OpenAI:s modeller och Codex kommer till Google Cloud, Anthropic öppnar Claude Duet, OpenAI samordnar hanteringen av PHP2Shell-sårbarheterna

OpenAI tar in sina frontiermodeller och Codex i Google Clouds Model Garden, i privat förhandsversion för ett urval av företag, och Google hävdar nu att det är det enda stora molnet som erbjuder de tre främsta slutna LLM:erna. Anthropic öppnar förhandsversionen av Claude Duet, en agent som arbetar självständigt i sin egen virtuella maskin och ber om godkännande innan den betalar eller undertecknar, medan OpenAI redogör för PHP2Shell, två kritiska sårbarheter i PHP varav en hittades med GPT-5.6 Sol. På GTC Berlin presenterar NVIDIA en referensarkitektur för att isolera agenter och AI-fabriker som levereras i containrar; Recursive publicerar Flint, en öppen modell för lokal programmering, och Cohere lanserar Rerank 5.

OpenAI:s modeller och Codex kommer till Google Cloud, i privat förhandsversion i Model Garden

21 oktober — OpenAI och Google Cloud meddelar att OpenAI:s frontiermodeller och Codex arbetsflöden med agenter kommer till Model Garden, Google Clouds modellkatalog. Googles blogginlägg, skrivet av Michael Gerstenhaber, vicepresident med produktansvar för Gemini, namnger de tre berörda modellerna: GPT-6 Astra för det mest krävande arbetet (kod, datoranvändning, yrkesuppgifter, vetenskaplig forskning), GPT-6.1 Sol, som presenteras som intelligens nära Astras till lägre kostnad, och GPT-6 Luna, den snabba och ekonomiska modellen för vardagsarbete i stor skala.

Tidsplanen omfattar flera steg, och de två leverantörerna formulerar den på olika sätt:

Tillkännagiven del	Angiven tidsplan	Källa till tidsplanen
GPT-6 Astra, GPT-6.1 Sol och GPT-6 Luna i Model Garden	Privat förhandsversion för utvalda företagskunder, efter ansökan via formulär	Google Cloud
Anrop via Google Clouds API:er, Codex CLI och Codex Desktop anslutna till Gemini-plattformen för inferens	Från och med 21 oktober, för dessa kunder	Google Cloud
Allmän tillgänglighet	Under de kommande veckorna	OpenAI
Ingen datalagring (Zero Data Retention) och Confidential Compute	Snart	Google Cloud
OpenAI:s modeller i Google Antigravity och i Gemini-agenten (Gemini for business enligt Google)	Kommer, utan angivet datum	Båda leverantörerna

Inköpen sker via Model Garden och Google Cloud Marketplace: en enda Google Cloud-faktura, där användningen räknas av mot befintliga utgiftsåtaganden hos Google och ingår i Flexible Savings Plans, utan separat leverantörsavtal. OpenAI erbjöd redan i juni denna avräkning mot åtaganden med Oracle Cloud. Google betonar också styrningen: prompts, kontext och svar stannar inom kundens datagräns och används aldrig för att träna grundmodeller, och modellerna körs på dedikerad Google Cloud-infrastruktur, bakom isolerade gateways, med VPC Service Controls och enhetliga granskningsloggar. Inga priser publiceras. Utifrån detta gör Google följande anspråk:

Google Cloud is now the only hyperscale cloud provider offering access to all three leading closed source LLMs, alongside more than 200 first-party, third-party, and open models on a unified enterprise AI platform.

🇸🇪 Google Cloud är nu den enda storskaliga molnleverantören som ger tillgång till de tre främsta slutna LLM:erna, tillsammans med över 200 egna modeller, tredjepartsmodeller och öppna modeller, på en enhetlig AI-plattform för företag. — Michael Gerstenhaber, vicepresident med produktansvar för Gemini på Google Cloud

OpenAI klargör för sin del att Microsoft förblir dess främsta molnpartner. Efter Amazon Bedrock den 1 juni och Oracle Cloud den 10 juni ansluter sig Google Cloud till de moln som distribuerar företagets modeller, inklusive Codex. De officiella SDK:erna som publicerades samma dag, openai-python 3.36.0 och openai-node 7.41.0, har redan stöd för Vertex AI för Responses API.

🔗 OpenAI:s blogginlägg · Google Clouds blogginlägg · Tweeten från @OpenAI

Claude Duet: Anthropic öppnar en förhandsversion av en proaktiv agent, och Grok Bot håller sina översiktspaneler uppdaterade

21 oktober — Anthropic öppnar forskningsförhandsversionen (research preview) av Claude Duet, en ny app där Claude arbetar som en proaktiv agent: den uppmärksammar användaren på sådant som kräver uppmärksamhet, utför tilldelade uppgifter, fortsätter arbeta i användarens frånvaro och ber om godkännande innan den agerar för användarens räkning. Tillgång ges via väntelista, först för Pro- och Max-prenumeranter i USA. Duet är en fristående app, skild från den huvudsakliga Claude-appen, på iOS, Android och claude.ai; under förhandsversionen ingår den i Pro- och Max-abonnemangen och använder samma användningsgränser.

Duet är byggt kring Claude Opus 5.5 och använder minnet, skills och anslutna appar från Claude-kontot. Varje morgon skickar den en kort sammanfattning av viktiga punkter; under dagen kontrollerar den anslutna konton med några timmars mellanrum, eftersom kontinuerlig övervakning snabbare skulle förbruka abonnemangets användningsutrymme. Man kommunicerar med den i skrift eller med rösten, i en enda konversationstråd, och den arbetar i sin egen virtuella maskin med en egen webbläsare: varken datorn eller telefonen behöver vara påslagen. Den använder över 6 000 anslutningar och plugins från Claude Marketplace (Gmail, Slack, QuickBooks, Stripe, Gusto, Docusign, Shopify…) och kan göra inköp åt företaget med Link, Stripes digitala plånbok, som betalar med virtuella kort utan att lämna ut det verkliga kortnumret.

Typ av begärd åtgärd	Vad Claude Duet gör
Läsa, skriva, förbereda arbete	På egen hand, i bakgrunden
Skicka ett meddelande, betala, underteckna, radera	Visar åtgärden och väntar på godkännande
Handla med värdepapper, föra över pengar mellan konton	Förbjudet, även med godkännande
Bankkortsnummer, identitetshandlingar	Delning nekas av en ny klassificerare
Hälsa, privatekonomi	Delas endast på uttrycklig instruktion

Säkerheten bygger på befintliga komponenter: inloggningsuppgifter hanteras som i Claude Managed Agents, åtgärder går genom klassificeraren för auto-läget, skyddet mot prompt injection kommer från arbetet med browser use, och Duet tas in i det offentliga belöningsprogrammet för buggar (bug bounty) efter penetrationstester utförda av red teams och ett externt företag.

Claude Duet draws on years of our safety and security work on agents. It never directly sees your passwords, a new classifier guards against sharing sensitive information, and the important decisions stay with you. We’ll share more on our approach to safety in Claude Duet soon.

🇸🇪 Claude Duet bygger på vårt mångåriga arbete med agenters säkerhet och skydd. Den ser aldrig dina lösenord direkt, en ny klassificerare förhindrar delning av känslig information, och de viktiga besluten ligger hos dig. Vi berättar snart mer om vår säkerhetsstrategi för Claude Duet. — @claudeai på X

Anthropic medger begränsningarna i denna första version: Duet kan misstolka en konversationstråd eller felbedöma hur brådskande något är, privata ärenden som biljettbokning är mindre utvecklade, och den kan ännu inte visa sin webbläsare. Kontrollerna i bakgrunden räknas in i abonnemangets användningsgränser, och stora uppgifter, som en finansiell modell eller en presentation, förbrukar mer.

🔗 Tillkännagivandet av Claude Duet

Grok Bot skapar nu rapporter och översiktspaneler som den håller uppdaterade

21 oktober — Samma idé om en agent som arbetar mellan förfrågningarna finns hos SpaceXSI: Grok Bot kan nu skapa rapporter, promemorior och översiktspaneler. Man ber den om en sida och bearbetar den sedan tillsammans med den, eller ger den i uppdrag att hålla sidan uppdaterad över tid. Funktionen börjar rullas ut samma dag för användare av de senaste versionerna av mobil- och datorapparna.

Tillkännagivandet består av två tweets och en demonstrationsvideo, utan något blogginlägg på x.ai: varken vilka abonnemang som omfattas, begränsningarna eller vilka datakällor en översiktspanel kan följa anges. Det följer på en rad nyheter för Grok Bot i oktober (e-postadress den 9, anslutningar och hastighet den 16, iPhones Action-knapp den 19) och påminner om Claude Dashboards, de översiktspaneler som Anthropic låter Claude hålla uppdaterade och som har varit i beta sedan början av oktober.

🔗 Tillkännagivandet från Grok Bot

PHP2Shell: OpenAI samordnar hanteringen av två kritiska sårbarheter i PHP, Claude Security går över till kontinuerlig skanning

21 oktober — OpenAI publicerar en redogörelse för två månaders samordning kring PHP2Shell, två kritiska sårbarheter i PHP:s kärna. Enligt blogginlägget identifierade säkerhetsföretaget Calif en av dem med GPT-5.6 Sol inom ramen för Patch the Planet, Daybreaks open source-initiativ, medan Wiz på eget håll upptäckte och rapporterade båda. PHP:s underhållare ledde arbetet med korrigeringarna, med stöd av OpenAI, Wiz, Cloudflare och andra; OpenAI bedömer att frontier-AI, såvitt företaget känner till, hittade dessa sårbarheter före angriparna. Allvaret framgår av språkets spridning: PHP driver ungefär 70 % av alla webbplatser.

