Seneste briefing
20. juli 2026 · 5 nyheder (site) · 5 nyheder (base)
Den 20. juli 2026 samler økosystemet omkring AI-agenter ugen efter WAIC i Shanghai og Kimi K3 omkring infrastrukturens byggesten. Hugging Face udgiver TRL v1.8.0, som gør det muligt at træne en agent i flere miljøer parallelt. Helsing afslutter en finansieringsrunde på 1,8 milliarder euro til en værdiansættelse på 18 milliarder euro til sine autonome droner og AI-analyse af slagmarken. USA’s handelsministerium bruger for første gang loven om eksportkontrol til at standse adgangen til to Anthropic-modeller i hele verden. Japan lancerer officielt Noetra, sin grundmodel til AI i fysiske systemer, støttet af Sony, SoftBank og Honda. En ny forskningsartikel viser desuden, at agenter nu kan trænes gennem forsøg og fejl på mere end 4 millioner dele uden at fylde grafikkortenes hukommelse.
🔥 I fokus
01
Hugging Face gør det muligt at træne AI-agenter i kode, spil og webnavigation samtidig — uden at de blander værktøjerne sammen
At træne en AI-agent ligner i dag stadig et valg mellem specialer: Man træner den til at kode, spille eller navigere på nettet, men ikke til alle tre dele samtidig. Hugging Face udgiver version 1.8.0 af TRL, sin vigtigste værktøjskasse til «eftertræning» — den sidste fase, hvor en model lærer at gøre sit arbejde bedre i stedet for blot at producere tekst. Den afgørende nyhed er, at samme træningsforløb nu kan blande flere miljøer: ét, der efterligner et spil, ét, der efterligner et kodeprogram, og ét, der efterligner en browser. Hvert miljø angiver sine egne værktøjer og sin egen måde at belønne agenten på. Værktøjerne slipper ikke længere fra én verden over i en anden: Modellen, der trænes i kodning, forsøger ikke pludselig at kalde et spilværktøj midt i en linje Python-kode. For Info-Sys er dette den åbne byggesten, der har manglet for at gå fra en agent, som taler om et emne, til en agent, som faktisk handler i et bestemt miljø. Optimeringsdelen KTO bliver stabil, og grafikkortenes hukommelse udnyttes bedre — modeller med 4 milliarder parametre bliver 19 % hurtigere. I praksis kan en agent nu forberedes til flere områder uden at begynde forfra hver gang.
02
Helsing rejser 1,8 milliarder euro til autonome droner og analyse af slagmarken — AI-forsvar bliver en selvstændig investeringskategori
Helsing, den tyske startup, der bygger AI-systemer til militært forsvar — autonome droner, software til analyse af kampdata og overvågning under vandet — afslutter en ny finansieringsrunde på 1,8 milliarder euro til en værdiansættelse på 18 milliarder euro. Efterspørgslen var så meget større end udbuddet, at stifterne kunne vælge deres investorer. Dragoneer leder runden sammen med Goldman Sachs, JPMorganChase, General Catalyst og den canadiske pensionsfond CPP. Det er den største finansieringsrunde nogensinde for en europæisk startup inden for AI-forsvar, og signalet til markedet er klart: Forsvar drevet af AI bliver en selvstændig investeringskategori på linje med AI-infrastruktur og cybersikkerhed. Europæiske investorer ejer fortsat størstedelen af selskabet, og Daniel Ek fra Spotify samt Tom Enders, tidligere Airbus, fortsætter som fælles bestyrelsesformænd. For dem, der bygger AI-agenter, er det et vigtigt tegn: Fysiske agenter — droner, robotter og militær software, der kan arbejde selvstændigt — tiltrækker nu investeringer på flere milliarder. Det europæiske marked tager området alvorligt, selv om det stadig blev betragtet som et nichemarked for to år siden.
03
USA har fået et nyt redskab til at slukke en AI-model efter ordre — og det berører alle, også uden for USA
Den 12. juni gjorde USA’s handelsministerium noget nyt: Det brugte loven om eksportkontrol til at beordre, at adgangen til to af Anthropics AI-modeller, Fable 5 og Mythos 5, skulle standses for alle brugere overalt i verden. Det gjaldt også udenlandske forskere og ingeniører, som arbejder i USA. Mekanismen er enkel og hård: et fortroligt brev, straf hvis kravet ikke overholdes, og øjeblikkelig virkning. Anthropic kunne ikke sortere brugerne efter nationalitet i sin tekniske adgang, det såkaldte API. Den enkleste løsning var derfor at slukke begge modeller helt. For alle, der tager en avanceret AI-model i brug eller anvender den fra egne servere, er dette en præcedens, som skal med i risikovurderingen: En model, man lejer eller bruger, kan lukkes fra den ene dag til den anden ved en myndighedsbeslutning uden at komme for en dommer. Det juridiske grundlag — loven om reform af eksportkontrol og reglen om «militær brug eller efterretningsbrug» — var aldrig før blevet afprøvet på fjernadgang til en AI-model. Europa-Kommissionen har offentligt advaret om risikoen for «diskriminerende» tiltag. For Info-Sys bør sagen dokumenteres i enhver risikovurdering af AI-agenter og følges i de kommende uger. Analytikerne ser tre mulige udfald, herunder en forhandlet genåbning og en dyr identitetskontrol af brugerne.
