Meta wprowadza Muse Wonder, NVIDIA udostępnia projekty szaf Vera Rubin, Anthropic mierzy autonomiczną replikację małych modeli

Meta wprowadza Muse Wonder i Muse Wonder Full, swoje najwydajniejsze dotąd modele, zaprojektowane do zadań agentowych: pierwszy jest dostępny przez Meta Model API i Muse Code, za 4 dolary za milion tokenów wejściowych, drugi jest zarezerwowany dla abonentów Muse Code, a udostępnienia otwartych wag nie zapowiedziano. Na OCP Global Summit NVIDIA przekazuje Open Compute Project projekty szaf Vera Rubin, natomiast Frontier Red Team z Anthropic szacuje, że małe modele dzieli zaledwie kilka miesięcy od możliwości samodzielnego kopiowania się na urządzenia podłączone do sieci. W obszarze kodowania Artificial Analysis umieszcza Claude Opus 5.5 na szczycie swojego rankingu FrontierCode 1.1 z wynikiem 52,2 %, a Google poświęca ten dzień zdrowiu, od opaski Fitbit Edge po enzymy zaprojektowane przez AlphaProtein Novo.

Meta wprowadza Muse Wonder i Muse Wonder Full, swoje modele frontier do zadań agentowych

12 października — Meta przedstawia serię Muse Wonder, złożoną z Muse Wonder i Muse Wonder Full, które określa jako swoje najwydajniejsze dotąd modele: dwa modele frontier (frontier models) zaprojektowane do osobistych i zawodowych zadań agentowych. Muse Wonder jest już dostępny przez Meta Model API i w Muse Code; Muse Wonder Full jest zarezerwowany dla abonentów Muse Code. Muse Wonder będzie „wkrótce” zasilać osobistego asystenta Muse, początkowo dla abonentów.

Czternaście miesięcy po całkowitej reorganizacji swoich prac nad AI i po Muse Spark 1.3, wydanym 2 września, Meta mówi o „kolejnym etapie” stopniowego zwiększania skali (scaling ladder). Oba modele wytrenowano w Prometheus, centrum danych firmy o mocy rzędu gigawata, na podstawie „większych i mocniejszych” modeli bazowych, których rozmiaru nie ujawniono. Firma podkreśla dwie zdolności: pamięć aktywną (Active Memory), która zachowuje istotny kontekst między rozmowami, oraz aktywne skupienie (Active Focus), które skłania model do zmiany podejścia, gdy napotka przeszkodę, proszenia o doprecyzowanie i przeprowadzania weryfikacji przed ważnym działaniem.

Wyniki znajdują się wyłącznie na grafice we wpisie: jest to tabela pomiarów Meta, wykonanych przy ustawieniu max dla wszystkich modeli. Jeden z modeli Muse Wonder zajmuje pierwsze miejsce w 7 z 14 wierszy, począwszy od Personal Superintelligence Index, wewnętrznego wskaźnika Meta. Claude Opus 5.5 pozostaje jednak na prowadzeniu w 6 wierszach, w tym w Artificial Analysis Index, a GPT-6 Astra — w GDP.pdf.

Benchmark (fragment, pomiary Meta przy ustawieniu max)	Muse Wonder Full	Muse Wonder	Claude Opus 5.5	GPT-6 Astra
Personal Superintelligence Index (wewnętrzny wskaźnik Meta)	59,1	54,3	55,2	54,5
DeepSWE 1.1	79,0	78,8	74,2	74,1
SWE-Marathon	57,5 (xhigh)	53,1	46,3	42,5
MemoryBench	85,5	85,6	81,5	81,4
Terminal-Bench 4.0-AA	57,1	52,0	59,6	59,1
ProgramBench	59,0	50,0	70,5	52,5
Artificial Analysis Index	56	52	58	53

Wersja modelu	Oferowany dostęp	Ogłoszona cena
muse-wonder-1.0	Meta Model API i Muse Code, kontekst 1M tokenów	4 dolary za wejście, 0,20 dolara za wejście w cache, 20 dolarów za wyjście, za milion tokenów
muse-wonder-full-1.0	Wyłącznie abonenci Muse Code, kontekst 1M tokenów	Abonamenty Power Usage (50 dolarów miesięcznie) i Maximum Usage (200 dolarów miesięcznie)

W kwestii bezpieczeństwa Meta deklaruje zastosowanie swoich dotąd najskuteczniejszych zabezpieczeń przed nadużyciami chemicznymi, biologicznymi, radiologicznymi i nuklearnymi (CBRN) oraz cybernetycznymi, przy jednoczesnym zachowaniu dostępu do zaawansowanych zdolności cybernetycznych do zastosowań obronnych. Przedstawia Muse Wonder jako swój model dotąd najlepiej dostosowany do ludzkich intencji i obiecuje „wkrótce” pełny raport z dodatkowymi ocenami bezpieczeństwa.

🔗 Wpis badawczy Meta · Strona modelu i ceny

OCP Global Summit: NVIDIA przekazuje projekty szaf Vera Rubin, Meta wdraża Spectrum-6

12 października — Na otwarciu OCP Global Summit w San Jose NVIDIA przekazuje Open Compute Project (OCP) kluczowe projekty szaf (rack) i tac obliczeniowych (compute tray) Vera Rubin za pośrednictwem swojej otwartej architektury MGX. Deklarowany cel: zapewnić producentom wspólną podstawę dla fabryk AI nowej generacji. Specyfikacja MGX 1.2 dodaje chłodzenie cieczą ze złączami łączonymi bez dostępu wzrokowego (blind-mate) w skali całej szafy, chłodzoną cieczą szynę prądową (busbar) o obciążalności 5 000 A, tace obliczeniowe bez wentylatorów i szafy o mocy do 250 kW. NVIDIA publikuje także specyfikację szafy CPU Vera, zaprojektowanej do pracy agentów (wywołania narzędzi, orkiestracja, wykonywanie w sandboxie), obok Vera Rubin NVL72, który pozostaje podstawą trenowania i inferencji.

