ai-powered-markdown-translatorArtykuł przetłumaczony z francuskiego na polski za pomocą gpt-6.1-sol.
Google wprowadza Gemini 4 Neon, model plasujący się między Carbon a Hydrogen, wyceniony na 3 i 15 dolarów za milion tokenów, zajmujący 1. miejsce w Artificial Analysis Coding Agent Index i będący nowym domyślnym modelem Antigravity. OpenAI informuje, że wstrzymuje udostępnianie modeli takich jak GPT-6.1 Astra, gdy potrzebuje więcej czasu na spełnienie swoich standardów bezpieczeństwa, i pokazuje, że jego modele znalazły sposoby na poprawę PPA nawet o 14 % w IP flagowego GPU AMD. Genie 4 trafia do Project Genie dla abonentów Google AI Ultra, Claude Code 2.1.327 naprawia 100 problemów, a Perplexity udostępnia Context API za 1 dolara za 1 000 adresów URL.
Gemini 4 Neon: pośredni model Google za 3 i 15 dolarów za milion tokenów
18 listopada — Google DeepMind wprowadza Gemini 4 Neon, nowy model z rodziny Gemini 4 po Argon, Carbon i Hydrogen, plasujący się między Carbon, przeznaczonym do najdłuższych i najtrudniejszych projektów, a Hydrogen, służącym do szybkiego wykonywania codziennych zadań. Model gemini-4-neon jest ogólnie dostępny w płatnym API: 3 dolary za milion tokenów wejściowych (0,15 dolara w cache), 15 dolarów za tokeny wyjściowe, kontekst o pojemności 1 miliona tokenów i cztery poziomy rozumowania, od low do xhigh.
| Indeks lub benchmark przywołany przez Google | Wynik Gemini 4 Neon |
|---|---|
| Artificial Analysis Intelligence Index | 61 w xhigh, 3. miejsce ogółem |
| Artificial Analysis Coding Agent Index | 58,6, 1. miejsce |
| Vals Index | 70,9 %, 2. miejsce |
| Agent Arena Index (Arena) | 1336, 2. miejsce |
| Terminal-Bench 4.1 | 65,2 % |
| SWE-sweep (środowisko testowe mini-SWE, następnie Antigravity) | 12,8 %, następnie 39,0 % |
Google podkreśla przede wszystkim koszt wykonania zadania: przy ustawieniu high jest on o 32 % niższy niż w Carbon i od 50 do 80 % niższy niż w najlepszych modelach konkurencji w Vals i Agent Arena. Glean twierdzi, że zmierzył jakość równą Carbon lub wyższą, przy trzykrotnie większej szybkości i za 60 % kosztu. W przeliczeniu na token Neon pozostaje jednak droższy od Carbon, który zachowuje cenę premierową 2 i 10 dolarów do 30 listopada, po czym wzrośnie ona do 4 i 20 dolarów. Wariant „Gemini 4 Neon for cyber” trafi w najbliższych dniach do obrońców uczestniczących w Fairwind Program.
Wdrażanie rozpoczyna się tego samego dnia: w płatnym API (AI Studio, Android Studio), Gemini for business, aplikacji Gemini dla abonentów Google AI Pro i Ultra, gdzie Tasks mogą teraz działać na Neon, oraz Antigravity dla abonentów płatnych planów Pro i Ultra. Neon staje się tam domyślnym modelem nowych rozmów, jeśli nie wybrano żadnego modelu, z kontekstem o pojemności 512K tokenów, a opcja Orchestrator (Neon) powierza mu planowanie, pozostawiając wykonanie Hydrogen.
Gemini 4 Neon is rolling out now. Sitting between Carbon and Hydrogen, it brings frontier intelligence and fast task completion for complex software engineering, knowledge work, and science.
🇵🇱 Trwa wdrażanie Gemini 4 Neon. Plasując się między Carbon a Hydrogen, zapewnia najnowocześniejszą inteligencję i szybkie wykonywanie zadań z zakresu złożonej inżynierii oprogramowania, pracy intelektualnej i nauki. — @GoogleDeepMind na X
🔗 Wpis Google o Gemini 4 Neon · Modele dostępne w Antigravity
Bezpieczeństwo najbardziej zaawansowanych modeli: OpenAI opisuje zarządzanie ryzykiem i informuje o wstrzymaniu udostępnienia GPT-6.1 Astra
18 listopada — Wpis OpenAI o zarządzaniu ryzykiem związanym z najbardziej zaawansowanymi modelami rozpoczyna się od modelu, którego udostępnienie wstrzymano:
We are pacing the development and release of our models, including pausing internal training or holding back models like GPT‑6.1 Astra when we need more time to meet our safety standards.
🇵🇱 Regulujemy tempo rozwoju i udostępniania naszych modeli, włącznie ze wstrzymywaniem wewnętrznych treningów lub udostępniania modeli takich jak GPT-6.1 Astra, gdy potrzebujemy więcej czasu, aby spełnić nasze standardy bezpieczeństwa. — OpenAI, wpis o zarządzaniu ryzykiem związanym z najbardziej zaawansowanymi modelami
Wpis nie podaje więcej informacji o tym modelu. Ramy postępowania łączą cztery warstwy ochrony na trzech etapach. Na etapie badań trening najbardziej zaawansowanych modeli odbywa się bez dostępu do rzeczywistego internetu od czasu incydentu Hugging Face w lipcu; każde uruchomienie inferencji najbardziej zaawansowanych modeli jest tam monitorowane, z automatycznym wstrzymaniem, jeśli model uzyska dostęp do internetu. Przy wdrożeniu wewnętrznym, gdy modele mają dostęp do internetu, Slack i kodu OpenAI, od pracowników korzystających z Codex zazwyczaj wymaga się Auto-Review. Przy wdrożeniu zewnętrznym dochodzą testy prowadzone przez podmioty trzecie i kontrola offline przeprowadzana przez agentów dochodzeniowych oraz ludzi. Każdy pracownik może zgłosić incydent, aby został podany do publicznej wiadomości.
Projektowanie układów scalonych: modele OpenAI poprawiają PPA flagowego GPU AMD nawet o 14 % oraz usprawniają układ Jalapeño
18 listopada — We współpracy z AMD modele OpenAI znalazły sposoby na poprawę PPA (poboru mocy, wydajności i powierzchni) nawet o 14 % w IP flagowego GPU AMD względem już mocno zoptymalizowanych rozwiązań bazowych, przepisując kod opisujący obwody (RTL SystemVerilog). AMD wdrożyło już część tych zmian w projekcie skierowanym do produkcji, a każdą modyfikację zweryfikowano narzędziami Synopsys.
| Układ lub obszar testów | Wynik ogłoszony przez OpenAI |
|---|---|
| IP flagowego GPU AMD | poprawa PPA nawet o 14 % w mniej niż 5 miesięcy |
| Przyszły flagowy CPU AMD | jednocyfrowe korzyści w kluczowych blokach |
| Jalapeño, jednostka wektorowa | powierzchnia komórek mniejsza o około 13 % |
| Jalapeño, jednostka macierzowa | powierzchnia komórek mniejsza o około 10 % |
W przypadku Jalapeño, układu OpenAI do inferencji, korzyści oszacowane przez zespół zostały potwierdzone na krzemie. Następny krok: GPT-Synopsys, model wytrenowany wspólnie z Synopsys na potrzeby jego narzędzi do projektowania elektroniki.
