Moonshot udostępnia wagi Kimi K3.1 Pro, Cognition wprowadza SWE-2 Flash, RoboColosseum ocenia roboty w rzeczywistych warunkach

Moonshot AI dotrzymuje obietnicy i udostępnia na Hugging Face wagi Kimi K3.1 Pro, modelu MoE o 2,8T parametrów, na licencji typu MIT z dodatkowymi warunkami dla największych odsprzedawców. Cognition wprowadza SWE-2 Flash, model do programowania oparty na Inkling-Small i pięciokrotnie tańszy od SWE-2, a RoboColosseum poddaje ocenie strategie sterowania na ponad 100 rzeczywistych robotach. OpenAI przejmie Pierre, którego narzędzia są już wykorzystywane w Codex, podczas gdy VS Code 1.145 łączy Copilot, Claude i Codex w jednej sesji, a GitHub Copilot trafia do asystenta programowania w Xcode.

Moonshot AI zgodnie z obietnicą udostępnia na Hugging Face wagi Kimi K3.1 Pro, modelu MoE o 2,8T parametrów

4 listopada — Podczas premiery Kimi K3.1 Pro, 23 października, Moonshot AI obiecało udostępnić komplet wag najpóźniej 4 listopada: obietnica została spełniona. Repozytorium moonshotai/Kimi-K3.1-Pro, utworzone 2 listopada i ogłoszone przez @Kimi_Moonshot 4 listopada o 16:00 UTC, jest dostępne bez ograniczeń i bez formularza: 96 plików safetensors, łącznie około 1,56 To.

Karta modelu szczegółowo opisuje to, co zapowiedź premiery przedstawiała skrótowo. Kimi K3.1 Pro, który Moonshot AI przedstawia jako swój najbardziej zaawansowany model „klasy 3T”, jest natywnie multimodalny (tekst i obraz) i powstał w wyniku dotrenowania Kimi K3. Wskazano zmianę architektury względem Kimi K3: warstwy pełnej uwagi Gated MLA zastąpiono 24 warstwami Gated DeepSeek Sparse Attention (Gated DSA), wydajniejszymi przy długim kontekście. Wagi są dostarczane w MXFP4, z aktywacjami w MXFP8 — format ten uwzględniano już podczas treningu (quantization-aware training).

Parametr techniczny	Wartość według karty
Parametry łącznie i aktywne	2,8T, w tym 104B aktywnych
Warstwy sieci	93, w tym 69 KDA i 24 Gated DSA
Eksperci MoE	896, w tym 16 na token i 2 wspólnych
Okno kontekstowe	1 048 576 tokens
Format wag	MXFP4, aktywacje w MXFP8
Enkoder obrazu	MoonViT-V2, 401M parametrów
Udostępnione pliki	96 safetensors, około 1,56 To

Moonshot AI zaleca vLLM, SGLang i TokenSpeed do serwowania modelu, dostępnego również przez API platform.kimi.ai (identyfikator kimi-k3.1-pro). Together AI, wymienione wśród dostawców inferencji na stronie, już go udostępnia i oferuje jego dotrenowanie (zob. Krótkie wiadomości). Karta podkreśla jeden wymóg integracji: w rozmowie wieloturowej lub przy wywołaniach narzędzi pełna wiadomość asystenta, wraz z rozumowaniem, musi zostać przekazana modelowi ponownie w niezmienionej postaci. Powtórzono wyniki przedstawione podczas premiery: 65,7 w Terminal-Bench 4.0, tuż za Claude Opus 5.5 (66,4), oraz 51,7 w SWE Marathon v1.1, co jest najlepszym wynikiem w tabeli; Kimi K3.1 Pro oceniano przy użyciu Claude Code jako środowiska wykonawczego.

Licencja o nazwie „Kimi K3.1-Pro License” opiera się na licencji MIT (zezwala na użytkowanie, modyfikację, redystrybucję i sprzedaż), ale dodaje dwa warunki. Firma prowadząca działalność polegającą na udostępnianiu modelu jako usługi (Model as a Service), zapewniająca podmiotom trzecim dostęp do inferencji lub dostrajania, której łączne przychody przekraczają 20 milionów dolarów w ciągu dwunastu kolejnych miesięcy, musi podpisać odrębną umowę z Moonshot AI przed jakimkolwiek wykorzystaniem komercyjnym. Produkt komercyjny mający ponad 100 milionów aktywnych użytkowników miesięcznie lub ponad 20 milionów dolarów miesięcznych przychodów musi wyraźnie eksponować nazwę „Kimi K3.1-Pro”. Warunki te nie obejmują użytku wewnętrznego ani korzystania za pośrednictwem oficjalnych produktów Moonshot AI lub jego certyfikowanych partnerów świadczących usługi inferencji.

🔗 Kimi K3.1 Pro na Hugging Face · Ogłoszenie Moonshot AI na X

Cognition wprowadza SWE-2 Flash, model do programowania oparty na Inkling-Small i pięciokrotnie tańszy od SWE-2

4 listopada — Cognition wprowadza SWE-2 Flash, szybki i wydajny model do programowania, dostępny od razu w Devin Desktop i CLI Devin, bezpłatny do 30 listopada (dla abonentów Pro, Max i Teams, jak doprecyzowano w wątku ogłoszenia). Zmienił się model bazowy: o ile SWE-2, wydany 10 września, powstał w wyniku dotrenowania Kimi K3, o tyle SWE-2 Flash bazuje na Inkling-Small, modelu Thinking Machines z otwartymi wagami (276B parametrów, w tym 12B aktywnych). Cognition przedstawia go jako w pełni amerykański model do programowania (model do programowania stworzony w całości w USA). Według producenta kosztuje on pięć razy mniej niż SWE-2 i działa trzy razy szybciej, ale nie opublikowano konkretnych stawek; demonstracja szybkości (200 wobec 60 tokenów na sekundę) jest symulowanym odtworzeniem zadania.

Introducing SWE-2 Flash, our new fast & efficient coding model. On leading evals, it outperforms all American open-weight models, even ones 3x larger. To balance transparency and cyber risks, we are building a program to securely share the weights with partners & researchers.

🇵🇱 Oto SWE-2 Flash, nasz nowy, szybki i wydajny model do programowania. W najważniejszych testach przewyższa wszystkie amerykańskie modele z otwartymi wagami, nawet te trzykrotnie większe. Aby pogodzić przejrzystość z zagrożeniami cybernetycznymi, uruchamiamy program bezpiecznego udostępniania wag partnerom i badaczom. — @cognition na X

Nowość dotyczy przede wszystkim metody treningu. Po raz pierwszy Cognition wprowadza fazę treningu pośredniego (mid-training) przed uczeniem ze wzmocnieniem: kilka bilionów tokenów z artykułów naukowych, blogów i kodu, w trzech etapach, z których ostatni wykorzystuje najrzadsze i najstaranniej przygotowane dane. Następnie odbywa się RL na dużą skalę, w którym poprawa wynika głównie z bardziej zróżnicowanych i lepiej weryfikowanych zadań. Zgłoszone wyniki względem modelu bazowego: Terminal-Bench 4.0 rośnie z 0,9 % do 20,0 %, FrontierCode 2.0, autorski benchmark, z 3,2 % do 24,0 %, a ExploitBench z 11,3 % do 34,8 %.

