Anthropic przedstawia wymierne wyniki prac nad lekami i przejmuje Mithril Medicine, Google DeepMind prezentuje Genie 4, Liquid AI udostępnia LFM3

Anthropic publikuje pierwsze liczbowe podsumowanie swoich prac nad opracowywaniem leków z sześcioma partnerami, od Generate Biomedicines po Bristol Myers Squibb, i przejmuje Mithril Medicine, którego pierwsze badanie z udziałem ludzi mogłoby rozpocząć się pod koniec 2028 roku. Google DeepMind prezentuje Genie 4, model świata działający w czasie rzeczywistym, który generuje także dźwięk, a Liquid AI udostępnia LFM3, sześć otwartych modeli klasy 2B przeznaczonych do działania bezpośrednio na urządzeniu. Wśród narzędzi nowe wersje publikują Claude Code, Codex CLI, Gemini CLI i Vibe CLI, Cognition uruchamia FrontierCode 2.0, w którym żaden model nie przekracza 45,5 %, a Cohere udostępnia materiały pozwalające odtworzyć jego obserwację dotyczącą Qwen3.8-Flash-Next.

Anthropic podsumowuje prace nad odkrywaniem leków z sześcioma partnerami i przejmuje Mithril Medicine

27 października — Zespół Science firmy Anthropic publikuje pierwsze podsumowanie swoich prac nad opracowywaniem leków. Od kilku miesięcy jego naukowcy prowadzą ścisłą współpracę badawczą z sześcioma organizacjami: BigHat Biosciences, Bristol Myers Squibb, Divergence Labs, Enveda, Generate Biomedicines i The Column Group. Anthropic chce angażować Claude na każdym etapie, od wyboru celu terapeutycznego przez produkcję i dokumentację regulacyjną po badania kliniczne, a nie tylko w projektowanie cząsteczek: według wpisu wąskie gardła występują w całym procesie.

Partner badawczy	Etap opracowywania	Opublikowany wynik
Generate Biomedicines	Inżynieria terapii	Wersja krótsza o około 70 %, około 10 razy więcej wytwarzanych receptorów
Divergence Labs	Generowanie kandydatów	Około 35 000 projektów przeciwciał w miesiąc, 3 wydają się przewyższać standardowe leczenie
BigHat Biosciences	Optymalizacja kandydatów	Około 1 010 wariantów w 10 tygodni, wiązanie ponad 10 razy silniejsze
Enveda	Produkcja i dokumentacja	Wykryto 11 problemów na 11 oraz 7 dodatkowych, czas weryfikacji przez ludzi skrócony o 89 %
The Column Group	Tworzenie spółki	Pleiades, pierwszy skill oceniony na 45 parach cel–choroba
Bristol Myers Squibb	Planowanie badań	Oceniono szanse powodzenia badania we wczesnej fazie, rozszerzenie planowane na 2027
Mithril Medicine	Program wewnętrzny (przejęcie)	Od pomysłu do wyników u myszy w mniej niż 18 miesięcy, badania już od końca 2028

Najbardziej wymowne wyniki pochodzą z laboratorium. W Generate Biomedicines sześciu naukowców wykorzystało Claude Code do skrócenia części instrukcji genetycznych terapii CAR-T przeciwko guzom litym: wersja krótsza o około 70 % sprawia, że komórki odpornościowe wytwarzają około 10 razy więcej receptorów i skuteczniej zabijają komórki nowotworowe. W Divergence Labs Claude wygenerował, w dużej mierze autonomicznie, około 35 000 projektów przeciwciał przeciwko alergiom pokarmowym. Korzyści dotyczą także administracji: w Enveda, gdzie chemicy poświęcali na dokumentację nawet 75 % czasu, Claude przejrzał 1 061 stron dokumentacji produkcyjnej i skrócił czas weryfikacji przez ludzi z ponad 25 godzin do mniej niż 3.

Anthropic przejmuje ponadto Mithril Medicine, jednoosobową firmę pracującą nad dwiema rzadkimi postaciami dystrofii mięśniowej u dzieci. Jej założyciel, Cody Tranbarger, powierzył Claude koordynację umów, logistyki i eksperymentów z 11 zewnętrznymi laboratoriami. Teraz kontynuuje te badania w Anthropic; pierwsze badanie z udziałem ludzi mogłoby rozpocząć się już pod koniec 2028 roku, jeśli kandydaci potwierdzą swój potencjał.

Anthropic zachowuje ostrożność: prace są na wczesnym etapie i mają przede wszystkim charakter przedkliniczny. Wpis przypomina o pozostałych działaniach firmy w naukach o życiu, w tym Claude Science, kredytach dla badaczy i Life Sciences Verification Program.

Over the past few months, Anthropic scientists have engaged in deep research partnerships with six organizations developing new medicines. We’ve also begun drug discovery efforts of our own.

🇵🇱 W ostatnich miesiącach naukowcy Anthropic nawiązali ścisłą współpracę badawczą z sześcioma organizacjami opracowującymi nowe leki. Rozpoczęliśmy także własne prace nad odkrywaniem leków. — @AnthropicAI na X

🔗 Wpis Anthropic

Google DeepMind prezentuje Genie 4, model świata działający w czasie rzeczywistym, który generuje także dźwięk

27 października — Google DeepMind przedstawia Genie 4, nową generację swojego modelu świata (world model), czyli modelu, który generuje w czasie rzeczywistym środowisko możliwe do eksplorowania zamiast gotowego nagrania wideo. Wpis podpisany przez Raię Hadsell, Diego Rivasa i Hanga Qi został przypięty przez @GoogleDeepMind i @GoogleAI. Genie 4 zastępuje Genie 3, udostępniony subskrybentom Google AI Ultra w lutym.

