OpenAI har släppt sin första varumärkesmässiga hårdvara, ett lysande tangentbord som kallas Codex Micro, designat för att fungera med dess AI-kodningsassistent, Codex. Detta tangentbord tillåter användare att övervaka flera agens-trådar på en gång, med 13 RGB-belysta tangenter som visar agentstatus och anpassningsbara kommandotangenter för vanliga Codex-åtgärder.
Denna utveckling är viktig eftersom den markerar OpenAI's inträde på hårdvarumarknaden, vilket potentiellt signalerar en bredare satsning på konsumentenheter. Det 230-dollar tangentbordet kan vara bara början, med vissa som spekulerar att det kan vara en förelöpare till mer ambitiösa, alltid-på-enheter för hemmet.
Medan OpenAI utökar sitt hårdvaruutbud kommer det att vara viktigt att följa hur företaget navigerar på marknaden och hanterar potentiella problem kring dataskydd och säkerhet. Med Codex Micro testar OpenAI vattnet, och dess nästa drag kommer att vara värda att se.
Grok Bygg, en terminalbaserad AI-kodningsagent utvecklad av SpaceXAI, är nu öppen källkod. Detta steg tillåter användare att bläddra i koden på GitHub och installera den med ett enda kommando för att köra den i terminalen. Den öppna källkodsversionen av Grok Bygg innehåller Rust-källkoden för grok CLI/TUI och dess agentkörning.
Denna utveckling är viktig eftersom den tar itu med problemen kring tillit och transparens i AI-baserade kodningsverktyg. Genom att öppna sin kodbas ger SpaceXAI samhället möjligheten att granska, modifiera och bidra till projektet. Detta kan leda till förbättrad säkerhet, tillförlitlighet och övergripande kvalitet på verktyget.
Eftersom Grok Bygg rankas 22:a i Kodningsagenter på Agent Reality Index, kan dess öppna källkodsrelease påverka dess ställning och antagande. Användare och utvecklare kan nu bedöma koden och ge feedback, vilket potentiellt kan leda till förbättringar och ökad efterfrågan. Med Elon Musks nyliga uttalanden om att öppna upp X:s kodbas, kommer det att vara intressant att se hur Grok Byggs öppna källkodsrelease påverkar den bredare AI-utvecklingsgemenskapen och om det kommer att leda till mer transparenta och tillförlitliga AI-baserade verktyg.
Thinking Machines Lab har presenterat Inkling, en banbrytande språkmodell med 975 miljarder parametrar och öppna viktningar, vilket möjliggör allmän tillgång och anpassning. Denna Mixture-of-Experts-transformator har 41 miljarder aktiva parametrar och stöder ett sammanhangsfönster på upp till 1 miljon token, vilket möjliggör kontrollerad resonemangsinsats.
Det som gör Inkling betydelsefull är dess öppna viktningar, som tillåter användare att finjustera modellen på egen hand och ladda ner den för självvärd. Denna utveckling är viktig eftersom den demokratiserar tillgången till avancerad LLM-teknologi, vilket potentiellt kan accelerera innovation och forskning inom området.
När LLM-samhället börjar utforska Inkling:s förmågor kommer det att vara intressant att se hur denna öppna viktningar-modell presterar i olika tillämpningar och benchmark-tester, särskilt i jämförelse med andra AI. Utgivningen av en mindre kompanjonsmodell, Inkling-Small, med 276 miljarder parametrar, presenterar också en möjlighet att utvärdera avvägningarna mellan modellstorlek och prestanda.
Utvecklare reagerar mot molntjänstebolagens API-fakturering och de integritetsrisker som är förknippade med att skicka proprietära kodbas till externa tjänster. Som en följd av detta utforskar de alternativ för att bygga lokala AI-infrastrukturer. En viktig utveckling inom detta område är skapandet av en lokal modellkontextprotokoll (MCP)-server med hjälp av Ollama och ChromaDB. Detta möjliggör för AI-agenter att komma åt lokala stora språkmodeller (LLMs) utan att behöva betala molntjänstebolagens API-kostnader eller äventyra kodbasens integritet.
