Granola och Fathom överger boten och går inbyggt

Granola och Fathom överger boten och går inbyggt

Två av de skarpare aktörerna inom mötesanteckningar gjorde drag denna månad som pekar mot samma slutsats från olika håll: det synliga mönstret där en "bot ansluter till ditt möte" är på väg bort. Granola fångar ljud direkt från din enhet — mikrofon och högtalare — oavsett om du använder Zoom, Meet, Teams eller annat, och blandar det med dina egna skrivna anteckningar till strukturerade sammanfattningar och åtgärdspunkter, samtidigt som tjänsten förblir SOC 2 Type II-kompatibel och privat som standard [4]. Ingen botikon, inget pinsamt "inspelning har startat"-meddelande.

Fathom, å sin sida, lanserade en iOS-app i oktober 2026 som fångar fysiska möten direkt från din iPhones mikrofon, genererar omedelbara sammanfattningar och åtgärdspunkter och synkroniserar dem till din fullständiga mötehistorik på mobilen — gratisplan ingår, med obegränsad inspelning och transkribering [5][6]. Det är en betydande utvidgning bortom videosamtalsanvändningen, in i korridorssamtal, kundluncher och mötesrumsdiskussioner där ingen delar skärm överhuvudtaget.

Reaktionen i communityn har varit genomgående positiv: bot-fri, enhetsinbyggd inspelning känns mer naturlig, mindre tillgjord och bättre anpassad till hur människor faktiskt möts — inklusive den växande andelen möten som fortfarande sker fysiskt.

RAG-Anything öppen-källkodar rörledningarna för multimodala kunskapsgrafer

HKUDS projekt RAG-Anything, byggt ovanpå LightRAG och utgivet under MIT-licens, har i det tysta blivit en av de viktigare byggstenarna med öppen källkod för seriös hämtningsförstärkt generering (RAG) [7]. Det tolkar text, bilder, tabeller, diagram och till och med matematiska ekvationer ur dokument, och bygger sedan upp dubbla grafrepresentationer av kunskap som länkar samman entiteter över olika modaliteter — följt av hämtning som vet vilken modalitet den hämtar från [8].

Arxiv-artikeln från oktober 2025 som ligger bakom projektet visar betydligt bättre prestanda än naiv RAG på långa, komplexa och heterogena dokument [8], och i denna månad hade GitHub-repot passerat 23 500+ stjärnor [9] — en stark signal om spridning för öppen källkod på infrastrukturnivå. Diskussionerna kring projektet återkommer gång på gång till ett särskilt användningsfall: att driva kunskapsgrafer byggda från mötestranskriptioner tillsammans med de bilder, skärmdumpar och kalkylblad som refererades till under dessa möten.

Det är den lucka som de flesta mötesverktyg fortfarande inte har täppt till — att koppla samman det som sades med det som visades. RAG-Anything är precis den typ av ramverk som täpper till den luckan.

Desert Ant Labs lägger talaridentifiering på chipet

Desert Ant Labs demonstrerade "Who", en talaridentifieringsmodell som körs lokalt på enheten, denna vecka — och benchmarksiffrorna är häpnadsväckande. Den bearbetar en 43 minuter lång podcast med överlappande tal på 4,9 sekunder på ett M5-chip, eller en 50 minuter lång fil på 3 sekunder på M5 Pro, helt lokalt utan att någon data behöver laddas upp till molnet [10][11]. På AMI-mötesbenchmarken uppnår den en felfrekvens på 12,6 %, vilket slår pyannote som körs på GPU i vissa tester, och den når upp till 950 gånger realtid på M5 Pro:s Neural Engine [11][12].

Den levereras med SDK:er för Swift, Kotlin och JavaScript samt en gratisnivå som täcker upp till 100 000 månatligt aktiva enheter med obegränsad inferens [11] — en medvetet låg tröskel riktad mot utvecklare som bygger mötesappar, podcastverktyg och transkriberingsprodukter. Reaktionerna har varit starkt positiva, med särskilt beröm för hanteringen av överlappande tal och det faktum att "vem sa vad" nu kan beräknas helt på enheten, utan någon rundtur till en server.

Den sistnämnda punkten väger tyngre än hastighetsrekordet. Talaridentifiering på enheten med denna noggrannhet innebär att identifiering av talare slutar vara en avvägning mot integritet.

Vad detta betyder för dina möten

Lägger man dessa fyra nyheter sida vid sida framträder ett mönster: hela kategorin konvergerar mot möten-som-datainfrastruktur, inte möten-som-inspelningar. Otters kapitalanskaffning på 320 miljoner dollar är ett vad på att ägandet av företagets röstkorpus är värt miljarder [1][2]. RAG-Anything är den öppna källkodens ställning som gör att vem som helst kan bygga en riktig kunskapsgraf av den korpusen, och länka transkriptioner till de dokument och visuella element som diskuterades vid sidan av dem [7][8]. Och Desert Ant Labs talaridentifieringsmodell på enheten innebär att lagret "vem sa vad" — ryggraden i varje användbar kunskapsgraf — nu kan beräknas direkt, privat, på själva enheten [10][11].

Det bot-fria skiftet från Granola och Fathom är den användarvända halvan av den här berättelsen [4][5]. När mötesinspelning blir mindre synlig och mer ambient — och täcker både videosamtal och numera fysiska samtal via mobilen — kommer volymen och röran av insamlad kunskap att öka betydligt. Det höjer ribban för vad som kommer efter inspelningen: strukturerad talartilldelning, länkning mellan modaliteter och hämtning som faktiskt kan svara på "vad bestämde vi om X för tre månader sedan" istället för att bara spotta ur sig en transkriptionsdump.

Det är precis det lagret Proudfrog är byggt för. Exakt talaridentifiering, kunskapsgrafer som kopplar samman möten med varandra över tid, och AI-sökning genom hela din historik är inte längre trevliga extrafunktioner — de är skillnaden mellan ett transkriptionsarkiv och ett verkligt institutionellt minne. Infrastrukturen för detta blev dramatiskt bättre och billigare just denna vecka, med talaridentifiering på enheten och öppen multimodal RAG i täten, och de företag som väver samman det på bästa sätt kommer att definiera kategorin.

Viktigaste slutsatsen: Mötesverktyg konkurrerar inte längre om transkriptionsnoggrannhet — de konkurrerar om huruvida din mötehistorik blir en genuint sökbar kunskapsbas eller bara en hög med sökbar text.

Källor

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