Benchmark (%)	SWE-2 Flash	Inkling-Small (bazowy)	Muse Spark Open	GLM 5.3 Flash	SWE-2
Rozmiar (łącznie-aktywne)	276B-A12B	276B-A12B	816B-A42B	320B-A18B	2,8T-A104B
FrontierCode 2.0	24,0	3,2	6,2	14,2	23,8
Terminal-Bench 4.0	20,0	0,9	8,0	41,8	27,3
DeepSWE 1.1	60,1	17,4	60,0	63,4	73,0
SWE-Atlas QA	50,0	27,4	54,0	56,5	56,3
ExploitBench	34,8	11,3	—	36,0	36,1

Tabela we wpisie pokazuje, że główna deklaracja wymaga doprecyzowania. Trzykrotnie większy Muse Spark Open od Meta zachowuje przewagę w SWE-Atlas QA (54,0 wobec 50,0) i osiąga porównywalny wynik w DeepSWE 1.1. W porównaniu z chińskimi modelami otwartymi wyniki są mieszane: SWE-2 Flash wyprzedza GLM 5.3 Flash i DeepSeek V4.1 Flash w FrontierCode 2.0, ale pozostaje daleko za nimi w Terminal-Bench 4.0 (20,0 wobec 41,8 i 42,3). Minimalnie pokonuje SWE-2 w FrontierCode 2.0, lecz nie dorównuje mu w żadnym innym wierszu.

Wagi nie zostały na razie udostępnione. Cognition podczas treningu skupiło się na cyberbezpieczeństwie i przypomina, że te zdolności służą również atakującym, czego dowiodła według firmy niedawna fala cyberataków. Firma przygotowuje program bezpiecznego udostępniania wag partnerom branżowym i zaufanym laboratoriom badawczym, które mogłyby dostrajać model i uruchamiać go w środowiskach wymagających szczególnej ochrony; szczegóły zapowiedziano na najbliższe tygodnie.

🔗 Przedstawiamy SWE-2 Flash (Cognition)

Agenci programistyczni: Claude Code 2.1.318, VS Code 1.145, Copilot w Xcode, Vibe CLI 3.1.0 i Antigravity 2.29.0

Claude Code 2.1.318 informuje o wygasaniu połączeń, a Haiku 5.5 tworzy wiersz stanu podagentów

4 listopada — Claude Code 2.1.318 zawiera 84 pozycje na liście zmian, w tym 47 poprawek. Wersja trafiła do npm 3 listopada o 21:55 UTC, a jej informacje o wydaniu opublikowano na GitHub krótko po północy UTC; kanał stable w npm nadal wskazuje wersję 2.1.311. Najbardziej przydatna nowość dotyczy zapisanych połączeń z claude.ai, które wygasają: data wygaśnięcia pojawia się teraz w claude auth status (loginExpiresAt) oraz w wynikach JSON polecenia claude -p (credential_expires_at), a claude -p wyświetla ostrzeżenie na stderr dziesięć dni przed terminem. Zautomatyzowane zadanie nie dowiaduje się już o wygaśnięciu dopiero w chwili niepowodzenia.

Obszar	Nowość w 2.1.318
Sesje w chmurze	Opcja No repository: sesja w środowisku hostowanym przez Anthropic bez wybierania repozytorium
Podagenci w tle	Polecenie shell przechodzi do działania w tle po 3 minutach, aby cache promptu nie wygasł
Administracja	`deniedMcpServers` blokuje również serwery dostarczane przez Anthropic, których URL upstreamu pasuje, `assume_role` dla upstreamów `mantle`
Rozszerzenie IDE	Nie jest już instalowane przy uruchamianiu w terminalu IDE: należy użyć `/ide`
Runner na własnej infrastrukturze	Nowy format logów orkiestratora; skrypty szukające `retryable=true:` wymagają przeglądu

Tego samego dnia @ClaudeDevs ogłasza zmianę, której nie opisują żadne informacje o wydaniu od 2.1.316 do 2.1.318. Wiersz stanu podagenta działającego w tle, odświeżany co 30 sekund, dotychczas powstawał przez ponowne odczytanie całej jego rozmowy; teraz tworzy go Haiku 5.5 na podstawie krótkich notatek, a sam podagent zachowuje własny model. Według Anthropic każda aktualizacja kosztuje około 99 % mniej, a sesje z podagentami w tle zużywały około 5 % mniej limitu, co daje około 6 % więcej promptów. Zmiana dotyczy większości abonentów Pro, Max i Ultra oraz wszystkich abonentów Team i Enterprise korzystających z Claude Code 2.1.316 lub nowszego; Lydia Hallie z zespołu Claude Code doprecyzowuje, że obejmuje wyłącznie CLI.

🔗 Informacje o wydaniu Claude Code 2.1.318 · Wątek @ClaudeDevs o Haiku 5.5

VS Code 1.145 łączy środowiska wykonawcze Copilot, Claude i Codex w jednej sesji

4 listopada — VS Code 1.145 kontynuuje przejście na agentów. Główna nowość, dostępna w wersji zapoznawczej: jedna sesja może obejmować zagnieżdżone rozmowy działające w różnych środowiskach wykonawczych, na przykład Claude sprawdzającego plan napisany w rozmowie z Copilot albo Codex, któremu równolegle powierza się to samo zadanie. Każda rozmowa zachowuje swój model, agenta i poziomy uprawnień. Pomysł rozwija funkcję Compare Models, wprowadzoną w wersji zapoznawczej w VS Code 1.143.

Lokalne automatyzacje obsługują teraz harmonogramy definiowane wyrażeniami cron i mogą korzystać z niestandardowego agenta obszaru roboczego; automatyzacje w chmurze nie mają takiej możliwości. W przypadku zdalnych agentów wbudowana przeglądarka w oknie Agents korzysta ze zdalnego hosta, co pozwala wyświetlić podgląd aplikacji uruchomionej przez agenta na tej maszynie (wersja zapoznawcza). Środowisko wykonawcze Copilot pozostaje domyślnym wyborem dla nowych sesji; dostępny jest przewodnik przejścia ze środowiska Local, które traci trzy narzędzia (#installExtension, #runCommand i #newWorkspace) oraz polecenie /new: niestandardowi agenci i pliki promptów, które się do nich odwołują, wymagają aktualizacji. W firmach zarządzana przez organizację lista dozwolonych serwerów MCP ma teraz pierwszeństwo przed ograniczeniem do rejestru.

