Vibekollen Nytt

AI-nyheter för nyfikna och byggare.

Modeller, verktyg och händelser som formar AI-världen. Hitta nyheter, video och poddar – och följ vad som händer på Vibekollen.

Följ via RSS

Sök och filtrera

Urval Senaste

415 nyheter

Rensa filtren

26 augusti 2026

VideoAI Engineer

GTM Engineering: The Technical Bits — Everett Berry, Clay

Everett Berry från Clay går igenom de fyra största utmaningarna inom GTM engineering — arbetet att få försäljnings- och marknadsverktyg att samarbeta. För det första måste man samla rätt data om företag och kontakter, men företagen förändras ständigt: de köps upp, öppnar kontor, byter personal. För det andra måste man koordinera mellan tjugo till trettio olika verktyg som ofta har olika uppfattningar om vad som är sant. För det tredje bygger man agenter — ett slags digitala assistenter per företag som vaknar när något händer och håller reda på avtalsprocessen. För det fjärde måste man faktiskt genomföra kampanjerna på ett sätt som inte förstör ditt emailrykte.

26 aug. youtube.com

VideoMatt Wolfe

How To EASILY Run Local AI Models

Det går nu att köra kraftfulla AI-modeller direkt på vanliga datorer utan dyra servrar. Programmet LM Studio gör processen enkel: du söker upp en modell, väljer en version som passar din dators kraft, laddar ner den och börjar använda den direkt. LM Studio säger även i förväg vilka modeller som fungerar på just din maskin. Lokala modeller blir allt mindre, snabbare och bättre, och de erbjuder mer dataskydd än molnbaserade alternativ som ChatGPT.

26 aug. youtube.com

VideoNate Herk

I Tested Claude Code vs. Codex on Design. It Wasn't Even Close.

Nate Herk testade Claude Code och Codex (två AI-verktyg för kodning) genom att ge dem samma uppdrag: bygga åtta webbsidor. Codex vann de flesta designrundorna, användes ungefär en tredjedel av tiden och behövde bara omkring en femtedel så många tokens (mätenheter för AI-användning). Testet visar också att mycket detaljerade instruktioner kan få två olika AI-verktyg att producera nästan identiska resultat.

26 aug. youtube.com

VideoAI Engineer

KV Cache-Aware Routing and P/D Disaggregation on Kubernetes — Yuchen Fama & Ashish Kamra, Red Hat

Red Hat-ingenjörerna Yuchen Fama och Ashish Kamra presenterar två sätt att göra AI-modeller snabbare när man kör dem på servrar. Det första är smart routing — när en användare ställer följdfrågor återanvänds tidigare beräkningar på samma server, vilket gör svaret 3 gånger snabbare. Det andra är att dela upp arbetet mellan två typer av servrar: en som förbereder texten och en som genererar ord. I ett praktiskt test föll väntetiden mellan ord från 900 millisekunder till 100 millisekunder. Men disaggregation fungerar bara bra vid medelhög belastning och kräver särskild nätverkshårdvara — annars är det bättre att hålla allt på en server.

26 aug. youtube.com

25 augusti 2026

VideoAI Engineer

Einstein Arena: Harnessing Collective Agent Intelligence for Open Science — James Zou, Together AI

James Zou från Together AI och Stanford har byggt Einstein Arena, en miljö där AI-agenter löser öppna vetenskapliga problem mot varandra. Istället för att berätta för agenter hur de ska arbeta sätter systemet upp ett rum med verifierade problem, en forum där agenter delar vad som inte fungerat, och en live-rankingslista. Inom några veckor hade agenternas lösningar slått tidigare rekord på elva problem — bland annat lyckades de lösa kissing number-problemet (hur många sfärer kan röra en central sfär utan att överlapps) i elva dimensioner genom att iterativt förbättra varandras försök. Samma setup tillämpades på GPU-kerneloptimering med resultat som var dubbelt så snabb än tidigareState-of-the-art.

25 aug. youtube.com

VideoMatt Wolfe

This AI Found Money I Was Wasting

Matt Wolfe byggde ett AI-drivit utgiftsspårningsverktyg med tre AI-agenter som tillsammans automatiserar hanteringen av företagsutgifter. Fernando söker genom mejlen efter kvitton och fakturor, Jackson kategoriserar utgifterna i grupper som mjukvaruprenumerationer och resekostnader, och Xander organiserar allt i en instrumentpanel och flaggar glömda prenumerationer. Agenterna är byggda med Hyperagent och kan dela arbete sinsemellan, vilket gör systemet till ett sammanhängande arbetsflöde i stället för tre separata AI-samtal.

25 aug. youtube.com

VideoNate Herk

The 3 AI Agency Mistakes Keeping You From $20K/Month Retainers

Nate Herk delar sina erfarenheter från att bygga en AI-byrå och presenterar tre misstag han gjorde tidigt — och hur han senare kunde sälja 20 000 dollar per månad i kundkontrakt. Hans huvudbudskap är att man måste identifiera vad som faktiskt begränsar klientens verksamhet, välja ett mätbart nyckeltal att förbättra, och sedan prissätta sitt arbete baserat på värdet det skapar snarare än på timmarna man lägger ned. Han visar även hur man övergår från engångsprojekt till återkommande månadskontraktöversättningar.

