Claude Sonnet 5 tillgänglig på alla planer, Claude Science i beta, Amp lanserar Orbs

Den 30 juni 2026 markerar en intensiv dag för AI-ekosystemet: Anthropic lanserar samtidigt Claude Sonnet 5 — sin mest agentiska Sonnet-modell hittills, nu standard på Free- och Pro-planerna med ett inbyggt fönster på 1 miljon tokens — och Claude Science, en specialiserad arbetsmiljö för vetenskapliga forskare som integrerar NVIDIA:s BioNeMo Agent Toolkit. På utvecklingsverktygssidan lanserar Amp Orbs, molnmaskiner avsedda för körning av osuperviserade agenter, medan Google gör Nano Banana 2 Lite och Gemini Omni Flash tillgängliga för utvecklare. OpenAI publicerar å sin sida GeneBench-Pro, ett forskningsnivå-benchmark inom beräkningsbiologi.

Claude Sonnet 5 — standardmodell för Free och Pro, kontext på 1 miljon tokens

30 juni — Anthropic lanserar Claude Sonnet 5, sin nya modell i Sonnet-familjen, utformad som den mest agentiska hittills. Sonnet 5 minskar gapet till Opus 4.8 på agentiska benchmarktester (BrowseComp, OSWorld-Verified) samtidigt som den behåller lägre priser, och blir standardmodellen för planerna Free och Pro redan på lanseringsdagen.

Egenskap	Värde
API-identifierare	`claude-sonnet-5`
Kontextfönster	1 miljon tokens (inbyggt)
Pris input (promo)	$2 per miljon tokens
Pris output (promo)	$10 per miljon tokens
Standardplaner	Free, Pro
Tillgänglighet	API, alla Claude-planer

Bland de framhävda kapaciteterna finns autonom planering, användning av verktyg över flera steg, utförande av komplexa uppgifter på äldre kod (brownfield code) och bättre följsamhet till kodkonventioner. Säkerhetsmässigt uppvisar Sonnet 5 en totalt sett lägre andel oönskat beteende än Sonnet 4.6, men visar något högre kapacitet i vissa cybersäkerhetsuppgifter utan specifik träning; därför lanseras den med skydd i realtid via Cyber Verification Program. Det fullständiga System Card finns på anthropic.com.

Utökad tillgänglighet: Sonnet 5 finns också som generell tillgänglighet i GitHub Copilot (planerna Pro, Pro+, Max, Business och Enterprise, med noll datalagring för Business och Enterprise, valbart i VS Code, JetBrains, Xcode, CLI, github.com, iOS och Android) och i Microsoft Foundry på NVIDIA GB300 NVL72-GPU:er.

🔗 Anthropics tillkännagivande — Claude Sonnet 5

Claude Code v2.1.197 — Sonnet 5 som standardmodell

30 juni — Version 2.1.197 av Claude Code följer med lanseringen av Sonnet 5 genom att göra den till standardmodell i CLI-verktyget. Det inbyggda kontextfönstret på 1 miljon tokens är direkt tillgängligt i Claude Code-sessioner. Det förmånliga priset på $2/$10 per miljon tokens gäller till och med 31 augusti 2026. En uppdatering till version 2.1.197 krävs för att dra nytta av denna standardmodell.

🔗 Release v2.1.197 — Claude Code

Claude Science — vetenskaplig workbench i beta med NVIDIA BioNeMo

30 juni — Anthropic annonserar beta-tillgängligheten för Claude Science, en AI-arbetsmiljö särskilt utformad för vetenskapliga forskare. Applikationen samlar i ett och samma utrymme de verktyg som vanligtvis är fragmenterade: specialiserade databaser, Jupyter, R, HPC-klusterterminaler, GPU-körning på begäran.

Funktion	Beskrivning
Koordinerande agent	+60 färdigheter och förkonfigurerade kopplingar (genomik, single-cell, proteomik, strukturell biologi, kemoinformatik)
Reproducerbara artefakter	Figurer och manuskript med exakt kod, miljö och fullständig historik
Beräkningshantering	Laptop, HPC-kluster via SSH, eller GPU på begäran (Modal) — från 1 till hundratals GPU:er
Granskningsagent	Verifierar citat, validerar beräkningar, rättar fel i realtid
Sessionsfork	Jämför två angreppssätt utan att förlora den ursprungliga tråden
Inbyggd vetenskaplig rendering	3D-strukturer av proteiner, genomiska spår, kemiska strukturer

Tillgänglighet: öppen beta för planerna Pro, Max, Team och Enterprise på macOS och Linux (https://claude.com/science). En Team-plan till reducerat pris är planerad för akademiska labb och ideella organisationer.

