AI-utvecklingen flyttar sig åt två håll samtidigt

De senaste årens AI-utveckling har till stor del drivits av en enkel princip:

större modeller, mer compute och bättre benchmarks.

Men flera av veckans viktigaste nyheter visar att utvecklingen nu sker åt två håll samtidigt.

På modellnivå försöker tillverkare få ut betydligt mer kapacitet ur varje aktiv parameter och varje token.

Samtidigt blir lagret ovanför modellen allt viktigare:

Effektiv modell → Agent → Tools → MCP → Automation → Fysisk hårdvara

Alibaba, Google, Anthropic, Nous Research och LM Studio illustrerar alla olika delar av samma utveckling.

Qwen3.8-Flash-Next ger första riktiga glimten av Qwen4

Den kanske mest intressanta rena modellnyheten kommer från Alibaba.

Den 26 augusti släppte Qwen-teamet vikterna till Qwen3.8-Flash-Next.

Det speciella är att Qwen uttryckligen beskriver modellen som en tidig preview av arkitekturen som ska ligga bakom Qwen4. citeturn323882news0

Modellen består av:

  • 125 miljarder huvudparametrar
  • ytterligare 51 miljarder N-gram embedding-parametrar
  • cirka 6 miljarder aktiva parametrar per token
  • multimodal Mixture-of-Experts-arkitektur
  • 262 144 tokens native context
  • möjlighet att utöka kontexten till omkring 1 miljon tokens med YaRN

Det innebär totalt en mycket stor modell, men endast en mindre del av kapaciteten behöver aktiveras för varje token.

Det är en viktig skillnad.

Qwen kombinerar Gated DeltaNet och Sparse Attention

En av de största arkitekturella förändringarna finns i hur modellen hanterar lång kontext.

Qwen3.8-Flash-Next kombinerar:

Gated DeltaNet, GDN

med:

Qwen Sparse Attention, QSA

Tre av fyra lager använder Gated DeltaNet för att komprimera tidigare information till ett fast state.

Vart fjärde lager använder istället global sparse attention för att kunna leta efter specifik information längre tillbaka i kontexten. citeturn323882news0

Förenklat:

Lång kontext → GDN komprimerar historik → QSA hittar relevant information → modellen slipper full attention över allt

Det angriper två av de stora problemen med enorma context windows:

  • compute
  • KV-cache

Istället för att varje lager hela tiden behöver hantera hela historiken kan större delar av modellen arbeta mot ett betydligt mer kompakt state.

51 miljarder extra parametrar behöver inte ligga permanent i GPU-minnet

Qwen använder dessutom något som kallas N-gram Embedding.

Modellen innehåller ytterligare cirka 51 miljarder parametrar som fungerar som en typ av lokal mönsterminnesstruktur.

Det intressanta är att dessa parametrar enligt Qwen kan ligga i systemets host memory och hämtas asynkront när de behövs.

Det betyder att modellen kan öka sin kapacitet utan att motsvarande mängd parametrar permanent behöver ligga i GPU-minnet. citeturn323882news0

Det är en intressant arkitekturell princip inför Qwen4.

Nvidia har Day-0-stöd

Nvidia var dessutom snabbt ute med stöd för modellen.

Qwen3.8-Flash-Next har Day-0-funktionalitet för bland annat:

  • TensorRT-LLM
  • SGLang
  • vLLM
  • NeMo AutoModel
  • NeMo RL

På GB300 NVL72 rapporterar Nvidia mer än 16 000 tokens per sekund och GPU vid hög throughput samt över 200 tokens per sekund per användare i den testade konfigurationen. citeturn323882news1

Qwen och Nvidia redovisar också stora förbättringar vid mycket långa kontextfönster.

Det är dock viktigt att komma ihåg att detta är tester från leverantörerna själva och på extremt kraftfull datacenterhårdvara.

Det är inte samma sak som prestanda på ett konsumentkort.

Vad betyder Qwen4-preview för lokal AI?

Qwen3.8-Flash-Next är tekniskt mycket intressant för lokal AI, men själva modellen är fortfarande enorm.

Det är inte en modell som en vanlig RTX 3060, RTX 5070 Ti eller liknande konsument-GPU kommer köra bekvämt i sin fullständiga form.

Det riktigt intressanta är istället arkitekturen som kommer efteråt.

Om Qwen4-familjen får mindre modeller byggda enligt samma princip kan vi exempelvis få:

Stor modellkapacitet → få aktiva parametrar/token → mindre compute → mindre KV-cache → bättre lokal inference

Det skulle kunna vara betydligt mer relevant för hemmalabb och workstation-AI än ännu en traditionell massiv dense-modell.

