ai-powered-markdown-translatorArtykuł przetłumaczony z fr na pl przy użyciu gpt-5.4-mini.
W tym tygodniu uwagę przykuwa stanowisko Demisa Hassabisa w sprawie zarządzania AI graniczną, dwa wpisy NVIDIA pokazujące wzrosty efektywności Blackwell oraz nowa metoda badań prowadzonych przez agenta, a także ogólna dostępność GPT-5.6 na Amazon Bedrock. Reszta wiadomości obejmuje falę otwartych modeli (OCR, vision-language, kwantyzacja ternarna), kilka nowości GitHub i Manus po stronie narzędzi oraz publikację benchmarku WANDR w open source przez Perplexity.
Demis Hassabis proponuje ramy dla AI granicznej i Standards Body
14 lipca — W długim wpisie opublikowanym na X Demis Hassabis, współzałożyciel i dyrektor generalny Google DeepMind, zajmuje stanowisko w sprawie drogi do ogólnej sztucznej inteligencji (AGI). Uważa, że system posiadający wszystkie zdolności poznawcze ludzkiego mózgu to prawdopodobnie kwestia zaledwie kilku lat, i porównuje skalę tego przełomu do odkrycia elektryczności lub ognia, z potencjalnym wpływem dziesięciokrotnie większym niż rewolucja przemysłowa, przy dziesięciokrotnie większej szybkości.
Jednocześnie ostrzega: obecny wyścig komercyjny i geopolityczny jest tak intensywny, że nie pozostawia wystarczająco dużo czasu, by dobrze zrozumieć ryzyka (cyberbezpieczeństwo, a w dalszej kolejności ryzyka nuklearne i biologiczne), ani by zachować kontrolę nad systemami coraz bardziej autonomicznymi i zdolnymi do samooptymalizacji.
Jego centralna propozycja: Standards Body poświęcony ocenie modeli granicznych, wzorowany na partnerstwie publiczno-prywatnym nadzorowanym przez amerykański rząd federalny — na podobieństwo FINRA w finansach — z radą obejmującą niezależnych ekspertów technicznych oraz przedstawicieli open source. Finansowanie, w większości prywatne, miałoby przyciągać czołowe talenty techniczne i opłacać obliczenia potrzebne do testów na dużą skalę. Hassabis wskazuje Stany Zjednoczone jako kraj najlepiej przygotowany do zainicjowania takiego podejścia, jednocześnie wzywając do międzynarodowej współpracy w kwestiach bezpieczeństwa.
If you stop to think about it, we’ve essentially found a way to make sand think. It’s miraculous. The magnitude of this technology’s impact will be unprecedented, perhaps 10x of the Industrial Revolution at 10x the speed.
🇵🇱 Jeśli się nad tym zastanowić, znaleźliśmy w zasadzie sposób na to, by piasek zaczął myśleć. To cudowne. Skala wpływu tej technologii będzie bezprecedensowa, być może dziesięć razy większa niż rewolucja przemysłowa, przy dziesięć razy większej szybkości. — @demishassabis na X
NVIDIA — wydajność na wat, kluczowa miara efektywności infrastruktury AI
14 lipca — NVIDIA broni wydajności na wat jako miary referencyjnej efektywności infrastruktury AI: w kontekście, w którym dostępna moc elektryczna jest najtwardszym ograniczeniem, ten współczynnik określa, ile tokenów fabryka AI może wytworzyć przy stałym budżecie mocy, a więc także jej przychody i rentowność.
Firma podaje wzrosty dla swojej platformy Blackwell NVL72 w porównaniu z generacją Hopper:
| Zbadany model | Wzrost wydajności na wat (Blackwell NVL72 vs Hopper) |
|---|---|
| DeepSeek V4 Pro | do 25x |
| GLM 5.1 | do 20x |
| Kimi K2.6 (długie obciążenia agentowe) | do 10x |
Część tych zysków wynika z przejścia z domeny GPU obejmującej 8 jednostek (Hopper) do zintegrowanych racków z 72 GPU, z NVLink Switch szóstej generacji integrującym obliczenia w sieci (technologia SHARP). Poza sprzętem ciągła optymalizacja oprogramowania nadal przynosi znaczne korzyści: nawet 5x dodatkowej wydajności na DeepSeek V4 w ciągu jednego miesiąca, dzięki stosowi TensorRT-LLM, Dynamo, SGLang i vLLM.