Integration av NVIDIA BioNeMo Agent Toolkit: Claude Science är den första miljön som integrerar BioNeMo Agent Toolkit i produktion, vilket gör det möjligt för forskare att få tillgång till NVIDIAs GPU-accelererade verktyg via naturligt språk:

BioNeMo-verktyg	Prestanda
NVIDIA Parabricks	Genomanalys: timmar → minuter
RAPIDS-singlecell	1,3 miljoner förbearbetade celler på 25 sekunder (mot 52 min utan GPU)
nvMolKit	Kemoinformatik 3 000× snabbare (likhet, konformerer)
BioNeMo open models	Evo 2, Boltz-2, OpenFold3
BioNeMo NIM	Införandemikrotjänster redo för produktion

Beta-feedback: Allen Institute (Jérôme Lecoq) skriver vetenskapliga översikter på över 100 sidor med actor-critic-agenter, vilket minskar tidsåtgången från 2 år till några veckor. UCSF Brain Tumor Center (Stephen Francis) bekräftar en 10× acceleration för epidemiologiska analyser av gliom.

IA for Science-grantsprogram: upp till 50 utvalda projekt kommer att få upp till $30 000 i Claude-krediter vardera, plus upp till $2 000 i Modal-compute för vissa projekt. Ansökningar till och med 15 juli 2026, vinnarna meddelas före den 31 juli.

🔗 Anthropics tillkännagivande — Claude Science

Amp : Agents in Orbs — molnmaskiner för körning av osuperviserade agenter

30 juni — Amp lanserar Orbs, dedikerade molnmaskiner utformade för att köra kodningsagenter utan övervakning, även när den lokala maskinen är avstängd.

Egenskap	Värde
RAM	32 GB per orb
CPU	16 kärnor per orb
Pris	$1,66/h debiteras per minut
Start	Snabb med automatisk viloläge

En orb startas med ett enda kommando från terminalen eller Amp:s TUI: amp -ox "<prompt>". Kontrollupplevelsen förblir densamma som vid lokal körning: kodgranskning, filnavigering, integrerad terminal. Ändringarna synkroniseras till den lokala maskinen med amp sync <thread-id>. Det går att köra flera agenter parallellt utan konflikt med lokala resurser, och att komma åt varje agents tillstånd via webb, CLI eller mobil.

Minutbaserad fakturering — med automatiskt viloläge mellan aktiva operationer — är utformad för att minimera kostnaderna när agenten väntar på indata eller utför in-/utmatningsoperationer. Detta placerar Amp i samma kategori som Anthropics Claude Code Remote, med en tydlig skillnad: en helt dedikerad maskin per agent (32 GB, 16 kärnor) i stället för en delad container.

Ur arbetsflödets perspektiv gör Orbs det möjligt att starta en agent i bakgrunden vid dagens slut och hitta pull requests redo för granskning nästa morgon, från vilken enhet som helst.

🔗 Amp:s tillkännagivande — Agents in Orbs

Nano Banana 2 Lite och Gemini Omni Flash tillgängliga i API

30 juni — Google DeepMind lanserar samtidigt två nya modeller för utvecklare: Nano Banana 2 Lite för högvolymsgenerering av bilder och Gemini Omni Flash för konversationsbaserad video.

Nano Banana 2 Lite (gemini-3.1-flash-lite-image)

Dimension	Värde
Latens	4 sekunder per bild
Kostnad	$0,034 för 1 000 bilder
Tillgänglighet	Gemini API, Google AI Studio, Gemini Enterprise Agent Platform

Rekommenderad ersättning för den äldre modellen gemini-2.5-flash-image: bättre kvalitet, högre hastighet, lägre kostnad. Modellen behåller prompttrohet, karaktärskonsekvens och textrendering i bilden trots att hastigheten prioriteras. Den är också utrullad i konsumentytor: AI Mode i Search, Gemini-appen, NotebookLM, Google Photos, Google Flow och Google Ads.

