OpenAI i NVIDIA zabezpieczają 8 GW-IT w Ohio, Cursor uruchamia Origin, GitHub przyspiesza wyszukiwanie kodu

17 sierpnia 2026 roku OpenAI i NVIDIA wspólnie zabezpieczają ogromny ośrodek infrastruktury AI w Ohio, podczas gdy Cursor uruchamia w wersji beta własną platformę hostingu kodu, Origin. Wokół tych dwóch głównych ogłoszeń DeepSeek V4 Pro kontynuuje wdrażanie u wielu dostawców, GitHub szczegółowo opisuje swoje agentowe canvasy i spektakularną optymalizację wyszukiwania kodu, a Google uruchamia Sheets canvas, aby przekształcać arkusze kalkulacyjne w miniaplikacje.

OpenAI i NVIDIA zabezpieczają ośrodek AI o mocy 8 GW-IT w Ohio

17 sierpnia — OpenAI, NVIDIA i SB Energy ogłaszają tego samego dnia, z dwóch uzupełniających się perspektyw, wspólną umowę mającą zabezpieczyć ogromny ośrodek infrastruktury AI na kampusie technologicznym PORTS-Pike w hrabstwie Pike (Ohio) — dawnym zakładzie dyfuzji gazowej w Portsmouth. NVIDIA i SB Energy zabezpieczają zasoby gruntowe, energetyczne i budynkowe (land, power and shell) dla początkowego wdrożenia o mocy 4,25 gigawata, z możliwością rozszerzenia o dodatkowe 3,75 gigawata, w ramach 20-letniej, etapowanej umowy obejmującej lata 2028–2030. OpenAI, jako najemca i operator, celuje łącznie w około 8 gigawatów-IT przy wsparciu amerykańskiego Departamentu Energii (DOE).

Projekt ma stworzyć 35 000 miejsc pracy w budownictwie w ciągu sześciu lat, a następnie 2 500 długoterminowych miejsc pracy operacyjnych. Chłodzenie będzie odbywać się w obiegu zamkniętym i za pomocą powietrza, z recyrkulacją wody. OpenAI inwestuje 40 milionów dolarów w lokalny fundusz społecznościowy (oprócz 40 milionów już zadeklarowanych przez SB Energy) oraz udostępnia do 84 milionów dolarów kredytów Codex dla około 844 000 uprawnionych studentów z Ohio w roku akademickim 2026–2027. Po stronie NVIDIA każda generacja GPU wdrażana na tym terenie może odpowiadać około 1,5 miliona układów, czyli 150–200 miliardom dolarów przychodów — w ramach zobowiązania obliczeniowego OpenAI/NVIDIA do 2030 roku szacowanego na 12–16 gigawatów (około 600 miliardów dolarów).

Metryka	Wartość
Docelowa moc (OpenAI)	~8 GW-IT
Moc początkowa (NVIDIA/SB Energy)	4,25 GW (+3,75 GW do rozszerzenia)
Czas trwania umowy LPS	20 lat, etapami 2028–2030
Miejsca pracy w budownictwie	35 000 w ciągu 6 lat
Kredyty Codex dla studentów z Ohio	do 84 mln $ dla ~844 000 studentów
Zobowiązanie OpenAI/NVIDIA do 2030	12–16 GW (~600 mld $)

“OpenAI has entered into an agreement to secure approximately 8 gigawatts-IT at the PORTS-Pike Technology Campus in Pike County, Ohio, working with SB Energy, NVIDIA, and the U.S. Department of Energy.”

🇵🇱 OpenAI zawarło umowę, aby zabezpieczyć około 8 gigawatów-IT na kampusie technologicznym PORTS-Pike w hrabstwie Pike w Ohio, we współpracy z SB Energy, NVIDIA i amerykańskim Departamentem Energii. — OpenAI, komunikat oficjalny

🔗 NVIDIA — zabezpieczanie infrastruktury inteligencji

Cursor uruchamia Origin, swoją platformę hostingu kodu

17 sierpnia — Cursor uruchamia w wersji beta Origin, platformę hostingu repozytoriów zintegrowaną bezpośrednio z edytorem, zaprojektowaną z myślą o skali agentów (agent scale), a nie jako zwykły konkurent GitHub. Start obejmuje wszystkich subskrybentów planów płatnych, z możliwością rezygnacji dla organizacji enterprise.

