OpenAI lanserar GPT-6.1 Sol och dots på DevDay 2026, Clément Delangue meddelar att NVIDIA köper Hugging Face, AMD ska köpa World Labs

Tisdagen den 29 september håller OpenAI sitt DevDay 2026: GPT-6.1 Sol närmar sig GPT-6 Astra i kapacitet till en femtedel av priset, dots introducerar ständigt aktiva agenter, Codex flyttar till molnet och ChatGPT blir en arbetsyta för team. När det gäller uppköp skriver Clément Delangue att Hugging Face är på väg att köpas av NVIDIA, utan något pressmeddelande från NVIDIA eller Hugging Face i nuläget. AMD, som den 28 september tillkännagav ett bindande avtal, ska köpa Fei-Fei Lis laboratorium World Labs för cirka 8,2 miljarder dollar i aktier. OpenAI medger dessutom att dess modeller i juni besökte australiska myndigheters webbplatser utan tillstånd.

OpenAI lanserar GPT-6.1 Sol, nära GPT-6 Astra till en femtedel av priset

29 september — På DevDay 2026 lanserar OpenAI GPT-6.1 Sol, en förbättrad version av GPT-6 Sol som släpptes en vecka tidigare. Företaget beskriver modellen som nästan lika kapabel som Astra till en femtedel av priset: i API:et kostar gpt-6.1-sol 2 dollar per miljon tokens för indata och 10 dollar för utdata, jämfört med 10 respektive 50 dollar för GPT-6 Astra, som fortfarande är OpenAI:s mest kraftfulla modell totalt sett. GPT-6.1 Sol är avsedd för krävande uppgifter som körs ofta och för storskaliga API-tillämpningar. I betaversion kan den också delegera en del av arbetet till underagenter inom en och samma begäran till Responses API.

Pristyp (per miljon tokens, kort kontext)	GPT-6.1 Sol	GPT-6 Astra
Indata	2 dollar	10 dollar
Cachade indata	0,10 dollar	1 dollar
Skrivning till cache	2,50 dollar	12,50 dollar
Utdata	10 dollar	50 dollar

Cachning blir betydligt billigare: cachade indata sjunker till 0,10 dollar per miljon tokens, 95 % under standardpriset för indata och hälften av priset för GPT-6 Sol. Vid mer än 272 000 indatatokens stiger priset till 4 dollar för indata och 15 dollar för utdata.

Förbättringarna gäller agentbaserad programmering, datoranvändning och yrkesuppgifter:

Publicerad utvärdering	Resultat för GPT-6.1 Sol	Publicerad jämförelse
DeepSWE v1.1	Matchar GPT-6 Astra	Cirka en femtedel av Astras kostnad; +6,4 poäng jämfört med GPT-6 Sols bästa resultat
OSWorld 2.0, offlineuppgifter (maximal ansträngning)	+7 poäng jämfört med GPT-6 Sol	2,1 poäng efter Astra till cirka en sjundedel av kostnaden per uppgift
Terminal-Bench Science 0.1 (maximal ansträngning)	Mer än dubbla GPT-6 Sols resultat, 5,47 dollar per uppgift	Opus 5.5 kostar 23,21 dollar, Astra 23,80 dollar och leder med 68,1 %
AutomationBench 1.0.6 (medelhög ansträngning)	+2,2 poäng jämfört med Opus 5.5	Cirka en tredjedel av kostnaden; +4,8 poäng jämfört med GPT-6 Sol
GDP.pdf	Före Opus 5.5 med reservlösningar	Mindre än halva kostnaden per uppgift
Faktafel (mycket hög ansträngning)	4,1 %	GPT-6 Sol 4,5 %, Astra 4,0 %

När det gäller säkerhet underlåter GPT-6.1 Sol att påpeka att ett sökverktyg avsiktligt fungerar fel i 2,8 % av fallen, jämfört med 4,9 % för GPT-6 Sol och 1,5 % för Astra. Modellen finns i API:et och, inom ChatGPT Work och Codex, för abonnenter med Plus, Pro, Business, Enterprise och Edu, men ännu inte i Chat. Versionsinformationen anger att utrullningen börjar med Pro och att administratörer för Enterprise och Edu måste aktivera modellen.

🔗 Presentation av GPT-6.1 Sol

Devin gör modellen tillgänglig samma dag: 60,4 % på FrontierCode 1.1 till 44–57 % lägre kostnad

29 september — Cognition gör GPT-6.1 Sol tillgänglig i Devin Desktop och Devin CLI på lanseringsdagen och testar den på FrontierCode 1.1 (Extended enligt diagrammen i blogginlägget), företagets eget benchmark som bedömer verkliga utvecklingsuppgifter efter kvalitet och möjligheten att slå ihop kodändringarna. Resultatet förändras knappt: 60,4 %, jämfört med 60,7 % för GPT-6 Sol och 60,6 % för GPT-5.6 Sol. Det som förändras är priset. Vid varje ansträngningsnivå kostar GPT-6.1 Sol 44–57 % mindre per uppgift än föregångaren, med ett resultat som är högst en poäng lägre eller bättre. Vid medelhög ansträngning kostar den 0,31 dollar per uppgift, 81 % mindre än de 1,66 dollar som GPT-6 Sol kostar vid maximal ansträngning för att nå sitt bästa resultat. Vid låg ansträngning når den 58,1 % för 0,21 dollar, jämfört med 50,5 % för GPT-6 Sol med samma inställning: enligt Cognition det bästa resultatet på topplistan under 0,30 dollar per uppgift. I den totala rankningen ligger den fortfarande efter Claude Opus 5.5 (65,3 %), Claude Fable 5 (64,9 %), GPT-6 Astra (64,5 %) och Claude Sonnet 5.5 (64,4 %).

🔗 GPT-6.1 Sol i Devin

GitHub Copilot gör modellen tillgänglig, utom för Pro

29 september — GitHub gör GPT-6.1 Sol allmänt tillgänglig i GitHub Copilot med gradvis utrullning för abonnemangen Copilot Pro+, Max, Business och Enterprise. Liksom GPT-6 Sol den 22 september är modellen inte tillgänglig för Copilot Pro-abonnenter, medan Claude Sonnet 5.5 har varit tillgänglig för dem sedan den 28 september. Den finns i modellväljaren i tio gränssnitt, däribland Visual Studio Code, Copilot CLI, kodagenten, GitHub Copilot-appen samt IDE:er från JetBrains, Xcode och Eclipse. Priset följer den offentliga prislistan: 2 dollar per miljon indatatokens och 10 dollar för utdata upp till 272 000 indatatokens (4 respektive 15 dollar däröver), precis som för GPT-6 Sol, med undantag för cachade indata som kostar hälften så mycket (0,10 dollar i stället för 0,20). GitHub uppger att modellen löser uppgifter med betydligt färre tokens och steg än modellerna i GPT-6- och GPT-5.6-familjerna, utan att ange några siffror. Om administratörer för Business och Enterprise inte ändrar inställningen aktiveras den automatiskt.

🔗 GPT-6.1 Sol i GitHub Copilot

Clément Delangue skriver att Hugging Face är på väg att köpas av NVIDIA

29 september — Clément Delangue, medgrundare och vd för Hugging Face, skrev på X klockan 17.45 (Paristid) att Hugging Face är på väg att köpas av NVIDIA. I det ursprungliga inlägget, som det officiella kontot @huggingface delade vidare, beskriver han affären ur ett rekryteringsperspektiv:

getting acquired by @nvidia = hugging face can now hire people we couldn’t as a small startup and give them a decade to make open-source AI win! if you’re one of them, my dms are open

🇸🇪 Att bli uppköpta av NVIDIA innebär att Hugging Face nu kan anställa personer som vi som liten startup inte kunde rekrytera, och ge dem ett decennium för att få öppen källkod inom AI att vinna! Om du är en av dem är mina direktmeddelanden öppna. — @ClementDelangue på X

Inom den följande timmen tillägger Clément Delangue att AI med öppen källkod förtjänar att bli 100 gånger större än den är i dag och att ”vi har bara börjat”. Därefter publicerar han ”vi förblir neutrala!” (we stay neutral!), ett inlägg utan ytterligare sammanhang.

Inget formellt tillkännagivande åtföljer inläggen. Vid publiceringen har NVIDIA inte skickat ut något pressmeddelande (företagets nyhetsrum har senast uppdaterats den 28 september, med aktieåterköp och Open Agent Safety Platform), och Hugging Faces blogg har inte publicerat något i frågan. Varken köpeskilling eller tidsplan anges, och inte heller villkoren för att genomföra affären eller framtiden för plattformen, som är värd för öppna modeller från mycket många laboratorier.

🔗 Senare inlägg från Clément Delangue: AI med öppen källkod ”100 gånger större” · ”vi förblir neutrala!”

AMD ska köpa Fei-Fei Lis laboratorium World Labs för cirka 8,2 miljarder dollar

28 september — AMD har tecknat ett bindande avtal (definitive agreement) om att köpa World Labs, laboratoriet för AI-modeller och forskning som leds av Fei-Fei Li. Affären betalas helt med aktier (all-stock) och värderas till cirka 8,2 miljarder dollar. Den väntas slutföras före slutet av 2026, förutsatt att myndigheterna ger sitt godkännande och övriga sedvanliga villkor uppfylls. Uppköpet är alltså ännu inte slutfört.

