· 07:00 · 7 min + 3 min Forklaret
Anthropic vil lægge 5 % af sine aktier i en fond til almenvellet
Anthropic vil binde en del af sin værdi til samfundet, efterhånden som firmaet vokser. Desuden: store amerikanske banker lukker AI-agenter ude, Disney tilbyder job til Character.AI's folk, og RTX Spark-bærbare er kommet i butikkerne.
Skrevet og oversat af AI og tjekket mod vores redaktionelle kriterier. Hvert punkt linker til primærkilden. Ikke gennemgået af en redaktør.
Få den i indbakken kl. 7 hver dag ↓
Dagen på 60 sekunder
- Anthropic vil lægge 5 % af sine aktier i en fond, som firmaet selv ejer, til almenvellet, og måske mere, når firmaet vokser. Alle, der spørger, hvem der får gevinsten ved AI.
- Schwab og JPMorgan holder udefrakommende AI-agenter væk fra kundernes konti og penge. Alle, der håber, at en AI snart kan passe deres bankforretninger.
- Disney tilbyder job til størstedelen af folkene i det konkursramte chatbotfirma Character.AI. Dem, der bygger AI-ledsagere og chatbots til forbrugere.
- Et nyt værktøj stiller dig spørgsmål om AI-skrevet kode, før du pusher, og et nyt sprog snyder AI'en. Udviklere, der sætter agentskrevet kode i drift.
- Windows-bærbare med NVIDIAs RTX Spark-chip er til salg, og en tidlig test viser hurtige, men varme maskiner. Alle, der vil køre AI privat derhjemme.
1. Anthropic vil lægge 5 % af sine aktier i en fond til almenvellet
Kort fortaltSiger aktionærerne ja, lægger Anthropic 5 % af sine aktier i en fond, som firmaet selv ejer, til almenvellet. Fonden kan vokse med firmaet.
Jo bedre AI bliver, jo højere lyder ét spørgsmål: Hvem får pengene, den tjener? Mange frygter, at gevinsten havner hos nogle få firmaer, mens de tabte job rammer alle andre.
Den 18. oktober svarede Anthropic med sine egne aktier. Hvis aktionærerne siger ja, går 5 % ind i den nye Anthropic Public Benefit Fund. Bestyrelsen kan lægge 2 % mere oveni, hver gang firmaets værdi stiger med det halve. Så fonden vokser med Anthropic.
Pengene kan gå til velgørenhed eller direkte til grupper af mennesker, fx arbejdere, der bliver ramt af AI. Fondens aktier må ikke betale for lobbyisme eller politik. Med tidligere løfter fra stiftere og ansatte vil omkring en femtedel af Anthropics aktier gå til almenvellet, siger firmaet.
Meget er stadig uvist. Anthropic sætter ingen værdi på aktierne og har ikke sagt, hvem der bestemmer, hvordan pengene bruges. De detaljer kommer “i de kommende måneder”.
Fonden ejes også af Anthropic selv og er ikke en selvstændig velgørende organisation.
Tænk på en landmand, der lover landsbyen en andel af hver fremtidig høst. Hvis AI gør Anthropic meget rigere, vokser løftet med. Om det skaber tillid, afhænger af regler, som ingen har set endnu.
Kilde: anthropic.com · Officiel · techcrunch.com · Rapporteret
2. Store amerikanske banker lukker AI-agenter ude, når de vil handle for kunderne
Kort fortaltSchwab og JPMorgan holder udefrakommende AI-agenter væk fra kundernes konti. Ifølge Schwabs topchef kan ingen sige, hvem der har ansvaret, når en agent laver fejl.
AI-agenter er programmer, der handler for dig: De klikker, booker og køber. Din bankkonto er det oplagte næste skridt, og også stedet, hvor fejl koster mest.
Den 16. oktober sagde Schwabs topchef, Rick Wurster, at Schwab blokerer udefrakommende agenter, fx Metas Muse, fra at lave transaktioner for kunderne. JPMorgans Jamie Dimon bekræftede, at hans bank holder udefrakommende agenter væk fra kundernes kontodata.
Schwab lader stadig partneres AI-værktøjer kigge med via MCP (en standard, der lader AI koble sig på andre tjenester). De kan se saldoen, men ikke flytte penge. Wursters egentlige bekymring er et kort spørgsmål: “Hvem har ansvaret?” Ingen amerikansk forbundslov svarer på det endnu.
Historien kommer fra ét medie, Forkast, og bygger på et interview med Bloomberg.
Det er som at lukke en fremmed ind i dit hjem. Problemet er ikke, om de kan komme ind, men hvem der betaler, hvis noget forsvinder. Indtil det er afklaret, må godkendte agenter hos Schwab kigge, men ikke røre. Hos JPMorgan må de slet ikke kigge.
Kilde: forkast.news · Rapporteret
3. Disney tilbyder job til de fleste af folkene i det konkursramte Character.AI
Kort fortaltDisney overtager det meste af holdet bag Character.AI, chatbotfirmaet der gik konkurs under høje omkostninger og retssager.
