Szukaj

Model świata o 630 milionach parametrów generuje GTA V klatka po klatce, Devin pozwala konfigurować każde narzędzie MCP, Qwen Code przechodzi na v0.27.4

Artykuł wygenerowany przez sztuczną inteligencję
Model świata o 630 milionach parametrów generuje GTA V klatka po klatce, Devin pozwala konfigurować każde narzędzie MCP, Qwen Code przechodzi na v0.27.4

Firmy w tym wydaniu

Odznacz to, co Cię nie interesuje. Wybór obowiązuje we wszystkich wydaniach i zostaje na tym urządzeniu.

Duże laboratoria
Chiny
Narzędzia do kodowania
Inne

ai-powered-markdown-translator

Artykuł przetłumaczony z francuskiego na polski za pomocą gpt-6.1-sol.

Zobacz projekt na GitHubie ↗

Na blogu społeczności Hugging Face Abhishek Sensharma publikuje model świata (world model), który generuje GTA V klatka po klatce na podstawie klawiszy naciskanych przez gracza, z wagami udostępnionymi na licencji Apache-2.0. Wśród agentów programistycznych Devin pozwala konfigurować każde narzędzie MCP, Qwen Code v0.27.4 udostępnia foldery lokalne swojemu zarządzanemu agentowi, a wersja zapoznawcza Codex CLI przekazuje koszt i limity użytkowania do wierszy stanu dostarczanych przez serwer MCP. Wiadomości uzupełniają model do tłumaczenia języka naxi oraz ukryty weryfikator zaprezentowany na hackathonie Lexsi Labs.


Model świata o 630 milionach parametrów generuje GTA V klatka po klatce na podstawie klawiszy naciskanych przez gracza

15 listopada — Pod pseudonimem lucidml Abhishek Sensharma publikuje model świata GTA V, model Transformer wytrenowany, jak twierdzi, od zera: na podstawie początkowej klatki i klawiszy WASD generuje grę klatka po klatce, bez silnika gry. Wagi i kod inferencji są dostępne na licencji Apache-2.0 wraz z grywalnym demo; kod treningowy nie został udostępniony. Model zachowuje w całości dwie ostatnie klatki, a ze starszych przechowuje tylko podsumowanie, które sam tworzy.

Cecha modeluWartość według autora
Parametry630 205 008
Podsumowanie starszej klatki96 tokens, zamiast 1 008
Dane do dostrajaniaokoło 800 godzin rozgrywki

Projekt indywidualny, niepowiązany z Rockstar Games. Autor zaznacza, że z powodu ograniczonego budżetu trening checkpointu nie osiągnął zbieżności, a model nie utrzymuje jeszcze kontekstu przez długi czas.

🔗 Wpis lucidml (Hugging Face)


W skrócie

Agenci programistyczni i CLI

  • Codex CLI 0.171.0-alpha.6 — Informacje o tej wersji zapoznawczej są puste; z jej 73 commitów od wersji alpha.5 wynika, że wiersze stanu dostarczane przez serwer MCP otrzymują teraz dane o zużytych tokenach, wykorzystaniu kontekstu, szacowanym koszcie i limitach użytkowania Codex. Najnowszą wersją stabilną pozostaje 0.169.0 z 13 listopada. 🔗 źródło
  • Qwen Code v0.27.4 — Dwa dni po v0.27.3 ta stabilna wersja dodaje webhooki Feishu i WeCom obsługujące wyłącznie wysyłanie, udostępnia sesjom zarządzanego agenta (Managed Agent) foldery lokalne przyznane z poziomu przeglądarki, a tryb Auto sprawdza, czy ryzykowne działania zostały wyraźnie autoryzowane. Wśród 91 pozycji nie ma znanych zmian naruszających zgodność wsteczną. 🔗 źródło
  • Informacje o wydaniu Devin z 11 listopada — Devin może sam ustawiać sobie przypomnienia o wznowieniu zadania później, również w sesjach uruchamianych przez automatyzacje; tryb projektowania (Design Mode) obsługuje odręczne adnotacje w pięciu kolorach, a opcja w profilach bezpieczeństwa wymusza pytanie o zgodę przed wczytaniem treści zewnętrznych. 🔗 źródło
  • Informacje o wydaniu Devin z 12 listopada — Każde narzędzie serwera MCP można teraz ustawić jako dozwolone, wymagające zatwierdzenia lub zablokowane (Allow, Needs approval, Block); przeprojektowana strona Devin Review staje się dostępna dla wszystkich organizacji, a Devin w zamkniętej wersji beta importuje ustalenia z Veracode i Black Duck. 🔗 źródło

Otwarte modele i badania

  • Tłumaczenie języka naxi — Andrew Peters (antropologia, Harvard) dostraja Qwen3.5-4B-Base na około 50 000 wierszy dla tego języka, którym posługuje się około 300 000 osób, ze słownikiem liczącym 3 619 haseł. Według autora poprawa względem zastąpionego modelu nie jest istotna, a 276 z 446 testowanych wierszy pokrywa się z danymi treningowymi. Licencja CC BY-NC 4.0. 🔗 źródło
  • Harel na hackathonie Lexsi Labs — Weryfikator niewidoczny dla agenta zatwierdza tylko 4 z 11 zadań (spośród 24), w których agent przechodzi widoczne testy; po jednej rundzie DPO odsetek zaliczonych testów wzrasta z 45 do 55 % na ośmiu zadaniach odłożonych do ewaluacji, ale odsetek zatwierdzonych odpowiedzi pozostaje na poziomie 12 %, według autorów. 🔗 źródło

Co to oznacza

Wpis lucidml stawia pamięć w centrum grywalnego modelu świata. Według autora przechowywanie całej historii w pełnej rozdzielczości wymagałoby zbyt wielu obliczeń, by zachować grywalność; w rozwiązaniu, które nazywa Summaryformer, starsze klatki pozostają jedynie w postaci podsumowań, początkowa klatka służy jako stały punkt odniesienia, a bufor uwagi mieści 6 528 kluczy zamiast 26 208, czyli około cztery razy mniej. Autor ostrożnie ocenia wynik: checkpoint nie osiągnął zbieżności, kontekst wciąż jest krótki, sesja domyślnie kończy się po 180 sekundach, a każdy gracz potrzebuje osobnego GPU CUDA.

Projekt pokazuje też, co może opublikować pojedynczy autor: model, który według jego słów został wytrenowany od zera, jego wagi na liberalnej licencji i grywalne demo, ale bez kodu treningowego, co ogranicza możliwość odtworzenia wyników do inferencji. Dwa inne wpisy społeczności z 15 listopada wykazują podobną ostrożność: autor modelu naxi sam zwraca uwagę na zanieczyszczony zbiór testowy, a autorzy Harel zaznaczają, że przeprowadzono tylko jedną rundę DPO, bez strojenia. We wszystkich trzech przypadkach liczby pochodzą od autorów.

W przypadku agentów programistycznych aktualizacje dają użytkownikowi większą kontrolę nad działaniami agenta i ich kosztem. Devin pozwala teraz konfigurować każde narzędzie MCP osobno, tryb Auto w Qwen Code sprawdza, czy ryzykowne działania zostały wyraźnie autoryzowane, a Codex CLI, wciąż w wersji zapoznawczej, przekazuje koszt i limity użytkowania do wierszy stanu dostarczanych przez serwer MCP. Wynik Harel przypomina, dlaczego te mechanizmy kontroli mają znaczenie: zaliczone testy nie dowodzą poprawności kodu.


Źródła