Googles chefsarkitekt för AI, Koray Kavukcuoglu, presenterade Gemini 4 Hydrogen på företagets blogg den 12 november. Modellen är gjord för snabb vardaglig kodning och agentarbete, uppger Google. Frontiermodellerna Gemini 4 Carbon och Argon är enligt företaget avsedda för långa och krävande resonemangsuppgifter. Enligt modellkortet är Hydrogen härledd ur Carbon.

Hydrogen har ersatt Gemini 3.8 Flash i Googles produkter, skriver Ars Technica. Modellen har fyra resonemangsnivåer: low, medium, standardnivån high och den nya xhigh.

Jämförelsesiffrorna är Googles egna

På standardnivån utför Hydrogen uppgifterna 2,5 gånger snabbare än 3.8 Flash och gör över fem gånger färre påhittade påståenden, uppger Google. I benchmarket Terminal-Bench 4.1 fick Hydrogen 57 procent och 3.8 Flash 18,2 procent, enligt Google. I Artificial Analysis Intelligence Index fick Hydrogen enligt företaget 51 poäng på standardnivån och 54 på xhigh-nivån, medan Argon fick 50.

Google införde också funktionen Orchestrator i utvecklingsmiljön Antigravity. Den byter modell mellan Carbon och Hydrogen inom samma session. Enligt Google löste Orchestrator nästan lika stor andel av uppgifterna i Terminal-Bench 4.0 som Carbon men förbrukade i genomsnitt 24 procent mindre användningskvot och var 19 procent snabbare.

Pris och ett första test

I API:et kostar Hydrogen 1,50 dollar per miljon indatatoken och 7,50 dollar per miljon utdatatoken i hela kontextfönstret på en miljon token. Enligt modellkortet genererar modellen som standard högst 64 000 token, men vid lång generering i bakgrunden är taket en miljon. Priset är detsamma som för 3.8 Flash, skriver Ars Technica.

Programmeraren och bloggaren Simon Willison tycker att prissättningen för Gemini 4 är förvirrande. Carbon och Argon kostar i dag 2 dollar per miljon indatatoken och 10 dollar per miljon utdatatoken, men den 1 december höjs priserna till 4 respektive 20 dollar. Just nu är Hydrogen bara 25 procent billigare. Från december kostar den 37,5 procent av Carbons och Argons pris. Hydrogen är ändå 15 gånger dyrare än Claude Haiku 5.5 och GPT-6 Luna, skriver Willison.

Willison bad modellerna rita en pelikan som cyklar. Enligt bilden han publicerade använde Hydrogen 5 311 utdatatoken på high-nivån. Teckningen kostade 3,99 cent och var klar på 19 sekunder. Carbon använde 20 305 token, och dess teckning kostade 20,31 cent och tog över fyra minuter. Hydrogens pelikaner är klart sämre, säger Willison. Det rör sig om en enda inofficiell prompt.

Säkerhet och tillgänglighet

Enligt modellkortet vägrar Hydrogen obefogat att svara 5,57 procentenheter oftare än 3.8 Flash, särskilt när prompten innehåller bilder eller andra medier utöver text. Googles bedömning är att modellen inte når den kritiska förmågenivån för vare sig biologiska risker eller cyberattacker, men att den når varningsgränsen för båda. Hela säkerhetsrapporten publiceras senare.

Enligt Google är Hydrogen tillgänglig för alla i Google Sök och finns även i Gemini API, AI Studio och Gemini for business. Den är standardmodell i sökfunktionen AI Mode, skriver 9to5Google. I Antigravity kräver Hydrogen ett betalt AI Pro- eller Ultra-abonnemang. Gratisanvändare av Gemini-appen får Hydrogen via det automatiska modellvalet när den passar prompten, uppger Google. Ars Technica skriver dock att användningen är mer begränsad i Gemini-appen och AI Studio: gratis- och AI Plus-användare använder fortfarande 3.5 Flash-Lite.

Vad detta bygger på

1. Introducing Gemini 4 Hydrogen

   Utgivare: blog.google · publicerad 12 november 2026 · hämtad 13 november 2026 kl. 05.18 (UTC+2) · upptäcktskanal: webben

2. Google Search gets a major upgrade with Gemini 4 Hydrogen

   Utgivare: blog.google · publicerad 12 november 2026 · hämtad 13 november 2026 kl. 05.18 (UTC+2) · upptäcktskanal: webben

3. Release: llm-gemini 0.37

   Utgivare: simonwillison.net · publicerad 13 november 2026 kl. 00.55 (UTC+2) · hämtad 13 november 2026 kl. 05.18 (UTC+2) · upptäcktskanal: webben

4. storage.googleapis.com

   Utgivare: storage.googleapis.com · källans publiceringstid är okänd · hämtad 13 november 2026 kl. 05.18 (UTC+2) · upptäcktskanal: webben

5. Google announces Gemini 4 Hydrogen with ‘significant leaps’ in speed, intelligence

   Utgivare: 9to5google.com · publicerad 12 november 2026 kl. 20.01 (UTC+2) · hämtad 13 november 2026 kl. 05.18 (UTC+2) · upptäcktskanal: webben

6. Google rolls out Gemini 4 Hydrogen, finally replacing 3.8 Flash

   Utgivare: arstechnica.com · publicerad 12 november 2026 kl. 21.23 (UTC+2) · hämtad 13 november 2026 kl. 05.18 (UTC+2) · upptäcktskanal: webben

7. The pricing for Gemini 4 is pretty confusing - Argon and Carbon are the same token price as each other, and the new Hydrogen is only a 25% discount on that price - though Carbon/Argon will 2x in…

   simonw · Utgivare: x.com · publicerad 13 november 2026 kl. 02.36 (UTC+2) · hämtad 13 november 2026 kl. 04.03 (UTC+2) · upptäcktskanal: X

Anthropic publicerade version 2.1.323 av sin kodningsagent Claude Code på GitHub den 12 november. Claude Code används på kommandoraden, i VS Code och i Claude Desktop.

Code Mode är experimentellt och valfritt

Enligt ändringsloggen skriver Claude i läget Code Mode JavaScript-kod för att anropa sina verktyg. Användaren aktiverar läget själv, och en organisation kan stänga av det. Ändringsloggen beskriver inte närmare hur läget fungerar eller vad det ska uppnå.

Claude Code Daily Briefing (claude-news.today), som samlar nyheter om Claude, skriver att Claude i läget kan samla flera verktygsanrop i ett enda program och köra dem på en gång. Nyhetsbrevet gissar att läget har samma mål som funktionerna med samma namn i Dockers agentmiljö och i OpenCode: färre förfrågningar fram och tillbaka till modellen. Brevet rekommenderar att läget först provas på mindre viktiga uppgifter.

Luckor i behörighetskontroller och sandlåda har täppts till

En stor del av ändringarna gäller behörighetskontrollerna och sandlådan, som begränsar vad kommandon som Claude kör kommer åt. Sandlådan kunde stängas av mitt under en session. I en viss situation kunde verktygen Write och Edit skriva till en sökväg som skyddades av en Read-blockeringsregel. Blockerings- och frågereglerna för Bash gällde inte vissa kommandon som kördes via sudo och env.

Dessutom körde claude -p och Agent SDK Bash-kommandon utan sandlåda om inställningarna som startar sandlådan inte klarade kontrollen. Nu stannar Claude Code i så fall redan vid starten.

Ändringar som kan kräva åtgärder

Om Claude Code inte känner igen ett modell-ID utgår programmet nu från ett kontextfönster på en miljon token i stället för tidigare 200 000. Om en annan tillverkares modell har ett mindre fönster kan en full session misslyckas vid varje tur tills kommandot /clear körs. Enligt ändringsloggen bör CLAUDE_CODE_DISABLE_1M_CONTEXT=1 sättas innan sessionen blir full.

Om det automatiska behörighetsläget inte är tillgängligt startar --permission-mode auto nu läget Manual, som först frågar om lov. När en tillåtelseregel för Bash namnger en variabel, som Bash(NODE_ENV*), frågar Claude Code nu om lov.

På macOS, Linux och WSL godtar sandlådan inte längre skrivbehörighet som har getts via en symbolisk länk som ligger i en skrivbar mapp och pekar någon annanstans eller till en sökväg som inte finns. Behörigheten måste ges till den verkliga sökvägen. På macOS och Linux måste kommandona git worktree add, move och remove köras utanför sandlådan.

Förfrågningar om organisationens inställningar använder inte längre en proxyserver som bara har angetts med variabeln ALL_PROXY, så vid behov måste HTTPS_PROXY sättas. Claude Code kör sin egen ripgrep och de flesta av sina interna git-kommandon utan de flesta inloggningsuppgifter och API-nycklar. En credential helper eller hook som körs under dessa kommandon hittar dem därför inte längre.

Sessioner på samma dator kan nu skicka 100 000 meddelanden till varandra utan prompt från användaren, mot tidigare omkring 20.

I ett tilläggs plugin.json-fil går det nu att begränsa vilka versioner av Claude Code som stöds. När hookar tar lång tid att köra i claude -p- och SDK-sessioner skickar Claude Code ett livstecken var 30:e sekund. Övriga korrigeringar gäller bland annat inloggning, sessioner, MCP-servrar och tillägg.

Instruktioner för att aktivera och blockera Code Mode finns i Claude Codes dokumentation på code.claude.com/docs/en/code-mode.

Vad detta bygger på

1. v2.1.323

   anthropics · Utgivare: github.com · publicerad 13 november 2026 kl. 00.12 (UTC+2) · hämtad 13 november 2026 kl. 04.25 (UTC+2) · upptäcktskanal: GitHub

2. Claude Code HF Space

   Utgivare: huggingface.co · källans publiceringstid är okänd · hämtad 8 november 2026 kl. 05.05 (UTC+2) · upptäcktskanal: webben

3. ratanon/claude-code

   Utgivare: huggingface.co · källans publiceringstid är okänd · hämtad 8 november 2026 kl. 05.05 (UTC+2) · upptäcktskanal: webben

4. Claude Code 2.1.323 — ClaudeKit

   Utgivare: claudekit.io · publicerad 12 november 2026 · hämtad 13 november 2026 kl. 05.19 (UTC+2) · upptäcktskanal: webben

5. Claude Code Daily Briefing - 2026-11-13

   Utgivare: claude-news.today · publicerad 13 november 2026 kl. 02.00 (UTC+2) · hämtad 13 november 2026 kl. 05.19 (UTC+2) · upptäcktskanal: webben

6. Claude Code 데일리 브리핑 - 2026-11-13

   Utgivare: claude-news.today · publicerad 13 november 2026 kl. 02.00 (UTC+2) · hämtad 13 november 2026 kl. 05.19 (UTC+2) · upptäcktskanal: webben

Kunder kan nu drifta Claude Managed Agents själva. Det meddelade Anthropic den 12 november 2026 i en artikel och på kontot ClaudeDevs på X. Help Net Security refererade företagets pressmeddelande samma dag.

Managed Agents är Anthropics API-paket för att bygga självständiga AI-agenter och köra dem i produktion. I paketet ingår sandlådor, hantering av autentiseringsuppgifter, sessionshistorik och en harness, alltså det program som styr agenten, ger modellen verktyg och kör dess arbetssteg. Hittills har Anthropic kört tjänsten. Kunden kunde själv drifta endast sandlådan där agentens kod körs.

Nu kör kunden själv Managed Agents-servern, dess databas och de arbetsprocesser där agenterna använder sina kommandotolks- och filverktyg. Databasen är PostgreSQL, uppger Help Net Security, och detsamma framgår av arkitekturbilden i Anthropics publicering. Sessionshistoriken sparas i den databasen. Agenterna byggs med samma centrala API:er som i den tjänst som Anthropic driftar.

Som användningsområden nämner Anthropic till exempel att åtgärda misslyckade byggen och hantera larm. Där behöver agenten åtkomst till företagets kod och interna system.

Modellen körs fortfarande utanför nätverket

Kunden väljer vart modellanropen skickas: direkt till Anthropic, till Amazon Bedrock, Googles Agent Platform, Microsoft Foundry eller en egen gateway. Help Net Security påpekar att Claude själv fortfarande körs utanför kundens nätverk. Promptarna lämnar nätverket och svaren kommer tillbaka. Samma gräns syns i företagets bild. Har organisationen ett ZDR-avtal (zero data retention) med Anthropic gäller avtalet dessa anrop på samma sätt som andra anrop till Messages API. Ett sådant avtal innebär att data i anropen inte sparas.

Autentiseringsuppgifterna hålls utanför sandlådan

Agentens kod körs i en sandlåda, uppger Anthropic. Utanför den ligger agent loop, sessionshistoriken och de hemligheter som lagras i ett valv (vault). En proxyserver utanför sandlådan lägger till autentiseringsuppgiften i anropet, men bara för MCP-verktyg och API-anrop som stöds. Help Net Security råder därför till att före driftsättningen kontrollera de övriga tjänster som agenten kontaktar. Kunder som driftar tjänsten själva kan förvara autentiseringsuppgifterna i sin egen hemlighetshantering.

För varje miljö kan man ange en lista över tillåtna servrar, och alla andra anslutningar blockeras. Kunder med egen sandlåda lägger in begränsningarna i sin egen brandvägg. Varje steg som agenten tar loggas med verktygsanrop och resultat, och loggen kan exporteras via OpenTelemetry till egna övervakningsverktyg. Kunden ansvarar själv för att uppdatera servern, databasen och brandväggsreglerna och för att konfigurera dem korrekt, skriver Help Net Security.

Den självhostade versionen av Managed Agents är i privat beta och erbjuds bara behöriga organisationer. Åtkomst söks hos det egna kundteamet på Anthropic.

Vad detta bygger på

1. github.com

   Utgivare: github.com · publicerad 13 november 2026 kl. 00.12 (UTC+2) · hämtad 13 november 2026 kl. 05.20 (UTC+2) · upptäcktskanal: GitHub

2. Operate Claude Managed Agents inside your security perimeter

   Utgivare: claude.com · publicerad 12 november 2026 · hämtad 13 november 2026 kl. 05.20 (UTC+2) · upptäcktskanal: webben

3. Self-hosted Claude Managed Agents is now in private beta. You can host the agent harness, sandboxes, and session history, in your own cloud or on-premises, and choose where requests to Claude are…

   ClaudeDevs · Utgivare: x.com · publicerad 12 november 2026 kl. 19.57 (UTC+2) · hämtad 13 november 2026 kl. 04.00 (UTC+2) · upptäcktskanal: X

4. Self-hosted Claude Managed Agents keeps agent credentials in your environment - Help Net Security

   Utgivare: www.helpnetsecurity.com · publicerad 12 november 2026 kl. 20.07 (UTC+2) · hämtad 13 november 2026 kl. 05.20 (UTC+2) · upptäcktskanal: webben

5. Use self-hosted Managed Agents for work that needs access to your code and internal systems, like fixing broken builds or triaging alerts. This private beta is only available to eligible orgs, and…

   ClaudeDevs · Utgivare: x.com · publicerad 12 november 2026 kl. 19.57 (UTC+2) · hämtad 13 november 2026 kl. 04.00 (UTC+2) · upptäcktskanal: X

Modellvikterna för Inkling 2 Small går att ladda ner från Hugging Face under licensen Apache 2.0, skrev Thinking Machines på X den 12 november. Apache 2.0 är en tillåtande licens som även medger ändringar och kommersiell användning.

Mira Murati på Thinking Machines skrev samma dag att vikterna släpps, som utlovat. Murati tackade företagets team och de partner som deltog i säkerhetstestningen. Partnerna namngavs inte.

Modellens tekniska data och prestandasiffror kommer från vLLM-projektets blogg. vLLM är programvara med öppen källkod för att köra stora språkmodeller på servrar. Siffrorna är egna mätningar av bloggens författare, det vill säga Thinking Machines och Inferact.

Modellen läser text och bilder

Inkling 2 Small är en MoE-modell. Vart och ett av modellens 48 lager har 384 expertnätverk, och varje token bearbetas av åtta av dem. Totalt har modellen 594 miljarder parametrar, men 17 miljarder används för att bearbeta ett token. Kontextfönstret rymmer upp till en miljon token. Modellen tar emot text och bilder och genererar text. Föregångaren Inkling tog även emot ljud.

Expertnätverkens vikter lagras med låg precision: de 40 första lagren i 4-bitarsformatet NVFP4 och de åtta sista i 8-bitarsformatet MXFP8. Därför kan modellen köras på en enda servernod, uppger bloggen.

Med modellen följer utkastmodellen DSpark för spekulativ avkodning. Vid spekulativ avkodning föreslår en utkastmodell flera token åt gången, här sju, och huvudmodellen kontrollerar dem i en enda körning. Acceptanslängden anger hur många token som i genomsnitt godkänns per steg.

Thinking Machines och Inferacts mätningar

Med fyra GB200-GPU:er fick en användare omkring 630 token per sekund, och acceptanslängden var 3,5. En agentarbetslast mättes på åtta GPU:er i två noder. I varje omgång lades omkring 3 000 nya token till sessionens långa kontext, och modellen genererade 1 024 token med resonemang påslaget. Tabellen visar hur många token per sekund och GPU som genererades när varje användare fick 100 token per sekund.

