Gemini 4 Argon dostępny dla wszystkich, SpaceXSI łączy Grok i Cursor w The X Subscription, NVIDIA udostępnia Run:ai jako open source

Dwa tygodnie po udostępnieniu Gemini 4 Argon wyłącznie obrońcom cyberbezpieczeństwa z Fairwind Program Google otwiera dostęp dla wszystkich: API Gemini kosztuje 2 dolary za milion tokenów wejściowych do 30 listopada, aplikacja Gemini i AI Mode oferują model abonentom Google AI Pro i Ultra, a Cursor, Devin, GitHub Copilot i Manus dodają go tego samego dnia. SpaceXSI łączy Grok, Grok Bot, Cursor i X Premium w The X Subscription, jednym abonamencie za od 0 do 200 dolarów miesięcznie, a NVIDIA udostępnia jako open source całą swoją platformę orkiestracji GPU Run:ai. Liquid AI wydaje LFM2.5-24B-A2B, model rozumowania z 2 miliardami aktywnych parametrów dla lokalnych agentów, a NVIDIA przedstawia szczegóły oprogramowania gotowego na piątkową premierę komputerów RTX Spark.

Gemini 4 Argon dostępny dla wszystkich: API Gemini, aplikacja Gemini, AI Mode i Antigravity

13 października — Zapowiedziany 30 września i dostępny dotąd wyłącznie dla obrońców cyberbezpieczeństwa z Fairwind Program, Gemini 4 Argon trafia do użytkowników na całym świecie. Google przedstawia swój model z czołówki jako model do pracy w skupieniu (deep work) w programowaniu, finansach, prawie, cyberbezpieczeństwie i nauce. Oto kto uzyskuje do niego dostęp i w jaki sposób.

Grupa docelowa	Dostęp do Gemini 4 Argon na 13 października
Programiści	Płatne API Gemini, w Google AI Studio i Android Studio
Abonenci Google AI Ultra	Antigravity i AI Studio
Firmy	Gemini for business, API Gemini, Antigravity
Użytkownicy indywidualni	Aplikacja Gemini i AI Mode w wyszukiwarce, dla abonentów Google AI Pro i Ultra
Naukowcy	Najwyższy limit korzystania z Antigravity bezpłatnie przez 6 miesięcy, po zgłoszeniu (10 000 miejsc)
Obrońcy cyberbezpieczeństwa	Fairwind Program rozszerzony na setki partnerów, Argon bez zabezpieczeń w zakresie cyberbezpieczeństwa

Dla programistów identyfikator to gemini-4-argon, w wersji stabilnej. Cena premierowa pozostaje taka jak zapowiedziana pod koniec września: 2 dolary za milion tokenów wejściowych i 10 dolarów za wyjściowe, z 95 % zniżką na dane wejściowe z cache, do 30 listopada 2026; potem 4 i 20 dolarów. Model przyjmuje tekst, obrazy, wideo, audio i PDF, odpowiada tekstem i współdzieli jedno okno o wielkości 1 048 576 tokenów między dane wejściowe, rozumowanie i dane wyjściowe. Jedno żądanie zwraca maksymalnie 64K tokenów w trybie streaming i 32K bez niego (65 536 w Gemini 3.x), ale długie dekodowanie (long decode) pozwala wygenerować do miliona tokenów pomniejszonego o liczbę tokenów wejściowych: nowsze SDK (google-genai 2.30.1, @google/genai 2.29.1) same wysyłają kolejne żądania. Rozumowanie można ustawić na trzech poziomach (low, domyślnie medium, high), a jawny cache nie jest obsługiwany.

Jeśli chodzi o wyniki, Google plasuje Argon na pierwszym miejscu w Vals Index i deklaruje 87 % w ERQA, benchmarku rozumowania przestrzennego dla robotyki, przed wszystkimi innymi modelami z czołówki. Wśród klientów z wczesnym dostępem Box odnotowuje wzrost dokładności o 14 % względem Gemini 3.1 Pro. Google zapowiada też pozostałe modele z rodziny Gemini 4, bez podania daty.

🔗 Wpis o premierze Gemini 4 Argon · Nowości Gemini 4 Argon w API Gemini

Bezpieczeństwo Argon: 12 rozwiązanych symulowanych cyberataków na 12, monitor rozbieżności z założonymi celami

13 października — Wraz z modelem Google publikuje pełny raport bezpieczeństwa (Safety and Security Report), który zaczyna od jego możliwości w zakresie cyberbezpieczeństwa.

The same coding and reasoning improvements that enabled Argon to find and patch vulnerabilities also drove better performance on our cybersecurity tests — solving all 12 of the end-to-end simulated cyberattack scenarios, up from five in our previous generation.

🇵🇱 Te same postępy w programowaniu i rozumowaniu, które pozwoliły Argon znajdować i naprawiać luki, poprawiły też jego wyniki w naszych testach cyberbezpieczeństwa: rozwiązuje wszystkie 12 scenariuszy symulowanych cyberataków od początku do końca, w porównaniu z pięcioma w przypadku naszej poprzedniej generacji. — Anca Dragan, VP ds. bezpieczeństwa i zachowania AI, Google

Ponieważ wersje bez zabezpieczeń znacznie lepiej pomagają również rozwiązywać problemy z protokołami laboratoryjnymi w biologii, Google uruchamia w obu tych obszarach trzy warstwy ochrony działające w czasie rzeczywistym: filtrowanie żądań przez małe modele, sondy aktywacji (activation probes) odczytujące wewnętrzne sygnały modelu oraz nadzór zdolny zatrzymać agenta w trakcie odpowiedzi. Monitor rozbieżności z założonymi celami odczytuje też jego działania i łańcuch myślenia, którego Google nie chce penalizować: podczas próby, w której omyłkowo zastosowano wobec niego karę, odsetek przemilczanych działań na skróty wzrósł z 11,2 % do 36,4 %. W przypadku wstrzykiwania promptów skuteczność ataków spada do 0,7 % w Gray Swan IPI.

🔗 Odpowiedzialny i bezpieczny rozwój Gemini 4 Argon

Antigravity: Argon dla abonentów Ultra, po testach z udziałem ponad 100 000 użytkowników w Alphabet

13 października — Argon trafia do aplikacji komputerowej i Antigravity CLI dla abonentów Google AI Ultra oraz uprawnionych abonentów Gemini Enterprise; trzeba zaktualizować Antigravity do najnowszej wersji. Zespół opisuje wewnętrzne testy: ponad 100 000 osób w Alphabet co miesiąc korzysta z Argon w wewnętrznej wersji narzędzia, a Google w ciągu czterech tygodni odnotowało o 35 % więcej kodu tworzonego przez agentów i o 30 % mniej wycofań zmian po przesłaniu kodu.

Wśród przytoczonych przykładów są: zmniejszenie o połowę wykorzystania CPU przez frontend komentarzy YouTube, zamknięcie 97 nieaktualnych lub zdublowanych zgłoszeń w mniej niż trzy godziny z kolejki liczącej 134 zgłoszenia, przepisanie kodu z Fortran na Rust, dzięki czemu działa on 1,8 raza szybciej, oraz audyt kontroli dostępu, który wykrył cztery krytyczne luki przeoczone przez dwa wcześniejsze czołowe modele. Zastosowania wykraczają poza inżynierię: ponad połowa zespołów sprzedaży Cloud i niemal połowa działu finansowego Google korzystają z Antigravity.

🔗 Gemini 4 Argon w Google Antigravity

13 października — Informacje o wydaniu aplikacji Gemini towarzyszą wdrożeniu Argon i opisują dwie nowości. Antigravity jest zintegrowane z aplikacją Gemini na macOS: przycisk uruchamia agenta programistycznego, użytkownik zatwierdza jego plan i wraca do czatu, podczas gdy agent tworzy i testuje kod w tle, a po przygotowaniu wyniku wysyła powiadomienie. Integracja jest dostępna w języku angielskim dla uprawnionych kont użytkowników w wieku co najmniej 18 lat.

