatiserade uppgifter, alltid är uppkopplade: servern beräknar historiken, vem som ändrat varje rad (blame) och sammanslagningarna, och en CI-uppgift behöver ofta inte längre någon lokal kopia. Anthropic uppger ett 200 gånger mindre lagringsavtryck än för sina git-speglar, utcheckningar på sekunder i stället för minuter och 25 % frigjord CPU-kapacitet för CI; en intern förhandsversion av Claude Mythos Preview skrev om inläsningspipelinen med 20 gånger mindre minnesåtgång. Anthropic planerar ingen offentlig version, eftersom Scion avviker för mycket från git för att kunna användas på andra håll: företaget delar i stället principerna så att andra kan tillämpa dem på git, och säger sig vilja samarbeta med GitHub, GitLab och open source-communityn.

🔗 Omarbetning av versionshanteringen på Anthropic

NVIDIA i Frankrike: planerade investeringar i Doctolib, Entalpic, Genesis AI och Pigment, Mistrals modeller i omloppsbana på Altair-1

13 oktober — Som inledning på sin Europaturné inför GTC Berlin, där Jensen Huang håller sitt öppningsanförande (keynote) den 21 oktober, meddelar NVIDIA planerade investeringar i fyra franska startupbolag, utan att ange några belopp: Doctolib (agenter för vårdpersonal och en hälsoföljeslagare för patienter), Entalpic (materialdesign på atomnivå för halvledare), Genesis AI (generalistrobotar och grundmodeller) och Pigment (företagsplanering). NVIDIA uppger att bolaget har åtagit sig att investera närmare 10 miljarder dollar i Europas tekniska ekosystem.

Samma blogginlägg ger en lägesbild av suverän AI i Frankrike. Bull kommer att utöka sin europeiska serverproduktion till att omfatta Vera Rubin Ultra NVL72-system, som är planerade till 2028 och ska monteras i företagets fabrik i Angers. Genom ramavtalet CANUT, som LINAGORA och Docaposte vann, blir Twake.ai, byggt på Nemotron, den enda listade suveräna digitala arbetsmiljön för fler än 2 500 franska offentliga organisationer. Dagen avslutades med ett möte mellan Jensen Huang och Emmanuel Macron i Élyséepalatset.

På rymdsidan har Mistral delat tillkännagivandet: Altair-1, den första satelliten i en konstellation med 50 satelliter som NVIDIA värderar till 1 miljard dollar, har nått sin omloppsbana. Den har integrerats av Loft Orbital och byggts i Abu Dhabi av Orbitworks, ett samriskbolag mellan Loft Orbital och Marlan Space, och har NVIDIA Jetson AGX Orin-moduler ombord som kör Mistral-modeller för jordobservation i realtid och autonoma operationer; Loft Orbital nämner Ministral 3 och siktar på AI-genererade varningar inom några minuter. Inga prestandasiffror eller något exakt uppskjutningsdatum anges: Loft Orbital uppger att uppskjutningen skedde för några veckor sedan, NVIDIA att den skedde denna månad.

🔗 Det franska ekosystemet och NVIDIA (NVIDIAs blogg) · NVIDIAs tråd om GTC Berlin · Tweet från Mistral AI

Agenter och kodverktyg: Origins marketplace, Devin i Pylon och dess Dynamic Workflows, Amps Puck tillgänglig via MCP

Cursor öppnar sin marketplace för kodhosting för tredjepartsutvecklare, Devin flyttar in i ett supportverktyg och orkestrerar team av sessioner, och Amp gör sin meta-agent tillgänglig från andra assistenter.

Cursor öppnar Origins marketplace för offentliga bidrag

13 oktober — Origin, Cursors plattform för kodhosting som lanserades i beta den 17 augusti, öppnar för tredjepartsverktyg. Dess marketplace erbjuder fler än 20 applikationer för deployment (Cloudflare, Netlify, Vercel…), kontinuerlig integration (Buildkite, CircleCI…), kodgranskning (CodeRabbit, Greptile), säkerhet (Semgrep, Socket Security), övervakning (Sentry) och projekthantering (Linear). Sedan den 13 oktober tar den också emot offentliga bidrag: ett team skapar sin applikation i sin namnrymd, bygger den på Origin API (applikations-JWT, installationstoken, webhook-händelser, check runs, kommentarer och granskningar av pull requests) och skickar sedan in den med en demonstrationsvideo; Cursor granskar varje bidrag innan det listas. Inga priser anges.