🔗 Informacje o wydaniu VS Code 1.145

GitHub Copilot trafia do wbudowanego asystenta programowania w Xcode w publicznej wersji zapoznawczej

4 listopada — GitHub Copilot działa teraz we wbudowanym asystencie programowania w Xcode, w publicznej wersji zapoznawczej dostępnej od Xcode 27.3 beta, na komputerze Mac z macOS Tahoe 26.6 lub nowszym. Integrację konfiguruje się w ustawieniach Xcode, w sekcji Intelligence, i działa ona ze wszystkimi planami Copilot. To drugi sposób dostępu dla programistów tworzących na platformy Apple: osobno dystrybuowane rozszerzenie GitHub Copilot for Xcode pozostaje dostępne. GitHub nie precyzuje, jakie modele i funkcje są dostępne z poziomu asystenta Apple, a opinie zbiera w repozytorium rozszerzenia lub przez narzędzie zgłoszeniowe Apple (Feedback Assistant).

🔗 GitHub Copilot w asystencie programowania Xcode

Vibe CLI 3.1.0 dodaje /context, wskaźnik miesięcznego wykorzystania i odczytywanie obrazów

4 listopada — Mistral udostępnia Vibe CLI 3.1.0, pierwsze wydanie minor od wersji 3.0.0 z 19 października, bez ogłoszenia na X: 67 pozycji na liście zmian (11 dodatków, 25 zmian, 29 poprawek i 2 usunięcia). Polecenie /context pokazuje, co wypełnia okno kontekstowe (prompt systemowy, definicje narzędzi, skills, rozmowa, wolne miejsce i rezerwa na automatyczną kompakcję), wraz z szacunkową liczbą tokenów w każdej kategorii. Stopka wyświetla wykorzystaną część miesięcznego limitu Vibe Code, najpierw na żółto, a potem na czerwono, lub oznaczenie PAYG, gdy zaczyna obowiązywać rozliczanie według zużycia. Narzędzie read_file otwiera również obrazy przy użyciu modelu, który potrafi je odczytywać, Ctrl+R przeszukuje historię promptów (nagrywanie głosu przeniesiono na Ctrl+T), a konektor MCP od Mistral pojawia się jako funkcja eksperymentalna.

Kilka poprawek dotyczy Mistral Large 4: tura uruchomiona bez ustawionego poziomu rozumowania nie kończy się już błędem 400, selektor oferuje Low, High i Max, a tryb smart approve nie żąda już zatwierdzenia przy każdym wywołaniu narzędzia w przypadku modeli, które nie mogą wyłączać rozumowania, takich jak GLM 5.3. Ustawienie smart_approve_default zostaje zastąpione przez default_agent = "smart-approve".

🔗 Informacje o wydaniu Vibe CLI 3.1.0

Antigravity 2.29.0 rozpoczyna wdrażanie trybu głosowego Gemini Live i zdalnych agentów w chmurze

3 listopada — Wersja 2.29.0 aplikacji Antigravity (22 ulepszenia, 13 poprawek) rozpoczyna stopniowe wdrażanie dwóch funkcji. Tryb głosowy, oparty na Gemini Live, pozwala rozmawiać z Antigravity i głosowo zlecać zadania agentowi. Zdalni agenci (remote agents) trafiają do subskrybentów Google AI Ultra i Pro: rozmowy w projekcie chmurowym są wykonywane w chmurze zamiast na komputerze i pozostają dostępne z poziomu antigravity.google.com/remote. Antigravity można było już obsługiwać zdalnie za pomocą Remote Control od sierpnia, ale wtedy sesja działała na komputerze użytkownika; tym razem poza komputer przenosi się samo wykonywanie zadań.

Wersja dodaje również natywną przeglądarkę notebooków Jupyter, przeprojektowaną stronę automatyzacji (zaplanowanych, stale aktywnych, wstrzymanych), a we wbudowanej przeglądarce — pobieranie plików i historię przeglądania. Wśród poprawek: worktrees Git tworzone dla subagentów zawierają teraz lokalne zmiany, których jeszcze nie zacommitowano.

🔗 Changelog Antigravity

RoboColosseum ocenia polityki sterowania robotami na flocie ponad 100 rzeczywistych robotów

4 listopada — RoboColosseum otwiera swoje podwoje: to otwarta inicjatywa oceny polityk sterowania robotami poza laboratoriami i symulatorami, na flocie robotów działających w rzeczywistych warunkach (in-the-wild), takich jak humanoidy Unitree G1 w mieszkaniach czy ramiona YAM w restauracjach. Na stronie podano, że inicjatywę założyły NUS MAGIC Lab, BitRobot, EAIC Singapore oraz Hugging Face, które przedstawia się jako partner założycielski. Wątek ogłaszający start zapowiada ponad 100 robotów, ponad 140 scen i 10 000 godzin bezpłatnej oceny, przydzielanych na podstawie zgłoszeń.

Robotics has an evaluation problem. Most benchmarking efforts have measured progress in sim or labs.

🇵🇱 Robotyka ma problem z oceną. Większość działań pomiarowych koncentrowała się na śledzeniu postępów w symulacjach lub laboratorium. — @RoboColosseum na X

Dostępne są dwie ścieżki. Open Track zestawia dwa anonimowe modele, które otrzymują to samo nieznane wcześniej polecenie w tej samej scenie: oceniający je człowiek wybiera lepsze wykonanie lub ogłasza remis. Fine-tune Track dostraja każdy model do tego samego zadania na podstawie tych samych 100 demonstracji, a następnie daje mu 25 prób. Pierwsza kampania zestawia pięć polityk typu wizja–język–działanie (VLA) z trzema najbardziej zaawansowanymi modelami.

Oceniana polityka (Franka, Open Track)	Wydawca modelu	Wynik DCR (±1 odchylenie standardowe)	Porównania w ciemno
GPT-6 Astra	OpenAI	1 925 ±38	194
MolmoAct2	Ai2	1 869 ±24	1 859
G0.5	Galaxea	1 744 ±27	1 626
Claude Opus 5.5	Anthropic	1 636 ±47	206
GR00T N1.7	NVIDIA	1 350 ±36	1 797
π0.5	Physical Intelligence	1 285 ±43	1 845
LingBot-VLA v2	Robbyant	1 233 ±56	1 603
Grok 4.7	SpaceXSI	1 160 ±128	193

W przypadku ramienia Franka internetowy ranking Open Track (dane z 4 listopada, aktualizowane co godzinę, 4 662 porównania ocenione w ciemno) stawia GPT-6 Astra na czele, przed MolmoAct2 od Ai2, ale różnica mieści się w przedziałach błędu, a najbardziej zaawansowane modele mają w nim po zaledwie około 200 porównań, wobec ponad 1 600 dla każdej VLA. Ai2 podkreśla, że MolmoAct 2 zajmuje drugie miejsce bez dodatkowego treningu na tych zadaniach.

