Modele OpenAI i Codex trafiają do Google Cloud, Anthropic udostępnia Claude Duet, OpenAI koordynuje reakcję na luki PHP2Shell

OpenAI wprowadza swoje najbardziej zaawansowane modele i Codex do Model Garden w Google Cloud, w prywatnej wersji testowej dla wybranych przedsiębiorstw, a Google deklaruje, że jest obecnie jedynym dużym dostawcą chmury oferującym trzy najważniejsze zamknięte LLM. Anthropic udostępnia wersję testową Claude Duet, agenta, który pracuje samodzielnie we własnej maszynie wirtualnej i prosi o zgodę przed dokonaniem płatności lub złożeniem podpisu, natomiast OpenAI podsumowuje działania dotyczące PHP2Shell — dwóch krytycznych luk w PHP, z których jedną wykryto za pomocą GPT-5.6 Sol. Na GTC Berlin NVIDIA prezentuje architekturę referencyjną do izolowania agentów oraz fabryki AI dostarczane w kontenerach; Recursive publikuje Flint, otwarty model do lokalnego programowania, a Cohere wprowadza Rerank 5.

Modele OpenAI i Codex trafiają do Google Cloud, w prywatnej wersji testowej w Model Garden

21 października — OpenAI i Google Cloud ogłaszają wprowadzenie najbardziej zaawansowanych modeli OpenAI oraz agentowych przepływów pracy Codex do Model Garden, katalogu modeli Google Cloud. Wpis Google, podpisany przez Michaela Gerstenhabera, wiceprezesa ds. produktu Gemini, wymienia trzy modele: GPT-6 Astra do najbardziej wymagających zadań (programowanie, obsługa komputera, zadania zawodowe, badania naukowe), GPT-6.1 Sol, przedstawiany jako model o inteligencji zbliżonej do Astra przy niższym koszcie, oraz GPT-6 Luna, szybki i ekonomiczny model do codziennej pracy na dużą skalę.

Harmonogram obejmuje kilka etapów, a obaj dostawcy opisują go w różny sposób:

Zapowiedziany element	Podany termin	Źródło harmonogramu
GPT-6 Astra, GPT-6.1 Sol i GPT-6 Luna w Model Garden	Prywatna wersja testowa dla wybranych klientów biznesowych, po zgłoszeniu przez formularz	Google Cloud
Wywołania przez API Google Cloud, Codex CLI i Codex Desktop podłączone do platformy Gemini na potrzeby inferencji	Od 21 października, dla tych klientów	Google Cloud
Ogólna dostępność	W najbliższych tygodniach	OpenAI
Nieprzechowywanie danych (Zero Data Retention) i Confidential Compute	Wkrótce	Google Cloud
Modele OpenAI w Google Antigravity i w agencie Gemini (według Google: Gemini for business)	W przyszłości, bez podanej daty	Obaj dostawcy

Zakup modeli odbywa się przez Model Garden i Google Cloud Marketplace: jedna faktura Google Cloud, zużycie zaliczane na poczet już podjętych zobowiązań do wydatków na usługi Google i uwzględniane w Flexible Savings Plans, bez odrębnej umowy z dostawcą. OpenAI zaoferowało już takie rozliczanie zobowiązań w Oracle Cloud w czerwcu. Google podkreśla też zasady zarządzania danymi: prompty, kontekst i odpowiedzi pozostają w obrębie środowiska danych klienta i nigdy nie służą do trenowania modeli bazowych, a modele działają na dedykowanej infrastrukturze Google Cloud, za odizolowanymi bramami, z VPC Service Controls i ujednoliconymi dziennikami audytu. Nie opublikowano cennika. Na tej podstawie Google deklaruje:

Google Cloud is now the only hyperscale cloud provider offering access to all three leading closed source LLMs, alongside more than 200 first-party, third-party, and open models on a unified enterprise AI platform.

🇵🇱 Google Cloud jest teraz jedynym dostawcą chmury hiperskalowej zapewniającym dostęp do trzech najważniejszych zamkniętych LLM, obok ponad 200 modeli własnych, zewnętrznych i otwartych, na ujednoliconej platformie AI dla przedsiębiorstw. — Michael Gerstenhaber, wiceprezes ds. produktu Gemini w Google Cloud

OpenAI zaznacza ze swojej strony, że Microsoft pozostaje jego głównym partnerem chmurowym. Po Amazon Bedrock 1 czerwca i Oracle Cloud 10 czerwca Google Cloud dołącza do chmur dystrybuujących jego modele, w tym Codex. Oficjalne SDK opublikowane tego samego dnia, openai-python 3.36.0 i openai-node 7.41.0, obsługują już Vertex AI dla Responses API.

🔗 Wpis OpenAI · Wpis Google Cloud · Tweet @OpenAI

Claude Duet: Anthropic udostępnia w wersji testowej proaktywnego agenta, a Grok Bot aktualizuje swoje pulpity

21 października — Anthropic udostępnia badawczą wersję testową (research preview) Claude Duet, nowej aplikacji, w której Claude działa jako proaktywny agent: wskazuje sprawy wymagające uwagi użytkownika, wykonuje powierzone zadania, kontynuuje pracę pod jego nieobecność i prosi o zgodę przed działaniem w jego imieniu. Dostęp jest przyznawany z listy oczekujących, początkowo subskrybentom Pro i Max w Stanach Zjednoczonych. Duet jest samodzielną aplikacją, odrębną od głównej aplikacji Claude, dostępną na iOS, Androidzie i claude.ai; w okresie testowym jest wliczony w plany Pro i Max i korzysta z tych samych limitów użytkowania.

Duet, zbudowany wokół Claude Opus 5.5, korzysta z pamięci, skills i połączonych aplikacji konta Claude. Każdego ranka wysyła krótkie podsumowanie ważnych spraw; w ciągu dnia sprawdza połączone konta co kilka godzin, ponieważ ciągłe monitorowanie szybciej wyczerpywałoby limity planu. Można z nim rozmawiać pisemnie lub głosowo w jednym wątku, a on pracuje we własnej maszynie wirtualnej, z własną przeglądarką: ani komputer, ani telefon nie muszą pozostawać włączone. Korzysta z ponad 6 000 konektorów i wtyczek z Claude Marketplace (Gmail, Slack, QuickBooks, Stripe, Gusto, Docusign, Shopify…) i może dokonywać zakupów dla firmy za pomocą Link, portfela cyfrowego Stripe, który płaci kartą wirtualną bez przekazywania prawdziwego numeru.

Rodzaj żądanej czynności	Co robi Claude Duet
Czytanie, pisanie, przygotowywanie pracy	Samodzielnie, w tle
Wysłanie wiadomości, płatność, podpisanie, usunięcie	Pokazuje działanie i czeka na zatwierdzenie
Handel papierami wartościowymi, przelewanie pieniędzy między kontami	Zabronione, nawet po zatwierdzeniu
Numery kart płatniczych, dokumenty tożsamości	Udostępnianie blokowane przez nowy klasyfikator
Zdrowie, finanse osobiste	Przekazywane tylko na wyraźne polecenie

Zabezpieczenia wykorzystują istniejące rozwiązania: dane uwierzytelniające są zarządzane tak jak w Claude Managed Agents, działania przechodzą przez klasyfikator trybu auto, mechanizmy obrony przed prompt injection pochodzą z prac nad browser use, a Duet dołącza do publicznego programu nagród za wykrywanie błędów (bug bounty) po testach penetracyjnych przeprowadzonych przez zespoły red team i zewnętrzną firmę.

Claude Duet draws on years of our safety and security work on agents. It never directly sees your passwords, a new classifier guards against sharing sensitive information, and the important decisions stay with you. We’ll share more on our approach to safety in Claude Duet soon.

🇵🇱 Claude Duet opiera się na latach naszych prac nad bezpieczeństwem agentów i ich ochroną. Nigdy nie widzi bezpośrednio Twoich haseł, nowy klasyfikator zapobiega udostępnianiu poufnych informacji, a ważne decyzje należą do Ciebie. Wkrótce opowiemy więcej o naszym podejściu do bezpieczeństwa w Claude Duet. — @claudeai na X

Anthropic przyznaje, że ta pierwsza wersja ma ograniczenia: Duet może błędnie odczytać wątek lub źle ocenić pilność sprawy, obsługa spraw osobistych, takich jak rezerwacja biletów, jest mniej dopracowana, a agent nie potrafi jeszcze pokazać swojej przeglądarki. Kontrole w tle wliczają się do limitów planu, a duże zadania, takie jak model finansowy czy prezentacja, zużywają ich więcej.

🔗 Ogłoszenie Claude Duet

Grok Bot tworzy teraz raporty i pulpity, które na bieżąco aktualizuje

21 października — SpaceXSI rozwija tę samą ideę agenta pracującego między kolejnymi poleceniami: Grok Bot potrafi teraz tworzyć raporty, notatki i pulpity. Można poprosić go o stronę, a następnie dopracowywać ją razem z nim lub powierzyć mu jej aktualizowanie z upływem czasu. Funkcja jest wdrażana tego samego dnia dla użytkowników najnowszych wersji aplikacji mobilnych i komputerowych.

Ogłoszenie ogranicza się do dwóch tweetów i filmu demonstracyjnego, bez wpisu na x.ai: nie określono ani planów objętych funkcją, ani limitów, ani źródeł danych, które pulpit może śledzić. To kolejna z październikowych nowości Grok Bot (adres e-mail 9 października, konektory i szybkość 16 października, przycisk czynności iPhone’a 19 października), przypominająca Claude Dashboards — pulpity aktualizowane przez Claude, które Anthropic udostępnia w wersji beta od początku października.

🔗 Ogłoszenie Grok Bot

PHP2Shell: OpenAI koordynuje reakcję na dwie krytyczne luki w PHP, Claude Security przechodzi na ciągłe skanowanie

21 października — OpenAI publikuje podsumowanie dwóch miesięcy koordynacji działań wokół PHP2Shell, dwóch krytycznych podatności w rdzeniu PHP. Według wpisu firma zajmująca się bezpieczeństwem Calif zidentyfikowała jedną z nich za pomocą GPT-5.6 Sol w ramach Patch the Planet, inicjatywy open source Daybreak, a Wiz niezależnie odkrył i zgłosił obie. Opiekunowie PHP prowadzili prace nad poprawkami przy wsparciu OpenAI, Wiz, Cloudflare i innych; OpenAI ocenia, że według jego wiedzy najbardziej zaawansowana AI znalazła te luki przed atakującymi. Skalę problemu pokazuje rozpowszechnienie języka: PHP napędza około 70 % stron internetowych.

