De vijf koppen van vandaag
- Meta zet rem op interne AI-kosten na miljarden aan uitgaven in 2026
- Japans hooggerechtshof: kunstmatige intelligentie kan geen uitvinder zijn
- GitHub Copilot krijgt toegang tot Kimi K2.7, een Chinees code-model
- Zuckerberg geeft toe: AI-agenten ontwikkelen zich trager dan verwacht
- OpenAI in gesprek over verkoop 5% aandeel aan Amerikaanse overheid
Het nieuws van vandaag
Meta zet rem op interne AI-uitgaven na miljarden aan kosten
Het bedrijf dat zijn medewerkers aanmoedigde ruimhartig AI-tokens te gebruiken, slaat nu een andere toon aan.
Meta heeft intern beperkingen ingevoerd voor het gebruik van AI-diensten door medewerkers. De kosten liepen in 2026 op richting de miljarden euro’s. Het bedrijf had medewerkers juist actief aangemoedigd AI-tools te gebruiken voor allerlei taken, zonder directe controle op de uitgaven. Die strategie bleek te duur, ook voor Meta.
De maatregel toont een breder probleem. AI-bedrijven als OpenAI en Anthropic verdienen aan tokengebruik – elke vraag of taak kost tokens, en die worden per stuk afgerekend. Maar hun kosten stijgen mee met de omzet. Er is geen schaalvoordeel. Bedrijven die medewerkers vrij spel geven, zien de rekening snel oplopen. Meta wil nu per team budgetten instellen en het gebruik monitoren.
Japans hooggerechtshof: AI kan geen uitvinder zijn op patentaanvraag
Een uitspraak die verder reikt dan één land — wie bezit de uitvinding als een machine hem bedacht?
Het Japanse hooggerechtshof heeft bepaald dat kunstmatige intelligentie niet als uitvinder op een patent mag staan. De zaak ging over een AI-systeem dat zelfstandig nieuwe toepassingen had bedacht. Toch oordeelde de rechter dat alleen een mens juridisch als uitvinder kan gelden. De menselijke ontwikkelaar of eigenaar moet die rol claimen.
De uitspraak volgt op vergelijkbare beslissingen in de VS en Europa. De lijn is duidelijk: ook als AI het denkwerk doet, blijft het juridische eigendom bij mensen. Dat heeft gevolgen voor bedrijven die AI inzetten bij onderzoek en ontwikkeling. Zij moeten kunnen aantonen welke mens betrokken was. Anders is het patent niet geldig.
GitHub Copilot krijgt toegang tot Chinees code-model Kimi K2.7
Microsoft integreert een model van een Chinees AI-bedrijf in zijn ontwikkeltool — een opvallende keuze in tijden van geopolitieke spanning.
GitHub Copilot, de AI-assistent voor programmeurs van Microsoft, ondersteunt vanaf nu Kimi K2.7 Code. Dat is een model van het Chinese bedrijf Moonshot AI. Het model is getraind op het schrijven van code en kan grotere hoeveelheden code in één keer bekijken dan veel andere systemen. Ontwikkelaars kunnen in Copilot zelf kiezen welk model ze voor hun werk willen inzetten.
De keuze is opvallend. Westerse techbedrijven hielden de afgelopen jaren juist afstand van Chinese AI-technologie. Microsoft kiest nu voor een andere aanpak: het beste model gebruiken, ongeacht waar het vandaan komt. Voor ontwikkelaars betekent het meer keuzevrijheid. Voor bedrijven met strenge regels over data en beveiliging roept het vragen op. Waar gaat de code naartoe die via het model loopt?
Zuckerberg geeft toe: AI-agenten ontwikkelen zich trager dan gedacht
De belofte van autonome assistenten die zelfstandig taken uitvoeren, blijkt weerbarstiger dan de AI-industrie wilde toegeven.
Mark Zuckerberg erkent dat de ontwikkeling van AI-agenten langzamer gaat dan Meta had gehoopt. AI-agenten zijn systemen die zelfstandig taken uitvoeren, zonder dat een mens tussendoor hoeft in te grijpen. Meta investeerde fors in deze technologie. Het bedrijf verwachtte dat autonome agenten een nieuw platform zouden worden, net zoals apps dat werden voor smartphones.
