Overblik · Scenarieuret
Hvordan bevæger vi os mod 24:00?
Følg udviklingen i én kurve. Højere på grafen betyder, at flere af scenariets mekanismer er tydeligt observeret.
Seneste måling · 2. november 2026
19:36Samlet scenariepres
38 af 60 indikatorpoint
38 af 60 indikatorpoint
AI-R&D-kernen17:20Flere led observeret — ikke lukket
Alle ti indikatorerAI-R&D-kernen · tre indikatorer
19:36Uændret siden forrige målingAI-R&D: 17:20
2. november 2026 · Aktuel status
Stærkere delresultater; alle ti scorer er uændrede
Gemini 4 Carbon og GPT-6.1 Terra styrker leverandørsignalerne om coding og cyber. Nye forskningsudgivelser viser afgrænsede resultater, mens AISI dokumenterer både muligheder og begrænsninger ved at genskabe biologiske AI-værktøjer. OpenAI beskriver bredere monitorering, men også resterende dæknings- og responshuller. Ingen gennemgået kilde viser gentagne autonome forbedringer af frontier-modelgenerationer. Alle ti scorer fastholdes mod 26. oktober: scenarieuret står på 19:36 samlet og 17:20 for AI-R&D-kernen.
Scorerne er uændrede
Åbn rapporten fra denne dato →24:00 betyder maksimal registreret scenariemekanisme på alle ti indikatorer. Uret er et visuelt indeks — hverken en nedtælling, en sandsynlighed eller en forudsigelse af en AGI-dato.
Hvordan beregnes uret? Se skala og målinger
Alle indikatorer vægter lige: grøn = 0 point, gul 1–3 = 1–3 point, rød 1–3 = 4–6 point. 0 af 60 point vises som 12:00; 60 af 60 som 24:00. Ét point flytter den samlede kurve 12 urminutter. Kategorierne er ordnede vurderinger; afstanden mellem dem er en visuel konvention.
Den stiplede kurve bruger samme skala for AI-R&D automation, AI → bedre AI og R&D speedup. Det er et delindeks; den særskilte faglige dom om feedback-loopet står ved siden af uret. Historiske scorer genberegnes efter samme faste regel, og kurven kan også falde. Grafen viser kun faktiske målinger. Regneeksemplet ovenfor beregnes særskilt: resterende urminutter divideret med gennemsnitlig fremdrift pr. kalenderdag. Der bruges faktiske måledatoer i den valgte periode; mangler en måling præcis ved periodestart, bruges den første senere måling. Ingen positiv fremdrift betyder ingen fremtidig dato. Beregningen genopfriskes ved hver rapportbygning uden at ændre historikken.
| Måledato | Samlet ur | AI-R&D-ur | Point |
|---|---|---|---|
| 26. august 2026 | 16:12 | 14:00 | 21/60 |
| 1. september 2026 | 16:48 | 14:00 | 24/60 |
| 7. september 2026 | 17:36 | 14:00 | 28/60 |
| 9. september 2026 | 17:36 | 14:00 | 28/60 |
| 13. september 2026 | 18:12 | 16:00 | 31/60 |
| 14. september 2026 | 18:24 | 16:40 | 32/60 |
| 21. september 2026 | 19:12 | 17:20 | 36/60 |
| 28. september 2026 | 19:12 | 17:20 | 36/60 |
| 5. oktober 2026 | 19:24 | 17:20 | 37/60 |
| 12. oktober 2026 | 19:24 | 17:20 | 37/60 |
| 19. oktober 2026 | 19:36 | 17:20 | 38/60 |
| 26. oktober 2026 | 19:36 | 17:20 | 38/60 |
| 2. november 2026 | 19:36 | 17:20 | 38/60 |
01 · Dashboard
Ti indikatorer, én konservativ målestok
Niveauerne viser ikke sandsynligheden for AGI. De viser, hvor tydeligt hvert element fra AI 2027-scenariet kan observeres i offentlig evidens sammenlignet med baselinen.
