Anthropic wprowadza Claude Fable 5.2 i Mythos 5.2, Meta prezentuje Muse Ember, Google dodaje TPU 8tx i 8i Max

Anthropic wprowadza Claude Fable 5.2 i Claude Mythos 5.2, dwa warianty tego samego modelu w cenie 8 i 40 dolarów za milion tokenów zamiast 10 i 50, działające nawet o 30 % szybciej niż generacja 5.1. Jeszcze tego samego wieczoru Cursor, Devin, Perplexity i v0 udostępniają je swoim użytkownikom, a pierwsze trzy narzędzia publikują własne pomiary. Anthropic pokazuje natomiast, co model już stworzył: trzy urządzenia elektroniczne, dowód twierdzenia Fermata odtworzony przez 1 000 agentów oraz rozwiązania lepsze od 72 najlepszych dotąd znanych w MIPLIB. Meta odpowiada w kwestii kosztów modelem Muse Ember, swoim najmniejszym modelem, Google rozszerza ósmą generację TPU o systemy 8tx i 8i Max, a NVIDIA prezentuje na CoRL GR00T 2, otwarty model działania w świecie dla robotyki.

Claude Fable 5.2 i Claude Mythos 5.2: ten sam model, tańszy i nawet o 30 % szybszy

9 listopada — Anthropic wprowadza Claude Fable 5.2 i Claude Mythos 5.2, dwa warianty tego samego modelu. Fable 5.2 ma wzmocnione zabezpieczenia w dziedzinie cyberbezpieczeństwa i biologii i jest dostępny dla wszystkich użytkowników; Mythos 5.2 jest zarezerwowany dla organizacji przyjętych do Cyber Verification Program lub Life Sciences Verification Program. Według Anthropic oba modele robią postępy w programowaniu, rozumowaniu i analizie obrazu oraz generują odpowiedzi nawet o 30 % szybciej niż Fable 5.1 i Mythos 5.1. Cena spada o 20 %.

Introducing Claude Fable 5.2 and Claude Mythos 5.2, designed to tackle the most daunting technical challenges. They’re capable collaborators on ambitious projects in many fields, and show improvements in areas like coding, reasoning, and vision.

🇵🇱 Oto Claude Fable 5.2 i Claude Mythos 5.2, stworzone do mierzenia się z najtrudniejszymi wyzwaniami technicznymi. To sprawni współpracownicy przy ambitnych projektach w wielu dziedzinach, którzy robią postępy zwłaszcza w programowaniu, rozumowaniu i analizie obrazu. — @claudeai na X

Rodzaj stawki (za milion tokenów)	Fable 5.2 i Mythos 5.2	Fable 5.1 i Mythos 5.1
Wejście	8 dolarów	10 dolarów
Wyjście	40 dolarów	50 dolarów
Tryb szybki, do 2,5 razy szybszy (wejście / wyjście)	16 / 80 dolarów	nie podano
Odczyt z cache (według informacji o wydaniu Claude Code)	0,20 dolara	nie podano

W API claude-fable-5-2 i claude-mythos-5-2 oferują kontekst obejmujący milion tokenów, do 128 000 tokenów wyjściowych i stale aktywne adaptacyjne rozumowanie. Zachowywanie toku rozumowania (preserved thinking) zostaje rozszerzone na wszystkie konta: zmiana promptu systemowego, narzędzi lub wcześniejszej wiadomości przed ponownym przesłaniem bloku rozumowania Fable 5.2 powoduje błąd 400, a korzystanie z komputera odbywa się wyłącznie za pośrednictwem computer_toolset_20260801. Domyślny poziom wysiłku to high na Claude Platform oraz medium w aplikacjach Claude i Claude Code. Model jest dostępny przez API Claude, Amazon Bedrock, Google Cloud i Microsoft Foundry oraz we wszystkich płatnych planach; Claude Code tego samego dnia ustanawia go swoim domyślnym modelem Fable (zob. sekcję o agentach programistycznych). Anthropic nadal radzi zaczynać od Claude Opus 5.5 i przechodzić na Fable jedynie przy najbardziej ambitnych zadaniach. Zasadę tę szczegółowo opisuje poradnik Addy’ego Osmaniego opublikowany na claude.dev (zob. Krótkie wiadomości).

W programowaniu agentowym korzyść jest przede wszystkim ekonomiczna. Na FrontierCode 2.0 Fable 5.2 przy poziomie wysiłku High osiąga 45,3 %, czyli wynik na poziomie najlepszego rezultatu Opus 5.5 (45,5 % przy poziomie Max), przy około dwukrotnie niższym koszcie zadania. Przy xhigh osiąga 49,1 %, co według Anthropic jest najlepszym wynikiem wśród przetestowanych, opublikowanych modeli. Model nie prowadzi wszędzie: Gemini 4 Carbon wyprzedza go na AutomationBench. Poniższe wyniki pochodzą od Anthropic i zostały zmierzone z włączonymi zabezpieczeniami oraz przy najwyższym dostępnym poziomie wysiłku, o ile nie zaznaczono inaczej.

Benchmark (dziedzina)	Fable 5.2	Fable 5.1	Opus 5.5	GPT-6 Astra	Gemini 4 Carbon
FrontierCode 2.0 (programowanie agentowe)	49,1 % (xhigh)	32,4 % (xhigh)	45,5 %	42,8 %	41,1 % (medium)
FrontierSWE v2 (programowanie agentowe)	69,9 %	56,3 %	62,3 %	65,5 %	61,2 %
AutomationBench (procesy biznesowe)	51,4 %	31,4 %	42,5 %	41,4 %	53,9 %
OSWorld 2.1 (korzystanie z komputera)	89,3 %	83,5 %	87,2 %	79,5 %	81,5 %
Humanity’s Last Exam (z narzędziami)	74,2 %	65,6 %	67,7 %	57,2 %	nie porównano
RoboDojo Sim (robotyka)	64,9 %	27,6 %	39,4 %	29,8 %	nie porównano
CVE Rediscovery (cyberbezpieczeństwo, Mythos 5.2/5.1)	89,6 %	78,3 %	81,3 % (bez zabezpieczeń)	nie porównano	nie porównano

Anthropic podaje, że ponad 90 % zmian scalanych z główną bazą kodu jest obecnie pisanych przez Claude pod nadzorem człowieka, i przywołuje prototyp systemu operacyjnego napisany w osiem dni, od pustego folderu, przez ponad 1 000 subagentów. W nauce model rozwiązał dwa otwarte problemy z fizyki czarnych dziur (opublikowano preprinty), a Mythos 5.2 przewidział strukturę kapsydów wirusów związanych z adenowirusami, wykorzystywanych w terapii genowej: 28 z 34 z odchyleniem poniżej 3 Å.

Mythos 5.2 jest przedstawiany jako najbardziej zaawansowany model Anthropic w dziedzinie cyberbezpieczeństwa: na CVE Rediscovery (1 829 CVE) znajduje o 10,2 % więcej podatności niż Opus 5.5, choć we własnych ocenach Anthropic plasuje zdolność identyfikowania podatności mniej więcej na poziomie Opus 5.5. Odsetek prób ucieczki z sandboxa spada do 3,1 %, wobec 21 % dla Mythos 5.1, ale oba modele częściej podejrzewają, że są poddawane ocenie. Według pierwszych testów klasyfikatory Fable 5.2 mają generować o około 55 % mniej blokad niż klasyfikatory Fable 5.1, a zablokowane zapytanie jest przekierowywane do Opus 4.8 (cyberbezpieczeństwo) lub Opus 5 (biologia). Ponadto Enterprise Frontier Safeguards, system monitorowania zgodny z zerową retencją danych, wchodzi w prywatną wersję beta z udziałem Bridgewater, Salesforce i Stripe.

