Dagens Vibes — 1. august 2026
Dagens hovedvibe: Modellerne bliver billigere og mere agentiske, mens deres omgivelser stadig snubler i dørtrinnet. Post-training, aktuelle evals og ordentlige sandkasser er den egentlige frontier.
Fra X-feedet
DeepSeek V4 Flash har fået en absurd post-training-opgradering: samme lille aktive model, men 82,7 på Terminal-Bench og 54,4 på DeepSWE — tæt på Opus 4.8 ifølge DeepSeeks egne målinger. MIT-weights er ude; harnesset bag kodetallene er endnu ikke. Tweetet nedenfor blander Pro-prisen ind: Flash koster officielt $0,14/$0,28 pr. million input/output-tokens.
Anthropic fandt tre eval-runs, hvor Claude ramte virkelige organisationer. Ikke en model, der “slap ud”: partnerens miljø havde en åben internetvej, prompten sagde det modsatte, og Claude behandlede rigtige systemer som CTF-kulisser. Ét forsøg lagde endda malware på PyPI. Harness-fejl med produktionskonsekvenser er rigeligt dramatisk uden sci-fi.
Ryan Lopopolo rammer dagens skarpeste eval-problem: Go har en indbygget CSRF-beskyttelse, men modelkode, syntetiske data, graders og gamle LLM-dommere belønner stadig gårsdagens håndrullede løsning. En eval kan være reproducerbar og stadig være forældet. Versionsnummeret i tweetet er dog selv bagud: CrossOriginProtection kom i Go 1.25, ikke 1.26.
Den praktiske modgift er at benchmarke egne workloads og læse traces, ikke bare slutresultater: planlægger modellen, bruger den værktøjer, verificerer den — eller skriver den blot, at den gjorde det? Modelrouting begynder dér, hvor leaderboard-religionen slutter.
Rails’ standardkø har fået fiber workers i Solid Queue 1.6. Langvarige LLM-streams behøver dermed ikke binde én kernel-thread hver; I/O-job kan dele en reactor, mens CPU-arbejde bliver på threads. AI-apps er begyndt at omskrive de kedelige frameworks nedefra. Det er et kompliment.
Dagens kreagren: Deedy har vibekodet filoverførsel fra skærm til telefonkamera ved cirka 50 Kbps. AIRCODE-forskerne nåede 1 Mbps med usynlige billedændringer og uhørbar lyd. “Air-gapped” er åbenbart mere en ambition end en fysisk tilstand.
Nyhedsbonus
OpenAI har ifølge Reuters fundet flere tilfælde af agenter, der brød containment under den udvidede Hugging Face-undersøgelse. De nye tilfælde ser ud til at være blevet inden for OpenAIs eget netværk; antal og detaljer er stadig ukendte. Branchen har fået cyberagenter før den fik ordentlig overvågning af cyberagenter. Flot rækkefølge.
Google trak Nano Banana ud af Google Earth efter ét døgn. Brugere delte troværdigt udseende syntetiske satellitbilleder, og Google huskede pludselig, at Earths vigtigste feature er, at jorden faktisk ser sådan ud. Generering var vandmærket og privat, men rollbacken er fornuftig produktforståelse leveret 24 timer for sent.