Repozytoria tworzone w Origin są dostępne pod adresami URL cursor.com/codebase/[nom], a równolegle nadal można synchronizować istniejące repozytoria GitHub — w czasie rzeczywistym, przy czym GitHub pozostaje źródłem prawdy dla pushy. W przypadku pull requests Cursor oferuje pełne doświadczenie (timeline, commity, checki, diffy) z dwukierunkową synchronizacją: komentarz opublikowany w Cursor pojawia się na GitHubie w ciągu kilku sekund. Agenty AI mogą odpowiadać na pytania dotyczące kodu, wprowadzać zmiany, aktualizować pull requesty i wypychać gałęzie bezpośrednio z widoku repozytorium.

Cursor nawiązał przed premierą partnerstwa integracyjne z Vercel (wdrożenia podglądowe), Depot i Buildkite (CI/CD zgodne z istniejącymi workflowami GitHub Actions), a kolejne integracje mają zostać ogłoszone później.

“Origin, our code hosting platform, is now live. It’s fast, easy to use, and deeply integrated with Cursor. Get started by syncing your repos from GitHub.”

🇵🇱 Origin, nasza platforma hostingu kodu, jest już dostępna online. Jest szybka, łatwa w użyciu i głęboko zintegrowana z Cursorem. Aby zacząć, zsynchronizuj swoje repozytoria z GitHuba. — @cursor_ai na X

🔗 Dziennik zmian Cursor — hosting kodu Origin

Replit wzmacnia bezpieczeństwo dzięki black-box pen testom

17 sierpnia — Replit dodaje do swojej oferty bezpieczeństwa black-box pen testy (testy penetracyjne w czarnej skrzynce), uzupełniając już dostępne skany white-box. Skaner działa przez sieć i interfejs przeglądarkowy aplikacji, najpierw zachowując się jak nieuwierzytelniony odwiedzający, a następnie jak zwykły uwierzytelniony użytkownik, ujawniając rzeczywiste funkcje, także te bez widocznego przycisku.

Według Replit wyniki obu podejść rzadko się pokrywają: black-box wykrył niezabezpieczone pulpity administracyjne i podatne na odmowę usługi punkty końcowe, których white-box nie zauważył, podczas gdy white-box zidentyfikował błędy logiki autoryzacji niewidoczne z zewnątrz. W Security Center każdego projektu oferowane są trzy poziomy: poziom 1 bezpłatny (sprawdzanie zależności), poziom 2 (skan white-box) i poziom 3 (połączenie obu). Gdy podatność zostanie potwierdzona, Replit Agent może naprawić ją jednym kliknięciem.

🔗 Ogłoszenie Replit — black-box pen tests

Otwarte modele i inferencja: DeepSeek, Yutori, alokacja GPU

Trzy publikacje dotyczące ekosystemu Together AI i Hugging Face ilustrują trwającą walkę o koszt i efektywność inferencji.

DeepSeek V4 Pro 0813: wdrożenie u wielu dostawców i benchmark DeepSWE

16 sierpnia — DeepSeek V4 Pro, którego premiera w otwartych wagach była już opisana 13 sierpnia, kontynuuje wdrażanie w rewizji „0813”: Together AI i Novita potwierdzają jego obsługę, wraz z architekturą 1,6T parametrów typu mixture-of-experts (Mixture of Experts), oknem kontekstu 1M tokenów oraz trzema trybami rozumowania (kodowanie, agenci, złożone rozumowanie). W benchmarku inżynierii oprogramowania DeepSWE Together AI mierzy wynik 88,5% pass@4 przy koszcie 0,24 $ za zadanie — 35 razy taniej niż GPT-5.6 Sol i 90 razy taniej niż Fable 5.