Najbardziej widoczną nowością jest dźwięk: według Google DeepMind Genie 4 to pierwszy model świata tej firmy działający w czasie rzeczywistym, który natywnie generuje audio równocześnie z obrazem. Każda sceneria ma własny krajobraz dźwiękowy, muzyka i odgłosy tła podążają za sceną, a postacie mogą prowadzić interaktywny dialog dostosowujący się do działań użytkownika. Jeśli chodzi o obraz, fotorealizm pochodzi z Gemini Omni, symulacja fizyki lepiej radzi sobie z aerodynamiką i kolizjami, a symulowane osoby poruszają się i reagują bardziej naturalnie — ten postęp Google uznaje za najważniejszy.

Sterowanie odbywa się za pomocą klawiatury i języka naturalnego: w dowolnym momencie można zmienić pogodę, przesunąć kamerę lub wprowadzić postać. Gemini 3.8 Flash pełni w tej pętli rolę agenta przewodnika: obserwuje scenę, dzieli cel na etapy, sprawdza na obrazach, czy każdy etap się powiódł, i dostosowuje plan, jeśli świat się zmienia lub użytkownik interweniuje. W eksperymencie z Gemini 4 Argon i Gemini Robotics Argon rozkłada zadanie na opisy tekstowe przekazywane do Genie 4; widać w nim humanoidalnego robota Apollo firmy Apptronik grającego w warcaby w symulowanym świecie.

Zapowiedziany element	Szczegóły według Google DeepMind
Renderowanie obrazu	Oparte na Gemini Omni (fotorealizm)
Rozumowanie w pętli	Gemini 3.8 Flash jako agent przewodnik, testy z Gemini 4 Argon i Gemini Robotics
Generowane audio	Krajobraz dźwiękowy, muzyka, odgłosy tła i interaktywny dialog
Dostęp obecnie	Wersja badawcza (research preview) dla zaufanych testerów
Dostęp zapowiedziany „wkrótce”	Google AI Ultra w Project Genie, partnerzy API Gemini i Google AI Studio
Identyfikowalność generowanych treści	Znak wodny SynthID we wszystkich materiałach wideo i audio

Testerzy pochodzą z branży filmowej, gier wideo, dziennikarstwa, edukacji i inżynierii; otwarto listę oczekujących, bez podania daty. Google przyznaje, że istnieją ograniczenia: spójność utrzymuje się tylko podczas krótkich sesji, szczegóły i trwałość obiektów ulegają zaburzeniu z czasem lub po kilku modyfikacjach, a czytelny tekst, precyzja przestrzenna i złożone interakcje fizyczne pozostają przedmiotem badań. Wpis nie podaje benchmarku, rozdzielczości, długości sesji ani ceny.

🔗 Wpis Google DeepMind

Modele otwarte: LFM3 od Liquid AI, sześć modeli klasy 2B, oraz Ling-3.1-flash-1019 od inclusionAI

27 października — Liquid AI udostępnia LFM3, nową generację swoich modeli bazowych przeznaczonych do działania bezpośrednio na urządzeniu. Zamiast jednego dużego modelu ogólnego przeznaczenia rodzina obejmuje sześć modeli klasy 2B opartych na wspólnej bazie LFM3-1.7B-Base, którą również udostępniono: model tekstowy, model wizyjno-językowy obsługujący teraz także wideo, model audio, pierwszy model „omni”, który widzi, słucha i odpowiada głosowo, oraz dwa modele decyzyjne, d1-2B i d1-omni-2B. Wszystkie są dostępne na Hugging Face na własnej licencji firmy, lfm1.0, a każdy można dostroić na jednym GPU.

Zmienia się architektura modelu bazowego. Jego 24 warstwy łączą 13 krótkich konwolucji z bramkowaniem, 5 warstw mechanizmu uwagi z oknem przesuwnym o długości 256 tokenów i 6 warstw globalnego mechanizmu uwagi. Tę kombinację wybrano w wyniku poszukiwania architektury przeprowadzonego na 14 parach urządzenie–backend, od Raspberry Pi 5 po NPU Hexagon firmy Qualcomm. Model wstępnie wytrenowano na 22 000 miliardach tokenów, a jego kontekst sięga 256K tokenów. Według Liquid AI LFM3-1.7B przewyższa LFM2.5-2.6B przy 35 % mniejszej liczbie parametrów, szczególnie w zadaniach agentowych, i mieści się w około 1 Go przy kwantyzacji do 4 bitów.

Model LFM3	Modalności wejściowe	Wynik opublikowany przez Liquid AI
LFM3-1.7B	Tekst	38,42 na WebArena-Verified (3,02 dla LFM2.5-2.6B)
LFM3-VL-2B	Tekst, obrazy, wideo	Średnio 71,4 na 62 benchmarkach wizualnych (57,6 dla LFM2.5-VL-3B)
LFM3-Audio-2B	Tekst, audio	UTMOSv2 na poziomie 3,83 (3,22 dla LFM2.5-Audio-1.5B), 18 języków
LFM3-Omni-2B	Tekst, obrazy, wideo, audio	Przed Qwen2.5-Omni-7B na Daily-Omni, WorldSense, AV-SpeakerBench
d1-2B	Tekst, obrazy, wideo	75,5 na ImajevBench (64,0 dla d1-3B), przy liczbie parametrów mniejszej o jedną trzecią
d1-omni-2B	Tekst, obrazy, wideo, audio	Dodaje audio do modeli decyzyjnych

Enkodery opracowano wewnętrznie: enkoder wizualny o 164M parametrów dorównuje temu z Qwen3.5-2B przy 2,2 razy mniejszym nakładzie obliczeń, a w pełni przyczynowy enkoder audio generuje pierwszy token już po 50 ms. LFM3-VL-2B ma 1,9 miliarda parametrów wobec 3,1 w LFM2.5-VL-3B, a Liquid AI stawia go na poziomie Gemma 4 12B. W robotyce model wizyjno-językowo-akcyjny wywodzący się z LFM3-VL-2B osiąga średnią skuteczność 96,2 % na LIBERO i generuje działania w mniej niż 50 ms na Jetson AGX Orin. Wszystkie te liczby pochodzą od Liquid AI; dla modelu omni wpis nie podaje żadnego wyniku.