Po stronie oprogramowania DSX OS, warstwa operacyjna platformy fabryki AI firmy, otrzymuje cztery komponenty open source wywodzące się z eksploatacji DGX Cloud, w tym Cluster Readiness Engine, który sprawdza klastry GPU pod obciążeniem przed trenowaniem, oraz Cluster API Provider, który według NVIDIA przygotowuje klastry „w ciągu godzin zamiast dni”.

Ian Buck, wiceprezes NVIDIA ds. hyperscale i HPC, wraz z tymi wkładami przedstawił serię ogłoszeń partnerów. Najbardziej konkretne pochodzi od Meta, która wdraża przełączniki Ethernet Spectrum-6: jej przełącznik N-IceCube trafia do IcePack, chłodzonej cieczą szafy sieciowej, pod kontrolą FBOSS, jej sieciowego systemu operacyjnego open source.

Ogłoszenie przedstawione na szczycie	Wymienieni partnerzy	Ogłoszony kluczowy punkt
MGX 1.2 i szafa CPU Vera	Społeczność OCP	Szyna prądowa 5 000 A, szafy do 250 kW
Komponenty open source DSX OS	Projekty NVIDIA	Cztery narzędzia wywodzące się z DGX Cloud
Open Data Center Specification v0.7	AMD, Google, Meta	Wspólny projekt budynków fabryk AI
OCP Grid Resilience Specification	Google, Meta, Microsoft	Powrót do niemal pełnego obciążenia w mniej niż 2 s po zakłóceniu w sieci energetycznej
Platforma K-1 przy 800 VDC	Visionbay, Vertiv	Zaprojektowana z myślą o przyszłych wdrożeniach Vera Rubin
Spectrum-6 w Meta	Meta	102,4 Tb/s, do 8 płaszczyzn sieciowych, ponad 100 000 GPU
Protokół Falcon Transport	Google	Przyszłe SuperNIC ConnectX-10 i DPU BlueField
Format modułów optycznych USFP	Cisco, TE Connectivity, Amphenol	400 Gb/s na tor (szczegóły poniżej)

Żadnemu z tych ogłoszeń nie towarzyszy cena ani data dostępności. Jensen Huang wygłosi przemówienie otwierające GTC Berlin w środę 21 października.

🔗 Wpis NVIDIA o OCP Global Summit

USFP: NVIDIA i Cisco przygotowują wtykowe moduły optyczne o przepustowości 400 Gb/s na tor

12 października — Wśród tych ogłoszeń NVIDIA i Cisco przedstawiają projekt formatu USFP (Ultra-Dense Small Form Factor Pluggable), wtykowego modułu optycznego, który NVIDIA opisuje jako pierwszy zaprojektowany do obsługi sygnałów elektrycznych o przepustowości 400 Gb/s na tor. Pierwsze planowane moduły nadawczo-odbiorcze (transceivers) połączą 16 torów dwukierunkowych (full-duplex) w gabarytach zbliżonych do OSFP, zarówno dla przełączników, jak i SuperNIC, co daje do 12,8 Tb/s, z możliwością rozszerzenia do 32 torów i więcej. W porównaniu z obecnymi modułami o przepustowości 200 Gb/s na tor NVIDIA zapowiada czterokrotną gęstość przepustowości na panelu przednim i około 1,3-krotną efektywność energetyczną, a moduł może rozpraszać do 100 W bez wbudowanego dedykowanego chłodzenia. Stawką jest podłączenie większej liczby punktów końcowych o przepustowości 1,6 Tb/s bez dodawania kolejnej warstwy sieci. TE Connectivity i Amphenol przygotowują klatki, złącza i moduły, ale to nadal tylko projekt: komunikat nie podaje ani daty, ani ceny.

🔗 Komunikat NVIDIA i Cisco

Frontier Red Team z Anthropic mierzy samoreplikację małych modeli na urządzeniach podłączonych do sieci

12 października — W badaniu autorstwa Williama Zhou i Daniela Freemana Frontier Red Team z Anthropic szacuje, że małe modele może dzielić zaledwie kilka miesięcy od możliwości samodzielnego kopiowania się na słabo zabezpieczowane urządzenia podłączone do sieci. Zespół rozdzielił Gemma4-26B-A4B między 15 przystawek Android TV bez marki, kupionych za około 55 dolarów za sztukę: model działa na nich z prędkością 0,39 tokena na sekundę.

Model 9B potrafi uruchomić inferencję na 8 z 9 przetestowanych typów sprzętu. W odizolowanej sieci 8 emulowanych urządzeń Android tylko GLM-5.2 przeprowadza replikację od początku do końca (8 węzłów na 8 w 4 próbach na 5); ponieważ włamanie było celowo trywialne, Anthropic traktuje ten wynik jako górne oszacowanie. Przy obecnym tempie postępu otwartych modeli o rozmiarze 30B lub mniejszym mały model osiągnąłby ten poziom do końca 2026 roku, choć sam zespół uznaje ten szacunek za zgrubny.

Taki robak byłby powolny, osiągając najwyżej wydajność odpowiadającą około 40 H100 w sieci ponad 2 milionów urządzeń, ale potrafiłby się adaptować: dzięki przejmowaniu notatek poprzedniej generacji Qwen3.5-9B zwiększa skuteczność z 45 % do 61-84 % w ciągu sześciu generacji. Nie istnieje jeszcze kompletny, niekontrolowany replikator; w kwestii obrony badanie przypomina, że w przypadku sieci urządzeń zombie (botnet) Mirai odizolowanie zainfekowanych abonentów przez ich dostawcę internetu wyeliminowało 92 % infekcji w ciągu 14 dni.

