Claude hittar ursprunget till startvärdena för NIST:s ECDSA-kurvor, Reflection släpper vikterna för Beam, fyra Gemini 4 Argon-agenter klarar Minecraft

En intern forskningsmodell hos Anthropic har på mindre än en halvtimme hittat ursprunget till startvärdena för NIST:s ECDSA-kurvor, som NSA tillhandahöll utan förklaring: de kommer från en vanlig pseudoslumptalsgenerator, som initierades med klocktiden 1997 och 1998, vilket enligt Anthropic gör en bakdörr mycket mindre sannolik. Reflection släpper vikterna för Beam, en blandning av experter med 501 miljarder parametrar under Apache 2.0-licens, med stöd från fler än 40 partner redan från första dagen, medan fyra Gemini 4 Argon-agenter klarar Minecraft på 27 timmar och Claude Mythos 5 förbättrar de bästa publicerade kvantkretsarna för åtta uppgifter. På produktsidan fördelar GPT-6 Astra Pro nu en uppgift mellan flera agenter i ChatGPT, och Grok Bot slutför sina uppgifter på datorn tre gånger så snabbt.

NIST:s ECDSA-kurvor: Claude hittar ursprunget till deras startvärden, hämtade från en generator som initierades med klocktiden 1997 och 1998

16 oktober — Frontier Red Team på Anthropic berättar hur Claude löste en gammal kryptografisk gåta. När NIST antog signaturalgoritmen ECDSA år 2000 i standarden FIPS 186-2 kom dess standardiserade elliptiska kurvor med ”startvärden” (seeds), vars hashvärden bestämmer koefficienten b för varje kurva. Dessa värden tillhandahölls av NSA utan förklaring och hade i åratal gett näring åt misstanken om en bakdörr. En offentlig belöning som Filippo Valsorda utlyst väntade den som kunde hitta deras ursprung. Det mest kända spåret, en skämtsam fras som körts genom en hashfunktion och som Jerry Solinas (NSA) hade nämnt 2015 före sin död 2023, hade inte gett något resultat.

En medarbetare på Anthropic ställde frågan till en icke namngiven intern forskningsmodell utan att tipsa om detta spår. På mindre än en halvtimme hittade Claude ursprunget till startvärdena för P-192, P-224, P-256, P-384 och P-521: inget av dem är ett hashvärde, alla kommer från lrand48, pseudoslumptalsgeneratorn i C-biblioteket, initierad med en Unix-tidsstämpel. Efter att ha granskat 34 kombinationer av generatorer och delar av deras utdata upptäckte Claude signaturen för lrand48 i de mest signifikanta bitarna, återskapade dess interna tillstånd genom gitterreduktion (LLL-algoritmen) och spårade sedan tillbaka till initialiseringarna för de tio berörda startvärdena, fem från NIST och fem från standarden ANSI X9.62, samtliga från perioden maj 1997 till april 1998.

Punkt som Claude undersökte	Resultat publicerat av Anthropic
Tid till upptäckten	mindre än 30 minuter
Exemplet P-256	kandidat nr 1842 från en generering den 16 augusti 1997 (även nr 876 från samma generering passade)
Återfunna startvärden för binära kurvor	B-233, B-283, B-409 och B-571, som kan tolkas som februari 1984, eller den 17 april 1998 om tidsstämpeln fördubblas
Förklarade baspunkter	sex kurvor genererade i maj 1997 (P-192 och fem exempelkurvor från ANSI X9.62), via generatorn i FreeLIP
Fortfarande oförklarade	startvärdet för B-163; baspunkterna för P-224, P-256, P-384, P-521 och de binära kurvorna

Dessa baspunkter kommer från FreeLIP, Arjen Lenstras bibliotek: enligt Anthropic hade ingen av NIST:s baspunkter förklarats tidigare. Det är också fortfarande okänt vilket kriterium som gjorde att vissa giltiga kandidater valdes bort. Inlägget återger slutligen modellens resonemang, där den tvivlar på sin egen upptäckt innan den bekräftar den genom beräkningar:

This is astonishing: it solves the 25-year-old mystery. Hmm wait. Let me be skeptical: am I in some sort of simulated/test environment?

🇸🇪 Det är häpnadsväckande: detta löser den 25 år gamla gåtan. Hmm, vänta. Jag måste förbli skeptisk: befinner jag mig i någon sorts simulerad miljö eller testmiljö? — Claude, resonemang citerat i inlägget från Frontier Red Team på Anthropic

Anthropic betonar vad resultatet innebär: inget har knäckts, ingen ny attack eller svaghet har hittats och ”inga åtgärder krävs”. Ett startvärde som hämtats från klockan via en vanlig generator, vars körning vem som helst nu kan återskapa, gör tvärtom en bakdörr ”mycket mindre sannolik”. Koden som återskapar startvärdena och de sex baspunkterna publiceras under CC0-licens, och belöningen på 36 864 dollar ska skänkas till Internet Security Research Group (ISRG).

🔗 Inlägget från Frontier Red Team på Anthropic · Filippo Valsordas belöning

Öppna modeller: Reflection släpper vikterna för Beam, tillsammans med pplx-decider-v1.2, Granite Switch 4.1, Bonsai 2 och en korpus från NVIDIA på 22 indiska språk

16 oktober — Elva dagar efter presentationen släpper Reflection vikterna för Beam, sin första modell med öppna vikter, under Apache 2.0-licens. Denna blandning av experter (Mixture-of-Experts, MoE) med 501 miljarder parametrar, varav 23 miljarder är aktiva per token, är avsedd för kod, resonemang och långvariga agentuppgifter, med en kontext på en miljon tokens och enbart text. Den 5 oktober öppnade Reflection bara för tidig tillgång och lovade vikterna ”senare i oktober”.

Publiceringen omfattar vikterna i BF16, FP8 och NVFP4, tokenizer, referensimplementationen, en DFlash2-utkastmodell för spekulativ avkodning och Mirror CLI, det ramverk med öppen källkod som Beam tränades med (gränssnitt i Python, agentkärna i Rust, parallella agenter i separata Git-worktrees, skills och MCP-anslutningar). Fler än 40 partner stöder modellen redan från första dagen: Transformers (v5.20.1), vLLM, SGLang, Unsloth, Axolotl och Dynamo på mjukvarusidan; AWS, Google Cloud, Azure, Together AI, Fireworks AI, OpenRouter eller Ollama för hosting; Dell och HPE för lokala driftsättningar. Reflections API är i publik beta.

Inlägget från Hugging Face beskriver arkitekturen i detalj: av 52 lager använder 43 attention med ett glidande fönster på 512 tokens och 9 global attention, vilket minskar KV-cachen till 36 Kio per token i stället för 208 Kio, alltså 36,08 Gio per sekvens med en miljon tokens i stället för 208 Gio. Vikterna upptar cirka 1 To i BF16 och 280 Go i NVFP4, och Hugging Face rekommenderar fyra B200 för att köra modellen.