Artykuł towarzyszący premierze, opublikowany w arXiv 2 listopada, przedstawia pełniejszy obraz na podstawie 5 699 porównań przeprowadzonych w 124 lokalizacjach: najbardziej zaawansowani agenci mogą konkurować z wyspecjalizowanymi VLA, ale żaden system nie wykonuje niezawodnie zadań w otwartym świecie. Po dostrojeniu GR00T N1.7 obejmuje prowadzenie na SO-101, a π0.5 na Franka i na dwuramiennym stanowisku YAM, zaś rankingi Open Track słabo przewidują wyniki po dostrojeniu. Na humanoidzie G1 żadna polityka nie kończy ani jednego z pięciu zadań, a średni postęp wynosi od 13,3 % do 23,2 %. Wszystkie wykonania, również nieudane, są publikowane na Hugging Face w formacie LeRobot.

🔗 Wątek ogłaszający start RoboColosseum · Ranking RoboColosseum · Artykuł arXiv 2611.02497

OpenAI przejmie Pierre Computer Company, której narzędzia Trees i Diffs są już częścią Codex

4 listopada — OpenAI ogłasza, że przejmie Pierre Computer Company, niewielką firmę tworzącą narzędzia dla programistów. Jej komercyjny produkt, Code Storage, to API pozwalające aplikacjom przechowywać kod i śledzić jego historię za pomocą Git; jej biblioteki open source Trees, służąca do przeglądania plików projektu, oraz Diffs, służąca do wizualizacji zmian, są już zintegrowane z aplikacją Codex.

Today we’re announcing that OpenAI will acquire @pierrecomputer to accelerate our vision for making Codex a place where teams can build software together with AI, from first idea to the version they ship. Pierre’s open-source developer tools already power parts of Codex today. Together, we’ll build on that foundation for the agentic era.

🇵🇱 Dziś ogłaszamy, że OpenAI przejmie @pierrecomputer, aby przyspieszyć realizację naszego planu uczynienia z Codex miejsca, w którym zespoły tworzą oprogramowanie z AI, od pierwszego pomysłu po dostarczaną wersję. Narzędzia open source dla programistów od Pierre już napędzają niektóre części Codex. Wspólnie będziemy budować na tych fundamentach z myślą o erze agentów. — @OpenAINewsroom na X

OpenAI wiąże transakcję z Pando, backendem Git swojego monorepo, zaprezentowanym dwa dni wcześniej: firma chce wyznaczać standardy tworzenia oprogramowania, od pierwszej gałęzi utworzonej przez agenta po wdrożenie, a po sfinalizowaniu przejęcia rozwijać kontrolę wersji (source control) w całej branży. Projekty open source Pierre pozostaną otwarte, a Code Storage będzie nadal dostępne dla klientów do czasu włączenia jego funkcji do Codex. Transakcja wymaga jeszcze standardowych zgód organów regulacyjnych; nie ujawniono ani kwoty, ani harmonogramu.

🔗 OpenAI przejmie Pierre Computer Company

AI w służbie nauki: cząstka vault bakteriofaga badana z pomocą Claude, NeuralGCM+ w Ai2 i FVCOM przeniesiony na Rust

Anthropic opisuje z pomocą Claude strukturę 3D cząstki vault pochodzącej z bakteriofaga

4 listopada — Zespół naukowy Anthropic publikuje strukturę 3D cząstki vault wytworzonej z białka bakteriofaga, według firmy pierwszej takiej struktury u prokariontów. Cząstki vault to duże, puste w środku powłoki białkowe, około trzykrotnie cięższe od rybosomu, odkryte w 1986 roku, których funkcja pozostaje nieznana. Ta, nazwana L05 i wytworzona w bakterii E. coli, składa się z 96 kopii tego samego białka, wobec 78 u ssaków, ma masę około 9,5 megadaltona i objętość większą o około 25 %. Mała, niezidentyfikowana cząsteczka znajdująca się w każdej z 96 kopii przypomina kształtem koenzym A: to pierwszy trop dotyczący funkcji, o ile się potwierdzi.

Claude uczestniczył w każdym etapie: wyszukiwaniu z pomocą Claude Science białek spokrewnionych wśród około 15 miliardów przewidywanych białek, skróceniu oczyszczania z około trzech dni do około 90 minut oraz uzyskaniu pierwszego modelu strukturalnego w 34 godziny zamiast kilku tygodni, według zespołu. Anthropic szczegółowo opisuje też jego błędy: protokół zawierający dodatek utrudniający wnikanie DNA do komórek kosztował dwa tygodnie, a pominięcie standardowego etapu kriomikroskopii elektronowej dało mapę zmieszaną z jej lustrzanym odbiciem. Preprint zgłoszono do bioRxiv; Leonard Rome, współodkrywca cząstek vault, doradzał zespołowi jako płatny konsultant.

🔗 Badanie cząstek vault z pomocą Claude

Ai2 uruchamia NeuralGCM+, otwarty model klimatyczny finansowany przez Google.org przez trzy lata

4 listopada — Ai2 uruchamia program modelowania klimatu finansowany przez Google.org kwotą kilku milionów dolarów przez trzy lata (dokładnej kwoty nie opublikowano), przy wsparciu technicznym Google Research. Ma on doprowadzić do powstania NeuralGCM+, modelu open source rozwijającego NeuralGCM od Google Research: modelu hybrydowego, który rozwiązuje równania fizyczne opisujące dynamikę w dużej skali i powierza AI procesy zachodzące w mniejszej skali, takie jak powstawanie chmur i opadów. W publicznym benchmarku wersja NeuralGCM obejmująca samą atmosferę przeprowadziła symulację roku zmian w globalnej atmosferze w osiem minut na jednym TPU.

Ai2 chce połączyć z nim ocean i lód morski, aby utrzymywać stabilne symulacje przez wiele dekad, zmniejszając regionalne błędy temperatury i opadów dla ostatnich 50 lat. Role są podzielone: Google Research skupia się na prognozach na kilka tygodni lub miesięcy, a Ai2 na trendach w skali lat i dekad, takich jak zmiany opadów i dostępności wody do połowy stulecia w południowo-zachodnich Stanach Zjednoczonych. Modele i frameworki modelowania zostaną opublikowane wraz z udokumentowanymi workflow.

🔗 Wpis Ai2 o partnerstwie z Google

Google przenosi z pomocą Gemini 4 Argon na Rust rdzeń FVCOM, modelu oceanicznego w języku Fortran liczącego 174 000 linii

3 listopada — Inny sposób na wyposażenie modelowania oceanów w narzędzia: na blogu Antigravity Dan Gruhl i Prashant Nair z zespołu AI R&D w Google opisują, jak Gemini 4 Argon zmodernizował FVCOM (Finite-Volume Community Ocean Model), model oceanu przybrzeżnego liczący 174 774 linie kodu w językach Fortran 90 i C, rozłożone na 264 pliki. Na podstawie jednego promptu agent przeniósł jego rdzeń na Rust z pełnym bezpieczeństwem pamięci w 59 minut, przy czterech ograniczeniach: brak kodu unsafe, brak alokacji w pętlach obliczeniowych, pliki poniżej 400 linii i wynik identyczny jak w wersji w języku Fortran dla 100 ziaren losowości.

