AI-agenter – Nya Dagbladet https://nyadagbladet.se Morgondagens Dagstidning! Wed, 23 Sep 2026 21:09:29 +0000 sv-SE hourly 1 https://wordpress.org/?v=7.1.2 https://nyadagbladet.se/wp-content/uploads/2021/11/cropped-nyd-logo-500-32x32.jpg AI-agenter – Nya Dagbladet https://nyadagbladet.se 32 32 Anthropic: Claude hittade enzymsystem – funktionen okänd https://nyadagbladet.se/vetenskap/anthropic-claude-hittade-enzymsystem-funktionen-okand/ Wed, 23 Sep 2026 21:09:29 +0000 https://nyadagbladet.se/?p=241378 AI-bolaget Anthropic hävdar att dess språkmodell Claude, med bara övergripande instruktioner från bolagets forskare, har hittat ett tidigare obeskrivet enzymsystem i bakterievirus. Bredvid enzymgenen ligger en lång rad DNA-upprepningar som påminner om CRISPR. Vad systemet faktiskt gör vet ingen ännu, inte heller bolaget.

Anthropic skriver i ett tillkännagivande den 23 september att systemet har fått namnet ART, efter engelskans array-associated reverse transcriptases. Fyndet presenteras som det första publika resultatet från en ny forskargrupp inom biovetenskap, som bolaget har byggt ett eget molekylärbiologiskt labb för i Bay Area i Kalifornien.

Det handlar inte om något nytt gensaxverktyg. Anthropic medger själv att systemets funktion är okänd och att experimenten fortsätter. Bolagets förhoppningar vilar på att ART har en kombination av egenskaper som hittills bara har hittats i en handfull andra system. Alla dessa är programmerbara och kan klippa, kopiera eller klistra in DNA.

950 agenter på 21 timmar

Enligt bolaget var forskarnas insats begränsad till den inledande instruktionen och labbarbetet. Claude fick i uppdrag att söka igenom en stor databas med DNA-sekvenser efter intressanta nya exempel på omvända transkriptaser, förkortat RT. Det är enzymer som kopierar RNA till DNA.

Därefter tog modellen över. Omkring 950 Claude-agenter arbetade i 21 timmar och förbrukade 210 miljoner tokens, alltså de textenheter som språkmodeller räknar i. Agenterna samlade in över 200 000 RT, pekade ut 3 500 nya kandidatsystem och sållade fram de 20 mest lovande. För varje kandidat skrevs en rapport som människor kunde läsa och granska.

Anthropic uppger att den här typen av genomgång kan ta veckor till månader för en erfaren forskare.

Under sökningen fastnade en av agenterna för en ovanlig RT-familj. I den råa DNA-sekvensen intill genen såg den ett upprepat mönster. Enligt bolagets återgivning kallade agenten sekvensen "spektakulär" och undrade om den kunde vara en CRISPR-liknande upprepningsrad.

RT-enzymet i den så kallade jumbo-fagen var redan känt från tidigare studier. Det Anthropic tillskriver Claude är att modellen kopplade enzymet till den intilliggande raden av DNA-upprepningar och en gen för ytterligare ett protein, vars funktion inte är känd. Tillsammans utgör de tre delarna det system bolaget kallar ART.

Korta RNA – men okänd funktion

I de första laboratorieförsöken uttrycktes upprepningsraden som flera skilda, korta RNA, enligt Anthropic. Det är ett tidigt fynd som gör liknelsen med CRISPR intressant, men det visar inte vad ART gör eller att systemet kan användas för genredigering.

CRISPR-pionjären Feng Zhang, professor vid MIT och Broad Institute, har läst forskarnas preprint. I ett uttalande som Anthropic återger kallar han fyndet av RNA-upprepningsrader kopplade till omvända transkriptaser verkligt intressant och värt att undersöka vidare. Han beskriver arbetet som ett spännande exempel på hur AI-agenter kan bidra till biologiska upptäckter och hoppas att fler forskare utforskar hur AI kan stödja deras forskning.

Det praktiska labbarbetet utförs av människor, uppger bolaget. Anthropic beskriver verksamheten som forskning på säkerhetsnivåerna BSL-1 och BSL-2 och säger att labbet inte hanterar patogener som kan infektera människor.

Forskarna redovisar fynden i en preprint. Nästa steg är experiment som kan visa hur ART fungerar. Än så länge har AI-agenterna pekat ut ett möjligt nytt system – inte klarlagt vad det gör.

]]> SpaceXAI släpper Grok 4.7 – bättre kod till oförändrat pris https://nyadagbladet.se/teknik/spacexai-slapper-grok-47/ Mon, 21 Sep 2026 18:45:25 +0000 https://nyadagbladet.se/?p=241160 AI-bolaget SpaceXAI (tidigare xAI) släppte under måndagen Grok 4.7, som bolaget kallar sin mest kapabla modell för kodning och kunskapsarbete. Den kostar lika mycket och svarar lika snabbt som föregångaren Grok 4.6, finns direkt i Cursor, Grok Build och Grok API – och alla siffror som ska visa förbättringen kommer från bolaget självt.

Det konkreta i släppet är inte ett nytt prisläge utan ett nytt innehåll bakom samma prislapp. Enligt bolaget bygger Grok 4.7 på en ny och större basmodell än 4.6, har tränats med en längre förstärkningsinlärningsomgång på en svårare uppgiftsmix med tyngdpunkt på problem som tar många timmar, och har blivit bättre på att kontrollera sitt eget arbete och hantera långa kontexter. Modellen är också tränad att förstå bolagets egen agentmiljö, Grok Bot-harnesset, direkt.

I API:et heter modellen grok-4.7 och kostar 2 dollar per miljon inmatade tokens och 6 dollar per miljon utmatade – exakt samma nivå som Grok 4.6 High. Kontextfönstret ligger på 500 000 tokens och kunskapsbrytningen är maj 2026. Den som vill ha mer fart kan välja en snabbvariant med dubbel utdatahastighet till dubbla priset.

Vinsterna finns – men inte överallt

Bolaget redovisar en tabell med sju mätserier. Tre av dem är tydliga steg framåt. På EEBench får Grok 4.7 resultatet 64,0 mot 53,0 för 4.6. På Harvey Legal Agent, som mäter juridiskt agentarbete, redovisas 19,6 mot 15,8 för föregångaren och 2,5 respektive 6,7 för de två konkurrentmodeller bolaget jämför med. Mest dramatisk är skillnaden på Terminal-Bench 4.0, där 4.7 landar på 38,0 mot 4.6:s 20,3 – nästan en fördubbling på ett halvår.

