Claude Tag dołącza do Slacka, Mistral OCR 4 dominuje OlmOCRBench, Runway integruje Seedance 4K i Kling 3.0

23 czerwca 2026 roku obraca się wokół dwóch głównych osi: AI w środowiskach pracy (Claude Tag w Slacku, Copilot CLI w ogólnej dostępności, Cursor 3.8) oraz jakość wyników multimodalnych (Mistral OCR 4 dla dokumentów, Runway z Seedance 4K, ElevenLabs z Odyseją). Claude Code v2.1.187, NVIDIA DFlash, Together AI ParallelKernelBench i badania Cohere Labs nad świadomością kulturową dopełniają cykl ogłoszeń obejmujący siedem obszarów.

Claude Tag — Claude integruje się ze Slackiem jako współdzielony członek zespołu

23 czerwca — Anthropic uruchamia Claude Tag w becie dla klientów Enterprise i Team. Idea jest prosta: Claude osadza się w Slacku jako zwykły członek zespołu, dostępny dla całego kanału poprzez @Claude, z trwałą pamięcią i możliwością asynchronicznej pracy.

Jak to działa

Administrator przyznaje Claude’owi dostęp do wybranych kanałów i łączy go z żądanymi narzędziami, danymi lub bazami kodu. Następnie każdy członek może wspomnieć @Claude, aby delegować zadanie: Claude dzieli je na etapy, wykonuje je, a potem odpowiada w wątku z wynikiem. Cztery cechy odróżniają Claude Tag od dawnej integracji Claude in Slack:

Cecha	Opis
Tryb multiplayer	Jeden wspólny Claude na kanał — każdy członek widzi, nad czym pracuje
Pamięć trwała	Claude gromadzi kontekst w toku rozmów, bez ponownego tłumaczenia przy każdej wymianie
Tryb ambient	Claude aktywnie monitoruje kanał i podejmuje proaktywne inicjatywy, jeśli jest włączony
Praca asynchroniczna	Zadania wykonują się w tle przez kilka godzin lub kilka dni

Zarządzanie

Każdy kanał ma własny zakres narzędzi, danych i pamięci — konteksty nie mieszają się między kanałami. Pełny dziennik działań (z osobą, która zainicjowała każde zadanie) jest dostępny dla administratorów, którzy mogą ustalać limity tokenów na organizację lub na kanał.

Według Anthropic 65% kodu produkowanego przez zespół produktowy jest generowane przez ich wewnętrzną wersję Claude Tag. Zastosowanie obejmuje takie zadania jak śledzenie metryk, obsługa zgłoszeń do wsparcia i diagnozowanie błędów. Claude Tag działa z Opus 4.8 i zastępuje dawną aplikację Claude in Slack — obecni administratorzy mają 30 dni na migrację.

🔗 Anthropic — Przedstawiamy Claude Tag

Cursor 3.8 — Dostosuj Cursor (Marketplace Leaderboard, Plugin Canvases, Team Marketplaces)

22-23 czerwca — changelog Cursor 3.8, opublikowany 22 czerwca i ogłoszony na X 23 czerwca, nosi tytuł “Customize Cursor”. Wprowadza scentralizowaną stronę personalizacji oraz trzy funkcje integracji zespołowej.

Nowa strona “Customize”

Ten pojedynczy punkt wejścia łączy w jednym miejscu pluginy, skills, MCPs, subagentów, reguły, komendy i hooki na poziomach użytkownika, zespołu i workspace. Custom MCPs są również konfigurowalne z tej strony.

Trzy główne funkcje

Funkcja	Opis
Marketplace Leaderboard	Panel z najczęściej używanymi w zespole pluginami, skills i MCPs — instalacja jednym kliknięciem
Plugin Canvases	Pluginy mogą zawierać wbudowane canvases; pierwszy przykład: canvas Atlassian (widok w czasie rzeczywistym issue, projektów i dokumentów)
Rozszerzone Team Marketplaces	Wsparcie dla GitLab, Bitbucket i Azure DevOps jako uzupełnienie lokalnych repozytoriów

Canvas Atlassian jest konkretną demonstracją koncepcji: plugin może teraz udostępniać ustrukturyzowany interfejs wizualny, a nie tylko komendy czy narzędzia tekstowe.

