Grok Voice 3.0 tar täten bland röstmodellerna, Gemini 4 Argon visar sina första vetenskapliga resultat, Claude Code satsar på parallella sessioner

SpaceXSI lanserar Grok Voice 3.0, som tar täten i Artificial Analysis Speech-to-Speech-index med oförändrat pris på 0,08 dollar per minut. Dagen efter att Gemini 4 Argon blivit allmänt tillgänglig visar Google modellen i arbete inom kvantdatavetenskap, robotik och med 205 000 rader Python, samtidigt som Anthropic omorganiserar skrivbordsappen för Claude Code kring parallella sessioner och släpper två versioner av sitt verktyg under dagen. Meta publicerar tio medicinska manuskript som tagits fram med dess Muse-modeller, NVIDIA avsätter beräkningsresurser till ett värde av 250 miljoner dollar för brittisk forskning om agentsäkerhet, och OpenAI säger sig ha upptäckt en dold inspelningsenhet på ett av sina kontor.

Grok Voice 3.0: SpaceXSI tar täten i Speech-to-Speech-indexet till ett oförändrat pris på 0,08 dollar per minut

14 oktober — SpaceXSI, tidigare xAI, lanserar Grok Voice 3.0, en röstmodell som hanterar hela kedjan från tal till tal (speech-to-speech) och som företaget beskriver som marknadens intelligentaste. Modellen grok-voice-3.0 finns tillgänglig samma dag i Voice Agent API och Voice Agent Builder, till samma pris som Grok Voice 2.0: 0,08 dollar per minut, alltså 4,80 dollar per timme. Agenter som anropar aliaset grok-voice-latest har övergått utan ändringar, med samma endpoint och samma sessionsparametrar. Grok Voice 2.0 markeras som föråldrad samma dag, utan något datum för när den tas ur bruk.

Utvärderad benchmark (Artificial Analysis, 13 oktober)	Grok Voice 3.0	Grok Voice 2.0	GPT-Live-1 (Astra, Medium)	Gemini 3.8 Live (Ext. Thinking, High)
Speech-to-Speech-index	86,9	81,3	83,2	82,6
Big Bench Audio (röstbaserat resonemang)	98,5 %	97,2 %	90,1 %	97,7 %
Speech Agent Arena (Elo, mänskliga preferenser)	1 070	1 011	1 048	990
Andel framgångsrikt utförda uppgifter	94,8 %	94,6 %	87,4 %	89,1 %
Full Duplex Bench (pauser, turtagning)	97,0 %	95,1 %	94,9 %	91,9 %
τ-Voice (supportsamtal)	71,6 %	56,5 %	74,5 %	68,6 %

Det är dessa mätningar från Artificial Analysis, daterade den 13 oktober, som SpaceXSI hänvisar till. Speech-to-Speech-indexet kombinerar röstbaserat resonemang, τ-Voice, mänskliga preferenser och framgångsrikt utförda uppgifter under samtal som jämförs i blindtester. Grok Voice 3.0 tar täten där, men vinner inte överallt: på τ-Voice, supportsamtal med varierande accenter, bakgrundsljud och avbrott, ligger dess 71,6 % under GPT-Live-1:s 74,5 %, en nivå som SpaceXSI bedömer som jämförbar, med 40 % lägre latens. På EVA-Bench, ServiceNows open source-testsvit för företags röstbaserade agenter med över 200 scenarier, får modellen högst träffsäkerhet, 74 %, enligt SpaceXSI. Därefter kommer prisargumentet: i Big Bench Audio kostar en uppgift i genomsnitt 0,025 dollar med Grok Voice 3.0, jämfört med 0,030 dollar för GPT-Live-1 och 0,055 dollar för OpenAI:s GPT-Realtime-2.1.

Modellen körs redan i stor skala hos Tesla och SpaceX: den hanterar miljontals samtal per dag i Teslas fordon och driver röstläget i Grok Bot. I Starlinks callcenter besvarar den 20 000 samtal per dag på flera språk: omkring 70 % löses utan mänsklig inblandning, och vart fjärde säljsamtal leder till ett köp innan samtalet avslutas. Den 24 augusti ledde Grok Voice Think Fast 2.0 redan detta index, då med 15 000 Starlink-samtal per dag.

🔗 Grok Voice 3.0 (SpaceXSI:s blogginlägg) · Tillkännagivande från @SpaceXSI · Versionsinformation för API:et

Gemini 4 Argon prövas: första vetenskapliga resultat, robotik och kodoptimering

Dagen efter att Gemini 4 Argon blivit allmänt tillgänglig dokumenterar Google modellen inom tre områden: vetenskaplig forskning, robotik och optimering av ett stort Python-repo. De två inläggen på utvecklarbloggen är daterade till lanseringsdagen; forskarnas tråd sammanställdes den 14 oktober av Google DeepMind.

Första vetenskapliga resultaten: kvantdatavetenskap, fusion och enzymdesign

14 oktober — Google DeepMind samlar i en tråd de första resultat som dess forskare har uppnått med Argon, vart och ett beskrivet i detalj dagen före av respektive författare.

Forskningsområde	Rapporterat resultat med Argon
Kvantfelkorrigering	Nästan fördubblad inferensgenomströmning för AlphaQubit-avkodaren
Kvantalgoritmer	arcsin-subrutin med mer än 100 gånger lägre kostnad än quantum CORDIC, verifierad i Lean
Plasmafysik	2 nya familjer av motexempel till Grads förmodan
Enzymdesign	5 nya serinesteraser (59 till 81 % identitet), aktivitet bekräftad i laboratorium
Sällsynta sjukdomar (Gamow Labs)	57 % på RareBench och 52,2 % på LabBench, två privata utvärderingar

Inom kvantdatavetenskap har Ben Jaderberg och hans team, tillsammans med Google Quantum AI, låtit Argon översätta en intern version av AlphaQubit, Googles avkodare för felkorrigering, till en enda optimerad hårdvarukärna (megakernel) som nästan fördubblar dess inferensgenomströmning, en användbar förbättring för en avkodare som måste följa kvantprocessorns mätningar i realtid.

Second, we used Argon to discover a quantum arcsin subroutine that cuts spacetime cost by more than 100x compared to the published quantum CORDIC baseline.

🇸🇪 För det andra använde vi Argon för att upptäcka en kvantsubrutin för arcsinus som minskar rumtidskostnaden med mer än en faktor 100 jämfört med den publicerade referensen quantum CORDIC. — @benjaderberg på X

Denna kostnad beräknas genom att multiplicera antalet qubits med körtiden, och kretsen har verifierats formellt i Lean. Inom plasmafysik presenterar Opal Issan två familjer av motexempel till Grads förmodan, som sedan 1967 antagit att vissa tredimensionella magnetiska jämviktstillstånd inte kunde existera; enligt hennes tråd hittades de med Argon, men sammanfattningen av arXiv-artikeln, som lämnades in den 5 oktober, nämner inte modellen. Inom biologin beskriver Ryan Krueger serinesteraser som utformats under några sessioner med prompts: Argon sammanställde data, finjusterade en proteinspråkmodell och byggde egna filter för aktiva ytor. Lanseringsinlägget tar också upp fallet Gamow Labs, där Argon identifierade en kromosomomlagring i en nyfödds genom som vanliga program hade missat i flera år.

🔗 Google DeepMinds tråd · Artikeln om Grads förmodan (arXiv) · Argons lanseringsinlägg

Robotik: från cornhole med humanoiden Apollo till en ökning av andelen lyckade försök i verkligheten från 56 % till 75 %

13 oktober — På lanseringsdagen ägnar Googles utvecklarblogg ett långt inlägg åt Argon inom robotik, skrivet av Kanishka Rao, med promptarna för varje demonstration. Lanseringsinlägget lyfter fram den mest talande av dem, ett internt test som utgick från en enkel video av en människa som spelar cornhole, spelet där man kastar påsar mot en bräda med ett hål: Argon kartlade omgivningen, beräknade hela kroppens rörelser och kodade sin egen simulering; när lösningen överfördes till Apptroniks humanoid Apollo lyckades roboten med sju kast i rad under verkliga förhållanden. Google sammanfattar denna övergång från video till simulering och sedan till verkligheten (Video-to-Sim-to-Real): veckor av manuell modellering som kortas till några timmar.

Kanishka Raos inlägg visar flera andra demonstrationer: en Spot från Boston Dynamics som tränar i en digital MuJoCo-tvilling innan den trycker på pedalen till en riktig soptunna, simuleringar som återskapats från en video filmad i ögonhöjd eller en skiss på papper, gåtan med de 12 kulorna som löses med tre vägningar av två robotarmar som enbart styrs av stereoseende. Det mest mätbara resultatet gäller träningen: utifrån ett enda foto av ett riktigt bord bygger Argon en MuJoCo-tvilling, genererar över 4 500 episoder och höjer andelen lyckade försök för en vision-language-action-modell (VLA) på den verkliga roboten från 56 % till 75 %, samtidigt som körtiden minskar från 35 till 24 sekunder. En SO-101-arm förbättrar sig också på egen hand, från 58,9 till 22,9 och sedan 17,4 sekunder.

