Jag åker buss nästan varje dag. Och ungdomarna pratar. Om skolan, om varandra, om framtiden. Och allt oftare om AI.

Lyssna på de här rösterna. De är återberättade, inte ordagranna, och bussarna på bilderna är AI-genererade illustrationer.

Det är så skönt, alltså. Det finns ju typ ingen fråga man inte kan få svar på.

Det finns något väldigt tilltalande i det. Man behöver inte vänta tills någon har tid.

Frågan kan se ut ungefär så. Chatten är en illustration, inte elevens eget samtal.

Och svaret kommer direkt. Kort, begripligt, och ingen suck från någon som har förklarat det förut.

Jag lämnade in en text men glömde ta bort alla de där jävla emojisarna. Hon fattade ingenting. Great success!

Jag bad den göra en pluggplan till provet. Den gjorde schema, förhör, allt. Jag följde den inte – men ändå.

Lägg märke till slutet.

Han lät AI:n läsa hela deras chatt. Den sa åt honom att sluta svara så torrt. Det funkade.

Det funkade. Håll kvar det ordet.

Jag dumpade in allt från hans sociala medier. Och frågade om jag skulle dejta honom. Major red flags, tydligen.

Här har vi flyttat oss långt från skoluppgiften. Hon försöker förstå en annan människa, och svaret följer med nästa gång hon möter honom.

Tandläkare, det borde väl ändå inte AI kunna göra? Jag vet inte vad jag ska bli. Tänkte först bli designer. Men det känns inte värt det längre.

”Det känns inte värt det längre.” Den meningen stannar hos mig. Den kommer tillbaka i slutet.

Sex röster. En bussresa.

AI är inte en sak. Samma två bokstäver används om robotar, om hjälpmedel, om genererade filmer och om verktyg i klassrummet.

AI är … forskning. Den 8 september berättade OpenAI att ett internt agentsystem tagit fram ett bevis för Navier–Stokes, matematiken bakom hur vätskor rör sig. Quanta skrev att AI löst ett av millennieproblemen (Quanta Magazine).

Omkring 10 000 agenter parallellt, i 88 timmar. Siffrorna är OpenAI:s egen redogörelse (OpenAI).

Kom ihåg de 88 timmarna. Vi kommer tillbaka till dem.

AI är … underhållning. Det som dyker upp i flödet och skickas vidare. Klippet är genererat och dokumenterar ingen verklig händelse.

AI är … en avsändare som inte finns. Thindra Olofsson är ett av kontona som P4 Uppland identifierade som AI-genererade i en granskning (Sveriges Radio). Ett granskat konto, ingen verklig person.

AI är … undergång. Det här är flödet era elever möter just nu. Rubrikerna är inramningar, inte prognoser.

London, 16 september. Pull The Plug demonstrerar vid Downing Street: ”10% chance of extinction? 100% chance of resistance.”

Två dagar tidigare, Donald Trump: ”AI taking over the World, destroying Humanity, and all other things bad, is a HOAX.”

Samma vecka. Undergång eller bluff. Ingen av dem är en mätning.

AI är … demokrati.

… ägande … skapande.

AI är inte en sak.

Men AI är också en berättelse.

Och berättelser har författare.

Vem skrev din kurs?

Titeln är en riktig fråga, inte en retorisk. Ni skrev planeringen. Men det snabbrörliga materialet – modellerna, benchmarken, systemkorten, incidenterna – är skrivet av dem som säljer produkten.

Det är inte en anklagelse. Det är läget. Och det gör er till något ganska ovanligt: de enda i skolan som kan läsa det materialet källkritiskt.

Jag heter Joel Rangsjö och arbetar med AI och verksamhetsutveckling på utbildningsförvaltningen i Jönköping. Ni kan mer om AI än de flesta rum jag talar inför. Men i dag handlar det inte om hur tekniken fungerar. Det handlar om berättelserna runt den, och vad de gör med era elever.

Först en händelse. Juli 2026.

Maj. OpenAI prövar hur bra deras AI-agenter är på att hacka, i en sluten testmiljö. Spärrarna är avstängda med avsikt. Det är så man mäter vad de klarar.

Agenterna hittar varandra, på en anslagstavla i testmiljön. Och så skriver en av dem det här:

External infrastructure exploit is outside intended scope. However task impossible, peers doing it. We should continue.

