GPT-5.6 Sol ujednolica ChatGPT, Kimi K3 staje się ogólnie dostępny w Copilot, WeatherNext prognozuje cyklony z pięciodniowym wyprzedzeniem

6 sierpnia 2026 r. OpenAI ujednolica doświadczenie ChatGPT wokół wspólnej wersji GPT-5.6 Sol dla trybów szybkiego i rozumowania dla płatnych subskrybentów, z 68% mniejszą liczbą błędów faktograficznych, podczas gdy GPT-5.6 Luna staje się dostępny w nieograniczonej liczbie darmowych czatów. Tego samego dnia Kimi K3 trafia do ogólnej dostępności w GitHub Copilot, Google DeepMind publikuje w Nature WeatherNext, swój otwarty model prognozujący cyklony z pięciodniowym wyprzedzeniem, a Alibaba otwiera publiczną betę Wan3.0 do generowania wideo o długości 30 sekund. Meta domyka tydzień benchmarkami Artificial Analysis, które umieszczają Muse Spark 1.2 niemal na granicy czołówki, oraz bilansem pięciu wyników na poziomie złotego medalu w międzynarodowych olimpiadach naukowych, podczas gdy około piętnastu ogłoszeń obejmuje agentowe narzędzia kodu (Amp, Devin, Replit, Warp, Cursor), ekosystem open-weight (Hugging Face, Sakana, Together AI) oraz generowanie mediów (ElevenLabs, Suno).

ChatGPT przechodzi na ujednolicony GPT-5.6 Sol, GPT-5.6 Luna staje się bezpłatnie nieograniczony

6 sierpnia — OpenAI ujednolica doświadczenie rozmowy w ChatGPT wokół zaktualizowanej wersji GPT-5.6 Sol dla płatnych subskrybentów. Do tej pory użytkownicy Plus i Pro ręcznie przełączali się między modelem szybkim (Instant) a modelem głębokiego rozumowania. Teraz GPT-5.6 Sol obsługuje oba tryby w jednym doświadczeniu, z suwakiem wysiłku rozumowania (slider) regulowanym w locie — to bezpośrednie uproszczenie interfejsu, będące odpowiedzią na opinie użytkowników dotyczące niejasności między dwoma dawnymi trybami.

W kwestii niezawodności OpenAI podaje konkretną liczbę: w swoim teście faktograficzności o wysokiej stawce (finanse, medycyna, prawo) nowa wersja GPT-5.6 Sol generuje o 68% mniej odpowiedzi zawierających błędy faktograficzne w porównaniu z GPT-5.5 Instant. To główny argument tej aktualizacji, przedstawianej raczej jako poprawa niezawodności niż skok surowych możliwości.

Po stronie oferty darmowej użytkownicy Free i Go również otrzymują szerszy dostęp do GPT-5.6 Luna: nieograniczone rozmowy tekstowe od 7 sierpnia oraz pojawienie się przycisku „Think”, aby uruchomić więcej rozumowania przy trudnych pytaniach — funkcji wcześniej zarezerwowanej dla płatnych planów.

Śledzony element	Szczegół liczbowy
Błędy faktograficzne finanse/medycyna/prawo	-68% vs GPT-5.5 Instant
GPT-5.6 Sol + suwak (Plus/Pro)	dostępny od 6 sierpnia
Nieograniczone czaty GPT-5.6 Luna (Free/Go)	dostępne od 7 sierpnia

Jedna uwaga dotycząca zakresu: ta aktualizacja dotyczy wyłącznie doświadczenia Chat w ChatGPT — wersja GPT-5.6 Sol, która zasila ChatGPT Work i Codex, nie zostaje zmieniona przez to ogłoszenie.

🔗 Oficjalne ogłoszenie OpenAI

Kimi K3 dostępny w wersji ogólnej w GitHub Copilot

6 sierpnia — GitHub ogłasza ogólną dostępność Kimi K3, modelu open-weight od Moonshot AI, w Copilot. Wdrażanie odbywa się stopniowo w planach Pro, Pro+, Max, Business i Enterprise, a model jest dostępny we wszystkich powierzchniach Copilot: Visual Studio Code, Visual Studio, Copilot CLI, agencie cloud, aplikacji GitHub Copilot, github.com, GitHub Mobile, a także wtyczkach JetBrains, XCode i Eclipse.

📣 @Kimi_Moonshot’s Kimi K3, an open-weight model, is now generally available and rolling out in GitHub Copilot. The model shows frontier-level abilities on agentic coding with highly cost-effective pricing. It is hosted by @FireworksAI_HQ.