Benchmark (siffror från Reflection)	Beam i BF16	Beam i FP8	Beam i NVFP4
SWE-bench Verified	81,6 %	80,2 %	80,7 %
Terminal Bench v2.1	80,1 %	78,9 %	78,4 %
SWE Bench Pro v1	66,1 %	65,9 %	65,6 %
AIME 2026	97,7 %	98,0 %	97,5 %
GPQA Diamond	90,6 %	90,3 %	89,3 %
MCP Atlas	80,8 %	81,5 %	80,5 %

Enligt NVIDIA tränades Beam på GB300 NVL72-system och levererar över 70 000 tokens per sekund och GPU på Blackwell Ultra redan från första dagen, utan särskilda inställningar (out of the box); några timmar senare uppgav NVIDIA cirka 90 000, utan att ange mätförhållandena (batchstorlek, kontext, antal GPU:er). Checkpointen i NVFP4 publiceras på Hugging Face, även den under Apache 2.0.

🔗 Inlägget från Reflection · Inlägget från Hugging Face · Modellkortet · Inlägget från NVIDIA · Genomströmningen höjd till 90 000 tokens per sekund

pplx-decider-v1.2 och dess Flash-version: Perplexity släpper två beslutsmodeller med öppna vikter för sitt Decisions API

16 oktober — Perplexity uppdaterar modellerna i sitt Decisions API, som lanserades den 1 oktober. Modellen pplx-decider-v1.2 ersätter v1.1 som beslutsmodell med 27 miljarder parametrar, till samma pris, och pplx-decider-flash-v1.2, en ny modell med 4 miljarder parametrar som destillerats från 27B-modellerna, kommer till halva priset. Båda läser text och bilder, utdata är fortsatt gratis och vikterna finns på Hugging Face under Apache 2.0-licens; anrop som fortfarande anger v1.1 eller v1 går automatiskt till v1.2.

Beslutsmodell	Basmodell	Pris för indata (per miljon tokens)	Poäng på Decision Index 0.3	Poäng på Vision Decision Index 0.3
pplx-decider-v1.1-27b	Qwen3.8-27B	0,02 dollar	62,30	73,22
pplx-decider-v1.2	Qwen3.8-27B	0,02 dollar	68,09	77,43
pplx-decider-flash-v1.2	Qwen3.5-4B	0,01 dollar	58,88	72,53

v1.2 ändrar anropsformatet: modellen läser tillståndet och därefter alla frågor i en enda sekvens, så att flera frågor om samma tillstånd kostar ungefär lika mycket som en enda. Grupperingen hjälper när frågorna beskriver olika sidor av samma beslut (+11,3 poäng på SATA-Bench) och försämrar resultaten när de ställer oberoende kandidater mot varandra (−4,8 på ToolRet). Perplexity har också lagt till de officiella träningsmängderna för vissa benchmarks i Decision Index i träningen, rensade från överlapp med respektive testmängder. På en GB200 besvarar v1.2 en enskild förfrågan med en mediantid på 96 ms.

🔗 pplx-decider-v1.2 på Hugging Face · pplx-decider-flash-v1.2 på Hugging Face · Ändringsloggen för Perplexitys API

Granite Switch 4.1: IBM samlar konversation, beslut och taltranskribering i en enda öppen modell

15 oktober — IBM publicerar Granite Switch 4.1 på Hugging Faces blogg, i 8B och 30B under Apache 2.0-licens. Varje modell samlar en konversationsmodell, två beslutsadaptrar och en taligenkänningsmodell, som tillhandahålls via en enda åtkomstpunkt.

Komponent i Granite Switch 4.1	Funktion enligt IBM
Decision-adapter (aLoRA)	allmänna beslut, i formatet `/v1/systemone`
Guardian-adapter (aLoRA)	säkerhetsrelaterade beslut, i genomsnitt bättre än Jev 1.13, Microsoft-Decision-1, GPT-Luna-Decisions och Clef-Flash enligt IBM
Granite-Speech-5.0-Turbo-CTC	transkribering, presenterad som den snabbaste modellen på Open ASR Leaderboard

Adaptrarna är Activated LoRA: de återanvänder KV-cachen som basmodellen producerar, så att ett beslut efter ett svar inte kräver att kontexten beräknas på nytt, och helheten använder ungefär lika mycket minne som enbart basmodellen. Modellerna körs i vLLM med en plugin och direkt i llama.cpp, som direkt ersättning för anrop av typen /v1/systemone. IBM visar också en Granite Switch på 3B som tränats för att spela Doom, som fattar 60 till 100 beslut per sekund jämfört med de 10 som anges för Jev, och planerar ett SDK för att träna egna adaptrar i Mellea. Jämförelserna med de andra beslutsmodellerna redovisas enbart i diagram.

🔗 Inlägget från IBM · Granite Switch 4.1 30B på Hugging Face

Bonsai 2: PrismML släpper ternära visionmodeller på 2B till 9B, som tar mellan 0,43 och 2 Go

15 oktober — PrismML släpper Bonsai 2 i 2B, 4B och 9B, modeller med ternära vikter (−1, 0 eller +1), härledda från Qwen3.5, som också förstår bilder, under Apache 2.0-licens. De behåller basmodellens kontext på 262 144 tokens, och familjen Bonsai 2 omfattar nu fyra storlekar, från 2B till 27B.

Bonsai 2-modell	Storlek på de ternära vikterna
2B	0,43 Go
4B	0,95 Go
9B	2,0 Go, jämfört med cirka 17,9 Go i FP16

PrismML uppger att de har arbetat med användningen som lokal assistent: att följa instruktioner, undvika upprepningsloopar, göra verktygsanrop på telefonen och ge svar utan överflödig text. 9B uppges använda cirka 40 % färre tokens för vanliga instruktions- och matematikuppgifter, utan att någon jämförelsegrund anges, och körs med upp till 34 tokens per sekund på en iPhone 18 Pro Max, jämfört med 120 för 2B. De mest kompakta formaten kräver PrismML:s fork av llama.cpp, eftersom den officiella versionen av llama.cpp bara kan läsa formatet Q2_0; det finns en MLX-version för Mac.

🔗 PrismML:s tråd · Modellkortet för 9B i GGUF-format

Nemotron-pretraining-Indic-v1: NVIDIA och AI4Bharat beskriver en korpus på omkring 2 800 miljarder tokens på 22 indiska språk

16 oktober — NVIDIA och AI4Bharat, laboratoriet vid IIT Madras som arbetar med indiska språk, beskriver Nemotron-pretraining-Indic-v1 i detalj. Det är den förträningskorpus som dagen innan nämndes bland träningsdata för Nemotron 3.5 Super VL: omkring 2 800 miljarder tokens, varav 2 601 miljarder i språkens egna skriftsystem och 224,6 miljarder romaniserade, på de 22 språken i Indiens konstitution, som enligt folkräkningen 2011 är modersmål för 97 % av indierna. Korpusen finns ännu inte tillgänglig på nätet: den ska publiceras ”snart”, tillsammans med den GPU-accelererade pipeline som genererade den.