Like coding agents in 2024, we’re seeing signs of life for AI worms.

🇵🇱 Podobnie jak w przypadku agentów kodujących w 2024 roku, dostrzegamy oznaki życia u robaków AI. — Frontier Red Team z Anthropic, wpis badawczy

Agenci kodujący: ranking FrontierCode 1.1 od Artificial Analysis, Amp odbiera zdarzenia z GitHub, ColGrep-Agent-2B od LightOn

Niezależny ranking mierzy, co agenci kodujący faktycznie tworzą, podczas gdy Amp i LightOn pracują nad działaniami wokół tego procesu: śledzeniem pull requests i wyszukiwaniem w kodzie.

FrontierCode 1.1: Artificial Analysis umieszcza Claude Opus 5.5 na szczycie z wynikiem 52,2 %

12 października — Artificial Analysis publikuje własny ranking FrontierCode 1.1, benchmarku stworzonego przez Cognition wraz z opiekunami projektów open source: sprawdza on, czy opiekun scaliłby zmianę proponowaną przez agenta, a nie tylko to, czy przechodzi ona testy, i karze zmiany nadmierne lub wykraczające poza zakres zadania. Artificial Analysis uruchamia główny zestaw (Main), obejmujący 100 prywatnych zadań ze 150, przy użyciu swojego środowiska testowego open source Stirrup, z trzema próbami na zadanie; próba, która nie przejdzie kontroli blokującej, otrzymuje zero.

Leading models still fail more than 40% of the time

🇵🇱 Najlepsze modele nadal zawodzą w ponad 40 % przypadków. — @ArtificialAnlys na X

Claude Opus 5.5 przechodzi kontrole blokujące tylko w 58 % prób, a 9 zadań na 100 nie zostało rozwiązanych przez żaden z 22 ocenianych modeli. MiMo-V2.6-Pro od Xiaomi jest najwyżej sklasyfikowanym modelem z otwartymi wagami, z wynikiem 45 %. Różnica kosztów jest znacznie większa niż różnica wyników:

Oceniany model (ustawienie)	Wynik FrontierCode 1.1	Koszt na zadanie
Claude Opus 5.5 (max, z fallbackiem)	52,2 %	10,15 dolara
GPT-6.1 Sol (max)	49,1 %	0,81 dolara
Claude Fable 5.1 (max, z fallbackiem)	49,0 %	12 dolarów
MiMo-V2.6-Pro	45,4 %	0,18 dolara
GPT-6 Luna (max)	41,9 %	0,09 dolara

Według Artificial Analysis GPT-6.1 Sol dorównuje więc Fable 5.1 za mniej niż jedną dziesiątą kosztu na zadanie najlepszych modeli Anthropic. Tych wyników nie można porównywać z wynikami publikowanymi przez Cognition dla Devin, często mierzonymi na wariancie Extended przy użyciu własnego środowiska testowego.

🔗 Ranking FrontierCode od Artificial Analysis

Amp śledzi otwierane przez siebie pull requests i uruchamia orb dla każdego zgłoszenia lub PR na GitHub

12 października — Amp nie przestaje już śledzić otwieranych przez siebie pull requests: gdy agent tworzy PR na GitHub, może subskrybować komentarze, przeglądy zmian i wyniki CI ostatniego commita. Nieudana kontrola lub pytanie recenzenta trafiają wtedy do tego samego wątku, w którym Amp ma już kontekst potrzebny do odpowiedzi.

Funkcja opiera się na integracji GitHub Webhooks określanej jako „pierwszorzędna” (first-class): Amp sam odbiera i przetwarza zdarzenia, a następnie użytkownik lub agent wybiera, czy mają trafiać do jednej instancji orb, zdalnego środowiska, w którym działa agent Amp, czy za każdym razem do nowej instancji orb. Można więc zażądać instancji orb dla każdego nowego zgłoszenia (issue) lub PR w repozytorium, ewentualnie ograniczając to do określonej etykiety (label): każda instancja orb czyta zgłoszenie, przygotowuje jego podsumowanie, a kolejne komentarze trafiają do tego samego wątku. Od 23 lipca instancje orb potrafiły już reagować na zewnętrzne webhooks; nowością jest dedykowana integracja z GitHub, zarządzana przez Amp, z ekranem zarządzania w Settings → MCP & Integrations → GitHub, umożliwiającym modyfikowanie lub wstrzymywanie każdej subskrypcji. Wystarczy zainstalować aplikację GitHub od Amp w repozytorium; wpis nie wspomina o żadnej cenie.

🔗 Wpis Amp

ColGrep-Agent-2B: LightOn powierza wyszukiwanie kodu w Claude Code lokalnemu agentowi

12 października — LightOn publikuje ColGrep-Agent-2B, agenta do wyszukiwania kodu o 2 miliardach parametrów na licencji Apache-2.0, który działa lokalnie między agentem programistycznym a repozytorium. Na podstawie pytania wyszukuje informacje za pomocą ColGrep, wielowektorowego silnika wyszukiwania semantycznego LightOn, czyta obiecujące pliki, śledzi odwołania i zwraca ścieżki, zakresy wierszy oraz kod: najbardziej zaawansowany model nie musi już sam wykonywać kolejnych etapów eksploracji.