🔗 Gemini 4 Argon för robotik (Google Developers)

ADK: elva timmars nattarbete med 205 000 rader Python, två av sex optimeringar godkända

13 oktober — Ingenjörer på Google Cloud gav Argon en mer krävande uppgift än att skapa en app från grunden: att hitta och åtgärda prestandaproblem i Python-repot för Agent Development Kit (ADK), Googles open source-framework för att bygga agenter, med omkring 205 000 rader, nästan 800 filer och nästan 17 000 enhetstester.

Mått för körningen på ADK	Publicerat resultat
Oövervakat nattarbete	11 timmar
Omkörda enhetstester	16 892
Föreslagna och därefter godkända optimeringar	6 föreslagna, 2 godkända
Förberedelse av långa sessioner i minnet	Cirka 40 % kortare
Import av paketet google.adk	21 % snabbare
Fullständig körning av 158 omgångar	Från 65,6 s till 56,1 s

Ett första försök på två timmar, utan anvisningar som var specifika för repot, hittade verkliga flaskhalsar men ignorerade underhållarnas konventioner och gick så långt som att ändra ett publikt JSON-schema. Inför det andra försöket lade teamet sina granskningsregler i mappen .agents/skills och aktiverade läget /goal i Google Antigravity, som behåller målet genom kontextkomprimeringar. Den mänskliga granskningen godkände bara två av de sex optimeringarna: att filtrera sessionshistoriken innan den kopieras och att läsa in tunga paket först när de används; de övriga byggde på ett instabilt tillstånd, ett privat attribut i OpenTelemetry eller vinster som var begränsade till syntetiska benchmarks. Förbättringen gäller bara sessionstjänsten i minnet, inte extern lagring. Teamet sammanfattar rollfördelningen: agenten utforskar, underhållaren skär bort.

🔗 Optimera ADK över en natt med Gemini 4 Argon (Google Developers)

Kodagenter: skrivbordsappen och två versioner av Claude Code, VS Code 1.142, HydraFusion Max

Anthropic omorganiserar skrivbordsappen för Claude Code kring parallella sessioner och släpper två versioner av sitt kommandoradsverktyg under dagen; VS Code gör Copilots agentramverk till standardval, och GitHub lägger till ett Max-alternativ för sin orkestrering av flera modeller.

Claude Code: skrivbordsappen organiseras kring parallella sessioner

14 oktober — Anthropic uppdaterar skrivbordsappen för Claude Code, fliken Code i Claude Desktop, för att göra det lättare att köra flera sessioner sida vid sida: enligt @ClaudeDevs går det snabbare att starta en session, det blir enklare att fördela arbete mellan flera, och man kan hela tiden se vad varje session gör.

Presenterad nyhet	Vad den tillför
Sessionsvy	Nyligen använda mappar med ett klick; sparade miljöer (några mappar, en SSH-värd eller molnet), valfri worktree per mapp
Nästlade sessioner	En session per parallell uppgift, som lämnar sitt resultat till huvudsessionen
Uppföljningsuppgifter	Föreslås av Claude under arbetet och startas med ett klick som en separat session; /btw öppnar sidofrågor i en flik
Sidofält och sidolist	Aktiva eller väntande sessioner, uppgiftslista i realtid, sammanfattningskort, körningsplats, kontext och ändringar

When you ask Claude to run tasks in parallel, it starts a nested session for each one. Each reports its result back into your main session when it’s done, so the main thread stays readable.

🇸🇪 När du ber Claude att utföra uppgifter parallellt startar Claude en nästlad session för varje uppgift. Varje session skickar tillbaka sitt resultat till din huvudsession när den är klar, så att huvudtråden förblir lättläst. — @ClaudeDevs på X

Sammanfattningskortet (recap card) sammanfattar omgången när Claude behöver användarens hjälp, och sidolisten visar var sessionen körs, dess kontext och dess ändringar. För att använda funktionerna räcker det att uppdatera appen och öppna en ny session; Anthropic anger varken versionsnummer eller tidsplan för utrullningen. Kom igång-sidan påminner om att Claude Code kräver ett Pro-, Max-, Team- eller Enterprise-abonnemang, med miljöerna Local, Cloud, SSH och WSL. Uppdateringen bygger vidare på omarbetningen av appen för parallella agenter som presenterades i april.

🔗 Tråd från @ClaudeDevs · Kom igång med skrivbordsappen

Claude Code 2.1.299: komprimering av inaktiva konversationer innan cachen löper ut, 131 buggfixar

14 oktober — Claude Code 2.1.299, som släpptes kl. 2.49 UTC, är en stor version med 190 poster, varav 18 tillägg, 131 buggfixar, 16 förbättringar och 25 ändringar; versionsnumren 2.1.297 och 2.1.298 hoppades över. Den mest märkbara nyheten riktar in sig på kostnaden för långa sessioner, komprimering vid inaktivitet (idle compaction): i terminalen komprimeras en konversation på över 200 000 tokens som lämnats orörd i ungefär 54 minuter innan dess promptcache på en timme löper ut, så att nästa meddelande inte kräver att allt bearbetas på nytt. Tröskeln ställs in med CLAUDE_CODE_IDLE_COMPACT_MIN_TOKENS, och "idleCompaction": false i settings.json stänger av funktionen. Med CLAUDE_CODE_DISABLE_FILE_MENTIONS får Claude sökvägen till filer som nämns med @ och läser dem själv med sina verktyg, i stället för att få deras innehåll. Kommandot /usage varnar nu för maximal resonemangsinsats, workflows, kontext som alltid är inläst och stora verktygsresultat, och visar inte längre någonsin mer än 100 %.

Versionen skärper också behörigheterna: en allow-regel för MCP gäller nu bara den server den namnger (mcp__a tillåter inte längre en server a__b), förfrågningar till connector-proxyn på claude.ai och till MCP-servrar som Anthropic är värd för följer inte längre HTTP-omdirigeringar, och UserPromptSubmit-hooks körs innan en skill eller ett kommando expanderas, vilket även blockerar deras inbyggda shell-kommandon. Bland säkerhetsfixarna finns att ett kommando som kördes i en sandbox kunde skriva till en --plugin-dir-mapp vars kod laddas om utanför sandboxen, att planläget kunde utföra en skrivning som tillåtits av en PreToolUse-hook och att en nekad sökväg fortfarande gick att nå via en symbolisk länk i sandboxen på macOS. Verktygsbeskrivningar från Anthropics MCP-servrar kapas inte längre vid 4 096 tecken, och Claude Tag, Claude i Slack, kan ta bort en canvas som det har skapat.

🔗 Versionsinformation för Claude Code 2.1.299

Claude Code 2.1.300: /advisor på Claude Platform on AWS, OpenTelemetry GenAI-spår, Claude Tag i Slack Connect

14 oktober — Dagens andra version, Claude Code 2.1.300 (kl. 18.24 UTC, 88 poster varav 59 buggfixar), utökar /advisor till Claude Platform on AWS: ingen rådgivarmodell körs där förrän användaren har valt en med /advisor, advisorModel eller --advisor, och CLAUDE_CODE_DISABLE_ADVISOR_TOOL=1 stänger av verktyget. Telemetrin följer nu OpenTelemetrys semantiska GenAI-konventioner (gen_ai.provider.name, gen_ai.conversation.id, gen_ai.tool.name och error.type på spans), och händelsen api_request skiljer mellan cacheskrivningar med 5 minuters respektive 1 timmes giltighet.

På säkerhetssidan valideras nu den ändrade indata (updatedInput) som en PreToolUse- eller PermissionRequest-hook returnerar på samma sätt som Claudes: okända nycklar tas bort, och om verktyget avvisar indata avvisas anropet. Hooks av typen agent följer äntligen sitt model-fält och använder, om den modellen inte är tillgänglig, anroparens modell i stället för att släppa igenom åtgärden. De lokala transkriptionerna sparar också systemprompten, verktygen och parametrarna för varje förfrågan, och alternativen --sandbox och --no-sandbox för claude remote-control, som inte hade någon effekt, tas bort. Claude Tag kan nu svara i Slack Connect-kanaler som delas med en annan organisation (inaktiverat som standard, kan aktiveras av en Owner eller en Claude Tag-administratör) och begär godkännande av en connector-åtgärd via ett privat kort med Allow once / Deny i stället för att neka den.

Claude Code-version	Publicering (UTC)	Publicerade poster	Varav buggfixar	Viktigaste nyhet
2.1.299	14 oktober, 2 h 49	190	131	Komprimering vid inaktivitet av konversationer på över 200 000 tokens
2.1.300	14 oktober, 18 h 24	88	59	`/advisor` på Claude Platform on AWS, OpenTelemetrys GenAI-attribut

🔗 Versionsinformation för Claude Code 2.1.300

VS Code 1.142: Copilot-harness som standard och canvaser i förhandsversion

14 oktober — VS Code 1.142 fortsätter övergången till Copilot-harness, som bygger på Copilot SDK och vars sessioner går via Agent Host för att kunna fortsätta i bakgrunden. Hittills har den funnits i harness-väljaren, men nu blir den gradvis standard för nya sessioner efter ”överväldigande positiv” återkoppling enligt teamet; Ask återkommer som en inbyggd agent med enbart läsbehörighet, och chattens titel visar vilken harness som är aktiv, Copilot eller Codex. En annan nyhet är canvaser (Canvases), i förhandsversion: interaktiva gränssnitt som öppnas bredvid chatten, där användaren och agenten redigerar samma artefakt, till exempel en Kanban-tavla där agenten uppdaterar uppgifterna. Varje canvas kommer från ett tillägg som agenten kan generera med kommandot /create-canvas. I fönstret Agents kan en chatt också byta mapp eller flyttas till ett nytt Git-worktree utan att förlora sin historik, tills vidare med Codex-harness.