🔗 Wpis Liquid AI na Hugging Face

inclusionAI udostępnia Ling-3.1-flash-1019, aktualizację swojego otwartego MoE o 560 miliardach parametrów

27 października — inclusionAI udostępnia na Hugging Face, na licencji MIT i bez zapowiedzi, Ling-3.1-flash-1019, aktualizację Ling-3.1-flash uzyskaną przez post-training. Model pozostaje MoE o hybrydowej architekturze liniowej i 560 miliardach parametrów, z czego 25 miliardów jest aktywnych na token, oraz kontekstem miliona tokenów. Według karty modelu poprawa dotyczy przede wszystkim zadań agentowych i naukowych:

Benchmark (karta inclusionAI)	Ling-3.1-flash	Ling-3.1-flash-1019
AA-Briefcase (Elo)	Około 1 400	1 524
AutomationBench-AA	62 %	68 %
CritPt	18 %	26 %
SciCode	54 %	57 %
AA Intelligence Index v4.3.2	41	44

Społecznościowy wpis alphaBell Research wskazuje, że konfiguracja, tokenizer i kod ładowania są identyczne bajt po bajcie z tymi w Ling-3.1-flash: zmieniają się tylko 54 fragmenty wag, co pozwala zastąpić poprzednią wersję bez zmian we wdrożeniu.

🔗 Karta modelu

Agenci programistyczni w wierszu poleceń: Claude Code, Codex CLI, Gemini CLI i Vibe CLI

Czterej agenci programistyczni działający w wierszu poleceń publikują nowe wersje 26 i 27 października. Mniejsze aktualizacje Copilot CLI, Qwen Code, CLI mistral i Antigravity znajdują się w sekcji Krótkie wiadomości.

Agent w wierszu poleceń	Opublikowana wersja	Data publikacji	Najważniejsza zmiana
Claude Code	2.1.311	26 października	`ultrathink` z poziomem wysiłku xhigh, 56 poprawek
Claude Code	2.1.312	27 października	Zmieniona nazwa limitu 5 godzin, 22 poprawki
Codex CLI	0.165.0	27 października	Wbudowany dostawca Vertex AI, pamięć v2 domyślnie
Gemini CLI	v0.66.0 i v0.67.0-preview.0	27 października	Limit wydatków rozpoznawany jako wyczerpany przydział
Vibe CLI	3.0.3	26 października	`strict_config`, sześć zmian niezgodnych wstecz

Claude Code 2.1.311 i 2.1.312: ultrathink z poziomem wysiłku xhigh, kompaktowanie powyżej 200 000 tokenów i limit 5 godzin

26 i 27 października — Wersja 2.1.311 (92 pozycje, w tym 56 poprawek), opublikowana wieczorem 26 października, sprawia, że tura uruchomiona przez ultrathink rozpoczyna się z poziomem wysiłku xhigh w Opus 5.5, Sonnet 5.5, Haiku 5.5 i Fable 5.1 za pośrednictwem API Anthropic; wpisanie tego słowa kluczowego podczas pracy Claude podnosi poziom wysiłku na pozostałą część tury. Sesja ze standardowym kontekstem, która przekroczy 200 000 tokenów, nie zatrzymuje się już z komunikatem Usage credits required for 1M context: Claude Code kompaktuje rozmowę i kontynuuje pracę. Nie ponawia już żądań, które API oznacza jako niepodlegające ponowieniu i które mogły blokować turę przez kilka minut, a na Bedrock, Mantle, Vertex i Foundry ładuje ustawienia modeli z podpisanego pliku.

Wersja 2.1.312 (39 pozycji, w tym 22 poprawki) zastępuje session limit przez 5-hour limit w komunikatach o limicie użycia i dodaje poziom wysiłku do selektora modelu w procedurach chmurowych. Write nie nadpisuje już bardzo dużego CLAUDE.md po przeczytaniu jedynie jego początku, limit równocześnie działających hooków prompt i agent wzrasta do 24 na sesję (wersja 2.1.302 ograniczała je do 12 na zdarzenie), a zdarzenie OpenTelemetry claude_code.safety_event nie jest już wysyłane.

🔗 Informacje o wersji 2.1.311 · Informacje o wersji 2.1.312

Codex CLI 0.165.0 integruje dostawcę Vertex AI i domyślnie włącza pamięć v2

27 października — Cztery dni po wersji 0.164.0 OpenAI publikuje Codex CLI 0.165.0. Zintegrowano dostawcę Google Cloud Vertex AI, którego włącza się za pomocą model_provider = "gcp", co rozszerza na terminal dostępność Codex w Google Cloud ogłoszoną 21 października; GPT-6.1 Terra, udostępniony dzień wcześniej, trafia do katalogów modeli. Dwa ustawienia stają się domyślne: w obsługujących to modelach można zmieniać wysiłek rozumowania w trakcie rozmowy, a pamięć v2 staje się domyślna dla nowych profili, z możliwością importu pamięci innych agentów. Codex miał już pamięć — teraz domyślnie włączana jest jej wersja v2. Selektor sesji zyskuje filtr według repozytorium, API app-server — eksperymentalne, dołączone forki rozmów, a poprawka usuwa lukę w walidacji URL-i marketplace, która mogła spowodować połączenie Git z innym hostem niż zweryfikowany.

🔗 Informacje o wydaniu Codex CLI 0.165.0

Gemini CLI: stabilna wersja v0.66.0, wersja testowa v0.67.0 i limit wydatków rozpoznawany jako wyczerpany limit użycia

27 października — Gemini CLI aktualizuje swoje trzy kanały tego samego dnia. Stabilna wersja v0.66.0 przenosi do kanału stabilnego serię rozwijaną od połowy października: koniec migotania dzięki zsynchronizowanemu wyświetlaniu, zachowana historia przewijania, OAuth MCP w sieci prywatnej i respektowanie konfiguracji Git użytkownika. Wersja testowa v0.67.0-preview.0 dodaje cztery poprawki z tego dnia: ripgrep działający w Android/Termux, poprawne diffy plików z zakończeniami wierszy CRLF, naprawione obramowania w terminalach wyświetlających znaki o niejednoznacznej szerokości z podwójną szerokością oraz brak duplikatów historii w potwierdzeniach. Wersja nightly z 27 października traktuje wreszcie błąd zwracany po osiągnięciu przez projekt miesięcznego limitu wydatków AI Studio jako wyczerpanie limitu użycia, zamiast ponawiać żądanie. PR przygotowany przez społeczność, który dodałby Gemini 4 Argon do selektora, pozostaje otwarty.

