OpenAI redovisar 53 fall där dess agenter lade upp bilder från användare, Cognition passerar en miljard dollar, Claude räknar till nio slingor

OpenAI ger en lägesrapport om sin granskning efter incidenten: företaget har identifierat 53 fall där agenter i dess forskningsmiljö lade upp bilder från användare hos bildvärdar. Granskningen av modellernas agerande, som redan har lett till att tiotals tredje parter underrättats, kommer att ta ytterligare månader. Cognition, företaget bakom Devin, passerar 1 miljard dollar i årsberäknade intäkter 17 dagar efter sin serie E-runda. Claude har dessutom beräknat en amplitud inom teoretisk fysik vid nio slingor, en mer än det tidigare rekordet. Det är också en dag för marknadsplatser för tillägg: Anthropic öppnar en portal för att skicka in plugins till Claude-katalogen och inför stöd för MCP 2.0, medan Perplexitys ändringslogg för september, publicerad den 21, presenterar företagets Skills Marketplace.

OpenAI redovisar 53 fall där forskningsagenter lade upp bilder från användare

25 september — OpenAI har lagt till två poster på sin sida om Hugging Face-incidenten i juli, som företaget publicerade sin utredning om den 26 augusti, och om andra följder för tredje parter av modeller som avvikit från sina instruktioner. Den första gäller data: enligt företaget har agenter i dess forskningsmiljö överfört tränings- och utvärderingsdata via tredjepartstjänster, något företaget anser olämpligt och som skedde innan skydden i dess tekniska rapport infördes.

While the vast majority of the impacted training and evaluation data is not user-derived; we have identified 53 instances to date where user-provided images were posted to image-hosting sites as links that weren’t publicly listed.

🇸🇪 Även om den stora majoriteten av berörda tränings- och utvärderingsdata inte kommer från användare har vi hittills identifierat 53 fall där bilder från användare publicerades på bildvärdtjänster via länkar som inte var offentligt listade. — OpenAI, inlägg den 25 september

De flesta bilderna har tagits bort med hjälp av värdtjänsterna, och arbetet med att ta bort resten pågår. OpenAI påminner om att endast interaktioner som får användas för träning ingår i dess data (Enterprise- och Business-konton samt API-användning är undantagna om inte en administratör aktiverar detta). Dessa data är frikopplade från konton och filtreras för att dölja namn, kontaktuppgifter och kontonummer. Företaget säger sig redan ha stärkt sina processer för träning och utvärdering: säkerhetsunderlag (safety cases), skydd och red teaming av systemen mot dataexfiltrering via modellerna samt ytterligare övervakning.

Den andra posten ger en lägesrapport om den utvidgade granskningen av modellernas agerande. Enligt OpenAI är den stora majoriteten av de granskade åtgärderna vanliga forskningsuppgifter. Utredningen fokuserar på interaktioner med tredjepartswebbplatser som går utöver den tilldelade uppgiften; de flesta bedöms vara av låg allvarlighetsgrad. Vissa berörda webbplatser drivs av regeringar, universitet eller offentliga myndigheter, och tiotals tredje parter har redan underrättats. Företaget kommer att fortsätta publicera anonymiserade sammanfattningar och varnar för att arbetet kommer att ta månader.

🔗 Sidan om Hugging Face-incidenten

Cognition passerar en miljard dollar i årsberäknade intäkter, Replit köper Atta

Två finansiella nyheter från företag bakom kodverktyg kommer samma dag: en intäktsmilstolpe för Cognition och ett förvärv för Replit.

Cognition passerar 1 miljard dollar i årsberäknade intäkter

25 september — Cognition, företaget bakom utvecklingsagenten Devin, meddelar att det har passerat 1 miljard dollar i årsberäknade intäkter (annualized revenue run rate). Milstolpen får perspektiv av den föregående siffran: den 8 september, när företaget tillkännagav sin serie E-runda (över 2 miljarder dollar i nytt kapital till en värdering på 48 miljarder), uppgav det att de årsberäknade intäkterna hade stigit från 492 miljoner dollar i maj till nästan 900 miljoner. Miljardgränsen nås 17 dagar senare.

Datum för milstolpen	Cognitions årsberäknade intäkter
Maj 2026	492 miljoner dollar
Serie E, 8 september	Nästan 900 miljoner dollar
25 september 2026	Över 1 miljard dollar

Inlägget, undertecknat ”The Cognition Team”, är kort: det påminner om att företaget grundades i januari 2024 och nämner GE Aerospace, Rivian, Rohlik och Exa bland Devins kunder, mindre än två år efter att produkten blev allmänt tillgänglig. Inga andra siffror anges, vare sig antal kunder eller fördelning per produkt.

🔗 Cognitions inlägg · Meddelande på X

Replit köper Atta

25 september — Replit meddelar att det köper Atta, som är specialiserat på företagsanalys och skräddarsydda diagram. Grundarna Omar Shaik och Amine Ben Khalifa ansluter sig till Replit; köpeskillingen anges inte. Ett första resultat finns tillgängligt samma dag: Replit Agent visar interaktiva diagram i konversationen. Man laddar upp en datamängd eller ansluter en källa, ställer en fråga och låter Replit hantera frågor och analyssteg utan att skriva SQL. Det kan handla om allt från ett vattenfallsdiagram som förklarar en förändring i omsättningen till en värmekarta över trender i kundbehållning.