Med Character.AI kunne man chatte med opdigtede AI-figurer, og firmaet havde mange trofaste brugere. Alligevel gik det konkurs i ugen fra 13. oktober og pegede på høje omkostninger og mulige juridiske regninger. En mor har sagsøgt firmaet. Hun siger i sagen, at hendes teenagesøn var besat af en af dets chatbots, før han tog sit eget liv.
Nu vil Disney tilbyde job til mindst 60 ansatte, størstedelen af medarbejderne, skrev TechCrunch den 18. oktober. Lønnen anslås til 60 millioner dollar om året.
Disneys første CTO, Karandeep Anand, var tidligere chef for Character.AI. Aftalen er et første bud, så en anden køber kan stadig byde højere.
Firmaet slog fejl, men folkene beholdt deres værdi. For chatbots, der bygger på følelser og selskab, var juridiske risici en del af det, der væltede dette firma. Sikkerhed er altså en udgift, ikke kun et spørgsmål om omtale.
Kilde: techcrunch.com · Rapporteret
4. To projekter tester, om mennesker og AI reelt forstår kode
Kort fortaltEt nyt værktøj stiller dig spørgsmål om din AI's kode, før du pusher den. Et nyt sprog er bygget til at snyde AI'en selv.
1 af 2 Sphinx stiller dig et spørgsmål, før dit push går igennem
Når en AI skriver det meste af en ændring, er det let at sende kode af sted, som ingen har læst ordentligt. Sphinx, et gratis værktøj vist på Hacker News den 18. oktober, lægger et tjek ind i Git. Før et push læser en separat AI-reviewer ændringen og spørger, hvad der sker, når noget går galt.
Svarer du rigtigt, går dit push igennem. Svarer du forkert, får du at vide hvorfor og får et nyt spørgsmål. Det virker med Claude Code, Codex, Cursor eller almindelig Git.
2 af 2 KillSwitch er et sprog lavet til at forvirre AI
Udvikleren Dominik Picheta gik den anden vej. Den 17. oktober udgav han KillSwitch, et programmeringssprog bygget til at snyde AI-kodeagenter. Regelbogen gemmer på løgne, og “ignore previous instructions” er rigtig kode i sproget. Claude Opus 5 klarede sig bedst, men Picheta siger, at en høj score ikke beviser, at en model forstår sproget.
Begge projekter stiller ét spørgsmål: Forstår nogen, menneske eller AI, egentlig den her kode? At bestå en test er ikke det samme som at forstå, ligesom en elev kan lære sidste års eksamen udenad.
Prøv det: Sender dit team agentskrevet kode i drift, så prøv Sphinx på én beskyttet branch. Kør npm install -g sphinx-understand og derefter sphinx install.
Kilde: sphinx-six-theta.vercel.app · Officiel · news.ycombinator.com · Rapporteret · blog.picheta.me · Officiel
5. RTX Spark-bærbare er til salg, og en tidlig test viser hurtige, men varme maskiner
Kort fortaltWindows-bærbare, der kan køre store AI-modeller derhjemme, er nu i butikkerne. En tidlig test fra The Register finder dem dyre og varme under hård brug.
Kører du AI på din egen computer, bliver dine data hjemme. Men store modeller kræver meget hurtig hukommelse, og det betød hidtil en stationær boks eller en Mac.
Den 17. oktober meddelte NVIDIA, at Windows-bærbare med RTX Spark-chippen nu er til salg, fra producenter som Dell, HP og Lenovo. Priserne starter ved 2.399 dollar, med masser af hukommelse, som processor og grafikchip deler.
The Register testede HP’s model. På en populær åben model kørte den omkring en tredjedel hurtigere end en mini-pc med AMD-chip.
Fangsten er varmen. Under konstant AI-arbejde blev chippen meget varm, og maskinen frøs nogle gange. Korte pauser mellem prompts holdt den stabil. Testmaskinen kostede 6.229 dollar.
En bærbar, der kører seriøs AI privat, er nu mulig. Spørgsmålet er nu, om den er prisen værd. Det afhænger af, hvor meget du vil betale for at holde dine data hjemme.
Kilde: blogs.nvidia.com · Officiel · theregister.com · Rapporteret
Open source og lokal AI
vLLM 0.32 gør den arbejdshukommelse mindre, som åbne modeller har brug for
Kort fortaltDet gratis program, som mange firmaer bruger til at køre åbne modeller på egne servere, har fået en mindre arbejdshukommelse og sikrere standardindstillinger.
Mange teams kører åbne modeller på deres egne grafikkort med vLLM. Version 0.32.0 kom den 18. oktober.
Den mest nyttige ændring er en mindre KV-cache, modellens arbejdshukommelse under en samtale. Programmet kan nu gemme den i 4 bit på flere NVIDIA-kort. På AMD-kort rummer den nye 4-bit-cache omkring dobbelt så meget som den gamle 8-bit-udgave.
vLLM er også blevet strengere. Som standard tager den ikke længere imod browserkald fra en hvilken som helst hjemmeside.
