Muse zyskuje głos i awatar na Meta Connect 2026, sesje Claude Code w chmurze wychodzą z wersji zapoznawczej, Perplexity wprowadza Fast Search

Na Meta Connect 2026 Meta daje Muse, swojemu osobistemu agentowi, głos działający w czasie rzeczywistym i awatar wideo, zapowiada udostępnienie go na swoich okularach oraz wprowadza Meta Model API do ogólnej dostępności. Sesje Claude Code w chmurze wychodzą z wersji zapoznawczej wraz z jednorazowym kredytem dla subskrybentów, a Perplexity wprowadza Fast Search oparte na Photon, własnej wyszukiwarce napisanej w Rust. Meta i Google w odstępie kilku godzin wprowadzają awatary wideo, które mówią w czasie rzeczywistym.

Meta Connect 2026: Muse zabiera głos, Meta odświeża swoje okulary

23 września — Meta rozpoczęła Meta Connect 2026 prezentacją o godz. 16 czasu pacyficznego (o 1 w nocy 24 września w Paryżu), skupioną na Muse, osobistym agencie wprowadzonym 8 września. Muse zyskuje tryb głosowy działający w czasie rzeczywistym: można długo z nim rozmawiać, podczas gdy pracuje w tle, a jego głos można kształtować opisem (szybszy, wolniejszy, z określonym akcentem). Otrzymuje też animowaną twarz, Muse Realtime Avatar, opisaną niżej. Na Macu dostępne jest korzystanie z komputera (computer use): za zgodą użytkownika Muse obsługuje dowolną aplikację i kontynuuje pracę pod jego nieobecność.

Nowość w Muse	Zapowiedziana dostępność
Tryb głosowy w czasie rzeczywistym, głos z możliwością personalizacji	Zaprezentowany na Connect, bez daty
Computer use w Muse na Macu	Dostępne
Muse na okularach AI	„W najbliższych miesiącach”
Muse Charm, urządzenie kieszonkowe	Grudzień, według Marka Zuckerberga
Własny adres e-mail Muse	Zapowiedziany, bez daty

Na okularach będzie można zwrócić się do Muse po imieniu, aby działał w odniesieniu do tego, na co patrzymy — produktu na półce lub plakatu. Według Zuckerberga Muse Charm, wyposażony w model głosowy działający w czasie rzeczywistym, zmieści się przy breloku do kluczy; oficjalne podsumowanie obiecuje jedynie więcej informacji przed końcem roku.

Dzień po ogłoszeniu przez @Muse integracji z Shopify, PayPal, Expedia i Instacart Meta przedstawia pełną listę konektorów: Walmart, Best Buy, American Eagle Outfitters, DICK’S Sporting Goods, Fanatics, Gap, Michael Kors, Sephora, Ulta i Wayfair do zakupów, Shop Pay i PayPal do płatności, Instacart, Expedia nadal „wkrótce”, a także Notion, Granola, GitHub i Box do pracy. Tego samego wieczoru GitHub opisał swój konektor: przeglądanie pull requests, śledzenie issues i powiadomień oraz dodawanie komentarzy bez opuszczania agenta. Nie określono przy tym planu subskrypcji ani krajów. Meta nie podaje cen ani krajów dla tych nowości.

🔗 Podsumowanie Meta · Wątek Marka Zuckerberga · Konektor GitHub dla Muse

Okulary: Ray-Ban Meta Audio, Gen 3, Meta VR Glasses i Ray-Ban Display we Francji

23 września — Meta odświeża również gamę okularów i zapowiada ponad 100 modeli do końca roku. Nowa kategoria, Ray-Ban Meta Audio, nie ma kamery: waży 43 g, działa do 12 godzin na baterii, a etui zapewnia dodatkowe 48 godzin. Ray-Ban Meta trzeciej generacji zyskują godzinę pracy na baterii (łącznie 9 godzin), przycisk akcji i sześć mikrofonów. Meta Ray-Ban Display, okulary z ekranem, trafiają do Francji: po Wielkiej Brytanii i Kanadzie stopniowo ruszają tam zamówienia przedpremierowe, podobnie jak we Włoszech i Niemczech, a dostępność zaplanowano na 13 października.

Zapowiedziane urządzenie	Cena początkowa	Zapowiedziana dostępność
Ray-Ban Meta Audio	349 dolarów	Zamówienia przedpremierowe, wysyłka 13 października
Ray-Ban Meta (Gen 3)	449 dolarów	Dostępne 23 września
Meta Ray-Ban Display	Nie podano	Francja, Włochy, Niemcy: 13 października
Meta VR Glasses (około 100 g)	1 299,99 dolara	Wiosna 2027

🔗 Ogłoszenie Meta

Meta Model API ogólnie dostępne, Muse Spark 1.3 w Oracle i Google Cloud, Replit na urządzenia Meta

24 września — Drugi dzień Meta Connect był skierowany do deweloperów. Główna wiadomość: Meta Model API, zapewniające dostęp do modeli Muse, staje się ogólnie dostępne na całym świecie, ze wsparciem i gwarancjami zgodności dla firm. Muse Spark 1.3 jest już dostępny na Oracle Cloud AI Platform i trafia do prywatnej wersji zapoznawczej w Google Cloud — według Meta są to dwaj nowi uprzywilejowani partnerzy chmurowi.

Karta modelu w Google Cloud (Gemini Enterprise Agent Platform) określa warunki: model meta/muse-spark-1.3 w wersji zapoznawczej, dostępny na żądanie, okno kontekstu o wielkości 1 miliona tokenów, wyłącznie tekst na wejściu i wyjściu, obsługa wywołań narzędzi zgodnych z MCP, wywoływania funkcji, wyjścia strukturalnego i rozumowania, ale bez prognozowania wsadowego ani zarezerwowanej przepustowości oraz tylko z globalnym punktem końcowym. W chwili naszej weryfikacji cennik nie zawierał jeszcze stawki.

Ogłoszenie dla deweloperów	Zapowiedziany status
Meta Model API	Ogólna dostępność na całym świecie
Muse Spark 1.3 w Oracle Cloud	Dostępny
Muse Spark 1.3 w Google Cloud	Prywatna wersja zapoznawcza
Muse Code	Trafi na Windows
Wearables Device Access Toolkit 1.0	Wprowadzony po roku wersji zapoznawczej
WebMCP i Meta AI Connectors	Wersja zapoznawcza dla deweloperów
Meta Global AI Developer Hackathon	1 milion dolarów, dat nie ogłoszono

Muse Code, agent programistyczny Meta działający w terminalu, który 31 sierpnia wyszedł z bety na macOS i Linux, trafia na Windows. Ash Jhaveri („VP AI & Hardware Ecosystems” według biogramu na X) powtarza, że wagi Muse Spark 1.2 pojawią się „wkrótce” — zapowiedź powtarzana od 10 sierpnia, nadal bez daty. W przypadku okularów WebMCP pozwala Meta AI wywoływać wyłącznie te funkcje, które aplikacja webowa zdecyduje się udostępnić.

🔗 Meta Connect 2026: podsumowanie dla deweloperów · Muse Spark 1.3 w Google Cloud

Replit tworzy aplikacje na gogle i okulary Meta

24 września — Podczas Meta Connect Replit przedstawił sposób tworzenia aplikacji na urządzenia Meta: użytkownik opisuje aplikację zwykłym językiem, Replit Agent pisze kod i pokazuje podgląd w przeglądarce, po czym aplikacja lub doświadczenie webowe otwiera się na goglach Meta Quest, okularach Meta Ray-Ban Display lub Meta VR Glasses, bez instalowania narzędzi. Opisano trzy możliwości: Expo (tworzenie, pakowanie i wdrażanie) lub przeglądarka dla Meta Quest i VR Glasses oraz symulacja w Replit, a następnie wdrożenie webowe dla Ray-Ban Display. Informacje o Muse są rozbieżne: strona Replit określa konektor Replit w agencie Meta jako „nadchodzący”, bez podania daty, podczas gdy wpis Replit opublikowany tego samego dnia twierdzi, że Muse może już tworzyć aplikacje w Replit. Nie podano cen.