🇵🇱 📣 Kimi K3 od @Kimi_Moonshot, model o otwartych wagach, jest już ogólnie dostępny i wdrażany w GitHub Copilot. Model pokazuje możliwości na poziomie czołówki w agentowym kodowaniu, przy bardzo konkurencyjnych cenach. Jest hostowany przez @FireworksAI_HQ. — @github na X

Model jest hostowany przez Fireworks AI, z rozliczeniem według użycia zgodnym z cennikiem dostawcy — changelog nie podaje ani dokładnych cen, ani okna kontekstu. Dla organizacji w planach Business i Enterprise Kimi K3 jest domyślnie wyłączony: administratorzy muszą jawnie włączyć politykę modelu, zanim zespoły będą mogły z niego korzystać. To wejście wpisuje się w strategię wielomodelową Copilot, który wcześniej w sierpniu zintegrował już Kimi K2.7 Code.

🔗 Changelog GitHub

WeatherNext: Google DeepMind prognozuje cyklony z pięciodniowym wyprzedzeniem, wagi otwarte

6 sierpnia — Google DeepMind publikuje w czasopiśmie Nature wyniki WeatherNext, swojego modelu AI przeznaczonego do prognozowania cyklonów tropikalnych. Model osiąga najnowocześniejszą dokładność w przewidywaniu trajektorii i intensywności burzy, zapewniając średnio 24 godziny dodatkowego czasu na przygotowanie w porównaniu z wcześniejszymi metodami.

Predicting cyclones accurately can help save lives - and every hour of lead time counts. Published in @Nature, our AI model WeatherNext achieves state-of-the-art accuracy in forecasting a storm’s track and intensity, giving us a critical extra 24 hours to prepare on average.

🇵🇱 Precyzyjne prognozowanie cyklonów może ratować życie — a każda godzina zwłoki ma znaczenie. Opublikowany w @Nature nasz model AI WeatherNext osiąga najnowocześniejszą dokładność w prognozowaniu trajektorii i intensywności burzy, dając nam średnio 24 godziny dodatkowego czasu na przygotowanie. — @GoogleDeepMind na X

Podczas huraganu Melissa WeatherNext zapewnił wczesne prognozy jego uderzenia jako burzy kategorii 5, z pięciodniowym wyprzedzeniem i poziomem ufności 80%. Model, trenowany na kilku latach globalnych danych atmosferycznych i niemal 5 000 historycznych cyklonów, generuje każdy probabilistyczny scenariusz prognozy na 15 dni w mniej niż minutę na układzie TPU. Google DeepMind udostępnia teraz 1 000 probabilistycznych prognoz na burzę, dostępnych za pośrednictwem narzędzia WeatherLab.

Mierzony wskaźnik	Zmierzona wartość
Dodatkowy czas na przygotowanie	średnio +24h
Ostrzeżenie dla huraganu Melissa (kategoria 5)	5 dni wcześniej, ufność 80%
Historyczne cyklony w treningu	~5 000

Warto odnotować dla ekosystemu: kod i wagi modelu są otwarte na GitHub i swobodnie dostępne zarówno dla badań akademickich, jak i dla prognoz operacyjnych.

Wan3.0 (Alibaba) trafia do publicznej bety z natywnymi filmami 30-sekundowymi

6 sierpnia — Alibaba uruchamia publiczną betę Wan3.0, nowej generacji swojego modelu do generowania wideo, z trzema podkreślonymi obszarami: natywne generowanie wideo do 30 sekund w jednym przebiegu, jakość wizualna określana jako „reality-grade” (bardziej ekspresyjni bohaterowie, lepsza spójność odniesień między scenami) oraz funkcja Omni-Reference, która rozszerza rozumienie modelu poza tekst, obraz, dźwięk i wideo: Wan3.0 może teraz czytać ustrukturyzowane dokumenty (doc, xls, ppt, pdf itp.) i generować wideo bezpośrednio na podstawie ich treści.

Beta jest już dostępna w Alibaba Cloud Model Studio i Qwen Cloud, a wkrótce trafi też do aplikacji Wan, dostępnej wyłącznie dla członków.

Rozdzielczość wideo	Cena API (za wygenerowaną sekundę)
480p	0,05 $
720p	0,10 $
1080p	0,20 $

Pełny dostęp API ma być stopniowo uruchamiany w nadchodzących tygodniach. To wdrożenie ustawia Wan3.0 naprzeciw niedawnym ogłoszeniom konkurencji dotyczącym długich generacji wideo z precyzyjną kontrolą multimodalną — FLUX 3 Video od Black Forest Labs, Seedance 2.5 od ByteDance, MiniMax H3 — segmentu, w którym zdolność do generowania klipów 20- do 30-sekundowych z bogatą kontrolą referencji staje się kluczowym argumentem różnicującym.

