Sök

Google DeepMind presenterar Gemini 4 Carbon, GitHub Universe 2026 inkluderar Copilot i Enterprise, NVIDIA släpper Nemotron 3.5 Transcribe

JLS42 /
Artikel genererad av artificiell intelligens
google deepmind gemini gemini-cli securite github copilot github-copilot agents coding-tools nvidia audio open-source elevenlabs heygen suno openai chatgpt codex gpt anthropic claude claude-code science recherche sante meta perplexity mistral deepseek kimi moonshot qwen alibaba xai zai glm replit genspark manus zed amp ai2 together huggingface kling pika luma runway ia-generative video image actualites
Google DeepMind presenterar Gemini 4 Carbon, GitHub Universe 2026 inkluderar Copilot i Enterprise, NVIDIA släpper Nemotron 3.5 Transcribe

ai-powered-markdown-translator

Artikel översatt från fr till sv med gpt-6.1-sol.

Visa projekt på GitHub ↗

Google DeepMind presenterar Gemini 4 Carbon, sin mest kraftfulla modell, etta i Artificial Analysis Intelligence Index v5.0 och ledande inom cybersäkerhet, men till en början förbehållen en grupp cyberförsvarare inom Fairwind Program. GitHub inleder sin konferens Universe 2026 med ett trettiotal nyheter: Copilot Fusion blir allmänt tillgänglig, Copilot ingår i GitHub Enterprise, en samlad molnupplevelse, Copilot Memory, automatiseringar som lär sig av sina resultat och en Octoverse-rapport enligt vilken över 40 % av alla pull requests numera börjar med en agent. NVIDIA släpper Nemotron 3.5 Transcribe, en öppen modell för transkribering på 40 språk, och kommittén som leds av David Gross förklarar hur den ska granska OpenAI:s bevis om kvantiserad Yang–Mills-teori.

Google DeepMind presenterar Gemini 4 Carbon, sin mest kraftfulla modell, till en början förbehållen cyberförsvarare inom Fairwind Program

28 oktober — Två veckor efter att Gemini 4 Argon blev allmänt tillgänglig presenterar Google DeepMind Gemini 4 Carbon. Koray Kavukcuoglu, senior vice president på Google DeepMind och Googles chefsarkitekt för AI (Chief AI Architect), beskriver den som Googles mest kraftfulla modell, ledande inom cybersäkerhet och uppgifter som sträcker sig över lång tid (long horizon). Carbon tar förstaplatsen i Artificial Analysis Intelligence Index v5.0 med 59, före Claude Opus 5.5 (58) och GPT-6 Astra (57), och fjärdeplatsen i WebDev Arena (1 768, +89 Elo-poäng).

Cybersäkerhet är huvudargumentet. Carbon når 88,2 % på SEC-bench Pro, där uppgiften är att hitta sårbarheter, 54,8 % på ExploitGym, som kontrollerar att de går att utnyttja, och 71,0 % på Collinears CWE-bench, där de ska åtgärdas vid roten; Google påpekar att dessa externa resultat uppmättes utan skyddsmekanismer. Internt mer än fördubblas andelen lyckade försök att generera säker kod jämfört med Argon, Chrome-teamet rapporterar korrigeringar som är mer än 10 gånger bättre än dem från ett annat, icke namngivet laboratoriums stora frontiermodell, och Wiz placerar Carbon högst i sina benchmarks för penetrationstestning av webbapplikationer.

Siffrorna nedan är hämtade från tabellen som publicerats som bild i inlägget och som omfattar 17 rader. Carbon överträffas bara på två rader: FrontierSWE 2, där GPT-6 Astra och Claude Opus 5.5 ligger före, och offline-delmängden av OSWorld-2.1, där Claude Opus 5.5 leder.

Benchmark (Googles tabell)Gemini 4 CarbonGemini 4 ArgonGPT-6 AstraClaude Opus 5.5
AA Intelligence Index v5.059505758
Terminal-Bench 4.0 (AA)65,2 %57,1 %59,1 %59,6 %
FrontierSWE 261,2 %55,0 %65,5 %62,3 %
OSWorld-2.1 (offline)81,5 %74,7 %80,9 %87,2 %
GraphWalks (256k till 1M)96,2 %84,2 %71,8 %66,8 %
Vending-Bench 2 (saldo i dollar)16 48413 71815 5159 235
SEC-bench Pro88,2 %83,4 %85,4 %—
ExploitGym54,8 %42,0 %42,4 %34,5 %
CWE-bench71,0 %68,0 %68,0 %67,0 %

Google betonar också modellens beteende under långa sessioner: internt har Carbon arbetat ”i dagar” med utvecklingsuppgifter, som att hitta grundorsaken till subtila buggar i stora kodbaser. Andelen lyckade försök till fusk sjunker till 0,0 % på Terminal-Bench 4.0, varningar om allvarliga alignment-problem minskar med nästan 80 % i interna kodmiljöer och ogrundade påståenden är ungefär hälften så många som med Argon. På Gray Swans benchmark för indirekt prompt injection lyckades ingen attack, jämfört med 0,7 % för Argon.

Carbon finns ännu varken i API:et eller i Gemini-appen. Precis som med Argon i slutet av september öppnar Google först tillgången, redan denna vecka, för en mindre grupp cyberförsvarare och därefter gradvis för fler betrodda partner via Fairwind Program; parallellt deltar företaget i den amerikanska regeringens frivilliga process för att testa modeller före lansering. Utvecklare, företag och allmänheten får tillgång ”så snart som möjligt”, utan angivet datum. Priset är redan fastställt: 2 dollar per miljon tokens för indata och 10 dollar för utdata under lanseringsperioden, precis som för Argon, med 95 % rabatt på cachade indatatokens, därefter 4 respektive 20 dollar, utan något meddelat datum för övergången.

Announcing Gemini 4 Carbon, our strongest model with state-of-the-art cybersecurity and long horizon capabilities. Carbon represents a step up across most benchmarks, delivering strong frontier performance in autonomous coding and cyber defense. We’re first making Carbon available to a subset of trusted cyber defenders in our Fairwind program. We’ll expand access as soon as possible.

🇸🇪 Vi presenterar Gemini 4 Carbon, vår mest kraftfulla modell, med ledande förmågor inom cybersäkerhet och uppgifter som sträcker sig över lång tid. Carbon innebär ett framsteg på de flesta benchmarks och erbjuder prestanda i framkant inom autonom programmering och cyberförsvar. Vi öppnar först tillgången till Carbon för en mindre grupp betrodda cyberförsvarare inom vårt Fairwind-program. Vi kommer att utöka tillgången så snart som möjligt. — @GoogleAI på X

🔗 Google DeepMinds inlägg

GitHub Universe 2026: GitHub presenterar sig som ett agentbaserat system för programvaruleverans och sätter siffror på sin utbyggnad av infrastrukturen

28 oktober — GitHub inleder sin konferens Universe 2026 i San Francisco med ett inlägg av Jay Parikh som anger riktningen: att gå från en assistent som skriver kod till ett ”system för programvaruleverans” där utvecklaren anger riktningen och förblir ansvarig för det som går i produktion, medan agenter implementerar och verifierar. Leveransen är inte längre kod, utan slutfört arbete: en funktion, en buggfix, en säkerhetskorrigering. Strategin bygger på tre områden: hastighet, intelligens (plattformens kontext och kontinuerligt lärande) och kvalitet, med säkerhet som standard i arbetet.

Inlägget fungerar som en översikt över dagens nyheter, som beskrivs närmare i följande avsnitt: Copilot Fusion, projekt i GitHub Copilot-appen, sammanhängande sessioner från telefonen till VS Code, automatiseringar som lär sig av sina resultat, Max-nivån för Copilot code review och att Copilot ingår i GitHub Enterprise. På infrastruktursidan redovisar GitHub vad företaget har lagt till sedan årets början:

Infrastruktur som lagts till sedan början av 2026Omfattning enligt GitHub
CPU-kärnor4 miljoner
Snabb lagring160 Po
Nätverkskapacitet50 Tb/s

Migreringen till en driftsättning i flera regioner i Azure ska vara klar i början av nästa år, och den nya Git-arkitekturen bygger på förenklade primitiver, lagring som är frikopplad från beräkning och samordning som hålls till ett minimum. Jay Parikh framför också en tes: all programvara som skrivits hittills kommer att utgöra mindre än 1 % av den som skrivs under de kommande fem åren, en åsikt snarare än ett mätvärde.

🔗 Jay Parikhs inlägg

Copilot genererar och redigerar bilder med GPT Image 2.5 Flare, i offentlig förhandsversion

28 oktober — Copilot skapar och redigerar nu bilder utifrån beskrivningar i naturligt språk, i offentlig förhandsversion för abonnemangen Pro, Pro+, Business och Enterprise, i VS Code, GitHub Copilot-appen och Copilot CLI. Den valda resonemangsmodellen anropar ett genereringsverktyg som drivs av OpenAI:s GPT Image 2.5 Flare, visar förhandsvisningen i konversationen och sparar bilden direkt i projektet. Genereringen debiteras separat från chattmodellen, i bildtokens som dras från abonnemangets AI-krediter. Organisations- och företagsägare kan stänga av den via modellpolicyer, och en vattenstämpel med texten ”Made with AI”, som är avstängd som standard, kan aktiveras som tillval.

🔗 GitHubs ändringslogg

GitHub Design släpper Replica, ett AI-verktyg för prototypframtagning under MIT-licens

28 oktober — GitHub Design släpper Replica som open source under MIT-licens, ett verktyg som förvandlar idéer till interaktiva prototyper. Till skillnad från generiska verktyg bygger det på teamets designsystem, komponenter, mönster och dokumentation: designerna anger riktlinjerna, sedan beskriver designers, produktchefer och utvecklare med naturligt språk i GitHub Copilot-appen vilken prototyp de vill utforska och förfinar den. En valfri, egenhostad Replica Hub gör det möjligt att publicera prototyperna för att samla in teamets återkoppling. Verktyget är tillgängligt redan nu.