🔗 Claude Fable 5.2 i Claude Mythos 5.2 (Anthropic) · Informacje o wydaniach Claude Platform · Wątek @ClaudeDevs

Oferty na premierę: do trzech resetów Fable i tydzień Fable w cenie planu Pro

9 listopada — Z okazji premiery Anthropic przyznaje płatnym subskrybentom możliwość resetowania limitu korzystania z Fable, zgodnie ze stroną pomocy podlinkowaną we wpisie premierowym. Reset przywraca zużyty w danym tygodniu limit Fable i całkowicie odnawia limit w oknie 5 godzin, również dla innych modeli; nie podnosi limitów i uruchamia się go w sekcji Usage w ustawieniach, przyciskiem Reset for free. Oferty dotyczą Fable 5.2, Fable 5.1 i Fable 5.

Plan lub miejsce objęte ofertą	Co obejmuje oferta	Termin wygaśnięcia (czas pacyficzny)
Pro, standardowe miejsca Team	Fable w cenie planu, do 50 % tygodniowych limitów, plus 1 reset	16 listopada 2026, 23 h 59
Max, Ultra, miejsca premium Team i starsze plany Enterprise rozliczane za miejsce	1 reset (subskrypcja krótsza niż 6 miesięcy), 2 (od 6 do 12 miesięcy) lub 3 (ponad 12 miesięcy)	8 marca 2027, 23 h 59

Płatne rozliczanie musi być aktywne przed 9 listopada o 10:00 PT. Wykluczone są plan Free, plany Enterprise w wariantach samoobsługowym, rozliczanym według użycia i HIPAA-ready, a także standardowe miejsca w starszych planach Enterprise rozliczanych za miejsce. W przypadku Pro i standardowych miejsc Team po tygodniu korzystanie z Fable ponownie wymaga kredytów za użycie.

🔗 Oferty na premierę Claude Fable 5.2 (centrum pomocy Claude)

Co Fable 5.2 już stworzył: trzy urządzenia z Diode, dowód twierdzenia Fermata odtworzony przez 1 000 agentów, chemia i MIPLIB

Trzy publikacje z tego samego dnia pokazują generację 5.2 w działaniu, czasem na przedpremierowej wersji modelu.

Diode: trzy urządzenia elektroniczne zaprojektowane od początku do końca, działające bez poprawek

9 listopada — Wspólnie z Diode Computers, producentem płytek drukowanych, Anthropic pokazuje, jak Claude Fable 5.2 projektuje trzy urządzenia na podstawie krótkiego promptu: głośnik konferencyjny USB-C z Bluetooth, hub domowego asystenta głosowego i kieszonkowego wirtualnego zwierzaka. Model opracował specyfikacje, narysował schematy, wytyczył ścieżki na czterowarstwowych płytkach, zaprojektował obudowy do druku 3D i napisał firmware; wszystkie trzy prototypy działają bez poprawek w układach. Ponieważ router w KiCad wytyczał tylko jedną ścieżkę naraz, Claude napisał własny w około pół godziny.

Postęp wynika przede wszystkim z rozumowania geometrycznego: 69 % na PCB Gym, wewnętrznym benchmarku Diode, wobec 25 % dla Fable 5, oraz 83,5 % na BenchCAD 2.1, niemal dwukrotnie więcej niż Fable 5.1. Anthropic zaznacza, że utrzymuje relacje handlowe z Diode, i przypomina, że prototypy te nie przeszły weryfikacji elektrycznej, testów termicznych ani certyfikacji.

🔗 Claude potrafi projektować prototypy elektroniczne od początku do końca (Anthropic)

Fermat: 1 000 agentów ponownie przeprowadza formalizację w 28,7 godziny, bez dedykowanej platformy

9 listopada — We wrześniu Anthropic opublikowało pierwszą pełną formalizację wielkiego twierdzenia Fermata: 11 dni pracy dziesiątek agentów kierowanych przez badacza na platformie Prove2Me. Wpis na claude.dev autorstwa Barry’ego Zhanga, Tianyi Penga, Elle Najt, Kellera Scholla i Lance’a Martina opisuje, jak 1 000 agentów przedpremierowej wersji Fable 5.2, jeden koordynator i 999 pomocników, powtórzyło tę pracę bez tej platformy i bez sterowania przez człowieka: 28,7 godziny według tego wpisu (wpis premierowy zaokrągla czas do 30 godzin), trzykrotnie mniej tokenów wyjściowych i siedmiokrotnie krótszy dowód. Przy takiej samej konfiguracji Opus 5.5 kończy jedynie 26 % zadania w 18 godzin, według wpisu premierowego.

Każdy agent dysponował maszyną wirtualną bez dostępu do sieci, z Lean, Mathlib, własną gałęzią Git i współdzieloną bazą Postgres, w której koordynator utworzył tabele koordynacyjne w dziesięć minut. Nad Langlands–Tunnell, najbardziej wymagającym wynikiem, podzielonym na 2 418 zadań, pracowało do około 750 pomocników. Klasyfikator sprawdzał każdą komendę i każdą zmianę pliku: spośród ponad miliona wywołań narzędzi żadne nie zostało zablokowane.

🔗 Bezpieczne skalowanie zespołów wieloagentowych z Claude Fable 5.2 (claude.dev)

Chemia organiczna i MIPLIB: wątek demonstracyjny dodaje dwa wyniki nieobecne we wpisie

9 listopada — Dwie godziny po premierze konto @claudeai publikuje wątek z demonstracjami. W chemii organicznej Claude opracował w około pół godziny pełną ścieżkę syntezy dla każdej z czterech cząsteczek pochodzących z nieopublikowanych prac laboratoriów, którymi kierują Noah Burns (Stanford), Timothy Newhouse (Yale) i Sarah Reisman (Caltech), na podstawie samego obrazu, bez internetu i z kodem jako jedynym narzędziem; ilustracja do tweeta przypisuje te ścieżki Mythos 5.2. Współpracujący chemicy oceniają pracę jako będącą na poziomie początkującego doktoranta, ale żadnej ścieżki nie przetestowano w laboratorium.

Of 203 open problems, Claude beat the listed mathematical solution in 72 cases, and in 45 cases proved that a solution was optimal.

🇵🇱 Spośród 203 otwartych problemów Claude w 72 przypadkach znalazł lepsze rozwiązanie matematyczne od odnotowanego, a w 45 przypadkach udowodnił optymalność rozwiązania. — @claudeai na X

MIPLIB gromadzi problemy optymalizacyjne, takie jak planowanie pracy załóg czy tras dostaw; według ilustracji do tweeta pracowały nad nimi zespoły liczące do 300 agentów, korzystające z wcześniejszej wersji Fable 5.2. W przypadku rozkładu jazdy 42 pociągów, zaprojektowanego w celu ograniczenia szczytowego poboru energii elektrycznej, agenci poprawili najlepszy znany rozkład o 2,6 % w mniej niż dwie godziny, a następnie udowodnili, że lepszy nie istnieje. Rozwiązania przekazano do MIPLIB.

🔗 Wątek demonstracyjny @claudeai

Fable 5.2 od pierwszego dnia w Cursor, Devin, Perplexity i v0, z pomiarami na własnych benchmarkach

W wieczór premiery trzy narzędzia publikują własne pomiary Fable 5.2, każde na swoim benchmarku. v0, narzędzie Vercel do tworzenia aplikacji, również udostępnia model, bez danych liczbowych (zob. Krótkie wiadomości).

