Sök

Riemannhypotesen: Levent Alpöges bevis som tagits fram med Claude certifieras av Lean och Mathlib, alphaXiv rankar modeller inom autonom forskning, Inkling 2 Mini körs med 210 tokens per sekund på Mac

Företag i den här utgåvan

Avmarkera det som inte intresserar dig. Ditt val gäller alla utgåvor och sparas på den här enheten.

Stora labb
Kina
Kodverktyg
Generativa medier
Infrastruktur och öppen källkod
Övriga

ai-powered-markdown-translator

Artikel översatt från fr till sv med gpt-6.1-sol.

Visa projekt på GitHub ↗

Levent Alpöge, matematiker på Anthropic, har publicerat ett bevis för Riemannhypotesen som tagits fram med Claude, i form av ett Lean-bibliotek med 17 miljoner rader, och Lean- och Mathlib-gemenskaperna certifierar det redan dagen därpå. alphaXiv publicerar OpenResearch Intelligence Index, där Claude Opus 5.5 leder inom autonom forskning med 61,8 % medan DeepSeek V4.1 Flash, den främsta öppna modellen med 27,4 %, kostar 0,72 dollar per försök; Meta höjer målet för sitt Digital Brain Project till 25 000 timmar, och Inkling 2 Mini läggs till i Transformers och körs med 210 tokens per sekund på en Mac Studio. Replit, Devin och v0 stärker kontrollen över åtkomst, nätverk och utgifter, och Claude Code 2.1.330 låter schemalagda uppgifter köras i upp till 30 dagar.


Matematik: Levent Alpöges bevis för Riemannhypotesen som tagits fram med Claude certifieras av Lean- och Mathlib-gemenskaperna

20 och 21 november — Levent Alpöge, matematiker på Anthropic, publicerade den 20 november ett bevis för Riemannhypotesen i form av ett Lean-bibliotek med 17 miljoner kodrader, vars enda direkta beroende är Mathlib, Leans bibliotek för formaliserad matematik. Hypotesen formulerades 1859 av Bernhard Riemann och handlar om primtalens fördelning. Han bifogar en not, registrerad på alphaXiv under titeln ”Ett påstått bevis för Riemannhypotesen” (A Claimed Proof of the Riemann Hypothesis). Enligt alphaXivs sammanfattning hävdar författaren att han har funnit beviset med Claude, gör även anspråk på att ha bevisat den generaliserade Riemannhypotesen och bygger på Fourieranalys, thetaliftningar (theta lifts) och en analogi med Stepanovs argument för funktionskroppar; enligt samma sammanfattning är beviset långt, och författaren avser att förklara och förenkla det.

Den 21 november publicerar Lean- och Mathlib-gemenskaperna ett gemensamt uttalande, med stöd av Lean FRO och Mathlib Initiative, som certifierar satsformuleringen och beviset. På en dag har biblioteket uppfyllt de fyra kriterier som Kevin Buzzard (Imperial College London) ställde upp den 12 november:

VerifieringskriteriumKontroll utförd av Lean- och Mathlib-gemenskaperna
Satsformuleringen är den rättasatsformuleringen RiemannHypothesis i Mathlib, granskad av experter på Lean och talteori
Biblioteket kompilerasdussintals personer har återskapat samma råa exportfil för beviset
Den bevisade satsen motsvarar denna formuleringjämförelse med två oberoende verktyg, comparator och con-leche, utifrån en fil som endast importerar Mathlib
Beviset godtasLeans officiella kärna, con-leche, con-ron och flera verifierare skrivna i andra språk, med en passiv export av beviset

We hereby certify that both the statement and the proof of the Riemann Hypothesis are correct.

🇸🇪 Vi intygar härmed att såväl satsformuleringen som beviset för Riemannhypotesen är korrekta. — Lean- och Mathlib-gemenskaperna, uttalande på Lean-gemenskapens blogg

Scientific American rapporterar att oberoende matematiker bekräftar resultatet: Andrew Sutherland (MIT) har kompilerat det på egen hand och uppger att Leans kärna har verifierat det på nytt med enbart de tre standardaxiomen. Uttalandet från Lean och Mathlib nämner varken Claude eller den generaliserade Riemannhypotesen, som författaren gör anspråk på att ha bevisat: uppgifterna om Claudes roll kommer från Alpöges not och Scientific American.