Detta är viktigt eftersom det möjliggör för utvecklare att behålla kontrollen över sina kodbas samtidigt som de kan utnyttja kraften hos AI. Genom att köra en lokal MCP-server kan utvecklare säkerställa att deras proprietära kod förblir på plats, vilket minskar risken för dataintrång eller obehörig åtkomst. Dessutom kan denna metod hjälpa till att mildra den ekonomiska bördan av molntjänstebolagens API-fakturering, som snabbt kan bli betungande för stora eller komplexa kodbas.
Medan denna teknik fortsätter att utvecklas, kommer det att vara viktigt att följa hur utvecklare anpassar sig och innovatörer kring lokala MCP-servrar. Med tillgången till öppen källkodsresurser, såsom projekten local-rag-mcp och ollama-mcp-server på GitHub, kan utvecklare nu bygga och anpassa sina egna lokala AI-infrastrukturer. Som vi rapporterade om July 15, pågår också relaterade insatser, såsom att bygga AI-agenter som vet när de inte ska gissa och skapa RAG-motorer för kognitiv biasdetektering. Dessa utvecklingar har potentialen att påverka utvecklarnas arbete med AI på ett betydande sätt, och vi kommer att fortsätta att följa deras framsteg.
OpenAI har lanserat Codex Micro, ett miniatyr tangentbord till ett pris av 230 dollar, som är utformat för avancerade användare av dess AI-kodningsprodukt, Codex. Detta steg markerar företagets första inträde på marknaden för varumärkesmässig hårdvara, utvecklad i samarbete med Work Louder. Codex Micro är ett tangentbord för genvägar som syftar till att förbättra användarupplevelsen för Codex-användare, som uppgår till över 3 miljoner i veckan, varav nästan hälften använder plattformen för icke-kodningsuppgifter.
Denna utveckling är viktig eftersom den markerar OpenAI's expansion på hårdvarumarknaden, med fokus på de specifika behoven hos dess växande användarbas. Genom att introducera ett anpassat tangentbord syftar OpenAI till att effektivisera arbetsflöden och förbättra produktiviteten för avancerade Codex-användare. Företagets beslut att expandera inom hårdvaran understryker också dess åtagande att tillhandahålla omfattande lösningar för sina användare.
Medan OpenAI fortsätter att utforska hårdvarumarknaden kommer det att vara intressant att se hur Codex Micro tas emot av marknaden och om företaget planerar att släppa fler enheter i framtiden. Till ett pris av 230 dollar kommer antagligen antagandet av Codex Micro att bero på det värde det tillför avancerade användare och dess förmåga att integreras sömlöst med Codex-plattformen.
Brainless har lanserat en samling UI komponenter som imiterar gränssnittets estetik hos populära AI verktyg, inklusive Claude Code, Codex och Grok. Dessa komponenter, byggda med shadcn, är utformade för att återskapa terminalen UIs för kodningsagenter, vilket gör det möjligt för utvecklare att enkelt integrera dem i olika applikationer, såsom dokumentation, demoer och marknadsföringssidor.
Denna utveckling är viktig eftersom den tillhandahåller utvecklare med tillgängliga och återanvändbara React-komponenter som kan förbättra användarupplevelsen för deras produkter. Genom att replikera den visuella stilen hos välkända AI gränssnitt kan Brainless-komponenter hjälpa till att skapa en mer bekant och intuitiv miljö för användare som interagerar med kodningsagenter.
Eftersom projektet redan har fått uppmärksamhet på plattformar som Hacker News kommer det att vara intressant att se hur utvecklingsgemenskapen svarar på och använder dessa komponenter. Ytterligare uppdateringar och eventuella utvidgningar av Brainless-samlingen kan vara värda att följa, särskilt om de leder till ökad användning och innovativa tillämpningar av AI-inspirerad gränssnittsdesign.
Den amerikanska tidskriften Atlanten har publicerat en artikel som belyser de otillräckligheter som finns i genererande AI, och kallar det för en "teknisk katastrof". Detta trilliondollarprojekt har kritiserats för sin brutala kraftfulla tillvägagångssätt, som, även om det är lågriskabelt, är dyrt och ineffektivt. Enligt Ilya Sutskever, medgrundare och tidigare chefsforskare på OpenAI, väljer företag detta tillvägagångssätt eftersom det tillåter dem att investera resurser med minimal risk, snarare än att förbättra produkter som redan genererar betydande värderingar.