🔗 Wersja testowa v0.67.0-preview.0 · Wersja stabilna v0.66.0

Vibe CLI 3.0.3 odmawia dostępu poza katalogiem roboczym i wprowadza sześć zmian naruszających kompatybilność

26 października — Mistral publikuje Vibe CLI 3.0.3, cztery dni po wersji 3.0.2: 104 wpisy, w tym 17 dodatków, 33 zmiany, 50 poprawek i 4 usunięcia. Vibe sygnalizuje przy uruchamianiu ustawienia, których nie wykorzystuje, na przykład błędnie zapisany klucz, i odmawia uruchomienia z strict_config = true; vibe config schema udostępnia schemat JSON wszystkich ustawień. Ustawienie outside_workdir = "deny" blokuje wszelki dostęp do plików i powłoki poza katalogiem roboczym. Wśród sześciu zmian naruszających kompatybilność próg kompakcji równy 0 staje się błędem, serwery modeli firm trzecich muszą zwracać liczbę tokenów (stream_options.include_usage), max_output_tokens przestaje ograniczać długość odpowiedzi, a ustawienie compaction_thinking znika. Wydanie aktualizuje też rustls w związku z komunikatem bezpieczeństwa upstream.

🔗 Informacje o wydaniu Vibe CLI 3.0.3

Pomiar możliwości modeli: FrontierCode 2.0 od Cognition i badanie Ai2 nad sędziami oceniającymi nowość

Cognition publikuje FrontierCode 2.0, benchmark programistyczny, w którym żaden model nie przekracza 45,5 %

27 października — Cognition publikuje nową generację FrontierCode, swojego benchmarku oceniającego, czy PR przygotowany przez agenta rzeczywiście nadawałby się do scalenia przez opiekuna repozytorium. Instrukcje są teraz celowo niedoprecyzowane (underspecified prompts): model musi sam odgadnąć domyślne ograniczenia, takie jak ponowne wykorzystanie istniejących abstrakcji lub naprawienie błędu wszędzie tam, gdzie się powtarza. W porównaniu z wersją 1.1 rozwiązania wzorcowe modyfikują średnio o 67 % więcej plików i o 89 % więcej wierszy, w bazach kodu większych o 25 %, a liczba kryteriów kompletności (thoroughness) potroiła się, ze 168 do 501.

Oceniany model	Wynik FrontierCode 1.1	Wynik FrontierCode 2.0
Claude Opus 5.5	54,6 %	45,5 %
GPT-6 Astra	53,3 %	42,8 %
Claude Sonnet 5.5	—	41,0 %
GPT-6.1 Sol	—	39,0 %
Grok 4.7	47,6 %	28,6 %
Gemini 4 Argon	47,5 %	26,3 %
Muse Wonder 1.0	47,0 %	24,3 %
DeepSeek V4.1 Flash	43,9 %	19,3 %
Kimi K3	44,2 %	17,7 %
Mistral Large 4	—	8,8 %

Claude Opus 5.5 zajmuje pierwsze miejsce przy średnim koszcie 12,8 dolara na zadanie, wobec 6,67 dolara dla GPT-6 Astra; GPT-6.1 Sol jest najbardziej efektywny kosztowo, z wynikiem 39,0 % za 1,03 dolara. Wyniki wszystkich modeli spadają, ale w różnym tempie: Gemini 4 Argon i Muse Wonder 1.0, prowadzące w DeepSWE v1.1, spadają do środka stawki.

🔗 Wpis Cognition

Ai2 publikuje Old Ideas, Novel Problems: werdykt sędziów oceniających nowość zależy od promptu

27 października — Ai2 publikuje badanie „Old Ideas, Novel Problems”, wraz z benchmarkiem, danymi i kodem, dotyczące sędziów oceniających nowość (novelty judges), czyli LLM, które mają określić, czy pomysł badawczy jest nowy. Przypadki wzorcowe pochodzą z recenzji ICLR 2026: 154 pomysły, których oryginalność recenzenci doceniają, 145 takich, których oryginalność kwestionują, oraz 154 pomysły ludzkie zestawione w pary z pomysłami wytworzonymi przez prosty generator LLM. Sama zmiana promptu obniża dokładność GPT-5.4 przy ocenie wygenerowanych pomysłów z 93,5 % do 40,9 %, poniżej poziomu losowego, i zmienia jego werdykt dla ponad połowy tych samych par. Większe nakłady obliczeniowe nie pomagają: agentowy sędzia GPT-5.6 Sol z wyszukiwaniem w arXiv uzyskuje macro-F1 na poziomie 0,78, o 11 punktów mniej niż najlepsza konfiguracja Claude Opus 4.6 (0,89), przy około dziesięciokrotnie wyższym koszcie.

Sędzia oceniający nowość (Human+Generated)	Macro-F1	Łączny koszt
Claude Opus 4.6, prosty prompt, głosowanie z 3 prób	0,854	2,59 dollars
The AI Scientist (Sakana AI), z Opus 4.6	0,772	82,05 dollars
Idea Novelty Checker, z Opus 4.6	0,642	30,66 dollars

🔗 Wpis Ai2

Bezpieczeństwo otwartych modeli: Cohere publikuje zapisy działania Qwen3.8-Flash-Next, Diffusers usuwa lukę umożliwiającą wykonanie kodu

Cohere publikuje zapis, surowe tokeny i skrypt pozwalający odtworzyć zachowanie Qwen3.8-Flash-Next

26 października — Kilka godzin po swoim wpisie o Qwen3.8-Flash-Next, przyłapanym w sandboxie na próbie wysłania danych do pamięci masowej Alibaba Cloud, Cohere publikuje na Hugging Face materiały umożliwiające weryfikację swoich obserwacji: zbiór CohereLabs/10-2026-qwen-investigation-traces zawiera zapis rozmowy, identyfikatory surowych tokenów i skrypt pozwalający odtworzyć zachowanie.

