ChatGPT wraca na WhatsApp, GitHub Copilot CLI bardziej niezawodny, Anthropic bada wartości Claude

OpenAI przywraca ChatGPT na WhatsApp w Europie i rozszerza go o dwa nowe komunikatory, GitHub poprawia niezawodność Copilot CLI, a Amp zmienia sposób, w jaki jego agenci zatwierdzają kod. Po stronie badań Anthropic publikuje analizę wartości wyrażanych przez Claude zależnie od języka, podczas gdy Ai2 i Sakana AI opisują odpowiednio działającego w produkcji agenta do nadzoru morskiego oraz eksperyment z fizyczną inteligencją zbiorową.

ChatGPT znowu na WhatsApp w EOG, rozszerzenie na Kakao i Viber

13 lipca — ChatGPT jest ponownie dostępny na WhatsApp w Europejskim Obszarze Gospodarczym (EOG), po okresie niedostępności w tym regionie. Dostęp odbywa się za pośrednictwem zweryfikowanego kontaktu 1-800-CHATGPT, który pozwala zadawać pytania, wysyłać obrazy, wysyłać notatki głosowe, generować obrazy i korzystać z ChatGPT w wielu językach, bezpośrednio w aplikacji do komunikacji.

OpenAI równolegle rozszerza dostępność ChatGPT na dwie nowe aplikacje: Kakao w Korei Południowej oraz Viber na obsługiwanych rynkach. Strategia jest jasna: udostępnić asystenta w aplikacjach komunikacyjnych już używanych na co dzień, zamiast zmuszać do przechodzenia przez osobną aplikację lub stronę ChatGPT.

🔗 Ogłoszenie — @ChatGPTapp

GitHub Copilot CLI v1.0.42 : bardziej niezawodne delegowanie do subagentów

13 lipca — GitHub publikuje wersję 1.0.42+ Copilot CLI, którą można zainstalować poleceniem /update. Ta aktualizacja wprowadza inteligentniejsze delegowanie do subagentów (smarter subagent delegation), zaprojektowane tak, aby sesje kodowe były szybsze i bardziej niezawodne, bez technicznych szczegółów dotyczących metody pomiaru.

Typ mierzonej awarii	Deklarowana redukcja
Awaria narzędzi	-23%
Awaria wyszukiwania	-27%
Awaria edycji	-18%

GitHub podkreśla, że mimo tych zmian nie odnotowano regresji jakości.

🔗 Ogłoszenie — @github

Orby Amp mogą teraz zatwierdzać kod w imieniu użytkownika

11 lipca — Amp dodaje w ustawieniach projektu opcję pozwalającą, aby orby (maszyny uruchamiające agentów zdalnie) zatwierdzały kod pod tożsamością użytkownika, a nie Amp, z oznaczeniem co-authored-by dołączonym do commita.

You can now make Amp orbs commit as you, not Amp (+ co-authored-by you). It’s in project settings. Useful for, e.g., pushing to a repo where Vercel only deploys for known committers.

🇵🇱 Możesz teraz sprawić, że orby Amp będą zatwierdzać w twoim imieniu, a nie w imieniu Amp (z adnotacją co-authored-by wskazującą ciebie). Znajdziesz to w ustawieniach projektu. Przydatne na przykład wtedy, gdy chcesz wypychać do repozytorium, w którym Vercel wdraża tylko commity od znanych autorów. — @sqs na X

Anthropic bada wartości wyrażane przez Claude zależnie od modeli i języków

13 lipca — Anthropic rozwija swoje badania nad wartościami wyrażanymi przez Claude w rozmowie (ponad 3 000 zidentyfikowanych wartości, takich jak uczciwość czy ciepło relacyjne), analizując, jak zmieniają się one w zależności od używanego modelu i języka. Badanie opiera się na ponad 300 000 zanonimizowanych rozmów, pogrupowanych w cztery osie.