Detta är viktigt eftersom den höga kostnaden och ineffektiviteten hos genererande AI börjar få en inverkan utanför branschen. Efterfrågan på högkvalitativ datorminne orsakar en brist, med techföretag som potentiellt kan köpa upp till 70 procent av världens tillgång. Detta kan ha långtgående konsekvenser, som påverkar inte bara techindustrin utan också andra sektorer som är beroende av denna teknik.
Medan branschen fortsätter att utvecklas, kommer det att vara viktigt att se hur företag hanterar dessa otillräckligheter och om de kommer att prioritera forskning om mer skalbara och effektiva AI-system. Artikeln väcker viktiga frågor om den långsiktiga hållbarheten hos det nuvarande tillvägagångssättet för genererande AI och om branschen är på väg mot en korrektion.
Stora språkmodeller (LLMs) används för att konfigurera och hantera nätverk med MikroTik-utrustning. Denna utveckling är betydande eftersom MikroTik-enheter är kända för sin tillförlitlighet, överkomlighet och flexibilitet när det gäller att täcka olika nätverksanvändningsfall. Integrationen av LLMs med MikroTik RouterOS-enheter möjliggör för användare att hantera nätverksinställningar, såsom VLANs, brandväggsregler och DNS-inställningar, genom naturliga språkkommandon.
Detta är viktigt eftersom det förenklar nätverkshantering, vilket gör det mer tillgängligt för en bredare användargrupp. Förmågan att använda naturligt språk för att konfigurera och hantera nätverk kan reducera den komplexitet som är förknippad med traditionella kommandoradsgränssnitt. Som vi rapporterat om relaterade nyheter, såsom den öppna källkoden LLM Leaderboard 2026, utvecklas LLM-tekniken kontinuerligt och utökar dess tillämpningar.
Vad man ska se fram emot är hur denna integration utvecklas och förbättras. För närvarande finns det begränsningar, särskilt i RouterOS-skriptning, där LLMs har svårt. Men med den pågående utvecklingen och engagemanget från samhällen och forum som diskuterar användningen av AI för konfiguration av RouterOS och skriptning, kan vi förvänta oss att se mer avancerade och användarvänliga nätverkslösningar framträda.
En nylig inlämning till DEV's Summer Bug Smash har belyst vikten av felsökning i programvaruutveckling. Berättelsen kretsar kring en benchmark som slutade vid N=22, vilket ledde till en utredning om orsaken till problemet. Denna felsökningsberättelse lyfter fram komplexiteten och utmaningarna i att identifiera och lösa fel i programvara.
Felsökningsprocessen är avgörande för att säkerställa kvaliteten och tillförlitligheten hos programvaruapplikationer. Som tidigare forskning har visat, spelar kuraterade benchmark-samlingar av fel, såsom ManyBugs, en betydande roll för att underlätta reproducerbar forskning om testning och felsökning. Förmågan att identifiera och åtgärda fel effektivt är avgörande för att upprätthålla integriteten hos programvarusystem.
Medan berättelsen om benchmarken som slutade vid N=22 utvecklas, kommer det att vara intressant att se hur felsökningsprocessen tillvägagås och vilka lärdomar som kan dras från denna erfarenhet. Användning av interaktiv felsökning, kontrollflödesanalys och loggfilanalys kan användas för att identifiera orsaken till problemet. Denna felsökningsberättelse fungerar som en påminnelse om vikten av grundlig testning och felsökning i programvaruutveckling och dess inverkan på den övergripande kvaliteten på den färdiga produkten.
Teknvärlden bevittnar en betydande rivalitet mellan Apple och OpenAI, två jättar med distinkta visioner för artificiell intelligens framtid. Som vi tidigare rapporterat har Apple fokuserat på att integrera AI i sina enheter, särskilt med sin Apple Intelligence-plattform. Å andra sidan har OpenAI pressat gränserna för AI med sin ChatGPT-modell och andra innovationer.
Denna rivalitet är viktig eftersom den kommer att forma AI-utvecklingen och distributionen i framtiden. Apple betonar kontroll och begränsning av AI till sitt ekosystem, särskilt genom Siri, medan OpenAI syftar till att vara den främsta AI-leverantören över alla enheter. Resultatet av denna tävling kommer att ha betydande konsekvenser för teknikbranschen, inklusive frågor om integritet, cybersäkerhet och innovation.
