BloggOpenAI
The Defender’s Window
AI is reshaping cybersecurity for attackers and defenders alike. Learn how OpenAI is strengthening its defenses and what security teams can do now.
17 aug. openai.com
Vibekollen Nytt
Hämtar senaste nytt…
Vibekollen Nytt
AI-nyheter för nyfikna och byggare.
Modeller, verktyg och händelser som formar AI-världen. Hitta nyheter, video och poddar – och följ vad som händer på Vibekollen.
Sök och filtrera
Alla nyheter i tidsordning. Använd filtren för att hitta ditt ämne, din podd eller ditt verktyg.
17 augusti 2026
BloggOpenAI
OpenAI joins PORTS-Pike project
OpenAI joins PORTS-Pike project, expanding community investment and supporting thousands of Southern Ohio jobs
17 aug. openai.com
BloggOpenAI
New policy ideas for the Intelligence Age
OpenAI har finansierat 14 oberoende projekt som utforskar nya politiska idéer för att hantera AI:s framväxt. Projekten fokuserar på hur man kan skapa ekonomiska möjligheter och göra samhället motståndskraftigt när AI blir allt viktigare. Det är ett försök att påverka policydiskussioner genom att stödja konkret forskning och idéutveckling.
17 aug. openai.com
15 augusti 2026
VideoAI Engineer
Training Krea 2: What matters in generative model training — Sangwu Lee, Krea.ai
The most reliable way to render a person is to render the most boring average person and put them in the center of the frame. Sangwu Lee offers that as the price the big image models pay for consistency: ask a production model for a burning skull and every output comes back clean, competent, and nearly identical. Krea 2, whose medium variant is now open source, trades the other way, optimizing for fast generation and stylistic range so that a studio that does not yet know what it wants can actually explore. Most of the talk is about data, which he says twice over is basically everything once the architecture is locked. The examples are specific. A painting photographed on a wall is perfectly good training data except that captioners consistently omit the frame and the white wall behind it, so the model learns to hang every painting it generates. They refuse to train on AI generated images at all, because the aesthetic is sticky and you inherit somebody else's model. Deduplication runs on hashes first across two to ten billion images, then on embeddings for near duplicates.
15 aug. youtube.com
VideoAI Engineer
Voice agents with Realtime Video — Sidney Primas, LemonSlice
Sidney Primas från LemonSlice visar hur man bygger AI-agenter med avatar och video som kan köra kontinuerligt i timmar. Det svåraste är att video genereras frame för frame — varje ny bild baseras på tidigare bilder, och fel adderar sig över tid. LemonSlice löser det genom att träna modellen att bara titta bakåt (eftersom framtida frames inte finns än) och reducerar beräkningsstegen drastiskt. Ett överraskande problem är ljud: uttryck och mimik beror på hur ljudet analyseras, men de flesta ljudmodeller är tränade på entoniga ljudböcker, så de behövde bygga sin egen. Tjänsten kostar ungefär lika mycket att köra som en röstmodell, men den största framtida värdet ligger enligt Primas i hur man orkestrar beräkningarna över GPU och CPU utan att videon stottar.
15 aug. youtube.com
14 augusti 2026
VideoAI Engineer
How Web Data Infrastructure Powers the Next Generation of AI — Patricija Žemaitytė, Oxylabs
Patricija Žemaitytė från Oxylabs delar erfarenheter från att bygga infrastruktur för AI-tjänster i skala. Hon beskriver tre huvudkonflikter: när ett sök-API som skulle svara på under en sekund blev blockerat live hos klient, krävdes ombygge genom att ta bort långsamma webbläsare — resultatet blev 550 millisekunder i stället för 4 sekunder. En video-API-begäran med två veckors deadline växte från ett enkelt jobb till en hel produktsvit (transkripter, undertexting, sökning, metadata) när klienten hittade nya behov, och skalade till 30 petabyte data utan att betala ännu. Skalan blev också ett problem själv: när hon försökte testa "unblocker"-tjänsten upp till 60 000 förfrågningar per sekund gick testerna fast vid 20 000, delvis för att själva telemetrin blev så stor att den påverkade det hon skulle mäta.
14 aug. youtube.com
VideoNate Herk
Never Miss a Customer Call Again (AI Receptionist)
Nate Herk presenterar RingCentral:s AI-receptionist, ett verktyg som automatiskt svarar telefonsamtal, textmeddelanden och WhatsApp-meddelanden dygnet runt. Systemet bokar även möten och dirigerar kommunikationen rätt väg. Herk säger att han tidigare förlorade kunder när han missade samtal, men att AI-receptionisten löser det problemet.