Narzędzie udostępniające Fable 5.2	Benchmark dostawcy	Wynik Fable 5.2	Najbliższy wskazany konkurent
Cursor	CursorBench 4.0	60,0 % przy poziomie wysiłku Max, 32,79 dolara	Opus 5.5 Max: 57,8 %, 13,43 dolara
Devin (Cognition)	FrontierCode 2.0	49,1 %	Opus 5.5: 45,5 %
Perplexity	WANDR	0,851 za 14,51 dolara za zadanie	Gemini 4 Argon: 0,802 za 7,88 dolara

Cursor: pierwsze miejsce w CursorBench 4.0 i poziomy intensywności rozumowania, których nie należy przenosić z Fable 5.1

9 listopada — Cursor udostępnia Fable 5.2 już w dniu premiery. Przy maksymalnej intensywności rozumowania model obejmuje prowadzenie w CursorBench 4.0 z wynikiem 60,0 %, przed Claude Opus 5.5 Max (57,8 %); przy ustawieniu domyślnym (High) uzyskuje 56,9 %, wobec 49,2 % dla Fable 5.1. Cursor ostrzega, że poziomy intensywności rozumowania działają inaczej niż w Fable 5.1, i zaleca rozpoczęcie od ustawienia domyślnego zamiast przenoszenia poprzedniego. Ilustruje to strona rankingu:

Poziom intensywności rozumowania Fable 5.2	Wynik CursorBench 4.0	Koszt zadania
Max	60,0 %	32,79 dolara
High (domyślny)	56,9 %	9,70 dolara
Extra High	56,3 %	15,48 dolara
Medium	54,8 %	4,66 dolara
Low	53,2 %	3,94 dolara

Extra High wypada słabiej niż High przy wyższym koszcie, a Low przewyższa już Fable 5.1 przy maksymalnej intensywności rozumowania (51,8 % za 17,28 dolara). Cursor podaje ceny modelu wynoszące 8 i 40 dolarów za milion tokenów, bez changelogu ani informacji, których ofert dotyczą.

🔗 Ogłoszenie @cursor_ai · Ranking CursorBench 4.0

Devin: pierwsze miejsce w FrontierCode 2.0 z wynikiem 49,1 % i przewaga nad Fable 5.1 już przy niskiej intensywności rozumowania

9 listopada — Cognition udostępnia Fable 5.2 w Devin Desktop i Devin CLI oraz umieszcza go na szczycie FrontierCode 2.0, swojego benchmarku rzeczywistych zadań inżynierskich ocenianych pod kątem jakości i możliwości scalenia zmian (mergeability). Fable 5.2 uzyskuje w nim 49,1 %, wyprzedzając Claude Opus 5.5 (45,5 %), który prowadził od uruchomienia benchmarku 27 października, GPT-6 Astra (42,8 %), Sonnet 5.5 (41,0 %) i Gemini 4 Carbon (40,0 %); Fable 5.1 osiągał najwyżej 32,4 %. Według wpisu przy niskiej intensywności rozumowania Fable 5.2 przewyższa już najlepszy wynik Fable 5.1 za mniej niż jedną trzecią kosztu zadania; tweet mówi o jednej trzeciej kosztu. Rozwiązanie niespełniające kryterium blokującego otrzymuje 0, a koszt odpowiada średniemu wydatkowi na uruchomienie według publicznego cennika API. Cognition nie podaje żadnych cen korzystania z Devin.

🔗 Claude Fable 5.2 jest już dostępny w Devin (Cognition) · Ogłoszenie @cognition

Perplexity: 0,851 w WANDR, rekord według własnego benchmarku firmy

9 listopada — Perplexity udostępnia Fable 5.2 w swoim agencie Computer abonentom Pro i Max, a w wyszukiwaniu (Search) wyłącznie abonentom Max. W WANDR, własnym benchmarku wyszukiwania opartego na dowodach, model uzyskuje 0,851 za 14,51 dolara na zadanie. Firma przedstawia ten wynik jako rekord leżący na granicy Pareto, obejmującej modele, których żaden inny nie przewyższa jednocześnie pod względem wyniku i kosztu. Według wykresu opublikowanego przez Perplexity, będącego jedynym źródłem tych liczb, Fable 5.2 wyprzedza Gemini 4 Argon, rekordzistę od 16 października z wynikiem 0,802 za 7,88 dolara, przy około 1,8 razy wyższym koszcie zadania. Ponownie zmierzony Fable 5.1 uzyskuje w nim 0,684 za 13,16 dolara, wobec 0,601 przy debiucie we wrześniu. Tweet nie precyzuje ani poziomu intensywności rozumowania, ani kosztu w kredytach w Computer. Tego wyniku nie można porównywać z opublikowanym 5 listopada wynikiem 85,9 % dla poziomu ultra w Agent API, uzyskanym w konfiguracji z wieloma agentami.

🔗 Ogłoszenie @perplexity_ai

Meta wprowadza Muse Ember, swój najmniejszy model, w cenie 0,10 dolara za milion tokenów wejściowych

9 listopada — Meta wprowadza Muse Ember, przedstawiany jako jej najmniejszy i najbardziej efektywny model. Jest przeznaczony do pracy, którą agenci powtarzają przez cały dzień: sekwencyjnych wywołań narzędzi, podzadań programistycznych (odczytywania plików, uruchamiania testów, wprowadzania ukierunkowanych poprawek), routingu, ekstrakcji i analizy długich dokumentów. Oferuje kontekst o długości miliona tokenów, generuje do 512 000 tokenów i natywnie obsługuje tekst, obrazy, dźwięk oraz wideo. To pierwszy model wytrenowany z użyciem Muse Wonder Full, zgodnie z zapowiedzią Meta przy premierze Muse Wonder w październiku; w tej rodzinie Muse Wonder zajmuje się najtrudniejszymi problemami, Muse Spark kodem i workflow agentów, a Muse Ember powtarzalnymi zadaniami na dużą skalę.

Model jest dostępny w Muse Code i przez Meta Model API pod nazwą muse-ember-1.0, z obsługą Responses API, w cenie 0,10 dolara za milion tokenów wejściowych, 0,004 dolara za wejście z cache i 0,50 dolara za wyjście. Nie zapowiedziano udostępnienia wag.

On the @ArtificialAnlys Intelligence Index, it achieves performance comparable to Claude Haiku 5.5 at roughly one-third of the cost per task, while scoring higher than GPT-6 Luna across all of Luna’s reasoning settings.

🇵🇱 W Intelligence Index od Artificial Analysis osiąga wydajność porównywalną z Claude Haiku 5.5 przy około jednej trzeciej kosztu zadania, uzyskując jednocześnie wyższy wynik niż GPT-6 Luna przy wszystkich ustawieniach rozumowania modelu Luna. — @AIatMeta na X

To główne twierdzenie Meta; we wpisie firma dodaje, że Muse Ember dorównuje najlepszemu wynikowi Haiku 5.5. Oba modele uzyskują w indeksie 36, a podpis wykresu wyjaśnia, że koszty Muse Ember są szacunkami według oferowanych stawek.