För företag innebär en behörighets- eller sandboxpolicy nu att Copilot-harness i Agent Host måste användas: befintliga lokala chattar migreras dit automatiskt utan att något skickas, och Claude, Codex och terminalchatten blir otillgängliga så länge dessa policyer gäller. Administratörer kan tillfälligt behålla Local-harness, som inte tillämpar dessa körningsregler, och dess Windows-sandbox fasas ut till förmån för Agent Host-sessioner.

🔗 Versionsinformation för VS Code 1.142

HydraFusion Max: GitHub lägger till ett alternativ med spetskapacitet i sin orkestrering av flera modeller

14 oktober — GitHub vidareutvecklar HydraFusion, sin orkestrering som kombinerar flera modeller för att ge ett enda svar, utan att man behöver välja en modell för varje uppgift. Modellpoolen omfattar nu Claude Opus 5.5, GPT-6 Astra, GPT-6.1 Sol och GPT-6 Luna, och resonemangsinsatsen kan ställas in för varje steg: medel för första utkast, hög för granskning, medan HydraFusion hittills har hållit sig till varje modells standardnivå. Workflowen Cascade kan lägga in ett bedömningssteg som granskar det inledande arbetet och bara begär en korrigering vid behov, och Critique låter flera kritiskt granskande modeller arbeta parallellt, med verktyg för att inspektera arbetsytan direkt.

Tillgängligt alternativ	Positionering enligt GitHub
HydraFusion	Balans mellan hastighet, kostnad och prestanda, med måttliga tokenbesparingar
HydraFusion Max	Spetskapacitet och det mest avancerade resonemanget, med tokeneffektivitet som hanteras av orkestreringen

Båda alternativen finns fortsatt som forskningsförhandsversioner i VS Code, GitHub Copilot-appen och Copilot CLI, för abonnemangen Pro, Pro+, Business och Enterprise där experimentella funktioner eller förhandsfunktioner är aktiverade. GitHub publicerar varken benchmarkresultat eller priser för den här versionen; vid lanseringen i Copilot CLI den 4 september uppgav företaget 4,9 poäng högre kvalitet och 67 % lägre kostnad jämfört med Opus 5 på TerminalBench 2.1.

🔗 Uppdateringar av HydraFusion och det nya alternativet Max (GitHubs changelog)

Säkerhet och integritet: Anthropics valskydd, upptäckt av bedrägerier i telefonen, en dold inspelningsenhet hos OpenAI

Tre förtroendefrågor: Anthropic förbereder Claude inför mellanårsvalet i USA, Google DeepMind och GovTech Singapore upptäcker bedrägerier utan att lämna telefonen, och OpenAI säger sig ha upptäckt en dold inspelningsenhet på ett av sina kontor.

Mellanårsvalet: Anthropic stärker sina skydd och ska integrera röstningsinformation från Democracy Works

14 oktober — Inför mellanårsvalet i USA beskriver Anthropic de valskydd som har förstärkts sedan uppdateringen i april. En analys av 250 000 konsumentkonversationer på Claude.ai i USA, från den 21 till den 27 september, mäter först hur stor plats politiken tar.

Typ av konversation (Claude.ai, USA)	Andel av konversationerna
Politik, samhällspolitik, samhällsfrågor	Cirka 5,75 %
Val eller röstning	Cirka 0,51 %
Vem eller vad man ska rösta på	Cirka 0,01 %
I strid med reglerna om valintegritet (separat analys)	Cirka 0,002 %

Bannern som länkar till TurboVote (Democracy Works) finns kvar, och senare den här månaden ska Claude.ai integrera officiell röstningsinformation från Democracy Works i sina svar till amerikanska användare (var man röstar, vilken id-handling man ska ta med, med ett svar anpassat till varje delstat) och därefter visa de officiella resultaten på valkvällen och dagarna efter. Enligt Anthropic får Claude Opus 5.5, Sonnet 5.5 och Haiku 5.5 99 % i företagets utvärdering av politisk opartiskhet. Av tre oberoende utvärderingar noterar två (The Future of Free Speech och Collective Intelligence Project) få nekanden, men varningar och motargument som inte efterfrågats; den tredje, från Foundation for American Innovation, konstaterade att Claude Sonnet 4.5 inte alltid nyanserade på ett balanserat sätt och oftare tonade ned argument för högerpositioner. Tester som genomfördes med Institute for Strategic Dialogue och McCain Institute i USA, Israel och Brasilien visade att Claude pålitligt avvisade en enskild skadlig begäran, men kunde missa en kampanj som delats upp i små, till synes harmlösa uppgifter. Anthropic har lagt till klassificerare mot sådana missbruk i flera steg och stängt av konton tillhörande utlandsbaserade operatörer bakom en falsk nyhetssajt som använde Claude för att producera valbevakning som gynnade ryska, iranska och nordkoreanska narrativ.

🔗 Förberedelser inför mellanårsvalet i USA 2026 (Anthropic)

Bedrägerier: Google DeepMind och GovTech Singapore finjusterar Gemma för upptäckt i telefonen

14 oktober — Google DeepMind och myndigheten GovTech Singapore har finjusterat en lätt Gemma-modell, vars generation inte anges i inlägget, för att upptäcka bedrägerier direkt i användarens telefon. Utgångsläget beskrivs i siffror: i Singapore står bedrägerier för mer än hälften av de anmälda brotten och över 4 miljarder singaporianska dollar i förluster sedan 2019, och bedrägerier med avancerad social engineering står för upp till 80 % av förlusterna. Modellen har finjusterats på lokala bedrägerikonversationer: försök att utge sig för att vara myndigheter, banker eller kända personer samt aktuella regionala bedrägerier. Allt sker på enheten, i två steg för att spara batteri: en lätt klassificerare filtrerar inkommande meddelanden, varefter den finjusterade Gemma-modellen granskar ett större utdrag ur konversationen för att bekräfta hotet eller avfärda falsklarmet, innan en varning visas i realtid.

Modellen får bara åtkomst till konversationerna med användarens samtycke, och varken Singapores regering eller Google kan läsa dem; finjusteringen gjordes i Google Cloud-miljön som förvaltas av GovTech, med anonymiserade data och utan några medborgardata. Projektet, som presenterades på Singapore International Cyber Week, har ännu varken något datum eller någon namngiven app: utrullningen ska ske ”noggrant i etapper” (noggrant etappindelat) tillsammans med regeringen, och Google DeepMind överväger fler länder.

🔗 Google DeepMind och GovTech Singapore mot bedrägerier

OpenAI upptäcker en dold inspelningsenhet på ett av sina kontor

13 oktober — Enligt ett meddelande publicerat av företagets presskonto har OpenAI upptäckt en sofistikerad inspelningsenhet som dolts på ett av dess kontor. Företaget säger sig ha använt sina egna modeller för att förstå enheten och dess ursprung och till slut identifierat den anställda som hade placerat den där några dagar tidigare. Ärendet har överlämnats till FBI, och OpenAI tackar agenterna och åklagarna som agerade snabbt för att genomföra ett gripande; den federala utredningen fortsätter, och den anställda har avskedats.

At this time, we have no indications of this individual inappropriately accessing or exfiltrating model weights, source code, or customer data.

🇸🇪 I nuläget har vi inga indikationer på att den här personen på ett otillbörligt sätt har fått åtkomst till modellvikter, källkod eller kunddata, eller exfiltrerat dem. — @OpenAINewsroom på X

Enligt OpenAI riktar sig företagets säkerhetsprogram mot ett brett spektrum av hot, från interna risker till cyberbrottslingar och stater, och det här fallet visar hur AI kan hjälpa till att hantera dem. Meddelandet anger varken den anställdas identitet, vilket kontor det gäller, enhetens exakta beskaffenhet eller datumet för gripandet.

AI för vetenskap: tio medicinska manuskript från Meta med dess Muse-modeller, extremväder med 3 km upplösning med HiRO-ACEv2

Två vetenskapliga användningar av modeller: Meta påskyndar epidemiologiska studier av patientjournaler, Ai2 producerar högupplösta klimatdata till låg kostnad.

Meta publicerar tio forskningsmanuskript inom medicin framtagna med Muse Spark 1.3 och Muse Wonder

14 oktober — Meta har byggt en intern kodstruktur (coding scaffold), driven av Muse Spark 1.3 och Muse Wonder, som får tillgång till offentliga data och en licensierad retrospektiv databas med fem miljoner avidentifierade elektroniska patientjournaler. En grupp medicinska forskare (kardiologi, epidemiologi, infektionssjukdomar, internmedicin) använde den under fyra veckor för att formulera hypoteser, skriva och köra all analyskod och medförfatta manuskripten; experterna behåller beslutanderätten i vetenskapliga frågor. Arbetet resulterade i tio manuskript, granskade av kollegor i forskargruppen, av en biostatistiker och därefter av anlitade oberoende experter, vars utlåtanden publiceras under varje artikel.