Witryna php2shell.com poświęcona ujawnieniu luk szczegółowo opisuje obie CVE, których poziom zagrożenia sięga CVSS 9,2: nieuwierzytelniony atakujący może wykonać kod na serwerze lub odczytać pamięć procesu PHP (hasła, tokeny, klucze API). Podatny kod znajduje się w samym PHP, więc problem może dotknąć nawet aplikację pozbawioną błędów.

Identyfikator CVE	Klasa podatności	Demonstracja według php2shell.com
CVE-2026-109618	Uszkodzenie pamięci związane z jej niedoborem (out-of-memory)	Wykonanie kodu bez uwierzytelnienia w WordPress, Drupal i Joomla
CVE-2026-109619	Nieaktualny stan globalny między żądaniami, use-after-free	Wykonanie kodu bez uwierzytelnienia w WordPress i Drupal, odczyt pamięci niezależnie od aplikacji

Podatne są wersje od PHP 5.4. Jedynym pełnym rozwiązaniem jest aktualizacja do PHP 8.2.35, 8.3.36, 8.4.27 lub 8.5.12, a następnie ponowne uruchomienie Apache, PHP-FPM i procesów roboczych PHP. Aby pomóc administratorom, OpenAI publikuje skill dla Codex, openai/php2shell-checker, który odczytuje wersję PHP witryny na podstawie jej adresu URL lub bezpośrednio na serwerze; jego repozytorium ostrzega, że widzi on jedynie wersję podawaną w nagłówkach HTTP lub przez php -v, a nieznany wynik nie oznacza, że sprawdzany system został załatany.

Given the severity of these flaws and PHP’s widespread use, we consider this one of the most impactful security issues in recent memory.

🇵🇱 Biorąc pod uwagę powagę tych luk i rozpowszechnienie PHP, uważamy, że jest to jeden z problemów bezpieczeństwa o najpoważniejszych konsekwencjach w ostatnich latach. — OpenAI, wpis z 21 października

OpenAI przedstawia na tej podstawie pięcioetapowy schemat reagowania: od wcześniejszej walidacji poprawki, z testami adwersarialnymi prowadzonymi przez najbardziej zaawansowane modele, po publikację wytycznych, z uprzednim powiadomieniem zainteresowanych organizacji i koordynacją z władzami (w przypadku PHP: Super Intelligence Force Białego Domu, ONCD i CISA), a także kieruje do społeczności cztery pytania, w tym o długość okresów poprzedzających ujawnienie luk. Firma udostępnia subskrypcje Codex for OSS wszystkim opiekunom projektów, bezpośrednio sponsoruje projekty takie jak Rust Foundation i spodziewa się dużego wzrostu liczby tego typu odkryć w najbliższych miesiącach. Tego samego dnia opublikowała plan wyposażenia obrońców cyberprzestrzeni w odpowiednie narzędzia (zob. Krótkie wiadomości).

🔗 Wpis OpenAI · Witryna php2shell.com · Skill php2shell-checker

Claude Security przechodzi na ciągłe skanowanie i śledzi poprawki, w publicznej wersji beta dla Claude Enterprise

21 października — W Anthropic Claude Security nie polega już na ręcznie uruchamianych skanach: śledzi teraz repozytoria w miarę wprowadzania zmian. Projekt obejmuje jedno lub więcej repozytoriów, połączonych przez aplikację GitHub Claude (również GitHub Enterprise Server) lub za pomocą tokena dostępu w przypadku GitLab i innych dostawców Git; Claude uruchamia szczegółowe skanowanie bazowe, a następnie analizuje zmiany zależnie od ich ryzyka i złożoności. Wykryty problem jest oznaczany jako naprawiony po dostarczeniu poprawki, nawet poza Claude Security, i ponownie otwierany, jeśli wystąpi ponownie. Według Anthropic tysiące organizacji znalazły za pomocą narzędzia ponad milion podatności od uruchomienia jego publicznej wersji beta w kwietniu.

Każdy projekt otrzymuje bazę wiedzy i model zagrożeń (threat model), które Claude opracowuje na podstawie kodu, a zespół może je modyfikować; od nich zależy ocena powagi każdego wykrytego problemu, wraz z wyjaśnieniem ścieżki ataku, czasem w formie diagramu. Całość uzupełniają API, webhooks, konektor MCP w Claude.ai i Claude Code oraz kontrola dostępu oparta na rolach. Ta wersja jest dostępna jako publiczna beta dla Claude Enterprise, którą mogą włączyć administratorzy, z obsługą całej rodziny modeli, w tym Claude Mythos, bez przechodzenia przez Cyber Verification Program. Uprawnione organizacje otrzymują przez dwa miesiące po 25 000 dolarów miesięcznie w kredytach na korzystanie z usługi, do wykorzystania do 31 grudnia 2026.

🔗 Ogłoszenie Claude Security

Infrastruktura obliczeniowa: DSX POD w kontenerach, instancje A5X Google Cloud i Confidential Bare Metal

21 października — Na GTC Berlin, gdzie Jensen Huang oświadczył podczas swojego głównego wystąpienia, że Vera Rubin jest produkowana na pełną skalę, NVIDIA prezentuje DSX POD, projekt referencyjny kompletnych fabryk AI Vera Rubin, produkowanych przez partnerów w modułowych kontenerach. Zasoby obliczeniowe, sieć, okablowanie między szafami, instalacje rurowe, zasilanie szaf i chłodzenie cieczą są integrowane i weryfikowane w fabryce, a następnie dostarczane w postaci gotowej do podłączenia w przygotowanej lokalizacji.

Kluczowym argumentem jest czas: w lokalizacji z gotowym zasilaniem, chłodzeniem i siecią NVIDIA zapowiada skrócenie wdrożenia z sześciu miesięcy do zaledwie 14 dni w najkrótszym wariancie. Według Jensena Huanga fabryka AI tworzy wartość, gdy zaczyna produkować tokeny, a nie wtedy, gdy kończy się budowa. Siedemnastu partnerów (Dell, HPE, Lenovo, Foxconn, Schneider Electric, Vertiv, Bull, Crusoe, Anduril…) ma dostarczać te fabryki na całym świecie na początku 2027 roku; nie podano żadnej ceny.

Element zapowiedziany przez NVIDIA	Podana wartość
Uruchomienie DSX POD	Z sześciu miesięcy do zaledwie 14 dni w najkrótszym wariancie
Partnerzy produkcyjni	17
Pierwsze dostawy	Początek 2027
Oszczędność wody chłodzącej (obiekt o mocy 2 GW)	Do 54 milionów litrów dziennie
Zużycie energii z oprogramowaniem DSX MaxLPS	Do 30 % mniej przy tej samej liczbie tokenów

Towarzyszący komunikat przedstawia dane liczbowe dotyczące efektywności platformy DSX: chłodzenie cieczą w obiegu zamkniętym z chłodnicami powietrznymi, przy niemal zerowym zużyciu wody chłodzącej, pozwala zaoszczędzić do 54 milionów litrów dziennie w obiekcie o mocy 2 gigawatów, co odpowiada dziennemu zużyciu 180 000 gospodarstw domowych; oprogramowanie DSX MaxLPS miałoby produkować tę samą liczbę tokenów przy zużyciu energii mniejszym nawet o 30 %, a CoreWeave, Google Cloud, Lambda i Nebius planują z niego korzystać. Dzień wcześniej NVIDIA przedstawiła również szczegóły wdrażania swoich CPU Vera w Europie przez Nebius, Nscale i Verda.

🔗 Komunikat o DSX POD · Ekosystem DSX w Europie

Google Cloud zapowiada instancje A5X oparte na Vera Rubin NVL72, dostępne w przyszłym miesiącu

21 października — Google Cloud i NVIDIA prezentują instancje A5X, które łączą systemy Vera Rubin NVL72, karty sieciowe ConnectX-9, sieć Virgo Google Cloud i chłodzenie cieczą czwartej generacji, z przeznaczeniem do inferencji agentowej i uczenia ze wzmocnieniem na dużą skalę. Mimo że tytuł mówi o ogólnej dostępności, wpis NVIDIA precyzuje, że nastąpi ona w przyszłym miesiącu, a w planach jest rozszerzenie dostępności na Europę. Google Cloud przewiduje docelowo nawet 960 000 GPU Rubin w wielu lokalizacjach.

Pierwszym klientem jest Ineffable Intelligence, londyńska firma Davida Silvera, twórcy AlphaGo, która chce trenować systemy zdolne do ciągłego uczenia się na podstawie własnych doświadczeń. WPP twierdzi, że według pierwszych testów udało się zmieścić na jednej instancji A5X zadania kreatywnych agentów, które dotąd wymagały klastra złożonego z wielu węzłów.

🔗 Wpis NVIDIA o instancjach A5X

Confidential Bare Metal: NVIDIA chroni modele laboratoriów na maszynach, które do nich nie należą

21 października — NVIDIA rozszerza możliwości poufnych obliczeń o Confidential Bare Metal, opcję przeznaczoną dla laboratoriów, które trenują lub udostępniają najbardziej zaawansowane modele na dedykowanej infrastrukturze zewnętrznej, u dostawcy chmury, dostawcy neocloud lub w przedsiębiorstwie. Instalują tam własny stos oprogramowania, w tym oprogramowanie hosta i platformy, zachowując kontrolę nad swoimi modelami i danymi dzięki nowym mechanizmom: ochronie danych podczas przesyłania, pomiarowi integralności platformy i sprzętowo egzekwowanym ograniczeniom dostępu.

Oferta obejmuje teraz trzy tryby (bare metal, kontenery Kubernetes, maszyny wirtualne), rozszerza się na systemy Grace Blackwell i Rubin oraz zostanie zintegrowana z DSX OS, architekturą referencyjną dla dostawców chmury budujących fabryki AI. Cohere planuje wykorzystać ją w Cohere Model Vault, a Google Cloud rozszerza ją na swoje instancje A4X Max, oparte na GB300 NVL72, jednocześnie wprowadzając Confidential Computing do ogólnej dostępności na swoich VM G4. We wrześniu NVIDIA zaprezentowała poufną inferencję na B200, która zachowywała od 96,1 do 98,2 % przepustowości.