Porównanie opublikowane przez Meta	Muse Ember (max)	Muse Spark 1.3 (max)
Artificial Analysis Intelligence Index	36	37
Koszt zadania w indeksie	0,14 dolara	2,39 dolara
Cena za milion tokenów (wejście / wyjście)	0,10 / 0,50 dolara	1,25 / 4,25 dolara

Benchmark przy ustawieniu max (według Meta)	Muse Ember	Claude Haiku 5.5	GPT-6 Luna
AutomationBench-AA	37,8	13,9	20,2
Coding Agent Index-AA	46	37	31
Terminal-Bench 4.0 (najlepszy harness)	40,9	39,2	16,4
OSWorld 2.1 (punkty częściowe, wewnętrzny)	69,5	68,9	50,5
FrontierCode 2.0-AA	27,2	34,9	25,2
Artificial Analysis Intelligence Index	36	36	28

Przy maksymalnej intensywności rozumowania Muse Ember wyprzedza Claude Haiku 5.5 i GPT-6 Luna w siedmiu z dziesięciu opublikowanych benchmarków, ale Haiku 5.5 nadal prowadzi w FrontierCode 2.0-AA. Część liczb pochodzi z wewnętrznych ocen Meta, w tym z jej własnego Personal Superintelligence Index, a Terminal-Bench 4.0 porównuje każdy model w jego najlepszym opublikowanym harnessie. Niezależny ranking Vals AI wskazuje podobny kierunek: Muse Ember jest w nim najtańszym modelem, przy koszcie 0,15 dolara za test i łącznym wyniku 60,5 %, oddalonym o 0,8 punktu od DeepSeek V4.1 Flash przy około jednej czwartej jego kosztu.

Meta twierdzi, że oceniła Muse Ember według swojego Meta Superintelligence Scaling Framework, uzyskując wyniki poniżej progów wysokiego ryzyka, oraz że model testowały Box, Cline, Oracle, Cloudflare i You.com; firma zapowiada, że trenuje jeszcze bardziej efektywne modele.

🔗 Muse Ember (blog badawczy Meta) · Ranking Vals AI

Google dodaje TPU 8tx i TPU 8i Max do ósmej generacji TPU, bez daty ani cen

9 listopada — We wpisie podpisanym przez Amina Vahdata Google rozszerza ósmą generację TPU o dwa nowe systemy, TPU 8tx i TPU 8i Max. Po zaprezentowanych w kwietniu TPU 8t (trening) i 8i (rozumowanie) jest to według Google pierwszy przypadek wprowadzenia czterech systemów TPU w tym samym roku. Firma podkreśla: to nowe systemy zbudowane wokół istniejących układów (obudowa, pamięć, sieć, zabezpieczenia), a nie nowe układy. Takie podejście pozwala jej dostarczać wyspecjalizowane superkomputery w ciągu kilku miesięcy zamiast lat.

System TPU	Docelowe zastosowanie	Parametry zapowiedziane przez Google
TPU 8t	Trening na dużą skalę	do 2,7 razy wyższa wydajność treningu niż w poprzedniej generacji
TPU 8i	Rozumowanie w czasie rzeczywistym	o 80 % lepszy stosunek ceny do wydajności podczas inferencji niż w poprzedniej generacji
TPU 8tx	Poufna inferencja, trening na małą skalę	układy 8t, hosty AMD EPYC 5. generacji, do 2 razy mniejsze opóźnienia niż w 8t
TPU 8i Max	Bardzo długie konteksty, gęstość na szafę rack	dwa układy 8i w jednej obudowie: 2 razy większa moc obliczeniowa, pojemność SRAM i przepustowość HBM niż w 8i

TPU 8tx jest przeznaczony dla firm z branż regulowanych i instytucji rządowych. Bezpieczeństwo zapewniane jest na poziomie sprzętu: dane i wagi modelu pozostają chronione i odizolowane podczas obliczeń (confidential compute), według Google przy niemal zerowym spadku wydajności. Ta sama maszyna pozwala dostroić model na prywatnych danych, przeprowadzić destylację dużego modelu lub trenować agentów przez uczenie ze wzmocnieniem bez przenoszenia wrażliwych danych. TPU 8i Max mierzy się z barierą pamięci (memory wall), gdy dziesiątki agentów pracują nad całą bazą kodu lub wieloma godzinami nagrań wideo.

Za sprzętem podąża oprogramowanie. Zestaw agentów TPU open source, dostępny w wersji zapoznawczej, integruje się z Claude Code, Cursor i Google Antigravity, by migrować na TPU, diagnozować wąskie gardła i dostrajać kernele w języku naturalnym; XLA Serving Engine obsługuje modele w C++ na TPU, GPU i CPU; TPU Sync zmniejsza o ponad 90 % opóźnienie przesyłania cache KV i czas do pierwszego tokena; Agent Compute Engine automatycznie zawiesza nieaktywne sesje agentów. Cloud Pathways, runtime Google DeepMind stojący za Gemini, oraz dynamiczny podział zasobów GKE (GKE dynamic slicing: uruchamianie zadań do 5 razy szybciej, wznawianie po awarii do 4,5 razy szybciej) stają się ogólnie dostępne.

Google deklaruje, że ma blisko 100 klientów TPU, którzy mogą teraz wdrażać je we własnych centrach danych. Nie podaje jednak ani daty dostępności, ani cen TPU 8tx i TPU 8i Max, a wynikom w benchmarkach InferenceX i AgentX nie towarzyszą żadne liczby.

🔗 TPU 8i Max i TPU 8tx (blog.google) · Wpis Google Cloud · Przedstawiamy TPU Sync (Google Cloud)

NVIDIA przedstawia na CoRL GR00T 2, otwarty model działania w świecie, bez licencji ani linku do pobrania

9 listopada — Na otwarciu Conference on Robot Learning (CoRL) w Austin NVIDIA przedstawia GR00T 2, który opisuje jako otwarty, czołowy model działania w świecie (open frontier world action model), zbudowany na platformie Cosmos. Model wytrenowano na danych pochodzących od robotów i ludzi, w tym na 100 000 godzin nagrań wideo z perspektywy pierwszej osoby udostępnionych przez NVIDIA jako open source, aby nauczył się precyzyjnych czynności manipulacyjnych i przenosił je między różnymi konstrukcjami robotów bez demonstracji wykonanej przez robota. API pozwala agentom łączyć jego umiejętności w sekwencje i naprawiać własne błędy.

Miara podana przez NVIDIA	Deklarowana wartość
GR00T 2, zadania wykonane bez demonstracji danego zadania	40 z 50, co najmniej raz
GR00T 2, średnia skuteczność przy 1 demonstracji na zadanie	71 % w 50 zadaniach
GR00T 2, średnia skuteczność przy 5 demonstracjach na zadanie	95 %
Isaac Lab 3.0 z Newton w porównaniu z Isaac Lab 2.3 z PhysX	do 2,5 razy większa przepustowość treningu
AlphaNIST, pojedyncza polityka wobec oddzielnych polityk	ponad 98 % wobec 81 %, około 39 razy mniej czasu GPU
EgoHand, pobrania na Hugging Face	ponad 40 000 w dwa tygodnie

NVIDIA umieszcza GR00T 2 w pierwszej trójce modeli w rankingach RoboCasa365, RoboLab, RoboDojo i MolmoSpaces, z kilkoma pierwszymi miejscami, bez podania wyników liczbowych. Nexuni testuje go do obsługi prania, Foxconn do produkcji serwerów, Siemens do oceny, a MicroAGI wykorzystuje go po dodatkowym treningu przez uczenie ze wzmocnieniem do wymiany kabli Ethernet za pomocą ramienia robotycznego.

