Mistral publicerar vikterna för Mistral Large 4, Cohere siktar på 7 miljarder kanadensiska dollar, OpenAI beskriver sin övervakning av bristande målanpassning

Mistral publicerar vikterna för Mistral Large 4, en multimodal MoE med omkring 1 000 miljarder parametrar som förbättrats genom tre veckors förstärkningsinlärning sedan förhandsversionen den 6 oktober, under en modifierad MIT-licens och till ett pris på 0,70 dollar per miljon tokens i indata. Cohere meddelar den första stängningen av en serie E-runda som siktar på upp till 7 miljarder kanadensiska dollar, OpenAI beskriver systemet som nu övervakar alla dess mest avancerade träningskörningar med förstärkningsinlärning, och Pika lanserar H3 Flex, en video- och ljudmodell med öppna vikter. På produktsidan får Claude-apparna stöd för 33 språk och CarPlay, Gemini redigerar filer i konversationen och Amp ger sina agenter en Mac.

Mistral publicerar vikterna för Mistral Large 4 (Le Chonk), förbättrad genom tre veckors förstärkningsinlärning

29 oktober — Mistral håller löftet från förhandsversionen den 6 oktober: vikterna för Mistral Large 4, med smeknamnet ”Le Chonk”, finns på Hugging Face. Det är inte riktigt samma modell som för tre veckor sedan. Mistral har fortsatt med förstärkningsinlärning (reinforcement learning) i tre veckor, enligt företaget utan tecken på mättnad, vilket har gett effektivare resonemang och tre valbara lägen, low, medium och high (standard), där low ersätter det tidigare läget utan resonemang.

Arkitekturen är oförändrad: en från grunden multimodal blandning av experter (MoE) med omkring 1 000 miljarder parametrar (1T), varav 49 miljarder är aktiva per token (52 miljarder med in- och utdatalagren), 128 routade experter varav 4 är aktiva plus en delad expert, ett kontextfönster på 1M tokens samt text och bilder som indata. Modellen har tränats från grunden på 3 800 NVIDIA Grace Blackwell-GPU:er i Mistrals datacenter i Europa och täcker över 160 språk, däribland alla Europeiska unionens officiella språk.

Siffrorna nedan är de som Mistral uttryckligen anger i sitt inlägg och på modellkortet på Hugging Face; konkurrenternas resultat finns där enbart i diagram.

Benchmark som Mistral anger	Mistral Large 4 (29 oktober)	Förhandsversion eller referens
FrontierCode 2.0 (Cognition)	19,7 %, 1:a bland öppna modeller	8,8 % för förhandsversionen (Cognitions inlägg, 27/10)
Terminal-Bench 4.0	41 %	+13 procentenheter, 30 % färre tokens i utdata
AA Coding Agent Index	48 %	i nivå med GLM-5.3, 47 % färre tokens
AA Intelligence Index v5	26	bästa västerländska öppna modellen
AA Cyber Index	51 %	—
Avvisning av skadliga cyberförfrågningar	96,6 % i genomsnitt	högst uppmätt av Mistral bland öppna modeller
B3 Agent Security Benchmark	97,1 % av attackerna stoppade	93,3 % för förhandsversionen
BrowseComp	84,5 %	75 % vid den finjusterade utgångspunkten (SFT)
Finch (FinWorkBench)	73,3 %	2:a bland öppna modeller, efter Kimi K3

Mistral medger självt att de bästa öppna kinesiska modellerna presterar bättre på det sammanvägda Intelligence Index. I Surge Codes blinda mänskliga utvärderingar föredras modellen framför GLM-5.3, Kimi K3 och DeepSeek V4.1 Flash och får bara se sig slagen av Claude Opus 5.5.

Cybersäkerhet upptar halva inlägget, med uttalanden från bland andra CrowdStrike, Cloudflare, Zscaler, Cisco, Fortinet och ENISA. Mistral uttrycker sig försiktigt: sedan förhandsversionen övervakar företaget cyberanvändningen i sin trafik, och även om modellen effektivt avvisade black box-attacker mot verkliga mål ser Mistral ändå en potential att faktiskt öka angripares förmåga (uplift). Skyddsmekanismerna ändras därför, fler uppdateringar följer under de kommande månaderna och en specialiserad variant för penetrationstester och simulerade attacker (red teaming) förblir förbehållen verifierade partner med avtal, som Orange Cyberdefense.

Modellen släpps under Mistral Ecosystem Open-Weight License, en modifierad MIT-licens: användning, ändring, finjustering och kommersialisering är fria, med ett undantag: en separat kommersiell licens krävs för att erbjuda modellen som tjänst (Model-as-a-Service). Den kan köras med vLLM (rekommenderas), SGLang, transformers eller llama.cpp, finns i NVFP4 för Blackwell-GPU:er och har ett DSpark-huvud för spekulativ avkodning som enligt Mistral ökar genomströmningen med upp till 1,9 gånger, en vinst som varierar med hårdvara och belastning. Den finns i Mistral Studio, via Mistrals API, OpenRouter, Vibe Code, Microsoft Foundry, som uppger sig vara den första molnleverantören att erbjuda den, och via NVIDIA NIM. En fullständig teknisk rapport är aviserad, utan datum.

Pristyp (per miljon tokens)	Pris den 29 oktober	Förhandsversionen den 6 oktober
Indata	0,70 dollar	1,36 dollar, överstruket och halverat (0,68)
Cachad indata	0,07 dollar	—
Utdata	2,10 dollar	4,18 dollar, överstruket och halverat (2,09)

Det slutliga priset motsvarar alltså ungefär det halverade pris som visades på förhandsversionens modellkort, det vill säga omkring hälften av dess referenspris.

🔗 Mistrals inlägg · Modellkortet på Hugging Face

Hugging Face stöder Mistral Large 4 från lanseringen i Transformers v5.22.0 och TRL v1.17.0

29 oktober — Hugging Face följer upp lanseringen med omedelbart stöd. Transformers v5.22.0, som publicerades klockan 14.15 UTC, är helt inriktad på Mistral Large 4 och innehåller en bakåtinkompatibel ändring: logiken för expertparallellism flyttas till en egen fil. Teamets inlägg beskriver arkitekturen (72 lager, MLA-attention med en DeepSeek Sparse Attention-indexerare, ett 3:1-mönster mellan RoPE- och NoPE-lager, en Pixtral-bildkodare med 1,6 miljarder parametrar) och de två officiella varianterna, FP8 och NVFP4, kompletterade med GGUF från Unsloth och llama.cpp-teamet. vLLM och llama.cpp stöder modellen från första dagen, och den kan även driftsättas via Inference Endpoints, serverlös inferens (serverless) och Dell Enterprise Hub.

På träningssidan finjusterar TRL v1.17.0 denna modell med 1 000 miljarder parametrar via LoRA på en enda nod med 8 B300-GPU:er, direkt från FP8-vikterna: 32 700 tokens per steg på omkring 8 sekunder, med 142 Gio per GPU. Samma version rättar till en subtil snedvridning i förstärkningsinlärningen med vLLM, som normaliserade sina sannolikheter efter filtrering medan träningskomponenten gjorde det över hela vokabulären: med top_p=0.9 sjönk kvoten för importance sampling till omkring 1e-4 i stället för 1. Observera: Hugging Faces inlägg återger resultat som tillskrivs Mistral men som skiljer sig från dem i lanseringsinlägget (28,3 % på Terminal-Bench 4, jämfört med 41 %); tabellen ovan följer Mistrals inlägg.

🔗 Hugging Faces inlägg · Transformers v5.22.0 · TRL v1.17.0

Cohere meddelar den första stängningen av sin serie E-runda, som siktar på upp till 7 miljarder kanadensiska dollar

29 oktober — Cohere meddelar den första stängningen (initial close) av sin serie E-runda. Rundan siktar på upp till 7 miljarder kanadensiska dollar, till en värdering på 35,7 miljarder kanadensiska dollar, en siffra som bara finns i företagets fästa tweet, inte i dess inlägg. Cohere anger inte hur mycket som har samlats in i detta första skede: de 7 miljarderna är ett mål, inte ett inbetalt belopp.