🔗 Replit × Meta Connect 2026 · Muse w Replit według @Replit

Claude Code: sesje w chmurze wychodzą z wersji zapoznawczej, Projects działa lokalnie

23 września — Sesje Claude Code w chmurze wychodzą z badawczej wersji zapoznawczej (research preview) — ogłasza @ClaudeDevs we wątku opublikowanym o 21:23 UTC. Sesja w chmurze działa na infrastrukturze Anthropic: praca trwa nawet po zamknięciu laptopa.

Cloud sessions are officially available and out of research preview! They let you keep Claude Code working, even when your laptop is closed.

🇵🇱 Sesje w chmurze są oficjalnie dostępne i wychodzą z badawczej wersji zapoznawczej! Dzięki nim Claude Code może kontynuować pracę nawet wtedy, gdy twój laptop jest zamknięty. — @ClaudeDevs na X

Aby zachęcić do ich wypróbowania, Anthropic oferuje obecnym subskrybentom jednorazowy kredyt, odrębny od limitów użytkowania:

Warunek przyznania kredytu	Opublikowane szczegóły
Kwota w planie Pro	100 dolarów
Kwota w planie Max	250 dolarów
Termin	Odebrać przed 7 października
Odbiór	Link w ogłoszeniu lub polecenie `/claim-credit` w CLI
Wymagania	Połączone konto GitHub, obowiązują warunki
Zakres	Jeden kredyt na konto, tylko sesje w chmurze
Punkty dostępu	claude.ai/code, karta Code w aplikacji mobilnej, aplikacja komputerowa, `claude --cloud`

W odpowiedzi na pytania @ClaudeDevs wyjaśnił 24 września o 01:57 UTC, że sesje w chmurze wliczają się do planu Pro lub Max tak jak reszta użycia Claude Code: opcjonalny kredyt jest po prostu wykorzystywany w pierwszej kolejności. Dokumentacja potwierdza ten model: limity przepustowości są współdzielone z całym użyciem Claude na koncie, równoległe zadania zużywają je odpowiednio szybciej, a maszyna wirtualna nie jest rozliczana osobno. Sesje w chmurze są dostępne w planach Pro, Max i Team oraz dla użytkowników Enterprise z licencjami premium lub Chat + Claude Code. Klonowanie i pull requests odbywają się przez GitHub; repozytorium GitLab lub Bitbucket można przesłać jako lokalny bundle za pomocą CCR_FORCE_BUNDLE=1.

🔗 Dokumentacja sesji w chmurze · Wyjaśnienie @ClaudeDevs dotyczące planu

Projects uruchamia threads lokalnie

23 września — Półtorej godziny później (22:49 UTC) @ClaudeDevs ogłasza obsługę lokalnych sesji w Projects w Claude Code, udostępnionym 17 września w wersji beta dla użytkowników Pro i Max: threads projektu mogą teraz działać na komputerze użytkownika. Dotąd każdy z nich był sesją w chmurze na własnej gałęzi, a dokumentacja zalecała lokalną sesję poza projektem do pracy wymagającej narzędzi dostępnych tylko z komputera użytkownika (lokalnej bazy danych, emulatora, API za VPN). Anthropic informuje też o udostępnieniu Projects kolejnym subskrybentom Pro i Max z listy oczekujących; migracja użytkowników wcześniejszych projektów Claude wciąż trwa. Ogłoszenie wyprzedza dokumentację: wieczorem 24 września strona Projects nadal podawała, że sesje lokalne nie mogą należeć do projektu, a wpis na X nie precyzował, skąd uruchamia się te threads.

🔗 Ogłoszenie @ClaudeDevs · Dokumentacja Projects

Perplexity: Fast Search i Photon

24 września — Perplexity dodaje do swojego Search API szybki tryb Fast Search, włączany parametrem search_type: "fast", i przedstawia silnik, który to umożliwia: Photon, usługę pobierania i rankingowania wyników (retrieval and ranking) napisaną w Rust. Zastępuje ona silnik open source, który firma wcześniej dostosowała, i obsługuje teraz wszystkie wyszukiwania Perplexity.

Fast Search runs on Photon, our new Rust-based retrieval and ranking service that we built with a small team of engineers and hundreds of agents.

🇵🇱 Fast Search opiera się na Photon, naszej nowej usłudze pobierania i rankingowania wyników napisanej w Rust, którą zbudowaliśmy z małym zespołem inżynierów i setkami agentów. — @perplexity_ai na X

Porównywane kryterium	Wyszukiwanie standardowe	Fast Search
Search API, 1 000 zapytań	5 dolarów	1 dolar
Narzędzie `web_search` w Agent API, 1 000 wywołań (bez tokenów)	2,50 dolara	1 dolar
Wynik w 3 554 zadaniach z sześciu benchmarków agentowych	64,0 %	64,3 %
Szacowany koszt modelu i wyszukiwania dla tych zadań	187,60 dolara	59,73 dolara
Opóźnienie jednego wywołania, mediana i 95. percentyl (według własnych danych)	Nie opublikowano	160 ms i 230 ms

Perplexity otwarcie wskazuje na kompromis: w wewnętrznych testach rzadkich zapytań trafność spada o 0,24 punktu, a dostępność odpowiedzi o około 3 punkty. Firma zaleca Fast Search do typowych zadań agentowych, a standardowe wyszukiwanie do pytań trudnych lub niejednoznacznych. We wpisie zaznaczono, że porównanie opóźnień z innymi API opiera się na danych podawanych przez poszczególnych dostawców, bez kontrolowanego testu; w przypadku Search API SDK dla Python i TypeScript wymagają na razie obejścia ich walidacji. W środowisku produkcyjnym Photon obniżył wewnętrzne opóźnienie p99 silnika z około 800 do 65 ms przy użyciu około 20 % mniejszej liczby maszyn.

🔗 Photon: Building a Retrieval and Ranking Engine From Scratch · Dokumentacja Fast Search

Awatary wideo w czasie rzeczywistym: Meta i Google w odstępie kilku godzin

Meta i Google w odstępie kilku godzin wprowadziły produkty tego samego typu: awatary wideo, które słuchają, mówią i reagują w czasie rzeczywistym dzięki modelowi głosowemu.

Muse Realtime Avatar

23 września — Meta Superintelligence Labs opisuje Muse Realtime Avatar, twarz Muse. Na podstawie obrazu referencyjnego (portretu, ilustracji całej postaci, zwierzęcia lub przedmiotu codziennego użytku) model animuje postać na żywo, wraz z mimiką, gestami dłoni i ruchami ciała. Jeden strumień tokenów mowy, generowany przez model głosowy Muse Realtime Voice, steruje dźwiękiem i obrazem, utrzymując synchronizację głosu z ruchem ust. Destylacja zmniejsza liczbę obliczeń ze 120 do 2 ewaluacji na segment.

Metryka podana przez Meta	Podana wartość
Wideo w orientacji pionowej	448x768, 25 klatek/s
Opóźnienie odpowiedzi głosowej i wideo	Około 870 ms
Jednoczesne sesje na GB200	12
Preferencja względem Runway Characters	78 % do 22 %
Preferencja względem HeyGen LiveAvatar	88 % do 12 %

Wyniki dotyczące preferencji pochodzą z oceny przeprowadzonej przez ludzi na zlecenie Meta; firma zaznacza, że różnica względem Runway pod względem sposobu zachowania nie jest statystycznie istotna. Każde wideo zawiera niewidoczny znak wodny Meta Video Seal.