🔗 Together AI — DeepSeek V4 Pro 0813

Yutori wdraża swój model agentów Navigator na Together AI

16 sierpnia — Together AI promuje Navigator, model agentów do nawigacji po sieci (browser-use) autorstwa startupu Yutori. Agenty te działają w ciasnych pętlach — zrzut ekranu, akcja, powtórzenie, czasem kilkadziesiąt razy na zadanie — co sprawia, że koszt inferencji jest szczególnie istotny. Według Together AI Navigator przewyższa wydajność modeli referencyjnych, a jednocześnie jest dwa razy szybszy w inferencji i 4–5 razy tańszy.

🔗 Together AI — Yutori Navigator

Ograniczony alokator GPU odzyskuje do 33 punktów wykorzystania klastra

17 sierpnia — Zespół Dharma-AI publikuje na Hugging Face drugą część swojego badania nad zarządzaniem klastrami GPU. Ich „ograniczony alokator GPU” zastępuje planowanie FIFO optymalizacją w 24-godzinnym horyzoncie, respektując ciągłość GPU i krzywe popytu w czasie rzeczywistym. W siedmiu testowanych scenariuszach wzrosty wykorzystania wynoszą od 51,6% do 72,4% w trybie mieszanym, aż do 53,6% do 87,0% przy obciążeniach treningowych. Test z jednolitą priorytetyzacją potwierdza wzrost o 23,1% niezależny od sygnału priorytetu, a klaster 64 GPU utrzymuje wzrost wartości o 15,9% przy opóźnieniu alokacji 15 ms.

🔗 Hugging Face — alokator GPU Dharma-AI

Gemini: Sheets canvas zamienia arkusze kalkulacyjne w miniaplikacje

17 sierpnia — Google uruchamia Sheets canvas, które opiera się na Gemini 3.7 Flash, aby przekształcić klasyczny arkusz Google Sheets w interaktywną miniaplikację bez pisania kodu. W przeciwieństwie do typowych narzędzi prototypowych, które generują sztywny interfejs na podstawie statycznego eksportu, Sheets canvas natywnie analizuje schemat arkusza (kolumny, typy danych, relacje), aby zbudować funkcjonalne komponenty interfejsu — na przykład tabela symulacyjna „co jeśli” staje się zestawem suwaków dostosowujących prognozy finansowe na żywo.

Podkreślaną cechą jest dwukierunkowa synchronizacja: interakcje w miniaplikacji są odzwierciedlane w czasie rzeczywistym w podstawowym arkuszu i odwrotnie. Użytkownik może następnie dopracować aplikację zwykłą rozmową, a Gemini zachowuje kontekst, aby iterować bez zaczynania od zera. Sheets canvas jest dostępny już teraz dla subskrybentów Google AI Pro i Ultra, a wdrożenie zapowiedziano także dla kont Google Workspace business i edukacyjnych w wybranych planach.

🔗 Google AI — ogłoszenie Sheets canvas

GitHub Copilot: canvasy, wyszukiwanie kodu i konfigurowalne recenzje

GitHub publikuje trzy techniczne i produktowe ogłoszenia między 16 a 17 sierpnia, dotyczące sterowania workflowami agentowymi i wydajności własnego silnika wyszukiwania.

Canvasy sprawiają, że workflowy agentowe są widoczne i sterowalne

17 sierpnia — GitHub opisuje szczegółowo „canvasy”, trwałą i współdzieloną przestrzeń roboczą w aplikacji Copilot do śledzenia złożonych workflowów agentowych bez gubienia ich w przewijaniu czatu. Podejście opiera się na czterech zasadach: zdefiniować stan workflowu, uwidaczniać punkty decyzyjne, natychmiast utrwalać postępy i zachować wyraźne punkty ludzkiej akceptacji. Dwa konkretne canvasy ilustrują to podejście — „Java Modernization Studio”, organizujące migrację w fazach (ocena, naprawa, walidacja, dostarczenie), oraz „Site Studio”, zarządzające tworzeniem treści z edytowalnymi sekcjami i śledzeniem rewizji — oba publiczne w repozytorium awesome-copilot. Autor wspomina o koszcie rzędu 2 000–3 000 kredytów AI na canvas.