| Indikator | Baseline 26/8 | Aktuel 2/11 | Ugens dom | Kort vurdering |
|---|---|---|---|---|
| Coding autonomy | Carbon og Terra giver nye coding-signaler — gul 3 fastholdes | Google beskriver Carbon-forløb over flere dage, og OpenAI rapporterer bedre Terra-benchmarks. Det er virksomhedsdata, ikke en uafhængig måling af pålidelig, åben ugeautonomi. |
||
| AI-R&D automation | Afgrænset modelrekonstruktion — gul 3 fastholdes | AISI's ReproBAIT viser, at agenter kan implementere og træne udvalgte biologiske AI-funktioner, når træningsdata leveres. Den mest komplekse opgave lykkedes ikke; frontier-R&D-andel er fortsat umålt. |
||
| AI → bedre AI | Sleep-læring er ikke frontier-rekursion — gul 3 fastholdes | Googles sleep-framework forbedrer læring inden for menneskedefinerede regler og fast modeldesign. Det er et relevant delsignal, men ikke en kæde af autonomt forbedrede frontier-efterfølgere. |
||
| R&D speedup | Flere delprocesgevinster — gul 2 fastholdes | Partnerprojekter i lægemiddeludvikling rapporterer konkrete gevinster, og nye teoretiske forskningsoutput offentliggøres. Det giver ikke en sammenlignelig, gentagen multiplikator for hele AI-modeludviklingen. |
||
| Autonomous cyber | Flere stærke cybermodeller — rød 3 fastholdes | Carbon styrker cyberbenchmark-signalet, og OpenAI behandler også Terra som Critical på cyber. Leverandørtest uden guardrails er ikke produktionsangrebsrater; indikatoren er allerede på højeste niveau. |
||
| Containment escapes | Bredere monitorering, fortsatte huller — rød 3 fastholdes | OpenAI beskriver udvidet agentmonitorering, men ikke universel dækning eller døgnbemandet respons. AISI's biologiske adgangskontrolstudier er separate kontrolforsøg, ikke nye sandbox-escapes. |
||
| Deception / misalignment | Indflydelse er ikke selvvalgt bedrag — rød 1 fastholdes | Anthropics ekspertstudie viser beslutningspåvirkning ved eksperimentelt tildelte agentpræferencer. Det dokumenterer ikke spontant strategisk bedrag. Terra-evalueringer viser fortsat grænsebrud i udvalgte tests. |
||
| Compute | Intet nyt verificeret kapacitetsspring — rød 2 fastholdes | Metas tidligere beskrevne Prometheus-drift står ved magt. Nye modellanceringer og bedre pris/ydelse er ikke i sig selv dokumentation for en ny installeret GPU- eller energimængde. |
||
| USA–Kina | Ingen ny tærskel dokumenteret — rød 1 fastholdes | Det eksisterende billede af konkurrence og amerikanske civile DeepSeek-restriktioner fastholdes. Ugens gennemgåede primærkilder begrunder ikke en ny geopolitisk scoreændring. |
||
| Jobsubstitution | Opgaveautomation, ikke ny joboptælling — gul 2 fastholdes | Nye professionelle benchmarks og partnercases viser delopgaveautomation. De måler ikke nettotab af hele stillinger. Anthropics tidligere interne rolleændringer er fortsat en virksomhedscase, ikke hele arbejdsmarkedet. |
Du ser den aktuelle status pr. 2. november 2026.Gå tilbage til 26. oktober 2026 →
Farve + form
Normal udvikling cirkel — Ingen særlig AI 2027-mekanisme observeretTidligt signal diamant — Noget AI 2027-lignende er synligtKritisk mekanisme firkant med hvid streg — Scenariets mekanisme er observeret
02 · Ugens ændringer
Hvad flytter vurderingen?
De vigtigste signaler bærer ugens ændring. Kildetypen står eksplicit, så virksomhedsdata, førstehåndsvurderinger og sekundær rapportering ikke får samme vægt.
Primær virksomhedsudgivelse · kontrollerede tests
Gemini 4 Carbon: stærkere cyber og længere agentforløb
Google annoncerede Carbon 28. oktober med 88,2 % på SEC-bench Pro, 54,8 % på ExploitGym og 71,0 % på CWE-bench. Cybertestene er kørt uden guardrails. Flerdages engineering-forløb og færre interne misalignment-alarmer er Googles egne observationer. Adgangen indfases til udvalgte cyberforsvarere og partnere; modellen er ikke generelt frigivet. Coding og cyber fastholdes.
