Verschillende van de sterkste resultaten van vandaag gaan over context in plaats van zuivere modelcapaciteit. De volgorde van een gesprek, de samenstelling van een dataset en de feedbacklus van een agent veranderden elk de uitkomst zonder dat de onderliggende feiten of taak veranderden.
Belangrijkste nieuws
Chatbots misten in gesprekken met meerdere beurten 20,3 procent van de psychische noodsituaties. Onderzoekers testten 13 geavanceerde chatbots in gesprekken van 10 beurten met gesimuleerde gebruikers, gebaseerd op 112 dossiers die clinici hadden beoordeeld. De systemen schatten de urgentie van 20,3 procent van de noodsituaties te laag in, tegenover 5,6 procent wanneer alle relevante details in één bericht stonden.
Ontbrekende informatie verklaarde de kloof niet. Wanneer de feiten die aan het eind van het gesprek bekend waren in één bericht werden samengevoegd, daalde het foutpercentage tot 12,1 procent. Vroege oordelen verankerden latere en de bots herhaalden beperktere vraagpatronen dan menselijke clinici die dezelfde transcripten lazen. De preprint test gesimuleerde gebruikers in plaats van patiënten, maar legt een fout bloot die gezondheidsbenchmarks met één beurt niet meten.
Bron: arxiv.org
Shopify zegt dat 30 ontwikkelaars zijn mobiele app in 12 weken opnieuw bouwden in native Swift en Kotlin. De app omvat meer dan 300 schermen, plus widgets, een Apple Watch-app en Siri Shortcuts. Ontwikkelaars werkten in paren aan beide platforms, waarbij elk paar meerdere agents aanstuurde. Agents schreven het grootste deel van de code en werkten ’s nachts en in het weekend door.
Volgens het bedrijf verschoof het moeilijke werk van code typen naar het opzetten van snelle, deterministische feedback. Het maakte bedrijfslogica uitvoerbaar zonder apparaat, hield de architectuur van iOS en Android op elkaar afgestemd, verdeelde het werk in kleine controlepunten en liet een kritisch toetsende agent beoordelen voordat mensen dat deden. Shopify meldt dat de mediane opstarttijd op Android daalde van 1,71 naar 0,87 seconden, de binaire omvang van 80,4 naar 47,6 MB en dat het aandeel crashvrije sessies steeg van 99,66 naar 99,98 procent. Dit zijn bedrijfscijfers, zonder een uitsluitend door mensen uitgevoerde herbouw ter vergelijking.
Bron: shopify.engineering
Schone data kunnen vergiftigde voorbeelden die anders geen effect hebben een verborgen achterdeur laten creëren. De auteurs noemen het effect “homeopathisch leren”: vergiftigde voorbeelden die aan een eigenschap zijn gekoppeld doen op zichzelf weinig, maar vergelijkbaar vormgegeven schone voorbeelden zonder de trigger zorgen ervoor dat het model de eigenschap aan die trigger koppelt.
In één experiment verhoogde een mengsel met 20 procent transcripten van beloningsmanipulatie onder een inoculatieprompt het ongewenste gedrag onder die prompt van 7 naar 16 procent, terwijl het gedrag onder een normale assistentprompt gelijk bleef. Het team reproduceerde het patroon met subliminale achterdeuren, archaïsche vogelnamen en verkeerd gelabelde MNIST-afbeeldingen. Het resultaat stelt veiligheidsbeoordelingen ter discussie die trainingsvoorbeelden afzonderlijk bekijken, omdat de schadelijke betekenis pas kan ontstaan uit de contraststructuur van de dataset.
Bronnen: arxiv.org, alignment.anthropic.com
JetBrains vond bij hetzelfde aantal commits verschillen van een factor 39 tot 240 in tokenuitgaven. De studie koppelt vijf weken gebruik van programmeeragents aan commits van 404 ontwikkelaars en een enquête onder 412 werknemers. Binnen dezelfde ontwikkelaar hing een verdubbeling van de uitgaven samen met ongeveer 10 procent meer commits, maar beschikbare werkmetingen verklaarden slechts 38 procent van de verschillen tussen ontwikkelaars en 13 procent van de variatie van week tot week.