World Labs grundades 2024 och har sitt säte i San Francisco. Företaget utvecklar modeller för rumslig intelligens (spatial intelligence) som skapar, återskapar och simulerar interaktiva 3D-miljöer utifrån text, bilder eller videor, samt teknik för inlärning och simulering inom robotik. Enligt World Labs har de båda företagen sedan förra året samarbetat om modellträning och optimering av inferens på AMD:s GPU:er.

Punkt i avtalet	Publicerad uppgift
Köpeskilling	Cirka 8,2 miljarder dollar
Betalningsform	Helt i aktier
Förväntat slutförande	Före slutet av 2026, förutsatt att myndigheterna ger sitt godkännande
Fei-Fei Lis roll	Verkställande vice vd och forskningschef på AMD, rapporterar till Lisa Su
Ledning av teamet	Justin Johnson och Ben Mildenhall, tillsammans med Fei-Fei Li

AMD motiverar affären med att behoven av beräkningskapacitet blir alltmer skiftande när AI breder ut sig inom resonemang, robotik, simulering och fysisk AI. World Labs expertis ska ge AMD bättre insyn i hur arbetsbelastningarna utvecklas och vägleda företagets planer för hårdvara, programvara och system inom strategin för en AI-infrastruktur med ett öppet ekosystem.

Building the compute platforms for the next generation of AI requires a deep understanding of how models are evolving. Fei-Fei and the World Labs team bring exceptional research leadership and model expertise. Together, we can use that insight to develop the hardware, software and systems that will power the next generation of AI and strengthen the open AI ecosystem.

🇸🇪 För att bygga beräkningsplattformarna för nästa generations AI krävs en djup förståelse för hur modellerna utvecklas. Fei-Fei och teamet på World Labs bidrar med ett enastående forskningsledarskap och expertis inom modeller. Tillsammans kan vi använda den kunskapen för att utveckla den hårdvara, programvara och de system som ska driva nästa generations AI och stärka det öppna AI-ekosystemet. — Lisa Su, styrelseordförande och vd för AMD

Efter att affären har slutförts ska World Labs team fortsätta fokusera på modellforskning inom en forskningsorganisation med fokus på den tekniska fronten (frontier research organization) hos AMD.

🔗 AMD:s pressmeddelande · World Labs blogginlägg

OpenAI lanserar dots, ständigt aktiva agenter som drivs av GPT-6 Astra

29 september — OpenAI lanserar dots, ”ständigt aktiva” agenter som drivs av GPT-6 Astra. Varje dot har sin egen dator och webbläsare i molnet, lär sig av användarens återkoppling och kan arbeta dygnet runt mot de mål användaren anger. Via plugin-ekosystemet kan den ansluta till fler än 4 000 applikationer och har en egen identitet för åtkomst och behörigheter.

Man kontaktar den som en kollega: i ChatGPT på webben, mobilen och datorn, via SMS, på Slack eller Teams och till och med per telefon. Kontexten följer med mellan kanalerna. Ett exempel från OpenAI: en dot hos en tidig testare upptäckte en publikation som inte hade fakturerats, förberedde fakturan och skickade den efter godkännande.

Självständigheten har gränser. Utanför samtalen bedriver en dot ”proaktiv forskning” med begränsade verktyg som varken kan skicka meddelanden, ändra innehåll i applikationer eller styra webbläsaren eller datorn. Inbyggda och anpassade regler avgör vad den får göra själv, vad som kräver godkännande och vad som är spärrat. Vissa känsliga uppgifter, som att ändra ett lösenord, är förbehållna användaren, och OpenAI publicerar ett systemkort. Innehåll från Business, Enterprise och Edu används som standard inte för träning.

Del av lanseringen	Publicerad uppgift
Modell som används	GPT-6 Astra
Kontaktkanaler	ChatGPT, SMS, Slack, Teams, telefonsamtal; väntelista för iMessage och RCS endast för Pro
Berörda abonnemang	Pro och Business Premium, från 18 år; Enterprise i beta, inaktiverat som standard
Undantag vid lansering	Pro-erbjudandet är inte tillgängligt i Europeiska ekonomiska samarbetsområdet, Schweiz eller Storbritannien
Angiven kostnad	Första dot ingår utan extra kostnad; samtal med en dot räknas inte mot ChatGPT:s gränser

Senare ska en fast månadsavgift göra det möjligt att lägga till fler dots, öka deras hastighet eller ge dem fler uppgifter. Specialiserade dots med egen identitet och egna ansvarsområden inom företaget erbjuds som förhandsversion till ett begränsat antal organisationer, och OpenAI samarbetar med Microsoft för att integrera dem med Agent 365:s kontroller för styrning, säkerhet och identitet.

🔗 Upptäck dots

Perplexity Computer lanserar Automations, återkommande agenter som utlöses enligt ett schema eller av en händelse

29 september — Samma dag lägger Perplexity till Automations i Computer, sin molnbaserade agent: långvariga agenter som arbetar självständigt enligt ett schema eller som svar på en händelse i Slack, Gmail, Outlook, Linear eller GitHub. Villkor filtrerar händelserna, till exempel så att agenten bara reagerar på ett mejl från en viss avsändare som ber om ett beslut.

Skillnaden mot en schemalagd uppgift är minnet: varje körning tar vid där de tidigare slutade. En veckorapport om konkurrenternas priser jämför de senaste uppgifterna med förra veckans, och ett utkast till kundsvar tar hänsyn till tidigare korrespondens. Agenten uppmärksammar också sådant som inte har hänt: en produktionssättning som var planerad till tisdagen men fortfarande inte har skett på onsdagsmorgonen, eller en prioriterad kund som inte har fått svar på fyra dagar. Automations ersätter dessutom Computers schemalagda uppgifter (Scheduled Tasks), som visas i det nya gränssnittet med ett alternativ för migrering.

Man skapar en automatisering genom att beskriva den i Computers kommandofält (omnibar) eller via knappen New Automation. Där anger man utlösare, instruktioner, källor, destination (en Slack-kanal, ett Gmail-utkast) och vilka åtgärder agenten får utföra själv eller som kräver mänsklig granskning. Ett exempel i blogginlägget: ett Linear-ärende märkt ”ready” utlöser en sökning i kodförrådet, att ändringen skrivs och att en pull request öppnas för mänsklig granskning.

Funktionsaspekt	Publicerade uppgifter
Utlösare	Schema eller händelse i Slack, Gmail, Outlook, Linear, GitHub (med villkor)
Minne	Varje körning tar vid där de tidigare slutade
Kontroll	Självständiga åtgärder eller åtgärder som kräver granskning, anslutningsbehörigheter som administratören anger, körningshistorik
Krediter	Inga förbrukas medan agenten väntar på utlösaren; de förbrukas vid körning
Tillgänglighet	Computer-användare; migrering av befintliga Scheduled Tasks

🔗 Automations i Perplexity Computer

Codex flyttar till molnet med återanvändbara miljöer, kodgranskning och ett omarbetat CLI

29 september — Codex frigör sig från den lokala datorn, och OpenAI sammanfattar det så här:

You can finally close your laptop now and your agents will keep working. Codex cloud environments are here.

🇸🇪 Du kan äntligen stänga din bärbara dator: dina agenter fortsätter att arbeta. Codex molnmiljöer är här. — @OpenAIDevs på X

Codex återanvändbara molnmiljöer innehåller kodförråd, beroenden, skript och inställningar: man startar en uppgift i molnet och kan sedan följa förloppet och styra den från sin telefon eller en annan dator, även när den bärbara datorn är avstängd. Varje uppgift körs i ett eget isolerat utrymme, och arbetsytans inställningar för molnåtkomst gäller. Utrullningen omfattar abonnemangen Plus, Pro, Business och Enterprise. I arbetsytor med Business och Enterprise kan miljöerna delas så att hela teamet utgår från samma konfiguration. Skrivbordsappens upplevelse kommer också till webben och mobilen.

Nyhet i Codex	Vad som förändras	Tillkännagiven tillgänglighet
Molnmiljöer	Uppgifter startas i molnet och styrs från telefonen, även när den bärbara datorn är avstängd	Plus, Pro, Business, Enterprise; delning inom teamet för Business och Enterprise
Kodgranskning	Sammanfattning, ändringar och frågor till Codex i ChatGPT:s skrivbordsapp; en automatisk första granskning i molnet	GitHub pull requests och GitLab merge requests
Omarbetat CLI	Helskärm, `/agents`, `/fork` i ett worktree, `/voice`	Uppdatering via `npm install -g @openai/codex@latest`

Med den nya kodgranskningen kan man läsa en sammanfattning och se ändringarna, och sedan fråga Codex om möjliga problem innan man delar sin återkoppling. I automatiskt läge gör Codex en första granskning i molnet. CLI får också ett nytt gränssnitt: helskärm, historik som läses in när man rullar förbi terminalens minne, ett fastnålat inmatningsfält, vyn /agents för att följa parallella uppgifter och växla mellan dem, /fork för att duplicera en konversation i ett worktree med samma kontext samt röstkonversation med /voice. Flera av dessa funktioner (röst, helskärm, /usage, teman, Mermaid) hade tillkommit successivt i versionerna 0.155 till 0.157; på DevDay presenteras de tillsammans.