Webbplatsen för offentliggörandet, php2shell.com, beskriver de två CVE:erna, med en allvarlighetsgrad på upp till CVSS 9,2: en oautentiserad angripare kan köra kod på servern eller läsa PHP-processens minne (lösenord, token, API-nycklar). Den sårbara koden finns i själva PHP, vilket innebär att även en felfri applikation kan drabbas.

CVE-identifierare	Sårbarhetsklass	Demonstration enligt php2shell.com
CVE-2026-109618	Korruption till följd av minnesbrist (out-of-memory)	Kodkörning utan autentisering på WordPress, Drupal och Joomla
CVE-2026-109619	Inaktuellt globalt tillstånd mellan förfrågningar, use-after-free	Kodkörning utan autentisering på WordPress och Drupal, minnesläsning oavsett applikation

De drabbade versionerna sträcker sig tillbaka till PHP 5.4. Den enda fullständiga åtgärden är att uppgradera till PHP 8.2.35, 8.3.36, 8.4.27 eller 8.5.12 och sedan starta om Apache, PHP-FPM och PHP-workers. För att hjälpa driftansvariga publicerar OpenAI en Codex-skill, openai/php2shell-checker, som läser av en webbplats PHP-version via dess URL eller direkt på servern; dess kodförråd varnar för att den bara ser den version som anges i HTTP-huvudena eller av php -v, och att ett okänt resultat inte betyder att målet är åtgärdat.

Given the severity of these flaws and PHP’s widespread use, we consider this one of the most impactful security issues in recent memory.

🇸🇪 Med tanke på hur allvarliga dessa sårbarheter är och hur utbrett PHP är betraktar vi detta som ett av de säkerhetsproblem som fått störst konsekvenser under de senaste åren. — OpenAI, blogginlägg den 21 oktober

OpenAI drar utifrån detta upp en hanteringsmodell i fem steg, från tidig validering av korrigeringen med adversariella tester utförda av frontiermodeller till publicering av anvisningar, med förhandsbesked till berörda organisationer och samordning med myndigheter (för PHP: Vita husets Super Intelligence Force, ONCD och CISA), och ställer fyra frågor till gemenskapen, däribland hur långa tidsfristerna för offentliggörande bör vara. Företaget öppnar Codex for OSS-abonnemang för alla underhållare, sponsrar direkt projekt som Rust Foundation och förväntar sig en kraftig ökning av denna typ av upptäckter under de kommande månaderna. Samma dag publicerade det en plan för att utrusta cyberförsvarare (se Notiserna).

🔗 OpenAI:s blogginlägg · Webbplatsen php2shell.com · Skillen php2shell-checker

Claude Security går över till kontinuerlig skanning och följer korrigeringarna, i offentlig beta för Claude Enterprise

21 oktober — Hos Anthropic är Claude Security inte längre beroende av manuellt startade skanningar: det följer nu kodförråden i takt med förändringarna. Ett projekt samlar ett eller flera kodförråd, anslutna via Claudes GitHub-app (inklusive GitHub Enterprise Server) eller via åtkomsttoken för GitLab och andra Git-leverantörer; Claude gör en grundlig inledande skanning och analyserar sedan förändringarna utifrån deras risk och komplexitet. Ett fynd markeras som åtgärdat när korrigeringen har levererats, även utanför Claude Security, och öppnas på nytt om problemet återkommer. Enligt Anthropic har tusentals organisationer hittat över en miljon sårbarheter med verktyget sedan dess offentliga beta i april.

Varje projekt får en kunskapsbas och en hotmodell (threat model) som Claude skriver utifrån koden och som teamet kan ändra; allvarlighetsgraden för varje fynd avgörs utifrån dessa, med en förklaring av angreppsvägen, ibland i form av ett diagram. Ett API, webhooks, en MCP-anslutning i Claude.ai och Claude Code samt rollbaserad åtkomstkontroll kompletterar helheten. Denna version är i offentlig beta för Claude Enterprise och kan aktiveras av administratörer för hela modellfamiljen, inklusive Claude Mythos, utan att gå via Cyber Verification Program. Kvalificerade organisationer får 25 000 dollar i användningskrediter per månad i två månader, för användning fram till den 31 december 2026.

🔗 Tillkännagivandet av Claude Security

Beräkningsinfrastruktur: DSX POD i containrar, Google Clouds A5X-instanser och Confidential Bare Metal

21 oktober — På GTC Berlin, där Jensen Huang under sin keynote uppgav att Vera Rubin var i full produktion, presenterar NVIDIA DSX POD, en referensdesign för kompletta AI-fabriker med Vera Rubin, tillverkade av partner i modulära containrar. Beräkning, nätverk, kablage mellan rack, rördragning, strömförsörjning på racknivå och vätskekylning integreras och valideras i fabriken och levereras sedan färdiga att anslutas till en redan utrustad anläggning.

Tidsvinsten är huvudargumentet: på en anläggning där strömförsörjning, kylning och nätverk är klara uppger NVIDIA att driftsättningstiden kortas från sex månader till som kortast 14 dagar. Enligt Jensen Huang skapar en AI-fabrik värde när den börjar producera tokens, inte när bygget blir klart. Sjutton partner (Dell, HPE, Lenovo, Foxconn, Schneider Electric, Vertiv, Bull, Crusoe, Anduril…) ska leverera dessa fabriker världen över i början av 2027; inget pris anges.

Det som NVIDIA presenterat	Angiven siffra
Driftsättning av en DSX POD	Från sex månader till som kortast 14 dagar
Tillverkande partner	17
Första leveranserna	Början av 2027
Besparat kylvatten (anläggning på 2 GW)	Upp till 54 miljoner liter per dag
Energianvändning med programvaran DSX MaxLPS	Upp till 30 % mindre för samma antal tokens

Ett tillhörande pressmeddelande sätter siffror på DSX-plattformens effektivitet: vätskekylning i ett slutet kretslopp med torrkylare, som ger en nästan obefintlig förbrukning av kylvatten, sparar upp till 54 miljoner liter per dag vid en anläggning på 2 gigawatt, vilket motsvarar den dagliga förbrukningen för 180 000 hushåll; programvaran DSX MaxLPS uppges producera samma antal tokens med upp till 30 % mindre energi, och CoreWeave, Google Cloud, Lambda och Nebius planerar att använda den. Dagen före hade NVIDIA även redogjort för införandet av sina Vera-CPU:er i Europa, hos Nebius, Nscale och Verda.

🔗 Pressmeddelandet om DSX POD · DSX-ekosystemet i Europa

Google Cloud presenterar sina A5X-instanser med Vera Rubin NVL72, tillgängliga nästa månad

21 oktober — Google Cloud och NVIDIA presenterar A5X-instanserna, som kombinerar Vera Rubin NVL72-system, ConnectX-9-nätverkskort, Google Clouds Virgo-nätverk och företagets fjärde generations vätskekylning för agentisk inferens och förstärkningsinlärning i stor skala. Trots att rubriken talar om allmän tillgänglighet preciserar NVIDIAs inlägg att instanserna blir tillgängliga nästa månad, med en planerad utvidgning till Europa. Google Cloud planerar på sikt upp till 960 000 Rubin-GPU:er på flera platser.

Den första kunden är Ineffable Intelligence, AlphaGo-skaparen David Silvers Londonbaserade företag, som vill träna system som kontinuerligt kan lära sig av sina egna erfarenheter. WPP uppger att företaget enligt sina första tester har lyckats köra arbetslaster för kreativa agenter på en enda A5X-instans, där det tidigare krävdes ett kluster med flera noder.

🔗 NVIDIAs inlägg om A5X-instanserna

Confidential Bare Metal: NVIDIA skyddar laboratoriernas modeller på maskiner som de inte äger

21 oktober — NVIDIA utökar sin konfidentiella databehandling med Confidential Bare Metal, ett alternativ avsett för laboratorier som tränar eller tillhandahåller ledande modeller på dedikerad infrastruktur hos en tredje part, hos en molnleverantör, en neocloud-leverantör eller ett företag. Där installerar de sin egen programvarustack, inklusive värd- och plattformsprogramvara, och behåller samtidigt kontrollen över sina modeller och data tack vare nya kontroller: skydd av data under överföring, mätning av plattformens integritet och åtkomstbegränsningar som verkställs av hårdvaran.

Erbjudandet omfattar nu tre lägen (bare metal, Kubernetes-containrar, virtuella maskiner), utökas till Grace Blackwell- och Rubin-system och ska integreras i DSX OS, referensarkitekturen för molnleverantörer som bygger AI-fabriker. Cohere planerar att använda det i Cohere Model Vault, och Google Cloud utökar det till sina A4X Max-instanser, baserade på GB300 NVL72, samtidigt som Confidential Computing blir allmänt tillgängligt på företagets G4-VM:ar. I september hade NVIDIA visat konfidentiell inferens på B200 som behöll 96,1 till 98,2 % av genomströmningen.