🔗 Levent Alpöges not på alphaXiv · Scientific American: bekräftelse från oberoende matematiker · Teknisk sammanfattning av verifieringen (MIT)

VIDRAFT publicerar en realtidsmätare för Weils positivitet, som visar att påståendet håller utan att bevisa det

21 november — Dagen efter att beviset publicerades lägger laboratoriet VIDRAFT upp ett Space på Hugging Face som beräknar det minsta egenvärdet för Weils kvadratiska form, vars positivitet enligt Weils kriterium är ekvivalent med Riemannhypotesen. Det är positivt för zetafunktionen och fyra Dirichlet-L-funktioner (med konduktorerna 3, 4, 5 och 8), negativt för tre imitationer som skiljer sig från en riktig L-funktion genom en enda beståndsdel, och tio påståenden i verktyget verifieras av Lean 4:s kärna. Inlägget påminner om att det är det formella beviset som fastställer resultatet, medan instrumentet endast visar att det håller; koden, Lean-filerna och kodförrådet är publicerade, och experimentet kan återskapas på omkring trettio sekunder på en kostnadsfri CPU.

🔗 VIDRAFT:s inlägg på Hugging Face · Space med Weil-mätaren


Utvärdering: alphaXiv mäter autonom forskning med OpenResearch Intelligence Index, en detektor för AI-texter klättrar på RAID men tappar utanför testet

20 november — alphaXiv publicerar de första resultaten från OpenResearch Intelligence Index, ett benchmark som mäter modellernas förmåga att genomföra forskning från början till slut. Varje modell arbetar i sin egen harness (Claude Code, Codex eller OpenCode), inuti OpenResearch, alphaXivs forskningsmiljö, inom tre spår: vetenskapliga kunskaper (20 uppgifter hämtade från Terminal-Bench-Science), genomförande av efterträning (6 nya uppgifter) och relevansen hos litteraturvalen (en delmängd av PaperFindingBench).

We created the world’s first open source benchmark for end-to-end autoresearch. Today, its results are live. Which models are best for RSI? Can they understand the literature? Can they conduct complex scientific experiments, while maintaining good taste? We spent about $7.4k in tokens across 8 models, 6 providers, and 3 evaluation tracks to find out.

🇸🇪 Vi har skapat världens första open source-benchmark för autonom forskning från början till slut. Resultaten publiceras i dag. Vilka modeller är bäst för RSI? Förstår de den vetenskapliga litteraturen? Kan de genomföra komplexa vetenskapliga experiment och samtidigt visa gott omdöme? Vi har spenderat cirka 7 400 dollar på tokens för 8 modeller, 6 leverantörer och 3 utvärderingsspår för att ta reda på det. — @askalphaxiv på X

Utvärderad modellAnvänd harnessIndexpoängGenomsnittlig kostnad per försök
Claude Opus 5.5Claude Code0,618 ± 0,01416,46 dollar
GPT-6 AstraCodex0,566 ± 0,01422,44 dollar
GPT-6.1 SolCodex0,549 ± 0,0243,83 dollar
Gemini 4 ArgonOpenCode0,526 ± 0,0139,18 dollar
Claude Fable 5.1 (74 slutförda försök av 87)Claude Code0,511 ± 0,01520,07 dollar
DeepSeek V4.1 FlashOpenCode0,274 ± 0,0180,72 dollar
Kimi K3OpenCode0,271 ± 0,01010,89 dollar
Qwen3.8-FlashOpenCode0,214 ± 0,0154,54 dollar

Claude Opus 5.5 leder med 0,618, alltså 61,8 %, till en genomsnittlig kostnad på 16,46 dollar per försök. GPT-6 Astra följer med 0,566, men till en kostnad på 22,44 dollar, och GPT-6.1 Sol får 0,549 för 3,83 dollar; Claude Fable 5.1 har endast slutfört 74 försök av 87. De öppna modellerna ligger fortfarande långt efter: DeepSeek V4.1 Flash, den främsta av dem, får 27,4 % för 0,72 dollar per försök, strax före Kimi K3 (0,271) och Qwen3.8-Flash (0,214). Enbart inom litteraturspåret når DeepSeek V4.1 Flash, utrustad med OpenResearchs sökverktyg, 47,7 %, jämfört med 48,7 % för GPT-6 Astra. Together AI, som tillhandahöll inferens för de öppna modellerna, har spridit indexet vidare; alphaXiv aviserar fler modeller och källkoden.