04
Japan lancerer sin egen AI-model til robotter og autonome køretøjer — med Sony, SoftBank, Honda og Preferred Networks om bord
Japans økonomiministerium METI bekræftede i slutningen af juni starten på et hjemligt projekt for en AI-model, der kan arbejde med flere slags information. Den er udviklet til det, der kaldes «Physical AI»: industrirobotter, autonome køretøjer og andre systemer, som skal forstå billeder, tekst og signaler fra sensorer på samme tid. Startuppen Noetra, der blev oprettet til projektet, støttes af 44 japanske industrivirksomheder med Sony, SoftBank, NEC, Honda og Preferred Networks i spidsen. Programmet løber i fem år, fra finansåret 2026 til 2030, og ledes af den statslige organisation NEDO. Det erklærede mål er en grundmodel, som en japansk virksomhed kan bruge uden at sende sine produktionsdata til udlandet. Det er et følsomt emne i et land, hvor fremstillingsindustrien stadig er en grundpille i økonomien. Forskellen fra USA’s Stargate, Kinas WAICO, Europas AI Factories og Indiens IndiaAI er fokus på AI i fysiske maskiner og på lavt energiforbrug, to naturlige prioriteter for Japan. For dem, der bygger AI-agenter, er det en ny grundmodel at følge i de kommende kvartaler, især inden for robotteknologi og konkret brug i industrien.
05
En ny metode gør det muligt at træne AI-agenter på meget lange opgaver — uden at fylde grafikkortenes hukommelse
I løbet af en arbejdsdag samler nutidens AI-agenter skærmbilleder, resultater fra værktøjer, uddrag af dokumenter og analyser. Tilsammen kan det blive til flere millioner små dele, der skal behandles. De klassiske metoder til forstærkningslæring — hvor en agent lærer gennem forsøg og fejl på virkelige sager — rammer dog normalt loftet omkring 256 000 dele, fordi grafikkortenes hukommelse er begrænset. En forskningsartikel fra midten af juli med den enkle titel LongStraw foreslår et teknisk kneb, der ændrer situationen: Vurder den fælles historik én gang uden at beregne alle detaljer igen, og gentag derefter kun de små forgreninger, der er forskellige. Forfatterne viser metoden på de eksisterende åbne modeller Qwen3.6-27B og GLM-5.2 og formår at træne på mere end 4 millioner dele uden at overbelaste hukommelsen. For Info-Sys er dette byggestenen, som gør det muligt at træne agenter på lange og komplicerede arbejdsgange, eksempelvis analyse af en hel sag, navigation på et stort websted eller koordinering af flere værktøjer over mange timer. Artiklen blev nummer ét på Hugging Faces dagsliste. Forfatterne siger åbent, at der stadig er arbejde tilbage, før metoden er fuldt indbygget i standardværktøjerne, men retningen er klar.
📡 Hold øje med
Microsoft lancerer den endelige version af sit agentrammeværk til store virksomheder
Microsoft Agent Framework, MAF, udkom i version 1.0 den 2. april efter sammenlægningen af de mangeårige projekter AutoGen og Semantic Kernel. På BUILD-messen den 3. juni tilføjede Microsoft tre vigtige dele. Et «Agent Harness» er et grundsystem, der forvandler enhver chatklient til en agent, som er klar til virkelig drift, med adgang til filer, hukommelse, menneskelig godkendelse og automatisk sammenfatning af en lang historik. En agenttjeneste i Azure tilpasser selv sin kapacitet og koster intet, når den er inaktiv. I tilstanden CodeAct skriver og kører agenten kode for at løse en opgave i stedet for at kalde et bestemt værktøj. Tilbuddet findes i den samme kode til både .NET- og Python-udviklere. Det er Microsofts svar på LangChain, CrewAI og det nye selvstændige AutoGen: et rammeværk, der er klar til store virksomheder og har styring og kontrol indbygget. Det bør følges tæt, når den tekniske helhed til agenter skal vælges.