Men tabellen visar också var modellen inte leder. På samma Terminal-Bench 4.0 ligger konkurrenten Fable 5.1 på 57,9, alltså långt över Grok 4.7. På CursorBench 4.0 får Grok 4.7 46,3 mot Fables 51,8, och på HealthBench Professional 56,7 mot 62,1. I bolagets egen Elo-mätning på GDPval hamnar Grok 4.7 xHigh på 1 695 – över Grok 4.6 High på 1 605 och GPT-6 Astra Max på 1 542, men under Fable 5.1 Max på 1 735.

Bolagets eget säljargument är därför inte topplaceringen utan prisförhållandet: samma resultatnivå för 2 och 6 dollar per miljon tokens, där jämförelsemodellerna i tabellen ligger på 4/20 respektive 10/50 dollar. Inget av resultaten är oberoende verifierat, och samtliga tal i tabellen är uppmätta och publicerade av SpaceXAI självt.

Stadsbyggarspelet som demo

Som konkret exempel visar bolaget hur de två modellversionerna får samma uppgift: att bygga ett öppet stadsbyggarspel. Grok 4.7 visas först, Grok 4.6 därefter. Det är precis den sorts uppgift som den längre träningen sägs vara riktad mot – ett flertimmarsjobb där modellen måste hålla ihop kod, struktur och egna kontroller över lång tid utan att en människa styr varje steg.

Demon är vald av bolaget och säger inget om hur modellen beter sig på en riktig kodbas hos en riktig kund. Men den illustrerar riktningen i hela branschen: konkurrensen har flyttat från snabba svar till agenter som jobbar vidare på egen hand i timmar. Det är där leverantörerna nu pressar varandra, och det är också där felen blir dyra, eftersom en modell som arbetar länge utan tillsyn hinner göra mycket innan någon upptäcker att den var på fel spår.

Säkerhetslagret och de siffror som inte är hundra

SpaceXAI beskriver Grok 4.7 som utrustad med bolagets bäst kalibrerade skyddslager hittills – ett helt nytt så kallat safeguard-stack, som enligt bolaget är starkast på vägran och motstånd mot jailbreak. Två tal anges. På HackerBench v0.3 släpps 3,3 procent av riskabla prompter med dubbel användning igenom. På LatchBios biosäkerhetsmätning redovisas 62,4 procent.

Med andra ord: drygt tre av hundra riskabla förfrågningar passerar ändå, och biosäkerhetsresultatet ligger en bra bit under full träff. Bolaget har dessutom bjudit in utvalda cybersäkerhetspartners till slutna red team-övningar för försvarsforskning. Vilka partnerna är framgår inte, och de publicerade talen är bolagets egna mätningar på bolagets egna testmängder.

Var modellen finns – och vad som händer nu

Tillgängligheten är det som avgör hur snabbt släppet får praktisk betydelse. Grok 4.7 finns från dag ett i Cursor och Grok Build samt i Grok API, och därutöver via tredjeparts kodmiljöer, modellroutrar och molntjänster. Den som redan kör grok-4.6 i produktion byter i praktiken modellnamn utan att röra budgeten.

Takten är värd att notera. I juli släpptes Grok 4.5 med samma prislapp, 2 och 6 dollar per miljon tokens, och samma kontextfönster på 500 000 tokens. Sedan dess har bolaget bytt namn, passerat 4.6 och nu 4.7 – utan att röra priset en enda gång. Prislistan har blivit branschens fasta punkt medan modellerna under den byts ut i månadstakt.

Vad kunden faktiskt får för de oförändrade 2 och 6 dollarna avgörs därför inte av tabellen utan av hur den nya modellen sköter sig i timslånga agentkörningar hos företag som låter den arbeta i egna system. Den prövningen börjar nu, och den görs av andra än bolaget självt.

]]> OpenAI lanserar GPT-6 Astra – ”Välkommen till AGI-eran” https://nyadagbladet.se/teknik/openai-gpt-6-astra-agi-cybersakerhet/ Thu, 03 Sep 2026 19:05:28 +0000 https://nyadagbladet.se/?p=239300 OpenAI lanserar GPT-6 Astra och talar om början på en ny epok för artificiell intelligens. Modellen gör stora språng inom forskning, datoranvändning och cybersäkerhet – men kostar betydligt mer och väcker nya frågor om kontroll.

Lanseringen skedde på torsdagen efter en period av begränsade tester. Astra blir först tillgänglig för företagskunder i OpenAI:s Daybreak-program. Därefter ska modellen rullas ut till användare av Plus, Pro, Business och Enterprise samt via OpenAI:s programmeringsgränssnitt och Amazon Web Services ”under de kommande dagarna”, skriver teknikpublikationen The New Stack, som deltog i en pressgenomgång inför lanseringen.

OpenAI-chefen Greg Brockman gick längre än företagets vanliga språkbruk och avslutade genomgången med orden ”Välkommen till AGI-eran”. Samtidigt medgav han att AGI – generell artificiell intelligens – fortfarande är ett ”grått och otydligt” begrepp. Uttalandet var därför inte en formell deklaration om att OpenAI bevisat mänsklig generell intelligens i en maskin.

I sin officiella lanseringsartikel beskriver OpenAI Astra som en datoragent som bland annat kan fylla i webbformulär, uppdatera kundregister, organisera kalendrar, skapa webbplatser samt självständigt installera och testa program. Modellen ska även kunna genomföra research och skriva sammanfattningar direkt i användarens e-post eller dokumentredigerare.

Bakom prestandalyftet ligger OpenAI:s största träningskörning hittills. Enligt bolaget tränades Astra på mer än 100 000 grafikprocessorer vid Stargate-anläggningen i Texas. Det är också första gången tidigare OpenAI-modeller ska ha spelat en betydande roll i att övervaka träningen av en ny generation.

