Daglig briefing
5. november 2026 · 5 historier
🔥 I fokus
1Kimis K3.1 Pro-vægtene er ude, og over 20 millioner dollar skal der betales
Nu kan du endelig hente Kimi K3.1 Pro: den første del af vægtene, 2,3 gigabyte, kom uden adgangskode og uden at oprette en konto. Modellen er enorm, med 2 800 milliarder parametre i alt og kun 104 aktive per ord, og den matcher de bedste, når den arbejder på computeren. Men den egentlige overraskelse ligger i licensen. Du må bruge den, kopiere den, sælge den videre og endda træne dine egne modeller på den. Undtagen: overstiger du 20 millioner dollar i omsætning over tolv måneder, skal du underskrive en separat kommerciel aftale med udgiveren, og overstiger du 100 millioner aktive brugere om mådenen skal dens navn stå på skærmen. Intern brug bliver derimod fri uden vilkår. Det er lidt som en kaffemaskine, du må kopiere til alle køkkener: over et vist antal kopper om dagen skal der laves en aftale med fabrikanten. Kilde: Moonshot AI's lager på Hugging Face.
2Fem personer og 32 millioner dollar: en åben model slår kæmper på 800 milliarder
Et amerikansk firma med fem ansatte udgiver en model, hvis vægte alle må hente. Ripple-65B har 65 milliarder parametre, trænet fra bunden på 12 000 milliarder ord af tekst og kode. I testen af arbejde på kommandolinjen går den foran modeller, der er langt større: 80,5 point, mod 80,1 for en model på 501 milliarder og 76,4 for en på 816 milliarder. Det mest overraskende er, at den passer i hukommelsen på én skrivebordscomputer. Udgiveren siger, at den udviklede og trænede den for 32 millioner dollar, mens det samme arbejde ville have kostet over 100 millioner for tre år siden. Udgiveren tilføjer, at modellen nåede dertil med 70 gange færre træningsforsøg. Det er som om fem personer byggede en passagerfly i en garage, mens flyselskaberne konkurrerer med deres egne værksteder. Kilde: Ricursives lager på Hugging Face.
3En agent fra OpenAI fandt og rettede 948 huller i Linux-kernen på ti dage
OpenAI beskriver en helt automatisk produktionslinje: at finde den kode, der rører sikkerhed, at gengive hullet, at tjekke om det giver nogen kontrol, at skrive rettelsen og få det hele læst igennem af en menneskelig forsker. I løbet af ti dage i oktober 2026 undersøgte maskinen 2 308 mulige huller, gengav 1 724 af dem og fremstillede 948 rettelser, hver med sit eget bevis på udnyttelse. Regningen for modeladgang endte på 1,21 millioner dollar, altså cirka 1 279 dollar pr. rettet hul. Og beløbene for at lede efter den slags fejl tælles i tiere af tusind dollar pr. styk. Den anvendte model er ikke offentlig endnu. I praksis vedrører det den maskine, som dette websted kører på. Det er som et hold robotlåsesmede, der prøver hvert lås i en bygning, noterer de, der giver efter, og fremstiller en ny nøgle. Kilde: OpenAI's forskningspublikation.
4Anthropic køber sin første indhold: Associated Press-resultater i Claude
Aftenen efter det amerikanske valg viste Claude resultater, der var «leveret og tilskrevet Associated Press». Det er første gang, Anthropic betaler en nyhedsredaktion for retten til at bruge dens indhold. Hverken pris, løbetid eller omfang er offentlige: ingen kan vide, om aftalen dækker hele kataloget eller kun valresultaterne. Redaktionen skifter side, efter længe at have forsvaret, at genbrug af indhold på nettet hører til det fælles ejendom. Den har få uger til børsnoteringen, og den har netop underskrevet. Det er som en tv-vært, der køber sine nyheder i avisen i stedet for at gå hen og kopiere dem selv. Kilde: Adweeks undersøgelse, bragt videre af The Verge.