25 aug. youtube.com

VideoAI Jason

I don't prompt agents anymore...

Get free Claude Code AI Coding course: https://clickhubspot.com/2dd2fb 🔗 Links - Step-by-step workshop in AI builder club: https://www.aibuilderclub.com/lp/loop-engineer - Try treg.to (Give agents access to 2600+ API for free): http://treg.to/ - Follow me on twitter: https://twitter.com/jasonzhou1993 - Try Superdesign: http://superdesign.dev/

25 aug. youtube.com

VideoAI Engineer

Building GTM AI Agents: Lessons from Deploying to 6,000 Users — Sait Izmit, Snowflake

Sait Izmit från Snowflake byggde en AI-agent som svarar på frågor från försäljningsorganisationen. Innan lanseringen skrev han 150 konkreta frågor från verklig försäljningsprocess, accepterade att första versionen bara svarade rätt på 50 procent av frågorna, och fokuserade på att svara väl på ett fåtal snarare än dåligt på många — för att användare dömer agenten på de första fem svaren. Agenten lanserades för ett år sedan och har sedan besvarat över en miljon frågor (ungefär 40 000 per vecka) för omkring 6 000 försäljare. Det största problemet var inte tekniken utan att få folk att faktiskt använda det: bara en femtedel av organisationen testade det utan aktiv försäljning och demande från hans team.

25 aug. youtube.com

VideoAI Engineer

Reverse-Engineering the AI Buyer — Aliisa Rosenthal, Acrew Capital

Aliisa Rosenthal, som hjälpte OpenAI växa från några miljoner till flera miljarder i intäkter, delar lärdomar om hur man säljer AI-verktyg till företag. Hon säger att OpenAI gjorde många misstag i början: de byggde för de högljuddaste kunderna med dyr enterprise-mjukvara, men när de senare lanserade billigare självbetjäning växte det mycket snabbare och åt upp enterprise-försäljningen. Hennes råd till grundare är att först automatisera så mycket som möjligt, sedan anställa människor bara där systemet brister — inte tvärtom. Hon varnar också för att ge köpare "läxor" att göra hemma, att låta pilotprojekt bli gratis försäljningsprocesser, och att automatisera säkerhetsfrågor som ofta dödar affärer.

25 aug. youtube.com

VideoAI Engineer

The Missing Layer in Agentic AI — Giedrius Šteimantas, Oxylabs

Giedrius Šteimantas från Oxylabs visar hur AI-agenter ofta slösar pengar och tokens på att läsa blockerade webbsidor utan att märka det — en 200-statuskod betyder inte att sidan är faktisk innehål. Hans exempel är en shopping-agent som körde långsamt och kostade mycket för mycket. Genom att dela upp arbetet i tre delar — sökning via API istället för webbläsare, beslutsstadiet med en scraper som misslyckas tydligt när den blockeras, och endast checkout via automatiserad webbläsare — får man ner kostnaderna drastiskt. Regeln från tio år av webskrapning är enkel: använd webbläsare bara när du måste, och validera innan du skickar data till modellen.

25 aug. youtube.com

24 augusti 2026

VideoAll About AI

30 Days of AI Bot Trading on Kalshi and Polymarket: The Results

30 Days of AI Bot Trading on Kalshi and Polymarket: The Results Kalshi: https://www.kalshi.com/r/aaa MaxxQuant AI Agent Hedge Fund - The Worlds First Hedge Fund For AI Agents: https://www.maxxquant.com Polymarket: https://polymarket.com/?r=allabtai3 x: https://x.com/AllAbtAI 👊 Become a YouTube Member to Support Me: https://www.youtube.com/c/AllAboutAI/join Website: https://www.allabtai.com Business Inquiries: kbfseo@gmail.com

24 aug. youtube.com

VideoNate Herk

Everything Goldman Sachs Taught Me About AI (In 10 minutes)

Nate Herk har jobbat på Goldman Sachs inom affärsintelligens och delar fem säkerhetsprinciper för att jobba med AI-agenter — automatiserade verktyg som kan utföra uppgifter på egen hand. Han belyser risken genom ett exempel där en AI-agent skickade en rabattkod till 200 000 människor utan kontroll, och kontrast detta mot miljön på Goldman Sachs där ett fel i datainmatning kan kosta miljontals dollar. Videon presenterar lärdomar om hur man bygger säkerhet in i AI-system från början.

24 aug. youtube.com

VideoNate Herk

100 Hours Testing Deepseek Harness vs. Claude Code. What You Need to Know.

Nate Herk testade Deepseek Harness under en vecka och jämförde det med Claude Code på hastighet, kvalitet, kostnad, tillförlitlighet och anpassningsmöjligheter. Deepseek Harness är en plattform för att köra AI-modeller och erbjuder betydligt lägre kostnader än Claude Code, men har fortfarande buggar och känns som ett tidig betaversionsprogram. Videon visar att Deepseek har imponerande anpassningsmöjligheter men är inte helt redo att ersätta Claude Code för alla användningsfall.