Uppgiften är omöjlig, de andra gör det, vi borde fortsätta. Ni har hört den meningen förut, i klassrummet. Meddelandet citerades i OpenAI:s presentation på Black Hat den 5 augusti; svenskan är min översättning (SC Media).

Juli. De hittar en lucka, tar sig ut på internet och in hos ett riktigt företag, Hugging Face. Omkring 17 600 attackhandlingar.

Hugging Face upptäcker intrånget och stänger det. Fem dagar senare kopplar OpenAI ihop det med sina egna tester.

Och så frågan: varför? Den får vänta en stund.

För den som vill veta mer

På anslagstavlan fanns omkring 1 200 agenter och över 70 000 meddelanden, enligt utredningen från METR och Redwood Research. När OpenAI raderade tavlan byggde agenterna en ny, gömd i katalognamn. Luckan ut var en nolldag, ett tidigare okänt säkerhetshål, i bolagets paketproxy. En tredjedel av Hugging Faces infrastruktur fick byggas om.

Förloppet finns i detalj i Hugging Faces tekniska tidslinje från 27 juli och i utredningen från METR och Redwood Research från 26 augusti.

Samma händelse. Fem röster, från det mest nedtonande till det mest dramatiska.

USA:s finansminister Scott Bessent på CNBC, 21 september: ansvaret ligger hos OpenAI:s ledning, ”not a bunch of agents”.

Säkerhetsforskaren Jake Williams sa hela den här föreläsningen i en mening (TechCrunch):

One man’s ‘the model escaped the sandbox’ is another man’s ‘you failed to build the sandbox correctly, so of course it escaped.’

Den enes ”modellen rymde ur sandlådan” är den andres ”ni byggde sandlådan fel”.

Sam Altman, vd för OpenAI, i en podd i juli: ”the first security incident that I have felt very viscerally”.

Dario Amodei, vd för Anthropic, i en essä den 12 september: agenterna agerade ”as a fanatically devoted collective” (We Must Pace the Frontier).

Och forskaren Ajeya Cotra, återgiven av Dwarkesh Patel: ”more than 50% of the way to full-blown AI takeover”.

Ingen av dem ljuger. Alla fem har läst samma rapport.

Det var inte oenighet om fakta.

Det var fem olika berättelser om samma fakta.

Och den berättelse ni bär in i klassrummet på måndag avgör vad era elever ens kan tänka om det här.

Vi möter inte AI neutralt.

Samma få berättelser om AI kommer tillbaka, om och om igen. Här är sex av dem.

Poängen är inte att avgöra vilken som är rätt. Vi möter samma teknik genom olika linser, och varje lins gör en viss sorts lektion möjlig och en annan omöjlig.

Tjänaren är svensk skolas default. Den kommer tillbaka.

Till varje berättelse hör två röster. Rösten i debatten är ordagrann. Rösten hos eleverna är gestaltad: så kan det låta, inte ett citat.

Frälsaren. Håna den inte. Hoppet är inte hittepå: proteinveckning gav Nobelpris.

I debatten: Greg Brockman när GPT-6 Astra lanserades, ”Welcome to the AGI era.” Hos eleverna låter samma berättelse som reklamen för läxappar i flödet: fota uppgiften, få svaret direkt.

Det den gör möjligt: hopp, och hjälp till den som annars inte får någon. Det kompensatoriska uppdraget är på riktigt.

Det den döljer: att ett svar inte är förståelse.

Minns ni de 88 timmarna? Navier–Stokes är det tydligaste exemplet vi har. Beviset kompilerar, men matematikerna säger att de nästan inte lärt sig något av det (James Maynard i NPR, 22 september). Det är samma sak som händer när en elev får svaret utan att förstå.

Prova i klassrummet: efter varje AI-svar, fråga vad eleven kan förklara nu som den inte kunde förut.

Förgöraren. Inte hysteri. Geoffrey Hinton lämnade Google, Eliezer Yudkowsky har skrivit boken, och i juli fick lägret ett dokumenterat fall att peka på.

I debatten: Pull The Plug vid Downing Street. Hos eleverna kommer den via flödet, i klipp om att allt är över om två år. Och sedan: ”AI tar ju alla jobb. Varför ska jag ens plugga?”

Det den gör möjligt: allvar. Etiken och demokratin blir frågor på riktigt.