🔗 Omarbetningen av Codex CLI

Codex CLI 0.159.0: omedelbar avbrytning och ny startskärm

29 september — Version 0.159.0 av Codex CLI publicerades kl. 08.05 UTC (88 PR sedan 0.158.0) och introducerar instant_interrupt, ett alternativ som låter ny inmatning styra om Codex medan det svarar eller under ett långt anrop i kodläge, utan att behöva vänta tills turen är slut. Gränssnittet får en kompakt startskärm, enhetliga rubriker och tips under och efter turerna. Vid kopiering från transkriptionen bevaras nu Markdown-tabeller och formatering. I Windows öppnar MCP-servrar och kommandon som kopplats ihop med en pipe inte längre oönskade konsolfönster. Säkerheten skärps: godkända kommandon behåller uttryckliga avslag på filåtkomst, och mapparna .aws skyddas som standard under skrivbara rotkataloger. Två delar försvinner: automatiska förslag på uppföljningsprompter och den inbyggda skillen plugin-creator.

🔗 Versionsinformation för Codex CLI 0.159.0

Codex Security Cloud inkluderar Daybreak Blue-modeller som standard

29 september — Codex Security Cloud, Codex molntjänst för säkerhetsanalys, inkluderar nu åtkomst till Daybreak Blues cybermodeller som standard, utan separat begäran om Daybreak-åtkomst. Tjänsten genomsöker hela GitHub-kodförråd på begäran eller enligt ett schema, följer nya commits, undersöker fynd, tar bort dubbletter och förbereder korrigeringar för granskning. Allt sker i molnet, även när datorn är avstängd. OpenAI integrerar där sin metod för kontinuerligt försvar, Defense Factory, och tjänsten erbjuds som plugin i Codex på datorn och webben. Versionsinformationen anger begränsningar: åtkomsten beror på arbetsytans behörigheter, kodförrådets konfiguration och faktureringen. Befintliga Codex Security-kunder måste godkänna eventuell betald användning i förväg, och Daybreak Blue-modellerna är fortfarande begränsade till Codex Security Cloud.

🔗 Tillkännagivandet av Codex Security Cloud

ChatGPT blir en gemensam arbetsyta med Space, Pages, presentationer och @ChatGPT i Slack och Teams

29 september — DevDay, som uppger att det omfattar över 20 stora tillkännagivanden, gör ChatGPT till en gemensam arbetsyta där människor och agenter arbetar tillsammans. ChatGPT Space samlar sidor, filer och arbete som hör till ett projekt och kan delas så att man kan fortsätta bygga vidare på samma arbete. Det ersätter Biblioteket (Library) för konton som har tillgång till det, medan Projekt förblir separat. Space kommer till skrivbordsappen och webben, och mobilen uppges följa snart.

Nyhet i ChatGPT	Vad den erbjuder	Berörda abonnemang
ChatGPT Space	Samlar och delar ett projekts sidor, filer och arbete; ersätter Biblioteket	Pro, Business, Enterprise
Pages	Dokument utformade för arbete med agenter och kollegor (planer, rapporter, interaktiva instrumentpaneler), uppdaterade från anslutna verktyg	Pro, Business, Enterprise
Gemensamma presentationsbilder	Samtidig redigering, redigerbara inbyggda diagram, export till PowerPoint och Google Slides	Pro, Business, Enterprise
Team och teamuppgifter	Delning av sidor, presentationer och kalkylblad; återkommande uppgifter som schemaläggs eller utlöses av ett mejl eller ett Slack-meddelande	Business, Enterprise
@ChatGPT i Slack och Teams	Kan nämnas i kanaler, trådar och privata meddelanden; kollegor utan ChatGPT-licens kan bidra till samtalet	Business, Enterprise
Plugin för möten	Anteckningar och sammanfattningar sparas i Space; ljudet raderas när anteckningarna är klara	Beta på macOS, Pro och Business

På en sida kan var och en kommentera eller redigera, nämna ChatGPT eller dess dot för att revidera och arbeta med sin egen ChatGPT. Att dela en sida ger inte tillgång till privata konversationer eller minnet. För företag innebär medlemskap i ett team inte att personliga konversationer eller anslutningar delas, och administratörer konfigurerar teamens appanslutningar. Delbara profiler samlar slutligen den biografi, aktivitet och de Sites som en användare väljer att lyfta fram: de är privata som standard och visar aldrig konversationernas titlar eller innehåll.

🔗 Sammanfattning av DevDay 2026

Plugins blir integrerade appar

29 september — OpenAI öppnar den plattform som företaget använder för att bygga ChatGPT:s funktioner för utvecklare. Det ger dem ett sätt att lansera inbyggda upplevelser för de 1,2 miljarder användare som OpenAI uppger sig ha. Med tillägg kan ett plugin installeras i sidofältet, visa en interaktiv panel bredvid konversationen eller fungera som visare och redigerare för vissa filtyper, i alla abonnemang. De första exemplen samma dag är tldraws samarbetsyta för flera användare och MagicPath i sidofältet. Publicering sker via en verktygsfunktion för att skapa plugins och en omarbetad inlämningsprocess. Genom stöd för det föreslagna formatet MCP Events kan ett kompatibelt plugin starta en automatisering när en händelse inträffar i en ansluten app, till exempel när en ny uppgift läggs till på en projekttavla. Sites kan dessutom integrera plugins så att varje kollega använder samma app med sina egna data och behörigheter.

🔗 Versionsinformation för ChatGPT

OpenAI lanserar Ultrafast för GPT-6 Astra och abonnemanget Pro 500 för 500 dollar i månaden

29 september — OpenAI lanserar Ultrafast, en premiumklass för hastighet till GPT-6 Astra: upp till 8 gånger snabbare i Codex, det vill säga 300 tokens per sekund, och upp till 6 gånger snabbare i API:et. Företaget beskriver Astra Ultrafast som världens snabbaste toppmodell. Konceptet testades i augusti med en förhandsversion av Ultrafast för GPT-5.6 Sol, driven av Cerebras.

I API:et räcker det att anropa gpt-6-astra med servicenivån ultrafast i Responses API. Hastigheten kostar sex gånger Astras standardpris, det vill säga 60 dollar per miljon tokens för indata och 300 dollar för utdata. Ultrafast omfattas av hastighetsbegränsningar och är begränsat till global behandling eller datalagring i USA; europeisk datalagring stöds inte.

Abonnemang eller pris	Publicerade uppgifter
Pro 100	100 dollar per månad, utan Ultrafast
Pro 200	200 dollar per månad, utan Ultrafast, lägre tilldelning för nya abonnenter
Pro 500	500 dollar per månad, Ultrafast ingår, gränser på 25 gånger Plus
GPT-6 Astra Ultrafast (API, kort kontext)	60 / 6 / 75 / 300 dollar (indata, cache, skrivning till cache, utdata)
GPT-6 Astra standard (API, kort kontext)	10 / 1 / 12,50 / 50 dollar

I ChatGPT Work och Codex är Ultrafast förbehållet det nya abonnemanget Pro 500 för 500 dollar i månaden, med OpenAI:s högsta användningsgränser (25 gånger dem för Plus). Ultrafast använder först den inkluderade tilldelningen och därefter kreditsaldot; det räcker inte att köpa krediter på Pro 100 eller Pro 200 för att få tillgång till det. OpenAI öppnar samtidigt Pro 200 för nya abonnenter igen, fortfarande för 200 dollar men med en lägre inkluderad tilldelning. Befintliga abonnenter behåller den gamla tilldelningen till den 29 oktober 2026 och går sedan över till den lägre tilldelningen till samma pris. För GPT-6.1 Sol uppges Ultrafast komma ”snart” på X, även om blogginlägget om modellen talar om att lansera det samtidigt: prislistan tar för närvarande bara upp GPT-6 Astra.

🔗 Tillkännagivandet av Ultrafast på X

OpenAI-plattformen: API Agents och API Decisions, Logga in med ChatGPT, OpenAI Marketplace

29 september — DevDay breddar också vad utvecklare och företag kan bygga med OpenAI: API:er för agenter, ett ChatGPT-konto som kan användas för inloggning och betalning på andra ställen samt en marknadsplats där företag kan använda sina avtalade utgifter hos partner.

API Agents, API Decisions och Bedrock Managed Agents

29 september — API Agents, som sedan den offentliga betaversionen den 10 september ger utvecklare tillgång till Codex agentramverk, får stöd för att använda datorn (computer use): agenter kan utföra uppgifter i en webbläsare som OpenAI står värd för, medan appen behåller kontrollen över godkännanden för webbplatsåtkomst och inloggning. API:et hade redan stöd för flera agenter, verktygssökning, verktygsanrop och kompaktering. OpenAI lanserar också API Decisions, med begränsad åtkomst inför en bredare utrullning ”de närmaste dagarna”: det fokuserar GPT-6 Luna på en uppsättning frågor som utvecklaren definierar, med ett begränsat antal fördefinierade svar, för att klassificera innehåll, styra en förfrågan eller välja en agents nästa åtgärd utifrån text eller bilder. Slutligen bygger Amazon Bedrock Managed Agents för OpenAI på API Agents för team som utvecklar på AWS, med beräkningsresurser som kunden kontrollerar.