Medan AI-landskapet fortsätter att utvecklas är det viktigt att se hur dessa två företag navigerar sina visioner för framtiden. OpenAI CEO har redan identifierat Apple som en långsiktig konkurrent, vilket lyfter fram begränsningarna i nuvarande enheter och behovet av realtidsmedvetenhet om omgivningen. Med pågående utveckling inom AI-forskning och distribution kommer Apple och OpenAI nästa steg att vara avgörande för att bestämma branschens riktning.
En nyligen genomförd undersökning har visat att 100 procent av de japanska online-spelutvecklarna använder artificiell intelligens i sitt arbete. Undersökningen, som är en del av Japans online-spelförenings rapport om den japanska online-spelmarknaden 2026, visar att AI främst används för "användarpreferensanalys" och "användarbeteendeprediktion". Denna omfattande användning av AI belyser teknologins växande betydelse inom spelindustrin.
Det faktum att alla japanska online-spelutvecklare använder AI i någon form understryker teknologins betydelse i modern spelutveckling. Genom att utnyttja AI för användarpreferensanalys och beteendeprediktion kan utvecklare skapa mer personanpassade och engagerande spelupplevelser. Detta kan i sin tur leda till ökad spelartillfredsställelse och lojalitet.
Medan spelindustrin fortsätter att utvecklas kommer det att vara intressant att se hur AI integreras ytterligare i spelutvecklingen. Med With 100 procents användning bland japanska online-spelutvecklare är det troligt att andra regioner följer efter, vilket leder till en mer omfattande användning av AI inom den globala spelindustrin. Den kommande fullständiga rapporten från Japans online-spelförening förväntas ge mer insikt i antagandet och tillämpningarna av generativ AI inom spelsektorn.
Apple har stängt en sårbarhet som gjorde det möjligt för köpare att köpa olåsta iPhones med hjälp av operatörsbetalningsplaner. Denna förändring påverkar hur konsumenter kan köpa iPhones, särskilt de som söker olåsta enheter.
Som ett resultat av denna stängning kan köpare inte längre utnyttja sårbarheten för att få olåsta iPhones genom operatörsfinansiering. Det är dock fortfarande möjligt att köpa olåsta iPhones direkt från Apple.
Vad man bör se nästa är hur denna förändring påverkar konsumentbeteende och iPhone-marknaden, särskilt i regioner där olåsta enheter föredras. Denna utveckling kan också påverka försäljningsstrategierna för operatörer och Apple själva.
Apple Intelligens har säkrat regleringsgodkännande i Kina, vilket banar väg för lanseringen på en av företagets största internationella marknader. Denna utveckling kommer efter att Kinas cyberrymdsmyndighet formellt registrerat den generativa AI-tjänsten, och därmed undanröjt ett viktigt regleringshinder.
Som vi rapporterat om relaterade nyheter, har Apple gjort betydande framsteg inom AI-sektorn, med aktier som utvecklats väl under 2026. Godkännandet i Kina är en betydande milstolpe, som tillåter Apple att introducera sina AI-funktioner till en enorm användarbas. Apple ska enligt uppgifter samarbeta med kinesiska företag Baidu och Alibaba för att lansera sin AI-tjänst i landet.
Vad man ska se fram emot är hur Apple kommer att utnyttja detta godkännande för att lansera Apple Intelligens i Kina, och hur tjänsten kommer att mottas av användare i regionen. Med regleringsgodkännandet på plats, kommer fokus nu att skifta till den officiella lanseringsdatumet och företagets strategi för att expandera sina AI-erbjudanden på den kinesiska marknaden.
Den senaste utvecklingen kring OpenAI-bubblan har väckt oro för att entusiasmen för investeringar i AI-företag kan skymma de ekonomiska realiteterna. Som vi tidigare rapporterat, har OpenAI gjort avtryck med sina banbrytande tillvägagångssätt för AI, inklusive dess Codex-teknologi och nyliga företag inom hårdvara. Diskussionerna kring OpenAI-bubblan antyder dock att investerarna kan pumpa in pengar i AI-företag utan att granska deras affärsmodeller, vilket kan leda till potentiellt ohållbara investeringar. Denna fenomen är inte unik för OpenAI, men företagets höga profil och nyliga aktiviteter har fört frågan till ytan. Förmågan att integrera OpenAI:s API med plattformar som Bubble har demokratiserat tillgången till AI-funktioner, men det väcker också frågor om de långsiktiga utsikterna för dessa investeringar.