🔗 Wpis OpenAI o projektowaniu układów scalonych
Interaktywne światy i wideo: Genie 4 w Project Genie, Pika Enact
Genie 4 trafia do Project Genie dla abonentów Google AI Ultra
18 listopada — Genie 4, model świata zaprezentowany 27 października w ramach podglądu badawczego, staje się dostępny w nowej wersji Project Genie dla uprawnionych abonentów Google AI Ultra; abonenci Google AI Pro mogą dołączyć do listy oczekujących. Świat można modyfikować podczas poruszania się po nim, wpisując nowy prompt (pogoda, postać), z natywnym dźwiękiem w czasie rzeczywistym. Agent buduje świat na podstawie prostego opisu, a następnie Gemini sugeruje i uruchamia wydarzenia podczas eksploracji. Galeria społecznościowa pozwala odkrywać, remiksować i publikować światy. Genie 3 pozostaje dostępny, z sesjami trwającymi 3 minuty na generowanie zamiast 60 sekund i możliwością rozpoczynania od obrazu panoramicznego 360 stopni. Wszystkie wygenerowane treści zawierają znak wodny SynthID.
🔗 Wpis Google o Genie 4 w Project Genie
Pika Enact: kierowanie aktorami, inscenizacją i kamerą podczas nieprzerwanego odtwarzania wideo
18 listopada — Pika prezentuje Enact, podgląd badawczy oparty na Pika H3 Flex, który generuje obraz i dźwięk w fragmentach krótszych niż sekunda, podczas gdy scena jest nadal odtwarzana.
| Tryb interakcji | Wydajność deklarowana przez Pika |
|---|---|
| Aranżowanie sceny na żywo (Live Staging) | obiekty przesuwane myszą, obraz reaguje w mniej niż 0,4 s na H100 |
| Reżyserowanie aktorów na żywo (Live Actor Direction) | agenci wyposażeni w pamięć, obraz i dźwięk 1,75x szybciej niż odtwarzanie |
| Sterowanie kamerą na żywo (Live Camera Control) | 8 GPU B300, 640x480 przy 24 kl./s, 1,50x czasu rzeczywistego |
Można rozmawiać z aktorami, którzy odpowiadają własnymi głosami, a po słowie „Akcja” próba zostaje przepisana na ciągłe ujęcie rozpoczynające się od pierwszej klatki. Destylacja zmniejsza liczbę kroków odszumiania podczas próbkowania z dwudziestu do kilku. Enact nie jest publicznie dostępny: testy i integracje wymagają kontaktu z zespołem Pika obsługującym przedsiębiorstwa; nie podano ceny ani daty.
Asystenci dla użytkowników indywidualnych: dyktowanie na żywo w ChatGPT, Perplexity na urządzeniach mobilnych i skills pisane przez Brain, Gemini na Android Go
ChatGPT wyświetla dyktowany tekst na bieżąco i znosi limit 10 minut
18 listopada — Dyktowanie głosowe w ChatGPT działa teraz na żywo dzięki Live Dictation: wypowiadane słowa pojawiają się jako tekst w trakcie mówienia, zamiast dopiero po zakończeniu transkrypcji wiadomości. Dotknięcie lub kliknięcie fali dźwiękowej wyświetla lub ukrywa powstający tekst. OpenAI przy okazji znosi limit 10 minut nagrywania. Funkcja jest wdrażana na całym świecie we wszystkich planach ChatGPT, na iOS, Android, w przeglądarce i aplikacji komputerowej. Planowane na 11 grudnia wycofanie Advanced i Standard Voice omówiono tutaj 11 listopada.
🔗 Informacje o wydaniach ChatGPT
Perplexity udostępnia Teammates i Multiagent na iOS i Android, z obsługą głosową
18 listopada — Teammates, osobiści agenci zajmujący się ciągłą pracą w Computer (udostępnieni 5 listopada w przeglądarce, a następnie 13 listopada na Mac), oraz Multiagent, poziom wysiłku, przy którym wielu agentów korzystających z różnych modeli pracuje zespołowo (udostępniony dzień wcześniej w przeglądarce), trafiają do aplikacji Perplexity na iOS i Android. Wersja mobilna wnosi własną funkcję: Teammates można sterować głosem. Według Perplexity około jedna trzecia najbardziej wymagających zadań w Computer już teraz rozpoczyna się na iPhone. Całość jest dostępna od 18 listopada dla abonentów Max; wpis na X nie precyzuje kosztu w kredytach ani dostępności w planach Enterprise.
Perplexity Brain sam pisze i poprawia osobiste skills
18 listopada — Perplexity opisuje, jak Brain, pamięć Computer, pisze i ulepsza skills, czyli instrukcje wielokrotnego użytku do powtarzalnych zadań. Na podstawie pamięci i historii użytkownika codzienny proces tworzy lub poprawia osobiste skills, bez dostępu do internetu ani konektorów, z limitem 10 automatycznie utworzonych skills na użytkownika. Wbudowane skills, wspólne dla wszystkich, przechodzą porównawcze odtworzenie zadań z użyciem obu wersji, a następnie przegląd przez człowieka. Od 1 sierpnia do 14 listopada napisano ponad 80 000 osobistych skills dla ponad 20 000 użytkowników. W ośmiotygodniowym teście randomizowanym liczba nieudanych wywołań narzędzi spada o 11 %, a niezadowolenie o 7,6 %, bez mierzalnego wpływu na koszt; w SkillLearnBench skuteczność rośnie z 43,8 do 62,5 %. Funkcja jest dostępna dla wszystkich abonentów Max w Stanach Zjednoczonych, domyślnie włączona i możliwa do wyłączenia.
🔗 Wpis Perplexity o samodoskonalących się skills
Aplikacja Gemini trafia na telefony z Android o małej ilości pamięci
18 listopada — Google przebudowało architekturę aplikacji Gemini, aby działała na telefonach z Android o małej ilości pamięci, w tym na uprawnionych urządzeniach Android (Go edition), które dotychczas ograniczały się do podstawowych poleceń głosowych. Jak przypomina Google, dla setek milionów ludzi taki telefon jest codziennym łącznikiem z internetem, edukacją i handlem. Wyróżnione funkcje to: Gemini Live w ponad 45 językach, aparat skierowany na notatki lub formularz w celu nauki lub tłumaczenia oraz tworzenie obrazów za pomocą Nano Banana. Aplikację można pobrać z Google Play lub otworzyć długim naciśnięciem przycisku zasilania, a na przyszłych urządzeniach partnerów takich jak Transsion będzie preinstalowana. Wpis nie podaje minimalnej ilości pamięci ani listy krajów.