🔗 Ogłoszenie @Alibaba_Wan

Muse Spark 1.2 od Meta zbliża się do granicy, według Artificial Analysis

5-6 sierpnia — Niezależna firma analityczna Artificial Analysis publikuje pełną ocenę Muse Spark 1.2, modelu Meta uruchomionego równolegle z agentem Muse Code. W AA Intelligence Index osiąga wynik 54 (wariant xhigh), co oznacza wzrost o 3 punkty względem Muse Spark 1.1 (51) i o 11 punktów względem Muse Spark 1.0 (43, wydanego w kwietniu) — to jego trzecie wydanie w ciągu czterech miesięcy. Wynik ten plasuje go na równi z GPT-5.5 (xhigh, 55) i Grok 4.5 (high, 54), tuż za obecnymi modelami czołowymi: Claude Opus 5 (max, 61), Claude Fable 5 (max, 60), GPT-5.6 Sol (max, 59) oraz Kimi K3 (max, 57).

Największy postęp dotyczy pracy z wiedzą agentową, słabego punktu zidentyfikowanego przy premierze Muse Spark 1.1: wynik GDPval-AA v2 Elo rośnie z 1371 do 1631, co plasuje model na 5. miejscu spośród wszystkich ocenianych modeli, przed Claude Opus 4.8 (1588).

Mierzony wskaźnik	Muse Spark 1.1	Muse Spark 1.2
AA Intelligence Index (xhigh)	51	54
GDPval-AA v2 Elo	1371	1631
Terminal-Bench 2.1	78%	80%
Koszt na zadanie (Intelligence Index)	0,29 $	0,40 $

Jeśli chodzi o koszt, Muse Spark 1.2 pozostaje jednym z najbardziej efektywnych modeli w swojej klasie inteligencji, z ceną 0,40 $ za zadanie przy niezmienionym cenniku API (1,25 $ / 4,25 $ za milion tokenów wejściowych/wyjściowych). Tylko Grok 4.5 i GPT-5.6 Sol (medium) są tańsze w jego grupie. W Vals Index Muse Spark 1.2 również trafia do top 5 przy zaledwie 0,69 $ za test — trzy razy taniej niż Kimi K3, dziesięć razy taniej niż Claude Fable 5, Opus 5 i GPT-5.6 Sol.

🔗 Wątek Artificial Analysis

Meta ogłasza wyniki na poziomie złotego medalu w pięciu międzynarodowych olimpiadach naukowych

6 sierpnia — Meta Superintelligence Labs (MSL) ogłasza, że w 2026 roku wystawiła wewnętrzne wersje rodziny Muse Spark do pięciu międzynarodowych zawodów naukowych najwyższej rangi, aby mierzyć rzeczywisty postęp w rozumowaniu, zamiast opierać się na syntetycznych benchmarkach — to skumulowany bilans po pierwszym medalu z fizyki zgłoszonym już w lipcu.

To understand whether we’re making genuine progress on reasoning, we entered our AI models in five international STEM Olympiad competitions this year. The results: Asian Physics Olympiad (APhO): Perfect score on the theory exam — gold medal. International Physics Olympiad (IPhO): Perfect score — gold medal. International Mathematical Olympiad (IMO): Gold medal, top 4% of human participants. International Chemistry Olympiad (IChO): Gold-medal level. Romanian Masters of Mathematics (RMM): Gold-medal level.

🇵🇱 Aby sprawdzić, czy naprawdę robimy postępy w rozumowaniu, w tym roku zgłosiliśmy nasze modele AI do pięciu międzynarodowych konkursów naukowych. Wyniki: Azjatycka Olimpiada Fizyczna (APhO) — perfekcyjny wynik w części teoretycznej, złoty medal. Międzynarodowa Olimpiada Fizyczna (IPhO) — perfekcyjny wynik, złoty medal. Międzynarodowa Olimpiada Matematyczna (IMO) — złoty medal, top 4% ludzkich uczestników. Międzynarodowa Olimpiada Chemiczna (IChO) — poziom złotego medalu. Romanian Masters of Mathematics (RMM) — poziom złotego medalu. — @shuchaobi na X

Konkurs naukowy	Osiągnięty wynik
APhO (fizyka, Azja)	Perfekcyjny wynik w części teoretycznej — złoto
IPhO (fizyka, międzynarodowa)	Perfekcyjny wynik w części teoretycznej — złoto
IMO (matematyka)	Złoto, top 4% ludzkich uczestników
IChO (chemia)	Poziom złotego medalu
RMM (matematyka, Rumunia)	Poziom złotego medalu

Trzy z tych konkursów (APhO, IPhO, IMO) były próbami na żywo, ocenianymi przez oficjalnych sędziów według tych samych kryteriów co dla ludzkich uczestników. Meta wyjaśnia, że używane modele nie miały dostępu do żadnych zewnętrznych narzędzi — bez wyszukiwania w sieci, bez interpretera kodu, bez kalkulatora — przy wieloagentowej orkiestracji w równoległym rozumowaniu.