🔗 alphaXivs inlägg om OpenResearch Intelligence Index · @togethercompute på X: de öppna modellerna sätts på prov

En detektor för AI-texter går från 27:e till 5:e plats på RAID, men upptäcker betydligt färre utanför testet

21 november — På Hugging Faces communityblogg berättar teamet på empirischtech hur deras detektor för AI-genererade texter, byggd på encodern Ettin på 1B, har gått från plats 27 av 58 i RAID-rankningen, där deras produktionsdetektor låg, till 5:e plats med en version anpassad för RAID: vid 1 % falska positiva ökar detektionsgraden från 92,81 % till 99,20 %. Nackdelen visar sig utanför testet: på författarnas testdataset sjunker andelen upptäckta AI-texter från 97,8 % med den generella detektor som finjusteringen utgår från till 58,7 % med versionen anpassad för RAID, och andelen mänskliga texter som felaktigt flaggas ökar från 1,0 % till 2,4 %. Modellen anpassad för RAID förblir därför ett forskningsverktyg; författarnas tjänst använder en separat generell detektor.

🔗 empirischtechs inlägg på Hugging Face


AI för vetenskap: Meta höjer målet för sitt Digital Brain Project till 25 000 timmar och presenterar UMA Nitro och ATLAS, Diffusers finjusterar RFD4-Proteina

20 november — Meta publicerar en sammanfattning av sitt Open Source AI for Science Summit, som arrangerades under två dagar i oktober av dess FAIR-laboratorium i Menlo Park. Det viktigaste sifferbeskedet: Digital Brain Project, som lanserats tillsammans med Rothschild Hospital Foundation och Université de Montréal för att finansiera insamling av anonymiserade hjärndata som delas öppet, höjer sitt mål från 15 000 till 25 000 timmar data.

Projekt som presenterades på toppmötetVetenskapsområdeVad Metas inlägg säger
Digital Brain ProjectNeurovetenskapmålet höjs från 15 000 till 25 000 timmar hjärndata
UMA NitroKemisnabbare version av atommodellen UMA (Universal Model for Atoms), utan uppgift om hastighet
UMA PlaygroundUndervisningerbjuds kemilärare på högstadie- och gymnasienivå via Discovery Education, som når över 4 miljoner lärare och 45 miljoner elever
ATLAS (FAIR)Matematiköppet bibliotek som formaliserar 26 fritt tillgängliga läroböcker och över 45 000 definitioner och resultat i Lean

UMA identifierar också många kristallformer av läkemedelsmolekyler utan ytterligare träningsdata (en studie med Carnegie Mellon och UC Riverside), och simulerar hela enzymer, atom för atom, tillsammans med University of Chicago. Inlägget tar slutligen upp ett system för assisterande robotik från University of Pittsburgh, byggt på DINOv3 och SAM 3, där en demonstration ska visa en robot som hjälper en person att äta.

🔗 Sammanfattning av Open Source AI for Science Summit (Meta) · @AIatMeta på X

Diffusers lägger till ett exempel på LoRA-finjustering av RFD4-Proteina, NVIDIA:s modell för proteindesign

20 november — Hugging Faces bibliotek Diffusers inkluderar ett exempel på LoRA-finjustering av RFD4-Proteina, NVIDIA:s öppna modell för proteindesign (som behandlades här den 21 oktober). Exemplet presenterades av Sayak Paul (pull request #15155 av kierandidi, mergad den 19 november) och tränar adaptrar med rang 32 på denoiser-komponenten, med flow matching-förluster tillämpade på proteinryggradens koordinater och lokala latenta representationer i stället för pixlar; enligt honom liknar resten av koden den för bild- och videomodeller.

🔗 @RisingSayak på X


Öppna modeller: Inkling 2 Mini läggs till i Transformers v5.24.0, körs med 210 tokens per sekund på Mac och får en version utan begränsningar

Inkling 2 Mini, Thinking Machines modell med looparkitektur och öppna vikter som publicerades den 20 november (och behandlades här i går), har integrerats i Hugging Faces referensbibliotek, portats till Mac och fått sina begränsningar borttagna inom tjugofyra timmar efter lanseringen.