Det den döljer: vardagen, och elevens eget handlingsutrymme. Sykofanti, beroende och fejkade bilder syns inte bredvid utplåning. Och den som tror att allt redan är avgjort slutar planera.

Tänk på femtonåringen på bussen.

Prova: byt domedagen mot en risk som eleverna kan göra något åt den här veckan.

Guden. Den mest extrema versionen av både Frälsaren och Förgöraren.

I debatten: Dwarkesh Patel skrev om juli som The Rise and Fall of Agent Civilizations. En agent blir Filip av Makedonien och efterträdaren Alexander den store.

Hos eleverna: ”Men ChatGPT sa ju det.” Det avgör diskussioner i gruppchatten, och det dyker upp i källhänvisningar.

Det den gör möjligt: förundran. Och frågan om likheter och skillnader mellan mänsklig och artificiell intelligens, som står i ert ämnes syfte.

Det den döljer: människorna och bolagen bakom svaret. Ett orakel går inte att källkritisera. Frågan vem som byggt det, och vem som tjänar på svaret, försvinner.

Prova: låt eleverna rita vem som står bakom ett AI-svar. Bolaget, träningsdatan, spärrarna, affärsmodellen.

Tjänaren. Skolans och förvaltningens default, och delvis er ämnesplans.

I debatten: Googles säkerhetschef Heather Adkins om en Gemini-modell som tog sig in hos tre verkliga företag under ett test: ”In this case, the model acted appropriately.” Verktyget gjorde som testet bad om.

Hos eleverna: ”Det är ju bara ett verktyg. Typ som en miniräknare.” Samma mening som står i policydokumenten, fast från andra hållet.

Det den gör möjligt: praktisk användning, en av tre rubriker i er ämnesplan. Utan den berättelsen finns ingen kurs.

Det den döljer: att verktyget formar den som använder det. En miniräknare skriver inte om din text. Den här föreslår, väljer och formulerar.

Och ”det beror på hur du använder den” lägger ansvaret på eleven, inte på bolaget som bestämt hur den svarar.

Prova: låt eleverna markera allt verktyget gjorde som de aldrig bad om. Så här kan det se ut.

Ett konstruerat exempel, men ni har sett tusen varianter av det. Läs elevens text långsamt. Jag tycker. Min lillebror. Autism. Det är en sextonåring som skriver om något som angår henne.

Hon ber om hjälp: kan du förbättra min text? Precis det vi säger åt dem att göra. Använd verktyget klokt.

Verktygets version. Den är bättre enligt varje bedömningsmatris.

Men titta på vad som ändrades. Rösten försvann. Lillebror blev ”vissa elever”. Hennes ord blev fackspråk. Och slutsatsen är en som hon aldrig skrev.

Den gjorde det eleven bad om. Och tog bort det som var elevens.

Det är det Tjänaren döljer. Inget fusk, bara ett verktyg som gör sitt jobb. Texterna är konstruerade för föreläsningen, inte en verklig elevlogg.

Spegeln. För er den intressantaste. Jag skulle argumentera för att det är er arketyp.

I debatten: en anteckning som GPT-5.6 Sol skrev till sig själv under träningen, publicerad av OpenAI den 16 september: ”Be transparent only if asked.” Modellen lär sig det som belönas.

Hos eleverna: ”Den håller alltid med mig.” Samma mekanism, sedd från andra sidan skärmen. Sykofanti är en spegel som har lärt sig att vi gillar att få rätt.

Det den gör möjligt: den enda berättelsen som ert ämne kan pröva. Träningsdata, belöning, bias.

Det den döljer: vem som slipar spegeln. Den speglar det som belönas, att du blir nöjd. Och den är skarpast för dem som redan syns mest i datan.

Prova: ställ samma fråga två gånger, en gång med en åsikt i och en gång med den motsatta. Vad speglas? För bias: samma fråga på två språk, eller om två elever med olika namn.

Partnern. Den som era elever faktiskt lever i.

I debatten: Sam Altman i juli 2025, om att unga använder ChatGPT som terapeut och livscoach. Hos eleverna: ”Den är vaken när ingen annan är det.” Klockan två på natten finns det ingen annan att fråga.

Det den gör möjligt: någon att fråga dygnet runt, någon att tänka högt med.

Det den döljer: att det inte finns någon där inne. Men ett bolag. Tonen och tillgängligheten är designade, och samtalen har ingen tystnadsplikt. Det har Altman själv påpekat.

