Szukaj

Meta publikuje Muse Glimmer jako open source, OpenAI uruchamia GPT-5.6-Cyber do cyberobrony, Claude robi postępy w hipotezie Riemanna

JLS42 /
Artykuł wygenerowany przez sztuczną inteligencję
anthropic claude openai meta deepseek open-source github ia-generative actualites
Meta publikuje Muse Glimmer jako open source, OpenAI uruchamia GPT-5.6-Cyber do cyberobrony, Claude robi postępy w hipotezie Riemanna

ai-powered-markdown-translator

Artykuł przetłumaczony z fr na pl za pomocą gpt-5.4-mini.

Zobacz projekt na GitHubie ↗

W tym tygodniu Meta publikuje Muse Glimmer, multimodalny model agentowy o 30 miliardach parametrów i otwartych wagach, natychmiast dostępny przez przyspieszany GPU endpoint NVIDIA oprócz Hugging Face. OpenAI restrukturyzuje swój program cyberbezpieczeństwa Daybreak i uruchamia GPT-5.6-Cyber, model, który już pozwolił odkryć nieznaną wcześniej lukę w silniku JavaScript Chrome. Inne ważne wydarzenie: nieopublikowana badawcza wersja Claude’a posunęła naprzód problem matematyczny związany z hipotezą Riemanna, z formalnie zweryfikowanym dowodem. W menu także: cennik Anthropic, narzędzia dla deweloperów, firmowa AI głosowa i finanse native AI.

Meta publikuje Muse Glimmer, 30B model agentowy o otwartych wagach, dostępny przez NVIDIA

Meta opublikowała Muse Glimmer, gęsty multimodalny model o 30 miliardach parametrów (2B enkoder wizualny + 28B dekoder tekstowy), zoptymalizowany do pracy lokalnie, w sposób ciągły, na sprzęcie konsumenckim — Macu lub PC wyposażonym w wydajny GPU. Wagi są udostępniane na licencji Apache 2.0. Model obsługuje okno kontekstu większe niż 120 000 tokenów i według NVIDIA osiąga nawet 20 000 tokenów na sekundę na jednym GPU; Alexandr Wang (Meta Superintelligence Labs) doprecyzowuje, że działa na 24 GB VRAM bez utraty niezawodności agentowej.

Od strony technicznej Muse Glimmer łączy attention z przesuwanym oknem i attention pełny, architekturę Gated Grouped-Query Attention, która zmniejsza cache pamięciowy 16-krotnie, oraz lekki model szkicu DFlash, przyspieszający generację od 2 do 4x. Wsparcie jest dostępne od dnia 0 w transformers, llama.cpp i vLLM, z kwantyzowanymi wagami GGUF i wdrożeniami przez Inference Endpoints Hugging Face.

Cechy techniczneZmierzona wartość
Parametry30B (enkoder 2B + dekoder 28B)
LicencjaApache 2.0
Okno kontekstu120 000+ tokenów
Minimalne VRAM24 GB
Przepustowość (1 GPU)do 20 000 tokenów/s
MCP Atlas (agentowy)75,5 (w porównaniu z 54,2–62,5 dla konkurentów)

NVIDIA natychmiast otworzyła przyspieszany GPU punkt dostępu do testowania Muse Glimmer, zoptymalizowany pod jej platformy edge, desktop i workstation — konkretna dostępność jako uzupełnienie pobrania wag.

Introducing Muse Glimmer, an open-weight 30B-parameter model optimized for local, always-on agent workflows. […] we’re releasing model weights under a permissive Apache 2.0 license.