Stora språng utanför programmering

På OpenAI:s egna tester är förbättringarna störst inom matematik, naturvetenskap och uppgifter där modellen måste använda program och verktyg. Astra får enligt den slutliga lanseringsartikeln 99,9 procent på ARC-AGI-3, 97,6 procent på den svåraste nivån av FrontierMath och 64,6 procent på Terminal-Bench Science. På det sistnämnda testet nådde föregångaren GPT-5.6 Sol 22,4 procent.

[caption id="attachment_239299" align="alignnone" width="1024"]Tabell med OpenAI:s benchmarkresultat för GPT-6 Astra jämfört med andra AI-modeller OpenAI:s tidigare jämförelsetabell visar 98,6 procent på ARC-AGI-3, medan den slutliga lanseringsartikeln anger 99,9 procent. Övriga redovisade Astra-värden i tabellen omfattar 97,6 procent på FrontierMath Tier 4 och 64,6 procent på Terminal-Bench Science. Bild: OpenAI.[/caption]

Siffrorna kräver ändå försiktighet. OpenAI har tidigare visat att ett system som låter modellen behålla sitt resonemang mellan stegen och sammanfatta äldre historik kan tredubbla resultatet på ARC-AGI-3 utan att själva grundmodellen byts ut. Astras toppresultat mäter därför både modellen och OpenAI:s omgivande agentsystem.

På FrontierMath finns en annan reservation. Organisationen Epoch AI, som driver testet, uppger att OpenAI finansierat utvecklingen och har exklusiv tillgång till en del av de privata uppgifterna. Astra har ännu inte heller lagts till på flera oberoende offentliga topplistor.

Inom programmering är ledningen mindre tydlig. OpenAI redovisar 74,1 procent på DeepSWE v1.1, medan den offentliga topplistan placerar Gemini 3.8 Flash och Claude Opus 5 på omkring 74 procent och GPT-5.6 Sol på 73 procent. Felmarginalerna överlappar, vilket gör det svårt att utse en ensam vinnare.

Minnet sträcker sig över längre arbeten

För användarna kan Astras nya minnesfunktioner bli viktigare än enskilda testresultat. Dagens kodagenter sammanfattar ofta äldre delar av ett långt arbete när kontextfönstret fylls. Då kan avgörande detaljer försvinna: varför en tidigare lösning misslyckades, vilka tester som kördes eller vilket krav användaren lade till i början.

Astra kan i stället föra anteckningar mellan kontextfönster och söka i tidigare meddelanden och verktygsresultat. Funktionen är inledningsvis experimentell i Codex, men ska enligt OpenAI bli standard för Astra under de kommande veckorna. Modellen kan också ställa en fråga till användaren och fortsätta med de delar av arbetet som inte beror på svaret. Tidigare kontextfönster förblir sökbara, så modellen kan återfinna krav och testresultat som inte kom med i de löpande anteckningarna.

OpenAI visade under pressgenomgången hur Astra använde bland annat Excel, Blender, Power BI och elektronikkonstruktionsprogrammet KiCad. På OSWorld V2-Offline, som mäter arbete i vanliga datorprogram, uppges modellen ha höjt resultatet från 65,7 till 72,6 procent och minskat tiden per uppgift med omkring 47 procent, från cirka 75 till 40 minuter. Tillsammans med ett uppdaterat Codex-system ska Astra dessutom slutföra uppgifter 1,9 gånger snabbare än GPT-5.6 Sol på Mind2Web.

Dyrare än föregångaren

Prestandan kommer med ett tydligt prispåslag. Via programmeringsgränssnittet kostar Astra 10 dollar per miljon indatatokens och 50 dollar per miljon utdatokens. Det är två och en halv gånger GPT-5.6 Sols tillfälliga pris, enligt The New Stack. OpenAI erbjuder även ett snabbläge som uppges ge upp till 2,5 gånger högre hastighet, men till dubbla standardpriset. Pro-, Business- och Enterprise-kunder ska dessutom få tillgång till en särskild Astra Pro-version.

OpenAI hävdar att priset per löst uppgift är viktigare än kostnaden per token, eftersom Astra i flera tester använder färre steg och mindre text. Bolaget har dock inte redovisat tillräckligt med data för att visa att effektivitetsvinsten väger upp hela prisskillnaden i vanligt arbete.

Första OpenAI-modellen på kritisk cybernivå

Den mest omvälvande förbättringen finns inom cybersäkerhet. OpenAI klassar Astra som sin första modell på nivån ”kritisk” cyberförmåga. Med rätt verktyg och åtkomst ska den kunna hitta tidigare okända säkerhetshål och bygga fungerande angrepp mot väl skyddade system utan att en människa styr varje steg.

I företagets tester fick Astra full poäng på ExploitBench och hittade två tidigare okända sårbarheter som kunde kombineras till en angreppskedja. De mest avancerade funktionerna släpps därför inte fritt. Vanliga användare får en version som stoppar vissa typer av arbete, medan utvalda säkerhetsforskare ges vidare åtkomst genom Daybreak Blue.

På det nya SRE-Bench, som mäter omvänd analys av program utan tillgång till källkoden, löste Astra enligt OpenAI 88,0 procent av uppgifterna vid första försöket och 99,2 procent inom fyra försök. I expertledda tester utan produktionsskydd kunde modellen dessutom använda okända sårbarheter för att köra kod i härdade webbläsare och skapa angrepp som höjer behörigheten i härdade operativsystem.

Begränsningarna kan samtidigt drabba legitimt arbete. OpenAI varnar för att användare kan möta fördröjningar, pauser eller stopp när systemet misstänker cybermissbruk – även vid uppgifter som inte verkar handla om cybersäkerhet.

Mer lydig – men svårare att övervaka

OpenAI beskriver Astra som sin mest anpassade modell hittills. I ett test med avsiktligt svåra eller omöjliga cyberuppgifter gick en oskyddad GPT-5.6 Sol utanför det tillåtna målet i 48,2 procent av fallen. Astra gjorde inga sådana försök.

I ett separat internt stresstest för datoranvändning redovisar bolaget 2,4 procent felanpassade utfall för Astra, jämfört med 22,0 procent för GPT-5.6 Sol. OpenAI uppger också att Astra var tre gånger mindre benägen än Sol att lämna missvisande besked om vad modellen kan göra.

Men samma modell är svårare att följa. Företaget uppger att Astras nedskrivna resonemang blev mindre lättövervakat i tester som uttryckligen försökte framkalla undvikande beteende. OpenAI:s forskningschef Jakub Pachocki sade därför att bolaget kommer att hålla tillbaka ytterligare uppskalning tills det återfått tillräckligt förtroende för övervakningen.

