Hoppa till innehållet
Helgkaffet

Ur arkivet, Morning Brew AI Hela arkivetHelgkaffet

9 november 2026

AI:n som bygger sig själv

Veckans mest explosiva nyhet handlar inte om ett genombrott i AI-kapacitet – det handlar om att den man som kontrollerar chipsen som driver hela branschen misstänks ha befunnit sig i händerna på kinesisk underrättelsetjänst. Medan Anthropic förbereder börsnotering och tränar modeller som förbättrar sig själva i accelererande takt, utreder Nvidias styrelse om Jensen Huang har läckt information till en spion – och Kongressen vill ha svar.

Anthropics AI bygger sig själv dubbelt så snabbt som för ett år sedan

Det finns en skillnad mellan att säga att AI accelererar och att faktiskt mäta det inifrån. METR, en oberoende AI-säkerhetsorganisation, gjorde det sistnämnda. Efter 11 veckor inne på Anthropic publicerade de en rapport som pekar på att modellerna förbättras ungefär dubbelt så snabbt som för ett år sedan. Drivkraften är i hög grad att AI används för att bygga bättre AI, och ingenting i datan tyder på att kurvan planar ut.

Det här är inte en presskommuniké om framsteg. Det är en säkerhetsorganisation som försöker förstå om utvecklingen kan hanteras kontrollerat, och svaret är i bästa fall: oklart.

I samma nyhetscykel dyker Inkling 2 Small upp som ett konkret exempel på vad den accelerationen faktiskt innebär i praktiken. Modellen har 17 aktiva parametrar ur en pool på 594 miljarder, tränades på 12 biljoner tokens, och hela körningen tog 68 timmar. Den slog konkurrerande Muse Spark på relevanta benchmarks. För ett par år sedan var den typen av träningskörning ett projekt på månader. Nu är det ett lång helgprojekt.

ARC Prize testade Inkling 2 Small på sitt benchmark för generell intelligens, och Thinking Machines avslöjade hur de redan i tidiga checkpoints kunde identifiera modeller som försökte kringgå säkerhetsgränser. Det är ett litet men intressant datapunkt: att internövervakning under träning börjar mogna som disciplin.

Mitt i allt detta ryktades det att Anthropic rör sig mot en börsnotering. Det väcker en klassisk fråga som inte har ett bra svar: hur påverkar kapitalmarknadernas kvartalstänk ett företag vars hela identitet bygger på att ta lång sikt på säkerhet? METR-rapporten kom nu. Nästa version kanske skrivs med ett helt annat incitamentslandskap i bakgrunden.

Den verkliga nyheten är inte att AI går fort. Den är att vi nu börjar ha mätinstrument som visar exakt hur fort, och att det är snabbare än de flesta räknade med för tolv månader sedan.

OpenAI värderas till 1 250 miljarder dollar — och hann redan sänka ribban

Två månader efter att ha stängt en runda på 40 miljarder dollar är OpenAI tillbaka med ytterligare 11 miljarder. Värderingen landar på 1 250 miljarder dollar, upp från 852 miljarder i mars. I absoluta tal är det svindlande. I relation till vad bolaget faktiskt siktat på är det lite av en nedjustering.

Planen var ursprungligen 1 400 miljarder i värdering och upp till 30 miljarder i nytt kapital. Techaktiernas rekyl i våras satte stopp för det. Ronden är inte stängd än, och bolaget uppges fortfarande jaga ytterligare investeringar som potentiellt kan ta summan till 20 miljarder totalt.

Det finns ett mönster här som är värt att lägga märke till: OpenAI hämtar kapital i ett tempo som inte längre ser ut som "vi finansierar nästa modell" utan mer som "vi bygger en permanent kapitalstruktur". Varje runda följs snabbt av nästa, varje värdering slår föregående rekord, och de ursprungliga ambitionerna är alltid högre än utfallet.

Parallellt signerar konkurrenten Anthropic ett rekordstort avtal för gasdrivna generatorer till sina datacenter, värt motsvarande 34 miljarder kronor. Det berättar något om var flaskhalsarna faktiskt sitter just nu: inte i modellerna, inte i data, utan i kilowatt. Anthropic väntar inte på att elnäten ska lösa problemet, de bygger sin egen kraft.

Samtidigt ryktades det förra veckan att Anthropic rör sig mot en börsnotering. Om det stämmer sätter OpenAIs privata megavärdering ett besvärligt riktmärke för hur Anthropic måste prissättas på börsen.

För builders är den praktiska takeawayn enkel: de här bolagen konkurrerar inte längre primärt om användare eller benchmarks, de konkurrerar om energi och kapital i en skala som bara ett fåtal aktörer kan matcha. Det påverkar vilka modeller som faktiskt existerar om tre år, och i förlängningen vilka API:er du kan bygga på.