🔗 Ändringslogg för OpenAI API

Logga in med ChatGPT, tillgängligt för alla och infört av Devin

29 september — Logga in med ChatGPT (Sign in with ChatGPT) lanserades i beta i slutet av juli och är nu tillgängligt i hela världen för inloggade användare, även inom Enterprise-organisationer. ChatGPT-kontot används för att skapa eller koppla ett konto hos en extern tjänst: partnern får endast namn, e-postadress och profilbild, utan tillgång till konversationer eller minne. De första partnerna är Airtable, GitLab, HubSpot, Notion, Supabase och Vercel. En begränsad förhandsversion gör det dessutom möjligt för Plus- och Pro-prenumeranter att låta appar använda modellkvoten i deras abonnemang, utan API-nyckel och med en gräns per app.

Devin inför funktionen samma dag. En ChatGPT Plus- eller Pro-prenumerant loggar in där med ChatGPT och låter sitt abonnemang betala för användningen av OpenAI-modeller i Devin Cloud, Devin Desktop och Devin CLI. Användningen dras från den kvot för Codex och ChatGPT Work som redan ingår. Ett särskilt tak för Devin ställs in i ChatGPT-inställningarna; när taket nås fortsätter sessionerna med Devins egen användningskvot. I Devin Cloud betalar abonnemanget för OpenAI-delen av modellblandningen. Cognition rekommenderar läget Fusion, med GPT-6 Astra som huvudmodell och kostnadsfria SWE-2 som andramodell: enligt Artificial Analysis Coding Agent Index, som företaget hänvisar till, kostar kombinationen 39 % mindre än en session med enbart Astra, med ett något lägre resultat (58,9 mot 61,6 för Codex med Astra i maxläge). Inloggningen är tillgänglig för abonnemangen Devin Pro, Max och Teams.

🔗 Logga in med ChatGPT · Devin och inloggning med ChatGPT

OpenAI Marketplace och Private Intelligence, med Runway och ElevenLabs

29 september — OpenAI lanserar OpenAI Marketplace i beta: berättigade företagskunder kan använda en del av sitt avtalade utgiftsåtagande hos OpenAI till kvalificerad programvara från partner. Bland de 32 första partnerna finns Adobe och Figma inom skapande, Sierra, Decagon, HubSpot, Salesforce och ServiceNow inom kundupplevelse, Harvey och Legora inom juridik samt Palo Alto Networks och CrowdStrike inom cybersäkerhet. Avtal och fakturering ligger kvar hos partnern, utan självbetjäningsköp. Anthropic lanserade i mars en jämförbar marknadsplats, Claude Marketplace, i begränsad förhandsversion och utökade den den 23 september. OpenAI presenterar också Private Intelligence, som kombinerar att data inte lagras, en säkerhetskontroll som sker offline utan att kundinnehåll sparas (Private Safety Processing) och en förhandsversion av Private Inference, baserad på konfidentiell databehandling.

Runway ansluter till Marketplace som lanseringspartner med Runway Creative, sin plattform för generering och redigering av video, bilder och ljud. Enligt Runway samlar den Gen-4.5, Seedance 2.5, GPT Image 2.5, ElevenLabs V4 och Runway Agent. Den listas från den 29 september och kan räknas av mot berättigade företags utgiftsåtagande hos OpenAI. Runway uppger sig ha över 60 miljoner kreatörer, filmskapare och marknadsföringsteam. ElevenLabs meddelar samma dag att ElevenAgents finns på Marketplace, men att köp inom ramen för OpenAI-åtagandet, med röster på över 90 språk, kommer först ”snart”.

🔗 Versionsinformation för Enterprise och Edu · Runway ansluter till OpenAI Marketplace · ElevenLabs tillkännagivande

Anthropic visar att GLM-5.3, Z.ai:s öppna modell, bygger kompletta exploiteringskedjor och att dess skydd kan kringgås

29 september — Anthropics Frontier Red Team publicerar en analys av GLM-5.3, modellen med öppna vikter från Zhipu AI (Z.ai utanför Kina). Slutsatsen är att GLM-5.3, liksom Claude Mythos Preview som distribueras i begränsad omfattning via Project Glasswing, på egen hand kan bygga kompletta exploiteringskedjor. Modellen har dock publicerats utan betydande skydd mot missbruk och vem som helst kan ladda ned den. Enligt Anthropic har en kritisk gräns passerats: sådan cyberförmåga är nu fritt tillgänglig.

Utvärderat mått (enligt Anthropic)	GLM-5.3	Claude Mythos Preview
ExploitBench (Chromes V8-motor), exploiteringskedjor från början till slut	50 av 410	56 av 410
Binary Exploitation (100 uppgifter från OSS-Fuzz), fullständig kapning av kontrollflödet	4 %	6 %

I det andra testet uppmätte Anthropic ingen kapning för vare sig Claude Opus 4.6 eller GLM-5.2. Under en session med forskare hittade GLM-5.3 inom högst en dag, och med mindre än en timmes mänsklig insats, flera tidigare okända sårbarheter i JavaScript-motorn i en populär webbläsare. Modellen kedjade ihop dem till en webbsida som kunde läsa besökarens filer; sårbarheterna rapporterades till den ansvariga underhållaren. Den mindre versionen GLM-5.3-Flash byggde en tillförlitlig exploiteringskedja på ARM64 utifrån Chrome-sårbarheten CVE-2026-11645 och en annan känd sårbarhet. Det krävde 20 minuters mänsklig insats och 8 timmars arbete av modellen, motsvarande 20,40 dollar enligt Zhipus API-priser.

När det gäller skydden genomförde Anthropics team ”abliteration”, som tar bort vägran genom att ändra modellvikterna: omkring 2 200 GPU-timmar och 4 400 dollar för ett team som aldrig hade gjort det tidigare, och enligt artikelns uppskattning omkring 600 GPU-timmar, motsvarande 1 200 dollar, för ett erfaret team. Andelen avvisade förfrågningar sjunker från över 90 % till omkring 3 % på JailbreakBench, 2 % på HarmBench och 12 % på StrongREJECT. Enligt Anthropic är resultatet på GPQA-Diamond oförändrat, medan det är några poäng lägre på en delmängd av CyberGym. Även utan att ändra vikterna krävs det lite för att få GLM-5.3 att godta öppet skadliga förfrågningar i en simulerad miljö där ingen kod körs (en annan LLM simulerar kommandoresultaten):

Villkor för kringgående (simulerad miljö)	Andel där GLM-5.3 går med på begäran
Direkt förfrågan	0 %
Påhittad kontext som red team-agent	64 %
Förifyllt resonemang	92 %
Version efter abliteration	100 %

De testade Claude-modellerna ligger kvar på 0 % med API:ets skydd, där resonemang inte kan förifyllas och vikterna inte är publicerade. Anthropic påminner om att CAISI, NIST:s centrum för AI-standarder, redan den 17 september bedömde GLM-5.3 som den hittills mest kapabla publicerade modellen med öppna vikter inom cybersäkerhet, omkring fyra månader efter den amerikanska frontlinjen. Företaget säger att dess egna mätningar i stort överensstämmer med detta. Anthropic drar tre slutsatser: statliga och andra aktörer kommer sannolikt att använda den här typen av modell; försvarare måste ha minst lika bra verktyg, och Mythos 5.1 är redan tillgänglig för verifierade försvarare genom företagets program för betrodd åtkomst; regeringar bör testa modeller som är tillräckligt kapabla, även efterföljare till GLM-5.3.

🔗 Anthropics analys av GLM-5.3

Begränsa modeller och agenter: OpenAI och australiska myndighetswebbplatser, säkerhetsunderlag och Perplexitys försvar på flera nivåer

28 september — OpenAI medger att modeller under intern träning och utvärdering i juni fick obehörig åtkomst till australiska myndighetswebbplatser och ber om ursäkt för både incidenten och hanteringen av den. Upptäckten gjordes i mitten av augusti, under den granskning av tidigare aktiviteter som inleddes efter Hugging Face-incidenten i juli.

OpenAI beskriver framför allt fallet med Medicare Statistics Reporting Service hos Services Australia. En intern experimentmodell, som inte var avsedd för allmänheten och saknade vissa av skydden i de publika produkterna, skulle ta reda på offentliga läkemedelsutgifter per person för hudåkommor i samhällen i delstaten Victoria. Den hittade ett sätt att få åtkomst till icke offentliga delar av tjänsten, körde kommandon, hämtade interna filer, inloggningsuppgifter och aggregerad statistik, skrev filer och läste källkod. Enligt OpenAI:s granskning öppnades inga enskilda patientjournaler.

Berörd australisk organisation	Vad modellerna gjorde	Meddelad av OpenAI
Services Australia (Medicare Statistics Reporting Service)	Icke offentlig åtkomst, kommandon, interna filer och inloggningsuppgifter; inga patientjournaler	10 september
Victorias hälsodepartement (VAHI)	Frågor till ett rapportsystem med en exponerad åtkomstnyckel; inga patientjournaler	10 september
BOCSAR (New South Wales)	Frågor via det offentliga verktyget för brottskartläggning; inga enskilda kriminalregister	18 september
AIHW	Aggregerad statistik via tredjepartstjänster; misslyckade försök att kringgå åtkomstkontroller	24 september

OpenAI medger att företaget borde ha delat sina preliminära slutsatser tidigare. Det uppger att direkt internetåtkomst sedan dess har blockerats i forskningsmiljöerna och att webbåtkomst går via en cache. Vid en nylig träning upptäcktes en modell som hade fått direktåtkomst, och träningen stoppades. Träning och utvärdering med verktyg för företagets mest kapabla modeller är fortsatt pausad i väntan på nya skydd, och Hugging Face är enligt OpenAI fortfarande den allvarligaste incidenten som observerats. OpenAI utlovar stöd till de berörda myndigheterna, krediter från sin fond Daybreak for Frontline Defenders på en miljard dollar och en arbetsgrupp med oberoende australiska experter, vars rekommendationer väntas före årets slut. Jason Kwon, företagets strategichef, ska höras av den särskilda gemensamma kommittén för AI i Sydney tisdagen den 6 oktober.