🔗 Origin App Marketplace (Cursors changelog)

Devin integreras med Pylon, med 15 000 dollar i krediter för nya kunder

13 oktober — Cognition lanserar den inbyggda integrationen av Devin i kundsupportverktyget Pylon. När ett ärende flaggas för utvecklingsteamet startar Devin automatiskt: den går igenom logs, reproducerar buggen, hittar grundorsaken och öppnar en PR med en korrigering; supporten följer arbetet i Pylon, utvecklarna tar över den länkade sessionen och uppdateringarna synkroniseras i båda riktningarna. Supporten kan också starta kodsökningar från Pylon för att besvara produktfrågor. Kundberättelserna som Cognition citerar beskriver korrigeringar som levereras omkring 30 % snabbare, ibland på 15 till 20 minuter i stället för flera timmar. Nya Devin-kunder på Pylon får 15 000 dollar i krediter.

🔗 Devin i Pylon

Devins Dynamic Workflows orkestrerar team av sessioner med ett Python-script

13 oktober — Cognition lyfter fram Devins Dynamic Workflows: Devin skriver ett deterministiskt Python-script som avgör vilka Devin-sessioner som ska startas, i vilken ordning och med vilka instruktioner, baserat på de strukturerade resultaten (JSON-schema) från tidigare sessioner. Varje agent är som standard en fullständig session på sin egen virtuella maskin, där koden överförs via git-branches, eller delar maskinen med den orkestrerande sessionen. En avbruten körning återupptas där den slutade, inom en gräns på sju dagar, och ett lyckat workflow sparas som en skill. Funktionen är tillgänglig i alla Devin-sessioner, men förblir avstängd i Enterprise-konton tills en administratör aktiverar den; dokumentationen varnar för kostnaden, eftersom varje agent förbrukar resurser som en session. Lanseringsdatumet bekräftas ingenstans: dokumentationssidan är odaterad och funktionen finns inte med i de senaste versionsanteckningarna.

🔗 Devin Dynamic Workflows (dokumentation)

Amp gör Puck tillgänglig från ChatGPT, Claude och andra agenter via MCP

13 oktober — Amp gör Puck, sin meta-agent som samordnar de andra agenterna, tillgänglig från ChatGPT, Claude och andra MCP-klienter. Amps MCP-server (ampcode.com/mcp) exponerar två verktyg: puck, för att samtala med sin Puck, och orbs, en interaktiv vy över pågående orbs med länkar till deras portaler. Ett exempel är att utveckla en idé med ChatGPT:s röstläge under en promenad och sedan skicka den till Puck, som överlämnar den till rätt orb. Anslutningen görs från Pucks inställningar i Amp eller genom att klistra in serveradressen i klienten och sedan logga in med sitt Amp-konto. Hittills har Puck använt MCP-servrar; nu blir den själv en sådan. Inga priser anges.

🔗 Ta med dig Puck (Amp)

Partnerskap: Replits Solutions Partner Program, Manus i OPPOs Agent-läge

Två distributionsavtal: Replit tar hjälp av integratörer för att nå in i företagen, Manus av en smartphonetillverkare.

Replit lanserar sitt Solutions Partner Program med Accenture, JSOL, SMFL och Snowman Labs

13 oktober — Replit lanserar ett partnerprogram för systemintegratörer, konsultbolag och byråer som hjälper företag på dess plattform: utbildning, stöd, samarbete kring kundmöjligheter och certifieringsvägar för Enterprise-funktionerna, i en modell som främst bygger på rekommendationer (referral-first). Bland de första partnerna finns Accenture, japanska JSOL och Sumitomo Mitsui Finance and Leasing (SMFL) samt brasilianska Snowman Labs. SMFL uppger att företaget byggde en produktionsklar företagsapplikation på en vecka, och JSOL nämner en kund som byggde en prototyp på en månad. Partnerkatalogen innehöll nio partner den 13 oktober; inga ekonomiska villkor har publicerats.