We’re proud to announce the initial close of our Series E, targeting up to CAD $7 billion at a CAD $35.7 billion valuation; marking the largest private financing round in Canadian startup history.

🇸🇪 Vi är stolta över att tillkännage den första stängningen av vår serie E-runda, som siktar på upp till 7 miljarder kanadensiska dollar till en värdering på 35,7 miljarder kanadensiska dollar, vilket gör den till den största privata finansieringsrundan i kanadensiska startupföretags historia. — @cohere på X

Inlägget, undertecknat av de tre medgrundarna Nicholas Frosst, Ivan Zhang och Aidan Gomez, redovisar finansieringsrundan:

Del av rundan	Angivet värde
Skede	Första stängningen
Mål	Upp till 7 miljarder kanadensiska dollar
Värdering (enbart i tweeten)	35,7 miljarder kanadensiska dollar
Hittills insamlat belopp	Ej offentliggjort
Ledande investerare	Schwarz Group
Övriga nämnda investerare	Bell Ventures, Bullhound Capital, Inovia Capital, NVIDIA, Prosperity7 Ventures, Kanadas regering

Schwarz Group nämndes redan i april, i samband med samgåendet med Aleph Alpha, för ett tillskott på 600 miljoner amerikanska dollar till denna serie E-runda; i september uppskattade ett CNN-reportage som Cohere delade företagets värdering till 7 miljarder dollar. Kanadas premiärminister Mark Carney välkomnade beskedet i ett meddelande som Cohere delade.

Inlägget fungerar framför allt som ett manifest. Cohere vill bli ett företag vid AI-utvecklingens frontlinje utanför USA och Kina och avvisar vad det kallar fatalism kring frontlinjen (frontier fatalism), idén att världen skulle behöva hyra sin intelligens från två länder och en handfull företag. Företaget lyfter fram en siffra: tidigare i år kom över 70 % av de tokens från öppna modeller som levererades via OpenRouter från kinesiska modeller, jämfört med 3 % fjorton månader tidigare. Dess tes är att frontlinjen är ojämn (jagged) och att det går att leda inom specifika områden, som cyberförsvar: AISLE, som Cohere håller på att köpa upp, har identifierat över 500 CVE på ett år och 18 av de 24 sårbarheter som åtgärdades i oktoberversionen av curl.

För de kommande tolv månaderna aviserar Cohere fyra satsningar, utan datum: slutföra samgåendet med Aleph Alpha och förvärvet av AISLE, lansera Cohere Cyber för isolerade och säkerhetsklassade miljöer, publicera en ny generation modeller och inleda träning i en skala som motsvarar AI-frontlinjen tillsammans med allierade partner. Pengarna ska också stödja North, företagets modelloberoende plattform, som kan driftsättas i kundens moln, i dess datacenter eller i ett isolerat nätverk.

🔗 Inlägget från Coheres medgrundare

Cognition köper Corridor för att stärka Devin Security

29 oktober — Cognition meddelar förvärvet av Corridor, ett startupföretag inom mjukvarusäkerhet som grundades för nästan två år sedan av Jack Cable och Ashwin Ramaswami. I ett inlägg daterat den 28 oktober på Cognitions blogg, men annonserat på X den 29, förklarar de två medgrundarna att Corridor, som presenterade sig som säkerhetslagret för team byggda kring AI, ansluter sig till företaget bakom Devin för att vidareutveckla Devin Security. Där återförenas de med Russell Kaplan, president för Cognition och en av Corridors första rådgivare, Alex Stamos, Cognitions säkerhetschef, som de återigen kommer att arbeta med, och Steven Hao, företagets CTO.

Inlägget framställer affären som brådskande: enligt grundarna kan AI-agenter nu genomföra en attack från början till slut, och de kommande 6 till 12 månaderna blir den mest avgörande perioden i cybersäkerhetens historia. Varken beloppet eller villkoren offentliggörs, och inte heller vad som händer med produkten Corridor och dess kunder. Förvärvet fortsätter Cognitions säkerhetssatsning, tre dagar efter nylanseringen av Devin Security med djupgående analyser med Claude Mythos.

🔗 Corridors inlägg · Cognitions tillkännagivande på X

OpenAI beskriver sitt system för övervakning av bristande alignment, som sedan Hugging Face-incidenten har utökats till alla dess mest avancerade RL-träningar

29 oktober — OpenAI beskriver systemet som övervakar beteenden hos modellerna som avviker från avsikten (misaligned behavior), och börjar med ett medgivande: Hugging Face-incidenten började under interna cybersäkerhetsutvärderingar där dessa övervakare inte kördes. Sedan dess har täckningen utökats till träning, utvärderingar, intern användning och, i anpassad form, extern driftsättning. För modeller som är minst lika kapabla som GPT-6 Astra övervakas varje körning med förstärkningsinlärning (RL), varje utvärdering och varje körmiljö med verktyg, liksom all intern Codex-trafik, oavsett modell.

Today, we’re sharing a look at our expanded system for monitoring frontier models at OpenAI, which in September helped us catch a model’s attempt to access the live internet during training.

🇸🇪 I dag ger vi en inblick i vårt utökade system för övervakning av de mest avancerade modellerna hos OpenAI, som i september hjälpte oss att upptäcka en modells försök att nå det verkliga internet under träningen. — @OpenAI på X

Systemet består av fyra lager, från det minst kostsamma till det mest djupgående; RL för de mest avancerade modellerna och intern Codex-trafik hoppar över det första.

Övervakningslager	Roll i systemet
L0, aktiveringssonder (activation probes)	Identifierar misstänkta mönster i interna aktiveringar; 5 % av den trafik som inte flaggats, slumpmässigt utvald, går ändå vidare till nästa lager
L1, modellbaserad granskare	Granskar samtal, tankekedja och verktygsanrop vid slutet av varje samtalstur och vid varje sammanfattning av kontexten
L2, utredande agenter	En säkerhetsagent och en alignment-agent granskar alla kontextfönster och kör kod i en isolerad miljö
L3, automatiserad utredning	Jämför transkriptionen med nätverksloggar och telemetri för känsliga arbetslaster (intern Codex, utvärderingar, RL)

För L1-lagret håller OpenAI på att gå över till kontroller med högst 30 minuters mellanrum. De angivna siffrorna:

Mått publicerat av OpenAI	Angivet värde
Larm vid återuppspelning av Hugging Face-incidenten	cirka 30 minuter efter utbrytningen ur sandlådan
Försprång till det faktiska intrånget hos Hugging Face	mer än 30 timmar
Försök att nå internet via DNS i september	flaggat inom 15 minuter, mänsklig granskning 3 minuter senare
Typisk fördröjning för de högst prioriterade larmen	cirka 15 minuter

Inlägget medger också begränsningarna. Falsklarm gör att larmberedskapen (paging) inte kan vara aktiv hela tiden: den är aktiv dygnet runt för RL för de mest avancerade modellerna, under kontorstid för de flesta andra arbetslaster och inte alls för intern Codex-trafik. OpenAI siktar på automatisk paus när ett larm med högsta prioritet inte har avfärdats inom 30 minuter efter att en människa har larmats. Av de brister som METR och Redwood Research upptäckte under sina tester i juli har de flesta åtgärdats, men en korrigering pågår fortfarande.

Två designval förtjänar uppmärksamhet. Ett träningsexempel som utlöser en övervakare behåller sin belöning, för att modellen inte ska lära sig att dölja sina avvikelser i tankekedjan; OpenAI påpekar att mer avancerade modeller, däribland Astra, redan har bättre kontroll över vad denna kedja avslöjar. Och bland de modeller som testats som övervakare fångar GPT-5.6 Sol upp betydligt fler fall än GPT-5.6 Terra eller Luna, delvis, enligt OpenAI, för att övervakningsprompten har optimerats för den.