🔗 Relacja @AIatMeta

Narzędzia do rozwoju AI: Portals, zdalne piaskownice, routowanie modeli

Pięć ogłoszeń w tym tygodniu zmniejsza dystans między lokalnym developmentem a zdalnymi lub wielomodelowymi środowiskami.

Amp uruchamia Portals — podgląd na żywo aplikacji w Orbs

6 sierpnia — Amp dodaje Portals, dostępne od razu we wszystkich orbach (zdalnym środowisku deweloperskim Amp), czyli funkcję, która bezpośrednio w przeglądarce pokazuje usługi HTTP działające wewnątrz orba. Dotąd testowanie na żywo zmian wprowadzanych przez agenta wymagało konfiguracji VPN albo żonglowania portami. Technicznie agent tworzy lub wykrywa plik .amp/services.yaml i uruchamia amp orb services ensure, aby wystartować aplikację, która następnie jest udostępniana przez bezpieczne połączenie HTTPS. Portals są dostępne dla każdej osoby mającej dostęp do wątku, co pozwala wielu członkom zespołu oglądać te same zmiany na żywo, także gdy orb budzi się po uśpieniu.

🔗 Amp — Portals

Devin Outposts działa teraz na Vercel Sandbox

5 sierpnia — Cognition rozszerza Devin Outposts (uruchomiony pod koniec lipca, aby natywnie uruchamiać Devin na dowolnym komputerze) o integrację z Vercel Sandbox, dostępną od razu. Agent może teraz budować i testować aplikację w odizolowanej microVM na infrastrukturze Vercel, z dostępem do Dockera, połączeniem z prywatnymi sieciami przez VPN i wznowieniem z migawki systemu plików, która zachowuje repozytorium, zależności i stan kompilacji w nienaruszonym stanie. Ta integracja zbliża Devin Outposts do ofert efemerycznych środowisk chmurowych podobnych do tych od Amp (Orbs) lub Warp, z tą zaletą, że opiera się na infrastrukturze Vercel już używanej przez wiele zespołów front-endowych.

🔗 @cognition na X

Replit uruchamia skany bezpieczeństwa podczas builda, z Semgrep

5 sierpnia — Replit ogłasza we współpracy z Semgrep, że jego skany bezpieczeństwa uruchamiają się teraz podczas budowania aplikacji, a nie dopiero na końcu — to zmiana bezpośrednio odpowiadająca na prośby użytkowników. Skany są aktywne domyślnie i integrują się z całym zestawem funkcji Replit Auto-Protect, który automatycznie zabezpiecza aplikacje generowane przez agenta. Replit podaje, że jego Agent wykonuje już ponad 100 000 skanów dziennie, co pokazuje skalę wykorzystania narzędzia do vibe coding w produkcji, z wykrywaniem i naprawą luk zanim trafią do sieci.

🔗 @Replit na X

Warp wprowadza niestandardowe routery modeli

5 sierpnia — Nieco ponad tydzień po uruchomieniu Warp Agent CLI, Warp dodaje niestandardowe routery modeli, dostępne od razu dla wszystkich użytkowników. Można teraz definiować własne reguły routingu w języku naturalnym („wyślij proste zadania do Minimax”, „wyślij poprawki błędów do Kimi K3”), a każde zapytanie jest następnie automatycznie kierowane do modelu uznanego za najbardziej odpowiedni. Routery te dołączają do automatycznego routingu już wbudowanego w CLI i działają z modelami open weight, w BYOK (bring your own key), albo przez subskrypcję SuperGrok — to bezpośrednia odpowiedź na trend obserwowany u kilku konkurencyjnych narzędzi polegający na orkiestracji wielu modeli zależnie od zadania, zamiast stawiania wyłącznie na jeden model graniczny.

🔗 @warpdotdev na X

Cursor szczegółowo omawia Cursor Router — do 68% oszczędności bez utraty jakości

6 sierpnia — Cursor publikuje techniczny wpis szczegółowo wyjaśniający działanie Cursor Routera, swojego systemu automatycznego wyboru modelu uruchomionego 22 lipca — a więc nie jest to launch, lecz pogłębiony artykuł z nowymi danymi. Router działa w dwóch etapach: „Compass” najpierw szacuje złożoność zadania, przewidując prawdopodobieństwo zadowolenia użytkownika, a następnie klasyfikator oparty na taksonomii (domena, typ zadania, modyfikatory takie jak zmiany wizualne) wybiera najlepszy model graniczny dla tej konkretnej kategorii. Router rozdziela zapytania między Grok (zadania rutynowe), Sol/GPT-5.6 (planowanie), Opus (wykonanie) i Fable (debugowanie) — Opus 5 dodano po początkowym uruchomieniu. Cursor podaje konkretne liczby: tryb „Auto Intelligence” miałby oferować wyższe zadowolenie użytkownika niż sam Fable, przy koszcie niższym o 68%, a tryb „Auto Balance” przewyższałby Opus 4.8 przy koszcie niższym o 41%.

