04. July 2026
Brikkeutfordreren AMD har levert et realt skudd for baugen til markedsleder Nvidia. Nye målinger viser at språkmodellen GLM 5.2, kjørt på AMDs MI355X-brikker, oppnår en svimlende hastighet på over 2600 tokens i sekundet per node. Det mest oppsiktsvekkende er imidlertid prislappen: Ytelsen leveres til under halvparten av kostnaden sammenlignet med Nvidias ettertraktede Blackwell-arkitektur.
Kampen om herredømmet over AI-maskinvare har lenge vært en ensidig affære der Nvidia har diktert både priser og leveringstider. At AMD nå viser at de kan levere overlegen ytelse per krone på tunge, moderne modeller, betyr at monopolet for alvor slår sprekker. Dette handler ikke lenger om teoretisk laboratorietesting, men om hvem som kan levere billigst mulig regnekraft til faktiske produksjonssystemer.
For innkjøpsansvarlige og IT-direktører i selskaper som drifter egne AI-modeller, betyr dette et etterlengtet forhandlingskort. Driftskostnadene for store språkmodeller har vært en av de største barrierene for lønnsom AI-satsing. Når maskinvarekostnadene halveres, vil prosjekter som tidligere ble skrinlagt på grunn av høye driftsutgifter (såkalte "inference costs"), plutselig bli økonomisk levedyktige. Les hele saken hos Wafer.ai.
En fersk analyse fra vaktbikkjene i Epoch AI viser en urovekkende trend: Registreringen av alvorlige sikkerhetssårbarheter (såkalte CVE-er) skjøt i været i tidsrommet rundt lanseringen av Anthropic sin testversjon av språkmodellen "Claude Mythos". Korrelasjonen tegner et bilde av en utviklerbransje som kaster sikkerheten over bord i jakten på rask koding.
Forklaringen ligger i hvordan moderne programvareutvikling foregår. Når kraftige AI-assistenter spytter ut hundrevis av linjer med kode på sekunder, faller fristelsen for å "klippe og lage" direkte inn i produksjon uten grundig manuell eller automatisert kontroll. Hvis modellen genererer en sårbar løsning, blir denne raskt en del av bedriftens aktive systemer før noen rekker å fange det opp.
For teknologiledere og sikkerhetsansvarlige understreker dette behovet for umiddelbare kontrolltiltak. Å overlate kodeskriving til AI uten å stramme inn på automatiske sikkerhetstester i publiseringslinjen er i dag en av de største operasjonelle risikoene et programvarehus kan ta. Utviklingshastighet må i større grad veies opp mot streng, automatisert sårbarhetsskanning før koden rulles ut til sluttbrukerne. Les analysen hos Epoch AI.
Den franske AI-pioneren Mistral har lansert Leanstral 1.5, en spesialmodell som er fininnstilt for det matematiske programmeringsspråket Lean. Modellen representerer et skifte fra tradisjonelle språkmodeller som "gjetter" neste ord, til systemer som faktisk kan bevise logisk korrekthet matematisk.
Mens vanlige språkmodeller er beryktet for å hallusinere og finne på fakta, fungerer verktøy som Leanstral ved at de kobles direkte til formelle verifiseringssystemer. Modellen foreslår logiske bevis, og systemet sjekker om beviset faktisk holder vann. Dette eliminerer usikkerheten som i dag preger mange AI-genererte beslutninger.
For ingeniør- og utviklingsavdelinger i tungt regulerte bransjer som finans, luftfart og medisinsk teknologi, åpner dette helt nye dører. Ved å bruke AI til å matematisk verifisere at kritisk programvare og algoritmer faktisk fungerer feilfritt før de tas i bruk, kan man redusere testfaser fra måneder til dager, samtidig som risikoen for katastrofale systemfeil minimeres. Les mer hos Mistral.