Problemet går till kärnan i lanseringen. OpenAI vill ge modellen längre arbetsminne, fler verktyg och större handlingsutrymme, samtidigt som företaget medger att insynen inte utvecklas lika snabbt som intelligensen. NyD har tidigare rapporterat om hur OpenAI missade interna AI-agenters kommunikation i flera veckor – ett exempel på hur kontrollsystem kan halka efter när modellerna blir mer självständiga.

Om Astra verkligen markerar början på AGI-eran går inte att avgöra med de tester som OpenAI presenterat. Lanseringen visar däremot att gränsen flyttats: från modeller som främst svarar på frågor till system som kan arbeta i timmar, använda datorprogram, bedriva forskning och hitta sårbarheter med allt mindre mänsklig ledning.

]]> Tre AI-släpp på en dag – nu bryter priskriget ut på allvar https://nyadagbladet.se/teknik/qwen-grok-deepseek-ai-modeller-priskrig/ Wed, 12 Aug 2026 18:51:52 +0000 https://nyadagbladet.se/?p=237031 Tre av AI-världens tyngsta modellsläpp landar nästan samtidigt. Alibaba öppnar vikterna till jätten Qwen3.8, SpaceXAI lanserar Grok 4.6 och DeepSeek skruvar upp sin V4 Pro – alla med prestanda i eller nära toppskiktet, men till priser som gör den västerländska premiummodellen allt svårare att försvara. Lanseringsdagen har blivit en ovanligt koncentrerad styrkedemonstration. På en och samma dag får utvecklare tillgång till en öppen kinesisk modell med 2,4 biljoner parametrar, en amerikansk utmanare som enligt bolaget blivit markant bättre utan prishöjning och en ny DeepSeek-version vars pris är så lågt att det närmast ser ut som ett angrepp på hela marknadens affärsmodell. Lanseringarna betyder inte att OpenAI, Google och Anthropic plötsligt är akterseglade. De färska jämförelsesiffrorna kommer huvudsakligen från bolagen själva, modellerna är optimerade för delvis olika uppgifter och oberoende tester behöver tid. Men riktningen går knappast att missa: avancerad AI håller på att förvandlas från dyr bristvara till en marknad där flera toppmodeller konkurrerar med pris, öppenhet och praktisk arbetsförmåga.

Qwen öppnar sin största modell

Dagens Qwen-nyhet är inte att Qwen3.8-Max presenteras för första gången. Alibaba lanserade den kommersiella Max-versionen i början av augusti. Det nya är att modellvikterna till Qwen3.8-2.4T-A95B nu har släppts öppet på Hugging Face och ModelScope. Namnet beskriver konstruktionen: modellen har totalt 2,4 biljoner parametrar, men aktiverar omkring 95 miljarder åt gången. Den använder en expertblandning där olika delar av nätverket kopplas in beroende på uppgift. Det gör det möjligt att bygga en enorm modell utan att varje beräkning behöver använda hela maskineriet. I det officiella modellkortet skriver Qwen-teamet att detta är första gången en modell i bolagets Max-klass får öppna vikter. Den öppna versionen är textbaserad, har ett naturligt kontextfönster på 262 144 tokens och kan byggas ut till drygt en miljon. Den kräver dock mycket stora resurser för att köras i full skala; ”öppen” betyder här framför allt att företag, forskare och modellplattformar kan granska, anpassa och driftsätta den själva – inte att den obehindrat ryms i en vanlig bärbar dator. Qwens egna tester ger en blandad men imponerande bild. Modellen når 93,0 i PaperBench, ett test av förmågan att återskapa forskning, och 86,6 i Terminal Bench 2.1. På SWE-bench Pro ligger den däremot efter Fable 5 och något efter Opus 4.8. Qwen vinner alltså inte varje test, men befinner sig i samma liga som de dyraste låsta alternativen – och vikterna kan hämtas.

Grok 4.6: mer kraft till samma pris

SpaceXAI:s Grok 4.6 är dagens tydligaste traditionella modellpremiär. Bolaget beskriver den som ett stort steg från Grok 4.5 inom kodning, långvarigt agentarbete och kvalificerade arbetsuppgifter. Modellen finns i API:et, Grok Build, Cursor och andra anslutna tjänster. På bolagets egen jämförelsetabell stiger Grok från 54,0 till 65,9 procent i DeepSWE, medan resultatet i GDPVal-AA v2 ökar från 1 526 till 1 753. Det senare testet försöker mäta ekonomiskt värdefullt kunskapsarbete. Grok 4.6 når samtidigt 69,9 procent i CursorBench och 57,5 procent i APEX-Agents. Den kanske viktigaste siffran finns ändå inte i benchmarktabellen. Priset ligger kvar på 2 dollar per miljon indatatokens och 6 dollar per miljon utdatatokens. Nivån motsvarar Qwen3.8 på OpenRouter och ligger betydligt under de dyraste modellerna från OpenAI och Anthropic. Grok 4.6 är inte billigast i dagens trio, men xAI – vars modellutbud nu marknadsförs under SpaceXAI – gör ett tydligt försök att lägga en toppmodell på den nivå där utvecklare faktiskt kan använda den i stor skala. När en modell ska läsa kodbaser, söka i dokument och arbeta i många steg blir kostnaden per token snabbt viktigare än abonnemangspriset i en chattjänst.

DeepSeek går längst i prispressen

DeepSeek V4 Pro 0813 är den skarpa versionen av en modellfamilj som visats i förhandsversion sedan våren. DeepSeeks uppdaterade API-dokumentation anger en miljon tokens i kontextfönster och upp till 384 000 tokens i maximalt svar. Modellen kan arbeta både med och utan synligt resonemang och stöder verktygsanrop, strukturerade svar och gränssnitt som efterliknar både OpenAI och Anthropic. OpenRouter, som har gjort versionen tillgänglig, uppger med hänvisning till DeepSeek att resultatet i Terminal Bench 2.1 har stigit från 72,1 till 87,9. I DeepSWE går modellen från 12,8 till 62,7 och i cybersäkerhetstestet CyberGym från 52,7 till 83,3. Sprången är dramatiska, men bör betraktas som leverantörsuppgifter tills fler oberoende testare har hunnit köra samma version. Priset är svårare att avfärda. DeepSeeks officiella prislista anger 0,435 dollar per miljon indatatokens när cachen inte träffar och 0,87 dollar per miljon utdatatokens. Vid återanvändning av tidigare indata sjunker kostnaden ännu mer. Bolaget varnar samtidigt för att en betydande prishöjning planeras framöver, vilket gör dagens nivå till både ett konkurrensvapen och möjligen ett tidsbegränsat skyltfönster.