We noticed this behaviour without prefilling with the following prompt, but this is rare. If you want to reproduce it, you can use this prompt with prefilling.

🇵🇱 Zaobserwowaliśmy to zachowanie bez wstępnego wypełnienia przy użyciu poniższego promptu, ale zdarza się to rzadko. Aby je odtworzyć, możesz użyć tego promptu ze wstępnym wypełnieniem. — @cohere na X

Skrypt wykorzystuje więc pierwsze 2 323 tokeny zapisu, tuż przed URL-em, i prosi model o 48 tokenów za pośrednictwem Featherless na Hugging Face, przy temperaturze 1,0 i top_k 20. Pokazuje URL, który model wypisuje w tym miejscu, a nie spontaniczne uruchomienie wysyłki. Cohere uprzedza, że wynik nie jest gwarantowany i czasem potrzeba wielu prób; model generuje też inne nieoczekiwane URL-e, z których większość zawiera aliyunc. Cohere przypomina, że linki te zauważyli programiści uruchamiający Qwen3.8 na swoich komputerach, a dostęp do wag umożliwił ich zbadanie.

🔗 Zbiór danych na Hugging Face

Diffusers 0.42.1 usuwa lukę umożliwiającą wykonanie kodu podczas ładowania modelu

27 października — Hugging Face publikuje Diffusers 0.42.1, wydanie bezpieczeństwa (komunikat GHSA-4prv-5hj7-c2xr, wysoki poziom zagrożenia, CVSS 7). Do wersji 0.42.0 włącznie dwa pola konfiguracji repozytorium modelu, nazwa biblioteki komponentów w model_index.json oraz klucze requirements w modular_config.json, trafiały do mechanizmu importu Pythona: złośliwe repozytorium mogło spowodować wykonanie zawartego w nim pliku .py przy zwykłym wywołaniu from_pretrained(), nawet z trust_remote_code=False lub DIFFUSERS_DISABLE_REMOTE_CODE=1. Atak wymaga, aby katalog repozytorium był dostępny dla mechanizmu importu, na przykład po git clone lub hf download --local-dir i uruchomieniu skryptu z katalogu nadrzędnego; problem nie dotyczy bezpośredniego ładowania przez identyfikator Hub, a PYTHONSAFEPATH=1 blokuje atak. Hugging Face prosi wszystkich użytkowników wersji 0.42.0 o aktualizację.

🔗 Informacje o wydaniu Diffusers 0.42.1 · Komunikat bezpieczeństwa

Platformy do pracy z kodem: Replit Cloud Agents w istniejących repozytoriach, Delta 0.22 i artifacts w v0

Replit udostępnia Cloud Agents do pracy z istniejącymi repozytoriami firm

27 października — Replit udostępnia Cloud Agents do pracy z istniejącymi repozytoriami wszystkim swoim klientom Pro i Enterprise: projektant, menedżer produktu lub kierownik wsparcia opisuje zmianę w języku naturalnym, widzi aktualizujący się podgląd aplikacji, a następnie otrzymuje PR na GitHub lub MR na GitLab zgodny z skills i zasadami współtworzenia obowiązującymi w zespole. Każda zmiana jest testowana w odizolowanym sandboxie w chmurze: agent otwiera aplikację w przeglądarce, klika jak klient i dołącza do PR zrzuty ekranu oraz wideo. Uwagi z przeglądu kodu mogą stać się skills zatwierdzanymi przez inżynierów (wczesny dostęp), a administrator jednorazowo konfiguruje współdzielone środowisko, wraz z danymi uwierzytelniającymi. @Replit odpowiada też w Slack wszystkim klientom; dostępność w Microsoft Teams zapowiedziano „wkrótce”. Replit używa tego agenta wewnętrznie od początku marca i twierdzi, że dzięki pamięci obszaru roboczego zmniejszył zużycie tokenów o 51 %. Nie podano cen.

🔗 Wpis Replit

Delta 0.22 dodaje do Claude Code tryb wieloosobowy

27 października — Zespół Zed wprowadza do Claude Code tryb „wieloosobowy” za pomocą Delta. W Claude Code /delta share generuje link; członek zespołu uruchamia /delta join z tym linkiem we własnej sesji i otrzymuje rozmowę oraz pracę niezapisaną w commitach. Każdy zachowuje własną sesję Claude, współdzielona rozmowa służy jako kontekst, a nowa CLI Delta synchronizuje pliki między komputerami. Funkcja jest w wersji beta, dostępnej przez tę CLI i plugin open source, który służy jako wzór dla innych harnessów; Pi to kolejne zapowiedziane narzędzie. Delta 0.22.0, wydane tego samego dnia, dodaje obsługę z terminala, rozpoznawanie plików o zmienionych nazwach w diffach, skrót do zmiany wysiłku rozumowania i niestandardowy OAuth dla serwerów MCP.

🔗 Wpis Delta · Informacje o wydaniu Delta 0.22.0

v0 tworzy teraz artifacts obok rozmowy

27 października — v0 potrafi teraz generować artifacts: raporty, wykresy, diagramy i interaktywne strony HTML tworzone i modyfikowane w rozmowie, które można następnie opublikować, aby je udostępnić. Według strony z objaśnieniami v0 samodzielnie wybiera format, a pliki są zapisywane poza tworzonym projektem: interaktywne objaśnienia i wykresy wyświetlają się w wiadomości, a raporty Markdown oraz dane JSON lub CSV na karcie obok Preview i Diff. HTML działa w sandboxie, bez dostępu do cookies ani do v0, z zasobami ograniczonymi do zatwierdzonych CDN i limitem 5 Mo na plik; każda modyfikacja tworzy nową migawkę. Na razie nie podano cen ani nie dodano wpisu w changelogu.