Transformers v5.24.0 får stöd för Inkling 2 Mini, Metas Omnilingual ASR, NVIDIA:s Dory och Sarvam-105B

21 november — Hugging Face släpper Transformers v5.24.0, som lägger till ett tiotal arkitekturer. Inkling 2 Mini ingår med en checkpoint för forskning med variabelt antal loopar, och Dory, NVIDIA:s loopbaserade modell, låter också användaren justera antalet loopar vid inferens.

Tillagd modellModellutgivareVersionsdetaljer
Inkling 2 MiniThinking Machinesmed forskningscheckpointen TML-d24-varloop-research, med variabelt antal loopar
DoryNVIDIAloopbaserad modell, justerbart antal loopar vid inferens
Omnilingual ASRMeta FAIRtaligenkänning för över 1 600 språk, från 300M till 7B, CTC-huvud eller Llama-dekoder
Apertus 1.5 och WavTokenizerSwiss AI Initiativetext, bild och ljud som indata; ljudkodek på 24 kHz
HY4-VLTencentvision-språkmodell i familjen Hunyuan V4
Lara MiniTranslated7,2B varav 0,6B aktiva, licens CC BY-NC-SA 4.0
Sarvam-105B och Sarvam-30BSarvam AI105B: MLA-attention, 128 experter varav 8 aktiva, kontext på 131K
EXAONE 3.0, 3.5 och DeepLG AI Researchladdas utan trust_remote_code

Observera vid uppdatering: past_key_values och cache_params byter namn till cache, en ändring som klassas som inkompatibel även om de gamla namnen fortfarande accepteras med en utfasningsvarning, och den lägsta PEFT-versionen höjs därför. Ling 3.1 Flash laddas nu nativt, och LayoutLMv3 använder SDPA:s attention-gränssnitt.

🔗 Transformers v5.24.0

EXO Labs kör Inkling 2 Mini med 210 tokens per sekund på en Mac Studio M5 Ultra

21 november — Dagen efter lanseringen av Inkling 2 Mini publicerar EXO Labs de hastigheter som uppnåtts i samarbete med Thinking Machines på två Mac-datorer.

Dator som testats av EXO LabsGenerering (avkodning)Inläsning av prompten (prefill)
Mac Studio M5 Ultra, 96 Go210 tokens/s3 620 tokens/s
MacBook Pro M5 Max, 48 Go125 tokens/s1 750 tokens/s

Enligt EXO Labs byggde modellen en nativ väderapp 1,8 gånger snabbare än Claude Sonnet 5.5 på Mac Studio, och till 11 gånger lägre kostnad enligt API-prissättningen. EXO Labs förklarar att den loopbaserade arkitekturen passar datorer med begränsat minne, som MacBook: att köra lagren i loop ökar beräkningarna vid inferens utan att göra modellen större. Julien Chaumond på Hugging Face menar att det är så lokal AI med open source kommer att vinna.

We got access on Wednesday. In 3 hours we had it running at 30 tok/sec A day later we had it running 210 tok/sec (7x faster)

🇸🇪 Vi fick tillgång i onsdags. Efter 3 timmar körde vi den med 30 tokens per sekund. En dag senare med 210 tokens per sekund (7 gånger snabbare). — @exolabs på X

🔗 @exolabs på X: hastigheterna på Mac · @julien_c på X

OpenUncensored publicerar en version av Inkling 2 Mini utan spärrar på lanseringsdagen

20 november — Samma dag som Inkling 2 Mini släpps publicerar OpenUncensored, en API-leverantör för ocensurerade modeller, en ”ablitererad” version som genom en riktad ändring av vikterna har fråntagits sin förmåga att avvisa förfrågningar. För 32 skadliga förfrågningar går den från 32 avvisanden till inget, både i samtal och vid resonemang, och dess MMLU-poäng sjunker inte (79,47 % jämfört med 78,95 % för originalet). Bara 20 attention-tensorer i BF16 har ändrats: eftersom de mittersta lagren används tre gånger per token får en ändring där effekt tre gånger. API:et kostar 0,15 dollar per miljon indatatokens och 0,60 dollar för utdata; författaren uppmanar till försiktighet med så små urval.