Gemini Omni Flash (gemini-omni-flash-preview)

Dimension	Värde
Kostnad	$0,10 per sekund video
Maximal längd	10 sekunder (längre varaktigheter aviserade)
Tillgänglighet	Gemini API, Google AI Studio, Gemini Enterprise Agent Platform

Modellen riktar sig till konversationsbaserad videoredigering via naturligt språk, med multimodal referering (bilder + text + video som indata), textsynkronisering och inbyggd SynthID-watermarking. Nuvarande begränsningar: längden begränsad till 10 sekunder, ljudreferenser och scenutvidgning stöds inte via API:t, och karaktärskonsekvens mellan scenbyten är fortfarande förbättringsbar.

Kedjning bild → video: Interactions API hanterar sessionshistorik för sekventiella redigeringar upp till 3 i följd, vilket gör det möjligt att snabbt generera en bild med Nano Banana 2 Lite och sedan animera den med Gemini Omni Flash. Google demonstrerar denna kedjning i tre tillämpningar: Anywhere (transport i ikoniska miljöer), Space Lift (inredningsdesign) och Omni Product Studio (e-handel bild→video).

🔗 Google DeepMinds tillkännagivande — Nano Banana 2 Lite och Gemini Omni Flash

GeneBench-Pro — ett benchmark för beräkningsbiologi på forskningsnivå

30 juni — OpenAI publicerar GeneBench-Pro, ett benchmark på forskningsnivå som mäter AI-agenters förmåga att resonera inom beräkningsbiologi. Kärnkonceptet är research taste — den kedja av bedömningar som styr en analys: vilka frågor datan gör det möjligt att utforska, när en initial plan måste revideras, hur tidiga diagnostiska signaler bör ändra angreppssättet.

Täckning: 129 frågor fördelade över 10 områden — statistisk genetik, populationsgenomik, kvantitativ genetik, reglerande genomik, funktionell genomik, proteomik, klinisk genomik, cancergenomik, mikrobiell genomik och rättsgenetik.

Resultat:

Modell	Poäng (max resonemangsnivå)	Poäng (Pro-läge)
GPT-5.6 Sol	28,7 %	31,5 %
GPT-5 (baseline vid konstruktionen)	< 5 %	—

GPT-5.6 Sol löser nästan 6 gånger fler frågor än GPT-5.2 samtidigt som den använder ungefär två tredjedelar av tokenmängden. I denna utvecklingstakt kan benchmarken vara mättad före slutet av 2026. En mänsklig expert skulle uppskatta att ett GeneBench-Pro-problem tar 20 till 40 timmars arbete, alltså tusentals dollar; AI-inferens kostar några dollar per problem.

Metod: problemen konstrueras syntetiskt (känd kausal struktur, simulerade data) för att undvika utvärderingsbias (ground-truth leakage). Öppen källkod: 10 representativa frågor publiceras på Hugging Face; ett delurval på 50 frågor kommer att tillhandahållas Artificial Analysis för ett oberoende tredjepartsbenchmark.

🔗 OpenAI:s tillkännagivande — GeneBench-Pro

Together AI på ICML 2026 : 8 öppna forskningsartiklar

30 juni — Together AI publicerar sammanfattningen av sina 8 antagna artiklar till ICML 2026 (Seoul, 6–11 juli). Forskningen täcker hela stacken (full stack): agenter, träning, algoritmoptimering, system och GPU-kärnor.

Artikel	Lager	Nyckelresultat
ThunderAgent	Agenter	Upp till 3,6× agentgenomströmning
TTT-Discover	Agenter	Slår de bästa människorna (öppen modell 120B, ~$500)
Aurora	Algoritmer	1,25× ytterligare speedup i produktion (MiniMax M2.1 229B)
Untied Ulysses	System	5M tokens på en enda 8×H100-nod (−87,5 % minne för attention)
OEA	System	Upp till 39 % snabbare i MoE-dekodning

TTT-Discover tillämpar RL vid testtid: varje försök blir träningsdata för nästa, och slår best-of-N inom 4 områden (matematik, GPU-kärnor, tävlingsalgoritmer, cellbiologi) med en öppen 120B-modell för cirka $500 i simulering. Untied Ulysses når 5M tokens på en enda 8×H100-nod (−87,5 % minne för attention). Kod och kärnor publiceras som öppen källkod.

🔗 Together AI-bloggen — ICML 2026

ADK Go 2.0 — arbetsflödesmotor för multi-agent med human-in-the-loop

30 juni — Google släpper version 2.0 av Agent Development Kit (ADK) för Go, den officiella ramen för att bygga Gemini-agenter. Den här versionen introducerar en arbetsflödesmotor baserad på grafer som en primitiv av första ordningen.

