Browsing Tag
ai-verktøy
74 innlegg
Suno v5.5 – Voices, Custom Models og My Taste
Suno v5.5 ble sluppet 26. mars 2026 med tre nye funksjoner: Voices (din stemme i AI-musikk), Custom Models (tren AI på din musikk) og My Taste (personlig smaksprofil). Her er hva som er nytt, hva det koster, og hva du gir fra deg når du sier ja til Voices.
NadirClaw – open source LLM-ruter som kutter Claude Code-kostnader med 40-70%
NadirClaw er et open source LLM-ruter-rammeverk som løser tre konkrete kostnads- og fleksibilitetsproblemer med Claude Code. Intelligente algoritmer ruter enkle forespørsler til billige modeller og sparer 40-70% på API-kostnader, med støtte for 100+ leverandører via LiteLLM.
Qwen3.5 Omni – Alibabas omnimodale AI hører, ser og snakker samtidig
Qwen3.5 Omni er Alibabas nye omnimodale AI-modell som håndterer lyd, video, bilder og tekst i én og samme modell – uten separate verktøy. Plus-varianten overpresterer Gemini 3.1 Pro på audioforståelse og nådde SOTA på 22 av 36 benchmarks.
Cohere Transcribe – open source transkripsjon som slår Whisper
Cohere lanserer Transcribe – en open source ASR-modell med 2 milliarder parametere som topper Open ASR Leaderboard med 5,42% WER. Slår Whisper Large v3 og ElevenLabs Scribe v2. Apache 2.0-lisens, kjører på forbrukerhardware, støtter 14 språk.
SentrySearch – søk gjennom videoopptak med naturlig språk via Gemini Embedding 2
SentrySearch er et open source CLI-verktøy som bruker Gemini Embedding 2 til å søke gjennom timevis med videoopptak via naturlig språk. Rå videopikler projiseres direkte inn i samme vektorrom som tekst – ingen transkripsjon, ingen bildeteksting. Koster rundt 2,84 dollar per time å indeksere.
Open Swarm — kjør tusenvis av parallelle AI-agenter med 150+ internettverktøy
Open Swarm er et open source Python-rammeverk for å kjøre tusenvis av parallelle AI-agenter simultant. Hvert agent har tilgang til 150+ verktøy: Gmail, Twitter, Reddit, LinkedIn, Google Workspace, nettsøk og kodeeksekvering. Blueprint-system, MCP-integrasjon, støtter Ollama for lokal kjøring.
Gemini Embedding 2 — Googles første multimodale embedding-modell
Gemini Embedding 2 er Googles første nativt multimodale embedding-modell — den plasserer tekst, bilder, video, lyd og PDF i ett felles vektorrom. MTEB-score 68,17, kontekstvindu på 8 192 tokens og støtte for over 100 språk. Her er hva dette betyr for deg som bygger RAG-systemer.