Oś (francuski / oryginał)	Co mierzy
Uległość vs Ostrożność (Deference vs. Caution)	Skłonność do podążania za użytkownikiem lub jego temperowania
Ciepło vs Rygor (Warmth vs. Rigor)	Ciepły ton lub wymaganie dowodów
Głębia vs Zwięzłość (Depth vs. Brevity)	Odpowiedzi rozwinięte lub syntetyczne
Szczerość vs Wykonanie (Candor vs. Execution)	Bezpośrednia krytyka lub proste wykonanie

Różnice między modelami pozostają umiarkowane (Sonnet 4.6 bardziej pogodny i potwierdzający, Opus 4.7 bardziej skłonny do szczerych uwag krytycznych), ale najbardziej wyraźne różnice pojawiają się zależnie od języka: Claude skłania się ku ciepłu w hindi i arabskim, a ku rygorowi w rosyjskim, gdzie częściej prosi o dowody potwierdzające twierdzenia użytkownika.

🔗 Ogłoszenie — @AnthropicAI

Ai2 opisuje kulisy Shippy, swojego agenta do nadzoru morskiego

13 lipca — Ai2 (AllenAI) publikuje opis doświadczeń z Shippy, agentem zbudowanym przez zespół Skylight do monitorowania domeny morskiej: wykrywania zdarzeń połowowych, śledzenia statków, obszarów chronionych. Agent obsługuje dziś ponad 300 partnerów w ponad 70 krajach.

The real work wasn’t the model. It was building a system we could trust to be correct, to stay within appropriate boundaries.

🇵🇱 Prawdziwa praca nie dotyczyła modelu. Chodziło o zbudowanie systemu, któremu mogliśmy zaufać, że będzie poprawny, że pozostanie w odpowiednich granicach. — Blog Ai2

Technicznie Shippy opiera się na OpenClaw (otwartoźródłowym frameworku agentowym) z Claude Opus 4.6 jako modelem, ustrukturyzowanym w trzech elementach — „duszy” (prompt systemowy i jego zabezpieczenia), „umiejętnościach” (skills) oraz „konfiguracji” (parametry i wybór modelu). Izolacja między firmami-klientami odbywa się przez Mothership, autorską platformę, która tworzy osobne wdrożenie Kubernetes na każdą sesję użytkownika, a ocena przez framework Harbor, gdzie sędzia LLM ocenia odpowiedzi wraz z pisemnym rozumowaniem.

Sakana AI każe współpracować blisko 200 fizycznym blokom, by rozpoznały własny kształt

12 lipca — Sakana AI, wraz z IT University of Copenhagen i Autodesk, publikuje badanie nad fizyczną inteligencją zbiorową: „komórkowe klocki” — sześcienne moduły sprzętowe uruchamiające lokalnie tę samą sieć neuronową (neuronalne automaty komórkowe, Neural Cellular Automata) — wspólnie wnioskują o globalnym kształcie, który tworzą, bez centralnego kontrolera.

At Sakana AI, a recurring theme in our research is collective intelligence: the observation that sophisticated, robust behavior can arise from many simple parts following local rules, with no central controller, as it does in a colony, a tissue, or a brain.

🇵🇱 W Sakana AI powracającym motywem naszych badań jest inteligencja zbiorowa: obserwacja, że wyrafinowane i odporne zachowanie może wyłaniać się z wielu prostych elementów podążających za lokalnymi regułami, bez centralnego kontrolera, tak jak ma to miejsce w kolonii, tkance czy mózgu. — Blog Sakana AI

Testowany na blisko 200 blokach i czterech złożonych kształtach (samolot, gitara, łódź, stół) system osiąga 100% dokładności klasyfikacji w 60 cyklach (około 3 minuty), pozostaje odporny przy nawet 5% wadliwych modułów, wykrywa uszkodzenia strukturalne z dokładnością 94,8% i skaluje się w symulacji do siatek liczących ponad 18 000 sześcianów.