Po stronie infrastruktury energetycznej technologia DSX MaxLPS miałaby umożliwiać uruchomienie nawet o 40% więcej GPU przy tym samym budżecie mocy, dzięki chłodzeniu wodą o umiarkowanej temperaturze i dynamicznemu zarządzaniu mocą — przy czym obecnie tylko około 60% energii pobieranej z sieci faktycznie zamienia się w użyteczną pracę AI w fabryce. NVIDIA umieszcza to podejście w perspektywie swojej nadchodzącej platformy Vera Rubin i wskazuje wdrożenia produkcyjne w Anthropic, OpenAI, CoreWeave, Perplexity i Fireworks AI.
NVIDIA — Nemotron Labs: autonomiczne badania RL prowadzone przez umiejętności agenta
14 lipca — NVIDIA zaprezentowała „RL Autoresearch”, demonstrację badań z zakresu uczenia ze wzmocnieniem prowadzonych przez agenta, opartą na NeMo RL, NeMo Gym i wielokrotnego użytku umiejętnościach. Zasada działania: dać agentowi kodującemu cel i budżet czasu, a następnie pozwolić mu samodzielnie zbudować środowisko treningowe, wytrenować model i go ocenić, podczas gdy badacz jedynie nadzoruje ogólny kierunek prac.
W pokazanym przykładzie agent miał nauczyć model vision liczenia kolorowych gwiazd. Model Qwen3-VL-2B poprawił się z 25% do 96,9% dokładności, a sam agent zaproponował kolejne doświadczenie do przeprowadzenia, bez narzucenia go przez badacza.
Drugi przykład, dotyczący raczej post-treningu niż autonomicznych badań, ilustruje podobne zastosowanie: model Cosmos 3 Nano, początkowo niezdolny do wykrycia sygnalizacji świetlnej mimo jej obecności w ewaluacji zero-shot, został post-trenowany przez LoRA do zadania walidacji WTS (scenariusze jazdy uwzględniające pogodę, ruch uliczny i sygnalizację). Dokładność wzrosła z 54,41% do 87,14% po LoRA, a następnie do 93,35% po dodaniu NVIDIA TAO AutoML — wszystko w mniej niż jeden dzień.
We gave a coding agent a goal and a time budget: build a training environment and teach a vision model to count colored stars.
🇵🇱 Daliśmy agentowi kodującemu cel i budżet czasu: zbudować środowisko treningowe i nauczyć model vision liczenia kolorowych gwiazd. — @NVIDIAAI na X
Modele otwarte i badania
Siedem publikacji zaznacza ten tydzień po stronie modeli otwartych i badań, sygnowanych między innymi przez Hugging Face, Together AI i Sakana AI.
| Zbadany model | Wydawca | Parametry | Licencja | Kluczowy benchmark |
|---|---|---|---|---|
| OvisOCR2 | Niezależny autor (HF) | 0,9 miliarda | Apache 2.0 | 96,58 na OmniDocBench v1.6 |
| MOSS-VL-Realtime | Open_MOSS | 11 miliardów | Apache 2.0 | Kontekst 256 000 tokenów |
| Ternary Bonsai 27B | PrismML | ~27,3 miliarda (ternarnie) | Bezpłatny na Together AI | 99,20 na MATH-500 |
OvisOCR2: rozpoznawanie dokumentów z 0,9 miliarda parametrów
OvisOCR2 deklaruje wynik 96,58 na OmniDocBench v1.6 i przedstawia się jako pierwszy model end-to-end, który wyprzedza systemy pipeline (OCR, wykrywanie układu i analiza obsługiwane osobno). Autor proponuje receptę wykorzystującą Hugging Face Jobs do konwersji dowolnego zbioru danych do markdown za pomocą OCR, bez lokalnego GPU. Warto zauważyć ograniczenie: ten wynik i określenie „pierwszy model end-to-end” pochodzą z tweeta ogłoszeniowego, nie zostały zweryfikowane na pełnej karcie modelu.
