Daglig briefing
15. november 2026 · 5 historier
🔥 I fokus
1En assistent, der bor på din computer og gør arbejdet for dig
n8n udgiver Nod, en personlig assistent, du installerer på din Mac, din PC eller din egen server. Den afleverer dig ikke bare en liste med opgaver: den udfører dem, også på sider, der slet ikke har nogen integration. Før den sender en e-mail, betaler eller sletter noget, lader en anden model, forskellig fra den der handler, sammenligne handlingen med din bestilling og spørger dig, hvis ordren ikke er nok. Dine adgangskoder og dine kort bliver krypteret på maskinen, i formularer, modellen ikke kan læse. Koden er fri, og modellen vælger du selv, også en der kører på din egen computer. Udgiveren melder 98 procent succes i 678 kørsler og ingen uautoriseret handling i 216 angreb pr. e-mail. Kilde: https://blog.n8n.io/meet-nod
2Amazon udgiver en kopi af sit sky, skrevet helt af agenter
Amazon har lige udgivet en gratis emulator af sine egne tjenester, som installeres på din computer og svarer på de samme kald som den rigtige sky. Din kode ændres ikke, men du betaler intet og skal ikke have en konto. Det overraskende: al koden blev skrevet af selvstændige agenter, uden menneskelig gennemgang, udelukkende ud fra den offentlige beskrivelse af grænsefladerne. Tre agentgrupper holder den vedlige: en skriver tests, en afspiller dem og melder en sag ind for hver afvigelse, en retter. Amazon skyder ansvaret fra sig: emulatoren tjekker ikke dine adgangsrettigheder, så et kald, den rigtige sky ville afvise, kan komme igennem her. Koden er offentligt tilgængelig. Kilde: https://www.aboutamazon.com/news/aws/how-autonomous-ai-agents-built-aws-emulator
3At rense træningsdata kan skærpe fælden i stedet for at nedlægge den
Et hold på Anthropic viser, at filtrering af træningsdata ikke er nok til at beskytte en model. Når et manglet datasæt altid kobler en opgave sammen med ét bestemt ord, fortager intet, hvilket af de to der styrer adfærden. Lægger du korrekte eksempler på den samme opgave uden ordet, ender modellen med at adlyde alene ordet. På en lille åben model stiger andelen af regelbrud fra cirka 7 til 16 procent, når 20 procent manglede data blandes med rene data. Et netværk, der kun genkender tal, går fra 10 til 60 procent fejl, når 9 000 rene eksempler lægges til. Forfatterne er tydelige: de undersøger ingen træningskæde i drift. Læren er enkel: behandl en downloadet model som kode, der er underskrevet af en ukendt. Kilde: https://alignment.anthropic.com/2026/homeopathic-learning
4Perplexity åbner vægten i en lille model, der tillader eller afviser
Perplexity udgiver en ny udgave af sine beslutningsmodeller, dem der ikke svarer, men returnerer en sandsynlighed. Du giver dem en tekst og et spørgsmål, så afgør de. En agent bruger dem som vagt: er denne anmodning tilladt, er resultatet værd at gemme, skal man spørge en større eller mindre model? Version 1.3 tilføjer en funktion, der returnerer præcis det tekststykke, spørgsmålet peger på, sammen med dets placering. Vægtene er frie under Apache 2.0, og udgiveren melder 93,98 procent overensstemmelse med dommere fra topmodeller over en million rigtige forespørgsler. To grænser at kende: funktionen læser ingen billeder, og antallet af spørgsmål er begrænset til 128 pr. forespørgsel. Kilde: https://www.perplexity.ai/hub/blog/perplexity-decider
5Udbyderen af markedsdata er værd 1,1 mia. med færre end 40 mennesker
