Moonshot uruchamia Kimi K3 (otwarte 2,8T), NVIDIA ogłasza Open Secure AI Alliance, Perplexity wzmacnia swoją ofertę dla przedsiębiorstw

27 lipca 2026 to dzień intensywny, z trzema odrębnymi, ważnymi ogłoszeniami. Moonshot AI publikuje wagi i raport techniczny Kimi K3, otwartego modelu o 2,8 biliona parametrów, hostowanego od dnia 0 przez Together AI. NVIDIA tego samego dnia jednoczy około trzydziestu partnerów — od Adobe po Microsoft, przez Hugging Face i SpaceXAI — w ramach Open Secure AI Alliance, koalicji na rzecz otwartych narzędzi bezpieczeństwa AI, w następstwie opisanego już incydentu bezpieczeństwa Hugging Face. Perplexity publikuje z kolei swój pierwszy changelog od dwóch tygodni, czyli pakiet dziewięciu funkcji wyraźnie nastawionych na przedsiębiorstwa. Wokół tych trzech tematów krąży siedem godnych uwagi nowości — Cognizant i Anthropic, Cohere North Automations, wdrożenie Opus 5 przez Zed — oraz pięć mniej istotnych ogłoszeń.

Kimi K3: Moonshot AI publikuje otwarty model o 2,8 biliona parametrów, hostowany od dnia 0 przez Together AI

27 lipca, 17:14 — Moonshot AI publikuje wagi i raport techniczny Kimi K3, przedstawianego przez wydawcę jako pierwszy otwarty model w klasie 3 000 miliardów parametrów — to sformułowanie Moonshot, należy je tak właśnie traktować. Jest to model MoE (Mixture-of-Experts) o łącznej liczbie 2,8 biliona parametrów, z których jedynie 104 miliardy są aktywowane na token, rozłożone na 93 warstwy. Dwie autorskie nowości architektoniczne odpowiadają za większość deklarowanych zysków: Kimi Delta Attention (KDA), połączone z mechanizmem reszt uwagi (Attention Residuals), oraz bardzo oszczędny MoE („Stable LatentMoE”), który aktywuje tylko 16 ekspertów z 896 w każdym przebiegu. Moonshot deklaruje około 2,5× wzrost efektywności skalowania względem Kimi K2 — „nie tylko więcej parametrów”. Model natywnie obsługuje też wizję (enkoder MoonViT-V2) i okno kontekstu liczące milion tokenów.

Kimi K3 jest dostępny natychmiast na Kimi.com, w aplikacji mobilnej (iOS/Android/HarmonyOS), aplikacji desktopowej Kimi Work, agencie kodowania w wierszu poleceń Kimi Code (wybieralnym przez /model) oraz w API Kimi (model kimi-k3, kompatybilny z OpenAI/Anthropic), w cenie $0,30/MTok za wejście z cache, $3,00/MTok bez cache oraz $15,00/MTok za wyjście. Together AI jest partnerem hostingu od dnia 0, a Hugging Face repostuje ogłoszenie bez dodatkowego komentarza.

Benchmark	Kimi K3	Claude Fable 5	Claude Opus 4.8	GPT-5.5
SWE-Marathon	42,0	35,0	40,0	—
MCPMark-Verified	94,5	87,4	—	—
GPQA Diamond	93,5	92,6	91,0	93,5

Moonshot otwarcie przyznaje kilka ograniczeń: silną wrażliwość na zachowany tryb rozumowania (pełna historia musi być przekazywana dalej w kolejnych turach dokładnie w tej samej postaci, inaczej pojawia się niestabilność), skłonność do „nadmiernej proaktywności” przy długich i niejednoznacznych zadaniach oraz wyraźną, według samego laboratorium, różnicę w doświadczeniu użytkownika względem Claude Fable 5 i GPT-5.6 Sol. Implementacja cache prefiksu zgodna z nowym mechanizmem uwagi została ponadto wniesiona do społeczności vLLM równolegle z modelem.

