11. August 2026
En fersk analyse av kunnskapsgrenser hos ledende språkmodeller fra OpenAI og Anthropic viser at det ofte går mange måneder fra datainnsamlingen stopper til modellen faktisk lanseres. Ved å teste modellene systematisk på historiske nyhetshendelser, avdekkes det hvor lang tid teknologiselskapene bruker på sikkerhetstesting og etter-trening (for eksempel gjennom RLHF, en metode for å finjustere modellens oppførsel basert på menneskelige tilbakemeldinger). For virksomheter betyr dette at selv nyutgitte modeller i praksis har vært blinde for ferske markeds- og teknologiendringer i lang tid før de blir tilgjengelige.
Byggingen av xAIs enorme datasenter på over ni millioner kvadratmeter – en såkalt «Terafab» – understreker det voldsomme fysiske fotavtrykket til neste generasjons kunstig intelligens. Kampen om lederskap innen AI handler ikke lenger bare om smarte algoritmer, men om brutal tilgang på strøm, kjøling og fysiske grafikkprosessorer (GPU-er, maskinvaren som kreves for å trene store modeller). Prosjektet viser at de dominerende aktørene fremover vil være de som klarer å løse de ekstreme, fysiske infrastrukturutfordringene raskest.