Texterna är översättningar av engelska dokument från 15 delmängder av Nemotron-CC-v2. För 12 språk översätter Gemma-4-31B-it hela dokument, poängsätter varje översättning enligt en bedömningsmall inspirerad av MQM (med en gräns på 75 av 100) och korrigerar resultat som är för svaga, vilket har gjort det möjligt att rädda 438,4 miljarder tokens; de övriga 10 språken hanteras av Indic Translate från Bodhan AI. Tio miljarder av dessa tokens, inom en fortsatt förträning på 100 miljarder, gav Nemotron 3.5 Super VL förbättringar på mellan 4,98 och 9,82 poäng på fem indiska benchmarktester, en mätning som inte isolerar bidraget från just denna korpus. NVIDIA medger att översättningarna inte ersätter texter som skrivits direkt på dessa språk och att kvalitetskontrollen fortfarande främst är automatisk.

🔗 NVIDIA:s och AI4Bharats blogginlägg

AI i laboratoriet: Claude Mythos 5 förbättrar åtta kvantkretsar, Google DeepMind söker antimikrobiella peptider med Antigravity

16 oktober — Anthropic publicerar det arbete som Andi Gu, deltagare i företagets STEM Fellows-program, har utfört under handledning av Alek Kemeny, specialist på kvantfysik hos Anthropic, tillsammans med Susanne Yelin (Harvard) och Mikhail Lukin (Harvard och QuEra Computing). Upplägget består av specifikationer på vanligt språk för åtta kretsar och en automatisk utvärderare som kontrollerar varje förslag och poängsätter det utifrån antalet qubits multiplicerat med antalet grindar. Claude Mythos 5 arbetar i en sluten loop, utan mänsklig inblandning mellan omgångarna, och hittar för alla åtta primitiver konstruktioner som använder både färre qubits och färre grindar än de bästa publicerade konstruktionerna, ibland med en storleksordning eller mer.

Uppgift som gavs till Claude Mythos 5	Publicerat resultat	Jämförelsepunkt
Addition av punkter på en elliptisk kurva	17 gånger färre grindar, med 12 % fler qubits	minsta publicerade konstruktionen
Reed-Solomon-avkodare i DQI-algoritmen	12 gånger färre grindar; 19 reserverade qubits i stället för 665	Googles tidigare konstruktion

Det första resultatet gäller det centrala steget i kvantalgoritmer för den diskreta logaritmen på elliptiska kurvor. Claude arbetade med detta i 53 timmar med minimalt mänskligt ingripande och kom fram till den första reversibla implementeringen av divsteps-metoden utan lagrad förgreningshistorik, verifierad genom simulering och därefter formaliserad i Lean. Blogginlägget ställer detta mot en annan siffra: det tog åtta år och många forskargrupper att minska den uppskattade kostnaden för simulering av FeMoco med en faktor på omkring 150 000. Enligt Anthropic minskar sådana förbättringar de kvantresurser som behövs för användbara tillämpningar, vilket innebär att praktiskt användbara kvantdatorer kan komma tidigare än väntat. Teamet behövde hantera en försiktig Claude, som dubbelkontrollerade sina förbättringar och föredrog kända metoder, genom att kräva att modellen undersökte flera spår parallellt.

🔗 Anthropics blogginlägg · Artikeln på arXiv

Google DeepMind söker nya antimikrobiella peptider med Antigravity och lägger till en 3D-visare

15 oktober — Google DeepMind visar hur Antigravity, företagets agentbaserade utvecklingsplattform, kan användas som en vetenskaplig arbetsbänk (agentic science workbench). I den beskrivna sessionen sätter en biolog upp målet, att hitta och genom beräkningar validera nya antimikrobiella peptider hos Streptococcus pseudopneumoniae, och agenten samordnar databaser, strukturanalys och sammanställning av litteraturen. Den använder ProtNLM, en modell från Google som förutsäger ett proteins funktion utifrån dess sekvens och annoterar miljontals okarakteriserade poster i UniProt.

Agenten väljer ut en bakteriocin med 97 aminosyror (UniProt A0A0U0D591), utan någon signifikant homolog bland de granskade proteinerna i Swiss-Prot, vars AlphaFold-modell veckas som en bakteriocin med känd struktur. Därefter föreslår den en verkningsmekanism hämtad ur litteraturen och skriver ett laboratorieprotokoll. Denna kandidat och flera andra från samma pipeline håller på att valideras i laboratorium: blogginlägget beskriver ett rimligt spår, inte ett resultat. Det påminner om att antimikrobiell resistens enligt en uppskattning kan orsaka omkring 10 miljoner dödsfall per år fram till 2050.

Blogginlägget introducerar också Biomolecular Structure Viewer, en 3D-visare integrerad i Antigravity som agenten och forskaren delar: agenten markerar områden för att illustrera sina hypoteser, och forskarens anteckningar, till exempel en notering fäst vid en bindningsficka, återkopplas till agenten. Varken datum eller villkor för tillgång anges.

🔗 Google DeepMinds blogginlägg · Antigravity för vetenskap

Verktyg för forskare: Google öppnar Deep Review för alla, SAIR lanserar Open Math OS, OpenAI erbjuder amerikanska laboratorier Rosalind Academic Plan

14 oktober — I samband med Research@ 2026 öppnar Google Research Deep Review för allmänheten, ett agentbaserat AI-system som granskar komplexa tekniska dokument och kontrollerar innehållet: logisk konsekvens, matematiska påståenden, källförankrade fakta, jämförelser med befintliga arbeten och förbättringsförslag, medan de vetenskapliga bedömningarna fortfarande ligger hos människor. Det efterträder Paper Assistant Tool, som testades med STOC 2026, ICML 2026, NeurIPS 2026 och ICLR 2027: författarna till över 16 000 frivilligt inskickade manuskript fick privat återkoppling före sista inlämningsdatum, utan koppling till konferensernas officiella granskning.

Tjänsten är tillgänglig i hela världen, med två kostnadsfria granskningar per vecka; en API-nyckel för Gemini ger högre gränser och tillgång till Deep Review API. Tjänsten accepterar för närvarande PDF och ren text, siktar även på Google Docs, presentationer, juridik och finans, och Google förbinder sig att inte använda dokumenten för att träna sina modeller (de sparas i ett år för visning). Google motiverar verktyget med den ökande mängden inskickade artiklar:

Inlämningsår	Artiklar inskickade till ICLR, NeurIPS och ICML
2023	omkring 23 000
2024	omkring 32 000
2025	omkring 45 000
2026	över 74 000

Samma dag fick agenten Geospatial Reasoning i Google Earth AI en teknisk rapport, två nya benchmarktester publicerade för forskare (GeoKTools och GeoExpertQueries) samt utökad experimentell tillgång via Ask Google Earth och en Agent-to-Agent-tjänst (A2A).

🔗 Google Researchs blogginlägg · Research@ 2026 på Googles blogg · Blogginlägget om agenten Geospatial Reasoning

Open Math OS: stiftelsen SAIR lanserar en plattform för matematisk forskning med öppna modeller

16 oktober — Stiftelsen SAIR lanserar Open Math OS, som den beskriver som infrastrukturen för ”matematik 2.0”, en månad efter att ha presenterat initiativet Open Math Model. Hugging Face, Lean, EPFL och @cscsch är lanseringspartner, och Thomas Wolf, medgrundare av Hugging Face, har delat tillkännagivandet. Varje projekt får en molndator som är tillgänglig 24 timmar om dygnet, med över 100 matematiska och vetenskapliga verktyg förinstallerade; beräkningsresurserna är kostnadsfria för team som antas efter ansökan.