🔗 Wpis Google o Gemini dla telefonów z małą ilością pamięci
Agenci programistyczni: Claude Code 2.1.327, pętla chaosu Claude Docs, sandbox Codex, Vibe CLI 3.1.3, VS Code 1.147 i Replit na Ignite
Claude Code 2.1.327 odczytuje konfigurację MCP ze stdin i zmienia /status w narzędzie diagnostyczne
17 listopada — Lista zmian Claude Code 2.1.327 zawiera 173 pozycje, w tym 100 poprawek. claude mcp add-json <nom> - odczytuje konfigurację serwera MCP ze standardowego wejścia, aby tokeny nie trafiały do wiersza poleceń. /status wyświetla teraz uszkodzone pliki agentów, skills, poleceń i stylów wyjściowych, ignorowane ustawienia uprawnień oraz hooki, których filtr (matcher) nigdy do niczego nie pasuje. Kilka poprawek zapobiega utracie danych: Remote Control w trybie worktree mógł usuwać pliki ignorowane przez git, takie jak .env, claude mcp add i remove usuwały inne klucze z .mcp.json, a /export nadpisywał plik bez pytania. Warto odnotować: aby przyspieszyć pierwsze polecenie Bash, pliki startowe powłoki mogą wykonać się przed jego zatwierdzeniem, nawet jeśli zostanie odrzucone (CLAUDE_CODE_DISABLE_SHELL_HEAD_START=1 to wyłącza). Tryb auto informuje, że przyszła wersja usunie awaryjne przełączanie na płatny klasyfikator. W npm stabilną wersją pozostaje 2.1.311.
Jak Claude Code testował Claude Docs w pętli chaosu przed premierą
17 listopada — Na blogu claude.dev Vivek Nair opisuje pętlę chaosu (chaos loop) powierzoną Claude Code przed premierą Claude Docs 16 września. Przez około dwa tygodnie sesja koordynująca, z maksymalnie 30 subagentami, celowo psuła środowisko przedprodukcyjne (staging) odwzorowujące produkcję, odczytywała telemetrię przez MCP Datadog, a następnie wdrażała poprawkę i ponawiała test. Decyzje trudne do odwrócenia pozostawały w rękach człowieka.
| Wskaźnik dotyczący premiery Claude Docs | Opublikowana wartość |
|---|---|
| Pamięć zajmowana przez duży dokument | około 3 Go, następnie około 180 Mo |
| Pody planowane na premierę | około 50 zamiast ponad 500 |
| Błędy serwera | 60 na 2 miliardy żądań |
| Koszt inferencji (cena katalogowa Fable 5.2) | około 125 000 dolarów |
Autor korzystał z wewnętrznego modelu badawczego zbliżonego do Claude Fable 5.2 i szacuje, bez sprawdzenia tego w praktyce, koszt od 3 000 do 10 000 dolarów dla małego zespołu przez dwa tygodnie.
🔗 Wpis claude.dev o pętli chaosu
OpenAI opisuje piaskownicę Codex, profile uprawnień i proxy sieciowe
18 listopada — W artykule Michaela Bolina OpenAI wyjaśnia, dlaczego Codex nie korzysta ani z maszyny wirtualnej, ani z kontenera: ogranicza każde polecenie za pomocą natywnych mechanizmów ochrony systemu, aby zachować środowisko programisty (kontener Docker pozbawiłby go symulatora iPhone’a). Domyślny profil :workspace pozwala na zapis w repozytorium, pozostawia .git i .codex w trybie tylko do odczytu i blokuje dostęp do sieci. Artykuł wskazuje też ograniczenia: wrażliwe pliki poza repozytorium nadal można odczytywać, a agent mógłby umieścić kod w node_modules/prettier, który edytor uruchomiłby poza piaskownicą. Profile uprawnień definiuje się w config.toml, proxy codex-network-proxy filtruje ruch według domen i rozwiązuje nazwy DNS dopiero po uzyskaniu zgody, a codex sandbox izoluje inne narzędzia, takie jak serwer MCP.
| System operacyjny | Mechanizm używany przez Codex |
|---|---|
| macOS | Seatbelt (sandbox-exec) |
| Linux | bubblewrap i seccomp-bpf |
| Windows | biblioteka MXC firmy Microsoft, w trakcie wdrażania |
🔗 Artykuł OpenAI o piaskownicy Codex
Vibe CLI 3.1.3 ustawia Mistral Large 4 jako model domyślny i dodaje /goal
18 listopada — Osiem dni po wersji 3.1.2 Mistral wydaje Vibe CLI 3.1.3 (78 pozycji: 13 nowości, 20 zmian, 44 poprawki, 1 usunięcie). Mistral Large 4 zastępuje Mistral Medium 3.5 jako model domyślny; active_model = "mistral-medium-3.5" pozwala zachować poprzedni model. Polecenie /goal wyznacza cel, do którego Vibe dąży przez kolejne tury aż do jego osiągnięcia, z możliwością ograniczenia budżetu tokenów (max_goal_token_budget). Dwa hooki obejmują każde wywołanie modelu: pre_llm może zatrzymać turę, a post_llm może zażądać ponownej próby, w ramach limitu trzech prób na turę współdzielonego z post_agent. W zakresie zabezpieczeń polecenie shell odczytujące chronione pliki wymaga zatwierdzenia, konfiguracja projektu nie może już ponownie włączyć telemetrii, a instalacja połączona z samodzielnie hostowanym serwerem nie wysyła już raportów o awariach do Mistral.
🔗 Informacje o wydaniu Vibe CLI 3.1.3
VS Code 1.147 dodaje routery modeli i pozwala firmom zezwalać na korzystanie z harnessów Claude i Codex
18 listopada — VS Code 1.147 wprowadza eksperymentalne routery modeli (model routers) dla sesji w harnessie Copilot: plik YAML umieszczony w ~/.agents/model-routers/ opisuje, jakiego modelu używać do danego rodzaju pracy, a model decyzyjny gpt-6-luna-decisions kieruje każde żądanie na odpowiednią trasę. Przykład z informacji o wydaniu powierza długie zadania programistyczne modelowi Opus, a krótkie pytania — GPT-6 Luna. W przypadku firm znika jedno ograniczenie: dotąd nawet pojedyncze zarządzane ustawienie Copilot wyłączało harnessy Claude i Codex, które nie stosują tych ustawień. Administratorzy mogą teraz zezwolić na jeden z nich lub oba za pomocą vscode.allowedHarnesses, w ustawieniach zarządzanych przez plik lub MDM. Zarządzane reguły shell obsługują też wyrażenia regularne, a okno Agents zyskuje wysyłanie z opóźnieniem (Send Later) i kilka równoległych wersji roboczych. Desktopowa wersja VS Code zostaje oznaczona jako przestarzała w systemach macOS Ventura i Sonoma oraz w 32-bitowym systemie Linux ARM.