🔗 NVIDIAs inlägg om Confidential Bare Metal

Företagsagenter hos NVIDIA: OpenShell Reference Architecture, Agent Toolkit och Kumo-modellerna

21 oktober — På GTC Berlin presenterade NVIDIA OpenShell Reference Architecture, en referensarkitektur för att bygga, isolera, observera och styra agenter i företag, tillgänglig redan nu. Den utvecklar OpenShell, en open source-runtime som placerar en agent i en sandlåda styrd av policyer på kärnnivå, till en komplett hårdvaru- och programvarustack. Jensen Huang sammanfattar uppdelningen: agenterna tänker på Rubin, agerar på Vera och styrs på BlueField. Enligt honom måste AI:s förmågor och säkerhet utvecklas tillsammans, i ett läge där företag förbereder sig för att driftsätta miljarder agenter.

Komponent i stacken	Angiven roll	Siffra som NVIDIA uppger
Vera Rubin NVL72	Inferens för slutna modeller eller öppna modeller byggda med Nemotron	30 gånger högre genomströmning per megawatt för agentiska arbetslaster
CPU Vera	Ramverk för agenter och verktygsanrop	2 gånger prestandan hos x86-processorer
DPU BlueField-4 med NVIDIA Sentry	Övervakning via separat kanal, policyer som verkställs i kislet	Stoppar en agent på några millisekunder, upp till 20 % högre kapacitet för agenter

Om en agent försöker lämna sitt tillåtna område sätter Sentry den i karantän och stoppar den inom några millisekunder, enligt NVIDIA. Arkitekturen sträcker sig ända till arbetsstationerna RTX Spark, DGX Spark och DGX Station och fungerar både med Linux och Kubernetes (Canonical, SUSE, Red Hat) och med Windows, med Microsoft Execution Containers, på AWS, Google Cloud och Azure.

Agenter baserade på modeller från Anthropic, Cohere, Google, Meta, OpenAI, Perplexity, Reflection och SpaceX Super Intelligence kan köras där. Elva säkerhetsleverantörer, däribland CrowdStrike, Palo Alto Networks, Zscaler, Okta och 1Password, integrerar arkitekturen, BBVA och Santander utforskar den och Cadence, Dassault Systèmes, IBM, SAP, Siemens och Synopsys bygger vidare på den. SAP kopplar den till Joule Studios runtime, och ServiceNow passar på att göra ServiceNow Arc allmänt tillgänglig, en långlivad personlig agent vars åtgärder verkställs av OpenShell; dess AI Passport överför policyerna till OpenShell och Sentry för att återkalla en agents åtkomst på några sekunder.

🔗 NVIDIAs pressmeddelande · Tweeten från @NVIDIAAI

Agent Toolkit: Agent Knowledge Foundation och familjen med öppna Kumo-modeller

21 oktober — I samma stack utökar NVIDIA sitt Agent Toolkit, som är open source, med en komponent för företagsdata, Agent Knowledge Foundation. Den samlar CUDA-X-biblioteken (cuDF, cuGraph, cuML, cuOpt, cuVS), ett nytt Auto-Ontology-bibliotek som omvandlar rådata till affärsbegrepp (kunder, produkter, beställningar) och relationer utan att flytta data eller ändra kontrollerna för datastyrning, sökmodellerna Nemotron Retriever och familjen med öppna Kumo-modeller, som gör förutsägelser utifrån tabulära, relationella eller tidsbaserade data (Kumo Tabular, Relational, Time Series och Forecast). Verktygspaketet innehåller också runtime-miljön OpenShell och NemoClaw-blueprints, däribland en ny blueprint för optimering av agenter.

NVIDIA nämner inledande resultat hos sina partner: SAP:s finjusterade reranker körs nästan 3 gånger snabbare, ServiceNow minskar sin latens för reranking med nästan en fjärdedel och Amazon OpenSearch Service ökar relevansen med praktiskt taget ingen extra latens. Databricks kombinerar Kumo Anomaly med Genie Ontology, Snowflake gör Kumo Engine och Kumo Relational tillgängliga i sina notebooks och NVIDIA använder det för sin egen leveranskedja tillsammans med Palantir. Kumo-familjen lanserades i slutet av september med Kumo Tabular.

🔗 NVIDIAs inlägg om Agent Toolkit

Flint: Recursive släpper en öppen MoE med 40 miljarder parametrar för lokal kodning, Base Labs sina beslutsmodeller

21 oktober — Recursive, Richard Sochers företag, släpper Flint, sin första modell: en blandning av experter (mixture-of-experts) utformad för agentisk kodning på lokal hårdvara. Den har totalt 39,8 miljarder parametrar men aktiverar bara cirka 2,5 miljarder per token, vilket gör att den kan köras på en bärbar dator. Vikterna publiceras under Apache 2.0-licensen på Hugging Face, i BF16 och i kvantiserade INT4- och NVFP4-versioner (GGUF), och modellen kan användas med Ollama, LM Studio, Unsloth eller exo, eller gratis i OpenCode och Pi.

Benchmark eller egenskap	Värde enligt Flints modellkort
Terminal-Bench 2.1	54,9 %
SWE-bench Pro v2	89,7 %
SWE-bench Verified	74,2 %
Totala och aktiva parametrar	39,8 miljarder, varav cirka 2,5 miljarder aktiva per token
Experter per MoE-lager	256 routade, varav 6 aktiva, plus 1 delad
Dokumenterad kontext	262 144 tokens

Poängen är genomsnittliga pass@1-resultat från minst fem försök, uppmätta av Recursive; i Terminal-Bench räknas lösningar som hittats genom webbsökning som misslyckanden, och konkurrenternas poäng bygger delvis på deras utvecklares uppgifter, med olika testprotokoll. Enligt Recursive presterar ingen annan MoE med färre än 50 miljarder parametrar bättre på dessa tre benchmarktester, och Flint kan mäta sig med täta modeller med 25 till 40 miljarder parametrar samtidigt som den körs mer än fem gånger snabbare. Företaget uppger över 125 tokens per sekund på en MacBook Pro M4 Pro och över 150 på en NVIDIA RTX Spark med 64 GB. Inlägget nämner en kontext på upp till 512k tokens, rekommenderar att hålla sig under 256k och råder användaren att dela upp komplexa uppgifter: Flint kan behöva mer vägledning än stora slutna modeller.

Flint fungerar också som en demonstration av Eureka Machine, Recursives system för automatiserad forskning, som föreslår idéer, implementerar och testar dem och väljer nästa spår. Enligt företaget har systemet bidragit till data, optimerare, träningsrecept, infrastruktur och inferens och gjort det möjligt för ett litet team att bygga modellen från grunden på mindre än fyra månader.

🔗 Recursives inlägg · RecursiveSI/flint på Hugging Face

Base Labs, Basetens laboratorium, släpper beslutsmodellerna mammoth-1 och elephant-1

21 oktober — Baseten släpper två beslutsmodeller som har tränats av företagets forskningslaboratorium Base Labs: mammoth-1 med 27 miljarder parametrar och elephant-1 med 9 miljarder. En beslutsmodell skriver inget svar: den returnerar en sannolikhet för varje möjligt svar på en flervalsfråga, en betygsfråga eller en ja/nej-fråga, vilket gör det möjligt att ange konfidensgränser och lämna över till en människa när de överskrids. Enligt Baseten kan den svara upp till 10 gånger snabbare än en resonemangsmodell. De två modellerna är versioner av Qwen3.5-27B och Qwen3.5-9B som eftertränats på 6,21 miljoner exempel, däribland fall där det gäller att kunna svara ”jag vet inte”.

Beslutsmodell	Basmodell	Jev Decision Index 0.4	Artificial Analysis Decision Index
mammoth-1	Qwen3.5-27B	71,24, etta av 208	65,9
elephant-1	Qwen3.5-9B	Bästa modellen på 9B, delad 8:e plats	65,2

De två modellerna är gratis i en vecka via Basetens Model APIs, och som standard sparas inga data. Baseten beskriver dem som open source: deras modellkort på Hugging Face anger en MIT-licens.

🔗 Basetens inlägg

Dokumentsökning för agenter: Cohere lanserar Rerank 5, NVIDIA släpper Nemotron 3.5 Embed, Rerank och Parse

21 oktober — Cohere lanserar Rerank 5, den nya generationen av sina modeller för omrangordning (reranking) för företagssökning, i två versioner: Rerank 5 Pro (rerank-v5.0-pro) siktar på högsta kvalitet, särskilt för sökfrågor som kräver resonemang och för långa eller specialiserade dokument, medan Rerank 5 Fast (rerank-v5.0-fast) fokuserar på latens och volym, exempelvis för agenter som gör många sökningar per uppgift. Båda är tillgängliga från den 21 oktober via Coheres API, för 0,05 dollar per miljon tokens för Pro och 0,02 dollar för Fast, samt i Model Vault, Microsoft Foundry, Amazon SageMaker och North. De stöder över 100 språk, 32k tokens kontext och semistrukturerade data, och migreringen kräver bara att parametern model ändras, utan omindexering.

