AI-nytt 13. november 2026
Norge og Storbritannia vil teste avansert KI sammen
Norge og Storbritannia undertegnet en intensjonserklæring om KI i Oslo 12. november. De vil knytte KI Norge tettere til britiske AI Security Institute og dele metoder for å teste modeller og vurdere risiko. Erklæringen omfatter også sikker datainfrastruktur, KI i forsvaret og håndtering av digitale trusler.
På forsvarssiden skal Norges senter for data og KI og britiske Taskforce RAID se etter muligheter for å utvikle og teste løsninger sammen. For datakraft vil landene blant annet undersøke hvordan offentlig sektor kan få tilgang til sikre driftsmiljøer hos kommersielle leverandører.Les merVis mindre
På forsvarssiden skal Norges senter for data og KI og britiske Taskforce RAID se etter muligheter for å utvikle og teste løsninger sammen. For datakraft vil landene blant annet undersøke hvordan offentlig sektor kan få tilgang til sikre driftsmiljøer hos kommersielle leverandører.
Digitaliseringsminister Torgeir Micaelsen og den britiske KI-ministeren Kanishka Narayan møttes om bord på HMS Prince of Wales under Atlantic Future Forum. Erklæringen er juridisk uforpliktende. Departementene tar sikte på å konkretisere samarbeidet i en senere avtale.
Erklæringen peker på KI Norge og det britiske AI Security Institute som fagmiljøene for modelltesting. For cybersikkerhet nevner den også Nasjonal sikkerhetsmyndighet i Norge og National Cyber Security Centre i Storbritannia. Det gir en konkret kanal for å dele testmetoder og erfaringer om hvordan avanserte modeller kan påvirke digital sikkerhet.
Samarbeidet bygger på det strategiske partnerskapet Norge og Storbritannia inngikk i 2024. På forskningssiden vil departementene knytte forskningsmiljøer, finansieringsorganer og bedrifter tettere sammen. Erklæringen nevner blant annet robotikk, kvanteteknologi og bioteknologi som områder der de vil utveksle erfaringer om bruk av KI.
- Regjeringen · Norsk-britisk KI-samarbeid · Originalkilde
- GOV.UK · Joint statement of intent · Originalkilde
Google ruller ut Gemini 4 Hydrogen for raskere kodearbeid
Google startet utrullingen av Gemini 4 Hydrogen 12. november. Modellen er laget for å skrive kode, kjøre tester og bruke verktøy med kortere ventetid. Den kommer til Gemini-appen, Google Søk og Gemini API. Gratisbrukere i appen får Hydrogen når det automatiske modellvalget vurderer den som egnet for oppgaven.
API-et har et kontekstvindu på én million tokens. Google oppgir en pris på 1,50 dollar per million tokens inn og 7,50 dollar per million tokens ut. Fire nivåer for resonnering lar utviklere velge hvor mye tid og regnekraft modellen skal bruke på en oppgave.Les merVis mindre
API-et har et kontekstvindu på én million tokens. Google oppgir en pris på 1,50 dollar per million tokens inn og 7,50 dollar per million tokens ut. Fire nivåer for resonnering lar utviklere velge hvor mye tid og regnekraft modellen skal bruke på en oppgave.
Google lanserte også Orchestrator i Antigravity, som kan bytte mellom Hydrogen og modeller som Carbon i samme økt. I Googles Terminal-Bench 4.0-test løste kombinasjonen nesten like mange oppgaver som Carbon alene, brukte 24 prosent mindre av kvoten og fullførte 19 prosent raskere i snitt. Antigravity-tilgangen til Hydrogen rulles ut til betalende Pro- og Ultra-brukere.
Kontekstvinduet er et felles budsjett for det modellen leser og det den genererer. Modellkortet oppgir at et vanlig synkront svar kan inneholde opptil rundt 64 000 tokens. Lengre svar krever en egen modus. For en agent som leser mange filer, må både filene, verktøykallene og svaret få plass i det samme budsjettet.
I en egen test av Hydrogen alene oppgir Google 57 prosent på Terminal-Bench 4.1, mot 18,2 prosent for Gemini 3.8 Flash. Det er Googles resultat for oppgaver som løses i et terminalmiljø. Orchestrator-tallene over kommer fra en annen testversjon og måler et oppsett som bytter mellom modeller.
