
x.com/trycua/status/2101014004927729737Agenter bliver mindre monolitter og mere systemer: små dommere vælger model og handling, parallelle agenter konkurrerer om løsningen, og specialistmodeller får snævre jobs. Men dagens bedste filter er stadig gammeldags: læs dokumentationen efter launch-tråden.
CUA-S1, Jev-routeren og Details produktionsbrug peger samme vej: systemet kobler billige, snævre modeller ind omkring de store agenter efter behov. CUA-vægtene kan hentes på Hugging Face, men evidensen er stadig smal: modellen er trænet syntetisk, den virkelige demo-eval tæller 196 beslutninger, og resultaterne er projektets egne.

x.com/trycua/status/2101014004927729737

CUA-S1-FORMS: vægte og modelkort · Kildekode · Jev Model Router
En uafhængig port af et pixelværktøj gav identiske resultater på 18 billeder og ingen memory- eller concurrency-fejl — men kørte cirka fire gange langsommere end Rust. Den store gevinst kom først efter et skifte fra lister til arrays: 3,6 minutter blev til 4,5 sekunder. Et langt bedre signal end endnu en syntetisk benchmark.

x.com/RealAstropulse/status/2101132976704622908Fabio Akitas kritiske gennemgang rammer adoptionens kedelige, afgørende lag: stdlib, tooling, undervisning og en killer app.
Sunil Pais “death spiral” starter, når en senior tager et enormt projekt, forsvinder ned i det og kompenserer for manglende synlig fremdrift med mere arbejde og mere optimistiske statusmeldinger. Modgiften er ikke heroisme, men små leverancer, tidlig eskalering og færre overraskelser.

x.com/threepointone/status/2101361724766953754Compound Engineerings bakeoff sender samme problem til flere agentstrategier, får dem til at kritisere hinanden og lader en dommer samle den bedste plan. Det interessante er ikke flere tokens; det er en eksplicit arbejdsgang til opgaver, hvor første svar sjældent er godt nok.

x.com/trevin/status/2101386154537042107Meta åbner Muse for tredjeparts-connectors: udvikleren leverer API’et, mens Muse leverer browser, kontekst og samtale. Peter Yangs feltprøve er mere interessant end platformspitchen: feeds uden annoncer, formularer, Marketplace og kundeserviceopkald virker; trådkomprimering og indkobling midt i et opkald halter stadig.


x.com/petergyang/status/2101323839976432111Under Irregulars sikkerhedstest gættede agenten passwords ét sted og fandt offentlige credentials to andre. Angrebene var banale; den vigtige fejl var, at agentens grænse mellem testmål og virkelighed ikke holdt.
Startupen erstatter offentlige, gameable benchmarks med skjulte domænetests i blandt andet kode, jura og cyber. Mere realistisk — men evaluatorens uafhængighed bliver central, når de testede virksomheder selv betaler.