Grok Voice 3.0 na czele modeli głosowych, Gemini 4 Argon przedstawia pierwsze wyniki naukowe, Claude Code stawia na sesje równoległe

SpaceXSI wprowadza Grok Voice 3.0, który obejmuje prowadzenie w indeksie Speech-to-Speech od Artificial Analysis przy niezmienionej cenie 0,08 dolara za minutę. Dzień po jego powszechnym udostępnieniu Google pokazuje Gemini 4 Argon w działaniu w obliczeniach kwantowych, robotyce i pracy nad 205 000 linii kodu w języku Python, a Anthropic reorganizuje aplikację desktopową Claude Code wokół sesji równoległych i publikuje dwie wersje swojego narzędzia w ciągu dnia. Meta publikuje dziesięć manuskryptów medycznych opracowanych z wykorzystaniem swoich modeli Muse, NVIDIA przeznacza zasoby obliczeniowe o wartości 250 milionów dolarów na brytyjskie badania nad bezpieczeństwem agentów, a OpenAI informuje o odkryciu ukrytego urządzenia nagrywającego w jednym ze swoich biur.

Grok Voice 3.0: SpaceXSI obejmuje prowadzenie w indeksie Speech-to-Speech przy niezmienionej cenie 0,08 dolara za minutę

14 października — SpaceXSI, dawne xAI, wprowadza Grok Voice 3.0, model głosowy end-to-end (speech-to-speech), który przedstawia jako najinteligentniejszy na rynku. Model grok-voice-3.0 jest dostępny tego samego dnia w Voice Agent API i Voice Agent Builder, w cenie Grok Voice 2.0: 0,08 dolara za minutę, czyli 4,80 dolara za godzinę. Agenci korzystający z aliasu grok-voice-latest zostali przełączeni bez konieczności wprowadzania zmian, z tym samym punktem końcowym i tymi samymi parametrami sesji. Grok Voice 2.0 zostaje tego samego dnia oznaczony jako przestarzały, bez daty zakończenia wsparcia.

Oceniany benchmark (Artificial Analysis, 13 października)	Grok Voice 3.0	Grok Voice 2.0	GPT-Live-1 (Astra, Medium)	Gemini 3.8 Live (Ext. Thinking, High)
Indeks Speech-to-Speech	86,9	81,3	83,2	82,6
Big Bench Audio (rozumowanie na podstawie mowy)	98,5 %	97,2 %	90,1 %	97,7 %
Speech Agent Arena (Elo, preferencje ludzi)	1 070	1 011	1 048	990
Odsetek pomyślnie wykonanych zadań	94,8 %	94,6 %	87,4 %	89,1 %
Full Duplex Bench (pauzy, tury rozmowy)	97,0 %	95,1 %	94,9 %	91,9 %
τ-Voice (rozmowy z pomocą techniczną)	71,6 %	56,5 %	74,5 %	68,6 %

To właśnie te pomiary Artificial Analysis, datowane na 13 października, przytacza SpaceXSI. Indeks Speech-to-Speech łączy rozumowanie na podstawie mowy, τ-Voice, preferencje ludzi i skuteczność wykonywania zadań podczas rozmów porównywanych w ślepej próbie. Grok Voice 3.0 obejmuje w nim prowadzenie, ale nie wygrywa wszędzie: w τ-Voice, obejmującym rozmowy z pomocą techniczną z różnymi akcentami, szumem tła i przerwami, jego 71,6 % pozostaje poniżej 74,5 % uzyskanych przez GPT-Live-1. SpaceXSI uznaje ten poziom za porównywalny, przy opóźnieniu niższym o 40 %. W EVA-Bench, zestawie testowym open source od ServiceNow dla firmowych agentów głosowych (ponad 200 scenariuszy), osiąga według SpaceXSI najwyższą dokładność: 74 %. Do tego dochodzi argument ceny: w Big Bench Audio jedno zadanie kosztuje średnio 0,025 dolara z Grok Voice 3.0, wobec 0,030 dolara dla GPT-Live-1 i 0,055 dolara dla GPT-Realtime-2.1 od OpenAI.

Model działa już na dużą skalę w firmach Tesla i SpaceX: obsługuje miliony rozmów dziennie w pojazdach Tesla i napędza tryb głosowy Grok Bot. W centrach obsługi telefonicznej Starlink odpowiada na 20 000 połączeń dziennie w wielu językach: około 70 % spraw zostaje rozwiązanych bez udziału człowieka, a co czwarta rozmowa sprzedażowa prowadzi do zakupu jeszcze przed rozłączeniem. Już 24 sierpnia Grok Voice Think Fast 2.0 prowadził w tym indeksie, obsługując wówczas 15 000 połączeń Starlink dziennie.

🔗 Grok Voice 3.0 (wpis SpaceXSI) · Ogłoszenie @SpaceXSI · Informacje o wydaniu API

Gemini 4 Argon w testach: pierwsze wyniki naukowe, robotyka i optymalizacja kodu

Dzień po powszechnym udostępnieniu Gemini 4 Argon Google dokumentuje jego działanie w trzech obszarach: badaniach naukowych, robotyce i optymalizacji dużego repozytorium kodu Python. Oba wpisy na blogu deweloperskim pochodzą z dnia premiery; Google DeepMind zebrało wątek badaczy 14 października.

Pierwsze wyniki naukowe: obliczenia kwantowe, fuzja i projektowanie enzymów

14 października — Google DeepMind zbiera w jednym wątku pierwsze wyniki uzyskane przez swoich badaczy z Argon, opisane szczegółowo dzień wcześniej przez ich autorów.

Dziedzina badań	Deklarowany wynik uzyskany z Argon
Korekcja błędów kwantowych	Niemal podwojona przepustowość inferencji dekodera AlphaQubit
Algorytmy kwantowe	Podprogram arcsin o koszcie ponad 100 razy niższym niż quantum CORDIC, zweryfikowany w Lean
Fizyka plazmy	2 nowe rodziny kontrprzykładów dla hipotezy Grada
Projektowanie enzymów	5 nowych esteraz serynowych (od 59 do 81 % identyczności), aktywność potwierdzona w laboratorium
Choroby rzadkie (Gamow Labs)	57 % w RareBench i 52,2 % w LabBench, dwóch prywatnych testach

W obliczeniach kwantowych Ben Jaderberg i jego zespół, we współpracy z Google Quantum AI, zlecili modelowi Argon przekształcenie wewnętrznej wersji AlphaQubit, dekodera Google do korekcji błędów, w pojedynczy zoptymalizowany kernel sprzętowy (megakernel), który niemal podwaja przepustowość inferencji. To przydatny wzrost w przypadku dekodera, który musi na bieżąco nadążać za pomiarami procesora kwantowego.

Second, we used Argon to discover a quantum arcsin subroutine that cuts spacetime cost by more than 100x compared to the published quantum CORDIC baseline.

🇵🇱 Po drugie, wykorzystaliśmy Argon do odkrycia kwantowego podprogramu arcsin, który ponad 100-krotnie zmniejsza koszt czasoprzestrzenny w porównaniu z opublikowaną metodą referencyjną quantum CORDIC. — @benjaderberg na X

Koszt ten jest iloczynem liczby kubitów i czasu wykonania, a obwód został formalnie zweryfikowany w Lean. W fizyce plazmy Opal Issan ogłasza dwie rodziny kontrprzykładów dla hipotezy Grada, która od 1967 roku zakładała, że pewne trójwymiarowe stany równowagi magnetycznej nie mogą istnieć; według jej wątku znaleziono je za pomocą Argon, ale streszczenie artykułu w arXiv, zgłoszonego 5 października, nie wspomina o modelu. W biologii Ryan Krueger opisuje esterazy serynowe zaprojektowane w kilku sesjach z promptami: Argon zebrał dane, dostroił białkowy model językowy i zbudował własne filtry miejsc aktywnych. Wpis premierowy dodaje przypadek Gamow Labs, w którym Argon wykrył w genomie noworodka rearanżację chromosomową od lat przeoczaną przez standardowe oprogramowanie.

🔗 Wątek Google DeepMind · Artykuł o hipotezie Grada (arXiv) · Wpis premierowy Argon

Robotyka: od gry w cornhole w wykonaniu humanoida Apollo po wzrost skuteczności w świecie rzeczywistym z 56 % do 75 %

13 października — W dniu premiery blog deweloperski Google publikuje obszerny wpis o Argon w robotyce, którego autorem jest Kanishka Rao, wraz z promptami do każdej demonstracji. Wpis premierowy wyróżnia najbardziej wymowną z nich: wewnętrzny test, który zaczął się od prostego nagrania człowieka grającego w cornhole, grę polegającą na rzucaniu woreczkami na deskę z otworem. Argon odwzorował otoczenie, obliczył ruchy całego ciała i zaprogramował własną symulację; po przeniesieniu rozwiązania na humanoida Apollo firmy Apptronik robot wykonał siedem celnych rzutów z rzędu w rzeczywistych warunkach. Google podsumowuje to przejście od wideo przez symulację do świata rzeczywistego (Video-to-Sim-to-Real): tygodnie ręcznego modelowania skrócone do kilku godzin.

Kanishka Rao przedstawia we wpisie kolejne demonstracje: robota Spot firmy Boston Dynamics, który trenuje w cyfrowym bliźniaku MuJoCo, zanim naciśnie pedał prawdziwego kosza na śmieci, symulacje odtworzone na podstawie filmu nagranego z wysokości oczu lub szkicu na papierze, zagadkę 12 kul rozwiązaną w trzech ważeniach przez dwa ramiona robotyczne kierowane wyłącznie widzeniem stereoskopowym. Najbardziej wymierny wynik dotyczy treningu: na podstawie jednego zdjęcia prawdziwego stołu Argon buduje cyfrowego bliźniaka w MuJoCo, generuje ponad 4 500 epizodów i podnosi skuteczność modelu vision-language-action (VLA) na rzeczywistym robocie z 56 % do 75 %, skracając czas wykonania z 35 do 24 sekund. Ramię SO-101 również samodzielnie poprawia swoje wyniki, skracając czas z 58,9 do 22,9, a następnie do 17,4 sekundy.

🔗 Gemini 4 Argon w robotyce (Google Developers)

ADK: jedenaście godzin nocnej pracy nad 205 000 linii kodu Python, przyjęto dwie z sześciu optymalizacji

13 października — Inżynierowie Google Cloud powierzyli Argon zadanie bardziej wymagające niż stworzenie aplikacji od zera: znalezienie i usunięcie przyczyn spowolnień w repozytorium kodu Python projektu Agent Development Kit (ADK), frameworka open source Google do tworzenia agentów, obejmującym około 205 000 linii, niemal 800 plików i blisko 17 000 testów jednostkowych.