- Google · Introducing Gemini 4 Hydrogen · Originalkilde
- Google DeepMind · Gemini 4 Hydrogen model card · Originalkilde
Fire organisasjoner ber en domstol stanse utviklingen av kraftigere AI-modeller
Fire ideelle organisasjoner gikk 12. november til sak mot Anthropic, Google, Meta, OpenAI og SpaceXSI i San Francisco. De ber domstolen forby selskapene å utvikle eller ta i bruk modeller som er kraftigere enn deres beste systemer på datoen for søksmålet. Kravet står i stevningen og må avgjøres av retten.
Saksøkerne bruker Californias lov om urettferdig konkurranse. De hevder at utviklingen utsetter offentligheten for alvorlig risiko, og viser blant annet til påståtte datainnbrudd og selskapenes egne risikovurderinger. De ber også retten stanse bruk av AI til å drive eller lede forskningen på kraftigere modeller på egen hånd.Les merVis mindre
Saksøkerne bruker Californias lov om urettferdig konkurranse. De hevder at utviklingen utsetter offentligheten for alvorlig risiko, og viser blant annet til påståtte datainnbrudd og selskapenes egne risikovurderinger. De ber også retten stanse bruk av AI til å drive eller lede forskningen på kraftigere modeller på egen hånd.
Bak søksmålet står Irreplaceable Education Fund, Public Citizen, Heat Initiative og Future Tech Insights, som bruker navnet Alliance for Secure AI. Organisasjonene viser til selskapenes egne advarsler om at mer avanserte modeller kan gjøre alvorlige cyberangrep eller utvikling av biologiske våpen lettere. De mener at retten kan gripe inn før den typen skade oppstår.
Organisasjonene hevder at de allerede har måttet flytte ressurser fra annet planlagt arbeid for å håndtere risikoen de beskriver. Saken reiser derfor også spørsmål om hvilket grunnlag organisasjonene har for å fremme kravet, i tillegg til om den påståtte risikoen kan begrunne et pålegg om stans.
- Platkin LLP · Filed complaint · Originalkilde
- Associated Press · Lawsuit against five AI developers
- Public Citizen · Plaintiffs’ announcement · Originalkilde
Ny test måler hvor mye av AI-utviklingen kodeagenter kan gjøre selv
Forskerne bak Singularity-Bench la 12. november ut et forskningsutkast med seks oppgaver innen modelltrening, drift og bygging av kodeagenter. Claude Opus 5.5 i Claude Code var det eneste av elleve testede oppsett som kom på nivå med eller slo de menneskebygde referanseløsningene på alle seks.
Agentene fikk et lite startprosjekt og en tidsramme. En oppgave gikk ut på å bygge et system for å kjøre en eksisterende modell. En annen gikk ut på å lage programvaren som gir en kodeagent tilgang til verktøy. Løsningene ble kjørt på samme maskinvare som referansene.Les merVis mindre
Agentene fikk et lite startprosjekt og en tidsramme. En oppgave gikk ut på å bygge et system for å kjøre en eksisterende modell. En annen gikk ut på å lage programvaren som gir en kodeagent tilgang til verktøy. Løsningene ble kjørt på samme maskinvare som referansene.
Hver oppgave ble målt for seg. Forsøket sier dermed noe om hvor mye arbeid et agentoppsett kan ta over i bestemte utviklingsoppgaver. Om én agent kan bruke disse ferdighetene sammen til å bygge en sterkere etterfølgermodell, er fortsatt et åpent spørsmål.
Ettertrening var oppgaven der ingen av oppsettene slo referansen. Her skulle agentene bygge et system som trener en grunnmodell videre til å fungere som kodeagent. Forskerne målte om agentløsningen klarte å trene fram en modell som løste kodeoppgaver. De tre beste oppsettene fikk omtrent samme resultat som den menneskebygde løsningen Miles.
Verktøyene rundt modellen påvirket også resultatet. I forskningsutkastet gjorde DeepSeek V4.1 Flash det samlet bedre i Codex, mens GLM 5.3 og MiniMax M3 gjorde det bedre i Claude Code. Tallene viser dermed hvor mye det konkrete oppsettet betyr når en agent får ansvar for en hel teknisk oppgave.
- Zhou et al. · Singularity-Bench preprint · Originalkilde
- Infini AI Lab · Benchmark and code · Originalkilde
OpenAI viser agenter som tester nettapper og foreslår sikkerhetsfikser
OpenAI presenterte Daybreak Red Team og Daybreak Defense Factory 12. november. Red Team bruker flere agenter til å teste nettapper og undersøke om et mistenkt sikkerhetshull kan utnyttes. Defense Factory følger funnene tilbake til kildekoden og lager forslag til rettelser som utviklere kan vurdere og teste.