🔗 Cursor — Changelog 3.8 · Tweet Marketplace Leaderboard · Tweet Plugin Canvases · Tweet Team Marketplaces

Copilot CLI — Nowy interfejs terminalowy w ogólnej dostępności

23 czerwca — GitHub ogłasza ogólną dostępność (GA) nowego terminalowego interfejsu (TUI) GitHub Copilot CLI, zaprezentowanego przedpremierowo na Microsoft Build 2026.

Kluczowe funkcje

Nowe TUI wprowadza system kart: Session (domyślna), Gists, Issues i Pull requests — nawigowalnych za pomocą Tab. Z dowolnej karty klawisz c odwołuje element w prompcie, o otwiera go w przeglądarce, / uruchamia wyszukiwanie.

Konfiguracja jest teraz całkowicie prowadzona w sesji:

/mcp add lub /mcp search aby przeglądać GitHub MCP Registry i zainstalować serwer bez dotykania pliku konfiguracyjnego
/skills aby włączać lub wyłączać skills za pomocą strzałek
/plugin aby instalować pluginy z marketplace, repozytorium lub lokalnej ścieżki
/settings aby zmieniać konfigurację inline

Interfejs obsługuje także dostępność: kolory tematyczne (domyślny, dim, wysoki kontrast, dla daltonistów przez /theme), adaptacyjne komponenty dla wąskich terminali oraz automatyczne wykrywanie czytników ekranu.

Aktualizacja: copilot update w terminalu.

🔗 GitHub Changelog — Copilot CLI TUI GA

Aplikacja GitHub Copilot — wsparcie BYOK (Bring Your Own Key)

23 czerwca — Aplikacja GitHub Copilot obsługuje teraz BYOK: użytkownicy mogą uruchamiać sesje agentów na własnych dostawcach modeli.

Obsługiwani dostawcy

Azure OpenAI, Anthropic, self-hosted Ollama, LM Studio i każdy gateway zgodny z OpenAI. Konfiguracja odbywa się w Ustawienia → Dostawcy modeli (endpoint + klucz API). Klucze są przechowywane w lokalnym pęku kluczy OS i nigdy nie są odczytywane przez interfejs.

Zastosowanie	Opis
Mieszane modele	Łączenie modelu frontier dla złożoności i modelu lokalnego do wykonania
Ruch w swoim tenantcie	Trasowanie inferencji przez własne konto chmurowe, tenant lub wewnętrzny gateway
Ujednolicony selektor	Modele dodanego dostawcy pojawiają się obok modeli hostowanych przez Copilot

Uwaga: w planach Copilot Business i Enterprise administrator musi mieć włączony “Copilot CLI” w ustawieniach polityki.

🔗 GitHub Changelog — Copilot App BYOK

Runway integruje Seedance 4K, Seedance Mini i Kling 3.0 Turbo

23 czerwca — Runway ogłasza natychmiastową dostępność trzech zewnętrznych modeli generowania wideo bezpośrednio na swojej platformie.

Dodane modele to Seedance 4K (generowanie w wysokiej rozdzielczości 4K), Seedance Mini (odchudzona wersja do szybszych zastosowań) oraz Kling 3.0 Turbo (najnowsza wersja modelu Kling od Kuaishou w trybie turbo). Runway pozycjonuje się tym samym jako agregator czołowych generatywnych modeli wideo, uzupełniający własne modele Gen-4 i Aleph 2.0.

To podejście wielomodelowe w ramach jednej platformy pozwala twórcom wybierać model dopasowany do każdego przypadku użycia — rozdzielczości, szybkości lub stylu — bez zmiany narzędzia.

Nowym subskrybentom oferowany jest kod promocyjny na 30% zniżki przez pierwsze trzy miesiące (kod: 30RUNWAY).

🔗 Runway — Seedance i Kling 3.0

ElevenLabs — Odyseja Homera opowiedziana głosem AI na licencji Michaela Caine’a

23 czerwca — ElevenLabs uruchamia The Odyssey, audiobook Odysei Homera opowiedziany głosem AI stworzonym we współpracy z brytyjskim aktorem Sir Michaelem Caine’em. Dziełu towarzyszy oryginalna muzyka i filmowy design dźwięku.

Audiobook jest dostępny bezpłatnie i wyłącznie w ElevenReader (elevenreader.io), aplikacji do odsłuchu od ElevenLabs. Ta produkcja pokazuje strategię premium treści AI, mającą promować platformę ElevenReader poza użytkową syntezą mowy.

Współpraca z Michaelem Caine’em opiera się na oficjalnej umowie licencyjnej między ElevenLabs a aktorem, pozwalającej na odtworzenie jego głosu w formie AI na potrzeby tej konkretnej produkcji.

