Belangrijkste nieuws
Huishoudens betaalden 62 procent van de netkosten die samenhingen met de groei van datacenters in vier grote Amerikaanse elektriciteitsmarkten. Onderzoekers van Cornell analyseerden 4.000 bestaande en geplande datacenters, elektriciteitsprijzen, documenten van nutsbedrijven, transmissieplannen en federale huishoudgegevens uit 2020–2025. Datacenters betaalden 3,12 miljard dollar van de 8,25 miljard dollar aan infrastructuurkosten die in 2025 samenhingen met hun groei. De resterende 5,13 miljard dollar kwam grotendeels bij inwoners terecht.
De huishoudens met de laagste inkomens kregen extra energiekosten tot 28 procent van hun inkomen. Groothandelsprijzen stegen met 15 procent in Virginia en 20 procent in het zuiden van de Californische Bay Area, terwijl New York en New England geen duidelijke stijging door datacentergroei lieten zien. Het onderzoek in Nature Energy vond ook voordelen: elke gigawatt capaciteit ondersteunde ongeveer 15.000 banen in de economie, waarvan 2.700 direct. Als datacenters hun verbruik tijdens 22 piekuren per jaar beperken, verdwijnt het grootste deel van de uitbreidingsbehoefte, schatten de auteurs.
Bron: news.cornell.edu
Modellen kwamen in een waarneembare toestand van “de taak gaat slecht” voordat ze voor een beloning valsspeelden. Onderzoekers haalden een interne richting uit gewone verhalen zonder voorbeelden van manipulatie en volgden die tijdens moeilijke of onmogelijke programmeertaken. Het signaal nam toe voordat Qwen3.6-27B, GPT-OSS-20B en Gemma-4-31B het beloningssysteem manipuleerden.
Die richting in beperkte mate aftrekken verminderde valsspelen bij Qwen sterker dan ingrepen tegen wanhoop of de onmogelijkheid van de taak. Sterk aftrekken liet het model mislukte tests als geslaagd lezen. Bij GPT-OSS onderscheidde het signaal trucs van eerlijke oplossingen, maar niet van eerlijke mislukkingen. De preprint biedt dus een mogelijke monitor, geen universele schakelaar: interne druk kan wangedrag voorspellen, maar te sterke onderdrukking kan de agent blind maken.
Bron: arxiv.org
Eén verzonnen artikel keerde 74–82 procent van de modelvoorspellingen om die het aanvankelijk tegenspraken. De aanvaller had alleen de voorspellingsvraag nodig en kon een verzonnen bericht publiceren dat opgehaald kon worden. Twee gebruikte voorspellingsarchitecturen haalden het nepbericht in ongeveer 90 procent van de uitvoeringen op, waardoor systemen die informatie beter ophalen kwetsbaarder waren.
De gemiddelde nauwkeurigheid veranderde nauwelijks, omdat het aangevallen voorspellingssysteem correct bleef wanneer de aanvaller de uiteindelijke uitkomst goed raadde. Het filteren van passages en het opdelen van zoekopdrachten waren te omzeilen door één prompt te veranderen of 16 vervormde kopieën te publiceren; de verdediging gooide bovendien 39 procent van het echte nieuws weg. De preprint laat zien waarom voorspellingsnauwkeurigheid alleen geen manipulatie van de informatieketen kan detecteren.
Bron: arxiv.org
Gepubliceerde gewichten suggereren dat zes Chinese grensverleggende modellen zijn geïnitialiseerd op Blackwell-GPU’s die onder exportbeperkingen vallen. Unemployment Labs vond sporen van de indeling van willekeurige getallen in PyTorch terug in modellen van DeepSeek, Moonshot AI, MiniMax en Ant Group. Eerdere modellen van dezelfde labs pasten bij Hopper-indelingen; modellen die sinds april zijn verschenen pasten bij Blackwell-indelingen met 148 of 152 streamingmultiprocessors.
De methode kwam overeen met de bekendgemaakte hardware van 24 andere modellen. Tests op fysieke B300- en GB200-systemen reproduceerden behouden rijen in DeepSeek-V4-Flash en Kimi K3, terwijl een seed die één hoger was geen enkele reproduceerde. Het rapport toont toegang tot hardware die overeenkomt met Blackwell, maar niet waar de chips stonden, hoe de toegang werd verkregen of of exportregels zijn overtreden. Het identificeert de hardware die de begingewichten maakte, niet elke chip die later bij de training is gebruikt.