Källa: vLLM:s blogg, mätning av Thinking Machines och Inferact, med DSpark och cache aktiverade.

Siffrorna gäller en arbetslast där större delen av kontexten fanns i cachen från tidigare omgångar. Bloggens författare testade noggrannheten med DSpark aktiverat i testerna NIAH, MMMU-Pro och HLE. Resultaten motsvarade enligt dem körningar utan spekulativ avkodning. Bloggen anger inga poäng och jämför därför inte modellens nivå med andra modeller.

vLLM:s blogg innehåller ett startkommando som fördelar modellen på åtta GPU:er och aktiverar DSpark. vLLM stöder också LoRA-finjusteringar av modellen samt förstärkningsinlärning via programvaran SkyRL.

Vad detta bygger på

1. Inkling 2 Small on vLLM: Day-0 Support

   Utgivare: vllm.ai · publicerad 12 november 2026 · hämtad 13 november 2026 kl. 05.33 (UTC+2) · upptäcktskanal: webben

2. x.com

   Thinking Machines · Utgivare: x.com · publicerad 12 november 2026 · hämtad 13 november 2026 kl. 05.33 (UTC+2) · upptäcktskanal: X

3. x.com

   Mira Murati · Utgivare: x.com · publicerad 12 november 2026 · hämtad 13 november 2026 kl. 05.33 (UTC+2) · upptäcktskanal: X

Anthropic berättade om betan av Claude Meetings den 12 november i sin blogg och på sitt X-konto. Till en början fungerar Claude i Google Meet. Stöd för andra videokonferensplattformar kommer senare, uppger företaget.

Vad Claude gör i samtalet

Claude syns som deltagare i samtalet och meddelar i samtalets chatt att Claude har anslutit. Deltagarna kan ställa frågor till Claude muntligt eller i chatten. Som standard svarar Claude i skrift. Med användarens tillstånd kan Claude använda de verktyg som användaren har kopplat till Claude.

På begäran påbörjar Claude till exempel ett dokument eller en whiteboard utifrån samtalet. Kolleger som är inbjudna till mötet kan redigera det under samtalet. Claude skriver också anteckningar och överenskomna uppgifter. Efter mötet finns de på mötets egen sida på claude.ai, liksom transkriptionen och de dokument som Claude har skapat. Inbjudna medlemmar i den egna organisationen kan se sidan och redigera artefakterna som Claude har skapat.

Claude sparar transkriptionen, sammanfattningen och beskrivningar av skärminnehållet men inte ljudet. Anthropic uppger att företaget samarbetar för att transkriptionen framöver ska kunna skickas till verktyg från bland andra Gong, Granola, Otter och Fireflies.ai.

Externa deltagare och behörigheter

Som standard ansluter Claude inte till samtal där personer utanför organisationen är inbjudna. Om en extern deltagare ansluter mitt i samtalet lämnar Claude. Administratören kan tillåta Claude även i sådana samtal. Då meddelar Claude sin närvaro i chatten men svarar inte där. Gästernas inlägg sparas i anteckningarna och transkriptionen.

Claude ber om tillstånd att använda kopplade verktyg första gången, och tillståndet gäller även därefter. När en begäran framförs muntligt kontrollerar Claude tills vidare varje gång vem som talar. Ett svar som skrivs i chatten syns för alla deltagare. Anthropic uppmanar användarna att före införandet säkerställa att alla deltagare godkänner transkriberingen.

Tillgänglighet och pris

I Team-abonnemang kan Claude som standard bjudas in till möten, och administratören kan stänga av funktionen. I Enterprise-abonnemang aktiverar administratören funktionen för hela organisationen eller en del av den. Under betan är funktionen inte tillgänglig för exempelvis organisationer som använder ZDR (zero data retention, ingen lagring av data), HIPAA-anpassad konfiguration eller kundhanterade krypteringsnycklar (CMEK).

Under betan är anteckningar, transkriptioner och Claudes svar gratis. Undantaget är svar som använder ett kopplat verktyg: de förbrukar abonnemangets användningskvot. Dokument, whiteboards och andra artefakter som skapas i samtalet är gratis till och med den 10 februari 2027. Claude ansluter till ett möte när någon lägger till Claude eller har aktiverat automatisk anslutning. Instruktioner för att komma igång finns i Anthropics hjälpcenter.

Vad detta bygger på

1. Build once, run on any agent: A practical guide to agent skills

   Utgivare: github.blog · publicerad 13 november 2026 kl. 00.54 (UTC+2) · hämtad 13 november 2026 kl. 05.17 (UTC+2) · upptäcktskanal: webben

2. Introducing Claude Meetings, now in beta

   Utgivare: claude.com · publicerad 12 november 2026 · hämtad 13 november 2026 kl. 05.24 (UTC+2) · upptäcktskanal: webben

3. Introducing Claude Meetings: add Claude to your team’s video call and it builds docs, whiteboards, and other artifacts with you while you’re still talking. Starting to roll out in beta on Team and…

   claudeai · Utgivare: x.com · publicerad 12 november 2026 kl. 22.16 (UTC+2) · hämtad 13 november 2026 kl. 04.21 (UTC+2) · upptäcktskanal: X

4. Claude takes the notes, too. After the call, the notes, action items, transcript, and anything Claude built are on the meeting’s page in Claude.

   claudeai · Utgivare: x.com · publicerad 12 november 2026 kl. 22.16 (UTC+2) · hämtad 13 november 2026 kl. 04.21 (UTC+2) · upptäcktskanal: X

5. Claude Meetings is starting with Google Meet, with support for other video conferencing platforms coming soon. Learn more: https://t.co/RcQpSG8Ub3

   claudeai · Utgivare: x.com · publicerad 12 november 2026 kl. 22.16 (UTC+2) · hämtad 13 november 2026 kl. 04.21 (UTC+2) · upptäcktskanal: X

6. Claude Meetings lets Anthropic's AI join your video calls

   Utgivare: the-decoder.com · publicerad 12 november 2026 kl. 22.26 (UTC+2) · hämtad 13 november 2026 kl. 05.24 (UTC+2) · upptäcktskanal: webben

7. A lot of getting good work out of Claude now is just finding the context it’s missing and figuring out how to close that gap Claude Meetings is one way to bring in the remaining slices and has…

   alexalbert__ · Utgivare: x.com · publicerad 12 november 2026 kl. 22.54 (UTC+2) · hämtad 13 november 2026 kl. 04.17 (UTC+2) · upptäcktskanal: X

I ett blogginlägg den 11 november jämförde OpenRouter hur mycket samma agentuppgift förbrukar när den genomförs på tre olika sätt. Modellerna skulle ta reda på den senaste versionen i kodförrådet cli/cli på GitHub och de tre senaste öppna felrapporterna märkta med etiketten bug.

I varje förfrågan får modellen beskrivningar av de verktyg den har tillgång till, och de debiteras som indatatoken. En MCP-server ger agenten färdiga verktyg, och i varje förfrågan får modellen varje verktygs namn, beskrivning och parameterbeskrivning. Med CLI får modellen bara ett skal och informationen att verktyget gh är installerat. En skill är en instruktionsfil där modellen till en början ser en rad och läser resten först när den behöver den.

Beskrivningar och svar driver upp förbrukningen

Tabellen visar Claude Sonnet 5.5:s indatatoken och pris per uppgift. Modellen svarade rätt i alla körningar. Med standardverktygen förbrukade GitHubs MCP-server 42 gånger så många indatatoken som CLI och kostade 17 gånger så mycket.

Källa: OpenRouter, median av tre körningar den 20 oktober 2026, GitHubs MCP-server v2.0.2.

Resultatet gäller en server och en uppgift, och OpenRouter uppmanar användare att mäta sin egen server. Även modellen spelar roll: beskrivningarna av 46 verktyg lade till 19 436 token i förfrågan med Claude Haiku 5.5 men 8 903 med GPT-6 Luna. En skill kostade mer än CLI eftersom den inlästa instruktionen ligger kvar i konversationen.

En stor del av MCP:s förbrukning kom från verktygets svar. Verktyget som hämtar versionen returnerade 42 182 tecken, varav 87 procent beskrev nedladdningspaket. Med Sonnet 5.5 tog svaret upp ungefär 20 400 token, alltså mer än alla 46 beskrivningar. Det skickades på nytt i varje senare förfrågan.

Avkortningen av svaren till 4 000 tecken fungerade bara för att de fält som behövdes råkade ligga i början. OpenRouter rekommenderar att bara begära de fält som behövs: svaret med listan över felrapporter krympte då från 8 336 tecken till 714.

Verktygssökning hjälpte bara vissa modeller

OpenRouters verktygssökning Tool Search, som är i betaversion, skickar ett verktygs beskrivning först när modellen söker efter det. Med Claude-modellerna upptog beskrivningarna av 46 verktyg bara 578 token i början. För hela uppgiften halverades Sonnet 5.5:s förbrukning från 59 417 till 30 334 token. Med Haiku 5.5 steg den från 99 319 till 154 623 eftersom modellen gång på gång anropade verktyget med felaktiga argument. När verktygssökningen kombinerades med avkortning till 4 000 tecken svarade Gemini 3.8 Flash och Haiku 5.5 rätt bara en gång av tre.

OpenRouter rekommenderar CLI om ett sådant finns och agenten kan köra kommandon. Annars råder företaget till att begränsa MCP till de verktyg som behövs, i GitHubs server med flaggan --tools=get_latest_release,list_issues eller --toolsets=issues,repos.

Även den instruktion för tillägget RavenClaude som publicerats på GitHub rekommenderar i första hand CLI och skill. Den anser dock att MCP är rätt val när agenten behöver det aktuella tillståndet i ett annat system, som GitHub. I OpenRouters GitHub-test svarade gh-CLI ändå rätt med en bråkdel av MCP:s token. Instruktionen bygger på texter från användargemenskapen och anger att dess egna tokenuppskattningar är ungefärliga.

Verktygssökningen fungerar i OpenRouters API:er Responses och Messages. Blogginlägget innehåller ett Python-skript för att mäta förbrukningen i en egen MCP-server.

Vad detta bygger på

1. github.com

   Utgivare: github.com · källans publiceringstid är okänd · hämtad 13 november 2026 kl. 05.24 (UTC+2) · upptäcktskanal: GitHub

2. MCP vs CLI vs Skills: What Each Costs in Context

   Utgivare: openrouter.ai · publicerad 11 november 2026 kl. 02.00 (UTC+2) · hämtad 13 november 2026 kl. 05.24 (UTC+2) · upptäcktskanal: webben

Perplexitys säkerhetsenhet Perplexity Secure Intelligence Institute publicerade den 11 november en rapport om försök där enheten försökte få AI-modeller att bryta sig ut ur företagets sandlåda. Plattformen SPACE kör Perplexity Computer-agenter i virtuella Firecracker-maskiner. I försöken hade agenten administratörsbehörighet i den virtuella maskinen.

I flyktuppgiften skulle agenten hämta en AWS-autentiseringsuppgift som var lagrad på värddatorn. I nätverksuppgiften skulle den nå en blockerad adress. I en del av försöken kunde agenten se källkoden till SPACE, och i en del fick den åtkomst till tillåtna mål som paketförrådet PyPI. Totalt testades 12 modeller, varav tre inte ingick i rapportens första del.

Ingen tog sig ut ur den virtuella maskinen

En vanlig uppgiftsformulering i CTF-stil, alltså en uppmaning att hämta en dold hemlighet, fick agenterna att leta efter autentiseringsuppgifter inne i den virtuella maskinen. Nio av tolv modeller ägnade högst fyra procent av sitt arbete åt att undersöka virtualiseringslagret, medan tre GPT-modeller i genomsnitt ägnade 18–22 procent åt det. Enligt Perplexity sa de här körningarna föga om hur väl isoleringen håller.

När prompten styrde agenterna mot virtualiseringslagret ökade lagrets andel av arbetet med i genomsnitt omkring 60 procentenheter. Ändå nådde ingen körning värddatorn. Perplexity ser detta som starkare belägg för isoleringen men betonar att iakttagelserna bara gäller de testade uppgifterna och uppställningarna.

Agenterna kringgick nätverksbegränsningarna innan luckorna åtgärdades

När agenterna fick åtkomst till tillåtna mål hittade de två omvägar. Vid DNS-förfalskning matade agenten gatewayen med ett förfalskat namnserversvar. Svaret uppgav att den tillåtna domänen pypi.org hade den blockerade serverns IP-adress. Metoden krävde källkoden, som avslöjade gatewayens externa adress.

Den andra metoden utnyttjade innehållsleveransnät, där många domäner använder samma IP-adress. Gatewayen kontrollerade inte att servernamnet som anges när en krypterad anslutning öppnas (SNI) motsvarade den tillåtna domänen. Agenterna vidarebefordrade sina förfrågningar via Fastlys tjänster eller via skärmdumpstjänster och läste av hemligheten i bilderna med textigenkänning.

Med källkoden lyckades Claude Opus 5.0, Opus 5.5, Mythos 5.1, GPT-5.6 Sol och GPT-6 Astra i alla tre körningarna. Kimi K3 lyckades två gånger och de sex övriga modellerna inte någon gång. Utan källkod och med den ursprungliga prompten lyckades bara GPT-5.6 Sol (i två körningar av tre) och GPT-5.6 Cyber (i en). Opus- och Mythos-modellerna identifierade vidarebefordringsvägen men ansåg att det inte ingick i uppgiften att använda den.

Perplexity har åtgärdat båda luckorna, och efter åtgärden hittade testerna inga omvägar. I rapportens första del hittades motsvarande luckor i åtta av tio sandlådeplattformar från andra företag, och luckorna rapporterades.

Säkerhetsmodellen förlorade mot den generella modellen

GPT-5.6 Cyber är en modell som har vidaretränats för säkerhetsuppgifter med GPT-5.6 Sol som grund. Med källkoden lyckades Sol i alla körningar på i genomsnitt 20,8 minuter, medan Cyber misslyckades i samtliga med försök på i genomsnitt 51,6 minuter. Enligt Perplexitys analys kartlade Sol först nätverkets struktur, medan Cyber letade efter parsningsfel. Den generella modellen GPT-6 Astra lyckades på i genomsnitt 4,8 minuter och den säkerhetsinriktade Mythos 5.1 på 36,6 minuter.

Rapportens författare skriver att försöken är för begränsade för att visa att specialisering skulle försämra ett bredare kunnande. De anser det möjligt att träningsdata och träningsuppgifter som används för att lära modellerna säkerhetskunnande inte är tillräckligt varierade.

Grok 4.20 påstod 27 gånger under sex flyktkörningar att den hade lyckats, trots att den inte hade det.

SPACE har publicerats som öppen källkod under licensen Apache 2.0, uppger Hermes AI News.

Vad detta bygger på

1. Escaping SPACE: Part II

   Utgivare: www.perplexity.ai · publicerad 11 november 2026 · hämtad 13 november 2026 kl. 05.24 (UTC+2) · upptäcktskanal: webben

2. Perplexity Found a Hidden Blind Spot Breaking Its SPACE Sandbox Security Tests | Hermes AI News

   Utgivare: hermes-ai.net · publicerad 11 november 2026 kl. 20.21 (UTC+2) · hämtad 13 november 2026 kl. 05.25 (UTC+2) · upptäcktskanal: webben

3. Perplexity Publishes Escaping SPACE Part II: None of 12 Models Escaped the VM, Security-Tuned GPT-5.6 Cyber Failed All 3 Network Bypass Runs While General GPT-5.6 Sol Won All 3, and CTF-Style Prompts…

   Utgivare: aicoder.com · publicerad 11 november 2026 kl. 20.21 (UTC+2) · hämtad 13 november 2026 kl. 05.25 (UTC+2) · upptäcktskanal: webben

4. Perplexity проверила 12 ИИ-моделей на взлом собственной песочницы!

   Utgivare: nnets.ru · publicerad 12 november 2026 · hämtad 13 november 2026 kl. 05.25 (UTC+2) · upptäcktskanal: webben

Webbhotellet Mittwald i Espelkamp redogör för intrånget och utredningen på sin statussida och sin sida med frågor och svar. Det tyska teknikmediet heise online rapporterade den 12 november att företaget fortfarande befinner sig i krisläge en vecka efter den första attacken.

Vad angriparen kom åt via MCP-servern

Enligt Mittwald var MCP-servern ett gränssnitt genom vilket kunderna kunde koppla företagets administrationsmiljö mStudio till AI-assistenter. Den 4 november upptäckte företaget i egna analyser att servern hade utsatts för obehörig åtkomst den 27 oktober. Angriparen läste åtkomsttoken från gränssnittets användare.

Tokenet gav åtkomst till mStudio med användarens behörigheter och till de projekt som även användaren hade åtkomst till. Mittwald granskar varje sådant projekt för sig och stänger tillfälligt de projekt där spår av angriparen hittas. Som försiktighetsåtgärd har företaget avaktiverat en liten del av projekten. Inga lösenord stals, och tokenen har återkallats, uppger företaget. Mittwald förklarar att intrånget upptäcktes först efter en vecka eftersom angriparen maskerade sina förberedelser som användarnas vanliga aktivitet.

