Sakana AI i Tokyo lancerer KAME: en tandem tale‑til‑tale‑arkitektur, hvor et near‑zero‑latency S2S‑frontend fortsætter samtalen, mens et back‑end LLM løbende injicerer mere viden. Ambitionen er at bryde valget mellem hurtige og autoritative svar. Spørgsmålet er, om arkitekturen holder i virkelige workflows, SLA’er og governance.

En udviklerguide om context engineering peger på, at problemer i AI-agenter ofte handler om, hvordan kontekstvinduet bliver styret. Kilderne beskriver det som et spørgsmål om, hvad der kommer med i konteksten, hvad der komprimeres, og hvad der kun hentes ved behov.

MarkTechPost gennemgår kvcached som en dynamisk KV-cache-implementering oven på vLLM. Tutorialen viser et setup med Qwen2.5-modeller, OpenAI-kompatibelt API, bursty workloads samt målinger af VRAM-udnyttelse og latenstid under elastisk og statisk allokering.

Klassiske modelmål som perplexity og MMLU siger kun lidt om, hvorvidt en model kan løse virkelige agentopgaver. En ny gennemgang peger i stedet på opgavebaserede benchmarks, men også på et vigtigt forbehold: resultaterne afhænger stærkt af setup, værktøjer og evaluering.

OpenAI har lanceret GPT-5.5 til ChatGPT, og ifølge VentureBeat kommer API-adgang meget snart. OpenAI beskriver modellen som sin stærkeste til kodning og bedre til bredere computerarbejde med mindre brugerhjælp. VentureBeat skriver også, at GPT-5.5 snævert slår Anthropic Claude Mythos Preview på Terminal-Bench 2.0.

Anthropic siger i et teknisk post-mortem, at de omtalte kvalitetsproblemer i Claude Code kom fra tre separate ændringer i produktlaget omkring modellen, ikke fra API eller inferenslaget. Forklaringen samler en debat, der i ugevis har kredset om oplevet forringelse, hallucinationer og højere tokenforbrug.

Alibaba Qwen har lanceret Qwen3.6-27B, familiens første dense open-weight-model under Apache 2.0. Det interessante er ikke kun, at modellen ifølge den tilgængelige dækning slår både en 35B MoE-variant og en langt større 397B MoE på flere coding-benchmarks, men at formatet og releasepakken gør den mere realistisk at afprøve i rigtige kodeagent-forløb.

Forskere fra University of Wisconsin-Madison og Stanford University præsenterer Train-to-Test, et framework der optimerer modelstørrelse, træningsdata og inferens-samples samlet. Pointen er enkel: AI-økonomien bør ikke kun måles på træning, men på hele compute-budgettet.

Claude Opus 4.7 er nu generelt tilgængelig, og benchmarktal gengivet af VentureBeat placerer modellen foran GPT-5.4 og Gemini 3.1 Pro på flere udvalgte målinger. Samtidig holder Anthropic den mere kapable Mythos-model tilbage til en lille gruppe enterprise-partnere til cybersikkerhedstest og patching af sårbarheder.

En teknisk gennemgang fra MarkTechPost deler moderne LLM-udvikling op i flere led fra pretraining til deployment. For virksomheder er den vigtige pointe ret jordnær: værdien ligger sjældent i at bygge endnu en grundmodel, men i at få tilpasning, alignment og drift til at hænge sammen.