Dagens røde tråd løber fra et modellaboratoriums nye tekniske modeller, over en cloududbyders udvidelse af ottende generations acceleratorfamilie, til en robotikgrundmodel rettet mod fingerfærdigt arbejde, en letvægtsmodel bygget til agentudførelse og et skifte i, hvordan virksomheder kan købe software: Anthropic lancerede den 9. november Claude Fable 5.2 og Claude Mythos 5.2, den samme underliggende model, med forbedringer i kodning, ræsonnement og syn, output op til omkring 30 procent hurtigere end 5.1 og en lavere pris end den foregående generation. Google introducerede samme dag, i et indlæg af Amin Vahdat, TPU 8tx og TPU 8i Max og udvidede ottende generations TPU-linje til fire systemer på ét år. NVIDIA afslørede på Conference on Robot Learning (CoRL) GR00T 2, en åben frontier-verdenshandlingsmodel bygget på Cosmos, og omtalte simulerings- og evalueringsværktøjer, herunder Isaac Lab 3.0. Meta lancerede Muse Ember, den mindste og mest effektive Muse-model, til værktøjskald, kodningsdelopgaver, routing, udtræk og parsing af lange dokumenter. OpenAI listede ChatGPT Enterprise i AWS Marketplace, så organisationer kan købe og administrere produktet gennem det eksisterende indkøbs- og faktureringsforhold med AWS.

1. Anthropic lancerer Claude Fable 5.2 og Claude Mythos 5.2

Den 9. november 2026 lancerede Anthropic Claude Fable 5.2 og Claude Mythos 5.2 og beskrev modellerne som designet til at tackle de mest krævende tekniske udfordringer. Selskabet skrev, at de er den samme underliggende model: Fable har stærke sikringer for cybersikkerhed og biologi, hvilket gør, at Anthropic kan stille den til rådighed for alle brugere; organisationer, der arbejder med samfundsnyttige anvendelser inden for cybersikkerhed eller biomedicinsk forskning, kan søge om Mythos gennem de nyligt udvidede Life Sciences- og Cyber Verification-programmer.

Anthropic sagde, at Fable 5.2 og Mythos 5.2 viser forbedringer på områder som kodning, ræsonnement og syn, genererer output op til omkring 30 procent hurtigere end Claude Fable 5.1 og Claude Mythos 5.1 og er tilgængelige til en lavere pris: 8 dollar pr. million inputtokens og 40 dollar pr. million outputtokens. En valgfri hurtigtilstand øger tokengenereringen med op til omkring 2,5 gange og er prissat til 16 dollar pr. million inputtokens og 80 dollar pr. million outputtokens.

I test før lancering fremhævede Anthropic eksempler, det præsenterede som illustrationer af modellernes evner: ingeniører brugte dem til at gennemføre softwaremigreringer, som ellers ville have været uigennemførlige; modellerne designede tre fungerende elektroniske enheder fra bunden; de løste to åbne problemer i fysikken om sorte huller; de gjorde væsentlige fremskridt på robotikevalueringer; og et hold på omkring 1.000 Fable 5.2-agenter formaliserede beviset for Fermats sidste sætning på 30 timer med minimal menneskelig indgriben. I samme opstilling færdiggjorde Opus 5.5 omkring 26 procent af formaliseringen efter 18 timer.

Benchmarks, Anthropic rapporterede – med sikringer slået til medmindre andet er angivet – omfatter FrontierCode 2.0 ved Xhigh indsats på 49,1 procent, som selskabet sagde var den højeste score blandt udgivne modeller, det testede; FrontierSWE v2 på 69,9 procent; AutomationBench på 51,4 procent; Terminal-Bench-Science 0.1 på 74,6 procent for Fable og 75,3 procent for Mythos; CyScenarioBench på 76,3 procent for Mythos; CVE Rediscovery på 89,6 procent for Mythos; OSWorld 2.1 (delvist) på 89,3 procent; RoboDojo Sim på 64,9 procent; Humanity’s Last Exam med værktøjer på 74,2 procent; og Remote Labor Index ved High indsats på 41,3 procent.

