ai-powered-markdown-translatorPrzetłumaczony artykuł z fr na pl za pomocą gpt-5.4-mini.
Przewodni motyw 15 lipca to odporność agentów na ataki: OpenAI ujawnia GPT-Red, zautomatyzowanego red teamera, który wzmacnia GPT-5.6 przeciw wstrzyknięciom promptów, podczas gdy Claude Code uszczelnia swój CLI, a agent przeglądu kodu Warp świadomie wybiera dostęp tylko do odczytu. Reszta dnia przynosi falę ogłoszeń dotyczących agentów do kodowania (Codex w Chrome, Grok Build jako open source, Devin w Slacku, GitHub Copilot), modeli otwartych (Meta AI, Hugging Face, Ai2, Together AI) oraz kilku nowości po stronie Google, generowania mediów, Perplexity i Cohere.
GPT-Red : OpenAI wzmacnia odporność GPT-5.6 na wstrzyknięcia promptów
15 lipca — OpenAI prezentuje GPT-Red, model do automatycznego red teamingu, trenowany wewnętrznie, aby wzmocnić odporność swoich modeli na wstrzyknięcia promptów (prompt injection) — ataki, które ukrywają złośliwą instrukcję w dokumencie, na stronie internetowej lub w wyniku narzędzia, aby odciągnąć agenta od jego pierwotnego zadania. Zamiast polegać wyłącznie na ludzkich zespołach przy wymyślaniu ataków, OpenAI deleguje tę eksplorację wyspecjalizowanemu modelowi, zdolnemu prowadzić ją stale i na dużą skalę.
Model jest trenowany przez samogrę (self-play) z uczeniem ze wzmocnieniem: napastnik otrzymuje nagrodę, gdy uda mu się wywołać niepożądane zachowanie, podczas gdy populacja modeli obrońców uczy się opierać atakom bez szkody dla swojego głównego zadania. Ta gra o sumie zerowej wyprodukowała napastnika zdolnego pokonać niemal wszystkie testowane modele, zarówno wewnętrzne, jak i publiczne, aż po GPT-5.6.
Zintegrowany z treningiem GPT-5.6, GPT-Red pozwolił zmniejszyć 6-krotnie wskaźnik niepowodzeń modelu wobec najtrudniejszych bezpośrednich wstrzyknięć, w porównaniu z najlepszym modelem produkcyjnym sprzed czterech miesięcy. W akademickim scenariuszu referencyjnym (Dziemian et al., 2025) osiąga 84% skuteczności wobec 13% dla ludzkich red teamerów w tych samych przypadkach.
OpenAI ilustruje praktyczną wartość na dwóch rzeczywistych studiach przypadku. W agencie zarządzającym automatem w swojej siedzibie (opracowanym przez Andon Labs, w duchu projektu „Project Vend”), GPT-Red zdołał obniżyć cenę drogiego produktu do 0,50 dolara, skłonić do zamówienia produktu za ponad 100 dolarów, aby odsprzedać go po tej samej promocyjnej cenie, oraz anulować zamówienie innego klienta. W przypadku agenta Codex CLI, skonfrontowanego z dziesięcioma scenariuszami eksfiltracji danych, okazał się skuteczniejszy i bardziej oszczędny pod względem tokenów niż punkt odniesienia korzystający z prostego promptu. Model pozostaje ściśle wewnętrzny — nigdy nie wdrożony publicznie — aby jego ofensywne możliwości nie trafiły w niepowołane ręce. W ciągu tygodnia ma ukazać się preprint szczegółowo opisujący metodę.
| Mierzony wskaźnik | Zmierzona wartość |
|---|---|
| Skuteczność GPT-Red vs ludzcy red teamerzy (scenariusz akademicki) | 84% wobec 13% |
| Redukcja niepowodzeń wobec bezpośrednich wstrzyknięć (GPT-5.6 vs poprzedni model) | 6x mniej niepowodzeń |
| Resztkowy wskaźnik niepowodzeń GPT-5.6 wobec bezpośrednich wstrzyknięć GPT-Red | 0,05% |
“Introducing GPT-Red. An internal automated red teamer on a mission to find our models’ prompt injection vulnerabilities at scale, helping us build stronger defenses before wider deployment.”