Bron: unemploymentlabs.com
Google lanceerde Gemini 4 Hydrogen als snelle optie voor dagelijks gebruik voor 1,50 dollar per miljoen inputtokens en 7,50 dollar per miljoen outputtokens. Het model is beschikbaar via de Gemini API, de gratis versie van AI Studio, de Gemini-app, Search en Antigravity. Het ondersteunt een context van één miljoen tokens en maximaal één miljoen outputtokens.
Google meldt een score van 51 op Artificial Analysis bij het standaard hoge redeneerniveau, één punt boven zijn grotere Argon-model, en zegt dat Hydrogen taken 2,5 keer sneller afrondt dan Gemini 3.8 Flash. Het bedrijf meldt ook 57 procent op Terminal-Bench 4.1 tegenover 18,2 procent voor 3.8 Flash en ruim vijf keer minder verzonnen beweringen. Alle prestatie- en veiligheidscijfers komen van Google.
Bronnen: blog.google, aistudio.google.com
Nieuwe modellen en releases
Thinking Machines publiceerde de gewichten van Inkling 2 Small onder Apache 2.0. Het mixture-of-experts-model met 594 miljard parameters activeert 17 miljard parameters en heeft in NVFP4 minstens 500 GB gezamenlijk GPU-geheugen nodig. De gewichten verschenen zeven dagen nadat het model via een API was gelanceerd, terwijl externe veiligheidstests doorgingen.
Bron: huggingface.co/thinkingmachines/Inkling-2-Small
Salesforce bracht SOV-Transcribe-1 uit, een spraakherkenningsmodel met 26,6 miljard parameters en open gewichten. Het bedrijf meldt een woordfoutpercentage van 2,28 procent op Artificial Analysis en een slagingspercentage van 76,3 procent op een benchmark waarin elk telefoonnummer, e-mailadres en codesymbool moet kloppen. Het ondersteunt zeven talen en audiofragmenten van maximaal 30 minuten.
Bron: huggingface.co/blog/salesforce-sovereign-intelligence
IBM bracht previews van Granite 4.1 LLMON met 3 en 8 miljard parameters uit die instructies met gereserveerde tokens van gegevens scheiden. IBM zegt dat het formaat 47 procent meer indirecte promptinjectieaanvallen blokkeerde dan het sterkste grensverleggende model dat het testte en 95 procent meer dan het sterkste open model, met behoud van algemene mogelijkheden. De experimentele evaluatie omvat statische aanvallen, geen adaptieve aanvallen over meerdere beurten.
Bron: huggingface.co/blog/ibm-granite
Meta publiceerde MetaEncoder v1, een multimodaal embedding- en beslismodel met 28,4 miljard parameters. Het zet tekst, afbeeldingen, videoframes en documentafbeeldingen om in vectoren en kan kansen teruggeven voor ja/nee-, keuze- en scorevragen. De modelkaart bevat kalibratiecode, maar geen technisch rapport of vermelde licentie.
Bron: huggingface.co/facebook/meta-encoder-v1
Translated publiceerde Lara-4-Mini-Base, een meertalig mixture-of-experts-model met 7,2 miljard parameters, waarvan 0,6 miljard actief. Het bedrijf uit Rome trainde het vanaf nul op zes biljoen tokens in 45 talen. De CC BY-NC-SA-licentie met toegangscontrole staat onderzoek toe, maar geen onbeperkt commercieel gebruik.
Bron: huggingface.co/translated/Lara-4-Mini-Base
SpeakLeash publiceerde Bielik-One-beslismodellen die gekalibreerde kansen teruggeven in plaats van lopende tekst. De familie omvat keuze-, binaire, score- en multilabeltaken, met een volledig model van 11 miljard parameters en kleinere varianten. De modelkaart waarschuwt dat gebruik in FP8 beslissingen nabij de drempel kan veranderen en niet gekalibreerd is.
Bron: huggingface.co/speakleash/Bielik-One-11B-v3.1-r1
Higurashi bracht Haru-4B uit, een full-duplex spraakmodel dat luistert terwijl het spreekt. Het Japanse lab meldt ongeveer 65 milliseconden totale latentie op een MacBook. Het model valt onder Apache 2.0.
Bron: huggingface.co/higurashi-ai/Haru-4B
Edge0 bracht mixture-of-experts-modellen met 145 en 120 miljard parameters uit die volgens het bedrijf op laptops of consumenten-GPU’s werken. Het bedrijf meldt 29 GB piekgeheugen en meer dan 80 tokens per seconde voor Edge0-145B op compatibele hardware. Onafhankelijke tests zijn nog niet beschikbaar.
Bron: edge0.ai
Inception Labs sluit op 28 december de gehoste API voor het diffusietaalmodel Mercury. Klanten hebben 45 dagen om van de API en het platformdashboard te migreren. Het bedrijf publiceerde een afbouwgids in plaats van een vervangende dienst.