Wskaźnik pracy nad ADK	Opublikowany wynik
Czas nocnej pracy bez nadzoru	11 godzin
Ponownie uruchomione testy jednostkowe	16 892
Optymalizacje zaproponowane i przyjęte	6 zaproponowanych, 2 przyjęte
Przygotowanie długich sesji w pamięci	Około 40 % mniej
Import pakietu google.adk	O 21 % szybciej
Pełne wykonanie 158 tur	Z 65,6 s do 56,1 s

Pierwsza dwugodzinna próba, bez instrukcji dotyczących konkretnego repozytorium, wykryła rzeczywiste wąskie gardła, ale zignorowała konwencje opiekunów projektu, posuwając się aż do zmiany publicznego schematu JSON. Przy drugiej próbie zespół umieścił zasady przeglądu kodu w katalogu .agents/skills i włączył tryb /goal w Google Antigravity, który zachowuje cel podczas kompaktowania kontekstu. Po przeglądzie wykonanym przez człowieka zachowano tylko dwie z sześciu optymalizacji: filtrowanie historii sesji przed jej kopiowaniem i ładowanie ciężkich pakietów dopiero przy pierwszym użyciu; pozostałe opierały się na niestabilnym stanie, prywatnym atrybucie OpenTelemetry lub korzyściach ograniczonych do syntetycznych benchmarków. Zysk dotyczy wyłącznie usługi sesji przechowywanych w pamięci, a nie zewnętrznych magazynów danych. Zespół tak podsumowuje podział ról: agent bada możliwości, opiekun projektu ogranicza zakres.

🔗 Optymalizacja ADK w jedną noc z Gemini 4 Argon (Google Developers)

Agenci programistyczni: aplikacja desktopowa i dwie wersje Claude Code, VS Code 1.142, HydraFusion Max

Anthropic reorganizuje aplikację desktopową Claude Code wokół sesji równoległych i publikuje w ciągu dnia dwie wersje swojego narzędzia wiersza poleceń; VS Code domyślnie korzysta z harnessu Copilot, a GitHub dodaje opcję Max do orkiestracji wielu modeli.

Claude Code: aplikacja desktopowa skupia się na sesjach równoległych

14 października — Anthropic aktualizuje aplikację desktopową Claude Code, czyli kartę Code w Claude Desktop, aby ułatwić prowadzenie kilku sesji obok siebie: według @ClaudeDevs można szybciej rozpocząć sesję, łatwiej rozdzielić pracę między kilka sesji i w każdej chwili widzieć, co robi każda z nich.

Ogłoszona nowość	Co wnosi
Ekran sesji	Ostatnie foldery dostępne jednym kliknięciem; zapisane środowiska (kilka folderów, host SSH lub chmura), opcjonalny worktree dla każdego folderu
Sesje zagnieżdżone	Osobna sesja dla każdego zadania równoległego, która przekazuje wynik do sesji głównej
Zadania uzupełniające	Proponowane przez Claude w trakcie pracy i uruchamiane jednym kliknięciem jako osobna sesja; /btw otwiera poboczne pytania w karcie
Pasek boczny i panel	Sesje aktywne lub oczekujące, lista zadań aktualizowana na żywo, karta podsumowania, miejsce wykonywania, kontekst i zmiany

When you ask Claude to run tasks in parallel, it starts a nested session for each one. Each reports its result back into your main session when it’s done, so the main thread stays readable.

🇵🇱 Kiedy prosisz Claude o wykonywanie zadań równolegle, uruchamia on zagnieżdżoną sesję dla każdego z nich. Każda po zakończeniu przekazuje swój wynik do twojej sesji głównej, aby główny wątek pozostał czytelny. — @ClaudeDevs na X

Karta podsumowania (recap card) podsumowuje turę, gdy Claude potrzebuje udziału użytkownika, a panel boczny pokazuje, gdzie działa sesja, jej kontekst i zmiany. Aby z tego skorzystać, wystarczy zaktualizować aplikację i otworzyć nową sesję; Anthropic nie podaje ani numeru wersji, ani harmonogramu wdrażania. Strona wprowadzająca przypomina, że Claude Code wymaga subskrypcji Pro, Max, Team lub Enterprise, z obsługą środowisk Local, Cloud, SSH i WSL. Aktualizacja rozwija zaprezentowaną w kwietniu przebudowę aplikacji z myślą o agentach pracujących równolegle.

🔗 Wątek @ClaudeDevs · Pierwsze kroki w aplikacji desktopowej

Claude Code 2.1.299: kompaktowanie nieaktywnych rozmów przed wygaśnięciem cache, 131 poprawek

14 października — Opublikowana o 2:49 UTC wersja Claude Code 2.1.299 to duże wydanie obejmujące 190 pozycji, w tym 18 nowości, 131 poprawek, 16 usprawnień i 25 zmian; numery 2.1.297 i 2.1.298 zostały pominięte. Najbardziej widoczna nowość dotyczy kosztów długich sesji: kompaktowania przy bezczynności (idle compaction). W terminalu rozmowa przekraczająca 200 000 tokenów, pozostawiona bez aktywności na około 54 minuty, jest kompaktowana przed wygaśnięciem godzinnego cache promptu, aby kolejna wiadomość nie wymagała ponownego przetworzenia całości. Próg ustawia się za pomocą CLAUDE_CODE_IDLE_COMPACT_MIN_TOKENS, a "idleCompaction": false w settings.json wyłącza tę funkcję. Przy CLAUDE_CODE_DISABLE_FILE_MENTIONS Claude otrzymuje ścieżki plików wskazanych przez @ i sam odczytuje je swoimi narzędziami, zamiast otrzymywać ich zawartość. Polecenie /usage ostrzega teraz o maksymalnym wysiłku rozumowania, workflow, stale ładowanym kontekście i dużych wynikach narzędzi, a także nigdy nie wyświetla już wartości powyżej 100%.

Wersja zaostrza również uprawnienia: reguła allow MCP obejmuje już tylko serwer, który wskazuje (mcp__a nie zezwala już na serwer a__b), żądania do proxy konektorów claude.ai i serwerów MCP hostowanych przez Anthropic nie podążają już za przekierowaniami HTTP, a hooki UserPromptSubmit są wykonywane przed rozwinięciem skilla lub polecenia, co blokuje również zawarte w nich polecenia shell. Wśród poprawek bezpieczeństwa znalazły się następujące problemy: polecenie wykonywane w sandboxie mogło zapisywać dane w katalogu --plugin-dir, którego kod jest ponownie ładowany poza sandboxem, tryb planowania mógł wykonać zapis dozwolony przez hook PreToolUse, a ścieżka z odmową dostępu pozostawała osiągalna przez dowiązanie symboliczne w sandboxie macOS. Opisy narzędzi serwerów MCP Anthropic nie są już ucinane do 4 096 znaków, a Claude Tag, czyli Claude w Slack, może usuwać utworzony przez siebie canvas.

🔗 Informacje o wydaniu Claude Code 2.1.299

Claude Code 2.1.300: /advisor na Claude Platform on AWS, ślady OpenTelemetry GenAI, Claude Tag w Slack Connect

14 października — Drugie wydanie tego dnia, Claude Code 2.1.300 (18:24 UTC, 88 pozycji, w tym 59 poprawek), rozszerza /advisor na Claude Platform on AWS: żaden model doradczy nie jest tam uruchamiany, dopóki użytkownik nie wybierze go za pomocą /advisor, advisorModel lub --advisor, a CLAUDE_CODE_DISABLE_ADVISOR_TOOL=1 wyłącza narzędzie. Telemetria jest dostosowywana do konwencji semantycznych GenAI OpenTelemetry (gen_ai.provider.name, gen_ai.conversation.id, gen_ai.tool.name i error.type w spanach), a zdarzenie api_request rozróżnia zapisy do cache o ważności 5 minut i 1 godziny.

W kwestii bezpieczeństwa zmodyfikowane dane wejściowe (updatedInput), zwracane przez hook PreToolUse lub PermissionRequest, są teraz walidowane tak samo jak dane od Claude: nieznane klucze są usuwane, a odrzucenie danych wejściowych przez narzędzie powoduje odrzucenie wywołania. Hooki typu agent wreszcie respektują swoje pole model, a jeśli wskazany model jest niedostępny, używają modelu wywołującego zamiast przepuszczać działanie. Lokalne transkrypcje zapisują również prompt systemowy, narzędzia i parametry każdego żądania, a opcje --sandbox i --no-sandbox polecenia claude remote-control, które nie miały żadnego efektu, zostały usunięte. Claude Tag może teraz odpowiadać w kanałach Slack Connect współdzielonych z inną organizacją (domyślnie wyłączone, możliwe do włączenia przez właściciela lub administratora Claude Tag) i prosi o zatwierdzenie działania konektora za pomocą prywatnej karty Zezwól raz / Odmów, zamiast je odrzucać.

Wersja Claude Code	Publikacja (UTC)	Opublikowane pozycje	W tym poprawki	Główna nowość
2.1.299	14 października, 2 h 49	190	131	Kompaktowanie nieaktywnych rozmów przekraczających 200 000 tokens
2.1.300	14 października, 18 h 24	88	59	`/advisor` na Claude Platform on AWS, atrybuty GenAI OpenTelemetry

🔗 Informacje o wydaniu Claude Code 2.1.300

VS Code 1.142: domyślny harness Copilot i kanwy w wersji zapoznawczej

14 października — VS Code 1.142 kontynuuje przechodzenie na harness Copilot, oparty na Copilot SDK, którego sesje korzystają z Agent Host, aby działać dalej w tle. Dotychczas dostępny w selektorze harnessów, stopniowo staje się domyślnym harnessem dla nowych sesji po opiniach, które według zespołu były „w przeważającej mierze pozytywne”; Ask wraca jako wbudowany agent tylko do odczytu, a tytuł czatu wskazuje aktywny harness: Copilot lub Codex. Kolejna nowość to kanwy (Canvases) w wersji zapoznawczej: interaktywne interfejsy otwierane obok czatu, w których użytkownik i agent modyfikują ten sam artefakt, na przykład tablicę Kanban, na której agent aktualizuje zadania. Każda kanwa pochodzi z rozszerzenia, które agent może wygenerować poleceniem /create-canvas. W oknie Agents czat może również zmienić folder lub przejść do nowego worktree Git bez utraty historii, na razie z harnessem Codex.