MOSS-VL-Realtime: otwarty model vision-language do wideo w czasie rzeczywistym
Zespół Open_MOSS publikuje model vision-language o 11 miliardach parametrów, zaprojektowany do ciągłej analizy strumieni wideo zamiast pojedynczych obrazów: nadal obserwuje wideo podczas generowania odpowiedzi, może ją skorygować, jeśli sytuacja na ekranie się zmieni, i wybiera milczenie, gdy brakuje wystarczających dowodów. Warianty Base, Instruct i Realtime są wszystkie wydane na licencji Apache 2.0, z obsługą day-0 przez zespoły SGLang i LMSYS.
🔗 Ogłoszenie MOSS-VL-Realtime na X
LeRobot v0.6.0: natywne wsparcie głębi
Otwarta biblioteka robotyczna Hugging Face dodaje natywne wsparcie end-to-end dla głębi (depth): po podłączeniu kamery Intel RealSense i aktywowaniu use_depth: true, mapy głębi są automatycznie synchronizowane ze strumieniami RGB, kwantyzowane do 12 bitów i kodowane bezstratnie w HEVC. Funkcja obejmuje SO-100/101, Koch, OpenArm, reBot i Unitree G1.
🔗 Ogłoszenie LeRobot v0.6.0 na X
Sakana Marlin: „Virtual CSO” do badań strategicznych
Sakana AI uruchamia autonomicznego agenta badawczego, który prowadzi pogłębione rozumowanie przez około 8 godzin za pomocą silnika AB-MCTS i przepływu w stylu AI Scientist, aby doprowadzić do uporządkowanych opcji strategicznych, a nie do streszczenia. Dostarczane materiały obejmują raport, aneksy, referencje i slajdy. Produkt jest w becie, z rozliczeniem według użycia (98 jenów za kredyt) lub ofertą Enterprise na wycenę.
Ternary Bonsai 27B: ternarna kwantyzacja w formacie telefonicznym
PrismML publikuje pochodną Qwen3.6 27B skwantyzowaną ternarnie (format g128, 1,71 bitu na wagę, około 9,4 razy bardziej kompaktową niż baza FP16), zachowującą według wydawcy 95% jakości pełnej precyzji.
| Zbadany benchmark | Wynik |
|---|---|
| MATH-500 | 99,20 |
| AIME 2025 | 90,84 |
| HumanEval+ | 93,90 |
| Średnia (15 benchmarków thinking) | 80,49 |
Model obsługuje kontekst 262 000 tokenów i wejście wizualne, a także jest oferowany bezpłatnie na bezserwerowej infrastrukturze Together AI.
🔗 Ogłoszenie Ternary Bonsai 27B na X
Flash-BoN: best-of-N w nowym wydaniu dla dyfuzji
Sayak Paul (Hugging Face) pokazuje, że best-of-N stanowi solidniejszy punkt odniesienia, niż sądzono, dla skalowania podczas inferencji w dyfuzji, pod warunkiem uwzględniania również rzeczywistego czasu wykonania, a nie tylko liczby ocen funkcji. Zespół wprowadza Flash-BoN, które stawia na szerszą eksplorację próbek zamiast powtarzanych walidacji pośrednich.
Hugging Face otwiera ZeroGPU dla wszystkich użytkowników
Dostęp do demonstracji ZeroGPU (bezpłatne GPU na żądanie) jest teraz dostępny dla wszystkich użytkowników Hugging Face, z agent skill pozwalającym zbudować demo bezpośrednio z promptu w języku naturalnym.
GitHub, Copilot i Manus
Code scanning pokazuje wykrycia bezpieczeństwa przez AI w pull requestach
14 lipca — GitHub code scanning zaczyna teraz wyświetlać wykrycia bezpieczeństwa wspomagane przez AI bezpośrednio w pull requestach, rozszerzając pokrycie na języki i frameworki nieobsługiwane przez CodeQL. Funkcja, dostępna w public preview, pozostaje informacyjna: nie blokuje mergowania, wymaga włączonego default setup CodeQL, licencji Copilot i zużywa kredyty AI tylko przy wykryciu.