🔗 Wpis NVIDIA o Confidential Bare Metal

Agenci dla przedsiębiorstw od NVIDIA: OpenShell Reference Architecture, Agent Toolkit i modele Kumo

21 października — Na GTC Berlin NVIDIA zaprezentowała OpenShell Reference Architecture, dostępną już teraz architekturę referencyjną do tworzenia, izolowania, monitorowania i nadzorowania agentów w przedsiębiorstwach. Rozbudowuje ona OpenShell, runtime open source umieszczający agenta w sandboxie kontrolowanym przez polityki na poziomie jądra, do postaci kompletnego stosu sprzętu i oprogramowania. Jensen Huang podsumowuje podział ról: agenci myślą na Rubin, działają na Vera i podlegają nadzorowi na BlueField. Jego zdaniem możliwości i bezpieczeństwo AI muszą rozwijać się równolegle w chwili, gdy przedsiębiorstwa przygotowują się do wdrożenia miliardów agentów.

Komponent stosu	Zapowiedziana rola	Wartość podana przez NVIDIA
Vera Rubin NVL72	Inferencja modeli zamkniętych lub modeli otwartych zbudowanych z użyciem Nemotron	30 razy większa przepustowość na megawat przy zadaniach agentowych
CPU Vera	Harnessy agentów i wywołania narzędzi	2 razy większa wydajność niż procesory x86
DPU BlueField-4 z NVIDIA Sentry	Monitorowanie poza pasmem, polityki egzekwowane w układach scalonych	Zatrzymanie agenta w ciągu kilku milisekund, do 20 % więcej obsługiwanych agentów

Jeśli agent próbuje wyjść poza wyznaczony zakres, Sentry poddaje go kwarantannie i zatrzymuje w ciągu kilku milisekund, według NVIDIA. Architektura obejmuje także stacje RTX Spark, DGX Spark i DGX Station oraz działa w Linux i Kubernetes (Canonical, SUSE, Red Hat), a także w Windows, z Microsoft Execution Containers, w AWS, Google Cloud i Azure.

Można w niej uruchamiać agentów opartych na modelach Anthropic, Cohere, Google, Meta, OpenAI, Perplexity, Reflection i SpaceX Super Intelligence. Jedenastu dostawców rozwiązań bezpieczeństwa, w tym CrowdStrike, Palo Alto Networks, Zscaler, Okta i 1Password, integruje ją ze swoimi rozwiązaniami, BBVA i Santander analizują możliwości jej wykorzystania, a Cadence, Dassault Systèmes, IBM, SAP, Siemens i Synopsys tworzą na jej podstawie własne rozwiązania. SAP podłącza ją do runtime Joule Studio, a ServiceNow korzysta z okazji, by wprowadzić do ogólnej dostępności ServiceNow Arc, osobistego agenta działającego przez długi czas, którego działania realizuje OpenShell; jego AI Passport przekazuje polityki do OpenShell i Sentry, aby cofnąć agentowi dostęp w ciągu kilku sekund.

🔗 Komunikat NVIDIA · Tweet @NVIDIAAI

Agent Toolkit: Agent Knowledge Foundation i rodzina otwartych modeli Kumo

21 października — W ramach tego samego stosu NVIDIA rozszerza swój Agent Toolkit open source o komponent poświęcony danym przedsiębiorstw, Agent Knowledge Foundation. Łączy on biblioteki CUDA-X (cuDF, cuGraph, cuML, cuOpt, cuVS), nową bibliotekę Auto-Ontology, która przekształca surowe dane w pojęcia biznesowe (klienci, produkty, zamówienia) i relacje, bez przenoszenia danych ani zmiany mechanizmów zarządzania nimi, modele wyszukiwania Nemotron Retriever oraz rodzinę otwartych modeli Kumo, która formułuje prognozy na podstawie danych tabelarycznych, relacyjnych lub czasowych (Kumo Tabular, Relational, Time Series i Forecast). Zestaw obejmuje również runtime OpenShell i blueprinty NemoClaw, w tym nowy poświęcony optymalizacji agentów.

NVIDIA przytacza pierwsze wyniki uzyskane przez partnerów: dostrojony reranker SAP działa niemal 3 razy szybciej, ServiceNow zmniejsza opóźnienia rerankingu o blisko jedną czwartą, a Amazon OpenSearch Service poprawia trafność przy praktycznie zerowym dodatkowym opóźnieniu. Databricks łączy Kumo Anomaly z Genie Ontology, Snowflake udostępnia Kumo Engine i Kumo Relational w swoich notebookach, a NVIDIA wykorzystuje Kumo we własnym łańcuchu dostaw, wspólnie z Palantir. Rodzina Kumo zadebiutowała pod koniec września wraz z Kumo Tabular.

🔗 Wpis NVIDIA o Agent Toolkit

Flint: Recursive publikuje otwarty model MoE o 40 miliardach parametrów do lokalnego generowania kodu, a Base Labs swoje modele decyzyjne

21 października — Recursive, firma Richarda Sochera, publikuje swój pierwszy model, Flint: mieszankę ekspertów (mixture-of-experts) zaprojektowaną do agentowego programowania na lokalnym sprzęcie. Ma on łącznie 39,8 miliarda parametrów, ale aktywuje tylko około 2,5 miliarda na token, co pozwala mu działać na laptopie. Wagi opublikowano na licencji Apache 2.0 na Hugging Face, w BF16 oraz w skwantyzowanych wersjach INT4 i NVFP4 (GGUF), a model można uruchamiać za pomocą Ollama, LM Studio, Unsloth lub exo albo korzystać z niego bezpłatnie w OpenCode i Pi.

Benchmark lub cecha	Wartość według karty modelu Flint
Terminal-Bench 2.1	54,9 %
SWE-bench Pro v2	89,7 %
SWE-bench Verified	74,2 %
Parametry łącznie i aktywne	39,8 miliarda, w tym około 2,5 miliarda aktywnych na token
Eksperci na warstwę MoE	256 routowanych, w tym 6 aktywnych, plus 1 współdzielony
Udokumentowany kontekst	262 144 tokenów

Wyniki to średnie pass@1 z co najmniej pięciu prób, zmierzone przez Recursive; w Terminal-Bench rozwiązania znalezione przez wyszukiwanie w sieci liczą się jako niepowodzenia, a wyniki konkurentów częściowo pochodzą z danych podawanych przez ich twórców, uzyskanych przy użyciu różnych protokołów. Według Recursive żaden inny MoE o mniej niż 50 miliardach parametrów nie osiąga lepszych wyników w tych trzech benchmarkach, a Flint dorównuje modelom gęstym o 25–40 miliardach parametrów, działając ponad pięć razy szybciej. Firma deklaruje ponad 125 tokenów na sekundę na MacBook Pro M4 Pro i ponad 150 na NVIDIA RTX Spark z 64 GB pamięci. Wpis wspomina o kontekście do 512k tokenów, zalecając pozostanie poniżej 256k, i radzi dzielić złożone zadania na mniejsze części: Flint może potrzebować więcej wskazówek niż duże modele zamknięte.

Flint służy również jako demonstracja Eureka Machine, systemu zautomatyzowanych badań Recursive, który kolejno proponuje pomysły, implementuje je, testuje i wybiera następny kierunek badań. Według firmy system ten wniósł wkład w dane, optymalizatory, procedury treningowe, infrastrukturę i inferencję oraz pozwolił niewielkiemu zespołowi zbudować model od zera w mniej niż cztery miesiące.

🔗 Wpis Recursive · RecursiveSI/flint na Hugging Face

Base Labs, laboratorium Baseten, publikuje modele decyzyjne mammoth-1 i elephant-1

21 października — Baseten publikuje dwa modele decyzyjne wytrenowane przez swoje laboratorium badawcze Base Labs: mammoth-1 o 27 miliardach parametrów i elephant-1 o 9 miliardach. Model decyzyjny nie redaguje odpowiedzi: zwraca prawdopodobieństwo każdej możliwej odpowiedzi na pytanie wymagające wyboru, wystawienia oceny lub odpowiedzi tak albo nie, co pozwala ustalać progi pewności, po przekroczeniu których przekazuje się sprawę człowiekowi. Według Baseten może odpowiadać nawet 10 razy szybciej niż model rozumujący. Oba modele są wersjami Qwen3.5-27B i Qwen3.5-9B poddanymi dodatkowemu treningowi na 6,21 miliona przykładów, w tym przypadkach wymagających umiejętności odpowiedzenia „nie wiem”.

Model decyzyjny	Model bazowy	Jev Decision Index 0.4	Artificial Analysis Decision Index
mammoth-1	Qwen3.5-27B	71,24, pierwsze miejsce wśród 208	65,9
elephant-1	Qwen3.5-9B	Najlepszy model 9B, 8. miejsce ex aequo	65,2

Oba modele są dostępne bezpłatnie przez tydzień w Model APIs Baseten, z domyślnie wyłączonym przechowywaniem danych. Baseten przedstawia je jako open source: ich karty na Hugging Face wskazują licencję MIT.

🔗 Wpis Baseten

Wyszukiwanie w dokumentach dla agentów: Cohere wprowadza Rerank 5, NVIDIA publikuje Nemotron 3.5 Embed, Rerank i Parse

21 października — Cohere wprowadza Rerank 5, nową generację swoich modeli ponownego szeregowania (reranking) do wyszukiwania w przedsiębiorstwach, w dwóch wersjach: Rerank 5 Pro (rerank-v5.0-pro) stawia na najwyższą jakość, zwłaszcza przy zapytaniach wymagających rozumowania oraz długich lub specjalistycznych dokumentach, a Rerank 5 Fast (rerank-v5.0-fast) — na niskie opóźnienia i dużą liczbę zapytań, na przykład dla agentów wykonujących wiele wyszukiwań w ramach jednego zadania. Oba modele są dostępne od 21 października przez API Cohere, w cenie 0,05 dolara za milion tokenów dla Pro i 0,02 dolara dla Fast, a także w Model Vault, Microsoft Foundry, Amazon SageMaker i North. Obsługują ponad 100 języków, kontekst o długości 32k tokenów i dane częściowo ustrukturyzowane, a migracja ogranicza się do parametru model, bez ponownego indeksowania.

