De vijf koppen van vandaag
- Nvidia haalt met financiële zwaargewichten een half biljoen dollar op voor AI-infrastructuur
- Meta lanceert open model dat op één videokaart draait — en haalt hard uit naar ‘gesloten’ rivalen
- 181.000 AI-vergaderopnames gewoon op straat, bij één notuleer-app
- Anthropic zet watermerken in Claude-teksten — wereldwijd, zonder opt-out
- Docker lanceert wegwerp-sandboxen speciaal voor AI-agents die code willen uitvoeren
Het nieuws van vandaag
Nvidia haalt een half biljoen dollar op voor AI-infrastructuur — met Apollo, Blackstone en Goldman Sachs
Trump schrapt cybersecurity-budgetten. Ondertussen bouwen Amerikaanse techgiganten en banken gezamenlijk de fysieke ruggengraat van kunstmatige intelligentie.
Nvidia werkt volgens berichten aan een financieringspakket van mogelijk 500 miljard dollar. Dat doet het bedrijf samen met investeringsmaatschappijen Apollo Global en Blackstone, en zakenbank Goldman Sachs. Het geld gaat naar datacenters, chips en energievoorziening: de fysieke basis waarop AI-systemen draaien.
De deal komt in een opmerkelijke week. President Trump kondigde bezuinigingen aan op federale cybersecurityprogramma’s. Californië startte juist een eigen beveiligingsprogramma tegen cyberaanvallen met kunstmatige intelligentie.
Ondertussen bouwen techbedrijven aan meer onafhankelijkheid. Microsoft presenteert binnenkort zijn eigen Maia 300-chip, om minder afhankelijk te zijn van Nvidia. Chipfabrikant TSMC en Sony bouwen samen een fabriek van ruim zes miljard dollar voor beeldsensoren in Japan.
Techbedrijven investeren dus meer in eigen hardware. Toch blijft Nvidia voorlopig de partij die het meeste geld binnenhaalt in deze race om rekenkracht.
Meta lanceert open model dat op één videokaart draait — en haalt keihard uit naar OpenAI
Zuckerberg noemt ‘gesloten’ AI-rivalen middeleeuws. Achter de retoriek zit een verschuiving: open modellen worden ineens klein genoeg voor gewone hardware.
Meta heeft Muse Glimmer uitgebracht, een AI-model dat op een gewone pc met videokaart draait. Geen cloudverbinding nodig. Mark Zuckerberg noemt het een antwoord op de “middeleeuwse mentaliteit” van OpenAI en Anthropic, die hun modellen alleen via betaalde diensten aanbieden.
De bewoordingen zijn scherp. Maar belangrijker is wat er technisch verandert. Voor het eerst is een bruikbaar AI-model klein genoeg om lokaal te draaien. Je code blijft op je eigen computer, in plaats van naar een externe server te gaan.
Eerdere open modellen hadden tientallen professionele GPU’s nodig. Muse Glimmer werkt op één videokaart. Dat maakt AI toegankelijk voor wie geen cloudbudget heeft. Of voor wie bedrijfsdata liever niet deelt met grote techbedrijven.
181.000 AI-vergaderopnames gewoon op straat bij notuleer-app tldv
De belofte: AI noteert je vergadering. De praktijk: iedereen kon meekijken.
Een beveiligingsonderzoeker ontdekte vorige week dat meer dan 181.000 vergaderopnames zonder beveiliging online stonden bij tldv, een veelgebruikte app die vergaderingen automatisch samenvat. De opnames bevatten namen, gezichten, stemmen en vaak vertrouwelijke bedrijfsinformatie. Iedereen met de juiste link kon direct meekijken. Een hack was niet eens nodig.
tldv heeft het probleem inmiddels verholpen. Toch laat de zaak een terugkerend patroon zien: bedrijven lanceren AI-functies sneller dan ze de beveiliging op orde brengen. Vergaderingen worden automatisch opgenomen, uitgeschreven en samengevat. Maar wie houdt in de gaten waar die gegevens belanden?
via Bob da Hacker
Anthropic zet watermerken in alle Claude-teksten — wereldwijd, zonder opt-out
Sinds vorige maand staat er onzichtbare metadata in elke zin die Claude schrijft. De vraag is niet of je het wilt, maar of je het doorhebt.
Anthropic plaatst sinds juli 2025 onzichtbare watermerken in alle tekst die zijn chatbot Claude produceert. Het systeem voegt onzichtbare metadata toe aan elke gegenereerde tekst. Die metadata maakt het mogelijk om AI-tekst te herkennen, bijvoorbeeld bij het nakijken van examens of in rechtszaken.
Het watermerksysteem draait wereldwijd en staat altijd aan. Gebruikers kunnen het niet uitschakelen.
De timing is opvallend. Menselijke en AI-tekst zijn steeds moeilijker van elkaar te onderscheiden. Journalisten in de VS hebben hun beroepscode al aangepast. Daarin staan nu expliciete regels over bronvermelding en het gebruik van geautomatiseerde tools.
Watermerken lijken een technische oplossing, maar roepen ook vragen op. Wie bepaalt wat gemarkeerd moet worden? En wat gebeurt er met teksten die door meerdere AI-systemen zijn bewerkt?