Studie som nämns som exempel	Rapporterat resultat
Arytmier efter infektiös endokardit	+73 % nya arytmier och retledningsrubbningar jämfört med bakteriemier utan endokardit; risk efter ett år på 7 % jämfört med 4 %
Akutmottagningar, patienter med psykiska eller beteenderelaterade hälsoproblem som lämnade utan att ha blivit undersökta	Relativa risker på 1,86 (återbesök), 4,41 (sjukhusinläggning) och 2,15 (dödlighet på kort sikt)
Tid från första prompt till manuskript	Mindre än två veckor, ibland sju dagar

Deltagarna rapporterar en produktivitetsökning på upp till tio gånger i de bästa fallen, ett självrapporterat mått. Begränsningarna redovisas öppet: analyserna är enbart retrospektiva, och en extern granskare bedömer att arytmistudien genererar hypoteser snarare än ger underlag för att förändra klinisk praxis, eftersom övervakningsbias fortfarande kan förekomma. Denna hälsosatsning följer de sex matematikartiklar som skrevs med Muse Spark och publicerades den 2 oktober.

🔗 Metas blogginlägg

HiRO-ACEv2: Ai2 simulerar extrema väderhändelser globalt med 3 km upplösning, ungefär 300 gånger billigare än X-SHiELD

14 oktober — Ai2 publicerar HiRO-ACEv2, en ny version av sin högupplösta klimatemulator. Systemet kombinerar ACE, en AI-modell som simulerar klimatet med 100 km upplösning, med HiRO, som förfinar dessa utdata till 3 km. Medan den första versionen av HiRO bara genererade nederbörd förutsäger HiROv2 både regn, vindar nära markytan och lufttryck vid havsnivå. Med indata från X-SHiELD som skalats ned till lägre upplösning, en global atmosfärmodell som uttryckligen simulerar stormar, återskapar det modellens högupplösta statistik med en avvikelse inom 3 %, även för händelser som inträffar vid en av en miljon datapunkter, och uppskattar korrekt energin hos tropiska cykloner, även för stormar som aldrig förekom under träningen.

Mått som Ai2 anger	Angivet värde
Upplösning	3 km i utdata, från ACE med 100 km
Avvikelse från X-SHiELD:s statistik	Inom 3 %, även för händelser som inträffar en gång på en miljon
Kostnad jämfört med X-SHiELD	Ungefär 300 gånger billigare för globala data
Genererade simuleringar	10 år (ACE); ett helt år med globala data på 3 km
Modellernas licens	Apache-2.0, på Hugging Face

Begränsningen redovisas öppet: eftersom HiRO har tränats på X-SHiELD fungerar det bara med den ACE-version som anpassats till den modellen och kan ännu inte generera data för ett varmare klimat eller för historiska ERA5-data. Ai2 planerar att träna det på en värld som är 4 °C varmare och därefter lägga till temperatur nära markytan, snö och is. Modellerna publiceras med en teknisk rapport (arXiv 2610.17693), tutorial-notebooks och en demo.

🔗 Ai2:s blogginlägg · Modellerna på Hugging Face

Etableringar och investeringar: Anthropic i Singapore, 250 miljoner dollar från NVIDIA till brittisk forskning, Mistral köper New Material

Anthropic etablerar sig i Singapore med ett avtal med regeringen, NVIDIA satsar beräkningsresurser och investeringar i Storbritannien, och Mistral stärker sin produktdesign genom ett förvärv.

Anthropic öppnar sitt femte kontor i Asien och Stillahavsregionen i Singapore och undertecknar en avsiktsförklaring med regeringen

14 oktober — Anthropic öppnar ett kontor i Singapore, sitt femte i Asien och Stillahavsregionen, och undertecknar en avsiktsförklaring (Memorandum of Understanding) med Singapores ministerium för digital utveckling och information. Dokumentet undertecknades av ministeriets permanenta sekreterare, Kai Fong Chng, och Anthropics medgrundare Ben Mann i samband med Singapore International Cyber Week. Det omfattar samarbete kring säkerhet, skydd och modellutvärdering, tekniska utbyten om teststandarder och incidenthantering samt delning av data från Anthropic Economic Index.

Organisation i Singapore	Användning av Claude som Anthropic nämner
GovTech Singapore	Över 1 500 ingenjörer och tekniker använder Claude Code
Grab	Affärsassistenten BriX, ungefär 40 000 sparade timmar per kvartal
DBS och GIC	Användning eller driftsättning av Claude i banken och den statliga investeringsfonden
Sea (Shopee, Garena, Monee)	Shopees chatbot för kundservice, tusentals anställda som kodar med Claude

Enligt Economic Index ligger Singapore på andra plats bland 121 länder i användning av Claude.ai i förhållande till befolkningen, nästan sex gånger den nivå som landets storlek skulle antyda. Ett Builder Summit samlade över 300 utvecklare på öppningsdagen. Anthropic anger varken investeringsbelopp eller personalstyrka för kontoret, som rekryterar.

🔗 Öppnandet av kontoret i Singapore (Anthropic)

NVIDIA donerar beräkningsresurser värda 250 miljoner dollar till brittisk forskning om agentsäkerhet

13 oktober — NVIDIA tillkännager en donation av beräkningsresurser värd 250 miljoner dollar under fem år, alltså tillgång till beräkningsresurser för 50 miljoner dollar per år, till brittisk forskning om agenters säkerhet och skydd (agentic safety and security). Merparten går till det brittiska forskarsamhället inom AI-säkerhet och skydd som helhet; en del är reserverad för BOLD (Oxfords universitet), SOFAIR (UCL) och Imperial College London, som ska arbeta med säkerhetsteknik och robotik. Beräkningsresurserna ska tillhandahållas via NVIDIA Cloud Partners etablerade i Storbritannien, på infrastruktur som finns i landet; leverantörer, teknisk arkitektur och kommersiella villkor återstår att avtala om. Forskningen ska inriktas på säkra agenter, säkerheten hos öppna modeller och begränsning av verkliga hot, med sandboxar, reproducerbar forskning och benchmarks för säkerhetsutvärdering, bland annat på NVIDIA OpenShell och referensdesignen NVIDIA Sentry.

Blogginlägget som följer tillkännagivandet tar också upp planerade investeringar, utan angivna belopp, i fem brittiska startups: Boltz (biomolekylära modeller), Foresight (styrning av stora byggprojekt), Hiverge (upptäckt av algoritmer), Prima Mente (biologiska grundmodeller för Alzheimer, Parkinson och SLA) och Riverlane (kvantfelkorrigering). Tillkännagivandena kommer inför Jensen Huangs keynote på GTC Berlin den 21 oktober.

🔗 NVIDIA:s pressmeddelande · NVIDIA:s blogginlägg om det brittiska ekosystemet

Mistral köper designstudion New Material och skapar ett Solutions Design-team

14 oktober — Mistral köper New Material, en studio för design av AI-produkter som grundades för sex år sedan. Nyheten kommer från New Materials blogginlägg, som beskriver affären som ett förvärv; Mistral delade det på X för att välkomna teamet, utan något inlägg på sin egen webbplats eller något offentliggjort belopp. Studion uppger att den har levererat verktyg, produkter och företag byggda kring AI inom fordonsindustrin, handeln, juridiken och vården, med partner som Ford, Rafael Nadal, Wellcome Trust och advokatbyråer inom AmLaw 50. Hos Mistral bildar den ett nytt team, Solutions Design, som förenar design, ingenjörsarbete och AI och ska utveckla projekt tillsammans med kunderna för att knyta verkliga driftsättningar närmare Mistrals produkter inom verksamhetskritisk AI för företag och myndigheter. I maj hade Mistral redan köpt Emmi AI, en österrikisk specialist på Physics AI.

🔗 New Materials blogginlägg · Inlägg från @MistralAI

OpenAI mäter EU-företagens övergång till agentisk AI: 8,1 gånger fler användare i små och medelstora företag

14 oktober — OpenAI publicerar en rapport från sin ekonomiska forskning om agentisk användning av AI i företag inom Europeiska unionen, tillsammans med en PDF och data att utforska. I det europeiska urvalet av ChatGPT Enterprise-kunder står Codex och ChatGPT Work nu för mer än hälften av alla tokens i utdata: användarna överlåter hela uppgifter till agenter, från planering till genomförande.

Indikator som OpenAI mäter	Uppmätt värde
Andel tokens i utdata via Codex och ChatGPT Work (EU, ChatGPT Enterprise)	Mer än hälften
Veckovis aktiva användare av agentiska verktyg i små och medelstora företag i EU	×8,1 jämfört med veckan 1 till 7 maj
Agentisk andel av tokens i utdata per land	Från 22 % (Slovenien) till 85 % (Litauen)
Tokens i utdata under 28 dagar, relativt typiska företag i maj	Ledande utanför EU 12,9x; ledande inom EU 6,1x; typiska utanför EU 1,6x; typiska inom EU 1,5x
EU:s andel av världens ledande företag	10 %

Små och medelstora företag definieras här som företag med högst 200 anslutna användare, och deras ökning omfattar varje medlemsstat. Rapporten mäter framför allt en skillnad i användningsintensitet: i september genererade EU:s ledande företag (frontier firms, de 10 % som genererar flest tokens i utdata per aktiv användare) mer än fyra gånger så många som typiska företag i EU, men de ledande företagen utanför EU genererade fortfarande mer än dubbelt så många som de ledande företagen inom EU. Enligt OpenAI gäller det att omvandla ett brett införande till mer fördjupad användning genom att hjälpa företag att gå vidare från experiment och utbilda personalen. Rapporten följer den från den 30 september om amerikanska småföretag.