Główna nowość nosi nazwę Context Focus. Ta domyślnie wyłączona opcja zwraca w tym samym wywołaniu najtrafniejsze fragmenty każdego dokumentu w postaci przedziałów znaków z przypisanymi ocenami, aby do LLM wysyłać tylko te wycinki. Cohere przetestowała ją z agentem wyszukującym (glm-5-3-flash, 17 zestawów po 50 pytań):

Stos wyszukiwania testowany przez Cohere	Poprawne odpowiedzi	Zużyte tokeny
Sam BM25	46 %	Punkt odniesienia
BM25 i Rerank 5 Pro	49 %	Nie podano wartości
Z Context Focus, domyślny próg 0,1	57 %	O 19 % mniej niż bez Context Focus
Z Context Focus, próg 0,4	58 %	O 34 % mniej niż bez Context Focus, o 35 % mniej niż przy samym BM25
Sześć benchmarków pogłębionego wyszukiwania, próg 0,4	52 %, wobec 39 % przy samym BM25	O 41 % mniej niż przy samym BM25

To właśnie tę ostatnią wartość, zmierzoną w porównaniu z samym BM25, wątek Cohere podsumowuje jako „nawet o 41 %” mniej tokenów. Druga zmiana: wyniki są skalibrowane. Ocena trafności 0,7 oznacza teraz 70 % szans, że dokument będzie przydatny, a próg „raczej przydatny niż nieprzydatny” wynosi 0,50 dla Pro i 0,45 dla Fast. Pozwala to filtrować wyniki według progu lub wykryć, że nie zwrócono żadnego trafnego wyniku. W porównaniu z dwoma niezależnymi zestawami ocen ludzkich oczekiwany błąd kalibracji (ECE) wynosi około 0,06 dla obu modeli, wobec 0,23–0,38 dla Rerank 4 Pro i dwóch testowanych modeli Voyage AI.

W publicznych benchmarkach, ocenianych za pomocą RCP-nDCG@10, autorskiej metody pomiaru Cohere, Rerank 5 Pro zajmuje pierwsze miejsce w 39 z 46 złożonych zestawów danych i uzyskuje 82,2 w BRIGHT, który sprawdza wyszukiwanie wymagające rozumowania: o 5,8 punktu więcej niż Voyage AI Rerank 3 i o 12,4 więcej niż Rerank 4 Pro. Fast przetwarza około 187 dokumentów po 1 000 tokenów na sekundę na GPU A100, osiągając 2,9 razy większą przepustowość niż Pro. Rerank 5 pojawia się trzy tygodnie po Embed 5 i tydzień po krótkim filmie, w którym Cohere porównywała go już z Rerank 4.

🔗 Wpis Cohere · Informacje o wydaniu od Cohere

Nemotron 3.5 Embed, Rerank i Parse: multimodalne wyszukiwanie w dokumentach od NVIDIA dla agentów

21 października — Tego samego dnia NVIDIA rozszerza kolekcję Nemotron Retriever (wcześniej Nemotron RAG) o modele embeddings, ponownego szeregowania i ekstrakcji danych z dokumentów, przedstawiane jako otwarte i dopuszczone do użytku komercyjnego oraz opublikowane na Hugging Face na licencji OpenMDW 1.1. Nemotron 3.5 Embed występuje w wersjach 8B, 1B destylowanej z 8B oraz 1B NVFP4 i wyszukuje zarówno w tekście, jak i w obrazach dokumentów (tabelach, wykresach, schematach); Nemotron 3.5 Rerank 8B ocenia pary zapytanie–dokument w postaci tekstowej i obrazowej, a Nemotron 3.5 Parse, liczący 631 milionów parametrów, przekształca strony w ustrukturyzowany tekst.

W ViDoRe v3.1 Embed 8B osiąga 61,17 nDCG@10, zajmując pierwsze miejsce wśród modeli gęstych według stanu na 20 października, a Rerank 8B uzyskuje 60,49 wobec 59,17 dla Qwen-3-VL-Reranker-8B. Parse zajmuje pierwsze miejsce w ParseBench wśród modeli poniżej miliarda parametrów, z wynikiem 75,20 przy 10,5 strony na sekundę na H100. Podobnie jak Cohere, NVIDIA podkreśla koszty działania agentów, ale posługuje się innymi benchmarkami i punktami odniesienia:

Punkt porównania	Cohere Rerank 5	NVIDIA Nemotron 3.5 Rerank
Dystrybucja	Płatne API, Model Vault, Foundry, SageMaker	Wagi na Hugging Face, licencja OpenMDW 1.1
Deklarowana oszczędność tokenów	Do 41 % względem samego BM25 w sześciu benchmarkach	Około 14 % na zapytanie agenta, z Embed 8B
Eksponowany wynik	82,2 w BRIGHT (RCP-nDCG@10)	60,49 w ViDoRe v3.1 (nDCG@10)

Tych dwóch wartości oszczędności nie można bezpośrednio porównywać: Cohere mierzy cały swój stos z Context Focus względem samego wyszukiwania po słowach kluczowych, a NVIDIA — dodanie Rerank po własnych embeddings, na ViDoRe v3, BRIGHT i BrowseComp-Plus. Pod względem wdrożenia wersja NVFP4 modelu Embed 1B przetwarza na GB200 o 27,1 % więcej dokumentów na sekundę, zachowując 99,85 % swojej dokładności.

🔗 Wpis NVIDIA o Nemotron Retriever

ChatGPT Ads: 26 kolejnych krajów, łącznie 89, oraz platforma reklamowa sterowana przez LLM pełniący funkcję orkiestratora

21 października — OpenAI rozszerza ChatGPT Ads na 26 kolejnych krajów, zwiększając zasięg swojej platformy reklamowej do 89 krajów. Po Meksyku i Brazylii obejmuje ona 14 kolejnych krajów Ameryki Łacińskiej, w tym Argentynę, Chile, Kolumbię i Peru, a także nowe rynki w Europie, na Bliskim Wschodzie, w Afryce i Azji, takie jak Nigeria, Republika Południowej Afryki, Serbia, Ukraina, Kambodża, Bangladesz i Pakistan. Ponad 100 000 reklamodawców uruchomiło kampanie od wprowadzenia reklam nieco ponad osiem miesięcy temu, a z ChatGPT korzysta co tydzień ponad 1,2 miliarda osób. Reklamy nadal pojawiają się wyłącznie w planach Free i Go; plany Plus, Pro i Enterprise pozostają od nich wolne. Pod koniec sierpnia platforma deklarowała miliard dolarów przychodów w ujęciu rocznym i obecność w ponad 40 krajach.

Tego samego dnia dwaj inżynierowie OpenAI, Ritendra Datta i Karthik Gopalratnam, opisują stos technologiczny tej platformy. W rozmowie intencja zakupowa kształtuje się przez kilka tur, z czym słabo radzą sobie klasyczne systemy zaprojektowane pod pojedyncze zapytanie lub odsłonę strony. OpenAI wybrało więc sesje reklamowe zachowujące stan, które pamiętają informacje między turami i rozmowami, LLM klasy frontier po dodatkowym treningu — „orkiestrator” — sterujący całym przepływem za pomocą wywołań narzędzi oraz usługę wyboru reklam oddzieloną od generowania odpowiedzi, z własnymi modelami i własnym kodem.

Etap łańcucha reklamowego	Co się na nim dzieje
Intencja	Orkiestrator streszcza rozmowę w postaci jednego lub kilku zapytań
Wyszukiwanie	Semantyczne embeddings i przybliżone wyszukiwanie najbliższych sąsiadów w wielu indeksach
Filtrowanie	Budżet, tempo wydatków, targetowanie, reguły, deduplikacja według reklamodawcy
Ocena	Trafność, przewidywane zaangażowanie, wcześniejsze wyniki
Aukcja	Wybór reklamy i jej ceny, poza orkiestratorem

ChatGPT nie zależy od tego systemu: jeśli działa on wolno lub ulegnie awarii, odpowiedź wyświetla się normalnie, reklama, która dotrze zbyt późno, nie jest pokazywana, a brak zwróconej reklamy jest normalnym wynikiem. Wybrana reklama pojawia się pod odpowiedzią, z oznaczeniem treści sponsorowanej i krótkim, neutralnym wprowadzeniem wygenerowanym przez model. Najpotężniejsze modele OpenAI oceniają całość i trenują mniejsze modele do orkiestracji lub wyszukiwania, a Codex zwielokrotnił możliwości zespołu przy budowie stosu, mimo że jeszcze rok temu OpenAI nie miało żadnego systemu reklamowego.

🔗 Rozszerzenie na 26 krajów · Stos reklamowy ChatGPT

Sztuczna inteligencja w biologii i medycynie: GPT-Rosalind analizuje atlas CRISPR, RFD4-Proteina i Cosmos3-H-Dreams

Trzy ogłoszenia dotyczą zastosowania sztucznej inteligencji w badaniach nad życiem: agentów OpenAI analizujących atlas genetyczny, modelu projektowania białek dostępnego w przeglądarce oraz symulatora chirurgicznego generującego obraz w czasie rzeczywistym.

Tysiące agentów GPT-Rosalind analizują atlas CRISPR mózgu myszy w 32 minuty

21 października — OpenAI, PerturbAI i Scripps Research powierzyły tysiącom agentów opartych na GPT-Rosalind analizę atlasu CRISPR całego mózgu myszy, który mierzy wpływ zaburzeń genetycznych na miliony komórek. Każdy agent bada jedno zaburzenie, analizuje odpowiedzi komórek, przeszukuje literaturę i proponuje wyjaśnienie; całość tworzy atlas rozumowania (reasoning atlas) opublikowany na GitHub, wraz z preprintem na bioRxiv.

Miara podana przez zespół	Opublikowana wartość
Czas analizy przeprowadzonej przez agentów	32 minuty
Porównywalna analiza przeprowadzona przez ludzi (szacunek)	Od kilku miesięcy do roku
Cytowane źródła przy największej skali pracy	Ponad 700, wobec 11 dla pojedynczego agenta
Preferencje ekspertów w ślepej ocenie	75 % na korzyść raportów rozproszonych agentów

Wyłaniają się dwa kierunki badań. W móżdżku zaburzenie Tsc2 zmienia aktywność dziesiątek genów związanych z komunikacją neuronów, podczas gdy zaburzenie Tsc1 niemal niczego nie zmienia — wynik ten należy rozpatrywać w kontekście stwardnienia guzowatego. Z kolei zaburzenie Dctn1, genu związanego z zespołem Perry’ego, zwiększa ekspresję genów odpowiedzialnych za produkcję cholesterolu. Prowadzi to do hipotezy uznanej przez ekspertów za nową, którą trzeba sprawdzić w laboratorium: czy przywrócenie prawidłowej dystrybucji cholesterolu w neuronach mogłoby chronić je przed degeneracją?