W dziedzinie symulacji Isaac Lab 3.0, dostępny od 21 października, w większym stopniu opiera się na otwartym silniku fizycznym Newton do symulacji obiektów odkształcalnych (kabli, tkanin) i dłoni z ruchomymi stawami. Przykładem jest AlphaNIST: pojedyncza polityka uczy się wszystkich 20 zadań montażowych z NIST Assembly Task Board na podstawie prostego sygnału sukcesu lub porażki. Do oceny NVIDIA udostępnia Isaac Lab-Arena 0.4 w wersji zapoznawczej dla programistów oraz dwa otwarte benchmarki: DexBench, opracowany z RLWRLD (15 zadań w czterech scenach, od handlu po hotelarstwo), i VABAR, opracowany z UC Berkeley (sześć zadań przemysłowych). Uzupełniają je workflow Video to Data, który przekształca nagrania ludzi w symulowane demonstracje robotów, oraz EgoHand, otwarty model rekonstrukcji dłoni w 3D.

Wpis przedstawia GR00T 2 jako model otwarty, ale nie podaje ani licencji, ani linku do pobrania, ani daty dostępności.

🔗 Wpis NVIDIA z okazji CoRL

NVIDIA w Korei: NVLink Fusion z Rebellions i SK Telecom, konfiguracje Dynamo i fizyczna AI

9 listopada — Podczas NVIDIA AI Day Seoul NVIDIA publikuje serię ogłoszeń dotyczących Korei. Najważniejsze dotyczy współpracy z projektantem układów Rebellions i operatorem SK Telecom, wspieranej przez koreańskie Ministerstwo Nauki i ICT: Rebellions połączy swoje przyszłe procesory neuronowe (NPU) Rebel R200 z platformą NVIDIA przez NVLink Fusion i zbuduje systemy na architekturze szaf rack MGX, a SK Telecom planuje wdrożyć je w swoim centrum danych AI, dla modeli takich jak A.X K2 i usług publicznych w ramach rządowego projektu AI for All. Inferencja miałaby być rozdzielona: GPU NVIDIA odczytywałyby prompt (prefill), a NPU Rebellions generowałyby tokeny. Nie podano ani daty, ani skali wdrożenia.

NVIDIA publikuje także konfiguracje Dynamo dla czterech koreańskich modeli otwartych (A.X K2, K-EXAONE 2.0, Solar Open 2 i Motif-3), zoptymalizowane pod GPU B200, według NVIDIA zapewniające od razu do 2 razy wyższą wydajność. LG AI Research otwiera dostęp przez API do K-EXAONE-2.5, wytrenowanego na zbiorach danych Nemotron, w tym Nemotron-Personas-Korea (7 milionów person), a Hyundai Motor Group bada możliwości NemoClaw i OpenShell. NVIDIA ogłasza też inwestycję w Point2 (połączenia radiowe) oraz planowane inwestycje w Motif Technologies, RLWRLD i Upstage, bez podawania kwot. W tej samej serii Samsung, Kakao Mobility i LG Electronics opisują swoje projekty fizycznej AI realizowane z NVIDIA (zob. Krótkie wiadomości).

🔗 Komunikat NVIDIA, Rebellions i SK Telecom · Konfiguracje Dynamo dla koreańskich modeli · Bezpieczni agenci w Korei · Inwestycje w koreańskie startupy

Agenci programistyczni: Claude Code 2.1.321, Vibe CLI 3.1.1, Qwen Code, Copilot CLI, Antigravity CLI, Amp i Delta

Claude Code i Vibe CLI publikują dwa wydania z największą liczbą zmian tego dnia. Qwen Code v0.27.1, stabilne wydanie Copilot CLI 1.0.108, Antigravity CLI 1.5.2, Portals i aplikacja Amp na Windows oraz przepisany edytor Delta zostały omówione w Krótkich wiadomościach, w dziale Agenci i narzędzia programistyczne.

Claude Code 2.1.321 ustawia Fable 5.2 jako domyślny model Fable i naprawia 74 problemy

9 listopada — Claude Code 2.1.321 towarzyszy premierze: Fable 5.2 staje się domyślnym modelem Fable (kontekst o długości miliona tokenów, 8 i 40 dolarów za milion tokenów, odczyt z cache za 0,20 dolara). Zapisane ustawienia wyboru Fable 5.1 przechodzą na alias fable, od razu w planach Pro i Max, a w Team i Enterprise po zezwoleniu organizacji; /model claude-fable-5-1 pozwala przywrócić poprzedni wybór. claude remote-control --settings stosuje plik ustawień w każdej uruchamianej sesji.

Spośród 118 pozycji 74 to poprawki, w tym kilka luk bezpieczeństwa: tokeny OAuth MCP mogły trafiać do innego hosta po przekierowaniu, polecenie Bash służące wyłącznie do odczytu mogło wykonywać się poza sandboxem bez pytania o zgodę, a reguły odmowy nie obejmowały operacji cp lub mv kierowanych do katalogu. W razie osiągnięcia limitu lub awarii usługi obsługującej tryb szybki tryb ten przełącza się najpierw na standardową prędkość tego samego modelu. Mody napisane przez Claude aktywują się bez pytania w trybach auto i bypass, przy zachowaniu reguł odmowy. Nie opublikowano wersji 2.1.320, stabilny kanał npm pozostaje przy 2.1.311, a Agent SDK otrzymuje wersje TypeScript 0.3.321 i Python 0.2.180.

🔗 Informacje o wydaniu Claude Code 2.1.321

Vibe CLI 3.1.1 dodaje cztery zdarzenia hooków, tryb Vim i import konfiguracji innych agentów

9 listopada — Pięć dni po wersji 3.1.0 Mistral publikuje Vibe CLI 3.1.1, bez ogłoszenia na X. Mimo numeru wskazującego na wydanie poprawkowe zawiera ono 92 pozycje: 17 nowości, 26 zmian, 44 poprawki i 5 usuniętych elementów. Hooki otrzymują cztery zdarzenia: pre_agent, przed odczytaniem wiadomości przez model, które może ją zablokować, przeredagować lub dodać do niej kontekst; notification, gdy Vibe czeka na zatwierdzenie lub odpowiedź; session_start i session_end. Wbudowany skill /vibe:import odnajduje konfigurację innych agentów programistycznych i importuje z niej instrukcje, skills, subagentów, polecenia, hooki, serwery MCP i uprawnienia.

Pole wprowadzania tekstu otrzymuje tryby Vim, a /pr wyświetla pull requests z sesji, otwiera pierwszy nieudany test CI lub przygotowuje prompt pomagający odblokować PR; to monitorowanie jest teraz domyślnie aktywne. Wersja usuwa /teleport, opcję --teleport i /remote-project. W Mistral Large 4 poziomy rozumowania zmieniają się na Low, Medium i High, zgodnie z wartościami akceptowanymi obecnie przez API, a skills z pluginów przyjmują nazwę pluginu (my-plugin:review zamiast my_plugin:review), co wymaga dostosowania własnych agentów.

🔗 Informacje o wydaniu Vibe CLI 3.1.1

Agenci dots w ChatGPT pracują na wielu lokalnych komputerach, wybieranych do każdego zadania

9 listopada — Dots, stali agenci ChatGPT uruchomieni pod koniec września, mogą teraz korzystać z wielu lokalnych komputerów: do jednego agenta dot podłącza się kilka maszyn, a następnie wybiera tę, która posłuży do danego zadania. OpenAI Developers przedstawia zastosowania dla programistów: budowanie i testowanie aplikacji na osobnej maszynie podczas pisania kodu na laptopie, testowanie zmiany w Xcode na drugim Macu i otrzymywanie zrzutów ekranu, odtwarzanie błędu na maszynie ze starszym SDK lub zlecenie przeglądania interfejsu bez zajmowania ekranu i kursora użytkownika.