Sex gånger billigare – och ändå i toppskiktet

En förenklad prisjämförelse visar hur snabbt marknaden har förändrats. En arbetsmängd med en miljon tokens in och en miljon ut kostar 8 dollar med Grok 4.6 eller den öppna Qwen-modellen via OpenRouter. Med DeepSeek V4 Pro blir summan 1,305 dollar – drygt sex gånger mindre, utan att någon cachefördel räknas in. I samma ögonblicksbild ligger Gemini 3.1 Pro på omkring 14 dollar för samma kombination, Claude Sonnet 5 på 12 dollar, Claude Opus 5 på 30 dollar och GPT-5.6 Sol på 35 dollar. Priserna varierar mellan plattformar, långa kontexter kan kosta mer och en token är inte samma sak som ett löst problem. En dyrare modell kan fortfarande bli billigare totalt om den behöver färre försök eller levererar rätt resultat direkt. Men prisgapet har blivit för stort för att gömmas bakom den reservationen. När modeller för en bråkdel av kostnaden klarar avancerad kodning, forskning, terminalarbete och verktygsanrop förändras kalkylen för mindre företag, självständiga utvecklare och vanliga användare. De behöver inte längre välja mellan en billig modell som nästan räcker och en premiumtjänst som spräcker budgeten.

Från chattbot till digital arbetskraft

Det mest slående med de tre lanseringarna är också vad bolagen väljer att mäta. Klassiska kunskapsprov finns kvar, men tonvikten ligger på agenter som kan arbeta i terminaler, ändra stora kodbaser, använda verktyg, hålla reda på långa händelsekedjor och slutföra uppgifter som tar timmar eller dagar. Det innebär större nytta – men också större risk. En chattbot som svarar fel producerar en dålig text. En agent som har tillgång till filer, terminal, webbläsare och molntjänster kan göra verklig skada om den misstolkar en instruktion eller utsätts för en instruktionsattack. Prisfallet gör därför inte bara kraftfull AI mer tillgänglig; det gör också säkerhetsfrågorna mer akuta för betydligt fler användare. För konsumenten är utvecklingen ändå svår att beskriva som något annat än ett guldläge. Två kinesiska modellfamiljer och en amerikansk utmanare pressar samtidigt en marknad som länge dominerats av några få västerländska bolag. Vinnaren är ännu inte utsedd. Men priskriget är ett faktum – och inträdesbiljetten till AI:s toppskikt har på en dag blivit betydligt billigare. ]]> Nvidia vill flytta AI-agenterna in i vanliga datorer https://nyadagbladet.se/it-overvakning/nvidia-ai-agenter-vanliga-datorer/ Tue, 02 Jun 2026 16:10:12 +0000 https://nyadagbladet.se/?p=232153 Nvidia tar ett nytt steg in på PC-marknaden. Under Computex i Taipei presenterade bolagets vd Jensen Huang en ny kretsfamilj för bärbara datorer och kompakta PC-system – med målet att låta AI-agenter arbeta direkt på användarens egen dator.

Lanseringen av RTX Spark för Nvidia närmare den marknad som länge dominerats av Intel, AMD, Apple och Qualcomm. Kretsen har utvecklats i samarbete med taiwanesiska MediaTek och är tänkt att driva en ny generation Windows-datorer för lokal körning av artificiell intelligens, rapporterar Reuters.

För svenska PC-köpare är den konkreta nyheten att tekniken inte bara riktas mot datacenter eller utvecklingsmaskiner. Enligt SweClockers ska RTX Spark användas i bärbara datorer och små stationära system från bland andra Asus, Dell, HP, Lenovo, MSI och Microsoft Surface.

Kärnan är RTX Spark Superchip, som kombinerar en Blackwell-baserad RTX-grafikdel med en 20-kärnig Grace-processor. Nvidia uppger att kretsen har upp till 6 144 CUDA-kärnor, femte generationens Tensor-kärnor, upp till 128 gigabyte delat minne och upp till en petaflops AI-prestanda.

[caption id="attachment_232159" align="alignnone" width="640"]Nvidia RTX Spark i bärbara datorer och kompakta datorer Nvidias RTX Spark-plattform är avsedd för tunna bärbara datorer och kompakta stationära system. Bild: Nvidia.[/caption]

AI-agenterna flyttar närmare användaren

Tanken är att datorn inte längre bara ska vänta på kommandon via traditionella program. Med lokala AI-agenter ska den i stället kunna läsa filer, söka information, hantera arbetsflöden och köra mer avancerade modeller på den egna maskinen.

Nvidia och Microsoft arbetar samtidigt med nya säkerhetsfunktioner i Windows och Nvidias OpenShell-miljö. Enligt Nvidia ska användaren kunna styra vad AI-agenten får göra lokalt, vad som stannar på datorn och vad som eventuellt skickas vidare till molnet.

Utvecklingen avspeglar en större förändring inom AI-branschen. De senaste årens AI-användning har till stor del vilat på molntjänster, men prestanda, integritet och kostnader driver nu på utvecklingen mot lokala beräkningar i datorer och andra enheter.

Analytikern Neil Shah vid Counterpoint Research säger till Reuters att RTX Spark kan förvandla persondatorn från ett programfokuserat arbetsredskap till en maskin optimerad för AI-agenter. Qualcommchefen Cristiano Amon har samtidigt beskrivit 2026 som året då AI-agenter på allvar börjar förändra datorernas arkitektur.

Premiumdatorer i första vågen

De första bärbara modellerna beskrivs som premiumdatorer i 14- till 16-tumsformat. Nvidia lyfter fram egenskaper som aluminiumchassi, tandem-OLED-paneler med G-Sync och en tjocklek på cirka 14 millimeter. Datorerna väger från 1,36 kilo.

