GPT-5.4 Pro lost 60 jaar oud wiskundig probleem op

Een wiskundige heeft met GPT-5.4 Pro het Erdős-probleem #1196 opgelost, een asymptotische conjecture over primitieve verzamelingen die al 60 jaar openstond en waarop alleen gedeeltelijke menselijke vooruitgang was geboekt.

De oplossing is drie pagina's lang en gebruikt één elegante truc — een herschikking van de von Mangoldt-functie — waarmee het de aanpak omzeilt die wiskundigen al gebruikten sinds Erdős' eigen paper uit 1935. Yale-wiskundige Jared Lichtman heeft de correctheid bevestigd.

Voor organisaties die AI inzetten voor onderzoek of complexe analyse is dit een signaal dat grote taalmodellen inmiddels in staat zijn tot originaliteit op expertsniveau — niet alleen als samenvatter maar als redenator. Tegelijk geldt: dit is een uitzonderlijk geval in een strak afgebakend domein; het zegt nog weinig over hoe betrouwbaar zulke modellen presteren op open, minder gestructureerde problemen.

Wil je weten waar de grenzen liggen? Geef een domeinexpert in jouw vakgebied een complex openstaand vraagstuk en laat GPT-5.4 Pro een eerste aanzet maken — de reactie van de expert levert je meer inzicht dan elke benchmark.

x

Gemini voor Mac kijkt mee op je scherm

Google heeft een standalone Mac-app voor Gemini uitgebracht die met Option + Space wordt opgeroepen en automatisch reageert op wat er op je scherm te zien is — zonder dat je expliciet een vraag hoeft te stellen.

De app synchroniseert across apparaten en geeft toegang tot de volledige Gemini-toolkit, inclusief beeldgeneratie en Veo voor video. Daarmee positioneert Google Gemini als een actieve assistent die meekijkt in plaats van een tool die je actief moet openen.

Voor professionals die dagelijks met meerdere vensters en workflows werken, kan een contextbewuste assistent die proactief reageert op scherminhoud tijd besparen — denk aan directe uitleg van foutmeldingen of het samenvatten van een open document. De keerzijde is dat een app die continu meekijkt ook continu toegang heeft tot alles wat op je scherm staat, inclusief gevoelige informatie; bedenk goed welk databeleid je organisatie hanteert voordat je dit op een werkcomputer installeert.

Contextbeheer: waarom 60% van je contextvenster de grens is

Ben Parr van Ben's Bites deelt praktische inzichten over contextbeheer bij AI-agents, gebaseerd op zijn werk aan een cursus over het onderwerp — en een vlucht zonder wifi waarbij hij noodgedwongen lokale modellen draaide.

De kern: zodra een agent webbronnen raadpleegt die jij niet hebt gelezen, sluipt onbetrouwbare of verkeerde informatie stap voor stap je context in. Zijn vuistregel is dat 60% van het contextvenster de praktische limiet is voordat kwaliteit merkbaar afneemt. Zelfs bij modellen met een contextvenster van 1 miljoen tokens geldt dat meer context niet automatisch betekent dat het model alles even goed verwerkt.

Voor teams die AI-agents bouwen of gebruiken is dit direct relevant: houd contextsessies klein en doelgericht, gebruik aparte sessies om documenten samen te vatten vóór je ze in een agentworkflow gooit, en lees die samenvattingen zelf ook even door. Zo houd je controle over wat de agent als waarheid beschouwt.

bensbites

HockeyStack haalt 50 miljoen op voor AI-salesagent

Het startup HockeyStack heeft 50 miljoen dollar opgehaald om zijn agentisch salesplatform te schalen. De AI-agent analyseert alle gewonnen deals van een bedrijf, bepaalt welke acties tot succes hebben geleid en gebruikt dat als blauwdruk voor nieuwe outreach.

Wat dit onderscheidt van standaard CRM-automatisering is de redenerende laag: de agent probeert causaliteit te reconstrueren uit historische data in plaats van simpelweg patronen te kopiëren. Voor sales- en revenue-teams die AI willen inzetten voor prospecting is dit een concreet voorbeeld van hoe agentische workflows verder gaan dan e-mail templates.

Kanttekening: de kwaliteit van de output staat of valt met de kwaliteit en volledigheid van de historische dealdata — organisaties met beperkte of inconsistente CRM-data zullen hier minder van profiteren.

hockeystack