🔗 Cursor — jak działa Cursor Router

Ekosystem open-weight: inferencja, przechowywanie i autonomiczne wyszukiwanie

Trzy ogłoszenia wzmacniają infrastrukturę wokół modeli z otwartymi wagami, zarówno po stronie hostingu, jak i wyszukiwania.

Baseten zostaje oficjalnym dostawcą inferencji na Hugging Face

6 sierpnia — Baseten, platforma infrastruktury AI wyspecjalizowana w serverless inference, dołącza do Inference Providers na Hugging Face. Integracja umożliwia uruchamianie inferencji hostowanej przez Baseten bezpośrednio ze stron modeli w Hubie, przez interfejs webowy lub SDK w Pythonie i JavaScript. Początkowe wsparcie obejmuje trzy główne modele open-weight: DeepSeek V4 Flash, Kimi K3 i GLM-5.2, a kolejne typy zadań są planowane na później. Subskrybenci PRO otrzymują 2 $ miesięcznych kredytów na inferencję ważnych u wszystkich dostawców, podczas gdy konta darmowe mają bardziej ograniczone limity. Integracja udostępnia format API zgodny z OpenAI poprzez router Hugging Face, co upraszcza zmianę dostawcy bez przepisywania kodu wywołań.

🔗 Hugging Face — Baseten

Ai2 rozszerza partnerstwo z Hugging Face — przechowywanie wzrasta do ~2 petabajtów

5 sierpnia — Ai2 (Allen Institute for AI) rozszerza partnerstwo z Hugging Face, aby przyspieszyć rozpowszechnianie swoich prac w ramach otwartej nauki. Przydzielona przestrzeń dyskowa w Hubie niemal się potraja, osiągając około 2 petabajtów, a ruch nie podlega już standardowym limitom przepustowości — to istotna korzyść przy pobieraniu największych zbiorów danych i modeli multi-checkpoint. Ai2 podaje, że jego zasoby zostały pobrane ponad 50 milionów razy od wiosny 2024 roku, a artefakty związane z modelem MolmoAct 2 przekroczyły 400 000 pobrań w trzy tygodnie. Partnerstwo obejmuje całe portfolio Ai2: modele Olmo i Molmo, model obserwacji Ziemi OlmoEarth, a także kilka zestawów ewaluacyjnych. Według Ai2 organizacja publikuje każdego roku więcej nowych artefaktów w Hubie niż jakakolwiek inna struktura śledzona przez Hugging Face, z ponad 900 modelami i 1 200 zbiorami danych na koncie.

🔗 Ai2 — partnerstwo z Hugging Face

Sakana Marlin — autonomiczny agent badawczy i start Marlin Insights

6 sierpnia — Sakana AI promuje Sakana Marlin, opisywany jako „Virtual CSO” (wirtualny dyrektor naukowy), zdolny do rozumowania i prowadzenia badań autonomicznie przez wiele godzin. Firma wskazuje, że ta zdolność opiera się na dwóch elementach badawczych opublikowanych przez jej zespoły: AB-MCTS, przyjętym jako spotlight na NeurIPS 2025, oraz AI Scientist, opublikowanym w Nature. Sakana AI uruchomiła też Marlin Insights, serię projektów badawczych tworzonych przez Marlina; pierwszy numer analizuje wynik kryzysu w cieśninie Ormuz i powody, dla których Stany Zjednoczone, mimo przewagi militarnej, mają trudność ze znalezieniem wyjścia. To uruchomienie ilustruje strategię Sakana AI polegającą na przekształcaniu badań podstawowych w produkty do autonomicznej analizy skierowane do biznesu, w kontynuacji niedawnych wdrożeń komercyjnych (Daiwa Securities, Namazu).

🔗 @SakanaAILabs na X

GitHub Copilot i ekosystem: dane otwarte, wielokrotnego użytku design, komendy slash

Aktualizacja Q1 2026 GitHub Innovation Graph

5 sierpnia — GitHub publikuje kwartalną aktualizację (Q1 2026) swojego Innovation Graph, projektu danych otwartych śledzącego globalną aktywność deweloperską. Wątek na X podkreśla przyspieszenie aktywności Git push w kilku krajach poza tradycyjnymi rynkami, a także wzrost o 16% kwartał do kwartału w transgranicznej współpracy open source w Q1 2026, z zauważalnymi wzrostami dla Unii Europejskiej, Indii i Singapuru od 2020 roku.