🔗 OpenUncensoreds inlägg på Hugging Face


Kodplattformar för företag: privat nätverk med Replit Tunnels, åtkomst och delning i Devin, utgiftstak i v0

Replit Tunnels kopplar Replit-miljöer till tjänster i ett privat nätverk, med förhandsåtkomst

20 november — Replit presenterar Tunnels, som kopplar dess miljöer till tjänster i ett företags privata nätverk (databaser, interna API:er) utan att öppna nätverket för inkommande anslutningar från det publika nätet. Trafiken går via en klient som IT-avdelningen kör i nätverket, driftsatt med ett genererat Docker-kommando eller ett Helm-chart på Kubernetes, och det är denna avdelning som väljer vilka tjänster varje Replit-arbetsyta får nå. Förbindelsen mellan klienten och Replit krypteras och autentiseras med mTLS; autentisering och TLS för varje privat tjänst konfigureras separat.

Tunnels är integrerat med anslutningsprogrammen: deras autentiseringsförfrågningar, verktygsanrop från Agent och förfrågningar från publicerade appar går via Replits tunnelserver och därefter genom denna klient. Inlägget nämner tre användningsområden: identifiera kundkonton som behöver granskas inom finans (Stripe, SharePoint, Snowflake), hitta väntande patientremisser inom vården (Calendly, DrChrono) och rapportera materialbrist inom industrin (NetSuite, Shopify, Databricks, Shippo). Tunnels erbjuds med förhandsåtkomst på begäran, utan angivet pris; det bygger vidare på Bring Your Own Cloud (som behandlades här den 17 oktober), som redan byggde på utgående tunnlar med dubbel mTLS.

🔗 Replits inlägg om Tunnels · Dokumentation: Konfigurera Tunnels

Devin introducerar Access and Sharing, användargrupper och delning per session samt kompletterar versionsinformationen från den 17, 18 och 19 november

20 november — Devins versionsinformation från den 20 november introducerar Access and Sharing, kontroller för åtkomst och delning för företag, som införs gradvis och är avstängda som standard: de aktiveras via den egna kontaktpersonen på Cognition. På sidan User groups i Settings skapas användargrupper som kan användas överallt där åtkomst hanteras: secrets, miljöer, sessioner, automatiseringar, plugins, playbooks, skills, MCP-servrar och knowledge.

Varje session får egna delningsinställningar: bara du själv, en eller flera grupper, organisationen eller hela kontot. En session som använder ett repo, en secret eller en miljö som är begränsad till dig själv eller din grupp startar privat, med en varning innan åtkomsten utökas. I Slack svarar den alltid i kanalen, men bara de personer som den delas med kan ge den instruktioner. Administratörerna får en rapport över repon vars åtkomst i Devin skiljer sig från GitHub eller GitLab, och Devin Review, DeepWiki och Ask begränsas till repon som användaren har åtkomst till. Utöver denna utrullning lägger samma versionsinformation till statusen Triaged för säkerhetsfynd och pluginen Sazabi på marknadsplatsen; inget pris nämns. 🔗 versionsinformation från den 20 november

Versionsinformationen från de tre föregående dagarna innehåller också:

  • 19 november — I Devin Review låter faktureringsregler per repo granskningarna av ett repo, inklusive chatten, belasta en organisation eller en budget i stället för PR-författaren. Med knappen Validate with Devin kan ett säkerhetsfynd valideras, och Fix with Devin föreslår, från och med två fynd, en PR per grundorsak, en per fynd eller en enda för alla; marknadsplatsen tar bort MCP-servrar som ersatts av en inbyggd integration (Slack, Linear, GitLab, Pylon). 🔗 versionsinformation från den 19 november
  • 18 november — En väljare med namnet Shared with visas i inmatningsfältet på startsidan, och inställningen Start sessions as Only you håller sessionerna privata som standard. En privat session publicerar inget i Slack, att göra den synlig kräver en bekräftelse som anger berörda personer, och bilagor på organisationsnivå följer dess synlighet; Devin Review får knappen Update branch, och DevinDash MCP lämnar betastadiet. 🔗 versionsinformation från den 18 november
  • 17 november — Devin Review publicerar en status på pull requests i Azure DevOps, fynd från säkerhetsgranskningar av PR:er kan ha en kort sammanfattning av konsekvenserna, och Devin publicerar bilder, formaterad text, tabeller, diagram, kort och karuseller i Slack. 🔗 versionsinformation från den 17 november

v0 gör utgiftstak per medlem tillgängliga för alla företagskunder

20 november — v0 gör sina utgiftstak (Spend Caps) tillgängliga för alla företagskunder. I Settings → Members anger teamägare en standardgräns för medlemmarna eller en individuell gräns för varje medlem, för förbrukningen från den gemensamma kreditpotten per faktureringsperiod, när medlemmens inkluderade krediter har förbrukats. När gränsen nås stannar genereringen vid slutet av det pågående steget och medlemmen kan begära ytterligare åtkomst; inget belopp anges.