Dependabot wprowadza domyślny okres opóźnienia
14 lipca — Dependabot czeka teraz domyślnie trzy dni po publikacji nowej wersji, zanim otworzy pull request z aktualizacją, aby ograniczyć ekspozycję na ataki na łańcuch dostaw. Ten czas można skonfigurować opcją cooldown w .github/dependabot.yml; aktualizacje bezpieczeństwa nadal są natychmiastowe. Funkcja trafi do GitHub Enterprise Server począwszy od wersji 3.23.
/security-review w aplikacji GitHub Copilot
14 lipca — Komenda /security-review jest dostępna w public preview w aplikacji GitHub Copilot: analizuje bieżące zmiany w kodzie i zwraca wyniki posortowane według wagi i poziomu pewności, z sugestiami możliwymi do zastosowania bez wychodzenia z aplikacji. Obejmuje między innymi injection, cross-site scripting i path traversal oraz jest dostępna w planach Free, Pro, Business i Enterprise.
Manus generuje teraz natywne .pptx
14 lipca — Manus wcześniej generował slajdy, a następnie konwertował je do .pptx; teraz tworzy natywny plik PowerPoint bezpośrednio, z naprawdę edytowalnymi wykresami (przerysowują się, gdy zmienia się wartość) oraz możliwością włączania lub wyłączania etykiet, siatki i legendy.
Manus uruchamia automatyczną publikację generowanych stron
13 lipca — Nowa opcja auto-publish automatycznie wdraża każde udane build strony na jej online URL, domyślnie wyłączona. W połączeniu z kolejką zmian usuwa ostatni ręczny krok między budową a wdrożeniem produkcyjnym.
Generowanie obrazów i wideo
Wan-Dancer-14B: open source do generowania wideo tanecznego
14 lipca — Alibaba udostępnia w open source Wan-Dancer-14B, model działający lokalnie, wyspecjalizowany w generowaniu długich, rytmicznych filmów tanecznych, skupiony na synchronizacji ruchu i muzyki w dłuższych sekwencjach, a nie na prostych klipach.
HeyGen: znacznik czasu słowo po słowie dla avatarów czasu rzeczywistego
14 lipca — HeyGen dokumentuje niepubliczny przepływ swojego API Avatar Realtime: kanał znacznika czasu słowo po słowie ({mot, début, fin}), który pozwala precyzyjnie synchronizować gesty i mowę. Potwierdzenie wysłania tekstu pojawia się po około 70 ms, ale wypowiedzenie słowa następuje dopiero po kilku sekundach, stąd potrzeba kotwicy przeliczanej około cztery razy na sekundę. Mechanizm przetestowano w ramach 24-godzinnej transmisji Twitch, podczas której wydano na żywo 9 269 werdyktów.
HeyGen — Figma → HyperFrames, dzień 9/30
14 lipca — Umiejętność /figma importuje assets, tokeny marki, komponenty, osie czasu motion i storyboardy bezpośrednio z pliku Figma. W demonstracji zespół zaimportował 27 nazwanych kolorów i stylów oraz odtworzył storyboard z ośmiu kadrów jako interpretowany na żywo skrypt filmowy.
NVIDIA — Nemotron: liczbowe wyniki klientów biznesowych
14 lipca — NVIDIA publikuje kilka liczbowych studiów przypadku wokół otwartych modeli Nemotron: H Company przekroczyła 76% dokładności na OSWorld-Verified z Holotron 3 Nano; Harvey post-trenował Nemotron 3 Ultra przy koszcie na wykonanie co najmniej 10 razy niższym niż alternatywy zamknięte; Arcee AI deklaruje około 20 razy niższy koszt niż porównywalny model zamknięty, jednocześnie zajmując drugie miejsce na PinchBench; Abridge i YTL AI Labs dostosowały go odpowiednio do rozmów klinicznych i języka malajskiego.
Anthropic
Claude for Teachers: bezpłatny dostęp dla nauczycieli K-12 w Stanach Zjednoczonych
14 lipca — Anthropic uruchamia bezpłatny dostęp do premium możliwości Claude dla zweryfikowanych nauczycieli K-12 w Stanach Zjednoczonych, z biblioteką umiejętności dydaktycznych i połączeniem z zatwierdzonymi programami poprzez Learning Commons, zgodnymi ze standardami wszystkich 50 stanów. Rozmowy nigdy nie są używane do trenowania modeli, a dane uczniów są objęte umową o przetwarzaniu zgodną z ustawą FERPA.