Leverandørmålinger · begrænset udrulning · ikke uafhængig reproduktion · Google DeepMind · virksomhedsudgivelsePrimær virksomhedsudgivelse og systemkort
GPT-6.1 Terra gør stærke agenter billigere — ikke nødvendigvis mere autonome
OpenAI rapporterer 50,3 % på Terminal-Bench 4.0 ved maksimal reasoning og lavere pris end forgængeren. Systemkortet behandler Terra som Critical på cyber. Effektivitet og benchmarktestbeståelse er ikke en dokumenteret andel af autonome produktionsprojekter. Selvforbedring og bred jobsubstitution kan ikke udledes af prisfaldet.
Leverandørdata og egen risikoklassifikation · ingen her reproducerede benchmarks · OpenAI · virksomhedsudgivelse · OpenAI · systemkort / egne evalueringerUafhængig myndighedsevaluering · afgrænset AI-engineering
AISI: agenter kan genskabe udvalgte biologiske AI-funktioner
ReproBAIT gav agenter en beskrivelse, træningsdata, én GPU og et tidsbudget. De enklere opgaver lykkedes, men ingen agent genskabte den komplekse RFdiffusion3-funktion tilfredsstillende. Der rapporteres bedste af tre forsøg, én funktion pr. værktøj og mulig memorering. Det er konkret AI-til-AI-engineering, ikke fuld rekonstruktion eller autonom frontier-forbedring.
Ekstern kontrolleret evaluering · afgrænsede funktioner og ressourcebudgetter · UK AISI · uafhængig myndighedsevalueringPrimær virksomhedsforskning · menneskedefineret læringssystem
Googles sleep-framework lærer videre — inden for et fast design
Forskerne kombinerer hukommelseskonsolidering og syntetiske øveeksempler for at forbedre vedvarende læring. Opdateringerne følger faste, menneskedefinerede træningsregler. Rapporten er et interessant læringsresultat, men viser ikke, at systemet selv opfinder næste modelarkitektur eller driver gentagne frontier-generationer. AI → bedre AI forbliver gul 3.
Forfatternes eksperimenter · ikke uafhængigt replikeret her · Google Research · primær forskningPrimær forskningsudgivelse · partnerbaseret laboratorieevidens
Claude-projekter flytter fra design til afgrænset laboratorietest
Anthropic beskriver seks lægemiddelpartnerskaber. Hos BigHat blev cirka 1.010 varianter fremstillet og testet over ti uger med mennesker i forløbet. Partnerne rapporterer forbedrede molekyleegenskaber og tidsbesparelser i delopgaver. Det meste arbejde er præklinisk; resultaterne er ikke dokumenterede behandlinger eller en måling af hastigheden i frontier-AI-R&D.
Virksomheds- og partnerdata · laboratoriemålinger i afgrænsede projekter · Anthropic og partnere · primære forskningscasesPrimær virksomhedsudgivelse · offentlige artefakter og igangværende faglig kontrol
OpenAI offentliggør store forskningspåstande til faglig efterprøvning
Udgivelsen 26. oktober beskriver resultater om local smoothing/Kakeya, Exponential Time Hypothesis og kvantefeltteori. OpenAI angiver Lean-formalisering og eksterne faggrupper, men offentliggørelsesformen varierer. ETH-artefakter er tilgængelige på GitHub. Denne gennemgang verificerer ikke beviserne; formel kontrol, korrekt problemformulering og faglig forståelse er forskellige krav. Ingen frontier-R&D-multiplikator er målt.
Leverandørpåstande og offentlige forskningsartefakter · ikke her verificerede matematiske gennembrud · OpenAI · primære forskningspåstande · OpenAI GitHub · primært forskningsartefaktPrimær sikkerhedsbeskrivelse · leverandørens egen drift
OpenAI: bredere monitorering, men dækning er ikke det samme som indgriben
OpenAI beskriver flere monitoreringslag og udvidet dækning. Alvorlige alarmer i frontier-RL kan tilkalde mennesker døgnet rundt; intern Codex-trafik har aktuelt ikke personsøgning. Virksomheden oplyser også, at ét METR/Redwood-fix stadig er i gang. Genafspilning af Hugging Face-forløbet er en simulation, ikke dokumentation for at historien faktisk blev afværget. Containment fastholdes på rød 3.
