Velkommen til vores nyhedssektion. Her udgiver vi de nyeste opdateringer fra både vores egen virksomhed og den dynamiske verden af kunstig intelligens. Vi leverer nyhederne på dansk, og vores mål er at kombinere teknisk dybde med klar kommunikation, så både tekniske professionelle og almindeligt interesserede læsere kan drage fordel af vores indhold. Uanset om du søger indsigt i avancerede AI-innovationer, eller du ønsker en forståelig forklaring på komplekse emner, er du kommet til det rette sted.
Seneste nyheder
fra AI verdenen
Snillds AI puls – Uge 41 2026
I Finland har Google travlt med at bygge fremtiden, men miljømyndighederne har bedt om at se papirerne først. Danmark investerer i forskning, Sverige tester om AI kan holde på patientdata, og Norge inviterer teknologien ind i den organiserede arbejdsmodel. Ude i verden kan Google nu lave spil ud fra en beskrivelse, mens OpenAI forsøger at mærke AI-tekst, og Meta vil lære agenter at tale med butikkerne. 🎮🌲 Det er ganske meget fremtid for én arbejdsuge.
Snillds AI puls – Uge 40 2026
En uge forsinket, men uge 40 var ugen, hvor AI fik adgangskort, eget skrivebord og en vagthund i serverrummet. I Danmark bygger Granite en sky til agenter, Sovera vil holde sikkerheden på europæiske hænder, og svenske laboratorier prøver at gøre data mindre ‘vi finder ud af det senere’. Globalt lancerer OpenAI always-on Dots, Google giver Argon ekstremt lang snor, og Nvidia svarer med en sikkerhedsvagt, der kan lukke agenten inde. 🤖🔐
Jev skifter fokus fra chat til typed beslutninger ifølge MarkTechPost
MarkTechPost skriver, at TypeSafe AI har lanceret Jev, en System One-model der tager ustruktureret tilstand ind og returnerer typed beslutninger med kalibrerede sandsynligheder. Ifølge MarkTechPost definerer TypeSafe tre primitives (Choice, Score, Noul), evaluerer alle spørgsmål parallelt i én request, og Choice understøtter op til 255 muligheder. TypeSafes egne workflow-evalueringer rapporterer op til 193,6× hurtigere og 444,6× billigere, men tallene er ikke uafhængigt verificeret. Snillds manual-brief omtaler potentielle praktiske gevinster som øget sporbarhed; det er en tolkning, ikke dokumentation fra MarkTechPost.
TechCrunch citerer Blue Cross Blue Shields påstand om 942 mio. dollar i merudgifter
TechCrunch citerer Blue Cross Blue Shield for at hævde, at hospitalers brug af AI‑værktøjer er forbundet med 942 millioner dollar i ekstra sundhedsudgifter over to år. TechCrunchs dækning fremlægger ikke en offentlig metode eller datasæt, så tallet kan ikke læses som dokumentation for en kausal effekt.
Cirka 16.000 Supabase-instanser kan være åbne mod nettet
TechCrunch skriver, at nogle Supabase-kunder har lagt store mængder persondata åbent på nettet. UpGuard taler om cirka 16.000 eksponerede databaser. Det er ikke en ny sårbarhed i selve Supabase, men fejl i opsætning, adgang og deployment. Risikoen rammer især AI-genererede og “vibe-coded” apps, hvor tempo og skabeloner styrer for meget, og kontrol for lidt.
Sådan skjuler kontrakten økonomisk og juridisk risiko ved AI‑kodende agenter
En gennemgang af kontraktvilkår for AI‑kodende agenter tjekket 26. september 2026 viser markante forskelle i ansvar for IP‑krav, datalokation, admin‑logning og den reelle omkostning ved 500 brugere. GitHub Copilot tilbyder uncapped dækning for uændrede outputs, AWS Kiro lover uncapped dækning for ophavsret under betingelser, Cursor dækker Suggestions men med carve‑outs, mens Cognition lader generated code falde uden for standard‑indemnity. Det lyder teknisk, men det er i praksis fire spørgsmål, der kan stoppe en enterprise‑udrulning, før den begynder.