🔗 Nästa kapitel för AI i EU blir agentiskt (OpenAI)

Agentinfrastruktur: OpenTelemetry-traces på Claude Platform, routing av sandboxar hos Perplexity

Två byggstenar i verktygen för att köra och övervaka agenter i produktion: observabilitet hos Anthropic och dirigering av förfrågningar till rätt exekvering hos Perplexity.

Claude Platform exporterar OpenTelemetry-traces från Messages API, Managed Agents och SDK:er i offentlig beta

14 oktober — Claude Platform kan nu, i offentlig beta, skicka OpenTelemetry-traces från Messages API, Claude Managed Agents och Claude SDK:er till alla observabilitetsverktyg som accepterar en standardiserad OTLP-endpoint. Varje agenttur, modellanrop och verktygsanrop kommer som en standardiserad trace med latens, tokens och identifierare. För Messages API och Managed Agents behöver en destination läggas till i Claude Console; SDK:erna exporterar automatiskt sina spans, i Python, TypeScript, C#, Go, Java, PHP och Ruby enligt versionsinformationen. Dessa spans följer OpenTelemetrys semantiska GenAI-konventioner och innehåller som standard metadata (varaktighet, status, antal tokens, modell, verktygsnamn); en destination inställd på fullständigt innehåll (full content) exporterar även prompts, svar, verktygens indata och resultat. Samma dag anpassar Claude Code 2.1.300 sina egna spans till dessa konventioner.

Användning som lyfts fram	Verktyg som Anthropic nämner
Felsöka tillsammans med resten av stacken	Grafana Cloud, Honeycomb, Sentry, Splunk
Omvandla verkliga traces till utvärderingar	Arize AI, Braintrust, Datadog, Langfuse, LangSmith, New Relic, PostHog
Följa tokenanvändningen per team	Databricks Unity Gateway

Bland kundberättelserna förklarar Ramp att Reflect, dess system som bedömer agenternas Langfuse-traces, redan har minskat tokenanvändningen med 10 till 20 % och gjort sessionerna 30 % snabbare för vissa agenter. Anthropic anger varken pris eller tidsplan för allmän tillgänglighet.

🔗 Observabilitet för agenter på Claude Platform · Versionsinformation för Claude Platform

SPACE: Perplexity kopplar varje förfrågan till rätt exekvering i en sandbox

14 oktober — Perplexity publicerar ett tekniskt blogginlägg om SPACE, plattformen med sandboxar där Perplexity Computers agenter körs. Enligt Perplexity har SPACE i flera månader hanterat miljontals exekveringar per dag med en felfrekvens under 0,0002 % och utan en enda förlorad anslutning. Problemet som behandlas är en inaktuell rutt: en sandbox som återupptas på en annan maskin behåller sin identifierare men startar en ny exekvering, och en fördröjd förfrågan kan nå den gamla under rätt namn. En enkel filläsning passerar genom kontrollplanet, node-api, sbx-manager, en Unix-socket och värdbryggan och sedan via VSOCK till Firecracker-microVM:en.

Lösningen är att skilja sandboxens stabila identitet från exekveringsidentiteten, som anger en viss instans och dess placering. Efter auktorisering bär varje förfrågan ett behörighetsbevis signerat med Ed25519, giltigt i 120 sekunder, som den mottagande komponenten jämför med sin egen registrering innan den vidarebefordrar förfrågan; terminaler och filbevakningar kopplas från så snart en ny exekvering startar. Hotmodellen utesluter att en exekveringsmaskin (worker) komprometteras på root-nivå, och verifieringen sker lokalt utan fjärrattestering av hårdvara. Avslutningsvis jämför blogginlägget SPACE med OpenShell, som har jämförbara garantier, och med E2B och CubeSandbox, som vidarebefordrar utan en förväntad exekveringsidentitet: dessa slutsatser är begränsade till de implementationer som granskats, förtydligar Perplexity.

🔗 Perplexitys blogginlägg om SPACE

Generalistagenter: Ultrafast-versionerna i Perplexity Computer, Manus for Business för team

Agenter som utför långvariga uppgifter åt användaren satsar på två saker: modellernas hastighet hos Perplexity och teamarbete hos Manus.

Perplexity Computer gör Ultrafast-versionerna av GPT-6 Astra och GPT-6.1 Sol tillgängliga för Max-abonnenter

14 oktober — Perplexity ger Max-abonnenter tillgång till Ultrafast-versionerna av två OpenAI-modeller i Perplexity Computer, företagets agent för uppgifter i flera steg: GPT-6 Astra och GPT-6.1 Sol, skrivet ”SOL 6.1” i tillkännagivandet. Båda modellerna genererar sina tokens snabbare, vilket gör att Computers långvariga uppgifter blir klara tidigare. Valet görs manuellt: välj Astra eller SOL 6.1 i menyn Custom och ställ sedan in hastigheten på Ultrafast. Tillkännagivandet anger varken hastighetsökningen eller kreditförbrukningen och säger inget om andra abonnemang; produktens changelog har ingen nyare post än den från den 5 oktober. Det är Perplexitys variant av en nivå som OpenAI lanserade för GPT-6 Astra den 29 september och sedan för GPT-6.1 Sol den 8 oktober, med upp till 8 gånger högre hastighet enligt OpenAI.

🔗 Perplexitys tillkännagivande

Manus for Business: ett Team Plan från 20 dollar per plats och ett Enterprise-erbjudande

13 oktober — Manus lanserar Manus for Business, ett erbjudande för team som samlar Manus Team Plan och ett Enterprise Plan.

Manus-abonnemang	Innehåll enligt Manus
Manus Team Plan	Från 20 dollar per betald plats och månad eller 200 dollar per år, för 4 000 krediter; kostnadsfria gästplatser
Manus Enterprise	Kontakta försäljningsavdelningen: hanterade konton, bevarande av juridiska skäl, SIEM-integration, kontroller av agenternas nätverksåtkomst, användningsgränser per användare

Team Plan, som är tillgängligt redan nu, ger projekt som bevarar kontexten (instruktioner, filer, Skills och anslutningar som delas mellan relaterade uppgifter, inklusive schemalagda uppgifter), gemensamma Skills som administratörerna kan göra obligatoriska, åtkomst begränsad till teamet för uppgifter, filer och interna webbplatser samt gemensamma krediter som följs i en kontrollpanel. Gäster granskar och kommenterar utan att ta upp en betald plats. Roller, granskningsloggar, SSO och SCIM kompletterar helheten; Manus uppger att de förbjuder modellleverantörer att träna på Team-kundernas data och att de har certifieringarna SOC 2 Type II, ISO 27001 och ISO 27701.

🔗 Vi presenterar Manus for Business

Forskning om agenter: HybridAgent resonerar i det latenta rummet, Cohere Labs utvärderar team av kodagenter

Två studier försöker göra agenter billigare: den ena genom att låta dem resonera utan att producera tokens, den andra genom att organisera deras team bättre.

HybridAgent: agenter som tänker i det latenta rummet och agerar genom text

13 oktober — Forskare från Stanford, Together AI, UIUC och Meta, enligt arXiv-publiceringen med bland andra Jiaru Zou och James Zou som författare, presenterar HybridAgent, agenter med hybridresonemang som under en och samma generering växlar mellan resonemang i det latenta rummet och handlingar i text. En lättviktig modul, HybridLink, för tillbaka det sista lagrets dolda tillstånd till indatans embeddingrymd: modellen resonerar utan att producera tokens och återgår sedan till text för att anropa sina verktyg, en Python-tolk och webbsökning. Varje latent steg kan fortfarande läsas i form av pseudotext. Träningen sker i två steg: HybridSFT lär sig samordningen med HybridLink, och därefter lär sig HybridRL när modellen ska tänka i det latenta rummet och när den ska agera genom text.

Publicerat mått (enligt författarna)	Uppgivet värde
Prestandaökning på 11 benchmarktester och 3 storlekar	+10,4 %
Minskning av tokens	35,5 % till 54,7 %
Inferenshastighet	1,8 till 2,6 gånger snabbare
Kostnadsbesparingar	2,7 till 3,7 gånger

Modellerna HybridAgent-8B-Agentic och 14B-Agentic publiceras tillsammans med koden under MIT-licens; inget tillkännagivande från Together AI åtföljer artikeln.

🔗 Artikeln på arXiv

Cohere Labs: en stark huvudagent med billiga agenter omkring sig närmar sig det bästa resultatet med 70 % lägre kostnad

14 oktober — Cohere Labs publicerar en studie om hur team av kodagenter organiseras, författad av Keenan Samway, Daniel D’souza och Nouha Dziri. I ett medvetet minimalt testramverk tilldelar en huvudagent (lead) deluppgifter till sekundära agenter (workers), och bara en parameter ändras åt gången: delegerade steg, blockerande eller asynkron väntan, modell för varje roll, teamstorlek, direktmeddelanden. Det huvudsakliga benchmarktestet, ProgramBench, kräver att 200 program återskapas enbart utifrån deras körbara filer och dokumentation, från jq och ripgrep till SQLite eller FFmpeg.