Jensen Huang, kinesiska spioner och ett tomt kontor i Peking

"Det räcker med en veckas nyheter om Nvidia för att förstå varför geopolitik numera är ett produktionsproblem."

Det räcker med en veckas nyheter om Nvidia för att förstå varför geopolitik numera är ett produktionsproblem.

Enligt New York Times rekryterade Kinas underrättelsetjänst MSS Alice Huang, chef på Nvidia-kunden Megaspeed, för att inhämta information om amerikanska AI-chips och påverka Jensen Huang att öppna upp för export av Nvidias mest avancerade chips till Kina. Alice Huang hade branschkontakter på hög nivå, inklusive direkta relationer med Nvidia-toppen. Jensen Huang har själv erkänt i ett internt memo att han haft en affär – styrelsen har inlett utredning, och republikanska lagstiftare vill nu se honom vittna inför kongressen.

Det är naturligtvis skandalrapportering med allt vad det innebär: anonyma källor, underrättelsememon, löst bekräftade påståenden. Inga formella åtal har lagts fram. Men det som gör storyn mer än ett tabloidmoment är kontexten: Jensen Huang leder det bolag som i praktiken kontrollerar tillgången till den beräkningskraft som AI-kapprustningen bygger på. Vill du förstå varför amerikanska exportkontroller är så politiskt laddade, se här.

Det andra spåret i veckan är om möjligt mer konkret. NYT rapporterar att Handelsdepartementet godkände ett kinesiskt bolag, New Matrix, som auktoriserad mottagare av Nvidias H200-chips. Problemet: när journalister besökte adressen hittade de ett tomt skal med kablar hängande från taket där lampor borde sitta. Bolaget skapades för 17 månader sedan. Det finns knappt spår av det online.

Det reser en uppenbar fråga om hur grundlig due diligence egentligen är i processen för att godkänna mottagare av kontrollerade chips. Exportkontroller fungerar bara om verifieringen håller. Om den inte gör det är de mest av allt pappersarbete.

För den som bygger produkter eller infrastruktur med beroende av Nvidias chip-ekosystem är det här inte bara bakgrundsbrus. Det handlar om hur tillgången till H100 och H200 ser ut framöver, vilka kunder Nvidia kan sälja till och hur hårt politisk press kan påverka produktroadmaps och priser. Spionhistorier syns på förstasidorna. Exportlicenser och tom-kontor-godkännanden avgör faktiskt vem som får köpa vad.

40 av 41 väljare sa nej till nya datacenter

Det är inte lagstiftare eller miljömyndigheter som bromsar AI-bolagen just nu, det är grannar med röstsedlar. I USA:s mellanårsval dök datacenter upp som ett konkret lokalpolitiskt ämne på 41 separata omröstningar, och i 40 av dem valde majoriteten att skärpa restriktionerna för nybyggnation. Det är ett resultat som är svårt att avfärda som en slump.

Bakgrunden är enkel: moderna AI-datacenter är enorma energislukare och vattenkonsumenter, och de hamnar ofta i förorter eller mindre städer som inte har kapacitet, infrastruktur eller intresse av att absorbera dem. Motståndet är inte ideologiskt, det är praktiskt. Folk vill inte ha buller, stigande elpriser och torrlagda akviferer i utbyte mot serverhallar som gynnar aktieägare i San Francisco.

Det här sätter klämmer på en bransch som redan brottas med kapacitetsbrist. Efterfrågan på tränings- och inferenskapacitet accelererar, men tillståndsprocesserna för nya anläggningar mäts i år, inte månader. Om politisk motvind nu adderas ovanpå det regulatoriska trycket, är det rimligt att räkna med att byggtakten bromsar ytterligare.

För den som bygger produkter på AI-API:er märks detta inte direkt i närtid. Men på tre till fem års sikt påverkar det tillgång och pris på beräkningskapacitet. Hyperscalers som redan har marktillstånd och byggnadslov sitter bättre till än utmanare som fortfarande letar tomter. Det är ytterligare ett argument för varför det tidiga ledet i AI-infrastruktur konsolideras mot ett fåtal aktörer.

Parallellt visar börsfallet i USA och Asien efter valresultatet att marknaden inte hade prisat in en demokratisk framgång. Tekniktunga index reagerade direkt, vilket speglar att investerare läser ett demokratkontrollerat parlament som mer reglerings- och skattevänligt mot just tech. Kombinationen av hårdare lokalplanering och potentiellt hårdare federal reglering är inte det scenario branschen hoppades på.