Nowe menu Customize łączy ustawienia odpowiedzi, odkrywanie aplikacji i dodawanie skills, a Gemini łączy się teraz z ponad 40 aplikacjami lub usługami, takimi jak Instacart, OpenTable czy Adobe. Customize jest wdrażane we wszystkich planach abonamentowych, w wersji webowej, mobilnej, na Windows i macOS, ale większość połączonych aplikacji pozostaje dostępna w języku angielskim i w Stanach Zjednoczonych. Google wspomina też o przejściu od czatu do zadań (tasks), aby Gemini mogło kontynuować pracę pod nieobecność użytkownika.

🔗 Informacje o wydaniu aplikacji Gemini · Gemini 4 Argon w aplikacji Gemini

Gemini 4 Argon w narzędziach innych firm: Cursor, Devin, GitHub Copilot i Manus

13 października — Cztery narzędzia udostępniają Argon tego samego dnia, każde na własnych warunkach i z własnymi pomiarami.

Narzędzie zewnętrzne	Gdzie z niego korzystać	Podana cena	Deklarowany wynik
Cursor	Edytor Cursor	2 dolary za dane wejściowe, 0,10 dolara za odczyt z cache, 10 dolarów za dane wyjściowe za milion tokenów	52,8 % w CursorBench 4.0 przy domyślnym poziomie wysiłku
Devin	Devin Desktop i Devin CLI	75 % poniżej ceny katalogowej do 27 października	60,5 % w FrontierCode 1.1
GitHub Copilot	Plany Pro+, Max, Business i Enterprise, osiem interfejsów	2 dolary za dane wejściowe, 0,10 dolara za cache, 10 dolarów za dane wyjściowe do 1 grudnia	Więcej rozwiązanych zadań niż wcześniejsze Gemini, bez podania liczby
Manus	Manus, z Google Cloud	Nie podano	Brak danych liczbowych

Według Cursor Argon dorównuje Opus 5.5. Tabela CursorBench 4.0 precyzuje, że remis dotyczy średniego poziomu wysiłku (Opus 5.5 Medium z wynikiem 52,5 %, przy koszcie 2,91 dolara za zadanie wobec 4,39 dolara dla Argon): Opus 5.5 nadal prowadzi na poziomach High (56 %) i Max (57,8 %, pierwsze miejsce w rankingu), a Argon zużywa niemal trzy razy więcej tokenów na zadanie. W Devin zniżka łączy 50 % rabatu premierowego Google, obowiązującego do 1 grudnia, i 50 % rabatu samego Devin; w FrontierCode 1.1, wewnętrznym benchmarku Cognition, Argon nieznacznie wyprzedza GPT-6.1 Sol (60,4 %), ale pozostaje za Claude Opus 5.5 (65,3 %) na wykresie zatytułowanym 1.1 Extended.

GitHub udostępnia go w ramach ogólnej dostępności dla Pro+, Max, Business i Enterprise (Pro i Free nie figurują na liście), stopniowo wdrażając go w selektorze modeli w ośmiu interfejsach, od VS Code i Copilot CLI po Xcode i Eclipse; w Business i Enterprise jest włączony automatycznie, chyba że administrator wyłączył domyślne włączanie nowych modeli. Manus ogłasza jego dostępność z Google Cloud do programowania, planowania i modelowania 3D, bez wskazania planu, ceny ani liczby kredytów.

🔗 Ogłoszenie Cursor · CursorBench 4.0 · Wpis Devin · Dziennik zmian GitHub · Ogłoszenie Manus

The X Subscription: SpaceXSI łączy Grok, Grok Bot, Cursor i X Premium, od 0 do 200 dolarów miesięcznie

12 października — SpaceXSI (dawniej SpaceXAI) uruchamia The X Subscription, jeden abonament łączący Grok, Grok Bot, Cursor i X Premium, a Cursor ogłosił to tego samego wieczoru: edytor, który dołączył do SpaceX w sierpniu, jest teraz sprzedawany w tym samym pakiecie co asystent Grok i korzyści serwisu społecznościowego X. Oferta jest dostępna dla nowych klientów od 12 października i w najbliższych dniach ma zostać udostępniona wszystkim na całym świecie.

Plan abonamentowy	Cena miesięczna	Korzystanie w ramach planu	Co plan udostępnia w Cursor
Free	0 dolarów	Ograniczone	Początkowy limit dla agentów programistycznych
Plus	8 dolarów	Podstawowe	Tylko modele Grok
Premium	30 dolarów	4 razy Plus	Agenci w chmurze, automatyzacje, Origin, przeglądy kodu z IA, modele innych firm w cenie API
Super	100 dolarów	15 razy Plus	Jak Premium, z większym limitem korzystania
Ultra	200 dolarów	50 razy Plus	Jak Premium, z większym limitem korzystania

Premium obejmuje korzyści SuperGrok, Cursor Pro i X Premium+, które według SpaceXSI wcześniej kosztowały łącznie 90 dolarów miesięcznie. Podstawą oferty jest wspólny limit korzystania z Grok i Cursor, odnawiany co tydzień; po jego wyczerpaniu można go doładować (top-ups) albo poczekać na odnowienie. SpaceXSI obiecuje co najmniej dwa razy większy limit korzystania z własnych modeli do programowania niż w porównywalnym planie Cursor. Modele innych laboratoriów pozostają dostępne w Cursor od planu Premium, ale poza wspólnym limitem: są rozliczane według ceny katalogowej API, poprzez doładowania, z możliwością ustawienia limitów wydatków.

Cursor is now part of The X Subscription. Current Cursor subscribers can keep their plan or switch to The X Subscription.

🇵🇱 Cursor jest teraz częścią The X Subscription. Obecni abonenci Cursor mogą zachować swój plan lub przejść na The X Subscription. — @cursor_ai na X

Dotychczasowe plany nie są już oferowane nowym użytkownikom. Obecni abonenci SuperGrok, Cursor lub X Premium zachowują plan, cenę i funkcje albo przechodzą na nową ofertę z proporcjonalnym zwrotem kosztów; w Cursor korzystanie z modeli innych firm w ramach planu trwa do momentu przejścia. SpaceXSI uprzedza jednak, że docelowo przeniesie pozostałych klientów na nowe plany, bez podania harmonogramu i z wcześniejszym powiadomieniem. Dla zespołów Premium, Super i Ultra zachowują taką samą cenę za użytkownika jak w abonamencie indywidualnym, niższą od dawnych planów Cursor Teams według SpaceXSI, z trzy razy większym limitem korzystania do programowania, SSO, zbiorczym rozliczaniem i zgodnością z SOC 2.

🔗 Przedstawiamy The X Subscription · Wątek @SpaceXSI

NVIDIA udostępnia całą platformę Run:ai jako open source

13 października — NVIDIA udostępnia jako open source całą platformę NVIDIA Run:ai, która dynamicznie przydziela GPU i orkiestruje obciążenia IA na Kubernetes, od przetwarzania danych po trening i inferencję. Kod znajduje się w organizacji NVIDIA DSX AI Factory na GitHub, a platforma jest też dostępna na NGC w wersji społecznościowej (Community Product), z chartem Helm instalującym zintegrowany stos. Ta wersja nie wymaga płatnej subskrypcji Run:ai, ale nie obejmuje wsparcia dla przedsiębiorstw, a pobranie jej z NGC wymaga zaakceptowania licencji oprogramowania NVIDIA. Oferty komercyjne pozostają dostępne: samodzielny produkt, NVIDIA Mission Control, NVIDIA AI Enterprise i platformy sprzedażowe dostawców chmury.