Utvärderad konfiguration (ProgramBench, GPT-5.6)	Genomsnittlig belöning	Total kostnad för de 200 uppgifterna
Sol ensam, prompt i tre steg	57,7 %	Ingen siffra anges i texten
Asynkront Sol-team, tre delegerade steg	63,2 %	510 dollar
Asynkront Sol-team, endast planeringen delegerad	63,6 %	249 dollar
Huvudagent Sol och 16 Luna-agenter, planering	61,8 %	155 dollar

Att bara delegera planeringen ger alltså lika bra resultat som att delegera allt, till halva kostnaden, och en huvudagent Sol med stöd av 16 GPT-5.6 Luna-agenter når 61,8 % för 155 dollar, 70 % mindre än teamet med enbart Sol som delegerar allt. En svag huvudagent kan inte komma ikapp: med Luna-agenter ligger en huvudagent Terra (51,6 %) fortfarande under Sol som arbetar ensam (57,7 %). På en delmängd med 30 uppgifter, med en enda körning per modell, vinner Claude Opus 4.8 5,9 poäng i team medan Claude Opus 4.7 knappt delegerar; ett test av Claude Opus 5 avbröts efter åtta uppgifter, som alla nådde tidsgränsen på åtta timmar, till en kostnad av cirka 500 dollar vardera. Studien utvärderar ingen modell från Cohere.

🔗 Cohere Labs blogginlägg

Generativa medier: FLUX 3 Video blir billigare, Runway hos Baseten, HeyGens röst anpassas till miljön

Generativ video blir billigare och flyttar in i företagens dedikerade infrastruktur, medan HeyGen dokumenterar röstkloningen i sina videor.

FLUX 3 Video upp till dubbelt så snabbt och upp till hälften så dyrt i 2K och 4K

14 oktober — Black Forest Labs meddelar att FLUX 3 Video nu är upp till dubbelt så snabbt och kostar 50 % mindre för generering i nativ 2K och 4K. Laboratoriet förklarar att de har optimerat tjänsten så att den kräver mindre beräkningsresurser och låter vinsten slå igenom i både pris och hastighet. I ett andra inlägg hävdar de att 4K-kvaliteten är bättre än hos Kling o3 vid jämförbart pris och jämförbar latens, utan att publicera något benchmark i tråden.

FLUX 3 Video-upplösning	Text eller bild till video (per sekund)	Video till video (per sekund)
HD	0,17 → 0,15 dollar	0,41 → 0,21 dollar
FHD	0,29 → 0,24 dollar	0,53 → 0,27 dollar
QHD (2K)	0,40 → 0,28 dollar	0,65 → 0,31 dollar
UHD (4K)	0,80 → 0,41 dollar	0,95 → 0,45 dollar

Prislistan på bfl.ai nyanserar uppgiften ”50 %”: i 2K och 4K varierar sänkningen från 30 % (2K från text eller bild) till 53 % (video till video), och även HD och FHD blir billigare; utkastläget (Draft) ligger kvar på 0,06 dollar per sekund, endast i HD. FLUX 3 Video lanserades den 4 augusti.

🔗 Black Forest Labs tillkännagivande · Sidan för FLUX 3 Video · Prislistan för FLUX 3 Video

Runway samarbetar med Baseten för att driftsätta Gen-4.5 och Aleph 2.0 i dedikerade miljöer

14 oktober — Runway och Baseten samarbetar för att erbjuda Runways videomodeller till företag i dedikerade miljöer. Gen-4.5 och Aleph 2.0, där den senare redigerar sekvenser med flera scener på upp till 30 sekunder i 1080p, kan nu driftsättas, inklusive finjusterade versioner, i miljöer för en enda kund (single-tenant) via Baseten Dedicated Inference. Företaget licensierar modellvikterna direkt från Runway och driftsätter dem sedan hos Baseten, där varje driftsättning körs i ett isolerat exekveringsplan med dedikerade GPU:er, medan Baseten hanterar kontrollplanet. Infrastrukturen omfattas av Basetens program för SOC 2 Type II och HIPAA, tillgängligheten garanteras till 99,99 %, och kunderna kan finjustera modellerna på sina data och reservera GPU-kapacitet. Inga priser anges. Erbjudandet bygger vidare på Runway Model Licensing, som lanserades den 11 september för att licensiera sina stängda modellvikter till företag.

🔗 Runways tillkännagivande · Basetens blogginlägg

HeyGen Voice: den tekniska rapporten om röstkloning som anpassar rösten till miljön

14 oktober — Fem dagar efter lanseringen av HeyGen Voice publicerar HeyGen den tekniska rapporten om sin röstmodell, som presenteras som den första som utformats för video. Röstreferensen fastställer vem som talar, medan målbilden och beskrivningen av scenen styr hur rösten ska låta: en språkmodell tar fram två textbeskrivningar från dem, en för talaren (ton, rytm, betoning, uttrycksfullhet) och en för bakgrunden (rummet och dess akustik). Videon renderas av en separat avatarmodell.

Blindutvärdering (utförd av HeyGen)	HeyGen Voice föredras
Anpassning till miljön, jämfört med Cartesia	73 %
Anpassning till miljön, jämfört med ElevenLabs v4	70 %
Anpassning till miljön, jämfört med Seedance 2.5	65 %
Användarnas val, jämfört med ElevenLabs v4	62,2 %
Användarnas val, jämfört med Cartesia Sonic 3.6	54,1 %

I det första testet placeras samma röst i 50 miljöer, från en katedral till framsätet i en bil; i det andra har tusentals användare spelat in sin röst och sedan valt vilken version de ville använda utan att se någon etikett, med 41,7 % för HeyGen Voice i jämförelsen mellan tre alternativ. Siffrorna kommer från HeyGen.

🔗 HeyGens tråd · Forskningssidan för HeyGen Voice

Chip: NVIDIA lanserar cuPotential och utökar CUDA-X till AI-styrda halvledarfabriker

14 oktober — NVIDIA presenterar cuPotential, ett nytt CUDA-X-bibliotek som gör det möjligt att bygga agenter som kan simulera interaktioner mellan atomer och molekyler, en central beräkning för att modellera material och tillverkningsprocesser för halvledare. I tester med tidig åtkomst gjorde det redan GPU-optimerade arbetsflöden ytterligare 2 till 3 gånger snabbare; Synopsys är en av de första användarna. Tillkännagivandet ingår i satsningen på AI-styrda halvledarfabriker (AI-defined fabs), där agenter hjälper ingenjörer att optimera processer, lösa produktionsproblem och förbättra utbytet.

Partner eller verktyg	Uppgivet resultat (enligt NVIDIA)
NVIDIA cuPotential	Ytterligare 2 till 3 gånger för redan GPU-optimerade arbetsflöden (tidig åtkomst)
Lam Research (NanoVDB, SEMulator3D)	Upp till 30 gånger för vissa modeller av etsning, senast i slutet av 2026
KLA (NPP)	50 gånger snabbare än tidigare CPU-versioner
Applied Materials	Kammarsimuleringar upp till 35 gånger snabbare
Synopsys	Potentiellt 30 gånger (cuEST, QuantumATK) och 12 gånger (cuDSS, S-Device)

Samma dag illustrerar ett tekniskt blogginlägg agentdelen: med det öppna biblioteket NeMo Gym utvärderade Siemens Fuse-teamet sin agent för karakterisering av standardceller genom att jämföra dess Liberty-filer med verifierade referenser. Under cirka 25 körningar, med Claude Opus 4.8 i Claude Code och både modellen och testramverket oförändrade, finjusterade teamet sina skills och sina beskrivningar av MCP-verktyg: den sammanvägda poängen ökar från cirka 55 % till cirka 95 %, antalet agentomgångar minskar från 155 till 53 och antalet utgående tokens från cirka 81 000 till 29 000.

🔗 NVIDIAs pressmeddelande · Tekniskt blogginlägg om NeMo Gym och Siemens Fuse

Modeller och öppna miljöer: UltraBERT-encoders, flerspråkiga RL-miljöer hos Hugging Face

Två öppna publiceringar på Hub: en familj av encoders för klassificering och sökning samt miljöer för förstärkningsinlärning på mer än hundra språk.

UltraBERT: DMIS Lab publicerar engelska encoders på 150M och 380M med 32K kontext

14 oktober — Laboratoriet DMIS (Data Mining and Information Systems Lab) publicerar UltraBERT, en familj av engelska encoders med 150M och 380M parametrar och en nativ kontext på 32K tokens, samt UltraBERT-Embed-150M, en färdig modell för embeddings, allt under Apache 2.0 och med en artikel (arXiv 2610.15028). Ablationsstudier som tillsammans omfattar över 70 000 miljarder tokens lyfter fram två slutsatser: encoders slutar förbättras efter 1 000 till 2 000 miljarder tokens trots att förlusten fortsätter att minska, och maskeringsgraden avgör deras specialisering, där en låg grad gynnar klassificering och en hög grad sökning. UltraBERT blandar därför 5 % och 50 % maskering i varje batch, med ett språkmodellhuvud per maskeringsgrad.