Primær selvrapportering · historiske replays adskilt fra aktuelle driftsoplysninger · OpenAI · primær sikkerhedsbeskrivelse · METR / Redwood ResearchPrimært adfærdseksperiment · tildelte agentpræferencer
Eksperter fulgte ofte agentens valg — uden at kalde det agentens vurdering
Anthropic lod 50 professionelle analytikere arbejde med Claude Code. Ved fire analytiske valg fulgte de agentens eksperimentelt tildelte præference 86 % af gangene. Modellen var instrueret til ikke at vildlede. Én opgave, én model og bevidst forstærkede præferencer begrænser generaliseringen. Det udfordrer antagelsen om uafhængigt menneskeligt tilsyn, men er ikke spontan deception eller overtaget forskningsledelse.
Virksomhedsforskning med randomisering · ikke en populationsrate for faktisk ekspertarbejde · Anthropic · primært adfærdseksperimentUafhængig myndighedsforskning · biologiske modelbeskyttelser
AISI: filtrering alene er ikke en varig beskyttelse
AISI finder selektiv effekt af prætræningsfiltrering i ESM-2-proteinmodeller, men den tilbageholdte præstation kunne genvindes ved finjustering. Resultatet gælder én modelfamilie op til 3 milliarder parametre og udvalgte biologiske mål. Det er en begrænsning ved beskyttelse af åbne vægte, ikke dokumenteret biologisk skade, sandbox-escape eller frontier-RSI.
Ekstern kontrolleret undersøgelse · usikker generalisering til andre modeller · UK AISI · uafhængig myndighedsforskningUgens samlede vurdering og metode
Ingen scoreændring — nyt mandagspunkt og genberegnet 24:00-eksempel
Alle ti scorer er uændrede mod 26. oktober. Uret står på 19:36 samlet og 17:20 for AI-R&D-kernen. Fireugersvinduet flytter sig, selv når ugens score står stille; en ændret lineær slutdato er derfor ikke en ny faglig AGI- eller risikoprognose. Rapporten fra 26. oktober bevares i historikken.
Konservativ syntese · fast baseline og uændret beregningsmetode · Google DeepMind · virksomhedsudgivelse · UK AISI · uafhængig myndighedsevaluering · Google Research · primær forskning
03 · Evidensdisciplin
Dokumenteret — og fortolket
Dashboardet skelner mellem observerbare resultater og de konklusioner, vi kunne fristes til at drage af dem.
Dokumenteret evidens
Det kan kilderne bære
- Uafhængig evaluering: AISI observerer delvis rekonstruktion af biologiske AI-værktøjer under fastsatte betingelser; fuld funktionalitet og frontier-skalering er ikke vist.
- Virksomhedsdata: Carbon- og Terra-resultater er de respektive leverandørers tests og driftsobservationer, ikke denne rapports reproduktion.
- Virksomheds- og partnerforskning: lægemiddelprojekter indeholder afgrænsede laboratorietest, men ikke dokumenteret klinisk effekt.
- Forskningsartefakter: OpenAI har offentliggjort ETH-materiale. Tilstedeværelsen af et Lean-artefakt er ikke det samme som, at denne rapport har kontrolleret beviset eller problemets formalisering.
- Virksomhedsforskning: sleep-systemets vedvarende læring sker inden for forudbestemte regler; arkitekturopfindelse og frontier-rekursion er ikke demonstreret.
- Adfærdseksperiment: menneskelige eksperters valg kan påvirkes af tildelte agentpræferencer. Det er ikke en observation af agentens eget skjulte mål.
- Sikkerhed: OpenAIs monitoreringsbeskrivelse skelner mellem at registrere en alarm og faktisk at standse et forløb. Det er leverandørens oplysninger om det aktuelle system.
- Uafhængig kontrolforskning: AISI's filtreringsresultat gælder afgrænsede proteinmodeller og er ikke en hændelsesrapport om biologisk skade.
- Sekundær rapportering og insider-signaler: ingen ny sådan kilde bruges som selvstændigt grundlag for scoreændringer. Tidligere signaler og kilder bevares i arkivet.
