19. June 2026
Har du rukket å se på Anthropics nyeste lanseringer, Fable 5 og Mythos 5? Hvis ikke, er det for sent – i hvert fall for nå. Rett før helgen rystet amerikanske myndigheter AI-bransjen ved å tvinge Anthropic til å trekke tilbake begge modellene på ekstremt kort varsel. Bakgrunnen er en akutt bekymring for nasjonal sikkerhet, etter at et forskerteam hos deleier Amazon klarte å omgå sikkerhetssperrene (såkalte guardrails) på Fable 5-modellen med oppsiktsvekkende enkle midler.
Dette er et hardt slag for Anthropic, som har bygget hele sitt varemerke på å være det "trygge og ansvarlige" alternativet til OpenAI. At nettopp deres mest avanserte modeller blir stengt ned av myndighetene på grunn av fundamentale sikkerhetssvikt, sender sjokkbølger gjennom bransjen. Ironisk nok har saken også utløst en massiv "forbudt frukt"-effekt. Diskusjonen koker nå i utviklerforaene om hva disse modellene faktisk er i stand til, ettersom myndighetene fant dem såpass farlige at de måtte nød-stanses.
For teknologiledere og systemarkitekter som integrerer AI i kjernevirksomheten, leverer denne saken en brutal lekse om sårbarhet. Å basere kritiske tjenester på én enkelt AI-leverandør – uansett hvor solide de fremstår – er en betydelig operasjonell risiko. Dersom myndighetene kan fjerne en modell over natten, må virksomheter som kjører avanserte kundesystemer eller interne automatiseringsprosesser bygge inn redundans. Systemer bør designes slik at de sømløst kan rute om trafikken til alternative modeller fra konkurrenter som OpenAI eller Google, dersom primærleverandøren plutselig tas av luften.
Du kan lese mer om de dramatiske detaljene rundt suspensjonen hos TechCrunch AI.
Det historiske skriftspråket "Linear A" fra minoiske Kreta har ligget uåpnet som et uløselig puslespill i over et århundre. Men nå ser det ut til at en uavhengig entusiast har knekt koden. Det oppsiktsvekkende er ikke bare selve oversettelsen, men verktøyene som ble brukt: Avansert mønstergjenkjenning inspirert av de matematiske strukturene i moderne store språkmodeller (LLM). Dette har latt en enkeltperson utenfor akademia gjøre det profesjonelle historikere har feilet med i generasjoner.
Dette handler om noe langt større enn antikkens historie. Det viser et pågående skifte der dyp, kognitiv analyse flyttes ut av de lukkede elitemiljøene. Tidligere krevde slike gjennombrudd tiår med spesialisert akademisk erfaring og dype lommer. I dag gjør tilgjengeligheten av sofistikerte AI-verktøy det mulig for hvem som helst med en strukturert hypotese å prosessere og finne skjulte sammenhenger i enorme mengder ustrukturerte data.
For kunnskapsbedrifter og analyseavdelinger representerer dette en helt ny hverdag. Det betyr at verdien flyttes fra hvem som sitter på råkunnskapen, til hvem som klarer å stille de mest presise spørsmålene til datasett. Organisasjoner som klarer å utstyre sine nysgjerrige hoder med moderne AI-verktøy, kan plutselig løse komplekse forretningsfloker – enten det gjelder historiske markedsanalyser, mønstre i kundefrafall eller dype logistikkproblemer – uten å måtte lene seg på dyre, eksterne spesialistmiljøer.
Les mer om den tekniske tilnærmingen bak knekkingen av Linear A hos Hacker News / AIC Lambake.