“Before you see the film, hear the original epic. Today, we’re releasing The Odyssey: an audiobook narrated by the voice of Sir Michael Caine, with original music and cinematic sound design.”

🇵🇱 „Zanim obejrzycie film, posłuchajcie oryginalnego eposu. Dziś uruchamiamy Odyseję: audiobook narracyjny głosem Sir Michaela Caine’a, z oryginalną muzyką i filmowym designem dźwięku.” — @ElevenLabs

🔗 ElevenReader — The Odyssey

Mistral OCR 4 — SOTA w przetwarzaniu dokumentów z ustrukturyzowaną lokalizacją

23 czerwca — Mistral uruchamia Mistral OCR 4, swój model przetwarzania dokumentów przedstawiany jako SOTA (State Of The Art — stan najnowszy). Na OlmOCRBench, publicznym benchmarku referencyjnym dla rozpoznawania optycznego znaków, OCR 4 deklaruje wynik 85,20, sklasyfikowany przez Mistral jako pierwszy w benchmarku.

Cechy techniczne

OCR 4 lokalizuje każdy blok tekstu za pomocą ramki ograniczającej, klasyfikuje go (tytuł, tabela, równanie, podpis…) i przypisuje wynik pewności dla regionu. Taka ustrukturyzowana lokalizacja stanowi podstawę dla weryfikowanych cytatów, pisania, podziału RAG i ludzkiej rewizji w pętli.

Aspekt	Szczegół
OlmOCRBench	Wynik 85,20 — pierwszy w benchmarku według Mistral
Ocena wielojęzyczna	Pierwsze miejsce w wewnętrznej ocenie Mistral; największe zyski na rzadkich językach
Walidacja przez ludzi	Ponad 600 rzeczywistych dokumentów ocenionych w ciemno przez niezależnych anotatorów w 12+ językach

Dostępność

Dostępne natychmiast przez API Mistral, Document AI w Mistral AI Studio, Amazon SageMaker i Microsoft Foundry. Obsługa Snowflake Parse Document jest zapowiedziana w kolejnej aktualizacji. Model można też samodzielnie hostować w pojedynczym kontenerze.

🔗 Mistral — OCR 4 · Wątek X

Claude Code v2.1.187 — bezpieczeństwo poświadczeń, ograniczenia modeli na poziomie organizacji

23 czerwca — Claude Code v2.1.187 wprowadza dwie nowe funkcje zarządzania oraz kilka istotnych poprawek.

Nowy parametr sandbox.credentials pozwala blokować dostęp poleceń sandboxowanych do plików z poświadczeniami i zmiennych środowiskowych zawierających sekrety — dodatkowa ochrona dla zespołów używających Claude Code w trybie zautomatyzowanym lub w środowiskach współdzielonych.

Organizacje mogą teraz konfigurować ograniczenia modeli za pomocą konsoli administracyjnej. Ograniczenia te odnoszą się do selektora modelu, --model, /model oraz zmiennej ANTHROPIC_MODEL. Wyraźny komunikat informuje użytkownika, że jego wybór jest ograniczony przez ustawienia organizacji.

Wśród poprawek: zdalne wywołania narzędzi MCP blokowane bezterminowo (do 5 minut) teraz kończą się błędem; wklejanie tekstu koreańskiego lub CJK nie generuje już uszkodzonych znaków (mojibake) w terminalach przesyłających schowek bajt po bajcie; wynik strukturalny (--json-schema) został poprawiony tak, aby po sukcesie nie wywoływać ponownie StructuredOutput w nieskończoność.

🔗 Claude Code CHANGELOG

Warp dodaje GLM 5.2 i eksperymentuje z auto-routerami modeli w YAML

23 czerwca — Warp ogłasza oficjalne wsparcie dla GLM 5.2 w swoim terminalu AI, hostowanym na Fireworks i opisywanym jako efektywny tokenowo do produkcji kodu. Warp wspiera również BYO (Bring Your Own) inference, aby łączyć się z innymi dostawcami.

CEO Zach Lloyd równolegle dzieli się eksperymentem z auto-routerami modeli konfigurowalnymi w YAML: opisanie w języku naturalnym, jakie zadania kierują do jakiego modelu — GLM 5.2 dla frontendu, GPT 5.5 High dla złożonych decyzji architektonicznych. Takie deklaratywne routowanie pozwala optymalizować stosunek koszt/jakość według typu zadania bez zmiany narzędzia.