Audyt wykrył sześć błędów tkwiących od dziesięcioleci w oryginalnym kodzie, w tym przepełnienie liczby całkowitej w siatkach liczących ponad 1 300 węzłów. Wyniki 100 symulacji są zgodne z wynikami wersji w języku Fortran z dokładnością do 12 miejsc po przecinku.

Etap migracji	Czas wykonania	Zmierzone przyspieszenie	Maksymalne zużycie pamięci
Oryginalny Fortran 90 i C (-O3)	883 ms	1,00x	11,84 Mo
Idiomatyczny Rust z bezpieczną obsługą pamięci	682 ms	1,29x	6,39 Mo
Struktura tablic (SoA), bez alokacji w pętli	548 ms	1,61x	5,83 Mo
Optymalizacja sterowana profilem LLVM	469 ms	1,88x	5,48 Mo

Google przedstawia tę metodę w postaci skilla open source, migrate-to-rust, który znajduje się w repozytorium google/skills od 13 października.

🔗 Wpis Antigravity o FVCOM

API i platformy dla programistów: Decisions API od Perplexity, domyślny znak wodny Grok, Together Compiler i Cohere na OpenRouter

Decisions API od Perplexity przeszukuje sieć przed udzieleniem odpowiedzi

4 listopada — Perplexity dodaje oparcie na źródłach internetowych (web grounding) do Decisions API, uruchomionego 1 października API modeli decyzyjnych, które odpowiada prawdopodobieństwami zamiast tekstem. Dotychczas model dysponował jedynie wiedzą z treningu i kontekstem (state) przesłanym przez programistę. Przy ustawieniu "mode": "web_grounding" brama najpierw uruchamia wyszukiwanie Perplexity Fast Search dla każdego pytania (do 100 na żądanie), dodaje tytuły, URL i tekst stron do kontekstu, a odpowiedź wymienia źródła w search_results. Każde wyszukiwanie kosztuje 0,001 dolara, oprócz tokenów wejściowych (0,02 dolara za milion dla pplx-decider-v1.2). W SDK Python i TypeScript parametr przekazuje się w treści żądania.

Pomiar opublikowany przez Perplexity	Bez web grounding	Z web grounding
Test wewnętrzny, 328 stwierdzeń	56,4 %	97,3 %
Test wewnętrzny, mediana opóźnienia	139 ms	366 ms
PWS-Decisions, 100 publicznych pytań	51 %	86 %

W publicznym benchmarku PWS-Decisions Perplexity mierzy również medianę opóźnienia wynoszącą 370 ms i 685 ms w 95. percentylu z wyszukiwaniem w sieci.

🔗 Web grounding w Decisions API

SpaceXSI będzie od 7 listopada domyślnie oznaczać znakiem wodnym tekst swoich modeli Grok w API

3 listopada — Wersja 0.2.8 SDK TypeScript firmy SpaceXSI ujawniła stronę dokumentacji zaktualizowaną 31 października: od 7 listopada 2026 roku tekst generowany przez grok-4.7, grok-4.6, grok-4.5, grok-4.3 i trzy warianty grok-4.20 będzie domyślnie oznaczany znakiem wodnym w API, aby spełnić wymogi unijnego AI Act. Niewidoczny znak wodny nieznacznie ukierunkowuje wybór tokenów, bez dodawania znaków; obejmuje wszystkie tekstowe API, w tym ustrukturyzowane odpowiedzi i argumenty wywołań narzędzi, we wszystkich punktach dostępu. Nagłówek x-watermark sygnalizuje odpowiedź oznaczoną znakiem wodnym, a API do statystycznego wykrywania jest dostępne wyłącznie na podstawie zgłoszenia.

Tylko administratorzy zespołu mogą go wyłączyć, osobno dla każdego modelu, ze skutkiem w ciągu 5 minut, poświadczając, że ma zastosowanie wyjątek przewidziany prawem i że zespół sam ponosi odpowiedzialność za swoje obowiązki dotyczące oznaczania; w przypadku niektórych modeli opcja może pozostać zablokowana. Anthropic rozszerzył stosowanie własnego znaku wodnego w tekście 3 listopada, natomiast znak wodny OpenAI pozostaje domyślnie wyłączony w API.

🔗 Oznaczanie odpowiedzi znakiem wodnym, dokumentacja SpaceXSI

Together AI uruchamia Together Compiler, agentów stale optymalizujących inferencję jego otwartych modeli

4 listopada — Together AI powierza agentom optymalizację swojego silnika inferencji. Together Compiler wychodzi od modelu, sprzętu i charakterystyki ruchu: rój agentów proponuje modyfikacje kerneli, stale działający silnik sprawdza szybkość i poprawność każdej z nich względem oryginalnego silnika, a do produkcji trafiają wyłącznie zweryfikowane zmiany. Together mówi o ciągłej kompilacji (continual compilation), uruchamianej ponownie, gdy zmieniają się model, sprzęt lub obciążenie.

Deklarowane wyniki pochodzą od Together: do 2,6 raza więcej tokenów na GPU przy tej samej szybkości na użytkownika na Kimi K3, GLM 5.3, MiniMax M3.1-Flash i DeepSeek V4.1-Flash, po 24 godzinach kompilacji na dwóch węzłach na model, w porównaniu z najlepszymi konfiguracjami opublikowanymi w benchmarku InferenceX od SemiAnalysis; nawet o 50 % szybsze działanie przy obciążeniach klientów; 1 111 i 1 205 tokenów na sekundę przy niskim opóźnieniu na MiniMax M3.1-Flash i DeepSeek V4.1-Flash. SemiAnalysis twierdzi, że zweryfikowało jeden z wyników. Kompilator jest już domyślnie włączony dla DeepSeek V4.1 Flash, GLM 5.3 Flash i GLM 5.3 w trybie serverless. Together przedstawia go jako pierwszy system inferencji z rekurencyjnym samodoskonaleniem (recursive self-improvement) działający na skalę produkcyjną — to określenie jest deklaracją samej firmy.

🔗 Together Compiler na blogu Together AI

Cohere udostępnia Embed 5 i Rerank 5 w OpenRouter

4 listopada — Cztery warianty modeli wyszukiwania Cohere (Embed 5 Pro i Fast, Rerank 5 Pro i Fast) trafiają do OpenRouter. Można z nich korzystać przy użyciu dotychczasowego klucza i kredytów OpenRouter, według stawek API Cohere: 0,12 i 0,08 dolara za milion tokenów dla embeddingów oraz 0,05 i 0,02 dolara za ponowne porządkowanie wyników (reranking). OpenRouter ma dwa własne ograniczenia: wektory są zwracane jako liczby zmiennoprzecinkowe (int8 i format binarny są dostępne przez API Cohere), a Rerank 5 pozostaje ograniczony do tekstu. Wpis, będący samouczkiem generowania wspomaganego wyszukiwaniem (RAG), przypomina, że według testów Cohere na 40 zbiorach danych odpytywanie za pomocą Embed 5 Fast indeksu utworzonego przy użyciu Embed 5 Pro zachowuje 98,4 % jakości wyszukiwania wykonywanego w całości przy użyciu Pro.