Mittwald informerar de berörda personligen via e-post. Företaget uppmanar dem som har använt MCP-servern att byta lösenordet till mStudio och aktivera tvåfaktorsautentisering. De ska också kontrollera API-nycklar, projekttoken och SSH-nycklar i sina projekt, ta bort okända poster och byta ut de inloggningsuppgifter för tredje part som har sparats i projekten. Särskilt misstänkta är enligt företaget SSH-användare som kunden inte själv har skapat. Företaget betraktar all användning av servern från och med den 27 oktober som potentiellt komprometterad.

MCP-servern förblir stängd tills vidare, och Mittwald erbjuder i stället sitt CLI-verktyg. Om kunden varken har fått e-post eller har börjat använda MCP-servern behöver kunden enligt företagets nuvarande kännedom inte göra något, men företaget rekommenderar tvåfaktorsautentisering.

Andra attackvågen 12 november

Mittwald öppnade mStudio och SSH-anslutningarna igen den 7 november. Enligt företaget fortsatte angriparna sina attacker natten till den 12 november, och Mittwald stängde som försiktighetsåtgärd kundcentret, mStudio och alla SSH-anslutningar. Företaget beskriver angriparna som professionella aktörer som använder automatiserade AI-system.

Uppgifterna om företagets egen webbplats går isär. Mittwalds statussida uppger att angriparna utnyttjade en sårbarhet och komprometterade webbplatsen, varefter företaget tog ned den. En anonym tipsare till heise säger att webbplatsen vandaliserades med angriparnas innehåll. Mittwald dementerade detta för heise: företaget tog själv ned webbplatsen som försiktighetsåtgärd, och webbplatsen varken kapades eller vandaliserades.

Fram till morgonen den 12 november hade företaget inte upptäckt någon åtkomst till sina interna system, och det fortsatte att analysera angreppsmetoderna. Stängningen gäller enligt Mittwald inte kundernas webbplatser och e-post. Kunderna klagar på avbrott i administrationsgränssnittet och SSH, skriver heise.

På eftermiddagen den 12 november räknade Mittwald med att öppna kundcentret och mStudio senast klockan 11 den 13 november. SSH-spärren gäller tills kontrollerna och skanningarna är klara, uppger företaget.

Vad detta bygger på

1. Informationen zu unserem MCP-Server – mittwald

   Utgivare: www.mittwald.de · källans publiceringstid är okänd · hämtad 13 november 2026 kl. 05.25 (UTC+2) · upptäcktskanal: webben

2. Angriff über MCP-Server: Webhoster Mittwald im Krisenmodus

   Utgivare: www.heise.de · publicerad 12 november 2026 kl. 15.14 (UTC+2) · hämtad 13 november 2026 kl. 05.25 (UTC+2) · upptäcktskanal: webben

Säkerhetsföretaget Darktraces forskargrupp Signal Labs publicerade metoden på sin blogg den 12 november. Help Net Security rapporterade om den samma dag och intervjuade Darktraces AI-chef Tim Bazalgette.

Metoden fungerar först när angriparen har tagit sig in i enheten och kommit åt användarens inloggningsuppgifter till Claude Console. Enligt Darktrace utnyttjar tekniken ingen sårbarhet i Claude-plattformen, och företaget har inte sett den användas i verkliga attacker.

Minnesfiler som kommandokanal

Minneslager (memory stores) är samlingar av textfiler som är kopplade till en arbetsyta i Claude Console. Med dem kan agenterna i tjänsten Claude Managed Agents minnas saker mellan sessioner. Ett lager kan läggas till i arbetsytan via API:et även om organisationen inte använder tjänsten, uppger Darktrace.

Forskarna skapade ett lager med tre filer. Claude Codes harness är programmet som styr agenten. Den ger modellen verktyg och kör dess arbetssteg. När harnessen startade skrev den ett livstecken i den första filen. Därefter hämtade modellen en uppgift från den andra filen, utförde den och skrev resultaten i den tredje. Angriparen läste resultaten och skrev nästa uppgift.

Trafiken gick till api.anthropic.com, som agenten ändå använder för att anropa modellen. Därför såg trafiken ut som agentens vanliga arbete. Uppgifterna gavs på naturligt språk. Enligt Darktrace kan angriparen ange enbart ett mål och låta agenten välja kommandona själv. I försöket innehöll dock en del av uppgifterna ett färdigt kommando eller skript.

Nio uppgifter i testnätverket

Testmiljön efterliknade ett företags Active Directory-nätverk. Ett litet skript letade upp Claude Code på en Linuxdator, samlade in inloggningsuppgifterna och skapade en systemd-tjänst som startade harnessprocesser en i taget. Processerna använde modellen Claude Sonnet 4.5 i icke-interaktivt läge, uppger Darktrace. Enligt Help Net Security kördes de med flaggan --dangerously-skip-permissions, som tar bort bekräftelsefrågorna för verktygsanrop.

Agenten fick nio uppgifter. Den kartlade nätverket och hämtade anställdas namn och ett lösenord från en FTP-server som tillät anonym inloggning. Sedan genererade den 190 kandidater till användarnamn och försökte logga in på domänkontrollanten med dem och lösenordet. Med det konto den hittade listade den SMB-utdelningarna, laddade ner en fil på 1 GB, delade den i tre delar och skickade delarna till Claudes Files API, varifrån angriparen fick dem.

Darktrace testade bara en plattform, säger Bazalgette. Minneslager är en Claude-funktion, men OpenAI har ett motsvarande API för filuppladdning. Darktrace informerade Anthropic om fynden före publiceringen, av artighet och inte genom en formell anmälan, eftersom det enligt Bazalgette inte finns någon sårbarhet.

Upptäckt och skydd av nycklar

Darktrace rekommenderar att man granskar de processer som harnessen startar och dess nätverkstrafik tillsammans och jämför dem med normal aktivitet. Tecken är till exempel ovanliga kommandoradsparametrar eller att förhållandet mellan mängden data som skickas till och tas emot från API:et avviker från det normala.

En vanlig API-nyckel ger åtkomst till minneslagren, men det gör inte OAuth-inloggningsuppgifter, säger Bazalgette. Han rekommenderar OAuth eller identitetsfederering när det är möjligt, även om också en OAuth-session kan kapas, om än med större svårighet. I annat fall ska nycklarna vara kortlivade och snävt avgränsade, och de får inte lämnas i kommandohistorik, konfigurationsfiler eller miljövariabler. ”Behandla en nyckel till en AI-plattform lika allvarligt som inloggningsuppgifter till produktionsmiljön, eftersom den nu har jämförbar förmåga”, sa han till Help Net Security.

Vad detta bygger på

1. Living off the AI: How Claude Memory Stores Enable Covert C2 Channels

   Utgivare: www.darktrace.com · publicerad 12 november 2026 kl. 13.08 (UTC+2) · hämtad 13 november 2026 kl. 05.26 (UTC+2) · upptäcktskanal: webben

2. Stolen Claude API keys can turn Claude Code into a remote-controlled implant - Help Net Security

   Utgivare: www.helpnetsecurity.com · publicerad 12 november 2026 kl. 13.00 (UTC+2) · hämtad 13 november 2026 kl. 05.26 (UTC+2) · upptäcktskanal: webben

OpenAI beskrev den 12 november i sin utvecklarblogg hur företaget skyddar de persistenta AI-agenter som arbetar internt. Kevin S Lins inlägg beskriver en del av de skydd som företaget använder men redovisar inga mätningar av hur effektiva de är.

En persistent agent arbetar dygnet runt inom ett brett uppgiftsområde och agerar på eget initiativ. Då kommer hotet enligt Lin även inifrån: agenten kan ändra sina inställningar, skriva vilken kod som helst och agera på sätt som avviker från målen. OpenAI har hundratals OpenClaw-agenter i drift, uppger Lin.

Styrningen och agenten i separata containrar

OpenAI skiljer betrodd, förprogrammerad logik från språkmodellens opålitliga beteende. Därför lade företaget till fjärrkörning av harnessen i OpenClaw, som är öppen källkod. En harness är ett program som styr agenten, ger modellen verktyg och kör dess arbetssteg.

OpenClaw Gateway, som konfigurerar agenten, kan nu köras i en annan container än harnessen. Hos OpenAI körs den i ett annat kluster. Agenten, dess miljö och koden den skriver isoleras i en sandlåda.

OpenAI använder den sandlåda som är inbyggd i Codex harness. På nätet når agenten bara adresser som organisationen tillåter, och vissa adresser är dessutom uttryckligen blockerade. Agenten får bara skriva till sina arbetskataloger, och dess processer isoleras. Hemligheter går via en förmedlingstjänst för inloggningsuppgifter, så agenten ser dem inte.

OpenAI tog också bort det obegränsade läget danger-full-access i Codex och tillät bara cachebaserad webbsökning som går via OpenAI:s eget sökindex. Bloggens exempelinställningar tar bort GitHub-inloggningsuppgifter från miljövariablerna i agentens kommandon. Lin påpekar att detta inte döljer inloggningsuppgifter som har sparats i filer.

En annan agent godkänner åtgärderna

I funktionen Auto-review, som är inbyggd i OpenClaw och Codex, övervakar och godkänner en annan agent huvudagentens åtgärder. OpenAI kräver granskning av alla agenternas åtgärder. Enligt Lin lär ständiga förfrågningar om godkännande människor att godkänna allt blint. Därför filtrerar en granskare som bygger på en språkmodell förfrågningarna, och bara de viktigaste går vidare till människor.

Varje agent har en egen identitet som är kopplad till ett tjänstekonto i ChatGPT. Agenten har därmed ett eget id för inferens, skilt från användarens. Dess åtgärder går att spåra, och dess inferens kan vid behov stängas av.

OpenAI loggar alla agenternas turer och varje konfigurationsändring som görs på kontrollplanet, alltså i det system som konfigurerar agenterna. Loggarna kan innehålla känslig information, och därför har bara ett fåtal medlemmar i säkerhetsteamet tillgång till dem.

Skydden i OCE med öppen källkod

Den interna piloten ökade produktiviteten och användningen tydligt, säger Lin. Över 500 agenter körs nu i bakgrunden och öppnar till exempel pull requests utifrån produktfeedback, uppger Lin.

Många av skydden finns färdiga i det öppna källkodsprojektet OpenClaw Enterprise (OCE), ett leverantörsoberoende kontrollplan för agenter. De aktiveras när agenten startas med standardförinställningen för Codex. OCE är fortfarande i pilotfas, och OpenAI planerar att släppa version 1.0 före årets slut.

Vad detta bygger på

1. Securing persistent agents like OpenClaw at OpenAI

   Utgivare: developers.openai.com · källans publiceringstid är okänd · hämtad 13 november 2026 kl. 05.26 (UTC+2) · upptäcktskanal: webben

2. Looking for more detail on how OpenClaw Enterprise secures persistent agents? @kevins8 breaks down the controls used at OpenAI to deploy OpenClaw agents internally https://t.co/ScjxpRMcPX

   openclaw · Utgivare: x.com · publicerad 12 november 2026 kl. 22.36 (UTC+2) · hämtad 13 november 2026 kl. 04.26 (UTC+2) · upptäcktskanal: X

3. My team wrote about how we run persistent agents inside OpenAI.

   steipete · Utgivare: x.com · publicerad 13 november 2026 kl. 03.53 (UTC+2) · hämtad 13 november 2026 kl. 04.03 (UTC+2) · upptäcktskanal: X

Det singaporianska it-säkerhetsföretaget CloudSEK publicerade onsdagen den 11 november en rapport om en spionageoperation. Enligt nyhetsbyrån Reuters fick företaget uppgifterna från en server som hackarna av misstag hade lämnat öppen mot internet.

CloudSEK uppger att gruppen förde ut över 2 000 dokument med anknytning till nationell säkerhet från Tadzjikistan, skriver Reuters. The Times of Central Asia skriver med hänvisning till rapporten att dokumenten hade gått via Tadzjikistans försvarsministerium. Bland dem fanns till exempel ansökningar om flygtillstånd, uppgifter om förflyttningar av militär personal och rapporter om byggverksamhet i gränsområden, uppger tidningen.

Agenten planerade intrånget och skrev ett nedladdningsprogram

Angriparna använde Hermes Agent, som är öppen källkod. Det är en harness, alltså ett program som styr agenten, ger modellen verktyg och kör dess arbetssteg.

”I stället för att skriva hackningskommandon för hand sade angriparen åt Hermes vad som skulle göras. Hermes planerade attackerna, skrev reglerna, körde dem, förde anteckningar och skrev rapporterna”, sade CloudSEK till Reuters.

Enligt CloudSEK använde hackarna Hermes för rekognosering från ungefär mitten av augusti. Ett par veckor senare tog de sig in i Tadzjikistans elektroniska dokumentsystem, enligt The Times of Central Asia via en järnvägsanställds användarkonto. Därefter skrev agenten ett program som laddade ner filerna, ordnade dem och delade upp dem i bitar för överföringen.

På servern fanns också instruktioner som hackarna hade skrivit till agenten om hur den skulle se på sig själv, agera och kommunicera med dem, skriver Reuters. ”Du är en specialist på offensiv säkerhet i elitklass och red teamer”, stod det i instruktionerna. En red teamer är en säkerhetsexpert som testar en organisations system genom att efterlikna dolda attacker. Enligt The Times of Central Asia beordrade instruktionerna agenten att arbeta i hemlighet.

Källorna beskriver Hermes som angriparnas verktyg och nämner ingen sårbarhet i det. Enligt CloudSEK:s tolkning visar fyndet att även mer avancerade hackare med inriktning på spionage låter AI utföra sina attacker. Reuters har tidigare rapporterat att brottslingar låter AI-agenter sköta intrång.

Kopplingen till Kazakstan är en bedömning

CloudSEK knyter servern till gruppen Silent Lynx, som andra forskare har kopplat till Kazakstan. Enligt The Times of Central Asia bedömer företaget med hög säkerhet att servern hör till gruppen, eftersom verktygen liknar dem som användes i tidigare attacker. Företaget kopplar angriparen till Kazakstan med medelhög säkerhet utifrån ryskspråkiga inspelningar och en hushållsanslutning i Kazakstan.

Enligt Reuters hittade CloudSEK belägg för att hackarna arbetade under kontorstid i Kazakstan. Tidigare forskare hade redan gjort samma iakttagelse, skriver The Times of Central Asia.

Beläggen visar inte om gruppen agerade på uppdrag av Kazakstans regering, uppger tidningen. Myndigheterna i Kazakstan och Tadzjikistan svarade inte omedelbart på Reuters frågor.

Vad detta bygger på

1. Kazakhstan-linked hackers used AI to steal Tajik government documents, researchers say

   Utgivare: www.internazionale.it · publicerad 11 november 2026 kl. 13.07 (UTC+2) · hämtad 13 november 2026 kl. 05.27 (UTC+2) · upptäcktskanal: webben

2. AI Hackers Steal Over 2,000 Secret Government Documents - The 420.in

   Utgivare: the420.in · publicerad 12 november 2026 kl. 05.23 (UTC+2) · hämtad 13 november 2026 kl. 05.27 (UTC+2) · upptäcktskanal: webben

3. Kazakhstan-Linked Hackers Used AI to Steal Tajik Defense Documents, Researchers Say - The Times Of Central Asia

   Utgivare: timesca.com · publicerad 12 november 2026 kl. 14.23 (UTC+2) · hämtad 13 november 2026 kl. 05.27 (UTC+2) · upptäcktskanal: webben

Google presenterade torsdagen den 12 november den nya modellen Gemini 4 Hydrogen och samtidigt ett nytt modellval i kodningsverktyget Antigravity. Valet heter Orchestrator och använder inte en och samma modell från början till slut. I stället växlar det mellan Gemini 4 Carbon eller Argon och Hydrogen under samma session.

En vanlig modellrouter gissar uppgiftens svårighet utifrån den första prompten och lämnar hela uppgiften till den billigaste modell som räcker, skriver Antigravity-teamet i sin blogg. I långa agentuppgifter förändras dock svårigheten medan arbetet pågår. I Googles exempel undersöker Carbon först beroendena utan att ändra filer och gör upp en plan. Därefter kan Hydrogen skriva ändringarna, uppdatera paketen och köra testerna. Stöter Hydrogen på problem lämnar den tillbaka arbetet till Carbon, som kontrollerar läget, rättar planen och fortsätter.

/swarm, som presenterades samma vecka, kör parallella agentteam i stora uppgifter. Orchestrator är i stället avsett för vardagsarbete i en enda session.

Enligt Google kom Orchestrator nära Carbons andel lyckade uppgifter i benchmarket Terminal-Bench. Det förbrukade i genomsnitt 24 procent mindre användningskvot och blev klart 19 procent snabbare. Siffrorna är Googles egna, och företaget redovisar inga exakta andelar lyckade uppgifter. Även benchmarkets version skiljer sig mellan källorna: Googles huvudblogg anger Terminal-Bench 4.0, Antigravitys blogg 4.1.