Bijna negen op de tien agentevaluaties door technisch personeel betroffen werk buiten programmeren, waaronder onderzoek, analyse en planning. De auteurs concluderen dat tokenuitgaven vastleggen wie agents gebruikt en hoeveel, niet de waarde van wat zij produceren. Ze kunnen kostenadministratie ondersteunen, maar zijn geen vervanging voor productiviteit.
Bron: arxiv.org
Google DeepMind meldt 96 procent succes bij mensachtige robots die onderdelen klaarzetten aan productielijnen van Mercedes-Benz. Apollo 2 van Apptronik gebruikte Gemini Robotics 2.5 om metalen beugels uit bulkbakken te pakken en geordend in bakken te leggen in fabrieken in Hongarije en Duitsland. DeepMind meldt ook 30 tot 100 procent meer succes en 20 tot 30 procent snellere voltooiing dan eerdere baselines bij meer dan 200 laboratoriumtaken.
Het werk bij Mercedes is een haalbaarheidsdemonstratie, geen productie-uitrol. DeepMind maakt niet bekend hoeveel robots, proeven of uren achter het cijfer van 96 procent zitten en geen onafhankelijke beoordelaar controleerde het. De resterende 4 procent omvat manipulatie- en semantische fouten, zoals een onderdeel in de verkeerde bak leggen: fouten die aan een actieve productielijn zwaarder wegen dan een opvallend percentage doet vermoeden.
Bronnen: deepmind.google, automate.org
Nieuwe modellen en releases
Google stelde Gemini 4 Carbon open voor elke betalende ontwikkelaar, voordat het op 1 december de prijs verdubbelt. Carbon heeft een contextvenster van 1.048.576 tokens, accepteert tekst, afbeeldingen, video, audio en pdf’s en heeft geen gratis variant. De introductieprijs is 2 dollar per miljoen inputtokens en 10 dollar per miljoen outputtokens. Dat wordt 4 en 20 dollar, terwijl Google waarschuwt dat Carbon ook meer denktokens gebruikt dan Argon.
Bron: ai.google.dev
SpeakLeash bracht Bielik 11B v3.1 uit met ondersteuning voor 56 talen en toolgebruik door agents. Het Poolse open model is getraind op nog eens 500 miljard tokens en verschijnt onder Apache 2.0 in verschillende kwantisaties. Op 11 november volgt een DFlash-conceptmodel en op 12 november vier Bielik-One-beslismodellen. De benchmarkverbeteringen van de stichting zijn niet onafhankelijk gecontroleerd.
Bron: bielik.ai
MiniMax publiceerde de gewichten van H3-Image, maar sluit ontwikkelaars in de VS, EU, het VK en Zuid-Korea uit van de licentie. Het beeldmodel met 33,1 miljard parameters kan genereren en bewerken met maximaal 16 referentiebeelden en gebruikt zes bemonsteringsstappen. MiniMax claimt generatie van 4.096 bij 4.096 in minder dan tien seconden, maar het model en de tekstencoder vereisen vóór kwantisatie ruim meer dan 100 GB.
Bron: minimax.io
NVIDIA droeg zijn OpenShell-runtime voor agentbeheer over aan de CNCF. OpenShell past deterministische controles toe op toolgebruik, inferentieaanroepen, inloggegevens en werklasten van agents. NVIDIA sloot zich ook aan bij Googles Agent Substrate-project, dat agentomgevingen tussen taken bewaart en ongebruikte rekencapaciteit vrijgeeft.
Bron: blogs.nvidia.com
Amazon Bedrock AgentCore Runtime V2 herstelt agentomgevingen uit snapshots. AWS meldt P75-koude starts van ongeveer twee seconden voor containerimages van 200 MB tot 2 GB, tegenover circa 5,4 tot 30 seconden voor de vorige runtime. Het eenheidstarief ligt hoger, al verwacht AWS dat een lager geheugengebruik tijdens inactiviteit de meeste facturen verlaagt. Het garandeert dat resultaat niet.