🔗 Modele wyszukiwania Cohere w OpenRouter

Głos: remiksowanie głosów w Gemini 3.8 Flash TTS i ElevenAgents w centrach kontaktowych

Gemini 3.8 Flash TTS zyskuje remiksowanie, które tworzy nowy głos na podstawie istniejącego

4 listopada — Google dodaje trzeci tryb tworzenia głosów w Gemini 3.8 Flash TTS, po projektowaniu (Voice design) i replikacji wprowadzonych 23 września. Remiksowanie głosu (Voice remixing) wykorzystuje istniejący głos, jeden z ponad 2 000 głosów w bibliotece lub głos zaprojektowany na zamówienie, i modyfikuje go za pomocą instrukcji w języku naturalnym: zmienia barwę, wysokość, tempo, akcent lub wiek. Google podaje jako przykłady lekki akcent z południa Stanów Zjednoczonych lub głos smoka ziejącego ogniem.

W API wywołanie POST /v1beta/voices z gemini-3.8-flash-tts tworzy nowy zapisany głos, niezależny od oryginału, który można wykorzystać w Gemini 3.8 Flash TTS i Gemini 3.8 Flash-Lite TTS oraz jako podstawę kolejnego remiksowania. W AI Studio przycisk Remix this voice proponuje trzy warianty do odsłuchania i porównania. Wymagany jest projekt na płatnym poziomie (Tier 1 lub wyższym); każdy projekt przechowuje do 200 głosów, a głos jest zachowywany przez rok od ostatniego użycia.

🔗 Ogłoszenie Google na X · Przewodnik po Voice remixing

ElevenLabs wprowadza natywne integracje ElevenAgents z NiCE CXone, Genesys Cloud, Amazon Connect i Five9

4 listopada — ElevenAgents, platforma agentów głosowych ElevenLabs, integruje się teraz natywnie z czterema dużymi platformami centrów kontaktowych, umożliwiając dodawanie agentów głosowych do istniejących procesów obsługi połączeń bez zmian w telefonii, routingu ani CRM. Z dowolną inną platformą ElevenAgents łączy się przez SIP (Session Initiation Protocol), korzystając z dostawców telefonii takich jak Twilio, Vonage, Telnyx, Plivo, Bandwidth lub Exotel.

Platforma centrum kontaktowego	Zapowiedziany sposób integracji
NiCE CXone	Integracja natywna, CXone zachowuje obsługę telefonii, routingu i raportowania
Genesys Cloud	Natywny Audio Connector, bez łącza SIP (SIP trunking)
Amazon Connect	Agent IA Amazon Connect angażuje ElevenAgents, a następnie przejmuje kontrolę
Five9	SIP przez Five9 AI Agent Connect, moduł dodatkowy Five9

Wpis przypomina o ponad 17 000 głosów w ponad 90 językach i przywołuje AMC Health, które wybrało ElevenLabs między innymi dlatego, że Genesys było już jego platformą telefoniczną. Nie podaje cen ani danych o wydajności i stanowi kontynuację partnerstwa z Genesys ogłoszonego 3 września.

🔗 ElevenAgents integruje się z czołowymi platformami centrów kontaktowych

Generatywne wideo i muzyka: Kling 4.0 Flash dla wszystkich i Suno rozpoczynające od pliku MIDI

Kling udostępnia Kling 4.0 Flash wszystkim, na swojej stronie i przez API

4 listopada — Kling 4.0 Flash, szybki wariant Kling 4.0, dostępny od 28 września w ograniczonym wczesnym dostępie, jest teraz otwarty dla wszystkich na stronie Kling AI i przez API. Kling zaznacza, że można go również wywoływać przez jego serwer MCP, CLI i wtyczki, w tym te do Adobe Photoshop, Premiere Pro i After Effects. Ogłoszenie nie podaje maksymalnej długości, rozdzielczości ani ceny, a informacje o wydaniach Kling kończą się na premierze Kling 4.0 z 15 października. We wczesnym dostępie Kling 4.0 Flash tworzył ujęcia trwające od 3 do 20 sekund w 720p; nic nie wskazuje, czy te limity się zmieniły.

🔗 Ogłoszenie Kling na X

Suno pozwala rozpocząć tworzenie utworu od pliku MIDI

4 listopada — Suno przyjmuje teraz plik MIDI jako punkt wyjścia do utworu: wystarczy przeciągnąć plik .mid lub .midi na stronę Create albo wybrać go w menu „+”, a następnie wskazać w języku naturalnym, co Suno ma z nim zrobić: zagrać nuty dokładnie tak, jak zostały zapisane, lub wykorzystać motyw, aby go rozwinąć albo powierzyć innym instrumentom. W odróżnieniu od Remix i Cover, które bazują na pliku audio (WAV lub MP3), MIDI przekazuje dokładne nuty i rytm, zapewniając większą kontrolę. Wpis podaje przykłady aranżacji MIDI na pełną orkiestrę, chór gospel z fortepianem lub kwartet smyczkowy wiernie zachowujący akordy. W chwili premiery funkcja działa w trybie Simple Create z modelem v6-wild i jest zarezerwowana dla subskrybentów Pro i Premier; uzupełnia eksport MIDI dodany 26 lipca.

🔗 Rozpoczynanie utworów od MIDI

Agenci dots w ChatGPT stają się ogólnie dostępni dla Enterprise, Edu i Healthcare, z domyślnym włączeniem 18 listopada

4 listopada — dots, stale działający agenci ChatGPT wprowadzeni 29 września w planach Pro i Business Premium wraz z wersją beta dla Enterprise, stają się ogólnie dostępni w kwalifikujących się przestrzeniach ChatGPT Enterprise, Edu i Healthcare. Do 18 listopada 2026 trwa wersja zapoznawcza zarezerwowana dla administratorów: do tego czasu dots pozostają wyłączeni, chyba że administrator ich włączy; później staną się dostępni domyślnie, chyba że przestrzeń robocza z nich zrezygnuje. Administratorzy wybierają członków, którzy uzyskają dostęp, widzą osobistych agentów dots i ich połączenia, mogą ich wstrzymywać lub ponownie uruchamiać oraz monitorować użycie; według artykułu pomocy włączenie wymaga również zgodnych polityk Agent Security. W zakresie zgodności dots obsługują rezydencję danych i Enterprise Key Management, z inferencją hostowaną w UE lub Stanach Zjednoczonych; agenci dots utworzeni przed ogólną dostępnością migrują do wymaganego regionu w ciągu 30 dni i kwalifikują się do użytku zgodnego z HIPAA w przestrzeniach objętych tym standardem.