W środowiskach firmowych polityka uprawnień lub sandboxa wymusza teraz harness Copilot w Agent Host: istniejące lokalne czaty są tam automatycznie przenoszone bez wysyłania czegokolwiek, a Claude, Codex i czat w terminalu stają się niedostępne, dopóki obowiązują te polityki. Administratorzy mogą tymczasowo zachować harness Local, który nie stosuje tych reguł wykonywania, a jego sandbox Windows jest wycofywany na rzecz sesji Agent Host.

🔗 Informacje o wydaniu VS Code 1.142

HydraFusion Max: GitHub dodaje opcję frontier do swojej orkiestracji wielu modeli

14 października — GitHub rozwija HydraFusion, swoją orkiestrację łączącą kilka modeli w celu wygenerowania jednej odpowiedzi, bez konieczności wybierania modelu do każdego zadania. Pula modeli obejmuje teraz Claude Opus 5.5, GPT-6 Astra, GPT-6.1 Sol i GPT-6 Luna, a wysiłek rozumowania można ustawiać osobno dla każdego etapu: średni przy pierwszych wersjach, wysoki przy przeglądzie, podczas gdy wcześniej HydraFusion ograniczał się do domyślnego wysiłku każdego modelu. Workflow Cascade może wstawiać etap oceny, który sprawdza początkową pracę i prosi o poprawę tylko w razie potrzeby, a Critique uruchamia równolegle kilka modeli krytycznych, wyposażonych w narzędzia do bezpośredniego sprawdzania obszaru roboczego.

Dostępna opcja	Pozycjonowanie według GitHub
HydraFusion	Równowaga między szybkością, kosztem i wydajnością, z umiarkowanymi oszczędnościami tokenów
HydraFusion Max	Możliwości frontier i najbardziej zaawansowane rozumowanie, efektywność wykorzystania tokenów zarządzana przez orkiestrację

Obie opcje pozostają w badawczej wersji zapoznawczej w VS Code, aplikacji GitHub Copilot i Copilot CLI, w planach Pro, Pro+, Business i Enterprise z włączonymi funkcjami eksperymentalnymi lub zapoznawczymi. GitHub nie publikuje dla tej wersji ani benchmarku, ani cennika; przy premierze w Copilot CLI, 4 września, deklarował wzrost jakości o 4,9 punktu i spadek kosztów o 67% względem Opus 5 w TerminalBench 2.1.

🔗 Aktualizacje HydraFusion i nowa opcja Max (dziennik zmian GitHub)

Bezpieczeństwo i integralność: zabezpieczenia wyborcze Anthropic, wykrywanie oszustw na telefonie, ukryty rejestrator w OpenAI

Trzy tematy związane z zaufaniem: Anthropic przygotowuje Claude do amerykańskich wyborów w połowie kadencji, Google DeepMind i GovTech Singapore wykrywają oszustwa bez opuszczania telefonu, a OpenAI informuje o odkryciu ukrytego urządzenia nagrywającego w jednym ze swoich biur.

Wybory w połowie kadencji: Anthropic wzmacnia zabezpieczenia i zintegruje informacje o głosowaniu od Democracy Works

14 października — Przed zbliżającymi się amerykańskimi wyborami w połowie kadencji Anthropic szczegółowo przedstawia zabezpieczenia wyborcze wzmocnione od kwietniowej aktualizacji. Analiza 250 000 rozmów zwykłych użytkowników Claude.ai w Stanach Zjednoczonych z okresu od 21 do 27 września określa najpierw udział tematów politycznych.

Typ rozmowy (Claude.ai, Stany Zjednoczone)	Udział w rozmowach
Polityka, polityka publiczna, kwestie społeczne	Około 5,75 %
Wybory lub głosowanie	Około 0,51 %
Na kogo lub na co głosować	Około 0,01 %
Sprzeczne z zasadami uczciwości wyborów (osobna analiza)	Około 0,002 %

Baner prowadzący do TurboVote (Democracy Works) pozostaje dostępny, a jeszcze w tym miesiącu Claude.ai zintegruje oficjalne informacje o głosowaniu od Democracy Works z odpowiedziami dla użytkowników w USA (gdzie głosować i jaki dokument tożsamości zabrać, z odpowiedzią dostosowaną do każdego stanu), a następnie będzie wyświetlać oficjalne wyniki w wieczór wyborczy i w kolejnych dniach. Według Anthropic Claude Opus 5.5, Sonnet 5.5 i Haiku 5.5 uzyskują 99% w firmowej ocenie bezstronności politycznej. Spośród trzech niezależnych ocen dwie (The Future of Free Speech i Collective Intelligence Project) wykazują niewiele odmów, ale odnotowują nieproszone ostrzeżenia i kontrargumenty; trzecia, przeprowadzona przez Foundation for American Innovation, wykazała, że Claude Sonnet 4.5 nie zawsze przedstawiał zastrzeżenia w wyważony sposób i chętniej łagodził argumenty popierające stanowiska prawicowe. Testy przeprowadzone z Institute for Strategic Dialogue i McCain Institute w Stanach Zjednoczonych, Izraelu i Brazylii wykazały, że Claude niezawodnie odrzucał pojedyncze szkodliwe prośby, ale mógł nie rozpoznać kampanii podzielonej na drobne, pozornie niewinne zadania. Anthropic dodał klasyfikatory przeciwdziałające takim wieloetapowym nadużyciom i zablokował konta działających za granicą operatorów fałszywego serwisu informacyjnego, którzy za pomocą Claude tworzyli relacje wyborcze sprzyjające rosyjskim, irańskim i północnokoreańskim narracjom.

🔗 Przygotowania do wyborów w połowie kadencji w USA w 2026 roku (Anthropic)

Oszustwa: Google DeepMind i GovTech Singapore dostrajają Gemma do wykrywania oszustw na telefonie

14 października — Google DeepMind i agencja rządowa GovTech Singapore dostroiły lekki model Gemma, którego generacji nie wskazano we wpisie, do wykrywania oszustw bezpośrednio na telefonie użytkownika. Punktem wyjścia są liczby: w Singapurze oszustwa stanowią ponad połowę zgłoszonych przestępstw i spowodowały od 2019 roku straty przekraczające 4 miliardy dolarów singapurskich, a oszustwa oparte na złożonej socjotechnice odpowiadają za nawet 80% strat. Model dostrojono na rozmowach dotyczących lokalnych oszustw: podszywania się pod instytucje publiczne, banki lub znane osoby oraz aktualnych oszustw w regionie. Wszystko odbywa się na urządzeniu, w dwóch etapach, aby oszczędzać baterię: lekki klasyfikator filtruje wiadomości przychodzące, a następnie dostrojony Gemma ponownie analizuje szerszy fragment rozmowy, aby potwierdzić zagrożenie lub odrzucić fałszywy alarm, zanim wyświetli ostrzeżenie w czasie rzeczywistym.

Model uzyskuje dostęp do rozmów wyłącznie za zgodą użytkownika, a ani rząd Singapuru, ani Google nie mogą ich odczytywać; dostrajanie odbyło się w środowisku Google Cloud zarządzanym przez GovTech, na zanonimizowanych danych, bez żadnych danych obywateli. Projekt, zaprezentowany podczas Singapore International Cyber Week, nie ma jeszcze daty wdrożenia ani wskazanej aplikacji: jego wdrażanie we współpracy z rządem będzie „starannie rozłożone na etapy” (starannie rozłożone na etapy), a Google DeepMind rozważa kolejne kraje.

🔗 Google DeepMind i GovTech Singapore przeciw oszustwom

OpenAI odkrywa ukryte urządzenie nagrywające w jednym ze swoich biur

13 października — Według komunikatu opublikowanego na koncie prasowym OpenAI firma odkryła zaawansowane urządzenie nagrywające ukryte w jednym ze swoich biur. Firma twierdzi, że wykorzystała własne modele do zrozumienia działania urządzenia i ustalenia jego pochodzenia, aż do zidentyfikowania pracownika, który umieścił je tam kilka dni wcześniej. Sprawę przekazano FBI, a OpenAI dziękuje agentom i prokuratorom, którzy szybko podjęli działania prowadzące do aresztowania; śledztwo federalne trwa, a pracownik został zwolniony.

At this time, we have no indications of this individual inappropriately accessing or exfiltrating model weights, source code, or customer data.

🇵🇱 Na tym etapie nie mamy żadnych przesłanek wskazujących, że osoba ta uzyskała nieuprawniony dostęp do wag modeli, kodu źródłowego lub danych klientów ani że je wykradła. — @OpenAINewsroom na X

Według OpenAI firmowy program bezpieczeństwa obejmuje szeroki zakres zagrożeń, od ryzyka wewnętrznego po cyberprzestępców i państwa, a ten przypadek pokazuje, jak AI może pomagać w przeciwdziałaniu im. Komunikat nie podaje tożsamości pracownika, biura, którego dotyczy sprawa, dokładnego rodzaju urządzenia ani daty aresztowania.

AI w nauce: dziesięć manuskryptów medycznych Meta z wykorzystaniem modeli Muse, ekstremalna pogoda w rozdzielczości 3 km z HiRO-ACEv2

Dwa naukowe zastosowania modeli: Meta przyspiesza badania epidemiologiczne na podstawie dokumentacji medycznej, a Ai2 niskim kosztem tworzy dane klimatyczne o wysokiej rozdzielczości.

Meta publikuje dziesięć manuskryptów badań medycznych prowadzonych z Muse Spark 1.3 i Muse Wonder

14 października — Meta stworzyła wewnętrzny szkielet kodu (coding scaffold), napędzany przez Muse Spark 1.3 i Muse Wonder, który uzyskuje dostęp do danych publicznych oraz licencjonowanej retrospektywnej bazy pięciu milionów elektronicznych dokumentacji medycznych pozbawionych danych identyfikacyjnych. Grupa badaczy medycznych (kardiologia, epidemiologia, choroby zakaźne, choroby wewnętrzne) korzystała z niego przez cztery tygodnie, aby formułować hipotezy, pisać i wykonywać cały kod analityczny oraz współtworzyć manuskrypty; eksperci zachowują prawo do podejmowania decyzji naukowych. Powstało dziesięć manuskryptów, zrecenzowanych przez innych badaczy z grupy, biostatystyka, a następnie zewnętrznych niezależnych ekspertów, których opinie opublikowano pod każdym artykułem.