Publicerad UltraBERT-modell	Resultat uppgivet av författarna
UltraBERT-380M	91,0 på GLUE, 47,7 på BEIR
UltraBERT-150M och 380M	Bäst resultat på 9 av 10 benchmarktester; 99 % i testet med den dolda nyckeln upp till 32K tokens
UltraBERT-Embed-150M	67,24 på MTEB (eng, v2), bästa modellen för täta embeddings med färre än 200M parametrar

🔗 DMIS Labs blogginlägg

Hugging Face släpper RL-miljöer för OCR på 22 språk och taligenkänning på 102 språk

14 oktober — Adithya S K, som arbetar med miljöer för förstärkningsinlärning hos Hugging Face, presenterar vad han beskriver som de största flerspråkiga och multimodala RL-miljöerna med open source. Två OpenEnv-miljöer med verifierbara belöningar publiceras: en för dokumentigenkänning (OCR), med över en miljon sidor på 22 språk från Cognitive Labs Nayana-korpus, och en för taligenkänning (ASR), med tal på 102 språk från Googles FLEURS, totalt över 12 miljoner uppgifter. Principen: återanvända befintliga öppna dataset och förse dem med verifierbara belöningar. För att visa att miljöerna går att använda för träning har författaren finjusterat Gemma 4 E4B med GRPO på kannada, på en enda A100: 16 % färre teckenfel på Sarvam AI:s OCR-testdata som hållits utanför träningen, och 45 % färre på 838 talutdrag som hållits utanför träningen. RL Environment Explorer, som presenterades den 7 oktober, omfattade redan över 12 miljoner uppgifter; det nya är den officiella presentationen och de första träningsresultaten.

🔗 Adithya S K:s tråd

GitHub Actions: lockfiler för beroenden i workflows i offentlig förhandsversion

14 oktober — Utanför AI-området lanserar GitHub Actions lockfiler (lockfiles) för beroenden i workflows i offentlig förhandsversion på GitHub Enterprise Cloud (med eller utan datalokalitet), Team och Free. Risken som ska hanteras är välkänd: en tagg eller en branch kan flyttas efter att ett workflow har granskats, och en komprometterad action kan injicera skadlig kod utan någon ändring alls i repot. GitHub CLI-tillägget gh actions-lock genererar .github/workflows/actions.lock med commits för actions, deras transitiva beroenden och återanvändbara workflows; Actions kör sedan den låsta committen även om taggen flyttas. Införandet sker ett workflow i taget, en policy med namnet Require lockfile gör det möjligt att kräva detta, och Dependabot uppdaterar den låsta posten i samma pull request som den nya versionen av en action. GitHub påminner om att låsning inte säger något om hur säkert ett beroende är, och att det måste granskas innan det låses.

🔗 Lockfiler för workflows i GitHub Actions i offentlig förhandsversion (GitHubs changelog)

Notiser

Agenter och kodverktyg

Copilot CLI 1.0.98 — Släppt som stabil version dagen efter 1.0.97, med stöd för Gemini 4 Argon och mer lätthanterliga svar från /ask: Ctrl+E fäller ut dem, Ctrl+Y kopierar dem i sin helhet, /ask eller /btw öppnar det senaste fullständiga svaret igen; Copilot SDK 1.0.22 inkluderar bara CLI:n. 🔗 källa
Zed 1.24 och förhandsversion 1.25.0 — 1.24 blir stabil (1.24.2) med bara en ytterligare felrättning jämfört med förhandsversionen; 1.25.0-pre lägger till Gemini 4 Argon hos Google AI-leverantören, GPT-6 Astra, Claude Fable 5.1 och Claude Opus 5.5 i Bedrock samt kontextkomprimering för ACP-agenter, och visar inte längre hemligheter från externa agenter och MCP-servrar i den lokala processlistan. 🔗 källa
Antigravity-tillägget 1.8.0 för VS Code — Tillbakablick på den 11 oktober: utan automatisk acceptans förblir diffgranskningarna öppna och samlas från en agentomgång till nästa, ändringar på disk upptäcks på mindre än en sekund, och VSIX-paketet är omkring 70 % mindre. 🔗 källa
DeepSeek Harness 0.2.1-alpha.3 — 27:e förhandsversionen, fortfarande utan stabil version: nycklar och tokens döljs som standard i skickade meddelanden, särskilda agentförinställningar (Agent Presets) för underagenter, återupptagning av sessioner i SDK:erna och tio felrättningar; Azure-leverantören, som bytt namn till azure, kräver att konfigurationerna migreras. 🔗 källa
GPT-5.5 lämnar Codex — Som meddelades den 15 september lämnade GPT-5.5 Codex den 14 oktober kl. 19 UTC för konton inloggade med ChatGPT, och ersattes av GPT-6.1 Sol (Plus, Pro, Business, Enterprise, Edu) eller GPT-6 Luna i skrivbordsappen (Free och Go); API:et och sessioner med API-nyckel berörs inte. 🔗 källa
Amp och OpenAI:s modeller — I en fallstudie från OpenAI uppger Amp att dessa modeller står för merparten av förbrukade tokens, och att vissa användare förbrukar 10 miljarder i veckan; Calling Puck gör det möjligt att prata med dess metaagent i realtid tack vare GPT-Live-1, och teamet testar Ultrafast-läget i GPT-6 Astra. 🔗 källa
cuDF-skills för Apache Spark — NVIDIA publicerar skills för agenter som skriver om Sparks UDF:er till GPU-accelererade motsvarigheter; hos en stor, icke namngiven koncern har över 30 UDF:er i produktion konverterats, varav en gick från 274,55 till 12,78 timmar på 600 miljarder rader. 🔗 källa
Built with Claude: Japan 2026 — Anthropic och Cerebral Valley arrangerar den 2 till den 10 november ett helt nätbaserat Claude Code-hackathon för personer bosatta i Japan: 250 utvalda deltagare får ett Max 5x-abonnemang och 500 dollar i API-krediter, 50 000 dollar i krediter står på spel, ansökan är öppen till den 26 oktober. 🔗 källa
Astra Commons-träffar — I september samlade Codex Ambassadors omkring 2 500 utvecklare i 52 städer, på kaféer, i gallerier och på universitet, inför lanseringen av GPT-6 Astra, enligt Rhiannon Payne från OpenAI:s communityteam. 🔗 källa

Assistenter, företagsverktyg och guider

Genspark — Muse Wonder från Meta och därefter Gemini 4 Argon blir tillgängliga inom några timmar i AI Chat, Code Agent och Claw, med leverantörernas säljargument och utan angivna abonnemang eller priser. 🔗 källa · 🔗 Argon
My Fish i Sakana Chat — Sakana AI gör assistentens minne synligt: en värmekarta över läsningar och skrivningar, en kategorivy, en karta över kopplingarna mellan minnen, som tonas ned efter 30 dagar utan användning, samt historik, allt under Inställningar → My Fish, både på webben och i mobilen. 🔗 källa
Gloss — Together AI lyfter fram en gratis open source-app för att spara artiklar, PDF:er och bokmärken från X och fråga AI:n om ett markerat textavsnitt, byggd med DeepSeek V4.1 Flash på företagets plattform. 🔗 källa
MCP i Apigee hybrid — Från och med version 1.17.0 räcker en OpenAPI-specifikation för att exponera varje operation i ett API som ett MCP-verktyg, med ett dataplan som ligger kvar i kundens Kubernetes-kluster: inga verktygsanrop passerar Google Cloud. 🔗 källa
Kostnaden för AI-verktyg enligt Perplexity — En guide beskriver prismodeller och dolda kostnader (ett hypotetiskt team med 10 personer som vissa månader betalar 350 dollar, plus 18 timmars internt arbete) och sammanfattar Perplexitys prisnivåer, från Free till Enterprise Max; inga nyheter tillkännages. 🔗 källa
MCP-verktygen enligt Perplexity — En andra guide förklarar vad ett MCP-verktyg är och påminner om de två sätten att använda MCP med Perplexity: ansluta MCP-servrar på Pro, Max och Enterprise, eller från exempelvis Claude Code anropa de fyra verktygen i Perplexitys egen MCP-server. 🔗 källa

Fallstudier och driftsättningar

Third Moment Research — I en fallstudie från OpenAI kör detta laboratorium 10 000 samtidiga agenter i sessioner på 36 till 48 timmar, har förbrukat 1 000 miljarder tokens på en dag och har minskat tiden för ett retrospektivt test (backtest) med 97 % med Codex; GPT-6.1 Sol är dess mest använda modell. 🔗 källa
SentinelOne och Daybreak — Enligt företagets AI-chef, Gregor Stewart, utför OpenAI Daybreak på omkring åtta timmar reverse engineering av skadlig programvara på mänsklig nivå, något som tog en toppforskare fyra till sex veckor. 🔗 källa
Circa och Manus — Manus publicerar en kundberättelse från Circa, en startup i Boston som återanvänder rivningsmaterial och använder agenten för sin webbplats, sina bidragsansökningar och ett kalkylverktyg; nära 100 000 dollar i ackumulerad omsättning uppges i september, utan produktnyheter. 🔗 källa
Europeiska städer och NVIDIA — I Côte-d’Or minskar agenter från Akila och ThinkDeep, som driftsatts i över 500 offentliga byggnader, driftskostnaderna med 10 %, med ett mål på 30 %; NVIDIA nämner också projekt i Milano, Antwerpen-Brugge, Göteborg och Liverpool, utan någon ny produkt. 🔗 källa
MiniMax H3 IP Edition — I sammanfattningen av sin konferens i Tokyo den 11 september uppger MiniMax att över 60 företag är intresserade; pilotprojektet Captain Tsubasa × PixVerse samlade 126 360 kreatörer och 329 314 licensierade innehållsobjekt på 45 dagar. 🔗 källa