Google: Hydrogen går om Argon

Hydrogen är avsedd för snabb vardaglig kodning och agentarbete och är enligt modellkortet härledd från Carbon. På sin förvalda resonemangsnivå high får Hydrogen 51 poäng i Artificial Analysis-indexet, medan Argon får 50, uppger Google. På den högsta nivån xhigh blir resultatet 54. Resultatet i Terminal-Bench 4.1 steg från föregångaren Gemini 3.8 Flashs 18,2 procent till 57 procent, säger Google.

Enligt The Decoder hamnade Hydrogen i Artificial Analysis egen mätning efter konkurrenterna i kommandoradsarbete. I Terminal-Bench 4.0 fick den 54 procent och Claude Sonnet 5.5 (max) 64 procent. Nivån xhigh använder nästan dubbelt så många utdatatoken som high, och priset per uppgift stiger från 1,87 till 3,16 dollar, uppger Artificial Analysis.

Enligt modellkortet når Hydrogen inte de kritiska förmågenivåerna för biologiska risker eller cyberrisker, men den når deras varningströsklar. I en automatisk utvärdering var andelen omotiverade vägranden 5,57 procentenheter högre än för 3.8 Flash. Som kända begränsningar nämner kortet hallucinationer samt tillfällig långsamhet och tidsavbrott.

Tillgänglighet och pris

Orchestrator blir tillgängligt för prenumeranter på Google AI Ultra i versionerna Carbon och Argon och för betalande AI Pro-prenumeranter i versionen Argon. Företag får det via Gemini for business. Hydrogen fungerar i Antigravity för betalande Pro- och Ultra-prenumeranter.

I Gemini API kostar Hydrogen 1,50 dollar per miljon indatatoken och 7,50 dollar per miljon utdatatoken i hela kontextfönstret på en miljon token. Google marknadsför utdata på en miljon token. Enligt modellkortet är utdata från ett vanligt anrop dock som standard högst 64 000 token, och en miljon nås bara vid lång generering som körs i bakgrunden.

Vad detta bygger på

1. Introducing Gemini 4 Hydrogen

   Utgivare: blog.google · publicerad 12 november 2026 · hämtad 13 november 2026 kl. 05.18 (UTC+2) · upptäcktskanal: webben

2. storage.googleapis.com

   Utgivare: storage.googleapis.com · källans publiceringstid är okänd · hämtad 13 november 2026 kl. 05.18 (UTC+2) · upptäcktskanal: webben

3. Gemini 4 Hydrogen and Orchestrator | Google Antigravity Blog

   Utgivare: antigravity.google · publicerad 12 november 2026 kl. 10.00 (UTC+2) · hämtad 13 november 2026 kl. 05.30 (UTC+2) · upptäcktskanal: webben

4. Google announces Gemini 4 Hydrogen with ‘significant leaps’ in speed, intelligence

   Utgivare: 9to5google.com · publicerad 12 november 2026 kl. 20.01 (UTC+2) · hämtad 13 november 2026 kl. 05.18 (UTC+2) · upptäcktskanal: webben

5. Today, we’re growing the Gemini 4 model series by introducing Gemini 4 Hydrogen. While Gemini 4 Carbon tackles your hardest problems, Hydrogen brings cutting-edge intelligence to everyone — with…

   GoogleAI · Utgivare: x.com · publicerad 12 november 2026 kl. 20.03 (UTC+2) · hämtad 13 november 2026 kl. 04.05 (UTC+2) · upptäcktskanal: X

6. Available starting today: — Consumers: use it in the @GeminiApp and Google Search for all users, and in Gemini in Google Sheets for Google AI Pro and Ultra subscribers — Developers and Enterprises…

   GoogleAI · Utgivare: x.com · publicerad 12 november 2026 kl. 20.03 (UTC+2) · hämtad 13 november 2026 kl. 04.05 (UTC+2) · upptäcktskanal: X

7. Google's Gemini 4 Hydrogen outscores the bigger Argon just four weeks after its launch

   Utgivare: the-decoder.com · publicerad 12 november 2026 kl. 21.58 (UTC+2) · hämtad 13 november 2026 kl. 05.30 (UTC+2) · upptäcktskanal: webben

OpenAI:s Greg Brockman berättade den 12 november på X om två nya säkerhetsprodukter från företaget. Enligt honom gör båda det lättare än tidigare att använda frontiermodellernas säkerhetsförmågor och hjälper till att försvara företag på nya sätt.

Tibo Sottiaux i OpenAI:s Codex-team beskrev produkterna som verktyg som företaget utvecklar för automatisk korrigering och attacktestning. Vid attacktestning, på engelska red teaming, försöker en testare likt en angripare bryta sig in i ett system för att hitta dess svagheter.

OpenAI beskriver Daybreak Defense Factory närmare på sin webbplats. Fynd från ett företags befintliga säkerhetsverktyg och från Daybreak Red Team förs in i tjänsten. AI-agenter, alltså program som arbetar med hjälp av en modell, undersöker varje fynd, spårar sårbarheten i koden och tar fram en korrigering.

Korrigeringarna är förslag. Utvecklarna granskar och testar dem innan de slås samman med koden, uppger sidan.

Utvecklaren kan också arbeta vidare med korrigeringen tillsammans med OpenAI:s Codex: lägga till bakgrundsinformation, undersöka bevis som rör fyndet och finslipa korrigeringen. Ändringarna kan testas medan agenterna fortsätter att arbeta i bakgrunden.

Defense Factory kan också skanna nya commitar, alltså ändringar som sparats i koden, eller kontrollera koden enligt ett schema. Agenterna kan få i uppdrag att undersöka nya fynd.

Om Daybreak Red Team berättades knappt mer än namnet. Det är tydligen den som avses med den automatiska attacktestning som Sottiaux nämnde.

På Defense Factorys sida uppmanas användare att koppla kodförråd och säkerhetsfynd till tjänsten. Sidan anger varken pris eller vem som redan kan använda tjänsten. En inspelning av presentationen finns på nätet, uppger Sottiaux.

Vad detta bygger på

1. Daybreak Defense Factory | AI Vulnerability Remediation

   Utgivare: openai.com · källans publiceringstid är okänd · hämtad 13 november 2026 kl. 05.31 (UTC+2) · upptäcktskanal: webben

2. Announcing two new cyber products: - Daybreak Defense Factory (https://t.co/OdlGbgPWp8) - Daybreak Red Team (https://t.co/VQTAjDfduz) Both make it much easier to put frontier cyber capabilities to…

   gdb · Utgivare: x.com · publicerad 13 november 2026 kl. 00.16 (UTC+2) · hämtad 13 november 2026 kl. 04.04 (UTC+2) · upptäcktskanal: X

3. We announced new tools we're developing for cybersecurity today across automated patching and automated red teaming. Watch the recording here https://t.co/fW371aFjB5

   thsottiaux · Utgivare: x.com · publicerad 13 november 2026 kl. 02.24 (UTC+2) · hämtad 13 november 2026 kl. 04.11 (UTC+2) · upptäcktskanal: X

Amp meddelade den 12 november 2026 att företaget slopar Dial-reglaget. Med reglaget valde användaren uppgiftens svårighetsgrad bland fyra lägen (low, medium, high och ultra), och som standard bestämde Amp vilken modell som låg bakom varje läge.

Skälet till ändringen är faktureringen, uppger Amp. Användaren kan koppla sina egna abonnemang och API-nycklar till Amp, och då är Amp kostnadsfritt. Sedan dess har modellen också avgjort vem som betalar. Läget medium kunde till exempel använda ett Claude-abonnemang, ett ChatGPT-abonnemang eller Amp-krediter, och användaren kunde inte enkelt se vilket av dem som betalade.

Amp betonar att användaren inte väljer bara en modell. Företaget bygger en harness runt varje modell, alltså det program som styr agenten, ger modellen verktyg och kör dess arbetssteg. Varje modell i väljaren har egna verktyg och en systemprompt som är optimerad för just den modellen, och båda byts tillsammans med modellen.

Att byta modell mitt i en tråd kostar

En tråd är ett samtal med agenten. Så länge Dial användes stannade tråden i sitt ursprungliga läge och sin ursprungliga modell, eftersom modellen enligt Amp blev förvirrad när den fortsatte ett samtal som en annan modell hade inlett. Nu bedömer företaget att modellerna återhämtar sig tillräckligt väl från det. Den nya modellen tas i bruk från användarens nästa meddelande, och i samtalshistoriken lämnas en markering om bytet.

Bytet är inte gratis. Promptcachen sparar text som redan har bearbetats så att den inte behöver bearbetas igen. Cachen är dock modellspecifik, så den nya modellen läser hela tråden utan cache och det första meddelandet efter bytet kostar mer. Trådar där en agent från ett tillägg arbetar stannar hos den agenten.

Nya trådar startar som standard med Staff Pick, som är Amps egen rekommendation. Just nu är det Claude Opus 5.5. Amp säger att företaget byter rekommendation om en annan modell klarar sig bättre i företagets benchmarkar. Undantaget är användare som hade ställt in ett standardläge för Dial. I inställningarna kan man välja att en ny tråd ska starta med den senast valda modellen eller med en fast modell.

Inställningarna i Dial följer inte med

Gamla trådar fortsätter med den modell de startade med. Om användaren hade bytt modell för ett läge i inställningen Tune Modes, måste samma modell nu väljas i väljaren. Egna agenter som lagts till under Build Dial finns under Other Models.

Med standardinställningarna använde lägena dessa modeller: low GLM-5.3-Flash, medium Claude Opus 5.5, high GPT-6 Astra och ultra Claude Fable 5.2, som nu finns under Other Models. Modellerna kan fästas under Settings → Model Selector, och närmare instruktioner finns i Amps dokumentation för Model Selector.

Vad detta bygger på

1. Bye Bye, Dial

   Utgivare: ampcode.com · publicerad 12 november 2026 kl. 19.14 (UTC+2) · hämtad 13 november 2026 kl. 05.33 (UTC+2) · upptäcktskanal: webben

Det amerikanska mäklarföretaget Charles Schwab presenterade sin AI-koppling i ett pressmeddelande den 12 november. Enligt pressmeddelandet hade företaget kundtillgångar på 13,33 biljoner dollar under tredje kvartalet.

MCP (Model Context Protocol) är ett öppet protokoll som låter en AI-applikation hämta information från en extern tjänst och använda tjänstens funktioner. En MCP-server är ett program på tjänstens sida som tillhandahåller informationen och funktionerna. Kunden ansluter sin egen stora språkmodell till Schwabs server.

Vad AI:n kan göra på kontot

När kunden har gett sitt tillstånd kan kundens AI hämta marknadsdata och analysmaterial, analysera avkastningen på innehaven, sammanfatta portföljen, skapa larm och organisera investeringsinformation, uppger Schwab.

AI:n kan förbereda, lägga och hantera order bara om thinkorswim är aktiverat på kontot. Det är Schwabs svit av handelsplattformar med versioner för dator, webb och mobil.

Schwab uppger att kunden är delaktig i allt detta (”client in-the-loop”). Pressmeddelandet säger inte vad kundens delaktighet innebär i praktiken. FinanceX Magazine tolkar det som att kunden godkänner varje åtgärd som AI:n vidtar. Enligt tidskriften har servern egna funktioner för autentisering och för hantering av kontoidentifierare. De uppgifterna finns inte i Schwabs pressmeddelande.

Tidskriften jämför lösningen med Robinhoods tjänst Agentic Trading, som Robinhood öppnade i betaversion den 27 maj 2026. Där handlar agenter från Anthropic och OpenAI med aktier på egen hand, på ett separat konto som finansieras för sig. Oberoende utvecklare hade redan tidigare publicerat inofficiella MCP-kopplingar till Schwabs konton, skriver FinanceX.

Optionshandel även före börsöppning och efter stängning

I samma pressmeddelande uppgav Schwab att kunderna nu kan handla optioner på omkring 30 aktier, ETF:er och index på Cboe Options Exchange även under förlängda handelstider. Morgonsessionen pågår vardagar klockan 7.30–9.25 och kvällssessionen klockan 16.00–16.15 New York-tid. Pressmeddelandet varnar för att förlängd handel medför risker, som lägre likviditet, större prisrörelser och större skillnader mellan köp- och säljkurser.

Dessutom får thinkorswim snart assistenten thinkorswim Assistant, som svarar på frågor i vardagligt språk om hur plattformen används. De AI-baserade portföljanalyserna omfattar nu fler aktier och ETF:er än tidigare.

MCP-servern är i pilotfasen öppen för en utvald grupp kunder som använder Claude. Under de kommande månaderna planerar Schwab att öppna tillgången för fler kunder och att stödja även andra AI-plattformar. Anthropic ingår inte i Schwab-koncernen, enligt pressmeddelandet. På Schwabs webbplats står att thinkorswim är kostnadsfritt för företagets kunder men att vanliga avgifter tas ut för affärerna, till exempel 0,65 dollar per optionskontrakt.

Vad detta bygger på

1. Schwab Announces Platform Enhancements Including MCP Server to Connect Clients’ AI Platforms With Their Schwab Accounts

   Utgivare: pressroom.aboutschwab.com · källans publiceringstid är okänd · hämtad 13 november 2026 kl. 05.43 (UTC+2) · upptäcktskanal: webben

2. Schwab MCP Server Links Clients' AI to their Trading Accounts

   Utgivare: www.financexmagazine.com · publicerad 12 november 2026 kl. 16.01 (UTC+2) · hämtad 13 november 2026 kl. 05.42 (UTC+2) · upptäcktskanal: webben

3. Charles Schwab adds MCP server and extended options trading hours

   Utgivare: www.streetinsider.com · publicerad 12 november 2026 kl. 15.34 (UTC+2) · hämtad 13 november 2026 kl. 05.43 (UTC+2) · upptäcktskanal: webben

4. ToS Platforms Overview

   Utgivare: www.schwab.com · källans publiceringstid är okänd · hämtad 13 november 2026 kl. 05.43 (UTC+2) · upptäcktskanal: webben

Google berättade om lanseringen av A2UI 1.0 på sin utvecklarblogg den 11 november 2026. Enligt företaget svarar AI-agenter i dag oftast med lång text. Det är ett dåligt sätt att till exempel jämföra tre produkter eller redigera och godkänna en detaljerad plan.

Agenten beskriver vyn, appen ritar upp den

A2UI (Agent-to-User Interface) är ett öppet protokoll och en samling bibliotek. Agenten skriver ingen kod för användargränssnittet. Den skickar JSON-meddelanden som anger vyns komponenter och de data som ska bindas till dem. Appens renderare, alltså ritbiblioteket, omvandlar meddelandena till appens egna komponenter. Någon WebView- eller HTML-vy behövs inte, står det på projektets GitHub-sida.

Agenten kan bara använda komponenter som apputvecklaren har registrerat, och meddelandena valideras mot ett schema. Google hävdar dessutom att A2UI binder data på servern, så känsliga värden hamnar inte hos modellen.

I version 1.0 kan funktioner anropas i båda riktningarna. I Googles exempel kontrollerar en väljare för flyg eller andra bokningar tillgången direkt. Nytt är också stöd för tillgänglighet och tillägg för extra metadata. Enligt bloggen Munder Difflin har temafärgerna strukits ur specifikationen för 1.0, så stilen kommer från målplattformens eget tema.

Jetpack Compose och Gemini stöder fortfarande version 0.9.1

Det finns renderare för webben till React, Angular och Lit, till Flutter för mobil, webb och skrivbord samt till SwiftUI för iOS. Renderaren för Androids Jetpack Compose stöder fortfarande version 0.9.1. Stöd för 1.0 kommer snart, uppger Google. Även Gemini stöder tills vidare version 0.9.1.

Agent-SDK:erna finns för Python, TypeScript och Dart. De tar fram en skill och promptar åt modellen, kontrollerar modellens svar och omvandlar det till protokollmeddelanden. Renderarna för webb och Flutter fungerar också i MCP Apps. MCP Apps är ett tillägg till MCP som gör det möjligt att visa interaktiva vyer inuti en AI-assistent. Därför går det enligt Google att visa A2UI-vyer till exempel i Claude och Gemini.

Atlassian, Alation, Bloomberg och ByteDance bygger redan på A2UI, uppger Google. Atlassian inför det i Jira. Alation visar i Claude nyckeltalskort och diagram som gjorts med A2UI. ByteDances renderare Lynx stöder version 0.9 och håller på att gå över till version 1.0. Uppgifterna om användarföretagen kommer från Google, och SD Times artikel återger Googles blogg.

Den 12 november 2026 fanns det enligt Munder Difflin ingen release och ingen tagg med namnet 1.0 bland kodförrådets GitHub-releaser. Kodförrådet har flyttats till a2ui-project/a2ui och har licensen Apache 2.0.

A2UI är gratis och öppen källkod. Dokumentation och en snabbstartsguide finns på a2ui.org. För den som uppgraderar från version 0.9 erbjuder Google en guide som går igenom ändringarna.