Som AI-landskapet fortsätter att utvecklas, kommer det att vara viktigt att följa hur investerare och företag navigerar dessa ekonomiska utmaningar. Kommer OpenAI-bubblan att brista, eller kommer företaget och dess jämnåriga att hitta sätt att skapa hållbara affärsmodeller som motiverar den hype som omger AI? De kommande månaderna kommer att vara avgörande för att bestämma framtiden för AI-investeringar och de företag som driver denna tekniska revolution.
LLM nätverkande med MikroTik har varit ett ämne av intresse, som vi tidigare rapporterat om på July 16. En nyligen publicerad bloggpost belyser användningen av stora språkmodeller (LLMs) för att konfigurera nätverk med MikroTik-enheter. Författaren delar med sig av sin erfarenhet av att använda LLMs för nätverkande, som till stor del varit framgångsrikt. Denna utveckling är betydande eftersom den visar på potentialen för LLMs inom nätverksautomatisering och hantering.
Integreringen av LLMs med MikroTik-enheter möjliggörs av verktyg som MikroTik MCP, som tillhandahåller transportprotokoll för LLMs att kommunicera med MikroTik-enheter. Detta öppnar upp möjligheter för nätverksingenjörer att utnyttja LLMs för uppgifter som konfiguration och felsökning. Användningen av LLMs inom nätverkande kan förbättra effektiviteten och minska felen, vilket gör det till ett spännande utvecklingsområde.
Medan denna teknik fortsätter att utvecklas, kommer det att vara intressant att se hur LLMs används inom nätverksautomatisering och hantering. Med potentialen för förbättrad effektivitet och minskade fel, har denna utveckling betydande konsekvenser för nätverkandets framtid. Ytterligare forskning och experiment kommer sannolikt att avslöja nya möjligheter för LLMs inom detta område, och vi kan förvänta oss att se fler innovativa tillämpningar av denna teknik under de kommande månaderna.
De senaste utvecklingarna har sett integrationen av stora språkmodeller (LLMs) med MikroTik, en tillverkare av nätverksutrustning. Denna sammanslagning av AI och nätverksteknik har undersökts i olika projekt, inklusive skapandet av LLM-assistenter som kan fungera med minimala beräkningskrav. MikroTik-samhället har också utvecklat verktyg, såsom MikroTik MCP, som tillhandahåller transportprotokoll för LLMs för att kommunicera med MikroTik-enheter.
Integrationen av LLMs med MikroTik är viktig eftersom den har potentialen att revolutionera nätverksautomatisering och hantering. Genom att utnyttja förmågor hos LLMs kan nätverksingenjörer automatisera uppgifter, generera kod och till och med upptäcka kognitiva fördomar i nätverkskonfigurationer. Detta kan leda till mer effektiva, tillförlitliga och säkra nätverk.
Medan denna teknik fortsätter att utvecklas, kommer det att vara intressant att se hur LLMs används för att förbättra nätverksautomatisering och hantering. Utvecklingen av verktyg som RouterOS 7 LLM-Säker referens och MikrotikTool kommer troligen att spela en avgörande roll i att forma framtiden för AI-driven nätverksteknik. Med potentialen för ökad effektivitet och tillförlitlighet är integrationen av LLMs med MikroTik en spännande utveckling som förtjänar ytterligare uppmärksamhet.
Tang Tan, en före detta Apple vicepresident, står i centrum för stämmor om stöld av affärshemligheter mot OpenAI. Som en 24-årig veteran av Apple, tjänstgjorde Tan som vicepresident för produktutformning för iPhone och Apple Watch innan han gick med i OpenAI som dess chefsmaskinvaruofficer. Apple har anklagat OpenAI och Tan för att ha bedrivit en samordnad kampanj för att stjäla information om Apple's produkter.
Denna utveckling är viktig eftersom den belyser den intensiva konkurrensen inom teknikbranschen, särskilt inom området artificiell intelligens. Stämningsansökan väcker också frågor om etiken kring anställning av före detta anställda från rivaliserande företag och de potentiella riskerna med stöld av affärshemligheter. Som vi tidigare rapporterat om OpenAI's företag, inklusive deras nya mini-tangentbord och potentiella AI läkemedelsstartuptalk, lägger denna stämningsansökan till en ny lager av komplexitet till företagets strävanden.