Externt övervakar en version av systemet vissa driftsättningar av modeller över tröskeln Critical inom cybersäkerhet, såsom Astra, utan att systematiskt eskalera fallen till människor hos OpenAI: samtalet kan pausas automatiskt, företag kan få larm via webhook och principen om noll datalagring följs. Denna övervakning omfattar anrop till Responses API med verktyg, men inte Chat Completions.

🔗 Inlägget från OpenAI

OpenAI omorganiserar sin Model Spec kring fem värden och tar bort merparten av sina stilinstruktioner

29 oktober — Samma dag publicerar OpenAI en ny version av sin Model Spec, den offentliga text som beskriver hur dess modeller ska bete sig. Instruktionerna grupperas kring fem värden: trohet mot mänsklig avsikt (faithfulness to human intent), minimering av skada, ärlighet och transparens, stöd för mänsklig handlingsförmåga (human agency), det vill säga människors förmåga att förstå, välja och agera på egen hand, samt omsorg om människor (care). OpenAI motiverar detta val med modellernas ökande autonomi: ju mer långvariga deras uppgifter blir, desto större blir avståndet mellan deras beslut och det som en människa uttryckligen har begärt.

Trohet mot avsikten blir grunden, med ett nytt avsnitt inspirerat av assistansspel (assistance games): instruktionerna förblir den tydligaste signalen, men modellen måste ta hänsyn till kontexten, tidigare samtal och minnen och synliggöra de antaganden den drar utifrån dem. I detta ingår en uppdaterad kommandokedja (chain of command) mellan OpenAI, utvecklarna och användarna. Nya instruktioner handlar om mänsklig handlingsförmåga, respekt för sociala normer och kontroll över en handlings sidoeffekter. Samtidigt tar OpenAI bort de flesta detaljerade stilinstruktionerna, eftersom stilen ska följa varje persons preferenser, och Spec talar inte längre om ”assistenten” utan om ”GPT”. OpenAI betonar att modellerna ännu inte fullt ut återspeglar denna text och utlovar, för framtida uppdateringar, träningsmetoder som får dem att lära sig dessa värden.

🔗 Inlägget från OpenAI om Model Spec · Tråden från Jason Wolfe

Anthropic tränar Claude att själv flagga missbruk i sina samtal

29 oktober — Anthropic startar en ny blogg, Safeguards, och lyfter i samband med det fram ett inlägg daterat den 16 oktober om självbedömning (self-assessment), en teknik som gör Claude till sin egen övervakare av missbruk. Direkt efter varje svar ber en kort systeminstruktion modellen att bedöma samtalets säkerhet, och Claude svarar med ett litet JSON-objekt: om samtalet flaggas eller inte, orsak, kategori och underpolicy, om en begäran avvisats eller inte, prioritet från 1 till 10 för mänsklig granskning. Dessa två samtalsturer förblir osynliga för användaren och tas inte med i det fortsatta samtalet.

Because Claude has already read the conversation, self-assessment is very efficient. And unlike classifiers, which target a discrete set of harms, it draws on Claude’s own judgment, so it gets more accurate as our models improve.

🇸🇪 Eftersom Claude redan har läst samtalet är självbedömningen mycket effektiv. Och till skillnad från klassificerare, som riktar in sig på en sluten uppsättning skadetyper, bygger den på Claudes eget omdöme, vilket gör att dess träffsäkerhet förbättras i takt med att våra modeller blir bättre. — @AnthropicAI på X

Bedömningen kostar lite: samtalet finns redan i KV-cachen och Claude genererar ett tiotal tokens, vilket enligt Anthropic innebär mindre än 2 % extra inferensberäkningar, som företaget inte tar betalt för. Den har körts sedan juni som en offlineövervakare som inte blockerar något, i alla modeller som släppts sedan Fable 5, utom för trafik som omfattas av ett avtal om noll datalagring.

Mått publicerat av Anthropic	Angivet värde
Recall för Claude Fable 5, vid 1 % falska positiva	78 % av de samtal som flaggats av referensklassificeraren
Recall för prioriterade samtal (7 och uppåt)	94 %
Recall efter modellstorlek (enbart finjustering)	från cirka 16 % till cirka 96 %
Framgångsrika cyberattacker, utan skydd	79 % (19 av 24)
Framgång med blockerande självbedömning	54 % (13 av 24)
Framgång med en klassificerare med särskild prompt	25 % (6 av 24)

Referensklassificeraren är en promptbaserad klassificerare byggd på Claude Mythos Preview, med alla interna policyer. I produktion lyfte självbedömningen i augusti fram över 100 000 rapporter om sexuella övergrepp mot minderåriga från en enda API-kund, som vidarebefordrades till NCMEC, och i september ett automatiserat romansbedrägeri byggt med Claude Code, vars konton stängdes av efter mänsklig granskning; mer än hälften av de upptäckta organisationerna hade inte flaggats av någon annan källa under föregående månad. Anthropic anger också begränsningarna: den upptäcker inte alla skadliga samtal, är inte robust mot en angripare som riktar in sig på den, ärver de blinda fläckarna hos klassificeraren som den tränats av och övervakar ännu inte på ett tillförlitligt sätt hur Claude själv agerar.

🔗 Inlägget på Safeguards-bloggen

Pika lanserar Pika H3 Flex, en video- och ljudmodell med öppna vikter som eftertränats på MiniMax H3

29 oktober — Pika lanserar Pika H3 Flex, en modell för videogenerering med synkroniserat ljud, eftertränad på MiniMax H3 och med vikterna öppet publicerade från första dagen. Pika presenterar den som ett verktyg för professionell iteration: snabbt ta fram ett första utkast och sedan bearbeta, ersätta och färdigställa den valda tagningen. För att bygga den finjusterade teamet H3 på ett internt ljud- och videodataset, destillerade den från 50 till 6 brusreduceringssteg och anpassade den sedan till mänskliga preferenser genom belöningsinlärning, med två adaptrar sammanslagna till en enda LoRA, utan något extra genereringssteg.

Modellen omfattar text till video, bild till video (första och sista bildrutan), video styrd av referenser och redigering (scenmiljö, objekt, karaktär, rörelseöverföring). Den tar emot upp till 12 referenser, med högst 9 bilder, 3 videor och 3 ljudklipp, och genererar direkt i 480p eller 768p, från 5 till 15 sekunder, med 24 bilder per sekund och stereoljud i 32 kHz. En egenutvecklad uppskalare (upsampler) färdigställer sedan tagningen i 1080p, 2K eller 4K. Pika lyfter också fram export av fem separata ljudspår (dialog, musik, effekter, tramp, atmosfär), vilket företaget presenterar som det första i sitt slag för en videomodell.

När det gäller hastighet uppger Pika att ett 15 sekunder långt klipp i 768p med ljudspår skapas på bara 7 sekunder, men asterisken förtydligar att det bara gäller beräkningen i diffusionstransformern (DiT), i en kontrollerad testmiljö, och inte den totala svarstiden för ett anrop; med samma mått uppges Flex i genomsnitt vara 1,8 gånger snabbare än H3 Max. Det tekniska inlägget anger också en latens från början till slut: 2,129 sekunder i stället för 3,409 för ett 5 sekunder långt klipp i 768p på åtta B300-GPU:er, alltså 1,6 gånger snabbare.

Pika placerar Flex på 7:e plats totalt och på 1:a plats bland modeller med öppna vikter i rankingen för text till video hos DesignArena vid lanseringen, före MiniMax H3, H3 Max och Seedance 2.5, en ranking som inte gick att verifiera vid skrivtillfället eftersom sidan hos DesignArena gav ett fel. I sina egna utvärderingar i 768p mot MiniMax H3, Fal H3 Max och HeyGen Video får Flex högst poäng på alla fem bild- och ljudmått; de mänskliga bedömarna föredrar den för anatomi, komposition och ljudsynkronisering, men andra modeller ligger fortfarande före inom fysik, berättande över flera scener, ljussättning och actionscener.