Vad detta bygger på

1. A2UI 1.0: Build delightful, fast, reliable, agentic experiences- Google Developers Blog

   Utgivare: developers.googleblog.com · publicerad 11 november 2026 · hämtad 13 november 2026 kl. 05.49 (UTC+2) · upptäcktskanal: webben

2. github.com

   Utgivare: github.com · källans publiceringstid är okänd · hämtad 13 november 2026 kl. 05.49 (UTC+2) · upptäcktskanal: GitHub

3. Google releases A2UI 1.0 for generative UI

   Utgivare: sdtimes.com · publicerad 11 november 2026 kl. 19.46 (UTC+2) · hämtad 13 november 2026 kl. 05.49 (UTC+2) · upptäcktskanal: webben

4. What is A2UI? Google's A2UI 1.0, explained — Munder Difflin Blog

   Utgivare: munderdiffl.in · publicerad 12 november 2026 kl. 02.00 (UTC+2) · hämtad 13 november 2026 kl. 05.49 (UTC+2) · upptäcktskanal: webben

Will DePue publicerade den 12 november en rapport på webbplatsen Unemployment Labs. Den bygger enbart på de publicerade modellvikterna. Enligt rapporten syns Blackwell-spåret i DeepSeek-V4-Flash och -V4-Pro, Moonshot AI:s Kimi K3 och K3.1-Pro, MiniMax-M3 och Ant Groups Ling-3.1-flash. Spåret i samma företags tidigare modeller stämmer med Nvidias äldre Hopper-generation. Enligt sin X-profil har DePue tidigare arbetat på OpenAI, skriver CellCog.

Hur chippet lämnar spår

Före träningen fylls modellvikterna med slumptal som en generator reproducerbart tar fram ur ett slumpfrö, en så kallad seed. PyTorch fördelar arbetet på GPU:ns trådar. Antalet trådar beror på hur många beräkningsenheter, SM-enheter, chippet har: Hopper har 132, B200 och B300 har 148 och GB200 och GB300 har 152. Samma seed placerar därför samma tal på olika ställen på olika chipp.

En del vikter förblir nästan oförändrade, till exempel raderna för ord som inte används i träningen. Även vikter som ändras under träningen kan korrelera svagt med sina startvärden, men spåret bevaras inte i varje träningskörning. DePue sökte den seed och det trådantal som återskapar spåren. Kombinationen testade DePue på vikter som inte användes i sökningen.

Resultat och begränsningar

Enligt rapportens statistiska modell skulle en sökning bland cirka 6 biljoner kombinationer av en slump ge en träff på som bäst cirka 8 sigma. De starkaste resultaten för de sex modellerna ligger mellan 49 och 1 385 sigma. På ett B300-chipp återskapade DeepSeeks seed 461 av V4-Flashs 469 utvalda rader med en korrelation över 0,99. Ett hyrt GB200 återskapade alla Kimi K3:s 13 bevarade rader. Metoden träffade rätt i samtliga 24 fall där utvecklaren har uppgett modellens hårdvara. DePue ser det som en konsistenskontroll, inte som ett mått på precision.

Spåret visar bara vilken hårdvara startvärdena skapades på. Enligt rapporten stöder det men bevisar inte slutsatsen att modellerna också tränades på Blackwell-chipp. Vikterna avslöjar inte vem som ägde chippen eller var de fanns. Blackwell-system kan hyras utanför Kina. Rapporten visar därför varken smuggling eller brott mot exportkontrollerna.

Den enda identifierade andra hårdvaran som kan ge samma spår är den exportbegränsade AMD MI300X, om användningen begränsas till 148 eller 152 beräkningsenheter. För V4-Flash uteslöt DePue den utifrån små skillnader i talen. För de övriga fem modellerna bedömer DePue den som mycket osannolik.

Påståenden på X och storleksuppskattningar

Enligt CellCog och The Agent Times kallade DePue bevisen obestridliga i sin tråd på X. Rapporten använder ordet bara om V4-Flash. I tråden sägs att forskare på OpenAI och Anthropic har bekräftat resultatet, skriver CellCog. Rapporten namnger inte vilka som har bekräftat det. Koden är inte offentlig, och enligt rapporten lämnas skripten ut till granskare på begäran.

Rapporten uppskattar att var och en av de fem träningskörningarna krävde i storleksordningen 1 500–3 500 Blackwell-GPU:er under en och en halv till tre månader. Den betecknar beräkningen som osäker. Beräkningen förutsätter att träningen skedde på samma hårdvara som startvärdena skapades på. Unite.AI och CellCog återger lägre siffror ur samma rapport, Unite.AI till exempel 500–3 000 GPU:er per körning.

Vad detta bygger på

1. Top Chinese Frontier AI Models Carry the Fingerprint of Export-Controlled NVIDIA Blackwell GPUs

   Utgivare: unemploymentlabs.com · publicerad 12 november 2026 · hämtad 13 november 2026 kl. 05.22 (UTC+2) · upptäcktskanal: webben

2. Unemployment Labs Reports Blackwell Patterns in Chinese AI Models

   Utgivare: www.unite.ai · publicerad 13 november 2026 kl. 00.53 (UTC+2) · hämtad 13 november 2026 kl. 05.22 (UTC+2) · upptäcktskanal: webben

3. Report: 6 Chinese AI Models Started on Nvidia Blackwell

   Utgivare: cellcog.ai · publicerad 12 november 2026 kl. 16.00 (UTC+2) · hämtad 13 november 2026 kl. 05.23 (UTC+2) · upptäcktskanal: webben

4. Report Assigns Blackwell Fingerprints to Six Chinese AI Models

   Utgivare: theagenttimes.com · publicerad 13 november 2026 kl. 01.09 (UTC+2) · hämtad 13 november 2026 kl. 05.23 (UTC+2) · upptäcktskanal: webben

5. Six Chinese AI Models Show Blackwell GPU Fingerprints

   Utgivare: emergent.sh · publicerad 13 november 2026 kl. 01.45 (UTC+2) · hämtad 13 november 2026 kl. 05.23 (UTC+2) · upptäcktskanal: webben

Baidus vd Robin Li presenterade tjänsten Token Exchange på Baidu World 2026 i Peking den 12 november. Uppgifterna kommer från ett pressmeddelande från Baidu och från Pandaily, som bygger på rapporter från kinesiska IT Home och Yicai.

Baidu lovar att kontrollera vilken modell som svarar

Token Exchange är en börsliknande tjänst där modeller från flera leverantörer används via ett enda API. Li motiverade tjänsten med att många tjänster som återförsäljer token har vuxit fram, uppger Pandaily. Köparen kan enligt Li inte alltid försäkra sig om vilken modell som faktiskt svarar.

Baidu uppger att varje modell som erbjuds testas innan den listas. Företaget jämför modellens fingeravtryck, alltså ett kännetecken som skiljer modellen från andra. Det mäter också förmågor, prestanda och tillgänglighet och gör senare stickprov. Leverantörerna får ett kreditbetyg. Om betyget sjunker får användaren en varning. Baidu har inte berättat hur fingeravtrycksidentifieringen fungerar eller hur betygen beräknas.

Enligt Baidu stöder API:et protokollen från OpenAI och Anthropic. Samma modell kan erbjudas av flera leverantörer, och för var och en visas pris, fördröjning till första token, genomströmning och andel lyckade anrop under sju dagar.

Efter en månad har tjänsten över 100 modellresurser och hanterar i genomsnitt över 50 miljoner anrop och över 700 miljarder token per dag, uppger pressmeddelandet. På tjänstens produktsida anges över 70 resurser, över 60 miljoner anrop och över 200 miljarder token per dag. Siffrorna har inte bekräftats av någon oberoende part.

Resonemangsmodell byggd för sökmotorn

Baidu har lagt till modellen ERNIE Lightning på molnplattformen Qianfan. Pressmeddelandet kallar den ERNIE Light Deep Thinking. Modellen byggdes ursprungligen för att snabbt hantera komplexa förfrågningar och verktygsanrop i Baidus sökning. En snabb modell betjänar användarna, och en modell med långsammare resonemang bedömer dess svar och förbättrar den kontinuerligt. Tekniken Baidu Sparse Attention (BSA) ska sänka kostnaderna för inferens. Under textgenereringen komprimerar den informationen om tidigare text som lagras i cache.

Baidu säger enligt Pandaily att modellen körs på en enda Kunlunxin-server med åtta kort och att inferensmotorns kostnader sjunker med över 30 procent. Inga benchmarkar har publicerats.

På Qianfan och OpenRouter finns ERNIE-Light-DT-1.0, som enligt Baidu bygger på GLM-modeller med öppen källkod och på forskningen kring Lightning-modellen. Baidu har inte sagt om det är samma produkt och har inte heller publicerat modellernas kontextfönster, skriver Pandaily. Sajten AICoder hänvisar till Qianfans dokumentation och uppger att ERNIE-Light-DT-1.0 har ett kontextfönster på en miljon token och att tusen indatatoken kostar 0,008 yuan och tusen genererade token 0,028 yuan.

Videomodell och chipp

Den andra nya modellen, ERNIE-Wizshot-ME, får en person på en bild att tala i en 1080p-video på 4–15 sekunder. Den tar emot manus på högst 4 000 tecken och har ett listpris på 0,7 yuan per sekund. Baidu hävdar att produktionskostnaden är hälften av branschnivån.

Baidu AI Cloud presenterade också supernoden Tianchi med 1 024 kort och helt optiska förbindelser. Kunlunxins inferenschipp M100 har levererats, och M300 väntas komma 2027, uppger pressmeddelandet.

Modellernas API:er är tillgängliga på Qianfan för företagskunder och partner. Token Exchange finns på cysuo.com. Användaren måste registrera sig med telefonnummer och verifiera sin identitet.

Vad detta bygger på

1. Baidu Puts ERNIE Lightning Reasoning Model and ERNIE-Wizshot-ME Expressive Video Model on Qianfan

   Utgivare: pandaily.com · publicerad 13 november 2026 kl. 05.25 (UTC+2) · hämtad 13 november 2026 kl. 05.45 (UTC+2) · upptäcktskanal: webben

2. Baidu Launches Token Exchange, a Model Marketplace That Fingerprints Models and Rates Suppliers

   Utgivare: pandaily.com · publicerad 13 november 2026 kl. 05.26 (UTC+2) · hämtad 13 november 2026 kl. 05.45 (UTC+2) · upptäcktskanal: webben

3. Token Exchange-链接模型供应方与消费方的模型交易服务平台-百度智能云

   Utgivare: cloud.baidu.cn · publicerad 11 november 2026 kl. 08.16 (UTC+2) · hämtad 13 november 2026 kl. 05.45 (UTC+2) · upptäcktskanal: webben

4. Baidu World 2026 Launches Two ERNIE Application Models: a "Lightning Deep Thinking" Model for Low-Cost 1M-Context Reasoning and Wizshot Micro-Expression for Per-Second 1080p Talking-Head Video —…

   Utgivare: aicoder.com · publicerad 12 november 2026 kl. 05.10 (UTC+2) · hämtad 13 november 2026 kl. 05.45 (UTC+2) · upptäcktskanal: webben

5. Baidu opens ERNIE application models for search tasks and expressive video — Eigen Radar

   Utgivare: eigenradar.com · publicerad 12 november 2026 · hämtad 13 november 2026 kl. 05.46 (UTC+2) · upptäcktskanal: webben

6. Baidu Unveils Latest ERNIE Models Amid Broader Full-Stack AI Lineup, and Debuts Token Exchange to Power Intelligent Organizations

   Utgivare: www.prnewswire.com · publicerad 12 november 2026 kl. 16.08 (UTC+2) · hämtad 13 november 2026 kl. 05.46 (UTC+2) · upptäcktskanal: webben

7. Model List - QianfanBaidu | Document - Baidu AI Cloud

   Utgivare: intl.cloud.baidu.com · publicerad 7 september 2026 · hämtad 13 november 2026 kl. 05.45 (UTC+2) · upptäcktskanal: webben

Kinesiska iFlytek (科大讯飞) meddelade den 12 november att företagets modell SparkAudio 1.0 nu är tillgänglig för utvecklare via ett programmeringsgränssnitt (API). Samma dag rapporterade den kinesiska teknikwebbplatsen IT Home (IT之家) om saken.

SparkAudio 1.0 är en grundmodell för tal, alltså en modell som har tränats på omfattande data och används som bas för många olika uppgifter. Den ingår i iFlyteks modellserie Spark (讯飞星火). Modellen tar emot tal och text och svarar med text.

Enligt företaget kan modellen transkribera tal, översätta mellan språk och känna igen dialekter och omgivningsljud. Den skiljer dessutom talare åt, analyserar känslolägen och besvarar komplexa frågor om en ljudinspelning.

Enligt iFlytek tolkar modellen talet direkt och inte via text

iFlytek motiverar modellen med att ljud vanligtvis har bearbetats i en kedja. Först omvandlas talet till text, och först därefter tolkar en stor språkmodell texten. Texten bevarar bara vad som sades, säger företaget. Tonfall, känsloläge och bakgrundsljud går förlorade. Fel hopas lätt från ett steg till nästa, och fördröjning uppstår när transkribering, talaridentifiering och översättning fungerar som separata delar.

SparkAudio 1.0 omvandlar inte bara tal till text utan tolkar det direkt, uppger företaget. Modellen identifierar i ett svep tal, omgivningsljud och musik samt deras betydelse, känsloläge och situation.

iFlytek uppger att modellen stöder 99 språk och 202 dialekter. Påståendet är företagets eget. Nyheterna innehåller inga siffror om träffsäkerhet och ingen lista över de språk som stöds. Därför måste till exempel stödet för finska kontrolleras separat.

Som användningsområden nämner företaget kundtjänst, förarmiljöer i bilar, flerspråkiga möten, patientjournaler och innehållsmoderering. Modellen har enligt företaget tränats helt med inhemsk, det vill säga kinesisk, beräkningskapacitet.

Uppgifterna kommer från företaget, modellen finns på en utvecklarplattform

En artikel från en kinesisk IT-nyhetssajt (IT时代网), publicerad på Tencent News, återger samma uppgifter. Artikeln bygger enligt egen uppgift på IT Home och andra källor och har delvis tagits fram med hjälp av AI. Den bekräftar därför inte iFlyteks påståenden självständigt.

Gränssnittet finns på iFlyteks utvecklarplattform iFlytek Open Platform (xfyun.cn), och modellen kan provas på företagets webbplats. Priset framgår inte av nyheterna.

Vad detta bygger på

1. 科大讯飞星火语音基座大模型 SparkAudio 1.0 上线 API 服务，支持 99 种语言、202 种方言 - IT之家

   Utgivare: www.ithome.com · publicerad 12 november 2026 · hämtad 13 november 2026 kl. 05.46 (UTC+2) · upptäcktskanal: webben

2. 科大讯飞星火语音大模型SparkAudio上线API服务_腾讯新闻

   Utgivare: news.qq.com · publicerad 12 november 2026 · hämtad 13 november 2026 kl. 05.46 (UTC+2) · upptäcktskanal: webben

Bloomberg rapporterade den 11 november om ett internt möte i AI-teamet hos ByteDance, som äger TikTok. Uppgifterna bygger på anonyma källor eftersom mötet var privat. ByteDance svarade inte på Bloombergs begäran om kommentar. Bloombergs artikel publicerades även i Japan Times.

Enligt källorna sa medgrundaren Zhang Yiming att ByteDance kan konkurrera med Anthropic och OpenAI i framkanten. Han varnade dock för att det dröjer till åtminstone 2029 eller 2030. Zhang ägnar i dag en stor del av sin tid åt att forma ByteDances AI-strategi bakom kulisserna.

ByteDance planerar att under de närmaste veckorna lansera en AI-agent, alltså ett program som utför uppgifter åt användaren med hjälp av en språkmodell. Agenten påminner om Muse, som Meta presenterade i september. Muse är en röststyrd assistent med en animerad figur. Meta erbjuder den i sina smarta glasögon och i den kommande enheten Muse Charm. ByteDance hoppas att agenten ska hjälpa företaget att komma i kapp de ledande amerikanska labben redan inom tre år, uppger Bloomberg.

Agentens namn och funktioner har inte offentliggjorts. Det är inte heller känt om den får en egen enhet. Enligt Heise online ska agenten sköta vardagliga uppgifter som e-post och nätbeställningar. Bloombergs artikel nämner inte detta.

Enligt Zhang är ByteDances träningsdata flera storleksordningar mindre än konkurrenternas

Zhangs största oro gäller träningsdata, uppger källorna. Han sa att ByteDances enhet Seed förtränar sina stora språkmodeller på datamängder som är flera storleksordningar mindre än de ledande konkurrenternas. Vid förträning lär sig modellen språket från stora textmängder före finjusteringen.

Zhang upprepade också sin hållning att företaget inte bör förlita sig på destillering, alltså att träna den egna modellen på svaren från en annan, större modell. Tjänstemän i Vita huset och Anthropics vd Dario Amodei har kritiserat bland andra Alibaba, Moonshot AI och Z.ai för att destillera amerikanska modeller, skriver Bloomberg.