Matematikern väljer en öppen modell (Kimi K3, DeepSeek V4.1 Flash, GLM 5.3 eller Nemotron 3 i det visade gränssnittet) och kan starta Ultramath-läget, där flera agenter parallellt utforskar olika spår för samma problem; webbplatsens demonstration visar ett bevis som verifieras i Lean och sedan infogas i en artikel i LaTeX. Projekten är privata som standard, träning på arbetena kräver författarnas uttryckliga samtycke, och författarna behåller äganderätten till sina idéer och får erkännandet för dem.

🔗 SAIR:s tråd · Webbplatsen för Open Math Model

Rosalind Academic Plan: upp till 30 kostnadsfria ChatGPT-licenser i 12 månader för amerikanska universitetslaboratorier

15 oktober — OpenAI lanserar Rosalind Academic Plan, ett erbjudande för universitetslaboratorier inom livsvetenskaperna som tills vidare är begränsat till amerikanska universitet.

Förmån i erbjudandet	Tillhörande villkor
Upp till 30 licenser för ChatGPT Business Standard	0 dollar per användare och månad, högst 12 månader
Kommersiellt tillgängliga toppmodeller	inom erbjudandets användningsgränser
GPT-Rosalind och Rosalind Workbench	efter godkännande för betrodd åtkomst (trusted access)
Delade forskningsdata	används som standard inte för träning

Rosalind Workbench samordnar verktyg för medicinalkemi, genomik och stöd för experiment. Forskningsledaren eller laboratoriechefen skickar in ansökan för sitt team; en ansökan ger inte omedelbar tillgång, och universitet som redan har ett OpenAI Enterprise-avtal följer sin egen process. OpenAI riktar sig till sju områden, från design av läkemedel och proteiner till antimikrobiell resistens, och hänvisar till arbeten från Zhao-laboratoriet (UCSF), Bourdenx-laboratoriet och Brian Hies team (Stanford och Arc Institute). GPT-Rosalind, som lanserades den 16 april, är sedan den 11 september tillgängligt med betrodd åtkomst via API:et, Codex och ChatGPT Enterprise.

🔗 OpenAI:s blogginlägg · OpenAI:s tråd

Gemini 4 Argon: fyra agenter klarar Minecraft på 27 timmar, Perplexity gör modellen tillgänglig för sina Pro- och Max-abonnenter och i sitt Agent API

16 oktober — Fyra Gemini 4 Argon-agenter har klarat Minecraft från grunden: i en slumpmässig överlevnadsvärld, i läget Easy och med fientliga monster, besegrade de Ender Dragon efter 27 timmar och 2 783 program. Maxence Faldor berättar om experimentet i en X Article som delats av @GoogleDeepMind och beskriver det i detalj tillsammans med Satinder Singh och Roberta Raileanu i en teknisk rapport på arXiv. Det är Argons generella kodagenter, samma som ingenjörerna använder till vardags: inga verktyg särskilt för Minecraft, inga tilldelade roller.

Agenterna ser inga bilder och trycker inte på några tangenter: var och en styr en spelare genom att skriva korta program för open source-biblioteket Mineflayer, läser programmens utdata och samordnar sig med de andra via spelets chatt och ett delat minne. Tio minuter efter starten hade de fördelat arbetet mellan sig (verktyg, mat, diamanter, portal). För att hitta fästningen kastade en av dem två föremål från två platser och beräknade skärningspunkten mellan deras banor, med 43 meters felmarginal för en fästning som låg 1,3 kilometer bort. Slutstriden kostade dem 69 återuppståndelser: efter omkring 21 timmars spel förstod en agent att kristallerna läkte draken och att en jordpelare räckte för att nå dem.

Mätvärde i experimentet	Uppmätt värde
Tid till seger	27 h 14 min
Skrivna program	2 783, varav 22 % avslutades med fel
Chattmeddelanden	229
Återuppståndelser totalt	605, varav 69 mot draken

En femte agent, Observer, övervakade spelet för att upptäcka fusk eller kringgående av specifikationen (specification gaming): varken den eller den manuella granskningen av ett urval av loggarna hittade något sådant. Författarna medger experimentets begränsningar: världen läses via ett API som ger blockens och varelsernas exakta positioner, och en plugin beräknar färdvägarna. Det handlar om ett oberoende forskningsexperiment, varken en officiell milstolpe i Minecraft eller godkänt av Mojang eller Microsoft.

🔗 Maxence Faldors artikel · Google DeepMinds delning · Den tekniska rapporten på arXiv

Perplexity gör Gemini 4 Argon tillgängligt för sina Pro- och Max-abonnenter, med ett rekordresultat på 0,802 på WANDR

16 oktober — Perplexity lägger till Gemini 4 Argon, som varit allmänt tillgängligt hos Google sedan den 13 oktober, för sina Pro- och Max-abonnenter. Tillkännagivandet består av en tweet och ett diagram: på WANDR, företagets eget benchmark för källbelagd informationssökning, får Argon 0,802 till en kostnad av 7,88 dollar per uppgift, det bästa resultatet i diagrammet.

Utvärderad modell	WANDR-poäng	Kostnad per uppgift
Gemini 4 Argon	0,802	7,88 dollar
GPT-6 Astra	0,735	13,34 dollar
GPT-6.1 Sol	0,654	3,70 dollar
Claude Opus 5.5	0,647	3,69 dollar
Claude Fable 5.1	0,601	12,76 dollar
GPT-6 Sol	0,566	2,23 dollar
Claude Sonnet 5.5	0,550	2,73 dollar
Grok 4.7	0,528	9,30 dollar
DeepSeek V4 Pro 0813	0,359	0,75 dollar

På utvecklarsidan anger API:ets changelog sedan kvällen den 15 oktober att Agent API stöder google/gemini-4-argon, till introduktionspriset som gäller fram till den 30 november 2026: 2 dollar per miljon indatatokens, 0,10 dollar för cachade tokens och 10 dollar för utdatatokens, inklusive resonemangstokens.

🔗 Perplexitys tillkännagivande · Modellerna i Agent API

Agenter för konsumenter: GPT-6 Astra Pro fördelar en uppgift mellan flera agenter i ChatGPT, Grok Bot blir tre gånger snabbare och ansluts till Robinhood, Coinbase och eToro

16 oktober — OpenAI uppdaterar GPT-6 Astra Pro i ChatGPT: snabbare svar, bättre användning av plugins och verktyg och framför allt flera agenter som parallellt hanterar olika delar av samma uppgift. Användaren följer varje agents framsteg och öppnar slutförda uppgifter för att granska arbetet. Funktionen är tillgänglig för Pro-abonnenter i fliken Chat.