De viktigaste nyheterna: sammansättning av komplexa agenter med grafprimitiver i inbyggd Go (utan separat DSL), inbyggd human-in-the-loop (HITL) för scenarier som kräver mänsklig validering, dynamisk orkestrering med automatiserad resilienståndskraft (exponentiell backoff, felhantering, retry), samt en enhetlig runtime som delas mellan enkla agenter och komplexa grafer för att förenkla telemetri och tillståndspersistens. ADK för Go kompletterar det befintliga Python-SDK:t genom att tillföra språkets prestanda och typsäkerhet till sammansättning av fler steg i agentarbetsflöden.

🔗 Google Developers Blog — ADK Go 2.0

Copilot Agent i JetBrains AI Assistant

30 juni — JetBrains och GitHub tillkännager integrationen av GitHub Copilot som en förstklassig agent i agentväljaren (agent picker) i JetBrains AI Assistant, som komplement till det befintliga Copilot-pluginet.

Integrationen bygger på protokollet ACP (Agent Communication Protocol) och möjliggör: val av Copilot-modell direkt i gränssnittet, justering av resonemangsdjupet och komplexa flerstegsprogrammeringsuppgifter där Copilot resonerar i projektet, föreslår ändringar, kör kommandon och itererar. Annonserade nästa steg: stöd för NES (Next Edit Suggestions), anrop av återanvändbara skills för vanliga arbetsflöden och djupare orkestrering mellan verktyg i IDE:n.

🔗 GitHub Changelog — Copilot Agent i JetBrains

AI-budgetar per användare för Enterprise Copilot cost centers

30 juni — Enterprise-administratörer kan nu definiera en AI-budget per användare för ett kostnadsställe (cost center). Budgeten tillämpas automatiskt på alla medlemmar i kostnadsstället, inklusive senare tillägg via Enterprise-team. Prioritetsordning: individuell budget > budget för kostnadsställe > global budget. Budgeten täcker både användning av den inkluderade poolen och ytterligare användning, och kan blockera en användare innan poolen tar slut. Tillgängligt från och med 30 juni endast via REST API; faktureringsgränssnittet kommer senare.

🔗 GitHub Changelog — AI-budgetar per användare

Claude på NVIDIA GB300 Blackwell Ultra i Azure — allmän tillgänglighet

29–30 juni — Anthropics Claude-modeller är nu allmänt tillgängliga i Microsoft Foundry, hostade på Azure och accelererade av NVIDIA GB300 Blackwell Ultra-GPU:er (NVL72-system med Quantum-X800 InfiniBand-nätverk).

Integrationen omfattar NVIDIA Secure Agent Workspace Reference Design, som täcker identitetsstyrning, nätverk, credentials och exekveringspolicy på infrastrukturnivå — ett ramverk utformat för företag med strikta efterlevnadskrav. Claude-agenter kan få tillgång till verifierade NVIDIA-skills för domänspecifika förmågor. Denna allmänna tillgänglighet följer på det trepartspartnerskap mellan Microsoft × NVIDIA × Anthropic som tillkännagavs i november 2025.

🔗 NVIDIA Blog — Claude på GB300 Blackwell Ultra Azure

NVIDIA Omniverse + Metropolis: vision-IA-agenter för industrin

30 juni — NVIDIA publicerar tre kompletta arbetsflöden för att bygga vision-IA-agenter som kan köras vid industriell edge, och som kombinerar Omniverse (OpenUSD-simulering), Metropolis (implementering av video-IA) och Cosmos (fundamentmodeller för den fysiska världen).

1. Visuell inspektion (Roboflow + Corning): skillen Defect Image Generation kopplad till NVIDIA Cosmos genererar syntetiska defektdata utifrån verkliga bilder. Resultat på Corning-benchmark: 95 % medelprecision med endast 8 verkliga bilder, och perfekt återkallelse för den svåraste klassen. Ett projekt som tidigare tog flera kvartal krymper till några dagar.

2. Smarta städer (Linker Vision i Kaohsiung): −85 % utvecklingsinsats, −80 % responstid för incidenter. Kedjan använder Cosmos för videoaugmentation, TAO för finjustering och VSS för sökning, sammanfattning och larm.

3. Industriell drift hos Foxconn (GB300-linjer): via DeepHow — 99 % precision i verifiering av standardrutiner, +3 % förstapassutbyte.