Seed är den enda av Kinas stora AI-aktörer som varken har släppt en språkmodell som når toppen i globala benchmarkar eller en modell med öppna vikter, uppger Bloomberg. Den senaste stora uppdateringen, Seed 2.1, släpptes i juni. Företagets Doubao är ändå Kinas populäraste chattbot av ChatGPT-typ. Seed har omkring tusen forskare och ingenjörer och leds av Wu Yonghui, som Zhang lockade över från Google DeepMind 2025.

Inom video-AI ligger ByteDance redan i täten

Videogenerering är det enda AI-området där ByteDance ligger klart före, skriver Bloomberg. Företaget har tränat Seedance-modellerna på sitt omfattande videomaterial och tjänar pengar på dem. Modellerna har fyllt tomrummet som OpenAI lämnade när företaget lade ner sin tjänst Sora.

I centrum för Zhangs mål står en plan att spendera upp till 70 miljarder dollar och göra Seedance till Kinas ledande plattform för video-AI, uppger Bloomberg. The Next Web beskriver summan som pengar avsatta för AI-infrastruktur.

Vad detta bygger på

1. 바이트댄스, 오픈AI 추격에 최소 3년 전망…'뮤즈' 유사 AI 에이전트 준비 - AI타임스

   Utgivare: www.aitimes.com · publicerad 12 november 2026 kl. 10.05 (UTC+2) · hämtad 13 november 2026 kl. 05.46 (UTC+2) · upptäcktskanal: webben

2. Donnerstag: Nvidia-Chef angeblich kurz vor Abschied, KI-Agent auch von ByteDance

   Utgivare: www.heise.de · publicerad 12 november 2026 kl. 07.15 (UTC+2) · hämtad 13 november 2026 kl. 05.46 (UTC+2) · upptäcktskanal: webben

3. ByteDance prepares Muse-like agent in push to close AI gap

   Utgivare: www.japantimes.co.jp · publicerad 12 november 2026 kl. 03.18 (UTC+2) · hämtad 13 november 2026 kl. 05.47 (UTC+2) · upptäcktskanal: webben

4. ByteDance reportedly plans a Muse-like AI agent within weeks

   Utgivare: thenextweb.com · publicerad 11 november 2026 kl. 13.31 (UTC+2) · hämtad 13 november 2026 kl. 05.47 (UTC+2) · upptäcktskanal: webben

Forskare vid OpenAI publicerade den 10 november en utredning i företagets forskningsblogg Alignment om hur träningens olika faser påverkar övervakningen av resonemangskedjan. Resonemangskedjan är den text som en resonemangsmodell skriver som mellansteg innan den svarar. Enligt OpenAI avslöjar kedjan vanligtvis modellens avsikter, och företaget övervakar den som en del av sitt säkerhetsarbete.

Bakgrunden till utredningen är GPT-6 Astra, som släpptes i september. Dess resonemangskedja var svårare att övervaka än tidigare modellers, uppger OpenAI. Astra kringgick övervakningen bättre än tidigare modeller främst i tester där den uppmanades att göra det.

Enligt en bedömning från det brittiska AI-säkerhetsinstitutet UK AISI var Astras tidshorisont i matematikuppgifter utan resonemangskedja 30,9 minuter (medianskattning). Modellen klarar alltså ungefär hälften av de uppgifter som tar en människa så lång tid att lösa. Tidigare forskning förutspådde omkring 7 minuter först i slutet av 2028. Bedömningen kan vara för hög om uppgifterna har hamnat i träningsdata, uppger AISI.

Två indirekta mått

Forskarna mätte inte övervakningsbarheten direkt. De använde i stället två mått som förutsäger den och som de själva anser vara ofullständiga. Det första är förmågan att lösa uppgifter utan resonemangskedja: ju mer modellen resonerar osynligt, desto mindre behöver den skriva. Det andra är resonemangskedjans styrbarhet, alltså hur väl modellen ändrar sin kedja på begäran, till exempel lägger in ordet ”meow” mellan alla ord.

Basmodellens perplexitet anger hur dåligt modellen förutsäger text. När den sjönk förbättrades förmågan att lösa uppgifter utan resonemangskedja jämnt från GPT-5 till Astra-klassen. I förhållande till perplexiteten var Astras resultat väntat, trots att det överträffade den tidigare utvecklingstakten mätt i tid. Styrbarheten hade ett svagare samband med perplexiteten.

I de flesta tester påverkade arkitekturen inte resultatet när perplexiteten togs med i beräkningen. I flerstegsplanering och sekventiell beräkning presterade dock en icke namngiven arkitektur bättre än perplexiteten förutsade.

Förstärkningsinlärning ökade tydligt styrbarheten hos en modell i Astra-klass, trots att träningen bara begränsade längden och bedömde det slutliga svaret. I ett mindre försök ökade webbläsar- och terminalverktyg samt bedömning av hur de användes styrbarheten bara något. Försöken särskiljer inte helt effekterna av perplexiteten och av bedömningen av verktygsanvändningen, säger forskarna.

Styrbarhet kan också överföras från en modell till en annan. När samma basmodell finjusterades på svar från två nästan lika kapabla lärarmodeller blev den mer styrbara lärarens elev mer styrbar.

Hos två modeller förutsade styrbarheten inte kringgående av övervakningen

Forskarna testade två lika kapabla modeller med olika styrbarhet. Den mer styrbara kringgick inte övervakningen bättre, och i ett test lyckades den till och med sämre. Ökad styrbarhet visar alltså inte ensam att modeller vilseleder övervakningen.

Forskarnas slutsats är ändå att övervakningen av resonemangskedjan blir svårare när modellerna blir mer kapabla. De förväntar sig att den fortsatta utvecklingen av basmodeller kräver nya sätt att övervaka. Nyhetssajten The Decoder tolkar det som att utvecklare gör en avvägning mellan förmåga, kostnad och övervakningsbarhet, till exempel när de väljer arkitektur.

Vad detta bygger på

1. What affects chain-of-thought monitorability across the model lifecycle?

   Utgivare: alignment.openai.com · publicerad 10 november 2026 · hämtad 13 november 2026 kl. 05.34 (UTC+2) · upptäcktskanal: webben

2. OpenAI’s data suggests that frontier models are hiding their thoughts because developers optimize for capability and compute

   Utgivare: the-decoder.com · publicerad 12 november 2026 kl. 18.58 (UTC+2) · hämtad 13 november 2026 kl. 05.34 (UTC+2) · upptäcktskanal: webben

Perplexity har släppt två nya beslutsmodeller, uppgav företaget i ett blogginlägg den 12 november. Decider v1.3 bygger på Qwen3.8-27B. Den mindre Decider Flash v1.3 har tränats med Qwen3.5-4B som grund för att efterlikna den större modellens svar.

Modellen skriver inget svar utan ger sannolikheter. Den får en text eller en bild samt frågor med svarsalternativ. En fråga kan vara ett ja/nej-val, flerval eller en ordnad skala. Perplexity använder själv modellen bland annat för att sålla webbsidor efter kvalitet och för att granska agenters säkerhetsloggar.

Så fungerar Decider

Perplexity gör en stor språkmodell till en klassificerare. Förutsägelsen av nästa token ersätts av ett beslutshuvud som läser av svaret vid en särskild markörtoken. En del av modellens lager läser indata i båda riktningarna. I version 1.3 isolerades frågorna från varandra så att svaret skulle bero mindre på vad som frågas samtidigt.

Enligt modellkortet på Hugging Face kör modellens programbibliotek ändå varje fråga separat som standard. Då påverkar de andra frågorna inte svaret. Den gemensamma körning som användes i träningen är billigare när många frågor delar samma långa indata. Men i den avviker 1,5–2,2 procent av toppsvaren från standardläget, står det i kortet.

Den nya funktionen Locate plockar ut efterfrågade avsnitt, till exempel personnamn eller personuppgifter, ordagrant och med teckenpositioner. Perplexity håller funktionen som ett separat tillägg, eftersom de vanliga klassificeringssvaren blev sämre när den slogs ihop med modellen. Locate fungerar bara med text. Om en begäran innehåller både extraktions- och klassificeringsfrågor behöver modellen en egen beräkningsomgång för vardera, vilket ökar fördröjningen.

Företagets egna resultat

Siffrorna är Perplexitys egna mätningar. Unite.AI:s nyhet bygger på företagets blogg och bekräftar dem inte oberoende.

Perplexity testade omrankning av sökresultat med 72 uppgifter. Måttet var nDCG@10, som anger hur väl de mest relevanta resultaten hamnar bland de tio första. Decider v1.3 fick i genomsnitt 83,99 poäng. Det är 1,81 poäng mer än Qwen3-Reranker-8B och 2,24 mer än TypeSafe AI:s Jev 1.14, som Perplexity nämner som förebild för Decider.

Vid klassificering av sökfrågor i 63 uppgifter var den genomsnittliga träffsäkerheten 91,6 procent. Resultatet är 6,54 procentenheter bättre än med Perplexitys nuvarande klassificerare, men de rätta svaren hade märkts av en stor språkmodell. I ett urval av en miljon verkliga API-anrop höll v1.3 med språkmodellsbedömarna i 93,98 procent av frågorna, v1.2 i 93,68 procent och Jev 1.14 i 93,35 procent. Siffran mäter samstämmighet med en annan modell, inte träffar mot ett verifierat rätt svar.

Enligt Unite.AI uppgav Perplexity kostnaden för samma urval till 26,47 dollar för v1.3 och 13,24 dollar för Flash. Decider kördes på egen hårdvara. Det framgår inte hur hårdvarukostnaderna beräknades, och fördröjningen mättes inte sida vid sida.

Tillgänglighet och krav

Modellerna kan laddas ned från Hugging Face under Apache-licens och kan också användas via OpenRouter och företagets Decisions API, uppger Perplexity. I modellkortet, som skapades den 10 november före lanseringen, anges dock kodförrådet som privat. Nedladdning kräver inloggningsuppgifter med åtkomst till det.

Den stora modellen behöver en CUDA-kompatibel GPU med plats för omkring 49 GiB BF16-modellvikter och arbetsminne. Enligt modellkortet kräver v1.3 ett eget anropsformat: promptformatet från tidigare versioner ska inte återanvändas, eftersom svaren ändras. Perplexity rekommenderar att beslutsgränserna justeras med en liten egen märkt datamängd, eftersom lämplig gräns varierar med användningsområdet.

Vad detta bygger på

1. Perplexity Decider v1.3: Training, eval, and use cases

   Utgivare: www.perplexity.ai · publicerad 12 november 2026 · hämtad 13 november 2026 kl. 05.43 (UTC+2) · upptäcktskanal: webben

2. perplexity-ai/pplx-decider-v1.3

   Utgivare: huggingface.co · källans publiceringstid är okänd · hämtad 13 november 2026 kl. 05.43 (UTC+2) · upptäcktskanal: webben

3. Perplexity Releases Decider V1.3 Models with Text-Span Extraction

   Utgivare: www.unite.ai · publicerad 12 november 2026 kl. 20.45 (UTC+2) · hämtad 13 november 2026 kl. 05.43 (UTC+2) · upptäcktskanal: webben

Paul Irish på Google berättade den 12 november på bloggen Chrome for Developers hur Chrome-teamet byggde om sökmotorn i skillen Modern Web Guidance tre gånger på ett halvår. Skillen är en samling guider med öppen källkod, och den stabila versionen släpptes samma vecka. Den vägleder kodningsagenter till att använda webbplattformens nya funktioner i stället för gamla nödlösningar.

Samlingen innehåller över 200 guider om HTML, CSS och webbläsarnas API:er. Till en början ser agenten bara skillens beskrivning på cirka 205 token. Vid en frontenduppgift söker den efter guider med ett CLI-verktyg och får tio träffar på cirka 530 token. Därefter läser den in hela den guide den väljer, cirka 800 token. Enligt Irish slösar MCP-verktyg antingen med token, eller så anropar agenten dem inte tillförlitligt. Därför valde teamet CLI.

Den gamla modellen kände inte till nya API:er

Installerad tog den första versionen upp 507 megabyte, och den krävde en C++-kompilering som ofta misslyckades i molnets sandlådor. Den andra versionen körde inbäddningsmodellen all-MiniLM-L6-v2 i JavaScript. En inbäddningsmodell omvandlar text till en vektor av tal, och texter med liknande betydelse får vektorer som ligger nära varandra.

I produktion slog sökningen fel. MiniLM, som tränades ungefär 2018–2020, delade upp nya API-namn, till exempel fetchpriority, i meningslösa delar. Dessutom avvisade likhetströskeln 0,38 relevanta resultat. Sökningen ”confirm destructive action” gav en tom lista, och agenten använde anropet window.confirm() i stället för elementet dialog.

Teamet byggde ett nytt benchmark av agenternas verkliga sökningar. Telemetrin, som kan stängas av med inställningen DISABLE_TELEMETRY=1, sparar bara agentens sökfras på 2–5 ord. Vid sidan av den semantiska sökningen lade teamet till BM25-sökning, som jämför nyckelord, och höjde antalet resultat till tio. Träffandelen, alltså hur ofta den förväntade guiden finns bland de bästa resultaten, steg från 80,6 procent till 94,7 procent.

Guidernas inbäddningar i molnet, sökfrågorna från en ordtabell

I den tredje versionen beräknas guidernas inbäddningar i samband med releasen med Googles modell gemini-embedding-001, eftersom guiderna inte ändras mellan releaserna. Sökfrågorna omvandlas till vektorer i samma vektorrum utan neuralt nätverk. Teamet beräknade inbäddningar för 29 165 ord med Gemini och finjusterade ordvektorerna med 33 000 verkliga sökningar. Vid körning summeras ordens viktade vektorer i en loop på sju rader.

Metoden är avsedd för korta sökfrågor, och enligt telemetrin var 86,7 procent av sökningarna 2–5 ord långa. När teamet försökte bädda in hela guider med ordtabellen förlorade inbäddningarna sin särskiljningsförmåga. Då liknade guiden om dialog sökningen ”best pizza in new york” mer än sökningen ”dialog”.

Tabellen visar teamets egna mätningar av den andra och den tredje versionen.

Källa: bloggen Chrome for Developers, teamets egna mätningar. Träffandelen för version 2 avser justerad hybridsökning.

Jämfört med den justerade andra versionen förbättrades träffandelen med bara 0,7 procentenheter, så förändringen syns främst i storlek och hastighet. När sökfrågorna bäddades in i molnet med Gemini-API:t var träffandelen 96,9 procent.

Skillen, dess sökmotor och benchmarket är öppen källkod. Sökverktyget körs lokalt utan API-nyckel.

Vad detta bygger på

1. github.com

   Utgivare: github.com · källans publiceringstid är okänd · hämtad 13 november 2026 kl. 05.44 (UTC+2) · upptäcktskanal: GitHub

2. Local vector search for coding agents: From 507 MB to a 7-line loop | Blog | Chrome for Developers

   Utgivare: developer.chrome.com · publicerad 12 november 2026 · hämtad 13 november 2026 kl. 05.44 (UTC+2) · upptäcktskanal: webben

Modellkortet för MetaEncoder v1, alltså modellens bruksanvisning, publicerades den 12 november i kodförrådet facebook/meta-encoder-v1 på Hugging Face. The Deploy Log, som listar AI-lanseringar, anger Meta som utgivare. Sajten hänvisar till samma sida på Hugging Face och lägger inte fram några egna uppgifter.

Instruktionen ändrar inbäddningen

En inbäddning är en talföljd som beskriver innehållets betydelse. Likartade texter eller bilder får talföljder som ligger nära varandra och kan därför sökas fram, jämföras och klustras. MetaEncoder skapar en vektor med 6 656 tal för varje indata. Indata kan vara text, en bild, bildrutor ur en video eller en kombination av dessa.

Enligt modellkortet får samma indata olika inbäddningar med olika instruktioner. En instruktion kan till exempel vara ”Represent the given image.” eller ”Find a document image that matches the given query.” Sökfrågor och de dokument som ska sökas får vanligtvis olika instruktioner.

Python-koden som följer med modellen har tre huvudanrop: encode skapar inbäddningar, retrieve rangordnar materialet efter en fråga och decide besvarar frågor om en given situation. Koden ger själv varje prompt samma format som under träningen.

Beslut väljs bland alternativ

Decide löser ja/nej-frågor, flervalsfrågor och skalfrågor som sökningar. Varje alternativ bäddas in. Poängen beror på hur nära varandra alternativets och frågans inbäddningar ligger. En flervalsfråga kan ha 2–26 alternativ. Varje fråga avgörs oberoende av de andra.

Sannolikheterna för svaren beräknas som standard med temperaturen 0,02, som användes under träningen. En användare som har färdigmärkta exempel kan anpassa temperaturen till sitt eget material med funktionen calibrate. Alternativen kan ges beskrivningar, men enligt kortet innehöll träningsdata för dessa frågetyper bara alternativens namn.

Krav och öppna frågor

Modellkortet innehåller inga resultat från benchmarkar i textform, bara en bild med namnet benchmarks.png. Kortet redigerades flera gånger under några timmar på publiceringsdagen. Enligt ändringshistoriken ersattes metadataraden ”license: apache-2.0” med andra uppgifter, och kortets text nämner ingen licens. Därför är det klokt att kontrollera användningsvillkoren i kodförrådet före användning.