Według strony pomocy każdy komputer łączy się przez zainstalowaną na nim aplikację ChatGPT, w sekcji Computers w profilu agenta dot, i musi pozostawać online z otwartą aplikacją. Przy niezależnych zadaniach należy poprosić agenta dot o osobny wątek dla każdego komputera. Status offline nie cofa dostępu, który trzeba odebrać jawnie, a to uprawnienie pozostaje niezależne od połączenia z Codex i od Work Sync. OpenAI nie podaje, których planów dotyczy funkcja ani harmonogramu jej udostępniania.

🔗 Ogłoszenie @OpenAIDevs · Podłącz komputery i aplikacje do swojego agenta dot

OpenAI ponownie wprowadza do sprzedaży ModRetro Chromatic w edycji Codex, z pluginem do tworzenia gier na Game Boy Color

9 listopada — OpenAI Developers ponownie wprowadza do sprzedaży w sklepie OpenAI Supply Co., należącym do OpenAI, ModRetro Chromatic w edycji Codex, przenośną konsolę uruchamiającą gry na Game Boy Color: 200 dolarów z programowalnym kartridżem i etui. Początkowo dostępna wyłącznie na DevDay, wraca z nowym wyglądem; sklep zapowiada powrót do magazynu 19 listopada, z dostawą ograniczoną do Stanów Zjednoczonych, Kanady, Australii, Nowej Zelandii, Japonii, Wielkiej Brytanii i Unii Europejskiej.

Konsola służy jako prezentacja możliwości pluginu ModRetro Chromatic, wydanego przez ModRetro i instalowanego z katalogu pluginów Codex w desktopowej aplikacji ChatGPT. Plugin opiera się na GB Studio i udostępnia narzędzia do sprite’ów i animacji, mapę kolizji wyświetlaną obok scenerii, emulator otwierany we wbudowanej przeglądarce Codex oraz sekwencje naciśnięć przycisków odtwarzane ze zrzutem ekranu na każdym etapie. Bardziej doświadczeni mogą pisać w C z użyciem GBDK-2020 lub zbudować własny silnik w asemblerze. Wgranie gry przez kabel USB na kartridż wielokrotnego zapisu usuwa obecną na nim grę i może usunąć jej zapisy, bez tworzenia kopii zapasowej.

🔗 Ogłoszenie @OpenAIDevs · Stwórz grę na przenośną konsolę retro z Codex i ModRetro Chromatic · Chromatic w edycji Codex w OpenAI Supply Co.

Google AI Studio tworzy aplikacje Google Maps Platform na podstawie promptu, bez karty płatniczej

9 listopada — Google AI Studio pozwala tworzyć aplikacje oparte na Google Maps Platform bezpośrednio na podstawie promptu. Wystarczy opisać pomysł Gemini, na przykład interaktywną wycieczkę 3D po Nowym Jorku, a AI Studio skonfiguruje Google Maps Platform i zajmie się kluczem API bez przekierowania, po czym wyświetli interaktywną mapę w podglądzie; może też połączyć istniejący projekt Google Cloud. Dostępne są API Maps (mapy z własnym stylem, fotorealistyczne miasta 3D), Places (wyszukiwanie lokalne, informacje o miejscach), Routes (trasy z punktami pośrednimi) i Environment (jakość powietrza, pyłki), a w galerii czekają trzy przykłady do przerobienia: City Immersive Tour, Pet Grooming Route Optimizer i Store Locator & Near Me Finder.

Okres próbny jest bezpłatny i nie wymaga karty płatniczej, w ramach limitów sandboxa: 100 wywołań dziennie na API, resetowanych co 24 godziny. Do użytku produkcyjnego trzeba podłączyć konto rozliczeniowe Google Cloud, ze standardowymi stawkami Google Maps Platform.

🔗 Od promptu do aplikacji: twórz z Google Maps w AI Studio (Google Developers) · Ogłoszenie @GoogleAIStudio

ElevenLabs udostępnia Campaign Manager do powierzania kampanii połączeń wychodzących agentom ElevenAgents

9 listopada — ElevenLabs udostępnia ElevenAgents Campaign Manager, który powierza agentom głosowym kompletne kampanie połączeń wychodzących. Użytkownik dostarcza listę kontaktów i cel, taki jak zakwalifikowanie potencjalnego klienta lub potwierdzenie spotkania: agent dzwoni w wybranych przedziałach czasowych, zachowuje kontekst między rozmowami, oddzwania później, rezerwuje wskazany termin lub próbuje innego numeru bądź kontaktu z inną osobą powiązaną z kontem, a następnie kończy działania po osiągnięciu celu lub na życzenie kontaktowanej osoby.

Moduł określa zasady połączeń: limit prób (z osobnym limitem oddzwonień), listy osób niewyrażających zgody na kontakt aktualizowane od razu po prośbie o zaprzestanie kontaktu oraz obowiązkowe komunikaty we wstępnej wypowiedzi agenta. Każdy kontakt ma historię decyzji, przypadki budzące wątpliwości trafiają do kolejki do rozpatrzenia, a całość można wyeksportować do CSV. Według CTO Jeremy’ego O’Sullivana moduł, testowany w wersji beta w ubezpieczeniach, bankowości i e-commerce, zwiększył w The AA Ireland odsetek potencjalnych klientów obsługiwanych dziennie z 50–60 % do 100 %. Campaign Manager jest dostępny już teraz, przez telefon i WhatsApp, a obsługa e-maili i SMS-ów ma pojawić się wkrótce; nie podano osobnego cennika.

🔗 ElevenAgents Campaign Manager (ElevenLabs) · Ogłoszenie @ElevenLabs

Otwarte dane i badania: japońskie zbiory syntetyczne NVIDIA i przycinanie HOPE firmy Amazon

Dwie dzisiejsze publikacje na blogu Hugging Face: jedna o danych treningowych, druga o pamięci zajmowanej przez modele z ekspertami.

NVIDIA i Elith publikują dwa japońskie zbiory syntetyczne, do finansów i ochrony danych

9 listopada — NVIDIA publikuje na Hugging Face dwa japońskie zbiory danych syntetycznych zaprojektowane do wspólnego wykorzystania. Nemotron-Personas-Finance-Japan, opracowany z firmą Elith, rozszerza Nemotron-Personas-Japan o finanse: 9 milionów person w języku japońskim (1 milion rekordów po 50 pól), z danymi o składzie gospodarstwa domowego, majątku i zachowaniach finansowych opartymi na oficjalnych statystykach, co daje około 1,5 miliarda tokenów na licencji CC BY 4.0. Według autorów jest to pierwszy otwarty zbiór person tej wielkości, który łączy publiczne japońskie statystyki z danymi o finansach gospodarstw domowych.

Nemotron-PII-Japan dostarcza 100 000 syntetycznych japońskich dokumentów zawodowych z ośmiu dziedzin (m.in. ochrony zdrowia, finansów, administracji i prawa), z oznaczonymi 56 typami danych osobowych, w tym numerem My Number, do trenowania modeli wykrywających i maskujących takie dane. NVIDIA dotrenowuje na 95 000 dokumentów model GLiNER. Ogólna idea: symulować klientów za pomocą pierwszego zbioru, a następnie sprawdzać za pomocą drugiego, czy proces przetwarzania chroni ich dane.