🔗 Replit presenterar Solutions Partners

Manus samarbetar med OPPO kring det nya Agent-läget i AI Mind Pilot

13 oktober — Manus integrerar sina agentiska funktioner i OPPO AI Mind Pilot, i dess nya Agent-läge, som debuterar på den kommande Find X10-serien med ColorOS 17. Exemplet som lyfts fram är att organisera en resa utifrån flygbiljetter, bokningar och biljetter till sevärdheter som ligger utspridda i telefonens appar, kombinerat med information på nätet för att skapa en resplan dag för dag. När det gäller integritet behandlar ColorOS 17 uppgifter som sökning eller namnbyte på filer lokalt med inbyggda modeller, utan att filernas innehåll skickas till Manus, och AI Mind Pilot begär en uttrycklig bekräftelse före all extern behandling. Varken datum, marknader eller villkor anges: de kommer att meddelas när telefonen lanseras.

🔗 Manus samarbetar med OPPO

Generativ video och generativa röster: Reactors FastH3-Omni, Runway i Replit, ElevenLabs-agenter i supporten och en återskapad röst i överhuset

Realtidsvideo får ljud, Runway blir en del av webbdesign och ElevenLabs visar två användningar av sin plattform, inom kundsupport och i det brittiska parlamentet.

FastH3-Omni: Reactor lanserar en realtidsversion av MiniMax H3 med synkroniserat ljud

13 oktober — Plattformen Reactor lanserar FastH3-Omni, en realtidsversion av MiniMax H3, MiniMax videomodell, som genererar video med synkroniserat ljud från en enda prompt. Den har eftertränats av FastVideo-teamet vid Hao AI Lab tillsammans med Nuva Lab, som redan låg bakom FastH3 i slutet av augusti, och presenteras som den snabbaste realtidsversionen av H3 med högst kvalitet inom open source. Den lägger till konditionering med första och sista bildrutan, ljudinmatning med dialoger och upp till tre referensbilder. FastH3-Omni finns exklusivt i förhandsversion via Reactor API fram till den 20 oktober; tillkännagivandet innehåller varken benchmark, priser eller någon länk till vikter. MiniMax delade det samma kväll.

🔗 Reactors tillkännagivande

Runway ansluts till Replit för webbdesign

13 oktober — Runway och Replit presenterar samma dag Runway för webbdesign: när Runway ansluts till ett Replit-projekt via Runway MCP genererar utvecklingsagenten bilder, videor och visuella resurser direkt i projektet, från den första idén till den färdiga webbplatsen. Sidan för Runway MCP listar Replit bland de miljöer som stöds, tillsammans med ChatGPT, Claude, Grok Bot, Muse och Cursor; Runway MCP var redan kompatibelt med Replit vid lanseringen den 27 maj, och tillkännagivandet handlar därför främst om att gemensamt lyfta fram samarbetet. Efter ChatGPT:s appkatalog den 7 oktober och Claude Motion den 8 oktober fokuserar Runway den här gången på webbdesign. Inga priser eller kostnader i krediter anges.

🔗 Runways tillkännagivande · Replits tillkännagivande

ElevenLabs löser fler än 22 000 supportärenden per månad med sina egna agenter

13 oktober — ElevenLabs visar hur företaget använder sin egen plattform: kundsupporten körs på ElevenAgents, som löser fler än 22 000 ärenden per månad utan mänsklig inblandning, med eskalering till teamet vid behov. Förra månaden hanterade agenten 65 % av ärendena från början till slut, den genomsnittliga tiden till första svar sjönk till 60 sekunder, jämfört med flera timmar tidigare, och 70 % av samtalen fick ett positivt omdöme. Agenten bygger på supportteamets rutiner, omvandlade till Procedures (i en strukturerad version för återbetalningar), och på webhook-verktyg som hämtar information om varje användares abonnemang, krediter eller röster; den validerades genom simuleringstester av ett femtiotal scenarier och observerades sedan i skuggläge (shadow mode) på verklig trafik innan den sattes i produktion. Architect, som lanserades den 6 oktober, används därefter för att förstå eskaleringarna och testa korrigeringar.