🔗 Jak ożywić swojego Muse

Gemini 3.8 Live z Live Avatar

24 września — Dziewięć dni po premierze Gemini 3.8 Live Google nadaje swojemu modelowi rozmów głosowych twarz: awatar słucha, widzi to, co pokazuje mu użytkownik (przez kamerę lub udostępniony ekran), i odpowiada zsynchronizowanym głosem oraz obrazem. Funkcja jest ogólnie dostępna w Gemini Enterprise, a programiści mogą z niej korzystać przez Live API na platformie agentów Google, z punktami końcowymi w Stanach Zjednoczonych i Unii Europejskiej; Gemini 3.8 Live Extended Thinking pozostaje w prywatnej wersji zapoznawczej. Awatar mówi w 97 językach i wywołuje narzędzia bez przerywania rozmowy. Własny awatar wymaga wpisania na listę osób uprawnionych. Według karty modelu odpowiedź jest ograniczona do 24K tokenów, a ciągła interakcja może trwać kilka minut. Wideo z awatarem kosztuje 1 dolara za milion tokenów, przy 6 192 tokenach na sekundę mowy; słuchanie nie jest wliczane do opłaty. Całość jest oznaczona znakiem wodnym SynthID.

🔗 Ogłoszenie Google

Koszt korzystania z Claude: pamięć podręczna w Opus 5.5 i ponowne opłaty za odmowy

Dwie publikacje z 24 września dotyczą kosztów ponoszonych przez użytkowników Claude: źródeł oszczędności w Opus 5.5 oraz powrotu opłat za niektóre odmowy.

Dłuższe sesje i powody, dla których Opus 5.5 kosztuje w nich mniej

24 września — We wpisie na claude.com Michael Segner zestawia dane o korzystaniu z Claude Code od marca do września 2026 roku. Liczba promptów na sesję się nie zmieniła, ale Claude pracuje nad każdym z nich 3,3 razy dłużej, wykonując o ponad 40 % więcej wywołań modelu przy o 68 % mniejszej liczbie przerwań. Ilość kontekstu na żądanie wzrosła 2,6 raza, a stosunek tokenów wejściowych do wyjściowych zwiększył się ze 189:1 do 324:1. Największą część kosztów stanowi więc odczyt z pamięci podręcznej, przez co obniżka jego ceny o 60 % w Opus 5.5 daje większe oszczędności; według Anthropic token pobrany z pamięci podręcznej w Opus 5.5 kosztuje jedną piątą tego, co w konkurencyjnych modelach. W Opus 5.5 i Fable 5.1 zmiana poziomu wysiłku w trakcie sesji nie resetuje już pamięci podręcznej, choć przewodnik opublikowany 22 września podawał coś przeciwnego.

🔗 Wpis na claude.com

Zablokowane żądania znów podlegają opłatom w trzech kategoriach

24 września — Anthropic wznawia naliczanie opłat za żądania, które jego zabezpieczenia blokują, zanim Claude odpowie — informuje @ClaudeDevs. Według wpisu dotyczy to tylko kategorii o niskim odsetku błędnych blokad: biologii, ataków przez destylację oraz rozwoju czołowych LLM. Podany powód to „skoordynowane ataki” na systemy firmy w ostatnich tygodniach. Anthropic twierdzi, że podczas niedawnych testów 99,7 % kont Claude Code, Claude.ai lub Cowork nie wywołało żadnej z tych płatnych blokad, i dąży do utrzymania odsetka błędnych blokad poniżej 0,1 %; nieuzasadnioną blokadę można zgłosić przez /feedback. Według dokumentacji za płatną odmowę naliczana jest opłata według stawki modelu zarówno w Claude API, jak i w Bedrock, Google Cloud oraz Microsoft Foundry; każde odrzucone żądanie wlicza się do limitów szybkości.

Kategoria odmowy (dokumentacja)	Opłata przed wygenerowaniem odpowiedzi
`bio`	Tak
`frontier_llm`	Tak
`reasoning_extraction`	Tak
`cyber`	Nie
`general_harms`	Nie

🔗 Ogłoszenie @ClaudeDevs · Jak naliczane są opłaty za odmowy

AI i zdrowie: Ebola w DRK, OpenEvidence, AlphaFold Database i NV-Reason-CT

Dwa ogłoszenia z 22 września, do których tu wracamy, dotyczą wykorzystania Claude w zdrowiu publicznym, a NVIDIA publikuje dwa otwarte projekty: jeden z zakresu wirusologii, przygotowany z Google DeepMind i EMBL-EBI, drugi z radiologii.

Ebola w DRK

22 września — We wpisie „The Situation Report”, datowanym na 22 września i udostępnionym wieczorem 23 września przez @AnthropicAI, Anthropic opisuje wykorzystanie Claude w walce z epidemią wirusa Ebola Bundibugyo we wschodniej części Demokratycznej Republiki Konga. Według biuletynu z 19 września potwierdzono 7 672 przypadki i 3 699 zgonów (śmiertelność 48,2 %), a przeciwko temu szczepowi nie zatwierdzono żadnej szczepionki. W ramach partnerstwa zorganizowanego przez CEPI biuro WHO na Afrykę i Narodowy Instytut Badań Biomedycznych (INRB) współpracują z dwoma zespołami Anthropic. Biuro WHO na Afrykę napisało skill, który pobiera dane liczbowe z każdego obszaru opieki zdrowotnej, porównuje je z danymi z poprzedniego dnia i sygnalizuje zmiany trendów: przygotowanie codziennego raportu sytuacyjnego skróciło się z jednego dnia do mniej niż godziny. CEPI używa Claude do porównywania kandydatów na szczepionki, pozostawiając decyzje naukowe ekspertom, a INRB może z pomocą Claude Science składać genomy wirusa i tworzyć jego drzewo filogenetyczne.

🔗 The Situation Report (Anthropic)

Bezpłatny OpenEvidence dla około 100 krajów

22 września — Podczas Zgromadzenia Ogólnego Narodów Zjednoczonych OpenEvidence ogłosiło partnerstwo z Anthropic, w ramach którego udostępni bezpłatnie specjalistyczną wersję swojej platformy lekarzom i innym klinicystom w około 100 krajach o niskich i średnich dochodach, w tym w Ugandzie, Angoli, Sudanie, Haiti i Mongolii (lista pochodzi od OpenEvidence, według Reutersa). OpenEvidence odpowiada na pytania kliniczne na podstawie recenzowanych badań medycznych i wytycznych dotyczących leczenia; usługa jest już bezpłatna w Stanach Zjednoczonych i Kanadzie. Według informacji podanych przez Reutersa na wyłączność technologia Anthropic odpowiada za działanie systemu w tle, a OpenEvidence dostosowuje go do poszczególnych regionów; warunków finansowych nie ujawniono. Wiadomość pochodzi od OpenEvidence i Reutersa: Anthropic nie przekazało jej we własnych oficjalnych kanałach.

🔗 Ogłoszenie OpenEvidence · Materiał Reutersa na wyłączność

Kompleksy białkowe ponad 2 800 wirusów w AlphaFold Database

24 września — NVIDIA dołącza do koalicji ośmiu organizacji, w tym Google DeepMind, EMBL-EBI i CEPI, która publikuje w AlphaFold Database przewidywane struktury 3D kompleksów białkowych ponad 2 800 wirusów — od wirusów przeziębienia po nowe zagrożenia, takie jak mpox. Przewidywania oznaczone poziomem wiarygodności uzyskano za pomocą AlphaFold2, zoptymalizowanego przez NVIDIA BioNeMo Inference Runtime; około 30 % dodanych interakcji nie występuje w Protein Data Bank, głównej bazie struktur ustalonych doświadczalnie. NVIDIA udostępnia także BioNeMo Structure Prediction Pipeline, za pomocą którego wytworzono te dane, aby badacze mogli zastosować go do własnych celów badawczych. Publikacja zbiega się ze spotkaniem poświęconym zapobieganiu pandemiom, odbywającym się w Nowym Jorku podczas Zgromadzenia Ogólnego ONZ; baza zawiera już ponad 260 milionów przewidywanych struktur.