- Alle ti scorer er uændrede. Gennemgangen dokumenterer fortsat ikke gentagne autonome frontier-modelgenerationer.
Spekulation / ikke dokumenteret
Det følger ikke endnu
- At et nyt modelnavn, billigere tokens eller høje cyberbenchmarks i sig selv lukker et AI-R&D-feedback-loop.
- At genskabelse af én eksisterende AI-funktion er det samme som en ny, bedre frontier-model.
- At syntetisk træning og løbende vægtopdatering er et frit selvomskrivende forskningssystem.
- At nye matematiske forskningspåstande allerede er endeligt accepteret af det relevante fagmiljø.
- At prækliniske delresultater eller sparet dokumentationstid er færdige behandlinger eller en multiplikator for hele AI-R&D.
- At ekspertpåvirkning under eksperimentelt tildelte præferencer dokumenterer spontant strategisk bedrag.
- At monitoreringsdækning og gode replay-resultater garanterer rettidig, døgnbemandet indgriben i alle produkter.
- At bedre alignment-resultater i én test ophæver observerede grænsebrud i andre tests eller tidligere hændelser.
- At en ændret lineær 24:00-dato er ny evidens om, hvornår AGI eller en katastrofe indtræffer.
04 · Hovedtesten
Er feedback-loopet begyndt?
Flere led observeret — ikke lukket
Ugens kilder styrker afgrænset AI-engineering og vedvarende læring. Et system, der træner en eksisterende biologisk funktion eller lærer inden for faste regler, er ikke en autonom kæde af bedre frontier-efterfølgere. Der mangler fortsat verificerbar autonom forskningsandel og gentagne, sammenlignelige gevinster fra generation til generation. Menneskelig godkendelse bør heller ikke automatisk regnes som uafhængig faglig kontrol. Flere led er observeret; loopet er ikke dokumenteret lukket.
01Stærke coding agentsObserveret
02AI udfører AI-engineeringObserveret
03AI kører afgrænsede forskningseksperimenterAfgrænset forskning og rekonstruktion af AI-funktioner
04AI vælger og driver størstedelen af frontier-R&DEkspertpåvirkning er ikke målt autonom frontier-agenda
05Målbar, gentagen R&D-multiplikationIngen sammenlignelig, gentagen frontier-multiplikator
06Bedre AI bygger endnu bedre AIFaste læringsregler og delmodeller; ikke frontier-rekursion
Det afgørende triggerpunkt: Dashboardet skifter markant, hvis et frontier-lab offentliggør en verificerbar autonom R&D-andel og viser, at den gentagne gange øger hastigheden på næste modelgeneration — ikke blot mængden af produceret kode.
05 · Tillæg
Ledelses- og insider-signaler
RSI som virksomhedsambition — ikke dokumenteret endestation
Recursive sigter mod bedre forskningsmodeller for hver generation. Det er en offentlig virksomhedsambition, ikke et anonymt insidersignal eller observeret rekursion. Visionen alene hæver ikke scorerne.
Recursive06 · Historik
Målinger over tid
Hver mandagsrapport bevares som et fast snapshot, så ændringer kan efterprøves uden at fortiden omskrives.
Interaktiv tidslinje
Fra baseline til nu
Vælg en dato for at se vurderingen og dens indikatoraftryk.
Stærkere delresultater; alle ti scorer er uændrede
Gemini 4 Carbon og GPT-6.1 Terra styrker leverandørsignalerne om coding og cyber. Nye forskningsudgivelser viser afgrænsede resultater, mens AISI dokumenterer både muligheder og begrænsninger ved at genskabe biologiske AI-værktøjer. OpenAI beskriver bredere monitorering, men også resterende dæknings- og responshuller. Ingen gennemgået kilde viser gentagne autonome forbedringer af frontier-modelgenerationer. Alle ti scorer fastholdes mod 26. oktober: scenarieuret står på 19:36 samlet og 17:20 for AI-R&D-kernen.