🔗 Wpis badawczy OpenAI · Preprint na bioRxiv

RFD4-Proteina: model projektowania białek od NVIDIA i Baker Lab, bezpłatny na dedykowanych GPU do 4 listopada

21 października — NVIDIA udostępnia RFD4-Proteina z poziomu przeglądarki. Ten otwarty model projektowania białek, opracowany wspólnie z Baker Lab z Institute for Protein Design Uniwersytetu Waszyngtońskiego, generuje jednocześnie sekwencję i pełnoatomową strukturę białka zgodnie z zadanym ograniczeniem: celem, z którym ma się połączyć białko wiążące, lub motywem katalitycznym, który musi zawierać enzym. Obsługuje różne konteksty molekularne, od małych cząsteczek przez glikany i jony metali po kwasy nukleinowe.

Wagi są dostępne na Hugging Face od 6 października na licencji BSD-3-Clause; nowością jest dostęp przez dwa Spaces: jeden na dedykowanych GPU RTX PRO 6000, bezpłatny od 21 października do 4 listopada na koszt NVIDIA, a drugi na ZeroGPU, który pozostanie bezpłatny także później. Model oferuje ustawienie rozumowania (thinking setting), podobnie jak LLM: w benchmarku obejmującym 24 cele, przy wysokim poziomie rozumowania, tworzy 76,40 odrębnych projektów na godzinę pracy GPU, które spełniają kryteria walidacji in silico, wobec 13,24 dla Proteina-Complexa, drugiej w kolejności metody. We wpisie o otwartych modelach zaprezentowanych na GTC Berlin NVIDIA podaje też, że model prowadzi w ponad dziesięciu zadaniach projektowania i jest około 13 razy szybszy od RFdiffusion3 przy białkach o długości 200 aminokwasów. NVIDIA sugeruje wykorzystanie go w konkursie projektowania białek sponsorowanym przez Anthropic i Adaptyv.

🔗 Wpis o RFD4-Proteina na Hugging Face · Wagi RFD4-Proteina

Cosmos3-H-Dreams: generatywny symulator chirurgiczny reagujący w czasie rzeczywistym na ruchy użytkownika

20 października — NVIDIA prezentuje Cosmos3-H-Dreams, generatywny symulator odtwarzający w czasie rzeczywistym scenę operacji jamy brzusznej: użytkownik przesuwa kleszczyki, chwyta pęcherzyk żółciowy i go unosi, a model generuje odpowiadający temu obraz. Zamiast modelować geometrię i odkształcenia tkanek, ten model świata (world foundation model) uczy się dynamiki wizualnej na podstawie nagrań i danych kinematycznych z rzeczywistych cholecystektomii przeprowadzonych za pomocą robota Versius firmy CMR Surgical. Według NVIDIA jest to pierwszy generatywny symulator chirurgiczny działający w czasie rzeczywistym, wytrenowany na zabiegach klinicznych i obsługujący sterowanie kinematyczne na żywo.

Model bazuje na Cosmos3-H-Embodied-Nano, liczącym 16 miliardów parametrów, wyspecjalizowanym pod kątem 28 wymiarów działania (pozycja i orientacja oraz chwytaki obu ramion, sterowanie energią, osie i przyciski kontrolerów), a następnie destylowanym do wersji cztero- i dwuetapowej, które dzięki bibliotece FlashDreams działają interaktywnie na pojedynczym RTX PRO 6000. Oba checkpointy są dostępne na Hugging Face na licencji NVIDIA Open Model License, wraz z kodem i instrukcją dostosowania modelu do własnych danych.

🔗 Wpis o Cosmos3-H-Dreams na Hugging Face

Robotyka i fizyczna sztuczna inteligencja: humanoid Agile ONE SN, Isaac Lab 3.0, Alpamayo 2 Edge i Cosmos Data Factory

NVIDIA poświęciła znaczną część swojego głównego wystąpienia fizycznej sztucznej inteligencji: referencyjnemu humanoidowi dla laboratoriów, platformie uczenia robotów dostępnej już powszechnie oraz nowym modelom i narzędziom do autonomicznej jazdy i danych treningowych. Na scenie pojawiły się nawet Microducks od Pollen Robotics i Hugging Face (zob. Krótkie wiadomości).

Isaac: referencyjny humanoid Agile ONE SN, Isaac Lab 3.0 i Isaac OS

21 października — NVIDIA rozszerza swoją platformę robotyki Isaac o referencyjnego humanoida przeznaczonego do badań. Zbudowany przez Agile Robots model Agile ONE SN jest dostarczany ze wstępnie skonfigurowanymi modelami Isaac GR00T, a system bezpieczeństwa Halos ma zostać z nim zintegrowany. Ma być dostępny na początku 2027 roku, a celem jest skrócenie czasu uruchomienia laboratorium z kilku tygodni do kilku dni; zainteresowanie wykazują Stanford i ETH Zurich.

Parametr Agile ONE SN	Deklarowana wartość
Wzrost i masa	1,40 m, 40 kg
Stopnie swobody	31, plus 20 dla każdej z dwóch dłoni
Udźwig	3 kg na ramię
Komputer pokładowy	Jetson Thor, 2 070 teraflopów FP4, 128 Go pamięci zunifikowanej
Dostępność	Początek 2027

Rozwijają się również pozostałe elementy platformy: Isaac Lab 3.0, framework open source do uczenia robotów, staje się ogólnie dostępny z silnikami fizycznymi Newton i PhysX, a nowy runtime open source, Isaac OS, zbudowany na Holoscan, łączy modele, czujniki i sterowanie. Trzy referencyjne przepływy pracy dla DGX Station pokazują, jak dostrajać GR00T 1.7 przez uczenie ze wzmocnieniem, trenować zręczne manipulowanie przedmiotami lub prowadzić post-training modeli Cosmos w celu wytwarzania danych syntetycznych. NVIDIA publikuje też na Hugging Face bibliotekę ponad 2 000 obiektów gotowych do symulacji oraz Human 1M, zbiór zsynchronizowanych nagrań wideo z trzech perspektyw ze śledzeniem dłoni w 3D, którego pełna wersja jest zarezerwowana dla partnerów Cosmos Coalition. Zdaniem Jensena Huanga moment ChatGPT w robotyce zbliża się wielkimi krokami.

🔗 Komunikat NVIDIA dotyczący Isaac

Alpamayo 2 Edge i Cosmos Data Factory: autonomiczna jazda z obliczeniami w pojeździe i dane robotów

21 października — We wpisie prezentującym otwarte modele na GTC Berlin NVIDIA dodaje Alpamayo 2 Edge, kompaktowy model rozumowania działający w pojeździe na DRIVE AGX Thor, który interpretuje otoczenie i planuje trajektorię w czasie rzeczywistym; opiera się on na NVIDIA Cosmos. W obszarze danych Cosmos Data Factory gromadzi blueprints i skills agentów do wybierania, anotowania, generowania i oceniania zbiorów treningowych, a także nowe narzędzia do ulepszania modeli świata przy mniejszym nakładzie obliczeń. Korzystają z niego Porsche z Voxel51, ANYbotics z Encord, Zalando i CEVA Logistics z Sereact, a także Siemens. Ten sam wpis przedstawia RFD4-Proteina i zapowiada udostępnienie Ising, rodziny modeli NVIDIA do obliczeń kwantowych, w AWS Parallel Computing Service.

🔗 Wpis NVIDIA o otwartych modelach

Przemysł i telekomunikacja: Mistral i NVIDIA na potrzeby inżynierii, T-Mobile przeprowadza pierwszą rozmowę przez AI-RAN

Dwa ogłoszenia przenoszą IA poza centrum danych: do przemysłowych biur projektowych oraz anten sieci komórkowych.

Mistral i NVIDIA łączą siły w zakresie IA w inżynierii przemysłowej, z otwartymi benchmarkami

21 października — Mistral ogłasza współpracę z NVIDIA dotyczącą zastosowania IA w inżynierii przemysłowej. Obie firmy chcą zbudować przepływy pracy inżynierskiej od podstaw oparte na IA (AI-native engineering workflows): Mistral Large 4 oraz pipeline’y generowania danych i modelowania fizycznego Mistral, przyspieszane przez biblioteki CUDA-X i Warp firmy NVIDIA, mają skrócić symulacje i połączyć w zamkniętej pętli symulację, rozwój modeli i projektowanie. Modele Mistral zostaną również zintegrowane z bibliotekami Omniverse, aby generować sceny 3D na GPU i obiekty 3D SimReady.

Sednem projektu jest ocena: publiczne benchmarki i otwarte zbiory danych do porównywania dokładności modeli fizycznych i walidacji zautomatyzowanych procesów od CAO do symulacji, a także oceny agentowej IA w inżynierii wspomaganej komputerowo (CAE) i projektowaniu elektroniki (EDA), na potrzeby lotnictwa, motoryzacji i półprzewodników. Będą one mierzyć, czy agent potrafi korzystać z narzędzi inżynierskich, realizować zadania składające się z wielu etapów i dostarczać technicznie poprawny wynik, z uwzględnieniem czasu wykonania i kosztu obliczeń. Nie podano żadnych nazw benchmarków, zbiorów danych, dat ani kwot. Wpis przypomina, że publikacja wag Mistral Large 4 (około 1 000 miliardów parametrów, w tym 49 miliardów aktywnych), trenowanego na 3 800 GPU Grace Blackwell w Europie, nadal jest planowana na koniec października. Zdaniem Neila Ashtona, wiceprezesa ds. inżynierii obliczeniowej w Mistral, tempo prac inżynierskich od zbyt dawna jest dyktowane przez tempo symulacji.

🔗 Wpis Mistral · Tweet @MistralAI

T-Mobile przeprowadza pierwszą rozmowę przez AI-RAN w sieci komercyjnej, z NVIDIA i Nokia

21 października — NVIDIA ogłasza, że T-Mobile przeprowadził w Bellevue w stanie Waszyngton pierwszą rozmowę przez AI-RAN w sieci komercyjnej, we współpracy z Nokia. AI-RAN przenosi przetwarzanie sieci radiowej na GPU, które mogą również obsługiwać modele IA jak najbliżej użytkowników. Jensen Huang podsumował ten etap jednym zdaniem: CUDA wykonuje teraz połączenia telefoniczne, po blisko ośmiu latach pracy, jak sam stwierdził.

W Europie Elisa deklaruje przeprowadzenie pierwszego na kontynencie testu terenowego AI-RAN, który obsługuje głos, transmisję danych komórkowych i wizyjną IA na jednej platformie akcelerowanej, BT przygotowuje testy w Wielkiej Brytanii, a Nokia instaluje swoje oprogramowanie anyRAN, przyspieszane przez CUDA, na Aerial RAN Computer firmy NVIDIA na potrzeby testów u BT, Deutsche Telekom, Elisa i Orange. Dziewięciu operatorów z regionu EMEA buduje lub rozbudowuje infrastrukturę NVIDIA, a Nokia i Cisco integrują modele Nemotron ze swoim oprogramowaniem do autonomicznych sieci.