🔗 ElevenLabs support på ElevenAgents

Baronessan Campbell talar till överhuset med en röst återskapad av ElevenLabs

13 oktober — Baronessan Jane Campbell of Surbiton, aktivist för rättigheter för personer med funktionsnedsättning, som har spinal muskelatrofi och har varit ledamot på livstid sedan 2007, har sedan 2012 låtit en assistent läsa upp sina tal. Den här gången talade hon till överhuset med sin egen röst, återskapad med AI, vid den andra behandlingen av Health Bill, om personliga vårdbudgetar. Enligt ElevenLabs är det första gången en ledamot av det brittiska parlamentet använder en AI-genererad röst i någon av kamrarna. Baronessan återskapade själv sin röst med ElevenLabs kloningsverktyg utifrån äldre inspelningar; texten, omvandlad till tal med talsyntes, spelades upp via ett hjälpmedel med godkännande från överhusets procedurkommitté. ElevenLabs uppger att företaget har gett fler än 11 000 personer deras röst tillbaka.

🔗 Det första talet med en AI-röst i det brittiska parlamentet (ElevenLabs)

Forskning och öppna data: Prompteina designar proteiner, Basis publicerar Global Emotions, ett kritiskt blogginlägg om beslutsmodeller

Tre öppna publikationer för dagen: en textstyrd modell för proteindesign, en dataset med expressivt tal på 83 språk och en sifferbaserad kritik av beslutsmodeller.

Prompteina designar proteiner på allatomnivå utifrån en instruktion på naturligt språk

13 oktober — Försteförfattaren Joseph Lee presenterar Prompteina, ett arbete med bland andra tre forskare knutna till Ai2, som har delat det, och David Baker från Institute for Protein Design vid University of Washington som medförfattare. Artikeln på arXiv beskriver det som den första textstyrda modellen för generering av proteinstrukturer på allatomnivå. Där befintliga modeller kräver en särskild indatarepresentation för varje egenskap anges den önskade egenskapen här på naturligt språk: av 18 utvärderade strukturella egenskaper styr Prompteina 15 bättre än referensmodellerna. Modellen har tränats på 1,8 miljoner strukturer parade med 52,4 miljoner bildtexter, genom att anpassa NVIDIAs Proteina-Complexa. Vid agentstyrd design av bindare uppnår den på 20 mål 14 % högre förutsagd konfidens för bindning än den bästa referensmodellen. För GM2A, ett mål där ingen de novo-bindare tidigare hade rapporterats, gav 90 konstruktioner som testades i laboratoriet nio bindare, varav den starkaste uppvisar en skenbar dissociationskonstant på 107 nM. Koden och vikterna har publicerats.

🔗 Joseph Lees tråd · Design av proteinstrukturer utifrån naturligt språk (arXiv)

Basis publicerar Global Emotions, 525 timmar expressivt tal i 108 locales

12 oktober — Basis publicerar Global Emotions, en dataset med 525,17 timmar expressivt tal inspelat av 10 420 betalda modersmålstalare, i 108 locales och på 83 språk, i WAV med 48 kHz. Det utmärkande är strukturen: samma skådespelare läser samma replik med flera intensiteter, neutral, medelhög och sedan full, enligt en instruktion (glad, frustrerad, sarkastisk, viskande, sjungande…). Genom att hålla talaren och texten konstanta isoleras det som förändras i rösten, rytmen, tonhöjden eller talhastigheten när känslan blir starkare. Dataseten innehåller 137 696 inspelningar och 54 575 matchade serier, varav 12 141 inspelningar med en icke-verbal signal (suck, skratt). Basis uppger att den är fri att använda kommersiellt och för forskning, under en egen licens med villkorad åtkomst, men ljudet levereras i råformat utan brusreducering, och transkriptioner som har validerats av människor ingår inte: de säljs för 22,7 dollar per ljudtimme.