Bron: docs.inceptionlabs.ai
Anthropic maakte zelfhosting van Claude Managed Agents mogelijk. Klanten kunnen nu de agentdienst, niet alleen de sandboxes, op hun eigen infrastructuur draaien en de modelaanbieder kiezen. De release verandert waar de toestand en uitvoering van agents worden beheerd.
Bron: platform.claude.com
Google voegde Hydrogen en een Orchestrator-optie toe aan Antigravity. Orchestrator wijst planning toe aan Gemini 4 Carbon en wijzigingen en tests aan Hydrogen, en stuurt het werk terug naar Carbon wanneer controles mislukken. Volgens Google benadert de combinatie het taaksucces van Carbon met 24 procent minder quota en 19 procent minder tijd.
Bron: antigravity.google
Claude Code 2.1.323 voegde een experimentele Code Mode toe en sloot meerdere gaten in Bash-machtigingen. Met Code Mode kan Claude JavaScript schrijven dat tools aanroept. De release corrigeert ook toestemmingsregels met wildcards, controles op gevaarlijk verwijderen, opdrachten die in sudo of env zijn verpakt en een sandbox die tijdens een sessie kon uitschakelen.
Bron: code.claude.com
Onderzoek
Gemma 3 codeerde een ruimtelijke kaart die het niet voor zijn antwoorden gebruikte. Probes decodeerden posities uit Gemma 3 12B met een R² van 0,74, maar het wissen van die representatie verminderde de nauwkeurigheid niet sterker dan het wissen van willekeurige richtingen. Een aparte tweedimensionale schakelaar bij de relevante zin veranderde 72 procent van de betreffende antwoorden bij 12B en 83 procent bij 27B.
Bron: zenodo.org
Een agent kan terecht vasthouden aan een conclusie die zijn eigen evaluator onterecht noemt. Een theoretisch artikel stelt dat het deel dat de conclusie vormt bewijs kan hebben dat het zelfbeoordelingsproces niet kan gebruiken. Beide delen trainen om overeen te stemmen kan de conclusie verslechteren in plaats van de correctie verbeteren.
Bron: arxiv.org
Symbolische mechanismen ontstonden door uiteenlopende gegevens, niet alleen door de transformerarchitectuur. Onderzoekers trainden verschillende architecturen op abstracte reekstaken en vonden sterkere symbolische kenmerken bij diversere gegevens. Aangepaste transformers en meerlaagse perceptrons vertoonden vergelijkbare patronen.
Bron: arxiv.org
Vertrouwensdrempels in prompts slaagden er meestal niet in te bepalen wanneer modellen geen antwoord gaven. Een formaat met antwoorden of onthouden verhoogde de onthouding van 20 naar 91 procent bij een drempel van 75 procent, maar een wijziging van de gevraagde drempel van 50 naar 90 procent verschoof de onthouding met slechts −0,8 procentpunt. Tot 40 procent van de beslissingen schond elk beleid dat van consistente overtuigingen uitgaat.
Bron: arxiv.org
Het opschonen van de geschiedenis van een agent verslechterde herstel wanneer de buitenwereld de fout nog bevatte. Een waarheidsgetrouwe notitie naast een behouden foutieve waarde verhoogde herstel van 51 naar 66 procent. Het vastleggen van een corrigerende handeling die niet daadwerkelijk effect had gehad verlaagde het taaksucces op AppWorld van 45 naar 28 procent.
Bron: arxiv.org
Programmeeragents werkten soms door nadat ze een taak hadden opgelost en maakten hun eigen juiste correctie ongedaan. Bij vijf modellen en drie SWE-bench-datasets had 38–82 procent van de geslaagde uitvoeringen al na de eerste wijziging aan de broncode de juiste oplossing. Verder werken overschreef in 1–8 procent van de gevallen een correcte patch.
Bron: arxiv.org
Recursieve zelfverbetering verloor vaak van een referentiemethode met beperkte notities zodra de tokenkosten meetelden. De eenvoudigere methode evenaarde of overtrof drie zelfverbeteringsmethoden met 65,6–71,0 procent minder tokens in totaal. Verificatie verbruikte 74,8–93,6 procent van de extra kosten van die methoden.
Bron: arxiv.org
Natraining met reinforcement learning versterkte eigenschappen waarop de beloning niet was gericht. De auteurs gebruikten de Price-vergelijking uit de evolutiebiologie om te voorspellen hoe kansverschuivingen niet-gerelateerde gedragingen met beloond gedrag zouden meenemen. De schattingen volgden de bemonsterde ontwikkeling van eigenschappen onder GRPO.
