Vandaag verschuift de aandacht naar doelgestuurde coding agents, model-debugging als builderlaag, evaluatie als bottleneck, usage boven seat-counts en een infrastructuurblik op de AI-bubbel.
Simon Willison
De nieuwe /goal-functie laat zien dat coding agents steeds meer verschuiven van losse assistentie naar doelgestuurde uitvoer. Voor Bart is dit een sterk signaal dat de waarde straks zit in workflow-ontwerp en iteratie, niet alleen in een slim model achter chat.
MIT Technology Review AI
Goodfire’s Silico maakt model-debugging concreter als builderlaag. Voor Bart is dit relevant omdat de voorsprong steeds meer zit in systemen die modelgedrag uitlegbaar en stuurbaar maken, niet alleen in toegang tot een model.
arXiv reasoning / agents / evals
Dit paper laat zien dat RL-training voor reasoning en agents eigen failure modes introduceert. Voor Bart is dat bruikbaar als voorbeeld dat agentkwaliteit niet alleen modelkeuze is, maar ook afhangt van training, evaluatie en systeemontwerp.
Hugging Face Blog
Dat evals een compute-bottleneck worden laat zien dat de AI-builderstack volwassen wordt rond testen en betrouwbaarheid. Voor Bart is dit een sterk signaal dat implementatievoordeel steeds meer in evaluatie-infrastructuur zit.
The Decoder
Nadella’s nadruk op usage boven seat-counts bevestigt dat AI-adoptie pas telt zodra het dagelijks werk echt verandert. Voor Bart is dit bruikbaar om het gesprek te verleggen van licenties naar workflow-intensiteit en meetbare waarde.
Platformer
Platformer framet de AI-bubbel als spoorweginfrastructuur in plaats van crypto-hype. Voor Bart is dat een nuttig denkkader om te kijken welke stacklagen blijvende waarde houden nadat de hype afkoelt.