OpenAI anger varken någon siffra för hastighetsökningen eller något benchmark, och varken versionsinformationen för ChatGPT eller den för modellerna nämnde ännu uppdateringen på kvällen den 16 oktober. Tweeten, som publicerades klockan 20.00 UTC under namnet ”GPT-6 Pro”, korrigerades 27 minuter senare till ”GPT-6 Astra Pro”; sedan GPT-6 blev tillgängligt för alla användare den 7 oktober bygger Pro-nivån i ChatGPT på GPT-6 Pro (Astra). Arbete med flera agenter hade dittills presenterats i beta för GPT-6.1 Sol, sedan den 29 september.

🔗 OpenAI:s tillkännagivande

Grok Bot slutför sina uppgifter på datorn tre gånger snabbare, läser X Chat och ansluter till Robinhood, Coinbase och eToro

16 oktober — Grok Bot, agenten från SpaceXSI som ansluter till användarnas verktyg, presenterar sina nyheter i en tråd med tio meddelanden, utan något inlägg på x.ai. Den viktigaste gäller hastigheten: enligt kontot @bot slutförs uppgifter på datorn i genomsnitt tre gånger snabbare, och svaren på allt annat kommer på mindre än halva tiden.

Berört område	Annonserad nyhet
Hastighet	uppgifter på datorn går i genomsnitt tre gånger snabbare, övriga svar kommer på mindre än halva tiden
Röst	snabbare och tillförlitligare samtal, bättre minne av tidigare konversationer
Gränssnitt	omdesignade chattkort, nytt typsnitt, teman, aviseringar bara på den enhet som används
E-post	plusalias för att begränsa en rutin till e-post som skickas till en viss adress
X	ett omnämnande av @bot i ett inlägg startar en uppgift; läsning av X Chat när X-kontot har anslutits
Anslutningar	Robinhood, Coinbase, Trello, PostHog, beehiiv och eToro, bland andra

Team kan också skicka in sina egna anslutningar: ett formulär på x.ai erbjuder distribution av ett plugin eller en MCP-server till användare av Grok Bot och Cursor, och snart även Grok, efter granskning inför publicering på marknadsplatsen.

🔗 Tråden från Grok Bot · Formuläret för att skicka in plugin

Generativa medier: röster skapade utifrån beskrivningar för GPT-Live, Pika i ChatGPT, Ideogram 4.5 från 0,8 till 22 cent per bild, Mirelo SFX 2.0 i Runway

16 oktober — GPT-Lives API öppnar möjligheten att skapa röster utifrån en beskrivning (prompt-to-voice) för alla sina kunder: en anpassad röst beskrivs i text, via API:et eller Playground för röst, och kan sedan återanvändas i GPT-Live-sessioner. Det är gratis att skapa rösten, genererat tal debiteras enligt sessionernas vanliga taxa, och rösterna fungerar bara med GPT-Live, inte med API:et Text to Speech, Realtime API eller Chat Completions. Ingen referensinspelning eller inspelning av samtycke krävs, men OpenAI kräver vuxna röster, förbjuder identitetskapning och kräver att det anges att talet är AI-genererat; två kunder kan få liknande röster.

Nio förinställda röster, som enligt @OpenAIDevs har spelats in med skådespelare som har respektive språk som modersmål, läggs också till i GPT-Live:

Talat språk	Tillagda röster
Tyska	Nuri, Juni och Flitz
Franska	Brise och Sillage
Hindi	Nira
Japanska	Harema och Shida
Koreanska	Noeul

Dagen före lades en inbyggd integration av API:et Decisions i GPT-Live till i ändringsloggen: applikationen agerar medan användaren talar, antingen genom att Live anropar Decisions direkt (inbyggd delegering) eller genom att Live meddelar applikationen, som då frågar Decisions (anpassad delegering), och besluten kan utlösas av delar av transkriptionen. Guiden använder exemplet med en röstassistent i en bil som justerar temperaturen eller avimningen. Dessa nyheter gäller gpt-live-1: GPT-Live-1.1, som lanserades i ChatGPT den 15 oktober, finns ännu inte med i API:ets ändringslogg.

🔗 Tråden från OpenAI Developers · Guiden till anpassade röster · Guiden till API:et Decisions med röst

Pika installerar sina verktyg för skapande i ChatGPT, med ett plugin utvecklat i samarbete med OpenAI

16 oktober — Pika tillkännager, i samarbete med OpenAI, en pluginutökning för Pika × ChatGPT (Pika X ChatGPT plugin extension) som installerar dess verktyg för skapande i konversationen och sidopanelen i ChatGPT. Där kan man justera verktygsalternativ, visuella förinställningar och genereringar utan att lämna samtalet, eller öppna ett mer uppslukande Pika-fönster där ChatGPT arbetar tillsammans med användaren. Enligt tråden tar Pika med sig över 40 applikationer för bild, ljud och video och över 100 genereringsmodeller; pluginets beskrivning listar 13 skills, från produktreklam till poddar, samt ett introduktionsflöde som fastställer hur Pika frågar innan krediter används.

Pika lägger till 250 krediter på varje konto efter den första genereringen via pluginet och publicerar ingen särskild prissättning för pluginet. OpenAI presenterade pluginutökningar för ChatGPT den 7 oktober, med Adobe, Canva, Figma och Shopify bland de första.

🔗 Tråden från Pika · Beskrivningen av Pikas plugin i ChatGPT

Ideogram 4.5 finns i fyra kvalitetslägen, från 0,8 till 22 cent per bild

15 oktober — Ideogram presenterar prisnivåerna för Ideogram 4.5, företagets bildredigeringsmodell som lanserades den 30 september: fyra kvalitetslägen, från 0,8 till 22 cent per bild, alla med inbyggt stöd för 2K. Det billigaste, Very Low, retuscherar en bild på 8 sekunder för 0,8 cent, utan att artefakter ansamlas från en redigering till nästa. Enligt Ideogram, som hänvisar till Design Arena, flyttar detta läge fram Paretofronten för bildredigering vad gäller både pris och hastighet: varje modell med högre betyg kostar mer och arbetar långsammare. Design Arena placerar det på plats 23 i sin Image Editing Arena, med ett Elo på 1189.

Ideogram anger inte priserna för de två mellanlägena. På frågan om de öppna modellvikter som utlovades vid lanseringen svarar Ideograms konto att arbetet pågår, utan att ange något datum.

🔗 Tråden från Ideogram

Runway integrerar Mirelo SFX 2.0, som ljudlägger en video och bevarar dialogen

16 oktober — Runway lägger till Mirelo SFX 2.0 på sin plattform, en modell som automatiskt skapar en videos ljudläggning (sound design): den genererar kompletta ljudmiljöer utifrån bildrutorna, synkroniserade med var och en av dem, samtidigt som dialogen lämnas intakt. På frågan om en längdgräns svarar Runway att det fungerar med klipp av vilken längd som helst. Varken pris eller kostnad i krediter har publicerats, Runways ändringslogg nämner ännu inte modellen, och Mirelo har inte publicerat något eget tillkännagivande. Efter Eleven v4 från ElevenLabs i slutet av september fortsätter Runway att lägga till ljudmodeller från tredje part vid sidan av sina videomodeller.