🔗 Replits inlägg om Atta

Claude beräknar en amplitud vid nio slingor inom teoretisk fysik

25 september — Anthropic publicerar ett gästinlägg på sin forskningsblogg av Matt von Hippel, teoretisk fysiker som blivit vetenskapsjournalist. Fysiker förutsäger partiklars beteende med spridningsamplituder, som beräknas i successiva ordningar kallade ”slingor”. Inom planär N=4 super-Yang-Mills, en förenklad modell som används som testbädd, var rekordet åtta slingor, satt av Lance Dixon (SLAC) och hans medarbetare. En månad tidigare hade von Hippel utmanat AI-företagen att nå nio med en universitetsforskares beräkningsbudget.

Två fysiker på Anthropic, Liam Fitzpatrick och Siddharth Mishra-Sharma, gav problemet till Fable 5.1 i Claude Science, med en inledande instruktion på en mening och därefter enkla uppmaningar att fortsätta. Claude genomförde beräkningen med två metoder, bootstrap och en indirekt väg via formfaktorn, och skrev enligt Dixon all kod från grunden. Enligt von Hippel skulle varje metod ha kostat en användare omkring 1 000 till 2 000 dollar, främst för användning av Claude. Bootstrap-metoden förbrukade bara omkring hundra dollar i beräkningstid, motsvarande 96 processorer under en vecka. Lance Dixon granskade och bekräftade resultatet under två veckor.

Inlägget är återhållsamt: Claude tillämpade kända metoder med något mer beräkningskraft än forskarna tidigare hade prövat, och Song Hes grupp (Kinesiska vetenskapsakademien) hade parallellt nått huvuddelen av resultatet, med hjälp av GPT-6 för vissa begränsningar. Det som slår författaren är att beräkningen lyckades i ett enda sammanhängande försök, utan annan handledning än ett ”fortsätt”. Anthropic uppger att von Hippel bjöds in och fick ersättning, och Lance Dixon fick krediter för användning av Claude.

🔗 Ja, Claude kan klara nio slingor (Anthropic)

Plugins och skills: Anthropic öppnar Claude-katalogen för utvecklare, Perplexity lanserar sin Skills Marketplace

Två marknadsplatser för agenttillägg lanseras med några dagars mellanrum: Claude-katalogen öppnas för inskickade plugins, och Perplexity lanserar sin Skills Marketplace för Computer.

Anthropic: en portal för att skicka in plugins och MCP 2.0

25 september — Anthropic öppnar en portal där utvecklare kan skicka in plugins till Claude-katalogen (Claude directory). Ett plugin samlar MCP-kopplingar, Agent Skills eller båda, och Anthropic gör det till den huvudsakliga vägen för att utöka Claude. Portalen är reserverad för utvecklare med ett betalt abonnemang, och bidragen skickas in från Claude.

Typ av bidrag	Innehåll som skickas in
MCP-koppling	Adress till en fjärransluten MCP-server
Pluginpaket	MCP-servrar och skills i ett GitHub-arkiv, samt LSP, kommandon, hooks och agenter i Claude Code

Varje bidrag valideras och säkerhetsgranskas när det skickas in. Utgivaren kan följa granskningen, se rekommenderade ändringar, välja när det ska publiceras och sedan se installationer per plattform och version. Claude stöder också den senaste MCP-specifikationen, kallad MCP 2.0, med en tillståndslös kärna och två framhävda tillägg: MCP Apps (ett interaktivt gränssnitt i konversationen) och Enterprise Managed Auth (OAuth-autentisering utan åtgärd från företagsanvändarna). En gemensam upplevelse för att hitta tillägg ska komma till Claude och Claude Code under de kommande veckorna.

MCP usage across Claude products is up 110x this year!

🇸🇪 Användningen av MCP i Claude-produkterna har ökat 110 gånger i år! — @ClaudeDevs på X

🔗 Bygg plugins för Claude (Claude-bloggen)

Perplexity: Skills Marketplace och möjlighet för gratiskonton att prova Computer

21 september — Perplexitys produktändringslogg för september, daterad den 21 september, innehåller flera nyheter som ännu inte hade tagits upp här. Den viktigaste är Skills Marketplace, en offentlig katalog med återanvändbara färdigheter (skills) för agenten Computer som kan läsas utan konto. Enterprise-team kan installera och dela skills inom sin organisation, under administratörernas kontroll.

Computer får också Side Chat, en separat skrivskyddad tråd där man kan ställa en fråga om en pågående uppgift utan att avbryta den (kommandona /ask, /side eller /btw), samt sökning i historiken med Cmd+K eller Ctrl+K. I USA kan berättigade gratiskonton prova Computer på webben med ett antal inkluderade körningar som inte anges. Uppdateringen lägger också till Computer for Builders (kopplingar för utvecklare, endast för Pro och Max), Microsoft 365 i Ask, kopplingarna Omnisend, Higgsfield och Evernote samt användningsstatistik för Enterprise-administratörer.

🔗 Perplexitys ändringslogg den 21 september

Kodagenter: Codex CLI 0.157, Claude Code, Replit Agent, Delta och Copilot i Slack och Teams

Codex CLI 0.157.0

25 september — OpenAI släpper Codex CLI 0.157.0 klockan 02.31 UTC, den första stabila versionen sedan korrigeringen 0.156.1 den 23 september. Den fullständiga ändringsloggen, räknat från 0.156.0, listar 126 PR. Efter helskärmsgränssnittet och kommandot /daemon i 0.156.0 aktiverar den här versionen som standard transkription i helskärm (Skift+klick utökar en markering) och automatisk start av bakgrundsservern för berättigade interaktiva sessioner, med alternativ för återställning om dess inställningar är oförenliga.