🔗 Basis Global Emotions (Hugging Face-bloggen)

Beslutsmodeller: ett kritiskt blogginlägg mäter deras begränsningar och tränar en med GRPO

13 oktober — I ett communityinlägg på Hugging Face-bloggen granskar Hajime Yagihara offentliga demonstrationer av beslutsmodeller, modeller som inte genererar några tokens utan returnerar en sannolikhet för varje alternativ. Hans tes: demonstrationskoden simulerar varje alternativ och skriver in resultatet i prompten, och gör alltså det svåra arbetet före modellen. I scenariot Predict Position i ViZDoom klarar Jev utan hjälp från koden 0 episoder av 128, sämre än slumpen (12 av 128), medan enbart koden klarar 126; i Snake sjunker resultatet till 63,5 % så fort ett enda steg måste förutsägas.

Författaren överför sedan GRPO från LLM:er till dessa modeller, där slutbelöningen fördelas på alla beslut i en episod. För NanoJev, en öppen reproduktion med 0,6 miljarder parametrar, ökar framgångsgraden från 19,4 % till 79,1 % utan expert, jämfört med 68,6 % genom att efterlikna en expert med SFT, och 81,4 % genom att kombinera de två i följd; träningen är fortfarande instabil kring steg 20.

🔗 Hajime Yagiharas inlägg (Hugging Face-bloggen)