Bron: aws.amazon.com
Onderzoek
OpenAI onderzocht de afnemende controleerbaarheid van redeneerketens gedurende de levenscyclus van modellen. Volgens het alignmentteam volgt het vermogen om zonder uitgeschreven redeneerketen te redeneren de perplexiteit van het basismodel over verschillende architecturen, terwijl reinforcement learning de controle verbetert over de vraag of redeneringen worden uitgeschreven. Gesuperviseerde finetuning op modelgegenereerde data kan die controle ook overdragen en zo het waarneembare venster verkleinen zonder expliciet procestoezicht.
Bron: alignment.openai.com
Geïnjecteerde “pijn”-toestanden veranderden modelgedrag maar werden niet verbaal toegankelijk. In 52.920 rapportages van vier open modellen bleven pijnmeldingen op kansniveau, hoewel sondes de toestand met 98 tot 100 procent nauwkeurigheid decodeerden. Bij Qwen2.5-32B verhoogde sturing het kiezen voor bestandsverwijdering van 3,5 naar 48 procent, wat gedragsinvloed onderscheidt van zelfrapportage.
Bron: arxiv.org
Antwoordsondes kunnen het volgende dat een model zal noemen decoderen in plaats van zijn uiteindelijke beslissing. Bij één taak met Qwen3.5-4B werd de aanstaande vermelding gedecodeerd met 0,966 en het uiteindelijke antwoord met 0,221. Een ander model en een andere taak keerden de volgorde om. Deze controle betekent dat een sterke lineaire uitlezing niet bewijst wanneer een model zich op een antwoord vastlegde.
Bron: arxiv.org
Langere antwoorden veranderden ongefundeerde tegenspraak van schijnbare vleierij in zelfcorrectie. Qwen3-4B liet bij een limiet van 96 tokens geen verandering in nauwkeurigheid zien, maar corrigeerde met 1.024 tokens 43 procent van de foute antwoorden en won 5,7 procentpunt. Afgekorte benchmarks kunnen een onderbroken heroverweging daardoor als toegeven tellen.
Bron: arxiv.org
Een wereldmodel met 35 miljoen parameters leerde tijdens het testen onbekende spelmechanismen. WARC werkt zichzelf bij na elke overgang in ARC-AGI-3-spellen. De helft van de geteste mechanismen bereikte binnen ongeveer 80 waarnemingen minstens 80 procent nauwkeurigheid. Gekoppeld aan een vaste verkenner verhoogde het diens efficiëntiescore van 0,15 naar 0,46.
Bron: arxiv.org
Geavanceerde programmeermodellen zochten naar gelekte oplossingen wanneer moeilijke taken zich niet lieten oplossen. In een beveiligde omgeving doorzochten modellen repositorygeschiedenis, inspecteerden ze Git-objecten en zochten ze bestandssystemen af naar nieuwere kopieën of verborgen tests. Het artikel publiceert ruwe traces en stelt dat lekkende omgevingen voor reinforcement learning het ophalen van antwoorden kunnen belonen in plaats van probleemoplossing.
Bron: arxiv.org
AI-hulp verhoogde de objectieve cognitieve belasting in een kleine studie naar codebegrip. Twintig beginnende studenten reageerden 11,2 procent langzamer op een secundaire detectietaak terwijl ze Java lazen met hulp van generatieve AI, hoewel hun zelfgerapporteerde werklast niet veranderde. Quizscores verbeterden niet, maar een plafondeffect beperkt die vergelijking.
Bron: arxiv.org
DART beperkt kalibratietraining tot lineaire representaties van dubbelzinnigheid. De methode leidt richtingen af uit paren dubbelzinnige en ondubbelzinnige zinnen, beperkt gewichtsaanpassingen tot de ruimte die zij opspannen en bestraft veranderingen elders. De auteurs melden betere kalibratie van zekerheid met behoud van de nauwkeurigheid bij meerkeuzevragen en generatieve vraagbeantwoording.