Publikacja obejmuje cztery komponenty, które można wdrażać niezależnie:

Opublikowany komponent	Rola w platformie
KAI Scheduler	Natywny scheduler Kubernetes (planowanie grupowe, sprawiedliwy podział, rozmieszczanie według topologii), już dostępny jako open source na licencji Apache 2.0 i jako projekt CNCF Sandbox
GPU Fractioning Operator	Natywny podział GPU na części w CUDA 13.4, ze ścisłym limitem pamięci na obciążenie; własnościowa implementacja Run:ai zostaje wycofana
KAI Resource Management	Projekty, działy, limity i grupy węzłów
Workload Map	Biblioteka Go opisująca każdy typ obciążenia (PyTorchJob, RayCluster, KServe, grafy Dynamo), aby narzędzia nie musiały już kodować obsługi każdego CRD

Ośmiu partnerów ekosystemu DSX już ją integruje: Crusoe, Mirantis (k0rdent AI), Nebius (wdrożenie jednym kliknięciem), OpenNebula Systems, Rafay (w pełni zarządzana usługa), Saturn Cloud (Token Factory), Spectro Cloud (PaletteAI) i vCluster. NVIDIA przypomina też o dwóch powiązanych otwartych projektach: Model Streamer, który ładuje wagi bezpośrednio do pamięci GPU, aby skrócić zimny start replik inferencyjnych (zintegrowany z vLLM i SGLang, od 3 do 6 razy szybszy niż domyślny loader na ośmiu VM H100 w Microsoft Azure), oraz Grove, API Kubernetes platformy Dynamo dla obciążeń złożonych z wielu komponentów. Deklarowanym celem jest uczynienie Run:ai otwartym fundamentem platformy DSX AI Factory, aby każdy partner i każda chmura IA mogły lepiej wykorzystywać swoje GPU.

🔗 Run:ai jako open source (blog techniczny NVIDIA)

LFM2.5-24B-A2B: Liquid AI udostępnia model rozumowania z 2 miliardami aktywnych parametrów dla lokalnych agentów

13 października — Liquid AI udostępnia LFM2.5-24B-A2B, model mixture of experts (MoE) z 24 miliardami parametrów, z których tylko 2 miliardy aktywują się na token. Według Liquid AI jest to największy model rodziny LFM2.5, która obejmuje teraz modele od 230 milionów do 24 miliardów parametrów, oraz model nastawiony wyłącznie na rozumowanie: zawsze generuje łańcuch rozumowania przed odpowiedzią. Celem są lokalni agenci: dzięki niskiemu kosztowi każdego tokena rozumowania agent może działać bez przerwy na komputerze użytkownika, wywoływać narzędzia i wykonywać kolejne zadania.

Architektura jest taka sama jak w LFM2-24B-A2B (40 warstw, 64 ekspertów na blok z routingiem top-4, hybryda krótkich konwolucji z bramkowaniem i mechanizmu uwagi GQA). Zmiany obejmują zwiększenie kontekstu z 32 000 do 131 000 tokenów, podwojenie słownika z 65 000 do 128 000 tokenów oraz zwiększenie pre-trainingu z około 17 000 do 33 000 miliardów tokenów, po którym następuje pięcioetapowy post-training zakończony uczeniem ze wzmocnieniem w środowiskach agentów (OpenClaw, Hermes Agent, Pi, OpenCode).

Oceniany benchmark	LFM2.5-24B-A2B	Qwen3.6-35B-A3B	Gemma-4-26B-A4B-it	Nemotron-3.5-Lightning
AutomationBench	27,69	8,72	5,46	2,61
BFCLv4	65,01	65,00	57,09	53,78
ToolSandbox	80,71	75,02	72,09	75,13
LiveClaw	48,09	38,19	41,25	37,72
PinchBench	83,18	89,93	77,12	84,20
WebArena Verified	26,75	37,62	25,62	28,69
IFBench	74,69	64,21	47,44	71,67
GPQA Diamond	74,42	83,69	74,90	72,42
MATH-500	96,04	96,73	95,66	96,40
SWE-Bench Verified (OpenCode)	51,00	66,20	25,80	53,40

Na tle trzech większych modeli MoE model wypada porównywalnie w korzystaniu z narzędzi i wykonywaniu instrukcji, ale odstaje pod względem wiedzy i zadań programistycznych wykonywanych przez agentów; Liquid AI zaleca zresztą połączenie go z wyszukiwarką lub bazą dokumentów przy zadaniach wymagających wiedzy. Drugim argumentem jest szybkość: 184 tokens/s na Apple M5 Max, 114 na Ryzen AI Max+ 395 i ponad 21 000 tokenów wyjściowych na sekundę przy dużej liczbie równoległych żądań na pojedynczym B300. Model bazowy i model po post-trainingu są udostępniane z otwartymi wagami na własnej licencji lfm1.0, z natychmiastową obsługą w llama.cpp, MLX, vLLM, SGLang i ONNX.

🔗 LFM2.5-24B-A2B (blog Liquid AI na Hugging Face)

Lokalna IA na komputerach z Windows: NVIDIA przygotowuje RTX Spark z Nemotron 3.5 Bolt 74B, Hugging Face uruchamia Llama Windows

13 października — Na trzy dni przed premierą laptopów RTX Spark w piątek 16 października, po uruchomieniu przedsprzedaży 7 października, NVIDIA przedstawia oprogramowanie gotowe na premierę tego układu, który łączy do 128 GB zunifikowanej pamięci i 1 petaflop mocy obliczeniowej IA. Głównym elementem jest nowy otwarty model, Nemotron 3.5 Bolt 74B-A9B 24GB: MoE z 74 miliardami parametrów, w tym 9 miliardami aktywnych, poddany kwantyzacji do 2 bitów z treningiem uwzględniającym kwantyzację, aby zmieścił się w 24 GB, i zaprojektowany dla lokalnych agentów. Zostanie udostępniony w czwartek 15 października w llama.cpp, vLLM, Ollama, Unsloth i LM Studio, a także będzie można go wywoływać z Hermes i OpenClaw; dane treningowe, wagi i procedury treningu są otwarte.

W obszarze agentów NVIDIA podaje, że liczba pobrań lokalnych LLM jest 5 razy większa niż w całym ubiegłym roku. GitHub Copilot, Hermes, OpenClaw, Perplexity, Pi i WorkBuddy rekomendują i konfigurują odpowiedni lokalny model; bezpieczeństwo zapewniają sandbox OpenShell i kontenery MXC firmy Microsoft, a biblioteka open source Switchyard kieruje żądania między modelami lokalnymi i chmurowymi. NVIDIA PAIR, router rozdzielający inferencję między komputery w sieci lokalnej, wychodzi z fazy beta z obsługą llama.cpp i bezpośrednim pobieraniem modeli z Hugging Face. Dla twórców Adobe zapowiada nawet 2 razy większą szybkość w Photoshop i Premiere (optymalizacje w fazie beta), a NVIDIA Broadcast 2.3 dodaje superrozdzielczość wideo, generowanie klatek pośrednich i serwer MCP, aby agenci mogli sterować jego efektami. Dla deweloperów Windows on Arm otrzymuje pierwszy build PyTorch-CUDA oraz Python 3.15, domyślnie w wersji natywnej.

Zapowiedziany element	Data dostępności
NVIDIA PAIR poza fazą beta, Broadcast 2.3, Llama Windows	13 października
Nemotron 3.5 Bolt 74B-A9B 24GB	czwartek 15 października
Laptopy RTX Spark, praktyczne poradniki IA (playbooks), model DLSS 5 dwa razy szybszy	piątek 16 października
Nemotron 3.5 Bolt E4B 4GB dla postaci ACE, RTX Remix 1.6	piątek 23 października
DLSS Ray Reconstruction w Blender	listopad

🔗 Oprogramowanie na premierę RTX Spark (blog NVIDIA)

Llama Windows: Hugging Face umieszcza llama.cpp w obszarze powiadomień Windows 11

13 października — Hugging Face uruchamia Llama Windows, bezpłatną aplikację open source opartą na WinUI 3, która instaluje i uruchamia llama.cpp z obszaru powiadomień Windows 11, bez terminala, kompilacji i uprawnień administratora. Użytkownik wybiera model poddany kwantyzacji na Hub, pobiera go jednym kliknięciem i ładuje z kompaktowego panelu; przy uruchamianiu aplikacja podłącza się do działającego już serwera llama.cpp lub instaluje llama.cpp za pomocą oficjalnego instalatora. To odpowiednik llama.app z macOS dla Windows.

