GPT-6 rullas ut till alla — nu svarar ChatGPT med knappar, grafer och formulär

Googles inbäddningsmodell körs på telefonen — och är fri att använda kommersiellt

Google DeepMind lanserar EmbeddingGemma 2, en multimodal inbäddningsmodell på 740 miljoner parametrar som hanterar text, bild, ljud och video i ett gemensamt vektorrum. Den körs på konsumenthårdvara och är licensierad under Apache 2.0.

Google DeepMind har presenterat EmbeddingGemma 2, en öppen inbäddningsmodell med 740 miljoner parametrar byggd på Gemma 4-arkitekturen. Modellen är natively multimodal och mappar text, bilder, ljud och video i ett enhetligt embedding space — utan att kräva separata modeller per modalitet. Den kan köras på en Google Pixel 11 Pro med ungefär 191 MB RAM i textläge, eller cirka 567 MB i fullt multimodalt läge.

Föregångaren EmbeddingGemma 1 laddades ned över 20 miljoner gånger, vilket ger en fingervisning om hur bred efterfrågan på kompakta inbäddningsmodeller är. Den nya versionen förbättrar kodprestanda med 9,92 poäng på MTEB Code-benchmarken, från 68,76 till 78,68 enligt Google DeepMind. Apache 2.0-licensen innebär att modellen kan användas fritt i kommersiella produkter utan restriktioner — något som skiljer den från många konkurrerande alternativ.

För AI-byggare som arbetar med RAG-pipelines, semantisk sökning eller multimodala applikationer är det praktiska värdet tydligt: en enda modell som hanterar flera modaliteter, körs lokalt och inte kräver licensavtal. Det minskar komplexiteten i systemarkitekturen och sänker kostnaden för inferens i produktionsmiljöer.

Anthropic släpper 11 öppna plugins för kunskapsarbete i Claude

Anthropic har publicerat 11 open source-plugins för Claude Cowork på GitHub. Pluginerna täcker roller som försäljning, juridik, finans och bioforskning, och kan anpassas för företagets egna verktyg och processer.

Anthropic har lagt ut 11 plugins för Claude Cowork som öppen källkod på GitHub. Varje plugin buntar ihop skills, connectors, slash-kommandon och sub-agenter för en specifik arbetsroll. De täcker produktivitet, försäljning, kundsupport, produktledning, marknadsföring, juridik, finans, dataanalys, enterprise-sökning och bioforskning. Pluginerna är även kompatibla med Claude Code.

Det intressanta är inte enskilda plugins utan strukturen bakom dem. Att Anthropic publicerar dessa som öppen källkod innebär att de fungerar som referensimplementationer — byggare kan studera hur Anthropic själva tänker kring agent-arkitektur för yrkesroller och sedan anpassa eller bygga vidare. Integrationer med Slack, Notion, HubSpot och Jira finns inbyggda, vilket sänker trösklarna för enterprise-adoption.

För svenska kunskapsföretag som utvärderar Claude för intern automatisering ger det här ett konkret startläge: i stället för att bygga agent-logik från grunden finns nu dokumenterade, anpassningsbara mallar att utgå från. Pluginerna kan justeras för företagets egna terminologi, verktyg och processer utan att behöva förstå hela Anthropics interna arkitektur.

REA låter AI-agenter reverse-engineera appar utan källkod

Verktyget REA gör det möjligt för AI-agenter att inspektera och förklara hur en app fungerar inifrån — utan tillgång till källkoden. Det körs lokalt, stöder native binaries, Electron och .NET, och fungerar som MCP-server mot agenter som Claude Code och Cursor.

Ser du en funktion i en app som du vill ha i din egen produkt? Be din agent att undersöka den med REA.

REA dokumentation

REA är ett open source-verktyg som exponerar sig som en MCP-server och låter AI-agenter inspektera applikationer utan tillgång till källkod. Verktyget stöder native binaries, JavaScript, Electron-appar, .NET-assemblies och webbplatser. Analysen körs lokalt och varje slutsats levereras med underliggande bevis och angivna begränsningar. Det fungerar med agenter som Claude Code, Codex, Cursor, Gemini CLI och Grok Build.

Reverse engineering har traditionellt krävt djup manuell kompetens och tidskrävande arbete. REA förflyttar den processen till agentlagret: i stället för att en utvecklare manuellt dissekerar ett binärt program kan en agent göra det på uppdrag och rapportera tillbaka med strukturerade fynd. Det öppnar för nya arbetsflöden inom säkerhetsanalys, kompatibilitetsarbete och funktionsinspiration — men väcker också frågor om hur verktyget kan missbrukas mot proprietär programvara.

För svenska säkerhetsteam och utvecklare som arbetar med legacy-system eller tredjepartsintegrationer utan dokumentation är det praktiska värdet tydligt. Lokal körning innebär att känslig kod aldrig behöver lämna den egna miljön, vilket är relevant i reglerade branscher.