🔗 GitHubs ändringslogg

Octoverse 2026: 17,9 miljarder pushes och över 40 % av alla pull requests startas av en agent

28 oktober — GitHubs årsrapport Octoverse 2026 beskriver ett år av acceleration som drivs av agenter. På tolv månader har utvecklarna pushat kod 17,9 miljarder gånger, mer än under 2024 och 2025 tillsammans; antalet commits når 34,3 miljarder, mer än tre gånger nivån för två år sedan, och 1,3 miljarder pull requests har slagits samman, i genomsnitt 3,5 miljoner per dag. GitHub har över 225 miljoner utvecklare, varav 38,3 miljoner i USA och 32 miljoner i Indien; Frankrike ligger på tionde plats med 4,75 miljoner.

Nyckeltal i Octoverse 2026Publicerat värde
Pushes under tolv månader17,9 miljarder
Commits34,3 miljarder
Sammanslagna pull requests1,3 miljarder (3,5 miljoner per dag)
Utvecklare på GitHuböver 225 miljoner
Pull requests som startas av en agentöver 40 % i september (17 % i mars)
Aktiva Copilot-användare i agentläge55 % (35 % för ett år sedan)
Olika modeller som används i Copilot47 i september (29 i maj)
GitHub Actions-jobb1 440 per sekund

Agenternas andel ökar snabbt: i september började över 40 % av alla pull requests med ett första utkast från en agent, jämfört med 17 % i mars, vilket motsvarar 110 miljoner pull requests, ungefär sex gånger volymen i mars. Dessa pull requests slogs samman inom två veckor i 90 % av fallen, jämfört med cirka 86 % när ingen agent upptäcktes, och kodarkiv som skapats i år med en konfigurationsfil för agenter får i genomsnitt 8 gånger fler commits. Copilots cloud agent, som får en hel uppgift delegerad till sig, växer med 230 % på ett år, jämfört med 85 % för chatten i agentläge.

Utvecklarna använder också fler modeller: ingen av de 47 modeller som användes i september står för mer än 25 % av förfrågningarna, och 61 % av de användare som väljer modell använder flera, jämfört med 50 % fyra månader tidigare. Bland språken ligger TypeScript kvar på förstaplatsen före Python och JavaScript. Rankningen av leverantörers kodarkiv som får flest nya bidragsgivare leds av kodagenter: anthropics/claude-code, openai/codex, anomalyco/opencode, microsoft/vscode och github/copilot-cli.

🔗 Rapporten Octoverse 2026

GitHub Enterprise inkluderar nu Copilot för varje licensierad användare, med Copilot Standalone för 10 dollar

28 oktober — GitHub ändrar Copilots affärsmodell för företag. Kunder som går via ett säljteam hos GitHub eller Microsoft kan nu få Copilot inkluderat i GitHub Enterprise för varje licensierad användare, utan separat abonnemang; erbjudandet är tillgängligt redan nu för GitHub Enterprise Cloud. Hittills behövde man hantera två saker, antalet Copilot-licenser och AI-förbrukningen; när Copilot ingår återstår bara företagets AI-budget.

Denna tillgång ger samma funktioner och modeller som Copilot Enterprise, men utan månatliga AI-krediter per licens: varje förfrågan dras från företagets budget redan från den första, med befintliga policyer, varningar och kostnadsfördelning. Grundfunktionerna fortsätter att fungera även utan budget:

Copilot-funktionNär AI-budgeten är förbrukad
Kodkomplettering och next edit suggestionsFortsätter att fungera
Copilot Chat, Copilot code review och Copilot i molnetKräver budget
Tillgång till Copilot-licensenDras aldrig in

Medlemmar i företagskontot som saknar GitHub Enterprise-licens får samma tillgång med Copilot Standalone, för 10 dollar per användare och månad. Självbetjäning är ännu inte tillgänglig: den kommer stegvis, med utlovade datum ”under de kommande veckorna”, och nuvarande självbetjäningsabonnemang ändras inte. Copilot Business och Copilot Enterprise erbjuds fortsatt till både nya och befintliga företagskunder.

🔗 GitHubs ändringslogg

GitHub Copilot Fusion blir allmänt tillgängligt och ersätter manuellt modellval

28 oktober — Copilot Fusion blir allmänt tillgängligt i alla Copilot-abonnemang, i VS Code, GitHub Copilot-appen, Copilot CLI och JetBrains IDE:er, med fler klienter utlovade « snart ». I stället för att välja en modell väljer utvecklaren Copilot Fusion och sedan en insatsnivå: Standard för vanlig kod, High för svåra uppgifter, Max för de mest krävande. Fusion avgör sedan, för varje förfrågan, om uppgiften ska tilldelas en enda modell (Single) eller flera modeller i följd: i kaskad (Cascade: en effektiv modell skriver ett utkast, en kvalitetskontroll godkänner det eller eskalerar till en starkare modell) eller med granskning (Critique: en modell skriver, en annan granskar, den första reviderar).

Fusion förenar orkestreringen av flera modeller från Project HydraFusion, en förhandsversion för forskning som lanserades i september och utökades den 14 oktober, med Copilots automatiska modellval. Enligt Octoverse routade HydraFusion nästan 60 000 sessioner under sin förhandsversion; användare som använde auto, HydraFusion eller HydraFusion Max flyttas automatiskt till motsvarande Fusion-nivå. GitHub lyfter fram ett externt resultat:

Artificial Analysis Coding Agent IndexCopilot Fusion Max, enligt GitHub
Uppnådd poäng60, två poäng från Claude Code med Opus 5.5 Max
Genomsnittlig API-kostnad per uppgiftungefär hälften
Förbrukade tokensungefär hälften
Tid per uppgiftcirka 40 % mindre

För företag väljer Fusion endast bland de modeller som tillåts av policyerna; en administratör kan utesluta en modell från Fusion utan att ta bort den för användarna och ange Fusion, på valfri insatsnivå, som obligatorisk standardmodell. Varje anropad modell debiteras till sitt standardpris, med en tillfällig rabatt på 30 % på modellkostnaderna för betalabonnemang. AT&T uppger bättre tokeneffektivitet med Fusion Standard, utan att ange några siffror.

🔗 Ändringsloggen för Copilot Fusion

Copilot Fusion routar experimentellt till lokala modeller, MAI Code 1.1 Flash och Qwen3.8 Flash Next

28 oktober — GitHub utökar Copilot Fusion till lokala modeller i en experimentell förhandsversion som man aktivt väljer att delta i. På nivån Standard väljer Fusion för varje förfrågan mellan en modell som körs på datorn och en molnmodell, i Copilot CLI, Copilot-appen och VS Code. På Windows hanteras nedladdning och konfiguration av MAI Code 1.1 Flash via Windows ML-leverantören. På Windows, macOS och Linux stöder Copilot CLI också en lokal modell som tillhandahålls av en OpenAI-kompatibel server, MAI Code 1.1 Flash eller Qwen3.8 Flash Next; en modell som användaren själv tillhandahåller (BYOK) är inte automatiskt tillgänglig för Fusion. GitHub påpekar att sessionen inte blir offline: routningsbesluten fattas fortfarande i molnet, och lokala modeller kan ha andra säkerhetsskydd.

🔗 GitHubs ändringslogg

Copilot för JetBrains får Fusion och gör lokala sandboxmiljöer och next edit suggestions allmänt tillgängliga

28 oktober — GitHub Copilot-pluginen för JetBrains IDE:er kommer ikapp de andra klienterna. Copilot Fusion ersätter alternativet Auto, med sina tre insatsnivåer, en gradvis utrullning till alla användare och en rabatt på 30 % begränsad till de första 30 dagarna. Lokala sandboxmiljöer, som begränsar agentkommandonas åtkomst till filsystemet, nätverket och autentiseringsuppgifter enligt utvecklarens eller organisationens policyer, blir allmänt tillgängliga, liksom next edit suggestions. Agentramverket Microsoft Copilot blir standardvalet när det är tillgängligt, en sidopanel samlar sessionerna, och när man håller muspekaren över en agentomgång visas dess tidsåtgång och tokenförbrukning per modell.

🔗 GitHubs ändringslogg

Copilot blir en samlad molnupplevelse med sandboxmiljöer i molnet och en beräkningspott för Actions i dollar

28 oktober — GitHub samlar sina Copilot-gränssnitt i en enda molnupplevelse, allmänt tillgänglig i betalabonnemangen, med en utrullning som börjar den 28 oktober. En uppgift som startas från github.com, GitHub Mobile, Copilot CLI, Copilot-appen, VS Code, Slack eller Microsoft Teams blir en enda session, synlig i samma lista överallt och möjlig att återuppta i vilket annat gränssnitt som helst: beskriven med rösten eller en bild på telefonen, fortsatt på webben och avslutad i VS Code. Copilot Free-användare behåller Copilot Chat på github.com och på mobilen.

Varje session körs som standard i en sandboxmiljö i molnet som hanteras av GitHub, utan någon entimmesgräns för den totala körtiden, och med en ögonblicksbild när den stoppas så att den kan återupptas någon annanstans. Molnsessionerna har tillgång till Bash, GitHub CLI, kodsökning, anslutningar, MCP-servrar och skills, och kommandona /rubber-duck och /context kommer till webben och mobilen. GitHub Mission Control styr lokala sessioner från telefonen, och alternativet --environment-host registrerar den egna datorn eller en VM som miljö. Företagen behåller kontrollen genom policyn « Copilot in the cloud »: sessionerna är som standard begränsade till en organisation eller personliga kodarkiv, och SSO krävs.

Den mest genomgripande förändringen gäller faktureringen:

FaktureringsändringDetalj som GitHub har meddelat
Inkluderad Actions-pottEn pott i dollar i stället för ett antal minuter med standardrunners
Användning som täcks av pottenStandardrunners som GitHub tillhandahåller, sandboxmiljöer i molnet och, på Team och Enterprise Cloud, larger runners
Debitering av sandboxmiljöerFrån november 2026, dras i första hand från potten
Berörda abonnemangGitHub Free, Pro, Free for organizations, Team och Enterprise Cloud

Varje produkt behåller sitt publicerade pris; endast sättet att beräkna den inkluderade potten ändras.