Dla deweloperów lokalny serwer nasłuchuje na http://localhost:9931 z API zgodnym z OpenAI, a pobierane pliki trafiają do standardowego cache Hugging Face, współdzielonego z pozostałymi narzędziami tej firmy. Aplikacja działa natywnie na Windows on Arm i obsługuje NVIDIA RTX Spark od pierwszego dnia, dzięki współpracy z NVIDIA. Kod jest udostępniony na licencji MIT w repozytorium ggml-org/Llama-Windows.

🔗 Llama Windows (blog Hugging Face)

Bezpieczeństwo: zabezpieczenia Anthropic przed destylacją, exploit Chrome stworzony przez XBOW, klasyfikator sekretów GitHub

Trzy ogłoszenia dotyczą bezpieczeństwa modeli i kodu: Anthropic podsumowuje swoje zabezpieczenia przed kopiowaniem modeli, XBOW pokazuje możliwości publicznego modelu w ataku, a GitHub zastępuje pipeline LLM małym klasyfikatorem.

Anthropic zmniejsza ilość danych pozyskiwanych przez podmioty prowadzące destylację o 90 do 99 %, jak wskazują pierwsze dane

12 października — Anthropic podsumowuje swoje zabezpieczenia przed atakami destylacyjnymi, czyli kampaniami zbierającymi odpowiedzi czołowego modelu, często za pośrednictwem sieci fałszywych kont, aby taniej wytrenować inny model. Według pierwszych danych nowe metody zmniejszają ilość pozyskanych danych o około 90 do 99 %. Według Anthropic Zhipu próbowało destylować Claude Fable 5 podczas prac nad GLM-5.3, po czym przeszło na starszy model Claude i model innego laboratorium.

Dodano trzy warstwy: zachowane rozumowanie (preserved thinking) w Claude Fable 5.1 i Opus 5.5, które uniemożliwia kontom API utworzonym od 31 sierpnia modyfikowanie wcześniejszego kontekstu Claude, przy czym rozumowanie Sonnet 5.5 jest zastrzeżone dla organizacji, która wysłała żądanie; dwuetapowy klasyfikator z odsetkiem fałszywych alarmów poniżej 0,1 %, działający w Sonnet 5.5, Opus 5 i 5.5, Fable 5 i 5.1; wreszcie zaostrzone limity użytkowania, blokowanie kont oraz, od 24 września, naliczanie opłat za zablokowane żądania. Deklarowany rezultat: od 10 do 100 razy mniej wyodrębnionych tokenów rozumowania i dziesiątki tysięcy zablokowanych kont, często w czasie krótszym niż dwie godziny.

🔗 Wzmacnianie naszych zabezpieczeń przed atakami destylacyjnymi

XBOW tworzy za pomocą GPT-5.6 Sol kompletny exploit Chrome, nagrodzony przez Google kwotą 250 000 dolarów

13 października — XBOW, firma prowadząca testy penetracyjne za pomocą agentów IA, stworzyła pełny łańcuch exploitów (full chain) dla Chrome: samo odwiedzenie strony internetowej wystarczało do zdalnego przejęcia kontroli nad komputerem z Windows, co według XBOW narażało około miliarda użytkowników. Google przyznało firmie nagrodę w wysokości 250 000 dolarów, a wszystkie trzy błędy zostały naprawione. Ogłoszenie pochodzi od XBOW, a nie od OpenAI, którego konto @OpenAIDevs jedynie udostępniło je ponownie.

We deliberately picked a model that is available to anyone, not a specialized security model or one with restricted access.

🇵🇱 Świadomie wybraliśmy model dostępny dla wszystkich, a nie wyspecjalizowany model do zastosowań w bezpieczeństwie ani model z ograniczonym dostępem. — Oege de Moor, założyciel i CEO XBOW

Wybranym modelem jest GPT-5.6 Sol, wraz z jego poprzednikami. Stworzenie łańcucha kosztowało 40 000 dolarów w zasobach obliczeniowych przez sześć dni, od 2 do 7 sierpnia: IA przeglądała kod źródłowy Chrome, tworzyła proofs of concept i pisała pierwsze wersje exploita, a czterech badaczy ustalało strategię i weryfikowało pracę. Według XBOW w ciągu roku agenci mogliby samodzielnie znajdować każdy z tych trzech błędów.

🔗 Relacja XBOW

GitHub przedstawia szczegóły swojego klasyfikatora sekretów: czas analizy krótszy o 86 % niż w poprzednim pipeline LLM

13 października — Sześć dni po zapowiedzi klasyfikatora ujawnionych sekretów GitHub opisuje jego działanie od kuchni. Skaner pracuje w dwóch etapach: wyrażenia regularne szeroko wyszukują wszystko, co przypomina identyfikator, a następnie dostrojony klasyfikator ModernBERT, wyeksportowany do ONNX z kwantyzacją 8-bitową, odczytuje każdego kandydata wraz z kontekstem (ścieżka pliku, typ sekretu, nazwy zmiennych, sąsiedni kod), aby odrzucić podobne ciągi, takie jak przykładowe wartości lub fikcyjne dane testowe.

Miara w porównaniu z pipeline LLM	Opublikowana różnica
Mediana czasu analizy post-push	−86 %
Koszt obsługi	ponad 98 % mniej
Akceptacja alertów ważona według właściciela repozytorium (test A/B)	+11,5 %
Precyzja offline	+13 %
Czułość offline	+19 %

Ten wzrost szybkości pozwolił rozszerzyć wykrywanie ogólnych sekretów na ochronę pushów, jeszcze przed wysłaniem kodu.

🔗 Model GitHub do wykrywania sekretów (GitHub Blog)

Scion: Anthropic zastępuje git własnym systemem kontroli wersji

13 października — Anthropic wyjaśnia na swoim blogu Engineering, dlaczego zrezygnowało z git w swoim monorepo: zespoły firmy scalały około 2 500 zmian dziennie w maju 2026, a we wrześniu już ponad 30 000. Przy historii o rozmiarze blisko 100 GB i około 25 milionach pobrań dziennie na potrzeby CI narzędzia zaprojektowane dla ludzi stawały się wąskim gardłem, nawet przy kilkuset wewnętrznych mirrorach git.

Scion, stworzony w pięć miesięcy przez siedem osób, zakłada, że jego klienci, głównie agenci i zautomatyzowane zadania, są zawsze online: serwer oblicza historię, przypisanie autorstwa poszczególnych wierszy (blame) i scalenia, a zadanie CI często nie potrzebuje już lokalnej kopii. Anthropic deklaruje 200 razy mniejsze zużycie zasobów niż w przypadku swoich mirrorów git, pobieranie w sekundach zamiast minut i odzyskanie 25 % zasobów CPU na potrzeby CI; wewnętrzna wersja wstępna Claude Mythos Preview przepisała pipeline ingestii tak, by zużywał 20 razy mniej pamięci. Anthropic nie planuje publicznej wersji, ponieważ Scion zbyt daleko odchodzi od git, aby sprawdzić się gdzie indziej: zamiast tego firma dzieli się jego zasadami, aby inni mogli zastosować je w git, i deklaruje chęć współpracy z GitHub, GitLab oraz społecznością open source.