14 aug. youtube.com
VideoAI Engineer
The Rise of CaaS: Context-as-a-Service for Agentic AI — Omer Primor, Bright Data
Omer Primor från Bright Data presenterar en jämförelse mellan att hyra färdig kontextdata (Context-as-a-Service) och att bygga sin egen pipeline för att hålla AI-agenter uppdaterade med webbdata. I ett test som anrikade 25 informationsfält för 100 företag visade det sig att kostnaderna blev lika stora vid ungefär 15 000 frågor. Det viktigaste problemet är inte mängden data utan hur ofta den måste uppdateras: sociala medier blir föråldrad inom en dag, nyheter och finansdata inom 30 dagar. Om man hyr tjänsten kostar varje upprepning av samma fråga lika mycket även när svaret inte har förändrats, medan egenbyggda lösningar betalar stora kostnader upfront men sedan är effektivt gratis per sökning.
14 aug. youtube.com
VideoAI Engineer
The Dark Arts of Web Automation: Teaching Agents to Use Websites Like Humans — Corey Gallon, Rexmore
Corey Gallon visar hur man bygger AI-agenter som automatiserar webbläsare genom Chrome DevTools Protocol — de kan klicka, skriva och navigera webb liksom en människa. Hans metod är en loop: agenten observerar sidan, gör en handling, verifierar resultatet. Han demonstrerar tre nivåer av komplexitet: enkla formulär, knappar som kräver äkta klick-events, och slutligen CAPTCHA-utmaningar som Cloudflare Turnstile och reCAPTCHA v2. Ett viktigt val: CLI-verktyg är snabbare än MCP-servrar (under en minut mot åtta minuter) — det spelar roll när CAPTCHA:or löper ut på tid. Gallon fick varning från OpenAI för denna forskning och visar bara kod som körs på hans egen infrastruktur.
14 aug. youtube.com
VideoNate Herk
I Made Codex and Claude Code Build the Same App. One Clearly Won.
Nate Herk gav Claude Code och Codex samma uppdrag: bygga en produktionsklar Typeform-liknande app. Claude Code skapade en mer användbar app mycket snabbare, medan Codex fokuserade mer på arkitektur och pålitlighet. Experimentet visade tydligt var varje verktyg passar bäst och hur man bör formulera sin prompt för att få rätt resultat.
14 aug. youtube.com
VideoAI Engineer
Bringing agents onto the world wide web — Paul Klein IV, Browserbase
Paul Klein IV från Browserbase argumenterar att webagenter — AI-system som kan navigera och interagera med webbsidor — inte längre begränsas av AI-modellernas förmåga, utan snarare av den saknade infrastrukturen runt dem. De bästa agenterna i produktion kombinerar flera sinnen (kan både klicka och skriva kod), har minne och skicklighet så de inte måste rediscovera samma webbplats varje gång, och körs på infrastruktur som renderar sidor identiskt varje gång. Klein pekar också på tre olösta problem: hur agenter loggar in på dina vägnar, vad webben bör erbjuda agenter för att göra dem tillförlitliga, och vem som certifierar att en agent kan lita på. Det faktiska värdet ligger inte i Silicon Valley utan hos logistikföretag i Singapore, banker i Sydafrika och trälaboratorier i Mexiko som idag är bundna till gamla PHP-formulär.
14 aug. youtube.com
VideoAI Engineer
Computer Use at the Edge of the Statistical Precipice — Pierluca D'Oro, Programma Labs
Pierluca D'Oro visar hur AI-agenter kan få höga poäng på standardtester genom att bara upprepa inspelad sekvenser av knapptryckningar — utan att faktiskt titta på skärmen eller förstå vad de gör. Det här fungerar på många vanliga benchmarks för att testerna är för förutsägbara. Han presenterar PRISM-principerna för att göra miljöer mindre exploaterbara (slumpmässiga variationer, sandlådor, flera startlägen), och introducerar DIGIWORLD med 15 mobila appar och 3,2 miljoner verifierade testkonfigurationer. Han visar också att dagens osäkerhetsmått är dåliga: ett 95%-konfidensintervall täcker faktisk prestanda bara 20% av tiden, vilket gömmer stora skillnader mellan modeller.
14 aug. youtube.com
BloggHugging Face
State of Open Models: Summer 2026 Observations
Hugging Face rapporterar att antalet modeller och dataset på deras plattform växer snabbt — modeller steg från 2,43 till 2,96 miljoner under perioden. Kinesiska laboratorier dominerar de största öppna modellerna 2026, ofta miljardvis parametrar större än amerikanska motsvarigheter. Intressant är att många kinesiska lab hoppar över små modeller helt och går direkt till gigantiska versioner, medan företag som Alibaba och Tencent släpper hela spektra. En stor skillnad finns mellan vad utvecklare laddar ner — ofta gamla, stabila småmodeller — och vad som får mest beröm — de nya, stora gränsmodellerna.
14 aug. huggingface.co