Po podłączeniu do Claude Code z Sonnet 5.5, dla 52 pytań dotyczących wyszukiwania w 13 repozytoriach nieobecnych w danych treningowych (624 sesje), zmniejsza zużycie tokenów API o 34 % i koszt API o 40 %, z uwzględnieniem cache, w porównaniu z grep, bez statystycznie istotnej różnicy w dokładności. LightOn zaznacza, że pomiar dotyczy wyszukiwania kodu, a nie zadań wykonywanych od początku do końca. Model dostrojony na bazie MiniCPM5-2B instaluje się za pomocą brew install lightonai/tap/colgrep && colgrep --install-agent, co pobiera wersję GGUF o rozmiarze około 2,5 Go; nie wymaga środowiska Python, serwera inferencji ani klucza API i odpowiada w około dwadzieścia sekund na M3 Pro.

🔗 Wpis LightOn na Hugging Face

Zdrowie w Google: Health Guardian i opaska Fitbit Edge, AlphaProtein Novo projektuje nowe enzymy

Google poświęca ten dzień zdrowiu: z jednej strony funkcje dla użytkowników Google Health i Fitbit, z drugiej podsumowanie badań, które zwraca uwagę na niezauważoną wcześniej pracę Google DeepMind.

Google Health: Health Guardian, wykrywanie ponad 100 aktywności i opaska Fitbit Edge

12 października — Google Health przedstawia jesienne nowości w serii wpisów. Health Guardian monitoruje w tle powolne zmiany stanu zdrowia, takie jak zmiany ciśnienia krwi i insulinooporności; w ramach subskrypcji Google Health Premium Health Coach, trener w aplikacji, pomaga interpretować te zmiany i przygotowuje kontekst do przekazania lekarzowi. Automatyczne wykrywanie treningów, oparte według Google na rozumowaniu kontekstowym (contextual reasoning), staje się niemal 2 razy dokładniejsze.

Zapowiedziana nowość	Dane liczbowe	Zapowiedziana dostępność
Health Guardian	Trendy ciśnienia krwi i insulinooporności, raport miesięczny	Jeszcze w tym miesiącu na Fitbit Air i Fitbit Edge, dla subskrybentów Premium
Automatyczne wykrywanie aktywności	Od 10 do ponad 100 aktywności, liczba niewykrytych treningów mniejsza o ponad połowę	Jeszcze w tym miesiącu na Fitbit Air, Fitbit Edge i Pixel Watch 3 do 5
Opaska Fitbit Edge	179,99 dolarów, 11,5 mm, do 7 dni pracy na baterii, wymienna bateria	W przedsprzedaży, w sklepach od 27 października
Partnerstwo z Flo Health	Zsynchronizowane dane o cyklu, ponad 80 milionów użytkowniczek miesięcznie w Flo	Początek przyszłego roku

Fitbit Edge, przedstawiany jako okno na Health Coach na nadgarstku, to pierwsza opaska fitness od Google, którą można naprawiać. Integracje uzupełniają Abbott (czujnik glukozy Lingo), MyFitnessPal i Function Health.

🔗 Nowości w Google Health · Fitbit Edge · Partnerstwo z Flo Health

Podsumowanie badań Google w dziedzinie zdrowia: AlphaProtein Novo projektuje enzymy, które nie występują w naturze

12 października — Yossi Matias (Google Research) i Pushmeet Kohli (Google DeepMind) podsumowują prace Google w dziedzinie zdrowia: 90 recenzowanych artykułów w pięć lat, ponad 90 000 cytowań i ponad 60 milionów dolarów przekazanych w 2026 roku przez Google.org zespołom stosującym te modele. Wpis przywołuje przede wszystkim znane już wyniki, ale wyróżnia AlphaProtein Novo, pipeline uczenia maszynowego Google DeepMind, który projektuje enzymy od zera (de novo), bez wykorzystywania naturalnego enzymu jako punktu wyjścia.

W preprincie opublikowanym na bioRxiv 5 października, we współpracy z California Institute of Technology i Uniwersytetem w Pittsburghu, zespoły stworzyły nowe transferazy nitrenowe do syntezy piperydyny, kluczowego motywu strukturalnego leków, z selektywnością, którą określają jako bezprecedensową, a także enzymy rozkładające DEHP, toksynę środowiskową, w warunkach, w których naturalne enzymy ulegają denaturacji. Wpis przytacza również dwa nowe zastosowania: w Barcelonie Instytut Zdrowia Globalnego przeprowadził wirtualny screening 30 000 związków za pomocą AlphaFold pod kątem choroby Chagasa i wskazał dwa leki już zatwierdzone przez FDA, które mogłyby znaleźć nowe zastosowanie; w Children’s Mercy Hospital DeepSomatic wykrył 10 przeoczonych mutacji w już zsekwencjonowanych przypadkach białaczki u dzieci.

🔗 Podsumowanie Google dotyczące AI w ochronie zdrowia · Preprint AlphaProtein Novo na bioRxiv

Modele wyspecjalizowane dla konkretnych branż: GLM-Legal od Z.ai dla prawa, Apex 2.0 od Fin do obsługi klienta

Dwóch dostawców wykorzystuje istniejący model i poddaje go dalszemu treningowi z myślą o konkretnym zawodzie, przedstawiając wyniki liczbowe.

GLM-Legal: Z.ai specjalizuje GLM-5.3-Flash w pracy prawniczej

12 października — Z.ai przedstawia GLM-Legal, model prawniczy zbudowany na GLM-5.3-Flash i zaprojektowany do rzeczywistych procesów pracy: przeglądu umów, analizy dowodów i zapewniania zgodności z przepisami. Po treningu pośrednim (mid-training) na rozszerzonym korpusie prawniczym przeszedł dalszy trening przez uczenie ze wzmacnianiem w dziesiątkach tysięcy realistycznych środowisk prawniczych. W Harvey LAB, benchmarku agentów prawniczych Harvey obejmującym 24 obszary praktyki, GLM-Legal osiąga wskaźnik pełnego zaliczenia (all-pass rate) na poziomie 19,2 %, o 12,5 punktu wyższy niż jego model bazowy.