Den främsta nyheten heter Context Focus. Funktionen är avstängd som standard och returnerar i samma anrop de mest relevanta avsnitten i varje dokument, som poängsatta teckenintervall, så att bara dessa utdrag behöver skickas till LLM:en. Cohere har testat funktionen med en sökagent (glm-5-3-flash, 17 uppsättningar med 50 frågor):

Sökstack som Cohere testat	Rätta svar	Förbrukade tokens
Enbart BM25	46 %	Referensvärde
BM25 och Rerank 5 Pro	49 %	Ej kvantifierat
Med Context Focus, standardtröskel på 0,1	57 %	19 % färre än utan Context Focus
Med Context Focus, tröskel på 0,4	58 %	34 % färre än utan Context Focus, 35 % färre än med enbart BM25
Sex benchmarktester för fördjupad sökning, tröskel på 0,4	52 %, mot 39 % med enbart BM25	41 % färre än med enbart BM25

Det är den sista siffran, uppmätt i jämförelse med enbart BM25, som Coheres tråd sammanfattar som ”upp till 41 %” färre tokens. Den andra förändringen är att poängen är kalibrerade. En relevanspoäng på 0,7 kan nu tolkas som 70 % sannolikhet att dokumentet är användbart, och tröskeln för ”mer sannolikt användbart än inte” ligger på 0,50 för Pro och 0,45 för Fast. Det gör det möjligt att filtrera med ett tröskelvärde eller upptäcka att inga relevanta resultat har returnerats. Mot två oberoende uppsättningar mänskliga bedömningar är det förväntade kalibreringsfelet (ECE) cirka 0,06 för båda modellerna, jämfört med 0,23 till 0,38 för Rerank 4 Pro och de två testade modellerna från Voyage AI.

På offentliga benchmarktester, utvärderade med RCP-nDCG@10, Coheres egen mätmetod, kommer Rerank 5 Pro först på 39 av de 46 sammansatta datamängderna och får 82,2 på BRIGHT, som testar sökning som kräver resonemang: 5,8 poäng mer än Voyage AI Rerank 3 och 12,4 mer än Rerank 4 Pro. Fast bearbetar cirka 187 dokument med 1 000 tokens per sekund på en A100-GPU, 2,9 gånger så hög genomströmning som Pro. Rerank 5 kommer tre veckor efter Embed 5 och en vecka efter den korta videon där Cohere redan jämförde modellen med Rerank 4.

🔗 Coheres blogginlägg · Coheres versionsinformation

Nemotron 3.5 Embed, Rerank och Parse: NVIDIA:s multimodala dokumentsökning för agenter

21 oktober — Samma dag utökar NVIDIA sin samling Nemotron Retriever (tidigare Nemotron RAG) med modeller för embeddings, omrangordning och dokumentextraktion. Modellerna presenteras som öppna och tillåtna för kommersiell användning och publiceras på Hugging Face under licensen OpenMDW 1.1. Nemotron 3.5 Embed finns i 8B, i 1B destillerad från 8B och i 1B NVFP4, och söker både i text och i dokumentbilder (tabeller, diagram, scheman). Nemotron 3.5 Rerank 8B poängsätter par av sökfrågor och dokument i text- och bildformat, och Nemotron 3.5 Parse, med 631 miljoner parametrar, omvandlar sidor till strukturerad text.

På ViDoRe v3.1 når Embed 8B 61,17 i nDCG@10, högst bland de täta modellerna den 20 oktober, och Rerank 8B får 60,49 mot 59,17 för Qwen-3-VL-Reranker-8B. Parse ligger först på ParseBench bland modeller med färre än en miljard parametrar, med 75,20 vid 10,5 sidor per sekund på en H100. Liksom Cohere lyfter NVIDIA fram kostnaden för agenter, men med andra benchmarktester och andra jämförelsebaser:

Jämförelsepunkt	Cohere Rerank 5	NVIDIA Nemotron 3.5 Rerank
Distribution	Betald API, Model Vault, Foundry, SageMaker	Modellvikter på Hugging Face, licensen OpenMDW 1.1
Uppgiven tokenbesparing	Upp till 41 %, jämfört med enbart BM25 på sex benchmarktester	Cirka 14 % per agentfråga, med Embed 8B
Framhävt resultat	82,2 på BRIGHT (RCP-nDCG@10)	60,49 på ViDoRe v3.1 (nDCG@10)

De två besparingssiffrorna är inte direkt jämförbara: Cohere mäter hela sin stack med Context Focus mot enbart nyckelordssökning, medan NVIDIA mäter tillägget av Rerank efter sina egna embeddings, på ViDoRe v3, BRIGHT och BrowseComp-Plus. När det gäller driftsättning bearbetar NVFP4-versionen av Embed 1B 27,1 % fler dokument per sekund på GB200 och behåller 99,85 % av sin noggrannhet.

🔗 NVIDIA:s blogginlägg om Nemotron Retriever

ChatGPT Ads: ytterligare 26 länder, 89 totalt, och en annonsplattform som styrs av en orkestrerande LLM

21 oktober — OpenAI utökar ChatGPT Ads till ytterligare 26 länder, vilket innebär att annonsplattformen nu finns i 89 länder. Efter Mexiko och Brasilien omfattas ytterligare 14 länder i Latinamerika, däribland Argentina, Chile, Colombia och Peru, samt nya marknader i Europa, Mellanöstern, Afrika och Asien, såsom Nigeria, Sydafrika, Serbien, Ukraina, Kambodja, Bangladesh och Pakistan. Över 100 000 annonsörer har startat kampanjer sedan annonseringen öppnade för drygt åtta månader sedan, och över 1,2 miljarder människor använder ChatGPT varje vecka. Annonserna visas fortfarande bara i Free och Go; Plus, Pro och Enterprise förblir annonsfria. I slutet av augusti uppgav annonsplattformen en intäkt på en miljard dollar i årstakt och närvaro i över 40 länder.

Samma dag beskriver två ingenjörer på OpenAI, Ritendra Datta och Karthik Gopalratnam, annonsplattformens tekniska stack. I en konversation växer den kommersiella avsikten fram över flera turer, vilket klassiska system, byggda för en sökfråga eller en sidvisning, hanterar dåligt. OpenAI har därför valt annonsessioner med tillstånd som minns mellan turer och konversationer, en eftertränad LLM i teknikens framkant, ”orkestreraren”, som styr hela flödet genom verktygsanrop, och en urvalstjänst som är separat från svarsgenereringen, med egna modeller och egen kod.

Steg i annonskedjan	Vad som händer
Avsikt	Orkestreraren sammanfattar konversationen i en eller flera sökfrågor
Sökning	Semantiska embeddings och approximativ sökning efter närmaste grannar i flera index
Filtrering	Budget, utgiftstakt, målgruppsstyrning, regler, deduplicering per annonsör
Poängsättning	Relevans, förutsagt engagemang, tidigare resultat
Auktion	Val av annons och pris, utanför orkestreraren

ChatGPT är inte beroende av detta system: om det är långsamt eller ligger nere visas svaret som vanligt, en annons som kommer för sent visas inte, och att inte returnera någon annons är ett normalt utfall. Den valda annonsen visas under svaret, märkt som sponsrad, med en kort neutral inledning som genereras av en modell. OpenAI:s mest kraftfulla modeller utvärderar helheten och tränar mindre modeller för orkestrering eller sökning, och Codex har förstärkt utvecklingskapaciteten vid bygget av stacken, trots att OpenAI ännu inte hade något annonssystem för ett år sedan.

🔗 Utökningen med 26 länder · ChatGPT:s annonsstack

AI för biologi och medicin: GPT-Rosalind läser en CRISPR-atlas, RFD4-Proteina och Cosmos3-H-Dreams

Tre tillkännagivanden tillämpar AI inom biovetenskap: agenter från OpenAI som analyserar en genetisk atlas, en öppen modell för proteindesign i webbläsaren och en kirurgisimulator som genererar bilden i realtid.

Tusentals GPT-Rosalind-agenter analyserar en CRISPR-atlas över mushjärnan på 32 minuter

21 oktober — OpenAI, PerturbAI och Scripps Research har låtit tusentals agenter som drivs av GPT-Rosalind analysera en CRISPR-atlas över hela mushjärnan, som mäter effekten av genetiska perturbationer på miljontals celler. Varje agent studerar en perturbation, undersöker cellernas svar, söker i litteraturen och föreslår en förklaring. Tillsammans bildar analyserna en resonemangsatlas (reasoning atlas) som publicerats på GitHub, med en preprint på bioRxiv.

Mått som teamet rapporterat	Publicerat värde
Agenternas analystid	32 minuter
Jämförbar mänsklig analys (uppskattning)	Månader till ett år
Citerade referenser vid störst arbetsmängd	Över 700, mot 11 för en enda agent
Experternas preferens vid blindbedömning	75 % för de distribuerade agenternas rapporter

Två spår framträder. I lillhjärnan förändrar en perturbation av Tsc2 aktiviteten hos tiotals gener kopplade till neuronal kommunikation, medan en perturbation av Tsc1 nästan inte förändrar någonting, ett resultat som kan kopplas till tuberös skleros. Och en perturbation av Dctn1, en gen kopplad till Perrys syndrom, ökar uttrycket av gener för kolesterolproduktion. Det leder till en hypotes som experterna bedömer som ny och som behöver testas i laboratorium: skulle en återställd fördelning av kolesterol i nervcellerna kunna skydda dem mot degeneration?

🔗 OpenAI:s forskningsinlägg · Preprinten på bioRxiv

RFD4-Proteina: NVIDIA:s och Baker Labs modell för proteindesign, gratis på dedikerade GPU:er till den 4 november

21 oktober — NVIDIA gör RFD4-Proteina tillgänglig i webbläsaren. Denna öppna modell för proteindesign, utvecklad med Baker Lab vid Institute for Protein Design på University of Washington, genererar samtidigt ett proteins sekvens och fullständiga atomstruktur utifrån ett villkor: målet som en bindare ska fästa vid, eller det katalytiska motiv som ett enzym måste innehålla. Den hanterar varierande molekylära sammanhang, från små molekyler till nukleinsyror, glykaner och metalljoner.

