Grok 4.6 tar sikte på det långa agentjobbet

Google gör kalkylbladet till en miniapp

Google lanserar Sheets canvas, ett Gemini-baserat lager som förvandlar kalkylbladsdata till interaktiva vyer med instruktioner i naturligt språk. Funktionen synkroniserar ändringar åt båda håll och kan göra instrumentpaneler, scheman och placeringskartor utan att användaren skriver kod eller formler.

Inga formler eller någon programmering krävs.

Eric Birnbaum, Director, Product Management, Google Sheets

Google har lanserat Sheets canvas, en Gemini-baserad funktion som lägger ett dynamiskt läs- och skrivlager ovanpå data i Google Sheets. Med en instruktion i naturligt språk kan ett kalkylblad omvandlas till en interaktiv miniapp, exempelvis en instrumentpanel, ett studieschema eller en placeringskarta. Canvas-vyn visas i en egen flik och kan delas på samma sätt som ett vanligt kalkylblad. Ändringar i vyn och originalarket synkroniseras i realtid.

Det gör kalkylbladet till mer än en tabell med formler. En användare kan bygga ett visuellt gränssnitt mot befintliga data utan att först skapa en separat app eller skriva programkod. Samtidigt finns den ursprungliga strukturen i Sheets kvar som datakälla. Det kan korta vägen från rådata till ett användbart internt verktyg, särskilt för arbetsflöden där flera personer redan samarbetar i kalkylblad och behöver en mer lättöverskådlig vy.

Funktionen uppges vara globalt tillgänglig på engelska för abonnenter på Google AI Pro och Ultra. För svenska användare innebär det att verktyget kan användas utan en geografiskt begränsad lansering, men att instruktioner och gränssnittets AI-funktion tills vidare är engelskspråkiga. Abonnemangskravet innebär också att funktionen inte ingår för alla som arbetar i Google Sheets.

Robotdata får en rakare väg från inspelning till drift

Hugging Face beskriver ett sammanhängande robotikflöde med Strands Agents, LeRobot och Storage Buckets. Förändrade byte kan synkroniseras utan nya fullständiga uppladdningar, medan träningsdata strömmas direkt från Hubben och samma gränssnitt används när en färdig policy flyttas till fysisk hårdvara.

Ett nytt arbetsflöde från Hugging Face knyter samman Strands Agents, LeRobot och Hugging Face Storage Buckets för robotutveckling. Strands Robots är ett öppet SDK från AWS med Apache 2.0-licens och exponerar robotabstraktioner, simulering och LeRobot-stacken som verktyg för en agent. Flödet omfattar inspelning av robotdemonstrationer, synkronisering av förändrade data, strömning under träning och driftsättning av den färdiga policyn.

Storage Buckets fungerar här som en muterbar och icke-versionerad arbetsyta i samma hf://-namnrymd som datasetarkiven. Den Xet-baserade lagringen synkroniserar bara byte som har förändrats, vilket minskar behovet av upprepade fullständiga dataöverföringar. Dataset kan dessutom strömmas direkt från Hugging Face Hub utan att först kopieras i sin helhet till den lokala miljön. Samma Robot()-gränssnitt används genom processen, och en kontrollpunkt kan flyttas till fysisk hårdvara genom att läget ändras till mode="real".

Flödet samlar flera steg som annars kräver separata verktyg och dataförflyttningar. Hugging Face Hub rymmer enligt artikeln över 90 000 dataset och modeller i LeRobots format från fler än 8 000 publicister, vilket ger arbetsflödet en befintlig bas av kompatibelt material. För svenska utvecklare och forskare som arbetar med robotik eller AI-agenter är den konkreta nyttan möjligheten att minska lokala kopior och återkommande uppladdningar i träningskedjan.

Liten synmodell vässas för skärmar och edge-enheter

LFM2.5-VL-3B kombinerar en bildkodare från SigLIP2 med textbasen LFM2.5-2.6B. Den nya vision-språkmodellen är inriktad på skärmförståelse, visuell grundning, flera bilder och funktionsanrop – uppgifter som gör den relevant för lokala visuella agenter.

LFM2.5-VL-3B leder sin storleksklass på verkliga bilduppgifter och läser samtidigt digitalt innehåll väl, från dokument och diagram till gränssnitt på skärmen.

Artikelförfattaren, ej namngiven

LFM2.5-VL-3B är en vision-språkmodell för edge-användning med 3,1 miljarder parametrar. Modellen kombinerar en SigLIP2 400M NaFlex-bildkodare med samma förtränade bas som textmodellen LFM2.5-2.6B. Förbättringarna koncentreras till fyra områden: förståelse av skärmar och användargränssnitt, visuell grundning och objektdetektering, resonemang över flera bilder samt funktionsanrop. Leverantören uppger att modellen har förtränats på omkring 34 biljoner tokens och fyra gånger mer bilddata än tidigare.

Efterträningen sker i två huvudsteg. Först används övervakad finjustering, kunskapsdestillation och Antidoom-träning. Därefter följer förstärkningsinlärning med flera belöningssignaler. Utvärderingarna täcker bland annat flerspråkig bildförståelse, dokument, OCR, diagram, objektgrundning, bildserier och skärmgränssnitt. Kombinationen är särskilt relevant för system som inte bara ska beskriva en bild, utan också tolka digitala arbetsytor och koppla den visuella förståelsen till verktygsanrop.

Modellstorleken placerar LFM2.5-VL-3B i ett område där lokal eller resursbegränsad drift blir en central del av användningsfallet. Det skiljer den från större multimodala modeller som kräver tyngre infrastruktur. Researchunderlaget anger ingen särskild svensk eller europeisk tillgänglighet, men modellens edge-inriktning gör den praktiskt relevant i projekt där visuella data ska behandlas nära den miljö där de uppstår.