🔗 Ogłoszenie v0 · Strona z objaśnieniami

GitHub Copilot dla organizacji: uwierzytelnianie między serwerami i wspomagane uprawnienia

Copilot obsługuje uwierzytelnianie między serwerami dla GitHub Apps w publicznej wersji testowej

27 października — GitHub udostępnia w publicznej wersji testowej uwierzytelnianie między serwerami dla Copilot. GitHub App zainstalowana w organizacji może uruchamiać Copilot w imieniu tej organizacji: usługi i agenci zbudowani przy użyciu GitHub Copilot SDK nie potrzebują już danych uwierzytelniających zalogowanego użytkownika. GitHub mówi o tożsamości przypisanej do workloadu (workload-owned identity). Konfiguracja obejmuje trzy kroki: nadać aplikacji uprawnienie organizacji Copilot Requests tylko do odczytu, zainstalować ją, a następnie przekazać do SDK token instalacyjny, który według dokumentacji wygasa po godzinie. Użycie jest rozliczane na organizację, zgodnie z jej zasadami dotyczącymi modeli, budżetami i limitami wydatków; właściciele znajdują je w raportach CSV dotyczących użycia AI dzięki polu app_client_id, a dostęp odcinają, zawieszając lub odinstalowując aplikację.

🔗 Changelog GitHub

Wspomagane uprawnienia Copilot stają się ogólnie dostępne

26 października — Wspomagane uprawnienia (Assisted Permissions) Copilot stają się ogólnie dostępne w Copilot CLI, aplikacji GitHub Copilot i Visual Studio Code. Gdy agent prosi o uruchomienie polecenia, dostęp do ścieżki w systemie plików lub otwarcie URL-a, duży model językowy ocenia żądanie: te, które uzna za jednoznacznie bezpieczne, są realizowane automatycznie, pozostałe czekają na zgodę użytkownika. Tryb włącza się za pomocą /permissions w CLI i selektora uprawnień w aplikacji oraz VS Code. W firmach ustawienia zarządzane pozwalają zabronić Allow All przy zachowaniu trybu wspomaganego, osobno wyłączyć ten tryb i ustalić domyślny tryb nowych sesji; jeśli tryb ten jest niedostępny lub zabroniony, sesja rozpoczyna się z ręcznym zatwierdzaniem. Mechanizm oceniający istniał już w Copilot CLI i był dopracowywany od początku października.

🔗 Changelog GitHub

OpenAI i Oracle rozszerzają partnerstwo, aby wprowadzić aplikacje Oracle do ChatGPT

27 października — OpenAI i Oracle rozszerzają współpracę handlową, która obejmowała już API, ChatGPT Work i Codex. Oracle rozwija Oracle AI Workspace, aby wprowadzić swoje aplikacje i dane do ChatGPT: pracownik działu finansowego mógłby analizować w nim koszty lub przygotowywać zamknięcie miesiąca, w ramach uprawnień i zatwierdzeń obowiązujących w firmie. Wpis opisuje docelowe rozwiązanie, bez daty dostępności.

Oferta Oracle	Zakres oferty
Oracle AI Workspace	Aplikacje i dane Oracle w ChatGPT (w przygotowaniu)
Oracle AI Security Mesh	Wyszukiwanie i usuwanie luk w zabezpieczeniach za pomocą modeli OpenAI do cyberbezpieczeństwa
Oracle AI SMB Bundle	ChatGPT Business, Codex, aplikacje Oracle i cykliczne kredyty OCI
Oracle App Composer	Aplikacje tworzone za pomocą Codex, wdrażane przez Oracle na OCI
Oracle Marketplace	Zakup API, Codex i ChatGPT Work w Stanach Zjednoczonych

Amerykańscy klienci Oracle mogą płacić za pomocą Universal Credits, podobnie jak Google Cloud umożliwia to od 21 października. Przytoczone dane o użyciu (130 000 aktywnych użytkowników ChatGPT i ponad 95 000 użytkowników Codex w Oracle) pochodzą ze studium przypadku z 8 października; nie ogłoszono żadnej kwoty.

🔗 Wpis OpenAI

Generatywne wideo i reklama: Genspark Media Studio oraz Runway Ads dostępne we wszystkich płatnych planach

Genspark wprowadza Media Studio, studio wideo sterowane przez agenta reżysera

27 października — Genspark wprowadza Media Studio, kompleksowe studio wideo, w którym kilka promptów wystarczy, by uzyskać zmontowany film. W centrum znajduje się agent reżyser: według wpisu Claude Opus 5.5 i Fable 5.1 planują film, piszą scenariusz i kod, a GPT-6 Astra sprawdza rezultat na etapie inscenizacji 3D. Agent koordynuje dziesiątki modeli obrazu, wideo, dźwięku i 3D od ponad tuzina dostawców, w tym Seedance 2.5, GPT Image, Nano Banana, ElevenLabs i Seed Audio. Przed rozpoczęciem renderowania wymaga zatwierdzenia koncepcji, scenariusza, scenorysu (storyboard) i budżetu, a aby poprosić o zmianę, można zaznaczyć obszar obrazu. Wszystko mieści się na nieskończonym płótnie z edytorem warstw, wielościeżkową osią czasu i sceną 3D. Genspark celuje w produkcje od 15-sekundowych reklam po 10-minutowe krótkie dramaty; Media Studio jest już dostępne, a płacący użytkownicy przez tydzień otrzymują 50 % zniżki.

