Google DeepMind beschrijft vier paden van AGI naar superintelligentie

Google DeepMind heeft een analyse gepubliceerd waarin vier mogelijke routes worden beschreven van AI op menselijk niveau naar superintelligentie. Dat is relevant omdat het laat zien hoe het meest geavanceerde AI-lab van Google de komende ontwikkelingen voor zich ziet. Die visie geeft richting aan investeringsbeslissingen en strategische AI-plannen van organisaties.

Voor bedrijven die een AI-roadmap bouwen, biedt dit inzicht in de richting waarin frontier-modellen zich ontwikkelen en welke competenties op termijn geautomatiseerd kunnen worden.

Een kanttekening: dergelijke analyses zijn scenarioplanningen, geen voorspellingen. De tijdlijnen zijn onzeker en de praktische impact voor de meeste organisaties ligt eerder in de komende maanden dan in de verre toekomst.

Z.ai lanceert GLM-5.2 met contextvenster van 1 miljoen tokens

Z.ai heeft GLM-5.2 uitgebracht, een coderingsmodel met een contextvenster van 1 miljoen tokens. Volgende week volgt een open-source release onder MIT-licentie, waarmee het model vrij bruikbaar wordt voor commerciële toepassingen.

Een contextvenster van 1 miljoen tokens betekent dat het model vrijwel een volledige grote codebase in één keer kan verwerken. Dat is relevant voor teams die AI inzetten bij code-reviews, migraties of documentatieanalyse.

De MIT-licentie verlaagt de drempel voor adoptie aanzienlijk. Wacht de open-source release af en test het model op een eigen codebase om te zien of de grote context in de praktijk verschil maakt.

LMCache versnelt LLM-inferentie tot tien keer via open-source KV-cache

LMCache heeft een open-source KV-cache-laag uitgebracht die LLM-inferentie tot 10 keer sneller maakt. De tool werkt als een tussenlaag die eerder berekende sleutel-waardeparen opslaat en hergebruikt, zodat het model niet bij elke aanvraag vanaf nul hoeft te rekenen.

Voor organisaties die grote volumes aan AI-verzoeken verwerken, kan dit de infrastructuurkosten fors drukken. Snellere inferentie maakt ook realtime toepassingen haalbaar die nu te traag zijn.

De tool is open-source en daarmee zelf te implementeren, al vereist dat wel technische kennis van LLM-infrastructuur. Bekijk de LMCache-repository voor compatibiliteit met je huidige stack.

Kimi.ai maakt coderingsmodel open source met 30% minder redeneer-tokens

Kimi.ai heeft een coderingsmodel als open source uitgebracht dat met 30% minder redeneer-tokens werkt en tegelijk 21% beter scoort op benchmarks. Minder tokens per redeneerslag betekent lagere kosten per aanvraag en snellere responstijden.

Dat is opvallend, want bij de meeste frontier-modellen gaat de trend juist richting méér redeneer-tokens voor betere resultaten. Kimi.ai laat zien dat efficiëntie en kwaliteit samen kunnen gaan.

Voor teams die codeertaken automatiseren en letten op API-kosten, is dit model de moeite waard om te testen naast bestaande alternatieven zoals GPT-4o of Gemini.

Je AI-stack kan morgen offline gaan: lessen uit de Anthropic-afsluiting

De VS heeft Anthropic gedwongen twee modellen, Fable 5 en Mythos 5, wereldwijd ontoegankelijk te maken voor buitenlandse gebruikers. Dit is voor zover bekend de eerste keer dat een frontier-model na lancering via een overheidsbevel offline gaat.

Dit is een update op het bericht van 16 juni: inmiddels is duidelijker geworden dat de aanleiding een jailbreak was die Amazon-onderzoekers hadden ontdekt, een bevinding die Anthropic zelf betwist. De reikwijdte van de maatregel, alle buitenlandse gebruikers, verraste ook Anthropic.

De les voor organisaties die AI in productie draaien: vendor lock-in op één model of provider brengt operationeel risico met zich mee. Maak een lijst van je kritieke AI-afhankelijkheden en wijs per use case een alternatieve provider aan die je snel kunt activeren.

anthropic