Det är därför Qwen4, snarare än just den här 125B-modellen, är det långsiktigt intressanta spåret.

Google lanserar Gemini 3.5 Transcribe

Google har samtidigt gjort två konkreta multimodala lanseringar.

Den 26 augusti blev två nya dedikerade speech-to-text-modeller allmänt tillgängliga.

Gemini 3.5 Transcribe

gemini-3.5-transcribe

stöder bland annat:

  • fler än 85 språk
  • automatisk språkidentifiering per yttrande
  • speaker diarization
  • timestamps på ordnivå
  • upp till 1 000 egna vocabulary-termer
  • låg latens för vanlig batch-transkribering

Gemini 3.5 Transcribe Live

gemini-3.5-transcribe-live

är istället byggd för realtid och erbjuder:

  • WebSocket-baserad streaming
  • interim transcription
  • final transcription
  • olika VAD-strategier
  • låg latency genom Gemini Live API

Google gjorde båda modellerna GA den 26 augusti. citeturn986354news0

Voice-agenter får ett komplett transkriptionslager

Det här kan vara mer betydelsefullt än det först verkar.

En lokal eller molnbaserad voice-agent behöver typiskt flera steg:

Microphone → Speech-to-text → Agent → Tools → Response → Text-to-speech

Gemini 3.5 Transcribe kan nu fylla ett mycket tydligt lager i den kedjan.

För exempelvis:

  • mötestranskribering
  • realtidsassistenter
  • supportagenter
  • röststyrda automationssystem
  • call center-system
  • lokal voice-AI med molnbaserad transcription

blir Gemini därmed betydligt mer komplett som backend.

Gemini Omni 1.1 Flash går GA med video upp till 4K

Dagen efter, den 27 augusti, gjorde Google även Gemini Omni 1.1 Flash allmänt tillgänglig.

Modellen är inriktad på konversationsbaserad videogenerering och redigering.

Nyheterna omfattar bland annat:

  • förlängning av befintliga videoklipp
  • interpolation mellan första och sista bildruta
  • 360p
  • 720p
  • 1080p
  • 4K-output
  • fortsatt konversationsbaserad redigering

Google uppger att 1080p och 4K genereras genom upscaling. citeturn986354news0

Den tidigare gemini-omni-flash-preview ska samtidigt pensioneras den 30 september 2026.

Google bygger en allt mer sammanhängande multimodal plattform

Sett tillsammans blir Googles riktning tydlig.

Istället för separata AI-produkter för varje typ av media håller Gemini på att bli ett gemensamt lager för:

Text + Audio + Images + Video + Tools + Agents

Det gör det enklare att bygga agenter som växlar mellan olika modaliteter utan att varje del behöver byggas runt en helt separat plattform.

Anthropic introducerar Model Hardware Standard

Den kanske mest strategiskt intressanta nyheten kommer däremot från Anthropic.

Den 27 augusti presenterades Model Hardware Standard, MHS.

MHS är en gemensam specifikation för hur AI-agenter ska kunna kommunicera med och styra fysisk utrustning på ett säkrare och mer standardiserat sätt. citeturn323882search25

Exempel på utrustning är:

  • mikroskop
  • liquid handlers
  • robotarmar
  • laboratorieinstrument
  • avancerad tillverkningsutrustning

Standarden utvecklas inledningsvis tillsammans med forskningslaboratorier och avancerad industri.

Arbetet började som ett samarbete mellan Anthropic och HHMI Janelia Research Campus. citeturn323882search25

Från MCP för mjukvara till MHS för den fysiska världen

Model Context Protocol har gjort det möjligt att standardisera hur en AI-agent kommunicerar med externa mjukvaruverktyg.

Förenklat:

LLM → MCP → Software Tool

MHS tar samma idé ett steg längre:

LLM → Agent → MCP / MHS → Physical Device

Anthropic anger tre huvudsakliga mekanismer för hårdvarukontroll inom MHS:

  • MCP
  • command line
  • kod/API:er

Dessa ska kunna kombineras så att en agent kan orkestrera flera olika typer av fysisk utrustning. citeturn986354view0

En agent kan styra flera instrument samtidigt

Det är här MHS blir betydligt mer än ännu ett API-format.

Anthropic beskriver scenarier där en agent kan:

  • styra flera instrument parallellt
  • planera ett experiment
  • ändra parametrar under körning
  • reagera på resultat
  • i vissa fall försöka återhämta sig från hårdvarufel

Ett framtida flöde skulle alltså kunna se ut:

Experimentmål → AI Agent → MCP → MHS → Robotarm + Mikroskop + Liquid Handler → Resultat → Agent justerar experimentet

Det börjar närma sig verkligt autonoma forsknings- och produktionssystem.