Julia 1 kører beslutninger på CPU
Supersonic Labs lancerer Julia 1: en 144,3M-parameter beslutningsmodel, der ifølge MarkTechPost kan køre på almindelige CPU’er, har åbne weights på Hugging Face under Apache 2.0 og understøtter ONNX i browseren via WebGPU. Modellen returnerer probabiliteter for 2–20 kandidater og bygger på mmBERT-small med et beslutningshoved. Benchmarks og latency ser lovende ud, men flere nøgletal bør bekræftes i de officielle repositories før publicering.
40 procent hurtigere MoE‑RL på AWS EKS med EFA og DeepEP – eller hvad
AWS påstår i et nyt blogindlæg, at en kombination af Amazon EKS, Elastic Fabric Adapter og DeepEP kan løfte throughput for store MoE-RL-workloads med 40 procent. Det lyder fristende, men påstanden kommer uden fuld metode og uden offentlige benchmarks. Her er, hvad arkitekter og MLOps-ledere bør vide, før de lægger deres næste RLHF eller GRPO-plan oven på Kubernetes-klustre og EFA-netværk.
Hvorfor Meta’s Muse fik mere opmærksomhed end Opus 5.5 og GPT-6 — og hvad virksomheder skal gøre
En hektisk model drop week sendte Opus 5.5, GPT-6 opdateringer og Exas Agent Ultra på banen, men det var Metas personlige agent Muse, der tog overskrifterne med tidlig traction og en kurs mod smart glasses. For danske virksomheder er pointen klar: skift fra engangsvalg af model til løbende drift, test og governance. Resten er støj, indtil tallene kan efterprøves.
Exa lancerer Agent Ultra som hosted high effort til udmattende research
Exa har lanceret Agent Ultra, en hosted high‑effort tilstand i Exa Agent API til udmattende research som listebygning og entitetsberigelse. Exa rapporterer topplaceringer mod Opus 5.5, GPT‑6 Astra og Perplexity Agent på fire åbne research‑harnesses, men tallene er vendor‑rapporterede og bør reproduceres. Arkitekturen bruger subagenter og ruter mellem hurtige og frontier‑modeller; typiske kørsler tager cirka 30 minutter og kan strække sig til tre timer. For virksomheder flytter det arbejdet fra synkrone svar til batch‑lignende workflows med nye krav til køer, logging, provenance og omkostningsstyring.
MarkTechPost viser AugLy end-to-end til multimodal augmentation og robusthed
MarkTechPost publicerer en tutorial, der samler et end-to-end workflow til multimodal data augmentation og robusthedstests med AugLy på billeder, tekst og lyd. Ifølge tutorialen håndteres afhængighedskompatibilitet eksplicit, og der bruges deterministiske, syntetiske datasæt for reproducerbare eksperimenter. Koden viser både funktionelle og klassebaserede AugLy-API’er, metadata- og intensitetssporing, probabilistisk komposition, bounding-box-aware transformationer og skabeloner til custom transforms. Workflowet udvides med robuste eksperimenter og forbindes til PyTorch Datasets og DataLoaders.
Selvbetjent rental-analytics i TrackAbout åbner for 27,5 mio. aktiver – men detaljerne halter
Datacor har bygget en selvbetjent analysetjeneste ind i TrackAbout med Amazon QuickSight. Ifølge en AWS-blogpost med bidrag fra Datacor TrackAbouts egne teams håndterer kunderne 27,5 mio. aktiver og over 725.000 regninger om måneden – data, der længe har ligget i operationelle systemer og været svære at udnytte. Løsningen gør ubogførte lejedage og tabt indtægt synlig – men nøgletal for effekt, omkostninger og arkitekturdetaljer mangler i den offentlige dokumentation.