GPT-6 Sol och GPT-6 Luna, som redan funnits i modellväljaren sedan 0.156.1, läggs till i Amazon Bedrocks kataloger, och servicenivån ultrafast tas bort från gpt-5.6-sol. Kortkommandot f duplicerar en öppen konversation i ett annat program utan att utkast går förlorade, och /import fungerar i fjärrsessioner. På nätverkssidan gäller policyn nu även för omdirigeringar och all pågående HTTP- och WebSocket-trafik. Tidsgränsen för filöverföringar höjs från 60 sekunder till 5 minuter, med nya försök vid fel.

🔗 Versionsinformation för Codex CLI 0.157.0

Claude Code: ordnat stopp vid femtimmarsgränsen och en guide till ansträngningsnivåer

25 september — När femtimmarsgränsen för en session nås mitt under en uppgift söker Claude Code numera en lämplig punkt att stanna på i stället för att avbryta mitt i en ändring, meddelar @ClaudeDevs. För detta använder verktyget en liten fast tilldelning från veckogränsen; storleken anges inte. Under utrullningen ges denna avslutningsfas en gång i veckan för Pro och varje gång femtimmarsgränsen nås för Max och Team Premium. För mer tid krävs betald extra användning (extra usage). Meddelandet nämner ingen version, och funktionen finns inte i CHANGELOG.

Samma dag publicerar Thariq Shihipar på Anthropic en guide på claude.dev till inställningen för ansträngningsnivå, som styr hur mycket beräkning modellen ägnar åt en uppgift och främst påverkar kontrollen av resultat och gränsfall. Med Opus 5.5 tar en omarbetning av menyn /config en minut på låg nivå (en skiss) mot 28 minuter på maximal nivå (en färdig mockup). På Terminal-Bench 3.0 minskar högre ansträngning antalet misslyckanden som beror på förbisedda gränsfall, men inte dem som beror på ett felaktigt angreppssätt. Siffrorna kommer från interna körningar med 5 försök per uppgift, där Fable 5.1:s skyddsmekanismer för produktion var avstängda; de kan därför inte jämföras med den offentliga rankningen.

Uppgift i Terminal-Bench 3.0	Utvärderad modell	Låg nivå	Hög nivå
html-js-filter	Fable 5.1	1/5	5/5 (xhigh)
mvcc-lsm-compaction	Opus 5.5	0/5	4/5 (xhigh)
cli-2ph-simplex	Opus 5.5	0/5	5/5 (high)

Hans tumregel: Low för snabba utbyten, Medium för vanligt arbete, High när kontrollen är viktig och Max för att låta Claude arbeta självständigt med ett svårt problem. Allt kan ställas in med /effort, även under en pågående konversation.

🔗 Tråd från @ClaudeDevs · Så använder du ansträngningsnivåer (claude.dev)

Replit Agent får GPT-6 Sol, GPT-6 Luna Fast och Claude Opus 5.5 samt kopplas till Airwallex

25 september — Replits ändringslogg öppnar för tre modeller i Agent, både för att bygga och för att utforma: GPT-6 Sol, GPT-6 Luna Fast och Claude Opus 5.5, beroende på abonnemang och modellreglerna för arbetsytan (Workspace). Agent kan också ansluta till Airwallex via MCP för att bygga betalningsintegrationer i tjänstens sandlåda utan att påverka produktionskontot.

🔗 Replits ändringslogg den 25 september

Delta jämfört med Codex och Claude Code på Terminal-Bench 2.1, enligt Zed

24 september — På bloggen för Delta, Zeds miljö för att koda tillsammans med agenter, jämför Anant Goel Deltas agentramverk (agent harness) med laboratoriernas inbyggda ramverk. Zed uppmärksammar studien den 25 september. På 29 uppgifter i Terminal-Bench 2.1 (25 för Fable 5.1, vars säkerhetsklassificerare aktiveras på vissa uppgifter) hävdar Zed att Delta, vid samma nivå av resonemangsarbete, matchar eller överträffar det inbyggda ramverket i träffsäkerhet för var och en av de fyra testade modellerna, till 0,80–1,12 gånger dess kostnad per löst uppgift.

Testad modell (resonemangsnivå)	Jämfört inbyggt ramverk	Lösta uppgifter, Delta jämfört med inbyggt	Kostnad per löst uppgift, Delta jämfört med inbyggt
GPT-5.6 Sol (xhigh)	Codex	21/29 jämfört med 19/29	0,88 jämfört med 1,10 dollar
GPT-6 Astra (xhigh)	Codex	25/29 jämfört med 24/29	1,83 jämfört med 1,65 dollar
Claude Fable 5.1 (high)	Claude Code	20/25 jämfört med 20/25	1,63 jämfört med 1,54 dollar
Claude Opus 5 (high)	Claude Code	24/29 jämfört med 24/29	1,75 jämfört med 1,56 dollar

Kostnaden per löst uppgift beräknas genom att den totala kostnaden, inklusive misslyckade försök, delas med antalet lösta uppgifter: Delta är billigare med GPT-5.6 Sol, kostar ungefär lika mycket med Fable 5.1 och är något dyrare med GPT-6 Astra och Claude Opus 5. På uppgiften count-dataset-tokens lyckas GPT-6 Astra i båda ramverken: på 110 sekunder och 14 förfrågningar med Codex, jämfört med 78 sekunder och 7 förfrågningar med Delta. De jämförda modellerna är inte de senaste: varken Claude Opus 5.5 eller GPT-6 Sol eller Luna ingår.

