Jeff Dean verlaat Google om wetenschappelijk onderzoek te automatiseren

Jeff Dean, een van Googles eerste medewerkers en jarenlang Chief Scientist, heeft het bedrijf verlaten om Discovery Loop op te richten. Het doel: de experimenteercyclus in wetenschappelijk onderzoek automatiseren en zo de voortgang van de wetenschap versnellen. Hij neemt drie andere Google-veteranen mee: Oriol Vinyals, Quoc Le en Sanjay Ghemawat. Ook DeepMind-CEO Demis Hassabis stapt terug bij Google.

Voor organisaties die AI inzetten voor R&D of kennisintensieve processen is dit een signaal dat het veld zich snel professionaliseert buiten de grote labs om. Of dit tot toegankelijke producten leidt, is nog onduidelijk.

Kijk op discoveryloop.com welke onderzoeksdomeinen ze als eerste aanpakken. Dat geeft een vroeg beeld van waar de volgende golf AI-gedreven kennisautomatisering zich aandient.

discoveryloop · cnbc

Prime Intellect lanceert open-source coding agent met 95,5% op ARC-AGI-3

Prime Intellect heeft Prime Agent uitgebracht, een open-source coding agent die 95,5% scoort op de ARC-AGI-3 benchmark. Ter vergelijking: GPT-5 Sol haalt vergelijkbare scores, maar kost volgens de bronnen ongeveer honderd keer meer per taak.

Voor ontwikkelteams betekent dit dat een open alternatief nu benchmarkprestaties behaalt die eerder waren voorbehouden aan de duurste commerciële modellen. De agent is gebouwd als een uitbreidbaar harnas en kan zijn eigen tools aanpassen en verbeteren.

Het open-source karakter maakt Prime Agent aantrekkelijk voor organisaties met privacygevoelige codebases, al moet je afwegen of je de operationele overhead van self-hosting wilt dragen. Zet Prime Agent deze week in op een afgebakende taak, bijvoorbeeld het schrijven van tests voor een bestaande module, en meet de outputkwaliteit af tegen je huidige tooling.

Meta lanceert Muse Code: terminalagent voor langlopende codetaken

Meta heeft Muse Code uitgebracht, een coding agent voor de terminal die autonoom meer dan 1.000 tool calls achter elkaar kan uitvoeren. Daarmee wordt het een directe concurrent van Claude Code van Anthropic en Codex van OpenAI.

Voor teams die al experimenteren met geautomatiseerde codeerworkflows biedt Muse Code een alternatief dat integreerbaar is zonder licentiekosten. De agent richt zich op langlopende, autonome taken, het soort werk waar menselijke junior developers uren mee bezig zijn.

Bij elke autonome agent geldt: hoe meer tool calls, hoe groter de kans dat fouten zich opstapelen. Zet code review en geautomatiseerde testsuites in als vangrail voordat je de agent loslaat op productiegerelateerde taken.

Sentry vermindert tokenverbruik van zijn AI-agent met 86%

Sentry heeft de manier herschreven waarop zijn Seer Agent scherminhoud verwerkt. Het resultaat: tot 86% minder tokengebruik bij het analyseren van dashboards, zonder verlies van nauwkeurigheid. De agent kan nu bovendien zelf dashboards bouwen.

Dit is relevant voor elke organisatie die AI-agents inzet op data-intensieve interfaces, want tokenkosten lopen snel op bij autonome agents die continu beeldmateriaal of UI-snapshots verwerken. Sentry laat zien dat slimme voorbewerking een directe kostenbesparing oplevert zonder van model te wisselen.

Werken je eigen agents met screenshots of UI-context, bekijk dan of je vergelijkbare compressie kunt toepassen op de invoer. Sentry heeft de aanpak beschreven via eigen kanalen en het principe, alleen relevante UI-elementen doorgeven in plaats van volledige screenshots, is direct toepasbaar.

Nieuw paper: geheugenbeheer van agents bepaalt kosten op de lange termijn

Een nieuw onderzoekspaper beschrijft hoe je de geheugenkosten van AI-agents kunt terugdringen zonder verlies aan nauwkeurigheid. Het probleem: naarmate agents langer draaien en meer context ophalen, stijgen de tokenkosten exponentieel en neemt de kwaliteit van het redeneren af.

Voor organisaties die permanent draaiende agents bouwen of inzetten, is dit het minst glamoureuze maar meest praktische vraagstuk om nu al bij stil te staan. Wie geheugenbeheer negeert in de ontwerpfase, betaalt dat terug in productiekosten.

Bekijk het paper via AlphaSignal en toets je huidige agentarchitectuur op de manier waarop geheugen wordt opgeslagen, opgezocht en afgekapt. Dat gesprek voer je beter vroeg dan laat.

Mistral brengt open-source contentmoderatiemodel uit van 3 miljard parameters

Mistral heeft een open-source model voor contentmoderatie uitgebracht met 3 miljard parameters dat op een enkele GPU draait. Het model scoort beter op veiligheidsbenchmarks dan modellen die zeven keer groter zijn.

Dit is een update ten opzichte van het eerder besproken veiligheidsmodel van Mistral: de focus ligt nu specifiek op contentmoderatie als inzetbare component in applicaties. Teams die AI-gegenereerde content publiceren of gebruikersinvoer verwerken, krijgen hiermee een lichtgewicht moderatielaag die on-premise draait.

De combinatie van kleine omvang en sterke prestaties maakt het model geschikt als moderatiefilter in een pipeline, ook op hardware zonder zware GPU-capaciteit. Download het model en test het op een representatieve dataset van je eigen content voordat je het in productie neemt.