Modellen31 juli 2026

Perplexity stelt numbat open source om risicovolle ai codeeragenten te monitoren

Perplexity heeft Numbat uitgebracht, een open source tool die is ontworpen om de activiteiten van AI codeeragenten op lokale endpoints te monitoren. Het hulpprogramma biedt detectie en opt-in blokkeermogelijkheden om ongeautoriseerde of gevaarlijke acties door autonome systemen te voorkomen. Dit volgt op groeiende zorgen over de beveiliging met betrekking tot de directe toegang die AI agenten hebben tot ontwikkelomgevingen.

Waarom het ertoe doet

Voor bedrijfsteams die autonome agenten inzetten, biedt Numbat een laag van observeerbaarheid en veiligheid om risico's zoals data exfiltratie te beperken. Het overbrugt de kritieke vertrouwenskloof tussen agentische mogelijkheden en strikte beveiligingseisen van ondernemingen.

Kernpunten

Numbat monitort agentactiviteit op endpoints om potentieel kwaadaardig gedrag te detecteren
Het biedt ontwikkelaars de mogelijkheid om te kiezen voor het blokkeren van specifieke risicovolle acties
De tool is open source om bijdragen van de gemeenschap en transparante beveiligingsaudits mogelijk te maken

Gerelateerde oplossingen

AI-agents & automatisering Generatieve AI Custom software

Al het AI-nieuws

Meer AI-nieuws

Modellen

Moonshot AI introduceert Kimi K3.1 Pro en snelle variant voor commerciële evaluatie

Moonshot AI heeft officieel zijn Kimi K3.1 Pro-model gelanceerd, samen met een speciale hogesnelheidsversie die is ontworpen voor snellere verwerking. Organisaties die de release evalueren, onderzoeken de operationele kosten en het gegevensverwerkingsbeleid van de leverancier nauwkeurig voordat ze overgaan tot implementatie in productie.

Modellen

Kimi K3.1 Pro behaalt de vijfde plaats op de SevenLab AI-ranglijst

Kimi K3.1 Pro van ontwikkelaar Kimi is officieel binnengekomen in de top tien van de SevenLab AI-ranglijst en bezet de vijfde plek algemeen. De benchmark volgt toonaangevende foundation models met behulp van een gespecialiseerde, voor waarde gecorrigeerde methodologie op basis van evaluatiedata van Artificial Analysis.

Modellen

Selectie van enterprise-hardware voor lokale LLM's geeft prioriteit aan geheugencapaciteit en bandbreedte

Enterpriseteams die hardware evalueren voor de lokale uitvoering van taalmodellen moeten zich richten op geheugencapaciteit en bandbreedte in plaats van pure rekenkracht. Een uniforme geheugenarchitectuur stelt ontwikkelworkstations in staat om modellen met grotere parameters direct in het geheugen te laden. Planningsleiders beoordelen deze specificaties om kosteneffectieve inferentie op het apparaat zelf te waarborgen.

Ready to build something extraordinary?

15 minutes. No pitch deck. Just a conversation about what AI can do for your team.

Talk directly with our AI specialists

15 min, vrijblijvend

Geen verkooppraatje

Prototype in 7 dagen