Öppna modeller och communityforskning

Rerank 5 nämns av Cohere — Cohere publicerar en video där Rerank spelar Mario och uppmanar tittarna att se om Rerank 5 slår poängen från Rerank 4; inget lanseras, dokumentationen listar fortfarande bara Rerank 4 och versionerna 3.x. 🔗 källa
Lumma-Fev-27B — FrontiersMind finjusterar hela Qwen3.8-27B på omkring 100 000 beslutsexempel (engelska, hindi, tamil, kannada): 90,7 % korrekta svar jämfört med 83,9 % för Jev 1.13 på 4 454 beslut som hållits utanför träningen, men Jev ligger fortfarande före på BBH och WinoGrande; författarnas mätningar, modellvikter under Apache 2.0. 🔗 källa
TranscribePsy — Tether AI Research publicerar en taligenkänningsmodell med 254M parametrar för 25 europeiska språk, i GGUF- och Core ML-versioner: 8,02 % ordfelfrekvens på Open ASR Leaderboard jämfört med 12,34 % för Whisper-small, och 2,6 gånger snabbare än den näst snabbaste modellen på sex telefoner enligt Tether. 🔗 källa
VKORE-46M-NPU — VIDRAFT tränar från grunden, med riktig backpropagation, en liten decoder med 46M parametrar på en NPU för inferens med 32 chip; korrelationen mellan dess förlustkurva och den för samma träning på GPU är 0,99. 🔗 källa
Kvantisering och agentförmågor — På 19 200 parade resultat visar Patrick Hill (PBH Applied Systems) att Mistral-Nemo i Q4_K_M förlorar 5 av 8 agentförmågor i signifikant grad, med upp till −28,0 poäng för strukturerad utdata med prosa, medan Q5_K_M (8,73 Go jämfört med 7,48) och Q8_0 inte ger någon förändring. 🔗 källa
En gate för Gated DeltaNet — Avi Fenesh lägger till en liten gate för betavärdet i Gated DeltaNet-lagren i en LoRA som tränats med GRPO: resonemangen i Qwen3.5-4B blir 48 % kortare på MATH-500 och träffsäkerheten vid varje tidpunkt ökar från 0,786 till 0,852. 🔗 källa
pico-165m — Fausto Saporito tränar på ett enda TPU-chip en modell med 165M parametrar som tar anteckningar: 0,81 på minneskontroller för samtal med omkring 47 replikväxlingar, jämfört med 0,31 för SmolLM2-360M-Instruct som läser hela samtalet. 🔗 källa

Inferens och beräkningskärnor

DeepGEMM-Ascend, DeepGEMM 2.8.2 och TileKernels 2.1.0 — Utan något tillkännagivande lägger DeepSeek till kärnor för glesa MQA-logits och en C-term eller bias till GEMM för BF16, FP8 och FP4 i sitt bibliotek för Ascend-NPU:er, uppdaterar DeepGEMM till 2.8.2 och publicerar TileKernels 2.1.0 utan versionsanteckningar. 🔗 källa
TokenSpeed och Qwen3.8-Flash-Next — LightSeeks open source-motor kör modellen med 685,9 tokens/s per användare med ett enda samtal på fyra NVIDIA GB300-GPU:er i NVFP4, och med 95,7 tokens/s vid 32 samtal; Qwen har hyllat resultatet. 🔗 källa
Qwen3.8-Flash-Next på AMD MI350P — Florian Zimmermeister ökar med vLLM den samlade genomströmningen från 1 168,2 till 2 256,6 tokens/s vid 32 strömmar (+93,2 %) på en enda GPU, från ett utgångsläge som redan hade anpassad MXFP4. 🔗 källa
GLM 5.3 Flash på Microsoft Foundry — Hugging Face lägger till modellen från Z.ai i sin Foundry-katalog, optimerad för AMD MI300X i tre konfigurationer med 512K kontext; på ShareGPT ger versionen med 8 GPU:er i TP4 + DP2 ungefär 1,8 gånger så hög genomströmning och minskar tiden till första token från 11,3 till 5,2 s. 🔗 källa
Qwen3.8-27B på Neural Engine — Projektet ANEMLL kvantiserar modellens samtliga MLP-matriser till 3-bitarsvektorer: på ett M6-chip är KL-divergensen 0,0518 jämfört med BF16 och hastigheten i genomsnitt 37,5 tokens/s, med 9,74 Gio modellvikter; träffsäkerheten på standarduppgifter återstår att mäta. 🔗 källa
Tensorvisare i Hub — Hugging Face returnerar headers för alla fragment i en enda begäran: DeepSeek-V3.2 öppnas på 0,45 s i stället för 9,2 s, GLM-5.3 på 0,57 s i stället för 4,0 s. 🔗 källa

GitHub, utanför AI-området

Behörigheter för GitHub Apps — Två finfördelade behörigheter gör det möjligt att skapa ett repo eller hantera en installations repon utan administratörsrättigheter, och en repoadministratör kan koppla sitt repo till en app som redan har godkänts; det uttalade målet är att lämna klassiska PAT. 🔗 källa
GitHubs tillgänglighetsrapport — Den 7 oktober kördes 120 av 160 produktionstjänster i Central US och 13 av 51 primära MySQL-databaser hade migrerats; GitHub missade sitt mål för den 30 september och återkommer till incidenten den 13 september, som påverkade omkring 96 % av alla skapanden av issues på webben. 🔗 källa
Stjärnhistorik — API:ets nya endpoint returnerar upp till 30 veckors antal per dag och anrop, utan identitetsuppgifter: omkring 24 anrop räcker för react/react i stället för omkring 2 511. 🔗 källa

Vad det betyder

Röstteknik blir ett område för kvantitativa jämförelser, där kostnaden väger lika tungt som placeringen i rankningen. Grok Voice 3.0 förbättrar sina resultat utan att ändra priset per minut, och SpaceXSI lyfter fram kostnaden per uppgift: 0,025 dollar jämfört med 0,030 för GPT-Live-1. Dessa mätningar från Artificial Analysis, som leverantören hänvisar till, avgör inte allt: på τ-Voice ligger GPT-Live-1 fortfarande före, och Grok Voice 3.0 kompenserar med 40 % lägre latens. Driftsättningen har också betydelse: 20 000 samtal per dag hos Starlink, varav omkring 70 % hanteras utan mänsklig inblandning, visar att röstagenter redan sköter en betydande del av kundsupporten. På videosidan sänker FLUX 3 Video sina priser för 2K och 4K med 30 till 53 % tack vare en tjänst som kräver mindre beräkningsresurser, medan HeyGen satsar på en röst som anpassas till scenens akustik.

De mest avancerade modellerna bedöms också utifrån forskningsresultat. Google visar hur Argon används för en kvantdekoder, en förmodan inom plasmafysik och enzymer som har testats i laboratorium, Meta för tio medicinska manuskript och Ai2 för klimatdata med 3 km upplösning som produceras till ungefär 300 gånger lägre kostnad. Begränsningarna står fortfarande svart på vitt: sammanfattningen av artikeln om Grads förmodan nämner inte Argon, Metas studier är retrospektiva och en av dem bedöms vara hypotesgenererande, och i ADK-repot behöll den mänskliga granskningen bara två av sex optimeringar. Överallt har människan sista ordet: i Metas experiment avgör de medicinska forskarna vilka vetenskapliga slutsatser som ska dras, och ADK:s underhållare tar bort delar av agentens förslag.

Kostnaden för agenternas arbete blir en central fråga för verktygen. Claude Code komprimerar långa konversationer innan cache löper ut för att slippa bearbeta allt på nytt, HydraFusion anpassar resonemangsinsatsen steg för steg, och studien från Cohere Labs visar att en stark huvudagent omgiven av billiga agenter närmar sig det bästa resultatet till 70 % lägre kostnad. HybridAgent angriper samma problem genom arkitekturen, genom att resonera utan att generera tokens. För att kunna styra dessa utgifter måste man kunna se dem: spårningsdata från Claude Platform och Claude Code 2.1.300 följer nu samma GenAI-konventioner i OpenTelemetry, och Ramp uppger att antalet tokens i vissa agenter har minskat med 10 till 20 % genom att poängsätta sina egna spårningsdata. OpenAI:s rapport om EU påminner om vad som står på spel: Codex och ChatGPT Work står där redan för mer än hälften av alla tokens i utdata hos de undersökta Enterprise-kunderna.

AI-säkerheten får också en offentlig dimension. Under samma Cyber Week i Singapore undertecknar Anthropic ett samförståndsavtal om modellutvärdering och incidenthantering, samtidigt som Google DeepMind tillsammans med GovTech presenterar bedrägeridetektering som sker helt på telefonen. I Storbritannien finansierar NVIDIA forskning om agenters säkerhet med beräkningsresurser; i USA förbereder Anthropic Claude inför mellanårsvalet med klassificerare mot kampanjer som delas upp i små uppgifter. Inom företagen säger OpenAI sig ha identifierat den anställda som gömt inspelningsutrustning med hjälp av sina egna modeller, GitHub låser beroenden i workflows så att en flyttad tag inte längre leder till att annan kod än den granskade körs, och VS Code gör Copilots harness och dess exekveringsregler obligatoriska genom företagspolicy.