5Peking blokerer Softbanks køb af ABB: robotternes data bliver en statssag
Peking har forbudt Softbank at købe robotikdivisionen i det schweiziske ABB, en handel på 5,4 milliarder dollar, der skulle have gjort japaneren til en tung aktør inden for fysisk kunstig intelligens. Begrundelsen er ny: brugerdata fra ABB's roboter kunne, hvis de forlod landet, bruges til at træne modeller, også OpenAI's, og Softbank er investor i selskabet. Det er første gang, en handel afvises med den udtrykkelige begrundelse at beskytte træningsdata. Hverken Softbank, ABB eller de kinesiske myndigheder ville kommentere. Det er, som om man nægtede at sælge en robotfarm til et naboland, fordi man frygter, at brugen af de maskiner ville træne landets kunstige intelligens. Kilde: Financial Times' undersøgelse, bragt videre af Reuters.
📡 Hold øje med
Claudes vandmærke kan omgås med én indstilling
Anthropic tilføjer sit usynlige tekstvandmærke til de ældre Claude-modeller, i tide før decemberfristen for de europæiske regler om kunstig intelligens. På nogle modeller dukker vandmærket kun op, hvis genereringsindstillingerne står på deres standardværdier: ændr temperaturen, eller top_p, eller top_k, bare en smule, og det forsvinder. Anthropic advarer kunder, der er afhængige af vandmærket for at overholde reglerne, om ikke at røre ved de indstillinger. Virksomheden siger, at vandmærket ligger i selve modellen, så det gælder på alle platforme, og kunderne kan ikke slå det fra. Kilde: The Decoder.
OpenAI køber Pierre, så Git kan følge med kodeagenter
OpenAI overtager Pierre Computer, selskabet bag Code Storage og flere frie udviklerværktøjer. Pierres biblioteker driver allerede kodeagenten Codex: Trees bladrer hurtigt gennem filerne i et projekt, Diffs viser, hvad der er ændret, og lader dig rette én linje lige der, hvor du ser problemet, Highlights farvelægger koden, mens du skriver eller mens en agent skriver. OpenAI siger, at overtagelsen skal få Git til at fungere, når mennesker og agenter skriver kode side om side. De frie projekter forbliver frie, og handlen afventer stadig myndighedernes godkendelse. Kilde: OpenAI's meddelelse.
En offentlig prøve siger, hvor agenterne sidder fast i skyen
CloudOpsBench er en ny fri prøve, der måler, hvor godt agenter klarer de almindelige administrative opgaver i Amazons sky: at reparere en tjeneste, fjerne en ressource, begrænse en adgang, udrulle en opdatering. Version 1.0 indeholder 45 rigtige opgaver, bygget af erfarne driftsingeniører. Den bedste model, Claude Fable 5.1, løser 60 procent, GPT-6 Astra 53 procent. Omkring 80 procent af fejlene skyldes en forkert vurdering af opgavens omfang, en tjeneste, der ikke blev tjekket, eller at man stoppede for tidligt, og cirka 20 procent er forkerte handlinger, nogle med varige følger for infrastrukturen. Kilde: CloudOpsBench-projektet.
Uber: fire ture bestilt af agenter, ud af 320 millioner
Uber sagde ved resultatfremlæggelsen, at i selskabets travleste uge i kvartalet, ugen omkring Halloween, blev kun fire ture og fem hundrede madbestillinger lagt ind gennem en agent, ud af cirka 320 millioner ture og bestillinger i alt. Direktøren talte om en udbredelse, der er «meget, meget tidlig og meget begrænset». En sandsynlig forklaring: appen bestiller allerede et tur på halvtreds sekunder og genbestiller en yndlingsret på halvfems sekunder. DoorDash meldte om kun nogle hundrede bestillinger fra agenter. Det agentiske net er stadig meget lille. Kilde: TechCrunch.
📊 Tendens
En tråd løber gennem dagens nyheder: spørgsmålene er ikke længere tekniske, men kontraktlige. Moonshot sætter den tærskel, hvorover man skal underskrive. Anthropic betaler en avis for retten til at citere den. En regering afviser et salg, fordi en robots data kunne træne en model. Og OpenAI sætter en pris på sikkerhed: 1 279 dollar pr. rettet hul, når beløbene for den slags problemer er ti gange højere. Samtidig skifter agenten fra løfte til hverdagstjeneste: en model, der læser inde i skyen, et kodeværktøj, der gør sig klar til gennemsyn, en platform, der tæller de ture, agenter bestiller. Kampen flytter sig til kontrakter, regninger og garantier, og det er dér, den afgøres.