Śledzony kraj	Git pushes (Q1 2020 → Q1 2026)
Indie	4,4M → 45M
Wietnam	630K → 5,1M
Pakistan	240K → 3,5M

Wszystkie zestawy danych pozostają otwarte i możliwe do pobrania, co pozwala dokładniej badać te dynamiki według kraju i okresu.

🔗 Wątek @github — Innovation Graph

Genspark Design — wielokrotnego użytku system designu między projektami

6 sierpnia — Genspark uruchamia Genspark Design, funkcję dostępną już teraz, która automatycznie przekształca gotowy projekt (kolory, typografia, komponenty) w wielokrotnego użytku system designu dla kolejnych projektów. Celem jest uniknięcie zaczynania identyfikacji wizualnej od zera przy każdym nowym projekcie: wygenerowany później landing page dziedziczy ten sam styl co istniejąca aplikacja, bez ręcznego przenoszenia. Ogłoszenie to dołącza do niedawnych działań Genspark wokół generowania interfejsów i pakietów biurowych (GenOffice) i jest skierowane do użytkowników, którzy realizują wiele projektów generowanych przez AI, szukając spójności wizualnej bez powtarzalnej konfiguracji.

🔗 @genspark_ai na X

Przewodnik po komendach slash w aplikacji GitHub Copilot

6 sierpnia — GitHub publikuje przewodnik opisujący sześć komend slash dostępnych w desktopowej aplikacji GitHub Copilot, uruchamianych przez wpisanie „/” w polu czatu. Obejmują one cały cykl pracy: planowanie, sprawdzanie podejścia, automatyczną implementację, wzajemny review przez inny model, tworzenie interaktywnych interfejsów i orkiestrację wielu repozytoriów — odróżniając się od komend slash w CLI, które celują w terminal, a nie w aplikację desktopową.

Komenda slash	Zapewniana funkcja
`/plan`	Dzieli zadanie przed kodowaniem
`/spar`	Adwokat diabła kwestionujący podejście
`/autopilot`	Zamienia plan w kod
`/rubber-duck`	Niezależny review przez inny model
`/orchestrate`	Koordynuje pracę między wieloma repozytoriami

🔗 GitHub — przewodnik po komendach slash

Generowanie mediów: dubbing i przejrzystość audio

ElevenLabs uruchamia Dubbing v2 w ElevenAPI

6 sierpnia — ElevenLabs udostępnia w wersji ogólnej na ElevenAPI wersję 2 swojego silnika dubbingu (Dubbing v2), który wcześniej był już dostępny po stronie produktu, aby deweloperzy mogli integrować dubbing AI bezpośrednio we własnych aplikacjach. Technicznie Dubbing v2 kondycjonuje się bezpośrednio na oryginalnej wydajności audio, a nie na płaskiej transkrypcji, co pozwala zachować ton, emocje i frazowanie głosu źródłowego. Model dostosowuje frazowanie do naturalnej dykcji w ponad 90 językach, z tłumaczeniem „sync-aware”, które automatycznie dopasowuje początki i końce kwestii bez ręcznych ustawień. W zastosowaniach enterprise dostępny jest granularny tryb edycji, który pozwala zaimportować własną transkrypcję i regenerować tylko zmienione segmenty zamiast całego dubbingu — cały pipeline (tłumaczenie, klonowanie głosu, dubbing, synchronizacja) jest udostępniony przez jedno API.

🔗 @ElevenLabs na X

Suno wdraża narzędzia transparentności i aktualizuje zasady społeczności

6 sierpnia — Suno publikuje wpis podpisany przez CEO Mikey’a Shulmana, przedstawiający zasady, które firma twierdzi, że chce stosować, aby „odpowiedzialnie” budować przyszłość muzyki generowanej przez AI. Konkretnie ogłoszenie wprowadza wdrożenie technologii watermarkingu i audio fingerprintingu do identyfikacji utworów generowanych na platformie, przedstawianych jako odporne na fałszowanie bez pogarszania odsłuchu, a także przyszłe ograniczenia pobierania mające ograniczyć masową dystrybucję na platformy streamingowe przy jednoczesnym zachowaniu zastosowań profesjonalnych i kreatywnych. Ogłoszeniu towarzyszy aktualizacja Community Guidelines, która od teraz wyraźnie zakazuje odtwarzania istniejących piosenek, używania głosu lub wizerunku osoby bez zgody oraz praktyk spamowych lub automatycznego obchodzenia moderacji, z sankcjami od ostrzeżenia po trwałe zbanowanie.