Modellvikterna finns på Hugging Face sedan den 6 oktober, under licensen BSD-3-Clause. Nyheten är tillgången via två Spaces: det ena körs på dedikerade RTX PRO 6000-GPU:er och är gratis från den 21 oktober till den 4 november på NVIDIA:s bekostnad, det andra körs på ZeroGPU och förblir gratis därefter. Modellen har en inställning för resonemang (thinking setting), precis som LLM:er: på ett benchmarktest med 24 mål producerar den vid hög resonemangsnivå 76,40 unika designförslag per GPU-timme som uppfyller valideringskriterierna in silico, mot 13,24 för Proteina-Complexa, den näst bästa metoden. I sitt blogginlägg om de öppna modeller som presenterades på GTC Berlin uppger NVIDIA också att den leder på över tio designuppgifter och är cirka 13 gånger snabbare än RFdiffusion3 för proteiner med 200 aminosyror. NVIDIA föreslår att den används i tävlingen i proteindesign som sponsras av Anthropic och Adaptyv.

🔗 Blogginlägget om RFD4-Proteina på Hugging Face · Modellvikterna för RFD4-Proteina

Cosmos3-H-Dreams: en generativ kirurgisimulator som reagerar i realtid på användarens rörelser

20 oktober — NVIDIA presenterar Cosmos3-H-Dreams, en generativ simulator som i realtid återskapar en bukkirurgisk scen: användaren flyttar en tång, griper tag i gallblåsan och lyfter den, och modellen genererar motsvarande bild. I stället för att modellera vävnadernas geometri och deformation lär sig denna världsmodell (world foundation model) den visuella dynamiken från videor och kinematik från verkliga kolecystektomier utförda med CMR Surgicals robot Versius. Enligt NVIDIA är det den första generativa kirurgisimulatorn i realtid som tränats på kliniska ingrepp och stöder kinematisk styrning i realtid.

Modellen utgår från Cosmos3-H-Embodied-Nano, med 16 miljarder parametrar, specialiserad med 28 handlingsdimensioner (position, orientering och gripfunktion för båda armarna, energikommandon samt styrspakarnas axlar och knappar), och har sedan destillerats till versioner med fyra respektive två steg som körs interaktivt på en enda RTX PRO 6000 tack vare biblioteket FlashDreams. De två checkpoints finns på Hugging Face under NVIDIA Open Model License, tillsammans med koden och en anvisning för att anpassa modellen till egna data.

🔗 Blogginlägget om Cosmos3-H-Dreams på Hugging Face

Robotik och fysisk AI: humanoiden Agile ONE SN, Isaac Lab 3.0, Alpamayo 2 Edge och Cosmos Data Factory

NVIDIA ägnade en stor del av sin keynote åt fysisk AI: en referenshumanoid för laboratorier, en allmänt tillgänglig plattform för robotinlärning samt nya modeller och verktyg för autonom körning och träningsdata. Microducks från Pollen Robotics och Hugging Face kom till och med upp på scenen (se Notiserna).

Isaac: referenshumanoiden Agile ONE SN, Isaac Lab 3.0 och Isaac OS

21 oktober — NVIDIA utökar sin robotikplattform Isaac med en referenshumanoid för forskning. Agile ONE SN byggs av Agile Robots och levereras förkonfigurerad med Isaac GR00T-modellerna, och säkerhetssystemet Halos ska integreras. Den ska bli tillgänglig i början av 2027, med målet att korta tiden för att sätta upp ett laboratorium från några veckor till några dagar; Stanford och ETH Zurich visar intresse.

Egenskap hos Agile ONE SN	Angivet värde
Längd och vikt	1,40 m, 40 kg
Frihetsgrader	31, plus 20 för var och en av de två händerna
Nyttolast	3 kg per arm
Inbyggd beräkningskapacitet	Jetson Thor, 2 070 téraflops FP4, 128 Go enhetligt minne
Tillgänglighet	Början av 2027

Resten av plattformen utvecklas också: Isaac Lab 3.0, ramverket med öppen källkod för robotinlärning, blir allmänt tillgängligt med fysikmotorerna Newton och PhysX, och en ny runtime med öppen källkod, Isaac OS, byggd på Holoscan, kopplar samman modeller, sensorer och styrning. Tre referensarbetsflöden för DGX Station visar hur man finjusterar GR00T 1.7 med förstärkningsinlärning, tränar fingerfärdig manipulation eller eftertränar Cosmos-modeller för att producera syntetiska data. NVIDIA publicerar även ett bibliotek med över 2 000 simuleringsklara objekt på Hugging Face samt Human 1M, en samling synkroniserade videor från tre vinklar med 3D-spårning av händer, vars fullständiga version är förbehållen partner i Cosmos Coalition. Enligt Jensen Huang närmar sig robotikens ChatGPT-ögonblick snabbt.

🔗 NVIDIAs pressmeddelande om Isaac

Alpamayo 2 Edge och Cosmos Data Factory: autonom körning ombord och robotarnas data

21 oktober — I inlägget som presenterar företagets öppna modeller från GTC Berlin lägger NVIDIA till Alpamayo 2 Edge, en kompakt resonemangsmodell som körs ombord på fordonet, på DRIVE AGX Thor, för att förstå omgivningen och planera färdvägen i realtid; den bygger på NVIDIA Cosmos. På datasidan samlar Cosmos Data Factory blueprints och agentskills för att välja ut, annotera, generera och utvärdera träningsdataset, med nya verktyg för att förbättra världsmodeller med mindre beräkningsresurser. Porsche använder det med Voxel51, ANYbotics med Encord, Zalando och CEVA Logistics med Sereact, liksom Siemens. Samma inlägg presenterar RFD4-Proteina och meddelar att Ising, NVIDIAs modellfamilj för kvantberäkning, kommer till AWS Parallel Computing Service.

🔗 NVIDIAs inlägg om sina öppna modeller

Industri och telekom: Mistral och NVIDIA för ingenjörsarbete, T-Mobile genomför det första AI-RAN-samtalet

Två tillkännagivanden tar AI utanför datacentret: till industrins konstruktionskontor och till mobilnätens antenner.

Mistral och NVIDIA samarbetar kring AI för industriellt ingenjörsarbete, med öppna benchmarks

21 oktober — Mistral tillkännager ett samarbete med NVIDIA för att tillämpa AI på industriellt ingenjörsarbete. De två företagen vill bygga ingenjörsarbetsflöden med AI som grund (AI-native engineering workflows): Mistral Large 4 och Mistrals pipelines för datagenerering och fysikalisk modellering, accelererade av NVIDIAs bibliotek CUDA-X och Warp, ska förkorta simuleringarna och koppla samman simulering, modellutveckling och konstruktion i en sluten återkopplingsslinga. Mistrals modeller ska också integreras i Omniverse-biblioteken för att generera 3D-scener på GPU och SimReady-objekt i 3D.

Projektets kärna är utvärdering: offentliga benchmarks och öppna dataset för att jämföra fysikmodellernas precision och validera automatiserade kedjor från CAO till simulering, samt utvärderingar av agentbaserad AI inom datorstödd ingenjörsanalys (CAE) och elektronikkonstruktion (EDA), för flygindustrin, fordonsindustrin och halvledarindustrin. De ska mäta om en agent kan använda ingenjörsverktyg, utföra uppgifter i flera steg och leverera ett tekniskt korrekt resultat, samt mäta körtid och beräkningskostnad. Inga benchmarknamn, dataset, datum eller belopp anges. Inlägget påminner om att vikterna för Mistral Large 4 (cirka 1 000 miljarder parametrar, varav 49 miljarder aktiva), som tränats på 3 800 Grace Blackwell-GPU:er i Europa, fortfarande planeras att släppas i slutet av oktober. Enligt Neil Ashton, vice vd för beräkningsbaserat ingenjörsarbete på Mistral, har tempot i ingenjörsarbetet alltför länge styrts av simuleringstakten.

🔗 Mistrals inlägg · Tweeten från @MistralAI

T-Mobile genomför det första AI-RAN-samtalet i ett kommersiellt nät, med NVIDIA och Nokia

21 oktober — NVIDIA meddelar att T-Mobile i Bellevue (Washington) har genomfört det första AI-RAN-samtalet i ett kommersiellt nät, tillsammans med Nokia. AI-RAN kör radionätets bearbetning på GPU:er, som också kan köra AI-modeller nära användarna. Jensen Huang sammanfattade milstolpen med en formulering: CUDA ringer nu telefonsamtal, efter närmare åtta års arbete enligt honom.

I Europa uppger Elisa att företaget har genomfört kontinentens första fälttest med AI-RAN, där röst, mobildata och bildanalys med AI körs på samma accelererade plattform. BT förbereder tester i Storbritannien, och Nokia installerar sin CUDA-accelererade programvara anyRAN på NVIDIAs Aerial RAN Computer för tester hos BT, Deutsche Telekom, Elisa och Orange. Nio operatörer i EMEA-regionen bygger eller utökar NVIDIA-infrastruktur, och både Nokia och Cisco integrerar Nemotron-modellerna i sin programvara för autonoma nätverk.

🔗 NVIDIAs pressmeddelande om AI-RAN

Generativ röst och video: Eleven Realtime Translation, HeyGen Voice Turbo och API:et för Kling 4.0

Tre leverantörer av generativa medier tar steg på utvecklarsidan: röstöversättning i realtid, en billigare röstmodell och ett video-API som man har väntat på i en vecka.

