AI-masterclasspodden vecka 28: från modellsläpp till styrda arbetsflöden

Vecka 28 gav oss inte ett enkelt svar på frågan om vilken AI-modell som är bäst. Den gav något mer användbart: en tydligare bild av hur leverantörerna försöker göra modeller till arbetslager som kan styras, mätas och stoppas när något går fel.

I veckans podd går vi igenom Claude, Gemini, Grok, Manus, Mistral, OpenAI och Perplexity. Vi skiljer praktiska framsteg från funktionsbrus och frågar vad en verksamhet faktiskt kan testa utan att börja med ett stort teknikprojekt.

Nya modeller löser inte styrningsfrågan

OpenAI presenterade GPT-5.6 som tre nivåer: Sol, Terra och Luna. Tanken är att verksamheter ska kunna välja mellan högsta kapacitet, en balanserad nivå och ett billigare alternativ för stora volymer. Samtidigt flyttar ChatGPT Work Codex-teknik från ren kodning mot dokument, kalkylblad, presentationer, webbläsararbete och schemalagda uppgifter.

xAI lanserade Grok 4.5 med fokus på kodning, agentiska uppgifter och kunskapsarbete. Modellen har ett kontextfönster på 500 000 token, vilket är mindre än Grok 4.3:s angivna miljon. Hög resonemangsnivå är standard, och priset för utdata är högre än för föregångaren. Det är alltså inte en modell som bör bytas in med ett snabbt namnbyte i en konfiguration. Kostnad, svarstid och långa underlag behöver testas på den egna arbetsmängden.

Det gemensamma budskapet är enkelt: välj nivå efter uppgift. En dyr toppmodell kan vara rimlig för en svår analys men onödig för klassificering, utdrag eller rutinmässig sammanställning.

Återanvändbara instruktioner blir riktiga verksamhetstillgångar

Google och Mistral gjorde en mindre spektakulär men mer praktisk förflyttning. Gemini Enterprise fick återanvändbara skills: paket med instruktioner, filer och ibland skript för återkommande arbetsuppgifter. Funktionen har tydliga begränsningar vid lanseringen, bland annat krav på allowlist för organisationer och ett ofullständigt centralt administratörsstöd.

Mistral Studio går längre i själva styrmodellen. Prompts och skills kan versionshanteras, få ägare, testas, märkas, följas i loggar och rullas tillbaka. Det låter administrativt, men det löser ett verkligt problem. När en viktig instruktion bara finns i någons chatt går det inte att säkert svara på vilken version som skapade ett kundunderlag eller varför ett resultat plötsligt ändrades.

För en mindre organisation är lärdomen inte att bygga en avancerad agentplattform. Börja med en enda återkommande instruktion och behandla den som en rutin: vem äger den, vilket underlag får den använda, hur kontrolleras svaret och hur återgår ni till föregående version?

Behörigheter och reservvägar är en del av funktionen

Manus lanserade Branch, som låter en granskad konversation delas upp i separata spår. Ett projektunderlag kan till exempel förgrenas till en ledningssammanfattning, en projektplan och ett presentationsutkast utan att huvudtråden fylls av motstridiga redigeringar. Manus breddade också sin Google-anslutning till Drive, Docs, Sheets, Slides och Forms med lägena Off, Read och Full. Det viktiga här är inte fler integrationer, utan att läs- och skrivbehörighet blir ett synligt val.

Claude visade samma behov från ett annat håll. Claude Code fick korrigeringar kring godkännanden, fjärrstyrning, strukturerade svar och säkrare filhantering. Samtidigt registrerades flera driftstörningar för modeller, MCP-auktorisering och agentytor. En arbetsprocess som bara fungerar när en viss modell och anslutning är helt stabil är ännu inte en robust process.

En praktisk reservväg kan vara enkel: spara mellanresultat, skilj modellfel från anslutningsfel och definiera när arbetet ska pausas i stället för att försöka igen automatiskt.

Orkestrering kan bli viktigare än en ensam vinnarmodell

Perplexity testar en anpassad GLM 5.2-modell som kan eskalera svårare delar till en starkare rådgivarmodell. Företagets egen poäng är att billigare kapacitet ska lösa basarbetet medan dyrare intelligens används selektivt. Resultaten är leverantörens egna och behöver reproduceras, men principen är relevant även utan Perplexity: hela arbetsflödets kvalitet och kostnad betyder mer än namnet på modellen som startade uppgiften.

Samma vecka gjorde Perplexity GPT-5.6 och Grok 4.5 tillgängliga i sina produkt- och API-ytor. Det understryker hur snabbt modeller blir utbytbara komponenter i ett större system.

Ett rimligt test efter att du har lyssnat

Välj ett återkommande underlag som tar 30–90 minuter att skapa, till exempel en veckosammanfattning eller ett mötesunderlag. Skriv sedan ner fyra saker innan du väljer verktyg:

• Läsgräns: vilka mappar, dokument eller system får AI:n använda?
• Skrivgräns: får den bara föreslå, eller även uppdatera ett dokument?
• Godkännande: vem kontrollerar fakta och externa åtgärder?
• Reservväg: vad händer vid driftstörning, kostnadsökning eller ett dåligt svar?

Kör samma uppgift tre gånger och mät tidsbesparing, granskningsbehov och fel. Om resultatet håller kan rutinen formaliseras, exempelvis inom Verktygssmide. Om den inte håller har ni fått ett billigt svar innan processen blivit kritisk.

Veckans leverantörskarta

• Claude: användarreflektion, styrning och säkrare agentdrift, men också en tydlig påminnelse om driftsäkerhet.
• Gemini: optimeringsagenten AlphaEvolve, återanvändbara skills, identitetslivscykel via SCIM och mer detaljerad loggning.
• Grok: en ny agent- och kodningsmodell som kräver nya tester av kontext, pris och resonemangsnivå.
• Manus: förgrening av granskad kontext och tydligare behörighetslägen för Google Workspace.
• Mistral: styrda prompts och skills samt Robostral Navigate, ett smalt men intressant steg mot fysisk AI.
• OpenAI: GPT-5.6-nivåer, ChatGPT Work och fler inbyggda sätt att samordna verktyg och underagenter.
• Perplexity: selektiv eskalering mellan modeller och snabb distribution av nya leverantörsmodeller.

Avsnittet är en AI-genererad masterclass byggd på Hammer Automations djupa veckovisa research om AI-leverantörernas uppdateringar och funktioner, bearbetad med NotebookLM. Ingen Whisper-transkription användes i det automatiska flödet.