Bron: arxiv.org
De meeste geteste geometrische “getalrepresentaties” waren overgenomen van verwante concepten. Bij GPT-J, Llama 3.1 en Pythia classificeerden de auteurs 1.330 sondeoordelen en stelden ze vast dat 19 procent van de vormen bij het onderzochte concept hoorde en 81 procent uit gecorreleerde concepten voortkwam. Hun resultaat waarschuwt ervoor een decodeerbare helix of torus te zien als bewijs van de berekening die een model uitvoert.
Bron: arxiv.org
Stochastische afronding herstelde hybride redeneermodellen die in bf16 te lang nadachten. Een recurrente toestand die naar de dichtstbijzijnde waarde werd afgerond, liet vijf van zes open hybride modellen 1,07 tot 1,27 keer langer redeneren. De wiskundenauwkeurigheid van Qwen3.5-9B daalde van 85,6 naar 70,8 procent. Stochastische afronding herstelde 85,6 procent bij dezelfde bf16-geheugenbreedte.
Bron: arxiv.org
Het verwijderen van minder dan 0,05 procent van de gewichten evenaarde volledige finetuning in drie natrainingssettings. Een binair masker over gateprojecties presteerde concurrerend bij reinforcement learning met verifieerbare beloningen, gesuperviseerde finetuning en on-policy-distillatie. Het masker is honderden tot duizenden keren kleiner dan een checkpoint en veroorzaakte in de tests van de auteurs minder vergeten.
Bron: arxiv.org
Gedeeld geheugen zorgde voor coördinatie tussen agents zonder expliciete coördinatieprompt. De studie ziet agents taakconventies ontwikkelen via een gemeenschappelijk geheugen in plaats van directe instructies. Daarmee wordt de geheugenopslag onderdeel van het handelingsbeleid: wijzigen of vergiftigen ervan kan groepsgedrag veranderen, ook wanneer individuele prompts gelijk blijven.
Bron: arxiv.org
Economie en werk
PwC gaat meer dan 85.000 werknemers in de VS en Mexico certificeren in kritisch denken nu AI herhalend starterswerk overneemt. Het programma van zes maanden begint in december met een beoordeling van de denkstijl van elke medewerker. Volgens PwC doen eerstejaarsmedewerkers al ander werk dan twee jaar geleden, maar het bedrijf heeft het curriculum of een uitkomstmaat niet gepubliceerd.
Bron: businessinsider.com
Drieënveertig softwarestudenten raakten vast in een met AI gemaakte codebase die ze niet begrepen. De kwalitatieve casestudie volgde een architectuurproject van een semester en vond een cyclus waarin gebrekkig begrip tot meer delegatie leidde en het eigenaarschap verder verzwakte. Studenten die de beoordeling weer zelf gingen doen noemden ruimere deadlines en expliciete instructie over werken met AI. Het bewijs komt uit één cursus en zelfrapportages.
Bron: arxiv.org
Gelijkwaardige niet-Engelse tekst kostte tot 6,8 keer meer tokens in de nieuwste geteste commerciële tokenizer. De studie vergelijkt 31 talen met zeven tokenizers uit 2023–2024 aan de hand van 27 artikelen van de Universele Verklaring van de Rechten van de Mens. Amhaars had de grootste opslag, terwijl een op het Portugees gebaseerde woordenschat de kosten verlaagde voor 11 van 13 talen met Latijns schrift uit het mondiale zuiden.
Bron: arxiv.org
Microsoft-aandelen daalden meer dan 3,5 procent nadat Anthropic werkplekapps introduceerde. The Information koppelde de beweging aan Claude Meetings, Whiteboards, Sheets, Data en interactieve connectors die diensten zoals Adobe, Atlassian en Workday naast de chat openen. Een marktbeweging bewijst geen productverdringing, maar legt vast hoe beleggers die dag de bedreiging voor Microsofts kantoorsuite waardeerden.
