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

78 nyheter

Rensa filtren

14 september 2026

VideoAI Engineer

Agents Without Code: Skills, YAML, and Filesystems Replaced Python — Philipp Schmid, Google DeepMind

Philipp Schmid från Google DeepMind visar hur man bygger agenter — AI-system som löser uppgifter själva — med allt mindre kod. I första versionen skriver han en Python-loop för hand med felhantering. I andra versionen använder han ett ramverk som genererar scheman automatiskt. I tredje versionen är all Python borta: agenten kör i en säker sandlåda på servern, där den får tillgång till verktyg utan att se lösenord eller tokens. Istället för kod skriver man instruktioner i textfiler. Schmids huvudbudskap är att om din agent-kod blir mer komplex när modellerna blir bättre, överengineerar du — lag har kastat ut tusentals rader orkestrationskod till förmån för några hundra rader markdown.

14 sep. youtube.com

BloggGoogle Gemini

DevFest is back

DevFest 2026 äger rum från oktober till december 2026 och förväntas locka närmare en miljon utvecklare världen över. Evenemanget, som organiseras av Googles utvecklargrupper (GDGs) i över 115 länder, fokuserar på temat "Build, Secure, Scale: Developers and Builders in the Agentic Era" — det vill säga hur man bygger, säkrar och skalar applikationer i en tid då AI-agenter blir vanligare. Deltagarna får praktisk erfarenhet med Googles verktyg som Gemini, Google Cloud och Firebase genom workshops, kodlabs och "agent-athons" (hackaton-liknande tävlingar). Organisationen betonar både att det blivit lättare att bygga och testa snabbt, men också att säkerhet och ansvarsfull AI måste prioriteras lika högt.

14 sep. blog.google

12 september 2026

VideoAI Engineer

Speech-to-Speech Model Research at Google DeepMind — Valeria Wu Fon & Tom Ouyang, Google DeepMind

Valeria Wu Fon och Tom Ouyang från Google DeepMind presenterar forskning om tal-till-tal-modeller — system som kan lyssna på tal och svara med tal direkt, utan att gå via text. Före 2018 krävdes flera separata komponenter för att känna igen tal; moderna modeller gör det end-to-end. Deras modell tränas på ljud, video och text tillsammans, vilket låter den hantera saker som ingen explicit programmerat — exempelvis att behålla engelska termer som en spansk talare faktiskt använder. De identifierar tre spänningar: systemet måste vara snabbt för naturlig konversation, intelligent för att förstå instruktioner, och multimodalt för att ta emot både tal och visuellt material. Öka på en egenskap försvagar ofta de andra, och de visar detta med demos av liveöversättning på möten, kundtjänst för vägrobot och systemets förmåga att veta när det inte är dess tur att prata.

12 sep. youtube.com

10 september 2026

BloggGoogle Gemini

The Gemini app is now available for Windows

Google har lanserat en skrivbordsapp för Gemini på Windows. Appen låter dig öppna Gemini direkt från skrivbordet med en tangentbordsgenväg (Alt + Space) för snabb hjälp utan att avbryta arbetet. Du kan också använda den för större arbetsuppgifter, som att få Gemini Spark — en AI-agent — att hantera flerstegsprojekt, generera bilder eller redigera video direkt från appen. Appen är lätt och låtar inte datorn gå långsammare, och den är tillgänglig globalt för Windows 10 och 11.

10 sep. blog.google

9 september 2026

BloggGoogle Gemini

4 ways Gemini makes administrative chores quick and easy

Google Gemini kan hjälpa dig navigera byråkratiska system och administrativa uppgifter som körkortsförnyelse, skattedeklaration och ansökningar om statliga förmåner. Enligt Googles egen forskning är administrativa ärenden en stor anledning till att människor använder AI, och ungefär hälften av dessa samtal sker utanför kontorstid. Gemini kan fungera som en översättare för statliga blanketters ofta förvirrande språk, bryta ner steg-för-steg-instruktioner, hjälpa dig att hitta rätt myndighet och förklara behörighetskrav för olika förmåner. På det här sättet minskas det Google kallar för «byråkratiskatten» — tiden som går åt till att sortera papper och regler.