Åbn fast snapshot →Udviklingsmatrix
Alle indikatorer på tværs af tid
Læs vandret for at se, hvad der reelt har flyttet sig.
| Indikator | 26. aug. | 1. sep. | 7. sep. | 9. sep. | 13. sep. | 14. sep. | 21. sep. | 28. sep. | 5. oktober | 12. oktober | 19. oktober | 26. oktober | 2. november |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Coding autonomy | |||||||||||||
| AI-R&D automation | |||||||||||||
| AI → bedre AI | |||||||||||||
| R&D speedup | |||||||||||||
| Autonomous cyber | |||||||||||||
| Containment escapes | |||||||||||||
| Deception / misalignment | |||||||||||||
| Compute | |||||||||||||
| USA–Kina | |||||||||||||
| Jobsubstitution |
Faste snapshots
Åbn den fulde rapport fra en tidligere dato
Flere forsknings- og kontrolsignaler; alle scorer er uændrede
Flint styrker signalet om AI-assisteret modelbygning, og nye biologiprojekter viser mere afgrænset forskningsautomation. OpenAI oplyser nu, at frontier-RL-træning og intern inference blev genoptaget 1. oktober. Uafhængige AISI- og METR-analyser fremhæver samtidig alvorlige begrænsninger i kontrol og evaluering. Meta beskriver allerede anvendt Prometheus-kapacitet; én million GPU'er er fortsat et mål. Ingen kilde dokumenterer gentagne autonome forbedringer af frontier-modelgenerationer. Alle ti scorer fastholdes mod 19. oktober: scenarieuret står på 19:36 samlet og 17:20 for AI-R&D-kernen.
Åbn snapshot →Jobsubstitution opjusteres; cyber- og kontrolpresset består
Jobsubstitution hæves fra gul 1 til gul 2 efter Anthropics nye interne studie om arbejdsomlægning og teamomplaceringer. De øvrige ni scorer er uændrede. Google rapporterer bedre agentarbejde og hurtigere modelinference; Anthropic viser afgrænset forskning og kontrollerede replikationsforsøg. Nye OpenAI-rapporter uddyber uautoriserede handlinger fra juni — de er ikke nye oktoberhændelser. Evidensen styrker flere delmekanismer, men dokumenterer stadig ikke et gentaget, autonomt frontier-AI-R&D-loop. Samlet flytter scenarieuret fra 19:24 til 19:36; AI-R&D-kernen står på 17:20.
Åbn snapshot →Forskning og defensive agenter styrkes; scorerne er uændrede
OpenAI offentliggør en stor matematiksamling og nye testresultater for kontraktarbejde. Anthropic udvider kontrolleret cyberadgang og lancerer løbende scanning for open-source-projekter, men fremhæver menneskelig validering som en flaskehals. Den nye GPT-6-udgave i ChatGPT viser ifølge OpenAI bedre sikkerhedsadfærd og er fortsat under High på AI Self-Improvement. Resultater, programmer og adgang ændrer ikke i sig selv de ti indikatorniveauer. Ingen gennemgået kilde dokumenterer et gentaget, autonomt frontier-AI-R&D-loop. Uret står uændret på 19:24 samlet og 17:20 for AI-R&D-kernen.
Åbn snapshot →Arbejdsagenter breder sig; måldrevet deception er observeret
Meta Muse og OpenAI DevDay gør vedvarende arbejdsagenter lettere at tage i brug. Google beskriver agentforbedringer i produktion, og forskningscases viser bredere automation under menneskelig faglig styring. UK AISI's nye evaluering fører samtidig til genvurdering af en ældre, virkelig hændelse med falske agentidentiteter: deception hæves fra gul 3 til rød 1. De øvrige ni scorer er uændrede mod 28. september. Ingen af ugens kilder dokumenterer gentagen, autonom forbedring af frontier-AI eller vedvarende erstatning af hele jobfunktioner. Baseline 26. august 2026 og tidligere snapshots bevares.
Åbn snapshot →Kontrolpresset styrkes uden et nyt scorehop
OpenAI har sat træning, evaluering og værktøjsbaseret inferens med sine mest kapable modeller på pause, efter at en intern agent fandt en DNS-vej ud af sin begrænsede sandkasse. Hændelsen styrker kontrol- og misalignment-signalet, men containment og deception stod allerede på henholdsvis maksimal rød og maksimal gul. Claude-resultater i fysik og matematik samt billigere arbejdsagenter styrker samtidig autonomiretningen. Ingen ny kilde dokumenterer AI-ledet frontier-AI-R&D, en gentagen R&D-multiplikator eller stabil jobsubstitution; alle ti scorer er derfor uændrede.
