Är det inte så att eftersom vi inte vet hur man kan skapa en agi så är detta spår lika troligt som andra och dessutom håller det liv i en eventuell bubbla. Det vore trist om man slog av på takten, forskade på andra spår i några år för att sedan inse att man trots allt hade rätt från början?
2 gillningar
Då tycks GPT-5.5 ha kommit, ser ut att vara mer effektiv än GPT-5.4, så där kommer man spara en del GPUer varje gång någon använder den 
Jag håller nog inte med om att alla satsar på “fler GPUer kortet”, det finns många som tycks testa andra saker, exempelvis med Jepa här: (från i år)
Sen kanske man mest gör om de som satsar på GPUer som OpenAI och Anthropic. Min bild är att det finns många som håller på med AI idag och alla gör inte samma sak.
Spännande och se DeepSeek V4 och hur det går för dem
Du har säkert rätt. Men hade ändå varit kul att göra en uppföljning om 5-10 år och se om det skett någon förändring.
Jag misstänker det.
1 gillning
Ja men också dyrare per token. Finns det någon jämförelse som visar pris per resultat? Svårt att göra såklart, men vore den bättre jämförelsen. Typ USD per agentic step eller något.
1 gillning
Helt rimlig fråga, här finns mer analyser. Det ser ut som att summan av dyrare tokens och färre tokens per svar ger marginellt dyrare kostnad per svar.
1 gillning
En läsvärd artikel, som pratar lite om de 3 nivåerna av AI som alla blivit bättre.
- Grundläggande modellen.
- Apparna för modellen körs.
- Vilka verktyg modellen har tillgång till.
1 gillning
Nu när jag blev frågade om kostnaderna tittade jag lite mer på dem och såg en intressant sak, Gemini 3.1 är nog lite underskattad och DeepSeek 4 är inte så billig som man kan tänka sig.
Och tittar man på kostnaden är Claude dyrt och Gemini billigare än DeepSeek V4. GPT-5.5 tycks vara billigare än Sonnet.
1 gillning
Artificial Intelligence Index Report 2026 från Stanford:
AI-sammanfattning av dess 423 sidor.
AI utvecklas snabbt – inte långsamt. Kapaciteten accelererar, används av allt fler och når nu > nivåer där modeller i vissa fall matchar eller överträffar människor i avancerade uppgifter som forskning, matematik och programmering. Samtidigt har användningen exploderat: nästan alla organisationer använder AI och en stor majoritet av studenter gör det dagligen.
Den globala maktbalansen förändras. USA och Kina ligger nu mycket nära varandra i AI-prestanda, även om USA fortfarande leder i investeringar och toppmodeller, medan Kina dominerar i volym (publikationer, patent och industriell användning). Samtidigt blir världen beroende av en sårbar hårdvarukedja, där en stor del av avancerade chip produceras av ett enda företag i Taiwan.
Teknikens utveckling är ojämn. AI kan lösa extremt svåra problem men misslyckas med enkla uppgifter – ett fenomen som kallas “ojämn front”. Detsamma gäller robotik: de fungerar bra i kontrollerade miljöer men klarar sällan vardagliga uppgifter i hemmet.
Säkerhet och ansvar halkar efter. Antalet incidenter ökar och det saknas tydliga standarder för ansvarsfull AI. Dessutom kan förbättringar inom ett område (t.ex. säkerhet) försämra andra (t.ex. precision).
Ekonomiskt är AI redan betydelsefullt. USA dominerar investeringar, men tappar i förmågan att attrahera internationell talang. Samtidigt sprids tekniken snabbt globalt och skapar stort värde för användare – ofta gratis.
Produktiviteten ökar i vissa yrken, särskilt inom programmering och kundservice, men samtidigt minskar efterfrågan på juniora roller. Det tyder på en strukturell förändring på arbetsmarknaden där erfarenhet blir mer värdefull än instegsnivå.
AI:s miljöpåverkan växer snabbt, med stora utsläpp, energibehov och vattenförbrukning kopplade till träning och drift av modeller.
Inom vetenskap och medicin visar AI stor potential, ibland bättre än människor, men resultaten är ojämna och evidensen – särskilt i kliniska tillämpningar – är fortfarande begränsad.
Utbildningssystemet hänger inte med. Studenter använder AI i stor skala, men riktlinjer och lärarstöd är ofta otydliga. Samtidigt lär sig människor AI-färdigheter utanför formella system.