Badanie przytoczone jako przykład	Zgłoszony wynik
Arytmie po infekcyjnym zapaleniu wsierdzia	Nowe arytmie i zaburzenia przewodzenia: +73 % względem bakteriemii bez zapalenia wsierdzia; ryzyko w ciągu roku 7 % wobec 4 %
SOR, pacjenci z problemami zdrowia behawioralnego, którzy wyszli bez konsultacji	Ryzyko względne 1,86 (powrót), 4,41 (hospitalizacja) i 2,15 (śmiertelność krótkoterminowa)
Czas od pierwszego promptu do manuskryptu	Mniej niż dwa tygodnie, czasem siedem dni

Uczestnicy zgłaszają nawet dziesięciokrotny wzrost produktywności w najlepszych przypadkach, przy czym jest to miara deklaratywna. Ograniczenia są otwarcie wskazane: analizy mają wyłącznie charakter retrospektywny, a zewnętrzny recenzent uznaje badanie dotyczące arytmii za źródło hipotez, a nie podstawę do zmiany praktyki, ponieważ nadal możliwy jest błąd wynikający z różnej intensywności monitorowania. Ten etap prac w dziedzinie zdrowia następuje po sześciu artykułach matematycznych napisanych z Muse Spark i opublikowanych 2 października.

🔗 Wpis Meta

HiRO-ACEv2: Ai2 symuluje ekstremalne zjawiska pogodowe na całym świecie w rozdzielczości 3 km, około 300 razy taniej niż X-SHiELD

14 października — Ai2 publikuje HiRO-ACEv2, nową wersję swojego emulatora klimatu o wysokiej rozdzielczości. System łączy ACE, model AI symulujący klimat w rozdzielczości 100 km, z HiRO, który uszczegóławia te wyniki do 3 km. Pierwsza wersja HiRO generowała wyłącznie opady, natomiast HiROv2 przewiduje jednocześnie deszcz, wiatr przy powierzchni i ciśnienie na poziomie morza. Zasilany danymi o obniżonej rozdzielczości z X-SHiELD, globalnego modelu atmosfery, który jawnie symuluje burze, odtwarza jego statystyki wysokiej rozdzielczości z odchyleniem do 3 %, nawet dla zdarzeń występujących w jednym na milion punktów, i poprawnie szacuje energię cyklonów tropikalnych, także burz niewidzianych podczas treningu.

Miara podana przez Ai2	Podana wartość
Rozdzielczość	3 km na wyjściu, na podstawie ACE o rozdzielczości 100 km
Odchylenie od statystyk X-SHiELD	Do 3 %, także dla zdarzeń występujących raz na milion
Koszt względem X-SHiELD	Około 300 razy taniej w przypadku danych globalnych
Wygenerowane symulacje	10 lat (ACE); pełny rok danych globalnych w rozdzielczości 3 km
Licencja modeli	Apache-2.0, na Hugging Face

Ograniczenie jest otwarcie wskazane: ponieważ HiRO trenowano na X-SHiELD, działa wyłącznie z wersją ACE dostosowaną do tego modelu i nie potrafi jeszcze generować danych dla cieplejszego klimatu ani historycznych danych ERA5. Ai2 planuje wytrenować go na świecie cieplejszym o 4 °C, a następnie dodać temperaturę przy powierzchni, śnieg i lód. Modele opublikowano wraz z raportem technicznym (arXiv 2610.17693), notebookami z samouczkami i demonstracją.

🔗 Wpis Ai2 · Modele na Hugging Face

Nowe siedziby i inwestycje: Anthropic w Singapurze, 250 milionów dolarów od NVIDIA na brytyjskie badania, Mistral przejmuje New Material

Anthropic rozpoczyna działalność w Singapurze z porozumieniem rządowym, NVIDIA angażuje moc obliczeniową i inwestycje w Wielkiej Brytanii, a Mistral wzmacnia projektowanie produktów poprzez przejęcie.

Anthropic otwiera w Singapurze swoje piąte biuro w regionie Azji i Pacyfiku oraz podpisuje memorandum z rządem

14 października — Anthropic otwiera biuro w Singapurze, swoje piąte w regionie Azji i Pacyfiku, oraz podpisuje memorandum o porozumieniu (Memorandum of Understanding) z singapurskim Ministerstwem Rozwoju Cyfrowego i Informacji. Dokument podpisali stały sekretarz ministerstwa Kai Fong Chng i współzałożyciel Anthropic Ben Mann przy okazji Singapore International Cyber Week. Przewiduje on współpracę w zakresie bezpiecznego działania, zabezpieczeń i oceny modeli, wymianę wiedzy technicznej o standardach testowania i reagowaniu na incydenty oraz udostępnianie danych z Anthropic Economic Index.

Singapurska organizacja	Zastosowanie Claude wskazane przez Anthropic
GovTech Singapore	Ponad 1 500 inżynierów i techników korzystających z Claude Code
Grab	Asystent sprzedaży BriX, około 40 000 godzin zaoszczędzonych na kwartał
DBS i GIC	Korzystanie z Claude lub jego wdrażanie w banku i państwowym funduszu majątkowym
Sea (Shopee, Garena, Monee)	Chatbot obsługi klienta Shopee, tysiące pracowników programujących z Claude

Według Economic Index Singapur zajmuje drugie miejsce wśród 121 krajów pod względem korzystania z Claude.ai w przeliczeniu na liczbę mieszkańców, niemal sześciokrotnie przekraczając poziom, którego można by oczekiwać przy jego wielkości. W dniu otwarcia Builder Summit zgromadził ponad 300 programistów. Anthropic nie podaje kwoty inwestycji ani liczby pracowników tego biura, które prowadzi rekrutację.

🔗 Otwarcie biura w Singapurze (Anthropic)

NVIDIA przekazuje brytyjskim badaczom bezpieczeństwa agentów moc obliczeniową wartą 250 milionów dolarów

13 października — NVIDIA ogłasza przekazanie mocy obliczeniowej o wartości 250 milionów dolarów na pięć lat, czyli dostępu do obliczeń wartego 50 milionów dolarów rocznie, na brytyjskie badania nad bezpiecznym działaniem i zabezpieczeniami agentów (agentic safety and security). Większość trafi do całej brytyjskiej społeczności badawczej zajmującej się bezpiecznym działaniem i zabezpieczeniami AI; część zarezerwowano dla BOLD (Uniwersytet Oksfordzki), SOFAIR (UCL) oraz Imperial College London, który będzie pracować nad inżynierią bezpieczeństwa i robotyką. Obliczenia będą realizowane przez NVIDIA Cloud Partners działających w Wielkiej Brytanii, na infrastrukturze ulokowanej w tym kraju; dostawcy, architektura techniczna i warunki handlowe pozostają do uzgodnienia. Planowane prace dotyczą bezpiecznych agentów, bezpieczeństwa modeli otwartych i ograniczania rzeczywistych zagrożeń, z wykorzystaniem środowisk sandbox, odtwarzalnych badań i benchmarków oceny bezpieczeństwa, między innymi na NVIDIA OpenShell i projekcie referencyjnym NVIDIA Sentry.

Wpis towarzyszący ogłoszeniu wymienia również planowane inwestycje, bez podania kwot, w pięć brytyjskich startupów: Boltz (modele biomolekularne), Foresight (zarządzanie dużymi projektami budowlanymi), Hiverge (odkrywanie algorytmów), Prima Mente (biologiczne modele bazowe na potrzeby badań nad chorobą Alzheimera, Parkinsona i SLA) oraz Riverlane (korekcja błędów kwantowych). Ogłoszenia te poprzedzają wystąpienie keynote Jensena Huanga na GTC Berlin, zaplanowane na 21 października.

🔗 Komunikat NVIDIA · Wpis NVIDIA o brytyjskim ekosystemie

Mistral przejmuje studio projektowe New Material i tworzy zespół Solutions Design

14 października — Mistral przejmuje New Material, studio projektowania produktów AI założone sześć lat temu. Informacja pochodzi z wpisu New Material, który mówi o przejęciu; Mistral udostępnił ją na X, witając zespół, bez wpisu na własnej stronie i bez ujawnienia kwoty transakcji. Studio deklaruje, że dostarczało narzędzia, produkty i firmy oparte od podstaw na AI w motoryzacji, handlu, branży prawnej i ochronie zdrowia, współpracując z partnerami takimi jak Ford, Rafael Nadal, Wellcome Trust czy kancelarie z AmLaw 50. Tworzy ono w Mistral nowy zespół Solutions Design, łączący projektowanie, inżynierię i AI, który będzie wspólnie z klientami rozwijać projekty, aby zacieśnić pętlę informacji zwrotnych między rzeczywistymi wdrożeniami a produktami Mistral w krytycznych zastosowaniach AI w przedsiębiorstwach i administracji. W maju Mistral przejął już Emmi AI, austriackiego specjalistę w dziedzinie Physics AI.

🔗 Wpis New Material · Wiadomość @MistralAI

OpenAI mierzy zwrot firm z UE ku agentom: 8,1-krotny wzrost liczby użytkowników w MŚP

14 października — OpenAI publikuje raport ze swoich badań ekonomicznych poświęcony wykorzystaniu AI opartej na agentach w przedsiębiorstwach Unii Europejskiej, wraz z plikiem PDF i danymi do samodzielnej analizy. W europejskiej próbie klientów ChatGPT Enterprise Codex i ChatGPT Work odpowiadają już za ponad połowę tokenów wyjściowych: użytkownicy powierzają agentom całe zadania, od planowania po wykonanie.

Wskaźnik mierzony przez OpenAI	Odnotowana wartość
Udział tokenów wyjściowych przez Codex i ChatGPT Work (UE, ChatGPT Enterprise)	Ponad połowa
Tygodniowo aktywni użytkownicy narzędzi opartych na agentach w MŚP z UE	×8,1 względem tygodnia od 1 do 7 maja
Udział agentów w tokenach wyjściowych według kraju	Od 22 % (Słowenia) do 85 % (Litwa)
Tokeny wyjściowe w okresie 28 dni, względem typowych firm z maja	Czołowe spoza UE 12,9x; czołowe z UE 6,1x; typowe spoza UE 1,6x; typowe z UE 1,5x
Udział UE wśród czołowych firm na świecie	10 %

MŚP zdefiniowano tu jako firmy mające najwyżej 200 powiązanych użytkowników, a wzrost obejmuje każde państwo członkowskie. Raport mierzy przede wszystkim różnicę w intensywności użytkowania: we wrześniu czołowe firmy z UE (frontier firms, 10 % generujących najwięcej tokenów wyjściowych na aktywnego użytkownika) wytwarzały ich ponad czterokrotnie więcej niż typowe firmy z UE, ale czołowe firmy spoza UE generowały ich jeszcze ponad dwukrotnie więcej niż one. Według OpenAI wyzwaniem jest przekształcenie powszechnej adopcji w głębsze zastosowania poprzez pomaganie firmom w wyjściu poza eksperymenty i szkolenie pracowników. Raport stanowi kontynuację publikacji z 30 września dotyczącej małych amerykańskich firm.

