Daglig briefing
1. november 2026 · 5 historier
🔥 I fokus
1Apples AI kommer til Kina, og det er Qwen fra Alibaba, der arbejder
Om få dage kan iPhones stemmeassistent svare på kinesisk, skrive en tekst om eller se, hvad kameraet fanger — men for kinesiske brugere er det ikke Apples egen model, der udfører arbejdet. Det er Qwen, Alibabas model. Apple og Alibaba meddelte det sammen i slutningen af oktober. Testene starter den 4. november, og den offentlige udgave er forventet i december. Hvert spørgsmål sendes til Alibaba, men selskabet lover, at hverken spørgsmål eller svar bruges til at træne deres modeller. Brugeren beholder styringen og godkender det, der sendes. Konkret betyder det: For en kinesisk bruger opfører iPhonen sig som for en fransk — den spørger en kinesisk model, der kører lokalt. Kilde: Global Times.
2Microsoft udgiver en agent på 4 milliarder parametre, der styrer computeren
Microsoft har netop udgivet vægtene til en lille computeragent: fire milliarder parametre, en fil der passer på en 10 GB USB-nøgle. Licensen er åben, og en almindelig kontormaskine er nok til at køre den. I den standardtest, der måler, hvor godt en maskine kan håndtere en computer, når den 66 procents succes — det bedste resultat i den størrelse. Bedre endnu: Den lille agent klikker ikke bare på skærmen, den kan også skrive og køre kode i et terminalvindue og vælger selv, hvilken af de to metoder den bruger. Microsoft understreger, at resultatet for størstedelen kommer fra redskabet omkring modellen, ikke fra modellen alene: referenceagenten stoppede ved 37,6 procent, den trænede agent når 66. Kilde: Microsoft.
3Anthropic tegner nye regler for agenter, der styrer rigtige maskiner
Den 12. november tager Anthropic en ny udgave af sine brugsbetingelser i brug, og den handler om præcis det, agenter gør i dag. Når Claude er koblet til udstyr, der selv kan handle i den fysiske verden — en robotarm, et køretøj, en maskine — bliver tre krav obligatoriske: En kvalificeret operatør skal kunne overvage udstyret og stoppe det, udstyret skal kunne holde en sikker tilstand, hvis forbindelsen falder, og den berørte skal oplyses om, at en maskine blev brugt. Det er første gang et stort laboratorium skriver sort på hvidt, hvad vores egne agenter skal overholde, når de rører ved virkeligheden. Et andet sted bliver reglen nemligere: Det generelle forbud mod målrettede valgkampagner forsvinder. Kilde: Anthropic.
4Fem små modeller, der koordinerer via filer, slår en topmodel
Fem små modeller på 27 milliarder parametre hver, sat på den samme svære programmeringsopgave, gjorde det bedre end en topmodel brugt alene: 9,8 ud af 10 i gennemsnit mod 8,0. Detaljen er vigtig: De taler aldrig med hinanden. Hver har en rolle — en planlægger, to idébrydere der arbejder parallelt, en udfører og en leder — og al koordinering sker gennem filer, der lægges ned på disken, som noter man efterlader på vejen forbi. Medianprisen pr. opgave: 39 cent, mindre end en kop kaffe. Forfatterne peger også på en grænse: Opgaverne er fra 2025, og modellen kan have set dem under træningen. Kilde: GitHub-siden for Memdoor-projektet.
5Collective hæver 100 millioner til en agent, der driver en enmandsvirksomhed
Collective har netop hævet 100 millioner dollar til en meget enkel idé: at selvstændige selv kan klare den administrative del af deres virksomhed. Platformen udarbejder skattekort, sorterer udgifter, håndterer løn og kobler forsikringer sammen — og det er en agent, der udfører arbejdet i baggrunden, i stedet for at give brugeren en bunke programmer, der skal styres. Runden er usædvanlig: 40 millioner i egenkapital plus 60 millioner i kredit, der peger mod kunderne. Selskabet siger, at omsætningen vokser 120 procent om året, og at kunderne har sparet 350 millioner dollar i skat, hvor de højesttjenende sparer op til 40.000 dollar om året. Deres argument: En enmandsvirksomhed kan i dag konkurrere med en chef. Kilde: Collectives blog.
