Dagligt briefing
9 november 2026 · 5 nyheter
🔥 I fokus
1Google låter en agent granska arbetet som inte vet något om projektet
Google har öppnat en granskningsmetod som ryms i en bild: en «elefant» skriver specifikationen med all kontext, en «röd fisk» läser den om utan något spår av skrivkonversationen. Granskaren har inget att försvara, eftersom han inte skrev något, och letar därför efter outtalade antaganden, suddiga krav och risker som författaren hoppade över. Lagret är fritt, har över 15 000 stjärnor och installeras på Codex CLI, Claude Code och Antigravity. Tre roller delar arbetet: författaren, den nykomna granskaren och en människa som avgör de upplypta punkterna. I praktiken är det metoden man använder när man ger ett dokument till en kollega som inte var med på mötet: han ställer den fråga författaren aldrig tänkt på. Källa : https://github.com/google/elephant-goldfish-model
2Anthropic förklarar agenternas minne: fyra lager och ett nattpass
Anthropic har publicerat hur agenternas minne är uppbyggt. Fyra lager, nedifrån och upp: den råa loggen från sessionerna, anteckningar som Claude själv skriver, uppslagsblad som länkas till varandra och slutligen en kort lista som matas in i början av varje session. Där emellan pågår ett bakgrundsarbete som företaget kallar drömmen: utanför varje konversation läser systemet igenom loggarna, rättar felaktiga anteckningar, skapar det som saknas och gallrar det som blivit inaktuellt. Mätvärdena är publicerade: på kontinuerlig inlärning går Opus 5.5 från 0,655 till 0,838 med minne, Sonnet 5.5 från 0,644 till 0,833, och Opus 5 vinner mest, från 0,564 till 0,828. En lärdom är enkel: den matade listan måste vara kort. Varje rad kontext som levereras tar plats och kan försvaga lydnad. Källa : https://www.anthropic.com/research/components-of-agent-memory
3En modell som alla kan ladda ner når upp till den reserverade
Vals AI lät agenter angripa två fejkade företagsnätverk ensamma, Nova och Lighthouse, och räknade de uppnådda målen. På det svårare nätverket, Lighthouse, når OpenAI:s modell för säkerhetspartners 27 mål av 31; DeepSeek, som alla kan ladda ner, når 21. På det enklare nätverket är de lika: 16,3 mål av 21 för DeepSeek mot 15,7. Prisklyftan är tydlig: ett försök kostar under 3 dollar med DeepSeek och omkring 22 med OpenAI:s modell, tio gånger mindre. En detalj ändrar läsningen: DeepSeek lyckades ingenting under de första 25 miljonerna arbetsord och tog verkligen fart först efter 100 miljoner. Ett kort test underskattar billiga modeller. För våra egna servrar är frågan inte längre «kan en agent komma in?» utan «med vilken modell, till vilket pris, på hur lång tid?». Källa : https://www.vals.ai/benchmarks/cyber_offense
4Ett laboratorium tar in 120 miljoner dollar för att skicka agenter mot våra driftstopp
Traversal tar in 120 miljoner dollar i serie B och är nu värd en miljard. Företaget skickar agenter för att undersöka driftstopp utan att vänta på att en ingenjör ska öppna ett ärende. Sammanhanget är mätt: 42 procent av utvecklarna skriver nu större delen av sin kod med hjälp av artificiell intelligens, mot 12 procent för ett år sedan, men 52 procent tar längre tid att felsöka när koden väl är i drift. Traversal:s månatliga undersökningar gick från 513 till nästan 73 000 på ett år. Gränsen erkänns av deras driftchef på Anthropic: stora modeller går inte att lita på för incidenthantering, eftersom de lätt förväxlar det som händer samtidigt med det som orsakar. Källa : https://www.traversal.com/blog/traversal-series-b-120-million-ai-sre
5Modellen laddas ner utan problem, men dess licens förbjuder att sälja den