🔗 v0:s ändringslogg: Spend Caps


Kodagenter: Claude Code 2.1.330, Antigravity 2.34.0, Copilot CLI, Qwen Code, Codex CLI och Puck från Amp i bilen

Claude Code 2.1.330 ritar diagram med easel och låter schemalagda uppgifter köras i upp till 30 dagar

20 november — Claude Code 2.1.330 omfattar 142 poster, varav 98 felrättningar, 16 tillägg, 14 förbättringar och 13 ändringar. Versionen lägger till easel, en inbyggd mod som ritar diagram på begäran och under mätresultat som returneras av en MCP-server, till exempel en intervallfråga i Prometheus. easel erbjuds på Pro, Max och, där det är tillgängligt, Team och Enterprise, på macOS och Linux; dess automatiska diagram kan stängas av i /config. Organisationer som hanteras i Anthropics administrationskonsol för Enterprise (Enterprise Admin Console) kan också ansluta till Claude Code: efter claude auth login tillämpar Claude Code deras inställningar och går via deras molnleverantör eller gateway.

Återkommande schemalagda uppgifter och /loop körs nu i upp till 30 dagar i stället för 7, så länge sessionen förblir öppen; de som skapades före denna version stoppas fortfarande efter 7 dagar. Fler rm-kommandon som riktar sig mot rotkatalogen, hemkatalogen, en katalog på översta nivån eller arbetskatalogen kräver godkännande och nekas när ingen kan svara. Den automatiska omstarten vid max_tokens, som togs bort i 2.1.329, återinförs, och ExitWorktree tar inte längre bort ett worktree som används av en annan session. På Agent Platform i Google Cloud respekterar claude -p äntligen det snabbläge som anges via --settings när modellen kommer från ANTHROPIC_MODEL eller en inställningsfil: dessa körningar debiteras nu till priset för snabbläget. VS Code-tillägget får 28 poster, däribland /fork och /workflows.

🔗 Claude Code v2.1.330

Andra kodagenter: Antigravity 2.34.0, förhandsversioner av Copilot CLI och Copilot SDK, Qwen Code v0.28.3, Codex CLI 0.173.0-alpha.4 och billäge i Amp

  • Antigravity 2.34.0 (20 november) — Googles app har 15 förbättringar och 24 felrättningar. Rubriken utlovar stöd för MCP Apps, vilket inte beskrivs närmare i listan över förbättringar; Gemini 4 Neon och alternativet Orchestrator (Neon) blir tillgängliga för berättigade betalda konsumentabonnemang, Neon kan användas med en Gemini-API-nyckel eller Google Clouds standardautentiseringsuppgifter (Application Default Credentials), och Enterprise-konton får Orchestrator. Marketplace får pluginerna Clerk, Docusign och TestMu AI. 🔗 Antigravitys ändringslogg
  • Copilot CLI 1.0.115-4 till 1.0.115-6 och Copilot SDK 2.0.2-preview.2 till preview.5 (20 och 21 november) — I dessa förhandsversioner av CLI visar ACP-editorer som stöder formulär strukturerade frågor för förtydligande (structured clarification questions), och långa lokala sessioner tar mindre plats på disken; den stabila versionen är fortfarande 1.0.114. SDK:t lägger till Gemini 4 Neon i sin modellista (kontext på 1 048 576 tokens, 65 536 i utdata), läser .claude/CLAUDE.md i repots rot och får därefter ett ämnesindelat molnminne och API:er för import av sessioner och minne, båda experimentella. 🔗 Copilot CLI 1.0.115-4 · Copilot SDK 2.0.2-preview.2
  • Qwen Code v0.28.3 (21 november) — Denna nya stabila version följer direkt efter v0.28.0 och bygger på förhandsversionen från den 20 november, som behandlades här i går: GitHub blir den tredje kanal som stöds, WeCom och Microsoft Teams tillkommer, en generisk webhook för enbart utgående trafik skickar resultaten till en HTTPS-endpoint, och ACP- och OpenTUI-sessioner körs på den gemensamma agentloopen; versionsinformationen anger inga inkompatibla ändringar. 🔗 Qwen Code v0.28.3
  • Codex CLI 0.173.0-alpha.3 och alpha.4 (20 och 21 november) — Versionsinformationen är tom; enligt de 15 PR:er som slagits samman sedan alpha.2 accepterar varje hook för kommandon eller MCP-verktyg alternativet onFailure: continue som standard, eller block, där ett fel i PreToolUse hindrar verktyget från att köras och ett fel i PostToolUse håller tillbaka resultatet. Den molnhanterade konfigurationen laddas också via codex plugin add och codex plugin list; den stabila versionen är fortfarande 0.171.0, och detta innehåll kan fortfarande ändras. 🔗 Codex CLI 0.173.0-alpha.4
  • Puck i bilen hos Amp (21 november) — Amp gör det möjligt att prata med Puck, dess metaagent, under körning utan att titta på en skärm: iPhone-appen (med CarPlay) och Android-appen (med Android Auto eller bilens Bluetooth) växlar till billäge, och i en inbyggd webbläsare, som den i en Tesla, räcker det att öppna ampcode.com/car och skanna en QR-kod med en telefon som är ansluten till Amp. Det som behöver läsas visas med mycket stor text; inget pris nämns. 🔗 Puck i bilen