Kortnyheter

Copilot CLI 1.0.97 — Nu i stabil version med 25 poster från förhandsversionerna. Varje anpassad agent kan ha egna deklarativa hooks, alla agenter i ett repo upptäcks även om de är fler än 100 och i Autopilot avvisas beslutet « ask » från en preToolUse-hook i stället för att körningen fastnar; Copilot SDK går över till 1.0.21. 🔗 källa · 🔗 SDK
Gemini CLI v0.65.0-preview.0 och v0.64.0 — Förhandsversionen lägger till fyra rättningar från den 13 oktober, däribland ett snabbt avbrott med Ctrl+C som inte längre skadar sessionen, och den stabila v0.64.0 innehåller inget nytt. Gemini 4 Argon finns ännu inte i väljaren: en PR från en extern bidragsgivare lägger till den, men har inte mergats. 🔗 källa
Antigravity 2.23.0 — Version från den 12 oktober (16 förbättringar, 8 rättningar): en behörighetsväljare för agenten i meddelandefältet, en helskärmsvisare för bilder och videor, .zip-arkiv som packas upp av agenten och agentreparation av en MCP-server som inte startar. 🔗 källa
Qwen Code v0.25.2-preview.0 — Cykelns första förhandsversion, två dagar efter den stabila v0.25.1: 115 poster, däribland 33 funktioner och 50 rättningar, Mods skrivna i TypeScript som kan fånga upp verktygsanrop, en utforskare för misslyckade tester och en filbläddrare med Excel-förhandsvisning i Web Shell. 🔗 källa
Jev i Amp — Panelen Changes i Amp ordnar automatiskt filerna i en diff med dem som förklarar ändringen först, mycket snabbare än tidigare tack vare TypeSafes beslutsmodell Jev; alfabetisk ordning är fortfarande tillgänglig. 🔗 källa
Versionsanteckningar för Devin från den 9 oktober — En tillbakablick: en vilande session kan nu bara återupptas i 14 dagar i stället för 30, Devin läser filen AGENTS.md när ett repo installeras och Devin Ultra blir tillgängligt för företag med noll datalagring (zero data retention), som tidigare saknade tillgång. 🔗 källa
Anthropic-nycklar blockeras som standard — GitHubs secret scanning känner igen Anthropics tjänstenycklar och användarnycklar och blockerar dem direkt med push-skyddet, även i kostnadsfria publika repos; en detektor för Cloudsmith läggs till och Salesforce blir partner för att återkalla Marketing Cloud-tokens som hittas i publika repos. 🔗 källa
Mätvärden för AI Scan — I offentlig förhandsversion mäter GitHubs security overview effekten av AI Scan för pull requests (genererade och åtgärdade fynd, åtgärdsgrad, användning av autofix-förslag), för kunder med GitHub Code Security eller GitHub Advanced Security. 🔗 källa
Hanterade inställningar för Copilot — Med forceRemoteSettingsRefresh kräver företagsadministratörer att Copilot CLI, VS Code och GitHub Copilot-appen hämtar den aktuella policyn vid start, och klienten blockerar åtkomsten om policyn inte kan bekräftas; via nyckeln sandbox krävs även en lägsta klientversion. 🔗 källa
Telemetri för Copilot — Den hanterade inställningen telemetry.capture.identity, avstängd som standard, kopplar Copilot-aktivitet till en användare i OpenTelemetry (GitHub-inloggning, systemkonto, datornamn) utan att samla in användarens prompts; fem kategorier av innehållsinsamling ställs in separat, alla avstängda som standard. 🔗 källa
Granskning av Code Quality — Manuella avfärdanden och återöppningar av fynd från GitHub Code Quality visas nu i granskningsloggen, med vem som utförde åtgärden, tidpunkt, repo, regel och antal fynd, i GitHub Team och GitHub Enterprise Cloud. 🔗 källa
Återkallade Dependabot-varningar — Webhooken dependabot_alert får åtgärden withdrawn, och REST API svarar med 410 Gone i stället för 404 för en återkallad varning, vilket skiljer den från en varning som aldrig har funnits. 🔗 källa
Anonyma register för Dependabot — Autentiseringsmetoden Anonymous gör det möjligt att på organisationsnivå ange ett privat register som kan nås utan inloggningsuppgifter, exempelvis en intern spegel som är öppen för läsning; de som använde en dummy-token måste återskapa sitt register. 🔗 källa
Faktureringsbudgetar i GitHub — Sidan Budgets and alerts samlar alla budgetar i en enda lista som kan filtreras efter omfattning, produkt, SKU eller användare, inklusive budgetar per användare. 🔗 källa
Ubers RSSI och IA-agenter — I en intervju publicerad på claude.com förespråkar Philip Martin, RSSI på Uber, att ett program mot insiderhot (insider threat program) tillämpas på IA-agenter och beskriver hur Enterprise Frontier Safeguards samverkar med ADR, Ubers open source-verktyg; inga siffror eller produktnyheter. 🔗 källa
Mistral Large 4 för visuell förankring — Enligt Mistral får modellen 42 % på benchmarken för visuell förankring (visual grounding) Dense 200, före även ledande slutna modeller, utan att ange någon konkurrent eller jämförelsepoäng; en demonstration visar den på tekniska ritningar. 🔗 källa
JJ-1 från JurinAI — Fyra beslutsmodeller med 0,8 till 9 miljarder parametrar för japanska affärsprocesser: i leverantörens rapport (88 813 frågor) når JJ-1-9B 79,20 %, före StartLux 9B (78,02 %), Jev 1.13 och Microsoft Decision-1 (76,50 %); vikter under CC BY-NC 4.0, utan kommersiell användning. 🔗 källa
AutoTrust — Två onlinedemonstrationer för korta videor och nyheter rangordnar sina rekommendationer med en enda beslutsmodell, utan träning eller loggar: en enda fråga med svarsalternativ för hela gruppen överträffar frågor kandidat för kandidat (AUC 0,931 på 0,42 s jämfört med 0,905 på 1,54 s för 200 fall); mätningarna är gjorda utanför produktion, påpekar författarna. 🔗 källa
MolmoAct 2 i topp hos Datapoint AI — Ai2:s robotpolicy leder Datapoint Robot Policy Bench, där bedömningen bygger på mänskliga preferenser, med 1 082 Elo-poäng på 21 130 röster, före OpenVLA-OFT (1 049) och π0.5-DROID (1 033); det är den andra oberoende rankningen efter Reality Check den 30 september. 🔗 källa
Molmo2Fish — Ai2 berättar hur Kai Van Brunt (MIT) finjusterade Molmo 2 på sonarvideo för att följa laxar och korrigera modellens fel med en enkel instruktion; prototypen presterar ungefär lika bra som ett specialiserat system, utan publicerade siffror, och är inte driftsatt. 🔗 källa
Taligenkänning för flygledning — NVIDIA publicerar två skills som vägleder en kodagent vid finjustering av Nemotron 3.5 ASR: på ett två timmar långt ATCO2-test går ordfelfrekvensen från 77,00 % till 22,46 %, och för allmän engelska från 3,50 % till 3,63 %. 🔗 källa
Efterträning hos Together AI — En receptsamling under Apache-2.0, som dykt upp utan någon annonsering, dokumenterar Together Post Training, där kunden skriver sin träningsloop på sin egen dator medan Together AI kör träningsprocessen och samplingen: recept för GRPO, SFT, DPO och multi-LoRA, utan priser eller siffror. 🔗 källa
Supabase i Grok Bot — Supabase ansluter till SpaceXSI:s partnernätverk: en begäran i Grok Bots chatt lämnas över till Cursor, som utför den på backend via Supabases MCP-server; i Cursor-sessioner avbryter bara omkring 2 % av felen sessionen, enligt Supabase. 🔗 källa
Higgsfield och GPT-6 Astra — I en fallstudie från OpenAI uppger Higgsfield AI att deras videor, som före GPT-6 Astra var begränsade till omkring en minut, nu överstiger 10 minuter; enligt företagets CEO hjälper modellens verktygsanrop för 3D-modellering till att hålla långa videor konsekventa. Inga kostnadssiffror anges. 🔗 källa

