The Agent Watch
Briefing · Artiklar · Verktyg · Om EN FR DE ES 中文 IT PT SV FI DA

Dagligt briefing

4 november 2026 · 5 nyheter

🔥 I fokus

1

Anthropic kan nu bevisa vilken modell som svarade dig

När du ställer en fråga till en assistent online kan du inte kontrollera vem som faktiskt svarade: en mellanhand kan smyga in en billigare modell, eller någon kan ändra texten under vägen. Anthropic publicerar ett gratis prototyp, FlashProve, som fäster ett matematiskt bevis på varje svar, utan att någonsin avslöja modellens inre. Testat med Llama 4 Maverick producerar det runt 110 bevistokens per sekund på ett enda kort, och beviset går att kontrollera på 17 sekunder med en vanlig dator. Priset är högt: ungefär 70 till 95 gånger mer beräkning än ett vanligt svar. Och beviset säger bara att rätt modell talade, inte att svaret är rätt. Källa: Anthropic.

2

CrowdStrike köper två experter på att bevaka och testa agenter

När en tillsynsmyndighet frågar ett företag vad en av deras agenter gjorde räcker det inte längre att svara att det var modellen. CrowdStrike tecknade två förvärv samma dag: Fiddler, som observerar och förklarar agenters beteende, och Dreadnode, som automatiskt testar säkerheten hos artificiell intelligens. Båda går in i leverantörens plattform under namnen Falcon Observe och Falcon Guardian, med allmän tillgänglighet utlovad under fjärde kvartalet av räkenskapsåret 2027. En granskning i Wall Street Journal värderar de två affärerna till 495 miljoner dollar, ett belopp CrowdStrike inte bekräftat och som inte finns med i något av pressmeddelandena. Källa: CrowdStrikes pressmeddelanden.

3

Uber sätter en enda portal framför 5 000 verktyg

Varje team på ett stort företag som vill koppla en agent till en intern tjänst skriver till slut sin egen lilla kontakt, med sina egna säkerhetsregler. Till slut vet ingen hur många verktyg som finns. Uber löste problemet uppifrån: en enda katalog med fler än 800 servrar och över 5 000 verktyg, där agenten söker det den behöver i stället för att få allt på en gång. Det viktigaste: verktygen hittas automatiskt, men ingen av dem fungerar förrän teamet som äger den har godkänt den. Uber publicerade sin konstruktion i oktober; det är måndagens analys som tar saken tillbaka i nyheterna. Källa: Ubers ingenjörsblogg.

4

OpenAI lät sina modeller designa en hel apparat

Två ingenjörer på OpenAI designade en komplett elektronisk apparat på mindre än en vecka, vid sidan av sitt vanliga arbete: en modell skrev kraven, en annan ritade formen, höljet, kretskortet och programvaran som styr apparaten. En tillverkare producerade sedan en första serie prototyper på mindre än en månad. Företaget erkänner självt att det krävdes flera granskningsomgångar innan objektet var redo att tillverkas. Den mest avslöjande siffran finns annanstans: sedan februari har användningen av dessa modeller i hårdvaruteamen blivit 23 gånger större. Källa: OpenAI.

5

Ett offentligt prov säger vad agenter är värda på att rätta buggar

Collinear AI har offentliggjort den andra versionen av sin testbänk: en agent ska hitta och rätta en säkerhetsbrist i en riktig koddatabas utan att förstöra det som fungerade. Version 2 räknar 100 publika uppgifter som täcker 91 olika typer av brister. Resultatet förtjänar en andra titt: bästa modellen klarar bara 67,8 procent, och 19 procent av uppsättningen förblir olöst även för den, även efter flera försök. Med andra ord: att lappa säkerhetsbrister är fortfarande hårt arbete för en agent, och dess misstag kan passera obemärkt. Källa: Collinear AI på Hugging Face.

📡 Håll koll på

Honeycomb sätter agenter på era avbrott, dag och natt

Observationsföretaget Honeycomb lanserar agenter som bevakar produktionsutlägg, fångar regressioner innan kunderna ser dem och skriver incidentrapporter. Varje slutsats kopplas till den spårning den kommer från och märks som bekräftad eller som hypotes. Åtkomsten är i ett tidigt skede. Honeycomb hänvisar till en undersökning där 76 procent av teamen säger att kod skriven av artificiell intelligens växer snabbare än deras förmåga att granska den, och 65 procent råkade ut för en incident på grund av en agentloop eller en tokentramsa som skenade. Källa: Honeycomb.

VMware vill att agenter ska fråga era data utan att flytta dem

Med sin Tanzu-plattform erbjuder VMware ett sätt att ge agenter åtkomst till företagets data utan att flytta allt till ett centralt förråd. Agenter går via en katalog med styrda dataprodukter, med exakt samma maskregler som de som gäller för mänskliga läsare. Leverantören lovar färre förbrukade tokens och förutsägbara avgifter för data som lämnar molnet. Källa: VMware Tanzu.

Ebix och intentyx bevakar vad era agenter faktiskt gör

De två företagen lanserar en plattform som upptäcker en organisations agenter, binder deras handlingar till en deklarerad avsikt, alltså syftet, de tillåtna verktygen och den data som är nåbar, och larmar när en agent lämnar den ramen. Ebix chef satsar på att agentstyrning blir en egen säkerhetskategori under 2027. Källa: Ebix pressmeddelande.

Artefact och Dust rullade ut 1 500 agenter på en offentlig bank

Den franska offentliga investeringsbanken Bpifrance testade i fyra månader med hundra anställda, hittade över sextio möjliga användningar och gick sedan över till femhundra licenser och tusenfemhundra agenter inom några månader. Regelverket, vem som äger vilken licens, hur riskabel en agent är och hur anslutningar bevakas, var på plats på mindre än fyra veckor. Källa: Artefact.

📊 Trend

En tråd går genom dagens nyheter: det handlar inte längre bara om vad en modell kan, utan om vad en agent är värd och hur man bevisar att den är den den påstår sig vara. Anthropic hittar på det matematiska beviset. CrowdStrike köper verktygen som förklarar vad agenter har gjort. Uber lägger aktivering av verktyg bakom mänskligt godkännande. Ett offentligt prov säger att att lappa säkerhetsbrister är ett svårt hantverk, med 67,8 procent som bästa resultat. Och OpenAI har fått sina modeller att designa en hel apparat. Branschens tyngdpunkt är inte längre modellen, utan beviset, kontrollen och mätningen.