Defense Factory kan også ta inn funn fra verktøy sikkerhetsteam allerede bruker. OpenAI tar imot søknader om tidlig tilgang til Red Team. Defense Factory tilbys som en forhåndsversjon i ChatGPT for arbeidsområder med Daybreak-tilgang.Les merVis mindre
Defense Factory kan også ta inn funn fra verktøy sikkerhetsteam allerede bruker. OpenAI tar imot søknader om tidlig tilgang til Red Team. Defense Factory tilbys som en forhåndsversjon i ChatGPT for arbeidsområder med Daybreak-tilgang.
Red Team kan ta utgangspunkt i et varsel fra en kodeskanner, et innmeldt sikkerhetshull eller annen dokumentasjon. Agentene prøver å bekrefte funnet i et avgrenset miljø. OpenAI oppgir at sikkerhetsteam kan styre hvilke apper og endepunkter agentene får teste. Etter en rettelse kan Red Team gjenta forsøket for å se om den samme angrepsveien er stengt.
I Defense Factory kan utviklere se bevisene bak et funn og bearbeide patchen sammen med Codex. Verktøyet kan også undersøke nye commits eller kjøre planlagte kontroller. En praktisk arbeidsflyt er å knytte en foreslått kodeendring til et bekreftet funn, kjøre testen på nytt og la utviklerne godkjenne endringen før den merges.
- OpenAI · Cyber at the Frontier · Originalkilde
- OpenAI · Daybreak Defense Factory · Originalkilde
- SecurityWeek · Daybreak rollout and access
- OpenAI · Daybreak Red Team · Originalkilde
Inkling 2 Small kan nå lastes ned og kjøres på eget utstyr
Thinking Machines Lab la ut vektene til Inkling 2 Small 12. november under Apache 2.0. Ved lanseringen 5. november var modellen tilgjengelig via Tinker. Nå kan utviklere også laste ned vektene, drifte modellen selv og finjustere den på egen infrastruktur.
Modellen tar inn tekst og bilder og har 594 milliarder parametere, hvorav 17 milliarder er aktive per token. Det holder regnearbeidet per token nede, mens driftsoppsettet fortsatt må ha plass til alle vektene. Modellkortet viser oppsett for blant annet vLLM og SGLang.Les merVis mindre
Modellen tar inn tekst og bilder og har 594 milliarder parametere, hvorav 17 milliarder er aktive per token. Det holder regnearbeidet per token nede, mens driftsoppsettet fortsatt må ha plass til alle vektene. Modellkortet viser oppsett for blant annet vLLM og SGLang.
Modellkortet oppgir minst 500 GB samlet grafikkminne for hovedutgaven i NVFP4. Eksempeloppsettene fordeler vektene på flere GPU-er. Det er en viktig forskjell mellom de 17 milliardene parametere som brukes for hvert token og mengden minne som trengs for å ha hele modellen tilgjengelig.
Labben oppgir også integrasjoner med Unsloth for tilpasning av modellen og flere verktøy for egen drift. For dem som vil prøve modellen uten en egen GPU-klynge, viser utgivelsen til API-er hos blant andre Together, Fireworks og Cloudflare. Utgivelsen gir dermed flere måter å velge hvor modellen kjøres og hvordan den tilpasses.
- Thinking Machines Lab · Release update, 12 November · Originalkilde
- Hugging Face · Inkling 2 Small model card and weights · Originalkilde
Runway åpner robotmodellen Praxis-1 for nedlasting og finjustering
Runway gjorde Praxis-1 tilgjengelig 11. november etter en tidligere utrulling til partnere. Modellen forutsier videobilder og robothandlinger sammen. Runway slipper vektene og koden for å kjøre og finjustere modellen under Apache 2.0, slik at robotteam kan tilpasse den til egne kameraer og oppgaver.
I september viste Runway modellen med en industriarm, en humanoid robot og en lagerrobot med to armer. Den åpne utgaven støtter både full finjustering og LoRA, som lar utviklere trene et mindre tillegg til modellen. Runway dokumenterer kjøring på blant annet RTX 5090 og Jetson Thor.Les merVis mindre
I september viste Runway modellen med en industriarm, en humanoid robot og en lagerrobot med to armer. Den åpne utgaven støtter både full finjustering og LoRA, som lar utviklere trene et mindre tillegg til modellen. Runway dokumenterer kjøring på blant annet RTX 5090 og Jetson Thor.