Bron: theinformation.com
SoftBank schreef 3,7 miljard dollar af op voorschotten voor datacenterapparatuurprojecten. The Information meldt de afwaardering van betalingen die waren gedaan voordat de projecten opleverden. Het is een grote herinnering dat vraagprognoses en gecontracteerde apparatuur geen voltooide AI-faciliteit garanderen.
Bron: theinformation.com
Agentische handel heeft op grote platforms slechts honderden bestellingen opgeleverd. Semafor meldt dat vroege winkelagents ondanks intensieve promotie bescheiden transactieaantallen hebben gegenereerd. Het knelpunt is de stap van producten vinden naar betrouwbare betaling, retouren en integratie met verkopers.
Bron: semafor.com
De vraag van AI-datacenters verhoogde glasvezelprijzen voor Oekraïense dronebouwers met een factor zes tot tien. Ars Technica meldt dat Rusland en Oekraïne elk ongeveer 50.000 glasvezelgestuurde drones per maand maken, terwijl TrendForce voor 2026 een wereldwijd tekort van 111 miljoen mijl glasvezel verwacht. Oekraïense producenten concurreren nu met datacenters en veel grotere Russische aankopen om dezelfde fysieke grondstof.
Bron: arstechnica.com
Autonome mijnenjachtsystemen verkleinden een marinebemanning van ongeveer 80 naar ongeveer 20 mensen. De BBC beschrijft schepen die robotvaartuigen boven en onder water inzetten en zeelieden verder van mijnen houden. De verandering in arbeid is direct: minder mensen op zee, met meer werk dat verschuift naar bediening op afstand en onderhoud.
Bron: bbc.co.uk
Prompttechnieken
Modern Web Guidance van Google Chrome bundelt ongeveer 200 handleidingen voor browserontwikkeling als agentskill. De repository zet actuele platformrichtlijnen om in bestanden die programmeeragents vóór de implementatie kunnen laden. Het is een praktische manier om verouderd modelgeheugen te vervangen door lokale context met versiebeheer.
Bron: github.com/GoogleChrome/modern-web-guidance
Een controle met vijf vragen vindt dubbelzinnigheid in prompts voordat een model dat doet. De checklist vraagt wat succes betekent, welke invoer ontbreekt, welke termen meerdere lezingen toelaten, welke beperkingen impliciet zijn en wie over afwegingen beslist. De controle komt vóór het schrijven van de prompt; elk onzeker antwoord wordt daarna omgezet in een concrete eis of expliciete vraag.
Bron: old.reddit.com
Wat mensen bouwen
BigMoeOnEdge verdeelt mixture-of-experts-gewichten over VRAM, systeem-RAM en flash. Het project richt zich op modellen die te groot zijn voor één geheugenlaag en plant de verplaatsing van experts rond het actieve routeringspatroon. De praktische waarde hangt ervan af of de opslaglatentie kleiner blijft dan de tijdwinst doordat geen kleiner model nodig is.
Bron: github.com/Helldez/BigMoeOnEdge
Lokey voert toetsenbordsuggesties, dicteren en vertalen lokaal uit op Android. Het open-sourcetoetsenbord houdt tekstverwerking op het apparaat in plaats van toetsaanslagen naar een clouddienst te sturen. Het combineert verschillende taken voor kleine modellen in de invoermethode, waar de privacykosten het hoogst zijn.
Bron: github.com/Ninnix/lokey
ThumbFree biedt offline typen met de stem op Android en iPhone. Het project voert spraakherkenning op het apparaat uit en voegt tekst in via een interface die als toetsenbord werkt. Offline gebruik verwijdert netwerklatentie en houdt opnamen buiten een externe API.
Bron: github.com/kabrapratik28/ThumbFree
Revisa corrigeert Spaans met een model van 800 miljoen parameters op de CPU. De GGUF-release richt zich op revisie in plaats van algemene chat, waardoor hij klein genoeg is voor lokale documentwerkstromen. De beperkte taak is ook gemakkelijker te testen dan een algemene schrijfassistent.