🇵🇱 Prezentacja GPT-Red. Wewnętrzny, zautomatyzowany red teamer, którego zadaniem jest znajdowanie na dużą skalę podatności naszych modeli na wstrzyknięcia promptów, aby pomóc nam budować silniejsze zabezpieczenia przed szerszym wdrożeniem. — @OpenAI na X
Claude Code : artefakty połączone z MCP i CLI v2.1.207 do v2.1.210
Artefakty mogą teraz wywoływać konektory MCP
15 lipca — Artefakty (Artifacts) Claude Code mogą teraz wywoływać konektory MCP (Model Context Protocol), aby tworzyć pulpity i aplikacje, które pobierają informacje i wykonują działania na żądanie, dla każdego odwiedzającego. Artefakt tworzy się raz, a następnie pobiera dane na żywo przy każdym wyświetleniu, używając konektorów MCP właściwych dla aktualnego odwiedzającego — nie tych należących do jego twórcy. Ten model uprawnień przypisanych do odwiedzającego, a nie do twórcy, rozwiązuje oczywisty problem bezpieczeństwa w zastosowaniach firmowych: każda osoba widzi wyłącznie dane, do których sama ma dostęp.
Funkcja jest dostępna w planach Pro, Max, Team i Enterprise, ale nie w publicznie udostępnianych artefaktach — co jest logiczne, ponieważ dostęp do danych zależy od konektorów każdego odwiedzającego.
CLI v2.1.207 do v2.1.210 : czytnik ekranu, odchudzone transkrypty, wzmocnione bezpieczeństwo
15 lipca — Anthropic opublikował cztery wersje CLI Claude Code od ostatniego omówienia. Najbardziej rozbudowana, v2.1.208, dodaje tryb czytnika ekranu (--ax-screen-reader), naprawia wycieki pamięci sięgające 64 MB w długich sesjach i zmniejsza rozmiar transkryptów sesji nawet 79-krotnie w sesjach o dużej aktywności edycyjnej. Wzmacnia też bezpieczeństwo: katastrofalne polecenia usuwania zawierające odwrotne apostrofy (backticks) teraz uruchamiają potwierdzenie, nawet w trybie automatycznym i z --dangerously-skip-permissions.
Wersja v2.1.207 rozszerza tryb automatyczny na Bedrock, Vertex AI i Foundry bez opt-in i przełącza te platformy domyślnie na Claude Opus 4.8. Wersja v2.1.210 dodaje licznik czasu na żywo przy długich wywołaniach narzędzi i uszczelnia narzędzie Agent przed pośrednim wstrzyknięciem promptów przez treści czytane przez podagenta.
Agenci kodowania : Codex, Grok Build, Warp, Devin i GitHub Copilot
Codex w Chrome pokazuje zautomatyzowany plan wdrożenia
15 lipca — OpenAI Developers opublikowało demonstrację Codex używanego w Chrome do przekształcenia prostego żądania w plan wdrożenia: na podstawie formularza agent buduje checklistę, pobiera kontekst z Google Drive, Slacka i lokalnych plików, wskazuje punkty wymagające nadzoru człowieka, aktualizuje odpowiedni portal, a następnie przygotowuje odpowiedź — ostateczna decyzja pozostaje jednak w rękach użytkownika na każdym etapie. Demonstracja podkreśla nawigację po sieci sterowaną przez Codex, funkcję już udokumentowaną w changelogu produktu pod nazwą „Browser use”.
xAI udostępnia kod źródłowy Grok Build
15 lipca — xAI udostępniło kod źródłowy Grok Build, swojego internetowego agenta do kodowania w wierszu poleceń, uruchomionego we wczesnej becie pod koniec maja. Publikacja obejmuje cztery komponenty: pętlę agenta, narzędzia (odczyt, modyfikację, wyszukiwanie kodu, wykonywanie poleceń), interfejs terminala oraz system rozszerzeń (skills, wtyczki, hooki, serwery MCP, subagenci). Z perspektywy deweloperów ważna nowość: Grok Build może teraz działać całkowicie lokalnie (local-first), połączony z własnym silnikiem inferencji i sterowany za pomocą pliku config.toml.
xAI wyłączyło ponadto domyślną retencję danych dla wszystkich użytkowników od 12 lipca i usuwa wcześniej zachowane dane kodu:
“In response to user questions about privacy: Since launch, Grok Build has fully respected zero data retention (ZDR). All users have always had the ability to disable data upload in the CLI. […] We disabled default retention for all Grok Build users starting on July 12th. Additionally, we are deleting all coding data that was previously retained, ensuring every user’s preferences are respected.”
