Evolution of agentic surfaces — Gagan Bhat & Isabella Kai He, Anthropic
Anthropic's Applied AI-team presenterar hur agenter — AI-system som löser uppgifter självständigt — bör byggas för att klara långvariga jobb i produktion.
De visar att gamla lösningar blir overhead när modellerna blir smartare: Sonnet 4.5 var försiktig med sitt minnesutrymme och avslutade tidigt, så de byggde in en fix — men när Opus 4.5 skickades utan detta beteende blev fixen bara långsam överflödig kod. Huvudinsikten är att separera agentens hjärna (resoneringsloopen) från dess händer (verktygsexekveringen), vilket gör systemen 60–90 procent snabbare och gör fel återhämtningsbara istället för ödesdigra. En logg av allt som händer under sessionen används för tre saker: att se vad agenten gör, att hämta tillbaka information som Claude glömt, och för något de kallar "dreaming" — ett nattligt jobb som förbättrar agentens minne inför nästa dag.
Sammanfattningen har tagits fram med AI av Vibekollen utifrån källans publicering. Innehållet tillhör AI Engineer.
Mer att läsa
Building advertising for the way people use AI
OpenAI för 2 tim sedan
Server-Side Code Execution Tools for AI Agents, Compared
OpenRouter för 12 tim sedan
v0.40.0
Ollama för 12 tim sedan
Google froze its open source bug bounty program due to a ‘significant rise’ in AI submissions
TechCrunch AI för 16 tim sedan