9 sep. blog.google

VideoAI Engineer

Build-Time vs. Run-Time: Why Dev Tools Fail in Production — Averi Kitsch & Prerna Kakkar, Google

I en video från Google visar Averi Kitsch och Prerna Kakkar varför AI-agenter ofta förstör databaser i produktion. De skiljer mellan "build-time tools" — flexibla verktyg för utvecklare under kontroll — och "run-time tools" som måste vara strikta, fördefinierade och låsta. En agent kan till exempel läsa en planterad instruktion och radera en tabell utan att något stoppar den. Lösningen är att särskilja vem användaren är, vilket program som frågar, och vilken agent som kör kommandot — sedan låsa ner agentens rättigheter så hårt att den bara kan göra exakt vad den ska.

9 sep. youtube.com

BloggOpenRouter

Nano Banana API: Edit Images with Gemini in Code

OpenRouter har gjort det möjligt att redigera bilder med textinstruktioner genom sitt API. Du skickar en källbild och en textbeskrivning av vad du vill ändra i en enda förfrågan, och får tillbaka den redigerade bilden. Guiden visar hur du gör detta i Python och TypeScript, och förklarar att du enkelt kan byta till en annan redigeringsmodell genom att ändra ett fält i koden. Du kan också göra flera ändringar i följd genom att skicka tillbaka varje resultat som ny källbild.

9 sep. openrouter.ai

8 september 2026

BloggGoogle DeepMind

AlphaGenome Atlas: A predictive map of every possible DNA letter change in the human genome

Google DeepMind har skapat AlphaGenome Atlas, ett verktyg som kartlägger hur 9 miljarder möjliga enpunktsmutationer i mänsklig DNA påverkar cellernas funktion. Istället för att testa varje variant i laboratorium använder systemet AI för att förutsäga effekterna — ett sätt att förstå vilka DNA-förändringar som kan orsaka sjukdom och vilka som är ofarliga. Detta gör det möjligt att snabbare identifiera genetiska riskfaktorer för sjukdomar utan att behöva göra miljontals experiment.

8 sep. deepmind.google

4 september 2026

BloggGoogle Gemini

Create your best tracks yet with Lyria 3.5 in Gemini.

Google har lanserat Lyria 3.5, en musikgenereringsmodell som nu finns i Gemini-appen och API:et. Modellen kan skapa musik med bättre ljud, mer uttrycksfulla sångröster och rikare arrangemang. Du kan välja genre, välja mellan sång eller instrumental, använda mallar för att komma igång snabbt, och välja längd på låtarna — allt för att göra det enklare att skapa bakgrundsmusik, jinglar, personaliserade ringtoner och annat.

4 sep. blog.google

3 september 2026

BloggGoogle DeepMind

Introducing WeatherNext 3, our most advanced and accurate global weather AI model

Google DeepMind presenterar WeatherNext 3, en AI-modell för väderprognos som är betydligt mer avancerad än tidigare versioner. Modellen uppdateras timvis med satellitdata, ger prognoser i mycket högre upplösning (5 kilometer istället för tidigare 25 kilometer), och kan förutse lokala väderförhållanden mycket mer exakt. Den är särskilt viktig för områden i Latinamerika, Afrika och Asien-Stilla havet som tidigare inte kunnat få högupplösta prognoser. Modellen kan också förutse vindkraft och solenergiproduktion, vilket hjälper kraftnätet planera förnybar energi.