🔗 Warp — GLM 5.2 · Warp — Auto-router

Together AI — ParallelKernelBench, wielo-GPU benchmark do generowania kerneli CUDA

23 czerwca — Together AI publikuje ParallelKernelBench (PKB), benchmark 87 problemów wielo-GPU pochodzących z rzeczywistych produkcyjnych codebase’ów (Megatron-LM, DeepSpeed, TensorRT-LLM, NeMo-RL). Cel: zmierzyć zdolność LLM do generowania kerneli CUDA wykorzystujących bezpośrednio symetryczną pamięć NVLink, zamiast PyTorch + NCCL.

Aktualne wyniki pokazują ograniczenia modeli frontier w tym zadaniu:

Model	Rozwiązane problemy (zero-shot)	Szybsze niż baseline
GPT-5.5	28/87	22/87
Gemini 3 Pro	24/87	12/87
Claude Opus 4.7	20/87	12/87
Gemini 3 Pro (agentowy)	35/87	26/87

Tryb agentowy (pętla kompiluj/testuj/poprawiaj) znacząco poprawia Gemini 3 Pro, przechodząc z 24 do 35 poprawnych rozwiązań, ale po około 20 krokach osiąga pułap. PKB jest open source i otwarty na wkład społeczności.

🔗 Together AI — ParallelKernelBench · Tweet

NVIDIA DFlash — dekodowanie spekulacyjne nawet 15x na GPU Blackwell

23 czerwca — NVIDIA publikuje DFlash, lekki blokowy model dyfuzji open source (lightweight block diffusion model) przeznaczony do dekodowania spekulacyjnego (speculative decoding). Wdrożony na GPU NVIDIA Blackwell, DFlash pozwala zwiększyć przepustowość inferencji nawet 15x, zachowując tę samą odczuwaną przez użytkownika responsywność.

Dekodowanie spekulacyjne polega na generowaniu wielu tokenów równolegle za pomocą lekkiego modelu szkicowego, a następnie zatwierdzaniu lub korygowaniu tokenów w jednym przebiegu modelu głównego — co zmniejsza liczbę potrzebnych przebiegów. DFlash jest szkicowym elementem tej architektury, zoptymalizowanym pod rodzinę Blackwell.

🔗 NVIDIA — DFlash · Tweet

GPT-5 w immunologii — 3-letnia eksperymentalna zagadka rozwiązana podczas jednej sesji

23 czerwca — OpenAI publikuje przypadek użycia GPT-5 Pro w immunologii: immunolog Derya Unutmaz (Jackson Laboratory / UConn) użył GPT-5 Pro do zidentyfikowania mechanizmu eksperymentu na komórkach T, który pozostawał niewyjaśniony od 2022 roku.

GPT-5 Pro zidentyfikował, że deoksyglukoza zakłócała budowę białka IL-2, wyjaśniając, dlaczego wystawione na działanie komórki T masowo przekształcały się w komórki Th17 (odpowiedź zapalna). Model poprawnie przewidział również wynik nieopublikowanego eksperymentu na komórkach T CD8+ celujących w chłoniaka.

Unutmaz korzysta teraz z GPT-5 Pro, Codex i GPT-5.2 Deep Research do kompilowania zbiorów danych o mutacjach nowotworowych i przyspieszania badań nad precyzyjną immunoterapią. OpenAI przypomina o ryzykach nadużycia (bio/chemiczne) i odsyła do swojego Preparedness Framework.

🔗 OpenAI — GPT-5 Immunology Mystery

Cohere Labs — Wielojęzyczność nie wystarcza: LLM-om brakuje świadomości kulturowej

23 czerwca — Cohere Labs publikuje badanie oparte na ankiecie wśród 81 uczestników z 22 krajów. Główny wniosek: wielojęzyczne LLM-y niekoniecznie są wielokulturowe.

Kilka liczb z ankiety: 89,5% osób nieanglojęzycznych zmienia język, aby wchodzić w interakcję z AI i uzyskiwać lepsze odpowiedzi; 38% uważa, że AI nie rozumie ich kultury (wynik poniżej 5/10); 63% doświadczyło naruszenia swoich norm kulturowych podczas interakcji (niemieckie formalizmy, koreański kontekst historyczny, egipski arabski); 67% obawia się dalszej marginalizacji kulturowej. Cohere Labs opowiada się za włączeniem świadomości kulturowej jako wymogu projektowego od samego początku, a nie jako dodatku po fakcie.