500 åbne AI-modeller fra én indgang — til virksomheder, der ikke vil drive deres egne servere
AI.cc, en platform med base i Singapore, har indgået et partnerskab med Hugging Face om at tilbyde mere end 500 åbne AI-modeller — Llama 4, Mistral, Qwen, Gemma, GLM, DeepSeek, Falcon og over 300 andre — gennem én grænseflade, der fungerer som OpenAI’s. I praksis kan en virksomhed bruge modellerne uden at købe grafikkort eller opbygge sin egen infrastruktur, og den får én samlet regning. Tjenesten har været åben siden 15. juni og har et gratis niveau til test. Baggrunden er, at åbne modeller nu står for 38 % af de små tekstenheder, også kaldet tokens, som virksomheder brugte i første kvartal 2026, mod 11 % et år tidligere. Automatisk styring til den model, der passer bedst til hver opgave, oplyses at kunne sænke infrastrukturomkostningerne med 40–65 %. Et forbehold er, at den oprindelige meddelelse ikke kunne hentes; oplysningerne kommer fra en virksomhedsrelateret mellemmand. For Info-Sys bør tjenesten prøves på enkle anvendelser for at vurdere pålideligheden, før produktionsarbejde flyttes.
SambaNova rejser 1 milliard dollar til sine alternativer til Nvidias chips — med JPMorgan som første bankkunde
SambaNova Systems, en direkte konkurrent til Nvidia inden for specialchips til AI, har afsluttet en ny finansieringsrunde på 1 milliard dollar til en værdiansættelse på 11 milliarder dollar. General Atlantic leder runden sammen med BlackRock, T. Rowe Price, Qatar Investment Authority og Intel Capital, som også har været teknisk partner i flere år. Det mest interessante tegn for dem, der bygger agenter, er, at JPMorgan Chase har valgt SambaNova som partner til at køre sine AI-modeller på egne servere frem for at satse alt på Nvidia. Det viser, at store banker og virksomheder nu bygger deres egne private AI-miljøer for at bevare kontrollen og styre omkostningerne. For Info-Sys bør SambaNova med i overvågningen af alternativer til Nvidia, især til følsomt arbejde i banker, forsvar og myndigheder, hvor kontrol over det fysiske udstyr bliver et salgsargument.
EU’s AI-lov træder fuldt i kraft 2. august — sådan påvirkes modeller, der bruges i Europa
Alle regler i EU’s AI-forordning, EU AI Act, bliver fuldt bindende den 2. august 2026 for de såkaldte «GPAI-modeller», altså modeller til almen brug. Konkret betyder det krav om åbenhed, respekt for ophavsretten i træningsdata, sikkerhedsvurderinger og sanktioner, hvis reglerne ikke overholdes. For dem, der bygger og bruger AI-agenter i Europa, er det tid til at kontrollere, at hver model fra en ekstern leverandør har teknisk dokumentation, som følger reglerne, og at agenternes arbejdsgange ikke falder i en højrisikokategori. Dette skal skelnes fra den amerikanske BIS-præcedens om Fable og Mythos: EU-reglerne kendes på forhånd og er forudsigelige, men omfattende. De gælder enhver model, der stilles til rådighed for europæiske brugere, uanset udgiverens nationalitet.
📊 Tendens
Den 20. juli 2026 fortsætter økosystemet omkring AI-agenter med at samle erfaringerne fra ugen efter WAIC i Shanghai og lanceringen af Kimi K3. Dagens overvågning retter sig mod infrastrukturens byggesten og præcedenser, der kan forme markedet. Fem erfaringer tegner sig for dem, der bygger AI-agenter. (1) Træning i flere miljøer bliver normen: Hugging Face TRL v1.8.0 gør det nu muligt at blande agenternes verdener — kodning, spil og webnavigation — i ét træningsforløb. Det åbner for brede agenter, der trænes på virkelige arbejdsgange og ikke kun på standardiserede test. (2) AI-forsvar tiltrækker rekordinvesteringer: Helsings runde på 1,8 milliarder euro til en værdiansættelse på 18 milliarder euro bekræfter, at fysiske agenter som autonome droner og analyse af slagmarken er blevet en selvstændig investeringskategori. Det har betydning for dem, der sælger eller bruger agenter i følsomme sektorer. (3) Eksportkontrol bliver en praktisk risiko: Brugen af amerikanske BIS-regler til at lukke adgangen til to modeller fra Anthropic skaber en præcedens. Enhver agent, der kører på en ekstern leverandørs servere, kan nu slukkes ved en myndighedsbeslutning. (4) Selvstændighed inden for AI bliver et nationalt projekt, også uden for stormagterne: Japan lancerer officielt sin grundmodel til AI i fysiske systemer sammen med 44 industrivirksomheder efter samme princip som Kinas WAICO, USA’s Stargate og Europas AI Factories. (5) Træning på meget lange informationsmængder bliver teknisk mulig: LongStraw-artiklen viser, at man kan komme over 4 millioner dele uden at fylde grafikkortenes hukommelse. Dermed kan agenter trænes på lange og komplicerede arbejdsgange. For Info-Sys er den praktiske lære klar: Tiden, hvor ét agentrammeværk og én modelleverandør var nok, er forbi. Nu kræves aktiv overvågning af infrastrukturens byggesten, geopolitikken og åbne alternativer.