Model oceniany w Harvey LAB	Pełne zaliczenie (dane Z.ai)
GLM-Legal	19,2 %
Kimi K3	12,9 %
Claude Fable 5	11,3 %
GLM-5.3-Flash	6,7 %
GPT-6 Astra	5,4 %

W tekście wpisu podano tylko wynik GLM-Legal; pozostałe pochodzą z wykresu w tweecie z ogłoszeniem. W LegalBench i PLawBench (prawo chińskie) Z.ai deklaruje poziom równy najlepszym modelom zamkniętym, nie publikując wyników. GLM-Legal jest w wersji beta: kancelarie, dostawcy oprogramowania prawniczego (legal tech), działy prawne i niezależni prawnicy mogą wnioskować o dostęp do API przez formularz, a model ma trafić „wkrótce” do AutoClaw, platformy agentów do pracy na komputerze. Nie ogłoszono cen ani udostępnienia wag.

🔗 Wpis Z.ai o GLM-Legal · Ogłoszenie Z.ai na X

Apex 2.0 i Apex Flash 2.0: Fin buduje swoje modele obsługi klienta na Nemotron 3

7 października — Fin, agent AI do obsługi klienta, uruchomił Apex 2.0, nową wersję swojego modelu generowania odpowiedzi, tym razem zbudowaną na Nemotron 3 Super; NVIDIA przyjęła tę premierę z uznaniem 12 października. Podobnie jak w przypadku Apex 1.0, który według Fin już przewyższał w produkcji Claude Sonnet 4.6, zespół wykorzystuje model bazowy z otwartymi wagami i dostosowuje go przez własny dalszy trening: dostrajanie na podstawie instrukcji i preferencji, zmodyfikowane modele nagrody, ukierunkowane przykłady pomagające wybierać między odpowiedzią a prośbą o doprecyzowanie oraz eliminowanie bezpodstawnych obietnic. Fin deklaruje również obniżenie kosztu wdrożenia dzięki kwantyzacji, bez mierzalnej utraty jakości.

Model Fin	Model bazowy NVIDIA	Deklarowane korzyści względem wersji 1.0
Apex 2.0	Nemotron 3 Super	+8,6 % rozwiązań problemów potwierdzonych przez użytkownika, -16,5 % halucynacji
Apex Flash 2.0 (Fin Voice)	Nemotron 3 Nano	Odpowiedzi szybsze o 24 %, -46 % halucynacji, 9 języków zamiast samego angielskiego

Apex 2.0 działa już u wszystkich klientów Fin, których jest ponad 12 000; wpis nie podaje żadnych cen.

🔗 Wpis Fin o Apex 2.0

Trenowanie i udostępnianie modeli: QwenGyre, ReplaySSM i punkt dostępowy /v1/systemone w Transformers

Trzy prace dotyczą infrastruktury programowej modeli: trenowania agentów o bardzo długim horyzoncie działania, dekodowania modeli hybrydowych i udostępniania modeli decyzyjnych.

QwenGyre: Qwen uelastycznia uczenie ze wzmacnianiem agentów o bardzo długim horyzoncie działania

12 października — Zespół Qwen przedstawia QwenGyre, framework uczenia ze wzmacnianiem online dla agentów, których pojedyncze wykonanie może trwać godzinami, obejmować setki interakcji ze środowiskiem i zbliżać się do miliona tokenów na wygenerowaną trajektorię (rollout). Wynikają z tego dwa problemy: bezczynne GPU podczas długiego generowania oraz powielone trajektorie, gdy wykonanie się rozgałęzia (kompaktowanie kontekstu, podagenci, ponowne próby). Elastyczny scheduler (Elastic Scheduler) zmienia przydział GPU między generowaniem trajektorii a treningiem bez przerywania wykonania: nawet 1,85 razy szybciej niż w podejściu Colocate i 1,78 razy szybciej niż w podejściu asynchronicznym (Async). Procesor trajektorii (Trajectory Processor) porządkuje rozgałęzione historie w drzewa ze współdzielonymi prefiksami, usuwając duplikaty.

Zastosowany do Qwen3.8-2.4T-A95B, przy około 700 000 tokenów na trajektorię, QwenGyre podnosi wynik NL2RepoBench z 52,5 % do 58,5 % w 48 krokach i, według tweeta z ogłoszeniem, skraca całkowity czas treningu o około 44 % względem podejścia asynchronicznego. Artykuł jest dostępny na arXiv od 27 września; nie zapowiedziano żadnego repozytorium kodu.

🔗 Ogłoszenie Qwen na X · Artykuł o QwenGyre na arXiv

ReplaySSM: NVIDIA i Dao AI Lab przyspieszają dekodowanie modeli hybrydowych

12 października — NVIDIA i Dao AI Lab z Uniwersytetu Princeton przedstawiają ReplaySSM, nowy sposób przechowywania stanu warstw SSM podczas dekodowania modeli hybrydowych, w których naprzemiennie występują warstwy przestrzeni stanów i warstwy attention, takich jak Nemotron 3, Qwen3.5 do Qwen3.8, Kimi-K3 czy GLM-5.3-Flash. Przy produkcyjnych wielkościach batch to właśnie warstwy SSM, a nie attention, mają największy wpływ na opóźnienie dekodowania przy kontekście do 100K tokenów. ReplaySSM reprezentuje stan za pomocą punktu kontrolnego i niewielkiego bufora ostatnich wejść: wynik jest obliczany dla każdego tokena, ale punkt kontrolny jest ponownie zapisywany w pamięci tylko co 16 tokenów, co zmniejsza dominujący ruch w pamięci mniej więcej o połowę.