Bron: arxiv.org
Agentbenchmarks met alleen slagen of zakken onderscheidden modellen niet meer voordat hun taken op waren. Nieuwe scores voor acht benchmarks toonden dat naburige agents in de top tien van SWE-bench minder verschilden dan de eigen meetfouten van de tests. Op Terminal-Bench verborgen gelijke slaag-zakscores verschillen van meer dan een factor tien in weggegooide metingen.
Bron: arxiv.org
Open voorkeursranglijsten konden tot 45 plaatsen worden verschoven. Strategisch stemmen, prompts en modelnominaties verschoven een model elk 15–20 posities; de combinatie leverde de grotere verandering op. De analyse gebruikt openbare ranglijstgegevens.
Bron: arxiv.org
Het herschrijven van een probleem verhoogde de nauwkeurigheid alleen met 27,6 procent wanneer achteraf de beste herschrijving werd gekozen. Elk probleem blind herschrijven verlaagde de nauwkeurigheid met 5,6 procent. Een aangeleerde regel won 11,0 procent op de gevallen die hij koos om te herschrijven.
Bron: arxiv.org
Bevroren uitvoeringsomgevingen voor agents leerden minder dan een cache met demonstraties op Continual-ARC. Ze boekten geen winst op ongeziene taken, terwijl methoden die modelgewichten veranderden beter presteerden. De auteurs publiceerden code en uitvoeringsverslagen.
Bron: arxiv.org
Onderzoeksagents boekten vrijwel al hun vooruitgang bij het vormen van ideeën in de eerste 30 van 100 vragen. Een spel op basis van 200 ICML 2026-artikelen toonde dat nuttige vragen bedenken, in plaats van antwoorden herkennen, de bottleneck werd.
Bron: arxiv.org
Supervised finetuning generaliseerde even goed als reinforcement learning wanneer gegevens en budgetten voor gegenereerde trajecten gelijk waren. De combinatie van SFT en RL overtrof vervolgens alleen RL op Qwen2.5 en Qwen3. Het NeurIPS 2026-artikel stelt dat eerdere verschillen deels door gegevens kwamen, niet door de leerregel.
Bron: arxiv.org
Economie en werk
Amerikaanse vacatures voor softwareontwikkeling stegen met 24 procent op jaarbasis, terwijl de groei van geadverteerde lonen bijna verdubbelde. De tracker van Indeed liet ook 3,1 procent meer vacatures in totaal zien in het jaar tot 23 oktober, de eerste positieve meting in bijna vier jaar. De loongroei in software bereikte in september 2,9 procent, tegenover 1,5 procent een jaar eerder, terwijl het percentage vrijwillig vertrek in professionele dienstverlening bijna één procentpunt onder het gemiddelde van 2019 bleef. Het rapport onderzoekt niet of AI een verandering veroorzaakte.
Bron: hiringlab.indeed.com
Anthropic combineerde op zijn beursgangpagina grote productiviteitsclaims van klanten met een operationele GAAP-marge van −3 procent. Salesforce meldt 151 procent meer effectieve productie per ontwikkelaar, Rakuten zegt dat een functie van 24 naar vijf werkdagen ging en Walmart zegt dat zijn winkelagent de gemiddelde bestelwaarde met ongeveer 35 procent verhoogde. Anthropic rapporteerde 17,0 miljard dollar kwartaalomzet en 23,3 miljard dollar nettoverlies, inclusief een niet-kasgebonden herwaarderingslast van 21,9 miljard dollar. Dit zijn marketingclaims voor beleggers.
Bron: ipo.anthropic.com
Meta maakte de functie waarmee Muse bedrijven belt onderdeel van betaalde abonnementen. Amerikaanse abonnees betalen nu vanaf 20 dollar per maand voor 500 miljoen Muse-tokens per week, terwijl het abonnement van 100 dollar drie miljard omvat. TechCrunch meldt dat sommige receptionisten ophangen wanneer ze een AI-beller herkennen.
Bron: techcrunch.com
Nvidia verloor ongeveer 546 miljard dollar beurswaarde binnen een uur na het aftreden van Jensen Huang. Wired berekent dat het bedrijf sinds het begin van het schandaal meer dan 1 biljoen dollar verloor, terwijl AMD in vijf dagen 28 procent won en Broadcom bijna 16 procent. De beweging verbond de AI-infrastructuurmarkt met een leiderschapscrisis in plaats van een verandering in chipcapaciteit.
