Redis lancerer Iris – et kontekst- og hukommelseslag oven på den nye Flex-motor – som svar på agent‑AI’s voldsomme forespørgsels‑load. Det peger på et bredere skifte væk fra klassisk RAG mod en mellem‑kontekst‑arkitektur med real‑time ingestion, semantiske værktøjer og flash‑first lager. Vi gennemgår hvorfor, hvad det kræver i praksis, og hvor påstandene stadig skal efterprøves.

AWS udgiver en guide og et open‑source FLOPs Meter til Amazon SageMaker, der hjælper teams med at måle træningscompute under fine‑tuning op mod EU AI Act’s nye GPAI‑krav fra 2. august 2025. Det ændrer ikke bare et par scripts – det ændrer workflow, ansvar og dokumentationskrav i hele ML‑kæden.

En hands-on tutorial viser, hvordan Memori kan agere agent-native hukommelseslag i Google Colab, koblet til både OpenAI og AsyncOpenAI, så hvert modelkald bliver beriget og gemt på tværs af brugere, roller og sessioner. Vi vurderer, hvad det betyder i praksis for udviklere og virksomheder, hvor faldgruberne ligger, og hvornår arkitekturen er værd at tage hele vejen i produktion.

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.

LangChain lancerer LangSmith Engine i public beta. Værktøjet opdager fejl i produktion, diagnosticerer mod live-koden, klargør pull requests og foreslår evaluators med menneskelig godkendelse som sidste trin. Det kan korte fejlløkken markant, men multi‑model virksomheder har fortsat brug for et neutralt observability- og evalueringslag for at undgå lock‑in og bevare styringen på tværs af modeludbydere.

Poetiq melder ny state-of-the-art på LiveCodeBench Pro via et Meta-System, der automatisk bygger en model‑agnostisk inferens‑harness — uden fin‑tuning eller adgang til modelinternals. Tallene i kilden er klare (GPT 5.5 High 93,9 procent; Gemini 3.1 Pro 90,9 procent; baselines 89,6 og 78,6), men allerede her en præcis caveat: ekstern fuld reproduktion kræver run‑seeds, antal gentagelser og variansmålinger samt konkrete tal for cost pr. run og p95/p99‑latency. Uden disse artefakter kan produktionsværdien kun delvist bekræftes.

En ny Towards AI-artikel dokumenterer, at Merve Noyans agent finetunede 18 modeller for samlet $11,40. Hendes talk nåede cirka 17.300 views på 72 timer. Det er ikke en gimmick, men et skifte i MLOps: mindre scripts, mere governance og produktarkitektur.

NVIDIA-forskere præsenterer Star Elastic: en post‑training metode, der pakker tre nested reasoning‑varianter i én checkpoint og muliggør zero‑shot slicing. For virksomheder kan det reducere træning, lager og drift — men kræver justeringer i MLOps, runtime og governance. Vi vurderer potentialet og de vigtigste faldgruber.

VentureBeat refererer Gartner for 401 mia. USD i ny AI‑infrastrukturspending i år, mens en Cast AI‑rapport peger på blot 5% gennemsnitlig GPU‑udnyttelse. Det efterlader CFO’er med en tung regning og CTO’er med et praktisk problem: hvordan gør man overkøbte og afskrevne GPU’er til målbar forretningsværdi uden at gå på kompromis med drift og compliance.

Meta AI lancerer NeuralBench-EEG v1.0, en åben ramme der samler 36 EEG-opgaver og 94 datasæt i én standardiseret benchmark. Den skærer ned på hemmelige preprocessing-tricks og gør foundation-modellers kvalitet målbar på tværs af studier. For produktteams er den reelle ændring mere jordnær: klare YAML-konfigurationer, ensartede evaluatorer og en CLI der kan ind i CI. Det er stort. Men det fjerner ikke de hårde problemer med metadata, bias og drift i sundheds- og forskningsmiljøer.