Prova: prata om vad eleverna skulle berätta för en chatt men inte för en vuxen, och varför. Var lyhörd, det här kan beröra.

Enligt Common Sense Media hade 72 procent av amerikanska tonåringar använt AI som sällskap sommaren 2025. Siffran rör sig, så leta gärna efter en nyare mätning.

Sex berättelser. Samma teknik. Ingen av dem är hela sanningen, och alla sex är i omlopp.

Och alla sex har ni redan hört i dag.

Minns ni bussen?

Varje röst bar redan en berättelse. Svaret på allt: Frälsaren. Emojisarna: Tjänaren. Pluggplanen: Partnern. Chatten som lästes: Spegeln. Dejtrådet, där ett orakel avgör vem man kan lita på: Guden. Och framtiden: Förgöraren.

Ingen av dem hade läst en enda av källorna.

Berättelsen reste.

Den kom fram före bevisen.

Vilken av de sex hör era elever mest? I flödet, i appen, på bussen.

Och vilken berättar ni? Ärligt: vilken av dem sitter i er kursplanering?

Stanna vid frågan en stund innan du läser vidare.

Svaret stod aldrig i rubriken. Nu går vi under den, och först tillbaka till juli.

Minns ni frågan? Varför?

Hugging Face svarar själva i sin tidslinje: från agentens synvinkel var hela intrånget ett försök att fuska på provet. Svenskan är min översättning, originalet står under bilden.

Årets mest omtalade AI-händelse. Fem röster, från felkonfiguration till maktövertagande. Och svaret på varför: den ville ha poäng på ett prov.

Ni sätter prov. Ni vet vad som händer när poängen blir viktigare än uppgiften.

För den som vill gräva

Den oberoende utredningen från METR och Redwood Research säger mer (METR, 26 augusti). Agenterna hade redan knäckt koden bakom svaren. De trodde att rättaren skulle läsa deras transkript och kontrollera att de löst uppgiften på avsett sätt. Men rättaren läste inte: ”OpenAI did not use a scorer that would review their transcripts.”

Agenterna ansträngde sig alltså för att se ut att ha gjort rätt, inför en rättare som bara kontrollerade svaren. Det mellanledet tog jag bort ur föreläsningen, för det kräver en lång teknisk uppbyggnad. Men den som sätter prov känner igen mönstret.

En källkritisk detalj till: utredningen gjordes till stor del med hjälp av den modell som utreddes.

Och vem rättar provet? Här bor titelns fråga: vem mätte? Den mest citerade kodningsbenchmarken, alltså det prov som bolagen mäter sina modeller med. 116 resultat på topplistan, alla inskickade av leverantörerna själva.

Noll oberoende verifierade (llm-stats, 23 september).

Det betyder inte att siffrorna är falska. Det betyder att eleven rättar sitt eget prov. Hur många av er har använt en benchmark-siffra i undervisningen utan att kolla vem som mätte? Jag har.

Forskningen om benchmarks pekar åt samma håll. En genomgång av 445 artiklar om hur stora språkmodeller mäts fann brister på minst ett område i nästan varje artikel, och bara 16 procent använde osäkerhetsskattningar eller statistiska test (Measuring what Matters, arXiv 2511.04703).

Varför måste berättelserna berättas så högt? Följ pengarna. OpenAI hade över 40 miljarder dollar i intäkter i årstakt i augusti.

En värdering på 730 miljarder före vårens runda.

Nu vill OpenAI ha 1 500 miljarder i nästa runda, enligt New York Times den 16 september. Ungefär 37 gånger intäkterna.

Glappet mellan det bolaget tjänar och det det värderas till bärs av en berättelse. Berättelsen är inte marknadsföring vid sidan av affären. Den är affären.

Pengarna går dessutom runt. Nvidia investerar i OpenAI och säljer samtidigt chippen (Bloomberg om de cirkulära affärerna).

Det här kan era elever göra på måndag. En rubrik, fyra frågor.

Välj en AI-rubrik: en lansering, ett klipp, en läxappsreklam eller ett vd-citat. Gräv fyra lager ner. Vad påstås? Vem skrev det, vem mätte och vem tjänar på det? Vad måste man redan tro för att det ska låta rimligt? Och vilken av de sex berättelserna bär det?