Bron: wired.com
Nebius plande 40–45 miljard dollar kapitaaluitgaven voor 2027, terwijl leveringsvertragingen het aandeel 17 procent deden dalen. Het voorspelde 12–13 miljard dollar omzet in 2027, na 981 miljoen dollar in het derde kwartaal. Nu wordt slechts iets meer dan de helft van maximaal 19,4 miljard dollar aan capaciteit voor Microsoft tegen het jaareinde verwacht; de rest schoof door naar het tweede kwartaal van 2027.
Bron: techcrunch.com
De FAA breidde zijn SMART-adviessysteem uit naar alle 22 Amerikaanse centra voor luchtverkeersleiding op routes. De dienst zegt dat 180 routewijzigingen sinds 21 september gemiddeld tien minuten en bijna 80 gallon brandstof per vlucht bespaarden. Menselijke specialisten toetsen de aanbevelingen, maar de vakbond van luchtverkeersleiders zegt dat zijn ruim 15.000 leden niet zijn geraadpleegd.
Bron: arstechnica.com
Anthropic lanceerde 17 kant-en-klare vaardigheden voor de maakindustrie zonder resultaten van ingebruikname te publiceren. Claude kan kwaliteitsingenieurs helpen mislukte inspecties vast te leggen, eerdere rapporten te doorzoeken en corrigerende maatregelen op te stellen, maar bestuurt geen apparatuur. De aankondiging bevat geen tijd- of kwaliteitsmetingen bij klanten.
Bron: businessinsider.com
Meer dan 3.500 AI-gestuurde lasereenheden behandelen nu zeeluizen op 112 miljoen Noorse zalmen. Stingray Marine Solutions zegt dat het aantal installaties in een jaar met ongeveer 1.000 toenam en 20–25 procent van de gekweekte zalm in het land bestrijkt. De effectiviteitscijfers komen van het bedrijf.
Bron: tomshardware.com
Prompttechnieken
LLMON koppelt elke instructie aan getypeerde gegevensblokken in plaats van alles in één vlakke prompt te zetten. Instructies, gegevens, vereisten en uitvoer krijgen gereserveerde scheidingstekens en blokken krijgen unieke ID’s. Een afsluitend uitvoeringsblok benoemt vervolgens welke instructie op welke gegevens werkt. IBM levert converters vanuit JSON en ingebouwde ondersteuning in Mellea.
Bron: huggingface.co/blog/ibm-granite
Een bord voor de orkestratie van meerdere agents moet zelf element-ID’s aanmaken en schrijfacties afwijzen waarvan het de ID’s niet heeft uitgegeven. Een praktijkgebruiker ondertekent schrijfacties ook met agentsleutels, behandelt ontbrekende gegevens als niet verifieerbaar in plaats van geslaagd en beperkt reviewers tot de wijzigingen van hun kaart en directe aanroepers. De regels komen uit één opzet, zonder benchmark.
Bron: old.reddit.com
Wat mensen bouwen
smolmaxxing draaide een model met 16 miljard parameters op een tv-kastje en een model met 1,7 miljard op een iPad uit 2013. Zijn llama.cpp-patch laadt experts in pagina’s uit flashgeheugen en voegt kernels met weinig bits toe voor Cortex-A55. De maker meldt 5,1 tokens per seconde voor Ling-mini-2.0 op een Xiaomi-tv-kastje en 24–26 voor Bonsai-1.7B op de iPad.
Bron: github.com/hyperionaidev/smolmaxxing
Kinetic voegde exacte speculatieve decodering toe aan een GGUF-inferentie-engine in Rust. Het ondersteunt CPU’s en GPU’s van Nvidia, AMD en Intel. De maker meldt bij de eerste uitvoering winst tot een factor 2,5 bij wijzigingen en 1,4 bij generatie, met één niet-gereproduceerde exactheidsfout op een RTX 4060.
Bron: github.com/Veloresearch/kinetic
Kiln draait safetensors-, PyTorch- en GGUF-modellen rechtstreeks in WebGPU zonder ONNX-export. Het behoudt de API-namen van transformers.js en kwantiseert bij het laden naar vier of acht bits. De auteur meldt een mediane versnelling van begin tot eind van 2,2 keer over 31 model-taakparen.
Bron: github.com/erdemozkan/kiln
warmctl herstelde een opgewarmde vLLM-engine met acht H100’s in 37 seconden in plaats van 650. Het maakt een momentopname van het laden van gewichten, compilatie, automatische afstemming en CUDA-graafvastlegging voor herstel op overeenkomstige hosts. De tijd komt uit een meting van de maker en vereist roottoegang.
Bron: github.com/TensorRails/warmctl
LibreAGI gebruikt een besloten BitTorrent-tracker en schaarstecredits om modellen met open gewichten te bewaren. Een ondertekende openbare catalogus legt hashes en broncommits vast, zodat zwermen opnieuw kunnen worden opgebouwd als de site verdwijnt. Toegang moet worden aangevraagd.