“Releasing the model weights and technical report of Kimi K3. Kimi K3 is our most capable model: a 2.8T MoE model with native visual understanding and a 1M-token context window. New model architecture: 2.5x the intelligence per unit of compute, not just more params.”

🇵🇱 Publikujemy wagi modelu i raport techniczny Kimi K3. Kimi K3 to nasz najbardziej wydajny model: model MoE o 2,8 biliona parametrów, z natywnym rozumieniem obrazu i milionowym oknem kontekstu. Nowa architektura: 2,5 razy więcej inteligencji na jednostkę obliczeń, a nie tylko więcej parametrów. — @Kimi_Moonshot na X

🔗 Wagi modelu — Hugging Face

🔗 Raport techniczny — GitHub

NVIDIA jednoczy Open Secure AI Alliance, czyli około trzydziestu partnerów na rzecz bezpieczeństwa AI

27 lipca — NVIDIA ogłasza utworzenie Open Secure AI Alliance, koalicji około trzydziestu partnerów założycielskich — wśród których są Adobe, Cadence, Capital One, Cisco, Cloudflare, Cognition, CrowdStrike, Databricks, Dell, Hugging Face, IBM, LangChain, Linux Foundation, Microsoft, NAVER, Palantir, Red Hat, Salesforce, SAP, ServiceNow, Siemens, Snowflake, SpaceXAI i Thinking Machines Lab — poświęconej rozwijaniu i udostępnianiu otwartych narzędzi do bezpieczeństwa i niezawodności systemów AI.

Ogłoszenie wprost opiera się na incydencie bezpieczeństwa w Hugging Face z połowy lipca (już opisanym): blog NVIDIA przypomina, że Hugging Face uruchomił otwarty model GLM 5.2 na własnej infrastrukturze, aby przeanalizować ponad 17 000 działań i powstrzymać włamanie — to, według NVIDIA, dowód, że otwarty model z najwyższej półki jest atutem defensywnym, a nie zagrożeniem dla bezpieczeństwa.

Partner sojuszu	Konkretny wkład
NVIDIA	NOOA (NVIDIA Labs Object-Oriented Agent), ramy badawcze dla harnessów agentów, open source na GitHub
Hugging Face	Przekazanie formatu Safetensors do PyTorch Foundation
Microsoft	MDASH, wielomodelowy agentowy harness do skanowania w celu wykazywania możliwych do wykorzystania luk
HPE	SPIFFE/SPIRE, tożsamość zero-trust dla agentów i usług AI
SpaceXAI	Otwarcie terminalowego agenta kodowania Grok Build, wkrótce dojdą wagi linii Grok

Rzadko spotykane, Jensen Huang komentuje sam ogłoszenie — to dopiero jego druga wiadomość opublikowana kiedykolwiek na X, po liście z 24 lipca, już wcześniej omówionej. Tego samego dnia Cognition (Devin) dołącza do sojuszu, udostępniając własne prace badawcze dotyczące niezawodności modeli pochodnych open source, opublikowane już 8 lipca:

“Closing open source models hurts innovation. The path forward is better tools to evaluate, secure, and deploy them responsibly.”

🇵🇱 Zamykanie modeli open source szkodzi innowacjom. Droga naprzód prowadzi przez lepsze narzędzia do ich oceny, zabezpieczania i odpowiedzialnego wdrażania. — @cognition na X

Sakana AI tego samego dnia dołącza do ruchu pro-modelowego-otwartego zapoczątkowanego listem Jensena Huanga z 24 lipca — to trzeci sygnał, odrębny od samego sojuszu, który domyka tydzień: incydent bezpieczeństwa (21 lipca), otwarty list (24–26 lipca), konkretna branżowa koalicja (27 lipca).