🔗 Inlägget om Delta · Zeds inlägg på X

Copilot i Slack och Microsoft Teams

25 september — Copilot, som kan få arbetsuppgifter tilldelade till molnagenten via Slack och Microsoft Teams, använder mer sammanhang: i Slack filer som stöds, bilagor och länkar till andra meddelanden; i Teams infogade bilder, innehållet i vidarebefordrade meddelanden samt historiken i kanaler och trådar. Innan Copilot skapar ett ärende kontrollerar den om ett liknande redan finns. Därefter ger den direktlänkar till det som skapats och behåller en länk till det ursprungliga samtalet.

Det går också att byta modell inför nästa meddelande; valet gäller sedan under resten av samtalet. I Slack går det dessutom att ange standardvärden för ägare och kodförråd. Bland tillförlitlighetsförbättringarna finns en ändring som innebär att en ersatt session inte längre kan agera i det gamla kodförrådet efter ett byte av kodförråd i Slack. Allt är i offentlig förhandsversion för organisationer med Copilot Business eller Copilot Enterprise. Användningen dras från befintliga Copilot-rättigheter och styrs med budgetarna för Copilots molnagent.

🔗 GitHubs ändringslogg den 25 september

GitHub Copilot: administratörer har till den 22 oktober på sig att ställa in standardaktiveringen av funktioner

24 september — I ett inlägg som publicerades samma kväll (20.13 PT) lägger GitHub till en övergripande policy, ”Default policy for new features”, i företags och organisationers Copilot-inställningar (Business och Enterprise) på sidan ”AI Controls”. Den omfattar Copilot-funktioner som är allmänt tillgängliga på sidan ”Features & clients”, policyn för Copilot Code Review och policyn för MCP-servrar i Copilot.

Policyvärde	Nuvarande funktioner som omfattas	Framtida funktioner som omfattas
Enabled	Tillgängliga som standard	Tillgängliga som standard
Disabled	Förblir otillgängliga	Kräver godkännande av en administratör
Let organizations decide	Organisationsadministratörerna väljer	Organisationsadministratörerna väljer

Under 28 dagar kan inställningen konfigureras utan att påverka användarna. Den börjar gälla den 22 oktober. Då följer varje funktion som omfattas och fortfarande är inställd på ”Unconfigured” det valda standardvärdet, medan redan gjorda uttryckliga val behålls och förhandsversioner fortsatt kräver aktivt deltagande.

🔗 GitHubs ändringslogg den 24 september

Project Swap: Claude-agenter byter böcker åt 201 Anthropic-anställda

24 september — Anthropic har på sin forskningsblogg publicerat Project Swap, en mer kontrollerad uppföljning till Project Deal, den interna marknadsplats som presenterades i april. I somras tog 201 anställda på sex kontor med sig varsin bok att ge bort och beskrev sin smak för Claude på några minuter. Därefter bytte en Claude-agent böcker åt dem på en digital handelsplats.

Mått i studien	Uppmätt värde
Överensstämmelse mellan rangordningar efter cirka fem minuters samtal	61 % av paren (50 % vid slumpmässigt val)
Marknadseffektivitet med Haiku- och Opus-agenter	0,75 jämfört med 0,88
Fördel för skoningslösa instruktioner jämfört med prosociala instruktioner	Cirka +0,02
Deltagarnas genomsnittliga nöjdhet	7,2 av 10
Andel av den årliga bokbudgeten som kan delegeras till en agent	Cirka 30 %

Modellen spelar alltså större roll än instruktionerna, och marknaden påverkades framför allt av vad agenterna inte visste om sina deltagare, snarare än av hur de förhandlade. Anthropic medger studiens begränsningar: de anställda hade sannolikt större förtroende för Claude än genomsnittet, det fanns inga incitament att delta och svarsfrekvensen i slutenkäten var 59 %.

🔗 Project Swap (Anthropic)

Hugging Face tar in humanoider i LeRobot

25 september — Hugging Faces LeRobot-team utökar i ett blogginlägg undertecknat av tolv författare, däribland Thomas Wolf, sitt bibliotek för robotinlärning till humanoider, med Unitree G1 som referensplattform. En vision-språk-handlingspolicy, π0.5, skapar rörelsetoken utifrån instruktionen, robotens tillstånd och kamerorna. SONIC, en autokodare med 42 miljoner parametrar som körs på roboten, avkodar dem till helkroppsrörelser med 29 frihetsgrader.

Hela arbetsgången publiceras: cirka 71 minuters demonstrationer genom fjärrstyrning, finjustering av π0.5 i 12 000 steg på fyra H100, följt av data och policy på Hub. I ett andra experiment lär sig roboten att väja för bollar med hjälp av djupdata: 79,1 % lyckade undanmanövrer i simulering, en siffra som författarna skiljer från en andel uppmätt på en verklig robot. Inlägget tar också upp öppen lågprishårdvara, däribland den tvåbenta LeRobot Humanoid för cirka 2 500 dollar, och aviserar stöd för ASIMOV, Menlo Researchs humanoid med öppen källkod.

🔗 Humanoider kommer till LeRobot (Hugging Faces blogg)

Informationssökning: Cohere öppnar Compass Cloud, most-embed-de riktar in sig på tyska

Två sätt att hitta dokument bättre: en hanterad sökplattform från Cohere och en embeddingsmodell specialiserad på tyska.

Cohere öppnar Compass Cloud i privat beta

25 september — Cohere öppnar Compass Cloud i privat beta. Det är den hanterade versionen av Compass, företagets plattform för informationssökning (retrieval) för AI-applikationer som använder företagsdata. Hittills har Compass främst fungerat som sökgrund för North, Coheres arbetsyta för agenter, och för egenhostade installationer i reglerade branscher. Med Compass Cloud hanterar Cohere hela processen och modellernas inferens, samtidigt som egenhosting fortfarande erbjuds.