🔗 Przeprojektowanie kontroli wersji w Anthropic

NVIDIA we Francji: planowane inwestycje w Doctolib, Entalpic, Genesis AI i Pigment, modele Mistral na orbicie na pokładzie Altair-1

13 października — Na początku europejskiej trasy prowadzącej do GTC Berlin, gdzie Jensen Huang wygłosi przemówienie otwierające (keynote) 21 października, NVIDIA zapowiada inwestycje w cztery francuskie start-upy, bez podania kwot: Doctolib (agenci dla personelu medycznego i asystent zdrowia dla pacjentów), Entalpic (projektowanie materiałów w skali atomowej dla półprzewodników), Genesis AI (roboty ogólnego przeznaczenia i modele bazowe) oraz Pigment (planowanie biznesowe). NVIDIA podaje, że zaangażowała blisko 10 miliardów dolarów w europejski ekosystem technologiczny.

Ten sam wpis przedstawia sytuację suwerennej AI we Francji. Bull rozszerzy europejską produkcję serwerów o systemy Vera Rubin Ultra NVL72, planowane na 2028 rok i montowane w fabryce w Angers. Twake.ai, zbudowany na Nemotron, dzięki umowie ramowej CANUT, zdobytej przez LINAGORA i Docaposte, staje się jedyną suwerenną cyfrową przestrzenią pracy ujętą w katalogu dla ponad 2 500 francuskich instytucji publicznych. Dzień zakończył się spotkaniem Jensena Huanga z Emmanuelem Macronem w Pałacu Elizejskim.

W obszarze kosmosu Mistral udostępnił ogłoszenie: Altair-1, pierwszy satelita konstelacji 50 satelitów, której wartość NVIDIA szacuje na 1 miliard dolarów, dotarł na orbitę. Zintegrowany przez Loft Orbital i zbudowany w Abu Zabi przez Orbitworks, wspólne przedsięwzięcie Loft Orbital i Marlan Space, ma na pokładzie moduły NVIDIA Jetson AGX Orin, które uruchamiają modele Mistral do obserwacji Ziemi w czasie rzeczywistym i autonomicznych operacji; Loft Orbital wymienia Ministral 3 i zamierza generować alerty za pomocą AI w ciągu kilku minut. Nie podano żadnych danych o wydajności ani dokładnej daty startu: według Loft Orbital start nastąpił kilka tygodni temu, a według NVIDIA — w tym miesiącu.

🔗 Francuski ekosystem i NVIDIA (blog NVIDIA) · Wątek NVIDIA o GTC Berlin · Tweet Mistral AI

Agenci i narzędzia do kodowania: marketplace Origin, Devin w Pylon i jego Dynamic Workflows, Puck od Amp dostępny przez MCP

Cursor otwiera marketplace swojej platformy hostingu kodu dla zewnętrznych twórców, Devin trafia do narzędzia wsparcia i koordynuje zespoły sesji, a Amp udostępnia swojego metaagenta innym asystentom.

Cursor otwiera marketplace Origin na publiczne zgłoszenia

13 października — Origin, platforma hostingu kodu Cursor uruchomiona w wersji beta 17 sierpnia, otwiera się na narzędzia zewnętrznych dostawców. Jej marketplace oferuje ponad 20 aplikacji do wdrażania (Cloudflare, Netlify, Vercel…), ciągłej integracji (Buildkite, CircleCI…), przeglądu kodu (CodeRabbit, Greptile), bezpieczeństwa (Semgrep, Socket Security), monitorowania (Sentry) i zarządzania projektami (Linear). Od 13 października przyjmuje także publiczne zgłoszenia: zespół tworzy aplikację we własnej przestrzeni nazw, buduje ją na API Origin (JWT aplikacji, tokeny instalacji, zdarzenia webhook, check runs, komentarze i przeglądy pull requests), a następnie zgłasza ją wraz z filmem demonstracyjnym; Cursor sprawdza każde zgłoszenie przed dodaniem go do katalogu. Nie ogłoszono żadnych cen.

🔗 Marketplace aplikacji Origin (changelog Cursor)

Devin integruje się z Pylon, oferując nowym klientom 15 000 dolarów w kredytach

13 października — Cognition uruchamia natywną integrację Devin z Pylon, narzędziem obsługi klienta. Gdy zgłoszenie zostaje oznaczone do przekazania zespołowi inżynierskiemu, Devin uruchamia się samodzielnie: przeszukuje logi, odtwarza błąd, znajduje jego pierwotną przyczynę i otwiera PR z poprawką; zespół wsparcia śledzi postępy w Pylon, inżynierowie przejmują powiązaną sesję, a aktualizacje synchronizują się w obu kierunkach. Zespół wsparcia może też uruchamiać z Pylon wyszukiwanie w kodzie, aby odpowiadać na pytania dotyczące produktu. Opinie przytoczone przez Cognition mówią o poprawkach dostarczanych około 30 % szybciej, czasem w 15 do 20 minut zamiast kilku godzin. Nowi klienci Devin w Pylon otrzymują 15 000 dolarów w kredytach.

🔗 Devin w Pylon

Dynamic Workflows Devin koordynują zespoły sesji za pomocą skryptu Python

13 października — Cognition prezentuje Dynamic Workflows Devin: Devin pisze deterministyczny skrypt Python, który decyduje, jakie sesje Devin uruchomić, w jakiej kolejności i z jakimi instrukcjami, opierając się na ustrukturyzowanych wynikach (schemat JSON) wcześniejszych sesji. Każdy agent jest domyślnie pełną sesją na własnej maszynie wirtualnej, z kodem przekazywanym przez gałęzie git, albo współdzieli maszynę z sesją koordynującą. Przerwane wykonanie można wznowić od miejsca zatrzymania w ciągu siedmiu dni, a udany workflow zapisuje się jako skill. Funkcja jest dostępna w każdej sesji Devin, ale na kontach Enterprise pozostaje wyłączona, dopóki administrator jej nie aktywuje; dokumentacja ostrzega o kosztach, ponieważ każdy agent zużywa zasoby jak osobna sesja. Data premiery nie została nigdzie potwierdzona: strona dokumentacji nie ma daty, a funkcja nie pojawia się w ostatnich informacjach o wydaniach.

🔗 Devin Dynamic Workflows (dokumentacja)

Amp udostępnia Puck w ChatGPT, Claude i innych agentach przez MCP

13 października — Amp udostępnia Puck, swojego metaagenta koordynującego innych agentów, w ChatGPT, Claude i innych klientach MCP. Serwer MCP Amp (ampcode.com/mcp) udostępnia dwa narzędzia: puck, do rozmowy ze swoim agentem Puck, oraz orbs, interaktywny widok aktywnych orbs z linkami do ich portali. Podany przykład: rozwijanie pomysłu w trybie głosowym ChatGPT podczas spaceru, a następnie wysłanie go do Puck, który przekazuje go odpowiedniej orb. Połączenie konfiguruje się w ustawieniach Puck w Amp albo przez wklejenie adresu serwera do klienta, a następnie zalogowanie się na konto Amp. Dotychczas Puck korzystał z serwerów MCP; teraz sam staje się jednym z nich. Nie ogłoszono żadnych cen.

🔗 Zabierz Puck ze sobą (Amp)

Partnerstwa: Solutions Partner Program Replit, Manus w trybie Agent OPPO

Dwie umowy dystrybucyjne: Replit korzysta z integratorów, aby wejść do przedsiębiorstw, a Manus — z producenta smartfonów.

Replit uruchamia Solutions Partner Program z Accenture, JSOL, SMFL i Snowman Labs

13 października — Replit uruchamia program partnerski dla integratorów systemów, firm doradczych i agencji wspierających przedsiębiorstwa na jego platformie: szkolenia, wsparcie, współpraca przy szansach sprzedażowych i ścieżki certyfikacji w zakresie funkcji Enterprise, w modelu opartym przede wszystkim na poleceniach (referral-first). Wśród pierwszych partnerów są Accenture, japońskie JSOL i Sumitomo Mitsui Finance and Leasing (SMFL) oraz brazylijski Snowman Labs. SMFL podaje, że w tydzień zbudował aplikację biznesową gotową do wdrożenia produkcyjnego, a JSOL przytacza przykład klienta, który zbudował prototyp w miesiąc. Katalog partnerów obejmował dziewięć firm 13 października; nie opublikowano żadnych warunków finansowych.