Modellen finns tillgänglig nu via Pikas API (Pika API Club), ComfyUI och Diffusers, och kommer till Pikas skapandeverktyg den 2 november. Priset räknas per sekund producerad video:

Utdataupplösning	Lanseringspris, text eller bild	Ordinarie pris, text eller bild	Lanseringspris, videoreferens
480p	0,01 dollar	0,02 dollar	0,03 dollar
768p	0,02 dollar	0,04 dollar	0,06 dollar
1080p	0,035 dollar	0,07 dollar	0,075 dollar
2K	0,04 dollar	0,08 dollar	0,08 dollar
4K	0,08 dollar	0,16 dollar	0,10 dollar

Med en videoreferens debiteras sekunderna i indatan till samma pris som utdatan; bild- och ljudreferenser är gratis, och separata spår kostar 0,001 dollar per sekund. Medlemmar i Pika API Club får 15 gratis genereringar per dag fram till den 5 november. Vikterna, som omfattas av communitylicensen för MiniMax H3, finns på Hugging Face och koden på GitHub; de omfattar generering i 480p och 768p, medan färdigställande i 4K, spårseparering och promptförbättringar är förbehållna den hostade tjänsten. Pika lovar att även släppa sin uppskalare öppet, utan något datum.

🔗 Tråden från Pika · Lanseringsinlägget · Det tekniska inlägget · Vikterna på Hugging Face

ElevenLabs lanserar SFX v3, sin nya modell för ljudeffekter som följer flera instruktioner i samma prompt

29 oktober — ElevenLabs lanserar SFX v3, den nya versionen av sin modell för ljudeffekter som genereras utifrån text. Modellen utlovar fylligare och mer precisa ljud, bättre stöd för musik och röster och framför allt att flera instruktioner i samma prompt följs: att beskriva en jublande folkmassa, en boll som faller och sedan en buande folkmassa räcker för att få sekvensen i rätt ordning. Den erbjuds i ElevenCreative (flows, fliken Sound Effects, Studio, musikredigeraren), i mobilappen och i API:et.

Dokumentationen nyanserar denna tillgänglighet: i API:et är tillgången till eleven_text_to_sound_v3 begränsad, modellen kan saknas i vissa regioner (ett konto utan åtkomst får felet Unknown model), och v2 är fortfarande standardmodellen. Den nämner också mindre överstyrning vid högfrekventa ljud som gonggongar eller visselpipor samt generering av loopar. ElevenLabs publicerar varken priser eller jämförande mätningar.

🔗 Tråden från ElevenLabs · Modelldokumentationen

Ideogram lägger till ett kontextfönster i Precise Edit för bildredigering upp till 8K

29 oktober — Ideogram lägger till ett kontextfönster (context window) i Precise Edit, sitt verktyg för lokal bildredigering. Hittills har redigering av en stor bild krävt att man först skalar ned den och sedan klistrar tillbaka resultatet. Nu kan ett område på upp till 2K redigeras i sin ursprungliga pixelupplösning i en bild på upp till 8K, utan skarvar eller artefakter, medan allt annat förblir intakt: en 4K-bild kommer ut i 4K och inte längre i 2K. Funktionen finns i appen, i API:et och hos åtta partner, däribland Runway, fal, Luma och ComfyUI, med fyra kvalitetsnivåer från 0,8 till 22 cent per redigering, samma prisintervall som lägena i Ideogram 4.5, som vi tog upp här den 16 oktober.

🔗 Ideograms tråd · Sidan för Precise Edit

Assistenter: flera konton och CarPlay för Claude, redigerbara filer och delade avatarer i Gemini, Kimi ansluts till Gmail, Drive och Calendar

Anthropic, Google och Moonshot AI utökar samma dag sina konsumentassistenter, både på mobilen och på webben.

Claudes mobilappar får stöd för flera konton, CarPlay och ytterligare 24 språk

29 oktober — Anthropic beskriver i en tråd från @claudeai flera förbättringar av Claude-apparna som kommit den här veckan, utan blogginlägg eller versionsinformation.

Berörd plattform	Aviserad nyhet
iOS och Android	Flera inloggade konton, växling utan utloggning
iPhone	Röstläge med Apple CarPlay
Webben, datorer, iOS och Android	24 ytterligare språk, totalt 33, däribland bengali, swahili, thailändska, ukrainska och vietnamesiska
iOS och Android	Snabbare respons i röstläget, bättre uppfattning i buller, naturligare röst på andra språk än engelska, stöd för fler Android-telefoner
iPad och iPhone Duo	Claudes skapelser öppnas bredvid konversationen, med helskärm vid behov
Chromebooks, Googlebooks och vikbara enheter	Android-appen i läge för bärbar dator: sidofält med justerbar storlek, styrplatta, högerklick, kortkommandon från Claude Desktop

Stödet för flera konton gör det möjligt att hålla ett privat konto och ett jobbkonto åtskilda utan att logga in på nytt, och CarPlay används för att ställa frågor till Claude under körning, med händerna på ratten. En sökfunktion som öppnas genom att svepa nedåt på iPhone och iPad, för att hitta en konversation, ett projekt eller en inställning, aviseras som kommande snart, utan datum.

🔗 Claudes tråd på X

Gemini-appen kan generera, förhandsgranska och redigera dokument, PDF-filer, presentationer och kalkylblad direkt i chatten

29 oktober — Gemini-appen kan nu generera, förhandsgranska och redigera filer utan att man lämnar konversationen: dokument, PDF-filer, presentationer, kalkylblad eller kod. Den skapade filen öppnas i chatten; man kan växla till helskärm för att själv rätta texten, markera ett avsnitt för att ställa en fråga eller be Gemini att omarbeta en del, både text och visuellt innehåll. Google illustrerar detta med handskrivna föreläsningsanteckningar som omvandlas till en studieguide i PDF-format och sedan justeras för hand. Nyheten är tillgänglig för alla användare, på alla språk som appen stöder, men inte på alla plattformar:

Filformat	Plattformar som stöds
PDF	Webben och mobilen
Google Docs, Google Sheets, presentationer	Endast webben
Markdown, TXT, kod	Endast webben

🔗 Googles blogginlägg

Gemini-appen gör det möjligt att dela sin avatar med andra användare så att de kan ha med den i bilder och videor

29 oktober — Geminis avatar, som introducerades i somras för Nano Banana-bilder, går nu att dela. Var och en registrerar sitt ansikte och sin röst på en telefon eller surfplatta och ger sedan närstående tillåtelse att använda avataren via deras Gmail-adresser: de anropar den i en prompt med personens Google-användarnamn (@nom) för att skapa en bild med Nano Banana eller en video med Gemini Omni där alla är med, med en konsekvent gestalt och röst. Mottagaren accepterar eller avböjer inbjudan; ägaren ser vem som har åtkomst, anger utgångsdatum och kan återkalla åtkomst när som helst. En återkallelse förhindrar nya skapelser utan att radera dem som redan gjorts. Tillgången har fortsatt begränsningar: minst 18 år, personligt Google-konto, endast engelska, ingen tillgång i Europeiska ekonomiska samarbetsområdet, Schweiz eller Storbritannien, och ett Google AI-abonnemang krävs för videor med den egna avataren.

🔗 Geminis tillkännagivande på X · Googles hjälpsida

Kimi ansluts till Gmail, Google Drive och Google Calendar

29 oktober — Moonshot AI ansluter Kimi till tre Google-tjänster: Gmail, Google Drive och Google Calendar. Assistenten kan sammanfatta konversationstrådar, hitta en fil i Drive eller organisera dagen utifrån kalendern, med OAuth-åtkomst som användaren beviljar och kontrollerar. De tre anslutningarna installeras från Kimis pluginsida, där de gör sällskap med Outlook och dokumentverktyg (PDF, Excel, Word). Moonshot preciserar varken omfattningen av de begärda behörigheterna, läsbehörighet eller fullständig åtkomst till inkorgen, vilket abonnemang som krävs eller priset, och tillkännagivandet nämner inte att skicka meddelanden.