🔗 Informacje o wydaniu VS Code 1.147
Replit na Microsoft Ignite: dostęp lokalny i Teams w ogólnej dostępności, publikowanie w Azure we wczesnym dostępie
18 listopada — Replit wykorzystuje Microsoft Ignite, aby rozszerzyć partnerstwo z Microsoft, i informuje, że otrzymał tytuł 2026 Microsoft Partner of the Year for Startups.
| Integracja z Microsoft | Status na 18 listopada |
|---|---|
| Dostęp lokalny w Replit Desktop (Windows, Mac, Linux) | ogólna dostępność |
| Replit w Microsoft Teams | ogólna dostępność |
| Publikowanie w tenancie Azure przez Microsoft Marketplace | wczesny dostęp |
| Full BYOC w Azure | zapowiedziano, bez daty |
Dostęp lokalny pozwala Agentowi pracować na folderach wybranych przez użytkownika, w piaskownicy opartej na Microsoft Execution Containers; lokalne aplikacje mogą korzystać z modeli Microsoft Foundry Local uruchamianych na urządzeniu. W Teams można zadawać Replit pytania i zlecać pracę z poziomu rozmowy zespołu. W Azure Replit zarządza hostingiem, a opublikowane aplikacje mogą łączyć się z prywatnymi bazami danych przez sieć firmową lub VPN. Nie podano cen.
🔗 Artykuł Replit o Microsoft Ignite
Otwarte modele i inferencja: Rumble-2-Flash, Nemotron-Labs-Sigma, adapter OpenCode dla Qwen3.8-27B i MoE 180B na Macu z 32 GB pamięci
Reson8 publikuje Rumble-2-Flash, model rozpoznawania mowy 0,5B dla ponad 40 języków
18 listopada — Reson8 publikuje na licencji Apache 2.0 Rumble-2-Flash, model rozpoznawania mowy o 0,5 miliarda parametrów dla ponad 40 języków. Zbudowany na architekturze Qwen3-ASR, działa bez modyfikacji w Transformers i vLLM. Powstał przez destylację on-policy (on-policy distillation) modelu Rumble-2, produkcyjnego modelu Reson8.
| Benchmark | Porównywany model | Zmierzony poziom błędów |
|---|---|---|
| Open ASR Leaderboard, wielojęzyczny | Rumble-2-Flash (0,5B) | średnio 6,96 % |
| AppTek, centrum obsługi telefonicznej (302 h) | Rumble-2-Flash (0,5B) | 7,86 % WER |
| AppTek, centrum obsługi telefonicznej (302 h) | Nemotron 3.5 Transcribe (30B) | 7,78 % WER |
| AppTek, centrum obsługi telefonicznej (302 h) | Qwen3-ASR 1.7B | 7,4 % WER |
W kategorii wielojęzycznej wypada lepiej niż piętnastokrotnie większy omniASR-LLM 7B firmy Meta oraz Whisper large-v3. Przy pełnych partiach danych przekracza 7 000 RTFx, co oznacza transkrypcję około godziny nagrania w pół sekundy.
🔗 Artykuł na Hugging Face o Rumble-2-Flash
NVIDIA publikuje Nemotron-Labs-Sigma, 14 modeli językowych opartych na dyfuzji ciągłej z otwartymi wagami
18 listopada — NVIDIA prezentuje Nemotron-Labs-Sigma, których wagi opublikowano w Hugging Face, a ogłoszenie ukazało się 16 listopada. Modele te nie generują tekstu token po tokenie, lecz równolegle tworzonymi blokami: każdy blok zaczyna się od szumu gaussowskiego i nabiera ostatecznej postaci przez odszumianie.
| Opublikowany element | Deklarowana wartość |
|---|---|
| Rozmiary i checkpointy | 3B i 8B, 14 repozytoriów (base, instruct, warianty po destylacji) |
| Przestrzeń dyfuzji | ciągłe embeddingi o 16 wymiarach |
| Przyspieszenie po destylacji | około 8x w matematyce, 4x w kodzie |
| Kontekst i język | 8 192 tokens, angielski |
| Licencja | NVIDIA Nemotron Open Model License |
Według artykułu naukowego modele te przewyższają modele oparte na dyfuzji dyskretnej i autoregresyjne modele odniesienia na GSM8K, Minerva, HumanEval i MBPP, z najwyraźniejszą przewagą w kodzie. Po destylacji generują 8 tokenów na przebieg w matematyce i 4 w kodzie, przy stracie dokładności, którą autorzy uznają za pomijalną.
🔗 Ogłoszenie @NVIDIAAI na X · Artykuł arXiv 2610.02665
harness-hub publikuje adapter OpenCode dla Qwen3.8-27B i uzyskuje 64,7 % w ponownej ocenie adaptera pi
18 listopada — Projekt harness-hub publikuje Qwen3.8-27B-opencode-adapted, adapter LoRA na licencji Apache 2.0, wytrenowany metodą uczenia ze wzmocnieniem w harnessie agenta programistycznego OpenCode.
| Testowana konfiguracja (harness OpenCode) | SWE-bench Pro (hard 51) | Terminal-Bench 2.1 (83 zadania) |
|---|---|---|
| Qwen3.8-27B | 35,3 % | 47,0 % |
| Qwen3.8-27B, rozumowanie xhigh | 47,1 % | 55,4 % |
| Qwen3.8-27B-opencode-adapted | 51,0 % | 53,0 % |
Bez trybu rozumowania adapter dorównuje modelowi bazowemu ustawionemu na maksymalny poziom wysiłku, generując od 6 do 8 razy mniej tokenów na zadanie. Na Terminal-Bench 2.1 karta modelu podaje ogólny wzrost o 6,0 punktów (p = 0,38) oraz z 45,5 do 59,1 % na 66 zadaniach, których nie użyto do wyboru checkpointu. Zespół ponownie ocenił też adapter pi: od 39,2 do 64,7 % na SWE-bench Pro, zamiast ogłoszonych dzień wcześniej i omówionych tutaj 17 listopada wyników od 29,4 do 62,7 %.
🔗 Karta Qwen3.8-27B-opencode-adapted · Karta adaptera pi
MoE 180B na MacBooku z 32 GB pamięci z użyciem Transformers, ze stratą 6 % do Strata
18 listopada — Tarek Ziadé z Hugging Face uruchamia Qwen3.8-Flash-Next, model typu mixture-of-experts o 180 miliardach parametrów, na MacBooku M5 z 32 GB pamięci, korzystając wyłącznie z Transformers. Zasada działania: przechowywać w pamięci cache ekspertów o rozmiarze 12 GiB i dla każdego tokena wczytywać z SSD wyłącznie ekspertów wybranych przez router, skwantyzowanych do 3 bitów (49 GB na dysku).
| Pomiar na MacBooku M5 (32 Go) | Transformers (streaming) | Strata 0.1.60 |
|---|---|---|
| Dekodowanie, 200 tokens | 13,9 tokens/s | 14,8 tokens/s |
| Prefill, prompt 4K | 228 tokens/s | 220 tokens/s |
| Dekodowanie po dokumencie 6K | 12,4 tokens/s | 13,7 tokens/s |
Kod znajduje się w nadal otwartym pull requeście do Transformers (PR 50717): nie jest to jeszcze wydana funkcja. Autor zaznacza, że cały kod został napisany z pomocą IA, a rozwiązanie nadal działa zbyt wolno na potrzeby jego agentów programistycznych.