🔗 Jak otwarta nauka może pomóc badaczom przygotować się na następną pandemię

NV-Reason-CT

23 września — NVIDIA publikuje NV-Reason-CT, otwarty model łączący analizę obrazu i języka, przeznaczony do tomografii komputerowej klatki piersiowej i jamy brzusznej. Zamiast traktować obraz przestrzenny jak stos przekrojów 2D, enkoder ViT 3D dzieli go na 13 824 tokeny wizualne przekazywane modelowi językowemu Qwen3.5-4B; model tworzy uporządkowane raporty, przedstawia tok rozumowania inspirowany pracą radiologa i odpowiada na pytania uzupełniające. W CT-RATE, głównym publicznym benchmarku rozumienia obrazów CT w 3D, NVIDIA podaje macro-F1 na poziomie 0,614 i macro-AUROC na poziomie 0,871, wyprzedzając opublikowane modele uwzględnione w porównaniu (VoxelFM: 0,581 i 0,870). Wagi są dostępne na Hugging Face. NVIDIA podkreśla, że jest to podstawa do badań, którą trzeba dostosować do konkretnego zastosowania, a nie samodzielne narzędzie diagnostyczne ani zatwierdzony produkt kliniczny.

🔗 Przedstawiamy NV-Reason-CT

OpenAI apeluje o międzynarodowe normy dla zaawansowanej AI

23 września — Sam Altman, dyrektor generalny OpenAI, przemawiał przed Radą Bezpieczeństwa Narodów Zjednoczonych, a OpenAI publikuje tekst wygłoszonego przemówienia. Opisuje w nim dwa zagrożenia, których należy uniknąć: utratę kontroli nad przyszłością na rzecz AI oraz koncentrację władzy, która pozwoliłaby jednej osobie, firmie lub państwu narzucić swoją wizję świata za pomocą najpotężniejszych modeli. W obliczu zbliżającego się powstania systemów zdolnych ulepszać własnych następców ta chwila „wymaga skrajnej ostrożności” — mówi; według niego OpenAI już wcześniej z własnej inicjatywy spowolniło prace i zrobi to ponownie.

It doesn’t matter whether people put the risk of catastrophe at 10%, or 1%, or 12%, or .1%. None of these levels are remotely acceptable.

🇵🇱 Nie ma znaczenia, czy ryzyko katastrofy oceniamy na 10 %, 1 %, 12 % czy 0,1 %. Żaden z tych poziomów nie jest choćby w przybliżeniu akceptowalny. — Sam Altman, przemówienie przed Radą Bezpieczeństwa Narodów Zjednoczonych

Przedstawia państwom cztery postulaty: mechanizm łączący normy krajowe i międzynarodowe dotyczące zaawansowanej AI, wspólne standardy porównywania dowodów i sprawdzania zgodności, procedury zgłaszania incydentów oraz bezpieczne kanały komunikacji między rządami, operatorami infrastruktury krytycznej i ekspertami. Nawiązuje tym samym do wpisu opublikowanego przez OpenAI 21 września, do którego tu wracamy. OpenAI stwierdza w nim, że w pełni autonomiczne, rekurencyjne samodoskonalenie dziś nie istnieje i nie należy do niego dążyć, dopóki nie będzie można prowadzić go bezpiecznie. Firma apeluje, by Stany Zjednoczone przewodziły pracom nad globalnymi normami technicznymi wraz z siecią instytutów bezpieczeństwa AI (z dziesięciu państw, w tym Francji), koordynowaną przez amerykański CAISI (Center for AI Standards and Innovation). Według OpenAI normy te nie miałyby formy licencji ani obowiązkowej kontroli przed publikacją, a każde państwo samo określałoby ich miejsce w swoim prawie; dialog między Stanami Zjednoczonymi a Chinami w tych sprawach byłby „pozytywnym krokiem”.

🔗 Tworzenie standardów na kolejny etap rozwoju AI

AI w cyberobronie: Daybreak dla Ukrainy i Fuzzing Taskflow

Dwa ogłoszenia dotyczą wykorzystania modeli przez obrońców: jedno otwiera program dla państwa, drugie powierza fuzzing agentowi.

Daybreak dostępny dla Ukrainy

23 września — OpenAI udostępnia swój program cyberobrony Daybreak rządowi Ukrainy we współpracy z Ministerstwem Transformacji Cyfrowej: narzędzia mają pomóc wykrywać luki w oprogramowaniu, a następnie szybciej opracowywać i testować poprawki, by chronić infrastrukturę cywilną. Ogłosili to przy okazji Zgromadzenia Ogólnego ONZ Dmytro Kushneruk, konsul generalny Ukrainy w San Francisco, oraz Sasha Baker, odpowiedzialna w OpenAI za politykę bezpieczeństwa narodowego. OpenAI przypomina, że CERT-UA, krajowy zespół reagowania na incydenty, obsłużył w 2025 roku blisko 6 000 cyberincydentów wymierzonych między innymi w szpitale, energetykę i telekomunikację. Wpis przytacza dwa europejskie przykłady: ENISA znalazła luki w oprogramowaniu instytucji Unii Europejskiej, które od tamtej pory zostały naprawione, a CERT Polska pomógł wykryć sześć luk w oprogramowaniu routera innego producenta. Nie podano ani czasu trwania programu, ani jego wartości.

🔗 OpenAI rozszerza dostęp do narzędzi cyberobrony na Ukrainę, by chronić infrastrukturę cywilną

Fuzzing Taskflow od GitHub Security Lab

24 września — GitHub Security Lab publikuje Fuzzing Taskflow, autonomiczny pipeline do fuzzingu projektów C/C++, dostępny na licencji MIT i zbudowany na frameworku Taskflow Agent. Wystarczy wskazać repozytorium GitHub: agent wyszukuje punkty wejścia, pisze harnessy, uruchamia AFL++, analizuje pokrycie, klasyfikuje każdą awarię według jednego z siedmiu werdyktów i sporządza raport dla każdego odrębnego błędu wraz z sugerowaną poprawką oznaczoną „do sprawdzenia”. Decyzje podejmuje agent, a narzędzia MCP je wykonują; każda iteracja podwaja dostępny czas, od 30 do 960 sekund (około 32 minut na cel), a pętla kończy się, gdy dwie iteracje przynoszą wzrost pokrycia o mniej niż 1 %. Domyślnym modelem jest Claude Sonnet 5, który przeszedł wszystkie wewnętrzne testy zespołu. Security Lab ostrzega: pipeline wykonuje polecenia wybrane przez LLM bez kontenera, dlatego należy uruchamiać go w środowisku, które można usunąć. Wpis nie podaje liczby znalezionych błędów.

🔗 Wpis GitHub Security Lab

Project Suncatcher: TPU na orbicie

24 września — Ogłoszony w ubiegłym roku Project Suncatcher, projekt Google badający możliwość umieszczenia infrastruktury obliczeniowej AI w kosmosie, przechodzi do pierwszego testu orbitalnego. Prototypowy satelita zbudowany z firmą Planet ma wystartować w ramach misji Transporter-18 firmy SpaceX, a we wpisie z 24 września zapowiedziano pierwsze TPU Google na orbicie „w przyszłym tygodniu”. Celem jest sprawdzenie, czy układy wytrzymają start, promieniowanie i wahania temperatury. Na ziemi TPU Trillium poddane w UC Davis działaniu wiązki protonów podczas pracy z pełnym obciążeniem AI wytrzymały dawkę promieniowania większą niż przewidywana dla pięcioletniej misji; chłodzenie za pomocą rurek cieplnych i radiatorów przetestowano w komorze termiczno-próżniowej. Kolejny etap w 2027 roku to dwa satelity, które posłużą do testowania łączy laserowych o bardzo dużej przepustowości. Według Google satelita na niskiej orbicie okołoziemskiej może pozyskać do ośmiu razy więcej energii słonecznej niż na ziemi.

🔗 Kulisy Project Suncatcher

Generatywne obrazy i filmy: Midjourney, Runway, Google Research i Nunchux

W obszarze tworzenia treści Midjourney ulepsza narzędzia edycji, Runway przedstawia wyniki liczbowe swojego routera modeli, Google Research tworzy kilkuminutowe sekwencje wideo, a Nunchux przyspiesza MiniMax-H3 na GPU AMD.