🔗 Oficjalne ogłoszenie — NVIDIA

🔗 Jensen Huang na X

🔗 Sakana AI dołącza do ruchu

Perplexity publikuje pierwszy changelog od dwóch tygodni: dziewięć funkcji, nacisk na przedsiębiorstwa

27 lipca — Perplexity publikuje gęsty wpis changelogowy, pierwszy od 13 lipca („Introducing Brain for Perplexity Computer”), po dwóch tygodniach bez nowej publikacji na tym kanale. Wpis zbiera dziewięć odrębnych funkcji dotyczących Perplexity Search, Computer, Agent API i Comet Assistant. Osiem jest nowych; dziewiąta — integracja Claude Opus 5 w Search i Computer — została już ogłoszona na X 25 lipca i tutaj jedynie oficjalnie potwierdzona w changelogu.

Nowa funkcja	Szczegół techniczny
Kontrola dostępu oparta na rolach (RBAC) + SCIM	Role niestandardowe, synchronizacja grup, limity kredytów na grupę — zarezerwowane dla rocznych umów Enterprise
Sejf na dane uwierzytelniające API	Computer uwierzytelnia się do dowolnego zewnętrznego API bez ujawniania sekretu agentowi ani sandboxowi
Brain rozszerzony na subskrybentów Max	Samodoskonaląca się pamięć rozszerzona na wszystkich subskrybentów Max na świecie, tworzenie wiki w 15 językach
Skills dla Agent API	Składane możliwości ładowane na żądanie dla agentów-deweloperów
Computer w Comet Assistant	Dostęp do Computer bezpośrednio z panelu Comet, bez opuszczania oglądanej strony
Check Sources	Sprawdza, czy odpowiedź Ask lub Computer jest rzeczywiście poparta cytowanymi źródłami
Source Context Panel	Panel boczny do przeglądania, porównywania i zgłębiania źródeł odpowiedzi
Zarządzanie sesjami przez prompt	Wyszukiwanie, podsumowywanie, forking lub równoległe prowadzenie sesji Computer z poziomu zwykłej rozmowy

Dwie pierwsze funkcje z tabeli są skierowane konkretnie do organizacji objętych roczną umową Enterprise: kontrola dostępu oparta na rolach z synchronizacją SCIM odpowiada klasycznej potrzebie zarządzania IT (centralne provisionowanie, limity kredytów na zespół), natomiast sejf na dane uwierzytelniające API rozszerza Computer na usługi zewnętrzne bez natywnego konektora, nigdy nie ujawniając surowego sekretu agentowi. Z kolei rozszerzenie Brain na wszystkich subskrybentów Max trafia do znacznie szerszej grupy niż sam segment Enterprise, w którym funkcja zadebiutowała miesiąc wcześniej.

Żadna z tych dziewięciu funkcji nie jest oznaczona jako zarezerwowana dla wersji przedpremierowej: wszystkie są wdrożone albo są właśnie wdrażane w momencie publikacji. Pod względem skali — zarządzanie enterprise, deweloperzy i szeroka publiczność w jednym wpisie — ten changelog jest najgęstszą publikacją Perplexity od czasu premiery Personal Computer w połowie lipca.

🔗 Oficjalny changelog — Perplexity

Cognizant i Anthropic rozszerzają swoje partnerstwo enterprise

27 lipca — Cognizant zostaje Global Premier Partner w ramach Claude Partner Network. Claude jest teraz zintegrowany z trzema wewnętrznymi platformami firmy: Flowsource (platforma inżynierii full-stack, moduł Spec-Driven Development, w którym Claude Code jest kierowany przez specyfikacje i blueprinty projektu), Neuro AI Engineering oraz Neuro IT Ops. Ponad 30 000 pracowników Cognizant zostało już przeszkolonych w Claude, w ramach nowego modelu siły roboczej „Frontier Certified” grupy.

