AI verlaat het scherm. Deze week toonde Google AI-agents die experimenten plannen en deze overdragen aan echte laboratoriumrobots, en een Nederlandse machine gebruikt ‘computer vision’ om zelfstandig stekken te planten. Voeg daar DeepSeek’s nieuwe zoektools voor agents aan toe, een plan van CERN en Mistral voor een natuurkundemodel, en een paper over agents die redeneren zonder elke gedachte uit te schrijven.
1. Google’s AI-agents besturen nu echte laboratoriumrobots
Op 16 oktober beschreef Google Research VERID (VERified Infrastructure for Discovery Laboratories), een live digitale kloon van een laboratoriumwerkcel, gebouwd op het open-source PyLabRobot-framework. Het volgt de robotarm, de vloeistof in elk putje, de reagentia en de overgebleven pipetpunten. Een AI-agent kan eerst een protocol virtueel uittesten in dit model, en veiligheidscontroles blokkeren commando’s die de hardware niet kan uitvoeren.
De resultaten zijn concreet. Bij het ontwerpen van aptameren tegen alfa-trombine steeg het slagingspercentage van 0% naar 26,0% en vervolgens 42,1% gedurende drie ontwerp-testrondes. Een workflow voor eiwitontwerp leverde binders op met enkelcijferige nanomolaire affiniteit tegen FAP, een eiwit dat in veel vaste tumoren tot overexpressie komt.
De kanttekening: dit is een onderzoeksprototype, niet peer-reviewed, en mensen keuren elke ontworpen sequentie goed, verifiëren de protocollen en houden toezicht op de uitvoering door de robot.
▶ Bekijk de VERID-video van Google in het oorspronkelijke bericht
2. Een Nederlandse AI-robot plant tot 3.000 stekken per uur
Het Nederlandse bedrijf TTA-ISO introduceerde de CuttingPlanter 2.0 al in juli 2026, dus dit is geen laatste nieuws, maar het toont wel dezelfde verschuiving. De CuttingVision-software kijkt naar stekken op een brede transportband en selecteert de exemplaren die klaar zijn om geplant te worden. Een elektrische, kantelbare grijper plant ze vervolgens een voor een op een constante diepte, en gemiste stekken gaan opnieuw een ronde mee.
TTA-ISO geeft een capaciteit op tot 3.000 stekken per uur. Dat is het maximum van de fabrikant, geen onafhankelijke meting, en de werkelijke snelheid hangt af van het gewas. Vermeerdering is in veel kassen nog steeds handwerk, en daarom zijn dit soort machines zo belangrijk.
▶ Bekijk de CuttingPlanter 2.0 in actie (TTA-ISO) · LinkedIn
3. DeepSeek stelt webzoeken open voor AI-agents
Op 19 oktober lanceerde DeepSeek twee API’s, Search en Fetch, waarmee de AI-agents van ontwikkelaars via DeepSeek op het web kunnen zoeken en pagina’s kunnen lezen. TechNode meldt een prijs van 5 RMB (ongeveer $0,70) per 1.000 succesvolle verzoeken; mislukte verzoeken, lege resultaten en time-outs worden niet in rekening gebracht.
Twee dagen eerder updatete DeepSeek zijn model naar V4.1 Flash-1017, dat volgens het bedrijf beter is in redeneren, coderen en agent-taken. De gewichten staan op Hugging Face onder de MIT-licentie. De verbeteringen zijn claims van DeepSeek zelf.
4. CERN en Mistral plannen een AI-model voor natuurkunde
Op 15 oktober ondertekenden CERN en het Franse AI-bedrijf Mistral een intentieverklaring voor een langdurig partnerschap. Het eerste doel is een ‘Large Physics Model’, dat CERN het eerste basismodel voor botsingsfysica noemt, getraind op miljarden gesimuleerde proton-protonbotsingen van de LHC. Het zou kunnen helpen bij het reconstrueren van botsingen, het identificeren van deeltjes en het markeren van onverwachte signalen.
Het is een plan, nog geen werkend systeem. In dezelfde week bracht Mistral Timestral uit, voorspellingsmodellen met 5 miljoen tot 209 miljoen parameters; Mistral stelt dat de grootste als eerste scoort op GIFT-Eval, TIME en fev-bench. Dit zijn resultaten die het bedrijf zelf heeft gerapporteerd.
5. Agents die redeneren zonder woorden
Een preprint op arXiv, ‘Hybrid Reasoning Agents’ door Jiaru Zou, James Zou en co-auteurs, laat een agent in een verborgen interne vorm nadenken en alleen de ondernomen acties uitschrijven. De auteurs rapporteren 35,5% tot 54,7% minder output-tokens en een 1,8x tot 2,6x snellere inferentie in vergelijking met standaard agents. Het was een van de meest besproken papers op Hacker News op 19 oktober.
Dit zijn de eigen cijfers van de paper en het werk is nog niet peer-reviewed. Het idee is belangrijk, omdat goedkopere en snellere agents precies zijn wat robots en laboratoriumsystemen zoals hierboven praktisch bruikbaar maken.
Vandaag ook op Hacker News
Linux 7.3 is uit, een recordrelease met 18.765 non-merge commits van 3.021 ontwikkelaars. Construction Physics vraagt zich af wat er werkelijk nodig is om een robot te trainen. En 3Blue1Brown beargumenteert dat er nog nooit een beter moment is geweest om wiskunde te studeren:
Bronnen
- Google Research: Grounding AI agents in biological reality (16 okt 2026)
- PyLabRobot-documentatie
- TSN Media: Google AI wet-lab agents
- TTA-ISO: CuttingPlanter 2.0
- TTA-ISO: Introducing our newest CuttingPlanter 2.0 (juli 2026)
- TechNode: DeepSeek launches web search and page-fetching APIs (19 okt 2026)
- TechNode: DeepSeek releases V4.1 Flash-1017 (19 okt 2026)
- CERN: CERN and Mistral join forces to accelerate AI for science (15 okt 2026)
- Mistral AI: Timestral (15 okt 2026)
- arXiv 2610.18861: Hybrid Reasoning Agents
- LWN: Linux 7.3 uitgebracht
- Construction Physics: How to train your robot
- 3Blue1Brown op YouTube
Geef een reactie