🇵🇱 Prezentujemy Muse Glimmer, model o 30 miliardach parametrów i otwartych wagach, zoptymalizowany pod lokalne i ciągłe workflow agentów. […] publikujemy wagi modelu na liberalnej licencji Apache 2.0. — @AIatMeta na X

🔗 NVIDIA udostępnia przyspieszany GPU endpoint dla Muse Glimmer

OpenAI rozszerza Daybreak i uruchamia GPT-5.6-Cyber, w Chrome odkryto nieznaną wcześniej CVE

OpenAI restrukturyzuje swój program cyberbezpieczeństwa Daybreak na dwa poziomy dostępu i uruchamia GPT-5.6-Cyber, wyspecjalizowany model zbudowany na GPT-5.6 Sol. Deklarowany cel: oddać najnowocześniejszą inteligencję w ręce zaufanych obrońców, zanim możliwości ofensywne upowszechnią się wśród atakujących.

Poziom dostępuUżywany modelDocelowa grupa odbiorców
Daybreak BlueGPT-5.6 Sol (z wyłączonymi zabezpieczeniami systemowymi)Zalecany punkt wejścia dla większości obrońców
Daybreak RedGPT-5.6-Cyber (nowy)Doświadczeni badacze bezpieczeństwa, zaawansowane autoryzowane prace

GPT-5.6-Cyber zmniejsza liczbę odmów przy niektórych wysokiego ryzyka pytaniach dual-use (na przykład pentestach systemów produkcyjnych) i przewyższa GPT-5.6 Sol oraz wcześniejszy GPT-5.5 Cyber w ExploitGym 2. W warunkach rzeczywistych model pozwolił odkryć dwie nieznane wcześniej podatności w V8, silniku JavaScript Chrome, umożliwiające uszkodzenie pamięci i ucieczkę z sandboxa sterty; po skoordynowanym ujawnieniu Google luka została naprawiona i zarejestrowana jako CVE-2026-15903. Zidentyfikował też co najmniej pięć podatności w popularnym mobilnym systemie operacyjnym, trzy krytyczne luki w popularnej bazie danych oraz ponad 400 podatności eskalacji uprawnień w popularnym jądrze systemu operacyjnego — poprawki są w toku we współpracy z partnerami Daybreak.

OpenAI wymaga sprzętowych kluczy bezpieczeństwa dla wszystkich indywidualnych kont Daybreak od 1 września 2026 r., a program Daybreak Cyber Partner już łączy dostawców usług (Accenture, IBM, KPMG) i producentów zabezpieczeń (Palo Alto Networks, CrowdStrike, Cisco), aby integrować te modele z ich usługami.

We’re expanding our cybersecurity initiative Daybreak and introducing GPT-5.6-Cyber, a new model for advanced, authorized cybersecurity work.

🇵🇱 Rozszerzamy naszą inicjatywę cyberbezpieczeństwa Daybreak i uruchamiamy GPT-5.6-Cyber, nowy model do zaawansowanych i autoryzowanych prac z zakresu cyberbezpieczeństwa. — @OpenAI na X

🔗 Rozszerzanie Daybreak, gdy okno obrony przed cyberzagrożeniami się zawęża

Claude robi postępy w hipotezie Riemanna, nie rozwiązując jej

Anthropic poprosiło nieopublikowaną badawczą wersję Claude’a, aby zmierzyła się z hipotezą Riemanna, jednym z siedmiu problemów nagrody milenijnej Clay Mathematics Institute (po 1 milionie dolarów każdy). Claude nie rozwiązał problemu, ale posunął naprzód powiązane zagadnienie: podniósł dolną granicę odsetka zer funkcji dzeta Riemanna spełniających hipotezę, z 41,6 % do 67,2 %.

Praca odbyła się w dwóch sesjach, łącznie dając 31 milionów tokenów wyjściowych. Pierwsza wygenerowała 650 początkowych pomysłów, wszystkie bezowocne. W drugiej próbie Claude skoordynował 60 wyspecjalizowanych subagentów (rozwój matematyczny, generowanie pomysłów, walidacja, redakcja), wykonał 2 400 poleceń shell i pobrał 54 artykuły z arXiv, aby zweryfikować swoje tropy. Wynik został następnie zrecenzowany przez dwóch matematyków z Anthropic, a potem przeanalizowany przez zewnętrznych ekspertów Briana Conreya i Dana Goldstona. Claude stworzył dowód formalnie zweryfikowany w Lean, który przeszedł standardową walidację.