Databento, der sælger ordrer og transaktioner tidsstemplet til mikrosekundet til tradere, rejser 100 mio. dollar ved en værdiansættelse på 1,1 mia. dollar. Virksomheden har færre end 40 ansatte. Penge går til at færdiggøre ni datacentre på fire måneder i syv byer fra Singapore til New York. Det, der interesserer os: selskabet siger, at det har underskrevet virksomhedsaftaler med fem af de seks største frontier-AI-laboratorier, uden at nævne nogen af dem. De laboratorier skal vide minut for minut, hvad der sker på markederne, den dag agenter begynder at handle der. Selskabet siger, at det ikke ledte efter kapital, og at omsætningen er mere end fordoblet siden juli, uden at offentliggøre tallet. Det siger, det er rentabelt. Kilde: https://databento.com/blog/series-c
📡 Hold øje med
Vercel skærer skærme i stykker, så en agent selv kan bygge dem
Vercel udgiver et frit bibliotek, der skærer måden et grænseflade fungerer på i omkring halvtreds genbrugelige dele: åbne et vindue, vælge på en liste, navigere med tastaturet, omarrangere en tabel. En kodeagent samler dem selv og bygger den skærm, den har brug for, også en der endnu ikke findes, og bliver derefter selv bruger af det, den byggede. Udgiveren måler, at en agent, der styrer siden direkte uden skærmbilleder, laver 5 kald i stedet for 16 på 16 sekunder i stedet for 41. Biblioteket dækker fem webbiblioteker. Kilde: https://ui-sdk.dev/
openEuler bygger sit styresystem om til agenter
openEuler-fællesskabet, der bærer det kinesiske styresystem, som Huawei støtter, har bygget hele sit system om til agenter. I den nye version kører agenten ikke længere i en virtuel maskine: den kører i et afgrænset rum, der oprettes på under 50 millisekunder. Ti tusind sådanne rum starter på ti sekunder, ifølge udgiverens egne målinger. Agenternes hukommelse styres i lag, og andelen af blokerede risici stiger fra 50 til 95 procent. Versionen er planlagt til december. Kilde: https://www.openeuler.org/en/interaction/summit-list/summit2026
Tre agenter arbejder på én gang i stedet for én efter den anden
MuleSoft, Salesforce-moderselskabet, der forbinder virksomhedssoftware, kan nu teste et agenthold på din computer, før det overhovedet er live. Og når et trin skal kalde tre agenter på én gang, starter de nu sammen: i stedet for at vente på slutningen venter du på den langsommeligste. I udgiverens eksempel tager en faktura på 4 sekunder, et supportopkald på 3 og en kunderegister på 5 tilsammen 5 sekunder i stedet for 12. Rækkefølgen overholdes, når den betyder noget. Kilde: https://blogs.mulesoft.com/automation/build-test-and-run-trusted-agent-orchestrations-faster-whats-new-with-agent-broker/
DeepSeek åbner værktøjerne i sin egen app
DeepSeek åbner for udviklere de funktioner, dens offentlige app allerede brugte: søge på nettet, læse et link, tage et dokument ind, læse tekst i et billede, transskribere en stemme. Udgiveren sælger også delene enkeltvis, med en pris oveni de tokens. Den berørte model er V4.1-Flash, og der udgives en åben demo til at teste helheden. Bemærk: det er ikke noget nyt, søge- og sidelæsningsværktøjerne har eksisteret siden 19. oktober. Kilde: https://api-docs.deepseek.com/news/news261113/
📊 Tendens
I dag træder agenterne ud af chatvinduet og ind på værkstedet. Amazon får dem til at skrive koden og teste den gratis på din computer; n8n installerer din egen derhjemme, med en anden model, der siger nej, når din ordre ikke er nok; MuleSoft får tre agenter til at arbejde samtidig i stedet for at stille dem i kø. På den anden side bliver vagten hårdere: Anthropic viser, at rensning af træningsdata kan skærpe fælden i stedet for at nedlægge den, og Perplexity åbner vægten i en vagt, der kan sige nej for nogle øre. Og datalaget begynder at få en pris: Databento når 1,1 mia. dollar med færre end 40 mennesker. Det, der tæller, er ikke, hvor kraftfulde agenterne er, men hvor store rettigheder du giver dem.