Granola og Fathom Dropper Boten, Går Native

Granola og Fathom Dropper Boten, Går Native

To av de skarpeste aktørene innen møtenotater gjorde trekk denne måneden som peker mot samme konklusjon fra ulike vinkler: det synlige mønsteret med at en "bot blir med i samtalen din" er på vei ut. Granola fanger opp lyd direkte fra enheten din — mikrofon og høyttalere — på tvers av Zoom, Meet, Teams og mer, og blander dette med dine egne skrevne notater til strukturerte sammendrag og handlingspunkter, samtidig som løsningen er SOC 2 Type II-kompatibel og privat som standard [4]. Ingen bot-ikon, ingen klønete "opptak startet"-melding.

Fathom lanserte i mellomtiden en iOS-app i oktober 2026 som fanger opp fysiske møter direkte fra mikrofonen på iPhone-en din, genererer øyeblikkelige sammendrag og handlingspunkter, og synkroniserer dem inn i din fullstendige møtehistorikk på mobil — gratisplan inkludert, med ubegrenset opptak og transkribering [5][6]. Det er en betydelig utvidelse utover videosamtale-bruken, og inn i korridorsamtaler, kundelunsjer og møterom hvor ingen deler skjerm med noe som helst.

Reaksjonen i miljøet har vært gjennomgående positiv: bot-fri, enhetsnativ opptak oppleves som mer naturlig, mindre påtatt, og bedre tilpasset måten folk faktisk møtes på — inkludert den voksende andelen møter som fortsatt skjer ansikt til ansikt.

RAG-Anything Åpner Kildekoden til Rørleggerarbeidet for Multimodale Kunnskapsgrafer

HKUDS' RAG-Anything, bygget på toppen av LightRAG og utgitt under MIT-lisens, har stille og rolig blitt en av de viktigere byggeklossene med åpen kildekode for seriøs retrieval-augmented generation [7]. Den tolker tekst, bilder, tabeller, diagrammer og til og med matematiske likninger fra dokumenter, og konstruerer deretter dobbelt-graf-kunnskapsrepresentasjoner som kobler sammen entiteter på tvers av modaliteter — fulgt av henting som er bevisst på hvilken modalitet den henter fra [8].

Oktober 2025-artikkelen på arXiv som underbygger dette, viser betydelig bedre ytelse enn naiv RAG på lange, komplekse, heterogene dokumenter [8], og denne måneden hadde GitHub-repoet passert 23 500+ stjerner [9] — et sterkt adopsjonssignal for åpen kildekode på infrastrukturnivå. Samtalene rundt dette kretser stadig tilbake til én bruksområde spesielt: å drive kunnskapsgrafer bygget fra møtetranskripsjoner sammen med lysbildene, skjermbildene og regnearkene som ble referert til under disse møtene.

Det er gapet de fleste møteverktøy fortsatt ikke har lukket — å koble det som ble sagt til det som ble vist. RAG-Anything er akkurat det slags rammeverk som lukker det gapet.

Desert Ant Labs Legger Talegjenkjenning på Brikken

Desert Ant Labs demonstrerte "Who", en talegjenkjenningsmodell som kjører på enheten, denne uken — og benchmark-tallene er oppsiktsvekkende. Den prosesserer en 43 minutter lang podkast med overlappende tale på 4,9 sekunder på en M5-brikke, eller en 50 minutter lang fil på 3 sekunder på M5 Pro, helt lokalt uten behov for skyopplasting [10][11]. På AMI-møtebenchmarken oppnår den en feilrate på 12,6 %, og slår pyannote som kjører på GPU i enkelte tester, og den når opptil 950 ganger sanntid på M5 Pro Neural Engine [11][12].

Den leveres med Swift-, Kotlin- og JavaScript-SDK-er, samt et gratisnivå som dekker opptil 100 000 månedlig aktive enheter med ubegrenset inferens [11] — en bevisst lav terskel rettet mot utviklere som bygger inn i møteapper, podkastverktøy og transkripsjonsprodukter. Reaksjonen har vært sterkt positiv, med spesiell ros for håndteringen av overlappende tale og det faktum at "hvem sa hva" nå kan beregnes helt på enheten, uten behov for noen serverrundtur.

Det siste poenget betyr mer enn hastighetsrekorden. Talegjenkjenning på enheten med denne nøyaktigheten betyr at identifisering av talere slutter å være en personvern-avveining.

Hva Dette Betyr For Møtene Dine

Setter man disse fire sakene ved siden av hverandre, trer et mønster tydelig frem: hele kategorien konvergerer mot møter-som-data-infrastruktur, ikke møter-som-opptak. Otters finansieringsrunde på 320 millioner dollar er et veddemål på at det å eie bedriftens talekorpus er verdt milliarder [1][2]. RAG-Anything er stillaset med åpen kildekode som lar hvem som helst bygge en ekte kunnskapsgraf ut av det korpuset, og koble transkripsjoner til dokumentene og visualiseringene som ble diskutert sammen med dem [7][8]. Og Desert Ant Labs' talegjenkjenningsmodell på enheten betyr at "hvem sa hva"-laget — ryggraden i enhver brukbar kunnskapsgraf — nå kan beregnes øyeblikkelig, privat, på selve enheten [10][11].

Det bot-frie skiftet fra Granola og Fathom er den brukervendte halvparten av denne historien [4][5]. Ettersom møteopptak blir mindre synlig og mer omgivende — og dekker videosamtaler og nå også fysiske samtaler via mobil — er volumet og rotet i den fangede kunnskapen i ferd med å øke betydelig. Det hever listen for hva som kommer etter selve opptaket: strukturert taleridentifisering, kobling på tvers av modaliteter, og henting som faktisk kan svare på "hva bestemte vi om X for tre måneder siden" i stedet for bare å returnere en haug med transkripsjon.

Dette er nøyaktig laget Proudfrog er bygget for. Nøyaktig taleridentifisering, kunnskapsgrafer som kobler møter til hverandre over tid, og AI-henting på tvers av hele historikken din, er ikke lenger noe man bare kan ha — de utgjør forskjellen mellom et transkripsjonsarkiv og en faktisk institusjonell hukommelse. Infrastrukturen for dette ble dramatisk bedre og billigere denne uken, med talegjenkjenning på enheten og åpen multimodal RAG i front, og selskapene som knytter dette godt sammen vil definere kategorien.

Viktigste poeng: Møteverktøy konkurrerer ikke lenger på transkripsjonsnøyaktighet — de konkurrerer på om møtehistorikken din blir en genuint søkbar kunnskapsbase, eller bare en haug med søkbar tekst.

Kilder

1. https://www.reuters.com/business/otterai-raises-320-million-non-equity-financing-expand-enterprise-business-2026-10-20/
2. https://techcrunch.com/2026/10/20/otter-ai-raises-320-million-from-general-catalysts-growth-fund-for-its-meeting-tool/
3. https://otter.ai/blog/general-catalyst-backs-otter-ais-voice-ai-ambitions-with-320m-growth-investment
4. https://www.granola.ai/
5. https://www.fathom.ai/get/fathom-ai-notetaker
6. https://help.fathom.video/en/articles/13926529
7. https://github.com/HKUDS/RAG-Anything
8. https://arxiv.org/html/2510.12323
9. https://ai.miraheze.org/wiki/RAG-Anything
10. https://desertant.com/blog/who-and-eye/
11. https://desertant.com/models/who/
12. https://x.com/desertantlabs/status/2112922104127439095