Ten rezultat wychodzi poza zwykły rejestr benchmarków: mierzalna poprawa na problemie otwartym od dziesięcioleci, z niezależną weryfikacją i formalnym dowodem, pokazuje, jak Anthropic testuje dziś swoje modele badawcze na problemach z matematyki fundamentalnej, a nie na klasycznych zadaniach inżynierii oprogramowania.

We asked an unreleased research version of Claude to take a stab at the Riemann hypothesis. It didn’t solve it, but it did make strides on a related problem: it increased the lower bound for the fraction of zeros of the Riemann zeta function that satisfy the hypothesis from 41.6% to 67.2%.

🇵🇱 Poprosiliśmy nieopublikowaną badawczą wersję Claude’a, aby spróbowała swoich sił w hipotezie Riemanna. Nie rozwiązała jej, ale zrobiła postęp w powiązanym problemie: podniosła dolną granicę odsetka zer funkcji dzeta Riemanna, które spełniają hipotezę, z 41,6 % do 67,2 %. — @AnthropicAI na X

🔗 Pełny opis metodologii na blogu badawczym Anthropic

Anthropic: cennik i bezpieczeństwo

Cena startowa Sonnet 5 staje się stała

Anthropic potwierdza, że cena startowa Claude Sonnet 5 — $2 za milion tokenów wejściowych, $10 za milion tokenów wyjściowych — staje się stała. Model został uruchomiony w czerwcu z tą stawką przedstawioną jako promocyjna, obowiązującą do 31 sierpnia 2026 r. Anthropic usuwa w ten sposób niepewność, która ciążyła na zespołach budujących swoje prognozowane koszty wokół tej ceny startowej: nie przewiduje się żadnej podwyżki na rozpoczęcie roku szkolnego dla tego modelu, co umacnia jego pozycję cenową wobec konkurencji przy zastosowaniach o dużej liczbie tokenów.

🔗 Ogłoszenie

Wstrzykiwanie promptów „w dużej mierze rozwiązane” według Anthropic

Boris Cherny, szef produktu Claude Code w Anthropic, twierdzi, że wstrzykiwanie promptów — najczęstsza metoda ataku na użytkowników i agentów AI, w której złośliwa strona lub dokument przemyca ukrytą instrukcję wykonywaną przez model — jest teraz w praktyce w dużej mierze rozwiązane w modelach Claude. Doprecyzowuje, że postęp ten wynika głównie z treningu modeli, uzupełnionego przez kilka nakładających się klasyfikatorów bezpieczeństwa: połączenie model + detektor (probe) + tryb automatyczny miało sprowadzać skuteczność ataków do 0 %, a to rozwiązanie stanie się domyślnym trybem uprawnień Claude Code 14 sierpnia. Jest to publiczne oświadczenie na X, a nie formalna publikacja badawcza ze szczegółową metodologią.

🔗 Tweet

Narzędzia deweloperskie: Amp przechodzi na OpenAI, Copilot Chat zyskuje ulepszenia

Amp zmienia system trybów na OpenAI, jeśli powiązana jest subskrypcja ChatGPT

Narzędzie do kodowania agentowego Amp zmienia logikę routingu swoich trybów („the Dial”), gdy konto jest powiązane z subskrypcją ChatGPT. Przy powiązanej subskrypcji tryby low, medium i high przełączają się na modele OpenAI (GPT-5.6 Terra dla trybu low i do code review, GPT-5.6 Sol dla agenta i orakla w trybie high) zamiast GLM-5.2 lub Claude Fable. Bez powiązanej subskrypcji nic się nie zmienia. Amp uzasadnia rezygnację z Claude Fable jako modelu orakla zbieżnością wyników modeli granicznych: jego współzałożyciel @sqs uważa, że mało prawdopodobne, aby przyszły test uzasadnił 80-krotną różnicę ceny między Fable a używanymi modelami OpenAI. Tryb Ultra nie jest objęty zmianą i nadal działa na Claude Fable.

