Dagens røde tråd løber gennem kryptoanalytisk forskning, multimodal generering, en MoE-model med tæt aktivering på vej mod åbne vægte, evaluering af videnskabelige agenter og skrivebeskyttet privatøkonomi til forbrugere: Google DeepMind rapporterede, at AI-agenter med menneskelig vejledning fandt to alvorlige svagheder i ældre 1024-bit RSA, og understregede samtidig, at moderne nøgler på 2048 bit og derover fortsat er sikre; Gemini Omni 1.2 Flash blev generelt tilgængelig; Thinking Machines Lab udgav Inkling 2 Small med detaljer om fortræning og fælles RL; OpenAI og Ligo lancerede BioBasicsBench til rutineopgaver i vådlaboratoriet; og Anthropic begyndte at udrulle Claude Personal Finance til betalende niveauer i USA via Plaid, med vægt på skrivebeskyttet adgang og ingen brug til træning.

1. Google DeepMind: AI-agenter med menneskelig vejledning afdækker to svagheder i ældre 1024-bit RSA

Den 6. november 2026 meddelte Google DeepMind – præsenteret af Pushmeet Kohli, vicepræsident for videnskab – at AI-agenter med menneskelig vejledning havde afdækket to alvorlige svagheder i ældre 1024-bit RSA. Arbejdet blev ledet af Dj Dvijotham og Abhradeep Thakurta i samarbejde med Nadia Heninger (UC San Diego og Inria) og Emmanuel Thomé (Inria). DeepMind og tilknyttede rapporter understreger, at moderne RSA på 2048 bit og derover fortsat er sikkert, og at signaturforsøgene blev kørt i en sandkasse på en allerede løst 1024-bit-benchmark uden at røre ved live-systemer.

Med hensyn til signaturer og padding oplyste DeepMind, at når en angriber kontrollerer omkring halvdelen eller mere af den signerede blok, giver padding stort set ingen beskyttelse. I sandkassen brugte den forbedrede metode omkring 3,5 gange mindre CPU-tid og mindre end en tusindedel af den regnekraft, der skal til for at bryde selve nøglen. Når angriberen kun kontrollerer et kort fingeraftryk (for eksempel 32 bytes), er den nye algoritme ifølge teoretiske skøn omkring 1600 gange bedre end den hidtil bedste for 1024-bit RSA. Særskilt rapporterede DeepMind om omkring 30 gange lavere gennemsnitlig pris pr. yderligere 1024-bit-nøgle ved batchfaktorisering af moduli af samme bitlængde i forhold til tidligere batchmetoder.

Vigtigste pointe: AI-understøttet kryptoanalyse skærper angrebene på ældre 1024-bit RSA under de angivne antagelser, mens DeepMinds egen indramning holder den operationelle grænse klar: Implementeringer på 2048 bit og derover påstås ikke at være brudt, og signaturtestene blev holdt væk fra live produktion.

2. Google: Gemini Omni 1.2 Flash generelt tilgængelig – native video op til 15 s, pris ned med omkring 30 %

Google DeepMinds produktchef Anish Nangia meddelte den 5. november 2026, at Gemini Omni 1.2 Flash er generelt tilgængelig (GA) i Gemini API og Gemini for business / Google Cloud. Modelkortet har samme udgivelsesdato. I forhold til Omni 1.1's loft på 10 sekunder udvider 1.2 Flash native video til 15 sekunder, med varighed, der kan vælges fra 3 til 15 sekunder i trin på ét sekund; prisen for 720p falder med omkring 30 % i forhold til Omni 1.1, til $0.07 pr. sekund.

Med hensyn til funktioner fremhæver indlægget redigering i samtaler med flere omgange og stærkere overholdelse af referencebilleder, bevægelsesklip på op til omkring tre sekunder og lyd. Arbejdsgange kan lave udkast i 360p / 720p og derefter opskalere til 1080p / 4K, med SynthID-vandmærkning. Provisioned Throughput er tilgængelig. Modellen udrulles også i Flow, Google Vids, Gemini-appen (Ultra), Google Ads, AI Studio, Vertex AI, YouTube og Workspace.

Vigtigste pointe: Videogenerering skifter fra »kan den lave et klip« til prissatte varighedsniveauer, overholdelse af referencer og garantier for gennemløb i virksomheder, hvor udkast i lav opløsning plus opskalering er skrevet ind i standardarbejdsgangen.