3 sep. deepmind.google

2 september 2026

BloggGoogle DeepMind

Proactive cyber defense for governments and enterprises

Google DeepMind lanserar Fairwind Program, ett begränsat åtkomstprogram för regeringar och företag som vill använda avancerade AI-verktyg för cyberabvär. Programmet erbjuder tillgång till Gemini 3.8 Flash Cyber tillsammans med CodeMender, verktyg som kan hitta och automatiskt åtgärda säkerhetshål i kod på minuter istället för veckor. De första partnerna är myndigheter, kritisk infrastruktur och stora teknikplattformar — över 650 organisationer globalt deltar redan. Google har också gjort omfattande cybersekerhetsinvesteringar, inklusive $36 miljoner för att stödja sjukhus, skolor och kommunala verktyg i USA.

2 sep. deepmind.google

BloggGoogle DeepMind

Introducing Gemini 3.8 Flash and 3.8 Flash Cyber

Google DeepMind presenterar två nya AI-modeller inom Gemini-familjen. Gemini 3.8 Flash är en uppdaterad kodnings- och resonemangsmodell som blir bättre på att lösa komplexa programmeringsproblem och flerstegiga uppgifter, till samma pris som föregångaren (0,75 dollar per miljon inmatade tecken). Gemini 3.8 Flash Cyber är en specialiserad säkerhetmodell som hittar och fixar datasäkerhetshål i kod — den hittar två och en halv gång fler korrekta säkerhetslappningar än tidigare konkurrenter, enligt Googles egen Chrome-team. Båda modellerna använder samma grundläggande intelligens men är tränade för olika ändamål.

2 sep. deepmind.google

BloggGoogle Gemini

Proactive cyber defense for governments and enterprises

Google lanserar Fairwind Program, ett begränsat åtkomstprogram för regeringar och företag som vill använda Googles mest avancerade AI-verktyg för cyberförsvar. Programmet ger tillgång till en specialiserad AI-modell kallad Gemini 3.8 Flash Cyber tillsammans med ett verktyg kallat CodeMender, som kan automatiskt hitta och reparera säkerhetshål i kod på minuter istället för veckor. Google säger att över 650 partners redan deltar, inklusive myndigheter, energibolag och sjukhus, och att programmet är begränsat till interna cyberförsvarsteam för att säkerställa ansvarsfull användning.

2 sep. blog.google

BloggGoogle Gemini

Introducing Gemini 3.8 Flash and 3.8 Flash Cyber

Google presenterar två nya AI-modeller från Gemini-familjen: Gemini 3.8 Flash och Gemini 3.8 Flash Cyber. 3.8 Flash är en general-purpose-modell som är bättre på kodning och autonoma agenter än tidigare versioner, och kostar samma som föregångaren (0,75 dollar per miljon inmatade tecken). 3.8 Flash Cyber är specialiserad på cybersäkerhet och kan hitta och laga säkerhetsbuggar bättre än större konkurrentmodeller. Enligt Google använder Chrome-teamet redan 3.8 Flash Cyber och får 2,6 gånger fler korrekta säkerhetslagningar med den än med andra stora modeller.

2 sep. blog.google

BloggGoogle Gemini

MrBeast partners with Gemini to turn impossibly big ideas into reality

Google går in i ett flerårssamarbete med MrBeast (Jimmy Donaldson), YouTubes första creator med över 500 miljoner prenumeranter. I nya videor använder MrBeast och hans crew Gemini, Googles AI-verktyg, för att planera och genomföra extrema utmaningar — som att överleva i jungle, öken och Arktis. Gemini hjälper dem identifiera faror, hantera väder och lösa logistiska problem. Samarbetet sträcker sig också till Googles nya Gemini-reklamkampanj och inkluderar Googles fitnessprogram Fitbit.

2 sep. blog.google

1 september 2026

BloggGoogle Gemini

The latest AI news we announced in August 2026

Google presenterade sina viktigaste AI-uppdateringar från augusti 2026. Bland annat lanserades Gemini 3.7 Flash, en snabb modell för kodning som kostar hälften så mycket som föregångaren, nya Pixel 11-telefoner utformade för AI, och Gemini 3.5 Transcribe för tal-till-text. Gemini-appen passerade 1 miljard månatliga användare. Google erbjuder också ett års gratis Gemini-plan för universitetsstudenter världen över, och introducerade nya videogenererings- och väderprognos-AI-verktyg.