🔗 Zmieniliśmy the Dial

Copilot Chat na github.com: ulepszone sterowanie rozmową

GitHub aktualizuje Copilot Chat na github.com, wprowadzając trzy ulepszenia, dostępne ogólnie we wszystkich planach. Dostęp do ostatnich rozmów jest łatwiejszy, okno rozmowy można teraz zminimalizować podczas generowania odpowiedzi, a następnie ponownie otworzyć, aby kontynuować wymianę, a wskaźnik zużycia tokenów pojawia się bezpośrednio na czacie — z podziałem na sesję i wiadomość. Są to raczej usprawnienia ergonomii niż duża funkcja, ale odpowiadają na konkretne codzienne potrzeby kont objętych ograniczonymi limitami Copilot.

🔗 Copilot w sieci rozszerza kontrolę rozmów

Ekosystem open source i inferencja

NVIDIA publikuje Magpie TTS Multilingual, otwarte TTS dla agentów głosowych w 12 językach

NVIDIA publikuje Magpie TTS Multilingual, model syntezy mowy o otwartych wagach, liczący około 357 milionów parametrów, na licencji NVIDIA Open Model License, obejmujący dwanaście języków (w tym francuski), z osobnymi głosami męskimi i żeńskimi dla każdego z nich. Opóźnienie do pierwszego dźwięku wynosi 32 ms w pojedynczym strumieniu na GPU B200 (239 ms przy 64 równoległych strumieniach), 47 ms na H100 i 79 ms na A100, z współczynnikiem czasu rzeczywistego do 320x. Spada też współczynnik błędu znaków: z 2,70 % do 1,54 % dla francuskiego, z 1,14 % do 0,60 % dla hiszpańskiego. Wdrożenie możliwe przez otwarte wagi na Hugging Face lub przez NVIDIA NIM w produkcji.

🔗 Budowanie wielojęzycznych agentów głosowych o niskim opóźnieniu

Technika destylacji zmniejsza nawet 15x wymaganą pamięć GPU

Multiverse Computing publikuje technikę destylacji wiedzy łączącą lokalne buforowanie logitów nauczyciela i połączoną funkcję straty KL, która unika materializowania pełnej macierzy słownictwo × długość sekwencji. Rezultat: pamięć GPU spada z 85,2 GB do 5,45 GB przy 32K tokenach kontekstu (do 15,6x redukcji), a destylacja modelu GPT-OSS 20B zeszła z czterech węzłów GPU do jednego, z około 5x krótszym czasem iteracji. Zastosowana do GPT-OSS 120B i Kimi-K3 (2,8T parametrów), technika zachowuje około 90 % dokładności nauczyciela na BoolQ i HellaSwag. Kod został opublikowany jako open source na GitHub.

🔗 Sprawienie, by destylacja wiedzy była wystarczająco tania do pracy na dużą skalę

DeepSeek-V4-Flash dostępny w chmurze Ollama przez Together AI

Together AI zapewnia teraz infrastrukturę inferencji dla DeepSeek-V4-Flash w chmurze Ollama, przedstawianą jako hosting oferujący najlepszą dostępną wydajność dla tego modelu o otwartych wagach. Oferta podkreśla politykę zerowej retencji danych, a także hosting w Stanach Zjednoczonych i Unii Europejskiej — argument suwerenności dla firm, które chcą korzystać z DeepSeek-V4-Flash bez zależności od chińskiej infrastruktury. To nowy kanał dystrybucji, który dochodzi do już istniejącej dostępności DeepSeek-V4-Flash bezpośrednio w Together AI.

