LongCat‑2.0 er Meituans nye åbne MoE‑model med 1,6 billioner parametre, en aktiveret beregning omkring 48 milliarder pr. token og en native 1M‑token kontekst. Arkitekturen kombinerer zero‑computation‑eksperter, PID‑styret bias, en ScMoE‑rygrad, et 135B N‑gram‑lag og LongCat Sparse Attention. Ambitionen er agentisk kodning i praksis. Gevinsterne er reelle, men driftskravene er det også.

Prime Intellect melder med prime-rl 0.6.0, at de vil løfte agentisk RL til trillion-parameter MoE-skala, med et GLM-5.1-eksempel på 131k tokens, under fem minutters step-tid og 28 H200-noder. Her er hvad der sandsynligvis holder vand, hvor tallene bør tjekkes — og hvad det kan betyde for automatisering af komplekse udviklingsopgaver i praksis.

Z.ai lancerer GLM-5.2 med et angivet 1M-token kontekstvindue, 131k output tokens og to tænkeniveauer. Der mangler arkitekturdata og uafhængige benchmarks ved lancering, hvilket gør vurderingen åben. Implikationerne for kode- og dokumentarbejdsflow kan være store – men også dyre og driftskrævende.

Moonshot AI udgiver K2.7-Code som open source med stor MoE-arkitektur, 256K kontekst og faste driftsbegrænsninger. Tallene er stærke på papiret, men uafhængige tests finder huller i benchmark-fortællingen og peger på konkrete tradeoffs i drift.

90 procent af udviklere bruger allerede AI, og tusinder af Steam‑titler oplyser nu AI i produktionen. Det flytter ikke kun tempoet men hele måden studier planlægger art, QA, dialog og infrastruktur. Her er, hvad der faktisk ændrer sig – og hvor hagerne ligger.

Merck melder målbare gevinster med agent‑baseret AI: 33 procent kortere discovery, marketingudkast der er 99 procent korrekte ift. compliance og 70–80 procent hurtigere levering. Pointen fra VP Sean Finnerty er nøgtern og anvendelig: Det virker, fordi de byggede rørføringen først.

Towards AI, opdateret 15. maj 2026, beskriver et skifte fra AI‑demos til produktion og advarer om dublet‑handlinger ved agent‑retries uden idempotens. Snillds manual brief supplerer med behovet for MLOps og observability i produktion.

Microsoft og OpenAI har ændret centrale dele af deres partnerskab. Ifølge de tilgængelige kilder åbner aftalen for, at OpenAI kan tilbyde produkter på andre cloudplatforme, herunder AWS og Google Cloud, mens flere eksklusive og økonomiske vilkår er blevet lempet.

MIT og MIT-IBM Watson AI Lab har udviklet et værktøj, som ifølge MIT News kan estimere strømforbrug for en given AI-workload på få sekunder i stedet for timer eller dage. Forskerne peger på brug i ressourceallokering og vurdering af energiforbrug før deployment.

RightNow AI har gjort AutoKernel open source og går efter et af de dyreste, mest nørklede lag i moderne AI-drift: GPU-kerneloptimering for vilkårlige PyTorch-modeller. Det interessante er ikke et mirakelprompt, men en stædig agent-loop med benchmark, rollback og logfiler.