🔗 GitHubs ändringslogg

GitHub Copilot-appen lanserar Projects i offentlig förhandsversion för att styra agenter över flera kodarkiv

28 oktober — GitHub Copilot-appen får Projects i offentlig förhandsversion. Ett projekt samlar ett mål, dess kontext (kodarkiv, designskisser, Slack-trådar, mötesanteckningar), agenterna och deras resultat för arbete som sträcker sig över flera kodarkiv eller sessioner: en funktion som är fördelad över flera kodarkiv eller en lanseringsplan som använder specifikationer och designskisser utan att röra koden. Copilot startar så många agenter som behövs i bakgrunden, i parallella sessioner, och återkommer med pull requests att granska; projektautomatiseringar tar hand om återkommande uppgifter, som en reklamvideo för varje levererad funktion. Appen hämtar också kontext från Slack och Figma och genererar bilder i chatten. Styrning av skrivbordsappar (computer use) är fortsatt i offentlig förhandsversion på macOS och Windows, precis som sedan den 1 oktober.

🔗 GitHubs ändringslogg

VS Code 1.144 och Copilot: Agent Host, sessioner som följer med till telefonen och öppet AHP-protokoll

28 oktober — VS Code 1.144, som släpptes på Universe-dagen, anpassar editorn till dessa sammanhängande sessioner. En session som startas i molnet från Agents-fönstret finns sedan i Copilot-appen, på GitHub Mobile, på github.com eller i CLI, liksom en session som startas i ett direktmeddelande i Slack eller Teams. Lokalt frikopplar Agent Host sessionerna från fönstren: agenten fortsätter efter att mappen har stängts, kan köras på en annan dator via Remote SSH eller dev tunnels och kan styras från GitHub Mobile medan den arbetar på utvecklingsdatorn.

Copilot-ramverket, byggt på Microsoft Copilot SDK, blir standardvalet för nya sessioner, och GitHub öppnar Agent Host Protocol (AHP) så att tredjepartsklienter kan ansluta till samma sessioner, med bibliotek i TypeScript, Rust, Go, Kotlin och Swift. VS Code lägger också till parallell jämförelse av modeller och ramverk, med en bedömningsmodell och en sammanställning (förhandsversion), experimentell datorstyrning (computer use), en marknadsplats för anpassningar (Customization Marketplace: skills, MCP-servrar, plugins) och Copilot-anslutningar i förhandsversion.

🔗 GitHubs ändringslogg · Versionsinformationen för VS Code 1.144

Agent Merge övervakar och reparerar pull requests direkt på GitHub, i molnet

28 oktober — Agent Merge, som redan finns i Copilot-appen och i VS Code, kommer till sidan för pull requests. Alternativet « Watch and fix » i området för sammanslagning ber Copilot att övervaka en pull request och själv korrigera misslyckade Actions-workflows, sammanslagningskonflikter eller båda, i en utvecklingsmiljö i molnet. Tillsammans med automatisk sammanslagning (auto-merge) håller Copilot en pull request redo, och GitHub slår ihop den så snart alla villkor är uppfyllda. Alternativet kan aktiveras som standard för alla ens pull requests i Copilot-inställningarna; det är förbehållet betalabonnemang och omfattas av organisationens och företagets policyer.

🔗 GitHubs ändringslogg

Copilot Memory blir allmänt tillgängligt, Copilot Dreaming går in i förhandsversion och kodsökningen sträcker sig bortom det lokala kodarkivet

28 oktober — GitHub samlar under namnet « GitHub intelligence » tre kontextkomponenter hämtade från plattformens datagraf. Den första, Copilot Memory, blir allmänt tillgänglig i betalabonnemangen efter nästan ett år med förhandsversioner. Copilot minns personliga preferenser (att exempelvis börja beskrivningar av pull requests med en sammanfattning) och ett kodarkivs konventioner (rätt testkommando) och återanvänder dem mellan sessioner och klienter: appen, CLI, VS Code, cloud agent, Copilot code review, Slack, Teams och mobilen. Personliga minnen hanteras i Copilot-inställningarna. GitHub anger ett resultat med tydlig avgränsning: bland de Copilot CLI-sessioner som undersöktes under den offentliga förhandsversionen och där agenten använde minnet uppvisade 93 % bättre följsamhet till utvecklarens preferenser, och 42 % effektivare arbetsflöden, vilket tillskrevs minnena.

Den andra, Copilot Dreaming, går in i en offentlig förhandsversion som man aktivt väljer att delta i. Copilot « drömmer » om tidigare arbete för att förbättra kommande sessioner, med tre typer av drömmar: den sorterar det personliga minnet, föreslår uppdateringar av skills och kodarkivets instruktionsfiler och omvandlar godkänd återkoppling från kodgranskningar till riktlinjer för Copilot code review. Ändringar i versionshanterade filer går genom en pull request som lämnas till teamet, och varje körning förbrukar IA-krediter.

Den tredje utökar Copilots kodsökning bortom den lokala kopian: kod, konfigurationer, scheman och dokumentation i kopplade kodarkiv och beroenden, utan kloning, genom exakta textmatchningar, symboler, reguljära uttryck, filter eller semantisk sökning. Kommandot /research använder den till exempel för att förstå hur flera tjänster hanterar nya betalningsförsök innan en migrering planeras.

Komponent i GitHub intelligenceStatus den 28 oktober
Copilot MemoryAllmänt tillgängligt i betalabonnemangen
Copilot DreamingOffentlig förhandsversion med aktiv anslutning, körningar debiteras i IA-krediter
Kodsökning bortom kodarkivetKopplade kodarkiv och beroenden, utan lokal kloning, används av /research

🔗 GitHubs ändringslogg

Copilot Automations kan delas, förbättrar sig själva och får 24 utlösare, 20 verktyg och kredittak

28 oktober — Copilot Automations, dessa workflows som kombinerar en prompt, utlösare och tillåtna verktyg för att låta Copilot arbeta i molnet, tar flera steg framåt på en gång, efter de schemalagda eller händelsestyrda automatiseringarna den 2 juni och aktiveringen via kommentarer den 3 augusti.

Först blir de delbara. En delad automatisering tillhör kodarkivet: den är synlig för alla med läsåtkomst och kan ändras av dem med skrivåtkomst, agerar under Copilots identitet, debiterar kodarkivets ägare för sina IA-krediter och fortsätter att köras när skaparen lämnar teamet, med en ändringshistorik. Dess typ, personlig eller delad, kan inte ändras efter att den har skapats.

Sedan lär de sig av sina resultat. En triageautomatisering observerar om etiketterna den sätter korrigeras, och en granskningsautomatisering om dess kommentarer accepteras; en andra automatisering analyserar dessa signaler varje vecka och föreslår ändringar av prompten, verktygen eller utlösarna, vilka endast tillämpas efter mänskligt godkännande.

Nyhet i Copilot AutomationsMeddelad detalj
Tillagda GitHub-utlösare24 händelser: issues, pull requests, discussions, code scanning-, secrets- och Dependabot-varningar
Extern aktiveringREST-API, till exempel från Jira, Sentry eller PagerDuty
KedjekörningEn automatisering kan starta en annan beroende på om den lyckas eller misslyckas
Tillagda GitHub-verktyg20, däribland sammanslagning av pull requests och omkörning av workflows, samt anpassade MCP-servrar
Tak för IA-krediterPer körning, dag, vecka eller månad

I VS Code 1.144 skapas och hanteras molnautomatiseringarna från fliken Automations i Agents-fönstret och körs även när datorn är avstängd. De erbjuds i abonnemangen Pro, Pro+, Max, Business och Enterprise.

🔗 Ändringsloggen för de nya verktygen och utlösarna · Delade automatiseringar · Självförbättring

GitHub Agentic Workflows blir allmänt tillgängligt

28 oktober — GitHub Agentic Workflows, GitHub Nexts open source-projekt som kör kodagenter i GitHub Actions, blir allmänt tillgängligt på github.com för Free, Team och Enterprise, efter en teknisk förhandsversion i februari och en publik förhandsversion i juni. Man beskriver en resonemangsuppgift i Markdown (triage av issues, analys av CI-fel, uppdatering av dokumentation, testskrivning); verktyget kompilerar den till standard-YAML för Actions, som körs av Copilot eller en annan kodagent. Standardmotorn, Copilot CLI, kräver en Copilot-licens.

Säkerheten står fortsatt i centrum: endast läsbehörighet som standard, en isolerad container bakom Agent Workflow Firewall, validerade utdata och ett separat jobb för hotdetektering före varje ändring. Den allmänt tillgängliga versionen lägger till egenhostade ARC-runners, budgetprognosen gh aw forecast som lämnar experimentstadiet, en modellrouter, val av leverantör per workflow och isolering i mikro-VM. Accenture uppger att AI skriver 91 % av ett teams commits och att antalet produktionsfel har minskat från ungefär 11 000 till färre än 1 000 per dag, enligt siffror från kunden.

🔗 GitHubs changelog

GitHub lanserar 26 verifierade MCP-connectors för Copilot som bara behöver anslutas en gång

28 oktober — GitHubs verifierade MCP-servrar, som kallas connectors, går in i publik förhandsversion för alla Copilot-abonnemang, med stegvis utrullning. Man väljer en tjänst, loggar in en gång och använder sedan anslutningen överallt: i Copilot-appen, Copilot CLI (kommandot /mcp, fliken Connectors), VS Code, molnsessioner och GitHub Mobile, utan att behöva installera en server eller hantera inloggningsuppgifter. Tjugosex tjänster erbjuds vid lanseringen, däribland Slack, Figma, Notion, Sentry, Linear, Atlassian Rovo, Cloudflare, Vercel och Work IQ, och dessa anslutningar kan även användas för schemalagda automatiseringar i appen. För Business och Enterprise måste policyn Editor preview features vara aktiverad, och vissa tjänster kräver en aktivering på sin sida, exempelvis Slacks MCP-åtkomst.

🔗 GitHubs changelog

Säkerhet och kodgranskning i agenternas tidsålder: AI Scan, säkerhetstillägg för Copilot-appen, Copilot code review Max, Agent Habitat från Replit och SB-Box från Genspark

Samma dag utökar GitHub sina säkerhetsverktyg till kod skriven av AI och till applikationer som använder AI, medan Replit och Genspark beskriver hur de isolerar agenter.

GitHub utökar sin säkerhet till AI: AI Scan av repon, upptäckt av sårbarheter i AI-applikationer och push protection med en klassificerare

28 oktober — GitHub lägger till tre säkerhetskomponenter som använder AI, alla i publik förhandsversion. AI Scan, som blev allmänt tillgängligt för pull requests den 15 oktober, utökas till hela repot: en agentbaserad skanner undersöker den mest riskutsatta koden i den senaste commiten på standardbranchen inom en fast tidsbudget, även i språk som CodeQL inte täcker, och bortser från sådant som CodeQL redan rapporterar. Varningarna hamnar i listan för code scanning och åtgärdas med agentbaserad autofix. Det kräver ingen Copilot-licens och debiteras i Code Security AI credits.