🔗 Replit przedstawia Solutions Partners

Manus nawiązuje współpracę z OPPO przy nowym trybie Agent w AI Mind Pilot

13 października — Manus integruje swoje możliwości agentowe z OPPO AI Mind Pilot w nowym trybie Agent, który zadebiutuje w nadchodzącej serii Find X10 z ColorOS 17. Prezentowany przykład: organizacja podróży na podstawie biletów lotniczych, rezerwacji i biletów do atrakcji rozproszonych po aplikacjach telefonu, połączonych z informacjami z internetu w celu opracowania planu na każdy dzień. W kwestii prywatności ColorOS 17 przetwarza lokalnie, za pomocą modeli działających na urządzeniu, zadania takie jak wyszukiwanie lub zmiana nazw plików, których zawartość nie jest przekazywana do Manus, a AI Mind Pilot prosi o wyraźne potwierdzenie przed każdym przetwarzaniem zewnętrznym. Nie podano daty, rynków ani warunków: zostaną ogłoszone przy premierze telefonu.

🔗 Manus nawiązuje współpracę z OPPO

Generatywne wideo i głos: FastH3-Omni od Reactor, Runway w Replit, agenci ElevenLabs we wsparciu i odtworzony głos w Izbie Lordów

Wideo w czasie rzeczywistym zyskuje dźwięk, Runway wchodzi do projektowania stron, a ElevenLabs pokazuje dwa zastosowania swojej platformy: w obsłudze klienta i brytyjskim parlamencie.

FastH3-Omni: Reactor uruchamia wersję MiniMax H3 działającą w czasie rzeczywistym z zsynchronizowanym dźwiękiem

13 października — Platforma Reactor uruchamia FastH3-Omni, działającą w czasie rzeczywistym wersję MiniMax H3, modelu wideo MiniMax, która generuje wideo z zsynchronizowanym dźwiękiem na podstawie jednego promptu. Po dodatkowym treningu przeprowadzonym przez zespół FastVideo z Hao AI Lab we współpracy z Nuva Lab, który wcześniej stworzył FastH3 pod koniec sierpnia, model jest przedstawiany jako najszybsza i najlepsza jakościowo wersja open source H3 działająca w czasie rzeczywistym. Dodaje warunkowanie pierwszą i ostatnią klatką, wejście audio z dialogami oraz do trzech obrazów referencyjnych. FastH3-Omni jest dostępny przedpremierowo wyłącznie przez API Reactor do 20 października; ogłoszenie nie zawiera benchmarku, cen ani linku do wag. MiniMax udostępnił je tego samego wieczoru.

🔗 Ogłoszenie Reactor

Runway łączy się z Replit do projektowania stron

13 października — Runway i Replit tego samego dnia prezentują Runway for web design: po połączeniu Runway z projektem Replit przez Runway MCP agent programistyczny generuje obrazy, filmy i zasoby wizualne bezpośrednio w projekcie, od pierwszego pomysłu do gotowej strony. Strona Runway MCP wymienia Replit wśród obsługiwanych środowisk, obok ChatGPT, Claude, Grok Bot, Muse i Cursor; Runway MCP był już zgodny z Replit w chwili premiery, 27 maja, więc ogłoszenie jest przede wszystkim wspólną promocją. Po katalogu aplikacji ChatGPT 7 października i Claude Motion 8 października Runway tym razem skupia się na projektowaniu stron. Nie podano żadnych cen ani kosztów w kredytach.

🔗 Ogłoszenie Runway · Ogłoszenie Replit

ElevenLabs rozwiązuje ponad 22 000 zgłoszeń do wsparcia miesięcznie za pomocą własnych agentów

13 października — ElevenLabs pokazuje, jak korzysta z własnej platformy: jego obsługa klienta działa na ElevenAgents, który rozwiązuje ponad 22 000 zgłoszeń miesięcznie bez udziału człowieka, przekazując sprawy zespołowi w razie potrzeby. W zeszłym miesiącu agent obsłużył od początku do końca 65 % zgłoszeń, średni czas pierwszej odpowiedzi spadł do 60 sekund z wcześniejszych kilku godzin, a 70 % rozmów oceniono pozytywnie. Agent opiera się na procedurach zespołu wsparcia, przekształconych w Procedures (w ustrukturyzowanej wersji dla zwrotów), oraz na narzędziach webhook, które sprawdzają plan, kredyty lub głosy każdego użytkownika; został zweryfikowany w testach symulacyjnych obejmujących około pięćdziesięciu scenariuszy, a następnie obserwowany w trybie cienia (shadow mode) na rzeczywistym ruchu przed wdrożeniem produkcyjnym. Architect, uruchomiony 6 października, służy następnie do zrozumienia przyczyn przekazywania spraw zespołowi i testowania poprawek.

🔗 Wsparcie ElevenLabs na ElevenAgents

Baronessa Campbell przemawia do Izby Lordów głosem odtworzonym przez ElevenLabs

13 października — Baronessa Jane Campbell of Surbiton, działaczka na rzecz praw osób z niepełnosprawnościami chorująca na rdzeniowy zanik mięśni i dożywotnia członkini Izby Lordów od 2007 roku, od 2012 roku korzystała z pomocy asystentki, która odczytywała jej przemówienia. Tym razem przemówiła do Izby Lordów własnym głosem, odtworzonym przez AI, podczas drugiego czytania Health Bill, w sprawie osobistych budżetów zdrowotnych. Według ElevenLabs po raz pierwszy członek brytyjskiego parlamentu użył głosu wygenerowanego przez AI w którejkolwiek z izb. Baronessa sama odtworzyła swój głos za pomocą narzędzia do klonowania ElevenLabs na podstawie starych nagrań; tekst przetworzony przez syntezę mowy odtworzono za pomocą urządzenia wspomagającego, za zgodą komisji proceduralnej Izby Lordów. ElevenLabs podaje, że przywrócił głos ponad 11 000 osobom.

🔗 Pierwsze przemówienie głosem AI w brytyjskim parlamencie (ElevenLabs)

Badania i otwarte dane: Prompteina projektuje białka, Basis publikuje Global Emotions, krytyczny wpis o modelach decyzyjnych

Trzy otwarte publikacje dnia: model projektowania białek sterowany tekstem, zbiór ekspresyjnej mowy w 83 językach i poparta liczbami krytyka modeli decyzyjnych.

Prompteina projektuje białka z uwzględnieniem wszystkich atomów na podstawie polecenia w języku naturalnym

13 października — Joseph Lee, pierwszy autor, przedstawia Prompteina, pracę współtworzoną między innymi przez trzech badaczy związanych z Ai2, które ją udostępniło, oraz przez Davida Bakera z Institute for Protein Design Uniwersytetu Waszyngtońskiego. Artykuł w arXiv opisuje ją jako pierwszy sterowany tekstem model generowania struktur białek z uwzględnieniem wszystkich atomów. Podczas gdy istniejące modele wymagają reprezentacji wejściowej dostosowanej do każdej właściwości, tutaj pożądaną właściwość opisuje się w języku naturalnym: spośród 18 ocenianych właściwości strukturalnych Prompteina zapewnia lepszą kontrolę niż modele referencyjne w 15 przypadkach. Model wytrenowano na 1,8 miliona struktur połączonych z 52,4 miliona opisów, adaptując Proteina-Complexa od NVIDIA. W projektowaniu białek wiążących sterowanym przez agenta uzyskuje dla 20 celów o 14 % wyższą przewidywaną pewność wiązania niż najlepszy model referencyjny. Dla GM2A, celu, dla którego wcześniej nie zgłoszono żadnego białka wiążącego zaprojektowanego de novo, 90 projektów przetestowanych w laboratorium dało dziewięć białek wiążących, z których najsilniejsze ma pozorną stałą dysocjacji 107 nM. Kod i wagi zostały opublikowane.