Eleven Realtime Translation: ElevenLabs öppnar en alfaversion av röstöversättning i realtid under samtal

21 oktober — Dagen efter Eleven Realtime, företagets tal-till-tal-modeller för röstagenter, öppnar ElevenLabs en begränsad alfaversion av Eleven Realtime Translation, en modell för röstöversättning i realtid. Under ett samtal talar varje person sitt eget språk och hör sin samtalspartner på sitt eget språk, med en naturlig röst. ElevenLabs sammanfattar skillnaden: Eleven Realtime är till för agenter som talar med människor, Realtime Translation för människor som behöver tala med varandra.

Modellen stöder över 90 språk och identifierar automatiskt varje samtalspartners språk. Rösten för det översatta talet kan väljas bland över 17 500 röster i biblioteket, eller vara en klon av den egna rösten, och en inställning för hur snabbt modellen ska svara (eagerness control) balanserar latens mot översättningskvalitet. Under alfafasen är åtkomsten förbehållen företag via ElevenAPI, utan angivet pris eller blogginlägg.

🔗 Tillkännagivandet från @ElevenLabsDevs

HeyGen Voice Turbo: etta i Artificial Analysis vy Controlled Voice, före HeyGen Voice

21 oktober — Tolv dagar efter HeyGen Voice, företagets första egenutvecklade röstmodell, lanserar HeyGen en snabbare och billigare Turbo-variant, tillgänglig via företagets API; API:ets Turbo-endpoint är gratis till och med den 30 november. HeyGen uppger att företaget innehar de två första platserna i Artificial Analysis rankning av talsyntes. Det gäller vyn Controlled Voice, som jämför modeller med samma klonade röster, där Qwen-Audio-3.1-TTS-Plus tar tredjeplatsen och där osäkerhetsmarginalerna gör att de tre främsta ligger jämsides.

Talsyntesmodell	Elo i vyn Controlled Voice	Pris som anges av Artificial Analysis
HeyGen Voice Turbo	1 202 (±19)	4 dollar per miljon tecken
HeyGen Voice	1 195 (±15)	30 dollar per miljon tecken

Liksom den 9 oktober ligger HeyGen inte i topp i vyn Provider Voice, som jämför rösterna som varje leverantör tillhandahåller.

🔗 HeyGens tillkännagivande · Artificial Analysis vy Controlled Voice

Kling öppnar API:et för Kling 4.0, som även erbjuds på fal, Higgsfield och Runway

21 oktober — Sex dagar efter att Kling 4.0 blev fullt tillgängligt på företagets webbplats lanserar Kling officiellt API:et för sin videomodell, som den 15 oktober utlovades komma snart, för att integrera modellen i produkter och arbetsflöden. Tillkännagivandet innehåller varken pris eller länk till dokumentationen. Modellen kommer samma dag till flera tredjepartsplattformar: fal och Higgsfield lägger till den, Kling lyfter fram den på Magnific, och Runway erbjuder tre dagars obegränsad användning av Kling 4 till alla nya Max- eller Team-prenumeranter.

🔗 Tillkännagivandet från @Kling_ai · Runways erbjudande

GitHub har kopierat 99,99999 % av sina kodförråd till Azure och går över till ett quorum per referens

21 oktober — Två veckor efter att ha presenterat principerna för sin framtida Git-infrastruktur beskriver GitHub mellansteget, som drivs av övergången till agenter. Nu finns 99,99999 % av företagets kodförråd både i de egna datacentren och i Azure, dit den första kopian kom i augusti 2025; de flesta har två av sina fem repliker där, och Azure hanterar redan ungefär hälften av Git-trafiken. Kvar är de 0,00001 % som används mest, vilka hålls tillbaka av en nätverksrundtur på cirka 25 ms till en Azure-region ungefär 1 000 miles bort.

Flaskhalsen ligger i quorumet i Spokes, systemet som replikerar varje kodförråd: en skrivning väntar på alla fungerande repliker och låser hela kodförrådet, så att den långsammaste repliken bestämmer takten. GitHub går därför från ett quorum per kodförråd till ett quorum per referens: två skrivningar väntar bara på varandra om de berör samma gren, vilket är ovanligt när agenter och utvecklare pushar till var sin gren. I interna tester fick skrivningar till olika referenser 3 till 4 gånger högre genomströmning. Azure Blob Storage blir också en del av quorumet genom en ”virtuell replik” för skrivning, GitHubs första helt tillfälliga nod, och virtuella repliker för läsning kan skapas vid behov för kodförråd som får mellan 100 och 1 000 läsningar per skrivning. Seriens sista del väntas under GitHub Universe nästa vecka.

🔗 GitHubs tekniska inlägg

JOLT: Perplexity Research och NVIDIA låter samma modell vara både lärare och elev

21 oktober — Perplexity publicerar tillsammans med NVIDIA JOLT (Joint On-policy Learning and Teaching, gemensam inlärning och undervisning), en metod för efterträning där en enda modell har två roller. Klassisk förstärkningsinlärning, som GRPO, ger bara en belöning per försök; självdestillation lägger till återkoppling token för token, där samma modell spelar läraren, som har tillgång till privilegierad information som en verifierad lösning, och eleven, som saknar den. Men med sina ledtrådar kan läraren ta genvägar som eleven inte kan använda: JOLT tränar därför även läraren, utifrån dess egna belöningar, med ett straff när den avviker från vad eleven skulle göra.

Utvärderat benchmark	Basmodell	JOLT+:s förbättring jämfört med GRPO
GSM8K	DeepSeek-V2-Lite	+1,5 poäng
MATH	Qwen3-0.6B	+4,2 poäng
LiveCodeBench v6	Qwen3-8B	+3,0 poäng
AppWorld	Qwen3-4B-Instruct	+9,9 poäng
Terminal-Bench 2.1 (pass@1)	Qwen3-30B-A3B-Instruct	+2,7 poäng

Varianten JOLT+, som lägger till elevens egen belöning, överträffar GRPO, den bästa testade referensmetoden, på alla fem benchmarks; utan den presterar JOLT bättre än GRPO inom matematik och kod, men ligger efter på AppWorld och Terminal-Bench. Den tydligaste vinsten gäller kostnaden: på MATH, vid samma träffsäkerhet (63,44 %), förbrukade GRPO 8,40 miljoner träningstokens, jämfört med 1,30 miljoner enligt JOLTs anpassade kurva, alltså 6,5 gånger färre. Den fullständiga artikeln har funnits på arXiv sedan den 7 oktober, och inlägget kopplar inte metoden till någon av Perplexitys produkter.

🔗 Perplexitys inlägg · Artikeln på arXiv

Kodagenter: Claude Code 2.1.305, Gemini CLI 0.65 till 0.67, Delta 0.21, Replit Agent med Stripe Atlas och PDD Kit

Agenternas CLI:er åtgärdar regressioner och får stöd för företagsnätverk, Delta kopplas till Claude Code, Replit Agent lär sig att bilda företag och GitHub Next lovar att bevisa att agenternas kod är korrekt i stället för att granska den. Hos OpenAI har ingen stabil version av Codex CLI släppts sedan 0.163.0 den 15 oktober; Copilot CLI 1.0.102, Qwen Code, mistral-CLI:n och dagens övriga verktyg finns i Kortnyheter.

Claude Code 2.1.305 åtgärdar anrop som blockeras av verktygssökning på Vertex och Bedrock

20 oktober — Claude Code 2.1.305 (38 poster, varav 22 korrigeringar) åtgärdar framför allt en regression från 2.1.304: på Vertex, Bedrock och andra leverantörer misslyckades alla anrop när endpointen eller en gateway nekade verktygssökning (tool search), eller när en gateway förbjöd ToolSearch eller utelämnade det från --tools. Claude Code försöker nu igen utan verktygssökning. På Linux låter sandbox.allowNestedUserNamespaces kommandon i sandlådan skapa namnrymder för användare, så att Chromium eller podman kan köras utan root; versionsanteckningarna varnar för att detta gör det möjligt för dem att kringgå sandlådans filskydd.

/usage omvandlar varje varning till en korrigering på en rad som anger källan och kan tillämpas med tangenten f. För administratörer filtrerar allowedMcpServers inte längre bort stdio-servrar från managed-mcp.json som bara använder ${VAR} i env: en server som lämnats utanför listan kommer att laddas efter uppdateringen, och med deniedMcpServers kan den hållas inaktiverad. När ett Workflow återupptas startas inte längre de redan slutförda agenterna pipeline() och parallel() om. Version 2.1.306, som publicerades den 21 oktober, lägger till två korrigeringar, däribland en för claude -p, som uppgav att den inte var ansluten i en molnsession som startats utan dess miljövariabler.

🔗 Versionsanteckningarna för Claude Code 2.1.305

Gemini CLI: stabil v0.65.0, preview v0.66.0 och OAuth för MCP i privata nätverk

20 oktober — Gemini CLI avslutade sin veckocykel på kvällen den 20 oktober, med preview v0.66.0-preview.0 klockan 21.04 UTC och den stabila versionen v0.65.0 klockan 21.17 UTC; nightly-versionen v0.67.0 från den 21 oktober inleder sedan serien 0.67.0. Den stabila versionen för bara vidare redan presenterade rättningar (anpassade OTLP-headers, snabbare filtrering av ignorerade filer, slut på OAuth-loopar), men preview- och nightly-versionerna tillför fyra nya PR:er.