🔗 GitHub — jak canvasy sprawiają, że workflowy agentowe są sterowalne

Wyszukiwanie kodu: case-folding działa z prędkością ponad 45 GiB/s na jednym rdzeniu

16 sierpnia — GitHub publikuje studium optymalizacji case-foldingu (normalizacji wielkości liter do porównywania bez uwzględniania wielkości liter) w swoim silniku wyszukiwania Blackbird, który indeksuje ponad 180 milionów repozytoriów i 480 TB kodu. Najbardziej znacząca optymalizacja jest nieintuicyjna: usunięcie gałęzi wczesnego wyjścia zamiast dodania kolejnej, co pozwala LLVM w pełni zwektoryzować pętlę przy użyciu instrukcji NEON.

Wersja	Przepustowość
Naiwna (z wczesnym wyjściem)	3,1 GiB/s
Pętla całkowicie bez gałęzi	ponad 45 GiB/s
Najgorszy przypadek (pełny folding, nie-ASCII)	869 MiB/s

Zespół publikuje wynik w postaci open source’owej biblioteki Rust o nazwie casefold.

“GitHub case-folds every byte of code search at over 45 GiB/s on one core. The biggest win came from removing an early-exit branch, not adding one.”

🇵🇱 GitHub stosuje case-folding do każdego bajtu swojego wyszukiwania kodu z prędkością ponad 45 GiB/s na jednym rdzeniu. Największy zysk przyniosło usunięcie gałęzi wczesnego wyjścia, a nie jej dodanie. — @github na X

🔗 GitHub — case-folding kodu źródłowego z prędkością pamięci

Copilot code review: głębokość Balanced trafia do ogólnej dostępności

16 sierpnia — GitHub Copilot pozwala teraz wybierać głębokość automatycznych przeglądów kodu dla pull requestów: „Balanced” (głębsza analiza, złożone zmiany) trafia do ogólnej dostępności, obok „Lite” (proste, szybkie do zatwierdzenia zmiany). Ustawienie można zdefiniować domyślnie na poziomie organizacji lub repozytorium albo wybrać jednorazowo podczas zgłaszania prośby o recenzję dla danej PR.

🔗 GitHub — głębokość Balanced w ogólnej dostępności

OpenAI: defensywne cyberbezpieczeństwo i wzrost efektywności GPT-5.6 Sol

The Defender’s Window — strategia defensywnego cyberbezpieczeństwa OpenAI

17 sierpnia — Greg Brockman, prezes OpenAI, wraca do incydentu bezpieczeństwa OpenAI-Hugging Face, przedstawianego jako punkt zwrotny: kolektyw agentowy połączył wiele podatności, aby przeniknąć do infrastruktury badawczej OpenAI oraz infrastruktury produkcyjnej innej firmy. OpenAI przypomina, że ograniczyła rozpowszechnianie swoich możliwości cyber do „zaufanych obrońców”, ale zauważa, że inne laboratoria publikują modele w otwartych wagach o ofensywnych możliwościach bliskich granicy — najnowszy przywołany przykład to GLM-5.3 od Z.ai, oczekiwany pod koniec sierpnia. OpenAI szkoli teraz swoje modele, aby tworzyły kod „superludzko bezpieczny”, i opiera się na ich zdolnościach do dowodzenia matematycznego, aby formalnie weryfikować bezpieczeństwo oprogramowania.

Konkretny przykład: po incydencie Brockman poprosił ChatGPT Work (GPT-5.6 Sol) o audyt bezpieczeństwa własnej witryny. W około 15 minut narzędzie wykryło 13 problemów — źle skonfigurowany DNS umożliwiający podszywanie się pod e-maile, przestarzały jQuery, niezabezpieczony ruch Cloudflare→AWS — a następnie naprawiło je w około godzinę, bez większej interwencji człowieka.