🔗 Runways tillkännagivande · Svaret om klippens längd

Kodagenter: Claude Code-teamet beskriver sin kodgranskning, Codex CLI 0.163.0, arbetsytor och Muse Wonder i Cursor, Gemini CLI hänvisar till Antigravity CLI

16 oktober — Claude Code-teamet förklarar på claude.dev hur det granskar sin egen kod, samtidigt som Claude skriver ungefär 90 % av den. Inlägget av Addy Osmani, Morgan Westlee Lunt och Qing Wang lyfter fram två siffror: från juni till september mer än fördubblades antalet sammanslagna pull requests, och andelen som behövde rullas tillbaka minskade med över 40 %. Målet är att de flesta pull requests ska slås samman med högst en människa inblandad, som kan vara författaren själv.

Varje ändring går igenom flera lager: kontroll av Claude före pull requesten (tester, kompilering, statisk analys och sedan granskning av diffen av en andra agent i en ny kontext), CI, Code Review, blockerande säkerhetsgranskning, sammanslagningskö (merge queue) och stegvis utrullning. En klassificerare fastställer risknivån utifrån ändringen, inte författaren: inget mänskligt godkännande för dokumentation eller ett tillägg bakom en funktionsflagga, en person för en vanlig produktändring eller ett känsligt område som cache eller systemprompter, två för de mest riskfyllda ändringarna. En agents godkännande räknas aldrig som en människas. Under förhandsversionen för forskning av Code Review hade andelen interna pull requests som fick kommentarer med substans redan ökat från 16 % till 54 %.

Inlägget sätter också siffror på ett problem som är specifikt för agenter, granskningar som inte konvergerar: en pull request för CLI:n hade gått igenom över femtio rundor under en natt. Med ett tak på tre rundor, en granskning begränsad till den nya diffen och rapportering per buggklass konvergerar granskningen snabbare:

Mått (interna pull requests i Claude Code)	Före ändringarna	Efter ändringarna
Godkända efter en enda gransknings- och rättningsrunda	65 %	78 %
Kräver fem rundor eller fler	8,9 %	1,5 %
Genomsnittligt antal granskningar före godkännande	2,08	1,32

Inlägget avslutas med en lista över åtgärder att införa: en kort CLAUDE.md, /code-review och /security-review lokalt, en REVIEW.md skriven av de kodansvariga, dokumenterade risknivåer, en sammanslagningskö och tidigare incidenter som spelas upp varje dag som utvärderingsdataset.

🔗 Inlägget från Claude Code-teamet · Vidaredelningen från @ClaudeDevs

Codex CLI 0.163.0: styrning under svaret, sökning i /config och Daybreak aktiverat som standard

15 oktober — OpenAI publicerar Codex CLI 0.163.0 klockan 21.30 UTC, den första stabila versionen sedan 0.162.1 den 9 oktober, med 227 poster sedan 0.162.0. Daybreak, som placerades bakom alternativet cli_daybreak i 0.161.0 den 7 oktober, är nu aktiverat som standard för behöriga konton, och codex exec kan välja det med en OpenAI API-nyckel när servern öppnar åtkomsten.

Berört område	Ändring i 0.163.0
Styrning	ett uppföljningsmeddelande som skickas under svaret styr Codex direkt; att avbryta en tur stoppar också aktiva Code Mode-celler
Kommandot `/config`	sökning efter inställningar i alla kategorier, kompatibla inställningar tillämpas direkt
Kommandot `/keymap`	konfigurerbar prefixknapp (Ctrl+X som standard); avstängning av röstljudet flyttas till F9
Kommandot `/daemon`	omstart av den hanterade bakgrundsservern, följt av automatisk återanslutning
Verktyg	oberoende verktyg med enbart läsåtkomst körs parallellt
Nätverksproxy	behörighet kontrolleras före DNS-uppslagning, duplicerade `Host`-headers avvisas

När en tråd återupptas återställs också dess behörigheter och nätverksgodkännanden, och Codex levereras inte längre med en modifierad zsh: det använder sin vanliga shell-exekverare.

🔗 Versionsinformationen för Codex CLI 0.163.0

Cursor: molnagenter bygger delbara arbetsytor, API:et Environments går in i beta, Muse Wonder från Meta når 46,1 % på CursorBench

16 oktober — Cursors molnagenter kan nu bygga interaktiva arbetsytor (canvases): man ber dem om en instrumentpanel eller en rapport medan de arbetar och delar sedan den färdiga arbetsytan med teamet via en länk. API:et Environments går in i beta: det skapar och hanterar agenternas miljöer programmatiskt, inklusive klonade kodförråd och konfigurationen environment.json. En miljö kan nu innehålla upp till 500 kodförråd, och stora miljöer med flera kodförråd startar 5 gånger snabbare, enligt Cursor. Den post i ändringsloggen som tråden hänvisar till var ännu inte publicerad på kvällen den 16 oktober, så varken vilka abonnemang som omfattas, priset eller datumet för att lämna beta är kända.

15 oktober — Tre dagar efter lanseringen hos Meta kommer Muse Wonder till Cursor, till ett pris på 4 dollar per miljon indatatokens och 20 för utdata, precis som i Metas API. Cursor lyfter fram 46,1 % på CursorBench med standardnivån för resonemangsinsats, det bästa resultatet för en Muse-modell; den offentliga rankningen för CursorBench 4.0 redovisar de övriga nivåerna av resonemangsinsats.

Modell och nivå av resonemangsinsats	Resultat på CursorBench 4.0	Kostnad per uppgift	Placering i rankningen
Claude Opus 5.5 Max	57,8 %	13,43 dollars	1:a
Muse Wonder Max	50,4 %	5,25 dollars	12:e
Muse Wonder Extra High	48,2 %	4,24 dollars	15:e
Muse Wonder High	46,1 %	3,51 dollars	21:a
Muse Wonder Medium	45,2 %	2,82 dollars	22:a
Muse Wonder Low	41,7 %	1,91 dollar	32:a
Muse Spark 1.3 Max	41,6 %	2,64 dollars	34:e

🔗 Cursors tråd om molnagenter · Muse Wonder i Cursor · CursorBench-rankningen

Gemini CLI uppger att det inte är optimerat för Gemini 4 Argon och hänvisar till Antigravity CLI

16 oktober — Google lade under natten till en varning högst upp i README-filen för Gemini CLI. Rutan påminner om att Gemini CLI ersattes av Antigravity CLI den 18 juni 2026 för användare på gratisnivån och med Google One, och förtydligar sedan i fetstil, innan den uppmanar till att använda Antigravity för Argon:

Gemini CLI has not been optimized for Gemini 4 Argon.

🇸🇪 Gemini CLI har inte optimerats för Gemini 4 Argon. — README för Gemini CLI, pull request 29774

En andra ändring, som slogs samman drygt en timme senare, utvidgar budskapet till alla de senaste Gemini-modellerna och hänvisar till Antigravity CLI för den bästa kodupplevelsen. Samtidigt förlorar README-filen sina tidigare säljargument: avsnittet ”Varför Gemini CLI?” och dess gratisnivå med 60 förfrågningar per minut och 1 000 per dag, de avancerade funktionerna och GitHub-integrationen; inloggning med ett Google-konto riktar sig nu bara till betalda Code Assist-licenser för organisationer.