Notiser

Modeller och API

  • Qwen4 Max på Together AI — Som uppföljning till rabatten på 30 % som togs upp här den 19 november visar Together AI sina priser till och med den 22 november: 1,05 dollar per miljon tokens för indata och 3,15 dollar för utdata, med resonemang debiterat som utdata och obligatorisk streaming. I det enda exempel som ges läste modellen alla 344 filer i repot Tornado (652 519 tokens) i en enda förfrågan och levererade på 72 sekunder, för 69 cent, en korrigering som klarade underhållarnas tester. 🔗 källa
  • Ultrafast i Codex — På OpenAI:s utvecklarblogg delar Dominik Kundel sina tips för Ultrafast med GPT-6.2 Astra och Sol (hot reload, korta instruktioner, resonemangsnivån Light eller Low) och förtydligar två punkter: upp till 4,5 gånger snabbare tokengenerering i Codex och ett kampanjpris för API:t på 3 gånger Standard-priset till och med den 28 februari 2027, därefter 6 gånger från den 1 mars. 🔗 källa
  • Hugging Faces startflöde — Inloggade användare ser nu som standard ett flöde där varje populär modellrelease får ett eget kort, till exempel det som samlar 17 nya modeller från Tencent, meddelar Victor Mustar. 🔗 källa

Öppen forskning på Hugging Face

  • Act-or-Ask — Den här lilla öppna modellen, finjusterad med LoRA utifrån Phi-4-mini (3,8B), avgör om en hemassistent ska agera, först be en vuxen om lov eller avböja. I 60 tidigare osedda situationer följer den hushållets regler i 99,3 % av fallen, jämfört med 49,7 % för basmodellen med samma regler i prompten; modellen har MIT-licens och testsviten CC BY 4.0. 🔗 källa
  • KITScenes i FiftyOne — Harpreet Sahota fortsätter sin serie konverteringar för FiftyOne med ett utdrag ur KITScenes Multimodal, ett dataset för autonom körning från KIT och FZI, inspelat i Frankfurt med 9 kameror, 7 lidarer och 3 radarer: 680 tidpunkter från 4 scener, var och en med sina nio kameravyer och ett sammanslaget punktmoln från lidar och radar. 🔗 källa

Assistenter och agenter för verksamheter

  • Googles Connected Apps — I USA kommer Albertsons, Safeway, Shaw’s och Target till Search och Gemini-appen för att sätta ihop och betala en matbeställning via Universal Commerce Protocol (UCP); Experian, som redan finns i Gemini, och H&R Block kommer till Search, och Angi och Thumbtack följer under de kommande veckorna. 🔗 källa
  • Grok Bot och QuickBooks — Agenten från SpaceXSI ansluter till Intuit QuickBooks i USA: användaren kan fråga om sitt kassaflöde, sin vinst eller sina obetalda fordringar, och agenten skriver fakturor, offerter och betalningspåminnelser som användaren måste godkänna. 🔗 källa
  • ElevenAgents för Fundación Televisa — I en fallstudie från ElevenLabs genomförde en röstagent mellan den 29 juni och den 24 juli 1 036 intervjuer på i genomsnitt fem minuter med sökande till POSiBLE, den mexikanska stiftelsens entreprenörsaccelerator, som valde ut 70 projekt till slutsteget; Bécalos, ett annat av stiftelsens program, intervjuade 394 ungdomar på två dagar. 🔗 källa