Utgivaren webAI har publicerat vikterna för TwIL-8B, en resoneringsmodell med 8,8 miljarder parametrar som bygger på IBM:s Granite 4.2. Den ryms i 5 gigabyte och körs på en skrivbordsdator: de sex viktfilerna laddas faktiskt ner. Men licensfilen som lästs i lagret heter «webAI Non-Commercial License ver. 1.0» och slår fast att modellen och dess härledningar får användas bara för forskning och undervisning, aldrig kommersiellt. Basmodellen står däremot under Apache 2.0, utan omsättningströskel och utan uteslutet land. Det är fången att undvika: en nedladdningsbar viktfil är inte en användbar viktfil för en betald verksamhet. Lärdommen gäller varje modell vi härbärgår åt kunder. Källa : https://huggingface.co/webAI-Official/TwIL-8B
📡 Håll koll på
En tio år gammal SSH-brist, hittad av en svärm agenter och utnyttad inom timmar
En forskare satte igång en svärm agenter som körde omkring 17 600 autentiseringsförsök över tolv OpenSSH-konfigurationer, och hittade en brist som gör det möjligt att logga in utan lösenord på Linux-system som bygger på musl, som Alpine. Den rättades den 5 november i OpenSSH 10.6p2 och utnyttades i fält inom timmar efter avslöjandet. Projektets chef anser nu att långa embargofåster är farliga, eftersom agenter ibland hittar samma brist igen inom några timmar. Källa : https://www.bleepingcomputer.com/news/security/openssh-flaw-lets-attackers-log-into-password-disabled-linux-accounts
Adobe placerar sin kundrelationsagent i ChatGPT, Claude, Gemini och Copilot
Adobes agent för kundrelationer, hittills bara använd i Adobes egna verktyg, blir nu tillgänglig på de plattformar företag redan använder: ChatGPT, Claude, Gemini for Business, Copilot, och snart Amazon, IBM och Snowflake. Adobe lägger till färdiga kopplingar för ett tiotal marknadsföringsverktyg, byggda på öppna standarder. Idén: en enda begäran räcker för att hämta data, agera i systemen och förbättra kundresan, utan att företaget självt skriver kopplingarna. Över 20 000 märken använder redan dessa tekniker. Källa : https://news.adobe.com/news/2026/11/adobe-integrates-agentic-cx-enterprise-coworker-into-ai-platforms
Google tar agenternas kommunikation med varandra ur experimentstadiet
Version 2.14 av Googles verktygslåda för agenter, publicerad den 7 november, tar flera delar ur experimentstadiet: protokollet som låter agenter prata med varandra, de isolerade körmiljöerna, granskningsverktygen och kärnan i motorn. Den lägger också till en direkt koppling till Teams-konversationer och ett granskningsläge som kör varje fall flera gånger för att mäta en andel lyckade körningar i stället för en enda. Google uppger dessutom snabbare långa uppgifter. Källa : https://github.com/google/adk-python/releases/tag/v2.14.0
En inkorg för agenter som arbetar i timmar
Plannotator lanserar en inkorg byggd för agenter som kör länge: agenten lämnar där sina frågor, sina hinder, sina planer och sina skisser, och fortsätter arbeta. Menschen öppnar lådan när tid finns, svarar eller kommenterar, och det svaret blir nästa tur i sessionen. Allt stannar på maskinen, och samtalen grupperas per tråd. Lagret är fritt, och projektet släppte flera versioner den 8 november. Källa : https://plannotator.ai/inbox/
📊 Trend
Ingen ny stjärna i morse: de osynliga delarna syns nu. Minnet som en agent håller mellan två sessioner, granskningen som lämnas till en främling, priset på en intrång som utförs av en modell alla kan ladda ner, agenten som åker iväg för att undersöka ett driftstopp utan att någon kallat, inkorgen som för tillbaka frågorna, och licensen som avgör om det nedladdade får säljas. Dagens fråga är alltså inte längre vilken modell som är bäst, utan under vilka villkor en agent får arbeta inom ett företag: med begränsat minne, en ny blick på sitt eget arbete, en skriven gräns och rätten att tjäna pengar på resultatet.