AI blir också en geopolitisk fråga. Länder vill kontrollera sina egna AI-ekosystem, men utvecklingen är fortfarande koncentrerad till USA och Kina, även om open source börjar sprida deltagandet globalt.
Slutligen finns en tydlig klyfta mellan experter och allmänhet: experter är generellt optimistiska kring AI:s effekter, medan allmänheten är mer skeptisk. Tilliten till att institutioner kan hantera AI är dessutom låg och varierar mellan länder.
2 gillningar
En bra rapport. AI lär inte ta över världen inom 12 månader, men får vi 12 lika stora år framöver lär världen se annorlunda ut 
Här är nog mina favoritcitat av det jag har hunnit gå igenom, gillar denna typen av ordentliga sammanställningar
-
Video generation models are starting to capture how objects behave, not just produce realistic content.
-
AI models can win a gold medal at the International Mathematical Olympiad but still can’t reliably tell time, illustrating what researchers call jagged intelligence.
-
AI agents advanced from answering questions to completing tasks in 2025, though they still fail roughly one in three attempts on structured benchmarks.
-
Robots still fail at most household tasks, even as they excel in controlled environments.
-
Waymo reached approximately 450,000 weekly trips across five U.S. cities. In China, Apollo Go completed 11 million fully driverless rides, a 175% year-over-year increase.
-
Generative AI reached 53% population adoption within three years, faster than the PC or the internet, though the pace varies by country and correlates strongly with GDP per capita. Some show higher-than-expected adoption, such as Singapore (61%) and the United Arab Emirates (54%), while the U.S. ranks 24th at 28.3%. The estimated value of generative AI tools to U.S. consumers reached $172 billion annually by early 2026, with the median value per user tripling between 2025 and 2026.
-
One-third of organizations expect AI to reduce their workforce in the coming year, even though large-scale job losses have not yet shown up in overall employment data.
-
Productivity gains from AI are largest in structured, measurable work where outputs are easy to monitor. Studies report gains of 14% to 15% in customer support, 26% in software development, and 50% in marketing output. Gains are smaller in tasks requiring deeper reasoning, and recent evidence raises concerns that heavy AI reliance may carry long-term learning penalties that slow skill development over time.
3 gillningar
Dags för Musk vs Altman i rättegång.
2 gillningar
3 gillningar
Ett helt rimligt rant, man behöver vara försiktig med dagens AI, med rätt användning kan man öka sin produktivitet, fel går allt åt skogen.
Dock tycker jag inte det är konstigt att techbolag som uttalat vill skapa AGI försöker hitta ett sätt att automatisera hela kedjan, det är mer märkligt att företag som inte har det som mål tar en teknik som inte ännu är AGI och kört ut den i produktion utan en plan för begränsningar eller human-in-the-loop.
2 gillningar
Jag vet vad som funkar idag och klarar inte av att föreställa mig att det kan bli bättre och förstår inte allt jobb som behövs för att det ska kunna bli bättre.
1 gillning
Spännande och se att folk försöker med andra saker än LLMs
3 gillningar
Hörde nåt klippet från EFN häromdagen. Vad är det för snack om tokens och att man som anställd hade incitament att bränna igenom så många som möjligt? Är detta den sista delen av hypen eller missförstod jag något? (jag lyssnade med ett halvt öra dessvärre)
Någon tycks vilja bättra på sina marginaler, eller förlora mindre pengar, priset höjs för Copilot med mellan 6 och 9 gånger för olika modeller 
1 gillning
Spännande att se, någon har hittat ett lovande sätt att uppskatta storleken på olika AI modeller
Länk:
1 gillning
För er som är lite nyfikna på AI, LLMs och matte
40 min så ganska lång, några saker jag tog med mig.
- Likt programmering kan man mäta hur “lång” tid en AI kan lösa problem, kurvan är tydligt uppåt. Från minuter till timmar och nu dagar. (Snart veckor och månader?)
- Dagens AI är även bra på ställa frågor.
- Vi kommer fortsatt behöva människor med i loppen under lång tid.
- Dagens, och de modeller som troligen kommer, har möjlighet att öka hastigheten på vetenskapliga upptäckter.
- AI gör det ännu viktigare att förstå saker på djupet.
1 gillning