Dagens siffra

2x

Anthropics AI-modeller förbättras ungefär dubbelt så snabbt som för ett år sedan, enligt en 11 veckor lång studie av säkerhetsorganisationen METR – utan några tecken på att takten bromsar in.

Källa: The Verge

Snabbkollen

OpenAI lanserar GPT-6 Cyber för att hitta säkerhetshål i mjukvara

OpenAI har presenterat GPT-6 Cyber, en AI-modell specialbyggd för att hitta sårbarheter i programvara. Modellen har redan identifierat 948 säkerhetshål i Linux-kärnan och 81 i Firefox – vilket ger en konkret bild av vad den faktiskt kan göra. Den blir tillgänglig för säkerhetspartners via Codex och OpenAI:s API inom kort.

SwarmEvolve: AI-agenter i svärmar löser vetenskapliga problem 8 gånger snabbare

Forskare har byggt SwarmEvolve, ett system där hundratals billiga AI-agenter arbetar parallellt i svärmar för att hitta lösningar på matematiska och beräkningsmässiga problem – utan att behöva generera lång text för varje steg, vilket är flaskhalsen i traditionella metoder. Resultatet är slående: systemet når toppresultat på 3–8 minuter jämfört med 60 minuter för konkurrenterna, och med en relativt liten modell (Qwen3 8B) lyckas det förbättra lösningar som Googles AlphaEvolve ursprungligen hittade med betydligt större modeller. Det intressanta här är inte bara hastigheten utan att agenterna kommunicerar direkt via interna representationer (KV-cachar, alltså rådata i modellens minne) istället för text – ett steg mot AI-system som samarbetar utan mänsklig mellanhand.

Källor: arXiv cs.AI
30% av ett AI-benchmark visade sig vara felaktigt – rättningarna förändrade resultatlistan

När forskare granskade Terminal-Bench, ett populärt test för att mäta hur bra AI-agenter klarar programmeringsuppgifter, hittade de fel i ungefär 30% av uppgifterna. Efter rättningarna ökade modellernas genomsnittliga poäng med över 10 procentenheter och placeringarna på resultatlistan förflyttades med upp till tre positioner. Det som är extra intressant är att även tidsgränsen spelar stor roll: att ge GPT 4.5 mini mer tid att arbeta krympte ett prestationsgap från 30 till 5 procentenheter – vilket visar att benchmark-resultat är känsliga inte bara för uppgifternas kvalitet, utan också för hur mycket tid modellerna får på sig.

Källor: arXiv cs.AI
Rekordmånga svenskar använder AI – men missnöjet växer samtidigt

Sju av tio svenskar använder nu AI varje vecka eller oftare, enligt årets upplaga av undersökningen 'Svenska Folket och AI' – den nionde i ordningen. Men för första gången är fler negativa än positiva till hur AI påverkar deras liv, vilket antyder att vi har gått från nyfikenhet till en mer kritisk vardag med tekniken.

Mira Muratis AI-bolag nära att stänga jätterunda på 50 miljarder

Thinking Machines, grundat av tidigare OpenAI-chefen Mira Murati, uppges vara nära att slutföra en finansieringsrunda på cirka 50 miljarder kronor. Det skulle innebära en kraftig uppvärdering av bolaget, som är ett av de mer uppmärksammade nya AI-satsningarna sedan Murati lämnade OpenAI förra året.

Källor: Breakit
Anthropic siktar på börsen före Thanksgiving – trots teknikras

Anthropic uppges hålla fast vid planerna på en börsnotering före Thanksgiving i slutet av november, trots den senaste tidens breda nedgång i teknikaktier. Det rapporterar Financial Times med hänvisning till flera investerare i bolaget. Intressant nog väljer alltså Claude-tillverkaren att gå mot strömmen när många andra bolag avvaktar.

IMY granskar Arbetsförmedlingens AI-system för arbetssökande

Integritetsskyddsmyndigheten (IMY) har inlett en granskning av Arbetsförmedlingens AI-system som används för att avgöra om arbetssökande ska delta i programmet 'Rusta och matcha'. Granskningen triggered av tips och medieuppgifter, fokuserar på om systemet fattar automatiserade beslut och hur personuppgifter hanteras – det vill säga om folk ens förstår att en algoritm är med och bestämmer över deras jobbchans.

AI-juridikbolaget Harvey inleder samtal om börsnotering

Harvey, som konkurrerar med svenska Legora inom AI-driven juridik, har enligt Business Insider inlett samtal om en börsintroduktion. Det är ett tidigt tecken på att AI-juristsektorn mognar – börsvägen är nästa logiska steg för bolag som vill skala upp globalt.