🔗 NVIDIA Blog — Omniverse + Metropolis Vision AI

Kortnytt

Claude Code v2.1.196 — organisationsstandardmodeller — Administratörer kan definiera standardmodellen från organisationskonsolen; användare ser «Org default» (eller «Role default») i kommandot /model om de inte har valt en personlig modell. 🔗 Release v2.1.196
Hugging Face — Every Eval Ever (EEE) integrerat i Community Evals — HF gör sina Community Evals interoperabla med EEE-schemat (Every Eval Ever, EvalEval Coalition, februari 2026): utvärderingsresultat visas på HF:s modelsidor med verifierad attribuering, och ett verktyg community_evals_converter automatiserar konverteringen HF → EEE med mänsklig granskning före varje push. 🔗 Blog Hugging Face — EEE
OpenAI — 18 år gammal bugg i GNU libunwind fixad — Tekniskt inlägg av Nathan Bronson: en enstaka race condition i _Ux86_64_setcontext i GNU libunwind (från den första x86_64-implementationen) orsakade krascher i Rockset. De tre utlösande villkoren (hög frekvens av undantag, hög frekvens av signaler, signalhanterare som förbrukar mycket stack) sammanföll bara hos OpenAI. Åtgärd: migrering till libgcc och en upstreamad fix för GNU libunwind. 🔗 OpenAI Engineering — Core dump epidemiology

Vad det betyder

Nästa generation av modeller och ekonomin kring kontext med 1 miljon tokens. Claude Sonnet 5 till $2/$10 per miljon tokens med ett inbyggt fönster på 1 miljon tokens omformar kalkylen för långlivade agenter: där instegspriser tidigare krävde att kontext trimmades bort, går det nu att inkludera hela kodbaser eller utdragna arbetssessioner utan extra kostnad. Migreringen av Claude Code till denna standardmodell redan på lanseringsdagen, och den allmänna tillgängligheten i GitHub Copilot och Microsoft Foundry på GB300, signalerar en strategi för bred och samtidig distribution: Sonnet 5 är inte en laboratoriemodell, utan en produktionsinfrastruktur som lanseras direkt på de viktigaste enterprise-kanalerna.

AI som infrastruktur för vetenskaplig forskning. Claude Science, GeneBench-Pro, BioNeMo-integrationen och Together AI:s 8 ICML-artiklar pekar mot samma signal: AI börjar vävas in i själva den vetenskapliga processen, inte bara i kringliggande verktyg. Claude Science orkestrerar HPC-kluster och genererar reproducerbara artefakter med fullständig historik. GeneBench-Pro mäter research taste — förmågan att kedja samman bedömningar över 20 till 40 timmars analyser — och ser en förbättringsfaktor på 6× mellan GPT-5 och GPT-5.6 Sol. Together AI:s TTT-Discover går längre genom att visa att en öppen modell med 120 miljarder parametrar, som lär sig under användning för ungefär $500 i simulering, kan överträffa de bästa mänskliga experterna inom 4 vetenskapliga domäner. Tillsammans ritar dessa rörelser konturerna av en AI-driven vetenskapsinfrastruktur, med skalfördelar som gör tidigare storlabbsreserverade analyser tillgängliga.

Molnagenter som standard för asynkron körning. Amp Orbs och Copilot Agent i JetBrains AI Assistant illustrerar två varianter av samma rörelse: att flytta agenterna ut ur en synkron sessionskontext. Amp erbjuder dedikerade maskiner (32 GB, 16 kärnor, $1,66/h) för obevakade kodningsagenter som kör medan utvecklaren sover. Copilot i JetBrains integreras i IDE:ns inbyggda agentväljare för flerstegsuppgifter styrda av resonemang. I båda fallen blir agenten en asynkron samarbetspartner som kan fatta beslut i en verklig arbetsmiljö, inte bara en interaktiv assistent.

Generativ media går in i ekonomin för utvecklarpipelines. Nano Banana 2 Lite till $0,034 för 1 000 bilder och Gemini Omni Flash till $0,10/s video med kedjning via Interactions API ändrar ekvationen för e-handel, spel och underhållning: att generera 10 000 produktbilder kostar 34 cent, och varje bild kan animeras för 40 cent. NVIDIA GB300-infrastrukturen och arbetsflödena Omniverse + Metropolis kompletterar bilden på den industriella sidan — vision-IA vid edge med uppmätta resultat (−85 % utvecklingstid i Kaohsiung, 99 % precision på Foxconn-linjer) — och visar att mediegenerering lämnar experimentstadiet för att bli ett operativt lager.