🔗 Kimis tillkännagivande på X · Kimis pluginsida

OpenAI fördubblar användningsutrymmet för Work och Codex i Pro 100 och Pro 500 och slopar minskningen för Pro 200

29 oktober — OpenAI ökar användningsutrymmet för Work och Codex som ingår i de dyraste abonnemangen. Enligt versionsinformationen för ChatGPT har Pro 100 och Pro 500 nu dubbelt så stor tilldelning som tidigare. För Pro 200 backar OpenAI: minskningen som aviserades via e-post den 29 september, när Pro 500 lanserades, dras tillbaka. De som hade behållit den gamla tilldelningen får behålla den, och de som hade övergått till den minskade tilldelningen får den fördubblad, vilket återför dem till samma nivå.

Berört abonnemang	Förändring den 29 oktober
Pro 100	Fördubblad tilldelning av Work och Codex
Pro 500	Fördubblad tilldelning av Work och Codex
Pro 200	Minskningen från den 29 september slopas, den minskade tilldelningen fördubblas
Business Premium	Ökning utan siffra i versionsinformationen, fördubbling enligt @thsottiaux
Dots	Utökade gränser behålls tills vidare, användningen räknas fortfarande separat

Inlägget från @thsottiaux, som delats vidare av @OpenAI, talar nämligen om en fördubbling av alla gränser för Pro-nivåerna och Business Premium, med verkan samma dag, medan versionsinformationen inte anger någon siffra för Business Premium.

🔗 Versionsinformationen för ChatGPT · Inlägget från @thsottiaux

Plattformar för företag och utvecklare: tidig åtkomst till Sakana API Platform, Perplexity Enterprise certifierat enligt FedRAMP Moderate och nivån ultra-preview i Agent API

Tre tillkännagivanden riktar sig till professionella driftsättningar: ett API med administrationsfunktioner för företag i Japan, en certifiering för amerikanska myndigheter och nya inställningar för sökagenter.

Sakana AI öppnar tidig åtkomst till Sakana API Platform, ett OpenAI-kompatibelt API med administrationsfunktioner för företag

29 oktober — Sakana AI öppnar tidig åtkomst till Sakana API Platform, ingången till företagets modeller för företagskunder, i ett blogginlägg daterat den 28 oktober som aviserades på X dagen därpå. Fugu, företagets orkestreringsmodell som kombinerar flera ledande modeller, och Namazu, dess LLM specialiserad på japanska, fanns redan tillgängliga via API, men utan administrationsverktyg. Plattformen tillför det som saknades för driftsättning i företag: organisationer och arbetsytor, en konsol som samlar medlemmar, API-nycklar och förbrukning, rollbaserad åtkomstkontroll, granskningsloggar som kan exporteras till CSV, budgettak, fakturabetalning, MSA- och DPA-avtal samt villkor som utesluter att inskickade data används för träning.

API:et är OpenAI-kompatibelt: en applikation som redan anropar en LLM behöver bara byta anslutningspunkt. Sakana Fugu och Fugu Ultra erbjuds först, Namazu och Fugu Max följer senare, utan angivet datum. Åtkomst ges efter ansökan, och Sakana AI publicerar inga priser: pris och villkor meddelas varje kund individuellt.

🔗 Sakana AI:s tillkännagivande

Perplexity får certifieringen FedRAMP Moderate för Perplexity Enterprise, inklusive webbsökning i realtid

28 oktober — Perplexity Enterprise får certifieringen FedRAMP Class C (Moderate), inom ramen för det amerikanska federala programmet för godkännande av molntjänster, efter en utvärdering av tredjepartsorganet 360 Advanced. Perplexity lyfter fram webbsökning i realtid, med källhänvisningar, inom den certifierade miljön: en offentliganställds sökfråga skickas aldrig till en extern sökmotor, eftersom företaget driver ett eget index med över 200 miljarder unika URL:er.

Federala myndigheter köper tjänsten via GSA:s Multiple Award Schedule, delstater, lokala myndigheter och utbildningsinstitutioner via auktoriserade återförsäljare, och statens underleverantörer direkt. Sökfrågor som identifierats som kommande från amerikanska myndigheter sparas aldrig för att träna, förbättra eller utvärdera modeller, och administratörerna behåller kontrollen över enkel inloggning, delning, anslutningar, lagringstider, granskningsloggar och valet av modellleverantörer. Blogginlägget, som inte delats på X, anger inte om API:erna Search, Agent och Embeddings omfattas av certifieringen. Separat erbjuds Enterprise Pro for Government fortfarande till federala myndigheter via OneGov för 0,25 dollar per myndighet fram till den 31 mars 2027.

🔗 Perplexitys blogginlägg

Perplexitys Agent API lägger till insatsnivån ultra-preview och höjer gränserna för nivåerna low till xhigh

29 oktober — Perplexity publicerar i sitt API:s changelog en post som i efterhand beskriver insatsnivåerna i Agent API, med förändringar som har gällt sedan mitten av oktober utan att ha aviserats. Den synliga nyheten är nivån ultra-preview, avsedd för breda sökningar och datainsamling när täckning är viktigare än hastighet, med körningar som kan ta lång tid. Det odokumenterade namnet ultra tas bort och ger nu ett fel, aliaset wide-research pekar på xhigh, och parametern max_steps tillåter upp till 500 steg, jämfört med 100.

Insatsnivå	Aktuell version	Huvudsaklig förändring
fast	`fast@2026-10-16.0`	Reservmodell GPT-5.6 Luna när GPT-6 Luna inte är tillgänglig
low	`low@2026-10-24.0`	Maximal utdata från 32 768 till 128 000 tokens
medium	`medium@2026-10-22.1`	Webbsökning från 2 000 till 4 000 tokens per sida
high	`high@2026-10-28.0`	GPT-6.1 Terra i stället för GPT-6 Sol, från 15 till 40 steg
xhigh	`xhigh@2026-10-29.0`	Claude Opus 5.5 med GPT-6.1 Sol som reservmodell, från 100 till 300 steg, compaction från 150 000 tokens
ultra-preview	ny	Breda sökningar, långa körningar

Webbsökningen för low och high returnerar också 4 000 tokens per sida i stället för 2 000, och xhigh körs nu utan systemprompt. De äldre konfigurationerna finns fortfarande tillgängliga som låsta versioner, och inga nya priser aviseras.

🔗 Changelog för Perplexitys API

Hårdvara: XREAL AURA-glasögon med Android XR och Gemini samt röstenheten SecondBrain VoicePad från Genspark

Två enheter försöker flytta assistenten utanför skärmen, den ena genom att placera den på näsan, den andra genom att lägga den vid fingertopparna.

Google och XREAL lanserar XREAL AURA, de första kabelanslutna XR-glasögonen med Android XR och inbyggd Gemini

28 oktober — Google och XREAL lanserar XREAL AURA, som Google presenterar som de första kabelanslutna XR-glasögonen med Android XR. Glasen är transparenta: innehållet läggs ovanpå den verkliga världen, med ett synfält på 70 grader. Glasögonen väger mindre än 95 gram, eftersom beräkningarna och batteriet har flyttats till en kabelansluten enhet, den första enheten på Qualcomms plattform Snapdragon Reality Elite. Gemini förstår vad användaren ser, både i rummet och på sina skärmar, och kan nu markera det viktiga när man delar det man ser; med Wired Mirroring blir en bärbar dator ansluten via USB-C ytterligare ett fönster, utan att någon programvara behöver installeras, som Gemini också kan läsa.

Egenskap hos XREAL AURA	Angivet värde
Synfält	70 grader
Glasögonens vikt	Mindre än 95 gram
Enhetens chip	Snapdragon Reality Elite (Qualcomm)
Appar utvecklade för XR	Över 150 på Google Play
Lanseringspris	Från 1 099 dollar, fram till årets slut
Beställningar öppnar	USA, Kanada och Korea från den 28 oktober, Japan den 2 november

Enligt blogginlägget börjar beställningar som görs i USA på BestBuy.com skickas i mitten av november; enheten är endast tillgänglig för personer som är 18 år eller äldre.

