Szukaj

Anthropic przeznacza 5 % swoich akcji na Public Benefit Fund, OpenAI rozbudowuje API Agents, Thomas Wolf szacuje wartość mocy obliczeniowej udostępnionej na platformie Hub na niemal miliard dolarów

Artykuł wygenerowany przez sztuczną inteligencję
Anthropic przeznacza 5 % swoich akcji na Public Benefit Fund, OpenAI rozbudowuje API Agents, Thomas Wolf szacuje wartość mocy obliczeniowej udostępnionej na platformie Hub na niemal miliard dolarów

ai-powered-markdown-translator

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

Zobacz projekt na GitHubie ↗

Anthropic tworzy Public Benefit Fund i, pod warunkiem uzyskania zgody akcjonariuszy, zobowiązuje się przekazać mu 5 % swoich akcji, z kolejnymi progami powiązanymi ze wzrostem wartości firmy: uwzględniając zobowiązanie współzałożycieli oraz darowizny akcji pracowników, do których firma dokłada własny wkład, około 20 % jej kapitału jest już przeznaczone na dobro publiczne. W API Agents OpenAI pojawia się GPT-6 Astra Ultrafast, a za nieaktywne środowiska przestają być naliczane opłaty — wynika z cotygodniowego podsumowania członka zespołu API. Thomas Wolf z Hugging Face szacuje na niemal miliard dolarów wartość mocy obliczeniowej wykorzystanej do trenowania modeli, które laboratoria udostępniły bezpłatnie na platformie Hub; pod koniec 2023 roku było to mniej niż 40 milionów.


Anthropic przeznacza 5 % swoich akcji na Public Benefit Fund, który będzie mógł rosnąć wraz z wartością firmy

18 października — Anthropic tworzy Anthropic Public Benefit Fund, spółkę LLC, której jest właścicielem w 100 % i którą w całości przeznacza na dobro publiczne. Pod warunkiem uzyskania zgody akcjonariuszy zobowiązuje się przekazać jej 5 % swoich akcji; rada dyrektorów będzie następnie mogła dodawać do 2 % za każdy wzrost wartości firmy o 50 % ponad nieujawniony poziom bazowy. Firma przedstawia ten mechanizm jako odwrotność rosnących wynagrodzeń w akcjach, które przedsiębiorstwa technologiczne zazwyczaj przyznają swojej kadrze zarządzającej.

Zobowiązanie do przekazania akcjiZakres zobowiązania
Public Benefit Fund na początek, pod warunkiem zgody akcjonariuszy5 % akcji Anthropic
Próg przy każdym wzroście wartości o 50 % ponad poziom bazowydo 2 % więcej, według decyzji rady
Zobowiązanie współzałożycieli, złożone już przy założeniu firmy80 % ich udziałów
Darowizny akcji pracowników, uzupełniane przez Anthropicuczestniczy w nich około połowa pracowników
Łącznie przeznaczone na dobro publiczne, wraz z funduszemokoło 20 % akcji, bez przyszłych progów

Akcje funduszu nie posłużą do finansowania lobbingu ani darowizn na cele polityczne, zarówno w Stanach Zjednoczonych, jak i poza nimi. Działania łączące interes publiczny z wartością komercyjną (bezpieczeństwo i interpretowalność, stosowane badania biomedyczne, zniżki na Claude dla organizacji społecznych i instytucji naukowych) pozostają w firmie, będącej spółką realizującą misję społeczną (public benefit corporation). Fundusz będzie mógł przekazywać duże darowizny organizacjom społecznym lub dokonywać bezpośrednich wypłat wskazanym grupom ludności; wpis szerzej omawia przykład zatrudnienia, na które Anthropic, według własnych deklaracji, zobowiązało się już przeznaczyć 200 milionów dolarów. Szczegóły struktury, zasad zarządzania i progów zostaną przedstawione w najbliższych miesiącach, wraz z raportem o korzyściach publicznych (public benefit report) dotyczącym postępów w realizacji misji.

🔗 Inwestowanie w dobro publiczne (Anthropic) · Ogłoszenie na X (@AnthropicAI)


API Agents OpenAI: GPT-6 Astra Ultrafast, migawki środowisk sandbox i koniec opłat za nieaktywne środowiska

17 października — Steve (@stevendcoffey) z zespołu API OpenAI publikuje na X cotygodniowe podsumowanie API Agents, warstwy wykonawczej Codex udostępnionej deweloperom w publicznej wersji beta 10 września; konto OpenAI Developers udostępniło jego wpis. Wymienia w nim siedem nowości, bez cen ani danych liczbowych. Tylko pierwsza jest ogłoszona jako dostępna: GPT-6 Astra Ultrafast, tryb przyspieszenia premium wprowadzony 29 września w API i w Codex.

