AI skapar ny matematik och kodar själv

Genombrott och prestanda i AI-modeller

• OpenAI:s ännu ej släppta modell "Astra" har i utvärderingar visat resultat som löser eller gör stora framsteg på långvariga problem inom bland annat geometri, kodteori, kvantkomplexitet, kryptografi och kombinatorik. Detta är ett tidigt tecken på att AI kan börja bidra med genuint ny matematisk kunskap istället för att bara återge känd information.
• Alibaba har släppt Qwen3.8-Max, en enorm "mixture-of-experts"-modell med totalt 2,4 biljoner parametrar (varav 95 miljarder är aktiva samtidigt). Modellen är byggd för långa arbetsflöden och lyckades i ett test arbeta självständigt i 16 dagar med att utveckla och förbättra ett kommandoradsverktyg.
• DeepSeek har lanserat produktionsversionen av V4 Flash, en effektivare modell som använder en teknik kallad "speculative decoding" för att öka svarshastigheten. Modellen lyckades slå den större V4 Pro Preview i flera tester, trots att den aktiverar betydligt färre parametrar.

• Lagförslaget "AI Kill Switch Act" har lagts fram i USA. Det skulle kräva tillförlitliga nödstoppskontroller för de mest resurskrävande AI-systemen och ge myndigheter rätt att begränsa eller stoppa modeller vid katastrofala incidenter.
• Kaliforniens AI-transparenslag (SB 942) har börjat gälla. Den tvingar stora generativa AI-tjänster att bädda in maskinläsbar metadata (proveniensmetadata) i bilder, video och ljud samt erbjuda kostnadsfria verktyg för att upptäcka AI-genererat innehåll.

• Ramp SWE-Bench är ett nytt, mer realistiskt kodbenchmark som består av 80 privata backenduppgifter. Genom att använda stängda uppgifter minskar risken för att modellerna har sett frågorna i sin träningsdata.
• APEX-Accounting testar AI-modellers praktiska produktivitet i 160 realistiska redovisningsscenarier för att utvärdera om de faktiskt kan utföra arbetsuppgifter snarare än att bara svara på teoretiska frågor.
• MSLK (Meta Superintelligence Labs Kernels) är ett nytt bibliotek med optimerade GPU-kärnor för PyTorch som ska effektivisera tunga transformerarbetslaster nära hårdvaran.

Lagstiftning och säkerhetskravVerklighetsnära utvärdering och optimering