Code scanning lär sig också att upptäcka sårbarheter som är specifika för AI-applikationer i pull requests: indirekt prompt injection, röjande av känslig information och alltför långtgående handlingsförmåga (excessive agency), med en GitHub Advanced Security-licens. Slutligen använder push protection en klassificerare som utvecklats tillsammans med Microsoft Applied Sciences och som bedömer hur en hemlighet används i den omgivande koden för att blockera hemligheter som saknar ett känt format: i de första resultaten har den mer än fördubblat antalet pushes där en hemlighet fångats upp.

🔗 AI Scan av repon · Code scanning av AI-applikationer · Push protection med en klassificerare

Ett säkerhetstillägg för in code scanning-varningar och /security-review i GitHub Copilot-appen

28 oktober — GitHub Copilot-appen får ett GitHub security-tillägg, i publik förhandsversion, för att hantera code scanning-varningar utan att lämna appen. Det listar repots öppna varningar efter allvarlighetsgrad; man väljer en eller flera och ber Copilot att förklara dem (Explain) eller åtgärda dem (Fix), och ändringarna stannar i den lokala arbetskopian, utan commit eller push. Kommandot /security-review analyserar pågående ändringar innan en pull request öppnas. Tillägget installeras som en plugin, med copilot plugin install github-security@awesome-copilot; Explain, Fix och /security-review förbrukar AI-krediter, medan visning och avfärdande av varningar inte gör det. Det fungerar på github.com och på GitHub Enterprise Cloud med dataresidens, men inte på GitHub Enterprise Server.

🔗 GitHubs changelog

Copilot code review lägger till nivån Max med flera modeller och gör sina godkännanden allmänt tillgängliga

28 oktober — Copilot code review får en tredje insatsnivå, Max, i publik förhandsversion, vid sidan av Lite och Balanced. Den är avsedd för riskfyllda ändringar, som autentiseringslogik eller ett bibliotek som delas av flera tjänster, och låter flera oberoende granskningsagenter arbeta med modeller från olika leverantörer. Därefter sammanställer en aggregeringsagent deras iakttagelser, avgör meningsskiljaktigheter och kontrollerar korrektheten innan den levererar en enda granskning. Enligt keynote-inlägget får Max det bästa F1-värdet på ReviewBench för problem med hög allvarlighetsgrad, utan att siffran publiceras. Den tar längre tid och förbrukar fler AI-krediter än de två andra nivåerna.

Copilots godkännanden blir samtidigt allmänt tillgängliga: om funktionen är aktiverad räknas Copilots godkännande bland repots obligatoriska godkännanden, precis som en människas, och varje ny commit upphäver det. De är avaktiverade som standard och kan aktiveras per företag, organisation eller repo, med möjlighet att begränsa vilka filsökvägar som omfattas.

🔗 GitHubs changelog

Replit publicerar sin säkerhetsarkitektur Agent Habitat, med en mognadsskala i 11 dimensioner

28 oktober — Replit publicerar en vitbok, Agent Habitat Architecture, som föreslår en säkerhetsarkitektur för miljön där agenter arbetar och en skala för att utvärdera den. Utgångspunkten är tydlig: skydden måste hålla även om agenten inte samarbetar, avviker, manipuleras av innehåll den läser eller letar efter en sårbarhet. Arkitekturen skiljer mellan betrodda, delvis betrodda och opålitliga zoner och gör en förmedlare av autentiseringsuppgifter (credential broker) till den enda vägen ut: agenten ser aldrig de verkliga hemligheterna. Tolv principer följer med, bland annat behörigheter som bara kan minskas under en körning och mänskligt godkännande för varje oåterkallelig åtgärd.

Mognadsskalan omfattar 11 dimensioner, från sandbox-isolering till arbetslasters identitet, där varje dimension betygsätts från 0 till 3 med krav på belägg: nivå 1 skyddar mot olyckshändelser, nivå 2 mot prompt injection och nivå 3 mot en agent som aktivt försöker ta sig ut, och ett system är bara så bra som sitt lägsta betyg. I ett kompletterande inlägg av CTO Luis Héctor Chávez aviseras, utan datum, policyer för agenters åtgärder som kan anpassas per uppgift, en Security Agent som utökas till bidrag till företags kodbaser och upptäckt av misstänkt aktivitet baserad på eBPF-övervakning av sandboxar. Inga priser publiceras.

🔗 Replits vitbok · CTO:ns inlägg

Genspark öppnar SB-Box, sina sandboxar i virtuella maskiner för agenter, i beta

28 oktober — Genspark öppnar i beta den sandbox-infrastruktur som kör företagets egna agenter för utvecklare, under namnet SB-Box. Varje sandbox är en fullständig virtuell maskin med en egen kärna, inte en process eller en container. Efter 10 till 15 minuters inaktivitet fryses den med processer, minne och disk bevarade, och endast disken fortsätter att debiteras; nästa kommando, eller en HTTP-förfrågan till någon av dess portar, väcker den. Varje frysning blir en version som kan klonas eller återställas, och körtiden har aldrig något tak: endast kreditsaldot sätter gränsen.

SB-Box-mått (Genspark-plattformen)Angivet värde
Start av en maskin med 4 Go (median)0,35 s
Start (90:e och 99:e percentilen)0,43 s och 0,70 s
Återupptagning efter frysning (median)0,8 s
Minne bevarat efter frysning14 dagar

SB-Box styrs via CLI:t gsk eller ett REST-API och integreras med en kodagent via en SKILL.md-fil, med opencode i demonstrationen; i Claude Code hämtar CLI:t sessionsidentifieraren automatiskt. Gensparks kostnadsexempel: 41 minuters faktisk körtid på en maskin med 2 vCPU och 4 Go kostar 56 beräkningskrediter för veckan, och en disk på 20 Go lägger till 24 krediter per dag.

🔗 Gensparks tråd · SB-Box-sidan

NVIDIA lanserar Nemotron 3.5 Transcribe, en öppen modell för transkription, talaruppdelning och översättning på 40 språk

28 oktober — NVIDIA publicerar Nemotron 3.5 Transcribe, en öppen modell som i ett enda checkpoint förenar transkription på 40 språk, översättning från 31 språk till eller från engelska, talaruppdelning (diarisering) på 13 språk med upp till åtta röster, tidsstämpling, språkidentifiering, frågor om ljudet och maskering av personuppgifter. Den arbetar med inspelade filer, inte strömmande ljud, på upp till en timme och styrs med en instruktion på naturligt språk: lägg till talarnas namn, översätt, följ medicinsk stavning.

Modellen är en hybrid Mamba-2–Transformer av typen mixture of experts. NVIDIA beskriver den som en ”30B” med ungefär 4B aktiva parametrar; modellkortet på Hugging Face anger totalt 34B, varav 4,3B aktiva, inklusive ljudkodaren. Den levereras i BF16, FP8 och NVFP4, ryms på en enda H100 80 Go och släpps under licensen OpenMDW-1.1, som enligt modellkortet tillåter kommersiell användning. Den publiceras på Hugging Face och ModelScope, med en demonstration online.

Benchmark (modellkortet)Nemotron 3.5 TranscribeBästa angivna konkurrent
Open ASR engelska, 9 offentliga dataset (genomsnittlig WER)4,714,94 (Qwen3-ASR-1.7B)
Open ASR för långa inspelningar (genomsnittlig WER)10,9813,37 (Parakeet-TDT-0.6B-v3)
Open ASR flerspråkigt, 7 språk (genomsnittlig WER)4,626,49 (Qwen3-ASR-1.7B)
Flera talare, hela sessioner (cpWER)15,8016,83 (DiCoW v3.3 + DiariZen)
Artificial Analysis (WER, NVIDIAs tråd)2,81 %2,77 % (Voxtral Small, 24B)

Siffrorna för engelska skiljer sig mellan källorna: NVIDIAs tråd anger en förstaplats bland öppna modeller på Hugging Faces Open ASR Leaderboard med 5,33 % genomsnittlig WER, medan modellkortet anger 4,71 på nio offentliga dataset, uppmätt den 12 oktober. För talaruppdelning tar modellen förstaplatsen i VoiceArenas jämförelse av 14 system och i David AI:s rankning för flerspråkig diarisering på 21 språk.

On @ArtificialAnlys , Nemotron 3.5 Transcribe achieves a 2.81% word error rate with ~4B active parameters. Voxtral Small scores 2.77% with 24B. Nearly the same transcription accuracy, with about one-sixth the active parameters.

🇸🇪 På Artificial Analysis uppnår Nemotron 3.5 Transcribe en ordfelfrekvens på 2,81 % med ungefär 4B aktiva parametrar. Voxtral Small får 2,77 % med 24B. Nästan identisk transkriptionsnoggrannhet med ungefär en sjättedel så många aktiva parametrar. — @NVIDIAAI på X

För genomströmning anger modellkortet upp till 2 238 sekunder transkriberat ljud per sekund på en RTX PRO 6000 Blackwell Server Edition, men med den optimerade implementationen av NIM Nemotron Transcribe: dessa optimeringar finns ännu inte i open source-versionen, vars vLLM-integration är ungefär hälften så snabb. Kvantiserade versioner utlovas inom kort för RTX Spark, DGX Spark och Jetson AGX Thor. NVIDIA kompletterar slutligen modellen med de flerspråkiga datauppsättningarna Granary v2, tillgängliga på Hub sedan mitten av september, en återanvändbar pipeline för datakurering och recept för finjustering från NeMo Speech: i ett medicinskt fall minskar finjusteringen felfrekvensen med 45,8 % jämfört med den bästa prompten.

🔗 NVIDIAs tråd · Inlägget på Hugging Face · Modellkortet

ElevenLabs presenterar Cue, sin modell för forcerad tidsjustering på teckennivå som driver Scribe

28 oktober — ElevenLabs presenterar Cue, en modell för forcerad tidsjustering (forced alignment) som placerar varje tecken i en transkription på ljudets tidslinje. Det är den osynliga komponenten som får en undertext att visas vid rätt tidpunkt, synkroniserar en dubbad replik eller passar in sångtext till musik. Cue körs redan bakom alla Scribe-transkriptioner från ElevenLabs och kan användas separat via Forced Alignment API; den behandlar en hel inspelning i en enda genomgång, utan uppdelning i 30-sekundersklipp.