Säkerhet blir betydligt viktigare när AI kan påverka den fysiska världen

Det finns samtidigt en fundamental skillnad mellan MCP och MHS.

Om en AI-agent gör fel i ett dokument kan resultatet ofta återställas.

Om en agent gör fel med:

  • en robotarm
  • kemikalier
  • laserutrustning
  • laboratorieinstrument
  • industriell maskinutrustning

kan konsekvenserna bli fysiska.

Anthropic håller därför MHS i research preview och arbetar samtidigt med särskilda säkerhetsutvärderingar och en roadmap för fysisk AI-säkerhet.

Företaget uppger också att avsikten är att senare göra MHS open source och då publicera erfarenheter och säkerhetsvägledning från preview-programmet. citeturn986354view1

Hermes Agent 0.20.6 blir ny stabil bas

På self-hosted-sidan fortsätter Hermes Agent att utvecklas i mycket högt tempo.

Nous Research släppte Hermes Agent 0.20.6 den 27 augusti.

Releasen samlar omkring:

  • 525 merged pull requests
  • 1 313 commits
  • förändringar i cirka 1 557 filer

sedan 0.20.5. citeturn101373view2

Några av de mest intressanta nyheterna är:

  • användning av vanlig Chromium-profil efter explicit godkännande
  • separat Browser-fönster i desktopklienten
  • managed SSH remote updates
  • fler än 50 verifierade remote MCP-servrar
  • Cloudflare
  • Grafana Cloud
  • Better Stack
  • Railway
  • TTL-cache för webbsökning och web extraction
  • förbättrad context compression
  • multi-query tool_search
  • valfri kryptering av secrets via operativsystemets keychain
  • stabilare gateway-uppdateringar
  • förbättringar för cron och långlivade agentprocesser

Hermes beskriver själv 0.20.6 som en stabil tagged release för bland annat Docker-images, hosted deployments och nya installationer. citeturn101373view2

Hermes flyttar närmare användarens riktiga dator

En av de mest intressanta förändringarna är möjligheten att efter uttryckligt godkännande använda den vanliga Chromium-profilen.

Det förändrar vad en lokal agent kan göra.

Tidigare såg browser automation ofta ut ungefär så här:

Agent → Isolerad browser → Ingen befintlig session

Nu kan arkitekturen i vissa scenarier istället bli:

Agent → Godkännande → Normal Chromium-profil → Befintliga tjänster

Det ger betydligt större funktionalitet men höjer samtidigt kraven på:

  • behörighetsstyrning
  • credential-skydd
  • audit
  • tydligt mänskligt godkännande

Just därför är även Hermes förbättrade secret-hantering viktig.

50+ remote MCP-servrar gör Hermes mer användbar

Hermes utökar samtidigt sin katalog av verifierade externa MCP-servrar.

Det betyder att en agent kan kopplas till allt fler riktiga tjänster utan att varje integration behöver implementeras från grunden.

Arkitekturen blir allt mer:

Hermes → MCP → Cloudflare / Grafana / Railway / andra system

Det är samma mönster vi ser i allt fler agentplattformar.

Själva språkmodellen är bara en komponent.

Det avgörande blir istället vilka system agenten kan interagera med.

LM Studio Bionic 1.1.0 stärker lokal agent-AI

Även LM Studio har gjort ett stort steg framåt.

Bionic 1.1.0 innehåller bland annat:

  • chats utan projekt
  • Auto Review för shell-kommandon
  • enklare projektmodell
  • bilder i tool-call-resultat
  • färre approval-dialoger för säkra operationer
  • llama.cpp 2.31.0
  • säkerhetshärdning
  • Vision subagents

LM Studio bekräftar funktionerna i den aktuella Bionic-changelogen. citeturn986354search2

Vision subagents är särskilt intressant

Vision subagents innebär att huvudagenten inte behöver vara samma modell som analyserar bilder.

Ett arbetsflöde kan exempelvis bli:

Lokal Qwen → huvudagent → screenshot → lokal visionmodell → analys tillbaka till huvudagenten

Eller:

Lokal modell → rutinuppgift → vision-subagent → bildanalys → kraftigare molnmodell endast vid behov

Det är exakt den typ av modellrouting som blir allt mer intressant för lokal AI.

En modell behöver inte vara bäst på allt.

Istället kan flera specialiserade modeller samarbeta.

Auto Review försöker minska approval-tröttheten

En vanlig utmaning med AI-agenter som får terminalåtkomst är hur ofta människan ska behöva godkänna kommandon.