Den mest användbara nyheten för företag är inställningen oauth.allowPrivateNetwork, som aktiveras server för server i settings.json och gör det möjligt att ansluta till MCP-servrar och OAuth 2.0-leverantörer på ett internt nätverk (adressintervall enligt RFC 1918, RFC 6598 och RFC 4193, domänerna .internal och .local), som hittills avvisats vid adressvalideringen. Shell-verktyget skriver inte längre över användarens Git-konfiguration, vilket tidigare fick git commit att misslyckas eftersom identitet saknades, och ett felmeddelande som bara råkar innehålla 401, till exempel porten localhost:4012, utlöser inte längre felaktigt OAuth-detektering. Gemini 4 Argon dröjer fortfarande: boten i repot har meddelat att den PR från communityn som lägger till modellen kommer att stängas inom 7 dagar, eftersom det saknas ett ärende märkt help wanted.

Publicerad version av Gemini CLI	Datum och tid (UTC)	Nytt innehåll
v0.66.0-preview.0	20 oktober, 21 h 04	4 PR, bland annat OAuth för MCP i privata nätverk
v0.65.0 (stabil)	20 oktober, 21 h 17	Inget, stabil lansering av serien 0.65.0
v0.67.0-nightly.20261021	21 oktober, 01 h 33	Samma 4 PR, starten på serien 0.67.0

🔗 Gemini CLI v0.66.0-preview.0 · Gemini CLI v0.65.0

Delta 0.21 öppnar delade trådar i Claude Code och ansluter till MCP-servern från Figma

21 oktober — Delta, miljön från Zed där flera användare kan koda med agenter, uppdateras till version 0.21.0 med 12 nya funktioner, 14 förbättringar och 48 rättningar. Kommandot Open in Claude Code öppnar en delad tråd i Claude Code, både på datorn och på webben, förutsatt att Delta-pluginen för Claude Code är installerad, och medarbetare som ansluter till en tråd från ett externt verktyg, inklusive Claude Code, visas i deltagarfältet med verktygets namn. Delta ansluter också till MCP-servern från Figma, en vecka efter att Figma nämnde Delta bland sina nya MCP-partner.

CLI:n får delta update, manuell compaction är fortsatt tillgänglig medan en lokal agent arbetar, och slashkommandona får handlingsinriktade namn (/change-model, /fork, /set-thinking-level). Bland rättningarna finns att Grok 4.7 äntligen utnyttjar hela sitt fönster på 500k tokens med ett Grok-abonnemang och att agenterna inte längre stannar utan besked när de anropar ett otillgängligt verktyg. Kommandona delta daemon tas bort: Delta startar nu vid behov.

🔗 Versionsinformationen för Delta 0.21.0

Replit Agent kan bilda bolag med Stripe Atlas, som nu finns i MCP och CLI från Stripe

21 oktober — Replit meddelar att dess agent nu kan bilda ett bolag åt användaren via MCP-integrationen för Stripe och Stripe Atlas, Stripes tjänst för bolagsbildning; tillkännagivandet anger varken pris eller villkor som är specifika för Replit. Det bygger på en nyhet som kontot @atlas offentliggjorde en halvtimme tidigare: Atlas finns tillgängligt i MCP-servern och CLI:n från Stripe.

Använt Stripe-gränssnitt	Roll i en Atlas-ansökan
MCP-server	Konversationsflöde via en agent: krav, bolagsinformation, valideringar
Stripe CLI	Terminalflöde med strukturerade prompter, som kan startas av en kodagent
Kontrollpanelen i Stripe	Identitet, betalning, dokumentgranskning, underskrifter och inlämning

Enligt inlägget på Stripes utvecklarblogg, daterat den 19 oktober, kan samma ansökan återupptas i ett annat gränssnitt. Atlas stöder C corporations och LLC i Delaware, även med flera grundare: tjänsten bildar bolaget, skaffar ett arbetsgivaridentifikationsnummer (EIN), inleder grundarnas gradvisa intjäning av aktier (vesting) och lämnar in skatteval enligt 83(b). Inlägget nämner Claude Code och Cursor bland de miljöer som konfigureras automatiskt, men inte Replit, som gör ett eget tillkännagivande.

🔗 Tillkännagivandet från Replit · Tillkännagivandet från Stripe Atlas · Inlägget på stripe.dev

PDD Kit: GitHub Next och Microsoft Research vill formellt verifiera agenternas Rust-kod, med integration i Chopin

21 oktober — GitHub Next och Microsoft Research presenterar Proof Driven Development Kit (PDD Kit), som omvandlar en utvecklares plan till en formell specifikation och sedan bevisar att koden som agenten skriver följer den för alla möjliga indata. Med en apps inloggningsflöde som exempel diskuterar PDD Kit koden, härleder avsikten under samtalets gång och föreslår en specifikation i Verus, ett bevisspråk för Rust; när specifikationen har godkänts bevisar Verus-verifieraren automatiskt att koden följer den. När ett bevis inte är möjligt faller verktyget tillbaka på tester och agenter som använder datorer (computer-use agents). Det fungerar i dag bara med Rust.

GitHub presenterar det som en förhandsversion för forskning som ska göra det möjligt att sätta AI-genererad kod i produktion utan att läsa igenom den rad för rad, medan Microsoft Research beskriver det som en undersökning av ett mer rigoröst angreppssätt; GitHub Next siktar på en verifierad programvarufabrik, där ingenjörerna granskar specifikationer i stället för kod. Kitet är integrerat i Chopin, planredigeraren för flera användare som GitHub Next släppte som open source under MIT-licens i september. Tillkännagivandet åtföljs inte av något inlägg, repo eller någon dokumentation för PDD Kit: demonstration på GitHub Universe den 28 och 29 oktober.

🔗 Tillkännagivandet från @GitHubNext · Chopin-repot

Notiser

Kodagenter och kodverktyg

Copilot CLI 1.0.102 — Den stabila versionen från GitHub, utan någon ny större funktion, ser till att promptläget följer det automatiska modellval som företaget kräver och att underagenterna följer godkännandena för anpassade verktyg och MCP-verktyg; sandlådan följer NO_PROXY och ALL_PROXY; samma dag uppdateras MCP-servern från GitHub till 2.0.3. 🔗 källa
Qwen Code v0.25.4 som förhandsversion — 173 ändringar sedan v0.25.3, bland annat qwen daemon start för att styra en lokal daemon, en Managed Agent som kan installeras på en enda server med systemd-enheter och en Web Shell som visar tiden till första token för varje modell; den stabila versionen har ännu inte släppts. 🔗 källa
CLI:n mistral 0.10.0 — Dagen efter 0.9.0 kan mistral apps delete ta bort en driftsatt app tillsammans med dess moduler och databaser, bakom en funktionsflagga (feature flag), och registeruppdateringar gör en trevägssammanslagning av ändrade mallfiler; en bakåtinkompatibel ändring innebär att äldre versioner avvisar det nya fältet version. 🔗 källa
v0 och Slack — Via MCP-servern från Slack läser v0 trådar och filer i en arbetsyta, använder dem som kontext för en ändring och publicerar löpande status där, begränsat till de kanaler som kontot har åtkomst till, i alla abonnemang. 🔗 källa
Delade konversationer i Replit — En konversation, ett enskilt objekt eller devURLs från en diskussion kan delas med medlemmarna i arbetsytan med enbart läsbehörighet; inget blogginlägg och ingen uppgift om abonnemang. 🔗 källa
Tillägg till Agents CLI — Google beskriver tilläggssystemet i sitt agentverktyg, som varit öppet sedan 1.5.0 den 1 september: det officiella LangChain-tillägget ersätter de 6 ADK-specifika kommandona av totalt cirka 24, och ett plattformsteam kan kräva en egen regel, till exempel en SBOM-analys före varje driftsättning. 🔗 källa
Manus Game Dev — Manus stöder nu riggning (rigging) och animering av 3D-karaktärer och gör 3D-genereringen flera gånger snabbare, utan exakta siffror eller uppgift om kostnaden i krediter. 🔗 källa

Assistenter och företag

Kimi Work 3.2.18 — Enterprise-användare av den agentbaserade appen från Moonshot AI kan skapa egna plugins och publicera dem på marknadsplatsen samt växla mellan arbetsytor, grupperade efter företag. 🔗 källa
Viktor går över till Grok 4.7 — Agenten, som presenteras som en AI-medarbetare, uppger sig ha över 70 000 team och tog in 75 miljoner dollar i maj, körs nu med modellen från SpaceXSI, utan att ange om den blir standardmodell. 🔗 källa
HCLTech i Claude Partner Network — Koncernen med fler än 230 000 medarbetare blir Global Premier-partner, med en Anthropic Business Unit, Claude i HCL BigFix och HCL AppScan samt Claude Code i sin AI Force-plattform; inget belopp anges. 🔗 källa
Terminal X — I en fallstudie från OpenAI publicerad den 20 oktober gör startupföretagets utvärderingsagent samma bedömning som en fonds seniora granskare i 88,6 % av 500 bedömningar med GPT-6.1 Sol, jämfört med 86,4 % för den näst bästa modellen, som inte namnges. 🔗 källa
AT&T och OpenAI — Juridikavdelningen på AT&T bygger vidare på sitt LegalEdge-team för att skapa ett gemensamt kunskapslager och planerar en portal för förfrågningar på naturligt språk; besluten ska fortsatt fattas av juristerna, enligt chefsjuristen David McAtee, och inga siffror anges. 🔗 källa