🔗 Informacje o wydaniach ChatGPT Enterprise i Edu

Krótkie wiadomości

Agenci i narzędzia do kodowania

Zed 1.27 i wersja zapoznawcza 1.28 — Stabilne wydanie 1.27 przejmuje zmiany z wersji zapoznawczej z 28 października (oszczędniejszy panel Agent, usunięcie punktów przywracania, minimum macOS 12); wersja zapoznawcza 1.28 obsługuje najnowszą wersję Agent Client Protocol, przycina wiersze odczytywane przez agenta do 2 000 znaków i usuwa trzy błędy kompakcji kontekstu. 🔗 źródło
Delta 0.24 — Zmiany z wątku podrzędnego można scalać z wątkiem nadrzędnym (/merge-into-parent, /pull-from-subthread), agent odczytuje udostępniony wątek na podstawie samego linku i pisze do agenta w innym wątku za pomocą delta thread send; serwery MCP obsługują tokeny bearer i niestandardowe nagłówki. 🔗 źródło
Copilot CLI od 1.0.106-7 do 1.0.106-9 — Trzy wersje zapoznawcze, nadal bez stabilnego wydania 1.0.106: polecenie /code otwiera bieżącą sesję w VS Code, poziom Fusion ustawia się w copilot config, a 79 poprawek neutralizuje między innymi nowe sekwencje ucieczki. 🔗 źródło
Gemini CLI v0.67.0 i v0.68.0-preview.0 — Wydanie stabilne wprowadza wcześniej opisaną serię 0.67.0, a preview zbiera wydania nightly z ostatnich ośmiu dni; jedyna nowość: nightly z 4 listopada pozwala gemini hooks migrate rozpoznawać zdarzenie SubagentStop z Claude Code i dodaje --userns=keep-id przy użyciu Podman bez uprawnień root. 🔗 źródło
Qwen Code v0.26.7 — Hooki, uprawnienia i serwery językowe dostarczane przez repozytorium nie są już uruchamiane bez jawnego uznania folderu za zaufany; qwen serve obsługuje teraz połączenia zdalne, a wymuszony wybór narzędzia został poprawiony dla Claude Opus 5.5, Sonnet 5.5, Fable 5.1 i Mythos 5.1. 🔗 źródło
Kimi Code 2.5.0 — Sesję można rozpocząć w środowisku SSH, Docker lub zdefiniowanym poleceniem (--environment), a /model lub /effort można używać podczas pracy agenta; usunięto kilka punktów końcowych REST i WebSocket serwera, choć zmiany te sklasyfikowano jako poprawki. 🔗 źródło
CLI mistral 0.17.0 — mistral agents init tworzy projekt agenta, a aplikacja może zawierać agenta, którego mistral dev udostępnia podczas prac programistycznych, a mistral deploy publikuje, za flagą mistral_cli_agents; połączenie mistral login --device jest teraz odrzucane. 🔗 źródło
DeepSeek Harness 0.2.2-rc.1 — Pierwszy kandydat do wydania z serii 0.2.2 i 37. wersja zapoznawcza bez wydania stabilnego: obejmuje głównie opisane już wersje alfa, dostosowuje SDK TypeScript i Python do trybu Web oraz pozbawia Ralph loop i wyszukiwanie sesji statusu eksperymentalnego. 🔗 źródło
Fabryka oprogramowania według Zacha Lloyda — Na blogu Warp przekonuje on, że fabryki oprogramowania (software factory) nie buduje się przez łączenie promptów i agentów chmurowych, lecz jako stos: fabryka opisana w kodzie, trwała orkiestracja, ewaluacje i ponowne odtwarzanie wcześniejszych zadań, a przede wszystkim integracje API i MCP. 🔗 źródło

Platformy, API i administracja

Together AI i Kimi K3.1 Pro — Together AI udostępnia Kimi K3.1 Pro w dniu publikacji jego wag, w oryginalnej postaci lub po dodatkowym treningu metodami RL lub SFT przy użyciu Together Post-Training; ogłoszenie nie zawiera cen. 🔗 źródło
SDK OpenAI — openai-python 3.45.0 i openai-node 7.50.0 obsługują 12-godzinną pamięć podręczną odpowiedzi i poziomy usług dla poszczególnych projektów, zapowiedziane w październiku; w przypadku Codex CLI nie ma stabilnego wydania od 0.166.0 z 29 października, są jedynie wersje zapoznawcze z pustymi informacjami o wydaniu. 🔗 źródło
Metryki użycia Copilot — API metryk użycia wyodrębnia teraz lokalne użycie BYOK (bring your own key), liczone jako dolne oszacowanie, i oznacza niestandardowe modele firmowe wskaźnikiem is_custom_enterprise_model; dotychczasowe wartości łączne pozostają bez zmian. 🔗 źródło
Wycofanie grok-imagine-image-quality — Od 2 listopada SpaceXSI obsługuje żądania kierowane do tego modelu obrazów przez grok-imagine-image-2.0 w niskiej jakości, bez zmian w kodzie, za 0,04 dolara za obraz 1K i 0,06 dolara za obraz 2K, czyli o 0,01 dolara mniej niż wcześniej. 🔗 źródło
Claude Marketplace — Do Claude Marketplace dołącza 14 agentów i produktów partnerskich, od Chainguard po Zoom, w tym Datadog, Netlify, Runway i Glean, co daje łącznie ponad 25. Kwalifikujące się firmy mogą opłacać je z części kwoty, do której wydania w Anthropic się zobowiązały. 🔗 źródło

Bezpieczeństwo

Klucz GPG Warp — Warp zapobiegawczo wymienia podklucz GPG podpisujący część jego pakietów Linux, po bliżej nieokreślonym incydencie bezpieczeństwa i bez stwierdzonych nadużyć; w Fedora 42 i starszych wersjach, RHEL oraz openSUSE należy najpierw usunąć stary klucz. 🔗 źródło
GPT-5.6 Cyber w AWS GovCloud — Zatwierdzeni klienci Daybreak Red uzyskują dostęp do GPT-5.6 Cyber w regionie AWS GovCloud (US-East) przez Amazon Bedrock, po zatwierdzeniu przez OpenAI, a następnie aktywacji przez AWS; AWS udostępniło go już 30 października. 🔗 źródło
Mistral Large 4 wobec luki w Django — W filmie przyspieszonym 90 razy 133 agentów mapuje kod, znajduje i potwierdza niedawną lukę w Django, a następnie Le Chonk ją naprawia; brak numeru CVE, kosztu i rzeczywistego czasu trwania. 🔗 źródło
CodeQL 2.27.4 — Mniej fałszywych alarmów w Java i Kotlin, Rust oraz C/C++, usunięcie etykiety CWE-730 z zapytań ReDoS w sześciu językach, a pliki dowiązane spoza katalogu głównego pakietu są pomijane podczas jego tworzenia; tym razem bez wątku IA. 🔗 źródło
Przewodnik MCP od Perplexity — Trzy kategorie i jedenaście zagrożeń systemów MCP, od pośredniego prompt injection po przejęcie lokalnego serwera, wraz ze środkami zaradczymi; bez produktów ani danych liczbowych Perplexity. 🔗 źródło