🇵🇱 W odpowiedzi na pytania użytkowników dotyczące prywatności: od momentu uruchomienia Grok Build zawsze przestrzegał zasady zerowej retencji danych (ZDR). Wszyscy użytkownicy zawsze mieli możliwość wyłączenia wysyłania danych w CLI. […] Wyłączyliśmy domyślną retencję dla wszystkich użytkowników Grok Build od 12 lipca. Ponadto usuwamy wszystkie wcześniej zachowane dane kodu, aby zagwarantować poszanowanie preferencji każdego użytkownika. — @SpaceXAI na X
Warp buduje samodoskonalącego się agenta do przeglądu kodu
15 lipca — Zach Lloyd, CEO Warp, publikuje trzeci odcinek swojej serii o „cloud software factory”: agencie do przeglądu kodu, który potrafi automatycznie się doskonalić, po wpisach o agencie triage zgłoszeń i agencie pisania specyfikacji. Architektura opiera się na kompetencji przeglądu, która analizuje pull request, diff i specyfikacje, akcji GitHub przekształcającej jej wynik w komentarze oraz drugim agencie „pętli zewnętrznej”, który raz dziennie obserwuje opinie ludzi, aby samodzielnie zaproponować aktualizację kompetencji przeglądu. Godny uwagi wybór projektowy: agent ma wyłącznie dostęp do odczytu do pull requestów, a publikację komentarzy obsługuje kod akcji GitHub — aby ograniczyć ryzyko wstrzyknięcia promptów.
Devin trafia do Slacka
15 lipca — Cognition integruje Devin bezpośrednio ze Slackiem, we współpracy ze Slackiem, aby umożliwić zespołom analizowanie problemów, zadawanie pytań dotyczących bazy kodu i uruchamianie zadań deweloperskich bez opuszczania kanału dyskusyjnego. Ta integracja dołącza do już dostępnych powierzchni dla Devin (CLI, IDE przez Windsurf, GitHub) i odpowiada na fakt, że wiele próśb inżynieryjnych zaczyna się od wiadomości na Slacku na długo zanim staną się formalnymi zgłoszeniami.
GitHub Copilot : aktualizacja Visual Studio i rozszerzenie BYOK dla JetBrains
14 lipca — GitHub publikuje swoje podsumowanie czerwca dla Copilot w Visual Studio: okno użycia z proaktywnymi alertami przed przekroczeniem limitu, walidację zaufania dla serwerów MCP (porównanie przy starcie z dobrze znanym punktem odniesienia, włączone domyślnie) oraz przejście agenta modernizacji C++ do ogólnej dostępności. Inne nowości to sugestie edycji na dużą odległość, dodanie pull requesta jako kontekstu do Copilot Chat oraz przegląd pull requestów zintegrowany z IDE — wszystko dostępne od Free po Enterprise.
Po stronie JetBrains Copilot rozszerza obsługę BYOK (Bring Your Own Key) o niestandardowe punkty końcowe zgodne z OpenAI, dodaje dostawcę agenta Claude do konfiguracji agentów i umiejętności (publiczna zapowiedź, Pro i wyżej), a także wprowadza lokalny sandbox oraz wbudowaną umiejętność debugowania dla Copilot CLI.
🔗 Aktualizacja Visual Studio · 🔗 Rozszerzenie BYOK JetBrains
Modele otwarte : Meta AI, Hugging Face, Ai2 i Together AI
Meta AI zdobywa perfekcyjny wynik na Azjatyckiej Olimpiadzie Fizyki
14 lipca — Meta AI poddało model próbie teoretycznej Azjatyckiej Olimpiady Fizyki (APhO 2026), za zgodą komitetu konkursu. Wynik: perfekcyjne 30 na 30, wyrównujące wynik trzech najlepszych ludzkich kandydatów. Meta AI nie podaje, czy chodzi o Muse Spark 1.1 (jego najnowsze duże wydanie z 9 lipca), czy o inny niepubliczny model wewnętrzny.
Hugging Face zapowiada nowy model z otwartymi wagami
15 lipca — Hugging Face nadało pod koniec dnia livestream z oszczędnym tytułem (po angielsku) „new open-weights model”, nie ujawniając jego nazwy na piśmie — ani w tweecie, ani w tytule broadcastu, ani na oficjalnym blogu. Kilka odpowiedzi na tweet wprost pyta, o jaki model chodzi i jak wypada na tle standardowych benchmarków, ale do chwili publikacji nie pojawiła się żadna pisemna odpowiedź. Warto wrócić, gdy informacja zostanie opublikowana na piśmie.