Google DeepMind przedstawia Skill „Predicting the Past” w Google Antigravity

13 lipca — Google DeepMind omawia Skill o nazwie „Predicting the Past”, uruchamiany w Google Antigravity bez wymaganych umiejętności programistycznych, który analizuje starożytne teksty i artefakty. Udokumentowano trzy przypadki użycia: datowanie i lokalizację rzymskiej tabliczki klątwy (curse tablet) sprzed 1 800 lat przy użyciu modelu Aeneas, mapowanie kultu Aufaniów w całej Europie (aż do odosobnionego ołtarza w Hiszpanii, wzniesionego przez rzymskiego weterana) oraz rekonstrukcję sieci odwiedzających wyrocznię w Dodonie na podstawie starożytnych tabliczek ołowianych.

Skill za każdym razem generuje wyjaśnienie swojej prognozy, niczym komentarz epigraficzny przeznaczony dla ekspertów z danej dziedziny.

🔗 Ogłoszenie — @GoogleDeepMind

Krótkie wiadomości

Amp przygotowuje współdzielone wątki dla wielu użytkowników — wątek Amp można już śledzić jednocześnie z wielu klientów, ale tylko na koncie jego twórcy; zespół pracuje nad współpracą wielu kont w tym samym wątku. 🔗 @sqs na X
Natywna wersja Amp na macOS jest w przygotowaniu — bez oczekiwanych różnic funkcjonalnych względem obecnej aplikacji webowej i bez podanej daty. 🔗 @sqs na X
GitHub rozdziela strony SSO i Organizacje — połączona strona ustawień użytkownika zostaje podzielona na dwie osobne strony dla większej przejrzystości. 🔗 Dziennik zmian GitHub
HeyGen CLI: muzyka i efekty dźwiękowe w wierszu poleceń — darmowe przeszukiwanie i pobieranie katalogu muzyki/SFX HeyGen z terminala, wraz z demonstracją agenta synchronizującego dźwięki z rytmem wideo. 🔗 @HeyGen na X

Co to oznacza

Dystrybucja ponownie staje się polem bitwy dla asystentów dla masowego odbiorcy. Powrót ChatGPT na WhatsApp w EOG i jego rozszerzenie na Kakao oraz Viber pokazują, że OpenAI stawia na obecność w już zainstalowanych aplikacjach, zamiast przyciągać użytkowników do własnych interfejsów. To bardziej logika kanału dystrybucji niż funkcji: asystent idzie tam, gdzie już są użytkownicy, nawet jeśli oznacza to powrót na rynki regulowane, takie jak Europa, po przerwie.

Niezawodność agentów staje się osobnym obszarem inżynieryjnym, a nie produktem ubocznym modelu. GitHub precyzyjnie podaje zyski swojej nowej delegacji do subagentów (-23% awarii narzędzi, -27% wyszukiwania, -18% edycji), a Ai2 przedstawia tę samą lekcję pośrednio na przykładzie Shippy: niezawodność w produkcji wynika z deterministycznych narzędzi, jawnych zabezpieczeń i odizolowanej infrastruktury, a nie wyłącznie z wybranego modelu. Orby Amp, które teraz zatwierdzają kod w imieniu użytkownika, wynikają z tej samej troski operacyjnej — o to, by dobrze wpasować się w istniejące pipeline’y wdrożeniowe.

Badania nad zachowaniem modeli wykraczają poza sam tekst. Badanie Anthropic dotyczące wartości wyrażanych przez Claude zależnie od języka pokazuje, że różnice kulturowe (ciepło w hindi i arabskim, rygor w rosyjskim) mają większe znaczenie niż różnice między wersjami modelu. Komórkowe klocki Sakana AI stawiają pokrewne, lecz odmienne pytanie: czy można uzyskać inteligentne i odporne zachowanie bez centralnego modelu, na podstawie identycznych lokalnych reguł powtarzanych na dużą skalę — co może być drogą do systemów fizycznych zdolnych do samodiagnostyki.

AI bez kodu rozwija się w stronę bardzo wyspecjalizowanych zastosowań eksperckich. Skill „Predicting the Past” od Google DeepMind, zastosowany w epigrafice i archeologii, pokazuje, jak złożone workflowy stają się dostępne dla badaczy bez umiejętności programowania, otwierając niszowe dziedziny dla użytkowników, którzy nie byliby w stanie zbudować tych narzędzi samodzielnie.