En skruv till övers? AI känner igen ditt IKEA-misstag — och är nästan tre gånger bättre på tio månader
På tio månader har AI blivit nästan tre gånger bättre på att hitta dina IKEA-misstag.
Från 28 till 80 procent på tio månader
Tänk dig att du sitter med en halvmonterad BILLY-bokhylla, en skruv till övers och en känsla av att något är fel. I framtiden kanske du bara tar ett foto och frågar AI:n.
Det låter som science fiction, men det är precis den förmåga som nu börjar ta form. Forskningsinstitutet Epoch AI har utvecklat ett riktmärke kallat Furniture Assembly Benchmark — ett test där AI-modeller får granska fotografier av IKEA-möbler under montering, med avsiktligt inbyggda fel, och sedan jämföra bilderna mot instruktionerna för att förklara vad som gått snett.
Resultaten, som rapporteras av The Decoder, är slående. I november 2025 nådde det dåvarande bästa resultatet — Anthropics Claude Opus 4.5 — 28 procent träffsäkerhet. I dag når OpenAIs GPT-6 Astra 80 procent, med en analystid på ungefär tre minuter per bild. Anthropics nyare modeller följer efter: Claude Fable 5.1 når 70 procent och Claude Opus 5 stannar på 61 procent.
Det är en prestandaökning som är svår att ta in. Tio månader. Nästan tre gånger bättre. Det är inte iterativa förbättringar — det är ett kvalitativt språng i hur väl modellerna faktiskt förstår fysiska sammanhang och rumsliga relationer.
Bildtolkning som mognar på allvar
Vad gör detta tekniskt intressant är inte bara siffran i sig, utan vad den representerar. Att identifiera ett monteringsfel kräver att modellen förstår relationen mellan delar — vad som ska sitta var, i vilken ordning, och hur ett fel ser ut i jämförelse med rätt. Det är ett betydligt svårare problem än att bara känna igen objekt i en bild.
Än så länge går processen för långsamt för realtidshjälp under montering, men riktningen är tydlig. Forskarna pekar enligt The Decoder på tillämpningar som bilreparationer och felsökning av hushållsapparater — områden där en kunnig blick historiskt sett har krävt en specialist på plats.
Det är värt att notera att kinesiska öppna modeller, som Kimi K3, fortfarande ligger minst sju månader efter de ledande alternativen på detta riktmärke. Gapet mellan frontlinjen och resten är fortfarande stort.
Infrastrukturen blir snabbare och billigare
Men kraftfullare modeller är bara halva bilden. För att AI verkligen ska nå vardagsrummet måste det också bli prisvärt att köra dem — och här kommer en parallell nyhet in i bilden.
Nvidia-forskare har enligt The Decoder tagit fram ett system kallat SoL-Pi, som drastiskt sänker kostnaderna för AI-agenter som skriver kod. Det smarta är att de inte rör själva modellen — i stället har de optimerat det styrningslager som sitter mellan modellen och dess omgivning, det vill säga det lager som styr hur en agent uppfattar sin situation, utför åtgärder och hanterar återkoppling.
Resultatet är fyra konkreta mekanismer: åtgärdssammanslagning som slår ihop på varandra följande steg och eliminerar hela anrop till språkmodellen, löpande sammandragning av sammanhang som rensar onödig information, observationsarkivering som ersätter långa utdata med korta sammanfattningar, samt ett fjärde optimeringssteg. Sammantaget halverar systemet det antal beräkningsenheter — så kallade token — som en kodande agent behöver förbruka.
SoL-Pi utforskade 152 olika riktningar över 535 körbara miljöer och genomförde mer än 3 000 körningar. Det är seriös ingenjörskonst, och den typ av arbete som sällan får rubriker — men som i praktiken avgör om tekniken faktiskt blir tillgänglig för alla.
Vad betyder det för dig?
Dessa två nyheter hänger ihop på ett sätt som är lätt att missa om man läser dem var för sig. Bättre bildtolkning öppnar nya användningsområden. Lägre infrastrukturkostnader gör det möjligt att faktiskt driftsätta dem i stor skala. Det ena utan det andra räcker inte.
Tillsammans pekar de på en utveckling där AI slutar vara något du testar i en webbläsare och börjar bli något som faktiskt integreras i verktyg du använder dagligen — i hemmet, i verkstaden, på jobbet. Det händer inte över en natt, men tio månader från 28 till 80 procent är en påminnelse om att takten är högre än de flesta räknar med.
Vår analys
Det som fascinerar mig som systemutvecklare är att de mest betydelsefulla framstegen just nu sker i hela stacken — inte bara i modellerna. Nvidia visar att man kan halvera kostnader genom att optimera styrningslagret, utan att röra en enda parameter i den underliggande modellen. Det är elegant ingenjörskonst och ett tecken på att branschen mognar: vi slutar bara jaga nästa stora modell och börjar faktiskt bygga bra system runt dem.
IKEA-riktmärket är ett lysande exempel på hur man gör abstrakt kapabilitet konkret och mätbar. 80 procent träffsäkerhet är imponerande, men det är också en påminnelse om att vi fortfarande inte är i mål — tre minuter per bild är för långsamt för realtid, och 20 procent fel är för mycket i kritiska sammanhang.
Det intressanta framåt är konvergensen: när bildtolkning blir tillräckligt bra och tillräckligt billig att köra, öppnas en helt ny klass av tillämpningar. Då handlar det inte längre om vad AI kan — utan om vad vi väljer att bygga.