Nowość w API AgentsZakres wskazany w podsumowaniu
GPT-6 Astra UltrafastDostępny w API Agents
Migawki środowisk sandbox (sandbox snapshots)Środowiska hostowane przez OpenAI są przywracane po okresie bezczynności, z zachowaniem plików
Zmienione rozliczanie (better billing)Za nieaktywne środowiska nie są już naliczane opłaty
Klucze środowiskaTworzone programowo, a już nie tylko z poziomu panelu
Artifact SDKArkusze kalkulacyjne, prezentacje i dokumenty Word tworzone lub edytowane w środowiskach sandbox OpenAI
Historia według turElementy konkretnej tury agenta głównego, w tym interakcje podagentów
Filtrowanie sejfów (vaults)Sejfy można filtrować według ich metadanych

Żadna z tych zmian nie była jeszcze opisana w dokumentacji w chwili, gdy ją przeglądaliśmy, wieczorem 18 października: changelog API nie zawierał żadnego wpisu późniejszego niż z 16 października, a strona środowisk sandbox hostowanych przez OpenAI nadal podawała standardowe stawki za kontenery (standard container rates), z osobnym rozliczaniem użycia modelu.

🔗 Podsumowanie Steve’a na X


Hub Dollars: Thomas Wolf szacuje na niemal miliard dolarów wartość mocy obliczeniowej wykorzystanej do trenowania modeli udostępnionych na platformie Hub

18 października — Thomas Wolf z Hugging Face publikuje zgrubny szacunek (napkin math), udostępniony następnie przez konto @huggingface: ile kosztowałby wynajem GPU wykorzystanych do końcowych treningów głównych rodzin modeli o otwartych wagach dostępnych do bezpłatnego pobrania na platformie Hub. Jego Space Hub Dollars szacuje tę kwotę na 991 milionów dolarów, w przedziale od 816 milionów do 1,35 miliarda (od 10. do 90. percentyla), dla 75 rodzin i 35 organizacji. Pod koniec 2023 roku suma ta pozostawała poniżej 40 milionów dolarów.

Fun and crazy napkin math: Meta, NVIDIA, Alibaba, DeepSeek, Moonshot, Mistral and ~30 other labs have shared close to $1B worth of training compute on the Hugging Face Hub

🇵🇱 Zgrubny szacunek, zabawny i nieco szalony: Meta, NVIDIA, Alibaba, DeepSeek, Moonshot, Mistral i około trzydziestu innych laboratoriów udostępniły na platformie Hub Hugging Face moc obliczeniową wykorzystaną do treningu o wartości niemal miliarda dolarów. — @Thom_Wolf na X

Organizacja na platformie HubSzacunek centralny, w milionach dolarów
Meta156
Alibaba149
NVIDIA114
Moonshot55
Mistral AI49
DeepSeek47
Łącznie 35 organizacji991 (od 816 do 1 345)

Sam Wolf uważa tę sumę za dolną granicę. Część szacunku wynosząca około 502 milionów dolarów, czyli mniej więcej połowę całości, opiera się na danych o mocy obliczeniowej opublikowanych przez twórców, reszta zaś na założeniach; wyliczenie nie obejmuje ani długiego ogona, ani około 900 000 dostrojeń modeli wykonanych przez społeczność platformy Hub.

🔗 Space Hub Dollars


W skrócie

Produkty, platformy i wyróżnienia

  • Dots OpenAI na iOS — Zaległa wiadomość z 16 października: Dominik Kundel z zespołu DevX OpenAI ogłasza widżety iOS dla dots, stale działających agentów wprowadzonych 29 września, oraz obsługę przycisku Action w iPhonie; jego film pokazuje też trik w aplikacji Raccourcis pozwalający wywołać swojego dot przyciskiem aparatu. 🔗 źródło
  • Decider V1.2 w AI Gateway Vercel — Zaległa wiadomość z 16 października, dnia ich wejścia na OpenRouter, o którym pisaliśmy 17 października: modele decyzyjne Decider V1.2 27B i Decider Flash V1.2 4B firmy Perplexity trafiają do AI Gateway Vercel, w cenach Perplexity, bez narzutu ani opłat platformy, także przy korzystaniu z własnych kluczy (BYOK), z poziomu AI SDK lub API Decisions. 🔗 źródło
  • SynthID wśród wynalazków roku — Zaległa wiadomość z 15 października: podobnie jak Omnilingual ASR firmy Meta i NemoClaw firmy NVIDIA, opisane 16 października, niewidoczny znak wodny Google DeepMind znalazł się wśród najlepszych wynalazków 2026 roku magazynu TIME. Jego opis przypomina, że oznacza również treści OpenAI, NVIDIA, Kakao, a wkrótce także Apple, które każdy może zweryfikować na synthid.com. 🔗 źródło · 🔗 TIME
  • Gemini CLI, nightly z 18 października — Bez zmian: bazuje na tym samym commicie co wersja z 17 października, a jedynie bot publikujący zaktualizował numery wersji. Od wieczora 16 października niczego nie scalono z główną gałęzią, a PR społeczności dodający Gemini 4 Argon do selektora modeli pozostaje otwarty. 🔗 źródło · 🔗 PR