Przypadek klienta	Zmierzony rezultat
Portal doświadczenia klienta (globalny producent)	Dostarczony w 6 miesięcy
Inteligencja kontraktowa (biopharma)	Do -40% czasu przeglądu, ponad 88% dokładności ekstrakcji
Nawigacja po ryzykach (ubezpieczenia)	Około 8h/tydzień/osoba oszczędzone

Ravi Kumar S (CEO Cognizant) mówi o narastającej luce między możliwościami AI a zdolnością firm do ich absorpcji, przedstawiając Cognizant jako pomost dostarczający kontekst biznesowy, skalę inżynieryjną i ramy zaufania niezbędne do tych wdrożeń.

🔗 Oficjalne ogłoszenie — Anthropic

Narzędzia kodowe: Zed przyjmuje Claude Opus 5, GitHub Copilot optymalizuje koszty

Zed 1.12.1 i 1.13.1 dodają Claude Opus 5

27 lipca — Zed publikuje jednocześnie wersje 1.12.1 (stable) i 1.13.1 (preview), dodając obsługę Claude Opus 5 dla providerów Anthropic i Amazon Bedrock BYOK (bring your own key). Zed staje się piątym narzędziem do kodu, które integruje Opus 5, po Cursor, Devin, v0 i Warp — ale, w przeciwieństwie do czterech poprzednich, wyłącznie poprzez changelog, bez ogłoszenia na X. Kanał preview naprawia ponadto trzy odrębne błędy: ustawienia projektu niewznawiające language servers, zduplikowane odpowiedzi z modelami GPT-5.x na endpointcie Mantle Amazon Bedrock oraz wyszukiwanie projektu zwracające zagnieżdżone repozytoria, które miały być wykluczone.

🔗 Stabilny changelog — Zed

GitHub Copilot — routowanie Auto (HyDRA) sprawia, że kredyty AI wystarczają 3,3× dłużej

27 lipca — GitHub wyjaśnia, że cache promptów (prompt caching), wyszukiwanie narzędzi (tool search) oraz system routingu modeli nazwany HyDRA redukują kontekst powtarzany w każdej sesji Copilot. Wynik liczbowy: HyDRA dorównuje współczynnikowi rozwiązywania zadań na poziomie 70,8% osiągniętemu przez OpenRouter Auto, przy 3,3× większych oszczędnościach kredytów. Nie opublikowano żadnego osobnego wpisu na blogu dla tego ogłoszenia, które na razie pozostało zwykłym tweetem — w kontynuacji oceny skuteczności harnessu Copilot opublikowanej 25 czerwca.

🔗 Ogłoszenie — @github na X

OpenAI: rozszerzony głos dla przedsiębiorstw i nowe badanie ekonomiczne

GPT-Live dostępny globalnie dla Edu, Business i Enterprise

27 lipca — OpenAI potwierdza, że GPT-Live, nowa generacja modeli głosowych wprowadzona 8 lipca do naturalnej interakcji między ludźmi a AI, jest już dostępna na całym świecie dla planów Edu, Business i Enterprise. Desktopowa aplikacja ChatGPT Voice wspominała już o tych planach 23 lipca; nowością tutaj jest jednoznaczne potwierdzenie, że sam model głosowy — a nie tylko integracja desktopowa — jest objęty wdrożeniem, w skali globalnej. Ogłoszenie zostało opublikowane bezpośrednio na X, bez osobnego artykułu: to element najściślej powiązany z rozszerzeniem Enterprise obserwowanym w tym oknie monitorowania.

🔗 Ogłoszenie — @OpenAI na X

Praca na granicy: jak AI rozszerza zadania w pracy

27 lipca — OpenAI Economic Research publikuje pierwszy raport z nowej, cyklicznej serii, oparty na analizie ponad 800 000 wiadomości ChatGPT od użytkowników z USA. Raport wprowadza pojęcie nakładania się zadań (task crossover) : pracy zwykle kojarzonej z jednym zawodem, która pojawia się w użyciu AI przez osoby wykonujące inny zawód. 16,8% wiadomości związanych z pracą oraz 43,5% wiadomości specyficznych dla danej profesji dotyczy zadań z zawodu innego niż ten wykonywany przez użytkownika.