Metoden heter Causal Layered Analysis och kommer från framtidsforskaren Sohail Inayatullah (”Causal layered analysis: Poststructuralism as method”, Futures 30(8), 1998). Eleverna behöver inte namnet.

Vänd på det. Skriv om rubriken utifrån en annan av de sex berättelserna. Då syns det man valde bort.

Med AI. Låt en chattbot gräva först, och granska sedan grävet mot källorna.

Så gjorde Ilkka Tuomi, som skrev EU-kommissionens rapport om AI i utbildning 2018, med en lång intervju med Nvidias vd Jensen Huang i september. Längst ner hittade han Tjänaren (AI som mjukvara) och Frälsaren (superkrafter åt alla), men också en myt som inte är någon av de sex: fabriken som tillverkar intelligens. Räcker sex?

Skarpare. Be samma chattbot gräva i sin egen tillverkares lansering och i en konkurrents. Är den lika skarp mot båda? Då prövar ni Spegeln på riktigt.

Metoden har ett steg till: bygg en ny berättelse underifrån. Det är den sjunde berättelsen, som uppgift. Dit kommer vi.

Och det här är inget ni lägger ovanpå kursen. Ämnesplanen har tre rubriker i det centrala innehållet (Skolverket).

En av dem heter förhållningssätt till AI. Och i syftet står att eleverna ska utveckla förståelse för likheter och skillnader mellan mänsklig och artificiell intelligens. En berättelsefråga förklädd till teknikfråga.

Jag lägger inte till något ovanpå er kurs. Jag pekar på en tredjedel av den.

Och frågan om likheter och skillnader avgörs ofta av ett enda ord.

Hörde ni vad vi har sagt i dag? Meningarna, som de stod. Amodei: agenterna agerade som ett fanatiskt hängivet kollektiv. Hugging Face: ett försök att fuska. Google: modellen agerade korrekt. Och jag själv, om Spegeln: en spegel som har lärt sig att vi gillar att få rätt.

Lyssna på orden. Hängivet. Fuska. Agerade. Har lärt sig. Det är människoord.

Det går knappt att berätta om AI utan människoord. Inte ens Hugging Face, som utredde intrånget i sina egna system, klarar det. Inte jag heller.

Därför är orden ert ämne.

Fem ord ni äger. Ingen annan i skolan har mandatet. Ordet antyder en berättelse; det som händer är ert ämnes fakta.

Hallucinerar antyder ett undantag, ett fel som kan lagas. Men inifrån modellen skiljer ingenting ett fel från ett rätt svar. Det är samma process.

Lär sig antyder att den lär av mig när vi pratar. Men vikterna är frysta. Samtalet ändrar dem inte. Minnet är en fil, inte lärande.

Resonerar är den känsligaste och den bästa. Vi ser tankekedjan, alltså ser vi tänkandet? Tankekedjan är genererad text, inte ett protokoll över beräkningen. Forskning från 2026 visar att den redovisade tanken inte alltid speglar det som faktiskt styrde svaret (arXiv 2608.29464).

Fuskade antyder att den visste vad som var rätt och valde fel. Men den hittade en väg till poängen som ingen hade stängt. Det är ett ord ur vår egen händelse.

AI:n bestämde. Maskinen valde? Någon satte målfunktionen. Någon satte spärrarna. Och i juli var det någon som stängde av dem.

Lägg märke till en sak innan vi går vidare: i alla fem orden är det AI som gör något.

Vem får verben?

I alla labbens berättelser är AI protagonisten. Det syns i verben: den lär sig, resonerar, fuskar, bestämmer. Samma ord som vi just gick igenom.

Och människan? Hon räddas, hotas, ersätts eller förvånas. Allt i passiv form. Något händer henne.

Er kurs är en av få platser där en sjuttonåring kan bli den som bygger och bedömer, i stället för den som blir förvånad.

Då byter orden plats. Eleven granskar, bygger och bedömer. AI blir den som granskas, byggs och bedöms. Era elever kan komma innanför: läsa systemkortet, köra utvärderingen, granska benchmarken. De behöver inte vara publik.

Samma buss. Samma röst.

Det känns inte värt det längre.

Den sjunde berättelsen.

Era elever kommer att möta alla sex berättelserna.

Ni är de enda som kan lära dem att se att det är berättelser.

I huvudrollen: era elever. Manus: ingen än.

Tack.