🔗 Artykuł na Hugging Face o streamingu ekspertów
Ranking: Muse Ember firmy Meta przed GPT-6 Luna i Claude Haiku 5.5 na Agent Arena, z czasem 27 sekund i kosztem 1,9 centa za zadanie
18 listopada — Arena publikuje wyniki Muse Ember, wprowadzonego przez Meta 9 listopada, na Agent Arena, swoim benchmarku opartym na rzeczywistych sesjach użytkowników, w porównaniu z dwoma innymi wydajnymi modelami zaprojektowanymi do rzeczywistej pracy. Meta udostępniła ten wątek.
| Pomiar Agent Arena | Muse Ember (Max) | GPT-6 Luna (Max) | Claude Haiku 5.5 (High) |
|---|---|---|---|
| Czas na zadanie | 27 s | 5,8 min | 1,9 min |
| Poprawa netto | +2,3 % | +1,4 % | +0,4 % |
| Koszt na zadanie | 1,9 cent | 7,0 cents | 6,9 cents |
| Wynik sterowania (całość pracy) | +11,2 % | +3,9 % | +3,8 % |
Według Arena Muse Ember jest około 13 razy szybszy od GPT-6 Luna, a koszt jego użycia wynosi mniej niż jedną trzecią kosztu każdego z pozostałych dwóch modeli. Wynik sterowania (steering score), mierzony na tysiącach sesji, jest tym wyższy, im rzadziej użytkownik musi korygować model. Są to pomiary Arena, zewnętrznego podmiotu oceniającego.
API dla agentów: Perplexity wprowadza Context API, które odczytuje do 10 URL na wywołanie
17 listopada — Perplexity dodaje do swojej platformy dla programistów Context API, które według wątku @perplexitydevs udostępniono 18 listopada. Odczytuje do 10 adresów URL na wywołanie i zwraca dla każdej strony czysty Markdown, HTML, linki oraz fragmenty wybrane na podstawie zapytania. Fragmenty zawierają oryginalny tekst, a nie podsumowanie, a model oddziela główną treść od menu i reklam. Domyślnie API korzysta z kopii z indeksu Perplexity, jeśli ma ona mniej niż dwa dni, w przeciwnym razie odczytuje stronę na żywo; ustawienie max_age_seconds na 0 wymusza odczyt na żywo, a cache_only go zabrania.
| Kryterium mierzone przez Perplexity | Wynik Context API |
|---|---|
| URL z użyteczną treścią | 92,3 % |
| Odsetek odzyskanych kluczowych faktów | 87,9 % |
| Precyzja treści | 80,3 % |
| Cena | 1 dollar za 1 000 pobranych URL |
Perplexity porównała swoje rozwiązanie z Firecrawl, Exa, Parallel, Keenable i Context.dev na 715 stronach, z wykorzystaniem modelu oceniającego w ślepej próbie, ale ich wyniki podaje tylko na wykresie. Za nieudane próby nie są pobierane opłaty.
🔗 Artykuł Perplexity o Context API · Wątek @perplexitydevs na X
Agenci branżowi: ChatGPT for Sales i ElevenAgents for Healthcare
OpenAI wprowadza ChatGPT for Sales, z pluginem Sales i ponad 30 pluginami partnerskimi
17 listopada — OpenAI wprowadza ChatGPT for Sales dla zespołów sprzedaży: nowy plugin Sales z gotowymi przepływami pracy (wybór kont do kontaktu handlowego, przygotowanie rozmowy, napisanie wiadomości ponawiającej kontakt) i ponad 30 nowych lub ulepszonych pluginów partnerskich. Obejmują one cały cykl sprzedaży: CRM (Salesforce, HubSpot, Close, monday CRM, Attio), pozyskiwanie klientów (Apollo, Clay, Common Room, ZoomInfo), notatki z rozmów (Gong, Otter.ai, Granola), prezentacje (Gamma, Figma, Canva) i umowy (Docusign, Ironclad, PandaDoc, ServiceNow CPQ). dots, stali agenci ChatGPT, mogą z nich korzystać, aby przygotowywać materiały na spotkania lub śledzić szanse sprzedażowe; dzięki Rox agent dot może codziennie rano sprawdzać stan szansy sprzedażowej. Administratorzy ChatGPT Business i Enterprise włączają te pluginy w Admin Console, z możliwością domyślnej instalacji, a dostępność zależy od planu i regionu. OpenAI nie podaje cen.
🔗 Artykuł OpenAI o ChatGPT for Sales
ElevenLabs wprowadza ElevenAgents for Healthcare, agentów głosowych dla ochrony zdrowia
18 listopada — Dzień po premierze Scribe v3 Live Medical ElevenLabs łączy swoje rozwiązania dla ochrony zdrowia w ElevenAgents for Healthcare: agentów głosowych, którzy rezerwują, przekładają lub odwołują wizyty w systemie dokumentacji medycznej placówki, sprawdzają refundacje i uprzednie zgody oraz odpowiadają pacjentom przez całą dobę. Pytanie o objaw trafia do pracownika medycznego wraz z kontekstem rozmowy, a wdrożenia mogą spełniać wymogi HIPAA dla klientów Enterprise, którzy podpiszą BAA i włączą Zero Retention Mode.
| Wskaźnik przytoczony przez ElevenLabs | Deklarowany wynik |
|---|---|
| Cadence, mediana czasu potrzebnego do skontaktowania się z pacjentem | od niemal 2 godzin do 3,5 minuty |
| Angle Health, połączenia od pracowników medycznych bez przekierowania | ponad 90 % |
| Scribe v3 Live Medical na PriMock57 (testy wewnętrzne) | o 17 % mniej błędów niż kolejny model |
Wśród wymienionych zespołów są również Banner Health, Pfizer i AstraZeneca. Szablon Healthcare Receptionist pozwala rozpocząć pracę, a cen nie opublikowano.
🔗 Artykuł ElevenLabs o ElevenAgents for Healthcare
Prasa: Groupe Figaro udostępnia swoje treści dziennikarskie w ChatGPT
18 listopada — Dwa dni po dziale medialnym LVMH Groupe Figaro zawiera strategiczne partnerstwo z OpenAI. Najnowsze i archiwalne artykuły Figaro oraz powiązanych z nim publikacji (aktualności, gospodarka, kultura, styl życia) będą widoczne w ChatGPT w formie podsumowań i fragmentów z linkami do artykułów. Dziennik zachowuje niezależność redakcyjną. Marc Feuillée, dyrektor generalny grupy, podkreśla, że redakcja liczy ponad 600 dziennikarzy. Le Figaro planuje również wdrożyć ChatGPT Enterprise w kilku zespołach i zbadać inne zastosowania w ramach swojej polityki AI. Nie ujawniono kwoty ani czasu trwania umowy.