Zawód objęty badaniem	Udział zadań spoza zawodu
Obsługa klienta	77%
Projektowanie	75%
Zasoby ludzkie	69%
Prawo	56%
Marketing	53%

Zjawisko jest częstsze w mniejszych strukturach: udział zadań spoza zawodu spada z 18,9% w miejscach pracy mających od 2 do 5 stanowisk do 16,3% powyżej 100 stanowisk, co jest zgodne z ideą, że AI służy jako narzędzie ogólnego przeznaczenia tam, gdzie brakuje wyspecjalizowanych zasobów.

🔗 Pełny raport — OpenAI

Meta AI wdraża SAM i DINOv3 w projekcie robotyki wspomagającej

27 lipca — Meta AI publikuje studium przypadku dotyczące projektu RAMMP (Robotic Assistive Mobility and Manipulation Platform), realizowanego przez University of Pittsburgh (HERL) i ATDev, finansowanego kwotą do $41,5 miliona przez ARPA-H (amerykańską federalną agencję badań biomedycznych zaawansowanych). Cel: bezpieczniejsze platformy robotyczne dla użytkowników wózków inwalidzkich — około 5,5 miliona osób w USA, ponad 100 000 urazów związanych z wózkami leczonych co roku na SOR-ach.

Modele open source DINO/DINOv3 (samonadzorowany vision transformer) i SAM/SAM 3.1 (segmentacja) działają w edge computing bezpośrednio na sprzęcie pokładowym robotów — ograniczenie narzucone przez autonomię baterii i brak niezawodnej łączności sieciowej. System percepcji opiera się na RF-DETR, lekkim detektorze dostrojonym z użyciem embeddingów DINOv2, którego dane treningowe są automatycznie anotowane za pomocą SAM. Powiązane konsorcjum obejmuje Kinova Robotics, LUCI Mobility, ATDev oraz zespoły z Carnegie Mellon, Cornell, Northeastern i Purdue.

🔗 Pełne studium przypadku — Meta AI

Cohere uruchamia North Automations, orkiestrację workflowów agentowych dla przedsiębiorstw

27 lipca — Cohere ogłasza North Automations, nową funkcję swojej przedsiębiorczej platformy agentowej North, umożliwiającą projektowanie zautomatyzowanych workflowów w języku naturalnym: zaplanowane wykonania, pętle i rozgałęzienia, wybór modelu na etap, tryb „Plan” do przeglądu przed budową, punkty zatwierdzania przez człowieka oraz śledzenie zużycia tokenów. Cohere szacuje rynkową wartość szansy związanej z orkiestracją agentów na $550 miliardów, cytując raport Gartnera dotyczący cyklu hype wokół AI agentowej.

Automations opiera się na istniejącej infrastrukturze North (wdrożenie on-prem lub w chmurze, własne konektory, MCP lub SDK, zabezpieczenia i granularne uprawnienia) i jest dostępne od dziś dla wszystkich klientów North. Wewnętrznie zespoły Marketing Operations, Customer Success i Sales zbudowały już własne automatyzacje — odpowiednio tłumaczenie pytań w języku naturalnym na zapytania SQL BigQuery, tracker zaangażowania klientów agregujący HR, Slack i Salesforce oraz przygotowanie rozmów z prospectami łączące Salesforce, Slack, Gmail i Notion.