Konfiguracja zmierzona w vLLM	Deklarowana korzyść względem vLLM
Etap dekodowania, batch o wielkości 1	Brak
Jądro SSM, batch o wielkości 256	Od 1,46 do 1,80 razy szybciej
Pełny etap dekodowania, batch o wielkości 256	Od 1,20 do 1,47 razy szybciej
Dekodowanie spekulacyjne, batch o wielkości 512, modele klasy 120B	Przepustowość większa 1,85 i 2,10 razy

Technika jest zintegrowana z TensorRT-LLM, vLLM i FlashInfer i według NVIDIA działa w produkcji w GLM-5.3-Flash oraz Kimi-K3; artykuł jest dostępny na arXiv, a kod na GitHub.

🔗 Wpis techniczny NVIDIA o ReplaySSM · Artykuł o ReplaySSM na arXiv

/v1/systemone: transformers serve przekształca LLM lub VLM w model decyzyjny

12 października — Hugging Face włączyło do Transformers punkt dostępowy /v1/systemone dla transformers serve, serwera wbudowanego w bibliotekę. Zamiast generować odpowiedź, serwer ocenia zestaw możliwych decyzji na podstawie logitów modelu: według Lysandre każdy z 250 obsługiwanych LLM i VLM może w ten sposób stać się modelem decyzyjnym „w stylu JEV”, bez generowania tekstu. PR 49322 autorstwa Marca Suna obsługuje na razie wszystkie modele autoregresyjne i dodaje przekazywany serwerowi decision_config, ponieważ każdy model decyzyjny formułuje swój prompt i ustawia temperaturę na własny sposób; Marc Sun zapowiada standaryzację modeli decyzyjnych „wkrótce” w Transformers. Funkcja nie jest jeszcze dostępna w żadnej opublikowanej wersji; ostatnia, v5.19.0, pochodzi z 6 października. llama.cpp obsługiwało ten format już od 2 października.

🔗 Ogłoszenie Lysandre na X · PR 49322 na GitHub

Strony internetowe i pliki przeprojektowane z myślą o agentach: Browser Annotation API od OpenAI, platforma Git w Perplexity Projects

OpenAI i Perplexity przekształcają dwa znane środowiska, stronę internetową i system plików, aby agent mógł znaleźć w nich więcej kontekstu.

Browser Annotation API: witryny dostosowują adnotacje w przeglądarce ChatGPT

12 października — OpenAI Developers przedstawia Browser Annotation API, opisane w przewodniku Annotations Extensibility w ChatGPT Learn. Bez modyfikacji kodu tryb Annotation przeglądarki wbudowanej w aplikację komputerową ChatGPT działa już na dowolnej witrynie: można zaznaczyć część strony, skomentować ją i wysłać jako kontekst do Codex lub ChatGPT Work. API, udostępniane przez document.oai.annotation na bezpiecznych stronach (HTTPS lub localhost), pozwala witrynie określić, co można zaznaczyć, jaki kontekst towarzyszy zaznaczeniu i jakie elementy sterujące umożliwiają podgląd zmiany przed wysłaniem.

Przewodnik szczegółowo opisuje dziewięć integracji: karta może stać się pojedynczym obiektem do zaznaczenia (oai-annotation-container, oai-annotatable), przycisk witryny może otworzyć adnotację z sugerowanym komentarzem, niestandardowe elementy sterujące (registerControls()) umożliwiają podgląd na przykład tokena odstępów, a obiekty rysowane w canvas można zaznaczać. Przewodnik dotyczy wersji aplikacji z DevDay 2026 i kolejnych; w ChatGPT Enterprise i Edu administrator musi zezwolić na te dostosowania. Adnotacje uzupełniają narzędzia witryn WebMCP, które udostępniają działania możliwe do wykonania przez ChatGPT na stronie.

🔗 Ogłoszenie @OpenAIDevs · Przewodnik Annotations Extensibility

Perplexity Projects: system plików zbudowany na wzór platformy repozytoriów Git dla agentów

12 października — Perplexity publikuje wpis techniczny o systemie plików Projects, przestrzeni roboczej Perplexity Computer, w której ludzie i agenci wspólnie wykonują długotrwałe zadania. Każdy agent pracuje we własnym sandboxie i zapisuje zmiany we współdzielonym repozytorium Git, obsługiwanym przez pięć komponentów: CLI w każdym sandboxie, warstwę sterowania, usługę Git, magazyn danych oparty na AWS S3 (S3Files) oraz ekstrakcję tekstu z dokumentów. Usługa akceptuje wysłanie zmian tylko wtedy, gdy opiera się ono na ostatnim zaakceptowanym commicie; w przeciwnym razie agent ponownie nakłada swoją zmianę i wysyła ją jeszcze raz, bez wniosku o scalenie (pull request). Wirtualny system plików FUSE, około 400 razy wolniejszy przy obciążeniach wymagających intensywnych operacji na plikach, został odrzucony.

Wskaźnik opublikowany przez Perplexity	Podana wartość
Wysłania zmian odrzucone jako nieaktualne w środowisku produkcyjnym	Poniżej 2 %
Mediana opóźnienia wysłania zmian	Poniżej 1,7 s
Opóźnienie p99 wysłania zmian	Poniżej 8 s
Poprawne odpowiedzi z użyciem grep, na 150 wewnętrznych pytań finansowych	0,627
Poprawne odpowiedzi z użyciem wyszukiwania semantycznego opartego na indeksie	Około 0,37

Wpis nie ogłasza premiery żadnego produktu: Projects istnieje od lipca, a Brain, wiki wiedzy Computer, korzysta z tej samej infrastruktury.