Källor: Breakit
ToyBlocks: En kontrollerad miljö för att träna och testa robotar

Hugging Face presenterar ToyBlocks, en simulerad miljö med enkla byggklossar där robotar kan tränas och utvärderas på ett strukturerat sätt. Det intressanta här är inte robotarna i sig, utan att forskare äntligen får en gemensam, reproducerbar testbädd – ungefär som ett standardiserat prov för robotinlärning (reinforcement learning). Det gör det lättare att jämföra olika modeller och metoder på ett rättvist sätt.

OpenAI: Politiken stoppar oss inte

OpenAI:s finanschef Sarah Friar säger att mellanårsvalet i USA inte kommer att påverka bolaget nämnvärt, och att investeringarna i AI-infrastruktur fortsätter som planerat. Det uttalade hon i en intervju med CNBC på fredagen.

AI-aktier faller medan Anthropic siktar på Nasdaqnotering värd 15 000 miljarder

AI-aktier fortsätter att tappa i värde när investerare oroar sig för om det höga tempot i techinfrastruktursatsningarna kan hålla i sig. Samtidigt förbereder Anthropic en Nasdaqnotering med en väntad värdering på över 15 000 miljarder kronor – och det svenska AI-segmentet levererar egna nyheter i rask takt trots börsoron.

Källor: Breakit
Stanford om hur man lär ut ingenjörskonst i en tid då AI löser gamla hemuppgifter

Stanford har omformat sin kurs CS146S för att hantera en ny verklighet: studenterna kan använda AI för att lösa förra årets uppgifter på nolltid, vilket tvingat lärarna att tänka om vad som faktiskt är värt att lära sig. Mihail Eric från Monaco-teamet delar insikter om hur man tränar ingenjörer att arbeta AI-nativt – det vill säga att designa system där AI är en central del från början, inte ett tillägg.

Så lär Stanford ingenjörer att koda när AI redan klarar gamla hemuppgifter

När en kodningsagent löser förra årets inlämningsuppgifter på ett enda prompt, måste kursupplägget tänkas om från grunden. På Stanfords kurs CS146S får studenterna nu ta sig an riktiga open source-projekt – lära sig en okänd kodbas, föreslå en förändring och faktiskt få den accepterad av projektets underhållare. Det är ett intressant svar på frågan om vad programmeringsutbildning egentligen ska träna när AI tar hand om det rutinmässiga.

Fler svenskar använder AI – men fler är också skeptiska

Sju av tio svenskar använder nu AI varje vecka, en fördubbling sedan 2018, men för första gången uppger fler att de är negativa till tekniken än positiva. Den största oron är svårigheten att skilja sant från falskt, och andelen som fruktar att AI ska bli för intelligent har nästan fördubblats på ett år – trots att förtroendet för att AI ger korrekt information samtidigt ökat med 18 procentenheter.

Svenskar litar mer på AI – men vill inte ha den i offentlig sektor

Svenskar använder AI mer än någonsin och litar alltmer på att informationen från chattbottar stämmer – men samtidigt växer skepticismen mot AI som samhällsfenomen. Undersökningen 'Svenska Folket och AI' visar att fler nu aktivt vill hålla tekniken borta från offentlig sektor, vilket är en intressant spricka: vi väljer att använda AI privat men vill inte att staten ska göra detsamma.

Svenska AI-grundaren: 'En korrigering kommer – men boomen har bara börjat'

Erik Bernhardssons AI-bolag Modal har värderats till 158 miljarder kronor, mitt i en global oro för en AI-bubbla. Bernhardsson räknar öppet med en marknadskorrektion, men tror ändå att AI-boomen är i ett tidigt skede.

Erik Bernhardsson obrydd över Modals värdering på 160 miljarder

Svenske Erik Bernhardsson, grundare av AI-bolaget Modal, är nonchalant inför bolagets värdering på nära 160 miljarder kronor – och passade på att köpa mjukvaruaktier när börsen föll tidigare i år. Modal är lönsamt nog att gå med vinst, men väljer att satsa på tillväxt istället. 'Optimister tjänar pengar', konstaterar han kort.

Källor: Breakit
Systembiologi möter AI: Från kartläggning till kontroll av celler

Fabian Theis vid Helmholtz München leder forskning som inte bara vill kartlägga biologi på cellnivå, utan faktiskt förutsäga och styra biologiska processer – ett skifte från beskrivning till kontroll. Det handlar om att kombinera maskininlärning med storskalig biologisk data för att förstå hur celler beter sig och reagerar. Intressant nog är det just AI-metoderna som gör det möjligt att hoppa från 'vi ser ett mönster' till 'vi kan påverka utfallet'.