Midjourney: inpainting, —tile i szybkie modele w wersji alpha

24 września — Midjourney publikuje nową wersję parametru --tile, który tworzy powtarzalne wzory, dla V8.1 i V8.2: według Midjourney widoczne łączenia między kafelkami znikają. Inpainting i outpainting w modelu do edycji zmieniają już tylko zaznaczone piksele, co pozwala wykonywać kolejne poprawki bez pogarszania reszty obrazu. Na alpha.midjourney.com Midjourney eksperymentuje z szybkimi modelami (fast models), przedstawionymi na X jako pierwszy podgląd modeli działających w czasie rzeczywistym: po włączeniu opcji „Podglądy na żywo” pasek Stylów pokazuje podgląd ostatniego promptu w każdym stylu, a kliknięcie uruchamia generowanie. Nie podano nazw modeli ani harmonogramu. Lista zmian wersji alpha z 23 września dodaje też ustawienia domyślne (Ustawienia → Zaawansowane → Twoje ustawienia domyślne) i udostępnia język koreański wszystkim użytkownikom midjourney.com.

🔗 Ogłoszenie @midjourney · Aktualizacje Midjourney

Runway podaje wyniki liczbowe Model Router

24 września — Runway publikuje pierwszą ocenę liczbową Model Router, routera w Runway Dev, który dla każdego żądania wybiera model generowania zgodnie z preferencją dotyczącą kosztu, jakości lub opóźnienia. W teście porównano Seedance 2.5, przyjęty jako punkt odniesienia, z trzema konfiguracjami routera na podstawie 250 promptów do generowania wideo z obrazu, ocenianych metodą podwójnie ślepej próby.

Testowana konfiguracja	Filmy nadające się do użytku	Koszt klipu	Różnica w wydatkach
Punkt odniesienia (Seedance 2.5)	78 %	1,80 dolara	—
Router nastawiony na jakość	77 %	1,28 dolara	-29 %
Jakość z limitem 1 dolara	74 %	0,61 dolara	-66 %
Router nastawiony na koszt	38 %	0,30 dolara	-83 %

Według Runway konfiguracja z limitem zachowuje 95 % jakości punktu odniesienia; wypada lepiej w dialogach i synchronizacji ruchu ust (96 % wobec 92 %), a słabiej w odwzorowaniu fizyki (52 % wobec 60 %). Runway zaleca ją do produkcji, a tryb nastawiony na koszt do eksperymentów; 64 % programistów, którzy już korzystają z routera, ustawiło go na koszt.

🔗 Ocena kosztu i jakości przy użyciu Runway Model Router

AI video co-director od Google Research

24 września — Google Research przedstawia AI video co-director, wieloagentową warstwę orkiestracji opartą na Gemini i Veo, służącą do tworzenia spójnych filmów narracyjnych trwających kilka minut. Modele dyfuzyjne mają trudności z łączeniem kolejnych ujęć bez zmian w kostiumach i scenografii. System składa się z czterech rozwiązań badawczych: algorytmu bandytowego, który wybiera strategię twórczą, sposób narracji i estetykę, po czym multimodalny sędzia ocenia wynik; CANVAS, który utrzymuje wizualną pamięć postaci, miejsc i przedmiotów; A²RD, który generuje film segment po segmencie i stworzył ciągły dziesięciominutowy film; oraz VQQA, który przepisuje prompt na podstawie uwag modelu wizualno-językowego. W GenAD-Bench, jednym z trzech benchmarków stworzonych przez zespół (400 scenariuszy reklamowych), system osiąga maksymalny wynik jakości 81,4. To projekt badawczy: nie ogłoszono ani produktu, ani daty jego udostępnienia.

🔗 Automatyzacja generowania spójnych długich filmów

MiniMax-H3 na AMD MI355X dzięki Nunchux

24 września — Wyniki opublikowane 23 września przez Nunchux AI i udostępnione dalej przez MiniMax pokazują działanie MiniMax-H3, modelu wideo MiniMax z otwartymi wagami, na serwerze z ośmioma GPU AMD MI355X: pięciosekundowy film powstaje w 1,33 sekundy, a piętnastosekundowy w 5,39 sekundy, w rozdzielczości 1344×768. W porównaniu z SGLang na tym samym sprzęcie, uruchomionym w BF16 z 50 krokami Eulera, przyspieszenie wynosi od 21,8 do 26,7 razy. Podane czasy obejmują kodowanie tekstu, odszumianie oraz dekodowanie obrazu i dźwięku, ale nie końcowe kodowanie MP4. Nunchux przypisuje ten wynik swojemu optymalizatorowi modelu i silnikowi inferencji z własnym jądrem MXFP6. Szybkość pozwala zmieniać prompt podczas odtwarzania. Zapowiedziano bezpłatny dostęp „już wkrótce”, przez listę oczekujących; pomiary pochodzą od Nunchux.

🔗 Generowanie wideo na AMD MI355X · Wpis udostępniony przez @MiniMax_AI

Agenci programistyczni: Claude Code, Delta, Devin, Qwen Code i Kimi Code

Pięciu agentów programistycznych otrzymuje nowe wersje: Claude Code od Anthropic, Delta od Zed, Devin od Cognition, Qwen Code od Alibaba i Kimi Code od Moonshot AI.

Claude Code 2.1.282

24 września — Claude Code 2.1.282, wydany o 18:38 UTC, zawiera 86 pozycji w informacjach o wersji, w tym 59 poprawek. Ustawienie maxProseWidth ogranicza szerokość tekstu Claude w szerokich terminalach, podczas gdy tabele i bloki kodu zachowują pełną szerokość. Kilka zmian ogranicza to, co projekt może narzucić: ustawienia projektowe i lokalne ignorują zmienne OpenTelemetry włączające eksport lub przechwytywanie treści (CLAUDE_CODE_ENABLE_TELEMETRY, OTEL_LOG_*), o czym informują komunikat przy uruchomieniu, /status i claude doctor. Przestrzenie nazw anthropic-skills i claude-ai zarezerwowano dla skills synchronizowanych z claude.ai, a ustawienie zarządzane allowClaudeInChromeWithManagedMcp pozwala uruchomić claude --chrome obok wyłącznego managed-mcp.json. Tryb auto domyślnie korzysta z klasyfikatora po stronie serwera przy bezpośrednim połączeniu z API, nawet gdy telemetria jest wyłączona. Poprawki zapobiegają też utracie rozszerzonego rozumowania (extended thinking) po wznowieniu sesji.

🔗 Informacje o wersji Claude Code 2.1.282

Delta 0.17 od Zed

23 września — Zed wydaje wersję 0.17.0 Delty, swojego środowiska do wspólnego programowania z agentami, dostępnego w publicznej becie od 16 września. Wersja zawiera 20 nowych funkcji, 26 ulepszeń i 59 poprawek. W obrębie jednego wątku można teraz zlecić agentowi kilka zadań. Każde trafia do własnego wątku najwyższego poziomu z odizolowanym obszarem roboczym, dzięki czemu zadania mogą być wykonywane równolegle; agenci mogą też przesyłać sobie wiadomości między wątkami. Polecenia /approve i /request-changes zwracają wynik przeglądu w dowolnym wątku. Wersja zawiera również dwie funkcje zapowiedziane 22 września: kolory wątków dziedziczone przez podwątki i podagentów oraz wskaźnik postępu do automatycznej kompaktacji w panelu kontekstu, pokazujący udział instrukcji, wiadomości, rozumowania i narzędzi.

🔗 Informacje o wersji Delty · Ogłoszenie @zeddotdev

Devin Review: konfigurowalne wyzwalacze i Perforce

23 września — Informacje o wersji Devin z 23 września, podzielone na 26 sekcji, skupiają się na Devin Review, narzędziu do przeglądu pull requestów. Automatyczny przegląd opiera się teraz na konfigurowalnych wyzwalaczach: można wskazać konto, organizację, repozytorium, prefiks nazw repozytoriów lub członka zespołu, a następnie łączyć warunki dotyczące autora, etykiety, gałęzi, zmienionych plików, typu autora (człowiek, bot lub Devin) albo rozmiaru diffa. Każdy wyzwalacz określa moment przeglądu, a wykluczenia zawsze mają pierwszeństwo. Devin Review obsługuje też Perforce: przegląd Helix Swarm może uruchomić narzędzie przez definicję testu lub, od wersji Swarm 2026.3, przez wychodzący webhook. Selektor możliwości wyświetla teraz nazwy modeli (Ultra: Fable 5.1 i GPT-6 Astra), a aplikacja Devin na GitHub prosi o sześć nowych uprawnień, które muszą zatwierdzić administratorzy.

