Dots arbejder, mens brugeren er væk

Hvad skete der?

DOKUMENTERET: OpenAI lancerede Dots den 29. september. En Dot kører på GPT-6 Astra, har egen cloud-computer og browser og kan forbindes til mere end 4.000 apps. Den kan kontaktes i ChatGPT, Slack og Teams og arbejde på flere projekter i baggrunden. OpenAI beskriver read-only “proactive research”, brugerdefinerede regler, Activity View og automatisk gennemgang af følsomme handlinger. Udrulningen begynder på udvalgte markeder og planer; Enterprise, Edu og Healthcare kræver administratoraktivering.

Hvorfor er det vigtigt?

LEARNAI-ANALYSE: Dots flytter produktets tyngdepunkt fra spørgsmål og svar til et vedvarende driftslag. Når agenten husker præferencer, modtager nye data og handler i mange systemer, bliver tilladelsesdesign og kvalitetssikring en del af den daglige arbejdsproces — ikke en engangsopsætning.

Hvad betyder det for læseren?

PRAKTISK KONSEKVENS: Begynd uden adgang til den lokale computer. Giv agenten et afgrænset projektdokument, slå “ask before action” til for eksterne ændringer, og gennemgå aktivitetsloggen, før ansvaret udvides.

Gemini 4 Argon kommer først til cyberforsvarere

Hvad skete der?

DOKUMENTERET: Google annoncerede Gemini 4 Argon til softwareudvikling, videnarbejde og cybersikkerhed. Google fremhæver langvarig ræsonnering og op til én million outputtokens i en kørsel. Adgangen starter i Fairwind-programmet for betroede cyberforsvarere, mens bred pris og tilgængelighed ikke var fastlagt i ugepakken. Benchmark- og sikkerhedsresultater kommer primært fra Google og virksomhedens testpartnere.

Hvorfor er det vigtigt?

LEARNAI-ANALYSE: En meget lang outputgrænse kan reducere behovet for at dele store opgaver op, men den øger også konsekvensen af fejl, der gentages gennem et langt forløb. Den trinvise adgang viser samtidig, at de mest følsomme kapabiliteter ikke længere nødvendigvis lanceres bredt på dag ét.

Hvad betyder det for læseren?

PRAKTISK KONSEKVENS: Vent på uafhængige test og konkrete adgangsvilkår. Sammenlign ikke kun benchmarkscore, men også fejlfrekvens, reviewtid og hvor ofte lange forløb kan genoptages uden at miste sporbarhed.

Claude Sonnet 5.5 presser pris og ventetid

Hvad skete der?

DOKUMENTERET: Anthropic lancerede Claude Sonnet 5.5. Selskabet oplyser, at modellen er mere end 30 procent hurtigere end Sonnet 5, typisk bruger færre tokens og kan sænke omkostningen pr. opgave med op til 30 procent. Listeprisen er fortsat 2 dollar pr. million inputtokens og 10 dollar pr. million outputtokens. Resultaterne er leverandørens egne målinger.

Hvorfor er det vigtigt?

LEARNAI-ANALYSE: En hurtigere mellemklassemodel kan have større driftseffekt end en dyr topmodel, fordi den bruges på langt flere opgaver. Besparelsen afhænger dog af, om outputtet består virksomhedens kvalitetskontrol uden flere genkørsler.

Hvad betyder det for læseren?

PRAKTISK KONSEKVENS: Kør de samme repræsentative opgaver på Sonnet 5 og 5.5. Mål samlet tokenforbrug, tid, korrekthed og menneskelig rettelse frem for kun listepris og leverandørbenchmark.