Artefakty: publiczne udostępnianie, edycja wieloosobowa i tworzenie przez Claude Tag
13 lipca — Artefakty zyskują publiczne udostępnianie (każdy posiadający link może je wyświetlić), jednoczesną edycję wieloosobową (plany Team i Enterprise) oraz tworzenie z Claude Tag w Slacku na proste żądanie w wątku.
OpenAI
GPT-5.6 w ogólnej dostępności na Amazon Bedrock
13 lipca — Trzy modele GPT-5.6 uruchomione 9 lipca — Sol (flagowy model rozumowania), Terra (pośredni) i Luna (szybka inferencja) — są teraz w ogólnej dostępności na Amazon Bedrock, na nowym silniku inferencyjnym Bedrock zaprojektowanym z myślą o wydajności, bezpieczeństwie i skali. Rozszerza to punkty dostępu do GPT-5.6 obok ChatGPT, bezpośredniego API OpenAI oraz integracji zewnętrznych (Copilot, M365, Warp, Cursor, Devin).
Codex, domyślny rekomendowany agent w JetBrains AI
14 lipca — JetBrains czyni Codex domyślnym rekomendowanym agentem w JetBrains AI (IntelliJ IDEA, PyCharm, WebStorm), przy wyborze niewyłącznym — użytkownik może w dowolnym momencie przełączyć się na innego agenta — ponownie ocenianym co miesiąc wraz z rozwojem modeli.
Gemini
Gemini w Google Chrome uruchomiony w Wielkiej Brytanii
14 lipca — Gemini staje się dostępny z dowolnej otwartej karty Chrome w Wielkiej Brytanii, bez zmiany kontekstu: podsumowanie strony, porównywanie treści między kartami, odpowiadanie na pytania o to, co jest wyświetlane na ekranie.
Pierwszy raport Gemini dla Azji Południowo-Wschodniej: rekordowa adopcja i Gemini Spark
14 lipca — Google publikuje swój pierwszy „Gemini Southeast Asia Report”: aktywni użytkownicy ponad dwukrotnie wzrosli w ciągu roku na sześciu głównych rynkach (Indonezja, Malezja, Filipiny, Singapur, Tajlandia, Wietnam), prawie 70% zapytań jest składanych w językach lokalnych, a w minionym roku wygenerowano 5 miliardów obrazów za pomocą Nano Banana. Z tej okazji Google udostępnia Gemini Spark, proaktywnego agenta zdolnego do obsługi zadań Workspace, w językach lokalnych dla subskrybentów Advanced w regionie.
Narzędzia dev i agenci
Devin Fusion: agent preview kierujący do Fable 5
13 lipca — Cognition uruchamia Devin Fusion, agenta w wersji preview dostępnego w Devin Cloud, w którym jeden model pełni rolę menedżera delegującego zadania tańszemu modelowi zamiast wykonywać wszystko jednym modelem premium. Według zespołu Fable 5 zachowuje się jak menedżer delegujący poprzez pisanie pełnych specyfikacji, podczas gdy inne modele, takie jak Opus 4.8, mają tendencję do mikro-zarządzania i przeładowywania kontekstu. Rezultat: koszt na zadanie niższy niż w przypadku Opus 4.8, mimo wyższej ceny jednostkowej Fable 5 — z wyjątkiem sekwencyjnego debugowania, gdzie oszczędności nadal są trudniejsze do uzyskania.
Perplexity udostępnia open source swój benchmark WANDR
14 lipca — Perplexity publikuje WANDR (Wide ANd Deep Research), wewnętrzny benchmark zaprojektowany do oceny agentów wyszukiwania w szerokich i dogłębnych zadaniach: 500 zadań, 170 495 rekordów możliwych do indywidualnej weryfikacji, na trzech poziomach trudności. Korektor ponownie pobiera każdą cytowaną stronę, aby sprawdzić, czy każde twierdzenie jest poparte podstawowym dowodem. W sześciu testowanych systemach produkcyjnych wyniki pozostają skromne: 0,363 w miękkim F1 i tylko 0,133 w ścisłym F1, przy koszcie na zadanie od 0,03 dolara do 324,83 dolara w zależności od ustawień.