🔗 Nemotron-Personas-Finance-Japan (blog Hugging Face) · Nemotron-PII-Japan (blog Hugging Face)

Amazon przedstawia HOPE, metodę przycinania ekspertów MoE uwzględniającą ich współpracę

9 listopada — We wpisie podpisanym przez Alexa M Tsenga zespół firmy Amazon przedstawia HOPE (Higher-Order Pruning of Experts), metodę usuwania najmniej przydatnych ekspertów z modelu typu mixture-of-experts (MoE) bez ponownego trenowania. MoE utrzymuje wszystkich ekspertów w pamięci, chociaż przy każdym tokenie wykorzystywanych jest tylko kilku: w Qwen3.5-122B przypada na nich 95 % z około 250 GB zajmowanych przez model. Obecne metody oceniają każdego eksperta oddzielnie; HOPE mierzy również interakcje między parami ekspertów często aktywowanych wspólnie.

Metoda, testowana na Qwen3.5-122B, Qwen3.5-35B i GLM-4.5-Air w porównaniu z REAP, MAN, EAN i Frequency, przy usunięciu od 10 do 50 % ekspertów, osiąga według firmy Amazon najlepszą średnią pozycję (2,07 wśród 5 metod), a jej przewaga rośnie wraz ze stopniem przycinania: przy 50 % wynosi do +6,1 % w zadaniach programistycznych z użyciem agentów względem najlepszej konkurencyjnej metody. Jest kompatybilna z kwantyzacją, przy dodatkowym koszcie od jednej do dwóch sekund na warstwę.

🔗 Wpis firmy Amazon o HOPE (blog Hugging Face)

Krótkie wiadomości

Agenci i narzędzia do kodowania

Qwen Code v0.27.1 — Stabilna wersja z 9 listopada, dwa dni po v0.27.0, bez zmian łamiących kompatybilność: 122 pozycje, w tym 26 funkcji i 65 poprawek. Managed Agent zyskuje opcjonalną pamięć osobistą opartą na Mem0, a także archiwizację i samodzielną instalację serwerów MCP; Desktop v0.27.1 i SDK TypeScript v0.1.31 ukazują się tego samego dnia. 🔗 źródło
Copilot CLI 1.0.108 w wersji stabilnej — Wydanie stabilne z 9 listopada, bez nowości wykraczających poza wersje zapoznawcze 1.0.108-0 i 1.0.108-1 opisane 7 listopada: polecenia /index, domyślnie współdzielone indeksowanie tgrep, ustawienie sandboxa dla Windows i 72 poprawki. 🔗 źródło
Antigravity CLI 1.5.2 — Wersja datowana w dzienniku zmian na 6 listopada: --dangerously-skip-permissions nie zatwierdza już automatycznie chronionych poleceń ani dostępu poza obszarem roboczym, gdy administrator Gemini Enterprise wymaga weryfikacji; pluginy o niebezpiecznych nazwach są odrzucane, a skills z pluginów chmurowych trafiają do sesji --remote-agent. 🔗 źródło
Portals od Amp na runnerach — Portals, dotychczas dostępne tylko dla orbs, działają na komputerach użytkownika: serwer deweloperski uruchomiony przez agenta można otworzyć z karty Portal w wątku, dostępnej według dokumentacji w przeglądarce oraz aplikacjach na iPhone i iPad. Włączenie przez Allow Portals lub amp --no-tui --remote-control-portals; portale są prywatne poza współdzielonym runnerem i według dokumentacji nigdy nie są publiczne. 🔗 źródło · 🔗 dokumentacja
Amp dla Windows — 7 listopada Quinn Slack, CEO Amp, udostępnia eksperymentalną aplikację dla Windows z instalatorem, który aktualizuje się automatycznie; zgłoszenia błędów są nagradzane kredytami, a dopracowana wersja jest zapowiadana za około trzy–cztery dni. Strona pobierania wymienia też eksperymentalną aplikację dla Linux. 🔗 źródło
Edytor wątków Delta — Agus Zubiaga opisuje na blogu Delta edytor przepisany tak, by wątki stały się współdzielonym dokumentem z możliwością dodawania adnotacji zamiast czatu, po porzuceniu architektury edytora Zed; Zed podsumowuje, że trzeba było zaczynać od zera sześć razy. Wpis techniczny, bez nowego wydania. 🔗 źródło · 🔗 tweet Zed
v0 i Fable 5.2 — Narzędzie Vercel do tworzenia aplikacji udostępnia Claude Fable 5.2 wieczorem w dniu premiery, z bezpośrednim punktem dostępu v0.app/?fable52, bez informacji o planach ani cenie. 🔗 źródło

Platformy, API i firmy

Wybór modelu Claude — W poradniku opublikowanym na claude.dev Addy Osmani zaleca zacząć od Opus 5.5 z poziomem wysiłku medium, przejść na Sonnet 5.5 lub Haiku 5.5 przy ściśle określonych zadaniach lub dużej skali, a do najtrudniejszych projektów wybrać Fable 5.2, próbując najpierw podnieść wysiłek o jeden poziom. Na SWE-bench Pro Opus 5.5 przy low, z ponawianiem nieudanych prób przy high, osiąga około 97 % za 0,17 dolara na zadanie, wobec 95,3 % za 0,29 dolara przy wykonywaniu wszystkiego z high. 🔗 źródło
Funkcje asynchroniczne w API Agents — Michael Luo z zespołu API Agents w OpenAI przedstawia funkcje asynchroniczne: agent kontynuuje pracę po wywołaniu narzędzia, nie czekając na wynik, co pozwala wcześnie uruchomić powolne wyszukiwanie lub przetwarzać niezależne części żądania. Przypomina też o 12-godzinnym cache promptów, opisanym już 20 października. 🔗 źródło
SDK OpenAI — openai-python 3.48.0 dodaje opcje streamingu dla sesji agentów, a SDK Python i Node (7.54.0) rozpoznają gpt-6-rosalind w Responses w wersji beta; Codex CLI nie opublikował żadnej stabilnej wersji od 0.167.0 z 6 listopada, jedynie wersje zapoznawcze 0.169.0 bez informacji o zmianach. 🔗 źródło
ChatGPT Enterprise w AWS Marketplace — ChatGPT Enterprise (ChatGPT, ChatGPT Work, Codex i dots) można już kupić przez AWS Marketplace, z wykorzystaniem dotychczasowych rozliczeń AWS i możliwością zaliczania wydatków na poczet zobowiązań wobec AWS; według OpenAI funkcje są takie same jak przy zakupie bezpośrednim, bez ogłoszonej ceny, po udostępnieniu w Google Cloud i Oracle w październiku. 🔗 źródło
Kuken Industries — Japoński producent wież chłodniczych odnajduje rysunek części zamiennej w 4,5 minuty zamiast niemal godziny dzięki narzędziu zbudowanemu na API OpenAI przez startup Recursive; przewiduje zmniejszenie liczby godzin poświęcanych na wyszukiwanie o około 90 % w skali roku. 🔗 źródło
Poradnik Perplexity o pamięci — Perplexity wyjaśnia działanie pamięci asystentów AI i opisuje własną: działa ze wszystkimi modelami, jest osobna dla każdego Project, pojawia się wśród źródeł, gdy zostanie użyta, i można ją usunąć; na kontach konsumenckich jej zawartość może służyć do ulepszania modeli, chyba że wyłączy się ustawienie AI Data Retention; nigdy na kontach Enterprise. 🔗 źródło

Bezpieczeństwo

Secret scanning w logach Actions — Secret scanning GitHub analizuje teraz logi workflow GitHub Actions po zakończeniu wykonania, w publicznej wersji zapoznawczej na GitHub Enterprise Cloud z Secret Protection lub Advanced Security; polityka na poziomie przedsiębiorstwa jest domyślnie wyłączona, a podczas wersji zapoznawczej nie ma analizy starych logów ani powiadomień. 🔗 źródło
Egzamin x402 Fizzl — Frits Zwager przekształca x402 Agent Safety Bench w egzamin dostępny dla każdego agenta na stronie Fizzl: 19 zadań zakupowych u symulowanych sprzedawców, w tym 14 oszustów, opłacanych testowymi USDC na Base Sepolia. 🔗 źródło