🔗 Wpis techniczny Perplexity

Krótkie wiadomości

Copilot CLI 1.0.96 — Po przejściu do wersji stabilnej powtarza bez żadnych nowości dziewięć pozycji z wersji przedpremierowych z 9 i 10 października, w tym informację o autorze każdej decyzji dotyczącej uprawnień na osi czasu oraz identyfikatory modeli niewrażliwe na wielkość liter. 🔗 źródło
Przypisywanie tożsamości do pushów na GitHub — W ograniczonej publicznej wersji przedpremierowej, dostępnej na żądanie klientom GitHub Enterprise, każdy wypchnięty commit zachowuje uwierzytelnioną tożsamość osoby, która go wypchnęła; warunek zestawu reguł, Committer must match pusher, blokuje pushe, w których committer nie odpowiada żadnemu zweryfikowanemu adresowi e-mail tego użytkownika. 🔗 źródło
Aplikacja Copilot dla początkujących — Nowy odcinek serii na GitHub Blog pokazuje, jak umieścić w repozytorium reguły projektu, aby Copilot sam je stosował: niestandardowe instrukcje, agent skills w .github/skills, niestandardowi agenci i serwery MCP, takie jak Playwright; to samouczek, bez nowości produktowych. 🔗 źródło
Zed 1.23.3 i 1.24.2 — Wersja stabilna i wersja przedpremierowa zawierają jedynie poprawki (podglądu Markdown, przewidywania edycji, selektora zdalnych projektów), przejście na Node.js v24 oraz opcjonalną telemetrię dotyczącą punktów zapisu (checkpoints) w panelu agenta. 🔗 źródło
Codex Ambassadors — OpenAI ponownie przyjmuje zgłoszenia do tego sześciomiesięcznego programu, który wymaga jednego wkładu miesięcznie (wydarzenia lub treści) w zamian za subskrypcję Pro, kredyty Codex i API oraz wsparcie dla zatwierdzonych wydarzeń; priorytet mają Ameryka Północna, Ameryka Środkowa, Afryka, Bliski Wschód i Europa Wschodnia. 🔗 źródło
API Decisions w Hypha — Serhii Shchoholiev, odpowiedzialny za inżynierię agentów w Hypha, uzyskuje dla API Decisions od OpenAI wynik 98,1 % F1 w klasyfikacji wieloetykietowej, w porównaniu z 93,5 % dla agenta GPT-6.1 Sol, przy koszcie wynoszącym około jednej siódmej i 28 razy mniejszym opóźnieniu p90; są to dane klienta, bez opublikowanej metodologii, udostępnione przez @OpenAIDevs. 🔗 źródło
Gemini 3.5 Flash oznaczony jako przestarzały — Uzupełnienie wiadomości z 8 października: ten sam wpis w informacjach o wydaniach API Gemini oznacza również gemini-3.5-flash jako przestarzały, przez co nie można go już wybrać w Google AI Studio; jego żądania są przekierowywane do gemini-3.6-flash, bez ogłoszonej daty wyłączenia. 🔗 źródło
Kimi Work 3.2.16 — Wydanie konserwacyjne: zaktualizowany silnik podglądu PDF, wbudowana przeglądarka, której działania nie przerywają już zadania w tle, oraz osiem szczegółowo opisanych poprawek, w tym dotycząca dwukrotnie wysyłanych rozmów pobocznych. 🔗 źródło
Awaria w Genspark — Część użytkowników nie mogła zalogować się w poniedziałek z powodu awarii usługi Microsoft, której nazwy Genspark nie podaje; Genspark ogłosił przywrócenie usługi o 16:20 UTC i przygotowuje rekompensatę dla poszkodowanych użytkowników. 🔗 źródło
TutorMoments — Ai2 poddał najnowsze modele swojej ocenie tutorów AI: przy wyraźnej instrukcji GPT-6 Astra zajmuje pierwsze miejsce (0,938 za odpowiednie wsparcie dydaktyczne, 0,915 za odpowiedni poziom wymagań), przed Claude Sonnet 5.5 i Claude Opus 5.5, a nowy eksplorator porównuje ich odpowiedzi z odpowiedziami ludzkich tutorów. 🔗 źródło
UIBK-Embedding-v1 — Abdelrahman Abdallah publikuje na licencji Apache 2.0 angielskojęzyczny model wyszukiwania o 179 milionach parametrów, który łączy w jednym enkoderze wyszukiwanie z użyciem gęstych reprezentacji i wyszukiwanie z późną interakcją (ColBERT); deklaruje 59,79 nDCG@10 na BEIR, najlepszy wynik poniżej miliarda parametrów wśród modeli z kompletnymi oficjalnymi wynikami MTEB. 🔗 źródło
Sparseup-fr — Loïck Bourdois odtwarza w języku francuskim model rzadkich embeddingów Linkup o 150 milionach parametrów, wytrenowany w około 55 godzin na jednej RTX 6000 Pro: 56,37 i 56,50 na oczyszczonym NanoBEIR-fr, wobec 52,40 i 51,66 dla wersji angielskiej; według autora to nowy najlepszy wynik wśród otwartych modeli rzadkich. 🔗 źródło
Model Pulse — Społecznościowe narzędzie Tardelliego Stekela odtwarza dzień po dniu, od lipca 2024, liczbę pobrań i polubień 1,64 miliona modeli z Hub; dane są publikowane w około 1,15 miliarda wierszy Parquet na licencji Apache 2.0 i aktualizowane codziennie. 🔗 źródło
Uprawnienie contributor na Hub — Tokeny dostępu o precyzyjnie określonym zakresie oraz tokeny kont serwisowych Hugging Face mogą otrzymać uprawnienie contributor: tworzą repozytoria i zapisują tylko w tych, które same utworzyły, na potrzeby procesów CI/CD, zadań treningowych i agentów. 🔗 źródło
Microduck Arena — Pollen Robotics otwiera Space na Hugging Face, gdzie można przez uczenie ze wzmocnieniem trenować politykę sterowania małym dwunożnym robotem tej firmy, a następnie wykorzystać ją w czterech konkurencjach biegowych, w tym 2 m Sprint i Hill Climb, bez fizycznego robota. 🔗 źródło
Relight Studio — Luma promuje tę funkcję, która zmienia kierunek światła w już udanym ujęciu bez zaczynania od zera; tweet nie podaje modelu, ceny ani daty udostępnienia. 🔗 źródło
HeyGen Lessons — HeyGen przedstawia ofertę dla edukacji: Dots od OpenAI rozpoznaje, co przyciąga uwagę klasy, i dostosowuje lekcję, a następnie MCP HeyGen przekształca ją w wideo z awatarem i głosem nauczyciela; tweet nie podaje linku, ceny ani daty. 🔗 źródło
Agent nieruchomości i jego awatar — Według studium przypadku HeyGen agent nieruchomości z Vancouver, który stracił miejsce do nagrywania wskutek pożaru, publikuje dwa filmy Reels dziennie ze swoim awatarem i w ciągu dziesięciu miesięcy czterokrotnie zwiększył liczbę obserwujących na Instagramie. 🔗 źródło
x.ai przechodzi na SpaceXSI — Zaobserwowane podczas skanowania z 12 października, bez ogłoszenia ani daty w źródle: strona główna x.ai, jej aktualności i dokumentacja API („SpaceXSI Docs”) noszą teraz markę SpaceXSI, także w opisie Grok 4.7; 10 października strona nadal pokazywała SpaceXAI. 🔗 źródło