Ai2 zamyka SciArena po 1 700 użytkownikach
15 lipca — Ai2 zamknęło SciArena, swoją otwartą platformę ewaluacyjną testującą zdolność modeli do odpowiadania na pytania z literatury naukowej, oceniane przez badaczy, a nie przez modele automatyczne. Bilans zamknięcia: około 1 700 użytkowników i blisko 3 900 zebranych głosów. Pełna metodologia i wyniki są opisane w artykule opublikowanym na arXiv.
Together AI udostępnia Inkling od dnia 0 i uruchamia TogetherLink
15 lipca — Together AI udostępniło od samego startu Inkling, nowy model od Thinking Machines Lab: multimodalny mieszany model ekspertów (MoE) o łącznej liczbie 975 miliardów parametrów (40 miliardów aktywnych na token), wyposażony w okno kontekstu o rozmiarze miliona tokenów i zdolny do przetwarzania tekstu, obrazu oraz audio. Together AI zoptymalizowało swój rdzeń FlashAttention-4 pod tę architekturę, która łączy uwagę względną warunkowaną zapytaniem i krótkie konwolucje przyczynowe.
Tego samego dnia Together AI uruchomiło też TogetherLink, otwartoźródłowy CLI do uruchamiania dowolnego modelu otwartego w najczęściej używanych środowiskach deweloperskich — demonstracja pokazuje GLM 5.2 działający bezpośrednio w Codex i Claude Code.
| Mierzony wskaźnik | Zmierzona wartość |
|---|---|
| Łączna liczba parametrów (Inkling) | 975 mld |
| Aktywne parametry na token | 40 mld |
| Okno kontekstu | 1M tokenów |
🔗 Obsługa Inkling od dnia 0 · 🔗 TogetherLink na X
Google DeepMind i Gemini Spark
DeepMind pyta o naukowe wąskie gardło walidacji agentów AI
15 lipca — Google DeepMind publikuje „Conjecture Machines”, esej o polityce publicznej dotyczący tego, jak agenci AI przekształcają badania naukowe. Wstępny przykład jest mocny: mikrobiolog José Penadés (Imperial College London) przedstawił Co-Scientist problem, nad którym jego zespół pracował przez niemal dekadę; agent zwrócił po dwóch dniach pięć uporządkowanych priorytetowo hipotez, z których pierwsza była tą, którą jego zespół latami udowadniał.
Esej rozróżnia dwa reżimy: ideację, w której agenci szybko robią postępy (za pośrednictwem Co-Scientist lub AlphaEvolve), oraz walidację, która pozostaje powolna i kosztowna — poza matematyką i informatyką, gdzie może być formalna (narzędzie Aletheia rozwiązało 6 z 10 problemów z lutowego „First Proof challenge”). Decydentom proponuje się cztery priorytety: szeroki dostęp do agentów, wykorzystanie danych krajowych, inwestycje w infrastrukturę walidacyjną oraz ewolucję recenzji eksperckiej.
🔗 Wątek na X · 🔗 Pełny esej na DeepMind
Gemini Spark rozszerza zasięg geograficzny i zyskuje cztery ulepszenia
15 lipca — Google rozszerza wdrażanie Gemini Spark, swojego osobistego agenta działającego w tle na rzecz użytkownika, na więcej krajów i języków dla subskrybentów Google AI Ultra. Tego samego dnia zaczynają być wdrażane cztery ulepszenia:
| Wprowadzone ulepszenie | Opis |
|---|---|
| Edycja Google Docs | Spark może otworzyć i bezpośrednio zmodyfikować dokument |
| Głębsza integracja z Workspace | Odczytywanie komentarzy w Google Sheets i Slides |
| Szybkość | Długie zadania wykonują się szybciej |
| Ulepszone pozyskiwanie z wielu źródeł | Pobieranie i analizowanie kilku źródeł równolegle w przypadku złożonych zadań |
Generowanie mediów: Suno i Synthesia
Suno dołącza do klawiatury iMessage
15 lipca — Suno uruchamia rozszerzenie klawiatury dla iMessage, umożliwiające generowanie i wysyłanie utworów muzycznych bezpośrednio z aplikacji Wiadomości na iOS, bez przełączania aplikacji. Aby uzyskać do niego dostęp, konieczna jest aktualizacja aplikacji Suno do najnowszej wersji.