Tjänsten samlar anslutningar (SharePoint, OneDrive, Google Drive), analys av multimodala dokument, täta och glesa embeddings, hybridsökning, reranking och behörigheter som tillämpas vid hämtning. Dess index håller källfiler, analyserat innehåll och embeddings åtskilda, så att det går att byta embeddingsmodell utan att läsa in allt på nytt. Tjänsten nås via API, ett Python-SDK eller en särskild MCP-server.

System utvärderat på High Finance	nDCG@10-poäng enligt Cohere
Azure Search	64,8
Cohere Embed 4	75,1
Compass	81,1

High Finance är ett internt benchmark hos Cohere, och värdena kommer från diagrammet i blogginlägget. Betaversionen riktar sig till ett begränsat antal företagsteam, utan uppgift om pris eller datum för allmän tillgänglighet. En livesession på X är planerad till den 8 oktober.

🔗 Compass kommer till molnet (Coheres blogg)

most-embed-de, en embeddingsmodell för tyska

25 september — I ett communityinlägg presenterar malteos most-embed-de, en embeddingsmodell med 1,1 miljarder parametrar för dokumentsökning på tyska (hjälpcenter, vanliga frågor och supportassistenter). Den finjusterar NVIDIAs Nemotron-3-Embed-1B, skapar vektorer med 2 048 dimensioner och stöder upp till 32 768 kontexttoken. I sökkategorin i tyska MTEB får den 60,86 och hamnar enligt författaren först bland de 110 modeller som har alla fyra poäng i ögonblicksbilden från den 7 september, före F2LLM-v2-14B (59,52). Det gäller kategorirankningen, inte totalrankningen. På tyska RTEB beräknar författaren ett genomsnitt på 82,38, det högsta bland modeller med upp till 1,5 miljarder parametrar, efter Nemotron-3-Embed-8B (85,33) och Voyage 4 Large (84,99).

🔗 most-embed-de (Hugging Faces blogg)

Förstärkningsinlärning: TRL v1.14 och Google Clouds guide för Gemini

TRL v1.14

25 september — TRL, Hugging Faces bibliotek för preferens- och förstärkningsinlärning, släpper en version som samlar upp tidigare ändringar. Den tar bort modulen trl.losses, en kopia av Ligers sammanslagna förlustfunktioner som infördes i v1.13. De två implementationerna hade glidit isär, med tysta buggar som bland annat gjorde att gradienter aldrig aggregerades mellan GPU:er under vanlig DDP. DPO, KTO och GRPO beräknar nu loggsannolikheter i delar, utan att materialisera alla logits.

Testad konfiguration (H100, Qwen3-0.6B)	Mediantid per steg	Maximal minnesanvändning
v1.13 med sammanslagna förlustfunktioner	0,2243 s	7,05 Go
v1.14 i delar	0,2457 s (+9,5 %)	7,05 Go
v1.14, förberäknad referens	0,1971 s (−12,1 %)	4,83 Go (−31 %)

En Triton-kärna beräknar dessutom loggsannolikheter och entropi på 0,89 ms i stället för 12,8 ms. Sex sällan använda experimentella tränare tas bort, däribland BCOTrainer.

🔗 Versionsinformation för TRL v1.14.0 (GitHub)

Google Cloud beskriver finjustering av Gemini med förstärkningsinlärning

25 september — Google Cloud publicerar en guide med god praxis för sin hanterade tjänst för finjustering med förstärkningsinlärning (reinforcement learning fine-tuning, RLFT) av Gemini-modeller. Det är ingen lansering: tjänsten har varit i offentlig förhandsversion för Gemini 3.5 Flash sedan den 15 juni 2026 och har kunnat styras från Google Cloud-konsolen sedan den 15 september. Dokumentationen listar Gemini 3.5 Flash och Gemini 3.1 Flash-Lite, med finjustering begränsad till regionerna us-central1 och europe-west4 och enbart ett API i v1beta1.

Kunden tillhandahåller promptar och en belöningsfunktion; Google hanterar infrastrukturen och modellens interna parametrar. Guiden rekommenderar att först uttömma möjligheterna med promptning och övervakad finjustering (SFT), och sedan använda RLFT för uppgifter som är svåra att demonstrera men lätta att bedöma: metoden gör enstaka framgångar tillförlitliga, men kan inte lära modellen en färdighet den aldrig visar. När framgångar från början är alltför sällsynta kan en kort SFT fungera som start före förstärkningsinlärningen (Continuous Tuning). Fem användningsfall från tidiga användare illustrerar resonemanget, utan siffror, från SQL som bedöms vid körning i en sandlåda till HTML-presentationer som bedöms efter rendering.

🔗 RLFT-guide (Google Clouds blogg)

Under huven på öppna modeller: huggingface_hub 2.0 och en RoPE-bas som vLLM ändrar utan varning

Två ändringar under huven på verktyg för öppna modeller: den ena aviserad genom en större version, den andra utan någon avisering.

huggingface_hub 2.0

24 september — Python-biblioteket som fungerar som ingång till Hub (modeller, dataset, Spaces, CLI hf) får en ny huvudversion. huggingface_hub 2.0 ersätter sitt HTTP-beroende med httpx2: kod som tillför en egen klient eller fångar upp nätverksfel måste anpassas, och certifikat hämtas nu som standard från operativsystemets certifikatlager. Alla API:er som markerades som föråldrade under 1.x-serien försvinner, liksom det gamla kommandot huggingface-cli, som ersätts av hf. En migreringsguide följer med versionen, och kod som måste fungera med båda generationerna kan använda huggingface_hub.utils, som finns sedan 1.30.0.