🔗 Komunikat NVIDIA dotyczący AI-RAN

Generatywny głos i wideo: Eleven Realtime Translation, HeyGen Voice Turbo i API Kling 4.0

Trzech dostawców mediów generatywnych rozwija ofertę dla deweloperów: tłumaczenie głosu na żywo, tańszy model głosowy i API wideo, na które czekano od tygodnia.

Eleven Realtime Translation: ElevenLabs udostępnia wersję alpha tłumaczenia głosu na żywo podczas rozmów

21 października — Dzień po prezentacji Eleven Realtime, swoich modeli przetwarzających mowę na mowę dla agentów głosowych, ElevenLabs udostępnia ograniczoną wersję alpha Eleven Realtime Translation, modelu tłumaczenia głosu na żywo. Podczas rozmowy każda osoba mówi we własnym języku i słyszy rozmówcę w swoim, z naturalnie brzmiącym głosem. ElevenLabs podsumowuje różnicę: Eleven Realtime służy agentom rozmawiającym z ludźmi, a Realtime Translation osobom, które potrzebują porozmawiać ze sobą.

Model obsługuje ponad 90 języków i automatycznie wykrywa język każdego rozmówcy. Głos wyjściowy można wybrać spośród ponad 17 500 głosów w bibliotece lub użyć klonu własnego głosu, a parametr szybkości reakcji (eagerness control) pozwala wyważyć opóźnienie i jakość tłumaczenia. Podczas fazy alpha dostęp jest zarezerwowany dla firm, za pośrednictwem ElevenAPI, bez podania cen ani wpisu na blogu.

🔗 Ogłoszenie @ElevenLabsDevs

HeyGen Voice Turbo: pierwsze miejsce w widoku Controlled Voice w Artificial Analysis, przed HeyGen Voice

21 października — Dwanaście dni po HeyGen Voice, swoim pierwszym własnym modelu głosowym, HeyGen wprowadza szybszy i tańszy wariant Turbo, dostępny przez API; endpoint Turbo w API jest bezpłatny do 30 listopada. HeyGen deklaruje zajmowanie dwóch pierwszych miejsc w rankingu syntezy mowy Artificial Analysis. Chodzi o widok Controlled Voice, który porównuje modele korzystające z tych samych sklonowanych głosów; podium uzupełnia w nim Qwen-Audio-3.1-TTS-Plus, a zakresy niepewności wskazują na wyrównany poziom pierwszej trójki.

Model syntezy mowy	Elo w widoku Controlled Voice	Cena podana przez Artificial Analysis
HeyGen Voice Turbo	1 202 (±19)	4 dolary za milion znaków
HeyGen Voice	1 195 (±15)	30 dolarów za milion znaków

Podobnie jak 9 października, HeyGen nie zajmuje pierwszego miejsca w widoku Provider Voice, który porównuje głosy dostarczane przez poszczególnych dostawców.

🔗 Ogłoszenie HeyGen · Widok Controlled Voice w Artificial Analysis

Kling udostępnia API Kling 4.0, dostępnego także na fal, Higgsfield i Runway

21 października — Sześć dni po pełnym udostępnieniu Kling 4.0 na swojej stronie Kling oficjalnie wdraża API swojego modelu wideo, którego rychłe uruchomienie zapowiedziano 15 października, aby umożliwić jego integrację z produktami i przepływami pracy. Ogłoszenie nie podaje cen ani linku do dokumentacji. Tego samego dnia model trafia na kilka platform zewnętrznych: fal i Higgsfield dodają go do oferty, Kling promuje go na Magnific, a Runway oferuje trzy dni nieograniczonego korzystania z Kling 4 każdemu nowemu subskrybentowi Max lub Team.

🔗 Ogłoszenie @Kling_ai · Oferta Runway

GitHub skopiował 99,99999 % swoich repozytoriów do Azure i przechodzi na kworum dla poszczególnych referencji

21 października — Dwa tygodnie po przedstawieniu założeń swojej przyszłej infrastruktury Git GitHub opisuje etap pośredni, wymuszony zwrotem ku agentom. Obecnie 99,99999 % jego repozytoriów znajduje się jednocześnie we własnych centrach danych i w Azure, gdzie pierwsza kopia trafiła w sierpniu 2025 roku; większość ma tam dwie z pięciu replik, a Azure obsługuje już około połowy ruchu Git. Pozostaje 0,00001 % najbardziej obciążonych repozytoriów, których migrację wstrzymuje opóźnienie sieciowe w obie strony wynoszące około 25 ms do regionu Azure oddalonego o około 1 000 mil.

Przeszkodą jest kworum w Spokes, systemie replikującym każde repozytorium: zapis czeka na wszystkie sprawne repliki i blokuje całe repozytorium, przez co tempo wyznacza najwolniejsza replika. GitHub przechodzi więc z kworum dla całego repozytorium na kworum dla poszczególnych referencji: dwa zapisy czekają na siebie już tylko wtedy, gdy dotyczą tej samej gałęzi, co zdarza się rzadko, gdy agenci i deweloperzy wysyłają zmiany każdy do własnej gałęzi. W testach wewnętrznych zapisy do różnych referencji osiągnęły od 3 do 4 razy wyższą przepustowość. Azure Blob Storage również dołącza do kworum poprzez „wirtualną replikę” do zapisu, czyli pierwszy w pełni efemeryczny węzeł GitHub, a wirtualne repliki do odczytu można tworzyć na żądanie dla repozytoriów, w których na jeden zapis przypada od 100 do 1 000 odczytów. Ostatnia część serii ma się ukazać podczas GitHub Universe w przyszłym tygodniu.

🔗 Wpis inżynierski GitHub

JOLT: Perplexity Research i NVIDIA powierzają jednemu modelowi role nauczyciela i ucznia

21 października — Perplexity publikuje wraz z NVIDIA JOLT (Joint On-policy Learning and Teaching, wspólne uczenie się i nauczanie), metodę post-trainingu, w której jeden model odgrywa dwie role. Klasyczne uczenie ze wzmocnieniem, takie jak GRPO, przyznaje tylko jedną nagrodę za próbę; samodestylacja dodaje informację zwrotną dla każdego tokena, a ten sam model odgrywa nauczyciela, który dysponuje uprzywilejowaną informacją, na przykład zweryfikowanym rozwiązaniem, oraz ucznia, który jej nie ma. Dzięki wskazówkom nauczyciel może jednak stosować skróty niedostępne uczniowi: JOLT trenuje więc również nauczyciela na podstawie jego własnych nagród, nakładając karę, gdy odbiega on od tego, co zrobiłby uczeń.

Oceniany benchmark	Model bazowy	Przewaga JOLT+ nad GRPO
GSM8K	DeepSeek-V2-Lite	+1,5 punktu
MATH	Qwen3-0.6B	+4,2 punktu
LiveCodeBench v6	Qwen3-8B	+3,0 punkty
AppWorld	Qwen3-4B-Instruct	+9,9 punktu
Terminal-Bench 2.1 (pass@1)	Qwen3-30B-A3B-Instruct	+2,7 punktu

Wariant JOLT+, który dodaje własną nagrodę ucznia, wyprzedza GRPO, najlepszą testowaną metodę odniesienia, we wszystkich pięciu benchmarkach; bez niej JOLT wypada lepiej od GRPO w matematyce i kodowaniu, ale pozostaje za nim w AppWorld i Terminal-Bench. Najwyraźniejsza korzyść dotyczy kosztu: w MATH, przy tej samej dokładności (63,44 %), GRPO zużył 8,40 miliona tokenów treningowych, wobec 1,30 miliona według dopasowanej krzywej JOLT, czyli 6,5 razy mniej. Pełny artykuł jest dostępny na arXiv od 7 października, a wpis nie wiąże tej metody z żadnym produktem Perplexity.

🔗 Wpis Perplexity · Artykuł na arXiv

Agenci programistyczni: Claude Code 2.1.305, Gemini CLI od 0.65 do 0.67, Delta 0.21, Replit Agent ze Stripe Atlas i PDD Kit

CLI agentów naprawiają regresje i otwierają się na sieci firmowe, Delta integruje się z Claude Code, Replit Agent uczy się zakładać firmę, a GitHub Next obiecuje dowodzić poprawności kodu agentów zamiast go przeglądać. W OpenAI od wersji 0.163.0 z 15 października nie ukazała się żadna stabilna wersja Codex CLI; Copilot CLI 1.0.102, Qwen Code, CLI mistral i pozostałe narzędzia dnia opisano w sekcji W skrócie.

Claude Code 2.1.305 naprawia żądania blokowane przez wyszukiwanie narzędzi na Vertex i Bedrock

20 października — Claude Code 2.1.305 (38 pozycji, w tym 22 poprawki) naprawia przede wszystkim regresję z wersji 2.1.304: na Vertex, Bedrock i u innych dostawców wszystkie żądania kończyły się błędem, gdy endpoint lub brama odrzucały wyszukiwanie narzędzi (tool search) albo gdy brama blokowała ToolSearch lub pomijała go w --tools. Claude Code ponawia teraz próbę bez tego wyszukiwania. W systemie Linux sandbox.allowNestedUserNamespaces pozwala poleceniom w sandboxie tworzyć przestrzenie nazw użytkownika na potrzeby Chromium lub podman bez uprawnień root; informacje o wydaniu ostrzegają, że pozwala to tym poleceniom omijać zabezpieczenia plików w sandboxie.

/usage przekształca każde ostrzeżenie w jednowierszową poprawkę wskazującą jego źródło, którą można zastosować klawiszem f. Po stronie administratorów allowedMcpServers nie filtruje już serwerów stdio z managed-mcp.json, które używają ${VAR} wyłącznie w env: serwer pozostawiony poza listą zostanie załadowany po aktualizacji, a deniedMcpServers pozwala zachować go jako wyłączony. Wznowienie Workflow nie uruchamia już ponownie zakończonych agentów pipeline() i parallel(). Opublikowana 21 października wersja 2.1.306 dodaje dwie poprawki, w tym poprawkę błędu, przez który claude -p zgłaszało brak zalogowania w sesji w chmurze uruchomionej bez jego zmiennych środowiskowych.