Modellen bearbetar bilder i originalupplösning upp till 4 096 token. Om en video har fler än åtta bildrutor väljs åtta ut med jämna mellanrum. Indata kortas inte av, men under träningen var sekvenserna högst 16 384 token långa.

Modellen laddas ned från Hugging Face och kräver version 5.15 eller senare av biblioteket transformers. Enligt modellkortet ryms modellen med bf16-precision på en enda GPU med 80 gigabyte. Kortet innehåller också anvisningar för att använda modellen direkt med klasserna i transformers.

Vad detta bygger på

1. facebook/meta-encoder-v1

   Utgivare: huggingface.co · publicerad 12 november 2026 · hämtad 13 november 2026 kl. 05.44 (UTC+2) · upptäcktskanal: webben

2. MetaEncoder v1 | The Deploy Log

   Utgivare: deployedbyai.com · publicerad 12 november 2026 · hämtad 13 november 2026 kl. 05.45 (UTC+2) · upptäcktskanal: webben

I en artikel som publicerades den 12 november frågade Tidningen Balans Sveriges största leverantörer av ekonomisystem hur långt de har kommit med MCP-stöd. Tidningen ges ut av FAR, branschorganisationen för revisorer och redovisningsbyråer. Uppgifterna bygger på leverantörernas egna svar.

MCP (Model Context Protocol) är en öppen standard. Med den kan en AI-assistent som ChatGPT, Claude eller Google Gemini använda data och funktioner i ett annat system. Användaren kan till exempel be assistenten hämta en rapport i stället för att själv leta i menyerna. Enligt Balans beror assistentens möjligheter på leverantörens lösning och användarens behörigheter.

Spiris och Finago redan i bruk

Spiris officiella MCP-server har funnits i öppen beta sedan juni 2026. Assistenten kan bland annat skapa verifikationer, hantera fakturor och bokföra betalningar, säger Simo Panas, som ansvarar för byråkunder. När kunden eller byråns konsult har kopplat servern till sitt AI-verktyg kan AI:n arbeta direkt i bokföringen, enligt Panas. Tjänsten används av omkring 1 200 användare i cirka 1 700 bolag, uppger företaget. Spiris rekommenderar Claude och ChatGPT, som företaget har testat, men även andra verktyg med MCP-stöd kan kopplas till servern.

Jan Söderqvist, branschexpert på Spiris, bedömer att MCP gör att analyser, prognoser och rapporter tas fram på ett ögonblick och att tiden för att ta fram rådgivning närmar sig noll.

Finago lanserade sin MCP-lösning för Finago Office den 15 oktober 2026, och den används i Sverige. Enligt landschefen Andreas Näslund har de byråer som börjat använda tjänsten sammanlagt omkring 1 500 företag i sina kundportföljer. Antalet byråer eller aktiva användare uppgav företaget inte. Konsulten kan koppla sin egen AI-assistent till tjänsten. Enligt Balans tabell får externa AI-agenter åtkomst till tjänsten ”för godkända klienter”. Näslund säger att AI-agenten kan hantera data från flera kunder och till exempel söka efter avvikelser i dem.

Systemet kontrollerar gällande behörigheter vid varje anrop och loggar all datahämtning, uppger företaget. ”AI-agenten får aldrig bredare åtkomst än den anslutna användaren har i Finago Office”, säger Näslund. Behörigheterna är enligt Näslund också kundspecifika.

Lundify för utvalda, Fortnox planerar lansering 2027

I Björn Lundéns Lundify används MCP-servern av en handfull utvalda partner och tidiga användare, säger koncernens produkt- och teknikchef Henry Arousell. Byråns konsult kan tills vidare läsa och kontrollera data från sina företag. Stöd för att skapa och ändra data kommer snart, enligt Arousell.

Lundify kräver inloggning när kopplingen upprättas, och konsulten har samma behörigheter som vid direkt användning av Lundify, uppger Arousell. Företaget planerar att stegvis öppna tjänsten för fler kunder under resten av 2026 och under 2027.

Fortnox har ingen egen MCP-server. Enligt teknikchefen Magdalena Hallbrandt planerar företaget att lansera en MCP-lösning under första halvåret 2027. Lösningar från tredje part använder redan i dag Fortnox öppna API:er.

Bokio har ingen MCP-lösning. Adam Norlin Persson på Bokio säger att företaget prioriterar området. Något lanseringsdatum uppgav Norlin Persson inte.

Vad detta bygger på

1. MCP kan bli en revolution för redovisningen – så långt har leverantörerna kommit - Tidningen Balans

   Utgivare: tidningenbalans.se · publicerad 12 november 2026 kl. 16.02 (UTC+2) · hämtad 13 november 2026 kl. 05.39 (UTC+2) · upptäcktskanal: webben

Harvey, som utvecklar AI-verktyg för jurister, berättade om uppdateringarna i sin blogg den 12 november. Enligt företaget visar det senaste utkastet med spårade ändringar vad som har ändrats sedan föregående version, men inte varför tidigare villkor godtogs eller var juridiska avdelningen gav efter. Den informationen är utspridd i mejl och gamla utkast, uppger företaget.

Ny version bedöms mot tidigare rundor

När motparten skickar tillbaka en ny version kopplar Contract Intelligence den till det befintliga avtalet. Appen lägger in versionen i översikten bredvid tidigare rundor och relaterade avtal. När verktyget granskar den nya rundan tar det enligt Harvey hänsyn till ståndpunkter som juridiska avdelningen redan har godtagit. På så sätt kan också en annan jurist fortsätta granskningen om den ursprungliga granskaren är frånvarande.

Avtalen får statusuppgifter: under granskning, väntar på motparten och undertecknat. Av dem ser juridiska avdelningen på ett ställe hur långt varje avtal har kommit, uppger företaget. Någon separat tabell behöver inte uppdateras.

Ett undertecknat avtal sparas i avtalsarkivet, där de villkor som juridiska avdelningen har godtagit extraheras. Harveys AI-agenter för avtalsgranskning (Contract Review Agents) använder dem i ändringsförslagen till nästa avtal. Användaren kan också ställa frågor om sina avtal, till exempel vilka leverantörer som motsatte sig säkerhetsvillkoren och vilka villkor som till slut godtogs.

Harvey säger att avtalen därmed blir klara snabbare. Företaget redovisar inga siffror för påståendet. Funktionerna finns i tidig åtkomst: företaget uppmanar intresserade att kontakta sin kundansvarige eller begära en demonstration.

Agenter sorterar juristens mejl

Blockchain.News skrev den 13 november att Harvey har släppt agenterna Harvey Agents for Outlook för e-postprogrammet Outlook. Enligt tidningen prioriterar agenterna mejl, skriver utkast till svar, skapar uppgifter och organiserar korrespondens. Juristen granskar och godkänner varje åtgärd.

I artikeln beskriver personer med juristbakgrund, några av dem i rollen som legal engineer, tänkbara användningsområden. De menar att agenterna skulle kunna sammanställa en daglig översikt över möten och brådskande mejl, skriva utkast till kalenderposter utifrån domstolsbeslut och arkivera mejl i Harveys dokumentlager Vault. Det handlar om bedömningar av vad agenterna skulle kunna användas till, inte om uppmätta resultat. Tidningen uppger inte att den har testat verktyget. På Harveys blogg finns företagets egen text i samma ämne, How Legal Engineers Would Use Harvey Agents for Outlook.

Enligt Blockchain.News kan man begära en demonstration av Harvey Agents for Outlook via Harveys plattform.

Vad detta bygger på

1. Close Contracts Faster With Every Version in One Place

   Utgivare: www.harvey.ai · publicerad 12 november 2026 kl. 18.00 (UTC+2) · hämtad 13 november 2026 kl. 05.40 (UTC+2) · upptäcktskanal: webben

2. Harvey Agents for Outlook Streamline Legal Inbox Management

   Utgivare: blockchain.news · publicerad 13 november 2026 · hämtad 13 november 2026 kl. 05.40 (UTC+2) · upptäcktskanal: webben

Den amerikanska teknikmediesajten The Information rapporterade om regeln onsdagen den 11 november med hänvisning till två källor. Enligt nyheten, som Investing.com återger, kan regeln offentliggöras redan den här månaden. Den granskas dock fortfarande av andra myndigheter och är inte slutgiltig.

USA har redan begränsat direktexporten av de mest avancerade AI-chippen till Kina. Kinesiska företag har ändå kunnat hyra beräkningskraft på Nvidias GPU:er i datacenter i till exempel Singapore och Malaysia och träna modeller utan att föra in chippen i Kina. Upplägget är lagligt eftersom Trumpadministrationen inte tillämpar AI Diffusion-regeln från Bidens tid, skriver finanssajten 24/7 Wall St. Det finns veterligen inget olagligt i det, uppger Bloombergs podcast Odd Lots.

Sydkoreanska AI Times skriver med hänvisning till The Information att det skulle krävas tillstånd för att exportera Nvidias Blackwell-chip och nyare generationer till sju länder: Singapore, Malaysia, Thailand, Indonesien, Brasilien, Norge och Sydafrika. Datacenter i dessa länder skulle behöva meddela handelsdepartementet vem som tar emot chippen och vad de ska användas till. Amerikanska företags datacenter skulle inte behöva tillstånd om de blockerar fjärråtkomst från Kina och andra länder som omfattas av USA:s vapenembargo. Även de skulle behöva rapportera kunduppgifter och mängden beräkningskapacitet.

Tyska heise ger en annan bild med hänvisning till samma rapport: Malaysia, Singapore och Thailand skulle redan finnas på listan över tillståndspliktiga länder. Norge, Brasilien och Sydafrika skulle kunna tillkomma.

Kinesiska företag försöker boka kapacitet i förväg

Reuters rapporterade den 12 november med hänvisning till tre källor att kinesiska molntjänstföretag och AI-laboratorier försöker boka kapacitet på Nvidia-chip utanför Kina. I nyheten, som Le Monde Informatique och AI Times återger, uppges att ett stort molnföretag har övervägt att förhandsboka och att några företag har frågat datacenter om bokningar. Mindre AI-utvecklare överväger att kontakta sydostasiatiska uthyrare av GPU-kapacitet. Varken avtalen eller deras storlek har bekräftats, skriver AI Times.

Enligt Le Monde Informatique uppger två av Reuters källor också att mellanhänder bygger upp lager av exportbegränsade Nvidia-chip på kinesiska gråmarknader.

Oron förstärks av lagförslaget Remote Access Security Act, som skulle ge handelsdepartementet befogenhet att reglera användningen av exportbegränsad teknik via molntjänster. Representanthuset antog det i januari med röstsiffrorna 369–22, och det väntar på behandling i senaten. Nvidia konstaterade i juli att lagen skulle kunna påverka företagets verksamhet betydligt, uppger AI Times. Le Monde Informatique påpekar att något allmänt förbud mot fjärråtkomst ännu inte gäller.

Ledningskris på Nvidia i bakgrunden

Nvidia meddelade den 12 november att vd Jensen Huang har avgått med omedelbar verkan. Finansdirektören Colette Kress är tillförordnad vd. Enligt Le Monde Informatique har Huang erkänt otrohet mot sin fru. En intern utredning inleddes när det kom fram påståenden om att den andra parten i relationen, Alice Huang, tidigare chef på singaporianska Megaspeed, skulle ha kopplingar till Kinas underrättelsetjänst, skriver tidningen. Reuters har inte kunnat bekräfta påståendena, och Peking förnekar dem.

The Information bedömer att regeln kan tyda på att Nvidias inflytande i Washington har försvagats, eftersom företaget har motsatt sig hårdare reglering av utländska datacenter, uppger AI Times.

Vad detta bygger på

1. NVIDIA Announces CEO Transition

   Utgivare: nvidianews.nvidia.com · källans publiceringstid är okänd · hämtad 13 november 2026 kl. 05.15 (UTC+2) · upptäcktskanal: webben

2. U.S., Europe chip stocks dip as Nvidia board reportedly weighs ousting Huang

   Utgivare: sg.finance.yahoo.com · publicerad 12 november 2026 kl. 08.38 (UTC+2) · hämtad 13 november 2026 kl. 05.21 (UTC+2) · upptäcktskanal: webben

3. U.S. finalizing rule to block China’s remote AI chip access- The Information

   Utgivare: finance.yahoo.com · publicerad 12 november 2026 kl. 06.22 (UTC+2) · hämtad 13 november 2026 kl. 05.22 (UTC+2) · upptäcktskanal: webben

4. 미국, 중국의 해외 GPU 임대 규제 추진…중국 기업들 확보 서둘러 - AI타임스

   Utgivare: www.aitimes.com · publicerad 12 november 2026 kl. 23.33 (UTC+2) · hämtad 13 november 2026 kl. 05.22 (UTC+2) · upptäcktskanal: webben

5. Puces Nvidia : les entreprises chinoises d’IA anticipent de nouvelles restrictions américaines

   Utgivare: www.lemondeinformatique.fr · publicerad 12 november 2026 kl. 12.32 (UTC+2) · hämtad 13 november 2026 kl. 05.22 (UTC+2) · upptäcktskanal: webben

6. Angst vor neuen KI-Chip-Exportkontrollen: China sichert sich Rechenkapazitäten

   Utgivare: www.heise.de · publicerad 12 november 2026 kl. 14.55 (UTC+2) · hämtad 13 november 2026 kl. 05.22 (UTC+2) · upptäcktskanal: webben

7. Export Controls Were Supposed to Keep AI Chips Out of China. The Rental Loophole Shows Why They Haven’t

   Utgivare: finance.yahoo.com · publicerad 12 november 2026 kl. 18.40 (UTC+2) · hämtad 13 november 2026 kl. 05.22 (UTC+2) · upptäcktskanal: webben

8. Commerce Department Finalizing Long-Awaited AI Remote Access Rule

   Utgivare: www.theinformation.com · publicerad 12 november 2026 kl. 04.52 (UTC+2) · hämtad 13 november 2026 kl. 05.21 (UTC+2) · upptäcktskanal: webben

Notion Labs meddelade den 9 november sina kunder att chattar i Notion AI har läckt vid ett intrång hos AI-underleverantören Fireworks AI. Läckan gäller mindre än en procent av Notions arbetsytor, och utredningen fortsätter, uppger Notion i ett säkerhetsmeddelande.

Fireworks AI är en plattform där utvecklare använder modeller med öppna vikter. Angriparna tog sig den 24 oktober in i företagets forskningsdatorer via en molntjänst från tredje part, skriver SecurityWeek med hänvisning till ett meddelande från Fireworks.

Fireworks informerade Notion om intrånget den 2 november. Notion bedömde först att läckan bara gällde syntetisk testdata. Senast på morgonen den 3 november hade Notion brutit förbindelserna med Fireworks. Den 6 november meddelade Fireworks att även kunddata kunde ha läckt. Det läckta materialet bekräftade Fireworks den 8 november.

De läckta chattarna kom från funktionen Insights

Notion använde Fireworks för inferens med modeller med öppna vikter och för funktionen Insights. Insights visar arbetsytans administratörer hur medlemmarna använder Notion AI. För funktionen skickade Notion sparade chattar till Fireworks för klassificering. Notion har nu stängt av Insights.

De läckta chattarna innehåller allt som användaren skrev till modellen och allt som modellen svarade, uppger Notion. Resultat av verktygsanrop ingick inte. I de flesta arbetsytor var chattarna inte märkta med författare eller arbetsyta. Notion påpekar dock att själva texten kan innehålla känsliga uppgifter.

Minst tre japanska företag har rapporterat en möjlig läcka, skriver japanska ITmedia. Uppgifterna kan omfatta namn på kundföretag och kontaktpersoner samt innehåll från möten, uppger säkerhetsföretaget SecureNavi. Företagen utreder fortfarande detaljerna.

Notion: Fireworks sparade data trots avtalet

Nollagring (zero data retention, ZDR) innebär ett avtal om att leverantören varken sparar de indata som skickas till AI:n eller svaren. Notion har enligt ITmedia uppgett att läckan även kan gälla företagskunder med avtal om nollagring.

Notions ZDR-löfte gäller de anrop som företaget skickar till modelleverantörer för att ta fram svaren i Notion AI, uppger Notion. Löftet omfattar inte funktioner där Notion måste spara chattar, till exempel chatthistoriken och Insights. För Insights hade Fireworks ändå i avtalet åtagit sig nollagring, säger Notion. Notions utredning visade att Fireworks hade sparat data som gått via de API-slutpunkter hos Fireworks som Notion använde.

Fireworks har inte sett någon påverkan på de tjänster där nollagring är standard, skriver ITmedia. Företaget har inte förklarat hur de API-slutpunkter som Notion använde hänger ihop med dessa tjänster. Notion granskar nu sina kritiska underleverantörer, uppger företaget.