🔗 Tweet

Sakana AI trenuje swój orchestrator Fugu na bazie Gemma 4

Sakana AI publikuje nową wersję modelu dyrygenta swojego wieloagentowego produktu do orkiestracji Fugu, tym razem wytrenowaną na bazie otwartego modelu Gemma 4, jako uzupełnienie już oferowanej puli wymiennych modeli. Dwuwarstwowa architektura — mały model dyrygenta rozdzielający zadania i pula modeli wykonująca rzeczywiste przetwarzanie — opiera się na badaniach Trinity i Conductor przedstawionych na ICLR 2026. Oceny wewnętrzne pokazują wydajność orkiestracji równoważną poprzedniej wersji, przy niższym koszcie. Sakana AI dąży również w dłuższej perspektywie do własnych modeli dyrygentów, aby sprostać wymaganiom suwerenności cyfrowej w Japonii.

🔗 Fugu × Gemma 4

Together AI opisuje swoje partnerstwo z Cursor w zakresie inferencji w czasie rzeczywistym

Together AI publikuje artykuł współautorstwa Cursor, opisujący ich partnerstwo infrastrukturalne w zakresie inferencji: agenci zintegrowani z edytorem generują kod, podczas gdy deweloperzy aktywnie edytują swój plik, co nakłada ścisłe wymagania dotyczące opóźnień — odpowiedź modelu musi wpasować się w pętlę sprzężenia zwrotnego edytora bez zakłócania przepływu pracy. Artykuł pokazuje, jak Together AI zbudowało swoją infrastrukturę, aby spełnić te cele na dużą skalę, co stanowi konkretne zastosowanie ich dedykowanych ofert inferencji dla narzędzi deweloperskich wspomaganych przez AI.

🔗 Tweet

Media generatywne: ElevenLabs w Deutsche Telekom, MiniMax omawia H3

ElevenLabs wdraża swoją technologię głosową AI w Deutsche Telekom

ElevenLabs ogłasza partnerstwo z Deutsche Telekom, pierwszym operatorem telekomunikacyjnym w Europie, aby zintegrować swoją technologię głosową AI na trzech poziomach: centrum kontaktowym, aplikacji konsumenckiej i samej sieci. Asystent połączeń AI działa na ElevenLabs i jest zintegrowany bezpośrednio z siecią, dzięki czemu jest dostępny na każdym urządzeniu mobilnym zdolnym do wykonania połączenia, bez dedykowanej aplikacji — z pomocą na żywo podczas rozmów, tłumaczeniem w czasie rzeczywistym oraz transkrypcją/podsumowaniem połączeń. Partnerstwo rozpoczęło się jako zestaw funkcji aplikacji na początku 2025 r., a następnie przekształciło się w integrację w rdzeniu usług Deutsche Telekom, z planowanym rozszerzeniem.

🔗 Tweet

MiniMax szczegółowo przedstawia otwartoźródłową mapę drogową H3

Po sesji AMA na Reddicie MiniMax publikuje podsumowanie otwartoźródłowej mapy drogowej swojego modelu wideo H3. Przejście na licencję Apache-2.0 jest „na stole”, gdy tylko kwestie praw autorskich zostaną wyjaśnione, a wkrótce ma pojawić się pełny raport techniczny. MiniMax planuje też udostępnić wagi H3-Regenerate-2K, modelu regeneracji w przestrzeni latentnej umożliwiającego ponowne przetworzenie wyniku 768p do 2K, implementację sparse attention, rozważaną niskolatencyjną odmianę 4-NFE/8-NFE oraz zunifikowany model generowania/edycji obrazu wywodzący się z linii H3. Workflow Ref2VA pozwala już łączyć klipy w celu tworzenia 60-sekundowych wideo.

🔗 Tweeta

Agenci multimodalni i finanse natywne dla AI

Qwen-MM-Plugins: uczynić agentów natywnie multimodalnymi

AlibabaQwen ogłasza Qwen-MM-Plugins, rodzinę wtyczek zaprojektowaną tak, aby uczynić dowolne środowisko uruchomieniowe agenta (_agent harness) natywnie multimodalnym: odczyt obrazów, filmów i dokumentów, edycję wideo oraz pracę na plikach 3D/CAD. Idea: zamiast odizolowanego modelu multimodalnego, warstwa wtyczek jest dodawana do środowiska już używanego przez dewelopera. Ogłoszenie nie podaje benchmarków, cen ani dokładnej daty dostępności — pozostaje na etapie teasera produktu, z towarzyszącą demonstracją wideo. To uruchomienie rozwija strategię Qwen z 2026 roku, która rozszerza ofertę w stronę multimodalnego oprzyrządowania agentowego, zamiast nowych wag surowych modeli.