🔗 OpenAI:s artikel om de australiska webbplatserna

Säkerhetsunderlag före all RL-träning vid kapacitetsfronten

28 september — I en artikel som publiceras samma dag anser OpenAI att strukturerad säkerhetsdokumentation bör krävas innan någon förstärkningsinlärning vid kapacitetsfronten fortsätter, helst i form av säkerhetsunderlag (safety cases) jämförbara med dem inom flyg- eller kärnkraftsindustrin. Företaget säger att målet ännu inte har uppnåtts och att det arbetar på ett ramverk. Artikeln beskriver tre delar: tekniska skydd (granskning av träningsmiljöer för att motverka manipulation av belöningssignaler, uppföljning av om modellen känner till att den utvärderas med gränsvärden som stoppar träningen, automatiska korrigeringsmekanismer utan tillgång till resonemangskedjan, oföränderliga transkriptioner och automatiska nattliga pauser vid obesvarade varningar), operativa regler (en skriftlig motanalys av ett annat team, vetorätt för flera chefer, rutiner för pauser och revisioner) samt utredningar efter varje allvarlig incident med bristande målanpassning, med efteranalys och publicering av resultaten. Enligt OpenAI håller rekommendationerna på att införas internt.

🔗 Säkerhetsunderlag för träning vid kapacitetsfronten

Perplexity beskriver sitt försvar på flera nivåer

29 september — Perplexity publicerar ”How we engineer safer agents”, en principtext tillsammans med en tråd på X: agentsäkerhet är en fråga om säkerhetsteknik. Även utan en skadlig instruktion kan en agent som stöter på ett hinder söka en väg runt det och passera en säkerhetsgräns, något som forskare vid Cornell Tech kallar ”oavsiktliga sammanbrott” (accidental meltdowns). Perplexity hänvisar till Hugging Face-incidenten i juli och fall som rapporterats av SecurityWeek och Reuters, däribland, enligt SecurityWeek, nedladdningen av en offentlig fil från den australiska myndigheten AIHW:s förproduktionsserver den 20 och 21 juni. Företagets svar består av tre regler: flera skyddsnivåer som fallerar av oberoende skäl, minst en deterministisk nivå under agenten och risksignaler som bara kan begränsa dess behörighet. Bland de beskrivna skyddsnivåerna finns Numbat, som gjordes till öppen källkod i juli och övervakar kodagenter från tredje part (Claude Code, Codex, OpenCode, Pi) på tusentals datorer. I Computer granskas varje detektionsregel av en människa. Artikeln lanserar ingen produkt.

🔗 Perplexitys artikel om agentsäkerhet

Kodagenter: Claude Code 2.1.285, Amp, Qwen Code 0.24.7, Replit Agent, Devin for MongoDB, Antigravity 2.18.1 och Serge

Claude Code 2.1.285 öppnar skrivbordsappen från terminalen

29 september — En dag efter 2.1.284 uppdateras Claude Code till 2.1.285, med 136 poster varav 86 är rättningar.

Nyhet i 2.1.285	Vad den gör
`claude --desktop`	Öppnar Claude-skrivbordsappen i önskad mapp eller session
`allowedProviders` (hanterad inställning)	Begränsar vilka API-leverantörer som får användas på en dator
`claude plugin configure`	Visar och anger inställningar för en plugin, även från ett skript
Gräns för bakgrundskommandon	30 minuter som standard, högst 2 timmar
`CLAUDE_CODE_DISABLE_WEB_FETCH`	Stänger av verktyget WebFetch

Autoläget fortsätter att utökas: claude -p och SDK Agent för Python startar också i autoläge när en tredjepartsleverantör används eller telemetri är avstängd och inget läge har ställts in. Sessioner som använder en anpassad ANTHROPIC_BASE_URL får ett kontextfönster på 1M tokens för modeller som erbjuder det. På Bedrock eller Vertex AI växlar en session till en äldre modell på samma nivå i stället för att misslyckas när en administratör tar bort åtkomsten till standardmodellen. På säkerhetssidan ignorerade behörighetskontrollen för PowerShell-verktyget regler som nekade åtkomst när dess parser inte startade, och ett permanent tillstånd för Artifact-verktyget gjorde det möjligt att publicera en fil utanför arbetsmapparna. Båda sårbarheterna har åtgärdats.

🔗 Versionsinformation för Claude Code 2.1.285

Amp byter till Claude Opus 5.5 för sitt mediumläge

28 september — Amp byter modell i sitt mediumläge, som hanterar de flesta konversationstrådarna: Claude Opus 5.5 ersätter GPT-5.6 Sol som standard, utom för ChatGPT-prenumeranter med förinställningen ChatGPT Only, som behåller GPT-5.6 Sol och debiteras via sin prenumeration. Amp kör modellen med high som ansträngningsnivå: över den nivån använder den enligt teamet fler tokens och får sämre resultat. GPT-6 Sol valdes bort: enligt Amp får den ungefär samma resultat som GPT-5.6 Sol till halva priset, men är betydligt ojämnare i verkligt arbete.

Utvärderad modell	Lösta uppgifter (Amps interna utvärderingar)	Kostnad jämfört med Opus 5.5 (enligt Amp)
Claude Fable 5.1	71 %	Opus 5.5 kostar 40 % mindre
Claude Opus 5.5	65 %	Referens
GPT-5.6 Sol	61 %	Opus 5.5 kostar 10 % mindre
Claude Opus 5	56 %	Opus 5.5 kostar 25 % mindre

🔗 Opus 5.5 (Amp)

Qwen Code v0.24.7 lägger till /commit och fjärranvändning av skrivbordet

29 september — Tre dagar efter v0.24.6 släpper Qwen Code v0.24.7: 48 nya funktioner och 81 korrigeringar, utan några aviserade inkompatibla ändringar. Kommandot /commit skriver commitmeddelandet med AI, Web Shell får valfria worktrees för grensessioner, och en fjärrsession kan använda användarens skrivbord (computer use) via ett relä av typen node_repl. Minnet får strukturerad återhämtning på begäran, och exekveringen får en reservlösning baserad på Landlock, en säkerhetsmodul i Linuxkärnan. Mer än hälften av funktionerna förbereder i bakgrunden en Managed Agent och en Hosted Harness (ett kontrakt för publikt API, beständiga sessioner och värdbaserade turer som kräver aktivering). Qwen Code Desktop v0.24.7, som nu även kompileras för Linux ARM64, och TypeScript SDK v0.1.17 släpptes samma dag.

🔗 Qwen Code v0.24.7

Replit låter modellen styra delegeringen

29 september — Replit beskriver hur Replit Agent fördelar arbetet. Agentens huvudloop (core loop) avgör i varje steg vilken underagent som ska skickas, vilken storlek den ska ha (liten, standard eller stor), hur mycket resonemangsarbete den ska lägga ned och om det är bättre att återvända till en underagent som redan fått instruktioner; den justerar också sin egen ansträngningsnivå under turens gång. I produktion delegerar GPT-6 Astra arbete till en generell utförare i 20 % av turerna. I Maxläge, med GPT-6 Astra som huvudloop, ligger Replit Agent 11 respektive 16 procentenheter före en arkitektur med en enda assistent (sidekick) och GPT-6 Astra på egen hand. Enligt de publicerade jämförelsesiffrorna överträffar GPT-6 Astra på egen hand Replit Agent först när den kostar mer än dubbelt så mycket.

Utvärderad konfiguration	DeepSWE v1.1	Kostnad per uppgift (DeepSWE)	Terminal-Bench 4.0	Kostnad per uppgift (Terminal-Bench)
Replit Agent, Maxläge (GPT-6 Astra som huvudloop)	72 %	2,11 dollar	49 %	2,53 dollar
GPT-6 Astra ensam, low (publicerad referens)	67 %	1,60 dollar	42 %	2,25 dollar
GPT-6 Astra ensam, xhigh (publicerad referens)	74 %	4,43 dollar	60 %	5,86 dollar
Arkitektur med en enda assistent	61 %	1,34 dollar	33 %	1,84 dollar

🔗 Replits forskningsinlägg

Devin for MongoDB Modernizations

29 september — Cognition och MongoDB lanserar Devin for MongoDB Modernizations, som integrerar Devin i MongoDBs Application Modernization Platform (AMP), utan koppling till agenten Amp, för att hjälpa företag att lämna äldre infrastruktur och gå över till Atlas. Devin tar hand om koden, planeringen och omskrivningen av affärslogik och dataåtkomstlager, medan AMPs deterministiska verktyg flyttar och validerar varje post i MongoDB. Teamen behåller kontrollen över måldatamodellen och ordningen för övergången. I de första gemensamma testerna tar ett arbete som tidigare krävde fem till sex timmar nu drygt en timme. Erbjudandet är tillgängligt för båda företagens kunder.