📡 Hold øje med
GitLab giver agenterne et kort over koden i stedet for at få dem til at læse alt igen
GitLab har netop åbnet sin kontekstgraf for alle: ét enkelt, konstant opdateret billede af kode, merge requests, pipelines og sårbarheder, som agenter kan spørge i stedet for at læse alt hver gang. I GitLabs egne tests skulle de tilsluttede agenter op til 45 gange færre forsøg og bruge op til 4,5 gange færre tokens. En kunde svarede på et sikkerhedsspørgsmål om 34 millioner elementer på syv minutter mod en halv dag med manuel søgning. Kilde: GitLabs blog.
Nu har en agent ansvar for at holde øje med jeres andre agenter
Monte Carlo har netop lanceret Bayes, en kollega der holder øje med agenterne i produktion og reparerer det, der går i stykker: den opdager fejl, justerer overvågningen, foreslår rettelser som merge requests eller tickets og kontrollerer bagefter, at rettelsen holdt. Selskabet minder om, at en ingeniør bekvemt kan holde øje med en til tre agenter, og at 74 procent af virksomheder har måttet trække en agent tilbage efter at have sat den i drift. Hos Monte Carlos kunder finder Bayes angiveligt dobbelt så mange hændelser, samtidig med at den skærer over 80 procent af falske alarmer væk. Kilde: Montearlos pressemeddelelse.
SAP sælger jeres agents kontrolrum, ikke kun agenterne
På sin TechEd-konference fremlagde SAP en ny måde at bygge agenter på: Joule Studio lader dig beskrive i hverdagssprog, hvad agenten skal gøre, og teste den i et afgrænset rum, før den sættes i drift, med adgang styret efter rolle, der holder forretningssiden adskilt fra udviklersiden. Selskabet tilbyder også ét sted at styre alle virksomhedens agenter, de valgte modeller (over 70), forbruget og sporene. Sagt ligeud: SAP sælger hele kontrolrummet, ikke en enkelt agent. Kilde: SAPs pressemeddelelse.
DoorDash gør regnestykket: agenterne har kun lavet nogle hundredrede ordrer
På en leveringsplatform, der håndterer 3 millioner ordrer om dagen, kan ordrer fra tredjepartsassistenter tælles på to hænder. Chefen for DoorDash sagde det selv til investorerne: agenterne er blandt de mindst brugte funktioner, og de fleste kunder bestiller stadig i appen. Virksomheden har dog sine egne agenter — bestilling via sms, agent på kommandolinjen, en chatbot — og lukker ikke døren: den nævner endda annoncering i de assistenter. Tallet er nyttigt for alle, der bygger i det her lige nu: støjen om bestillende agenter er enorm, mængden er stadig meget lille. Kilde: referat af resultatopkaldet, indsendt til SEC.
📊 Tendens
En konstant løber gennem dagens nyheder: Agenten er ikke længere hovedpersonen, dens omgivelser er det. Microsoft udgiver en minimal model, hvis pointtal for størstedelen kommer fra værktøjerne omkring den; GitLab sælger et billede, der giver konteksten; Monte Carlo sætter en agent til at holde øje med agenterne; SAP sælger kontrolrummet. Imens minder DoorDash om, at tre millioner ordrer om dagen ikke bliver agentordrer ved hjælp af tro. Bevægelsen de seneste måneder er mindre spektakulær, end den ligner: opmærksomheden flytter fra hjernen til omgivelserne, og netop der afgøres forskellen mellem en demonstration og et redskab, der holder.