TechCrunch ramte tonen ved at kalde det hele for model drop week. Det føltes rigtigt. En kulmination af tempoet, som branchefolk længe har talt om – men undervurderet i praksis. De tre udmeldinger landede ikke bare som pressemeddelelser. De rykkede forventningerne til, hvordan teams skal bygge og drive AI i hverdagen. Ikke én gang, men igen og igen.
Hvorfor det betyder noget nu
Tempoet er blevet en del af produktionsvilkårene. Hver opdatering kan flytte både kvalitet, outputmønstre og tone – og dermed påvirke kvalitetssikring, compliance og support. En model kan blive skarpere og samtidig mere uforudsigelig i hjørnerne. Opdager man det først i driften, er det for sent.
Meta Muse: produkt over model
Muse rammer et andet sted end de klassiske modeldrops. Ifølge TechCrunch rapporteres det, at Muse overgår ChatGPTs tidlige tal. Der er ikke delt konkrete DAU, MAU eller retention, så tag det som sekundær rapportering. Signalværdien er alligevel tydelig: en personlig agent indlejret i Meta-økosystemet og på kurs mod smart glasses flytter fokus fra benchmark-tabeller til hverdagsbrug. Distribution kan overdøve rå modelstyrke.
Planen om smart glasses skærper spørgsmålet. En agent i lommen er én ting; en agent i synsfeltet er noget andet. Det presser UX-design, dataflow og privatliv: Hvilke datapunkter må modellen se i realtid? Hvilke logs må ligge i skyen? Hvad hvis brillerne deler hjemmets wifi med arbejdslaptoppen? Det er ikke science fiction – det er roadmappet.
Anthropic og Open
AI: kapløbet om tempo
Tidslinjen er skarp ifølge TechCrunch: Anthropic lancerede Opus 5.5, og cirka 90 minutter senere fulgte OpenAI med GPT-6 opdateringer. To frontaktører så tæt på hinanden sætter en ny norm for reaktionsevne. Detaljerne om, hvad GPT-6-opdateringerne præcist ændrede, er sparsomme i de nuværende kilder – hvilket gør løbende egen test endnu vigtigere.
Agent Ultra fra Exa: specialiseret research-mode
Mens overskrifterne gik til Muse, dukkede et andet stykke værktøj op. Exa lancerede Agent Ultra – beskrevet som den højeste indsats-tilstand i Exas Agent API til udtømmende research. Ifølge MarkTechPost og Exas egen beskrivelse er pointen klar: kør til udmattelse. Store lister, entitetsberigelse, spørgsmål der kræver tusindvis af kilder. Hosted API, ikke åbne vægte – vigtigt for teams, der arbejder med self-hosting.
Exa oplyser, at Ultra splitter opgaver i delopgaver med subagents, ruter frontier-modeller derhen, hvor de er nødvendige, og hurtigere modeller hvor det rækker. Typiske kørsler på cirka 30 minutter – op til 3 timer for de svære. Det er længe i produktionskontekst, men kan give mening i dyb research. Kræv dog plads i køen, så andre workloads ikke låses. Exa hævder også benchmark-sejre over store modeller; det er vendor-rapporterede resultater og bør behandles derefter.
Hvad betyder det i praksis for danske teams
Skift perspektiv fra modelvalg til modeldrift. Snilld-analyse anbefaler tre ting først: en stabil eval-pipeline, en klar upgrade-politik og en governance-proces, der kan træffe hurtige, dokumenterede beslutninger. Det er analyse, ikke bevis. Men logikken er enkel: Hvis leverandøren kan skifte model på 90 minutter, skal du kunne teste på 9.
Byg en eval-suite på jeres egne repræsentative cases – ikke generiske evals. Mål både kvalitet, stiladfærd og sikkerhed. Indfør en rød-knap-regel: Hvis regressionsscore krydser en tærskel, ruller intet ud, uanset hype. Det kan forsinke opgraderinger, men sparer eskalationer i kundeservice ugen efter.
Adopter en arkitektur med adapterlag. Isolér modelkald bag et internt API, så klienter kun ser en kontrakt – ikke modelnavne. Læg feature flags og routing ind, så en ny model kan spejlkøres på 10–20 procent af trafikken. Brug canary-kørsler med skygge-svar og tværgående evals. Det er forskellen mellem en rolig uge og en brandvagt.
Vendor-benchmarks bør behandles som salgspræsentationer, indtil andet er bevist. Bed om: datasets, prompts, temperatur, kontekstvindue, ressourcebudget per agenttrin, retriever-indstillinger og cost per fuldført opgave. Kræv en reproducerbar notebook eller script. Hvis den ikke findes, er resultaterne inspiration – ikke beslutningsgrundlag.
Agent Ultra og andre høj-effort modes åbner for opgaver, teams ofte undgår at automatisere: find-alle lister, fuld entitetsberigelse, dyb due diligence. Prisen er latenstid og compute. Planlæg dem som batch-jobs med tydelig SLO. Sæt max-budget per kørsel, log kilder, gem mellemresultater og kør stikprøvekontrol med menneskelig QA, før data rammer produktionstabeller.
Smart glasses og personal agents: hvad skal forretningen forberede?
Hvis Muse rykker ind i brillerne, ændrer det datastrømmen: kamera, mikrofon, lokation – måske objekter på skrivebordet. Det kræver ny privacy-klassificering. Hvilke datapunkter må I kombinere? Hvornår er det samtykke, hvornår legitim interesse? Og hvad gør I, hvis en leverandør gemmer embedded telemetry, I ikke havde regnet med?
UX-mæssigt flytter agenten tættere på kroppen. Det kræver kortere svar, stærk kontekststyring og fallback, når forbindelsen dykker. Output skal kunne reduceres til små bidder uden at tabe meningen. Mange agentdesigns bryder sammen, når de bliver afbrudt midt i en tanke – design efter det.
Kontrakter og SLA’er bør opdateres. Hyppigere modeldrops kan påvirke performance-garantier og compliance-forpligtelser. Indfør klausuler om notifikation før modelskift, krav til changelogs og ret til at blive på en tidligere version i en overgangsperiode. Det giver ro, når breaking changes rammer tirsdag kl. 15.
De åbne spørgsmål – og næste skridt
Kald det kynisk, men sådan er det: Hype er fint, når weekenden nærmer sig. I produktion er det støj. Det, der står tilbage efter model drop week, er en praktisk lektie: Byg systemer, der kan absorbere tempoet – og vent med de store ord, til tallene kan gentages.