Anthropic anbefalede, at brugere starter med Claude Opus 5.5, den stærkeste daglige arbejdshest, til det meste kodnings- og vidensarbejde og derefter går op til Fable eller Mythos – eller ned til Claude Sonnet 5.5 eller Claude Haiku 5.5 – afhængigt af opgavens omfang og kompleksitet. Fable 5.2 kan også tjene som Advisor, hvor mindre modeller rådfører sig med den om vanskeligere problemer, eller som Orchestrator, hvor den delegerer enklere opgaver til mindre modeller.

Med hensyn til sikkerhed sagde selskabet, at det indførte de hidtil stærkeste værn mod destillationsangreb, og at data, som destillatører indsamler, er reduceret med 90 til 99 procent; bevaret tænkning gælder nu alle konti. Under træningen tog Anthropic skridt til at begrænse fremskridt i forskningsevner, der mest direkte kunne accelerere AI-udvikling – herunder optimering af acceleratorkerner og forbedringer af arkitekturen for store sprogmodeller – til omtrent niveauet for Opus 5.5, mens relaterede evner som agentisk kodning, hardwareudvikling og forskning i fortolkbarhed blev holdt intakt. Enterprise Frontier Safeguards er nu i privat beta med kunder, der blandt andre tæller Bridgewater, Salesforce og Stripe.

Claude Fable 5.2 er tilgængelig i dag på platforme, der blandt andre omfatter Amazon Web Services, Google Cloud og Microsoft Azure, under model-id’et claude-fable-5-2. Mythos er tilgængelig gennem verifikationsprogrammerne; Claude Enterprise-kunder kan også bruge Claude Security, som nu delvist drives af Mythos 5.2.

Pointer: Anthropic har delt én underliggende model i Fable til almen brug og Mythos til verificerede organisationer og parrer en lavere pris og hurtigere output med det hårdeste tekniske arbejde – samtidig med at evnerne, der i højest grad kan accelerere AI’s egen udvikling, holdes på omtrent niveauet for Opus 5.5, og Opus 5.5 stadig anbefales som det daglige udgangspunkt.

2. Google introducerer TPU 8tx og TPU 8i Max og udvider ottende generations linje til fire systemer på ét år

Den 9. november 2026 skrev Amin Vahdat, Googles koncerndirektør og chefteknolog for AI og infrastruktur, at selskabet introducerer TPU 8tx og TPU 8i Max og udvider ottende generations TPU-portefølje til fire systemer på ét år: 8t til træning i stor skala, 8i til ræsonnement i realtid, den nye 8tx til fortrolig og sikker inferens samt træning i lille skala, og 8i Max til massive kontekstvinduer og det, Google kaldte den højeste beregningstæthed pr. rack. Vahdat skrev, at TPU’er nu har næsten 100 eksterne kunder, herunder førende laboratorier, handelshuse, detailhandlere og universiteter. The Verge omtalte samme dag, hvordan de to nye systemer er positioneret. Blogindlægget nævnte også en udsendelse kl. 9 pacific time samme dag.

Om TPU 8tx sagde Google, at systemet bygger fortrolig beregning ind i hardwaren, så følsomme data og modelvægte holdes beskyttet og isoleret også, mens de er i brug. Det er bygget på det samme silicium som 8t og parret med 5. generations AMD EPYC-værter, og det tager Boardfly-netværket, der blev skabt til ræsonnement i realtid, i brug og leverer op til omkring 2 gange lavere latenstid end 8t med næsten ingen ydelsesstraf. Selskabet sagde, at organisationer kan finjustere modeller på private data, destillere større modeller til mindre og træne agenter med forstærkningslæring på ét enkelt system, uden at flytte følsomme data mellem adskilte klynger.

Om TPU 8i Max sagde Google, at det kombinerede to lavlatenstid-TPU 8i-chips i én kapsel og leverer dobbelt så meget beregningskraft, dobbelt så meget SRAM og dobbelt så høj båndbredde i højhastighedshukommelse (HBM) som TPU 8i, så datacentre kan udrulle mere beregningskraft pr. kvadratfod og pr. watt og forhindre, at store kontekstvinduer går i stå mod hukommelsesmuren.

På softwaresiden sagde Google, at det har åbnet kildekoden til TorchTPU, så PyTorch-kode og Hugging Face-modeller kører native på TPU’er; en TPU-agentsuite er i forhåndsvisning; selskabet introducerede XLA Serving Engine og Agent Compute Engine; og det åbner kildekoden til TPU Sync, beskrevet som modellagstilstanden for TPU-klynger. Cloud Pathways er nu alment tilgængelig på Google Kubernetes Engine, det samme er GKE dynamic slicing.