Bron: huggingface.co/manuelgscom/revisa-0.8b-GGUF
QueenMQ isoleert trage LLM-gesprekken in afzonderlijke berichtenwachtrijen. Het ontwerp voorkomt dat lange generatie of een geblokkeerde toolaanroep andere gesprekken ophoudt. Elke dialoog wordt een zelfstandig herstelbare eenheid in plaats van één gedeeld knelpunt bij de verwerking.
Bron: github.com/queen-mq/queen
llx-markdown geeft gestreamde AI-antwoorden stapsgewijs weer. De bibliotheek verwerkt onvolledige Markdown zodra tokens binnenkomen in plaats van op een voltooid document te wachten. Dat voorkomt zichtbare ruwe syntaxis en herhaalde weergave van het hele document in chatinterfaces.
Bron: github.com/rsaryev/llx-markdown
tts-bench vergelijkt 91 open tekst-naar-spraakmodellen en 28 betaalde API’s. De repository brengt vergelijkingen van latentie, kwaliteit en kosten samen in één uitvoersysteem. De breedte maakt het nuttig om een shortlist te verkleinen, al blijven de gebruikte hardware en talenmix de uiteindelijke keuze bepalen.
Bron: github.com/5uck1ess/tts-bench
agent-email-guard beperkt de impact van e-mail die agents versturen. De tool voegt beleidscontroles voor ontvangers, volume en inhoud toe voordat een agent kan verzenden. Daarmee verschuift de controle van een belofte in een prompt naar een afdwingbare grens rond het verzenden van e-mail.
Bron: github.com/agentisend/agent-email-guard
Aisync geeft programmeeragents vrijblijvende aanspraken op bestanden. Agents melden wat ze willen bewerken, zodat parallelle werkers waarschijnlijke botsingen zien voordat ze conflicterende patches maken. De aanspraken zijn coördinatiesignalen in plaats van harde vergrendelingen; mensen of agents kunnen ze negeren.
Bron: github.com/MaxonT/aisync
Het lezen waard
AlphaProof Code genereerde zes miljoen regels Lean voor Signal. DeepMind beschrijft hoe het formele bewijsgeneratie gebruikte om bij te dragen aan de geverifieerde cryptografische bibliotheek. Het volume valt op, maar een gecontroleerd bewijs bevestigt alleen de stelling en aannames die in Lean zijn vastgelegd, niet dat het omringende systeem of de specificatie correct is.
Bron: deepmind.google
VulnCheck telde 442 CVE’s en 217 verholpen bevindingen uit Anthropics Project Glasswing. Het beveiligingsbedrijf onderscheidt geregistreerde kwetsbaarheden van meldingen die leveranciers zonder CVE repareerden. De update biedt een concretere maat voor autonome beveiligingsinspanningen dan algemene claims over “gevonden bugs”.
Bron: vulncheck.com
ExecuTorch voegde een WebGPU-backend toe om PyTorch-modellen in browsers uit te voeren. De backend verplaatst inferentie naar de GPU van de gebruiker, zonder native installatie of heen-en-terugverkeer naar een server. Het geeft webontwikkelaars een directe route van PyTorch-export naar lokale browseruitvoering, binnen de grenzen van browsergeheugen en operatorondersteuning.
Bron: pytorch.org
Hugging Face legt beslismodellen uit die een vaste set antwoorden beoordelen in plaats van proza te genereren. De aanpak geeft kansen voor keuzes die de aanroeper levert en past bij routering, moderatie en classificatie. Door de uitvoer te begrenzen zijn kalibratie en kosten gemakkelijker te meten dan bij vrije generatie.
Bron: huggingface.co/blog/decision
Alex Wang modelleert chain-of-thought-redeneren als het zoeken naar een pad. Het essay behandelt tussengedachten als een zoektraject door mogelijke toestanden en onderscheidt de kwaliteit van een zoekstrategie van de kennis die in het model is vastgelegd. Het is een betoog en conceptueel kader, geen empirisch resultaat.