🔗 Informacje o wersji Devin z 23 września

Qwen Code v0.24.5

24 września — Qwen Code v0.24.5, wersja stabilna bez zapowiedzianych zmian niezgodnych z poprzednimi wersjami, zawiera 87 pozycji w informacjach o wersji, w tym 28 funkcji i 38 poprawek. Qwen Live, funkcja rozmowy głosowej z agentem w czasie rzeczywistym, działa teraz przez Web Shell w przeglądarce na wszystkich platformach; na macOS natywny host staje się opcjonalny (QWEN_SERVE_LIVE_NATIVE_HOST=1). Podczas rozmowy użytkownik może udostępnić ekran, z którego przesyłany jest najwyżej jeden obraz na sekundę; samo udostępnienie nie wywołuje odpowiedzi. Web Shell otrzymuje oś czasu przebiegu wykonania z trzema ścieżkami (sesja główna, wywołania narzędzi, podagenci), a kanały wiadomości kierują je do odrębnych sesji według prefiksu (messageRoutes). W zakresie prywatności tryb --bare wreszcie respektuje odmowę udostępniania statystyk użycia. Tego samego dnia ukazały się także Qwen Code Desktop v0.24.5 i SDK TypeScript v0.1.15.

🔗 Informacje o wersji Qwen Code v0.24.5

Kimi Code 2.1.1 wycofuje zaostrzenie zabezpieczeń z wersji 2.1.0

24 września — Niecałe 19 godzin po wydaniu wersji 2.1.0, przedstawionej 23 września jako zaostrzenie zabezpieczeń, Kimi Code 2.1.1 wycofuje te zmiany. Informacja o wersji mówi o usunięciu „niektórych zbyt zachowawczych zmian”; pull request #4013 precyzuje, że wycofano zaostrzenie granicy zaufania obszaru roboczego, ponieważ po zatwierdzeniu repozytorium przez użytkownika odpowiedzialność za jego zawartość spoczywa na nim. Znikają cztery związane z tym zabezpieczenia: narzędzia plikowe znów podążają za dowiązaniami symbolicznymi poza katalog roboczy, konfiguracja lokalna (local.toml) jest stosowana bez oczekiwania na zatwierdzenie, konfiguracja git repozytorium nie jest już ograniczana podczas operacji w tle, a katalog domowy i katalog główny nie są odrzucane jako dodatkowe katalogi. Nieudana próba odczytu informacji o zaufaniu nadal oznacza „niezatwierdzone”. Obserwatory plików, wyłączone w wersji 2.1.0, ponownie są domyślnie aktywne.

🔗 Informacje o wersji

Agenci komputerowi: Portable Computer od Perplexity i Kimi Work 3.2.14

Dwaj agenci działający na komputerze użytkownika rozwijają się 24 września: Perplexity udostępnia Portable Computer na komputerach z procesorami AMD, a Moonshot AI wydaje Kimi Work 3.2.14.

Portable Computer na AMD Ryzen AI Max

24 września — Portable Computer, w pełni lokalna wersja agenta Computer od Perplexity, działa teraz na komputerach z Windows i procesorami AMD Ryzen AI Max Series, w tym na platformie deweloperskiej Ryzen AI Halo. Dotychczas opublikowane wymagania wymieniały wyłącznie sprzęt NVIDIA, od DGX Spark po komputery z GPU RTX. Potrzebne są co najmniej 24 GB pamięci dostępnej dla GPU, Windows 10 lub 11 oraz około 20 GB miejsca na dysku. Na tych maszynach dostępne są dwa modele lokalne: PPLX 27B, poddany dalszemu trenowaniu przez Perplexity, oraz Qwen 27B; strona produktu oferuje natomiast na komputerach z RTX tylko PPLX 27B. Lokalny klasyfikator wykrywa imiona i nazwiska, numery kont oraz identyfikatory, zanim jakiekolwiek dane opuszczą komputer, a lokalna inferencja nie zużywa kredytów Computer. Oferta jest dostępna dla abonentów Pro i Max, zarówno indywidualnych, jak i firmowych.

🔗 Portable Computer trafia na komputery z procesorami AMD przeznaczone do pracy z agentami

Kimi Work 3.2.14: rozmowy poboczne i historia wersji

24 września — Dwa dni po wersji 3.2.12 Moonshot AI wydaje Kimi Work 3.2.14, kolejną wersję swojego agenta komputerowego, bez towarzyszącego jej wpisu na X. Główną nowością jest rozmowa poboczna (Side Chat): z panelu „+” można otworzyć niezależną rozmowę w ramach sesji, która dziedziczy kontekst rozmowy źródłowej. Można też zacytować zaznaczony fragment rozmowy. Pliki Office otrzymują historię wersji, a przeglądarka pozwala dodawać adnotacje do stron internetowych i przywoływać je w polu wpisywania. Zdalne sterowanie (Remote Control) umożliwia teraz podgląd plików i wysyłanie załączników z telefonu, a funkcja utrzymywania aktywności (Keep Awake) włącza się wyłącznie na żądanie.

🔗 Informacje o wersji Kimi Work

Otwarte modele i laboratoria: Tev1, LFM2.5-VL-DSpark, LeRobot i Sakana AI

W otwartym ekosystemie pojawiają się: mały model decyzyjny, model pomocniczy przyspieszający model wizualno-językowy, nowy format danych dla robotyki oraz Jürgen Schmidhuber w Sakana AI.

Tev1-4B-experimental od Together AI

23 września — Together AI publikuje Tev1-4B-experimental, mały model decyzyjny: otrzymuje opis sytuacji, pytanie i listę od 2 do 24 możliwości, po czym odpowiada literą wybranej opcji. To wersja Qwen3.5-4B po dostrojeniu, inspirowana Jev, modelem decyzyjnym często przywoływanym we wpisach społeczności Hugging Face. Karta modelu zaznacza, że nie jest to silnik Jev, ponieważ model zachowuje standardową głowicę językową Qwen. Together podkreśla koszt: 17 dolarów za trenowanie, wraz z przepisem na przygotowanie danych i samouczkiem. Model jest udostępniany w cenie 0,042 dolara za milion tokenów wejściowych i 0 dolarów za tokeny wyjściowe. W swoim głównym zbiorze deweloperskim podejmuje 880 trafnych decyzji na 1 000; karta odróżnia ten wynik od niezależnego benchmarku. Licencja dostrojonych wag jest „w trakcie finalizacji”.

🔗 Ogłoszenie Together AI · Karta modelu

LFM2.5-VL-DSpark od Liquid AI

24 września — Liquid AI rozszerza swoją technikę dekodowania spekulatywnego DSpark na model wizualno-językowy LFM2.5-VL-3B; modele pomocnicze dla tekstu przedstawiono 20 sierpnia. Model pomocniczy liczący 279,5 miliona parametrów (+8,9 %) proponuje z wyprzedzeniem kilka tokenów, które model docelowy weryfikuje, bez zmiany ostatecznej odpowiedzi przy dekodowaniu zachłannym. Na Mac M5 Max z MLX dekodowanie jest od 2,30 do 3,13 razy szybsze, a opóźnienie od początku do końca zmniejsza się od 1,56 do 2,62 razy; na H100 dekodowanie jest nawet 2,66 razy szybsze. Rzeczywisty zysk nadal ogranicza kodowanie obrazu, którego ta technika nie przyspiesza. Model pomocniczy jest obsługiwany od pierwszego dnia przez llama.cpp, MLX-VLM i SGLang.