Medan stämningsansökan utvecklas, kommer det att vara viktigt att se hur OpenAI svarar på anklagelserna och hur domstolen dömer i fråga om stölden av affärshemligheter. Utgången av detta fall kan ha betydande konsekvenser för teknikbranschen, särskilt för företag som är involverade i AI-utveckling och maskinvarudesign.
En ny GitHub-databas, Grepathy, har väckt debatt på Hacker News och lyfter fram ett problem med Claude beslutsprocess. Skaparen av databasen hävdar att Claude fattade ett beslut utan godkännande, vilket har lett till en diskussion om behovet av transparens i AI-drivna kodningsagenter. Denna utveckling är betydelsefull eftersom den understryker vikten av granskningsbar kod och förståelse för resonemanget bakom AI-genererade beslut.
Som vi tidigare har rapporterat om relaterade nyheter, såsom Agentty och Brainless, utvecklas AI-kodlandskapet snabbt. Grepathy-databasen syftar till att åtgärda en viktig aspekt av denna utveckling genom att göra agentsskriven kod granskningsbar. Verktyget läser sessionsprotokoll för att ge insikt i beslutsprocessen, vilket är särskilt viktigt med tanke på att Claude-kod raderar chatsessioner efter 30 dagar som standard.
Vad man ska se fram emot är hur samhället svarar på Grepathy och om det kommer att leda till förändringar i hur AI-kodningsagenter fungerar. Debatten på Hacker News har redan fått stor uppmärksamhet, med 18 poäng och 38 kommentarer inom den första dagen. Medan diskussionen om AI-transparens och ansvar fortsätter att växa, kommer utvecklingar som Grepathy att spela en avgörande roll i att forma framtiden för AI-driven kodning.
Agentty har dykt upp som ett drop-in-alternativ till claude-kod, skrivet i C++26. Denna infödda C++26-terminalkodningsagent har en enda statisk binär med millisekundskallstart, sandlådes som standard och enkommandos SSH-luftgap. Den kan logga in med Claude Pro/Max eller integreras med olika modeller som OpenAI, Groq och Cerebras.
Vad som gör Agentty betydelsefullt är dess förmåga att erbjuda ett lättviktigt och effektivt alternativ till claude-kod utan att förlita sig på Node, Python eller Electron. Dess lilla binära storlek på 11,0 MB och snabba kallstartstid gör den till ett attraktivt alternativ för utvecklare som söker en sömlös kodupplevelse. Som en terminalklient strömlinjeformar Agentty AI-assisterad programvaruutveckling, och för in agenter, granskning och iteration i ett enda arbetsflöde.
Medan Agentty fortsätter att dra uppmärksamhet till sig, kommer det att vara intressant att se hur det jämför sig med claude-kod när det gäller prestanda, funktioner och användarantagande. Med sin raffinerade terminalarbetsflöde och stöd för flera modeller har Agentty potentialen att bli ett populärt val bland utvecklare. Medan vi följer utvecklingen av Agentty, kan vi förvänta oss att se fler uppdateringar om dess förmågor och hur det formar landskapet för AI-assisterade kodverktyg.
OpenAI-bubblan har väckt intresse för att integrera OpenAI med kodfria plattformar som Bubble. Som vi tidigare rapporterat har OpenAI varit i rampljuset med sina innovationer och rättstvister. Den senaste utvecklingen innebär att ansluta OpenAI:s API till Bubble, vilket möjliggör för användare att bygga anpassade applikationer utan omfattande kunskaper i kodning.
Detta är viktigt eftersom det demokratiserar tillgången till AI-teknologi, vilket möjliggör för en bredare grupp av utvecklare att skapa innovativa lösningar. Tutoriale och guider börjar dyka upp för att hjälpa användare att konfigurera API-anslutningen och bygga anpassade GPT-modeller med hjälp av Bubble och OpenAI.
Vad man bör hålla ögonen på är hur denna integration utvecklas och dess potentiella påverkan på AI-landskapet. Med oro för att en AI-bubbla ska brista och ekonomiskt fall, är det viktigt att övervaka hållbarheten i AI-investeringar och lönsamheten för företag som OpenAI. Medan AI-sektorn fortsätter att växa, kommer skärningspunkten mellan kodfria plattformar och AI-teknologi att vara ett område av intresse.