Docker lanceert wegwerp-sandboxen voor AI-agents die code willen uitvoeren
Het probleem: AI-agents die zelf code schrijven kunnen per ongeluk je server platleggen. De oplossing: geef ze een wegwerpomgeving die na één sessie verdwijnt.
Docker komt met Docker Sandboxes, geïsoleerde containers speciaal voor AI-agents. Zodra een agent klaar is met zijn taak — code draaien, bestanden verwerken, API’s aanroepen — verdwijnt de hele omgeving automatisch. Geen restanten, geen risico dat een agent per ongeluk blijvende schade aanricht.
De dienst richt zich op teams die agents willen inzetten zonder ze toegang te geven tot productiesystemen. Toepassingen zijn geautomatiseerde tests, dataverwerking of experimenten met AI-gegenereerde code. Het verschil met bestaande containers is de korte levensduur en strikte isolatie.
via Docker
Chinese robotmaker Unitree naar beurs Shanghai — waardering 900 miljoen dollar
Terwijl westerse robotbedrijven nog zoeken naar een businessmodel, gaat Unitree al naar de beurs.
Unitree, maker van humanoïde robots en robotdieren, bereidt een beursgang voor in Shanghai met een waardering van 900 miljoen dollar. Het Chinese bedrijf levert nu al betaalbare viervoeters en humanoïde prototypes — prijzen beginnen rond de 1.600 dollar, een fractie van wat Boston Dynamics vraagt.
De beursgang valt op omdat westerse robotbedrijven nog worstelen met winstgevendheid. Unitree heeft een productielijn, betalende klanten en schaalbare hardware. De vraag is of de markt klaar is voor massaproductie, of dat dit vooral een race om kapitaal is voordat de hype tankt.
Voor wie zelf met AI bouwt
Needle 2: een 14MB AI-model voor Raspberry Pi, wearables en microcontrollers
Volledige agent in 28MB RAM, 500 tokens per seconde op een Pi 5.
Cactus heeft Needle 2 uitgebracht, een 14MB binair bestand met een volledig agentic model: tool calls, structured extraction, device control. Het model draait in 28MB RAM en haalt 500 tokens per seconde op een Raspberry Pi 5. De tweede versie integreert feedback van de HackerNews-release: betere compressie, snellere decode, uitgebreide tool-ondersteuning.
De use case is duidelijk: lokale AI voor smart home-apparaten, wearables, kleine robots, sensoren. Geen cloud, geen latency, geen datalek. Het model is geoptimaliseerd voor 2-bit kwantisatie en draait op ARM-processors.
Aanbeveling: Als je edge-devices bouwt en geen ruimte hebt voor grote modellen, test Needle als alternatief voor cloud-based inference.
via Cactus Compute
Onderzoekers tonen aan hoe je reasoning-traces kunt stelen uit gesloten LLM-API’s
OpenAI en Anthropic verbergen hun denkstappen. Dat blijkt makkelijker te omzeilen dan gedacht.
Onderzoekers hebben een methode gedemonstreerd om interne reasoning-traces uit proprietary LLM-API’s te extraheren — de tussenstappen die modellen zoals o1 en Claude maken voordat ze een antwoord geven. Die stappen zijn normaal verborgen, maar blijken af te leiden uit timing, tokengebruik en subtiele patronen in de output.
De implicatie: bedrijven betalen voor reasoning-modellen in de veronderstelling dat hun denkproces verborgen blijft. Dat blijkt niet waterdicht. Voor teams die gevoelige prompts draaien via externe API’s is dit een wake-up call: wat je verstuurt kan meer onthullen dan je denkt.
Aanbeveling: Als je reasoning-modellen gebruikt voor proprietary logica, neem de paper door en test of jouw prompts afleidbaar zijn.
via Stolen Thoughts
Material Discovery Bench: open testomgeving voor AI-onderzoek naar nieuwe materialen
Gratis toegang tot modellen en datasets voor wie nieuwe materialen wil ontdekken met AI.
Material Discovery Bench is een publieke testomgeving voor AI-gedreven materiaalwetenschap. De omgeving bevat datasets, voorgetrainde modellen en benchmarks voor het voorspellen van materiaaleigenschappen — van elektrische geleiding tot structurele stabiliteit. Het project is bedoeld om de drempel te verlagen voor teams die met AI nieuwe materialen willen ontwikkelen, zonder eerst maanden data te verzamelen.
De waarde zit in standaardisatie: in plaats van dat elk lab zijn eigen pipeline bouwt, kun je hier direct aan de slag met gevalideerde modellen. Vooral interessant voor wie werkt aan batterijen, halfgeleiders of katalysatoren.
Aanbeveling: Als je met materiaalonderzoek bezig bent, gebruik de benchmark om te zien hoe AI-modellen presteren op jouw type voorspellingen.
The State of Tech · Financial Times · Bob da Hacker · Anthropic · Docker · Cactus Compute · Stolen Thoughts
Transparantie: het maken van deze editie kostte ±€0,19 aan AI-modelgebruik (7-daags gemiddelde per editie; selectie, schrijven, verrijking en eindredactie meegeteld).