Synthesia uruchamia Dubbing 2.0
15 lipca — Synthesia ogłasza Dubbing 2.0, przebudowę swojego systemu dubbingu wideo opartego na AI, działającą na całkowicie nowej infrastrukturze: znacznie lepszą synchronizację ruchu ust nawet w złożonych scenach, bardziej ekspresyjne głosy, tłumaczenia lepiej zachowujące rytm źródłowego wideo oraz natychmiastową edycję transkrypcji bez pełnego ponownego renderowania. Każdy użytkownik otrzymuje do 450 minut bezpłatnie, aby przetestować funkcję.
Perplexity i Cohere: infrastruktura i badania społecznościowe
Perplexity ujawnia SPACE, platformę sandboxową Perplexity Computer
15 lipca — Perplexity przedstawia SPACE, bezpieczną warstwę wykonawczą napędzającą Perplexity Computer: odizolowane środowiska dla kodu, plików i długotrwałych sesji agentów, z których każde jest zaimplementowane jako maszyna wirtualna z własnym jądrem gościa. Dane uwierzytelniające nigdy nie trafiają do piaskownicy; centralna brama sieciowa egzekwuje zasady wyjścia. Dzięki systemowi plików btrfs (copy-on-write) SPACE obsługuje 100% ruchu produkcyjnego Perplexity Computer od czerwca, a Perplexity planuje rozszerzyć go na microVM Linux, gości Windows i lokalne maszyny użytkowników.
| Mierzony wskaźnik | Przed SPACE | Z SPACE |
|---|---|---|
| Mediana opóźnienia tworzenia piaskownicy | 185 ms | 60 ms (3,1x) |
| P90 opóźnienia tworzenia | 447 ms | 89 ms (5,0x) |
Cohere publikuje wyniki Expedition Tiny Aya
15 lipca — Cohere Labs ujawnia wyniki Expedition Tiny Aya, programu badawczego z mentoringiem zbudowanego wokół Tiny Aya, jego otwartego i lekkiego modelu, który dobrze działa w ponad 70 językach i potrafi działać lokalnie, także na telefonie. Projekty społecznościowe obejmują edukację (offline’owy głosowy towarzysz dla dzieci z nowym benchmarkiem bezpieczeństwa), bezpieczeństwo wielojęzyczne (rozbieżne dopasowanie wyuczone w jednym języku może przenosić się na inny) oraz wdrożenia lokalne (kompresja świadoma języka, asystenci kwantyzowani do 4 bitów). Badania zostały przyjęte na konferencję COLM 2026.
“Tiny Aya is Cohere Labs’ answer to a familiar problem: most AI is built for a handful of languages and needs serious hardware to run. Tiny Aya is open-weight, strong across 70+ languages, and light enough to run locally, even on a phone.”
🇵🇱 Tiny Aya to odpowiedź Cohere Labs na znajomy problem: większość systemów AI jest projektowana dla garstki języków i wymaga wydajnego sprzętu. Tiny Aya jest otwarty, działa dobrze w ponad 70 językach i jest na tyle lekki, by działać lokalnie, nawet na telefonie. — Blog Cohere
Krótkie wiadomości
- Together AI poprawia niezawodność swoich GPU Clusters — pasywne kontrole stanu, kierowana naprawa węzłów, przebudowany stos Slurm i zewnętrzne wsparcie OIDC dla produkcyjnych klastrów GPU. 🔗 źródło
- HeyGen opisuje metodę „sześciu decyzji” do promptowania HyperFrames — dziesiąty odcinek codziennej serii poświęconej jego agentowi CLI do generowania wideo. 🔗 źródło
- Kling AI publikuje nowy odcinek swojej interaktywnej serii „Choose a door” — społeczność głosuje w komentarzach, aby pokierować dalszym ciągiem horroru „You Can Never Leave”. 🔗 źródło
- Pika MCP wychodzi ze statusu eksperymentalnego — połączenie Pika z agentami zewnętrznymi (Claude, Codex, OpenClaw, HermesAgent) jest teraz publicznie dostępne. 🔗 źródło
- OpenAI Developers uruchamia kbd-1.0-codex-micro — macropad z joystickiem zaprojektowany wspólnie z @work_louder do obsługi skrótów Codex, w limitowanej edycji. 🔗 źródło
- Cohere publikuje analizę całkowitego kosztu posiadania AI w przedsiębiorstwie — 92 do 96% organizacji wdrażających generatywną lub agentową AI mierzy się z wyższymi niż oczekiwano kosztami, według Gartner, IDC i McKinsey. 🔗 źródło
Co to oznacza
Bezpieczeństwo agentów staje się pełnoprawnym zadaniem inżynieryjnym, a nie myśleniem po fakcie. GPT-Red automatyzuje red teaming za pomocą auto-play i przekłada go na rzeczywiste przypadki na automacie vendingowym oraz agencie Codex CLI; CLI Claude Code v2.1.208 wzmacnia własne destrukcyjne komendy i narzędzie Agent przeciwko pośredniemu prompt injection; a agent do przeglądu kodu Warp świadomie wybiera dostęp tylko do odczytu, aby ograniczyć tę samą rodzinę ataków. Trzy niezależne inicjatywy, które zbiegają się do jednego wniosku: im bardziej agenci działają samodzielnie na rzeczywistych systemach, tym bardziej obrona przed prompt injection musi stawać się ciągłą, zautomatyzowaną dyscypliną, a nie jednorazową checklistą.