🔗 Ogłoszenie Perplexity na X · Benchmark GitHub
Krótkie wiadomości
- Anthropic przeznacza 10 milionów dolarów kanadyjskich na finansowanie nowych prac badawczych nad AI w Kanadzie, we współpracy z lokalnymi instytucjami. 🔗 źródło
- Cognition świętuje rok od przejęcia Windsurf: przychód annualizowany wzrósł z 73 milionów do ponad 500 milionów dolarów, ponad 20 milionów linii kodu napisanych, ujednolicenie pod marką Devin Desktop. 🔗 źródło
- Amp (Sourcegraph) publikuje publiczny panel pokazujący w czasie rzeczywistym użycie swoich trybów agenta, zarówno dla wszystkich użytkowników, jak i dla wewnętrznego zespołu. 🔗 źródło
- Warp integruje Sentry przez MCP, aby łączyć analizę przyczyny źródłowej (Seer) i tworzenie pull requestów bez wychodzenia z terminala. 🔗 źródło
- Composio trafia do Warp, łącząc agentów z ponad 1 000 aplikacji (Gmail, Slack, Linear, Google Calendar). 🔗 źródło
- Zach Lloyd (CEO Warp) publikuje esej o przejściu od agentów interaktywnych do „cloud software factories”, które automatyzują cały cykl życia oprogramowania. 🔗 źródło
- Hugging Face Jobs pozwala teraz montować lokalny katalog bezpośrednio w Jobie przez
-v dossier:/chemin, bez wcześniejszego etapu wysyłania do repozytorium. 🔗 źródło - llama.cpp świętuje swoją 10 000. publikację (release), bez dodatkowych szczegółów technicznych. 🔗 źródło
- LlamaCoder v4 (Together AI) generuje kompletne aplikacje w jednym promptcie, przebudowany wokół GLM 5.2 z nowym silnikiem renderowania WebAssembly, darmowy i open source. 🔗 źródło
- NotebookLM podsumowuje swoje ostatnie funkcje (automatyczna synchronizacja Drive, przypinanie notatników, reorganizacja slajdów, udostępnianie mobilne), oczekując na nadchodzące, jeszcze nieopisane ogłoszenie. 🔗 źródło
- GitHub pozwala teraz oszacować koszt licencji Code Quality (aktywni committers, miesięczna projekcja) przed przejściem na 10 dolarów za aktywnego committera miesięcznie, planowanym na 20 lipca 2026 r. 🔗 źródło
- NVIDIA uruchamia „AI Model Co-Design”, nową serię o synergii między wymiarami modeli a wydajnością GPU. 🔗 źródło
- Kling AI ujawnia trailer ODYSEEUS: The Fall, drugiego pełnometrażowego filmu AI studia Fountain 0, wyreżyserowanego przez Ash Koosha. 🔗 źródło
- OpenAI publikuje przewodnik Enterprise dotyczący sterowania inwestycjami w AI w erze agentowej, skupiony na pomiarze użytecznej pracy na wydanego dolara. 🔗 źródło
- OpenAI opisuje, jak zespoły sprzedaży używają ChatGPT Work do notatek pipeline, przygotowań do spotkań i diagnoz zablokowanych dealów. 🔗 źródło
- OpenAI opisuje, jak zespoły data science używają ChatGPT Work do notatek o przyczynie źródłowej, raportów o wpływie i specyfikacji dashboardów. 🔗 źródło
- Cohere współsponsoruje hackathon Hugging Face i nagradza dwa projekty: Tiny Army (2. miejsce, ścieżka Thousand-Token Wood) oraz Eyas, agent monitoringu wideo (nagroda dla najlepszego agenta). 🔗 źródło
Co to oznacza
Na poziomie sprzętowym NVIDIA buduje swoją komunikację wokół jednej idei: to moc elektryczna, a nie krzem, jest teraz ograniczeniem, które decyduje o rentowności fabryki AI. Zyski wydajności na wat w przypadku Blackwell (do 25x na DeepSeek V4 Pro) oraz przypadki klientów Nemotron liczone w dziesiątkach razy niższych kosztów opowiadają tę samą historię: efektywność energetyczna i koszt na token stają się głównym argumentem sprzedażowym, bardziej niż surowa moc obliczeniowa. Demonstracja RL Autoresearch idzie w tym samym kierunku, dążąc do automatyzacji samej pętli badanie-trening-ewaluacja, dotąd w dużej mierze wykonywanej ręcznie.