🔗 Kolejny rozdział AI w UE będzie oparty na agentach (OpenAI)

Infrastruktura agentów: ślady OpenTelemetry w Claude Platform, routing środowisk sandbox w Perplexity

Dwa elementy narzędzi umożliwiających uruchamianie i obserwowanie agentów w środowisku produkcyjnym: obserwowalność w Anthropic i kierowanie żądań do właściwego uruchomienia w Perplexity.

Claude Platform eksportuje w publicznej wersji beta ślady OpenTelemetry z API Messages, Managed Agents i SDK

14 października — Claude Platform może teraz, w publicznej wersji beta, wysyłać ślady OpenTelemetry z API Messages, Claude Managed Agents i SDK Claude do dowolnego narzędzia obserwowalności obsługującego standardowy endpoint OTLP. Każda tura agenta, wywołanie modelu i wywołanie narzędzia trafiają tam jako standardowy ślad, z opóźnieniem, tokenami i identyfikatorami. W przypadku API Messages i Managed Agents należy dodać miejsce docelowe w Claude Console; SDK automatycznie eksportują swoje spans w Python, TypeScript, C#, Go, Java, PHP i Ruby, zgodnie z informacjami o wydaniach. Spans są zgodne z konwencjami semantycznymi GenAI w OpenTelemetry i domyślnie zawierają metadane (czas trwania, status, liczba tokenów, model, nazwy narzędzi); miejsce docelowe ustawione na pełną treść (full content) eksportuje również prompty, odpowiedzi oraz dane wejściowe i wyniki narzędzi. Tego samego dnia Claude Code 2.1.300 dostosowuje własne spans do tych konwencji.

Wyróżnione zastosowanie	Narzędzia wymienione przez Anthropic
Debugowanie wraz z resztą stosu	Grafana Cloud, Honeycomb, Sentry, Splunk
Przekształcanie rzeczywistych śladów w ewaluacje	Arize AI, Braintrust, Datadog, Langfuse, LangSmith, New Relic, PostHog
Śledzenie zużycia tokenów według zespołu	Databricks Unity Gateway

Wśród relacji użytkowników Ramp wyjaśnia, że Reflect, jego system oceniający ślady Langfuse pochodzące od agentów, już zmniejszył zużycie tokenów o 10 do 20 % i przyspieszył sesje niektórych agentów o 30 %. Anthropic nie podaje cen ani harmonogramu ogólnej dostępności.

🔗 Obserwowalność agentów w Claude Platform · Informacje o wydaniach Claude Platform

SPACE: Perplexity wiąże każde żądanie z właściwym uruchomieniem środowiska sandbox

14 października — Perplexity publikuje wpis inżynierski o SPACE, platformie środowisk sandbox, w których działają agenci Perplexity Computer. Według Perplexity SPACE od miesięcy obsługuje miliony uruchomień dziennie ze wskaźnikiem błędów poniżej 0,0002 % i bez utraty połączeń. Rozwiązywany problem dotyczy nieaktualnej trasy: środowisko sandbox wznowione na innej maszynie zachowuje identyfikator, ale rozpoczyna nowe uruchomienie, a opóźnione żądanie może trafić do starego pod właściwą nazwą. Zwykły odczyt pliku przechodzi przez płaszczyznę sterowania, node-api, sbx-manager, gniazdo Unix i most hosta, a następnie przez VSOCK do microVM Firecracker.

Rozwiązanie polega na oddzieleniu stałej tożsamości środowiska sandbox od tożsamości uruchomienia, która określa konkretną instancję i jej umiejscowienie. Po autoryzacji każde żądanie zawiera uprawnienie podpisane algorytmem Ed25519, ważne przez 120 sekund, które komponent odbierający porównuje z własnym zapisem przed przekazaniem dalej; terminale i monitorowanie plików są odłączane, gdy tylko pojawia się nowe uruchomienie. Model zagrożeń wyklucza przejęcie uprawnień root na maszynie wykonawczej (worker), a weryfikacja pozostaje lokalna, bez zdalnej atestacji sprzętowej. Na koniec wpis porównuje SPACE z OpenShell, zapewniającym porównywalne gwarancje, oraz z E2B i CubeSandbox, które przekazują żądania bez oczekiwanej tożsamości uruchomienia: Perplexity zaznacza, że ustalenia te dotyczą wyłącznie przeanalizowanych implementacji.

🔗 Wpis Perplexity o SPACE

Agenci ogólnego przeznaczenia: wersje Ultrafast w Perplexity Computer, Manus for Business dla zespołów

Agenci wykonujący długotrwałe zadania dla użytkownika wykorzystują dwa mechanizmy: szybkość modeli w Perplexity i pracę zespołową w Manus.

Perplexity Computer udostępnia abonentom Max wersje Ultrafast modeli GPT-6 Astra i GPT-6.1 Sol

14 października — Perplexity udostępnia abonentom Max wersje Ultrafast dwóch modeli OpenAI w Perplexity Computer, swoim agencie do zadań wieloetapowych: GPT-6 Astra i GPT-6.1 Sol, oznaczonego w ogłoszeniu jako „SOL 6.1”. Oba modele generują tokeny szybciej, dzięki czemu długotrwałe zadania Computer kończą się wcześniej. Wyboru dokonuje się ręcznie: należy wybrać Astra lub SOL 6.1 w menu Custom, a następnie ustawić szybkość na Ultrafast. Ogłoszenie nie podaje liczbowo wzrostu szybkości ani zużycia kredytów i nie wspomina o innych planach; changelog produktu nie zawiera wpisu nowszego niż ten z 5 października. To wdrożenie w Perplexity poziomu szybkości, który OpenAI wprowadziło dla GPT-6 Astra 29 września, a następnie dla GPT-6.1 Sol 8 października, oferując według OpenAI nawet 8 razy większą szybkość.

🔗 Ogłoszenie Perplexity

Manus for Business: Team Plan od 20 dolarów za miejsce i oferta Enterprise

13 października — Manus wprowadza Manus for Business, ofertę dla zespołów obejmującą Manus Team Plan i Enterprise Plan.

Plan Manus	Zawartość według Manus
Manus Team Plan	Od 20 dolarów za płatne miejsce miesięcznie lub 200 dolarów rocznie, za 4 000 kredytów; bezpłatne miejsca dla gości
Manus Enterprise	Po kontakcie z działem sprzedaży: zarządzane konta, przechowywanie danych na potrzeby prawne, integracja SIEM, kontrola sieci agentów, limity użycia na użytkownika

Team Plan, dostępny już teraz, zapewnia projekty zachowujące kontekst (instrukcje, pliki, Skills i konektory wspólne dla powiązanych zadań, w tym zadań zaplanowanych), wspólne Skills, których używanie administratorzy mogą narzucić, dostęp do zadań, plików i wewnętrznych stron ograniczony do zespołu oraz wspólną pulę kredytów monitorowaną w panelu. Goście przeglądają i komentują bez zajmowania płatnego miejsca. Całość uzupełniają role, dzienniki audytu, SSO i SCIM; Manus twierdzi, że zabrania dostawcom modeli wykorzystywania danych klientów Team do trenowania i posiada certyfikaty SOC 2 Type II, ISO 27001 i ISO 27701.

🔗 Przedstawiamy Manus for Business

Badania nad agentami: HybridAgent rozumuje w przestrzeni latentnej, Cohere Labs mierzy zespoły agentów programistycznych

Dwa badania mają na celu obniżenie kosztów agentów: jedno przez umożliwienie im rozumowania bez generowania tokenów, drugie przez lepszą organizację ich zespołów.

HybridAgent: agenci, którzy myślą w przestrzeni latentnej i działają za pomocą tekstu

13 października — W publikacji w arXiv autorstwa między innymi Jiaru Zou i Jamesa Zou badacze ze Stanford, Together AI, UIUC i Meta przedstawiają HybridAgent, agentów o hybrydowym rozumowaniu, którzy w ramach jednego procesu generowania przeplatają rozumowanie w przestrzeni latentnej z działaniami w formie tekstu. Lekki moduł HybridLink odwzorowuje stany ukryte ostatniej warstwy w przestrzeni embeddingów wejściowych: model rozumuje bez generowania tokenów, a następnie wraca do tekstu, by wywołać swoje narzędzia, interpreter Python i wyszukiwanie w sieci. Każdy krok w przestrzeni latentnej można odczytać w postaci pseudotekstu. Trenowanie odbywa się w dwóch etapach: HybridSFT uczy koordynacji z HybridLink, a następnie HybridRL uczy, kiedy myśleć w przestrzeni latentnej, a kiedy działać za pomocą tekstu.

Opublikowana miara (według autorów)	Deklarowana wartość
Poprawa wyników na 11 benchmarkach i przy 3 rozmiarach	+10,4 %
Zmniejszenie liczby tokenów	35,5 % do 54,7 %
Szybkość inferencji	1,8 do 2,6 raza szybciej
Oszczędności kosztów	2,7 do 3,7 raza

Modele HybridAgent-8B-Agentic i 14B-Agentic opublikowano na licencji MIT wraz z kodem; artykułowi nie towarzyszy żadne ogłoszenie Together AI.

🔗 Artykuł w arXiv

Cohere Labs: silny agent główny wspierany przez tanich agentów zbliża się do najlepszego wyniku przy kosztach niższych o 70 %

14 października — Cohere Labs publikuje badanie dotyczące organizacji zespołów agentów programistycznych, autorstwa Keenana Samwaya, Daniela D’souzy i Nouhy Dziri. W celowo minimalistycznym środowisku wykonawczym agent główny (lead) przydziela podzadania agentom pomocniczym (workers), a za każdym razem zmienia się tylko jeden parametr: delegowane etapy, oczekiwanie blokujące lub asynchroniczne, model w każdej roli, wielkość zespołu, bezpośrednia wymiana wiadomości. Główny benchmark, ProgramBench, wymaga odtworzenia 200 programów wyłącznie na podstawie ich plików wykonywalnych i dokumentacji, od jq i ripgrep po SQLite czy FFmpeg.