🔗 @suno na X

Agenci i pluginy: otwarte standardy i modele subagentów

Agent Plugins — otwarty standard dla pluginów agentów

6 sierpnia — OpenAI ogłasza Agent Plugins, nowy otwarty standard opracowany wspólnie z AWS, Cursor, GitHub, VS Code i Vercel, służący do pakowania Agent Skills i konfiguracji serwerów MCP w jeden wspólny format. Celem jest umożliwienie deweloperom zbudowania pluginu raz i ponownego użycia go w wielu kompatybilnych klientach agentów, zamiast duplikowania integracji dla każdego narzędzia. Przy premierze wymienionymi kompatybilnymi klientami są Codex, ChatGPT, Cursor, GitHub Copilot, Kiro i VS Code — szeroki zakres obejmujący zarówno ekosystem OpenAI, jak i kilku bezpośrednich konkurentów w obszarze agentów do kodowania. Tweety nie podają dokładnej mechaniki technicznej (format manifestu, proces publikacji) ani daty ogólnej dostępności poza ogłoszonym startem.

🔗 @OpenAIDevs na X

Perplexity Computer wdraża GPT-5.6 Terra i Luna jako modele subagentów

6 sierpnia — Perplexity wdraża dwa nowe modele GPT-5.6 w Computer, swojej platformie subagentów i automatyzacji: Terra i Luna. Terra staje się modelem domyślnym dla wszystkich subagentów w Computer i pełni też rolę modelu orkiestrującego; Luna jest pozycjonowana jako główny model automatyzacji planowanych. Według Perplexity Terra jest zaprojektowana do złożonej pracy zorientowanej na cel, co dobrze pasuje do roli subagenta, który musi rozbić zadanie na części i wykonać je autonomicznie. Na benchmarku WANDR Terra ma osiągać wynik o 11 punktów wyższy niż Claude Sonnet, oferując jednocześnie redukcję kosztu rzędu wielkości. To wprowadzenie wyspecjalizowanych modeli według roli ilustruje coraz bardziej zróżnicowaną architekturę agentów w Perplexity.

🔗 @perplexity_ai na X

Krótkie informacje

Together AI twierdzi, że Kimi K3 jest niemal dwa razy lepszy niż Claude Fable 5 na benchmarku prawniczym Harvey LAB-AA — Bez opublikowanych szczegółów metodologicznych, należy to traktować jako marketingową deklarację dostawcy inferencji. 🔗 źródło
Hugging Face promuje Cadena, dekompilator siatek 3D do edytowalnego CAD — Demo Spaces, które zamienia zamrożony plik 3D w edytowalny program CAD krok po kroku, na przykład do poszerzenia otworu bez przebudowy modelu. 🔗 źródło
CEO Hugging Face broni regulacji AI według warstw — Clément Delangue popiera nowe amerykańskie ramy regulacyjne rozróżniające wagi modeli, API i aplikacje, które jego zdaniem chronią open source. 🔗 źródło
Together AI opisuje swoją architekturę multi-datacenter z dostępnością 99,9% — Ruch rozdzielany na żywo na dwa miejsca jednocześnie, z możliwością przejęcia całej utraty jednego centrum danych bez przerwy w usługach. 🔗 źródło
Gemini Omni: darmowe generowanie 10 filmów przedłużone do 11 sierpnia — Oferta, która miała zakończyć się 4 sierpnia, pozostaje dostępna do 11 sierpnia 2026, 23:59 (czas pacyficzny). 🔗 źródło
GenOffice dostępny na Linuxie — Open source’owy pakiet biurowy AI od Genspark, już dostępny na macOS i Windows, można teraz kompilować i uruchamiać na Linuxie. 🔗 źródło
Flux 3 dostępny w agencie wideo AI od Genspark — Integracja Flux 3 (Black Forest Labs) z natywnym audio i wielojęzycznym dialogiem, dla klipów do 20 sekund w 1080p. 🔗 źródło
Qwen3.8-Max pnie się w publicznych rankingach — Alibaba deklaruje 5. miejsce w Artificial Analysis Intelligence Index i 1. miejsce w Agentic Index, po 2. miejscu na Image-to-WebDev Arena dzień wcześniej. 🔗 źródło
Qwen-Image-3.0-Pro wdrożony w Qwen Cloud i fal.ai — Model generowania obrazów od Alibaby, już sklasyfikowany na 5. miejscu na świecie, staje się dostępny bezpośrednio w Qwen Cloud oraz na zewnętrznej platformie fal.ai. 🔗 źródło
OpenAI i American Psychological Association współpracują nad AI i zdrowiem psychicznym młodzieży — Partnerstwo mające opracować oparte na dowodach zalecenia i zabezpieczenia wokół dobrostanu młodych użytkowników. 🔗 źródło
OpenAI publikuje dane Signals dotyczące globalnego użycia ChatGPT — Nowe wskaźniki według krajów dotyczące adopcji i trendów użycia, bez dostępnych na tę datę szczegółów liczbowych. 🔗 źródło
Cohere współpracuje z University of Waterloo przy certyfikacie transformacji AI — Nowy certyfikat „AI Transformation & Change Management” ma przygotować studentów do odpowiedzialnego wdrażania AI w firmach. 🔗 źródło