Mått (enligt ElevenLabs)CueAndra testade modeller för tidsjustering
Genomsnittligt fel, hela inspelningar179 ms283 ms till över 6 000 ms
Genomsnittligt fel, brusig engelska57 ms65 till 920 ms
Tidsjustering av en timmes ljudcirka 0,5 s på produktions-GPU:nnära 2 s (Qwen3-ForcedAligner)
Sånger: ord placerade med mindre än 0,3 s fel92,7 %82,0 % (bästa konkurrent)

Inlägget nämner 29 språk i benchmarktesterna på ett ställe och över 90 på ett annat.

🔗 ElevenLabs inlägg

HeyGen lanserar Voice STS, som överför ett inspelat röstframförande till en avatars röst

28 oktober — HeyGen lägger till ett tal-till-tal-läge (speech-to-speech, STS) i HeyGen Voice. I stället för att låta en syntetisk röst läsa upp en text spelar användaren in sin replik en gång, och HeyGen Voice STS återger den med avatarens röst, inklusive pauser, betoningar och viskningar. Läget är tillgängligt på utvecklarplattformen för 0,12 dollar per minut genererat ljud för direktgenererade röster, debiterat per sekund, via modellen heygen-voice-sts-0: källklipp på upp till 300 sekunder, WAV-utdata med samma längd. Det kompletterar HeyGen Voice, som presenterades den 14 oktober, och Voice Turbo, som lanserades den 21.

🔗 HeyGens tillkännagivande · Modellsidan

Suno öppnar en MCP-server i beta för att skapa låtar i Claude, ChatGPT, Gemini eller Cursor

28 oktober — Suno öppnar Suno MCP i beta, en MCP-server för att skapa musik utan att lämna sin assistent. När Suno har lagts till som anslutning i Claude, ChatGPT, Gemini, Claude Code eller Cursor beskriver man låten med vanligt språk: AI:n skriver text och stil, Suno producerar låten, som man sedan bearbetar genom uppföljande instruktioner. Servern erbjuder Sunos främsta funktioner: utgå från ett röstmemo eller en loop, göra covers, förlängningar och blandningar (mashups) av sina låtar och sjunga med sin egen Suno-röst. Ingen API-nyckel behövs: anslutningen sker via Suno-kontot, använder dess krediter och sparar låtarna i biblioteket. Tidig åtkomst begärs via ett formulär; Suno anger varken datum för allmän tillgänglighet eller någon separat prissättning.

🔗 Sunos tillkännagivande · Sidan för Suno MCP

AI och vetenskaplig forskning: kommittén för OpenAI:s Yang-Mills-bevis, Anthropics AI for Science och Meta vid fem universitet

Tre av dagens tillkännagivanden rör forskning: granskningen av ett AI-genererat resultat inom matematisk fysik samt tillgång för laboratorier till modeller från Anthropic och Meta.

David Gross kommitté beskriver granskningen av OpenAI:s bevis för existensen av kvantiserad Yang-Mills-teori

28 oktober — Två dagar efter OpenAI:s inlägg om existensen av kvantiserad Yang-Mills-teori presenterar sig kommittén som ska granska beviset i ett uttalande publicerat av KITP (Kavli Institute for Theoretical Physics, University of California i Santa Barbara). Kommittén leds av David Gross och består av Michael R. Douglas, Arthur Jaffe, Igor R. Klebanov och Nikita Nekrasov. Den 16 oktober bad OpenAI David Gross att ta hand om beviset och organisera spridningen av det; kommittén säger sig agera för forskarsamhällets räkning och inte ha ”något ansvar gentemot OpenAI”.

När det gäller innehållet ”verkar” beviset, som gäller teorins existens inklusive koppling till fermioner, ”vara ett viktigt steg” mot en rigorös matematisk grund för kvantfältteorin. Kommittén tillägger omedelbart att confinement och massgapet ”fortfarande är mycket viktiga öppna utmaningar”: frågan om massgapet är inte avgjord. OpenAI tillhandahåller en formalisering i Lean; kommittén ska först kontrollera att definitionerna och påståendet motsvarar vedertagna krav inom fysik och matematik, publicera Lean-beviset och därefter sin fullständiga bedömning tillsammans med de 1 147 sidor bevis som modellen har producerat.

This is an experiment in how the academic community can deal with the rapid development of new knowledge by AI. We intend to proceed very carefully.

🇸🇪 Det här är ett experiment i hur forskarsamhället kan hantera den snabba utvecklingen av ny kunskap genom AI. Vi avser att gå fram med stor försiktighet. — Uttalande från Yang-Mills Working Group (KITP)

🔗 Uttalandet på KITP:s webbplats

Anthropics AI for Science-program utökas till 20 stiftelser, institutioner och forskningsprojekt

28 oktober — Anthropic utökar sitt AI for Science-program, som lanserades i maj 2025 för att erbjuda gratis Claude-krediter till vetenskapliga projekt, till 20 partner världen över. Programmet växlar upp: det stöder inte längre bara enskilda forskare, utan hela organisationer. Inga belopp offentliggörs.

Partnernas rollOrganisationer
Finansiärer som fördelar krediter vidareSloan Foundation, Simons Foundation, Schmidt Sciences, Open Source for Science Fund, National Science Foundation, CAS
Institutioner som använder dem interntSpace Telescope Science Institute, Wellcome Sanger Institute, Francis Crick Institute, Imperial College London, EMBL, Gladstone Institutes
Projekt som finansieras direktFlyWire, LEAP, AstroPath, gnomAD, Tau Ceti, Centre for Population Genomics

Bland projekten kartlägger FlyWire (Princeton) den vuxna bananflugans fullständiga konnektom, gnomAD (Broad Institute) studerar genetiska variationer hos fler än 800 000 personer med inriktning på sällsynta sjukdomar och Tau Ceti bygger ett automatiskt formaliserat matematikbibliotek i Lean. Flera kommer att producera allmännyttiga resurser: öppna dataset, programvara med öppen källkod, standarder och gemensamma bibliotek.

🔗 Anthropics inlägg

Meta stöder forskning vid fem amerikanska universitet med modellerna Muse, SAM, DINO, V-JEPA och SeamlessM4T

28 oktober — Meta tillkännager stöd till forskningsprojekt vid fem amerikanska universitet: Caltech (utökat partnerskap), medicinska fakulteten vid Ohio State University, Louisiana State University, Indiana University och UTHealth Houston. Beroende på lärosäte kombinerar stödet tillgång till Metas modeller, samarbete med företagets forskare och finansiering av vissa projekt, utan att några belopp offentliggörs. Forskargrupperna kommer att arbeta med Muse-familjen (Muse Spark Open, Muse Wonder, Muse Spark, Muse Glimmer), visionmodellerna SAM, V-JEPA och DINO samt översättningsmodellen SeamlessM4T.

Vid Caltech bygger Tony Yue Yu MathDB Frontier, en testplattform baserad på fler än 86 900 öppna problem på forskningsnivå, och Anima Anandkumar utvecklar TorchLean, ett ramverk i Lean 4 för vetenskapliga artefakter som kan verifieras formellt. De medicinska projekten körs främst med modeller med öppna vikter vid universiteten, och Meta klargör att patientuppgifterna varken överförs till företaget eller är tillgängliga för det. UTHealth Houston har exempelvis driftsatt Muse Glimmer lokalt och inlett pilottester på 65 fall av glioblastom, vilket Meta presenterar som en validering av arbetsflödet, inte som kliniska resultat.

🔗 Metas inlägg · Metas tråd

AI inom myndigheter och företag: 40 % rabatt på Claude för den amerikanska offentliga sektorn, OpenAI och ServiceNow, Retell

När det gäller införandet sänker Anthropic priserna för hela den amerikanska offentliga sektorn, OpenAI utökar sitt partnerskap med ServiceNow och Retell redovisar siffror för sin användning av OpenAI:s modeller.

Anthropic utökar sitt partnerskap med GSA och ger alla amerikanska myndigheter 40 % rabatt på Claude

27 oktober — Anthropic utökar sitt partnerskap med General Services Administration (GSA), den amerikanska federala statens upphandlingsmyndighet. Det nya OneGov-avtalet ger 40 % rabatt på Claude Enterprise, Claude for Government och Claude API; enligt Anthropic är det första gången rabatten omfattar alla produktgränssnitt, från och med i dag vid direktköp och via molnleverantörer under de kommande månaderna. Den gäller såväl federala myndigheter som delstater, lokala myndigheter samt stam- och territorieförvaltningar, utan krav på ett minsta köpbelopp. Anthropic uppskattar besparingen för staten till 1 miljard dollar. Avtalet kommer sex veckor efter OpenAI:s OneGov 2.0, som erbjöd ChatGPT-licensen för 0 dollar.

Mått publicerat av AnthropicAngivet värde
Amerikanska offentliga organisationer som är kundercirka 500
Veckoaktiva användare av Claude for Governmentcirka 8 gånger fler sedan februari
Användning inom federala civila myndighetercirka 20 gånger större på ett år
Utahs pilotprojekt med Claude Code34 utvecklare från 10 myndigheter, 71 % med över 20 timmars tidsvinst

När det gäller regelefterlevnad har Claude for Government (FedRAMP High) varit tillgängligt sedan den 30 september, och Claude Enterprise genomgår godkännande för FedRAMP Moderate via programmet FedRAMP 20x. Ett stödprogram för myndigheterna ska följa under de kommande veckorna.

🔗 Anthropics inlägg

OpenAI och ServiceNow utökar sitt partnerskap, från ChatGPT till Codex och cybersäkerhet

28 oktober — Efter ett första partnerskap i januari går OpenAI och ServiceNow nu vidare. En ny integration gör ServiceNow tillgängligt i ChatGPT: ett IT-team kan hitta liknande incidenter, bedöma risken med en förändring och uppdatera en post utan att byta verktyg. Varje kund ansluter sin egen instans och väljer vilka funktioner som aktiveras, och ServiceNows Action Fabric tillämpar befintliga verksamhetsregler och behörigheter. ServiceNow planerar också att ge alla sina anställda tillgång till ChatGPT Work och Codex. Inlägget anger varken belopp eller användningssiffror.