Wpisy społeczności na platformie Hub Hugging Face

  • OpenYap Turn — The Agentic Data Company przedstawia model audio do zarządzania kolejnością wypowiedzi, liczący 72,4 miliona parametrów, wytrenowany na 1 984 godzinach rozmów między bliskimi osobami. Zajmuje pierwsze miejsce wśród 24 modeli w wykrywaniu końca tury w TurnBench firmy Sesame, z medianą opóźnienia wynoszącą 298 ms, wobec 595 i 548 ms dla dwóch kolejnych modeli. Jego wagi nie są dostępne na platformie Hub. 🔗 źródło
  • RetryBench — You Liu przedstawia benchmark, który osobno ocenia decyzję o ponowieniu wywołania narzędzia po przekroczeniu limitu czasu oraz wynik wznowienia. Gdy proponuje się im zmodyfikowany klucz, endpointy GPT oznaczone jako Sol, Terra i Luna ponawiają wywołanie bez uzasadnienia odpowiednio 1, 55 i 60 razy na 80. Kod opublikowano na licencji niekomercyjnej. 🔗 źródło
  • Wykrywanie ewaluacji w aktywacjach — Na modelach Qwen3, PLLuM i Gemma 3 Mateusz Piesiak (Project Inkblot) pokazuje, że osiem wskazówek sugerujących ewaluację daje odrębne kierunki: standardowy kierunek wykrywa głównie wyraźną wzmiankę o teście (podobieństwo cosinusowe od 0,81 do 0,89), a kierunek wyuczony na siedmiu wskazówkach niemal nie wykrywa ósmej, czyli sztuczności scenariusza (AUROC od 0,49 do 0,62). 🔗 źródło
  • Nemotron 3.5 Super VL w 4 bitach — Ostatni z trzech raportów Thoughtworks, z których pierwszy, dotyczący CharXiv, opisaliśmy 16 października: przy jednakowej liczbie tokenów Gustavo A. Lujan nie wykrywa żadnej różnicy między kalibracją GPTQ na tekstach prawniczych a kalibracją na tekstach ogólnych. Rozmiar wag spada z 231,8 do 68,1 Gio, przy wzroście entropii krzyżowej na tekstach prawniczych w zakresie od 0,32 do 0,61 %, zmierzonym na przedpremierowej wersji modelu. 🔗 źródło

Co to oznacza

Fundusz Anthropic obejmuje zobowiązanie do przekazania udziałów w kapitale, a nie konkretnej kwoty: wpis nie podaje ani bazowej wyceny, ani kwoty w dolarach, a skala przedsięwzięcia będzie zależeć od głosowania akcjonariuszy, a następnie od zasad zarządzania i progów, których szczegóły obiecano na najbliższe miesiące. Znaczenie ma też jego forma. Fundusz, należący w 100 % do Anthropic i działający jako LLC, a nie organizacja charytatywna (501(c)(3)), pozostaje pod kontrolą firmy i będzie mógł zmieniać formę przekazywanych darowizn, przy dwóch z góry ustalonych zakazach: lobbingu i darowizn na cele polityczne. Wreszcie zatrudnienie, szerzej omówione we wpisie, jest również tematem raportów opublikowanych 16 października, dotyczących własnych zespołów firmy, w których udział juniorów wśród nowo zatrudnianych pracowników technicznych spadł z 27 % do 9 %.

Nowości w API Agents dotyczą z kolei czasu, w którym agent nic nie robi. Rezygnacja z opłat za nieaktywne środowisko i możliwość przywrócenia go wraz z plikami obniżają koszty agentów pracujących z przerwami. Ten czas ma duże znaczenie: raporty Anthropic dotyczące własnych zespołów wskazywały, że sesje interaktywne pozostawały bezczynne przez około 80 % czasu, czekając na odpowiedź. Źródłem pozostaje podsumowanie opublikowane na X: wieczorem 18 października nie wspominały o tym ani changelog API, ani strona hostowanych środowisk sandbox, nadal podająca standardowe stawki za kontenery.

Wyliczenie Thomasa Wolfa pokazuje wreszcie skalę wspólnego dobra, które tworzą otwarte modele: niemal miliard dolarów mocy obliczeniowej, wobec mniej niż 40 milionów pod koniec 2023 roku, przy czym uwzględnia jedynie końcowe treningi głównych rodzin modeli. Jak przyznaje sam Wolf, jest to zgrubny szacunek, którego tylko połowa opiera się na opublikowanych danych. Zestawienie pokazuje również, kto poniósł te koszty: na czele Meta, Alibaba i NVIDIA, przed Moonshot, Mistral AI i DeepSeek. Wolf porównuje ten zasób do Wikipedii, tworzonej godzinami pracy wolontariuszy, podczas gdy ten wspólny dorobek powstaje dzięki godzinom pracy GPU i danym.


Źródła