🔗 Wątek Josepha Lee · Projektowanie struktur białek na podstawie języka naturalnego (arXiv)

Basis publikuje Global Emotions, 525 godzin ekspresyjnej mowy dla 108 locale

12 października — Basis publikuje Global Emotions, zbiór ekspresyjnej mowy obejmujący 525,17 godziny nagrań wykonanych przez 10 420 opłaconych rodzimych użytkowników języków, dla 108 locale i 83 języków, w formacie WAV przy 48 kHz. Jego szczególną cechą jest struktura: ten sam aktor czyta tę samą kwestię z różnym natężeniem ekspresji — neutralnym, średnim, a następnie pełnym — zgodnie z instrukcją (radośnie, z frustracją, sarkastycznie, szeptem, śpiewając…). Utrzymując tego samego mówcę i tekst, można wyodrębnić zmiany w głosie, rytmie, wysokości tonu lub tempie mówienia wraz ze wzrostem emocji. Zbiór zawiera 137 696 nagrań i 54 575 sparowanych serii, w tym 12 141 nagrań z sygnałem niewerbalnym (westchnienie, śmiech). Basis deklaruje, że zbiór jest bezpłatny do użytku komercyjnego i badawczego, na własnej licencji z warunkowym dostępem, ale audio jest dostarczane w surowej postaci, bez odszumiania, a transkrypcje zweryfikowane przez ludzi nie są dołączone: kosztują 22,7 dolara za godzinę audio.

🔗 Basis Global Emotions (blog Hugging Face)

Modele decyzyjne: krytyczny wpis bada ich ograniczenia i trenuje jeden z nich metodą GRPO

13 października — We wpisie społecznościowym na blogu Hugging Face Hajime Yagihara analizuje publiczne demonstracje modeli decyzyjnych, czyli modeli, które nie generują żadnych tokenów, lecz zwracają prawdopodobieństwo dla każdej opcji. Jego teza: kod demonstracji symuluje każdą opcję i zapisuje wynik w prompcie, wykonując trudną część pracy przed modelem. W scenariuszu Predict Position w ViZDoom Jev bez pomocy kodu kończy pomyślnie 0 ze 128 epizodów, mniej niż przy losowym wyborze (12 ze 128), podczas gdy sam kod osiąga sukces w 126; w Snake jego skuteczność spada do 63,5 %, gdy trzeba przewidzieć choćby jeden krok.

Autor przenosi następnie GRPO z LLM na te modele, rozdzielając końcową nagrodę między wszystkie decyzje w epizodzie. W NanoJev, otwartej reprodukcji modelu o 0,6 miliarda parametrów, skuteczność rośnie z 19,4 % do 79,1 % bez eksperta, wobec 68,6 % przy naśladowaniu eksperta metodą SFT i 81,4 % przy połączeniu obu metod; trening pozostaje niestabilny w okolicach kroku 20.

🔗 Wpis Hajime Yagihary (blog Hugging Face)

Krótkie wiadomości

Copilot CLI 1.0.97 — Wersja stabilna z 25 pozycjami przeniesionymi z wersji zapoznawczych pozwala każdemu niestandardowemu agentowi mieć własne deklaratywne hooki, wykrywa wszystkich agentów w repozytorium, nawet gdy jest ich ponad 100, a w trybie Autopilot odrzuca decyzję „ask” hooka preToolUse, zamiast pozostawać w zablokowanym stanie; SDK Copilot przechodzi na wersję 1.0.21. 🔗 źródło · 🔗 SDK
Gemini CLI v0.65.0-preview.0 i v0.64.0 — Wersja zapoznawcza dodaje cztery poprawki z 13 października, w tym szybkie przerwanie przez Ctrl+C, które nie uszkadza już sesji, a stabilna v0.64.0 nie wnosi niczego nowego. Gemini 4 Argon nie jest jeszcze dostępny na liście wyboru: dodaje go PR zewnętrznego współtwórcy, który nie został jednak scalony. 🔗 źródło
Antigravity 2.23.0 — Wersja z 12 października (16 ulepszeń, 8 poprawek): wybór uprawnień agenta w polu wiadomości, pełnoekranowa przeglądarka obrazów i filmów, rozpakowywanie archiwów .zip przez agenta oraz naprawianie przez niego serwera MCP, który się nie uruchamia. 🔗 źródło
Qwen Code v0.25.2-preview.0 — Pierwsza wersja zapoznawcza w tym cyklu, dwa dni po stabilnej v0.25.1: 115 pozycji, w tym 33 funkcje i 50 poprawek, Mods napisane w TypeScript, które mogą przechwytywać wywołania narzędzi, przeglądarka niepowodzeń testów oraz przeglądarka plików z podglądem Excel w Web Shell. 🔗 źródło
Jev w Amp — Panel Changes w Amp automatycznie porządkuje pliki w diffie, umieszczając najpierw te, które wyjaśniają zmianę, znacznie szybciej niż wcześniej dzięki modelowi decyzyjnemu Jev od TypeSafe; kolejność alfabetyczna pozostaje dostępna. 🔗 źródło
Informacje o zmianach w Devin z 9 października — Uzupełnienie: uśpioną sesję można teraz wznowić tylko przez 14 dni zamiast 30, Devin odczytuje plik AGENTS.md podczas instalacji repozytorium, a Devin Ultra staje się dostępny dla firm korzystających z zerowej retencji danych (zero data retention), które wcześniej nie miały do niego dostępu. 🔗 źródło
Klucze Anthropic domyślnie blokowane — Funkcja secret scanning w GitHub rozpoznaje klucze usług i klucze użytkowników Anthropic, a ochrona operacji push od razu je blokuje, również w bezpłatnych repozytoriach publicznych; dodaje też detektor dla Cloudsmith, a Salesforce zostaje partnerem w unieważnianiu tokenów Marketing Cloud znalezionych w repozytoriach publicznych. 🔗 źródło
Metryki AI Scan — W publicznej wersji zapoznawczej panel przeglądu bezpieczeństwa w GitHub mierzy efekty AI Scan dla pull requests (wygenerowane i rozwiązane wyniki, wskaźnik usuwania problemów, wykorzystanie sugestii autofix), dla klientów GitHub Code Security lub GitHub Advanced Security. 🔗 źródło
Zarządzane ustawienia Copilot — Za pomocą forceRemoteSettingsRefresh administratorzy przedsiębiorstw wymuszają na Copilot CLI, VS Code i aplikacji GitHub Copilot pobieranie aktualnej polityki przy uruchomieniu; klient blokuje działanie, jeśli nie może jej potwierdzić; minimalna wersja klienta jest również wymuszana przez klucz sandbox. 🔗 źródło
Telemetria Copilot — Zarządzane ustawienie telemetry.capture.identity, domyślnie wyłączone, przypisuje aktywność Copilot do użytkownika w OpenTelemetry (login GitHub, konto systemowe, nazwa komputera), bez zbierania jego promptów; pięć kategorii przechwytywania treści konfiguruje się oddzielnie, a wszystkie są domyślnie wyłączone. 🔗 źródło
Audyt Code Quality — Ręczne odrzucanie i ponowne otwieranie wyników GitHub Code Quality pojawia się teraz w dzienniku audytu wraz z autorem, czasem, repozytorium, regułą i liczbą wyników, w GitHub Team i GitHub Enterprise Cloud. 🔗 źródło
Wycofane alerty Dependabot — Webhook dependabot_alert otrzymuje akcję withdrawn, a API REST odpowiada kodem 410 Gone zamiast 404 dla wycofanego alertu, odróżniając go tym samym od alertu, który nigdy nie istniał. 🔗 źródło
Anonimowe rejestry dla Dependabot — Metoda uwierzytelniania Anonymous pozwala zadeklarować na poziomie organizacji prywatny rejestr dostępny bez danych uwierzytelniających, na przykład wewnętrzny mirror otwarty do odczytu; użytkownicy fikcyjnego tokena muszą ponownie utworzyć swój rejestr. 🔗 źródło
Budżety rozliczeniowe GitHub — Strona Budżety i alerty łączy wszystkie budżety w jedną listę, którą można filtrować według zakresu, produktu, SKU lub użytkownika, uwzględniając również budżety poszczególnych użytkowników. 🔗 źródło
RSSI Ubera i agenci IA — W wywiadzie opublikowanym przez claude.com Philip Martin, RSSI Ubera, opowiada się za objęciem agentów IA programem przeciwdziałania zagrożeniom wewnętrznym (insider threat program) i opisuje współdziałanie Enterprise Frontier Safeguards z ADR, narzędziem open source Ubera; bez danych liczbowych ani zapowiedzi produktu. 🔗 źródło
Mistral Large 4 w lokalizacji wizualnej — Według Mistral jego model uzyskuje 42 % w benchmarku lokalizacji wizualnej (visual grounding) Dense 200, wyprzedzając nawet czołowe modele zamknięte, bez wskazania konkurenta ani wyniku do porównania; demonstracja pokazuje jego działanie na rysunkach technicznych. 🔗 źródło
JJ-1 od JurinAI — Cztery modele decyzyjne o liczbie parametrów od 0,8 do 9 miliardów dla japońskich procesów biznesowych: według raportu producenta (88 813 pytań) JJ-1-9B osiąga 79,20 %, wyprzedzając StartLux 9B (78,02 %), Jev 1.13 i Microsoft Decision-1 (76,50 %); wagi na licencji CC BY-NC 4.0, bez możliwości użytku komercyjnego. 🔗 źródło
AutoTrust — Dwie demonstracje online, dotyczące krótkich filmów i wiadomości, porządkują rekomendacje za pomocą jednego modelu decyzyjnego, bez treningu ani logów: jedno pytanie o wybór dla całej partii daje lepsze wyniki niż odpytywanie dla każdego kandydata osobno (AUC 0,931 w 0,42 s wobec 0,905 w 1,54 s na 200 przypadkach); autorzy zastrzegają, że pomiary wykonano poza środowiskiem produkcyjnym. 🔗 źródło
MolmoAct 2 na czele w Datapoint AI — Polityka sterowania robotami od Ai2 prowadzi w Datapoint Robot Policy Bench, ocenianym według preferencji ludzi, z 1 082 punktami Elo na podstawie 21 130 głosów, przed OpenVLA-OFT (1 049) i π0.5-DROID (1 033); to drugi niezależny ranking po Reality Check z 30 września. 🔗 źródło
Molmo2Fish — Ai2 opisuje, jak Kai Van Brunt (MIT) dostroił Molmo 2 na nagraniach sonarowych, aby śledzić łososie i poprawiać błędy modelu za pomocą prostego polecenia; prototyp radzi sobie mniej więcej tak dobrze jak wyspecjalizowany system, bez opublikowanych danych liczbowych, i nie został wdrożony. 🔗 źródło
Rozpoznawanie mowy w kontroli ruchu lotniczego — NVIDIA publikuje dwa skills, które prowadzą agenta programistycznego przez dostrajanie Nemotron 3.5 ASR: na dwugodzinnym zestawie testowym ATCO2 wskaźnik błędów słów spada z 77,00 % do 22,46 %, a dla ogólnego języka angielskiego wzrasta z 3,50 % do 3,63 %. 🔗 źródło
Post-training w Together AI — Zbiór receptur na licencji Apache-2.0, który pojawił się bez zapowiedzi, dokumentuje Together Post Training, gdzie klient pisze pętlę treningową na własnym komputerze, a Together AI uruchamia moduł treningowy i próbkowanie: receptury GRPO, SFT, DPO i multi-LoRA, bez cennika ani danych liczbowych. 🔗 źródło
Supabase w Grok Bot — Supabase dołącza do sieci partnerów SpaceXSI: prośba złożona na czacie Grok Bot jest przekazywana do Cursor, który wykonuje ją w backendzie za pośrednictwem serwera MCP Supabase; według Supabase w sesjach Cursor tylko około 2 % błędów powoduje zakończenie sesji. 🔗 źródło
Higgsfield i GPT-6 Astra — W studium przypadku OpenAI Higgsfield AI podaje, że jego filmy, których długość przed GPT-6 Astra była ograniczona do około minuty, przekraczają teraz 10 minut; według CEO firmy wywołania narzędzi modelu do modelowania 3D pomagają zachować spójność długich filmów. Nie podano żadnych danych o kosztach. 🔗 źródło

