Gemini 3.7 Flash Förvandlar SEO och Innehållsarbete Till Ett Multi-Agent Löpande Band

Gemini 3.7 Flash Förvandlar SEO och Innehållsarbete Till Ett Multi-Agent Löpande Band

Googles Gemini 3.7 Flash blev allmänt tillgänglig den 15 augusti, och den används redan mindre som en chattbot och mer som ett koordineringslager — den delar upp SEO- och innehållsarbete mellan specialiserade agenter för sökordsanalys, disposition, utkast, optimering, kvalitetskontroll och analys [4][5]. BCG-forskning som citeras i rapporteringen hävdar att detta minskar lågvärdigt SEO-arbete med 25–40 % och komprimerar arbetsflöden på 40–48 timmar till 4–8 timmar [4].

Modellens styrka i generera-och-välja-loopar (den presterar starkt på Terminal-bench 2.1 och DeepSWE) gör den väl lämpad för den här typen av parallell, en-agent-per-uppgift-arkitektur snarare än en enda monolitisk prompt som gör allt dåligt. Google Cloud Tech och oberoende utvecklare på X konvergerar mot samma slutsats: mindre, tydligt avgränsade prompter med explicita verifieringssteg slår en enda jättelik instruktion som försöker göra allt [6].

Det här är samma mönster som ARC-AGI-historien fast i annan skepnad. Modellen är basutrustning. Orkestreringen — vem gör vad, i vilken ordning, kontrollerat av vem — är där själva produkten faktiskt byggs.

Den Grå Marknaden för Claude Code: Gratis Tillgång till 49 Modellleverantörer

Ett kluster av GitHub-repos — ett med rapporterat 46 000+ stjärnor — låter nu utvecklare köra Claude Code CLI mot 49 olika bakomliggande leverantörer, inklusive DeepSeek, Kimi/Moonshot, GLM, OpenRouter och lokala modeller, istället för Anthropics eget API [7][8][9]. Vissa uppsättningar påstår sig ge upp till 1,3 miljarder tokens per månad på gratisnivåer, samtidigt som streaming, verktygsanvändning och modellbyte bevaras — allt genom enkla byten av miljövariabler, ingen Anthropic-nyckel krävs.

Det här är inte godkänt av Anthropic, och det kommer inte att pågå för evigt — men det säger något verkligt om var utvecklare tror att värdet finns. Om man kan koppla Claude Codes gränssnitt och verktygsanvändningsflöde till en gratis DeepSeek- eller Kimi-backend och förlora lite i praktiken, då är inte modellen vallgraven. Det är selen, verktygen, orkestreringslagret som lindas runt vilken modell som än råkar vara billigast just den veckan.

Utvecklare på X jämför aktivt leverantörer, dirigerar Opus-nivå-arbetsflöden till Kimi och Sonnet-nivå-arbete till DeepSeek, i jakt på kostnadsfri högvolymkodning. Det är en marknadssignal, inte bara ett hack.

Thrive Capital Förvandlar AI-Vinster Till en Lakers-Satsning på 12,5 Miljarder Dollar

Josh Kushners Thrive Capital tredubblade sin nettoförmögenhet tack vare en OpenAI-andel och en rapporterad Cursor-relaterad kodningsaffär värd 60 miljarder dollar, vilket drev upp firmans förvaltade kapital till 65 miljarder dollar [10][11]. Den 12 augusti meddelade Kushner och Bob Iger en rekordaffär på 12,5 miljarder dollar — via Thrive Eternal — för att köpa LA Lakers från Mark Walter, medan ett separat Thrive Holdings-fordon tog in 2 miljarder dollar till en värdering på 12 miljarder dollar med backare som SoftBank [12].

Den strategiska logiken, enligt Kushner, är uttalad: AI-överflöd gör knappa, identitetsförankrade mänskliga upplevelser — sportklubbar, kultur, liveunderhållning — mer värdefulla, inte mindre. Förstaordningens AI-vinster (att äga hackorna och spadarna) omfördelas nu till andraordningens satsningar på saker som AI inte kan replikera eller göra till en handelsvara.

Det är värt att bevaka som en signal för vart AI-kapitalet roterar när det inledande infrastrukturkapplöpningen mognar: inte mot mer kod, utan mot knapphet, varumärke och mänsklig upplevelse.

Vad Detta Betyder För Ditt Företag

Den röda tråden idag är inte "modellerna blir bara bättre och bättre" — det är att modellen i allt högre grad är den minst intressanta delen av stacken. Att Nvidia tredubblade Opus 5:s benchmarkresultat med en sele, och att hela värdeerbjudandet för Gemini 3.7 Flash är multi-agent-koordinering, pekar båda mot samma förskjutning: det svåra, värdefulla arbetet har flyttat från att skriva prompter till att designa system — vem gör vad, i vilken ordning, kontrollerat av vad, och hur man återhämtar sig från misslyckanden. Det är orkestrering, och det är ett omdömesproblem, inte ett kodproblem.

Historien om Claude Codes gråmarknadsdirigering är viktig av en annan anledning: den är beviset på att den underliggande modellen håller på att bli en handelsvara som man kan byta ut via en miljövariabel, medan gränssnittet, verktygen och arbetsflödet runt omkring är det som folk faktiskt bygger lojalitet till. Om er AI-strategi är "vilken modell ska vi använda" så optimerar ni fel lager. Historien om Thrive/Lakers är andraordningens version av samma idé — när AI väl pressar ner värdet på kod och beräkning flödar kapital och uppmärksamhet mot de knappa, mänskliga, omdömesdrivna saker som AI inte kan replikera.

För företag som satsar på AI just nu innebär det här att man bör investera mindre i modellval och mer i orkestreringskompetens: seldesign, agentkoordinering, utvärderingsloopar och de omdömesbeslut om när man ska lita på en agent kontra när man ska ingripa. Det är lagret som ökar i värde medan modellagret under det blir en handelsvara.

Viktigaste slutsatsen: Modellen håller på att bli en utbytbar handelsvara — selen, orkestreringen och omdömet som lindas runt den är där den verkliga konkurrensfördelen nu finns.