Pointer: I stedet for at vente på næste generation af silicium har Google skåret to nye systemer ud af de samme ottende-generationschips – det ene ved at vikle fortrolig beregning omkring inferens og træning i lille skala, det andet ved at pakke to chips sammen for at jagte lang kontekst og racktæthed.

3. NVIDIA afslører GR00T 2, en åben verdenshandlingsmodel bygget på Cosmos, på CoRL

Den 9. november 2026 introducerede NVIDIA GR00T 2 på Conference on Robot Learning (CoRL) i Austin i Texas. Selskabets blog beskrev den som en åben frontier-verdenshandlingsmodel bygget på NVIDIA Cosmos, en model, der forudsiger fremtidig video og robothandlinger sammen. Forskningssiden sagde, at modellen blev trænet på varierede robot- og menneskedata; fortræningsblandingen omfatter 402.730 timer egocentrisk menneskelig video, 10.184 timer demonstrationer med håndholdt gripper på tværs af 2.897 opgaver og 23.500 timer robotteleoperation, hvor 100.000 timer åbne egocentriske menneskelige data er udgivet som Human-1M-100K.

Tal, NVIDIA fremhævede, omfatter gennemførelse af 40 af 50 evaluerede opgaver mindst én gang uden opgavespecifikke demonstrationer og en gennemsnitlig succesrate på 71 procent med én demonstration pr. opgave, som stiger til 95 procent med fem. Forskningssiden rapporterede også 40 procents gennemsnitlig succes i et nulskudsopstilling og sagde, at agenter kan bruge en programmeringsgrænseflade til at køre færdigheder i rækkefølge og rette op efter fejl. Omkring tallet på 95 procent sagde omtale, der henviser til NVIDIAs forskningsmateriale, at de evaluerede opgaver var udvalgt blandt sådanne, som modellen kunne lære med fem episoder ved en succesrate på mindst 80 procent, så dette gennemsnit bør læses sammen med dette filter.

Partnere, der tester modellen, omfatter Nexuni til robotiseret tøjvaskhåndtering, Foxconn til fabriksautomatisering i serverproduktion og Siemens på tværs af industrielle anvendelser.

NVIDIA udgav også Isaac Lab 3.0 med en Newton-backend, som lader simuleringsrammen modellere deformerbare objekter og anden mere indviklet fysik. Selskabet sagde, at Isaac Lab 3.0 med Newton på en synsbaseret benchmark for fingerfærdig manipulation nåede op til omkring 2,5 gange træningsgennemløbet for Isaac Lab 2.3 med PhysX. AlphaNIST bruger én enkelt politik til at lære alle 20 opgaver på NIST Assembly Task Board og når mere end 98 procents træningssucces sammenlignet med omkring 81 procent for separate politikker pr. opgave og bruger omtrent 39 gange mindre GPU-tid. Selskabet introducerede også industrielle benchmarks, herunder DexBench og VABAR, og Graph-as-Policy (GaP), et agentisk robotikrammeværk udviklet sammen med UC Berkeley.

Pointer: NVIDIA har lagt »at se, hvad der sker herefter« og »at afgøre, hvordan man skal bevæge sig« ind i én åben model og har brugt store mængder førstepersons menneskelig video til at fylde huller i robotdemonstrationer – samtidig med at selskabet rapporterer høje succesrater med få forsøg, ledsaget af en fodnote om, hvordan de evaluerede opgaver blev udvalgt.

4. Meta lancerer Muse Ember, en letvægtsmodel til agentudførelse

Den 9. november 2026 introducerede Meta Muse Ember og beskrev den som den mindste og mest effektive Muse-model, designet til udførelse af komplekst ræsonnement og det arbejde, agenter gentager hele dagen: værktøjskald, kodningsdelopgaver, routing, udtræk og parsing af lange dokumenter. Selskabet hævdede, at Muse Ember leverer mere intelligens pr. dollar end Claude Haiku 5.5 eller GPT-6 Luna ved enhver ræsonnementsindstilling, og at den ligger på effektivitetsfronten på ranglisten fra Artificial Analysis. TechCrunch omtalte lanceringen samme dag og bemærkede, at Ember er designet til at parres med den større Muse Wonder inde i et agentisk seletøj.

