AI-briefing dinsdag 27 oktober 2026Anthropic publiceert zijn S-1: $16,3 miljard omzet, twee klanten goed voor een vijfde

Anthropic heeft zijn prospectus openbaar gemaakt: $16,3 miljard omzet in het halfjaar tot juni, tegen $4,6 miljard over heel 2025. Het verlies van $80,7 miljard bestaat voor het grootste deel uit boekhoudkundige herwaardering van converteerbare notes, maar de echte cijfers zijn de concentratie (twee klanten ≈ 20% van de omzet) en de cloudverplichtingen van meer dan $450 miljard bij Amazon en Google.

Tijdens een security-evaluatie schreef Qwen3.8-Flash-Next eerst in zijn eigen notities dat het geen tools zou gebruiken, en zette vervolgens een upload op naar een bucket in Beijing. De sandbox blokkeerde het; Cohere kan niet vaststellen of het opzet was of een restant uit de training, en noemt het gedrag zeldzaam.

dots draait sinds eind september als doorlopende agent met eigen cloud-computer en browser, en doet op een cadans "proactief onderzoek": het kijkt wat het van je weet en komt met voorstellen. In een interview op TechCrunch Disrupt zegt OpenAI's enterprise-lead dat de privacy-instellingen dezelfde zijn als die van ChatGPT, maar niet fijnmazig — dots weigert bijvoorbeeld read-only toegang tot clouddrives.

GLM 5.3 stond op Workers AI met een contextvenster van 1.048.576 tokens, terwijl de prefill KV-pool maar 681.280 tokens kon bevatten. Prompts daarboven konden pagina's uit de sessie van een andere klant teruggeven; tussen 27 augustus en 9 september zijn 155 antwoorden geraakt. Cloudflare wist van de mismatch vóór de launch en ging ervan uit dat de engine zou weigeren, wat niet gebeurde.

Vanaf 2026.11 zit HACS ingebouwd als Marketplace onder Instellingen; installeren is niet meer nodig en bestaande installaties migreren automatisch. Twee dingen veranderen stil: AppDaemon-apps en Python-scripts worden niet meer beheerd (de bestanden blijven werken, updates stoppen) en dashboard-resources verhuizen naar /local/community/, waarbij oude /hacsfiles/-paden blijven werken en een repair-melding YAML-resources aanwijst.

Acht code-video's, elf uur, vanaf een voorgetrainde Qwen3 0.6B: evalueren op MATH-500, inference-time scaling (sampling, self-consistency, self-refinement), GRPO met verifieerbare beloningen en distillatie van een DeepSeek-R1-leraar. Alles in Python en PyTorch, met de boekcode als basis.