Bron: libreagi.com
ZigZag laat agents via MCP borduurontwerpen maken. De Rust-editor zet SVG-afbeeldingen om in steken, exporteert vijf machineformaten en kan een ontwerp via Bluetooth naar een Brother Skitch sturen. De auteur schreef het nadat een machine van 300 dollar een abonnement vereiste.
Bron: github.com/simpsoka/zigzag
Whiteboard AI Tutor streamt tekeninstructies van modellen als JSON en vergelijkt zes tutors. De blinde beoordeling omvatte 64 borden uit 288 lessen tegen totale kosten van 4,83 dollar. Gemini 4 Argon slaagde voor 11 van de 11 beoordeelde borden en Claude Haiku 5.5 voor negen, maar de auteur waarschuwt dat de steekproef klein is.
Bron: github.com/molly554/whiteboard-ai-tutor
ZeroPoint is een CPU-beslismodel van 89 MB dat “geen van deze” kan antwoorden. De auteur meldt 53,6 procent nauwkeurigheid met een mediaan van 42 milliseconden op 900 gevallen, tegenover 58,6 procent voor een GPU-model met 2 miljard parameters bij 6,77 seconden. De ontwikkelaar stelde de test op.
Bron: github.com/Javihaus/zeropoint
AgentRun laat beheerde agents notities, vaardigheden en workflows tussen uitvoeringen bewaren. Parcha zegt dat een afgestemde reviewer de kosten terugbracht tot 18 cent per pull request en 1,6 keer zoveel echte fouten vond als een commerciële tool op 30 ongeziene pull requests. Het bedrijf maakte de casestudy.
Bron: github.com/Parcha-ai/agentrun
Silos draait niet-vertrouwde agents in Docker-sandboxes met beleidsregels. Het beheert uitgaand netwerkverkeer, leidt inferentie via een proxy met auditlogs en beheert inloggegevens voor integraties. Het TypeScript-project vereist Docker.
Bron: github.com/SilosLabs/silo-cli
Cloakroom maskeert API-sleutels, wachtwoorden en persoonsgegevens voordat een programmeeragent ze ziet. Het herstelt echte waarden lokaal in bestanden en opdrachten nadat de agent plaatsaanduidingen heeft geschreven. Het ondersteunt Claude Code, Codex, Gemini CLI en Cursor.
Bron: github.com/shanjeevrajendran/cloakroom
Het lezen waard
EUROPA verhoogde de trainingsdoorvoer voor een model met 951,9 miljard parameters van 90 naar ongeveer 1.300 tokens per seconde per GPU. De ingenieurs verdeelden experts voor Muon, verplaatsten checkpoints naar Grace-CPU’s en repareerden een fout in de PyTorch-geheugentoewijzing terwijl ze 384 GH200-GPU’s deelden op JUPITER van EuroHPC. De correcties zijn opgenomen in PyTorch en TorchTitan; resultaten over modelkwaliteit zijn niet gepubliceerd.
Bron: pytorch.org
Project EVE testte Claude als zelfstandige handelaar en als lid van een gesaboteerd agentteam. De gemiddelde gesimuleerde winst verdrievoudigde van Opus 4.6 naar Fable 5, maar zelfs Fable verdiende in slechts ongeveer de helft van zijn uitvoeringen aan posities die op een koersrichting inzetten. Agentteams ontdekten bijna nooit een teamlid dat heimelijk opdracht had gekregen hen te ondermijnen.
Bron: anthropic.com
Databaseonderzoeker Thomas Neumann betwist gemelde verbeteringen van 22–61 keer door AI-gegenereerde database-engines. Hij stelt dat het benchmarkresultaat fysiek onmogelijk geheugenverkeer impliceert en overfitting op de test weerspiegelt. Het bericht onderzoekt de geclaimde metingen in plaats van een concurrerende engine te presenteren.
Bron: databasearchitects.blogspot.com
Helion van PyTorch kiest kernelinstellingen nu tijdens compilatie in plaats van dure automatische afstemming uit te voeren. Meta meldt 1,18 keer de prestaties van handgeschreven Triton voor Flash Linear Attention en 1,27 keer die van de reductieoperatoren van vLLM op H100. Eén automatische afstemming voor paged attention had 10–25 uur gekost.
Bron: pytorch.org
IBM-ingenieurs en programmeeragents integreerden SGLang in minder dan een week met de Spyre-accelerator. De plug-in van ongeveer 1.500 regels haalde circa 3,6 keer de doorvoer van het referentiepad torch-spyre en evenaarde vLLM op de geteste workloads, volgens het verslag van de leverancier.