Runway trente modellen på store mengder video for å lære hvordan gjenstander beveger seg og hvordan oppgaver utvikler seg over tid. Deretter kan robotteam finjustere modellen med opptak og handlinger fra egen maskinvare. Det gir en startmodell for oppgaver som å gripe en bestemt gjenstand og legge den på riktig sted.
I Runways rapporterte resultater klarte Praxis-1 46,2 prosent av 1 200 forsøk i RoboLab-120, mot 42,9 prosent for FLUX 3 Action. Testen sammenligner modellene på bestemte robotoppgaver. Resultatene gir et sammenligningsgrunnlag, mens robotteam fortsatt må måle hvor stabilt modellen fungerer på eget utstyr og egne oppgaver.
- Runway · Praxis-1 Is Now Available · Originalkilde
- GitHub · Runway Praxis-1 code · Originalkilde
Zyphra slipper en stemmemodell som kan snakke norsk i nettleseren
Zyphra har lagt ut ZONOS3-Mini, en modell som leser opp tekst og kan etterligne en stemme fra et lydklipp. Norsk er blant de 43 språkene utvikleren oppgir støtte for. I nettleserversjonen kan selve talegenereringen kjøres på brukerens egen enhet, slik at lydprøven kan behandles lokalt.
Zyphra publiserte den tekniske gjennomgangen på Hugging Face 12. november. Modellvektene har Apache 2.0-lisens, og kjørekoden er tilgjengelig under MIT-lisens. Gjennomgangen viser hvordan utviklere kan styre blant annet tempo og uttrykk, og hvordan de kan kjøre modellen med WebGPU i nettleseren.Les merVis mindre
Zyphra publiserte den tekniske gjennomgangen på Hugging Face 12. november. Modellvektene har Apache 2.0-lisens, og kjørekoden er tilgjengelig under MIT-lisens. Gjennomgangen viser hvordan utviklere kan styre blant annet tempo og uttrykk, og hvordan de kan kjøre modellen med WebGPU i nettleseren.
Modellen bruker rundt 100 millioner av i alt 800 millioner parametere om gangen. Zyphra oppgir at første lyd kom etter under 570 millisekunder på en Pixel 9 og under 150 millisekunder på en MacBook Air med M3, begge i nettleseren. Tallene beskriver ventetiden før lyden begynner i selskapets oppsett. Kvaliteten på norsk tale må vurderes med egne eksempler.
Zyphra tilbyr både en demo på Hugging Face og en WebGPU-versjon der modellen kjører på enheten. Det skillet har praktisk betydning ved bruk av stemmeprøver. I WebGPU-oppsettet kan utviklere bygge opplesing eller en stemmeassistent der lydklippet behandles på brukerens enhet.
- Zyphra · ZONOS3-Mini technical walkthrough · Originalkilde
- Hugging Face · ZONOS3-Mini model card and weights · Originalkilde
Baidu åpner API-tilgang til ERNIE 5.5 Flash Preview
Baidu lanserte ERNIE 5.5 Flash Preview 11. november. Dette er den første ettertrente utgaven av grunnmodellen som ble gjort nedlastbar 5. november. Forhåndsversjonen er tilgjengelig via Baidu Qianfan og har et kontekstvindu på én million tokens. Baidu sier at vektene til denne utgaven kommer senere under Apache 2.0.
Baidu viser eksempler på spillutvikling, CAD og dokumentarbeid. I en av demonstrasjonene skrev modellen Python-kode som bygde redigerbare modeller i FreeCAD. Selve modellen tar inn tekst, og i eksemplet fikk den visuell tilbakemelding gjennom et eksternt verktøy.Les merVis mindre
Baidu viser eksempler på spillutvikling, CAD og dokumentarbeid. I en av demonstrasjonene skrev modellen Python-kode som bygde redigerbare modeller i FreeCAD. Selve modellen tar inn tekst, og i eksemplet fikk den visuell tilbakemelding gjennom et eksternt verktøy.
Baidu oppgir 280 milliarder parametere totalt og 14 milliarder aktive per token. API-versjonen gir utviklere tilgang til modellen med Baidus ettertrening, blant annet for kode og bruk av arbeidsverktøy. Den nedlastbare grunnmodellen fra 5. november og forhåndsversjonen i API-et er dermed to ulike utgaver med forskjellige bruksområder.