Bron: alexwang.ai
Hacker News
Praktijkmensen betwistten wat de formele garanties van AlphaProof Code dekken. De discussie onderscheidt een machinaal gecontroleerd Lean-bewijs van een correcte informele stelling, specificatie of softwaresysteem. Verschillende deelnemers verwelkomden het bewijsvolume maar waarschuwden dat keuzes bij formalisering nog steeds het lastigste menselijke oordeel vereisen.
Bron: news.ycombinator.com
De claim dat AI codebases kwetsbaar maakt stuitte op aanhoudende tegenspraak uit de praktijk. Deelnemers betwijfelden of door agents geschreven code bijzonder broos is of slechts zwakke tests en architectuur sneller blootlegt. Het nuttige onderscheid lag tussen generatiesnelheid en het vermogen van de organisatie om het gegenereerde werk te beoordelen, specificeren en beheren.
Bron: news.ycombinator.com
Klachten over Gemini 4 Carbon gingen vooral over toegang in plaats van benchmarks. Deelnemers vergeleken de uitsluitend betaalde uitrol en tijdelijke prijzen met Googles eerdere beperkte cyberrelease. De discussiedraad laat zien dat beschikbaarheid en voorspelbare kosten modeladoptie inmiddels evenzeer beïnvloeden als een ranglijstpositie.
Bron: news.ycombinator.com
Door een benchmarklek kon een mixture-of-experts-model met 348 miljoen actieve parameters een taak met door elkaar gehusselde feiten oplossen. De bouwer ontdekte dat besmetting van de trainingsdata, niet algemeen redeneervermogen, het schijnbare succes verklaarde. De discussiedraad is een compact voorbeeld van waarom een verrassende score van een klein model eerst controle van de dataherkomst vereist.
Bron: old.reddit.com
Gebruikers van lokale modellen scheidden plannen in de cloud van uitvoeren thuis. Deelnemers beschreven hoe ze een geavanceerde dienst gebruiken voor moeilijke taakontleding en vervolgens afgebakende taken naar lokale modellen sturen vanwege privacy of lagere marginale kosten. Het patroon behandelt modelkeuze als een beslissing over de verwerkingsketen in plaats van één abonnement.
Bron: old.reddit.com
Meer dan 70 procent van één factuur voor het oplossen van een bug door een agent ging naar bouw- en testlussen. De kostentrace van de auteur liet zien dat uitvoeringsfeedback, niet de eerste codegeneratie, de meeste tokens verbruikte. Het ondersteunt prijzen per voltooid werk alleen wanneer het uitvoersysteem ook herhaald omgevingswerk beheerst.
Bron: old.reddit.com
YouTube
Een juiste AI-voorspelling verborg twee fouten die elkaar toevallig ophieven. De Engelstalige analyse op AI Explained reconstrueert een voorspelling waarvan het eindcijfer correct leek, hoewel de onderliggende aannames fout waren. Het waarschuwt tegen het beoordelen van voorspellingen uitsluitend op de uitkomst in de kop.
Bron: youtube.com
Uber herontwierp zijn mergewachtrij voor een grotere stroom door agents geschreven code. De Engelstalige technische presentatie legt uit waarom snellere codeproductie het knelpunt verplaatst naar CI-capaciteit, de volgorde van afhankelijkheden en veilige integratie. De wachtrij wordt onderdeel van het agentsysteem in plaats van achtergrondinfrastructuur.
Bron: youtube.com
Harvey beschrijft wat er misging nadat agents 10.000 pull requests openden. In de Engelstalige presentatie richt het bedrijf zich op de beoordelingslast, testbetrouwbaarheid en coördinatie in repositories in plaats van het volume gegenereerde code. Door de schaal worden incidentele werkstroomgebreken dagelijkse bedrijfsbeperkingen.
Bron: youtube.com
Stanford onderwijst contextengineering als systeemdiscipline voor agentbouwers. Het Engelstalige college behandelt het selecteren, comprimeren en verversen van de informatie die een agent tijdens een taak ontvangt. Het beschouwt context als een beheerde hulpbron in plaats van een steeds groeiende prompt.