Ekosystem agentów do kodowania nadal zagęszcza się jednocześnie na wszystkich frontach. xAI otwiera kod źródłowy Grok Build i umożliwia całkowicie lokalne użycie, Devin instaluje się w Slacku, aby przechwytywać zgłoszenia, zanim staną się ticketami, Codex wdraża się w Chrome, by sterować zadaniami od początku do końca, a GitHub Copilot równolegle rozszerza ofertę BYOK i swojego agenta modernizacyjnego. Ta różnorodność strategii — otwarcie kodu, integracja z narzędziami komunikacji, autonomiczna nawigacja webowa, elastyczność dostawców modeli — pokazuje konkurencję, w której każdy gracz szuka innego punktu wejścia do codziennego przepływu pracy programistów, zamiast zbiegać się ku jednemu dominującemu modelowi.
Otwarte modele i infrastruktura, która je obsługuje, rozwijają się równolegle. Together AI ilustruje obie strony tego ruchu, obsługując Inkling już od pierwszego dnia i jednocześnie publikując TogetherLink, aby uruchamiać dowolny otwarty model w IDE, podczas gdy Ai2 zamyka SciArena po zebraniu prawie 3900 głosów badaczy na temat wiarygodności generowanych przez AI odpowiedzi naukowych. W tle eseje Google DeepMind o naukowym wąskim gardle walidacji oraz platforma sandboxowa SPACE od Perplexity stawiają to samo pytanie z dwóch różnych stron: jak w skali i bezpiecznie sprawdzać to, co produkują coraz bardziej autonomiczne agenty.
Jeśli chodzi o bardziej konsumenckie zastosowania, generatywna AI nadal wnika w coraz bardziej codzienne punkty wejścia — klawiatura iMessage dla Suno, edycja dokumentów Workspace dla Gemini Spark, dubbing wideo dla Synthesia. Temu zróżnicowaniu towarzyszy bardziej surowe przypomnienie po stronie przedsiębiorstw: analiza Cohere dotycząca całkowitego kosztu posiadania AI podkreśla, że 92 do 96% organizacji wydaje więcej niż zakładano, przypominając, że upowszechnienie agentów nie zwalnia z rygorystycznego zarządzania ekonomią infrastruktury leżącej pod spodem.
Źródła
- OpenAI — GPT-Red
- @OpenAI na X — GPT-Red
- @ClaudeDevs na X — artefakty MCP
- CHANGELOG Claude Code
- @OpenAIDevs na X — Codex w Chrome
- xAI — Grok Build jako open source
- @SpaceXAI na X — prywatność Grok Build
- Warp — samodoskonalący się agent do przeglądu kodu
- @cognition na X — Devin w Slacku
- GitHub Copilot w Visual Studio — aktualizacja z czerwca
- GitHub Copilot dla JetBrains — rozszerzenie BYOK
- @AIatMeta na X — Olimpiada Fizyki
- @huggingface na X — livestream nowego modelu
- @allen_ai na X — podsumowanie SciArena
- Together AI — wsparcie day-0 dla Inkling
- @nutlope na X — TogetherLink
- @GoogleDeepMind na X — Conjecture Machines
- Google DeepMind — Conjecture Machines (pełny esej)
- @GeminiApp na X — Gemini Spark
- @suno na X — klawiatura iMessage
- Synthesia — Dubbing 2.0
- @perplexity_ai na X — SPACE
- @cohere na X — Expedition Tiny Aya
- Blog Cohere — Tiny Aya in the wild
- Together AI — niezawodność GPU Clusters
- @HeyGen na X — HyperFrames Day 10
- @Kling_ai na X — Choose a door
- @pika_labs na X — Pika MCP
- @OpenAIDevs na X — kbd-1.0-codex-micro
- Blog Cohere — całkowity koszt posiadania AI