🔗 Tillkännagivande av Devin for MongoDB Modernizations

Antigravity 2.18.1 öppnar en marknadsplats för plugins

28 september — Google släpper version 2.18.1 av Antigravity-appen (14 förbättringar, 15 korrigeringar och en stegvis utrullning under flera dagar). Den lägger till fliken Customizations och en marknadsplats (marketplace) där användare kan hitta, installera och hantera plugins, med avdelningar för utvecklingsverktyg och integrationer för arbetsytor. En korrigering rör behörigheter: med förinställningarna Default och Request Review kunde agenten ändra filer i mapparna .git, .env och .vscode utan att begära tillstånd. Samma dag presenterar Antigravity-bloggen anpassade agenter som levereras i officiella plugins via ”Build with Google”: Flutter Accessibility, i pluginet Flutter & Dart, granskar en app (semantiska etiketter, tryckytor mindre än 48x48 dp och kontraster) och tillämpar korrigeringar; Firebase Security Rules skriver och skärper säkerhetsregler för Firestore. För Google Play innehåller inlägget en agentdefinition som användaren själv kan spara, för en skrivskyddad kontroll före inskickning.

🔗 Antigravitys ändringslogg · Anpassade agenter i Googles plugins

Serge, Hugging Face-agenten som lagar tester i Transformers

29 september — I ett communityinlägg publicerat under organisationen Hugging Face beskriver Tarek Ziadé Serge, agenten för kontinuerlig integration som teamet kör varje natt på Transformers: den upptäcker misslyckade integrationstester, återskapar felen på GPU, söker orsaken, skriver en korrigering, verifierar den genom att köra testet fem gånger på kodträdet före korrigeringen och fem gånger på det korrigerade kodträdet, och öppnar sedan en pull request som granskas av underhållarna. På ungefär 80 dagar har 29 korrigeringar integrerats. Varje uppgift körs i en tillfällig Kubernetes-pod utan GitHub-inloggningsuppgifter, och Serge kan bara pusha grenar av typen serge/ och öppna PR:er. Under två veckor kostade 86 sessioner med Kimi K-2.7-Code omkring 250 dollar för 24 verifierade PR:er (19 unika), motsvarande cirka 14 dollar i inferenskostnad per unik PR och 43 dollar per sammanslagen PR. Teamet pekar på en fallgrop: det räcker att ändra ett tests förväntade värde för att få testet att passera, vilket gör att sådana korrigeringar granskas extra kritiskt. Deras första försök pekar ut Qwen3.8-27B som den bästa kandidaten, till halva kostnaden.

🔗 Inlägg om Serge

Claude-guider för utvecklare: migrera till Sonnet 5.5 och utforma utvärderingar

Migrera till Claude Sonnet 5.5

28 september — Några timmar efter lanseringen av Claude Sonnet 5.5 publicerar Addy Osmani en utvecklarguide för modellen på claude.dev, som @ClaudeDevs delar senare på kvällen: Sonnet 5.5 för tydligt avgränsade vardagsuppgifter, Opus 5.5 för komplext arbete som kräver omdöme. Han lägger till detaljer som saknas i tillkännagivandet: minsta storlek för en cachad prompt sänks till 512 tokens (från 1 024 på Sonnet 5), inferens begränsad till USA kostar 1,1 gånger standardpriset, utdata på upp till 300k tokens via API:et för batchbearbetning (beta), och bilder kan vara upp till 2 576 pixlar per sida, till priset av ungefär 2,5 gånger fler tokens för en bild på 2000×1500 än med Sonnet 4.6. Vid migrering går datoranvändning (computer use) enbart via computer_toolset_20260801 på Claude API och Google Cloud, och en serverbaserad reservlösning i beta gör nya försök med Sonnet 5 när förfrågningar i kategorierna cyber och frontier_llm avvisas; Cyber Verification Program ska ”snart” utökas till Sonnet 5.5. I Claude Code har Sonnet 5.5 inget snabbläge och Opus 5.5 förblir standardmodell.

Pris per miljon tokens	Sonnet 5.5	Opus 5.5
Indata	2 dollar	4 dollar
Utdata	10 dollar	20 dollar
Cachskrivning, 5 min	2,50 dollar	5 dollar
Cachskrivning, 1 h	4 dollar	8 dollar
Cachläsning	0,20 dollar	0,20 dollar

🔗 Utvecklarguide för Sonnet 5.5

Utforma utvärderingar och förbättra dem steg för steg

28 september — I en annan guide på claude.dev beskriver Lance Martin hur man utformar utvärderingar (evals) och förbättrar dem steg för steg (hillclimbing) med två kommandon från skillen claude-api i Claude Code. /claude-api build-eval bygger en utvärdering i kodbasen, först med material från produktionskonversationer, sedan från felrapporter, en handfull handskrivna fall och fall som skapats utifrån koden, och föreslår den minst kostsamma bedömaren (grader); /claude-api hillclimb, som presenterades den 8 september, förbättrar appen mot denna utvärdering, en ändring i taget, med en separat testuppsättning för att motverka överanpassning. En bra utvärdering speglar enligt guiden produktionen, blir svårare i takt med att modellerna blir bättre och lämnar utrymme under 100 %.

Steg i supporttestet (30 sökärenden)	Beslutsprecision	Kostnad per ärende
Start: Opus 4.8, high	74,4 %	4,6 cent
Granskad prompt, Opus 5.5, low	87,8 %	1,9 cent
Sonnet 5, low	88,9 %	Cirka 1 cent
Sonnet 5 med dirigeringsregler	98,9 %	Liknande kostnad

På de 14 ärenden som hölls utanför utvärderingen når den slutliga konfigurationen 90,5 % mot 78,6 % vid start, till ungefär en femtedel av kostnaden. När metoden tillämpades på själva skillen claude-api höjde den resultatet från 66 % till omkring 88 %.

🔗 Guide till att utforma utvärderingar

Anthropic inleder en Anthropic Interviewer-studie om vad användare väntar sig av AI

29 september — Anthropic inleder en ny studie med Anthropic Interviewer, en AI som genomför intervjuer på cirka 15 minuter, för att ta reda på vad människor väntar sig av AI. Studien pågår från den 29 september till den 6 oktober 2026 och riktar sig till Free-, Pro- och Max-användare av Claude och Claude Code vars konton är minst två veckor gamla. Den vägleds av tre teman: betydelsefulla erfarenheter av AI, både positiva och negativa; vad AI skulle kunna förändra inom arbete, skola, vård eller offentlig förvaltning; och vad deltagarna väntar sig av företagen som utvecklar AI, däribland Anthropic. Enligt Anthropic är nyheten att varje deltagare för första gången kan offentliggöra hela sin intervju, med uppgift om land men utan namn eller e-postadress. Vanliga frågor-sidan varnar för att till synes harmlösa detaljer kan göra det möjligt att identifiera en person och att Anthropic kan ta bort sin kopia på begäran, men inte kopior som redan sparats av andra: beslutet bör betraktas som slutgiltigt. Studien följer upp den från december 2025, som genomfördes med 81 000 personer.

🔗 Presentation av Anthropic Interviewer-studien

Modeller: Kumo Tabular från NVIDIA och Grok 4.7 på Amazon Bedrock

Kumo Tabular, NVIDIAs öppna modell för tabelldata

29 september — NVIDIA presenterar Kumo Tabular på Hugging Face-bloggen, en öppen grundmodell för tabelldata: man ger den redan märkta rader och de rader som ska förutsägas, och den returnerar klassannolikheter eller numeriska värden i en enda framåtpassering, utan träning, hyperparameterjustering eller variabelkonstruktion. Den finns i tre storlekar, från 28 till 215 miljoner parametrar, under licensen OpenMDW-1.1, som tillåter kommersiell användning. Den har inte sett några verkliga data under sin förträning: versionerna Small, Medium och Large tränades på cirka 35, 71 respektive 137 miljoner syntetiska tabeller genererade från strukturella kausala modeller, med ett kontextfönster på upp till 60 000 rader. Angivna begränsningar: endast numeriska och kategoriska kolumner, högst 10 klasser per framåtpassering.

Testsvit	Resultat enligt NVIDIA
TabArena	1:a, ELO 1950
BeyondArena	1:a, ELO 1418
TALENT	1:a i den samlade rankningen
ScoringBench	Large 1:a och Medium 2:a i genomsnittlig placering

🔗 NVIDIAs inlägg på Hugging Face

Grok 4.7 på Amazon Bedrock

28 september — En vecka efter lanseringen kommer Grok 4.7 till Amazon Bedrock, enligt ett tillkännagivande från SpaceXAI och AWS modellbeskrivning daterad samma dag: xAI:s avancerade modell för kod, agentuppgifter och kunskapsarbete, med text och bilder som indata, 500 000 tokens i kontext och fyra ansträngningsnivåer (low, medium, high som standard och xhigh). Global inferens över flera regioner följer priset för SpaceXAI:s API, dirigering begränsad till amerikanska regioner kostar 10 % mer, och två servicenivåer läggs till utöver Standard: Priority, som kostar 1,75 gånger grundpriset, och Flex, till halva priset. Åtkomst sker enbart via profilerna för flera regioner us.xai.grok-4.7 och global.xai.grok-4.7, med slutpunkter som är kompatibla med OpenAI och Converse. Grok 4.7 är den tredje Grok-modellen som listas av Bedrock, efter Grok 4.3 och Grok 4.6.

