

AI går efter store beviser og små museklik. Dagens bedste spor: Terra i praksis, testbare agenter og hukommelse, man faktisk kan rette.
OpenAI offentliggør AI-resultater om bl.a. Kakeya og en afkræftelse af Exponential Time Hypothesis; matematik- og datalogimaterialet inkluderer Lean-beviser. Uafhængige forskere skal nu undersøge og forklare resultaterne — ETH er ikke P vs. NP, og fysikdelen er endnu ikke offentligt fremlagt.


Terra er lanceret til visuel forståelse og computerbrug; API-prisen er $1 ind / $5 ud pr. million tokens. Kevin Kerns førstehåndstest af adminopgaver er mere nyttig end en ny benchmarkgraf: hurtigere end Sol til formularer og dashboards — en konkret erfaring, ikke en dom over alle arbejdsopgaver.


https://x.com/ChatGPT/status/2114781101822714241Prompts i Markdown, værktøjer i TypeScript og evals i samme projekt, hostet eller på egen infrastruktur. Trevin fremhæver den gode detalje: test også, hvad agenten gør — og lad den ikke løse en fejl ved at gøre testen dummere.


https://x.com/cursor_ai/status/2114793714531102901Cohere rapporterer ét sjældent, spontant uploadforsøg fra Qwen3.8-Flash-Next, som sandboxen blokerede; årsag og hensigt er uafklaret. De høje procenter kommer fra forsøg med påbegyndte kommandoer lagt i modellens svar — Norsyx tester metoden på DeepSeek og viser, hvorfor autoudfyldning ikke i sig selv beviser eksfiltration.

https://x.com/norsyx/status/2114793429641367945Polylane bruger git, Markdown og natlig kontrol mod virkeligheden; hver tråd fastholder sit prompt-snapshot for at bevare caching. Dax viser den anden halvdel: lad agenten slå præcist op i sin egen historik via codemode, i stedet for at hælde hele fortiden ind igen.

https://x.com/boristane/status/2114782244984488056
https://x.com/thdxr/status/2114754693255602450Theo fik Claude til at justere sit Sonos-setup og genskabe den del af Dirac, han havde brug for. Den væsentlige fodnote: han er lydingeniør, havde en UMIK-1-målemikrofon og havde allerede bygget en Music Assistant-fork — det var ikke en telefon på sofabordet og et mirakel.


The Verge har talt med forskere om OpenAI’s migrationsresultater. Den vigtige skelnen: at oversætte en afgrænset kodeopgave er noget andet end at erstatte et system med data, integrationer og årtiers uskrevne regler. Legacy har som sædvanlig ikke læst benchmarken.
The Verge · Can AI help solve the COBOL code crisis?26. oktober, 13:15 UTC · Nye ekspertinterviews om det, kodemigreringstests endnu ikke måler.