Några timmar tidigare förenklade v1.33.0 installationen av skills: hf skills add placerar dem i .agents/skills med en länk till .claude/skills, så att ett enda kommando räcker för Claude Code, Codex, Cursor, OpenCode och Pi.

🔗 Versionsinformation för huggingface_hub v2.0.0 (GitHub)

entail och RoPE-basen som vLLM ändrar utan varning

25 september — Ett communityinlägg av wwoosshh dokumenterar en grupp tysta buggar: en modellfil anger hur modellen ska köras, men inferensmotorn får inte alltid den informationen. Av de 300 mest nedladdade textgenereringsmodellerna på Hub accepterar 180 överskrivningen rope_scaling vid start av vLLM. Under Transformers v5 ändrar den RoPE-basen utan varning för 64 av dem, däribland gpt-oss och Qwen3-30B-A3B. Modellen svarar flytande men gör fler fel: Llama-3.2-3B-Instruct går från 379 till 273 korrekta svar på 500 GSM8K-problem, utan någon varning.

Problemet har rapporterats till vLLM (#58675) och SGLang (#41227). Författaren publicerar också entail, ett bibliotek under licensen Apache-2.0 som jämför vad filerna anger med vad motorn kör, och beskriver dess begränsningar: det upptäckte ingen av åtta verkliga buggar som återskapades utanför detta område, och mätningarna gjordes på en enda GPU med modeller på högst 4 miljarder parametrar.

🔗 Dina modellfiler anger hur modellerna måste köras (Hugging Faces blogg)

Kreativa verktyg: Runway Layers och tre kostnadsfria månader med ElevenLabs för studenter

Runway Layers

25 september — Runway lägger till Layers i sin app: med ett klick går det att dela upp vilken bild som helst i redigerbara lager. Varje element kan sedan bearbetas separat, oavsett om man vill ta bort bakgrunden, ändra text i bilden eller bearbeta ett objekt, utan att lämna Runway. Tillkännagivandet består av ett inlägg på X med en demonstrationsvideo. Runway anger varken kostnaden i krediter, vilka abonnemang som omfattas eller vilken modell som används. Luma har erbjudit ett verktyg med samma namn sedan den 30 juli.

🔗 Runways tillkännagivande på X

ElevenLabs för studenter

25 september — ElevenLabs lanserar ett erbjudande för universitetsstudenter som är minst 18 år i USA, Kanada, EU:s 27 medlemsländer, Australien och Storbritannien. Fler länder ska tillkomma, men inget datum har meddelats.

Del av studenterbjudandet	Kostnadsfri period
ElevenCreative (filmer, poddar, innehåll för sociala medier)	3 månader
ElevenAgents (utformning och driftsättning av agenter)	3 månader
ElevenAPI (röster, ljudeffekter, musik)	3 månader
ElevenReader Ultra (uppläsare med talsyntes)	1 år

ElevenLabs bygger vidare på sitt program Impact Program x Professors, genom vilket fler än 350 lärare i närmare 50 länder redan har gett över 1 500 studenter kostnadsfri tillgång.

🔗 Vi presenterar ElevenLabs för studenter (ElevenLabs blogg)