Co to oznacza

Ten tydzień wyraźnie pokazuje zmianę kierunku: najnowocześniejsza inteligencja staje się opcją domyślną, a nie dodatkowo płatnym wyborem. OpenAI ujednolica ChatGPT wokół GPT-5.6 Sol, który obsługuje zarówno szybkość, jak i głębokie rozumowanie, jednocześnie udostępniając Luna bez limitu i za darmo dla kont Free i Go. GitHub podąża podobną logiką po stronie deweloperów, upowszechniając Kimi K3, model open-weight, w Copilocie we wszystkich swoich płatnych ofertach. W obu przypadkach nowość nie polega na skoku surowych możliwości, lecz na zmianie dystrybucji: modele wcześniej zarezerwowane dla poziomów premium albo niestandardowych integracji stają się standardową konfiguracją, co przesuwa konkurencję w stronę postrzeganej niezawodności i kosztu dostępu, a nie surowego wyniku w benchmarku.

Pomiar możliwości AI sam staje się uporządkowanym polem rywalizacji. Muse Spark 1.2 od Meta zbliża się niemal do granicy według Artificial Analysis, przy koszcie na zadanie, który nadal należy do najniższych w swojej kategorii, podczas gdy Meta Superintelligence Labs ogłasza wyniki na złotym poziomie w pięciu międzynarodowych olimpiadach naukowych bez użycia narzędzi — publiczny pokaz zaprojektowany tak, by przekonać nie tylko przez zwykłe leaderboards. Równolegle infrastruktura obsługująca te otwarte modele profesjonalizuje się: Baseten zostaje oficjalnym dostawcą inferencji na Hugging Face dla DeepSeek V4 Flash, Kimi K3 i GLM-5.2, Ai2 niemal trzykrotnie zwiększa swoje zasoby magazynowe na Hubie, a Sakana AI przekształca swoje badania podstawowe w autonomiczny produkt badawczy o nazwie Marlin. Wspólny mianownik: wartość przesuwa się z izolowanego modelu do ekosystemu, który go dystrybuuje, hostuje i weryfikuje.

Narzędzia do agentowego kodowania zbliżają się do tej samej idei: żaden pojedynczy model nie dominuje już we wszystkich zadaniach, więc trzeba inteligentnie kierować ruchem. Cursor szczegółowo pokazuje, jak jego router łączy szacowanie złożoności i klasyfikację według taksonomii, aby obniżyć koszty nawet o 68% bez spadku postrzeganej satysfakcji, Warp wprowadza reguły routingu w języku naturalnym, a Amp i Devin rozszerzają swoje zdalne środowiska (Portals, integracja Vercel Sandbox), by zbliżyć rozwój w chmurze do wygody pracy lokalnej. Replit z kolei przenosi swoje skanowania bezpieczeństwa Semgrep przed etap kompilacji, zamiast po nim, przy skali ponad 100 000 skanów dziennie. Razem te ogłoszenia rysują generację narzędzi, w której inteligencja nie jest już jedyną dźwignią: orkiestracja, bezpieczeństwo domyślne i integracja z infrastrukturą liczą się równie mocno.

Poza modelami językowymi tydzień pokazuje, że AI zakorzenia się zarówno w zastosowaniach o bezpośrednim wpływie, jak i w produkcji kreatywnej na dużą skalę. WeatherNext od Google DeepMind, opublikowany w Nature i dostępny w otwartych wagach, daje średnio 24 godziny dodatkowego czasu na przewidywanie cyklonu — to zastosowanie, w którym interes publiczny wyraźnie góruje nad konkurencją komercyjną. Z drugiej strony Wan3.0 od Alibaba, ElevenLabs i Suno ilustrują szybkie dojrzewanie generacji mediów: natywne wideo 30-sekundowe z multimodalną kontrolą, warunkowany dubbing oparty na oryginalnej interpretacji wokalnej, teraz dostępny ogólnie przez API, oraz narzędzia do watermarkingu wdrażane w odpowiedzi na obawy o autentyczność treści generowanych. Te dwa kierunki, otwarta nauka i komercyjna kreacja, rozwijają się w tym samym tempie, ale niosą ze sobą bardzo różne wyzwania odpowiedzialności.