Generativa bilder

  • Kling Image 4.0 — Kling delar Artificial Analysis utvärdering: 7:a i text-till-bild och 6:a i bildredigering, endast efter modeller från OpenAI och Microsoft AI, jämfört med 86:e och 67:e plats för Kling Image 3.0 Omni. Ett tidsbegränsat Black Friday-erbjudande anger 2K från 0,022 dollar per bild och nativ 8K från 0,033 dollar, utan att precisera om det gäller appen eller API:t. 🔗 källa

Utanför AI

  • Behörigheter för säkerhetsmeddelanden på GitHub — Fyra behörigheter i kategorin Security (läsa meddelanden, skapa och hantera dem, ta emot privata rapporter samt publicera och begära CVE) kan nu tilldelas genom anpassade reporoller, utan att de berörda personerna behöver bli administratörer för repot. 🔗 källa

Vad det betyder

Beviset för Riemannhypotesen gör formell verifiering till grunden för förtroendet. Ett bevis på 17 miljoner rader går inte att granska för hand: dess trovärdighet bygger här på en offentlig kedja av kontroller som genomförts på en dag, från satsen i Mathlib som granskats av experter till flera oberoende verifierare. Certifieringen säger inget om hur beviset hittades eller om den generaliserade Riemannhypotesen, och författaren behöver fortfarande förklara det; men den gör det möjligt att godta ett resultat som erhållits med en modell utan att behöva lita på modellen. ATLAS, Metas bibliotek som formaliserar 26 läroböcker i Lean, går i samma riktning.

OpenResearch Intelligence Index mäter något annat än kunskap: förmågan att genomföra ett helt forskningsarbete, från litteratursökning till post-training. De slutna modellerna dominerar tydligt, men kostnadsskillnaden spelar lika stor roll som poängskillnaden: GPT-6.1 Sol får 0,549 för 3,83 dollar per försök medan GPT-6 Astra kostar 22,44 för 0,566, och DeepSeek V4.1 Flash, med 0,72 dollar per försök i indexet, närmar sig GPT-6 Astra på litteraturspåret när den har tillgång till OpenResearchs verktyg. Detektorn från empirischtech påminner om utvärderingens begränsning: efter att ha gått från 27:e till 5:e plats på RAID identifierar den bara 58,7 % av AI-texterna i sitt eget testdataset, jämfört med 97,8 % för den generella detektor som finjusteringen utgår från. En ranking mäter det som finns i dess testsvit, inget mer.

Inkling 2 Mini visar hur snabbt en modell med öppna vikter numera sprids: inom tjugofyra timmar ingår den i Transformers, körs med 210 tokens per sekund på en Mac Studio och slutar avböja förfrågningar i en version utan spärrar där bara 20 tensorer har ändrats. Samma öppenhet som gör det möjligt att få en modell att köras på en arbetsstation på en dag gör det möjligt att ta bort dess avböjanden samma dag. Den öppna vetenskapen går i sin tur framåt genom sina data och verktyg: Meta höjer målet för insamling av delade hjärndata till 25 000 timmar, och Diffusers visar att ett finjusteringsrecept utformat för bilder kan tillämpas på proteindesign.

Bland kodplattformarna handlar dagen mer om styrning än om generering. Replit Tunnels väljer vilka privata tjänster en arbetsyta kan nå, Devin bestämmer vem som får se och styra varje session, v0 sätter ett tak för varje medlems utgifter, och Claude Code tillämpar inställningarna för en organisation som hanteras i Anthropics Enterprise-konsol. Agenterna blir mer självständiga, med schemalagda uppgifter som körs i upp till 30 dagar i Claude Code, men skyddsmekanismerna följer med: godkännande krävs för de mest riskfyllda rm, och i förhandsversionerna av Codex CLI kan hooks blockera en åtgärd vid fel.


Källor