Del av partnerskapetAngiven tidsplan
ServiceNows MCP-plugin på OpenAI:s marknadsplatsTillgängligt i dag, utökade funktioner före slutet av 2026
OpenAI:s röst i Super Intelligence Control TowerFörsta kvartalet 2027
Gemensam cybersäkerhetslösningTidig åtkomst i januari 2027, allmän tillgänglighet under andra kvartalet
Codex i ServiceNows AI Workflow Factory2027

🔗 OpenAI:s inlägg

Retell hanterar fler än 100 miljoner samtal per månad med OpenAI:s modeller

27 oktober — I en fallstudie publicerad av OpenAI uppger Retell AI, som tillhandahåller röstagenter till kontaktcenter, att företaget har gått från 30 miljoner samtal per månad i början av 2026 till fler än 100 miljoner i september, för över 4 000 företagskunder. OpenAI:s modeller genererar svaren i 80 % av dessa samtal, och Retell har passerat 1 000 miljarder förbrukade tokens. I företagets eget test, vCX, som bygger på svåra samtal hämtade från produktionen, kommer GPT-6 Astra först när det gäller att följa instruktioner (89,7 %), medan GPT-5.6 Luna fortfarande är snabbast, med en medianlatens på 497 ms för den första meningen jämfört med 883 ms för Astra. Kunden Anker rapporterar 80,4 % lösta ärenden, och Retell uppger en årlig intäktstakt på 1,6 miljoner dollar per anställd.

🔗 OpenAI:s fallstudie

Assistenter för privatpersoner och yrkesanvändare får nya användningsområden: krediter för att gå från ChatGPT till API:et, textmeddelanden, röststyrning av flera agenter och färdiga verktyg för jurister.

OpenAI erbjuder ChatGPT Pro- och Business-abonnenter upp till 500 dollar i API-krediter per månad

28 oktober — OpenAI kopplar samman ChatGPT-abonnemangen med sin utvecklarplattform: berättigade Pro- och Business-abonnenter kan varje månad begära gratis API-krediter, som tilldelas en API-organisation som de äger, för att bygga applikationer och agenter. Aktiveringen görs via faktureringen i ChatGPT eller via API Platform, med samma e-postadress på båda plattformarna.

Berättigat ChatGPT-abonnemangAPI-krediter per månad
Pro, nivån för 100 dollar100 dollar
Pro, nivån för 200 dollar200 dollar
Pro, nivån för 500 dollar500 dollar
Business, betald Standard-plats20 dollar per plats, samlas i en gemensam pott
Business, betald Premium-plats100 dollar per plats, samlas i en gemensam pott
Tak för en Business-arbetsyta500 dollar per månad, 6 000 dollar per år vid årsbetalning

Krediterna omfattar Responses och Chat Completions, Agents, Decisions, GPT-Live och Realtime, bilder och inbyggda verktyg, men inte Codex som används med API-nyckel, och de höjer inga gränser i ChatGPT eller ansluten Codex. De förfaller i slutet av varje period, kan inte föras över till nästa period och används före köpta krediter. Abonnemanget måste vara betalt och ha varit aktivt i minst 7 dagar; Plus, Enterprise och Edu omfattas inte, erbjudandet beror på kohort och land, och OpenAI påpekar att det kan ändras eller dras tillbaka.

🔗 OpenAI:s hjälpartikel · API:ets changelog

ChatGPT låter användare skriva till sin dot via iMessage eller RCS, i beta för Pro-abonnenter i USA

28 oktober — ChatGPT:s dots, som lanserades vid DevDay den 29 september, tar steget ut ur appen: nu kan man skriva till dem via textmeddelanden, med iMessage på iPhone eller RCS på Android. Enligt versionsinformationen rullas funktionen ut i beta för Pro-abonnenter i USA. Man ger sin dot en uppgift eller något att bevaka via text, foto eller röstmeddelande, och den återkommer på eget initiativ när ny information motiverar det, med samma minne och samma plugins som i appen. En dot kan bara skriva till sin ägare, som är den enda som kan skriva till den, och har inte tillgång till telefonens övriga konversationer. Meddelandena går via Linq, en tredjepartsleverantör som OpenAI uppger sig ha genomfört omfattande penetrationstester tillsammans med, med stöd av sina mest avancerade modeller och externa säkerhetsföretag.

🔗 ChatGPT:s versionsinformation · ChatGPT:s tillkännagivande

Perplexity uppdaterar sitt röstläge, som styr flera Computer-sessioner och Projects med OpenAI:s gpt-live-1

28 oktober — Perplexity rullar ut en ny version av sitt röstläge för alla Pro- och Max-abonnenter, på webben och i Mac-appen. Uppdateringen, som tillkännagavs av kontot @AskPerplexity och sedan delades vidare av @perplexity_ai, gör det möjligt att köra flera Computer-sessioner samtidigt, starta nya uppgifter och skapa eller hantera Projects i ett enda röstsamtal. Den bygger på gpt-live-1, OpenAI:s röstmodell i realtid, som har funnits i företagets API sedan den 10 september. Aravind Srinivas sammanfattar idén: att prata med sin dator för att driva arbetsflöden framåt parallellt. Röstfunktioner är ingen nyhet hos Perplexity, eftersom Comets röstläge har varit öppet för alla sedan februari och Computer har kunnat ta emot röstinstruktioner sedan mars; det nya är styrningen av flera sessioner och Projects. Perplexity anger varken vilka språk som stöds, användningsgränser eller kostnaden i krediter.

🔗 Perplexitys tillkännagivande

28 oktober — Anthropic lägger till ett galleri med artefakter i Claude for Legal, som har erbjudits i Claude Enterprise sedan maj: interaktiva verktyg (uppföljningsverktyg, instrumentpaneler) som juridiska team anpassar med sina egna dokument och anslutningar och sedan delar inom företaget eller med klienter, med sekretessinställningar och avskärmning mellan team (ethical walls). Varje artefakt öppnas med ett exempel, och varje svar hänvisar till sin källa.

Galleriet täcker sex uppgifter: kontroll av källhänvisningar (Cite check), jämförelse av en regel mellan jurisdiktioner, översikt över öppna ärenden, klausulers avvikelser från företagets standarder, bevakning av kommande regleringar och granskning av en samling avtal i tabellform. Dessutom finns artefakter från partner (Goodwin, Harvey, Foley & Lardner, PwC; Legora och Orrick har aviserats) och nio artefakter för tillgång till juridisk hjälp, varav fem har byggts av organisationer med stöd i form av Claude-krediter. Fler än 60 juridiska anslutningar har lagts till sedan maj, däribland Bloomberg Law och Filevine, och Anthropic öppnar en väntelista för sitt Legal Ambassadors Program.

🔗 Anthropics artikel

Kodagenter utanför Copilot: Gemini CLI, Antigravity 2.28.0, Kimi Code 2.4.0, DeepSeek Harness och Replits benchmark ViBench 2.0

Utanför GitHub importerar dagens kodagenter sessioner från konkurrenterna eller delegerar uppgifter till dem, och Replit publicerar ett benchmark där agenten bygger en hel produkt.

Gemini CLI fokuserar på företag med Gemini Code Assist och hänvisar till Antigravity CLI och Gemini API CLI

28 oktober — README-filen för Gemini CLI ändrar ton. PR 29995, som mergades under natten, ersätter de tre tidigare varningarna, däribland dem som lades till den 16 oktober, med en enda informationsruta, ”läs före installation”, som presenterar verktyget som avsett enbart för företag med Code Assist: licenser för Gemini Code Assist Standard och Enterprise, Code Assist for GitHub på Google Cloud samt äldre betalda nycklar för Gemini API och Vertex AI. Användare av gratiserbjudandet och abonnemangen Google AI Pro och Ultra fortsätter att hänvisas till Antigravity CLI sedan den 18 juni.

Texten lägger till två varningar: Gemini CLI är inte optimerat för Gemini 4-serien, inklusive Argon, eller för efterföljande generationer, och det ska inte användas för att mäta Gemini-modeller, eftersom dess harness ger resultat som inte är representativa. Därefter visar en tabell vilket verktyg som passar:

KommandoradsverktygRekommenderad användning enligt README
Antigravity CLI (agy)Koda med Gemini 4 Argon och senare modeller, gratiserbjudandet, Google AI Pro och Ultra
Gemini API CLI (gemini-api)Direkt åtkomst till modeller och medier för en agent (agy, Claude Code, Codex), ett skript eller en CI
Gemini CLI (gemini)Organisationer med Gemini Code Assist

Gemini API CLI, en fortfarande experimentell Go-binär som har varit i version 0.4.4 sedan den 23 oktober, hade aldrig tidigare presenterats här: README beskriver det som en tillståndslös API-CLI som inte är en harness för kod. Vad gäller versionerna innehåller nattversionen (nightly) från den 28 oktober bara de fyra rättningarna från förhandsversionen v0.67.0 som publicerades dagen före.

🔗 PR 29995 · Kodarkivet för Gemini API CLI

Antigravity 2.28.0 får en inbyggd webbläsare, en PDF-visare och stöd för bilagor av alla typer

26 oktober — I efterhand: appen Antigravity 2.28.0 (19 förbättringar, 15 rättningar) får en inbyggd webbläsare. Sidorna öppnas i en flik i sidopanelen, som har breddats för att undvika mobillayouter, länkar från en konversation öppnas där som standard, och adressfältet visar anslutningsstatus och webbplatsens certifikat. PDF-filer öppnas i en inbyggd visare, och det går att bifoga filer av alla typer (videor, designfiler, program) på upp till 20 Mo, som agenten läser där de finns. Versionen markerar också ändrade ord och tecken i diffs, gör det möjligt att öppna en stängd flik igen och vidarebefordrar användarens meddelande till hooks. Bland rättningarna finns att företagskonton på macOS och Windows inte längre loggas ut vid omstart. CLI 1.4.0 och SDK 0.1.22 är oförändrade.