I en av Baidus spilldemoer ble problemer som en figur som svevde over bakken og et feilplassert kamera gjort om til tester i koden. Agenten kunne så bruke testresultater og tilbakemeldinger fra spilltesting til å rette feil. Eksemplet viser hvordan en tekstmodell kan arbeide med visuelle problemer når testene og verktøyene gir den konkrete signaler om hva som må endres.
- Baidu · ERNIE release index · Originalkilde
- Baidu · Introducing ERNIE 5.5 Flash Preview · Originalkilde
IBM prøver ut modeller som skiller tydeligere mellom instruksjoner og data
IBM slapp 12. november to eksperimentelle Granite 4.1-modeller trent på LLMON, et format som markerer hva modellen skal gjøre og hvilke data den skal bruke. Målet er å gjøre det vanskeligere for en skjult instruksjon i for eksempel en nettside eller et verktøysvar å ta over oppgaven.
IBM oppgir at angrepene nesten aldri lyktes på én av testene med skjulte instruksjoner i data. Testene brukte angrep som var fastlagt på forhånd. Det er fortsatt åpent hvor godt metoden virker mot angrep som tilpasser seg underveis i en samtale. IBM beskriver utgivelsen som en forhåndsversjon for utprøving.Les merVis mindre
IBM oppgir at angrepene nesten aldri lyktes på én av testene med skjulte instruksjoner i data. Testene brukte angrep som var fastlagt på forhånd. Det er fortsatt åpent hvor godt metoden virker mot angrep som tilpasser seg underveis i en samtale. IBM beskriver utgivelsen som en forhåndsversjon for utprøving.
Et praktisk eksempel er en agent som skal oppsummere et dokument. Med LLMON kan applikasjonen merke oppsummeringen som oppgaven og knytte den til dokumentet som datakilde. Hvis dokumentet inneholder tekst som ber agenten om å endre oppgaven, kommer den teksten fortsatt inn som en del av dokumentet.
Forhåndsversjonene er merket 3B og 8B og bygger på Granite 4.1. IBM har også lagt ut et verktøysett og eksempler som viser hvordan apper kan merke instruksjoner og data før de sendes til modellen. Skillet avhenger av hvordan modellen er trent til å tolke merkingen. Det gir utviklere en metode de kan evaluere sammen med appens øvrige tilgangskontroller.
- IBM Granite · LLMON preview models and evaluation · Originalkilde
- GitHub · LLMON toolkit · Originalkilde
San José-ordføreren vil vente med nye datasentertillatelser
Ordføreren og fire bystyrerepresentanter i San José foreslo 12. november å sette nye arealgodkjenninger for datasentre og andre strømkrevende prosjekter på pause. Målet er å unngå at prosjekter godkjennes før nye krav, blant annet til strøm og vann, kan tre i kraft. Bystyret kan behandle forslaget 17. november.
De nye standardene er satt opp til avstemning 8. desember. Forslagsstillerne vil også at reglene skal kunne tre i kraft straks de er vedtatt. Ifølge den lokale kringkasteren KQED har innbyggere bedt byen hindre at søknader blir godkjent i mellomtiden, og flere lokale organisasjoner har etterlyst strengere krav til blant annet støy.Les merVis mindre
De nye standardene er satt opp til avstemning 8. desember. Forslagsstillerne vil også at reglene skal kunne tre i kraft straks de er vedtatt. Ifølge den lokale kringkasteren KQED har innbyggere bedt byen hindre at søknader blir godkjent i mellomtiden, og flere lokale organisasjoner har etterlyst strengere krav til blant annet støy.
Blant prosjektene som kunne rekke å få godkjenning, trakk byens tjenestepersoner fram et planlagt forsknings- og utviklingsanlegg for Google i Alviso. Ifølge KQED oppga de et planlagt effektbehov på 250 megawatt. Det viser hvorfor tidspunktet for nye krav betyr noe selv om pausen bare er ment å vare i noen uker.
KQED beskriver forslag til krav om karbonnøytral strøm, overvåking av avløp og jevnlig rapportering av vann- og strømforbruk. Green Foothills støtter en pause for at prosjektene skal vurderes etter samme regler. Organisasjonen mener samtidig at forslagene til regler for luftforurensning og støy fra reservegeneratorer og kjøleanlegg er for svake.