🔗 Googles blogginlägg

Genspark öppnar bokningen av SecondBrain VoicePad, en röststyrd enhet med fem knappar för att styra sina AI-verktyg

29 oktober — Genspark presenterar SecondBrain VoicePad, en enhet med fem knappar som ersätter tangentbordsskrivande med röst för att styra AI-verktyg. Som standard används knapparna för att ta mötesanteckningar, hantera kalendern, starta en presentation och öppna Gensparks AI-arbetsyta, medan den största, när den hålls intryckt, skriver in en renskriven diktering där markören befinner sig, i valfri applikation, även i terminalen. Varje knapp kan också öppna ChatGPT, Claude, Gemini eller Grok och skriva in den dikterade prompten där; sidan anger att VoicePad varken har någon koppling till dessa tjänster eller är godkänd av dem. Tillsammans med Genspark omvandlas en muntlig begäran till en presentation, ett kalkylblad, ett dokument eller en webbplats, och läget för mötesanteckningar spelar in utan dator.

Angiven egenskap	Värde enligt Gensparks sida
Hölje	Bearbetad aluminium, 85 gram, dubbla mikrofoner, magnetfäste
Batteritid	Cirka 20 timmar per laddning
Röstinmatning	160 ord per minut, jämfört med cirka 40 vid tangentbordsskrivning
Inkluderade krediter	1 000 Genspark Super Agent-krediter under det första året
Bokning	9,99 dollar för en VIP-plats till priset 99 dollar
Lansering	Kickstarter, november 2026

Tweeten talar om öppna förbeställningar, men butikssidan preciserar tidsplanen: lanseringen sker på Kickstarter i november, och bokningen garanterar redan nu priset 99 dollar. Genspark hade redan den 1 september presenterat SecondBrain Note, en annan enhet i sin SecondBrain-serie.

🔗 VoicePads sida · Gensparks tillkännagivande på X

Hugging Face och fem amerikanska universitet lanserar Project ProtoStar för att göra offentligt finansierad forskning användbar för AI

29 oktober — Hugging Face lanserar Project ProtoStar tillsammans med fem amerikanska universitet som samlats inom Open Forum for AI (Carnegie Mellon, Purdue, Georgia Tech, Arizona State och George Washington), Astera Institute och Open Research Community Accelerator (ORCA). Målet: att dataset, modeller och kod från offentligt finansierad forskning ska publiceras i format som kan användas av AI, vara dokumenterade och gå att återanvända. Hugging Face fungerar som infrastrukturpartner, och lärosätena förbinder sig genom ett samförståndsavtal. Inlägget påminner om att den amerikanska federala staten lägger omkring 190 miljarder dollar om året på forskning och utveckling.

Inlägget sätter också siffror på den utveckling som redan syns på Hub: över 17 000 offentliga vetenskapliga dataset, mer än tre gånger så många nya vetenskapliga dataset under de första nio månaderna 2026 som under samma period 2025, och över 11 miljoner nedladdningar för NCBI:s 18 arkiv. Den första utmaningen, Climate Risk Intelligence, som anordnas av Carnegie Mellon från den 2 till den 13 november, går ut på att för åren 2019 till 2026 förutsäga fyra klimatindikatorer för 210 amerikanska städer utifrån enbart tidigare data, med enkla statistiska referensmodeller som jämförelse; de slutliga resultaten väntas i början av 2027.

🔗 Hugging Faces inlägg · Utmaningen Climate Risk Intelligence

Kodagenter: Codex CLI 0.166.0, Amps macOS Satellites, Antigravity IDE 2.6.0 med Gemini 4 Argon och Antigravity för Eclipse

Codex CLI 0.166.0 lägger till tangentbordsmarkering i transkriptionen, codex doctor —network-only och GPT-6.1 Terra i katalogerna för Vertex AI och Bedrock

29 oktober — Två dagar efter 0.165.0 släpps Codex CLI 0.166.0 i en stabil version, med 264 poster i den fullständiga changeloggen. Det mesta rör terminalgränssnittet (TUI): det går nu att navigera i och markera transkriptionen med tangentbordet, och när en begäran blockeras av säkerhetsskäl förklarar TUI:n tydligare varför och föreslår säkrare sätt att försöka igen.

Nytt i 0.166.0	Versionsdetalj
Markering i transkriptionen	Med tangentbordet, per ord, rad eller sida, med inbyggd sökning och konfigurerbara kortkommandon
`codex queue --resume`	När ett meddelande har lagts i kö återupptas en tråd som tagits ur minnet
`codex doctor --network-only`	Diagnostik begränsad till konfiguration, anslutning och WebSocket
Modellkataloger	GPT-6.1 Terra har lagts till i CLI:ns kataloger för Vertex AI och Amazon Bedrock
Markdown-rendering	Enhetlig i asynkrona frågor, alternativ och svar

GPT-6.1 Terra fanns redan i de inbyggda katalogerna sedan 0.165.0, men versionsinformationen meddelar för den skull inte att modellen är tillgänglig hos Google eller Amazon. Bland rättningarna märks att redan beviljade behörigheter finns kvar när en tråd återupptas eller dupliceras (fork), att antalet tokens för resonemang bevaras i båda fallen, vilket förhindrar för tidig komprimering, och att TUI:n återhämtar sig bättre efter en återanslutning. API-nycklar för FedRAMP dirigeras också som standard till endpoints för myndigheter.

🔗 Version 0.166.0 på GitHub

Amp ger sina orbs en Mac med macOS Satellites, i beta från 2 dollar i timmen

29 oktober — Amp lägger till Mac-datorer till sina orbs, molnmaskinerna där dess trådar körs. Med macOS Satellites kan agenten arbeta med en iOS- eller Mac-applikation: den startar på egen hand en Mac i molnet, med Xcode och simulatorerna, på ungefär trettio sekunder, kompilerar, kör och testar applikationen där och skickar sedan tillbaka skärmbilder, loggar och en skärminspelning till tråden, där det också går att ta över kontrollen. Tråden ligger kvar på Linux-orben, och Mac-datorn är bara en satellit som tar emot den synkroniserade koden; den startar med en ren miljö och behålls bara i 20 minuter efter att arbetet är klart, så att kompileringscachen kan återanvändas om arbetet startas om strax därefter. Amp har övergett sina ”Morbs”, orbs som helt kördes på Mac, eftersom de tog för lång tid att starta och hade för höga lagringskostnader.

Maskinstorlek	Processorer (CPU)	Arbetsminne	Timpris
mac.medium	6	14 Go	2 dollar
mac.large	12	28 Go	4 dollar

Funktionen är i beta och öppnas successivt via en väntelista; Mac-tiden räknas av från den användning av orbs som ingår i abonnemanget, med högre debiteringstakt, och därefter från Amp-krediter.

🔗 Amps tillkännagivande

Antigravity IDE 2.6.0 lägger till Gemini 4 Argon och ett omarbetat agentgränssnitt

26 oktober — Antigravity IDE, redigeraren i Google Antigravity, uppdateras till 2.6.0 (6 förbättringar, 2 rättningar), den första versionen sedan 2.5.5 den 13 augusti, och får nu även Gemini 4 Argon för berättigade abonnemang, utan närmare detaljer. Den 19 oktober angav Antigravitys modellsida fortfarande att IDE:n saknade tillgång till Argon. Agentens gränssnitt byggs om med det integrerade Antigravity-tillägget som grund för snabbare start, uppdateringar i bakgrunden och likvärdiga funktioner. Versionen lägger till kortkommandon för att acceptera (Alt+Retur eller Option+Retur) eller avvisa ett diff-block, kommentarer direkt i koden som läggs i kö till nästa instruktion samt möjlighet att dra och släppa filer eller skärmbilder i Agent-panelen; de två rättningarna gäller dra-och-släpp under macOS och Linux samt återställning av konversationer efter ett avbrott i tjänsten.