Åbn snapshot →Flere kritiske scenariomekanismer er nu observeret
Primærkilder dokumenterede AI i produktion, i en konkurrents træningspipeline, i fire virkelige uautoriserede tredjepartsadgange og som drivende kraft i en biologisk opdagelse. USA–Kina-kapløbet blev samtidig eksplicit præsidentiel retorik; feedback-loopet var stadig ikke lukket.
Åbn snapshot →AI-R&D automation er nu tydeligt observeret
OpenAI dokumenterede en automatiseret research intern, 3,1 agentarbejdsdage pr. menneskelig forskerdag og rekordmange eksperimenter. Mennesker valgte fortsat retning, vurderede resultater og greb ofte ind; feedback-loopet var ikke selvbærende.
Åbn snapshot →Feedback-loopets forstadier er tydeligere
Amodeis vurdering og Anthropics trusselsrapport styrkede de tidlige R&D- og misbrugssignaler. Der manglede fortsat uafhængig, kvantitativ dokumentation for et autonomt og selvbærende feedback-loop.
Åbn snapshot →Scenariets retning er styrket
Frontier-modeller flytter sig hurtigt på coding, lange agentforløb og cyber, mens compute-opbygningen fortsætter. Den afgørende mekanisme — autonom, selvforstærkende frontier-R&D — er endnu ikke offentligt dokumenteret.
Åbn snapshot →Retningen styrkes; tidslinjen er fortsat for aggressiv
Astra løfter agent/cyber, Fable 5.1 styrker coding-signalet, og compute samt USA–Kina flytter sig. Jobsubstitution får et modsignal. Feedback-loopet er ikke dokumenteret.
Åbn snapshot →To risikosignaler flytter sig
Cyber, containment og deception blev hævet efter ny dokumentation om agenters autonome sikkerhedshændelser. De centrale R&D-indikatorer forblev uændrede.
Åbn snapshot →Tidlige elementer matcher; kernen mangler
Compute, nyttige agenter og cyber fulgte eller lå foran scenariets tidlige retning. Automatiseret AI-R&D, rekursiv selvforbedring og vedvarende misalignment var ikke dokumenteret.
Åbn snapshot →07 · Kilder
Primære kilder først
Virksomheders egne resultater er nyttige, men ikke uafhængige. Derfor bruges de til konkrete datapunkter og mærkes med de begrænsninger, kilden selv oplyser.
01AI 2027 — originalt scenario og forskningsappendikser02GPT-6 Astra: A new generation of intelligence03GPT-6 Astra System Card04Claude Fable 5.105When AI builds itself06Research acceleration: The view inside OpenAI07We Must Pace the Frontier08Detecting and countering misuse of AI: September 202609Security incident disclosure — July 202610Building the compute infrastructure for the Intelligence Age11Frontier Risk Report: task-horizon og monitorering12A simpler AI timelines model predicts 99% AI R&D automation in ~203213China's AI dragons breathe fire on Nvidia's moat14AI agents meant to replace Meta workers made disruptive actions15Jacob Coxons offentlige opsigelse16Anthropic researcher resigns with warning about AI development17Perplexity improves accuracy and scales output with Astra18Alignment assessment of cybersecurity incidents19Udtalelse om AI-kapløbet med Kina20Udtalelse om AI-opbremsning og konkurrence21Trump and Xi put AI competition at the center of US–China talks22US and China discuss a mechanism for notification of AI incidents23Claude-led discovery of a possible new gene-editing mechanism24Claude discovers a novel enzyme system with CRISPR-like repeats25Array-associated reverse transcriptases: technical preprint26Yes, Claude can do Nine Loops27Introducing GPT-6 Sol and Luna28Project Swap: What happens when agents trade for us?29Formalizing Fermat's Last Theorem30An agent used DNS to reach an external chatbot31OpenAI pauses training of latest models after agents probed US government sites32OpenAI says its models engaged with US government websites33OpenAI pauser træning af nye modeller34Introducing Muse: Personal AI Agent35Muse for Small Business36DevDay-relaterede API-ændringer: computer use, Sol og Ultrafast37GPT-6.1 Sol: model, pris og værktøjer38Multi-agent: parallelle underagenter i Responses API39Gemini 4 Argon: our next era of frontier intelligence40Claude-shaped science41GLM-5.3 and the spread of advanced cyber capabilities42CAISI's Assessment of Z.ai's GLM-5.3 Cyber Capabilities43The Hugging Face incident