🔗 Antigravitys changelog

Kimi Code 2.4.0 importerar sessioner från Claude Code och Codex och växlar inte längre till Plan-läge på egen hand

28 oktober — Moonshot AI släpper Kimi Code 2.4.0 (7 mindre ändringar, 26 rättningar), utan något tillkännagivande på X. Den mest synliga nyheten riktar sig till dem som byter verktyg: /import-sessions, eller kimi import-sessions, hämtar sessioner från Claude Code och Codex från de senaste 15 eller 30 dagarna. Plan-läget startar nu bara på användarens begäran, och ingen plan körs utan granskning, även i läget Never Ask eller vid icke-interaktiv körning (kimi -p). Komponenten Towers standardgräns för samtidiga agenter höjs från 16 till 256, med en modell som väljs vid varje start, och inaktiva webb- och skrivbordssessioner laddas ur minnet efter 30 minuter. För integratörer ändras serverns API: godkännanden och frågor går via en gemensam meddelanderam interaction, och de gamla åtkomstpunkterna tas bort.

🔗 Versionsinformationen för Kimi Code 2.4.0

DeepSeek släpper Harness 0.2.2-alpha.2, som kan delegera uppgifter till lokala CLI:er för Codex eller Claude, och 0.2.1-rc.4

28 oktober — DeepSeek släpper två förhandsversioner av DeepSeek Harness, sin agentmiljö, den 33:e och 34:e utan någon stabil version. Version 0.2.1-rc.4 rättar bara ett fel: i ACP-läge blandades diagnostik med standardutmatningen. Version 0.2.2-alpha.2 inleder nästa serie med flera experimentella funktioner: pluginet subagent_oar, som delegerar fristående uppgifter till CLI:erna för Codex eller Claude som finns installerade på datorn, sessioner i separata worktrees i Git med status och diffs för länkade pull requests, och en statistikpanel som för varje tur visar kontext, cache, modell och tiden som lagts på varje verktyg. Gränssnittet har översatts till sex språk, däribland franska, tredjepartsplugin uppdateras med återgång till den tidigare versionen om uppdateringen misslyckas, och gränsen per bild höjs till 50 Mio.

🔗 Förhandsversion 0.2.2-alpha.2 · Förhandsversion 0.2.1-rc.4

Replit publicerar ViBench 2.0, ett benchmark där agenterna bygger en hel produkt, funktion för funktion

28 oktober — Replit publicerar ViBench 2.0, ett benchmark för långvarigt utvecklingsarbete (long-horizon), integrerat i Fireworks Specialized Intelligence Index (SII). I stället för en tydligt definierad uppgift i en befintlig kodbas börjar agenten med ett tomt projekt, bygger en första version utifrån en kort specifikation och lägger sedan till upp till 18 funktioner i sin egen kod, för produkter inspirerade av Uber, GitHub eller Google Docs. Detta benchmark omfattar 17 produkter, 241 funktionsönskemål och 544 testplaner; 8 produkter är offentliga på GitHub, 9 hålls hemliga.

Utvärderad modellLyckade byggen (pass@1)Kostnad per bygge
GPT-6.1 Sol65 %cirka 12 dollar
GPT-6 Astra60 %cirka 90 dollar
Claude Opus 5.549 %—
DeepSeek V4.1 Flashinga, men 77 % av testplanerna klaradescirka 2,50 dollar

De tre första klarar mer än 90 % av sina testplaner, och de övriga modellerna når som mest omkring 20 % lyckade byggen eller lägre; ingen öppen modell levererar ett komplett bygge. På de åtta offentliga produkterna klarar GPT-6.1 Terra 47 % av byggena till ungefär halva kostnaden för GPT-6.1 Sol. Ungefär tre fjärdedelar av de bästa modellernas misslyckanden beror på interaktioner mellan funktioner. Opus 5.5 används som bedömare; Replit prövade den med 34 avsiktligt införda buggar och en ombedömning av GPT-6.1 Sol, som bekräftade 99,2 % av de 477 lyckade resultat som Opus hade godkänt.

🔗 Replits inlägg

Utvecklarplattformar: Mistrals Responses API och Googles Connected Apps Platform

Två plattformar öppnas för utvecklare: Mistral använder OpenAI:s svarsformat för att bygga agenter, och Google erbjuder en gemensam ingång för att publicera appar i Search och Gemini.

Mistral lanserar Responses API i offentlig förhandsversion för att bygga agenter

28 oktober — Mistral öppnar sitt Responses API i offentlig förhandsversion, utformat för att bygga agenter. Varje svar delar upp modellens text, resonemang och verktygsanrop i separata element, vilket gör att appen slipper skilja dessa steg åt som med Chat Completions; API:et fungerar med alla chattmodeller som driftas av Mistral, inklusive Mistral Large 4. Dokumentationen anger att det rör sig om formatet OpenAI Responses: en befintlig Responses-integration kan därför porteras till Mistral. API:et är tillståndslöst (stateless): appen sparar historiken och skickar med den vid varje förfrågan.

Funktion i förhandsversionenDetalj enligt dokumentationen
Tillåtna indataText, bilder (URL eller base64), filer (URL, base64, identifierare)
Strukturerade utdataJSON-läge och JSON Schema via text.format
VerktygFunktioner som körs på klientsidan, inklusive namnrymder
Resonemangreasoning.effort och resonemang i klartext beroende på modell
TokenräkningPOST /v1/responses/input_tokens

API:et används med Mistrals SDK:er för Python och TypeScript (client.responses.create), utan att någon separat prissättning har meddelats. Inget blogginlägg åtföljer tillkännagivandet, som gjordes i en tråd på X och på en dokumentationssida.

🔗 Mistrals tråd · Dokumentationen

Google lanserar Connected Apps Platform i förhandsversion för att publicera appar i Search och Gemini-appen

28 oktober — Google öppnar Connected Apps Platform i förhandsversion, en gemensam ingång där utvecklare kan ansluta sina tjänster till både Google Search och Gemini-appen. Integrationen sker via en MCP-server som driftas i molnet, eller via Android MCP genom AppFunctions-API:erna; appen registreras, testas och skickas sedan in i Google Connected Console, där utvecklaren före granskningen väljer publicering i Search, i Gemini eller i båda. När appen är publicerad följer konsolen trafik, latens och felfrekvens, och utvecklaren styr sin varumärkesidentitet (verifierade logotyper, autentiserade konton). Åtkomsten öppnas stegvis, med fler utvecklare, marknader och Google-produkter planerade ”under de kommande månaderna”. Google uppger sig ha fler än 50 Connected Apps: Adobe, Experian, Localiza och Peloton finns redan i Gemini och kommer till Search under de kommande veckorna, och en Calm-integration har aviserats.

🔗 Googles inlägg

Notiser

Agenter och kodverktyg

  • Microsoft Copilot SDK — GitHub Copilot SDK blir Microsoft Copilot SDK, gränssnittet till det agentramverk som Microsofts och GitHubs produkter delar, med en stegvis migrering som inte kräver någon åtgärd; Copilot CLI 1.0.105 blir stabil utan andra nyheter än den redan behandlade korrigeringen av valet av Fusion High eller Max. 🔗 källa
  • Artefakter i issues — GitHub-issues får i offentlig förhandsversion stöd för artefakter (planer i Markdown, länkar, interaktiva HTML-visualiseringar) med versionshistorik; artefakter från en session i GitHub-appen kopplas automatiskt till dem, och kommandot gh issue artifact låter agenter hantera dem. 🔗 källa
  • Antigravity-tilläggen för VS Code och Visual Studio lägger till kodkommentarer för agenten och terminalkontext — Uppföljning från den 25 oktober: VS Code-tillägget 1.10.0 gör det möjligt att kommentera en rad eller en diff för agenten, och Visual Studio-tillägget 1.0.261026.0 bifogar upp till 8 kB terminalutdata i chatten med @terminal. 🔗 källa
  • Zed 1.26 och förhandsversion 1.27 — 1.26 blir stabil (integrerad Pyrefly, felsökning av WebAssembly-källkod); förhandsversion 1.27 tar bort agentens återställningspunkter, som gjorde den långsam eller blockerade den i stora Git-repon, och kräver nu macOS 12. 🔗 källa
  • Personliga orbs hos Amp — Sex dagar efter lanseringen kan Amps egenhostade orbs läggas till från de personliga inställningarna, utan arbetsyta eller administratörsbehörighet; trådar som skapas på dem märks med Personal. 🔗 källa
  • Qwen Code v0.26.3 — Den stabila versionen tar över föregående dags förhandsversion med ett trettiotal nya punkter, däribland ett Workflow-läge som består under hela sessionen; CLI:n ställer också som standard in en kontext på 1M tokens för modellidentifierarna qwen4, utan ytterligare information om någon sådan modell. 🔗 källa
  • Runway Dev i Codex — Runway Dev blir ett plugin för Codex: enligt Runway räcker en installation för att Codex på egen hand ska integrera Runways API i en applikation; MCP-servern för Runway Dev fanns redan sedan september. 🔗 källa
  • Bricklane byggt med Manus — Manus lyfter fram Bricklane, som förvandlar en plats som betyder mycket för en kund till en skräddarsydd byggklossmodell (566 delar och 13 steg för Villa de Verano); enligt Manus byggde agenten webbplatsen, betalningslösningen, domänen, videon och annonserna. Ingen produktnyhet. 🔗 källa

GitHub utöver AI

  • Dependabot och nåbarhet — I en kostnadsfri förhandsversion på GitHub Enterprise Cloud visar CodeQL för JavaScript och TypeScript om koden faktiskt anropar den sårbara funktionen i ett beroende, utan att någonsin stänga en varning på egen hand. 🔗 källa
  • Public monitoring — Övervakningen av företagshemligheter som exponerats någonstans på den offentliga delen av github.com blir allmänt tillgänglig, utan extra kostnad för kunder med GitHub Secret Protection. 🔗 källa
  • Linux-runners på AWS — GitHub Actions fördelar vissa Linux-jobb med 2 och 4 kärnor mellan Azure och AWS, automatiskt för Free, Pro och Team och efter aktivering för Enterprise Cloud; GitHub rekommenderar att listorna över tillåtna IP-adresser uppdateras. 🔗 källa
  • Låsfiler för workflows — Låsfiler för beroenden i GitHub Actions-workflows blir allmänt tillgängliga på Enterprise Cloud, Team och Free, utan nya funktioner sedan förhandsversionen den 14 oktober. 🔗 källa
  • Rollen Moderate — GitHub meddelade att rollen Moderate var allmänt tillgänglig för att redigera, överföra, dölja och låsa issues utan åtkomst till koden, men rättade uppgiften samma dag: den är ännu inte tillgänglig och kommer under de närmaste veckorna. 🔗 källa
  • Gränser för pull requests — Underhållare som begränsar antalet pull requests från bidragsgivare utan skrivbehörighet kan undanta tillräckligt gamla konton eller konton som redan har fått pull requests mergade i repot. 🔗 källa