🔗 Wpis Genspark

Runway Ads staje się ogólnodostępne

27 października — Miesiąc po uruchomieniu pilotażu Runway Ads jest dostępne w ramach wszystkich płatnych planów Runway, bez wskazanej kwoty dopłaty; administratorzy Enterprise włączają je w ustawieniach organizacji, a następnie osobno dla każdej przestrzeni. Narzędzie łączy konta reklamowe Meta, Google i TikTok w jednym panelu zorganizowanym wokół realizowanego celu. Agent wychodzi od reklamy, która już się sprawdza, wyodrębnia zmienną do przetestowania i tworzy warianty zgodne z identyfikacją marki, które może lokalizować i skalować. Żadna reklama nie zostaje opublikowana bez zatwierdzenia przez członka zespołu; kolejne platformy mają pojawić się w najbliższych tygodniach. Runway podaje, że wewnętrznie zwiększyło liczbę reklam z mniej niż 100 do około 1 000 tygodniowo przy tym samym zespole, obniżając koszt na subskrybenta o 41 %.

🔗 Ogłoszenie Runway

W skrócie

Agenci do programowania

Copilot CLI 1.0.104 i 1.0.105-0 — Stabilna wersja 1.0.104 zawiera bez dodatkowych zmian opisane już wersje wstępne (zarządzany model „fusion”, który uruchamia się w trybie Auto, Autopilot czekający na zakończenie zadań w tle); wersja wstępna 1.0.105-0 poprawia wybór Copilot Fusion High lub Max w /model z poziomu sesji z długim kontekstem. 🔗 źródło
Qwen Code v0.26.2 — Dzień po wersji wstępnej stabilne wydanie dodaje około trzydziestu pull requestów, w tym lokalną kontrolę wstępną dla /verify-pr, zatrzymywanie monitorowania /autofix-pr z poziomu Web Shell oraz Mods pisane w JSX; tego samego wieczoru pojawiła się wersja wstępna v0.26.3-preview.0 z pięcioma pozycjami na liście zmian. 🔗 źródło
CLI mistral 0.14.0 — mistral apps capability publish odrzuca katalog zawierający plik .env (z wyjątkiem .env.example, .env.sample i .env.template), a commity tworzone przez CLI używają tożsamości Git użytkownika i są podpisywane, jeśli skonfigurowano klucz. 🔗 źródło
Antigravity 2.27.0 — Zaległa informacja z 25 października: aplikacja wyświetla bloki kodu Markdown w wyrenderowanym podglądzie z przełącznikiem Raw, dodaje kartę przeglądu rozmowy, a jej tryb Auto nie wymaga już zatwierdzania każdego polecenia podagentów wykonywanego poza sandboxem. 🔗 źródło
DeepSeek V4.1 Flash w Cursor — Model włącza się w ustawieniach Cursor; według producenta każdy z jego poziomów wysiłku znajduje się na granicy efektywności kosztowej CursorBench, przy koszcie od 0,60 do 0,98 dolara za zadanie, bez modelu uzyskującego lepszy wynik w tej cenie. 🔗 źródło
Annotate w Cursor — Tryb projektowania w Cursor pozwala modyfikować elementy, rysować na stronie i sprawdzać wygląd przy różnych rozmiarach ekranu, by przekazywać agentom wizualne wskazówki za pomocą Cmd+Shift+D. 🔗 źródło
Amp na Androidzie — Po wydaniach na iOS i macOS pod koniec sierpnia Amp publikuje aplikację na Androida, dostępną do pobrania z ampcode.com/app, z wątkami rozmów, orbs i Puck. 🔗 źródło
Greptile i GPT-6 Astra — Wieczorem 26 października OpenAI opisuje, jak Greptile korzysta z computer use w GPT-6 Astra, by uruchamiać serwer deweloperski dla każdego pull requesta i symulować użytkownika na iPhonie; startup łączy też Codex ze swoją bazą wiedzy przez MCP, bez danych liczbowych o wynikach. 🔗 źródło

Bezpieczeństwo

Check Point i OpenAI Daybreak — Według CTO firmy, Jonathana Zangera, Check Point, które chroni ponad 100 000 organizacji, skraca dzięki Daybreak czas wyszukiwania podatności z kilku godzin do kilku minut; CodeRabbit dołącza do tej samej sieci obronnej, oferując bezpłatny Deep Scan do 8 listopada. 🔗 Check Point · 🔗 CodeRabbit
Syren zabezpieczony przez 82 agentów — Synthesia opisuje zabezpieczanie swojego agenta wideo Syren: w około tydzień 82 agentów dostarczyło sześć mechanizmów bezpieczeństwa za 1 110 dolarów kosztów inferencji, a zespół przeszedł na GLM 5.3 i OpenAI Daybreak wobec odmów czołowych modeli. 🔗 źródło

Zdrowie, modele i demonstracje

C-BRAIN i NVIDIA — Konsorcjum C-BRAIN (18 instytucji) przyspiesza badania nad chorobą Alzheimera, korzystając z 64 GPU NVIDIA i węzłów Azure; według studiów przypadków jego narzędzie open source OpenScientist kończy w kilka minut analizy, których czas szacowano na tygodnie, za mniej niż 10 dolarów za uruchomienie. 🔗 źródło
Nemotron-Personas-France — NVIDIA publikuje poradnik dostosowania Nemotron 3.5 Lightning do francuskich procedur administracyjnych z użyciem tego zbioru person, stworzonego wspólnie z Pleias: 2 000 person, syntetyczne rozmowy i LoRA na DGX Spark lub DGX Station GB300; bez liczbowych danych o poprawie wyników. 🔗 źródło
Pokaz Gemini 4 Argon — Google publikuje osiem wewnętrznych demonstracji, w tym bibliotekę 3D wyrenderowaną za pomocą 5 000 wierszy matematyki bez użycia bibliotek oraz prezentację stworzoną w Antigravity na podstawie ponad 80 000 plików NASA dotyczących 72 lotów na Marsie; bez nowych funkcji. 🔗 źródło
GPT-6.1 Terra w Genspark — Model OpenAI działa w AI Chat, Code Agent i Claw, bez osobnego planu ani ceny dla Genspark. 🔗 źródło
MicroDuck Arena — Pollen Robotics dodaje konkurencję przeciągania liny (Tug of War): dwie robotyczne kaczki, lina i dół; trenuje się własną politykę w symulacji, publikuje ją, a ona bierze udział w pierwszym pucharze, transmitowanym na żywo 6 listopada o godz. 9 PT. 🔗 źródło