Vad det innebär

Lanseringen av Argon visar hur en frontiermodell nu sprids: samma dag som den blir allmänt tillgänglig lägger Cursor, Devin, GitHub Copilot och Manus till den, var och en med egna mätningar, och siffrorna går inte att jämföra med varandra. På CursorBench 4.0 matchar Argon Opus 5.5 vid medelhög effort, men kostar mer per uppgift och hamnar efter så fort effort höjs; på FrontierCode 1.1, Cognitions test, ligger den en tiondels poäng före GPT-6.1 Sol och nästan fem poäng efter Claude Opus 5.5; GitHub publicerar inga siffror. Priset väger lika tungt som poängen: 2 och 10 dollar per miljon tokens fram till den 30 november, därefter det dubbla. För ett team som väljer modell behöver kalkylen göras om i december.

The X Subscription förändrar Cursors ställning. Editorn säljs nu i samma abonnemang som Grok och X Premium, med en gemensam användningspott och minst dubbelt så mycket kodanvändning på SpaceXSI:s modeller. Modeller från andra laboratorier, som Gemini 4 Argon som blev tillgänglig i Cursor samma dag, är fortfarande tillgängliga, men först från 30 dollar per månad och debiteras till API-priset utanför potten. För nya abonnenter styr erbjudandet alltså mot företagets egna modeller; för befintliga kunder ändras inget så länge SpaceXSI inte har fastställt tidsplanen för den migrering som företaget har aviserat.

Cybersäkerhet präglar dagen. Google motiverar den nya generationens skyddsåtgärder med ett resultat: Argon löser de 12 simulerade cyberattackscenarierna, jämfört med 5 för den föregående generationen. XBOW visar å sin sida vad en modell som alla har tillgång till redan möjliggör: en komplett exploitkedja för Chrome för 40 000 dollar i beräkningskostnad. Försvaret bygger på övervakning i realtid: tre skyddslager runt Argon, en klassificerare i två steg hos Anthropic, som uppger sig minska mängden data som destillerare samlar in med 90 till 99 %, och hos GitHub en liten ModernBERT-modell som ersätter en LLM-pipeline, med 86 % kortare analystid och över 98 % lägre kostnad för att köra tjänsten.

Den lokala IA:n får slutligen konkreta verktyg. Nemotron 3.5 Bolt 74B ryms i 24 GB tack vare 2-bitars kvantisering, LFM2.5-24B-A2B aktiverar bara 2 miljarder parametrar per token och uppger 184 tokens/s på en Apple M5 Max, och Llama Windows gör att llama.cpp kan installeras med några klick. På serversidan öppnar NVIDIA koden till Run:ai så att partnerna själva kan orkestrera sina GPU:er, och Anthropic visar med Scion vad agenternas arbetstakt gör med verktygen: mer än 30 000 sammanslagningar per dag i september, jämfört med 2 500 i maj, har fått företaget att överge git.