Dessa rutor förlänger övergången som tillkännagavs den 19 maj: sedan den 18 juni erbjuds Gemini CLI fortfarande för Code Assist Standard- och Enterprise-licenser samt betalda API-nycklar, med löftet om tillgång till de senaste Gemini-modellerna. Tre dagar efter att Argon blev allmänt tillgänglig har communityns förslag om att lägga till modellen i Gemini CLI:s modellväljare (pull request 29737) fortfarande inte slagits samman.

🔗 Pull request 29775, som rensar upp i README-filen · Inlägget från den 19 maj om övergången till Antigravity CLI

Notiser

Agenter och kodverktyg

Amp visar skrivbordet för sina runners — Från en tråd kan man nu se och styra skrivbordet på en runner med macOS eller Linux, till exempel för att testa en iOS-app byggd av Amp, via en webbläsare eller apparna för iPhone och iPad; alla som kan skriva i en runners tråd kan också styra dess skrivbord. 🔗 källa
v0 — Filer som är för stora för förhandsvisningen kan laddas ned från fliken Code, iOS-appen får väljare för skills och design system samt videobilagor, och Gemini 4-förfrågningar misslyckas inte längre vid höga ansträngningsnivåer. 🔗 källa
Copilot CLI i förhandsversion — Tre förhandsversioner under dagen (1.0.99-2, 1.0.99-3 och 1.0.100-0), utan någon stabil version: semantisk kodsökning blir standardinställning för onlinesessioner, alternativet --disable-client-telemetry stänger av klienttelemetri, och en MCP-server som har hängt sig blockerar inte längre sessionen. 🔗 källa
Copilot i Slack och Teams — @GitHub arbetar nu med flera kodarkiv i samma konversation: öppnade eller sammanslagna pull requests, utredningar som berör både frontend och backend, aktivitetssammanfattningar; delade Slack-meddelanden och trådar används som kontext. 🔗 källa
Qwen Code v0.25.3-preview.0 — Dagen efter den stabila v0.25.2 kommer en förhandsversion med 64 poster som placerar QwenCloud överst i /auth, ger Managed Agent full tillgång till Shell med möjlighet att slå av och på godkännanden, och visar körningsförloppen i realtid i Web Shell. 🔗 källa
Gemini CLI, nightly 0.66.0 — Seriens första nightly med nio korrigeringar: synkroniserad utmatning mot flimmer under tmux, Git-prompter som fick gränssnittet att hänga sig, .env-variabler som äntligen tolkas i MCP-inställningarna och SKILL.md-filer med beskrivningar på en rad; stable och preview är oförändrade. 🔗 källa
DeepSeek Harness 0.2.1-alpha.5 — Den 29:e förhandsversionen utan någon stabil version: fyra korrigeringar (menyn för skills efter aktivering av ett plugin, överflödiga terminaler, instruktionerna i PTC-läget, Page Up-tangenten under Windows och Linux) och en plats där plugins kan byta namn på modeller per leverantör. 🔗 källa

ChatGPT, Claude och AI i företag

ChatGPT Sites för Enterprise — @OpenAIDevs meddelar allmän tillgänglighet för Enterprise, med datalagring i USA eller EU för nya Sites, verifierade domäner och privata tunnlar till interna API:er; versionsinformationen för Enterprise talar om en administratörsförhandsversion som håller på att rullas ut, och Plus och Pro blir av med sin fasta gräns för antalet Sites. 🔗 källa
ChatGPT Slides rullas ut — De samarbetspresentationer som tillkännagavs på DevDay den 29 september kommer till Space för berättigade Pro-, Business- och Enterprise-abonnenter, med gemensam redigering i realtid, presentation direkt från ChatGPT och export till PowerPoint, PDF eller Google Slides. 🔗 källa
Stack Overflow for Agents — Enligt en fallstudie från OpenAI levererade två ingenjörer produkten på några veckor med Codex; dess ChatGPT-plugin tredubblade antalet registreringar över en natt, och en anslutning till Stack Internal byggs på 4 dagar i stället för 3 till 6 veckor. 🔗 källa
Sullivan & Cromwell — Advokatbyrån har tillsammans med OpenAI byggt Agreement Analyzer, vars prototyp togs fram med Codex på byrån av John Savva. Verktyget tar ett avtalsutkast och lämnar ett memorandum och ändringsförslag som advokaten granskar; studien anger inga siffror för vinsterna. 🔗 källa
Agenterna hos en säljare på Anthropic — Shahboz Ibragimov från Japanteamet beskriver sex agenter på Claude Managed Agents (sortering av potentiella kunder, Salesforce, svar på japanska eller engelska, rapporter), Claude Tag för uppföljningar, Sonnet eller Opus beroende på vilket omdöme som krävs; cirka 60 timmars arbete sparas enligt hans veckologg. 🔗 källa
American Forge — Cognition och National Design Studio startar ett sex månader långt residensprogram som placerar ingenjörer inom den amerikanska statsförvaltningen, där det enligt blogginlägget finns över 29 000 gamla eller föråldrade federala webbplatser; ansökan är öppen, utan uppgifter om ersättning eller antal platser. 🔗 källa

Genererade röster och videor

HeyGen Video 1 i HeyGens MCP — Man beskriver önskad video för sin agent (ChatGPT, Claude, Claude Code eller Cursor) och får tillbaka den färdig att publicera, enligt HeyGen inom några sekunder; renderingarna dras från abonnemangets krediter. 🔗 källa
NTT Docomo Business och ElevenAgents — Operatören testar sin röstassistent CONN, byggd på ElevenAgents, i Aizuwakamatsu (Fukushima) för att informera och samtala med äldre invånare som inte kan gå ut på grund av snön; responsen bedöms som positiv, utan siffror. 🔗 källa
ElevenLabs certifieringar — ElevenLabs förnyar sina certifieringar ISO/IEC 27001, 27701, 42001, 27017 och 27018, SOC 2 Type II och PCI DSS nivå 1, och lägger till en SOC 2 Type I för ElevenProductions. 🔗 källa