🔗 Informacje o wydaniu Claude Code 2.1.305

Gemini CLI: stabilna v0.65.0, preview v0.66.0 i OAuth MCP w sieci prywatnej

20 października — Gemini CLI zakończyło swój tygodniowy cykl wieczorem 20 października, wydając preview v0.66.0-preview.0 o 21 h 04 UTC i stabilną v0.65.0 o 21 h 17 UTC; następnie nightly v0.67.0 z 21 października otwiera serię 0.67.0. Wersja stabilna jedynie przenosi wcześniej przedstawione poprawki (niestandardowe nagłówki OTLP, szybsze filtrowanie ignorowanych plików, koniec pętli OAuth), ale preview i nightly dodają cztery nowe PR.

Najbardziej przydatne w firmach jest ustawienie oauth.allowPrivateNetwork, włączane osobno dla każdego serwera w settings.json, które pozwala łączyć się z serwerami MCP i dostawcami OAuth 2.0 działającymi w sieci wewnętrznej (zakresy RFC 1918, RFC 6598 i RFC 4193, domeny .internal i .local), dotychczas odrzucanymi podczas walidacji adresów. Narzędzie shell nie nadpisuje już konfiguracji Git użytkownika, przez co git commit kończyło się niepowodzeniem z powodu braku tożsamości, a sama obecność 401 w komunikacie błędu, na przykład w numerze portu localhost:4012, nie powoduje już błędnego wykrycia OAuth. Gemini 4 Argon nadal się nie pojawia: bot repozytorium zapowiedział, że społecznościowy PR dodający ten model zostanie zamknięty w ciągu 7 dni z powodu braku zgłoszenia oznaczonego jako help wanted.

Opublikowana wersja Gemini CLI	Data i godzina (UTC)	Nowa zawartość
v0.66.0-preview.0	20 października, 21 h 04	4 PR, w tym OAuth MCP w sieci prywatnej
v0.65.0 (stabilna)	20 października, 21 h 17	Brak, przeniesienie zmian z serii 0.65.0
v0.67.0-nightly.20261021	21 października, 01 h 33	Te same 4 PR, początek serii 0.67.0

🔗 Gemini CLI v0.66.0-preview.0 · Gemini CLI v0.65.0

Delta 0.21 otwiera współdzielone wątki w Claude Code i łączy się z serwerem MCP Figma

21 października — Delta, środowisko Zed do wspólnego programowania z agentami, przechodzi do wersji 0.21.0, z 12 nowościami, 14 ulepszeniami i 48 poprawkami. Polecenie Open in Claude Code otwiera współdzielony wątek w Claude Code, zarówno na komputerze, jak i w przeglądarce, pod warunkiem zainstalowania pluginu Delta dla Claude Code, a współpracownicy dołączający do wątku z zewnętrznego narzędzia, w tym Claude Code, pojawiają się na pasku uczestników z nazwą swojego narzędzia. Delta łączy się też z serwerem MCP Figma, tydzień po tym, jak Figma wymieniła ją wśród swoich nowych partnerów MCP.

CLI zyskuje delta update, ręczna kompaktacja pozostaje dostępna podczas pracy lokalnego agenta, a polecenia slash otrzymują nazwy wskazujące działania (/change-model, /fork, /set-thinking-level). Wśród poprawek: Grok 4.7 wreszcie wykorzystuje całe swoje okno 500k tokens w ramach subskrypcji Grok, a agenci nie zatrzymują się już bez komunikatu po wywołaniu niedostępnego narzędzia. Polecenia delta daemon znikają: Delta uruchamia się teraz na żądanie.

🔗 Informacje o wydaniu Delta 0.21.0

Replit Agent może założyć spółkę przez Stripe Atlas, dostępne teraz w MCP i CLI Stripe

21 października — Replit ogłasza, że jego agent może teraz założyć spółkę dla użytkownika dzięki integracji MCP Stripe i Stripe Atlas, usłudze Stripe służącej do zakładania firm; ogłoszenie nie podaje cen ani warunków właściwych dla Replit. Opiera się na nowości ogłoszonej pół godziny wcześniej przez konto @atlas: Atlas jest dostępne w serwerze MCP i CLI Stripe.

Używany interfejs Stripe	Rola we wniosku Atlas
Serwer MCP	Proces konwersacyjny prowadzony przez agenta: wymagania, informacje o spółce, walidacje
Stripe CLI	Proces w terminalu ze ustrukturyzowanymi pytaniami, uruchamiany przez agenta programistycznego
Panel Stripe	Tożsamość, płatność, przegląd dokumentów, podpisy i złożenie wniosku

Według wpisu na blogu deweloperskim Stripe z 19 października ten sam wniosek można kontynuować po przejściu z jednego interfejsu do drugiego. Atlas obsługuje C corporations i LLC w Delaware, również z wieloma założycielami: zakłada spółkę, uzyskuje numer identyfikacyjny pracodawcy (EIN), uruchamia stopniowe nabywanie praw do udziałów przez założycieli (vesting) i składa oświadczenia podatkowe 83(b). Wpis wymienia Claude Code i Cursor wśród automatycznie konfigurowanych środowisk, ale nie Replit, które publikuje własne ogłoszenie.

🔗 Ogłoszenie Replit · Ogłoszenie Stripe Atlas · Wpis na stripe.dev

PDD Kit: GitHub Next i Microsoft Research chcą dowodzić poprawności kodu Rust tworzonego przez agentów; integracja z Chopin

21 października — GitHub Next i Microsoft Research przedstawiają Proof Driven Development Kit (PDD Kit), który przekształca plan programisty w specyfikację formalną, a następnie dowodzi, że kod napisany przez agenta spełnia ją dla wszystkich możliwych danych wejściowych. Na przykładzie procesu logowania do aplikacji PDD Kit omawia kod, wywnioskuje intencję w toku rozmowy i proponuje specyfikację w Verus, języku dowodzenia dla Rust; po zatwierdzeniu specyfikacji weryfikator Verus automatycznie dowodzi zgodności kodu. Tam, gdzie dowód nie jest możliwy, narzędzie korzysta z testów i agentów obsługujących komputer (computer-use agents). Obecnie działa wyłącznie z Rust.

GitHub przedstawia je jako badawczą wersję zapoznawczą, która ma umożliwić wdrażanie na produkcję kodu generowanego przez AI bez przeglądania go linia po linii, a Microsoft Research jako badanie bardziej rygorystycznego podejścia; GitHub Next dąży do stworzenia zweryfikowanej fabryki oprogramowania, w której inżynierowie przeglądają specyfikacje zamiast kodu. Zestaw jest zintegrowany z Chopin, edytorem planów do wspólnej pracy, który GitHub Next opublikował we wrześniu jako open source na licencji MIT. Ogłoszeniu nie towarzyszy żaden wpis, repozytorium ani dokumentacja PDD Kit: demonstracja odbędzie się na GitHub Universe, 28 i 29 października.

🔗 Ogłoszenie @GitHubNext · Repozytorium Chopin

W skrócie

Agenci i narzędzia programistyczne

Copilot CLI 1.0.102 — Stabilna wersja GitHub, bez nowych istotnych funkcji, egzekwuje w trybie prompt narzucony przez firmę automatyczny wybór modelu, a wobec podagentów — zatwierdzanie narzędzi niestandardowych i MCP; sandbox uwzględnia NO_PROXY i ALL_PROXY; tego samego dnia serwer MCP GitHub przechodzi do wersji 2.0.3. 🔗 źródło
Qwen Code v0.25.4 w wersji zapoznawczej — 173 zmiany od v0.25.3, w tym qwen daemon start do sterowania lokalnym demonem, Managed Agent instalowany na jednym serwerze z jednostkami systemd oraz Web Shell wyświetlający czas do pierwszego tokena każdego modelu; wersja stabilna jeszcze się nie ukazała. 🔗 źródło
CLI mistral 0.10.0 — Dzień po 0.9.0 polecenie mistral apps delete usuwa wdrożoną aplikację wraz z modułami i bazami danych, pod kontrolą flagi funkcji (feature flag), a aktualizacje rejestrów wykonują scalanie trójstronne zmodyfikowanych plików szablonów; zmiana łamie kompatybilność — starsze wersje odrzucają nowe pole version. 🔗 źródło
v0 i Slack — Za pośrednictwem serwera MCP Slack v0 czyta wątki i pliki obszaru roboczego, wykorzystuje je jako kontekst do wprowadzania zmian i publikuje tam postępy, wyłącznie w kanałach dostępnych dla konta, we wszystkich planach. 🔗 źródło
Współdzielone rozmowy w Replit — Rozmowę, pojedynczy element lub devURLs z dyskusji można udostępnić członkom swojego obszaru roboczego w trybie tylko do odczytu; nie podano wpisu ani planu. 🔗 źródło
Rozszerzenia Agents CLI — Google szczegółowo opisuje system rozszerzeń swojego narzędzia agentowego, otwarty od wersji 1.5.0 z 1 września: oficjalne rozszerzenie LangChain zastępuje 6 poleceń właściwych ADK spośród około 24, a zespół platformowy może narzucić własną regułę, na przykład analizę SBOM przed każdym wdrożeniem. 🔗 źródło
Manus Game Dev — Manus obsługuje teraz tworzenie szkieletu animacyjnego (rigging) i animację postaci 3D oraz kilkukrotnie przyspiesza generowanie 3D, bez dokładnych danych ani informacji o koszcie w kredytach. 🔗 źródło

Asystenci i przedsiębiorstwa

Kimi Work 3.2.18 — Użytkownicy Enterprise aplikacji agentowej Moonshot AI mogą tworzyć niestandardowe pluginy i publikować je na platformie z dodatkami oraz przełączać się między obszarami roboczymi pogrupowanymi według firm. 🔗 źródło
Viktor przechodzi na Grok 4.7 — Agent przedstawiany jako pracownik AI, który deklaruje ponad 70 000 zespołów i w maju pozyskał 75 milionów dolarów, działa teraz z modelem SpaceXSI, nie podając, czy staje się on modelem domyślnym. 🔗 źródło
HCLTech w Claude Partner Network — Grupa zatrudniająca ponad 230 000 osób zostaje partnerem Global Premier, z jednostką Anthropic Business Unit, Claude w HCL BigFix i HCL AppScan oraz Claude Code na swojej platformie AI Force; nie podano kwoty. 🔗 źródło
Terminal X — W studium przypadku OpenAI opublikowanym 20 października agent oceniający tego startupu zgadza się ze starszym recenzentem funduszu w 88,6 % z 500 ocen przy użyciu GPT-6.1 Sol, wobec 86,4 % dla kolejnego najlepszego modelu, którego nie nazwano. 🔗 źródło
AT&T i OpenAI — Dział prawny AT&T rozbudowuje swój zespół LegalEdge, aby stworzyć wspólną warstwę wiedzy, a w planach ma punkt przyjmowania zgłoszeń w języku naturalnym; według dyrektora prawnego Davida McAtee decyzje pozostaną w rękach prawników, a żadnych danych liczbowych nie podano. 🔗 źródło