🔗 Przyspieszanie modeli wizualno-językowych dzięki LFM2.5-VL-DSpark

LeRobot i LanceDB

24 września — LeRobot, biblioteka Hugging Face do uczenia robotów, odczytuje teraz natywnie zbiory danych w formacie Lance przy użyciu tych samych API do trenowania. Pozwala to trenować model bezpośrednio z Hub lub magazynu obiektowego, bez pobierania setek gigabajtów, z mieszaniem danych w całym zbiorze. W przypadku DROID (27,6 miliona klatek, 369 GB wideo) wykonanie 10 000 kroków trenowania SmolVLA na 8 H100 zajęło 1 godz. 27 min przy odczycie ze zdalnego magazynu, wobec 2 godz. 00 min przy użyciu standardowego czytnika i lokalnej kopii na NVMe, którą wcześniej trzeba było pobrać (384 GB). Końcowa wartość straty jest taka sama: różnica wynika z czasu oczekiwania na dane — 1,7 % wobec 37,4 %. Przy małym zbiorze obie metody osiągają podobne wyniki.

🔗 Jak trenować robota: wydanie LanceDB

Jürgen Schmidhuber w Sakana AI

24 września — Sakana AI ogłasza, że Jürgen Schmidhuber obejmuje stanowisko głównego doradcy naukowego (Chief Scientific Advisor), które będzie łączył z dotychczasowymi obowiązkami. Znany z prac nad modelami świata, metauczeniem i maszyną Gödla, zaangażuje się w RSI Lab tokijskiego startupu, zajmujące się rekurencyjnym samodoskonaleniem, i będzie regularnie przyjeżdżał do Tokio. Według Sakana jego prace, w tym rozprawa doktorska z 1987 roku o rekurencyjnym samodoskonaleniu, bezpośrednio zainspirowały Darwin Gödel Machine i The AI Scientist. Ogłoszenie ujawnia też kierunek prac: Sakana tworzy swoje pierwsze modele świata „natywne dla agentów”, zdolne symulować fizyczne skutki działania przed jego wykonaniem, z myślą o japońskim przemyśle wytwórczym.

🔗 Jürgen Schmidhuber dołącza do Sakana AI

W skrócie

Claude Tag i osobiste konektory — Na kanale Slack Claude Tag może teraz korzystać z osobistych konektorów osoby, która go wywołała (kalendarza, dysku, CRM), i tylko tej osoby, z możliwością sprawdzenia każdej odpowiedzi lub użycia trybu automatycznego; konektory te nigdy nie są używane w zaplanowanych procedurach. Wdrażanie trwa w planie Team, a plan Enterprise będzie następny. 🔗 źródło
Sora 2 znika z API — Zgodnie z zapowiedzią z 24 marca modele Sora 2 i Videos API zostały wyłączone 24 września, bez równoważnego zastępczego API; wycofano pięć identyfikatorów, od sora-2 i sora-2-pro po ich migawki z datą. Zamknięcie potwierdza jedynie dokumentacja. 🔗 źródło
ChatGPT Ads w Azji Południowo-Wschodniej — System reklamowy ChatGPT trafia do Indonezji, Malezji, Filipin, Singapuru, Tajlandii, Wietnamu i Tajwanu. Obejmuje już ponad 60 krajów, wobec ponad 40 pod koniec sierpnia; reklamy wyświetlają się tylko w planach Free i Go. 🔗 źródło
Grab i OpenAI — Program GO Forward with AI ma w ciągu dwóch lat przeszkolić 30 000 kierowców, kurierów i sprzedawców współpracujących z Grab, zaczynając od Singapuru, podczas warsztatów opartych na OpenAI Academy i ChatGPT Work. 🔗 źródło
Trzy studia przypadków OpenAI — Ringg obsługuje ponad 7 milionów skutecznie połączonych rozmów miesięcznie i obniżył o około 90% koszt modeli przy obciążeniach przeniesionych z GPT-4.1 na GPT-5.6 Luna; invideo twierdzi, że dzięki GPT-6 Astra mniej więcej trzykrotnie zwiększyło skuteczność dostrajania kolorów; Harvey przedstawia swoje doświadczenia bez podawania liczb. 🔗 źródło
ChatGPT na iOS 1.2026.258 — Wpis z 23 września w dzienniku zmian ChatGPT & Codex opisuje przeprojektowany ekran główny, dodanie na iPadzie widoku podzielonego, który pokazuje listę zadań obok otwartego zadania, oraz poprawki błędów parowania SSH na Macu i Linuksie. 🔗 źródło
Gemini CLI v0.61.0 — Gemini 3.8 Flash i Gemini 3.5 Flash Lite, dostępne już w kanale nightly, trafiają do wersji stabilnej przez cherry-pick, o którym oficjalna nota nie wspomina; v0.62.0-preview.0 otwiera kolejny kanał preview. 🔗 źródło
Gemini w Chrome — Na komputerach Gemini in Chrome tworzy interaktywne quizy na podstawie otwartej karty (na początek po angielsku, w Stanach Zjednoczonych i Indiach) i analizuje teraz niemal każdy podcast lub plik wideo odtworzony w całości, nie tylko materiały z YouTube. 🔗 źródło
Google Photos — Wirtualna garderoba, która kataloguje ubrania ze zdjęć, by przymierzać zestawy, jest udostępniana uprawnionym użytkownikom w Stanach Zjednoczonych, Indiach i Brazylii, wraz ze stylami retro Moods i 15 nowymi modelami Remix. 🔗 źródło
API Gateway jako serwer MCP — W publicznej wersji zapoznawczej Google Cloud API Gateway przekształca operacje interfejsu REST API w narzędzia MCP na podstawie opatrzonej adnotacjami specyfikacji OpenAPI 3.x, wykorzystując istniejące uwierzytelnianie, limity i logi; jedna brama obsługuje do 1 000 narzędzi. 🔗 źródło
PostgreSQL for agents w AlloyDB — W wersji zapoznawczej AlloyDB tworzy w kilka sekund odizolowane instancje tylko do odczytu, których dane są aktualne z dokładnością do sekundy, aby obsłużyć nagłe skoki liczby zapytań agentów; Google zapowiada ponad 3 miliony zapytań na sekundę. 🔗 źródło
OLMo 3 7B odtworzony na TPU — Zespół TPU w Google Cloud odtworzył w MaxText wstępne trenowanie OLMo 3 7B firmy Ai2 (około 5,9 biliona tokenów), uzyskując model nieodróżnialny od oryginału w ośmiu benchmarkach i wykorzystanie FLOPs na poziomie 44,5% na Ironwood, po wykryciu błędu w module ładowania danych. 🔗 źródło
The Talking Museum — Google Arts & Culture Lab otwiera wirtualną salę z ponad 190 obiektami kultury w 3D, które można obracać, podczas gdy Gemini opowiada o ich historii i odpowiada na pytania. 🔗 źródło
DeepSeek Harness 0.1.7-rc.2 — Druga wersja kandydująca w ciągu dwóch dni i 22. wersja zapoznawcza bez wydania stabilnego: zadania są kontynuowane w tle po zamknięciu okna Desktop, a zaplanowane zadania przetrwają ponowne uruchomienie i mogą powtarzać się nawet co minutę. 🔗 źródło
Router zapytań na Jetsonie — Na blogu Hugging Face Eric Mey zastępuje model 9B dostrojonym ModernBERT-large, który wybiera typ odpowiedzi: 180 poprawnych wyborów ścieżki na 180 wobec 175 oraz 42 ms wobec 771 ms, na różnym sprzęcie; model, dane i kod są dostępne na licencji Apache-2.0. 🔗 źródło
Wzbogacony korpus genomowy Carbon — Parag Ekbote publikuje działający na procesorze pipeline, niewykorzystujący modelu Carbon, który dodaje długość, zawartość GC, status kodujący i taksonomię do 32,4 miliona rekordów korpusu użytego do wstępnego trenowania HuggingFaceBio. 🔗 źródło
ZCode v3.14.3 — Jedyne wydanie ZCode, środowiska Z.ai, na GitHubie od udostępnienia jego kodu 21 września: można zmieniać współbieżność trwającego przepływu pracy bez jego zatrzymywania, a skrypty przepływu zużywają mniej tokenów. 🔗 źródło
Python SDK xAI 1.20.0 — Dla grok-imagine-video-1.5 parametr last_frame_url ustawia ostatnią klatkę klipu, a keyframes umieszcza w nim do czterech klatek kluczowych; opcje te były już opisane w dokumentacji API. 🔗 źródło
Copilot code review — Strona osobistych ustawień przeglądu kodu jest dostępna we wszystkich planach Copilot, w tym Business i Enterprise; automatyczny przegląd obejmuje teraz nowe pushe i wersje robocze, a firmy mogą ustawić domyślny poziom szczegółowości przeglądu. Zgodnie z zapowiedzią z końca sierpnia 28 września GitHub zmieni ustawienie domyślne z Lite na Balanced. 🔗 źródło
Potwierdzenie obecności w GitHub Enterprise Cloud — W publicznej wersji zapoznawczej działania o dużym znaczeniu (tworzenie tokenów, webhooks, ustawienia bezpieczeństwa) mogą wymagać ponownego uwierzytelnienia lub MFA u dostawcy tożsamości; potwierdzenie jest ważne przez dwie godziny. Funkcja jest zarezerwowana dla firm korzystających z EMU i GHEC-DR oraz Microsoft Entra ID. 🔗 źródło
Koniec Node 20 w GitHub Actions — Runnery uruchamiają teraz akcje JavaScript przy użyciu Node 24, opcja powrotu do poprzedniej wersji znika, a samodzielnie hostowane runnery na macOS 13.4 lub starszym oraz ARM32 nie są już obsługiwane. 🔗 źródło
Kanwy aplikacji Copilot — Burke Holland opowiada się za małymi aplikacjami full-stack, które komunikują się z agentem, zamiast za rozwiązaniem opartym wyłącznie na czacie, wskazując na oszczędność tokenów; nie ma tu nowej funkcji, kanwy istnieją od czerwca. 🔗 źródło
Amp udostępnia swoje runnery — Runner uruchomiony za pomocą --share może być używany przez całą przestrzeń roboczą za pośrednictwem ampcode.com; Amp ostrzega, że inni członkowie uruchamiają wtedy kod z tożsamością hosta, a administratorzy mogą wyłączyć udostępnianie. 🔗 źródło
Wybór modeli w v0 — Zaległa wiadomość z 22 września: nowy selektor pozwala przeglądać modele w AI Gateway wraz z ceną za token i trafia do zespołów Enterprise, w których właściciel musi włączyć Allow custom models. 🔗 źródło
Przepis BioNeMo na MoE — NVIDIA szczegółowo opisuje trenowanie biologicznych modeli typu mieszanka ekspertów przy użyciu BioNeMo i Transformer Engine: przepustowość do 2,21 razy większa niż w rozwiązaniu referencyjnym Hugging Face na Mixtral-8x7B i ośmiu B200; scalony kernel jest dostępny tylko na Blackwell. 🔗 źródło
Tryb Draft Seedance 2.5 w Runway — Szybsze wersje robocze, które kosztują mniej kredytów, pozwalają eksperymentować, zanim najlepsze z nich zostaną wygenerowane w pełnej jakości; Runway nie podaje liczby kredytów, a ten sam tryb trafił do Pika 22 września. 🔗 źródło
Runway MCP w Marketplace Cursor — Serwer MCP Runway można instalować z Marketplace Cursor od 23 września, a od 22 września agenci mogą przeglądać Brand Kits w trybie tylko do odczytu. 🔗 źródło
Pika API Club — Pika wylicza oszczędności swoich członków w porównaniu z Fal.ai: Vuvie zapłaciło o 12 185,80 dolarów mniej za 3 822 generacje Seedance 2.5 w ciągu 30 dni, a miesięczny rachunek AI-Bridge spadł z około 2 000 do 990 dolarów. 🔗 źródło
Badanie HeyGen o awatarach — Wśród 1 000 małych firm 71,6% nagrało już film, którego nigdy nie opublikowało; wśród użytkowników awatarów 71,1% twierdzi, że oszczędza czas, a 55,3% publikuje częściej. 🔗 źródło
Badanie Luma — Zaległa wiadomość z 22 września: wśród 760 specjalistów z branży kreatywnej 81% opublikowało już treści stworzone przy użyciu AI, ale w żadnym zadaniu odsetek korzystających z AI nie przekracza 42%, a 62% obawia się zależności od AI kosztem ludzkiej kreatywności. 🔗 źródło
Poradnik Perplexity dotyczący badań rynku — Ośmioetapowy poradnik z przykładami promptów, etapami weryfikacji i pięciopunktową listą kontrolną; bez nowych funkcji, odsyła do Deep Research i Spaces. 🔗 źródło