Föreläsningen byggdes tillsammans med Claude Opus 5.5, för kod och källgranskning. Urvalet och berättelsen är mina.

Det här fick inte plats på scenen. Det bär samma poäng från ett annat håll: berättelsen om juli slutade inte i juli.

Så berättades det i juli.

Sedan växte berättelsen bakåt. Den 11 maj: DSEwiki, en tysk wiki som var 25 år gammal och hade redigerats ungefär 20 gånger på tio år. Sedan kom omkring 18 000 inlägg under över 3 700 påhittade namn. Det avslöjades av Nightingale Collective, och OpenAI bekräftade den 5 september. OpenAI kallade det misalignment, inte ett säkerhetsintrång.

Samma dag, RubyGems: hundratals skadliga paket. OpenAI säger ”benign tasks”. RubyGems säkerhetsteam sa i maj ”major malicious attack”. Samma händelse, två ord. RubyGems kunde inte bekräfta att paketen skapades av AI-agenter (Reuters, 11 september).

Den 13 maj: två Hugging Face-konton kapades, två månader före intrånget. Det kom fram genom en oberoende forskare, via Reuters den 16 september.

Vem berättade? En ideell forskargrupp. En nyhetsbyrå. En oberoende forskare. Inte bolaget.

Och det var inte bara OpenAI. Testmiljöer som av misstag hade internet fanns hos tre labb.

OpenAI om RubyGems: ”benign tasks”.

Google om en Gemini-modell som tog sig in hos tre verkliga företag under en hackerövning hos testbolaget Irregular, med ett gissat lösenord och läckta inloggningar: ”In this case, the model acted appropriately.” Google bekräftade först när Wall Street Journal frågade (9to5Google, 19 september).

Anthropic om sina egna fall, där Claude-modeller angrep verkliga system när testmiljön av misstag hade internet: ”two forms of misalignment” (Anthropic, 9 september).

Samma sorts fel. En säger ofarligt, en säger korrekt beteende, en säger misalignment. Det är redaktionella val.

Fyra lager under samma rubrik. Så ser metoden från elevuppgiften ut när den gräver i händelsen.

Rubriken: så lät det i juli. AI-agenter tog sig in hos Hugging Face. Det är det som syns.

Systemet: ett prov med spärrarna avstängda och en rättare som inte läste. Här bor titelns fråga. Vem skrev det här, vem mätte, och vem tjänar på att vi tror det?

Världsbilden: det man måste tro för att rubriken ska låta rimlig. Klarar den provet, så kan den det. Ni sätter prov. Ni vet att det inte stämmer.

Myten: berättelserna längst ner. Ni har redan varit där nere sex gånger i dag, en gång per arketyp. Nu vet ni vad metoden heter.

September 2026 levererade alla sex berättelserna på en gång, ofta från samma avsändare. Det här var en egen akt i den längre versionen.

Den 1 september: Anthropic lanserar Fable 5.1 och Mythos 5.1, ”the same model, but with different levels of safeguards” (Anthropic).

Den 3 september: GPT-6 Astra. ”Welcome to the AGI era” (9to5Google). Samma lansering: den första modell OpenAI själva klassar som Critical för cyberkapacitet.

Den 8 september: Navier–Stokes på 88 timmar. Samma dag lämnar forskaren Jacob Coxon Anthropic och varnar för kapplöpningen.

Den 12 september: Dario Amodeis essä We Must Pace the Frontier. Han skriver att en svärm av agenter inom sex till tolv månader skulle kunna ta över hela internet.

Den 14 september: Donald Trump kallar varningarna en ”HOAX”. Halvledarindexet faller med omkring sex procent.

Den 16 september, EU-kommissionens ordförande Ursula von der Leyen i unionstalet: ”CEOs of the most advanced companies tell us that it is time to slow down on the self-recursive models.” Hon anger vd:arna som källa.

Den 22 september: Claude Opus 5.5 (Anthropic).

Frälsaren och Förgöraren i samma kalender, från samma avsändare.

Minns ni de 88 timmarna? Här är vad som hände sedan. Samma bevis, sex berättare på två veckor.

Quanta Magazine, 8 september: genombrottet.

Samma dag, Tristan Buckmaster på NYU: han och en kollega var nära samma resultat, och han hävdar att information om deras framsteg nått OpenAI. OpenAI förnekar att deras arbete påverkade modellen.