Godkänn allt automatiskt och säkerhetsrisken ökar.

Kräv godkännande för varje kommando och agenten blir frustrerande att använda.

LM Studios Auto Review försöker hitta ett mellanting.

Systemet analyserar shell-kommandon med bland annat AST-parsing och capability extraction för att avgöra vad kommandot faktiskt försöker göra. citeturn676065view1

Tanken är ungefär:

Shell command → Parse → Extract capabilities → Riskbedömning → Kör automatiskt eller begär godkännande

Det är en viktig komponent om lokala AI-agenter ska kunna arbeta självständigt under längre perioder.

Lokal AI börjar få ett komplett agentlager

Sett tillsammans börjar de olika komponenterna bilda en ganska komplett lokal AI-stack.

Exempel:

Local LLM → LM Studio Bionic / Hermes → Tools → Vision subagent → MCP → Browser / Cloud service / Local system

Och framöver potentiellt:

Local LLM → Agent → MCP → MHS → Physical Hardware

Det är en dramatisk utveckling från den lokala AI-värld vi hade för bara några år sedan, där målet huvudsakligen var att få en modell att generera text på ett grafikkort.

Vad är viktigast just nu?

⭐⭐⭐⭐⭐ Qwen3.8-Flash-Next / Qwen4-preview

Den viktigaste modellnyheten.

Inte nödvändigtvis för att den fullstora modellen passar ett vanligt konsumentsystem, utan för att arkitekturen sannolikt visar riktningen för hela Qwen4-familjen.

⭐⭐⭐⭐⭐ Anthropic Model Hardware Standard

Potentiellt den viktigaste långsiktiga nyheten.

MCP har byggt en bro mellan modeller och mjukvara.

MHS försöker bygga motsvarande bro till den fysiska världen.

⭐⭐⭐⭐⭐ LM Studio Bionic 1.1.0

Särskilt intressant för lokal AI.

Vision subagents och Auto Review löser två konkreta problem: multimodal modellrouting och säker verktygskörning.

⭐⭐⭐⭐⭐ Hermes Agent 0.20.6

Hermes fortsätter snabbt utvecklas mot en komplett self-hosted agent-runtime.

Chromium, MCP-katalogen, secrets och remote management gör plattformen allt mer praktiskt användbar.

⭐⭐⭐⭐⭐ Gemini 3.5 Transcribe

Google får ett mycket komplett speech-to-text-lager för voice-agenter och realtidssystem.

⭐⭐⭐⭐☆ Gemini Omni 1.1 Flash

Videogenerering blir ytterligare en integrerad del av den bredare Gemini-plattformen.

LabOps IT:s bedömning

Den mest spännande modellnyheten är Qwen3.8-Flash-Next.

Inte för att de flesta användare kommer köra den fullständiga modellen hemma.

Det intressanta är vad den säger om Qwen4.

Alibaba försöker kombinera enorm modellkapacitet med betydligt mindre aktiv compute per token.

Om samma arkitektur når mindre Qwen4-modeller kan resultatet bli mycket intressant för:

  • GGUF
  • lokal inference
  • workstations
  • homelab
  • lokala AI-agenter

Men den kanske viktigaste långsiktiga förändringen finns hos Anthropic.

Vi har redan gått från:

LLM → Text

till:

LLM → Agent → Software Tools

Nästa steg börjar nu synas:

LLM → Agent → MCP → MHS → Physical Hardware

Samtidigt bygger Hermes och LM Studio den lokala delen av samma ekosystem.

Det betyder att en framtida agentstack mycket väl kan se ut så här:

Lokal liten modell → huvudagent → vision-subagent → MCP → molntjänst vid behov → MHS → fysisk utrustning

Det är en mycket större förändring än nästa enskilda benchmarkvinnare.

Modellen håller på att bli motorn.

Agenten blir styrsystemet.

MCP och MHS blir gränssnitten mot världen.

Källor

  • Qwen Team: Qwen3.8-Flash-Next: A New Architecture, Towards Ultimate Cost-Efficiency, 26 augusti 2026.
  • NVIDIA Developer: Experiment with Qwen3.8-Flash-Next on NVIDIA GB300 NVL72 for Agentic Coding, 26 augusti 2026.
  • Google AI for Developers: Gemini API Release Notes, 26–27 augusti 2026.
  • Anthropic: Previewing the Model Hardware Standard, 27 augusti 2026.
  • Nous Research: Hermes Agent v0.20.6 release notes, 27 augusti 2026.
  • LM Studio: Bionic 1.1.0 Changelog.
  • LM Studio: How Auto Review works in Bionic, 27 augusti 2026.