🔗 Tweeta

Pięć lekcji budowania funkcji finansowej natywnej dla AI

CFO OpenAI, Sarah Friar, dzieli się pięcioma lekcjami dotyczącymi budowania funkcji finansowej natywnej dla AI, wokół dwóch ambicji: zamknięcia w zerowym dniu (widoku finansów firmy w czasie rzeczywistym, uzgodnionego i możliwego do śledzenia) oraz ciągłego prognozowania. Wśród lekcji: dać wszystkim dostęp, a potem stworzyć powód, by z niego korzystać — zilustrowane hackathonem finansowym, z którego narodził się IR-GPT, spersonalizowany GPT do odpowiadania na pytania due diligence inwestorów; połączyć eksperymentowanie oddolne ze strategią odgórną; wyjść poza statyczne arkusze kalkulacyjne na rzecz żywych narzędzi opartych na pełnym kontekście działalności; zbudować jasną odpowiedzialność w każdym workflow; oraz mierzyć zwrot z inwestycji w AI.

🔗 Budowanie funkcji finansowej natywnej dla AI

Pojawiają się miejsca Premium dla ChatGPT Business

OpenAI wprowadza miejsca Premium dla ChatGPT Business, oferujące najbardziej aktywnym współpracownikom 5 razy większy limit użycia niż miejsca Standard oraz brak pięciogodzinnego limitu użycia.

Typ miejscaMiesięczna opłataRoczna opłata (w przeliczeniu miesięcznym)
Standard$25/użytkownik$20/użytkownik
Premium$125/użytkownik$100/użytkownik

Firmy mogą mieszać miejsca Standard i Premium w obrębie jednego obszaru roboczego. Oferta startowa: właściciele obszarów roboczych, którzy zarejestrują się przed 20 sierpnia 2026, otrzymają $100 kredytów za każde dodane miejsce Premium (do $500 za pięć miejsc), z możliwością wcześniejszego dostępu przed ogólną dostępnością.

🔗 Miejsca Premium dla ChatGPT Business

Krótkie wiadomości

  • Claude Code — wzrost wydajności CPU i pamięci: zespół podaje, że w ostatnich miesiącach nastąpiły znaczące usprawnienia w wykorzystaniu CPU i pamięci na 99. percentylu (P99 RSS), bez podania konkretnych liczb. 🔗 Tweeta
  • CEO Replit opisuje „self-driving company” w Platformerze: Amjad Masad przedstawia swoją wizję firmy sterowanej przez wewnętrznego bota i agentów, którzy używają aplikacji zamiast ludzi. 🔗 Tweeta
  • Sakana AI rozszerza swoje RSI Lab na AI fizyczną: firma chce budować modele świata dla AI fizycznej i rekrutuje na pełny etat oraz na staże w Tokio. 🔗 Tweeta
  • FC Bayern Monachium nawiązuje współpracę z Google Pixel i Gemini: ogłoszono partnerstwo bez szczegółów dotyczących jego dokładnego charakteru (sponsoring, integracja produktu). 🔗 Tweeta
  • Gemini, porady dotyczące odwiedzania amerykańskich targów rolnych: artykuł lifestyle z bloga Google podsumowuje pięć istniejących zastosowań Gemini (trasy, Ask Maps, AI Mode, Gemini Live, edycja zdjęć), bez nowej funkcji. 🔗 Google Blog
  • Fakturowanie GitHub w Indiach: klienci mogą teraz włączyć cykliczną automatyczną płatność kartą zapisaną w systemie, za pośrednictwem elektronicznego mandatu zgodnego z Reserve Bank of India. 🔗 Changelog
  • GitHub wycofuje niestandardowe subskrypcje według wątku dyskusji: dostępne pozostaną tylko stany Subscribed/Not subscribed, a istniejące niestandardowe subskrypcje zostaną automatycznie przełączone na Subscribed. 🔗 Changelog
  • NVIDIA optymalizuje vLLM dla Qwen 3.5 na GB200: optymalizacje osiągają 25 000 tokenów na sekundę i na GPU, w przygotowaniu do premiery Qwen 3.8. 🔗 Tweeta
  • Codex Build Week — projekty i zwycięzcy wkrótce: OpenAI informuje, że uczestnicy przekształcili swoje pomysły w rzeczywiste projekty przy użyciu Codex; ogłoszenie zwycięzców wkrótce. 🔗 Tweeta
  • List OpenAI do gubernatora Teksasu: firma opisuje swoje zaangażowanie w odpowiedzialny rozwój infrastruktury AI w tym stanie. 🔗 OpenAI
  • Model ML przyspiesza pracę finansową dzięki GPT-5.6 Sol: kancelaria automatyzuje tworzenie śledzalnych prezentacji PowerPoint i skoroszytów Excel, z 36% mniejszą liczbą tokenów niż Opus 5 w workflow Excel. 🔗 OpenAI