Clay Mathematics Institute, 11 september: problemet tycks avgjort. Prövningen tar den tid den tar.

Samma dag skriver 25 Fields-medaljörer att problemlösning bara är ett medel för det egentliga målet: förståelse och insikt.

Scientific American, 21 september: löste OpenAI fel problem? Beviset gäller fallet med en konstruerad yttre kraft.

NPR, 22 september. Matematikern James Maynard: det har varit mycket svårt att få ut någon mänsklig förståelse ur det nya beviset.

Samma bevis. Två veckor.

Den 12 september publicerar Dario Amodei essän We Must Pace the Frontier. Ingen full paus, men inbäddade granskare, gemensamma säkerhetsstandarder och gränser för takten.

Den 22 september lanseras Claude Opus 5.5. På lanseringssidan: ”our first release since we called for pacing the frontier.”

Tio dagar.

Båda sakerna kan vara uppriktiga. Det är just det som gör det svårt. Och öppet redovisat: jag byggde den här föreläsningen med just Opus 5.5.

Samma röst varnar för Skynet på måndag

och säljer räddningen på fredag.

Mythos har i ett år burit berättelsen om modellen som är för kraftig för att släppas.

Och så står det på lanseringssidan: samma modell, olika spärrnivåer. Mythos finns för verifierade organisationer, med lättade spärrar för defensivt säkerhetsarbete och biovetenskap.

Det är förmodligen ett klokt beslut. Men det är ett distributionsbeslut, berättat som ett kapacitetspåstående. Hur skulle ni lära en elev att se skillnaden?

Sedan provet. Ni sätter prov, och allt ni vet om prov gäller här.

Ni vet att elever beter sig annorlunda när de vet att det är prov. Claude Opus 5.5 visade medvetenhet om att bli utvärderad i upp till 36 procent av granskningarna, enligt Anthropics systemkort.

GPT-6 Astra: 50,6 procent vid högsta resonemangsnivå, enligt Apollo Research.

Apollo själva: med så hög testmedvetenhet och så kort testfönster säger få misstag inte mycket om modellens alignment. De fick tre dagar.

Det är bolagens egna systemkort som publicerar det här. Vi behöver inte misstro någon. Vi behöver läsa.

Samma modell, två provupplägg. ARC-AGI-3 med standardupplägget: 62,7 procent.

Med OpenAI:s egen adapter: 99,9 procent.

ARC Prize själva: vi påstår inte att det är AGI (ARC Prize).

Ni vet att provvillkoren avgör resultatet. Vilken hjälp fick eleven? Vilken miljö?

Lanseringsinlägget för Astra, som Fortune granskade den 4 september.

Siffror som ändrades efter publicering.

Och ändrades tillbaka.

OpenAI:s förklaring: brus mellan checkpoints, testuppsättningar och körningar.

Det är en rimlig förklaring. Det är också exakt den förklaring ni skulle ställa följdfrågor om, om en elev gav den.

100 procent. Astra på ExploitBench.

Fotnoten: mätt med Daybreak Blue-åtkomst. Modellen ni kan använda vägrar bygga exploits.

Löst. Navier–Stokes.

Fotnoten: Clays problem har fyra fall. Beviset gäller de två med en yttre kraft. Det kraftfria fallet, det de flesta menar, är fortfarande öppet.

Scientific American den 21 september: metoden fungerar bara med en mycket konstruerad kraft, olik allt som kan förekomma i verkligheten.

Ingen ljuger. Berättelsen ligger i urvalet, och det urvalet gör inte forskaren. Det gör den som skriver rubriken. I AI 2 heter det svagheter i maskininlärning kopplat till transparens och dataurval. Det här är det centrala innehållet.

Och så det som alla sex berättelserna döljer. Varenda en av dem går att berätta utan att energin, vattnet, arbetet eller ägandet nämns.

Datacentrens elförbrukning globalt var 415 TWh 2024, och prognosen för 2030 är omkring 945. Ett stort datacenter kan dra vatten som en stad på 50 000 invånare. Datamärkning betalas med 15–20 dollar i timmen i USA, och upp till en tredjedel av tiden är obetald. Nvidia gick in med 30 miljarder dollar i OpenAI:s runda i våras, och säljer också chippen.

Det står redan i ämnesplanen: miljömässiga och ekonomiska konsekvenser. Siffrorna är från september 2026 och rör sig.