Otwarte modele i badania

Wykrywanie głosów syntetycznych — Dwóch badaczy z Uniwersytetu w Melbourne publikuje VeriSpoof, model LLM audio o 2,9 miliarda parametrów, który wykrywa głos syntetyczny, określa jego źródło i wyjaśnia swój werdykt; według autorów średni wskaźnik równego błędu (EER) jego wariantu VeriSpoof-Plus na Speech-DF-Arena wynosi 1,79 %, a wagi są dostępne na niekomercyjnej licencji CC BY-NC 4.0. 🔗 źródło
Field Extractor od Dharma-AI — Model 2B, który zwraca pola dokumentu w typowanym JSON; we własnym teście na 546 dokumentach uzyskuje 0,834 wobec 0,816 dla Claude Opus 5, przy porównaniu z modelami, które nie są najnowszymi wersjami swoich dostawców, i bez odnalezionych wag na Hub. 🔗 źródło
OTAP od Cribl — Metryka oceniająca agenta na podstawie struktury jego planu, dopasowanej metodą transportu optymalnego do planów referencyjnych; według autorów jest bardziej zgodna z ocenami ludzi niż ROUGE-L na 236 trajektoriach (0,74 wobec 0,64). 🔗 źródło

Agenci dla użytkowników indywidualnych

Grok Bot i zakupy — 3 listopada agent SpaceXSI proponuje obsługę zakupów: znajdowanie najlepszej oferty, porównywanie artykułów i śledzenie wszystkich zamówień; nie podano krajów, planu ani sprzedawców. 🔗 źródło
Grok Bot przez telefon — 4 listopada konto @bot ogłasza, że Grok Bot może wykonywać połączenia telefoniczne, i pokazuje to na filmie, bez informacji o krajach, planie ani cenie. 🔗 źródło
Get Maine Lobster i Computer — W pilotażu zaproponowanym przez Perplexity, z budżetem testowym 30 000 dolarów zapewnionym przez Perplexity, kampania Computer w Meta osiąga o 63 % wyższy zwrot z wydatków reklamowych (ROAS) oraz 3,5-krotność przychodów przy 2,1-krotności wydatków w porównaniu ze zwykłymi reklamami klienta. 🔗 źródło
MotionSites w Computer — Skill autorstwa @viktoroddy pozwala agentowi Perplexity budować animowane strony w WebGL, z animacjami podczas przewijania, na podstawie 40 projektów referencyjnych i 52 hostowanych zasobów; dostępny dla wszystkich w sieci. 🔗 źródło
Manus w 3D — Manus przekształca zdjęcia w grywalną wersję 3D użytkownika, którą można wprowadzić do światów tworzonych z agentem, jako kontynuację Game Dev; brak informacji o planie i koszcie w kredytach. 🔗 źródło

Obrazy, wideo i twórcy

HeyGen Video 1 na urządzeniach mobilnych — Model wideo HeyGen trafia do aplikacji HeyGen na iOS i Android, bez informacji o cenie, długości ani rozdzielczości. 🔗 źródło
Pika H3 Flex — Model oficjalnie trafia na platformę Pika, dwa dni po zapowiedzianym terminie, z 15 bezpłatnymi generowaniami dziennie do 15 listopada dla subskrybentów Creator i Fancy. 🔗 źródło
Character Sheet od Luma — Dzień po Expression Sheet pojawia się spójna karta postaci w wielu ujęciach, tworzona na podstawie materiałów referencyjnych lub opisu, z ośmioma układami; bez wpisu ani ceny. 🔗 źródło
HyperFrames — Rodzina narzędzi wideo HeyGen deklaruje ponad 700 000 użytkowników miesięcznie, bez podania metody obliczeń, i uruchamia serwer Discord dla swojej społeczności. 🔗 źródło

Co to oznacza

Modele z otwartymi wagami osiągają skalę czołowych modeli, ale pod pewnymi warunkami. Kimi K3.1 Pro, z 2,8T parametrów i około 1,56 TB plików, można swobodnie pobrać, a Together AI udostępnia go i oferuje dalsze trenowanie już od pierwszego dnia. Jego licencja pokazuje jednak, gdzie kończy się otwartość: po przekroczeniu 20 milionów dolarów przychodu odsprzedawca musi porozumieć się z Moonshot AI, a licencja Mistral Large 4 już 29 października uzależniała udostępnianie modelu jako usługi od posiadania licencji komercyjnej. Infrastruktura nadąża: Together Compiler powierza agentom optymalizację otwartych modeli o bardzo różnych architekturach i deklaruje nawet 2,6 razy więcej tokenów na GPU. Z kolei Cognition na razie nie udostępnia wag SWE-2 Flash ze względu na cyberzagrożenia i zmienia model bazowy: SWE-2 opierał się na Kimi K3, a SWE-2 Flash na modelu amerykańskim.

Agenci programistyczni łączą siły i zyskują narzędzia. VS Code umożliwia wspólną pracę Copilot, Claude i Codex w jednej sesji, Copilot trafia do natywnego asystenta Xcode, a OpenAI zamierza przejąć narzędzia Git, z których już korzysta Codex, dwa dni po zaprezentowaniu Pando: zarządzanie wersjami staje się strategicznym obszarem, gdy agenci tworzą coraz więcej gałęzi. Drugim frontem pozostają koszty. Według Cognition SWE-2 Flash kosztuje jedną piątą tego, co SWE-2, a Anthropic powierza Haiku 5.5 obsługę wiersza stanu podagentów, by umożliwić wysłanie około 6 % więcej promptów w ramach tego samego limitu.

Ocena wykracza poza testy laboratoryjne. RoboColosseum ocenia strategie sterowania na prawdziwych robotach, w mieszkaniach i restauracjach, a wyniki każą ostrożniej podchodzić do rankingów: czołowe modele dorównują wyspecjalizowanym VLA, ale żaden system nie jest niezawodny w otwartym świecie i żaden nie wykonuje ani jednego zadania na humanoidzie G1. Decisions API od Perplexity opiera się na podobnej obserwacji w obszarze oprogramowania: model, który zna wyłącznie dane ze swojego treningu, myli się w sprawach bieżących, a wyszukiwanie w internecie podnosi wynik pplx-decider-v1.2 z 51 % do 86 % w publicznym benchmarku. W nauce weryfikacja staje się częścią dostarczanego rezultatu: FVCOM w Rust daje wyniki zgodne z wersją w Fortran z dokładnością do 12 miejsc po przecinku w 100 symulacjach, a Anthropic publikuje błędy Claude wraz z jego wynikami.

Znak wodny staje się domyślnym ustawieniem narzuconym przez przepisy. SpaceXSI włącza go 7 listopada w siedmiu modelach Grok, powołując się na AI Act, a zrezygnować z niego można wyłącznie po złożeniu oświadczenia o objęciu wyjątkiem przewidzianym prawem; Anthropic rozszerzyło stosowanie swojego znaku wodnego 3 listopada, podczas gdy OpenAI pozostawia swój domyślnie wyłączony. Dla programistów różnica jest widoczna nie w tekście, lecz w nagłówku odpowiedzi i w zakresie odpowiedzialności: wyłączenie znaku wodnego oznacza samodzielne ponoszenie odpowiedzialności za wypełnienie obowiązków dotyczących oznaczania treści.