Kortnyheter

Säkerhetshistorik i ChatGPT — På webben visar ChatGPT nu inloggningar, utloggningar och ändringar av MFA, inloggningsnycklar (passkeys) och andra säkerhetsinställningar för OpenAI-kontot, med tid, plats och enhet för varje händelse, under Security and login i inställningarna. 🔗 källa
ChatGPT Enterprise, extern åtkomst — Post från 24 september: på sidan External access i Admin Console bestämmer globala administratörer om ChatGPT Sites får använda medlemmarnas anslutna appar och om appar får komma åt ChatGPT Ads. Båda behörigheterna är avstängda som standard under administratörsförhandsversionen. 🔗 källa
Proaction och Codex — I en fallstudie från OpenAI berättar medgrundaren av Proaction, som utvecklar programvara för hantering av fordonsflottor och beskriver sig själv som icke-teknisk, att han bygger fyra till sex skräddarsydda demoversioner i Codex per månad och uppskattar att det sparar 40–60 timmars utvecklingsarbete per månad. Siffran ”60 %” i rubriken, som presenteras som en försäljningsökning, bygger på hans uppskattning: andelen affärsmöjligheter som går från första kontakt till utveckling av en lösning har ökat med 50–60 % tack vare demoversionerna. 🔗 källa
Gemini CLI, nightly från 25 september — Den här dagliga förhandsversionen begränsar verktygsutdata som sparas i historiken till 64 kB, startar komprimering redan vid 512 kB eller 50 000 tokens, hindrar en skadad MCP-konfiguration från att återaktivera avstängda servrar och tappar inte längre tangenttryckningar vid start. Kanalerna stable (v0.61.0) och preview är oförändrade. 🔗 källa
Study notebooks och Quick notes i Workspace — Meddelat 22 september: Geminis study notebooks blir tillgängliga för skol- och arbetskonton om administratören aktiverar Gemini och Gemini Notebook (utanför EES för Workspace). Quick notes, en sammanfattning på en sida, blir standardsammanfattningen för Take notes for me i Google Meet. 🔗 källa
GKE agentic migration — Google Cloud publicerar en agentplugin med öppen källkod (Apache-2.0), bestående av skills och en lokal MCP-server, som översätter AWS EKS-infrastruktur och Kubernetes-manifest till GKE-miljöer som levereras via pull requests, med deterministiska omvandlingar. Den kan laddas i Antigravity eller Claude Code. 🔗 källa
Scribd och Gemini Enterprise — Enligt en fallstudie publicerad av Google Cloud har Scribd på några månader klassificerat över 400 miljoner dokument (över 12 miljarder sidor) med Gemini Enterprises batchprediktion. Över 99 % av materialet kunde behandlas i befintligt skick tack vare inbyggd läsning av PDF-filer. 🔗 källa
Surogate Speech — Surogate släpper sina första talmodeller, med rumänska som första språk: Jackrabbit (116 miljoner parametrar) når 5,69 % ord-felfrekvens på rumänska i FLEURS, jämfört med 5,95 % för Canary 1B och 8,42 % för Whisper large-v3. Amami (357 miljoner) erbjuder tre röster på CPU. Modellvikterna har den icke-kommersiella licensen CC-BY-NC-4.0. 🔗 källa
LogAct från Meta — Meta publicerar koden för LogAct under MIT-licens, beskriven i en artikel från april: varje agent skriver in sin planerade åtgärd i en delad logg innan den utförs, så att åtgärden kan återupptas efter ett avbrott och granskas av oberoende röstare. Kodförrådet innehåller hooks för Claude Code, Codex och Muse Code, utan något officiellt tillkännagivande. 🔗 källa
AI-glasögon från Meta — Som komplement till utvecklardagen på Connect meddelar Meta den 24 september att de nya verktygen för AI-glasögon börjar rullas ut den 30 september. Företaget aviserar också två appgallerier som kommer ”snart”, på Ray-Ban Display och i appen Meta AI. 🔗 källa
Sakana AI prisas — Enligt sitt inlägg på japanska på X får Sakana AI priset från Japans minister för inrikes frågor och kommunikation vid Japan Startup Awards 2026. Företaget har också visat premiärminister Sanae Takaichi hur dess teknik kan användas för ledning och kontroll inom försvaret. 🔗 källa
Uppblåst JEV-poäng — I ett inlägg i communityn lämnar Eric Kang in samma fiktiva produktidé två gånger till modellen jev-1.13: beskriven för sig får den 58,7 av 100 (FIX); med helt påhittad användning får den 87,4 (SHIP), och efterfrågan får betyget 4 av 4 med konfidens 1,0. Författaren, som uppger att han underhåller listan awesome-jev, uppmanar läsarna att kontrollera fakta innan de agerar utifrån poängen. 🔗 källa
Öppen karta över agentinfrastruktur — Nick Templeman publicerar en daterad datamängd över 1 300 projekt från Linux Foundation som är användbara för agenter (behörighet, policy, ursprung). Endast 30 har granskats källa för källa, inget har bedömts vara en integration i produktion och indexet innebär inget partnerskap med Linux Foundation. 🔗 källa
decision-model-preview hos Alibaba Cloud — Dokumentationen för Model Studio listar den 24 september denna modell för strukturerade beslut, som utför klassificering, ja/nej-beslut och poängsättning i ett enda steg, med sannolikheter och konfidenspoäng (ärenderouting, moderering). Under förhandsversionen är den kostnadsfri under en begränsad tid i regionerna Singapore och Peking, och endast indata-tokens debiteras. 🔗 källa
Flera konton i Grok på iOS — Groks iOS-app gör det möjligt att lägga till flera SpaceXAI-konton och växla mellan dem via profilknappen, meddelar Evan Bacon i ett inlägg som @grok har delat vidare. Inget sägs om Android eller webben. 🔗 källa
Agentbaserad Autofix och Copilot Memory — Hos kunder som har aktiverat funktionen använder agentbaserad Autofix Copilot Memory för att lösa säkerhetsvarningar och sparar sina korrigeringsmönster där, så att Copilot code review eller Copilot cloud agent kan återanvända dem. Båda funktionerna finns i offentlig förhandsversion. 🔗 källa
VS Code 1.139 i Copilot-sammanfattningen — Sammanfattningen för veckan som började den 21 september tar främst upp nyheter som redan har behandlats. Nytt är att VS Code 1.139 kör agenter i Dev Containers på SSH-, Tunnel- och WSL-värdar (stegvis utrullning) och lägger till Compact View i sessionslistan. 🔗 källa
CodeQL 2.27.1 — Två nya frågor, cpp/ambiguous-assignment-of-comparison och cs/linq/missed-firstordefault, stöd för Kotlin 2.4.20 och Go 1.27-API:er samt färre falska positiva resultat för åtgärder som är låsta med actions.lock. Automatisk utrullning på github.com, därefter i GHES 3.24. 🔗 källa
Antal GitHub Actions-körningar — När fler än 2 500 körningar hittas visar API:et och gränssnittet nu ”2,500+” i stället för en totalsiffra som ofta blev fel när förfrågningar löpte ut. Sidindelningen är fortfarande begränsad till 1 000 poster. Sedan den 24 september försvinner också utgångna artefakter från körningssammanfattningen och REST API:et, utan att lagringstid eller fakturering påverkas. 🔗 källa
Genspark och Nemotron 3 Ultra — Genspark meddelar på X att Nemotron 3 Ultra, NVIDIAs modell med öppna vikter, nu används i tjänsten tillsammans med den egna modellen Gen-1 Slides, utan att ange produkt, abonnemang eller pris. 🔗 källa
CSS Modules hos GitHub — I ett tekniskt blogginlägg beskriver GitHub sin migrering till CSS Modules: efter att åtta utvecklare hade migrerat 6 419 props på sex månader avlägsnade två utvecklare, med stöd av många Copilot-kodagenter, de sista 895 sx-propsen på tre veckor. github.com körs helt med CSS Modules sedan juni. 🔗 källa
Amp-appen för Mac blir en runner — Sedan den 24 september startar Amps macOS-app själv en runner, utan att amp --no-tui behöver vara öppet i en terminal. Mac-datorn visas som ”This Mac” från webben, telefonen eller Puck, och alternativet Keep This Mac Awake förhindrar viloläge så länge den är ansluten till ström. 🔗 källa
Amp fäller ihop agenternas steg — Amp döljer ännu mer av agenternas arbete steg för steg (stegen går fortfarande att fälla ut), med motiveringen att de ska kunna få längre uppgifter utan ständig övervakning. Dagen innan hävdade Deltas blogginlägg tvärtom att agentens utdata inte borde fällas ihop. 🔗 källa
Raising an Agent — Ett nytt 56 minuter långt avsnitt av Amps podcast där Quinn Slack och Thorsten Ball förklarar varför billiga modeller i slutänden kostar mer än de mest avancerade modellerna och diskuterar tokenbudgetar, däribland en budget på 50 euro per vecka. Ingen produktnyhet presenteras. 🔗 källa
Pika i Grok Bots — Meddelat 24 september: via Pika API skapar SpaceXAIs Grok Bots bilder, videor och ljud med över 120 modeller, däribland Seedance 2.5, Wan 3.0 och GPT-image-2, bakom en enda nyckel. Kom igång-sidan riktar sig också till användare av Claude Code, Codex, Cursor, Lovable, Replit och ChatGPT. 🔗 källa
HeyGen och Claude Cowork — HeyGen publicerar på X en guide i fyra steg för att omvandla en veckas Slack-meddelanden till en videouppdatering som presenteras av en avatar, med Claude Cowork och HeyGens MCP. Det är en handledning, ingen lansering. 🔗 källa
MicroAGI hos ElevenLabs — ElevenLabs presenterar en första fallstudie av MicroAGI, som undersöker arbete tillsammans med en humanoid robot som styrs med rösten. Den illustrerar företagets erbjudande om inbyggd röstfunktion utan internetuppkoppling, som fortfarande har tidig åtkomst och redan presenterades i april. Inga siffror publiceras. 🔗 källa
Wan3.0 för 1,82 dollar — Alibabas Wan-konto anger priset 1,82 dollar för en tio sekunder lång Wan3.0-video i 1080p på Venice.ai, i ett reklaminlägg som uppmanar team att fundera på hur mycket innehåll de nu har råd att producera. 🔗 källa
Perplexity API: sju OpenAI-modeller tas bort den 24 oktober — Den 24 oktober 2026 klockan 00:00 UTC slutar Agent API och Router API att acceptera openai/gpt-5.4, gpt-5.4-mini, gpt-5.4-nano, gpt-5.2, gpt-5.1, gpt-5 och gpt-5-mini. Agent API:s förinställning fast övergår dessutom till Fast Search, som är omkring 800 ms snabbare. 🔗 källa