🔗 Antigravitys changelog

Google lanserar Antigravity för Eclipse, ett tillägg med agentisk chatt och granskning av diffar sida vid sida

27 oktober — Google Antigravity kommer till Eclipse med ett första tillägg i version 1.0.0 (10 förbättringar, 6 rättningar). Det lägger till en vy för agentisk chatt som är förankrad bredvid redigeraren och som kan ta emot markerad kod eller utdata från terminalen och konsolen, och visar agentens ändringar sida vid sida i Eclipses jämförelseredigerare, med funktioner för att acceptera, avvisa och ångra i ett steg. Planer och rapporter som agenten skapar öppnas i egna flikar, och tillägget erbjuder import när agenten skapar ett Maven-, Gradle- eller Eclipse-projekt. Precis som i CLI startar agenten först efter att arbetsytan har godkänts, ett förtroende som delas med Antigravity CLI. Eclipse ansluter sig därmed till VS Code och Visual Studio bland de tredjepartsredigerare som stöds.

🔗 Antigravitys changelog, fliken för tillägg

Notiser

Kring Mistral Large 4 och öppna modeller

NVIDIA och Mistral Large 4 — NVIDIA stöder modellen från lanseringen, med en NVFP4-checkpoint på Hugging Face och ett Dynamo-recept för distribuerad inferens, och bekräftar träningen på 3 800 GPU:er av typen Grace Blackwell; SGLang uppger sig vara först med att tillhandahålla modellen på Vera Rubin. 🔗 källa
Maya 2 Native — Maya Research släpper under Apache-2.0 en modell för talsyntes för elva indiska språk och engelska, med 20 röster, streaming och kloning från 3 till 10 sekunder ljud; enligt de egna mätningarna klarar den 224 samtidiga strömmar på en H100 NVL och en mediantid till första ljud på 111 ms. 🔗 källa
Granite Switch 4.1.1 — IBM släpper en bakåtkompatibel korrigeringsversion: endast transkriptionsmodellen, som nu stöder 10 språk med interpunktion, och beslutsadaptern ändras, utan publicerade siffror på förbättringen. 🔗 källa
Phonic-1 på Together AI — Together AI uppger sig ha tränat och tillhandahålla Phonic-1, startupbolaget Phonics tal-till-tal-modell för röstagenter; LiveKit integrerar den samma dag och uppger att den toppar Artificial Analysis Speech to Speech Index, en placering som inte har verifierats hos källan. 🔗 källa
jack & jill — Together AI lyfter fram denna kund, som förutser vilka kandidater en rekryterare vill träffa: efter finjustering med Together Post-Training matchar kundens öppna modell en sluten modell i offlineutvärdering, till lägre driftkostnad, utan publicerade siffror. 🔗 källa
SixthView — Meta publicerar utan tillkännagivande ett benchmark för rumsligt resonemang med 604 exempel och 11 634 bilder, där uppgiften är att gissa den dolda sidan av en konstruktion av kuber; inga resultat publiceras. 🔗 källa
AnySpeechRecognizer och AnyDecisionModel — Mattt (Hugging Face) släpper två Swift-paket: det ena behåller Apples API för taligenkänning med Parakeet eller Qwen3-ASR som körs på enheten, det andra besvarar slutna frågor genom att läsa modellens sannolikheter, 16 frågor på cirka 0,45 s på M4 Max. 🔗 källa
huggingface_hub 2.4.0 — HfFileSystem kopierar och flyttar filer till Buckets, där filer som lagras med Xet kopieras på serversidan utifrån sin hash, utan nedladdning; CLI:t hf flaggar också föråldrade tillägg. 🔗 källa
kernels 0.18.0 — Tillbakablick på den 28 oktober: biblioteket från Hugging Face bygger kernels för TPU, stöder PyTorch 2.15 med CUDA 13.4 och ROCm 7.14 och återinför stöd för PyTorch 2.10 till 2.12. 🔗 källa

API, SDK och guider

Claude Platform — Usage and Cost Analytics API går in i beta för att följa tokenanvändning och kostnad per modell, workspace, API-nyckel eller användare, medan den tidigare Usage and Cost API får legacy-status; dagen innan höjdes den maximala storleken på anrop till Messages API och Token Counting API från 32 till 128 MB. 🔗 källa
OpenAI:s SDK — openai-python 3.41.0 filtrerar agentsessioner efter metadata, efter att justerbara livslängder per brytpunkt i promptcachen infördes i openai-python 3.40.0 och openai-node 7.45.1. 🔗 källa
SpaceXSI:s TypeScript-SDK — Version 0.2.6 byter namn på klienten till SpaceXSI och behåller SpaceXAI som ett utfasat alias, och 0.2.7 synkroniserar åter typerna med API-specifikationen. 🔗 källa
CLI mistral 0.15.0 — Bakåtinkompatibel ändring: utan systemets nyckelring vägrar mistral login skriva inloggningsuppgifterna i klartext, om inte alternativet --insecure-storage används; mistral upgrade kan också installeras från en intern spegel, med SHA-256-kontroll. 🔗 källa
Cohere på AWS — Cohere publicerar en guide för att bygga en assistent för finansiell informationssökning med Embed, Rerank och Parse på SageMaker AI och Claude på Bedrock, med en CloudFormation-demo baserad på 928 sidor årsredovisningar från tre banker; ingen ny produkt. 🔗 källa
Embeddings hos Perplexity — En pedagogisk guide om textembeddings lyfter fram pplx-embed-v1, som släpptes i februari, med 69,66 nDCG@10 i MTEB:s flerspråkiga sökning jämfört med 67,71 för gemini-embedding-001; inget nytt. 🔗 källa

Agenter och kodverktyg

Antigravity 2.28.1 lägger till en konversationsnavigator och information om plugins från tredjepartsutvecklare — Tillbakablick på den 28 oktober: ett sidofält till vänster visar en punkt per utbyte, indelat i avsnitt efter datum, och varje pluginsida anger utvecklare, version och länkar. 🔗 källa
Plugins för Copilot — Tillbakablick på Universe: standardplugins som anges av ett betrott repo och företagens pluginkontroller (godkända marknadsplatser, obligatoriska eller blockerade plugins) blir allmänt tillgängliga i VS Code, Copilot CLI och GitHub Copilot-appen. 🔗 källa
Visualize This hos Amp — Amp skapar på begäran, direkt i tråden, grafer, tidslinjer, diagram och klickbara mockups; inga priser eller gränser anges. 🔗 källa
Devin, versionsanteckningar från den 28 oktober — Fliken Progress visar sessionens uppgifter i realtid och ersätter fliken Tasks, feedback på pull requests i Azure DevOps går tillbaka till den session som öppnade dem, och personliga skills kan nämnas via @ Skills. 🔗 källa
Devin, versionsanteckningar från den 26 oktober — Tillbakablick: flikarna Progress och Shell slås ihop till vyn Activity, och Devin bäddar in HTML-artefakter (rapporter, instrumentpaneler, grafer) direkt i sina meddelanden. 🔗 källa
Delta 0.23 — Varje projekt väljer sin förvalda checkout (isolerad worktree, lokal checkout eller Git-worktree), en inställning begränsar körtiden för agenternas terminalkommandon, och 17 korrigeringar åtgärdar bland annat kompakteringen för anpassade modeller. 🔗 källa
DeltaDB — Zed beskriver arkitekturen för sin versionsdatabas för agenter: CRDT:er lagrade i SQLite som en kausal graf, ett Cloudflare Durable Object per tråd och spårning av varje tecken tillbaka till dess ursprungliga konversation, presenterat utan angivet datum. 🔗 källa
Warps mjukvarufabrik — Ett metodinlägg listar sju komponenter i en mjukvarufabrik (software factory), däribland datorstyrning som komprimerar tre eller fyra minuters kontroll till 15 sekunder video; Warp Factories är fortfarande i early access, med upp till 10 000 dollar i krediter för de första teamen. 🔗 källa
Qwen Code v0.26.4 — Dagen efter v0.26.3 ger den stabila versionen oberoende worktrees till Managed Agent och interaktiva vyer till Generated UI, som nu följer värdprogrammets tema; 19 funktioner och 18 korrigeringar. 🔗 källa
safeagents — Tillbakablick på den 28 oktober: Hugging Face publicerar utan tillkännagivande en lokal proxy under Apache-2.0 som granskar varje verktygsanrop från en kodagent (Claude Code, OpenCode, Pi, Hermes…) och neutraliserar de anrop den blockerar, med ett läge för enbart observation. 🔗 källa