Co to oznacza

Agent wychodzi poza okno czatu. Muse mówi głosem, który można opisać, przybiera postać awatara, steruje Makiem i ma trafić na okulary, a następnie, według Marka Zuckerberga, w grudniu do kieszonkowego urządzenia. Google również nadaje Gemini 3.8 Live animowaną twarz do obsługi recepcji i klientów, Perplexity instaluje lokalnego agenta na komputerach z procesorem AMD, a Claude Code pracuje dalej w chmurze po zamknięciu laptopa. Terminy są różne: sterowanie komputerem Mac i Live Avatar są już dostępne, podczas gdy Muse na okularach zapowiedziano „w najbliższych miesiącach”, a data udostępnienia jego adresu e-mail nie jest znana.

Koszt działania agentów staje się argumentem popartym liczbami. Anthropic oferuje 100 lub 250 dolarów kredytów na sesje w chmurze i pokazuje na podstawie danych o użyciu, że odczyt z cache stanowi obecnie największą część kosztów Claude Code, gdzie stosunek danych wejściowych do wyjściowych wzrósł ze 189:1 do 324:1. Perplexity pobiera za Fast Search 1 dolara za 1 000 zapytań zamiast 5 i szacuje oszczędność na zadaniach agentów na około 68% przy porównywalnym wyniku; Runway utrzymuje 74% przydatnych filmów przy wydatkach niższych o 66%; Together AI trenuje model decyzyjny za 17 dolarów. Każda firma mierzy oszczędności według własnej metody: to przydatne liczby, lecz rzadko porównywalne między sobą.

Poziom zaufania ustala się osobno dla każdego przypadku, czasem w przeciwnym kierunku. Anthropic ponownie nalicza opłaty za niektóre odmowy, aby ograniczyć „skoordynowane ataki”, dążąc do odsetka fałszywych alarmów poniżej 0,1%. Claude Code 2.1.282 uniemożliwia projektowi narzucenie ustawień telemetrii, podczas gdy Kimi Code 2.1.1 usuwa zabezpieczenia dodane w wersji 2.1.0 niespełna 19 godzin wcześniej, uzasadniając to tym, że za zatwierdzone repozytorium odpowiada użytkownik. GitHub testuje potwierdzenie obecności przed wrażliwymi działaniami. W obszarze obrony OpenAI udostępnia Daybreak Ukrainie, a GitHub Security Lab powierza agentowi fuzzing, ostrzegając, że agent popełnia błędy i musi działać w środowisku, które można usunąć.

Wreszcie, o zasadach i infrastrukturze rozmawia się na dużą skalę. W ONZ Sam Altman wzywa do ustanowienia międzynarodowych standardów dla najbardziej zaawansowanej AI. OpenAI chce, by kierowały nimi Stany Zjednoczone wraz z siecią instytutów bezpieczeństwa AI, bez obowiązkowej licencji ani kontroli przed publikacją. Google przygotowuje się do wysłania na orbitę swoich pierwszych TPU, aby przetestować obliczenia w kosmosie, a Perplexity przepisało w Rust silnik obsługujący wszystkie jego wyszukiwania, skracając latencję p99 z około 800 do 65 ms. Standardy uzgadniane między państwami, chipy na orbicie, przepisany silnik: warstwa, dzięki której działają ci agenci, powstaje równocześnie z nimi.