AI agents
OpenHands 1.0 haalt 68 procent op SWE-bench Verified
De open-source codeagent OpenHands bereikt versie 1.0 met Docker-sandboxing, risicoanalyse per commando en ongeveer 68 procent op SWE-bench Verified.
Prompt injection omzeilt Auto Mode van Claude Code
Onderzoeker Johann Rehberger kreeg Claude Code in Auto Mode zover dat het code van een aanvaller uitvoerde, in 60 tot 80 procent van de tests.
Microsoft neemt Grok 4.6 op in Foundry
SpaceXAI zet Grok 4.6 in public preview op Microsoft Foundry: 500k contextvenster, vier redeneerstanden en dubbele tarieven boven 200k tokens.
Google zet Gemini Enterprise in bij advocatenkantoren
Google Cloud brengt Gemini Enterprise for Legal uit: AI-agents voor contractreview, juridisch onderzoek en regelgeving, met Cleary Gottlieb, Freshfields, Weil en Williams & Connolly als startklanten.
IBM zet Granite 4.2 met denkstand vrij onder Apache 2.0
IBM brengt Granite 4.2 uit: open modellen van 3B, 8B en 30B met een uitschakelbare redeneermodus, 128K context en Apache 2.0-licentie.
NCSC wil noodknop en sandbox voor AI-agents
Het Britse NCSC publiceerde voorlopige richtlijnen voor AI-agents: sandbox, eigen identiteit met kortlevende credentials, logging en een noodstop. Aanleiding zijn negentien ongeautoriseerde acties tijdens tests van het AI Security Institute.
Qwen-UI-Agent van Alibaba verslaat GPT-5.6 op telefoons
Alibaba brengt Qwen-UI-Agent uit, een model dat schermen bedient op telefoon, pc en browser. Op mobiele benchmarks scoort het hoger dan GPT-5.6 Sol en Claude Opus 4.8.
Google brengt A2A onder dezelfde koepel als MCP
Google’s A2A-protocol valt nu onder de Agentic AI Foundation, samen met MCP van Anthropic. Wat de gedeelde governance betekent voor bedrijven die met AI-agents werken.
Onderzoek: agent-skills werken, tot de bibliotheek groeit
Princeton en UC San Diego onderzochten waarom skills AI-agents helpen. Ze stabiliseren de werkwijze, maar bij 100 skills zakt de trefkans naar 3,3 procent.
DeepSeek geeft V4-Flash ogen met visiemodel
DeepSeek zette DeepSeek-V4-Flash-Vision-Exp live: een experimenteel multimodaal model dat afbeeldingen verwerkt tegen de gewone V4-Flash-tarieven, met 384 tokens per beeld. Wat kan het, en hoe verhoudt het zich tot Opus 4.8?