🔗 Cohere Labs — Świadomość kulturowa w globalnej AI

Krótkie wiadomości

Zed — Hidden Gems: Part 4 (23 czerwca) — Artykuł blogowy z serii porad Zed: konfigurowalny wyśrodkowany układ na dużym ekranie, nawigacja klawiaturą między wieloma worktree’ami z równoległymi agentami, EDITOR=zed --wait w zintegrowanym terminalu, command_aliases dla krótkich mnemotechnik. 🔗 Blog Zed
NVIDIA Nemotron Office Hours (23 czerwca) — NVIDIA AI udostępnia sesję na żywo z pytaniami i odpowiedziami poświęconą rodzinie modeli Nemotron 3, dostępną w Nemotron Labs. 🔗 Tweet NVIDIAAI

Co to oznacza

AI agentowa zadomawia się w codziennych narzędziach. Claude Tag w Slacku i Copilot CLI w GA oznaczają dwa różne, ale komplementarne wektory adopcji. Claude Tag celuje w integrację z kolaboracyjnym przepływem pracy zespołu: wspólny agent, ze wspólną pamięcią i inicjatywą, widoczny dla wszystkich. Copilot CLI celuje w integrację z terminalem indywidualnego dewelopera: uporządkowany interfejs z zakładkami, prowadzone zarządzanie MCP-ami i natywną dostępność. W obu przypadkach celem jest zmniejszenie tarcia między narzędziem AI a istniejącym środowiskiem pracy — zamiast wymagać od użytkowników zmiany narzędzia.

Personalizacja staje się argumentem wyróżniającym dla środowisk kodowania. Cursor 3.8 z centralną stroną „Customize” oraz BYOK GitHub Copilot odpowiadają na tę samą potrzebę: pozwolić zespołom precyzyjnie konfigurować, które modele, które narzędzia i które workflowy mają zastosowanie w danym kontekście. Marketplace Leaderboard w Cursor wprowadza wymiar społeczny — to, z czego zespół korzysta najczęściej, wysuwa się na pierwszy plan. BYOK w Copilocie wprowadza wymiar suwerenności — ruch pozostaje w tenantcie firmy. Te dwa podejścia odzwierciedlają rosnącą dojrzałość zespołów programistycznych w stosunku do tych narzędzi.

Modele multimodalne i do przetwarzania dokumentów osiągają nową poprzeczkę jakości. Mistral OCR 4 z deklarowanym wynikiem 85,20 na OlmOCRBench, Runway z integracją Seedance 4K i Kling 3.0 Turbo, ElevenLabs z filmowym audiobookiem — te trzy ogłoszenia pokazują, że generowanie treści multimodalnych o jakości profesjonalnej nie jest już wschodzącym przypadkiem użycia. Mistral pozycjonuje się szczególnie na strukturalnej inteligencji dokumentów (wynik pewności dla bloku, wsparcie RAG), a nie wyłącznie na surowej transkrypcji.

Benchmarki jąder GPU ujawniają ślepy punkt. ParallelKernelBench od Together AI wskazuje na istotną lukę między możliwościami LLM-ów w klasycznych benchmarkach kodu a ich rzeczywistą zdolnością do generowania wielowęzłowego kodu optymalizacyjnego GPU. Fakt, że najlepszy model (GPT-5.5) rozwiązuje tylko 28 problemów na 87 w trybie zero-shot — i że tylko 22 z tych rozwiązań biją istniejącą baseline — pokazuje, że ta klasa problemów wciąż pozostaje w dużej mierze poza zasięgiem obecnych modeli, nawet frontier. Podejście agentowe poprawia wyniki, ale osiąga sufit, co sugeruje, że ograniczenie nie leży wyłącznie w kontekście, lecz w reprezentacji prymitywów komunikacji GPU.

Kwestia kulturowa w LLM-ach wykracza poza wielojęzyczność. Badanie Cohere Labs potwierdza zjawisko już obserwowane w praktyce: modele trenowane głównie po angielsku mają tendencję do projektowania zachodnich perspektyw kulturowych nawet wtedy, gdy odpowiadają w innych językach. 89,5% osób nieanglojęzycznych, które zmieniają język, by uzyskać lepsze odpowiedzi, pokazuje realny koszt praktyczny. Fakt, że 67% obawia się przyszłej marginalizacji kulturowej, sugeruje, że percepcja problemu wykracza poza samych użytkowników technicznych — to sygnały, które trzeba uwzględnić przy projektowaniu systemów oceny i treningu.