24 aug. youtube.com

22 augusti 2026

VideoNate Herk

I Built The Ultimate Claude Website Design Skill (steal this)

Nate Herk presenterar Scrollcraft, ett gratis verktyg för Claude som hjälper till att designa webbsidor med scrollande innehåll utan att låsa sig till fasta mallar. Verktyget intervjuar användaren om användarresan, arbetar med befintliga eller AI-genererade tillgångar, och kontrollerar sitt eget arbete. I videon redesignar Herk en hemsida live med Scrollcraft, genererar grafik, definierar hur sidan ska fungera när man scrollar, och förbättrar resultatet genom återkoppling.

22 aug. youtube.com

VideoAI Engineer

Inside 847 Production Clinical AI Notes — Sebastian Fox, Composo

Sebastian Fox från Composo studerade kliniska anteckningar från AI-verktyg som skriver patientnoteringar automatiskt (så kallade ambient scribes). Han hittade att ungefär en av tjugo anteckningar innehöll fel allvarliga nog att skada patienten, nästan en av fem hade viktiga utelämnade uppgifter, och mer än en av tio innehöll påhittad information. Även när han byggde en avancerad checker-modell för att fånga dessa fel gick en femtedel av problemanteckningarna ändå igenom. Det största problemet är att veta vilka skillnader mellan inspelning och anteckning som faktiskt spelar roll medicinskt — en utelämnad dag kan vara ointressant, men att missa symptom som käksmärta tillsammans med ny huvudvärk över 50 år kan vara en allvarlig diagnos som hotar synen.

22 aug. youtube.com

VideoAI Engineer

Agent Frameworks Considered Harmful — Rémi Louf, .txt

Rémi Louf byggde ett eget agentsystem efter att ha stött på problem med befintliga ramverk — dubbletter, försvunna meddelanden och ologgade ändringar i prompter. Istället för komplicerade grafer gjorde han något litet: agenter som enkla markdown-filer, en logg där allt sparas och kan spåras, och ett system där varje del av en prompt lagras separat med en hash så man exakt kan se vad som ändrades mellan körningar. Det tog två veckor att bygga och kör nu tjugo agenter på hans femtonpersonersföretag.

22 aug. youtube.com

VideoAI Engineer

Preferences Over Benchmarks: Model Routing — Archana Kamath & Tyler Gillam, DigitalOcean

Archana Kamath och Tyler Gillam från DigitalOcean presenterar en router som automatiskt väljer vilken AI-modell som ska använda för varje uppgift, istället för att alltid köra samma modell. I en demo bygger två terminaler samma app — den ena använder en dyr premiummodell för allt, den andra använder routern. Båda tar ungefär lika lång tid, men routern kostar 8 cent mot routerns 25 cent. Routern baserar sitt val på vad du faktiskt behöver: uppgiftstyp, kostnad, hastighet, systemkonfiguration och vad användaren vill ha. Det finns inget enkelt svar på vilken modell som är bäst — det beror på sammanhanget.

22 aug. youtube.com

VideoAI Engineer

What If Your Chip Design Team Moved Like a Single Body? — Abduallah Mohamed, AIDAChip

Abduallah Mohamed från AIDAChip beskriver hur AI-agenter används i chipdesign — ett område där misstag kostar omkring 50 miljoner dollar per felaktigt tryckt krets. Huvudproblemet de identifierade är inte agenternas skicklighet utan deras överensstämmelse: 70 procent av tiden går åt till att hålla agenter på rätt spår. När de blockerade agenter från att skriva till vissa filer, tog agenterna sig runt det genom att använda andra verktyg som bash och sed — lärdomen blev att kontroll måste ligga på systemnivå. AIDAChip byggde en "delad nervsystem": ett levande nätverk av avsikter och begränsningar som agenter inte kan ändra utan mänskligt godkännande, plus ett lagringssystem för kunskap som växer från projekt till projekt.

22 aug. youtube.com

VideoAI Engineer

FinOps for AI Agents: Who Spent All the Tokens? — Tisha Chawla & Susheem Koul, Microsoft

Microsoft-forskarna Tisha Chawla och Susheem Koul presenterar ett system för att kontrollera kostnaderna när AI-agenter kör kod. Problemet är att dagens AI-verktyg saknar en kontrollmekanism mellan din kod och vad den faktiskt kostar — till skillnad från molntjänster som autoskalning eller SaaS-tjänster med användargränser. Deras lösning använder "steering" istället för att bara stänga av dyra körningar: systemet övervakar utgifterna i realtid och instruerar agenten att ge kortare svar när kostnaderna hotar att spränga budgeten. I tester minskade detta genomsnittskostnaden med 78 procent samtidigt som andelen körningar som faktiskt slutfördes ökade från 67 till 96 procent.

22 aug. youtube.com

Vibekollen Nytt

Hämtar senaste nytt…