09. July 2026
OpenAI har lansert sin nye flaggskip-modellfamilie under navnet GPT-5.6. Den kommer i tre ulike størrelser tilpasset ulike behov og lommebøker: Luna (den minste og rimeligste), Terra (mellomklassen) og Sol (den største og kraftigste). Samtidig har Microsoft kunngjort at GPT-5.6 nå rulles ut som standardmotoren i Microsoft 365 Copilot, noe som gir umiddelbare oppgraderinger til hverdagsverktøy som Word, Excel og PowerPoint.
Dette markerer et strategisk skifte der pris og fleksibilitet vektlegges nesten like mye som rå ytelse. Prisene per million tokens spenner fra $1 for Luna til $30 for Sol. Ved å integrere disse direkte i Microsofts kontorstøtteverktøy, gjør OpenAI de mest avanserte modellene tilgjengelige for millioner av kontorarbeidere over natten, uten at brukerne trenger å endre måten de jobber på.
For kunnskapsbedrifter som allerede har rullet ut Copilot, betyr dette et merkbart løft i kvaliteten på alt fra e-postutkast til komplekse analyser i Excel. Økonomi- og IT-ansvarlige bør merke seg den nye prisstrukturen: Ved å rute enklere, repeterende oppgaver til den rimelige Luna-modellen, og spare den tunge Sol-modellen til strategiske analyser og komplekse datasett, kan man redusere driftskostnadene på egne AI-løsninger betydelig uten at det går på bekostning av sluttresultatet.
Les mer hos Simon Willison og OpenAI Blog.
Sikkerhetsforskere har avdekket en ny sårbarhet døpt "HalluSquatting", der angripere utnytter de ni mest populære AI-verktøyene til å spre ondsinnet kode og bygge opp massive botnett. Sårbarheten baserer seg på språkmodellers tendens til å "hallusinere" – det vil si å finne på referanser, filnavn eller programvarepakker som faktisk ikke eksisterer, når de blir bedt om å generere kildekode.
Når en utvikler ber en AI om hjelp til programmering, foreslår modellen av og til spesifikke programvarebiblioteker for å løse oppgaven. Hvis biblioteket er oppdiktet av AI-en, kan hackere fange opp dette, registrere det fiktive pakkenavnet i offentlige registre (som npm eller PyPI), og legge inn ondsinnet kode. Neste gang en utvikler eller et automatisert system følger AI-ens anbefaling og laster ned pakken, infiseres systemet.
For selskaper som utvikler egen programvare eller bruker AI-generert kode til interne verktøy, krever dette umiddelbar handling. IT-sikkerhetsansvarlige må etablere rutiner der AI-generert kode ikke godkjennes automatisk. Det bør innføres strenge filter som verifiserer at alle eksterne programvarepakker faktisk er legitime før de tas i bruk. Å stole blindt på AI-ens kildekodeanbefalinger har gått fra å være en tidssparer til å bli en direkte sikkerhetsrisiko.
Les mer hos Ars Technica.
Meta har lansert Muse Spark 1.1, et AI-verktøy utviklet spesifikt for å håndtere store og komplekse kodeoppgaver, feilsøking og systemmigrering. Med denne lanseringen går Meta i direkte krig med etablerte verktøy som GitHub Copilot og andre spesialiserte utviklerverktøy på markedet.
Det som skiller Spark 1.1 fra enkle kodeassistenter, er evnen til å håndtere såkalte "agentiske" oppgaver. Det betyr at den ikke bare foreslår neste linje med kode, men kan settes til å løse større, selvstendige oppdrag over tid – som for eksempel å oppgradere et helt system fra et utdatert programmeringsspråk til et moderne, eller fjerne kjente sikkerhetshull på tvers av en stor kodebase.
For teknologiledere i selskaper som tynges av eldre, proprietære systemer (såkalt teknisk gjeld), åpner dette nye muligheter. Moderniseringsprosjekter som tidligere ble lagt på is fordi de krevde for mange dyre konsulenttimer, kan nå gjennomføres raskere og mer kostnadseffektivt ved at AI-en gjør det repeterende grovarbeidet, mens bedriftens egne seniorutviklere fungerer som kvalitetssikrere.
Les mer hos TechCrunch.