🔗 Ogłoszenie partnerstwa przez OpenAI
W skrócie
- Antigravity CLI 1.5.10 i 1.5.11 — Wersja 1.5.10 dodaje tryb accept-edits dla zdalnych agentów (
--remote-agent): w trybie domyślnym zdalny agent prosi teraz o zatwierdzenie przed każdą zmianą pliku. Udostępnia też Orchestrator (plan opracowuje Carbon, wykonuje Hydrogen) kontom Gemini Enterprise. 🔗 źródło - Gemini CLI — Pięć poprawek scalonych z główną gałęzią, wciąż bez nowego wydania od 10 listopada: polecenie powłoki z nierozwiązaną ekspansją nadal wymaga potwierdzenia, a reguły
commandPrefixicommandRegexobejmują już tylko polecenie najwyższego poziomu. 🔗 źródło - Prezentacja możliwości Gemini 4 Carbon — Google publikuje pięć prac społeczności stworzonych z Carbon, w tym łąkę z 52 000 kwiatów zaprogramowaną w CUDA, 1 048 576 cząstek symulowanych w WebGPU i XIX-wieczne laboratorium optyczne z 92 przyrządami odtworzone na podstawie jednego obrazu. 🔗 źródło
- EmbeddingGemma 2 — Wpis przedstawia raport techniczny modelu embeddingów, dostępny na arXiv od 27 października, wraz z pięciominutowym filmem; według autorów model przewyższa modele od 2 do 12 razy większe. 🔗 źródło
Agenci do programowania i narzędzia deweloperskie
- Zed 1.29 i 1.30 — Wersja 1.29 trafia do kanału stabilnego z trybem gałęzi w Git Panel i Claude Fable 5.2 w BYOK; wersja testowa 1.30 dodaje GPT-6.1 Terra, poziom wysiłku Extra High w Gemini 4 Hydrogen i pełny kontekst modeli Copilot, gdy nie wiąże się to z dodatkową opłatą. 🔗 źródło
- Codex CLI 0.170.0 — Połączenia głosowe w czasie rzeczywistym w terminalu negocjują połączenie przez WebRTC, nagłówki OpenTelemetry odświeżają się automatycznie i usunięto kilka błędów powodujących utratę ograniczeń piaskownicy; według changelogu Codex z 17 listopada abonenci Pro 500 mogą korzystać z Ultrafast z GPT-6.2 Sol i Astra. 🔗 źródło · 🔗 changelog Codex
- Copilot SDK 2.0.1 i Copilot CLI 1.0.114 — SDK ponownie obsługuje importy
@github/copilot-sdki dawne formaty opcji istniejących rozszerzeń oraz dodaje możliwość wyboru GPT-6.2 Sol i Astra; Copilot CLI 1.0.114 ukazuje się z informacjami o wydaniu ograniczonymi do ogólnej wzmianki o poprawkach i zmianach. 🔗 źródło - Wtyczki Copilot dla zespołów — W ramach ogólnej dostępności w Copilot Business i Enterprise opiekunowie zespołów i właściciele organizacji wybierają zatwierdzone Agent Plugins, domyślnie włączone dla bezpośrednich członków zespołu w VS Code, aplikacji GitHub Copilot i Copilot CLI. 🔗 źródło
- GitHub Agentic Workflows 1.3.1 — Ta wersja testowa usuwa hosty bezpośrednich API modeli z domyślnej listy dozwolonych połączeń sieciowych (Claude wymaga zezwolenia na
api.anthropic.com), usuwa eksperymentalny silnik Atomic i rozkłada w czasie cykliczne uruchomienia. 🔗 źródło - DeepSeek Harness 0.2.2-rc.5 — W przypadku modeli DeepSeek agent do programowania korzysta z wyszukiwania internetowego DeepSeek po stronie serwera, bez opłat za poszczególne wyszukiwania; inne modele korzystają z API DeepSeek Search. 🔗 źródło
- Replit Missions w działaniu — Według Replit Missions przeszedł ponad 1 000 ścieżek użytkownika w wiodącej platformie podpisu elektronicznego dla firm, a następnie odtworzył je w TernSign, udostępnionym bezpłatnie w wersji testowej; w Replit Slides 6 iteracji poprawiło ocenę projektu wizualnego o 20 % przy koszcie poniżej 500 dolarów. 🔗 źródło · 🔗 Replit Slides
API i platformy
- Panel wykorzystania API OpenAI — Karta Analytics pokazuje wykorzystanie i wydatki, limity przepustowości i żądania objęte ograniczeniami, a także błędy w podziale na model, projekt lub klucz API. 🔗 źródło
- Lokalizacja danych API OpenAI — Właściciele kwalifikujących się organizacji wybierają region przechowywania danych podczas tworzenia projektu, bez osobnego wniosku o zerową retencję; zgodnie z przewodnikiem regionu nie można później zmienić, a regionalne punkty dostępu kosztują o 10 % więcej dla kwalifikujących się modeli wydanych od 5 marca 2026 r. 🔗 źródło · 🔗 przewodnik
- Agents SDK Python 0.25.0 — Pierwsza stabilna wersja od połowy października: usunięto dostawcę piaskownicy Runloop, zmienia się format punktów wznowienia Pydantic, a domyślnym modelem do kompakcji sesji Responses staje się GPT-6 Luna. 🔗 źródło
- API Perplexity — Modele pplx-embed-v2-context trafiają do Embeddings API (0,12 dolara za milion tokenów tekstowych dla 9b, 0,02 dolara dla 0.6b), a Agent API dodaje GPT-6.2 Sol (2 i 10 dolarów za milion tokenów) i GPT-6.2 Astra (8 i 40 dolarów), z obsługą do 272 000 tokenów wejściowych. 🔗 źródło
- Together AI — DeepSeek-V4.1-Flash-1017 dołącza do Together Post-Training: SFT lub uczenie ze wzmocnieniem na własnych danych, z własnymi nagrodami i środowiskami, przy czym pętla treningowa pozostaje w kodzie klienta w Pythonie. 🔗 źródło
- Qwen4-Max — Qwen informuje o udostępnieniu modelu w TokenHarbor i Runware, gdzie jest oferowany z kontekstem 1 miliona tokenów i maksymalnie 128 000 tokenów wyjściowych. 🔗 źródło · 🔗 Runware
- GPT-6.2 w Genspark — GPT-6.2 Sol trafia do AI Chat i Code Agent, a GPT-6.2 Astra tylko do Code Agent. 🔗 źródło
Asystenci i aplikacje
- Claude Desktop — Kanał aktualizacji Latest, włączany w Settings > Desktop app w Windows i na Macu, dostarcza częstsze, choć czasem mniej niezawodne wersje; Stable pozostaje kanałem domyślnym. 🔗 źródło
- Grok Bot — Agent SpaceXSI może teraz rezerwować loty, hotele i samochody z wypożyczalni, szukając najlepszej oferty; tweet nie podaje kraju, planu ani partnera obsługującego rezerwacje. 🔗 źródło