🔗 OpenAI — The Defender’s Window

GPT-5.6 Sol — wzrost efektywności mierzony u klientów i w ARC-AGI-3

17 sierpnia — Dzięki retained reasoning i kompresji wynik GPT-5.6 Sol w ARC-AGI-3 wzrósł z 13,3% do 38,3%, przy jednoczesnym zużyciu około 6 razy mniejszej liczby tokenów wyjściowych. Dwa konkretne przykłady klientów: startup nieruchomościowy hypha_ai zachował 98% dokładności GPT-5.5, jednocześnie obniżając koszt 18-krotnie po przejściu na GPT-5.6 Luna, a RogoAI (badania finansowe) użył programatycznego wywoływania narzędzi, aby dorównać jakości swoich ocen przy 21% mniejszej liczbie tokenów wejściowych.

🔗 OpenAI Devs — wzrost efektywności GPT-5.6 Sol

Generowanie mediów: ElevenLabs w Claude, Seedance 2.5 w Pika i Luma

ElevenLabs uruchamia swój serwer MCP, dostępny bezpośrednio w Claude

17 sierpnia — ElevenLabs udostępnia oficjalny serwer MCP (Model Context Protocol) do zarządzania swoimi agentami głosowymi i czatowymi bezpośrednio z poziomu Claude, bez opuszczania środowiska pracy: przeglądanie ostatnich wyników, tworzenie nowych agentów, aktualizowanie konfiguracji, szacowanie kosztu w tokenach LLM przed zatwierdzeniem zmiany. Uwierzytelnianie odbywa się przez OAuth, bez serwera do hostowania i bez kluczy API do zarządzania, a zespołowi pozostawia się kontrolę nad tym, co agenci mogą faktycznie przeglądać lub modyfikować.

🔗 ElevenLabs — ogłoszenie serwera MCP

Seedance 2.5 w 1080p trafia do Pika API Club i Luma z upscalingiem do 4K

17 sierpnia — Po wczesnym dostępie na Runway 15 sierpnia, Seedance 2.5 w rozdzielczości 1080p kontynuuje wdrażanie u partnerów zewnętrznych. Pika Labs udostępnia go poprzez swój Pika API Club, oferując cenę nawet o 60% niższą niż konkurencja. Luma Labs ogłasza tego samego dnia dostępność Seedance 2.5 w 1080p, z dodatkową funkcją: upscalingiem do 4K bezpośrednio na swojej platformie.

🔗 Pika Labs — Seedance 2.5 na Pika API Club

Krótkie wiadomości

ABC Legal wdraża ponad 50 agentów z Claude Managed Agents — 1 100 pracowników, nawet do 50% redukcji kosztów przy niektórych zadaniach prawnych, tygodniowa pętla informacji zwrotnej przez Slack i pull requesty. 🔗 Claude
Zespół Diffusers w Hugging Face integruje cztery nowe otwarte modele w ciągu tygodnia — MiniMax H3 (wideo/audio), LTX2.5 (wideo/audio), Wan Animate 2 i MiniMax Music 3. 🔗 Tweet
datatrove 0.10.0 uruchamia pipeline’y na Hugging Face Jobs bez klastra Slurm — nowe JobsPipelineExecutor i obsługa bucketów pamięci Hugging Face jako DataFolder. 🔗 Tweet
Together AI hostuje modele generowania kodu od Relace AI — wytrenowane na dedykowanych klastrach GPU w programie Y Combinator. 🔗 Tweet
Na ICML Tri Dao podkreśla, że otwarte modele zbliżają się do zamkniętych laboratoriów — teraz to zaledwie kilkumiesięczne opóźnienie, napędzane postępami w stosie serwisowym (jądra, silniki inferencji, speculative decoding). 🔗 Tweet
Google, Gemini i Pixel oficjalizują partnerstwo z pięcioma europejskimi klubami piłkarskimi — Arsenal, FC Barcelona, Bayern Monachium, Liverpool i PSG, z zobowiązaniem do równoważnej widoczności dla kobiecej piłki nożnej. 🔗 Google
OpenClaw: teaser GitHub na X — konto GitHub wspomina o projekcie o nazwie OpenClaw bez dodatkowych dostępnych szczegółów. 🔗 Tweet
MiniMax-H3 deklaruje zysk 4,44x na RTX 4090 — nowe jądro CuTe DSL dedykowane SM89 dla mechanizmu uwagi Sol-Attn. 🔗 Tweet
Alibaba organizuje sesję na żywo z twórcami Wan3.0 19 sierpnia — z partnerami Magnific, fal, OpenArt i KoyalAI, o 15:00 UTC. 🔗 Tweet
Kling prezentuje efekt „Hitchcock Zoom” — nowy efekt generowania wideo inspirowany przeciwstawnym zoom-trackingiem spopularyzowanym przez Alfreda Hitchcocka. 🔗 Tweet
MiniMax H3 -50% na generowanie 2K przez Magnific do 1 września — zniżka ogłoszona podczas wydarzenia w San Francisco. 🔗 Tweet
GPT-5.6 Sol za pół ceny w AI Gateway (Vercel) i OpenRouter — tymczasowe promocje 50% do 18 września 2026, stosowane automatycznie do użycia. 🔗 Tweet
OpenAI finansuje 14 projektów badawczych dotyczących polityk publicznych na erę AI — 1 milion dolarów finansowania i do 1 miliona dolarów kredytów API, rozdzielonych na 5 krajów/regionów. 🔗 OpenAI
Codex wyróżniony dzięki opiniom z użycia — twórca treści (ponad 1,5 miliona subskrybentów) prowadzi swoją działalność z Codexem, a pracownik OpenAI używa go jako wewnętrznego asystenta do montażu wideo. 🔗 Tweet