Oceniana konfiguracja (ProgramBench, GPT-5.6)	Średnia nagroda	Łączny koszt 200 zadań
Sam Sol, prompt w trzech etapach	57,7 %	Nie podano w tekście
Asynchroniczny zespół Sol, trzy delegowane etapy	63,2 %	510 dolarów
Asynchroniczny zespół Sol, delegowane tylko planowanie	63,6 %	249 dolarów
Agent główny Sol i 16 agentów Luna, planowanie	61,8 %	155 dolarów

Delegowanie samego planowania daje więc równie dobre wyniki jak delegowanie wszystkiego, przy koszcie o połowę niższym, a agent główny Sol wspierany przez 16 agentów GPT-5.6 Luna osiąga 61,8 % za 155 dolarów, o 70 % mniej niż zespół złożony wyłącznie z Sol, który deleguje wszystko. Słaby agent główny nie potrafi nadrobić swoich ograniczeń: z agentami Luna agent główny Terra (51,6 %) nadal wypada gorzej od Sol pracującego samodzielnie (57,7 %). Na podzbiorze 30 zadań, przy jednym uruchomieniu na model, Claude Opus 4.8 zyskuje w zespole 5,9 punktu, podczas gdy Claude Opus 4.7 prawie nie deleguje; próbę z Claude Opus 5 przerwano po ośmiu zadaniach, z których wszystkie osiągnęły limit ośmiu godzin, a każde kosztowało około 500 dolarów. Badanie nie ocenia żadnego modelu Cohere.

🔗 Wpis Cohere Labs

Media generatywne: tańszy FLUX 3 Video, Runway w Baseten, głos HeyGen dopasowany do scenerii

Ceny generatywnego wideo spadają, a technologia trafia do dedykowanej infrastruktury firm, podczas gdy HeyGen dokumentuje klonowanie głosu w swoich filmach.

FLUX 3 Video nawet dwa razy szybszy i nawet o połowę tańszy w 2K i 4K

14 października — Black Forest Labs informuje, że FLUX 3 Video działa teraz nawet dwa razy szybciej i kosztuje o 50 % mniej przy generowaniu w natywnych rozdzielczościach 2K i 4K. Laboratorium wyjaśnia, że zoptymalizowało usługę tak, by zużywała mniej mocy obliczeniowej, i przekłada te oszczędności zarówno na cenę, jak i szybkość. W drugim wpisie twierdzi, że jakość 4K przewyższa Kling o3 przy porównywalnej cenie i latencji, nie publikując benchmarku w wątku.

Rozdzielczość FLUX 3 Video	Wideo z tekstu lub obrazu (za sekundę)	Wideo z wideo (za sekundę)
HD	0,17 → 0,15 dolara	0,41 → 0,21 dolara
FHD	0,29 → 0,24 dolara	0,53 → 0,27 dolara
QHD (2K)	0,40 → 0,28 dolara	0,65 → 0,31 dolara
UHD (4K)	0,80 → 0,41 dolara	0,95 → 0,45 dolara

Cennik na bfl.ai doprecyzowuje „50 %”: w 2K i 4K obniżka wynosi od 30 % (2K z tekstu lub obrazu) do 53 % (wideo z wideo), a ceny HD i FHD również spadają; tryb roboczy (Draft) pozostaje na poziomie 0,06 dolara za sekundę, wyłącznie w HD. FLUX 3 Video wprowadzono 4 sierpnia.

🔗 Ogłoszenie Black Forest Labs · Strona FLUX 3 Video · Cennik FLUX 3 Video

Runway nawiązuje współpracę z Baseten, by wdrażać Gen-4.5 i Aleph 2.0 w dedykowanych środowiskach

14 października — Runway i Baseten nawiązują współpracę, by oferować firmom modele wideo Runway w dedykowanym środowisku. Gen-4.5 i Aleph 2.0, który edytuje wieloscenowe sekwencje o długości do 30 sekund w 1080p, można teraz wdrażać, także w wersjach dostrojonych, w środowisku dla jednego klienta (single-tenant) poprzez Baseten Dedicated Inference. Firma uzyskuje licencję na wagi bezpośrednio od Runway, a następnie wdraża je w Baseten, gdzie każde wdrożenie działa w odizolowanej warstwie wykonawczej z dedykowanymi GPU, podczas gdy Baseten zarządza warstwą sterowania. Infrastruktura jest objęta programami SOC 2 Type II i HIPAA firmy Baseten, gwarantowana dostępność wynosi 99,99 %, a klienci mogą dostrajać modele na swoich danych i rezerwować moc GPU. Nie podano cen. Oferta rozwija Runway Model Licensing, uruchomione 11 września, by udostępniać firmom na licencji zamknięte wagi modeli.

🔗 Ogłoszenie Runway · Wpis Baseten

HeyGen Voice: raport techniczny o klonowaniu głosu, które dopasowuje głos do scenerii

14 października — Pięć dni po premierze HeyGen Voice HeyGen publikuje raport techniczny swojego modelu głosowego, przedstawianego jako pierwszy zaprojektowany z myślą o wideo. Próbka referencyjna głosu określa, kto mówi, natomiast obraz docelowy i opis sceny wskazują, jak głos powinien brzmieć: model językowy tworzy na ich podstawie dwa opisy, jeden dla mówiącego (ton, rytm, akcentowanie, ekspresyjność), drugi dla tła (przestrzeń i jej akustyka). Wideo renderuje oddzielny model awatara.

Ocena w ciemno (przeprowadzona przez HeyGen)	Preferowany HeyGen Voice
Dopasowanie do scenerii, w porównaniu z Cartesia	73 %
Dopasowanie do scenerii, w porównaniu z ElevenLabs v4	70 %
Dopasowanie do scenerii, w porównaniu z Seedance 2.5	65 %
Wybór użytkowników, w porównaniu z ElevenLabs v4	62,2 %
Wybór użytkowników, w porównaniu z Cartesia Sonic 3.6	54,1 %

W pierwszym teście ten sam głos umieszczono w 50 sceneriach, od katedry po przednie siedzenie samochodu; w drugim tysiące użytkowników nagrały swój głos, a następnie bez oznaczeń wybrały wersję, z której chcą korzystać, przy czym w porównaniu trzech modeli HeyGen Voice uzyskał 41,7 %. Te liczby pochodzą od HeyGen.

🔗 Wątek HeyGen · Strona badawcza HeyGen Voice

Układy scalone: NVIDIA wprowadza cuPotential i rozszerza CUDA-X na fabryki półprzewodników sterowane przez AI

14 października — NVIDIA przedstawia cuPotential, nową bibliotekę CUDA-X, która umożliwia tworzenie agentów zdolnych do symulowania interakcji między atomami i cząsteczkami, czyli obliczeń kluczowych dla modelowania materiałów i procesów produkcji półprzewodników. W testach wczesnego dostępu dodatkowo przyspieszyła od 2 do 3 razy procesy już zoptymalizowane pod GPU; Synopsys należy do pierwszych użytkowników. Ogłoszenie wpisuje się w koncepcję fabryk półprzewodników sterowanych przez AI (AI-defined fabs), w których agenci pomagają inżynierom optymalizować procesy, rozwiązywać problemy produkcyjne i poprawiać uzysk.

Partner lub narzędzie	Deklarowany wynik (według NVIDIA)
NVIDIA cuPotential	Dodatkowe przyspieszenie od 2 do 3 razy procesów już zoptymalizowanych pod GPU (wczesny dostęp)
Lam Research (NanoVDB, SEMulator3D)	Do 30 razy w niektórych modelowaniach trawienia, do końca 2026
KLA (NPP)	50 razy szybciej niż wcześniejsze wersje CPU
Applied Materials	Symulacje komory do 35 razy szybsze
Synopsys	Potencjalne przyspieszenie 30 razy (cuEST, QuantumATK) i 12 razy (cuDSS, S-Device)

Tego samego dnia wpis techniczny ilustruje zastosowanie agentów: korzystając z otwartej biblioteki NeMo Gym, zespół Siemens Fuse ocenił swojego agenta do charakteryzacji komórek standardowych, porównując jego pliki Liberty ze zweryfikowanymi wzorcami. W około 25 uruchomieniach, przy niezmienionym modelu Claude Opus 4.8 i środowisku wykonawczym Claude Code, zespół dopracował swoje skills i opisy narzędzi MCP: wynik złożony wzrasta z około 55 % do około 95 %, liczba tur agenta spada ze 155 do 53, a liczba tokenów wyjściowych z około 81 000 do 29 000.

🔗 Komunikat NVIDIA · Wpis techniczny o NeMo Gym i Siemens Fuse

Otwarte modele i środowiska: enkodery UltraBERT, wielojęzyczne środowiska RL w Hugging Face

Dwie otwarte publikacje na platformie Hub: rodzina enkoderów do klasyfikacji i wyszukiwania oraz środowiska uczenia ze wzmocnieniem w ponad stu językach.

UltraBERT: DMIS Lab publikuje enkodery dla języka angielskiego 150M i 380M z kontekstem 32K

14 października — Laboratorium DMIS (Data Mining and Information Systems Lab) publikuje UltraBERT, rodzinę enkoderów dla języka angielskiego liczących 150M i 380M parametrów z natywnym kontekstem 32K tokenów, oraz UltraBERT-Embed-150M, gotowy do użycia model embeddingów, wszystko na licencji Apache 2.0 wraz z artykułem (arXiv 2610.15028). Badania ablacyjne obejmujące łącznie ponad 70 000 miliardów tokenów prowadzą do dwóch wniosków: enkodery przestają się poprawiać po przetworzeniu od 1 000 do 2 000 miliardów tokenów, mimo że strata nadal maleje, a współczynnik maskowania decyduje o ich specjalizacji, przy czym niski sprzyja klasyfikacji, a wysoki wyszukiwaniu. UltraBERT łączy więc 5 % i 50 % maskowania w każdej partii danych, z osobną głowicą modelu językowego dla każdego współczynnika.