- Kimi Work 3.2.28 — Instrukcje projektu w pliku AGENTS.md przypisanym do projektu, logowanie przez firmowe SSO, panel podsumowania rozmowy i prezentacje domyślnie dostarczane w PPTX. 🔗 źródło
- Degradacja kontekstu — Perplexity publikuje przewodnik o utracie precyzji agenta w miarę zapełniania się jego kontekstu (context rot) i przypomina, jak Computer ogranicza ten problem: podagenci, pliki robocze i kompresja kontekstu zależnie od zapytania. 🔗 źródło
Obraz, wideo i audio
- Kling Image 4.0 na platformach zewnętrznych — Dzień po premierze model trafia do fal, Runware i eachlabs, a także do AI Media Studio i AI Image Agent w Genspark (natywna rozdzielczość 8K, 2 000 znaków tekstu na obraz). 🔗 źródło · 🔗 Runware · 🔗 eachlabs · 🔗 Genspark
- MAI-Image-2.7 w Genspark — Modele obrazowe MAI-Image-2.7 i MAI-Image-2.7-Flash od Microsoft AI trafiają do Genspark z lepszym odwzorowaniem tekstu na obrazie. 🔗 źródło
- Suno MCP dla wszystkich — Serwer MCP Suno, dostępny od 28 października w wersji beta po zapisaniu się, otwiera się dla wszystkich: piosenki, a teraz także grafiki, można tworzyć z poziomu ChatGPT, Claude, Gemini, Claude Code lub Cursor, bez klucza API, wykorzystując kredyty Suno. 🔗 źródło
- Synthesia w Claude — Synthesia szczegółowo opisuje swój konektor: agent Syren tworzy filmy na podstawie rozmowy w planach Starter, Pro i Enterprise, wykorzystując kredyty Synthesia; według producenta Syren opiera się na Opus 5.5. 🔗 źródło
- Runway AI Festival 2027 — Zgłoszenia są otwarte do 5 kwietnia 2027 r. w pięciu kategoriach (kino, reklama, moda, gry wideo, design), z pokazami galowymi w Nowym Jorku, Los Angeles i Tokio. 🔗 źródło
Modele otwarte, dane i badania
- NVIDIA Cosmos Data Factory — NVIDIA podaje koszt obliczeń dla swoich blueprintów danych do fizycznej AI: około 2,66 dolara za klip z jazdy na serwerze z ośmioma RTX PRO 6000, i informuje, że Cosmos Dataset Search jest teraz open source na licencji Apache 2.0. 🔗 źródło
- ANEMLL — Wersja badawcza rozdziela Qwen3.8-27B między Neural Engine a GPU komputera Mac M6: przetwarzanie promptu 64K skraca się z około pięciu minut do dwóch i pół minuty w porównaniu z samym Neural Engine; wymaga wyłączenia SIP. 🔗 źródło
- Samdei Type — Dwa niewielkie modele na licencji Apache 2.0 (7,1M i 18,2M parametrów) przekształcają tekst khmerski wpisany literami łacińskimi na pismo khmerskie, ze wskaźnikiem błędów na znak wynoszącym 0,052 wobec 0,066 dla najlepszego istniejącego modelu otwartego, według autora. 🔗 źródło
- ViKernel Scanner — VIDRAFT publikuje skaner open source, który udostępnia modelom pozorowane narzędzia: wszystkie 20 przetestowanych otwartych modeli otrzymuje ocenę F, a model o medianowym wyniku próbuje wykonać niebezpieczne działanie w 40 testach na 100. 🔗 źródło
- Kimi K3.1 Pro bez cenzury — Dostawca OpenUncensored udostępnia wersję bez ograniczeń, która obsługuje 97 % zasadnych, choć granicznych zapytań z jego zestawu testowego, wobec 83 % w oryginale, przy czym przyznaje, że słabym punktem są pętle agentów. 🔗 źródło
- olmOCR-Bench — Ai2 informuje o zadeklarowanym przez Unsiloed wyniku 88,0 w swoim benchmarku odczytu złożonych dokumentów, wyższym niż 84,6 osiągnięte przez GPT-5.5. 🔗 źródło
- RoboTwin Unified — Harpreet Sahota publikuje import do FiftyOne obejmujący 27 500 epizodów i ponad 6 milionów obrazów manipulacji dwoma ramionami w 50 zadaniach. 🔗 źródło
- Recapture — Nutrient publikuje narzędzie open source, które przekształca stronę z adnotacjami w realistyczne zdjęcia z telefonu lub skany, zachowując adnotacje, aby trenować modele odczytu dokumentów. 🔗 źródło
- Lokalny asystent Kafka — W trzeciej części swojej serii Roman Melnyk zastępuje dostrajanie wyszukiwaniem w dokumentach przy użyciu niezmodyfikowanego Qwen3.8-27B: +1,48 na 40 pytaniach wobec +0,08 i -0,18 dla jego dostrojonych adapterów. 🔗 źródło
- Ai2 i Taylor Geospatial — Partnerstwo na rzecz otwartych benchmarków, modeli (OlmoEarth) i danych geoprzestrzennych, w tym Fields of The World rozszerzonego o rodzaj upraw i plony, publikowanych bezpłatnie na Source Cooperative i GitHub. 🔗 źródło
Ekosystem
- Replit & Co. — Replit uruchamia program twórców skierowany do odbiorców biznesowych, początkowo z 45 twórcami, którzy otrzymują korzyści na swoich kontach Replit. 🔗 źródło
- Manus i Godot — Manus zostaje sponsorem Platinum fundacji Godot Foundation, która finansuje wolny silnik gier; nie podano kwoty. 🔗 źródło
- GitHub Team — Poza AI: oceny ryzyka bezpieczeństwa (ujawnione dane uwierzytelniające, luki w kodzie) uruchamiają się automatycznie w organizacjach GitHub Team. 🔗 źródło
Co to oznacza
Średni segment staje się polem najbardziej zaciętej rywalizacji. Google umieszcza Gemini 4 Neon między Carbon a Hydrogen i promuje go przez koszt wykonania zadania zamiast ceny za token, która do 30 listopada pozostaje wyższa niż w przypadku Carbon. Arena porównuje Muse Ember od Meta z GPT-6 Luna i Claude Haiku 5.5, trzema wydajnymi modelami zaprojektowanymi do rzeczywistej pracy, a Muse Ember kończy zadanie w 27 sekund za 1,9 centa. Wśród otwartych modeli ta sama logika działa w mniejszej skali: Rumble-2-Flash z 0,5 miliarda parametrów dorównuje modelowi z 30 miliardami na rzeczywistych nagraniach z call center, a prosty adapter LoRA pozwala Qwen3.8-27B dorównać własnemu trybowi maksymalnego rozumowania przy od 6 do 8 razy mniejszej liczbie tokenów. Są to dane producentów lub cytowanych przez nich ewaluatorów.