Otwarte modele i społeczność

Harness adapters — Ciąg dalszy projektu harness-hub przedstawionego 6 listopada: zakończono trenowanie LoRA dla LFM2.5-24B i LFM3 od Liquid AI oraz Twil-8B od webAI w harnessach pi, hermes i opencode; zespół ogłasza wzrost skuteczności korzystania z narzędzi nawet o 43 % i trafności o 15 % dla LFM3 oraz wzrost skuteczności nawet o 37 % dla Twil-8B. 🔗 źródło
Modyfikowanie wag na potrzeby medycyny — Maziyar Panahi (OpenMed) poprawia wyniki małych modeli Qwen na egzaminach medycznych, modyfikując ich wagi bez trenowania: Qwen3.5-2B przechodzi z 52,0 do 70,5 % na MedQA, bez istotnej zmiany w matematyce; jak zaznaczono we wpisie, poprawa częściowo wynika z formatu odpowiedzi. 🔗 źródło
Qwen3.8-27B dostrojony na Mac Studio — Roman Melnyk przekształca Qwen3.8-27B w asystenta do Kafka, Strimzi, Kubernetes i Argo CD, w całości na Mac Studio M3 Ultra z 512 GB pamięci; wersja 4-bitowa mieści się w około 15 GB, a autor ocenia ten pierwszy rezultat jako niejednoznaczny. 🔗 źródło
Step 5 w Together AI — 8 listopada Together AI informuje o ponad trzykrotnym zwiększeniu przepustowości Step 5 od StepFun dzięki optymalizacji stosu obsługi za pomocą agentów (routing MoE, harmonogramowanie, kernels, dekodowanie spekulatywne, sparse attention), bez podania wartości bezwzględnej. 🔗 źródło
Galeria 3D na Hubie — Według Caleba Fahlgrena, którego informację przekazuje Hugging Face, zbiory danych zawierające pliki .glb, .ply, .stl lub splats automatycznie wyświetlają się jako galeria 3D; korzysta z tego ponad 350 publicznych zbiorów, po październikowej przeglądarce OpenUSD. 🔗 źródło
Hackathon Hugging Face i Qai w Dosze — Aritra Roy Gosthipaty i czterech współautorów z Hugging Face opisują hackathon z 5–7 listopada, przedstawiany jako pierwszy hackathon Hugging Face w regionie Zatoki Perskiej: ponad 500 zgłoszeń, 150 uczestników, 40 zespołów, 15 finalistów i 3 zwycięzców. 🔗 źródło
Aplikacja mobilna Sakana AI — Sakana AI do 15 listopada rekrutuje testerów wersji beta swojej pierwszej aplikacji mobilnej, roboczo nazwanej Sakana AI App, bez opisu jej funkcji. 🔗 źródło

Robotyka, 3D i wideo

Fizyczna AI w Korei — W koreańskiej serii NVIDIA Samsung przyspiesza obliczenia związane z projektowaniem półprzewodników (około 1 600 razy z PhysicsNeMo, z 18 godzin do 41 sekund), Kakao Mobility dąży do autonomicznej jazdy poziomu 4 na NVIDIA Hyperion z pojazdami Kia, a robot CLOiD od LG, sterowany przez Isaac GR00T, pracuje w prawdziwej fabryce; bez harmonogramu ani skali wdrożeń. 🔗 źródło
Humanoid składający meble IKEA — 8 listopada Harpreet Sahota konwertuje na potrzeby FiftyOne fragment 2026 Humanoid IKEA Assembly Challenge: 6 epizodów i 30,7 minuty nagrań humanoida z 35 silnikami i siedmioma kamerami, z momentem obrotowym silników zsynchronizowanym z kamerami na nadgarstkach. 🔗 źródło
SAM3D-Part i BranchTokens od Meshy — SAM3D-Part jednym kliknięciem wydziela kompletną część istniejącego obiektu 3D, z odległością Chamfera o około 72 % niższą niż OmniPart na 500 obiektach (artykuł przyjęty na SIGGRAPH Asia 2026, wagi opublikowane); BranchTokens, rozwijany wspólnie z Purdue, zmniejsza błąd generowania szkieletów 3D o 16,9 % względem Auto-Connect. 🔗 źródło · 🔗 BranchTokens
Sightline od Runway — Nowa aplikacja App Studio: tworzy panoramę 360 danego miejsca, pozwala kadrować w niej ujęcia pod dowolnym kątem przy zachowaniu spójnej scenografii i eksportuje ją do 3D, by służyła jako środowisko; zużywa kredyty Runway, bez podania kosztu ani modelu. 🔗 źródło

Co to oznacza

Model z czołówki jest teraz oceniany już w dniu premiery przez firmy, które go integrują, i na ich własnych benchmarkach. Cursor, Cognition i Perplexity publikują wyniki Fable 5.2 w ciągu kilku godzin od premiery, każdy na własnym benchmarku, a Claude Code od razu ustawia go jako domyślny model Fable. Te pomiary nie mówią jednak tego samego: na CursorBench poziom wysiłku Extra High wypada gorzej niż High, kosztując więcej, a na WANDR rekord wiąże się z około 1,8 raza wyższym kosztem na zadanie niż w Gemini 4 Argon. Rada Cursor, by zacząć ponownie od ustawienia domyślnego, ma zastosowanie także poza jego narzędziem: nowy model wymaga ponownego skalibrowania wysiłku.

Koszt na zadanie staje się jednostką porównania. Anthropic obniża cenę Fable o 20 % i podkreśla osiągnięcie wyniku Opus 5.5 za mniej więcej połowę ceny; Meta plasuje Muse Ember na poziomie Claude Haiku 5.5 przy około jednej trzeciej kosztu na zadanie, według własnych danych; Cursor, Devin i Perplexity podają koszt na zadanie obok wyniku. Na poziomie infrastruktury Google zwiększa liczbę systemów TPU do inferencji, a Amazon stara się zmniejszyć zapotrzebowanie MoE na pamięć za pomocą HOPE. TPU 8tx i 8i Max pojawiają się jednak bez daty dostępności ani ceny, co nadal uniemożliwia ich porównanie.

Demonstracje zmieniają skalę: 1 000 agentów dla Fermat, do 300 na zespół na MIPLIB, ponad 1 000 subagentów przy prototypie systemu operacyjnego. Anthropic uzupełnia te liczby mierzalnymi zabezpieczeniami: klasyfikatorem dla każdego z ponad miliona wywołań narzędzi w eksperymencie Fermat, odsetkiem ucieczek z sandboxa obniżonym do 3,1 % oraz Mythos 5.2 dostępnym wyłącznie w programach weryfikacyjnych dotyczących cyberbezpieczeństwa i biologii. Fakt, że oba modele częściej podejrzewają, iż są poddawane ocenie, utrudnia jednak interpretację tych pomiarów bezpieczeństwa.

W robotyce otwartość wymaga jeszcze potwierdzenia. NVIDIA określa GR00T 2 jako model otwarty i publikuje dwa otwarte benchmarki, DexBench i VABAR, ale jej wpis nie podaje ani licencji, ani linku do pobrania. W Korei NVIDIA buduje ekosystem suwerennej AI, w którym jej GPU współpracują z NPU Rebellions przez NVLink Fusion: platforma otwiera się na układy innych projektantów, pozostając w centrum inferencji.