3. Thinking Machines Lab udgiver Inkling 2 Small: 594 mia. / 17 mia. aktive, vægte under Apache 2.0 planlagt

Thinking Machines Lab annoncerede den 5. november 2026 Inkling 2 Small: en mixture-of-experts-model (MoE) med omkring 594 milliarder parametre i alt og 17 milliarder aktive, som understøtter billedinput og variabel indsats. Selskabet henviste til en score på 31 i Artificial Analysis Intelligence Index (indlægget siger 31; en tabel viser AA Index v5.0 på 30,6). Modellen lanceres først på Tinker med lukkede vægte; annonceringen siger, at de fulde vægte er planlagt udgivet under Apache 2.0 i næste uge efter ekstern sikkerhedstest og red teaming.

Træningsoplysningerne omfatter: H1-fortræning på omkring 8,4 billioner tokens på cirka 68 timer på NVIDIA GB300 NVL72 med native NVFP4; H2 på omkring 3,8 billioner tokens med op til 512K kontekst; derefter fælles RL i 1.075 trin og mere end 17 millioner rollouts over omkring ni dage på 2.048 GPU'er. Laboratoriet viste demoer af agentisk kodning, vision og vidensarbejde og henviste til en score på 1340 på DesignArena Website i sit øjebliksbillede.

Vigtigste pointe: MoE-vejen med »lille aktivering, stor total« binder gennemløbet i fortræningen, omfanget af den fælles RL og en kadence med »udgiv lukket, åbne vægte næste gang« sammen i én udgivelsesfortælling.

4. OpenAI lancerer BioBasicsBench: måler, hvordan AI-agenter håndterer rutinemæssig videnskab i vådlaboratoriet

OpenAI offentliggjorde den 6. november 2026 en introduktion til BioBasicsBench, bygget sammen med enzymdesignvirksomheden Ligo. Benchmarken dækker 100 rutineopgaver i vådlaboratoriet inden for fem områder – proteinmetoder, billeddannelse / cytometri, kvantificering og assays, nukleinsyremetoder og molekylær kloning – med input som rå geler, plader, mikroskopi og eksporter fra instrumenter. Evalueringen omfattede syv modeller, 37 indstillinger og fem forsøg pr. opgave og gav omkring 18.500 resultater.

Ved xhigh-ræsonnement opnåede GPT-6 Astra en gennemsnitlig belønning på 66,7 % (95 % CI 60,3 %–73,1 %), GPT-6.1 Sol 62,0 % og GPT-5.6 Sol 43,8 %. Selskabet understreger, at højere scorer endnu ikke svarer til pålidelig laboratoriefaglig dømmekraft. Eksempler omfatter, at Astra opdagede et forkert antibiotikum på etiketten på kanten af en kontrolplade, og fortsatte fejltyper som antagelser, der tilsidesætter kontroller, og i ét tilfælde fejltælling af kolonier med omkring 12 % overtælling.

Vigtigste pointe: Leverandørerne gør »at læse rå eksperimentelle artefakter« til en reproducerbar benchmark for vådlaboratoriet, mens konfidensintervaller og fejltilfælde bruges til at dæmpe ekstrapolationen fra »høj score er lig med pålidelig«.

5. Anthropic: beta af Claude Personal Finance rulles ud – skrivebeskyttede kontolinks via Plaid

Anthropic begyndte i denne uge at udrulle en beta af Personal Finance til brugere af Pro, Max og Ultra i USA; Plaid bekræftede partnerskabet i et indlæg den 5. november 2026, og TechCrunch og andre dækkede lanceringen. Brugerne kan forbinde banker og kort via Plaid. Funktionen er skrivebeskyttet: Den kan ikke flytte, administrere eller investere penge og har ingen reklamer eller sponsorerede produkter. Forbundne konti kan vise op til omkring to års transaktioner; chats i Personal Finance-hubben bruges ikke til træning; brugerne godkender hos deres bank via Plaid, så Claude ikke ser bankadgangskoder; og forbindelsen kan fjernes når som helst. Anthropic oplyser, at funktionen ikke er investeringsrådgivning.

Vigtigste pointe: Forbrugerassistenter bevæger sig ind i indsigt på kontoniveau, men med grænser om skrivebeskyttelse, ingen træning, ingen rådgivning og mulighed for at fjerne forbindelsen når som helst – hvor forbindelsen føres gennem betalingsinfrastruktur i stedet for at bygge banklinks selv.

---

Opsummering i én linje: DeepMind rapporterer AI-understøttede fremskridt mod ældre RSA-1024, mens moderne sikkerhed på 2048 bit og derover bekræftes, Google gør Gemini Omni 1.2 Flash generelt tilgængelig med længere native video og en lavere enhedspris, Thinking Machines lægger en MoE-vej med »Apache 2.0 næste uge« med Inkling 2 Small, OpenAI kvantificerer agenters ydeevne i vådlaboratoriet med BioBasicsBench og advarer samtidig om, at høje scorer ikke er pålidelig dømmekraft, og Anthropic udruller skrivebeskyttet Personal Finance til betalende brugere i USA via Plaid.