Bezpieczeństwo zależy w równym stopniu od narzędzi, co od pracy laboratoriów. OpenAI deklaruje, że wstrzymuje udostępnienie GPT-6.1 Astra i trenuje swoje czołowe modele bez dostępu do rzeczywistego Internetu; tego samego dnia we wpisie o Codex przyznaje, że piaskownica pozostawia luki, które musi uzupełniać trening modelu. Twórcy narzędzi programistycznych publicznie rozstrzygają te kompromisy: Claude Code przyspiesza wykonanie pierwszego polecenia Bash kosztem uruchamiania plików startowych przed zatwierdzeniem i zapowiada wycofanie płatnej ścieżki awaryjnej trybu auto, VS Code pozwala firmom ponownie zezwalać na używanie harnessów Claude i Codex, które nie stosują jego zarządzanych ustawień, a Vibe zabrania projektowi ponownego włączenia telemetrii.
Modele coraz częściej służą do ulepszania swojego otoczenia. W AMD przepisują już mocno zoptymalizowane układy i uzyskują do 14 % poprawy PPA. W Anthropic sesja Claude Code zmniejszyła zużycie pamięci przez duży dokument z 3 GB do 180 MB; całość prac, od końca sierpnia do premiery Claude Docs, kosztowała około 125 000 dolarów za inferencję według cen katalogowych. Perplexity pozwala Brain pisać skills swoich użytkowników, a Replit zleca Missions odtworzenie ponad 1 000 ścieżek użytkownika platformy podpisu elektronicznego. Człowiek zachowuje kontrolę nad nieodwracalnymi zmianami: przepisane układy są weryfikowane narzędziami Synopsys, decyzje dotyczące schematu pozostawia się inżynierowi, który nadzorował pętlę prac nad Claude Docs, a wbudowane skills Perplexity są sprawdzane przez ludzi.
AI trafia wreszcie tam, gdzie ludzie już są. Google przebudowuje aplikację Gemini pod kątem telefonów z małą ilością pamięci, które według firmy codziennie łączą z internetem setki milionów osób, Perplexity przenosi swoich agentów na urządzenia mobilne, a ChatGPT wyświetla dyktowany tekst na bieżąco, bez limitu 10 minut. W firmach agenci trafiają do istniejących narzędzi biznesowych: CRM i narzędzi sprzedażowych w przypadku ChatGPT for Sales, dokumentacji medycznej w przypadku ElevenAgents, Teams i Azure w przypadku Replit. Prasa podąża tą samą drogą: po dziale medialnym LVMH Groupe Figaro wprowadza swoje archiwa do ChatGPT, zachowując niezależność redakcyjną.
Źródła
- Wpis Google o Gemini 4 Neon
- Modele dostępne w Antigravity
- @GoogleDeepMind na X: Gemini 4 Neon
- Zarządzanie ryzykiem związanym z najbardziej zaawansowanymi modelami (OpenAI)
- @OpenAI na X: zarządzanie ryzykiem
- Projektowanie układów scalonych z użyciem modeli OpenAI (OpenAI)
- Genie 4 w Project Genie (Google)
- Wersja badawcza: Pika Enact
- Informacje o wydaniach ChatGPT
- @perplexity_ai na X: Teammates i Multiagent na urządzeniach mobilnych
- Samodoskonalące się umiejętności (Perplexity)
- Gemini na telefonach z małą ilością pamięci (Google)
- Claude Code v2.1.327
- Pętla chaosu przed premierą Claude Docs (claude.dev)
- Sandbox Codex (OpenAI)
- Vibe CLI 3.1.3
- Informacje o wydaniu VS Code 1.147
- Replit na Microsoft Ignite
- Rumble-2-Flash (Hugging Face)
- @NVIDIAAI na X: Nemotron-Labs-Sigma
- Artykuł arXiv 2610.02665
- Qwen3.8-27B-opencode-adapted (harness-hub)
- Qwen3.8-27B-pi-adapted (harness-hub)
- Streaming ekspertów MoE z użyciem Transformers (Hugging Face)
- @arena na X: Muse Ember w Agent Arena
- Context API (Perplexity)
- @perplexitydevs na X: Context API
- Premiera ChatGPT for Sales (OpenAI)
- ElevenAgents for Healthcare (ElevenLabs)
- Groupe Figaro i OpenAI (OpenAI)
- Dziennik zmian Antigravity
- Gemini CLI, PR 30338
- Prace społeczności stworzone z użyciem Gemini 4 Carbon (Google)
- Raport techniczny EmbeddingGemma 2 (Google)
- Zed v1.29.1
- Codex CLI 0.170.0
- Dziennik zmian Codex
- Copilot SDK v2.0.1
- Dostosuj GitHub Copilot do swojego zespołu (GitHub)
- GitHub Agentic Workflows v1.3.1
- DeepSeek Harness 0.2.2-rc.5
- @Replit na X: Missions i TernSign
- @Replit na X: Missions i Replit Slides
- @OpenAIDevs na X: panel wykorzystania
- Informacje o wydaniach ChatGPT Enterprise i Edu (OpenAI)
- Przewodnik po lokalizacji przechowywania danych (OpenAI)
- OpenAI Agents SDK Python v0.25.0
- Dziennik zmian API Perplexity
- @togethercompute na X: DeepSeek-V4.1-Flash-1017
- @Alibaba_Qwen na X: Qwen4-Max w TokenHarbor
- @Alibaba_Qwen na X: Qwen4-Max w Runware
- @genspark_ai na X: GPT-6.2
- @ClaudeDevs na X: kanał Latest w Claude Desktop
- @bot na X: rezerwacje Grok Bot
- Informacje o wydaniach Kimi Work
- Przewodnik Perplexity po degradacji kontekstu
- @Kling_ai na X: Kling Image 4.0 w fal
- @Kling_ai na X: Kling Image 4.0 w Runware
- @Kling_ai na X: Kling Image 4.0 w eachlabs
- @genspark_ai na X: Kling Image 4.0
- @genspark_ai na X: MAI-Image-2.7
- @suno na X: Suno MCP
- Synthesia w Claude (Synthesia)
- @runwayml na X: AI Festival 2027
- Cosmos Data Factory (NVIDIA)
- Hybrydowy ANEMLL z Neural Engine i GPU (Hugging Face)
- Samdei Type (Hugging Face)
- ViKernel Scanner (Hugging Face)
- Kimi K3.1 Pro bez cenzury (Hugging Face)
- @allen_ai na X: olmOCR-Bench
- RoboTwin Unified w FiftyOne (Hugging Face)
- Recapture (Hugging Face)
- Lokalny asystent SRE Kafka, część 3 (Hugging Face)
- Ai2 i Taylor Geospatial (Ai2)
- Replit & Co. (PR Newswire)
- Manus dołącza do Godot Foundation (Manus)
- Oceny ryzyka bezpieczeństwa w GitHub Team (GitHub)