Co to oznacza

Wyścig o otwarte wagi przyspiesza i się różnicuje: Meta (Muse Glimmer), Alibaba (Qwen-MM-Plugins), MiniMax (mapa drogowa H3) i Sakana AI (Fugu na Gemma 4) publikują w tym samym tygodniu elementy wielokrotnego użytku, a nie tylko zamknięte modele. Trend wykracza poza sam tekst: NVIDIA udostępnia wielojęzyczny TTS z 357 milionami parametrów, a Sakana AI wyraźnie uzasadnia swój wybór suwerennością cyfrową — argumentem, który pojawia się także u Together AI przy hostowaniu DeepSeek-V4-Flash w UE i w Stanach Zjednoczonych.

Bezpieczeństwo AI przechodzi z laboratorium do realnej produkcji. GPT-5.6-Cyber od OpenAI nie poprzestaje na wyniku benchmarku: naprawił rzeczywistą CVE w V8 i setki innych luk, a jednocześnie został objęty wzmocnionym reżimem dostępu (obowiązkowe klucze sprzętowe od września). Z kolei Anthropic twierdzi, że zneutralizował prompt injection po stronie obrony dzięki połączeniu modelu i klasyfikatorów — dwa komplementarne podejścia (z jednej strony atak z użyciem narzędzi, z drugiej wzmocniona obrona), które pokazują, że bezpieczeństwo staje się samodzielnym obszarem różnicowania produktu, a nie tematem pobocznym.

Po stronie infrastruktury ekonomia inferencji nadal się zaostrza: technika destylacji Multiverse Computing zmniejsza wymaganą pamięć GPU 15-krotnie, Together AI wzmacnia partnerstwo z Cursor, aby spełnić surowe wymagania dotyczące opóźnień w edycji kodu, a Anthropic trwale stabilizuje cenę Sonnet 5. Wzięte razem, te ruchy wskazują na ciągłą presję na koszty inferencji wraz z upowszechnianiem się zastosowań agentowych i interaktywnych.

Wreszcie AI zadomawia się w działach wsparcia przedsiębiorstw równie mocno jak w badaniach podstawowych. OpenAI dokumentuje, jak jej własne finanse stają się natywne dla AI, i wprowadza miejsca ChatGPT Business o zwiększonej pojemności, podczas gdy Model ML raportuje konkretne oszczędności tokenów w workflowach Excel. Na drugim krańcu spektrum wynik Claude dotyczący hipotezy Riemanna — formalnie zweryfikowany i sprawdzony przez zewnętrznych matematyków — przypomina, że te same modele pracują także nad problemami badań podstawowych, daleko od przypadków użycia produktowego.

Źródła