Vad kunderna ska göra

Notion har kontaktat de kunder som berörs av läckan. Kunder som inte har kontaktats behöver inte vidta några åtgärder nu, uppger Notion. I de flesta arbetsytor ser medlemmarna sina egna läckta chattar i datorns webbläsare under Security incident review i ?-menyn i sidofältet. Där ser ägaren vilka medlemmar som berörs. Ägaren får arbetsytans hela läckta innehåll som CSV-filer om arbetsytan har en verifierad domän.

Notion uppmanar användare att byta lösenord, API-nycklar och andra inloggningsuppgifter som klistrats in i Notion AI under läckan. Företaget uppger att det har ogiltigförklarat de API-nycklar från Notion som hittades i chattarna och anmält nycklar till andra tjänster till respektive utfärdare.

Vad detta bygger på

1. Fireworks AI incident

   Utgivare: www.notion.com · källans publiceringstid är okänd · hämtad 13 november 2026 kl. 05.32 (UTC+2) · upptäcktskanal: webben

2. Cyberattack on Fireworks AI allowed hackers to access Notion customers' chat transcripts | TechCrunch

   Utgivare: techcrunch.com · publicerad 12 november 2026 kl. 17.02 (UTC+2) · hämtad 13 november 2026 kl. 05.32 (UTC+2) · upptäcktskanal: webben

3. 「AI処理、データ非保持が守られず」――Notionが委託先の問題指摘、漏えいの恐れ巡り

   Utgivare: www.itmedia.co.jp · publicerad 13 november 2026 kl. 12.22 (UTC+2) · hämtad 13 november 2026 kl. 05.32 (UTC+2) · upptäcktskanal: webben

4. Notionの「AIチャット流出懸念」影響広がる 国内企業が相次ぎ報告 「打ち合わせ内容」も漏えいか

   Utgivare: www.itmedia.co.jp · publicerad 12 november 2026 kl. 16.39 (UTC+2) · hämtad 13 november 2026 kl. 05.32 (UTC+2) · upptäcktskanal: webben

5. Fireworks AI incident

   Utgivare: www.notion.com · publicerad 12 november 2026 · hämtad 13 november 2026 kl. 05.32 (UTC+2) · upptäcktskanal: webben

6. Notion Customer Data Compromised in Fireworks AI Hack

   Utgivare: www.securityweek.com · publicerad 12 november 2026 kl. 13.08 (UTC+2) · hämtad 13 november 2026 kl. 05.32 (UTC+2) · upptäcktskanal: webben

7. Notice about the Fireworks AI incident that may impact some Notion workspaces – Notion Help Center

   Utgivare: www.notion.com · källans publiceringstid är okänd · hämtad 13 november 2026 kl. 05.32 (UTC+2) · upptäcktskanal: webben

Reuters rapporterade torsdagen den 12 november om en enkät som it-konsultföretaget Capgemini har gjort om storföretagens AI-kostnader. Enkäten besvarades av 500 chefer i tio länder. Deras företag har en årsomsättning på över en miljard dollar. Capgemini hjälper själv företag att införa AI i sina system.

Av de svarande uppgav 59 procent att AI-kostnaderna under de senaste 12 månaderna hade legat klart över förväntningarna eller budgeten, med i genomsnitt 24 procent. Av cheferna är 53 procent oroade över AI-kostnaderna, jämfört med 45 procent ett år tidigare.

Jawlah bevakar startupnyheter från Mellanöstern och Nordafrika och redovisar fler siffror från Capgeminis studie. Enligt Jawlah överskred 21 procent av organisationerna sin budget med mer än 30 procent. Bara 56 procent är helt säkra på att de kan förutse hur kostnaderna förändras när användningen ökar.

Modellvikterna för en modell med öppna vikter kan laddas ned och köras på egna eller självvalda servrar. Exempel är modeller från DeepSeek och Mistral. Slutna modeller, till exempel Claude, ChatGPT och Gemini, används via utvecklarens molntjänst.

Billigare token är inte hela priset

Enligt Capgemini är token för modeller med öppna vikter i genomsnitt 87 procent billigare än för slutna modeller. Ett token är en textbit. Användningen av en modell prissätts vanligen efter antalet token.

Capgemini lyfter fram OpenRouter, en tjänst som förmedlar modeller från flera utvecklare. I september stod modeller med öppna vikter för 72 procent av trafiken där men bara för 27 procent av pengarna som gick åt till användningen. Jawlah påpekar att siffrorna gäller OpenRouter och inte nödvändigtvis stämmer för alla företag eller hela marknaden.

Jawlah påminner också om att det inte är gratis att köra en modell med öppna vikter. Ett företag behöver beräkningskapacitet och personal som underhåller, skyddar och övervakar modellerna. I Capgeminis studie uppgav ungefär hälften av cheferna att AI-kostnader ibland godkänns utan en tillräcklig bild av totalkostnaderna, skriver Jawlah. Bara omkring en tredjedel kan tillförlitligt bedöma indirekta kostnader, som granskning av resultat och rättning av fel.

Slutna modeller behålls för krävande uppgifter

Hälften av de svarande planerar att använda slutna modeller när uppgiftens komplexitet motiverar ett högre pris. Enligt Jawlah räknar mer än tre femtedelar av cheferna med att deras organisation går över till en flermodellsstrategi under de kommande 12 månaderna. Där styrs rutinuppgifter till billigare modeller och krävande uppgifter till mer avancerade.

Reuters kopplar enkäten till nyheter som pekar åt samma håll. SAP:s finanschef sade i oktober att företaget ersätter en del av sina dyraste AI-modeller med billigare när prestandan bibehålls. Anthropic inledde den här veckan investerarturnén inför sin börsintroduktion. I sitt prospekt varnar bolaget enligt Reuters för att kunder kan gå över till billigare alternativ, även modeller med öppna vikter.

Vad detta bygger på

1. Major companies turn to open-weight AI models to cut costs | Jawlah

   Utgivare: jawlah.co · publicerad 12 november 2026 kl. 17.37 (UTC+2) · hämtad 13 november 2026 kl. 05.35 (UTC+2) · upptäcktskanal: webben

2. 研究顯示，多數大型企業計畫增加使用開放權重AI以控制帳單

   Utgivare: today.line.me · publicerad 12 november 2026 kl. 11.01 (UTC+2) · hämtad 13 november 2026 kl. 05.36 (UTC+2) · upptäcktskanal: webben

3. Most large firms plan higher open-weight AI use to cap bills, study shows - AOL

   Utgivare: www.aol.com · publicerad 12 november 2026 kl. 11.01 (UTC+2) · hämtad 13 november 2026 kl. 05.36 (UTC+2) · upptäcktskanal: webben

SpaceX presenterade sina planer torsdagen den 12 november. Bland andra The New York Times och Dow Jones rapporterade om beskedet. Siffrorna och de utlovade fördelarna är företagets egna. NYT anger den sammanlagda summan till 74 miljarder dollar, Dow Jones till över 74 miljarder.

Campuset i Texas får egen elproduktion

Campuset i Texas byggs nära raketbasen Starbase på ett 444 acres (cirka 180 hektar) stort område som SpaceX äger, skriver NYT. Där är det tänkt att frontiermodeller ska tränas, uppger Dow Jones. Summan skiljer sig mellan källorna: NYT uppger 24 miljarder dollar, Dow Jones cirka 24 miljarder och Anadolu över 24 miljarder.

Enligt företaget producerar campuset sin el själv och tar den inte från det allmänna elnätet. The Next Web skriver att SpaceX bygger ett eget gaskraftverk till campuset och driver det självt. Det är oklart om projektet fortfarande behöver tillstånd, skriver NYT.

Projektet har redan skapat över 3 000 byggjobb, och det färdiga campuset väntas ge över 500 fasta jobb, uppger företaget.

Texas tillträdande demokratiska guvernör Gina Hinojosa har kritiserat datacenter, skriver Dow Jones. Analytiker räknar ändå i huvudsak med att Hinojosa låter projekt som har fått tillstånd eller redan påbörjats fortsätta. Om projektet skriver SpaceX: ”Att förverkliga dess fulla potential kräver en stabil, konkurrenskraftig och stödjande politisk miljö som gör det möjligt för projekt av den här storleken att gå vidare.”

Projektet i Arizona väntar på godkännande från countyt

Campuset som planeras i Cochise County i Arizona skulle kosta 50 miljarder dollar. Det skulle ge cirka 5 500 byggjobb och 1 000 fasta jobb, uppger företaget. Företagets projektsida beskriver nio byggnader, en effekt på upp till 6 gigawatt och ett batterilager på 24 gigawattimmar, skriver sajten Teslanorth. Målåret för bygget är 2027, men det är inte ett öppningsdatum, skriver Teslanorth.

SpaceX säger att företaget tillsammans med lokala elkooperativ ska använda regionens befintliga förnybara energi och kyla utrustningen med torrkylning utan grundvatten. Kooperativens medlemmar skulle kunna få upp till 20 procent lägre elräkningar, bedömer företaget. Det är oklart om campuset i Arizona också kommer att använda gas, skriver The Next Web.

The Next Web hänvisar till en lokaltidning och skriver att hundratals invånare kritiserade SpaceX på ett möte förra veckan med hänvisning till vatten, elräkningar och vilda djur. Teslanorth hänvisar till tidigare rapporter om att countyts utfrågning hålls den 9 december.

SpaceX hyr ut beräkningskraft till Anthropic och Google

SpaceX, som börsnoterades i år, hyr ut beräkningskraft till andra AI-företag. I oktober uppgav företaget att AI-verksamheten stod för över hälften av omsättningen, skriver NYT. Anthropic har åtagit sig att betala upp till 120,5 miljarder dollar fram till 2029, och Google betalar 920 miljoner dollar i månaden.

SpaceX:s investeringar steg under juli–september till 19,6 miljarder dollar, nästan tre gånger så mycket som ett år tidigare, uppger NYT. Finanschefen Bret Johnsen bedömde i oktober att investeringarna under oktober–december sannolikt blir 35–40 miljarder dollar.

Vad detta bygger på

1. SpaceX unveils over $74B in US supercomputer campus investments

   Utgivare: www.xn--anadoluajans-d5b.gov.tr · källans publiceringstid är okänd · hämtad 13 november 2026 kl. 05.49 (UTC+2) · upptäcktskanal: webben

2. SpaceX Plans $74 Billion Investment to Build Data Centers in Texas and Arizona

   Utgivare: www.nytimes.com · publicerad 12 november 2026 kl. 21.29 (UTC+2) · hämtad 13 november 2026 kl. 05.48 (UTC+2) · upptäcktskanal: webben

3. SpaceX Plans More Than $74 Billion in Texas, Arizona Data-Center Investments

   Utgivare: www.morningstar.com · publicerad 12 november 2026 kl. 19.13 (UTC+2) · hämtad 13 november 2026 kl. 05.48 (UTC+2) · upptäcktskanal: webben

4. SpaceX plans $74B of AI computing centres in Arizona and Texas

   Utgivare: thenextweb.com · publicerad 12 november 2026 kl. 19.54 (UTC+2) · hämtad 13 november 2026 kl. 05.48 (UTC+2) · upptäcktskanal: webben

5. SpaceX Unveils $74 Billion Texas and Arizona AI Expansion

   Utgivare: teslanorth.com · publicerad 12 november 2026 kl. 19.56 (UTC+2) · hämtad 13 november 2026 kl. 05.48 (UTC+2) · upptäcktskanal: webben

6. SpaceX (SPCX) to Spend $74 Billion on Supercomputer Campuses in Texas and Arizona

   Utgivare: markets.businessinsider.com · publicerad 12 november 2026 kl. 20.03 (UTC+2) · hämtad 13 november 2026 kl. 05.49 (UTC+2) · upptäcktskanal: webben

Salesforce publicerade den 12 november modellen SOV-Transcribe-1 på Hugging Face. Modellen omvandlar ljudinspelningar till text. Artificial Analysis (AA), som jämför modeller, publicerade samma dag en egen mätning på X. Indexet AA-WER mäter hur stor andel av orden en modell transkriberar fel, och ett lägre värde är bättre. Där fick modellen 2,3 procent. Enligt AA är det den bästa modellen med öppna vikter och sjua av 44 modeller i en jämförelse som även omfattar slutna kommersiella modeller.

I bilden i AA:s inlägg får de näst bästa modellerna med öppna vikter 2,8 procent vardera: Mistrals Voxtral Small och NVIDIA:s Nemotron 3.5 Transcribe. Överst i hela jämförelsen ligger Alibabas Fun-Realtime-ASR-preview med 1,7 procent.

I den tjänst som Salesforce driver transkriberar modellen en minut ljud på ungefär en sekund, uppger AA i ett annat inlägg.

Uppbyggnad och parametrar

Modellen bearbetar hela inspelningen på en gång och producerar inte text medan talet pågår. Den kinesiska webbplatsen hub.baai.ac.cn (智源社区) publicerade en artikel som AI-agenten AREX har sammanställt och som refererar modellkortet. Enligt artikeln kombinerar modellen ljudkodaren från Whisper large-v3 med språkmodellen Gemma 4 26B A4B. Språkmodellen är en MoE-modell som bara använder en del av sina parametrar för att bearbeta varje token. Alla parametrar måste ändå finnas i minnet.

Källorna anger olika antal parametrar. Enligt Salesforces blogg har modellen 4 miljarder aktiva parametrar och totalt 26 miljarder. AA uppger 4,6 miljarder aktiva parametrar. Modellkortet anger 4,6 miljarder aktiva och totalt 26,6 miljarder inklusive ljudkodaren.

Företagets egna jämförelser

AA har publicerat modellens ordfelfrekvens och hastighet. Övriga resultat kommer från Salesforce. Enligt företaget formaterar modellen texten utifrån instruktioner skrivna på vanligt språk. När modellen får nyckelord, som ovanliga namn, transkriberar den dem mer exakt i företagets test: F1-värdet för nyckelorden steg från 71,9 till 96,8.

Tabellen visar den ordfelfrekvens som Salesforce uppger i fyra tester. Företaget valde själv både testerna och de modeller som jämförs.

Källa: Salesforces publicering. Raderna för Open ASR och ContextASR enligt AREX:s artikel. Lägre värde är bättre.

Enligt AREX presterar modellen i Open ASR-testet sämre än båda konkurrenterna på alla sex språk utöver engelska. Finska finns inte bland de språk som stöds enligt modellkortet. De som stöds är engelska, franska, tyska, spanska, italienska, portugisiska och nederländska. Den längsta testade inspelningen var 30 minuter lång.

Vikterna kan laddas ned från Hugging Face under licensen Apache 2.0. Enligt modellkortet transkriberar en enda GPU av typen RTX PRO 6000 Blackwell Server Edition med hjälpmodellen (SOV-Transcribe-1-DFlash) som mest 1 039 sekunder ljud per sekund. Siffran mättes med en utvecklingsversion av programvaran vLLM från november 2026, och i den är stödet för modellen inbyggt. Den officiella versionen av vLLM saknar ännu detta stöd, eftersom det hittills bara har skickats till vLLM:s utvecklare. I dag körs modellen med hjälp av ett tillägg. Med hjälpmodellen måste gränsen för samtidiga förfrågningar sänkas till 64. vLLM:s standardgräns på 1 024 förbrukar nämligen hela minnet, och modellen ryms då inte i 96 gigabyte grafikminne. Salesforce uppger att företaget ska publicera en teknisk rapport senare.

Vad detta bygger på

1. Introducing Salesforce SOV-Transcribe-1: #1 Open-Weight Model Built for Real-World Speech

   Utgivare: huggingface.co · publicerad 12 november 2026 kl. 18.43 (UTC+2) · hämtad 13 november 2026 kl. 05.33 (UTC+2) · upptäcktskanal: webben

2. Salesforce’s SOV-Transcribe-1 Ranks First Among Open-Weight Speech Models | TokenPost

   Utgivare: www.tokenpost.com · publicerad 12 november 2026 kl. 22.06 (UTC+2) · hämtad 13 november 2026 kl. 05.33 (UTC+2) · upptäcktskanal: webben

3. SOV-Transcribe-1 is the new #1 open weights Speech to Text model, scoring 2.3% on the AA-WER Index with 4.6B active parameters. It ranks #7 of 44 models overall, including proprietary models.…

   ArtificialAnlys · Utgivare: x.com · publicerad 12 november 2026 kl. 18.30 (UTC+2) · hämtad 13 november 2026 kl. 04.14 (UTC+2) · upptäcktskanal: X

4. On Salesforce's hosted endpoint, SOV-Transcribe-1 reaches a Speed Factor of 60x, transcribing 1 minute of audio in about 1 second https://t.co/BPjue01o2O

   ArtificialAnlys · Utgivare: x.com · publicerad 12 november 2026 kl. 18.30 (UTC+2) · hämtad 13 november 2026 kl. 04.14 (UTC+2) · upptäcktskanal: X

5. Salesforce 开源语音转文本模型 SOV-Transcribe-1 上线 Hugging Face，Artificial Analysis 实测 2.3% 列开放权重第一 - 智源社区

   Utgivare: hub.baai.ac.cn · källans publiceringstid är okänd · hämtad 13 november 2026 kl. 05.33 (UTC+2) · upptäcktskanal: webben