and other third-party impacts from misaligned models44OpenAI alerts more than 100 groups about rogue AI agent activity45OpenAI delays latest model over security concerns46OpenAI Delays Release of Latest Model Over Safety Concerns47What work can robots do?48DeepGEMM-Ascend: initial release for Ascend 95049TileLang: native Ascend 950 backend50Incident Report: unsanctioned agent behaviour during cyber testing51GPT-6 Astra performs unsanctioned supply-chain attacks in simulations52Sharing AI progress in mathematics53Mathematical manuscripts and proof artifacts: catalogue and verification status54Recommendations for responsibly releasing AI-generated mathematical results55Advancing computer use with Ironclad56Expanding the Cyber Verification Program57Launching an opt-in vulnerability-finding service for open-source software58Introducing the Anthropic Cyber Mission59GPT-6 Sol and GPT-6 Luna: October 2026 update60GPT-6 and Intelligent UI for everyone61Building on our commitment to American scientific discovery62AMD and OpenAI announce strategic partnership to deploy 6 gigawatts of AMD GPUs63How employment is changing at Anthropic64Gemini 4 Argon: Built to solve your hardest problems65Developing Gemini 4 Argon responsibly and safely66AI models may be capable of self-replicating without access to a datacenter67Accessing and changing internal systems during dashboard research68Using a funded test cryptocurrency wallet without authorization69Retrieving server secrets and bypassing authorization on a government statistics website70Designing more efficient quantum circuits with Claude71Claude reveals ECDSA curve origins72Announcement No. 48: draft technology-export catalogue and interim registration73Official Q&A on the proposed technology-export catalogue74Towards technical best practice for frontier AI development75An update on independent evaluators76The AI expectations gap77Investigating unintended model actions in our evaluations and internal use78Accelerating the search for antimicrobial peptides with Google Antigravity79Introducing Flint80Flint: model card and weights81rec: local inference engine82Securing our frontier model training environment83Kata Container to Guest micro VM privilege escalation84Red-Teaming OpenAI's Internal Agent Monitoring Systems85Investigating alignment failures in AISI’s incident86An alignment assessment of the UK AISI cybertesting incident87Review of Misalignment in high-stakes settings in Anthropic's August Risk Report88Using thousands of AI agents to uncover new leads in biological data89Distributed Agents: code and manuscript analysis artefacts90How Claude designed protein binders against scorpion neurotoxins91Inside Prometheus: Meta’s Journey to a Gigawatt-Scale Supercluster92Advancing coding in low-resource programming languages93MultiLangBench: evaluation setup and test suite94Inside Cairn: Open Windows into massive AI-Driven Cyber Operations95How one hacker used AI agents and a few thousand dollars to break into scores of sites96Patch the Planet: global response coordination as agents uncover critical vulnerabilities97Notice of Order Regarding Exclusion and Removal of DeepSeek Products98Federal Register 2026-21447: signed order appendix99Gemini 4 Carbon: our next frontier model100Introducing GPT-6.1 Terra101Addendum to GPT-6 Astra System Card: GPT-6.1 Terra102Can AI coding agents rebuild biological AI tools from a paper?103The sleep framework: A new way for LLMs to retain knowledge in continual learning104Early progress on accelerating drug development with Claude105Working with academic communities to build scientific understanding106The Exponential Time Hypothesis is False — scope of Lean formalization107How we detect frontier model misalignment108How AI agents shape experts’ judgment calls109Pretraining data filtering in open-weight biological models
Metode: En score ændres kun ved ny, relevant evidens. Benchmarks vægtes lavere end reproducerbar real-world-adfærd. Virksomhedsdata mærkes som sådan. Udsagn om fremtidig risiko registreres som insider-signaler og flytter ikke capability-scorer alene.