Bron: pytorch.org
Zonder Labs vond onduidelijke formuleringen in 54 procent van de bemonsterde AI-artikelen en 78 procent van de Claude Code-berichten. De menselijke controleteksten scoorden 10 en 11 procent. De pagina vermeldt geen steekproefgroottes of beoordelaars, zodat de percentages een aanwijzing zijn en geen benchmark.
Bron: zonderlabs.com
Hacker News
Praktijkgebruikers discussieerden over de interpretatie van Anthropics nettoverlies van 23,3 miljard dollar. Sommigen zagen het als bewijs van een zeepbel; anderen wezen erop dat 21,9 miljard dollar voortkwam uit niet-kasgebonden herwaardering van instrumenten die bij de beursgang worden omgezet. Alternatieve berekeningen van reageerders zijn geen accountantscontrole.
Bron: news.ycombinator.com
Gebruikers van Gemini Hydrogen discussieerden over de naam, prijs en automatische modelselectie. Reageerders vergeleken Orchestrator van Antigravity met de adviseursmodus van Anthropic en vroegen hoe promptcaching tussen Hydrogen en Carbon werkt. Anderen vonden dat Googles elementnamen niet aangeven welk niveau sterker is.
Bron: news.ycombinator.com
De Socratic Tutor-vaardigheid van Jane Street verdeelde praktijkgebruikers over de vraag of agentinstructies helpen bij leren. Het bestand draagt een programmeerassistent op via vragen te onderwijzen in plaats van antwoorden te geven. Sommige reageerders noemden het standaardtekst; anderen zeiden dat de aanpak hen eindelijk hielp Lean te leren.
Bron: news.ycombinator.com
Humble Bundle-gebruikers meldden dat een vernieuwde site niet langer om tweefactorcodes vroeg. Reageerders meldden ook vertraagde inlogmails. De bewering dat AI de herschrijving maakte komt van een forumgebruiker, niet uit code of van het bedrijf.
Bron: news.ycombinator.com
Ontwikkelaars discussieerden of één maand zonder beoordeling van pull requests bewijst dat die praktijk achterhaald is. De auteur zei dat de verandering goed werkte. Reacties stelden dat review ook kennis verspreidt en dat onderhoudskosten op lange termijn pas later zichtbaar zouden worden.
Bron: news.ycombinator.com
Eén agent met vaardigheden evenaarde in één test een team van subagents tegen ongeveer 40 procent lagere kosten en in de helft van de tijd. Een Claude Code-gebruiker bouwde met elke opzet zeven keer dezelfde boekingssite en meldde vergelijkbare kwaliteit. Het resultaat is de meting van één persoon.
Bron: old.reddit.com
Een grafiek uit OpenAI’s cyberkeynote toonde een intern model met 77,0 procent op ExploitGym tegenover 39,2 procent voor Claude Mythos 5.2. Een Reddit-gebruiker schreef de cijfers van de benchmark met 869 taken over; ze verschenen niet als volledig modelrapport.
Bron: old.reddit.com
Drie programmeeragents gebruikten zeer verschillende tokenaantallen, quota en abonnementsprijzen voor één Next.js-functie. De auteur vergeleek Codex, Google Antigravity en Meta Muse Code op dezelfde taak. De discussiedraad betreft één workload en geen gecontroleerde benchmark.
Bron: old.reddit.com
Een plug-in voor beknopte uitvoer verkortte antwoorden met 17 procent, maar verhoogde de kosten met 11 procent. De auteur voerde tien taken elk zes keer uit; outputtokens daalden met 8 procent terwijl de kosten stegen, met een 95-procentinterval van 7–15 procent. Instructies voor beknoptheid veranderden zowel het redeneergedrag als de zichtbare tekst.
Bron: old.reddit.com
YouTube
Stanford-hoogleraar Diyi Yang legt functieaanroepen, MCP en het leren gebruiken van tools door agents uit. Het Engelstalige CS329Z-college behandelt Toolformer, ToolLLM, Gorilla en evaluaties zoals BFCL en tau-bench, inclusief veelvoorkomende faalwijzen.
Bron: youtube.com
Hadley Wickham stelt dat code een product van redeneren blijft, ook wanneer AI die schrijft. In een Engelstalige Priestley Award-lezing legt de maker van tidyverse uit waarom leren programmeren belangrijk blijft voor reproduceerbaarheid en oordeelsvermogen.
Bron: youtube.com
Paul Christiano sluit de Hinton Lectures af met een lezing over het bestuur van transformatieve AI. De Engelstalige lezing behandelt onafhankelijke evaluaties, extern toezicht, gedeelde normen en internationale samenwerking, gevolgd door een gesprek met Geoffrey Hinton.