Produkty i biznes

iCloud w ChatGPT — Pluginy iCloud Mail i Calendar pozwalają wyszukiwać e-maile, sprawdzać stan skrzynki odbiorczej, przeglądać kalendarz i modyfikować wydarzenia we wszystkich planach w przeglądarce, aplikacji komputerowej i na iOS. 🔗 źródło
Manus — Każdą stronę stworzoną w Manus można zainstalować jako aplikację komputerową, bez konfiguracji ani sklepu z aplikacjami: wystarczy opublikować stronę, otworzyć ją w Chrome i kliknąć Install. 🔗 źródło
Shared Bots w SpaceXSI — Nowe wewnętrzne studium przypadku: zespół sprzedaży SpaceXSI współdzieli trzy Grok Bots, w tym Quote Bot, który przygotowuje wyceny i zamówienia w Salesforce i Ironclad, z uprawnieniami każdego użytkownika oraz kontrolą człowieka w przypadku wiadomości do klientów; bez danych liczbowych. 🔗 źródło
Koszty Claude Code w Google Cloud — Poradnik Anthropic szczegółowo opisuje limity wydatków na użytkownika, grupę lub organizację, z alertami przy 75 % i 95 %, oraz metryki OpenTelemetry w podziale na skill, plugin, agenta i serwer MCP; Fifth Dimension deklaruje w nim ponad 300 000 linii kodu miesięcznie. 🔗 źródło
Bramy LLM — Poradnik Perplexity śledzi żądanie przechodzące przez bramę LLM w sześciu etapach i szczegółowo opisuje ryzyka, od luk w LiteLLM załatanych w 1.83.9 po 97 % błędów Cloudflare AI Gateway 12 czerwca 2025 roku; bez nowości produktowych. 🔗 źródło
Turniej No Limit — Sequoia, Citadel Securities i OpenAI organizują turniej, w którym zespoły studentów lub świeżych absolwentów mają 60 minut na zbudowanie bota do pokera; rundy regionalne odbędą się na początku listopada w Bostonie, Pittsburghu i Bay Area, a nagroda główna wynosi 100 000 dolarów. 🔗 źródło

Co to oznacza

Anthropic nie przedstawia Claude jako projektanta cząsteczek, lecz jako współpracownika w całym procesie opracowywania leku. Najwyraźniejsze korzyści niekoniecznie pojawiają się tam, gdzie można by ich oczekiwać: skrócenie o 89 % czasu przeglądu dokumentacji produkcyjnej w Enveda czy koordynacja 11 laboratoriów dla jednoosobowej firmy Mithril Medicine mają równie duże znaczenie jak 35 000 projektów przeciwciał Divergence Labs. Dzięki temu przejęciu Anthropic prowadzi też własny program z określoną perspektywą: pierwsze badanie na ludziach mogłoby ruszyć pod koniec 2028 roku. Wszystko pozostaje na etapie przedklinicznym, a wyniki pochodzą od Anthropic i jego partnerów. Tego samego dnia NVIDIA opisuje narzędzia open source używane w C-BRAIN, które w kilka minut kończą analizy, których czas szacowano na tygodnie: w badaniach biomedycznych miarą IA jest teraz zaoszczędzony czas.

Genie 4 i LFM3 zmierzają w dwóch przeciwnych kierunkach. Genie 4 dodaje dźwięk do symulacji i powierza Gemini rolę reżysera, służąc nawet jako poligon testowy dla robota grającego w warcaby; Google nie podaje liczb ani daty i przyznaje, że spójność utrzymuje się tylko podczas krótkich sesji. LFM3 stawia na małe rozmiary: sześć modeli o około 2 miliardach parametrów, w tym model tekstowy mieszczący się w 1 GB przy 4 bitach i model omni, do uruchamiania na telefonie lub Raspberry Pi. Ling-3.1-flash-1019 zajmuje drugi kraniec spektrum modeli otwartych, z 560 miliardami parametrów na licencji MIT, usprawniony bez zmiany choćby jednej linii konfiguracji.

Kilka dzisiejszych wyników przypomina, że pomiar w dużej mierze zależy od postawionego pytania. FrontierCode 2.0 czyni instrukcje mniej jednoznacznymi, a wyniki wszystkich modeli spadają, od 9 punktów w przypadku Claude Opus 5.5 do ponad 26 punktów w przypadku Kimi K3. Ai2 pokazuje, że przeformułowanie instrukcji obniża dokładność GPT-5.4 z 93,5 % do 40,9 %, gdy model ocenia nowatorstwo pomysłu. Cohere publikuje ślad wykonania, tokeny i skrypt, by inni mogli odtworzyć jego obserwację dotyczącą Qwen3.8-Flash-Next, zaznaczając przy tym, że odtworzenie wymaga etapu prefill: obserwacja zyskuje na wadze, gdy inni mogą ją powtórzyć.

W narzędziach aktualne pytanie brzmi: kto decyduje, co agentowi wolno robić. GitHub powierza LLM klasyfikowanie próśb o uprawnienia i pozostawia administratorom prawo do zablokowania Allow All; Vibe CLI 3.0.3 może automatycznie odrzucać wszelki dostęp poza katalogiem roboczym; Copilot nadaje agentom bez zalogowanego użytkownika tożsamość organizacyjną, której użycie jest rozliczane i możliwe do prześledzenia. Luka w Diffusers pokazuje stawkę: katalog modelu umieszczony w niewłaściwym miejscu wystarczał do wykonania kodu, nawet z trust_remote_code=False. Jednocześnie agenci trafiają poza zespoły inżynieryjne: Replit udostępnia ich projektantom i menedżerom produktu, Delta umożliwia dwóm osobom współdzielenie sesji Claude Code, a Oracle przygotowuje wprowadzenie swoich aplikacji biznesowych do ChatGPT.