Styrning och säkerhet

Den första Public Benefit Report från Anthropic — Årsrapporten från bolaget med samhällsnyttigt uppdrag är uppbyggd kring fem pelare som definierats tillsammans med medlemmarna i Long-Term Benefit Trust, från teknisk säkerhet till fördelning av nyttan, och redovisar 166 arbeten under 2026, jämfört med 114 under 2025. 🔗 källa
Christopher Stubbs till Long-Term Benefit Trust — Den tidigare dekanen för naturvetenskap vid Harvard, som 1998 ingick i teamet som upptäckte att universums expansion accelererar, blir enligt Anthropic den första fysikern i Trust, vid sidan av bland andra Ben Bernanke. 🔗 källa
OpenAI:s plan för cyberförsvarare — Den andra delen av dess arbete med demokratisk styrning av frontier-AI föreslår tillförlitliga stoppmekanismer för agenter, moderniserade försvar och oberoende utvärderingar för regeringar och industrin, under det som OpenAI kallar ett möjlighetsfönster för försvarare. 🔗 källa
x402 Agent Safety Bench — I detta communitydrivna benchmark för agentbetalningar undviker Claude Sonnet 5.5, GPT-6.1 Sol och Gemini 4 Argon på egen hand 24 till 26 av 39 fällor, medan DeepSeek V4 Pro bara undviker 12 och förlorar 142,31 dollar; med benchmarkets skills förlorar ingen pengar. 🔗 källa
Passkeys på Hugging Face — Hub stöder inloggning med passkey (fingeravtryck, ansikte, skärmlås eller säkerhetsnyckel) i stället för lösenord och även som en andra autentiseringsfaktor. 🔗 källa
Tidsbegränsade tokens i GitHub CLI 2.103.0 — I en publik förhandsversion sparar gh auth login --expiring en kortlivad åtkomsttoken som förnyas i bakgrunden, så att en läckt token blir oanvändbar inom några timmar; detta blir standard för nya inloggningar i en kommande version. 🔗 källa

API och cloud

Tjänstenivåer per projekt i OpenAI API — Inställningarna i Platform gör det möjligt att välja vilka tjänstenivåer, till exempel Ultrafast, varje projekt får använda, och organisationen kan begränsa dem för alla sina projekt. 🔗 källa
Vertex AI i OpenAI:s SDK:er — openai-python 3.36.0 och openai-node 7.41.0 stöder Vertex AI för Responses API, med användningsräknare för cacheskrivningar med en livslängd på 30 minuter och hantering av samtycke för anpassade röster. 🔗 källa
Gemini på Google Distributed Cloud — På GTC Berlin lägger Google till Gemini 3.5 Flash i den internetfrånkopplade (air-gapped) versionen av sin molnplattform som installeras hos kunden, släpper en förhandsversion av företagssökning via RAG (100 Mo per fil, 500 Mo per konversation) och gör HGX B300-systemen allmänt tillgängliga. 🔗 källa · 🔗 RAG-sökning
Tokenkostnader enligt Perplexity — En guide listar fem orsaker till överförbrukning och beskriver inställningarna för Enterprise: 500 krediter per månad i Enterprise Pro, 15 000 i Enterprise Max, utan överföring till nästa månad, och namngivna gränser per grupp; inga nyheter tillkännages. 🔗 källa

NVIDIA: robotik, industri och hårdvara

Microduck i Isaac Lab 3.0 — NVIDIA, Pollen Robotics och Hugging Face publicerar en handledning för att lära den lilla tvåbenta roboten att gå, med Newton-motorn och upp till 1,25 miljoner simuleringssteg per sekund på 16 GPU, samma dag som Microducks intar scenen under keynoten. 🔗 källa
SimReady Central — Över 2 000 3D-objekt i OpenUSD med de egenskaper som en simulering kräver (kollisioner, massa, friktion) blir fritt tillgängliga på Hugging Face, från robotarmar till kylsystem. 🔗 källa
Halos SAFE, FOX och cuDSS — NVIDIA lanserar Halos SAFE, ett ramverk för säkerhetsbevis för fordonsindustrin, Volvo Cars börjar använda Hyperion och Alpamayo, FOX-blueprinten för fabriksagenter blir tillgänglig i tidig åtkomst (Siemens räknar med besparingar på cirka 20 %) och cuDSS blir allmänt tillgängligt. 🔗 källa · 🔗 FOX och cuDSS
Kapaciteten hos NVIDIA:s leverantörer — Substratkapaciteten ökar med en faktor 2,5 på tre år, kapaciteten för avancerad kapsling hos Amkor ökar med mer än 300 % till slutet av 2028 och KYEC får ett förskott på 1,1 miljarder dollar för nya anläggningar i USA. 🔗 källa
DGX Station för Windows i december — NVIDIA anger tidpunkten för Windows-versionen som tillkännagavs utan datum den 7 oktober, och NVIDIA Sync ska kunna samla upp till åtta DGX Spark, jämfört med två som meddelades i början av oktober. 🔗 källa
NVIDIA och UER — Inför GTC Berlin, den 19 oktober, gör NVIDIA och Europeiska radio- och TV-unionen, som samlar fler än 115 public service-medier, sina suveräna standarder för agenter tillgängliga för suveräna moln, utgivare av öppna modeller och integratörer. 🔗 källa

Öppna modeller och forskning

Kumo Forecast och Kumo Anomaly — NVIDIA samlar sina tidsseriemodeller NV-Tesseract, som funnits under Apache 2.0-licens och på Hugging Face sedan april, under varumärket Kumo; efter finjustering på 50 000 normala observationer ökar Kumo Anomaly från 0,016 till 0,201 i genomsnittlig precision. 🔗 källa · 🔗 Kumo Anomaly
bekko-static-embedding-v1 — Yuichi Tateno publicerar under MIT-licens flerspråkiga statiska embeddings som körs utan GPU: 43,76 på MNanoBEIR, cirka 11 poäng före de andra statiska modellerna, ungefär 1 poäng från multilingual-e5-small vid sökning. 🔗 källa
MemoProAgent — Forskare från Meta och tre universitet publicerar utan tillkännagivande koden till en proaktiv assistent som hämtar fram ett personligt minne och bara säger något om minnet kräver en åtgärd, utan att ange några kvantitativa resultat. 🔗 källa

Vad det innebär

De mest avancerade modellerna blir en katalog som varje stor molnleverantör vill kunna erbjuda i sin helhet. Efter Amazon Bedrock och Oracle Cloud i juni kommer OpenAI till Google Clouds Model Garden, inklusive Codex, och Google hävdar att de är den enda stora molnleverantören som erbjuder de tre främsta slutna LLM-modellerna; Antigravity, som redan erbjuder Claude Opus 5.5 och Sonnet 5.5, kommer också att få OpenAI:s modeller. För ett företag frikopplas valet av modell från valet av molnleverantör, eftersom förbrukningen räknas av mot redan tecknade åtaganden; för OpenAI är varje molnleverantör ytterligare en försäljningskanal, även om Microsoft förblir dess främsta partner. GTC Berlin följer samma logik: OpenShell Reference Architecture kör agenter från Anthropic, OpenAI, Google eller Meta på samma stack.

Agenterna arbetar numera utan att man ber dem, och deras skyddsmekanismer byggs in i produkten, ända ner i hårdvaran. Claude Duet går igenom kontona med några timmars mellanrum och agerar i sin egen virtuella maskin, men väntar på godkännande innan den betalar eller skriver under något, och vägrar utföra vissa åtgärder även om de godkänts; Grok Bot håller instrumentpaneler uppdaterade på egen hand. Hos NVIDIA övervakar Sentry agenter via en separat kanal från en BlueField-4-DPU och stoppar dem inom några millisekunder, och ServiceNow kan återkalla en agents åtkomst på några sekunder. Frågan gäller inte längre bara vad en agent kan göra, utan vem som kan stoppa den och på vilken nivå i stacken.

AI hittar sårbarheter snabbare än de åtgärdas. PHP2Shell berör ett språk som driver cirka 70 % av webbplatserna, med sårbara versioner ända sedan PHP 5.4, och OpenAI förväntar sig en kraftig ökning av sådana upptäckter; Claude Security uppger sig ha hittat över en miljon sårbarheter sedan april och går över till kontinuerlig skanning för att följa säkerhetsuppdateringarna. Flaskhalsen förskjuts mot samordningen: förhandsinformation till driftansvariga och myndigheter samt stöd till underhållsansvariga, i linje med OpenAI:s ramverk i fem steg, som publicerades samma dag som planen för cyberförsvarare. Till och med kontrollverktyget för PHP2Shell varnar för att ett okänt resultat inte bevisar att en server har säkerhetsuppdaterats.

Kostnaden för en agent räknas i tokens, och varje nivå i stacken lovar att sänka den. Context Focus från Cohere tar bort upp till 41 % av alla tokens jämfört med enbart sökordssökning, Nemotron 3.5 Rerank cirka 14 % per agentförfrågan, Flint aktiverar bara cirka 2,5 miljarder parametrar per token för att programmera på en bärbar dator, och JOLT når samma precision som GRPO på MATH med 6,5 gånger färre träningstokens. Längre ner i stacken utlovar NVIDIA AI-fabriker i drift på 14 dagar och upp till 30 % lägre energiförbrukning för samma antal tokens, och GitHub bygger om replikeringen av Git för en trafik som agenterna mångdubblar.