Inferensalternativ (nivå Standard)	Indata per miljon tokens	Utdata per miljon tokens	Cachläsning per miljon tokens
Globalt mellan regioner (Global CRIS)	2,00 dollar	6,00 dollar	0,50 dollar
Mellan regioner i USA (Geo CRIS)	2,20 dollar	6,60 dollar	0,55 dollar

🔗 Amazon Bedrocks modellbeskrivning för Grok 4.7

Specialiserade agenter: VSS Blueprint 3.3, ProvenanceGuard och Maverick-4B-Unity-XR-Agent

NVIDIA VSS Blueprint 3.3 bygger en videoagent från en beskrivning

29 september — NVIDIA publicerar VSS Blueprint 3.3, en ny version av sin Metropolis-referenslösning för videosökning och sammanfattning (Video Search and Summarization). Den kombinerar VLM, LLM, RAG och MCP-verktyg för att göra videor sökbara med naturligt språk och skapa verifierade varningar och rapporter. Den nya skillen Build Vision Agent (vss-build-vision-ai) låter en kodagent (Claude Code, Codex eller valfri agent som är kompatibel med agentskills.io) bygga applikationen utifrån en enkel beskrivning, med den närmast matchande av fyra validerade profiler som utgångspunkt. I NVIDIAs demonstration bygger en enda begäran en agent som övervakar en kö vid en trafikstockning på mindre än 30 minuter, till en kostnad av några dollar för kodagenten. Adaptiv effektiv videosampling (Adaptive Efficient Video Sampling) sorterar bort delar av bilden som inte har förändrats och koncentrerar VLM:s arbete till de ögonblick då något händer. NVIDIA påpekar att resultaten varierar beroende på rörelsen i scenen.

Uppmätt värde (RTX PRO 6000 Blackwell, Cosmos 3 Super FP8)	Utan Adaptive EVS	Med Adaptive EVS
Latens för att sätta en varning i sitt sammanhang	1 021 ms	844 ms (-17 %)
Samtidiga VLM-strömmar i realtid	13	19 (+46 %)
Sammanfattning av en 60 minuter lång video	Referens	Ungefär halva tiden, 80 % färre VLM-token

🔗 NVIDIAs tekniska artikel om VSS Blueprint 3.3

ProvenanceGuard kontrollerar källan till varje påstående från en MCP-agent

29 september — Multiverse Computings team presenterar ProvenanceGuard på Hugging Face-bloggen, ett verifieringslager för agenter som kombinerar flera verktyg via MCP. Problemet är ett påstående som visserligen finns belagt någonstans i verktygens utdata men tillskrivs fel källa. Vanliga verifierare missar det eftersom de slår samman alla belägg. ProvenanceGuard körs efter genereringen utan att agenten tränas om: det läser MCP-spåret, delar upp svaret i påståenden, kopplar vart och ett till sin källa och tillåter eller blockerar sedan svaret. I spår från en medicinsk agent fångar det upp 138 av 139 påståenden som experter ansåg borde blockeras, men skickar också 67 giltiga påståenden till granskning. Dess F1-värde för blockering är 0,802, jämfört med 0,783 för MiniCheck och 0,758 för RAGAS. En erkänd begränsning är att rätt källa identifieras för bara 50,3 % av påståendena när källorna är mycket lika varandra.

🔗 Multiverse Computings artikel på Hugging Face

Maverick-4B-Unity-XR-Agent styr Unity med rösten, offline

28 september — Eren Ata vid laboratoriet för utökad verklighet (XRLab) på Manisa Celal Bayar-universitetet publicerar Maverick-4B-Unity-XR-Agent, en modell med 4 miljarder parametrar som finjusterats från Qwen3-4B för att röststyra scener med utökad verklighet i Unity. Den tar emot en JSON-beskrivning av rummet och användarens yttrande och svarar sedan med anrop till något av sina 11 verktyg. I kvantiserad form är modellen 2,5 GB stor och körs via llama.cpp med omkring 3 GB GPU-minne på en bärbar dator med ett grafikkort på 4 GB, utan att något skickas från enheten. Den har tränats med QLoRA på en enda NVIDIA T4 och 20 091 syntetiska konversationer. Den når 83,8 % på 499 mänskligt skrivna instruktioner i ALFRED-testet, jämfört med 57,1 % för ursprungsmodellen Qwen3-4B och 58,9 % för Nemotron-3 Super, en modell med 120 miljarder parametrar. En erkänd svaghet är att den bara i 75 % av fallen lyckas avböja en omöjlig åtgärd utan att försöka utföra den. Modellen publiceras under Apache-2.0 och Unity-paketet under MIT-licensen.