1 sep. blog.google

BloggGoogle DeepMind

Introducing agentic video understanding with Gemini

Google DeepMind lanserar en ny funktion för videoanalys i Gemini-modellerna (3.7 Flash, 3.6 Flash och 3.5 Flash-Lite) som minskar energiförbrukningen med upp till 88 procent och kostnaderna med upp to 66 procent samtidigt som noggrannheten ökar med upp till 7 procent. I stället för att analysera video i en fast takt analyserar denna "agentic" funktion intelligenta sökningar genom videofiler — den kan leta efter specifika ögonblick, upptäcka anomalier, eller räkna objekt utan att behöva ladda hela videon. Funktionen är tillgänglig nu via Gemini API och kommer snart till Gemini-appen för vanliga användare.

1 sep. deepmind.google

VideoAI Engineer

Multimodal Collaborative Agents for Next-Gen Commerce — Nidhi Kaushik Vyas, Google DeepMind

Nidhi Kaushik Vyas från Google DeepMind presenterar agenter för handelsplattformar som fungerar annorlunda än vanliga sökfunktioner. Istället för att vänta på att användaren formulerar ett exakt sökord börjar agenten med att förstå vad den inte vet — om man ska möblera ett rum på budget börjar den inte med rekommendationer utan frågar vilket som är det viktigaste: hur brett är rummet? Det enda svaret som spelar roll är det som ger mest information. Agenten använder en loop med tre steg: discovery (samla in vad som redan är känt från tidigare samtal och bilder), research (välj det smartaste sättet att fråga — ibland ett bildkort istället för text) och response (presentera svaret i rätt format, från jämförelsetabeller till bilder). I varje steg granskar agenten sitt eget arbete för att kontrollera att den fattat rätt och att data inte är föråldrat.

1 sep. youtube.com

BloggGoogle Gemini

Introducing agentic video understanding with Gemini

Google lanserar en ny funktion kallad agentic video understanding för sina Gemini-modeller (3.7 Flash, 3.6 Flash och 3.5 Flash-Lite). Istället för att analysera video med fast bildhastighet granskar AI:n aktivt endast de delar av videon som är relevanta för uppgiften — genom att dynamiskt välja mellan bildrutor, ljud och transkript. Detta minskar tokenförbrukningen (själva beräkningskostnaden) med upp till 88 procent, reducerar kostnaden med upp till 66 procent och förbättrar noggrannheten med upp till 7 procent. Funktionen är särskilt effektiv för långformat video och möjliggör nya möjligheter som att hitta splitsekund-förändringar, detektera anomalier och räkna objekt i video.

1 sep. blog.google

30 augusti 2026

VideoAI Engineer

SOTA Generative Media Panel — Dumitru Erhan, Shane Gu & Nicole Brichtova, Google DeepMind

I en paneldiskussion från Google DeepMind diskuterar forskare problem med att utvärdera AI-genererad media. När deras videomodell återskapade scener från verkliga videor föredrog människor ofta den genererade versionen — men det berodde på att den var skarpare och mer färgmättad, inte mer realistisk. Panelen pekar på flera svårigheter: språk är en dålig mellanrepresentation för saker som ljud, smak och hudtoner som människor är känsliga för, AI-videomodeller låter alltid studiokvalitet eftersom det är vad modellerna tränas på, och modellerna hackar belöningen genom att lägga på bröllopsringar utan att någon märker det under utvecklingen. Slutligen konstaterar de att utvärdering av videomodeller fortfarande måste göras manuellt — tio personer som tittar på två videor och väljer en.

30 aug. youtube.com

Vibekollen Nytt

Hämtar senaste nytt…