Zarządzanie i bezpieczeństwo

Pierwszy Public Benefit Report Anthropic — Roczny raport spółki realizującej misję społeczną opiera się na pięciu filarach zdefiniowanych z członkami Long-Term Benefit Trust, od bezpieczeństwa technicznego po dzielenie się korzyściami, i wymienia 166 prac w 2026, wobec 114 w 2025. 🔗 źródło
Christopher Stubbs w Long-Term Benefit Trust — Były dziekan nauk ścisłych Harvardu, członek zespołu, który w 1998 odkrył przyspieszanie ekspansji Wszechświata, zostaje według Anthropic pierwszym fizykiem w Trust, obok między innymi Bena Bernankego. 🔗 źródło
Plan OpenAI dla obrońców cyberprzestrzeni — Druga część propozycji demokratycznego zarządzania najbardziej zaawansowaną AI oferuje rządom i przemysłowi niezawodne mechanizmy zatrzymywania agentów, modernizację zabezpieczeń i niezależne oceny, w okresie, który OpenAI nazywa oknem możliwości dla obrońców. 🔗 źródło
x402 Agent Safety Bench — W tym społecznościowym benchmarku płatności dokonywanych przez agentów Claude Sonnet 5.5, GPT-6.1 Sol i Gemini 4 Argon samodzielnie unikają od 24 do 26 pułapek na 39, a DeepSeek V4 Pro tylko 12, tracąc 142,31 dolarów; po wyposażeniu w skills benchmarku żaden z nich nie traci pieniędzy. 🔗 źródło
Passkeys w Hugging Face — Hub umożliwia logowanie kluczem dostępu (odcisk palca, twarz, blokada ekranu lub klucz bezpieczeństwa) zamiast hasłem oraz używanie go jako drugiego składnika uwierzytelniania. 🔗 źródło
Tokeny z terminem ważności w GitHub CLI 2.103.0 — W publicznej wersji zapoznawczej gh auth login --expiring przechowuje krótkotrwały token dostępu odnawiany w tle, dzięki czemu ujawniony token staje się bezużyteczny w ciągu kilku godzin; w przyszłej wersji będzie to ustawienie domyślne dla nowych logowań. 🔗 źródło

API i chmura

Poziomy usług dla poszczególnych projektów w API OpenAI — Ustawienia Platform pozwalają wybrać poziomy usług, takie jak Ultrafast, z których może korzystać każdy projekt, a organizacja może ograniczyć je dla wszystkich swoich projektów. 🔗 źródło
Vertex AI w SDK OpenAI — openai-python 3.36.0 i openai-node 7.41.0 obsługują Vertex AI dla Responses API, z licznikami użycia zapisów do cache z czasem przechowywania 30 minut i zarządzaniem zgodami dotyczącymi niestandardowych głosów. 🔗 źródło
Gemini w Google Distributed Cloud — Na GTC Berlin Google dodaje Gemini 3.5 Flash do odłączonej od Internetu (air-gapped) wersji swojej chmury instalowanej u klienta, udostępnia w wersji zapoznawczej wyszukiwanie firmowe przez RAG (100 Mo na plik, 500 Mo na rozmowę) i wprowadza systemy HGX B300 do ogólnej dostępności. 🔗 źródło · 🔗 wyszukiwanie RAG
Wydatki na tokeny według Perplexity — Poradnik wymienia pięć źródeł nadmiernego zużycia i szczegółowo opisuje ustawienia Enterprise: 500 kredytów miesięcznie w Enterprise Pro, 15 000 w Enterprise Max, bez przenoszenia na kolejny miesiąc, oraz nazwane limity dla grup; nie ogłoszono żadnej nowości. 🔗 źródło

NVIDIA: robotyka, przemysł i sprzęt

Microduck w Isaac Lab 3.0 — NVIDIA, Pollen Robotics i Hugging Face publikują poradnik uczący małego dwunożnego robota chodzenia, z silnikiem Newton i do 1,25 miliona kroków symulacji na sekundę na 16 GPU, w dniu, w którym Microducks pojawiają się na scenie podczas keynote. 🔗 źródło
SimReady Central — Ponad 2 000 obiektów 3D OpenUSD wyposażonych we właściwości wymagane przez symulację (kolizje, masa, tarcie) trafia do otwartego dostępu na Hugging Face, od ramion robotycznych po systemy chłodzenia. 🔗 źródło
Halos SAFE, FOX i cuDSS — NVIDIA uruchamia Halos SAFE, ramy dowodzenia bezpieczeństwa dla motoryzacji, Volvo Cars wdraża Hyperion i Alpamayo, blueprint agentów fabrycznych FOX trafia do wczesnego dostępu (Siemens oczekuje około 20 % oszczędności), a cuDSS przechodzi do ogólnej dostępności. 🔗 źródło · 🔗 FOX i cuDSS
Moce produkcyjne dostawców NVIDIA — 2,5-krotny wzrost mocy produkcyjnych podłoży w trzy lata, wzrost mocy w zakresie zaawansowanego pakowania w Amkor o ponad 300 % do końca 2028 i zaliczka w wysokości 1,1 miliarda dolarów dla KYEC na nowe zakłady w Stanach Zjednoczonych. 🔗 źródło
DGX Station dla Windows w grudniu — NVIDIA podaje termin premiery wersji dla Windows, zapowiedzianej 7 października bez daty, a NVIDIA Sync będzie mogło łączyć do ośmiu DGX Spark, wobec dwóch zapowiedzianych na początku października. 🔗 źródło
NVIDIA i UER — Przed GTC Berlin, 19 października, NVIDIA i Europejska Unia Nadawców, zrzeszająca ponad 115 mediów publicznych, udostępniają swoje suwerenne standardy dla agentów dostawcom chmur suwerennych, wydawcom otwartych modeli i integratorom. 🔗 źródło

Otwarte modele i badania

Kumo Forecast i Kumo Anomaly — NVIDIA obejmuje marką Kumo swoje modele szeregów czasowych NV-Tesseract, dostępne od kwietnia na Hugging Face na licencji Apache 2.0; po dostrojeniu na 50 000 normalnych obserwacji średnia precyzja Kumo Anomaly rośnie z 0,016 do 0,201. 🔗 źródło · 🔗 Kumo Anomaly
bekko-static-embedding-v1 — Yuichi Tateno publikuje na licencji MIT statyczne, wielojęzyczne embeddings działające bez GPU: 43,76 na MNanoBEIR, około 11 punktów przed innymi modelami statycznymi i około 1 punkt różnicy względem multilingual-e5-small w wyszukiwaniu. 🔗 źródło
MemoProAgent — Badacze z Meta i trzech uniwersytetów publikują bez ogłoszenia kod proaktywnego asystenta, który odnajduje osobiste wspomnienie i odzywa się tylko wtedy, gdy wymaga ono działania, bez wyników liczbowych. 🔗 źródło

Co to oznacza

Najbardziej zaawansowane modele stają się katalogiem, który każdy duży dostawca usług chmurowych chce oferować w całości. Po czerwcowym wejściu do Amazon Bedrock i Oracle Cloud OpenAI trafia do Model Garden w Google Cloud, wraz z Codex, a Google twierdzi, że jest jedynym dużym dostawcą usług chmurowych oferującym trzy główne zamknięte modele LLM; Antigravity, które obsługuje już Claude Opus 5.5 i Sonnet 5.5, również otrzyma modele OpenAI. Dla firm wybór modelu staje się niezależny od wyboru chmury, ponieważ zużycie rozlicza się w ramach już zawartych zobowiązań umownych; dla OpenAI każda chmura to kolejny kanał sprzedaży, choć Microsoft pozostaje jego głównym partnerem. GTC Berlin podąża tą samą logiką: OpenShell Reference Architecture uruchamia agentów Anthropic, OpenAI, Google czy Meta na tym samym stosie.

Agenci pracują już bez czekania na polecenie, a ich zabezpieczenia są wbudowywane w produkt, aż po warstwę sprzętową. Claude Duet sprawdza konta co kilka godzin i działa we własnej maszynie wirtualnej, ale czeka na zatwierdzenie przed dokonaniem płatności lub złożeniem podpisu, a niektórych działań odmawia nawet po ich zatwierdzeniu; Grok Bot samodzielnie aktualizuje panele informacyjne. W NVIDIA Sentry monitoruje agentów poza pasmem za pośrednictwem DPU BlueField-4 i zatrzymuje ich w ciągu kilku milisekund, a ServiceNow może cofnąć agentowi dostęp w ciągu kilku sekund. Pytanie dotyczy już nie tylko tego, co agent potrafi zrobić, ale także tego, kto może go zatrzymać i na której warstwie stosu.

Wyszukiwanie luk przez sztuczną inteligencję postępuje szybciej niż ich usuwanie. PHP2Shell dotyczy języka, na którym działa około 70 % stron internetowych, a podatne wersje sięgają PHP 5.4; OpenAI spodziewa się znacznego wzrostu liczby takich odkryć. Claude Security deklaruje wykrycie ponad miliona podatności od kwietnia i przechodzi na ciągłe skanowanie, aby śledzić poprawki. Wąskie gardło przesuwa się w stronę koordynacji: wcześniejszego powiadamiania operatorów i odpowiednich organów oraz wspierania opiekunów projektów, zgodnie z propozycją zawartą w pięcioetapowych ramach OpenAI, opublikowanych tego samego dnia co plan firmy dla cyberobrońców. Nawet narzędzie do sprawdzania PHP2Shell ostrzega, że nieznany wynik nie dowodzi, iż serwer został załatany.

Koszt agenta liczy się w tokenach, a każda warstwa stosu obiecuje obniżenie rachunku. Context Focus od Cohere usuwa do 41 % tokenów w porównaniu z wyszukiwaniem wyłącznie według słów kluczowych, Nemotron 3.5 Rerank około 14 % na zapytanie agenta, Flint aktywuje zaledwie około 2,5 miliarda parametrów na token, aby umożliwić programowanie na laptopie, a JOLT osiąga dokładność GRPO na MATH przy 6,5 razy mniejszej liczbie tokenów treningowych. Na niższych warstwach NVIDIA obiecuje uruchamianie fabryk AI w 14 dni i zużycie energii niższe nawet o 30 % przy tej samej liczbie tokenów, a GitHub przebudowuje replikację Git z myślą o ruchu zwielokrotnianym przez agentów.