Co to oznacza

Dzisiejsze liczby każą zwrócić uwagę na to, kto wykonuje pomiary. Meta publikuje wyniki własnych pomiarów w formie obrazu i stawia Muse Wonder Full na czele swojego indeksu (59,1 wobec 55,2 dla Claude Opus 5.5), podczas gdy w Artificial Analysis Index w tej samej tabeli Opus 5.5 zachowuje przewagę (58 wobec 56). Z.ai porównuje GLM-Legal z konkurencją na wykresie w tweecie i deklaruje równorzędne wyniki na LegalBench, nie publikując wartości liczbowej, a Fin mierzy Apex 2.0 w zestawieniu z własną poprzednią wersją. Niezależny ranking FrontierCode pokazuje rzeczywistą skalę wyników: najlepszy model nie przekracza 52,2 %, a różnica w kosztach, od 0,81 dolara za zadanie w przypadku GPT-6.1 Sol do 10,15 dolara dla Opus 5.5, staje się kryterium równie widocznym jak miejsce w rankingu.

W infrastrukturze usprawnienia wynikają ze wszystkiego, co otacza układy scalone. Wkład NVIDIA w OCP dotyczy zasilania (szafy do 250 kW, szyna zbiorcza 5 000 A, powrót do niemal pełnego obciążenia w mniej niż dwie sekundy po zakłóceniu sieci energetycznej) oraz sieci, z Spectrum-6 o przepustowości 102,4 Tb/s w Meta i USFP o przepustowości 400 Gb/s na tor transmisyjny. Oprogramowanie kieruje się tą samą logiką: ReplaySSM zmniejsza mniej więcej o połowę ruch pamięci w warstwach SSM, a QwenGyre ponownie angażuje GPU, które czekały na zakończenie długich trajektorii. Przekazując swoje projekty do OCP, wraz ze standardami współpodpisanymi przez AMD, Google, Meta i Microsoft, NVIDIA deklaruje cel zapewnienia producentom wspólnej podstawy dla fabryk AI.

Agenci otrzymują środowiska zaprojektowane z myślą o nich. Strona internetowa może teraz decydować, co użytkownik zaznacza w przeglądarce ChatGPT oraz jaki kontekst trafia do agenta wraz z zaznaczeniem, projekt Perplexity zapewnia każdemu agentowi sandbox i współdzielone repozytorium Git, a Amp wprowadza do wątku agenta recenzje i wyniki CI jego własnych pull requestów. Sposób przeszukiwania również wpływa na wynik: w Perplexity agent przeszukujący swoją kopię roboczą za pomocą grep osiąga wskaźnik poprawnych odpowiedzi 0,627 wobec około 0,37 dla wyszukiwania semantycznego, a w LightOn powierzenie wyszukiwania małemu lokalnemu agentowi zmniejsza zużycie tokenów API Claude Code o 34 % względem grep, bez istotnej utraty trafności.

Badanie Frontier Red Team pokazuje drugą stronę tej autonomii. Zdolności, dzięki którym agent jest użyteczny, takie jak instalowanie modelu na nieznanym sprzęcie czy przekazywanie notatek następnemu agentowi, są zarazem tymi, które pozwoliłyby robakowi się dostosowywać: model 9B uruchamia inferencję na 8 z 9 typów sprzętu, a dziedziczenie notatek zwiększa skuteczność z 45 % do 61-84 %. Anthropic nie opisuje jeszcze żadnego kompletnego replikatora i stawia na monitorowanie przez dostawców internetu, tak aby zainfekowane urządzenie infekowało średnio mniej niż jedno inne. Meta ze swojej strony deklaruje, że Muse Wonder ma jej najsilniejsze zabezpieczenia przed nadużyciami cybernetycznymi i CBRN, lecz odsyła do pełnego raportu bezpieczeństwa, który dopiero ma się ukazać.