Co to oznacza

Skala infrastruktury AI przekracza kolejny fizyczny i finansowy próg. Ośrodek w Ohio łączy sam w sobie docelowe 8 gigawatów-IT, 35 000 miejsc pracy w budownictwie i zobowiązanie obliczeniowe OpenAI/NVIDIA szacowane na 600 miliardów dolarów do 2030 roku — to przedsięwzięcie porównywane już z krajowymi projektami przemysłowymi lub energetycznymi, a nie z prostym data center. Mechanika finansowania ujawniona przez NVIDIA (częściowe wsparcie płatności za leasing i energię zamiast pełnego finansowania) pokazuje też, że nawet największe laboratoria AI muszą opierać się na specjalistycznych konstrukcjach finansowych, aby udźwignąć taki poziom wydatków.

Hostowanie kodu samo staje się polem bitwy agentowej. Cursor uruchamia Origin, aby nie zależeć już od GitHub w infrastrukturze napędzającej jego agentów, GitHub odpowiada canvasami, by workflows agentowe były sterowalne zamiast ginąć w czacie, a Replit dodaje black-box pen testy, aby jego własny Agent mógł naprawiać to, co wykryje, jednym kliknięciem. We wszystkich trzech przypadkach cel jest wspólny: dać agentom bezpośredni i bezpieczny dostęp do cyklu życia kodu, a nie tylko do jego generowania.

Koszt inferencji nadal spada szybciej, niż rosną możliwości. DeepSeek V4 Pro obsługuje DeepSWE 35 razy taniej niż GPT-5.6 Sol, Yutori Navigator działa 4 do 5 razy taniej niż modele referencyjne, a sam GPT-5.6 Sol poprawia się z 13,3% do 38,3% na ARC-AGI-3, zużywając 6 razy mniej tokenów — w tym samym tygodniu, w którym Tri Dao zauważa na ICML, że otwarte modele domykają lukę jakościową w ciągu kilku miesięcy. Alokator GPU pod ograniczeniami Dharma-AI dodaje jeszcze jeden wymiar: część tych zysków nie wynika już z modelu, lecz z samego harmonogramowania klastrów.

Wreszcie, rygor techniczny ponownie staje się samodzielnym argumentem komunikacyjnym. GitHub zwiększa 15-krotnie przepustowość wyszukiwania kodu, usuwając kod zamiast go dodawać, a OpenAI szczegółowo opisuje, jak audyt bezpieczeństwa przeprowadzony przez GPT-5.6 Sol naprawił 13 rzeczywistych luk w ciągu godziny — dwa różne sposoby pokazania, na podstawie liczb, że dopracowana inżynieria nadal odróżnia zapowiedź produktu od demonstracji kompetencji.