Opublikowany model UltraBERT	Wynik deklarowany przez autorów
UltraBERT-380M	91,0 na GLUE, 47,7 na BEIR
UltraBERT-150M i 380M	Najlepszy wynik na 9 z 10 benchmarków; 99 % w teście ukrytego klucza do 32K tokenów
UltraBERT-Embed-150M	67,24 na MTEB (eng, v2), najlepszy model gęstych embeddingów z mniej niż 200M parametrów

🔗 Wpis DMIS Lab

Hugging Face udostępnia środowiska RL do OCR w 22 językach i rozpoznawania mowy w 102 językach

14 października — Adithya S K, który pracuje nad środowiskami uczenia ze wzmocnieniem w Hugging Face, prezentuje to, co określa jako największe wielojęzyczne i multimodalne środowiska RL open source. Opublikowano dwa środowiska OpenEnv z weryfikowalnymi nagrodami: jedno do rozpoznawania dokumentów (OCR), obejmujące ponad milion stron w 22 językach z korpusu Nayana od Cognitive Lab, drugie do rozpoznawania mowy (ASR), obejmujące nagrania w 102 językach ze zbioru FLEURS od Google — łącznie ponad 12 milionów zadań. Zasada: ponownie wykorzystać istniejące otwarte zbiory danych, dodając do nich weryfikowalne nagrody. Aby pokazać ich przydatność w trenowaniu, autor dostroił Gemma 4 E4B metodą GRPO w języku kannada na jednym A100: uzyskał o 16 % mniej błędów znakowych na wydzielonym benchmarku OCR od Sarvam AI i o 45 % mniej na 838 fragmentach nagrań wydzielonych do testów. Zaprezentowany 7 października RL Environment Explorer obejmował już ponad 12 milionów zadań; nowością jest oficjalna prezentacja i pierwsze wyniki treningu.

🔗 Wątek Adithyi S K

GitHub Actions: pliki blokad zależności workflowów w publicznej wersji zapoznawczej

14 października — Poza AI GitHub Actions udostępnia w publicznej wersji zapoznawczej pliki blokad (lockfiles) zależności workflowów w GitHub Enterprise Cloud (z rezydencją danych lub bez niej), Team i Free. Problem jest znany: tag lub gałąź mogą zostać przesunięte po przeglądzie workflow, a przejęta akcja może wstrzyknąć złośliwy kod bez jakiejkolwiek zmiany w repozytorium. Rozszerzenie gh actions-lock do GitHub CLI generuje .github/workflows/actions.lock z commitami akcji, ich zależności przechodnich i workflowów wielokrotnego użytku; Actions następnie wykonuje przypięty commit, nawet jeśli tag zostanie przesunięty. Rozwiązanie wdraża się osobno dla każdego workflow, polityka Require lockfile pozwala wymusić jego stosowanie, a Dependabot aktualizuje zablokowany wpis w tym samym pull requeście co nową wersję akcji. GitHub przypomina, że blokowanie nie mówi nic o bezpieczeństwie zależności, którą należy przejrzeć przed jej zablokowaniem.

🔗 Pliki blokad workflowów GitHub Actions w publicznej wersji zapoznawczej (dziennik zmian GitHub)

W skrócie

Agenci i narzędzia programistyczne

Copilot CLI 1.0.98 — Wydana jako wersja stabilna dzień po 1.0.97, obsługuje Gemini 4 Argon i ułatwia korzystanie z odpowiedzi /ask: Ctrl+E je rozwija, Ctrl+Y kopiuje w całości, a /ask lub /btw ponownie otwiera ostatnią pełną odpowiedź; SDK Copilot 1.0.22 jedynie dołącza CLI. 🔗 źródło
Zed 1.24 i wersja zapoznawcza 1.25.0 — Wersja 1.24 staje się stabilna (1.24.2) z jedną dodatkową poprawką względem wersji zapoznawczej; 1.25.0-pre dodaje Gemini 4 Argon do dostawcy Google AI, GPT-6 Astra, Claude Fable 5.1 i Claude Opus 5.5 do Bedrock oraz kompakcję kontekstu dla agentów ACP, a także przestaje ujawniać sekrety zewnętrznych agentów i serwerów MCP na lokalnej liście procesów. 🔗 źródło
Rozszerzenie Antigravity 1.8.0 do VS Code — Uzupełnienie wiadomości z 11 października: przy wyłączonej automatycznej akceptacji przeglądy diff pozostają otwarte i kumulują się między kolejnymi turami agenta, zmiany wprowadzone na dysku są wykrywane w mniej niż sekundę, a pakiet VSIX jest o około 70 % mniejszy. 🔗 źródło
DeepSeek Harness 0.2.1-alpha.3 — 27. wersja zapoznawcza, wciąż bez wersji stabilnej: klucze i tokeny są domyślnie maskowane w wysyłanych wiadomościach, ustawienia agentów (Agent Presets) są przypisane do poszczególnych subagentów, SDK obsługują wznawianie sesji, a ponadto wprowadzono dziesięć poprawek; dostawca Azure, przemianowany na azure, wymaga migracji konfiguracji. 🔗 źródło
GPT-5.5 opuszcza Codex — Zgodnie z zapowiedzią z 15 września GPT-5.5 został wycofany z Codex 14 października o 19 UTC dla kont zalogowanych przez ChatGPT, zastąpiony przez GPT-6.1 Sol (Plus, Pro, Business, Enterprise, Edu) lub GPT-6 Luna w aplikacji desktopowej (Free i Go); zmiana nie dotyczy API ani sesji z kluczem API. 🔗 źródło
Amp i modele OpenAI — W studium przypadku OpenAI Amp podaje, że na te modele przypada większość zużywanych tokenów, a niektórzy użytkownicy zużywają ich 10 miliardów tygodniowo; Calling Puck pozwala rozmawiać w czasie rzeczywistym z jego metaagentem dzięki GPT-Live-1, a zespół testuje tryb Ultrafast modelu GPT-6 Astra. 🔗 źródło
cuDF skills dla Apache Spark — NVIDIA publikuje skills dla agentów, które przepisują UDF ze Spark na odpowiedniki akcelerowane przez GPU; w dużej, niewymienionej z nazwy grupie przekonwertowano ponad 30 produkcyjnych UDF, w tym jeden, którego czas wykonania na 600 miliardach wierszy spadł z 274,55 do 12,78 godziny. 🔗 źródło
Built with Claude: Japan 2026 — Anthropic i Cerebral Valley organizują od 2 do 10 listopada całkowicie internetowy hackathon Claude Code dla mieszkańców Japonii: 250 wybranych uczestników otrzyma plan Max 5x i 500 dolarów kredytów API, do wygrania jest 50 000 dolarów w kredytach, a zgłoszenia są przyjmowane do 26 października. 🔗 źródło
Spotkania Astra Commons — Według Rhiannon Payne z zespołu społeczności OpenAI we wrześniu Codex Ambassadors zgromadzili około 2 500 programistów w 52 miastach, w kawiarniach, galeriach i na uczelniach, z okazji premiery GPT-6 Astra. 🔗 źródło

Asystenci, narzędzia dla firm i poradniki

Genspark — Muse Wonder od Meta, a następnie Gemini 4 Argon trafiają w ciągu kilku godzin do AI Chat, Code Agent i Claw, z argumentami promocyjnymi ich twórców i bez wskazania planu ani ceny. 🔗 źródło · 🔗 Argon
My Fish w Sakana Chat — Sakana AI udostępnia wgląd w pamięć swojego asystenta: mapę cieplną odczytów i zapisów, widok kategorii, mapę połączeń między wspomnieniami, które bledną po 30 dniach bez użycia, oraz historię — wszystko w Ustawienia → My Fish, zarówno w przeglądarce, jak i na urządzeniach mobilnych. 🔗 źródło
Gloss — Together AI promuje bezpłatną aplikację open source do zapisywania artykułów, plików PDF i zakładek z X oraz zadawania AI pytań o zaznaczony fragment, zbudowaną z użyciem DeepSeek V4.1 Flash na swojej platformie. 🔗 źródło
MCP w Apigee hybrid — Od wersji 1.17.0 wystarczy specyfikacja OpenAPI, aby udostępnić każdą operację API jako narzędzie MCP, przy czym warstwa danych pozostaje w klastrze Kubernetes klienta: żadne wywołanie narzędzia nie przechodzi przez Google Cloud. 🔗 źródło
Koszt narzędzi AI według Perplexity — Poradnik szczegółowo opisuje modele cenowe i ukryte koszty (hipotetyczny zespół 10 osób wydający w niektórych miesiącach 350 dolarów, do tego 18 godzin pracy wewnętrznej) oraz podsumowuje ofertę Perplexity, od Free do Enterprise Max; nie ogłoszono żadnych nowości. 🔗 źródło
Narzędzia MCP według Perplexity — Drugi poradnik wyjaśnia, czym jest narzędzie MCP, i przypomina dwa sposoby korzystania z niego w Perplexity: podłączanie serwerów MCP w planach Pro, Max i Enterprise lub wywoływanie, na przykład z Claude Code, czterech narzędzi własnego serwera MCP Perplexity. 🔗 źródło

Studia przypadków i wdrożenia

Third Moment Research — W studium przypadku OpenAI laboratorium to uruchamia jednocześnie 10 000 agentów w sesjach trwających od 36 do 48 godzin, zużyło 1 000 miliardów tokenów w ciągu jednego dnia i skróciło o 97 % czas testu retrospektywnego (backtest) dzięki Codex; GPT-6.1 Sol jest jego najczęściej używanym modelem. 🔗 źródło
SentinelOne i Daybreak — Według dyrektora ds. AI firmy, Gregora Stewarta, OpenAI Daybreak wykonuje w około osiem godzin inżynierię wsteczną złośliwego oprogramowania na poziomie człowieka, która czołowemu badaczowi zajmowała od czterech do sześciu tygodni. 🔗 źródło
Circa i Manus — Manus publikuje relację Circa, startupu z Bostonu, który ponownie wykorzystuje materiały rozbiórkowe i korzysta z agenta do prac nad swoją stroną, wnioskami o dotacje i narzędziem do szacowania kosztów; we wrześniu firma deklarowała blisko 100 000 dolarów łącznych przychodów, bez nowości produktowych. 🔗 źródło
Europejskie miasta i NVIDIA — W Côte-d’Or agenci Akila i ThinkDeep wdrożeni w ponad 500 budynkach publicznych obniżają koszty eksploatacji o 10 %, przy celu wynoszącym 30 %; NVIDIA przytacza też projekty w Mediolanie, Antwerpii-Brugii, Göteborgu i Liverpoolu, bez nowego produktu. 🔗 źródło
MiniMax H3 IP Edition — W podsumowaniu swojej konferencji w Tokio z 11 września MiniMax deklaruje zainteresowanie ponad 60 firm; pilotaż Captain Tsubasa × PixVerse zgromadził 126 360 twórców i 329 314 licencjonowanych treści w ciągu 45 dni. 🔗 źródło

