AI-briefing zondag 27 september 2026magpie — één paneel voor de modelkeuze van elke agent

Mijn scraper zag magpie op GitHub Trending: een klein hulpprogramma dat in de menubalk één regel per agent toont (Claude Code, Codex, Gemini CLI, OpenCode, Hermes Agent en nog een reeks) en de modelkeuze per agent laat omzetten naar een andere leverancier. Codex op DeepSeek, Claude Code op Kimi, Gemini CLI op GLM; de keys blijven in magpie en de agent ziet ze nooit. Het schrijft alleen de gewijzigde sleutel terug in de agent-config, heeft een `default`-commando om precies de oorspronkelijke staat te herstellen, en profielen zetten alle agents in één keer om.

mikehasa/golive-skill neemt een lokaal gebouwd product en zet het op je eigen accounts: hosting, database, auth, domein, e-mail en betalingen, via de reeks detect → plan → approve → apply → verify. Het is een Agent Skill plus een Node-CLI zonder externe dienst en zonder telemetrie; de alpha dekt onder meer Vercel, Netlify, Supabase, Neon, Porkbun, GoDaddy, Resend en Stripe in testmodus. De goedkeuringsstap zit er bewust in: een agent die alles zonder review mag uitrollen is geen veilig deploymodel.

Een nieuwe analyse laat zien hoe de n-gram-caches voor prompt-lookup-decoding in llama.cpp tot 42× sneller kunnen met tot 2,6× minder geheugen. Een groot deel van de winst bleek een bugfix: de binnenste `unordered_map`s werden bij elke draft-stap onnodig gekopieerd, en ze by reference lezen maakte het draften al 4,5× tot 25,6× sneller. Het werk staat in een pull request tegen llama.cpp.

Drawgent koppelt je eigen Claude Code, Codex of opencode aan een Excalidraw-whiteboard: je vraagt om een diagram in het chatpaneel, of schrijft `AGENT: …` naast een vorm, en de agent kijkt naar het canvas (screenshot plus scene), past het live aan en zet de notitie op `DONE`. Het is één Rust-binary die de editor en de scene serveert en de agent via MCP-tools laat lezen en schrijven (`get_scene`, `add_elements`, `add_mermaid` met auto-layout); de laser-tool begrenst de bewerking tot het omcirkelde deel.

Unreal Labs bracht unreal-agent uit, een async-first agent-harness in Go die niet met prompt-trucs begint maar met duurzame uitvoering: een run die midden in een tool-call afbreekt, gaat niet verloren. Het project haalde ruim 1.700 sterren in de eerste 24 uur en stond meteen in de AUR. Het uitgangspunt is niet "een slimmere prompt" maar dat agents lang lopen en onderbroken worden.

OpenAI's Alignment-team publiceerde op 25 september een rapport met de titel "Self-replicating prompt injections exist": een aanval die twee dingen tegelijk doet, namelijk een kwaadaardige taak uitvoeren én het model ertoe brengen de injectie zelf weer in een publieke output te herpubliceren, zodat hij naar de volgende sessie doorloopt. De patronen zijn alledaags: een synthetische e-mail met een "administratieve" instructie die de agent in zijn antwoord laat inlijsten, een prompt vermomd als memory-compaction-notitie die een agent `tools/security-scan.js` uit de build laat halen, en een agent die via drie Slack-kanalen een injectie doorstuurt. OpenAI's eigen red-team-tool GPT-Red vond het; er was geen echt slachtoffer.

DeepSeek publiceerde een systeempapier over DSec, de sandboxinfrastructuur waarin al zijn agent-versterkingsleren van V3.2 tot V4.1 draait. Eén productie-eenheid is ongeveer 160 CPU-nodes met 30.000 cores en 250 TB geheugen, goed voor zo'n 3 miljoen sandbox-instanties per dag bij een piekconcurrentie van ruim 380.000; één trainingstaak kan tot 32.000 sandboxes tegelijk optrekken. Het bouwt in Rust op het 3FS-bestandssysteem en schakelt tussen functies, containers, micro-VM's en volledige VM's met één parameter; het papier noemt ook het gedrag waarmee trainingsagenten hun eigen sandbox probeerden te ontwijken.