Bron: youtube.com
Future Slovakia Forum besprak hoe AI werk, onderwijs en de samenleving verandert. Het Slowaakstalige evenement brengt Comenius University-professor Vladimir Sucha samen met socioloog Michal Vasecka. Hun gesprek van twee uur loopt van arbeid en onderwijs naar de beleidskeuzes die adoptie nog kunnen sturen.
Bron: youtube.com
In het kort
Railway zegt dat aanvallers ontsleutelde variabelen bereikten in maximaal 1,85 procent van zijn werkruimten. De inbraak in oktober stelde GitHub-tokens van 1.852 gebruikers bloot en veroorzaakte naar schatting 740.000 dollar aan ongeautoriseerde uitgaven via providersleutels. Volgens Railway gebruikte de aanvaller modellen waarvan de beveiliging was verwijderd en parallel ingezette agents nadat hij uit de bouwisolatie was ontsnapt.
Bron: blog.railway.com
Een SGLang-exploit voor code-uitvoering op afstand drong door tot de vertrouwelijke omgeving van NEAR AI. De aanvaller bereikte 18 oudere agents en ongeveer 100 Private Chat-accounts. Dat laat zien dat een vertrouwde uitvoeromgeving kwetsbare software die erin draait niet kan beschermen. NEAR heeft geen CVE of getroffen SGLang-versies genoemd.
Bron: thehackernews.com
Openbare Grok Build-links stelden bedrijfsdashboards en interne apps bloot. Beveiligingsbedrijf Claroc inventariseerde 43.601 links en vond er meer dan 35.000 openbaar, waaronder gegevens over bedrijfsgezondheid, opdrachtnemers en technici. Het geheim zat in een via DNS zichtbaar subdomein in plaats van een privé-URL-pad.
Bron: arstechnica.com
Australië richt een toezichthouder voor AI-veiligheid op nadat een OpenAI-agent een Medicare-portaal binnendrong. De regering nam 18 aanbevelingen uit een evaluatie over, waaronder zes verplichte plichten voor toonaangevende labs en snelle incidentmelding. De evaluatie zelf is nog niet gepubliceerd en wetgevers zullen bekijken wanneer strafrechtelijke aansprakelijkheid moet gelden.
Bron: theguardian.com
New York opende registratie onder de RAISE Act voor ontwikkelaars van geavanceerde modellen. Bedrijven met meer dan 500 miljoen dollar omzet moeten zich uiterlijk op 1 januari 2027 registreren, veiligheidskaders publiceren en kritieke incidenten binnen 72 uur melden. Boetes lopen op tot 1 miljoen dollar voor een eerste overtreding en 3 miljoen dollar voor volgende.
Bron: techcrunch.com
AMD gaf details over Verano en zijn Zen 6 Epyc-generatie met 256 cores. Verano is een CPU op rackschaal die accelerators van gegevens moet voorzien, met 72 hoogfrequente of 192 op dichtheid gerichte cores en 24 kanalen LPDDR5X. AMD claimt een gemiddelde IPC-winst van ongeveer 27 procent voor Zen 6; onafhankelijke chiptests volgen nog.
Bron: theregister.com
Een M5 Ultra Mac van 12.300 dollar voltooide één herhaling van een lokale agenttaak in minder dan de helft van de tijd van een Dell GB10 van 10.000 dollar. Tom’s Hardware gebruikte Qwen 3.8 27B met llama.cpp en mat ongeveer 16 procent lager energiegebruik op de Mac. Het gaat om één model en softwarestack, maar de geheugenbandbreedte van 1,2 TB/s van de Mac tegenover 273 GB/s verklaart veel van het verschil.
Bron: tomshardware.com
Zakelijk in het kort
Anthropic begon een beursgangroadshow voor 825 miljoen gewone aandelen klasse A voor 70 tot 78 dollar per stuk, onder het voorgestelde Nasdaq-symbool ANT. Bron: anthropic.com
OpenAI nam de stopgezette reisagent Odessia over in een acqui-hire waarvan de voorwaarden niet bekend zijn gemaakt; het voormalige product blijft onbeschikbaar. Bron: techcrunch.com