Otwarte modele i badania społeczności

Cohere wspomina o Rerank 5 — Cohere publikuje film, na którym Rerank gra w Mario, i zachęca do sprawdzenia, czy Rerank 5 pobije wynik Rerank 4; niczego nie udostępniono, a dokumentacja nadal wymienia tylko Rerank 4 i wersje 3.x. 🔗 źródło
Lumma-Fev-27B — FrontiersMind w pełni dostraja Qwen3.8-27B na około 100 000 przykładach decyzji (w językach angielskim, hindi, tamilskim i kannada): 90,7 % poprawnych odpowiedzi wobec 83,9 % dla Jev 1.13 na 4 454 decyzjach wydzielonych do testów, ale Jev nadal prowadzi na BBH i WinoGrande; pomiary autorów, wagi na licencji Apache 2.0. 🔗 źródło
TranscribePsy — Tether AI Research publikuje model rozpoznawania mowy o 254M parametrów dla 25 języków europejskich, w wersjach GGUF i Core ML: 8,02 % wskaźnika błędów słów na Open ASR Leaderboard wobec 12,34 % dla Whisper-small, a według Tether jest 2,6 razy szybszy od kolejnego modelu na sześciu telefonach. 🔗 źródło
VKORE-46M-NPU — VIDRAFT trenuje od zera, z rzeczywistą propagacją wsteczną, mały dekoder o 46M parametrów na 32-układowym NPU do inferencji; jego krzywa straty ma korelację 0,99 z krzywą tego samego treningu na GPU. 🔗 źródło
Kwantyzacja a zdolności agentów — Na 19 200 sparowanych wynikach Patrick Hill (PBH Applied Systems) pokazuje, że Mistral-Nemo w Q4_K_M istotnie traci 5 z 8 zdolności agenta, nawet o −28,0 punktów przy ustrukturyzowanych odpowiedziach z tekstem ciągłym, podczas gdy Q5_K_M (8,73 Go wobec 7,48) i Q8_0 niczego nie zmieniają. 🔗 źródło
Bramka w Gated DeltaNet — Avi Fenesh dodaje do LoRA trenowanej metodą GRPO małą bramkę na parametrze beta warstw Gated DeltaNet: rozumowanie Qwen3.5-4B skraca się o 48 % na MATH-500, a dokładność w dowolnym momencie rośnie z 0,786 do 0,852. 🔗 źródło
pico-165m — Fausto Saporito trenuje na jednym układzie TPU model o 165M parametrów, który robi notatki: 0,81 w sprawdzianach pamięci dotyczących rozmów liczących około 47 wymian, wobec 0,31 dla SmolLM2-360M-Instruct czytającego całą rozmowę. 🔗 źródło

Inferencja i kernele obliczeniowe

DeepGEMM-Ascend, DeepGEMM 2.8.2 i TileKernels 2.1.0 — Bez ogłoszenia DeepSeek dodaje do swojej biblioteki dla NPU Ascend kernele rzadkich logitów MQA oraz składnik C lub bias do GEMM w BF16, FP8 i FP4, aktualizuje DeepGEMM do 2.8.2 i publikuje TileKernels 2.1.0 bez informacji o wydaniu. 🔗 źródło
TokenSpeed i Qwen3.8-Flash-Next — Silnik open source od LightSeek obsługuje model z szybkością 685,9 tokens/s na użytkownika przy jednej rozmowie na czterech GPU NVIDIA GB300 w NVFP4 oraz 95,7 tokens/s przy 32 rozmowach; Qwen pochwalił ten wynik. 🔗 źródło
Qwen3.8-Flash-Next na AMD MI350P — Florian Zimmermeister zwiększa w vLLM łączną przepustowość z 1 168,2 do 2 256,6 tokens/s przy 32 strumieniach (+93,2 %) na jednym GPU, wychodząc z konfiguracji, która już wykorzystywała niestandardowy MXFP4. 🔗 źródło
GLM 5.3 Flash na Microsoft Foundry — Hugging Face dodaje model Z.ai do swojego katalogu Foundry, zoptymalizowany dla AMD MI300X w trzech konfiguracjach z kontekstem 512K; na ShareGPT wersja z 8 GPU w TP4 + DP2 zapewnia około 1,8 razy większą przepustowość i skraca czas do pierwszego tokena z 11,3 do 5,2 s. 🔗 źródło
Qwen3.8-27B na Neural Engine — Projekt ANEMLL kwantyzuje wszystkie macierze MLP modelu do wektorów 3-bitowych: na układzie M6 uzyskuje dywergencję KL 0,0518 względem BF16 i średnio 37,5 tokens/s przy 9,74 Gio wag; dokładność na standardowych zadaniach pozostaje do zmierzenia. 🔗 źródło
Przeglądarka tensorów w Hub — Hugging Face zwraca nagłówki wszystkich fragmentów w jednym żądaniu: DeepSeek-V3.2 otwiera się w 0,45 s zamiast 9,2 s, a GLM-5.3 w 0,57 s zamiast 4,0 s. 🔗 źródło

GitHub, poza AI

Uprawnienia GitHub Apps — Dwa szczegółowe uprawnienia pozwalają utworzyć repozytorium lub zarządzać repozytoriami instalacji bez praw administratora, a administrator repozytorium może podłączyć je do już zatwierdzonej aplikacji; deklarowanym celem jest odejście od klasycznych PAT. 🔗 źródło
Raport dostępności GitHub — Na 7 października 120 ze 160 usług produkcyjnych działało w Central US, a 13 z 51 głównych baz MySQL zostało zmigrowanych; GitHub nie osiągnął celu wyznaczonego na 30 września i wraca do incydentu z 13 września, który dotknął około 96 % prób tworzenia zgłoszeń w przeglądarce. 🔗 źródło
Historia gwiazdek — Nowy endpoint API zwraca w jednym żądaniu dzienne liczby gwiazdek z maksymalnie 30 tygodni, bez danych o tożsamości: dla react/react wystarczają około 24 żądania zamiast około 2 511. 🔗 źródło

Co to oznacza

Technologie głosowe stają się obszarem porównań liczbowych, w którym koszt liczy się równie mocno jak miejsce w rankingu. Grok Voice 3.0 poprawia swoje wyniki bez zmiany ceny za minutę, a SpaceXSI podkreśla koszt wykonania zadania: 0,025 dolara wobec 0,030 w przypadku GPT-Live-1. Te pomiary Artificial Analysis, przywołane przez dostawcę, nie rozstrzygają wszystkiego: w τ-Voice GPT-Live-1 nadal prowadzi, a Grok Voice 3.0 rekompensuje to o 40 % niższym opóźnieniem. Znaczenie ma również wdrożenie: 20 000 połączeń dziennie w Starlink, z których około 70 % obsługiwanych jest bez udziału człowieka, pokazuje, że agenci głosowi już faktycznie przejmują część obsługi klienta. W obszarze wideo FLUX 3 Video obniża ceny 2K i 4K o 30–53 % dzięki usłudze wymagającej mniej obliczeń, a HeyGen stawia na głos dopasowany do akustyki sceny.

Modele z czołówki ocenia się również na podstawie wyników badań. Google prezentuje Argon na przykładach dekodera kwantowego, hipotezy z fizyki plazmy i enzymów przetestowanych w laboratorium, Meta przedstawia dziesięć manuskryptów medycznych, a Ai2 — dane klimatyczne o rozdzielczości 3 km wytworzone około 300 razy taniej. Ograniczenia nadal są zapisane czarno na białym: abstrakt artykułu o hipotezie Grada nie wspomina o Argon, badania Meta mają charakter retrospektywny, a jedno z nich uznano za służące formułowaniu hipotez; w repozytorium ADK po weryfikacji przez człowieka pozostawiono tylko dwie z sześciu optymalizacji. Wszędzie człowiek ma ostatnie słowo: w eksperymencie Meta badacze medyczni decydują o wnioskach naukowych, a opiekunowie ADK usuwają część propozycji agenta.

Koszt pracy agentów staje się kluczowym zagadnieniem w rozwoju narzędzi. Claude Code kompresuje długie rozmowy przed wygaśnięciem cache, aby nie przetwarzać ich ponownie w całości, HydraFusion dostosowuje wysiłek rozumowania na każdym kroku, a badanie Cohere Labs pokazuje, że silny agent główny wspierany przez tanich agentów zbliża się do najlepszego wyniku przy kosztach niższych o 70 %. HybridAgent podchodzi do tego samego problemu od strony architektury, prowadząc rozumowanie bez generowania tokenów. Aby zarządzać tymi wydatkami, trzeba mieć w nie wgląd: ślady wykonania w Claude Platform i Claude Code 2.1.300 są teraz zgodne z tymi samymi konwencjami GenAI w OpenTelemetry, a Ramp podaje, że dzięki ocenianiu własnych śladów wykonania zmniejszył liczbę tokenów w niektórych agentach o 10–20 %. Raport OpenAI dotyczący UE przypomina o znaczeniu tego zagadnienia: Codex i ChatGPT Work odpowiadają tam już za ponad połowę tokenów wyjściowych u badanych klientów Enterprise.

Bezpieczeństwo AI nabiera również wymiaru publicznego. W Singapurze podczas tej samej Cyber Week Anthropic podpisuje memorandum o porozumieniu w sprawie oceny modeli i reagowania na incydenty, a Google DeepMind wraz z GovTech prezentuje wykrywanie oszustw, które odbywa się w całości na telefonie. W Wielkiej Brytanii NVIDIA finansuje badania nad bezpieczeństwem agentów, udostępniając moc obliczeniową; w Stanach Zjednoczonych Anthropic przygotowuje Claude do wyborów w połowie kadencji, wykorzystując klasyfikatory przeciwko kampaniom podzielonym na niewielkie zadania. W przedsiębiorstwach OpenAI twierdzi, że dzięki własnym modelom zidentyfikowało pracownika, który ukrył urządzenie nagrywające, GitHub przypina zależności w workflows, aby przesunięty tag nie powodował już uruchomienia kodu innego niż zweryfikowany, a VS Code wymusza, zgodnie z polityką przedsiębiorstwa, harness Copilot i jego reguły wykonywania.