Modeller, benchmark och forskning

Mistral Large 4 på STEMBench — Mistral lyfter fram Ulams vetenskapliga benchmark, där modellen får 2,501 av 4 utan verktyg (2,602 inom ingenjörsvetenskap, 2,597 inom astronomi): 6:a av 10 konfigurationer och 4:a utan verktyg, efter Muse Wonder, Claude Opus 5.5 och Hy4 Preview; de två främsta, GPT-6 Astra xhigh och GPT-6.1 Sol, kördes med verktyg i Codex. 🔗 källa
Jebadiah v2.1 — Två öppna beslutsmodeller på 27B och 9B, publicerade den 10 oktober under Apache-2.0, får 55,94 (35:e plats) och 44,91 (74:e plats) bland 168 modeller i Decision Index, efter Jev 1.13 (60,11). 🔗 källa
Nemotron 3.5 Super VL och diagram — Enligt Thoughtworks höjer en LoRA som tränats i 3,3 timmar på 24 000 genererade diagram resultatet för en preliminär checkpoint av modellen från 16,96 % till 78,13 % på 224 frågor i CharXiv, till priset av en nettoförlust på 104 frågor på andra håll. 🔗 källa
Intels Arc Pro B65 — Ett benchmark från communityn under llama.cpp visar att SYCL med flash attention är 31,2 % snabbare än Vulkan vid prefill på tre modeller med cirka 30B i 4 bitar: första token för en prompt på cirka 16 000 tokens kommer efter 20,5 sekunder i stället för 42 för två av dem. 🔗 källa
TB-Lite Verified — Hugging Face lägger utan tillkännagivande ut en korrigerad version av OpenThoughts-TBLite, ett benchmark för terminalagenter: fem felaktiga uppgifter har tagits bort av 100, en poängsättning som var begränsad till 0,997 har korrigerats, inga resultat har publicerats. 🔗 källa
AutoIllustrate från Sakana AI — En nyhet från den 14 oktober som tas upp i efterhand: ett kommandoradsverktyg under Apache-2.0 omvandlar metodavsnittet i en artikel till en redigerbar draw.io-figur och sedan till en PNG med ny stil; det har använts till figurerna i The Agentic Scientist. 🔗 källa
LLM:ers inställsamhet enligt Meta — facebookresearch publicerar utan tillkännagivande prompter och bedömningsmatriser från artikeln ”Från preferensdata till personalisering”, som delar in svaren i sju typer, från öppet ifrågasättande till uttrycklig bekräftelse; varken modell eller siffror. 🔗 källa
Anthropic och Simons Foundation — Anthropic satsar 5 miljoner dollar i finansiering, beräkningsresurser och tillgång till Claude för matematiker, administrerat av Simons Foundation; tillsammans med stiftelsen och OpenAI, som också satsar 5 miljoner dollar, uppgår stödet till 15 miljoner dollar enligt Simons Foundation, och fördelas bland annat genom ansökningsutlysningar. 🔗 källa

Guider och utmärkelser

LLM-säkerhet enligt Perplexity — En guide går igenom de tio riskerna i OWASP Top 10 for LLM Applications 2026, med en incident och skyddsåtgärder för varje risk, och påminner om Perplexitys skydd (sandbox för Computer, BrowseSafe för Comet, ingen datalagring hos tredjepartsleverantörer); ingen ny funktion. 🔗 källa
Studera med AI — Perplexity publicerar fem forskningsbaserade metoder (låta sig förhöras, sprida ut studierna, förklara med egna ord, växla mellan ämnen, följa sina framsteg) och hänvisar till Gallup och Lumina Foundation: 57 % av amerikanska studenter använder AI varje vecka i sina studier. 🔗 källa
Två av årets uppfinningar enligt TIME — Tidningen räknar Metas Omnilingual ASR, taligenkänning för över 1 600 språk, och NVIDIA:s NemoClaw, en autonom agent isolerad i en sandbox, till sina bästa uppfinningar 2026. 🔗 Meta · 🔗 NVIDIA

GitHub: licenser, runners och åtkomst

Efterlevnad av open source-licenser — Allmän tillgänglighet för GitHub Enterprise Cloud med Code Security: en företagsövergripande licenspolicy tillämpas på pull requests genom en regeluppsättning, och en ny endpoint gör det möjligt för kodagenter att kontrollera att ett paket följer policyn. 🔗 källa
Xcode 27-avbildning — Utanför AI-området blir GitHub Actions runner-avbildning för Xcode 27 (macOS 27, endast Apple Silicon) allmänt tillgänglig, med oförändrade etiketter xcode-27 och xcode-27-xlarge. 🔗 källa
Evergreen — Utanför AI-området presenterar GitHub den GitHub App som varje kvartal återkallar åtkomsten för externa medarbetare vars åtkomst inte har bekräftats och arkiverar, utan att någonsin radera, inaktiva kodarkiv i en gemensam organisation med över 1 400 anställda. 🔗 källa

Vad det betyder

Elliptiska kurvor stod i centrum för två blogginlägg från Anthropic samma dag, från båda håll. Bakåt i tiden hittar Claude generatorn och tidsstämplarna bakom NIST:s startvärden: ingenting har knäckts, upprepar Anthropic, men manipulation framstår som betydligt mindre sannolik, och vem som helst kan återskapa resultatet med koden som publicerats under CC0. Framåt i tiden hittar Claude Mythos 5 en krets för punktaddition på en elliptisk kurva som kräver 17 gånger färre grindar med 12 % fler qubits, en central byggsten i kvantalgoritmer som skulle kunna beräkna den diskreta logaritmen på elliptiska kurvor, det problem som ECDSA:s säkerhet bygger på. Anthropic drar slutsatsen att användbara kvantdatorer kan komma tidigare än väntat: förtroendet för hur dessa kurvor skapades växer samtidigt som den uppskattade kostnaden sjunker för de kvantkretsar som en dag skulle kunna hota dem.

I laboratorierna arbetar agenterna längre på egen hand, och verifiering blir en förutsättning för deras trovärdighet. Claude Mythos 5 kördes i 53 timmar mot en automatisk utvärderare, med ett bevis formaliserat i Lean; Argon-agenterna spelade i över 27 timmar under övervakning av en Observer med uppgift att upptäcka fusk; Antigravitys agent skriver ett protokoll, men dess bakteriocin väntar fortfarande på validering i laboratoriet. Forskarverktygen följer samma logik: Deep Review kontrollerar påståenden och konsekvens före inskickning, Open Math OS bygger på Lean och håller projekten privata som standard, och Rosalind Academic Plan ger tillgång till GPT-Rosalind först efter ett godkännande för betrodd åtkomst.

För öppna modeller blir licensen åter ett argument. Dagen efter Muse Spark Open, publicerad under Muse Model License med begränsande kommersiella villkor, kommer Beam under Apache 2.0, med över 40 partner redan första dagen, en NVFP4-checkpoint och den harness som användes för träningen. De mindre formaten använder samma licens och siktar på effektivitet: den minsta Bonsai 2 ryms i 0,43 GB och körs på en telefon, och beslutsmodellerna tar form som en kategori, med pplx-decider-v1.2 och dess Flash-version för 0,02 respektive 0,01 dollar per miljon tokens, adaptrarna i Granite Switch 4.1 som återanvänder basmodellens cache och en gemensam rankning, Decision Index.

En harness är nu lika viktig som modellen. Reflection levererar Beam med Mirror CLI, Google hänvisar Argon-användare till Antigravity CLI snarare än Gemini CLI, och Claude Code-teamet kopplar fördubblingen av antalet sammanslagningar till omarbetningen av sin granskningskedja, där en klassificerare avgör hur många människor som krävs. För den breda allmänheten får agenterna större räckvidd: GPT-6 Astra Pro fördelar en uppgift mellan flera agenter, Grok Bot ansluter till Robinhood, Coinbase och eToro, och ChatGPT:s plugins blir en distributionskanal, från Pikas verktyg till de tredubblade registreringarna för Stack Overflow for Agents.