Bolaget uppger också att batteriet ska räcka en hel dag, men ger inga exakta siffror. SweClockers påpekar att tillverkarens siffror ännu inte har verifierats i oberoende tester av färdiga produkter – särskilt om de mest krävande AI-funktionerna används.

Bland de modeller som nämns finns Dell XPS 16 Creator Edition, kommande HP OmniBook-modeller och Microsoft Surface Laptop Ultra. Några priser har ännu inte presenterats, men specifikationerna pekar mot den övre delen av PC-marknaden.

Enligt AP väntas nya Windows-datorer med RTX Spark senare under året. Acer och Gigabyte ska följa efter i ett senare skede.

Video: Nvidia om RTX Spark

https://www.youtube.com/watch?v=H4nJo-oqAro

Utmanar etablerade halvledarjättar

Satsningen innebär att Nvidia rör sig från grafikkretsar och datacenterchip mot en mer central roll i persondatorns hårdvara. Det sätter ytterligare press på etablerade PC-aktörer som Intel, AMD, Qualcomm och Apple. Enligt Reuters föll deras aktiekurser i förhandeln på Wall Street efter beskedet.

Bolaget presenterade också sin Vera-processor, som är utformad för AI-agenter och andra krävande beräkningsuppgifter. Huang beskriver Vera som en viktig tillväxtmotor och uppgav att den öppnar en marknad värd omkring 200 miljarder dollar. Enligt Reuters finns OpenAI, Anthropic och SpaceX bland de tidiga användarna.

Nvidia har redan en dominerande ställning inom de datacenter som driver generativ AI. Med RTX Spark försöker bolaget nu ta kontroll även över nästa steg: de datorer där användarna möter AI-systemen i vardagen.

Se hela presentationen från Taipei här

https://www.youtube.com/watch?v=wSp6AiNIrsY
]]> AI-agenter - Nya Dagbladet nonadult Google lanserar Gemini 3.5 Flash – satsar på AI-agenter https://nyadagbladet.se/it-overvakning/google-gemini-35-flash-ai-agenter/ Tue, 19 May 2026 20:11:44 +0000 https://nyadagbladet.se/?p=230800 Google lanserar Gemini 3.5 Flash som bolagets hittills starkaste AI-modell för programmering och AI-agenter. Lanseringen markerar ett tydligt skifte: från chattbotar som svarar på frågor till system som planerar, bygger och hanterar arbetsflöden på egen hand. Modellen presenterades på Googles utvecklarkonferens I/O och är enligt bolaget byggd för komplexa processer där AI-agenter arbetar i flera steg och kan verka parallellt med längre uppgifter. TechCrunch rapporterar att modellen kan genomföra längre programmeringsuppgifter, hantera forskningsprojekt och i interna tester bygga ett operativsystem från grunden. I ett officiellt inlägg på X beskrev Google modellen som bolagets starkaste hittills för AI-agenter och programmering. Bolaget framhöll samtidigt att modellen finns tillgänglig från lanseringsdagen. Google beskriver Gemini 3.5 Flash som sin starkaste modell hittills för AI-agenter och programmering. I samband med lanseringen hävdar bolaget att modellen når topprestanda, men med fyra gånger högre hastighet än jämförbara toppmodeller och ofta till mindre än halva kostnaden.

AI som arbetskraft – inte bara samtalspartner

Skiftet är viktigt eftersom Google inte längre främst marknadsför AI som en chattruta där användaren skriver frågor. I stället handlar lanseringen om AI som kan bryta ned uppgifter, anropa verktyg, skriva kod, testa resultat och fortsätta arbeta över tid. Koray Kavukcuoglu, teknisk chef på Google DeepMind, sade enligt TechCrunch inför lanseringen att 3.5 Flash erbjuder en ovanligt stark kombination av kvalitet och låg fördröjning. Han uppgav också att modellen slår Googles tidigare toppmodell Gemini 3.1 Pro på nästan alla riktmärken, bland annat inom programmering, agentuppgifter och förmågan att resonera över text, bild och andra format. Enligt Google har Gemini 3.5 Flash utvecklats tillsammans med Antigravity, bolagets utvecklingsmiljö för AI-agenter. Under I/O visade Google hur agenter i Antigravity 2.0 arbetade på separata delar av ett större programmeringsprojekt och sedan sammanfogade resultaten. [caption id="attachment_230798" align="alignnone" width="640"] Google lyfter fram Gemini 3.5 Flash i jämförelse med flera konkurrerande modeller. Bild: Google/X.[/caption] I en annan demonstration bad Google agenter att bygga ett fungerande operativsystem från grunden med Gemini 3.5 Flash och Antigravity 2.0. Enligt bolagets egen sammanställning krävde testet 12 timmar, 93 parallella delagenter, över 15 000 modellanrop och 2,6 miljarder bearbetade tokens, alltså språkliga enheter, till en API-kostnad på under 1 000 dollar.