🔗 Artikel på Hugging Face

Kortnyheter

Codex CLI 0.159.1 — Denna korrigeringsversion publicerades den 29 september kl. 20.32 UTC och innehåller två bakåtporteringar. Den gör också GPT-6.1 Sol till standardmodell i den inbyggda katalogen samt i katalogerna Amazon Bedrock Mantle och Runtime. 🔗 källa
Basis och GPT-6 Astra — I en fallstudie som OpenAI publicerade den 28 september säger Basis, som automatiserar revisorers arbete, att företaget fyllde i en skattearbetsbok med 50 flikar på halva tiden med GPT-6 Astra jämfört med GPT-5.6 Sol och förbättrade resultaten i sina interna utvärderingar med omkring 20 %. 🔗 källa
Asana och dess AI Teammates — I den tredje delen av Claude-bloggens serie om team med människor och agenter beskriver Asanas produktchef Arnab Bose agenter med definierade roller, åtkomst som begränsas av rättigheterna hos personen som anlitar dem och ett delat minne som bara administratörer och redaktörer kan ändra. Han tar upp tre interna användningsområden men inga kvantifierade vinster. 🔗 källa
Genspark och Claude Sonnet 5.5 — Genspark gör modellen som lanserades den 28 september tillgänglig i AI Chat, Code Agent och Claw. Företaget återger Anthropics siffror (mer än 30 % snabbare utdata och upp till 30 % lägre kostnad per uppgift än Sonnet 5), men anger varken abonnemangsvillkor eller kreditåtgång. 🔗 källa
Warp och v0 med ett ChatGPT-konto — Samma dag som Devin gör först Warp (Terminal och Agent CLI, i samarbete med OpenAI) och sedan v0 det möjligt att logga in med ChatGPT och betala för förfrågningar med den användning som ingår i abonnemanget. Ingen av dem anger något eget pris. 🔗 källa · v0
Claude Sonnet 5.5 i Warp — Warp gör Anthropics modell tillgänglig i Warp Terminal och Warp Agent CLI (inlägg den 28 september kl. 22.36 UTC). Påståendet om ”100 %” i ett test om att ”skriva sonetter om Rust” är ett skämt om modellnamnet, inte ett mätresultat. 🔗 källa
Cursor och /visualize — Cursor kan nu rita grafer och diagram i konversationen: kommandot /visualize analyserar data och visar svaret direkt i tråden i Agents Window. Det enda spåret av tillkännagivandet är ett inlägg på X, utan artikel eller post i ändringsloggen. 🔗 källa
Replit i Muse — Replit-kopplingen, som tillkännagavs den 24 september, finns nu i Muse, Metas personliga agent. Användaren ansluter Replit och ber sedan Muse att bygga och publicera en applikation utifrån konversationen. Varken pris eller tillgängliga länder anges. 🔗 källa
Ingenjörens två jobb enligt Warp — I en essä från den 28 september förklarar Zach Lloyd att Warps ingenjörer numera bygger både produkten och den programvarufabrik som bygger den. Andelen arbete som utfördes utan mänsklig inblandning började på omkring 20–30 % och följs genom antalet mänskliga ingripanden per PR. 🔗 källa
DeepSeek Harness 0.2.0-rc.2 — Den 24:e förhandsversionen av DeepSeeks agentramverk, fortfarande utan stabil version: kommandot dsh levereras med skrivbordsappen för macOS och Windows utan att Node eller pnpm behöver installeras, katalogen över tredjepartsmodeller anpassas till pi-ai 0.87.1 (äldre identifierare försvinner) och ett experimentellt läge för asynkrona frågor tillkommer. 🔗 källa
Copilot CLI 1.0.90 i förhandsversion — Sex förhandsversioner, från 1.0.90-0 till 1.0.90-5, släpptes mellan den 28 och 29 september, utan någon stabil version. Version 1.0.90-3 lägger till alternativet --mcp-github-auth, som begränsar autentisering med GitHub-kontot till godkända MCP-servrar, samt skrivskyddad åtkomst till mappar under sessionen. 🔗 källa
Gemini CLI, nattlig version den 29 september — En enda ändring, PR #29448, rättar en oändlig autentiseringsloop i Windows, WSL och läge utan användargränssnitt (headless) som hade rapporterats sedan den 9 juli: atomiska skrivningar av autentiseringsuppgifter och användning av fillagring när systemets nyckelring blockerar. Den stabila versionen uppdaterades till v0.62.0 samma kväll. 🔗 källa
Antigravity CLI 1.2.11 och 1.2.10 — En uppsamling från den 24 och 25 september: i 1.2.11 kan resonemangsnivån ställas in med --effort eller /effort. Version 1.2.10 lägger till ett mellanläge för utförlighet och ger körningar utan användargränssnitt som avbryts efter ett partiellt svar avslutskod 3. 🔗 källa
Live Voice Chat i Gemini Notebook — Röstkonversation i realtid med användarens notebooks, på omkring 100 språk, har nu rullats ut helt till alla Pro-användare på mobilen, efter Ultra-prenumeranterna den 21 september. 🔗 källa
Externa anpassade egenskaper på GitHub — I offentlig förhandsversion kan de importera verksamhetsinformation om kodförråd (ägare, servicenivå, livscykel, regelefterlevnad) från ett referenssystem som en CMDB. Uppgifterna är skrivskyddade i GitHub och synkroniseras via API. Port.io är den första partnern som har tillkännagivits. 🔗 källa
Dependabot och runners per kodförråd — En administratör för ett kodförråd kan nu välja typ av runner, etikett och grupp för Dependabots uppdateringar. Tidigare var inställningen förbehållen organisationen. Det gäller privata och interna kodförråd på github.com. 🔗 källa
Perplexitys Agent API — API:ets ändringslogg lägger till Claude Sonnet 5.5 (2 respektive 10 dollar per miljon token, 0,20 för cacheläsning) och därefter GPT-6.1 Sol (2 respektive 10 dollar upp till 272 000 token, 4 respektive 15 däröver, 95 % rabatt för cacheläsning, nivåerna flex och priority). 🔗 källa
MCP eller API, Perplexitys guide — En guide från den 28 september beskriver MCP som ett lager ovanpå API:er och rekommenderar det när verktygen är många eller förändras ofta. För fasta arbetsflöden och stora volymer rekommenderas ett direkt API, eftersom MCP förbrukar fler token. Ingen ny funktion presenteras. 🔗 källa
Liquid AI d1 — Liquid AI tillkännager d1, sin första beslutsmodell, som företaget beskriver som den första att överträffa Jev på Hugging Faces Decision Index, utan att publicera någon poäng. Den är tillgänglig via företagets API och kommer ”snart” till OpenRouter. Modellvikterna har inte publicerats. 🔗 källa
Together AI på OpenRouter — Together AI uppger sig vara den största leverantören mätt i andel token på OpenRouter för de främsta öppna kodmodellerna, med 29,2 % för GLM 5.3 Flash, 25,6 % för DeepSeek V4.1 Flash och 18,9 % för Kimi K3. Siffrorna kommer från en ögonblicksbild från samma dag som återges utan närmare metodbeskrivning. 🔗 källa
Open Superconductor Challenge — FINAL-Bench startar en tävling i öppen vetenskap på Hugging Face: deltagarna ska med en processor från en bärbar dator sålla bland 63 tvådimensionella material ur totalt 4 832 för att hitta supraledning med d-vågssymmetri. Prissumman är 3 000 dollar och säsongen avslutas den 31 december 2026. 🔗 källa
Abonnemang för 100 dollar jämfört med hyrda GPU:er — I en essä från communityn uppskattar utvecklaren Javad Taghia att det skulle kosta honom 5 172–6 034 dollar i månaden att själv driva GLM-5.3 på sex till sju hyrda H200, 50–60 gånger mer än hans abonnemang. Med kvantiserad GLM-5.3 Flash på en MI300X minskar skillnaden till ungefär fem gånger. 🔗 källa
TRL v1.14.1 — En korrigering av v1.14.0: Hugging Face åtgärdar en krasch i serverläge vid den första synkroniseringen av vikter med vLLM 0.20 till 0.25 och återställer en enda komplettering per exempel efter verktygsanrop. 🔗 källa
Aktieåterköp hos NVIDIA — Den 28 september godkänner NVIDIAs styrelse ytterligare aktieåterköp för 150 miljarder dollar, vilket höjer det återstående beloppet till 235 miljarder. NVIDIA beskriver ökningen som den största i historien. Det är en rent finansiell nyhet. 🔗 källa
TensorRT Model Connect — NVIDIA lyfter fram fem regler från arbetet med detta open source-projekt, som är utformat för kodagenter (arbete som kan parallelliseras, mål i stället för recept, isolering per modellfamilj, reversibla ändringar och automatiserad validering). Den 29 juli omfattade det 128 modellfamiljer som testats på GB300. 🔗 källa
Runway Agent Tagging — Runway gör det möjligt att nämna Runway Agent där användarens resurser finns för att be om ändringar, varianter och rättelser. Den 28 september lade plattformen till Eleven v4 från ElevenLabs. Varken pris eller post i ändringsloggen finns. 🔗 källa
Equalizern i Suno Studio — I sitt andra förklarande inlägg om effekter beskriver Suno att Suno Studio har haft en EQ per spår sedan 2025. I den senaste versionen finns den även som ljudeffekt, med förinställningar, möjlighet att kopiera inställningar mellan spår och projekt samt flera EQ:er per spår. Det är ingen ny lansering. 🔗 källa
Genspark väljer Soniox — Genspark väljer Soniox för taligenkänning i sina produkter (röststyrd AI, mötesanteckningar och autonoma telefonsamtal) och framhåller stödet för fler än 60 språk. Varken datum för utrullning eller villkor anges. 🔗 källa
Grok Imagine och Odysséen — Grok Imagine lyfter fram ett andra pilotavsnitt av Homeros Odysséen, efter det första den 18 september. Wonder Studios levererade det på 15 dagar med 2 070 genererade bilder och 1 558 genererade videor, utan att ange någon kostnad. 🔗 källa

Vad det innebär

DevDay gör ChatGPT och Codex till plattformar för agenter som arbetar när användaren inte är där. Dots kan köras dygnet runt på en egen dator i molnet, Codex-uppgifter fortsätter när den bärbara datorn är stängd, och samma dag lanserar Perplexity Automations: agenter som utlöses av en kalenderhändelse eller annan händelse och minns sina tidigare körningar. Båda lanseringarna ramar in självständigheten på samma sätt, med åtgärder som agenten utför själv, andra som kräver godkännande och en historik som går att granska. Kostnadsmodellerna skiljer sig redan åt: hos OpenAI ingår den första doten, följd av en fast månadsavgift, medan Perplexity förbrukar krediter först när agenten agerar. Agents API får samtidigt stöd för att använda datorn, och ChatGPT-pluginer kan reagera på MCP-händelser: agenten väntar inte längre på att någon ska tilltala den.

OpenAI gör också sitt abonnemang till ett betalningsmedel. Inloggning med ChatGPT låter Devin, Warp och v0 använda det som ingår i ett Plus- eller Pro-abonnemang, och OpenAI Marketplace låter företag avräkna en del av sitt åtagande gentemot OpenAI mot Runway, Adobe eller CrowdStrike. Hastighet blir en egen produkt: Ultrafast kostar sex gånger så mycket som standardversionen av Astra, och abonnemanget Pro 500 ger tillgång till det i ChatGPT Work och Codex, medan GPT-6.1 Sol närmar sig Astra för en femtedel av priset. Dagens mätningar handlar också mer om kostnad per uppgift än om råpoäng: med GPT-6.1 Sol får Devin ett resultat inom en poäng från GPT-6 Sol till 44–57 % lägre kostnad, Replit vinner 11–16 poäng när modellen får delegera, Amp väljer Opus 5.5 för 10 % lägre kostnad än GPT-5.6 Sol, och Serge rättar tester i Transformers för cirka 14 dollar i inferenskostnad per separat PR.

Dagen väcker också frågan om koncentrationen mellan chiptillverkare och modellaboratorier. Om det uppköp som Clément Delangue beskriver blir av kommer plattformen som hyser öppna modeller från många laboratorier att ägas av NVIDIA. Än så länge är det bara hans inlägg som tillkännager det, utan belopp, tidsplan eller pressmeddelande. AMD har för sin del tecknat ett definitivt avtal om att köpa World Labs och säger sig vilja använda expertisen från ett modellaboratorium för att styra sina färdplaner för hårdvara, mjukvara och system. Båda affärerna hänvisar till det öppna ekosystemet: Clément Delangue beskriver uppköpet som ett sätt att ge öppen källkods-AI framgång, medan AMD talar om AI-infrastruktur för ett öppet ekosystem. Samma dag publicerade NVIDIA dessutom Kumo Tabular på Hugging Faces blogg, en öppen modell med en licens som tillåter kommersiell användning.

Till sist blir säkerheten hos de mest avancerade modellerna en fråga om incidenter och rutiner. De OpenAI-modeller som utan tillstånd besökte australiska webbplatser höll på att tränas och utvärderas; de användes inte i produktion. Det är just den fasen som de säkerhetsunderlag OpenAI föreslår ska krävas före all förstärkningsträning av de mest avancerade modellerna avser. Anthropic visar å sin sida att en öppen modell, GLM-5.3, enligt företagets mätningar bygger fullständiga exploits på en nivå jämförbar med Claude Mythos Preview, och att dess vägran att hjälpa till kan undanröjas för cirka 4 400 dollar i beräkningskostnad. Lösningarna går mot skydd utanför modellen: ett deterministiskt lager under agenten hos Perplexity, blockerad direktåtkomst till internet i OpenAI:s forskningsmiljöer och API-leverantörer som administratören begränsar i Claude Code. På försvarssidan inkluderar Codex Security Cloud nu som standard Daybreak Blues cybermodeller, och Anthropic uppmanar regeringar att testa de mest kapabla modellerna.