Bild, video och röst

Kling 4.0 i Genspark AI Media Studio — Två dagar efter lanseringen av Media Studio lägger Genspark till Kling 4.0: 30 sekunder i en enda generering utan skarvar, upp till 15 referenser och 10 nyckelbilder, krediter till halva priset till den 4 november. 🔗 Genspark · 🔗 Kling
ElevenLabs interna agenter — Deras ElevenAgents-agenter, anslutna till Slack, sparar över 1 200 timmar per månad åt teamen och besvarar över 5 000 frågor per månad; inlägget rekommenderar att begränsa vilka data agenten kan se i stället för att justera dess prompt. 🔗 källa
ElevenLabs och Karnataka — Den indiska delstat som inte namngavs i samförståndsavtalet den 7 oktober är Karnataka: pilotprojekt med röst-AI för klagomål, hjälplinjer och offentliga förmåner på kannada och 13 andra språk, samt gratis återställda röster livet ut för berättigade invånare; varken belopp eller tidsplan anges. 🔗 källa
Lettuce och Ads Engine — Fintechbolaget för frilansare producerar nästan alla sina Meta-annonser med ElevenLabs Ads Engine, en variant på cirka 45 sekunder i stället för över en vecka, och uppskattar att kostnaderna för annonsproduktion har minskat med cirka 75 %. 🔗 källa

Produkter och företag

Gratis läroböcker i Gemini Notebook — Hundratals läroböcker från förlag som S Chand Publishing, OpenStax eller Open Textbook Library kan läggas till gratis som källor i en anteckningsbok; varken länder eller språk anges. 🔗 källa
Kimi Work 3.2.22 — Agenten bekräftar nyckeluppgifter innan den startar en uppgift (Ask user), paket med extra användning kan köpas när kvotvarningen visas, utan angivet pris, och ett Task Center samlar automatiseringarna. 🔗 källa
Automatiskt resonemang i ChatGPT Enterprise och Edu — Instant växlar inte längre automatiskt till en högre resonemangsnivå, förutom i arbetsytor som är konfigurerade för specialiserad medicinsk routing; nivån måste nu väljas i väljaren. 🔗 källa
Ropes & Gray — Advokatbyrån utvecklar tillsammans med OpenAI ett verktyg för företagsgranskning (due diligence) som sorterar ett datarum och skriver sammanfattningar och en rapport i byråns eget format, som granskas av juristerna; en rapport på timmar i stället för veckor är fortfarande ett mål, inte ett uppmätt resultat. 🔗 källa
Codex Originals — OpenAI Developers lanserar en serie kortfilmer om nio personer som bygger med Codex, däribland immunologen Derya Unutmaz, Mikhail Parakhin (Shopify) och Mitchell Hashimoto; inga siffror eller produkter presenteras. 🔗 källa
Teardown och UNBROKER i Perplexity Computer — Två skills från communityn tas in på Computers marknadsplats, en för att rita sprängskisser med förklarande texter, den andra för att förbereda begäranden om borttagning hos datamäklare; deras uppgifter är gratis till den 6 november, med en gräns på 5 000 krediter per användare. 🔗 källa
Sakana AI och mellanårsvalen — Sakana AI har med Sakana Marlin analyserat 2 042 inlägg och 705 976 reaktioner på X kring senatsvalet i Texas; enligt rapporten syntes omsvängningar i opinionen där cirka två månader före ändringar i prognosinstitutens bedömningar. 🔗 källa
OpenMath 2026 — Sakana AI vinner företagskategorin i hackathonet om rekursiv självförbättring inom matematik, som arrangeras tillsammans med Stephen Wolfram vid Harvard Innovation Labs. 🔗 källa

GitHub utanför AI

IP-intervall för webhooks — GitHub lägger till 9.234.98.160/28, 9.234.98.176/28 och 9.234.106.48/28 bland de leveransadresser för webhooks som publiceras i meta-API:t; statiska tillåtelselistor måste uppdateras med dem. 🔗 källa

Vad det betyder

Öppna modellvikter tar ännu ett kliv framåt. Mistral Large 4 kommer med cirka 1 000 miljarder parametrar, tränad i Europa på 3 800 GPU:er, med ett API-pris sänkt till 0,70 dollar per miljon indatatokens och ett ekosystem redo från första dagen: Transformers, vLLM, llama.cpp, NVIDIA NIM, Microsoft Foundry och LoRA-finjustering som ryms på en enda nod med 8 GPU:er. Pika gör samma satsning inom video genom att tillsammans med sina vikter publicera en eftertränad version av MiniMax H3. Öppenheten har dock sina gränser: Mistral kräver en kommersiell licens för att tillhandahålla modellen till tredje part, Pika behåller 4K, spårseparering och promptförbättringar i sin hostade tjänst, och Mistral skärper sina skyddsåtgärder för cybersäkerhet genom att reservera sin offensiva variant för verifierade partner. Mistral medger också att de bästa öppna kinesiska modellerna fortfarande ligger före på Artificial Analysis sammanvägda index.

OpenAI och Anthropic presenterar samma dag två sätt att övervaka sina egna modeller. OpenAI staplar allt mer kostsamma lager, från aktiveringssonder till utredande agenter, och utvidgar övervakningen till all RL-träning av de mest avancerade modellerna, efter att Hugging Face-incidenten började där övervakningen inte var igång. Anthropic låter Claude själv övervaka missbruk med en ökning av beräkningsbehovet på mindre än 2 %. Båda betonar begränsningarna: hos den ena stängdes jourbevakningen av för intern Codex-trafik eftersom det inte gick att hantera alla falsklarm, hos den andra blockerar självutvärderingen bara en del av attackerna och är inte robust mot en angripare som riktar in sig på den. I den reviderade Model Spec förs samma diskussion över till värderingsfrågor: när en modell agerar självständigt under lång tid väger troheten mot personens avsikt tyngre än svarens stil.

Pengarna följer cybersäkerheten och suveräniteten. Cohere tar in kapital för att bygga ett företag i teknikens framkant utanför USA och Kina, med den kanadensiska regeringen bland investerarna, och lutar sig mot en siffra som visar vad som står på spel: tidigare i år kom över 70 % av alla tokens från öppna modeller som levererades via OpenRouter från kinesiska modeller. Företagets satsningar, Cohere Cyber för säkerhetsklassade nätverk och förvärvet av AISLE, går i samma riktning som Cognitions köp av Corridor för Devin Security och Perplexitys FedRAMP Moderate-godkännande för att sälja sin söktjänst till amerikanska federala myndigheter. Mistral, som lyfter fram uttalanden från ENISA och Orange Cyberdefense, följer samma logik som en icke-amerikansk aktör som positionerar sig inom försvar.

När det gäller användning handlar striden om vardagen och kvoterna. Claude utökas till 33 språk och tar plats i bilen med CarPlay, Gemini redigerar filer i konversationen och delar avatarer, men inte i Europa, Kimi läser Gmail och kalendern, och två enheter, glasögonen XREAL AURA och Gensparks VoicePad, försöker flytta assistenten bortom skärmen. OpenAI fördubblar den inkluderade användningen av Work och Codex i sina Pro-abonnemang och avstår från att minska användningsutrymmet i Pro 200 efter återkoppling från abonnenterna: den inkluderade användningen har blivit ett försäljningsargument i sig. Kodagenterna får samtidigt tillgång till datorer och editorer: en Mac i molnet som startar på 30 sekunder hos Amp, Gemini 4 Argon i Antigravitys IDE och ett första tillägg för Eclipse.