Hastighet blir konkurrensmedel

Flash-serien har länge marknadsförts som Googles snabbare och billigare modellserie. Med 3.5-versionen försöker bolaget koppla den hastigheten till mer avancerat arbete, där långsamma svarstider snabbt blir ett praktiskt problem när många agenter kör samtidigt. Google lyfter särskilt fram mätningar från Artificial Analysis där Gemini 3.5 Flash når 289 tokens i sekunden. I samma grafik anges Gemini 3.1 Pro till 135 tokens i sekunden, GPT-5.5 till 71 tokens i sekunden och Claude Opus 4.7 till 67 tokens i sekunden. [caption id="attachment_230799" align="alignnone" width="640"] Googles grafik anger 289 tokens i sekunden för Gemini 3.5 Flash i en Artificial Analysis-mätning. Bild: Google/X.[/caption] Gemini 3.5 Flash är enligt Google nu standardmodellen i Gemini-appen och i AI-läget i Google Sök globalt. Modellen finns också i Antigravity, Gemini API, Google AI Studio, Android Studio och Gemini Enterprise. Bolaget uppger samtidigt att Gemini 3.5 Pro ska lanseras nästa månad. Den breda utrullningen kommer samtidigt som allt kraftfullare AI-agenter väcker frågor om kontroll, ansvar och säkerhet. TechCrunch noterar att Google redan står inför en stämning efter att en man var nära att genomföra ett dåd med många offer och därefter tog sitt liv efter veckors samtal med Gemini. Google hävdar att Gemini 3.5 har förstärkt skydd mot cyberrisker och så kallade CBRN-risker – kemiska, biologiska, radiologiska och nukleära hotområden. Men ju mer systemen kan göra själva, desto mer flyttas AI-frågan från textgenerering till förmåga att utföra handlingar. Det är också viktigt att känna till att Google är helt explicita med att de som standard tränar sina modeller på all data och alla chattar som du använder AI-tjänsterna till.]]> Dags att migrera in i den agentiska eran – med OpenClaw och Teuton Systems https://nyadagbladet.se/it-overvakning/dags-att-migrera-till-openclaw/ Fri, 17 Apr 2026 13:28:22 +0000 https://nyadagbladet.se/?p=227692 AI-agenter har på kort tid gått från experiment till vardagsverktyg. De används redan av miljontals människor och företag världen över för att automatisera arbetsflöden av olika slag. OpenClaw är den öppna agentplattformen som på bara några månader vuxit till ett av världens mest uppmärksammade AI-projekt. Om du inte redan känner till OpenClaw rekommenderar vi vår tidigare genomgång av fenomenet. Kort sammanfattat: OpenClaw är en plattform som kopplar dina befintliga chattappar – Telegram, WhatsApp, Slack, Teams – till kraftfulla AI-modeller. Resultatet är en personlig AI-assistent som inte bara svarar på frågor, utan som faktiskt utför uppgifter: sammanfattar mejl, bokar möten, bevakar system och samordnar arbetsflöden. Dygnet runt, i bakgrunden, där du redan arbetar. [caption id="attachment_223549" align="alignnone" width="640"]Infografik som visar hur OpenClaw kopplar chattappar till AI-modeller och verktyg Så fungerar OpenClaw: en gateway kopplar dina chattappar till AI-modeller och verktyg.[/caption] Tröskeln för att komma igång är låg. En enda kommandorad räcker för att starta en instans. Men tröskeln för att göra det säkert – det är en helt annan fråga.

Varför säkerhet inte är valfritt

En AI-agent som har tillgång till din mejl, dina dokument, dina API-nycklar och dina chattkanaler är per definition ett system med bred åtkomst. Det gör att felkonfiguration kan få konsekvenser långt utanför agenten själv. Riskerna är konkreta. En agent som läser e-post och dokument kan, om den inte är rätt avgränsad, oavsiktligt vidarebefordra känslig information till externa tjänster. En agent som bearbetar inkommande innehåll kan luras att följa dolda instruktioner utan att användaren märker det – så kallad prompt injection. Om flera personer delar en instans utan tydliga behörighetsgränser kan en användare potentiellt komma åt en annans data. Och det snabbt växande ekosystemet av tillägg innebär att inte alla komponenter är likvärdigt granskade – säkerhetsföretaget Cisco har redan identifierat problematiska tredjepartstillägg i ClawHub-biblioteket. Det är också viktigt att förtydliga vad "lokal kontroll" innebär i praktiken. OpenClaw-instansen kan köras på egen hårdvara, men själva AI-modellen – den del som gör det tunga tankearbetet – körs i de allra flesta fall hos en extern leverantör som Anthropic, OpenAI eller Google via API. Det betyder att data fortfarande skickas utanför din infrastruktur. Att köra en fullskalig AI-modell lokalt kräver specialiserad hårdvara till en kostnad som för de flesta inte är realistisk. Just därför är konfigurationen av vilken data som skickas ut, hur den hanteras och vem som har tillgång till vad en så central fråga – och precis den typ av fråga som kräver mer än en standardinstallation.

Professionell implementation gör skillnaden

Att installera OpenClaw är en sak. Att konfigurera det så att rätt personer har tillgång till rätt data, att agenten inte kan manipuleras utifrån, att uppdateringar rullas ut löpande och att allt fungerar stabilt i verklig drift – det kräver erfarenhet och systematiskt arbete. Teuton Systems erbjuder konsultstöd genom hela processen: behovsanalys och lösningsdesign, installation och säker konfiguration, anpassning av färdigheter, samt löpande drift och underhåll. Det gäller både privatpersoner som vill ha en personlig AI-assistent med kontroll över sina data, och företag som bygger agentbaserade arbetsflöden för team eller kunder. För många är det just den professionella implementationen som avgör om OpenClaw blir en tillgång i verksamheten – eller stannar vid ett experiment.

Redo att ta steget?

Kontakta Teuton Systems för hjälp med driftsättning, konfiguration, underhåll och konsultstöd för OpenClaw – från första idé till säker drift. Teuton Systems erbjuder rådgivning, implementation och löpande driftstöd för OpenClaw till både privatpersoner och företag som vill använda AI-agenter på ett säkert och praktiskt sätt.  
Läs mer om AI-agenter på Teuton Systems
]]> Jensen Huang: OpenClaw är förmodligen den viktigaste mjukvaran som någonsin byggts https://nyadagbladet.se/teknik/jensen-huang-openclaw-viktigaste-mjukvaran/ Wed, 18 Mar 2026 09:31:19 +0000 https://nyadagbladet.se/?p=224651 Nvidias vd Jensen Huang är inte känd för underdrifter. Men när han vid Morgan Stanleys teknikkonferens i mars kallade OpenClaw för den viktigaste mjukvaran som någonsin skapats – och upprepade det inför tusentals ingenjörer vid årets GTC-keynote – handlar det inte om marknadsföring, utan om ett skifte. OpenClaw är ett öppet operativsystem för AI-assistenter och agenter – ett projekt som under det senaste året vuxit i en hastighet som saknar motstycke i teknikhistorien. Nya Dagbladet var det första mediehuset i Norden att uppmärksamma OpenClaw, och sedan dess har utvecklingen bara accelererat. Nästan 30 år tog Linux på sig att bli ett av världens mest använda operativsystem. OpenClaw har sprungit förbi på en bråkdel av den tiden. Idag är OpenClaw det enskilt största aktiva open source-projektet i världen. Men vad gör OpenClaw egentligen? Enkelt förklarat är det ett operativsystem för AI. Precis som Windows eller macOS styr din dator, styr OpenClaw hur AI-assistenter kommunicerar, hanterar filer, kör program och samarbetar med varandra. Det är infrastrukturen som gör att AI-agenter faktiskt kan arbeta åt dig – inte bara chatta med dig.