Co to oznacza

Premiera Argon pokazuje, jak obecnie rozpowszechnia się model z czołówki: w dniu jego ogólnej dostępności dodają go Cursor, Devin, GitHub Copilot i Manus, każdy z własnym pomiarem, a tych liczb nie da się ze sobą porównywać. W CursorBench 4.0 Argon dorównuje Opus 5.5 przy średnim poziomie wysiłku, ale kosztuje więcej na zadanie i pozostaje w tyle, gdy zwiększa się wysiłek; w FrontierCode 1.1, benchmarku Cognition, wyprzedza GPT-6.1 Sol o jedną dziesiątą punktu i traci niemal pięć punktów do Claude Opus 5.5; GitHub nie publikuje żadnych liczb. Cena ma równie duże znaczenie jak wynik: 2 i 10 dolarów za milion tokenów do 30 listopada, potem dwa razy więcej. Zespół wybierający model będzie musiał ponownie przeprowadzić kalkulację w grudniu.

The X Subscription zmienia pozycję Cursor. Edytor jest teraz sprzedawany w tym samym pakiecie co Grok i X Premium, ze wspólną pulą użycia i co najmniej dwukrotnie większym limitem użycia do kodowania z modelami SpaceXSI. Modele innych laboratoriów, takie jak Gemini 4 Argon udostępniony tego samego dnia w Cursor, pozostają dostępne, ale dopiero od 30 dolarów miesięcznie, i są rozliczane według ceny API poza wspólną pulą. Nowych abonentów oferta kieruje więc ku własnym modelom firmy; dla dotychczasowych klientów nic się nie zmienia, dopóki SpaceXSI nie ustali harmonogramu zapowiadanej migracji.

Cyberbezpieczeństwo przewija się przez cały dzień. Google uzasadnia zabezpieczenia nowej generacji wynikiem: Argon rozwiązuje 12 scenariuszy symulowanych cyberataków, wobec 5 dla poprzedniej generacji. XBOW pokazuje z kolei, co już umożliwia model dostępny dla wszystkich: pełny łańcuch wykorzystania luk w Chrome za 40 000 dolarów wydanych na obliczenia. Obrona stawia na monitorowanie w czasie rzeczywistym: trzy warstwy ochrony wokół Argon, dwustopniowy klasyfikator w Anthropic, który według firmy ogranicza o 90 do 99 % ilość danych pobieranych przez podmioty dokonujące destylacji, oraz mały model ModernBERT w GitHub, który zastępuje pipeline LLM, skracając czas analizy o 86 % i obniżając koszt obsługi o ponad 98 %.

Lokalna IA otrzymuje wreszcie konkretne narzędzia. Nemotron 3.5 Bolt 74B mieści się w 24 GB dzięki kwantyzacji 2-bitowej, LFM2.5-24B-A2B aktywuje tylko 2 miliardy parametrów na token i deklaruje 184 tokens/s na Apple M5 Max, a Llama Windows sprowadza instalację llama.cpp do kilku kliknięć. Po stronie serwerów NVIDIA udostępnia kod Run:ai, aby partnerzy mogli samodzielnie zarządzać swoimi GPU, a Anthropic pokazuje na przykładzie Scion, jak tempo pracy agentów wpływa na narzędzia: ponad 30 000 scaleń dziennie we wrześniu, wobec 2 500 w maju, skłoniło firmę do odejścia od git.