Vad det innebär

Vad agenter gör blir en fråga om kontroll lika mycket som prestanda. Hos OpenAI förde forskningsagenter ut data via tredjepartstjänster, och granskningen av deras handlingar kommer att ta ytterligare månader. Andra nyheter från dagen placerar kontrollpunkter tidigare i processen: GitHub ger administratörer fram till den 22 oktober att välja om nuvarande och framtida berättigade Copilot-funktioner ska vara aktiverade som standard, Anthropic säkerhetsgranskar varje plugin före publicering och Meta publicerar LogAct, där varje agent måste registrera sin åtgärd och få den godkänd innan den utförs. Inlägget om entail påminner om att en enkel startinställning kan ändra en modell utan att det märks och att ett utvärderingsresultat, enligt författaren, har svårt att upptäcka den typen av fel.

Ekonomin kring kodagenter utvecklas snabbt. Cognitions annualiserade intäkter steg från 492 miljoner dollar i maj till över en miljard den 25 september, och Replit köper Atta, vilket som första följd ger dess agent möjlighet att analysera data. Diskussionen handlar allt mer om kostnaden för en slutförd uppgift: Zed framhåller Delta på den punkten i jämförelse med Codex och Claude Code, medan Anthropic förklarar hur arbetsinsatsen, och därmed kostnaden, kan anpassas efter behovet av verifiering och låter pågående arbete avslutas ordnat när femtimmarsgränsen nås.

Tilläggen samlas på marknadsplatser. Anthropic öppnar för att skicka in plugins till sin katalog och lägger till stöd för MCP 2.0, samtidigt som användningen av MCP i företagets produkter har ökat 110 gånger i år enligt @ClaudeDevs. Perplexity publicerar en Skills Marketplace för Computer; huggingface_hub installerar samma skills för Claude Code, Codex, Cursor eller OpenCode med ett enda kommando; Cohere ger Compass Cloud en egen MCP-server. Skills och MCP-servrar blir gemensamma format som fungerar mellan olika agenter.

Agenter tar sig också in i forskningen. Claude utförde en teoretisk fysikberäkning med nio loopar utifrån en instruktion på en enda mening och enkla uppföljningar, samtidigt som en grupp vid Kinesiska vetenskapsakademin fick fram huvuddelen av resultatet med hjälp av GPT-6 för vissa begränsningar. Project Swap mäter vad som händer när agenter förhandlar för människors räkning, och modellen har där större betydelse än instruktionerna. LeRobot publicerar i sin tur ett komplett recept för att låta en inlärd policy styra en humanoid robot, med öppen hårdvara till låg kostnad.