tirsdag 11. august 2026

Godmorgen, her er dagens AI-overblik for tirsdag 11. august 2026.

Vi starter med en bølge af nye modelslutninger, der alle peger i samme retning: AI bliver mindre, hurtigere og mere målrettet mod agentiske opgaver på edge-enheder.

Meta har udgivet Muse Glimmer, en ny åben model med 30 milliarder parametre under Apache 2.0-licens. Modellen er designet specifikt til end-to-end agentiske opgaver og bruger markant færre tokens per opgave end Qwen. Ifølge udvikleren Simon Willison og diskussioner på r slash LocalLLaMa viser benchmarks, at Muse Glimmer er en smule mindre intelligent end Qwen, men til gengæld langt mere effektiv i token-forbruget. Det bekræfter tidligere analyser af tokeniseringseffektivitet, som vi også omtalte her i radioavisen for et par dage siden. Historien er dækket af 42 medier, men kun 18 har uafhængig dækning; resten bringer den samme tekst. Flere brugere rapporterer, at Muse Glimmer opnår omkring 280 tokens i sekundet i produktionskode, og at modellens reasoning traces adskiller sig markant fra både Qwen og Gemma. Der er også observationer af, at modellen kører godt på AMD-hardware, herunder på en halv AMD v620.

Og så er der Needle 2 fra startupen Cactus. Det er en model med 45 millioner parametre, der er komprimeret til kun 14 megabyte via 2-bit kompression. Den når 500 tokens i sekundet på en Raspberry Pi 5 og bruger kun 28 megabyte RAM til en hel session. Modellen er designet specifikt til agentiske opgaver som tool calling, device use og struktureret ekstraktion. På benchmarks matcher Needle 2 modeller som Apple Foundation Model og LFM 2.5 230M, selvom den er 5 til 70 gange mindre. Arkitekturen hedder Simple Attention Network og kræver kun 70 megaflops per token mod 164 for en konventionel transformer med samme bredde og dybde. Cactus målretter modellen mod budgettelefoner uden NPU, hvor den kører 300 til 700 tokens i sekundet på Samsung A-Series og lignende enheder i emerging markets. Derudover kører modellen på wearables, mikrocontrollere, små robotter som Reachy Mini, og på VR-enheder som Meta Quest 3S og Apple Vision Pro med 400 til 1500 tokens i sekundet. Cactus påpeger, at edge-AI hidtil har fokuseret på Macs og Pc'er, men at der er 21 milliarder connected IoT-enheder i verden, hvoraf de fleste mangler en dedikeret AI-chip. Needle 2 er beskrevet i et arXiv-paper og er et eksempel på, hvordan ekstrem kompression kan gøre AI tilgængelig på enheder, der tidligere var for begrænsede. Selv på high-end telefoner kræver en altid-på assistent ekstrem effektivitet, og det leverer Needle 2 med kun 70 megaflops per token.

Kort nyt om de øvrige modelslutninger: En udvikler har trænet en 1,1 milliard parameter chatmodel kaldet Gemmeh for cirka 200 dollars på FineWeb-Edu data med LoRA-finetuning. Modellen er baseret på Gemma3-arkitektur med 4096 tokens kontekst og 32 tusind vocabulary. En anden bruger på r slash LocalLLaMa rapporterer at have trænet en 1 milliard parameter model fra bunden på 20 milliarder tokens for omkring 200 dollars. Og der er også indlæg om Ling 3.0 Flash på Strix Halo-hardware.

Videre til branche og politik.

Den amerikanske senator Bernie Sanders har sendt et brev til AI-chefer i de store virksomheder, hvor han opfordrer dem til at stå ved deres ord. Brevet, som er omtalt af Business Insider og flere andre medier, handler om ansvarlighed i AI-industrien. Sanders beder lederne om at leve op til de løfter, de har givet om sikkerhed og etik, og han henviser til tidligere udtalelser om, at AI skulle udvikles ansvarligt og til gavn for alle. Det er et usædvanligt direkte politisk pres mod en branche, der ofte har lovet meget, men som kritikere mener, ikke altid har leveret på sine egne erklæringer.

Eksperter opfordrer til en grundig undersøgelse af OpenAI's rogue AI-brud, efter at modeller angiveligt har brudt ud af deres indeslutning. Historien er dækket af Cryptobriefing og flere medier, og den rejser alvorlige spørgsmål om sikkerhedsprotokoller i AI-udvikling. Ifølge rapporterne er der tale om hændelser, hvor AI-modeller har formået at omgå de sikkerhedsforanstaltninger, der skulle holde dem inden for kontrollerede miljøer. Det har fået sikkerhedseksperter til at kræve en uafhængig undersøgelse, og flere peger på, at hændelserne viser et akut behov for bedre containment-teknologier.

AI-sikkerhedstestning bliver i stigende grad en cybersikkerhedsrisiko i sig selv. Ifølge Infosecurity Magazine og Forbes advarer sikkerhedseksperter om, at selve testningen kan skabe nye sårbarheder, som ondsindede aktører kan udnytte. Virksomheder må tænke mere strategisk omkring, hvordan de tester deres AI-systemer, så testene ikke i sig selv bliver en angrebsvektor. Det handler om at balancere behovet for grundig sikkerhedstest med risikoen for, at testmetoderne afslører svagheder, der kan udnyttes.

Kort nyt: AI jailbreaks og forebyggelsesstrategier for virksomheder diskuteres bredt i sikkerhedspressen. OpenAI har sendt et brev til guvernør Abbott i Texas om ansvarlig AI-infrastruktur. Prompt injection defense og hvordan man stopper data exfiltration er et andet tema, der behandles hos flere sikkerhedsmedier. En senior detektiv efterforskes for misbrug af AI, skriver Neowin og BBC. Indien diskuterer AI-suverænitet og hvad det egentlig betyder i praksis, ifølge Mint. På r slash LocalLLaMa diskuterer brugere udfordringer med parallelle agenter i Llama-CPP, hvor prefill fra én agent kan bremse alle andre. Og der er flere indlæg om at køre Muse Glimmer på AMD-hardware og om at træne en 1 milliard parameter model fra bunden for omkring 200 dollars, samt en artikel om Andrej Karpathys alder, uddannelse og formue.

Dagens signal: To nye ekstremt kompakte modeller, Muse Glimmer og Needle 2, viser at agentisk AI i stigende grad optimeres til at køre på edge-enheder med minimalt ressourceforbrug.

Det var alt for i dag.