Po stronie modeli otwartych tydzień ilustruje szybkie różnicowanie nisz: ultralekka rozpoznawalność dokumentów (OvisOCR2), ciągłe rozumienie wideo (MOSS-VL-Realtime), robotyka z natywną głębią (LeRobot) i przede wszystkim ternarna kwantyzacja Bonsai 27B, która pozwala utrzymać multimodalną zdolność klasy 27 miliardów parametrów w zużyciu pamięci godnym telefonu. Te publikacje, rozwijane przez Hugging Face, Together AI, Sakana AI i niezależne zespoły, pokazują ekosystem open source, który nadal bardzo uważnie śledzi możliwości modeli zamkniętych, jednocześnie mocno obniżając koszty inferencji.
Na polu zarządzania interwencja Demisa Hassabisa odcina się od zwykłego tonu ogłoszeń produktowych: wprost stwierdza, że obecny wyścig komercyjny wyprzedza zbiorowe zrozumienie ryzyk, i proponuje konkretny mechanizm — Standards Body inspirowany FINRA — zamiast zwykłego apelu o ostrożność. To, że propozycja pochodzi od CEO Google DeepMind, w samym środku tygodnia kolejnych premier produktowych, pokazuje napięcie między tempem komercyjnym a wyprzedzającą regulacją, które przenika cały sektor.
Wreszcie, narzędzia dla deweloperów nadal przebudowują się wokół delegowania między modelami zamiast wyścigu po jeden, coraz potężniejszy model: Devin Fusion stawia na model-menedżera delegującego do tańszego modelu wykonawczego, GitHub rozszerza wspierane przez AI skanowanie bezpieczeństwa bezpośrednio do pull requestów, a Perplexity otwiera swój benchmark WANDR, aby obiektywnie pokazać rzeczywiste ograniczenia agentów wyszukiwania — użyteczne przypomnienie, że nawet najlepsze obecne systemy pozostają daleko od pełnej niezawodności w zadaniach weryfikacji faktów na dużą skalę.
Źródła
- Demis Hassabis — ogłoszenie na X
- Demis Hassabis — pełny artykuł na X
- NVIDIA — wydajność na wat
- NVIDIA — RL Autoresearch
- NVIDIA — ogłoszenie Nemotron Labs
- OvisOCR2
- MOSS-VL-Realtime
- LeRobot v0.6.0
- Sakana Marlin
- Ternary Bonsai 27B
- Flash-BoN
- Hugging Face ZeroGPU
- GitHub — skanowanie bezpieczeństwa AI w PR
- GitHub — cooldown Dependabot
- GitHub — /security-review w aplikacji Copilot
- Manus — natywny .pptx
- Manus — automatyczna publikacja
- Alibaba Wan-Dancer-14B
- HeyGen — znaczniki czasu słowo po słowie
- HeyGen — Figma → HyperFrames
- NVIDIA — opinie klientów Nemotron
- Claude for Teachers
- Artifacts — publiczne udostępnianie
- GPT-5.6 na Amazon Bedrock
- Codex w JetBrains AI
- Gemini w Chrome (UK)
- Raport Gemini dla Azji Południowo-Wschodniej
- Devin Fusion
- Perplexity WANDR
- Anthropic — badania nad AI w Kanadzie
- Cognition — rok po Windsurf
- Amp — użycie na żywo
- Warp x Sentry
- Composio w Warp
- Warp — cloud software factories
- Hugging Face Jobs — montowanie lokalnego katalogu
- llama.cpp — 10 000. release
- LlamaCoder v4
- NotebookLM — podsumowanie
- GitHub Code Quality — szacowanie licencji
- NVIDIA — AI Model Co-Design
- Kling AI — ODYSEEUS: The Fall
- OpenAI — inwestycje w AI
- OpenAI — ChatGPT Work dla sprzedaży
- OpenAI — ChatGPT Work dla data science
- Cohere — hackathon Hugging Face