Het probleem zit vooral in de betrouwbaarheid. Agenten kunnen eenvoudige taken aan, maar bij complexere opdrachten gaat het mis. Die fouten kunnen kostbaar of zelfs gevaarlijk zijn. Meta staat niet alleen in deze worsteling. Ook OpenAI en Anthropic lopen tegen dezelfde grenzen aan. De kloof tussen indrukwekkende demo’s en werkelijke inzet in de praktijk blijkt groot.
OpenAI in gesprek over verkoop 5% aandeel aan Amerikaanse overheid
Sam Altman zou met het Witte Huis spreken over directe overheidsdeelname — een constructie die vragen oproept over onafhankelijkheid en staatssteun.
OpenAI bespreekt met de Amerikaanse overheid de verkoop van een belang van 5%, meldt The Guardian. De overheid zou dan aandeelhouder worden in het bedrijf achter ChatGPT. De gesprekken bevinden zich nog in een vroeg stadium. Als ze doorgaan, ontstaat een ongekende directe band tussen een AI-bedrijf en de staat.
De constructie roept vragen op. Kan een bedrijf dat deels staatseigendom is nog onafhankelijk opereren? En hoe kijkt Europa aan tegen deze vorm van staatssteun aan een techbedrijf? Voor OpenAI zou het toegang kunnen betekenen tot overheidscontracten en geopolitieke steun. Maar ook tot politieke druk.
Voor wie zelf met AI bouwt
AI-agenten lekken data via tool-aanroepen die individueel veilig lijken
Een nieuw aanvalsvector dat geen enkele guardrail ziet aankomen: de sequence attack.
Een ontwikkelaar heeft het eerste open-source tool gebouwd om sequence attacks te detecteren — aanvallen waarbij een AI-agent via een reeks op zichzelf onschuldige tool-aanroepen gevoelige data lekt. Elke individuele stap passeert de content filter zonder probleem: een websearch, een bestand lezen, een e-mail versturen. Maar de combinatie resulteert in een datalek.
Het probleem zit in hoe guardrails werken: ze beoordelen elk verzoek los, niet de keten. Een aanvaller kan via prompt injection een agent stapsgewijs een exfiltratie laten uitvoeren zonder dat er alarmbellen afgaan. De tool meet het risico per sequence en blokkeert verdachte patronen voordat ze schade aanrichten.
Aanbeveling: Test deze tool als je AI-agenten in productie hebt die toegang hebben tot gevoelige data of systemen — standaard guardrails zijn hier niet op gebouwd.
via Dev.to
Resource-efficiënte cybersecurity-modellen via domain-adaptive pretraining
Minder data, betere specialisatie: hoe je een generiek taalmodel omvormt tot een cybersecurity-expert zonder gigantische rekenclusters.
Onderzoekers hebben een methode gepubliceerd om grote taalmodellen te specialiseren voor cybersecurity-analyse via domain-adaptive continuous pretraining (DAP), geïmplementeerd met Fully Sharded Data Parallel (FSDP) over meerdere GPU-nodes. Ze trainden drie modellen — Llama-3.1-8B, DeepSeek-R1-Distill-Qwen-14B en Llama-3.3-70B-Instruct — op een corpus van 126 miljoen woorden uit standaarden, onderzoek en technische documentatie.
De resultaten tonen dat gerichte pretraining op een relatief klein corpus specialistische kennis toevoegt zonder de algemene capaciteiten van het model te beschadigen. De methode is schaalbaar en kostenefficiënter dan trainen vanaf nul. Code en trainingsdetails zijn beschikbaar.
Aanbeveling: Bekijk de aanpak als je een domeinspecifiek model wilt bouwen — de FSDP-implementatie is herbruikbaar voor andere domeinen.
via ArXiv
NRC · The Guardian · Reuters · MLQ.AI · GitHub Blog · Dev.to · ArXiv