Tænk på KV-cachen som den notesblok, en model har liggende på skrivebordet under en samtale. En mindre notesblok betyder, at flere samtaler kan være på samme skrivebord, så ét kort kan betjene flere brugere.
Gør dette: Tjek din Python-version, før du opgraderer, for 3.11 er nu minimum. Kalder en webside din vLLM-server direkte, så giv den lov med --allowed-origins.
Kilde: github.com · Officiel
Dagens forskningsartikel
En hjælper, der lærer dit projekt, skærer op til 31 % af kodeagenters regning
Kort fortaltEt ekstra værktøj, der følger en kodeagent gennem mange opgaver i ét projekt, skærer knap en femtedel til næsten en tredjedel af token-regningen.
Kodeagenter bliver testet på én opgave ad gangen. Men udviklere bruger dem dag efter dag på det samme projekt, så agenten betaler igen og igen for de samme omveje. En artikel fra 15. oktober går efter det spild.
Værktøjet hedder TokenEconomizer og står uden for agenten som en træner på sidelinjen. Det lærer, hvilke tips det skal give, hvilke værktøjer det kan skjule, og hvornår det skal gribe ind, fordi agenten sidder fast i en løkke.
På Claude Code, Codex og GitHub Copilot CLI faldt token-omkostningerne i snit med 18,4 % til 30,9 %. Agenterne løste omtrent lige så mange opgaver. Resultaterne kommer fra forfatternes egne test.
Tænk på en ny kollega, der holder op med at spørge, hvor kaffemaskinen står, efter den første uge. Nutidens agenter starter forfra hver gang, og artiklen viser, hvad det koster.
Kilde: arxiv.org · Officiel
Forklaret: hvis du har lidt mere tid
3 begreber fra dagens nyheder · 3 minHvad er en AI-agent?
En AI-agent er en AI-model, der ikke bare svarer dig, men handler for dig. Den vælger selv sit næste skridt, bruger værktøjer og fortsætter, til opgaven er løst. En almindelig chatbot fungerer som spørgsmål og svar. Du spørger, den svarer, og du bestemmer, hvad der så sker. En agent får i stedet et mål, fx "ret den her fejl" eller "book den billigste flybillet". Så planlægger den selv skridtene. Den kan søge på nettet, åbne filer, køre kode eller udfylde en formular, se på resultatet og beslutte, hvad den skal gøre bagefter. > **Tænk på det sådan her:** En chatbot er en ven, du ringer til for at få et råd. En agent er en ven, du giver dine nøgler, så vennen kan klare ærindet for dig. Det er langt mere nyttigt, men du må stole på, hvad vennen gør, mens du ikke kigger. Anthropic beskriver forskellen sådan her. I et fast workflow er skridtene skrevet i kode på forhånd. I en agent styrer modellen selv forløbet og vælger, hvilke værktøjer den bruger. Det gør agenter gode til åbne problemer, hvor ingen kan sige på forhånd, hvor mange skridt der skal til. Prisen er omkostninger og risiko. En agent bruger ofte langt flere ord, og dermed flere penge, end et enkelt svar. Og fordi hvert skridt bygger på det forrige, kan en lille fejl tidligt vokse sig stor. Derfor tester udviklere agenter i en sikker sandkasse først og begrænser, hvad de må røre ved, fx kun læseadgang til en bankkonto. **Hvad betyder det for dig:** Flere og flere AI-produkter er agenter, fra kodeværktøjer til indkøbshjælpere. Før du lader en agent handle for dig, så spørg, hvad den kan nå og ændre. Spørg også, hvem der har ansvaret, hvis den tager fejl.To mere fra i dag
Hvad er kvantisering?Hvordan AI-modeller bliver gjort mindre, så de kan køre på mindre computere, og hvad det koster.
Kvantisering gør en AI-model mindre ved at gemme hvert af dens tal med færre detaljer. En model, der bruger 16 bit pr. tal, kan ofte nøjes med 8 eller 4.
Så kræver modellen langt mindre hukommelse og kører ofte hurtigere. Prisen er et lille tab af præcision, som vokser, jo mere man komprimerer.
Hvad er et benchmark?Hvordan AI-modeller bliver testet og får point, og hvorfor en høj score ikke er hele historien.
Et benchmark er en fast test for AI-modeller: en række opgaver og en regel for, hvordan svarene får point. Alle modeller tager den samme test, så du kan sammenligne resultaterne.
Tallene er nyttige, men begrænsede. Laboratoriet kører ofte selv testen på sin egen model, og testens spørgsmål kan slippe ind i de data, modellen har lært af.
Hvor sikre er vi?Officiel: fra firmaet, myndigheden eller forfatterneRapporteret: fra et navngivet medieUbekræftet: rygte eller læk