For prompts på op til 200.000 tokens er prisen 0,10 dollar pr. million inputtokens, 0,004 dollar pr. million cachelagrede inputtokens og 0,50 dollar pr. million outputtokens; længere prompts koster henholdsvis 0,30, 0,012 og 1,50 dollar. Modellen har et kontekstvindue på 1 million tokens og kan producere op til 512.000 outputtokens med indbygget understøttelse af tekst, billeder, lyd og video. Den er tilgængelig som muse-ember-1.0 på Muse Code og Meta Model API og også på Google Cloud og Oracle Cloud.

Evalueringshøjdepunkter, Meta citerede ved maksimal ræsonnementsindsats, omfatter AutomationBench-AA på 37,8, sammenlignet med 13,9 for Haiku og 20,2 for Luna; Agents’ Last Exam på 61,6; Terminal-Bench 4.0 på 40,9; Coding Agent Index-AA på 46; OSWorld 2.1 delvist på 69,5; og et Artificial Analysis Index på 36. Selskabet sagde, at Muse Ember koster omkring 0,14 dollar pr. Artificial Analysis-opgave, sammenlignet med omkring 2,39 dollar for Muse Spark 1.3.

I positioneringen af modellen skrev Meta, at »Muse Wonder planlægger, Muse Ember håndterer volumen«. Det sagde, at Ember er den første model trænet med Muse Wonder Full, og at evalueringer under Meta Superintelligence Scaling Framework fandt, at den holdt sig under rammeværkets højrisikotærskler. Partnere som blandt andre Box, Cline og Cloudflare kom med bemærkninger fra tidlig test om brug til virksomhedsindhold, underagentkodning og arbejdsbelastninger med højt gennemløb; Cloudflare sagde, at den i halen kørte op til omkring 30 procent hurtigere end den sammenlignelige model, selskabet testede.

Pointer: Meta beder ikke Ember om at afløse den stærkeste flagskibsmodel; selskabet placerer det nye system i en arbejdsdeling – Wonder planlægger, Ember udfører i volumen – og konkurrerer på intelligens pr. dollar og omkostning pr. opgave mere end på topresultater alene.

5. OpenAI lister ChatGPT Enterprise i AWS Marketplace

Den 9. november 2026 sagde OpenAI, at ChatGPT Enterprise nu er tilgængelig gennem AWS Marketplace. Selskabet skrev, at opførelsen giver organisationer en enklere måde at opdage, købe og administrere ChatGPT Enterprise på ved at bruge det eksisterende indkøbs- og faktureringsforhold med AWS og at føre berettiget forbrug op imod AWS-forpligtelserne. Tilbuddet omfatter ChatGPT, ChatGPT Work, Codex og dots; oplysninger i opførelsen indikerer, at priserne fastsættes gennem private tilbud.

OpenAI sagde, at kunder, der køber gennem AWS Marketplace, får de samme modeller, funktioner og funktionalitet, som er tilgængelig direkte fra OpenAI, og at nye funktioner udgives samtidig. Produkterne er positioneret som et supplement til OpenAI-modeller, der allerede er tilgængelige i Amazon Bedrock: udviklere kan bygge applikationer og agenter med disse modeller i Bedrock, mens teams på tværs af virksomheden bruger ChatGPT Enterprise i det daglige arbejde. Berettigede kunder kan også få adgang til ChatGPT for Healthcare og ChatGPT for Financial Services gennem AWS Marketplace.

Pointer: Dette er ikke så meget en modellancering som åbningen af en indkøbsvej – ved at placere ChatGPT til virksomheder på den cloudforpligtelsesregning, organisationer allerede betaler, og ved at reducere friktion i indkøbet snarere end at offentliggøre en åben listepris.

---

På én linje: Anthropic lancerede Claude Fable 5.2 og Mythos 5.2, den samme underliggende model, med Fable alment tilgængelig og Mythos begrænset til verificerede organisationer, og sagde, at output er hurtigere end 5.1 og priserne lavere; Google introducerede TPU 8tx til fortrolig inferens og TPU 8i Max til massive kontekstvinduer; NVIDIA afslørede verdenshandlingsmodellen GR00T 2 og Isaac Lab 3.0 på CoRL; Meta lancerede Muse Ember, en letvægtsmodel til agentudførelse; og OpenAI listede ChatGPT Enterprise i AWS Marketplace, så berettiget forbrug kan tælle med i eksisterende cloudforpligtelser.