🔗 Ogłoszenie — @cohere na X

🔗 Artykuł na blogu — Cohere

W skrócie

GitHub Blog — „The harness is all you need (mostly)” — Burke Holland publikuje 8-etapowy workflow Copilot (wybór narzędzia, tryb YOLO, wizualny prototyp, plan z /grill-me, implementacja przez Autopilot, recenzja człowieka, krzyżowa recenzja przez model z innej rodziny, dostarczenie), działający w całej rodzinie Copilot. 🔗 Źródło
NVIDIA — CPU Vera przyspiesza projektowanie układów scalonych — wdrożony wewnętrznie w przepływach EDA z Cadence (Jasper) i Synopsys (VCS), do 1,5× więcej wydajności przy niektórych obciążeniach weryfikacyjnych, przy tej samej liczbie rdzeni. 🔗 Źródło
NVIDIA — Nemotron 3 Ultra na czele w agentowym kodowaniu RTL — w dziewięciu kategoriach rzeczywistego projektowania układów scalonych ten już znany otwarty model osiąga najlepsze wyniki spośród testowanych modeli otwartych. 🔗 Źródło
HeyGen / HyperFrames — dni 21 i 22 z 30 — renderowanie w chmurze przez API HeyGen (około $0,10/minutę w 1080p), a następnie katalog wielokrotnego użytku komponentów do budowania scen bez zaczynania od zera. 🔗 Dzień 21 · Dzień 22
ElevenLabs — szczyt w Bengaluru 6 października — zapowiedzi nowych modeli i demonstracje indyjskich zespołów pracujących nad AI głosową ogłoszone na to wydarzenie. 🔗 Źródło

Co to oznacza

Otwartość modeli przechodzi od słów do czynów. Po liście Jensa Huanга z 24 lipca i rosnącym dołączaniu kolejnych podmiotów (Cohere, Ai2, Together AI, a następnie Sakana AI w ten weekend), 27 lipca oznacza jakościowy skok: uporządkowany sojusz branżowy z konkretnymi narzędziami wniesionymi przez członków (NOOA od NVIDIA, Safetensors od Hugging Face, SPIFFE/SPIRE od HPE) oraz model flagowy, Kimi K3, który rości sobie prawo do klasy 3 bilionów parametrów w otwartej wadze. Dwie różne formy tej samej dynamiki, opublikowane tego samego dnia.

Bezpieczeństwo jako argument za otwartością, a nie przeciw niej. Open Secure AI Alliance odwraca typowy argument: to nie otwartość modeli osłabia bezpieczeństwo, lecz ich zamknięcie pozbawia obrońców narzędzi, które można prześwietlić. Incydent Hugging Face z połowy lipca, w którym otwarty model (GLM 5.2) umożliwił analizę forensic ponad 17 000 działań włamania, służy jako demonstracja tej tezy — studium przypadku, które NVIDIA cytuje wprost, by uzasadnić powołanie sojuszu.

Otwarte pogranicze zbliża się do zamkniętego pogranicza. W kilku precyzyjnych benchmarkach agentowych — SWE-Marathon, MCPMark-Verified, GPQA Diamond — Kimi K3 przewyższa lub dorównuje Claude Fable 5, Claude Opus 4.8 i GPT-5.5, jednocześnie sam przyznając, że nadal ustępuje pod względem ogólnego doświadczenia użytkownika. Luka między modelami otwartymi a własnościowymi zawęża się benchmark po benchmarku, nawet jeśli same laboratoria otwarte przyznają, że nie dorównują jeszcze całościowemu doświadczeniu najlepszych modeli zamkniętych.

AI w przedsiębiorstwach industrializuje się dzięki drobnym elementom zarządzania. Cognizant szkoli 30 000 współpracowników w Claude, Perplexity dodaje RBAC i SCIM do Computer, Cohere uruchamia orkiestrację workflowów z punktami zatwierdzania przez człowieka, OpenAI rozszerza GPT-Live na Edu/Business/Enterprise: czterech różnych graczy tego samego dnia rozwija elementy kontroli dostępu, śledzenia i automatyzacji — fundament niezbędny, by AI agentowa przeszła z prototypu do wdrożenia na dużą skalę w przedsiębiorstwach.