Evolution of agentic surfaces — Gagan Bhat & Isabella Kai He, Anthropic
Anthropic's Applied AI-team presenterar hur agenter — AI-system som löser uppgifter självständigt — bör byggas för att klara långvariga jobb i produktion.
De visar att gamla lösningar blir overhead när modellerna blir smartare: Sonnet 4.5 var försiktig med sitt minnesutrymme och avslutade tidigt, så de byggde in en fix — men när Opus 4.5 skickades utan detta beteende blev fixen bara långsam överflödig kod. Huvudinsikten är att separera agentens hjärna (resoneringsloopen) från dess händer (verktygsexekveringen), vilket gör systemen 60–90 procent snabbare och gör fel återhämtningsbara istället för ödesdigra. En logg av allt som händer under sessionen används för tre saker: att se vad agenten gör, att hämta tillbaka information som Claude glömt, och för något de kallar "dreaming" — ett nattligt jobb som förbättrar agentens minne inför nästa dag.
Sammanfattningen är skriven av Vibekollen utifrån källans egen publicering. Innehållet tillhör AI Engineer.
Mer från AI Engineer
SOTA Generative Media Panel — Dumitru Erhan, Shane Gu & Nicole Brichtova, Google DeepMind
AI Engineer 30 aug.
Tell the Robot What You Want — Sandhya Subramani, AWS
AI Engineer 29 aug.
The Signal Layer: What to Build When Anything Can Be Built — Lena Hall, Akamai
AI Engineer 29 aug.
Tribal Dungeons of Global Shipping: AI Agents at Global Scale — Dmitry Buykin, Maersk
AI Engineer 29 aug.