Modeller, API:er och öppen forskning

  • DeepSeek V4.1 Flash och GLM 5.3 Flash hos Mistral — Mistrals API erbjuder DeepSeek V4.1 Flash 1017 i offentlig förhandsversion, utan ändringar, med 1M tokens kontext, för 0,30 dollar per miljon tokens för indata och 1,20 för utdata, och gör GLM 5.3 Flash allmänt tillgänglig till oförändrat pris, från Europa och USA. 🔗 källa
  • Voxtral Mini Transcribe 3 — Mistral uppmärksammar sin andraplats bland nio modeller i diariseringsfelfrekvens på Voice Arenas rankning Diarization + ASR, före den större modellen i samma familj. 🔗 källa
  • Anpassad moderering hos SpaceXSI — API:ets versionsinformation gör arrayen guidelines officiell. Den instruerar Grok att avvisa innehåll i kategorierna nsfw, violence eller profanity och dök redan upp i SDK:erna den 17 och 23 oktober. 🔗 källa
  • Particle-1 — Particle, ett nytt företag som presenteras av Suhail, lanserar via sitt API en eftertränad DeepSeek V4.1 Flash som i genomsnitt använder omkring 45 % färre tokens till samma pris; Aravind Srinivas säger sig ha arbetat med teamet före lanseringen, utan att någon integration i Perplexity har tillkännagivits. 🔗 källa
  • RAG-handledning från Perplexity — Perplexity publicerar en handledning i sju steg för att bygga en RAG på kommandoraden med Python, ChromaDB, sin embeddingmodell pplx-embed-v1-0.6b och GPT-5.6 Luna via Agent API; ingen produktnyhet. 🔗 källa
  • olmOCR 2 i arkiven — Ai2 presenterar två användningar av sin öppna modell för textigenkänning: en historiker som kör den lokalt på tusentals arkivfoton och CENTURIA-teamet, som finjusterade den på 57 registerkort om romersk keramik och sänkte transkriptionsfelet från 15,58 % till 1,11 %. 🔗 källa
  • Project Pyrite — I ett communityinlägg minskar en MoE med 31,8 miljarder parametrar, llm-jp-4-32b-a3b-base, från 59,06 till 9,81 GiB och körs med 34 till 49 tokens per sekund på en Mac M2 Pro med 16 GB, utan de repetitionsloopar som uppstår vid enhetlig kvantisering till 2 bitar, enligt författaren. 🔗 källa
  • My Name is Riemann — OpenPeerAI publicerar en förhandsversion av en modell med 13,1 miljarder parametrar, framtagen genom att stegvis förstora en modell med 163 miljoner parametrar på AMD-hårdvara; författarna har inte kört något allmänt benchmark och påpekar själva fel i korpusen. 🔗 källa
  • L2Loop — Yuxuan Zong föreslår att vissa kvantiserade lager körs igen så länge de ryms i GPU:ns L2-cache: på RTX 5080 kostar denna andra körning ungefär hälften så mycket som ett nytt lager och minskar förlusten med 0,05 till 0,08 vid samma antal parametrar, enligt författaren. 🔗 källa
  • EEG-dataset — En communitykartläggning av Hugging Face Hub hittar 368 dataset med hjärnsignaler, varav 146 saknar licensmärkning, vilket försvårar återanvändning. 🔗 källa

Infrastruktur

  • Automatisk reparation hos Together AI — Together AI beskriver den automatiska reparationen av noder i sina GPU Clusters, som lanserades tidigare under året: hälsokontroller, minsta möjliga reparation med dokumenterat underlag, samtycke som kan ställas in ända ned till felkoden Xid och väntan på pågående jobb, 2 timmar som standard. 🔗 källa
  • CUDA 13.4 och Mission Control 2.5 — NVIDIA beskriver tidsdelning med garanterat minne i MPS i CUDA 13.4, automatiserad under Kubernetes av operatören gpu-fractioning med öppen källkod, samt Mission Control 2.5, som utökar autonom återställning till Run:ai:s Kubernetes-arbetslaster. 🔗 CUDA 13.4 · 🔗 Mission Control 2.5

Bild, video och röst

  • Kling och Minibots — Kling blir exklusiv teknikpartner till Minibots, en animerad långfilm från Evolutionary Films som planeras till 2027, med Tony Bancroft, medregissör till Mulan, som karaktärsdesigner; en första förhandstitt har skapats med Kling 4.0. 🔗 källa
  • Kling 4.0 på Pika — Pika integrerar Kling 4.0: sammanhängande tagningar på 3 till 30 sekunder med stereoljud och synkroniserad dialog, upp till 10 nyckelbilder eller 15 referenser, i 720p eller 1080p. 🔗 källa
  • Lumas miniappar — Luma samlar åtta miniappar i Luma Agents, däribland Light Transfer, Virtual Try-On och Background Swap, som ändrar ett enda element i en bild, från Plus-abonnemanget för 30 dollar per månad. 🔗 källa
  • ElevenLabs och Asociación ELA — ElevenLabs samarbetar med Spaniens främsta förening för kampen mot ALS för att kostnadsfritt erbjuda sin röståterställning till sjuka i hela Spanien. 🔗 källa

Produkter och företag

  • Uppslukande upptäcktsfärder i Gemini — Studenthubben i Gemini-appen erbjuder interaktiva scener att utforska lager för lager, från Sidenvägen till fysiken bakom blixtar, för alla på sex språk, däribland franska; en ljudberättelse har aviserats utan datum. 🔗 källa
  • En timmes ljud i Gemini Notebook — Mobilappen för Gemini Notebook spelar in upp till en timmes ljud i realtid, som omedelbart kan användas som källa i en anteckningsbok, för alla iOS- och Android-användare. 🔗 källa
  • Smart reports, enkäter och gemensamma budgetar på Claude Enterprise — Tre administrationsverktyg blir allmänt tillgängliga: smart reports, i beta sedan september, som visar vad ett team använder Claude till och vad det kostar, integrerade enkäter och gemensamma gruppbudgetar, med varningar vid 50, 75, 95 och 100 %. 🔗 källa
  • IDC Quanta i Claude — Analysföretaget IDC ansluter sin plattform Quanta till Claude via en MCP-anslutning för sina kunder, i appen, Cowork och Office-tilläggen, med IDC angivet som källa; internt säger företaget sig ha kortat en kodgranskning från fem dagar till omkring 30 minuter. 🔗 källa
  • Legora och OpenAI — I en fallstudie från OpenAI minskar det svenska juristteknikföretaget Legora granskningen av sekretessavtal från omkring 20 % till mindre än 1 % av juristteamets kapacitet; hos en kund på Fortune 100-listan minskar handläggningstiden för avtal med 90 %. 🔗 källa
  • Företagets framtid — Den andra essän i OpenAI:s serie om nästa ekonomi: två författare, som skriver i eget namn, föreställer sig AI under, bredvid eller mellan de anställda i organisationsschemat; varken produkt eller siffror. 🔗 källa

Vad det innebär

Gemini 4 Carbon bekräftar ett mönster som håller på att etableras: ett labbs mest kraftfulla modell släpps först till försvararna. Precis som Argon i slutet av september går Carbon genom Fairwind Program och den amerikanska regeringens frivilliga tester innan den når API:et, och Google publicerar offensiva resultat uppmätta utan skyddsräcken, 54,8 % på ExploitGym, tillsammans med beteendesiffror: framgångsrikt fusk på 0,0 % på Terminal-Bench 4.0, inga lyckade attacker genom indirekt promptinjektion hos Gray Swan. Priset är känt före tillgången, men inte datumet. Samma dag tar kodsäkerheten ett steg upp i skala: GitHub gör en agentbaserad skanner tillgänglig för ett helt repo och upptäcker sårbarheter som är specifika för AI-applikationer, medan Replit föreslår en skala för att betygsätta en agents miljö med utgångspunkten att agenten kanske inte samarbetar.

På Universe säljer GitHub inte längre en modell utan ett system. Fusion tar över utvecklarens modellval, med ett sifferbaserat argument: två poäng från Claude Code med Opus 5.5 Max på Artificial Analysis Coding Agent Index, för ungefär halva kostnaden. Copilot Memory och Dreaming samlar kontext från en session till nästa, och automatiseringarna lär sig av sina resultat. Faktureringen följer med: Copilot ingår i GitHub Enterprise utan separat användarlicens, ett Actions-paket anges i dollar och delas med sandlådorna, och kredittak sätts per automatisering. Octoverse visar förändringens omfattning: mer än 40 % av alla pull requests börjar med en agent, och repona för Claude Code och Codex hör till dem som får flest nya bidragsgivare.

Agenter rör sig också allt mer mellan verktyg. Kimi Code importerar sessioner från Claude Code och Codex, DeepSeek Harness delegerar uppgifter till deras CLI:er, Fusion kan dirigera till Qwen3.8 Flash Next som körs lokalt, Mistral inför formatet OpenAI Responses, och Gemini CLI hänvisar självt till Antigravity CLI och Gemini API CLI. MCP blir den gemensamma kontakten: 26 verifierade anslutningar hos GitHub, Suno i Claude eller ChatGPT, ServiceNow på OpenAI:s marknadsplats, Search och Gemini via Connected Apps Platform. ViBench 2.0 påminner om den nuvarande gränsen: när en agent bygger en hel produkt lyckas ingen öppen modell slutföra arbetet, och de bästa misslyckas främst där funktioner samverkar.

På forskningssidan sätter uttalandet från David Gross kommitté OpenAI:s resultat i rätt perspektiv: ett viktigt steg mot en rigorös kvantfältteori, men confinement och massgapet är fortfarande olösta frågor, och inget publiceras förrän formaliseringen i Lean har verifierats. Anthropic och Meta gör sina modeller tillgängliga för hela institutioner, utan att ange några belopp. Inom röst publicerar NVIDIA en öppen modell som nästan matchar Voxtral Small genom att aktivera endast omkring 4 miljarder parametrar, ElevenLabs förbättrar den osynliga komponent som synkroniserar orden med ljudet, och HeyGen tar betalt per minut för att överföra ett röstframträdande till en avatar.

Källor