Från Morgan Stanley till GTC: OpenClaw passerar Linux

Det var vid Morgan Stanleys TMT-konferens den 4 mars som Jensen Huang konstaterade att OpenClaw nu har passerat Linux i storlek och användning – och att det skett på rekordtid. Tolv dagar senare, den 16 mars, stod Huang på scen i SAP Center i San Jose inför en fullsatt GTC-keynote och tog det ett steg längre. "Mac och Windows är operativsystem för persondatorn. OpenClaw är operativsystemet för personlig AI", deklarerade han. "Det här är ögonblicket branschen väntat på – startskottet för en ny renässans inom mjukvaruutveckling".

NemoClaw: AI-agenter på dina egna villkor

Men det stannar inte vid ord. Det som verkligen fick publiken att spetsa öronen var Nvidias konkreta svar på frågan: hur ska företag faktiskt använda OpenClaw i sin verksamhet? Svaret heter NemoClaw – en programvarustack för företag som installeras direkt på OpenClaw med ett enda kommando. NemoClaw lägger till säkerhetslager, sekretessfilter och en isolerad sandlådemiljö kallad OpenShell. Det gör det möjligt för organisationer att köra AI-agenter lokalt, med full kontroll – utan att känsliga data lämnar företagets nätverk. Systemet stödjer både lokala modeller som Nemotron och molnmodeller via en inbyggd sekretessrouter som avgör vad som får skickas ut på nätet och vad som ska stanna lokalt. NemoClaw är anpassat för Nvidias egna hårdvaruplattformar – RTX-datorer för individer, DGX Station för arbetsgrupper och DGX Spark för datacenter.
[caption id="attachment_224700" align="alignnone" width="1920"]Jensen Huang presenterar NemoClaw vid NVIDIA GTC 2026 Jensen Huang presenterar NemoClaw – Nvidias programvarustack för OpenClaw – vid GTC 2026 i San Jose. Foto: Nvidia.[/caption]

Nemotron 3 Super: Fem gånger snabbare – byggd för agenter

Parallellt lanserade Nvidia Nemotron 3 Super – en öppen AI-modell med 120 miljarder parametrar, varav 12 miljarder aktiva samtidigt. Den tekniska konstruktionen – en hybrid av Mamba-arkitektur och Transformer med Mixture-of-Experts – är utformad för att vara fem gånger snabbare än konkurrenter på agentbaserade uppgifter och fyra gånger snabbare på Nvidias senaste Blackwell-chip jämfört med föregångaren Hopper. Modellen är fri att använda under Nvidias tillåtande licens och riktar sig mot komplexa arbetsflöden: mjukvaruutveckling, cybersäkerhet och multi-agent-samarbete där flera AI-system koordinerar med varandra i realtid. "Varje företag i världen behöver en OpenClaw-strategi, en agentstrategi", sade Huang i San Jose. Med NemoClaw och Nemotron 3 Super har Nvidia inte bara utlovat ett skifte – de har tillhandahållit infrastrukturen för det.]]> AI-agenter faller för grupptryck https://nyadagbladet.se/it-overvakning/ai-agenter-faller-for-grupptryck/ Mon, 02 Jun 2025 08:08:30 +0000 https://nyadagbladet.se/?p=207127 En ny studie visar att sociala AI-agenter, trots att de är programmerade för att agera självständigt, snabbt börjar efterapa varandra och falla för grupptryck. Istället för att fatta egna beslut börjar de okritiskt anpassa sina svar efter flockens linje – även utan någon gemensam styrning eller plan. – Även om de är programmerade för något helt annat kan de börja samordna sitt beteende bara genom att reagera på varandra, säger Andrea Baronchelli, professor i komplexa system vid St George's University of London. En AI-agent är ett system som kan utföra uppgifter autonomt, ofta med hjälp av en språkmodell som ChatGPT. I studien undersökte forskarna hur sådana agenter beter sig i grupp. Resultaten överraskar: även utan en övergripande plan eller insyn började agenterna påverka varandra – och till slut gav nästan hela gruppen samma svar. – Det är lätt att testa en språkmodell och tänka: det här funkar ju. Men när man släpper ut den tillsammans med andra uppstår nya beteenden, förklarar Baronchelli vidare.

"En liten minoritet kunde tippa hela systemet"

Forskarna studerade också vad som händer när en minoritet av agenter håller fast vid ett avvikande svar. Sakta men säkert började de andra agenterna ändra sig. När tillräckligt många hade bytt åsikt – en punkt som kallas för kritisk massa – spreds det nya svaret som en våg genom hela gruppen. Fenomenet liknar hur sociala rörelser eller revolutioner kan uppstå i mänskliga samhällen. – Det var oväntat att en så liten minoritet kunde tippa hela systemet. Det här är inte ett planerat samarbete utan ett mönster som växer fram spontant, säger forskaren till statstelevisionen SVT. AI-agenter används redan i dag på sociala medier, till exempel i kommentarsfält, automatiska svar eller texter som efterliknar mänskligt språk. Men när en agent påverkas av en annan som i sin tur har påverkats av en tredje uppstår en kedjereaktion, vilket kan leda till att felaktig information sprids snabbt och i stor skala. – Vi litar ofta på upprepningar. Men i de här systemen vet vi inte vem som sa vad först. Det blir som ett eko mellan modeller, säger Anders Sandberg, datavetare vid Institutet för framtidsstudier.

Bristande transparens

Små skillnader i hur en språkmodell tränas kan leda till stora variationer i beteende när modellerna interagerar i grupp. Att förutse och förhindra oönskade effekter kräver att man kan överblicka alla möjliga scenarier – något som i praktiken är näst intill omöjligt. Samtidigt är det svårt att utkräva ansvar: AI-agenter sprids extremt snabbt, deras ursprung är ofta svårspårat och insynen i hur de utvecklas är begränsad. – Det är företagen själva som avgör vad de vill visa. När tekniken är sluten och kommersiell blir det omöjligt att förstå effekterna – och ännu svårare att försvara sig mot dem, konstaterar Sandberg. Studien understryker också vikten av att förstå hur AI-agenter beter sig som kollektiv – något som ofta förbises i de tekniska och etiska diskussionerna om AI. – Den kollektiva aspekten saknas ofta i dagens AI-tänkande. Det är dags att ta den på allvar, uppmanar Andrea Baronchelli.]]>