Det du betaler for, er at nogen har lavet mapperne.

SpaceX afsluttede købet af kodeværktøjet Cursor for 60 milliarder dollar i midten af august. Cursor-navnet forsvinder ind i en ny afdeling, SpaceXAI, og det første produkt derfra hedder Grok Bot. Hver bruger får sin egen virtuelle maskine med browser, filer og terminal. Den logger ind på dine konti, kører flere agenter ved siden af hinanden, arbejder videre efter du har lukket computeren, og lærer en opgave ved at se dig gøre den én gang. 200 til 300 dollar om måneden. Modellen bagved, Grok 4.6, kom ud den 12. august og lander tæt på de dyre konkurrenter til under det halve i pris. Ingen af de ting er nye. Claude Cowork og OpenAIs Codex har kørt agenter i skyen døgnet rundt i et halvt år eller mere. Og Jack Dorseys Block lagde i juli deres Buzz frem, et gratis og åbent arbejdsrum bygget på samme idé: agenterne sidder i kanalerne som medlemmer med deres egen identitet, i stedet for at være bots man kalder på. Det kan hentes til Mac, Windows og Linux, koden ligger frit på GitHub, og I kan hoste det selv. Det er stadig i en tidlig version og ingen færdig erstatning for noget, men det viser hvad prisen egentlig dækker. Det nye ved Grok Bot er indpakningen og prisskiltet. En AI, der har sin egen computer og logger ind i jeres systemer, er nu et forbrugerprodukt med en betalingsside. Den bliver købt på et privat kort af en medarbejder, længe før nogen spørger, hvad den må røre ved.

MatrAIx er en simulering med 8,3 milliarder AI-personaer, cirka én per menneske på jorden, hver især sat sammen af folketællingsdata, spørgeskemaundersøgelser, Wikipedia-biografier og anmeldelser. De kan udfylde spørgeskemaer, snakke med en chatbot, gå rundt på et website og bruge en app. Formålet er at teste et produkt på en kunstig befolkning, før et rigtigt menneske ser det. Måneders rekruttering bliver til minutter. Over 200 forskere står bag, heriblandt folk fra OpenAI, Anthropic, Google DeepMind og xAI. Samme persona, samme side, men en anden model nedenunder, og andelen der vælger at betale flytter sig fra 23 til 94 procent. Forskernes eget forslag er at køre flere modeller og tage gennemsnittet. Brug den slags til at få idéer og teste formuleringer. Lad være med at sætte tallet ind i et budget. Får du en konverteringsrate fra et simuleret panel, er første spørgsmål, hvilken model der lavede den.

Doug Herrington, chef for Amazons butikker, viste onsdag Alexa for Shopping. Du tager et billede af dit køleskab, og AI’en læser, hvad der er brugt op, holder det op mod din købshistorik og samler listen selv. Hans egen formulering er en husholdning, der fylder sig selv op. Vi har selv Alexa-enheder stående i huset i Spanien, og min oplevelse er, at den halter langt efter det her. Jeg gik ud fra, at vi bare ikke havde fået de nye funktioner endnu, men Alexa+ har kørt i early access i Spanien siden 23. april, så den forklaring holder ikke helt. Køleskabs-funktionen er til gengæld en fremvisning fra i onsdags og er ikke sluppet ud til nogen endnu. Der er som regel et stykke vej fra det, der bliver vist frem, til det, der står i køkkenet. Detailhandel har brugt hundrede år på at komme tættere på det øjeblik, hvor kunden beslutter sig. Her flytter man ind foran det. Sælger du noget, folk køber igen og igen, er det værd at holde øje med. Kurven bliver samlet et sted, hvor du ikke er med.

Meta har udgivet Muse Glimmer, en åben model på 30 milliarder parametre, trænet til agent-opgaver og til at styre en computer. Vægtene ligger frit tilgængelige, og de har lovet at frigive deres stærkere Muse Spark 1.2 snart. Mark Zuckerberg lagde 6.000 ord ud om hvorfor. 30 milliarder parametre er lille nok til at køre på jeres eget udstyr. Har I lagt et AI-projekt væk, fordi data ikke måtte forlade huset, er det værd at tage det gamle regnestykke frem igen.