xAI: dubbelt så träffsäker transkribering — till oförändrat pris

Gemini lär sig lyssna — två live-modeller för röstagenter

Google DeepMind släpper Gemini 3.8 Live och en Extended Thinking-variant, båda byggda för realtidsdialog via röst. Den ena prioriterar skala och kostnad, den andra flerstegsresonemang. Extended Thinking tar förstaplatsen totalt på Artificial Analysis Speech to Speech Quality Index med 82,6 poäng.

Google DeepMind introducerar två nya modeller för realtidsdialog: Gemini 3.8 Live och Gemini 3.8 Live Extended Thinking. Den första är byggd för skala och kostnadseffektivitet och kombinerar konversationsintelligens med flytande dialog och visuell grundning. Extended Thinking riktar sig mot högkomplexa uppgifter med ökad intelligens och flerstegsresonemang. Båda beskrivs som byggstenar för tillförlitliga, produktionsklara röstagenter för utvecklare och företag.

Siffrorna kommer från tredjepartsmätningar. Extended Thinking når 82,6 på Artificial Analysis Speech to Speech Quality Index, vilket är förstaplats totalt, och 68,6 procent på τ-Voice för agentisk uppgiftslösning, där modellen leder. På Sierras τ-Voice-banking-benchmark landar samma modell på 35,1 procent. Spännvidden mellan de två sista talen är det egentligen intressanta: en röstagent som ska lösa verkliga ärenden i en bankmiljö klarar det i ungefär en tredjedel av fallen, även med den modell som toppar den generella kvalitetslistan. Uppdelningen i en billig skalmodell och en dyrare resonemangsmodell är samtidigt ett erkännande av att röst inte är en enda arbetsbelastning — smalltalk och flerstegsärenden har olika kostnadsprofil.

Röstinteraktionen med Gemini blir också mer flytande i Gemini-appen, Google Workspace och Search. Det betyder att samma teknikskifte når både den som bygger egna agenter via API och den som möter Google i redan installerade produkter.

NVIDIA: 6,4 gånger snabbare agent på en enda Jetson-låda

NVIDIA uppger att TensorRT Edge-LLM klarade MLPerfs Edge Agentic-benchmark på 24 minuter och 36 sekunder på ett enda Jetson AGX Thor Developer Kit — 6,4 gånger snabbare än llama.cpp-referensen. Hela agentarbetsbelastningen kördes lokalt på en modell med 27 miljarder parametrar.

NVIDIA rapporterar att TensorRT Edge-LLM körde Qwen3.6-27B på ett enda Jetson AGX Thor Developer Kit i MLPerf Inference v6.1 Edge Agentic-benchmarken. Samtliga 1 007 turer i prestandaarbetsbelastningen slutfördes på 24 minuter och 36 sekunder, mot 2 timmar och 37 minuter för referensinlämningen med llama.cpp — enligt NVIDIA 6,4 gånger snabbare. Utgående genomströmning anges till 52,33 tokens per sekund. Inlämningen kördes i SingleStream-läge med 128 GB enhetligt minne i strömläget MAXN.

Bakom siffran ligger tre konkreta grepp: NVFP4-kvantisering, trädbaserad multi-token prediction och återanvändning av KV-cache. Benchmarken i sig mäter en OpenAI-kompatibel modellendpoint i två faser, prestanda och träffsäkerhet, vilket gör resultatet mer jämförbart med hur en agent faktiskt anropas i produktion än en ren genomströmningssiffra. Att en 27-miljardersmodell kan driva en agentarbetsbelastning på en utvecklarlåda flyttar gränsen för vad som behöver ligga i molnet — inferenskostnaden blir en engångsinvestering i hårdvara i stället för en löpande API-post.

Edge Agentic-scenariot mäter agenter som körs lokalt på hårdvara i fordon och robotar, områden där svensk industri är aktiv. Poängen för den som bygger här är inte hastigheten i sig utan att data inte behöver lämna enheten för att en agent ska fungera.

Annonser kliver in i ChatGPT — och får egna agenter

OpenAI testar Sponsored Agents i ChatGPT: klickar du på en annons kan du starta ett tydligt märkt samtal med en företagssponsrad agent, skilt från chattens oberoende svar. Samtidigt kan annonsörer bygga kampanjer i naturligt språk via en Ads Manager-plugin, med HubSpot och Shopify som första partner.

att skydda det förtroende människor sätter till ChatGPT är fortsatt vår ledstjärna

OpenAI

OpenAI introducerar nya AI-drivna annonsupplevelser för både användare och annonsörer. Den mest påtagliga är Sponsored Agents: efter ett klick på en annons i ChatGPT kan användaren starta ett tydligt märkt samtal med en företagssponsrad agent. Samtalet är skilt från ChatGPT:s oberoende svar och separat från användarens ursprungliga konversation. Funktionen testas just nu med utvalda annonsörer i USA. På annonsörssidan kan kampanjer skapas, uppdateras och analyseras med naturligt språk direkt i ChatGPT via en Ads Manager-plugin — inklusive att göra om en webbplats eller en brief till en färdig kampanj.

Gränsdragningen mellan sponsrat och oberoende är hela poängen med konstruktionen, och OpenAI beskriver den som avgörande för förtroendet. Samtidigt byggs distributionen ut: HubSpot beskrivs som OpenAI:s första CRM-partner för ChatGPT Ads och Shopify som den första e-handelspartnern. Annonstext översätts automatiskt till användarens föredragna språk, vilket i praktiken innebär att annonser kan visas på svenska i ChatGPT. Sponsored Agents testas dock bara med utvalda amerikanska annonsörer — inget sägs om lansering i Sverige eller Europa.

Vad betyder det för dig: bygger du ovanpå ChatGPT eller optimerar för dess svar måste du räkna med ett sponsrat lager i samma gränssnitt, och säljer du via HubSpot eller Shopify blir kampanjbygge i naturligt språk en kanal att utvärdera innan konkurrenterna gör det.