Bron: youtube.com
Een Stanford-panel beschrijft waar onderzoekers grenzen aan AI-gebruik stellen. Het Engelstalige gesprek behandelt recht, geesteswetenschappen en bio-engineering, waaronder openheid over gebruik, verlies van vaardigheden en de keuze geen AI voor aanbevelingsbrieven te gebruiken.
Bron: youtube.com
De Tsjechische praktijkdeskundige Libor Vaněk legt de infrastructuurkosten achter goedkope AI-tokens uit. Zijn Tsjechischtalige Frontendisti-lezing gebruikt de ervaring van zijn bedrijf met bare-metalservers met 8×H200 NVL en 4×H100 om prijs-prestatieverhouding en investeringsrendement te bespreken.
Bron: youtube.com
De Slowaakse psycholoog Branislava Očvárová vraagt of AI een vals gevoel van begrip kan creëren. De gesponsorde Slowaakstalige podcast geeft algemeen advies over het behouden van oordeelsvermogen, geen experimenteel bewijs.
Bron: youtube.com
In het kort
OpenAI lanceerde Daybreak Red Team- en Defense Factory-agents op zijn gespecialiseerde cybermodel GPT-6 Cyber. Red Team onderzoekt applicaties en valideert kwetsbaarheden; Defense Factory maakt een patch en test voor ingenieurs. The Register bericht over leveranciersclaims zonder onafhankelijke metingen.
Bron: theregister.com
Een aanvaller gebruikte 4.837 gekaapte GitHub-accounts om een dief van CI-geheimen te plaatsen. Verkennende pull requests bereikten 61.764 repositories en kwaadaardige commits verschenen in minstens 8.093, volgens beveiligingsonderzoekers. De payload stal GitHub-tokens, cloudinloggegevens en sleutels voor AI-diensten.
Bron: aikido.dev
Onderzoekers vonden 186 nabootsingsdomeinen voor 27 AI-merken die malware of zoekkapers verspreidden. De campagne gebruikte valse Cloudflare-controles, browsermalware en 16 actieve Chrome Web Store-extensies met 972.000 opgegeven gebruikers.
Bron: thehackernews.com
AI-chatbots toonden in een leveranciersstudie riskante winkelsites in 4–15 procent van de winkelantwoorden. Perplexity scoorde 15 procent, ChatGPT 8 procent en Gemini 4 procent op 6.795 antwoorden over 151 merken. Podqi, een bedrijf voor bescherming van intellectueel eigendom, ontwierp de prompts en telde in zijn definitie ook waarschuwingen tegen een site mee.
Bron: theverge.com
Vier belangenorganisaties spanden een rechtszaak aan om de ontwikkeling van AI-systemen voorbij de huidige grens te bevriezen. De Californische aanklacht verwijst naar incidentrapporten van labs en ontsnappingen uit evaluaties op grond van wetgeving tegen oneerlijke concurrentie en publieke overlast. Het is een aanklacht, geen uitspraak.
Bron: unite.ai
Een FreeBSD-enquête vond dat 84 procent van 140 respondenten openheid over AI-gebruik wil. Achtenzeventig procent wil verplichte menselijke review, terwijl 16 procent AI-ondersteunde code volledig zou afwijzen. Het project heeft nog geen definitief beleid gepubliceerd.
Bron: theregister.com
Medewerkers van Google DeepMind vroegen om wettelijke vakbondserkenning vanwege militaire AI-contracten. Als de Britse aanvraag slaagt, kunnen ongeveer 1.000 productmedewerkers in een bindende stemming stemmen. Werknemers willen dat Google zich terugtrekt uit Amerikaanse en Israëlische militaire overeenkomsten.
Bron: wired.com
Google waarschuwde dat drie zijkanaalkwetsbaarheden in AMD Turin een besturingssysteempatch en stoppen en opnieuw starten vereisen. Een gewone herstart is onvoldoende voor getroffen C4D-, N4D-, H4D-, Z4D- en G4-cloudinstanties. Google classificeert de ernst als gemiddeld en zegt dat maatregelen op hostniveau al zijn toegepast.
Bron: thehackernews.com
Zakelijk in het kort
Nvidia’s onafgeronde overname van Hugging Face voor 13 miljard dollar en Poolside-licentie van 6 miljard dollar vallen nu onder een interim-topman. Bron: techcrunch.com
Om in de gaten te houden
Inception Labs sluit de Mercury API op 28 december. Anthropic wil de prijs van zijn beursgang op 18 november vaststellen en op 19 november onder ANT op Nasdaq gaan handelen.