ai-powered-markdown-translatorArtykuł przetłumaczony z francuskiego na polski za pomocą gpt-6.1-sol.
Google DeepMind ogłasza Gemini 4 Carbon, swój najpotężniejszy model, zajmujący pierwsze miejsce w Artificial Analysis Intelligence Index v5.0 i osiągający czołowe wyniki w cyberbezpieczeństwie, ale początkowo dostępny tylko dla grupy specjalistów ds. cyberobrony z Fairwind Program. GitHub otwiera konferencję Universe 2026 około trzydziestoma ogłoszeniami: Copilot Fusion w ogólnej dostępności, Copilot w pakiecie GitHub Enterprise, jednolite środowisko chmurowe, Copilot Memory, automatyzacje uczące się na podstawie swoich wyników oraz raport Octoverse, według którego ponad 40 % pull requestów rozpoczyna się już od pracy agenta. NVIDIA publikuje Nemotron 3.5 Transcribe, otwarty model transkrypcji w 40 językach, a komitet pod przewodnictwem Davida Grossa wyjaśnia, jak zbada dowód OpenAI dotyczący kwantowej teorii Yanga–Millsa.
Google DeepMind ogłasza Gemini 4 Carbon, swój najpotężniejszy model, początkowo dostępny tylko dla specjalistów ds. cyberobrony z Fairwind Program
28 października — Dwa tygodnie po udostępnieniu Gemini 4 Argon wszystkim użytkownikom Google DeepMind ogłasza Gemini 4 Carbon. Koray Kavukcuoglu, starszy wiceprezes Google DeepMind i główny architekt AI w Google (Chief AI Architect), przedstawia go jako najpotężniejszy model Google, osiągający czołowe wyniki w cyberbezpieczeństwie i zadaniach długoterminowych (long horizon). Carbon zajmuje pierwsze miejsce w Artificial Analysis Intelligence Index v5.0 z wynikiem 59, przed Claude Opus 5.5 (58) i GPT-6 Astra (57), oraz czwarte w WebDev Arena (1 768, +89 punktów Elo).
Cyberbezpieczeństwo jest głównym argumentem. Carbon osiąga 88,2 % w SEC-bench Pro, który polega na znajdowaniu podatności, 54,8 % w ExploitGym, który sprawdza, czy da się je wykorzystać, oraz 71,0 % w CWE-bench firmy Collinear, który wymaga usunięcia ich przyczyn; Google zaznacza, że te zewnętrzne wyniki zmierzono bez mechanizmów zabezpieczających. W testach wewnętrznych skuteczność generowania bezpiecznego kodu wzrasta ponad dwukrotnie względem Argon, zespół Chrome informuje o poprawkach ponad 10 razy lepszych niż te pochodzące od dużego modelu z czołówki innego, niewymienionego z nazwy laboratorium, a Wiz umieszcza Carbon na szczycie swoich benchmarków testów penetracyjnych aplikacji webowych.
Poniższe liczby przepisano z tabeli opublikowanej jako obraz we wpisie, która liczy 17 wierszy. Carbon ustępuje innym modelom tylko w dwóch wierszach: FrontierSWE 2, gdzie wyprzedzają go GPT-6 Astra i Claude Opus 5.5, oraz w podzbiorze offline OSWorld-2.1, w którym prowadzi Claude Opus 5.5.
| Benchmark (tabela Google) | Gemini 4 Carbon | Gemini 4 Argon | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|---|
| AA Intelligence Index v5.0 | 59 | 50 | 57 | 58 |
| Terminal-Bench 4.0 (AA) | 65,2 % | 57,1 % | 59,1 % | 59,6 % |
| FrontierSWE 2 | 61,2 % | 55,0 % | 65,5 % | 62,3 % |
| OSWorld-2.1 (offline) | 81,5 % | 74,7 % | 80,9 % | 87,2 % |
| GraphWalks (256k do 1M) | 96,2 % | 84,2 % | 71,8 % | 66,8 % |
| Vending-Bench 2 (saldo w dolarach) | 16 484 | 13 718 | 15 515 | 9 235 |
| SEC-bench Pro | 88,2 % | 83,4 % | 85,4 % | — |
| ExploitGym | 54,8 % | 42,0 % | 42,4 % | 34,5 % |
| CWE-bench | 71,0 % | 68,0 % | 68,0 % | 67,0 % |
Google podkreśla też zachowanie modelu podczas długich sesji: w testach wewnętrznych Carbon działał „przez wiele dni” nad zadaniami inżynieryjnymi, takimi jak szukanie źródłowych przyczyn subtelnych błędów w dużych bazach kodu. Odsetek skutecznych prób oszukiwania spada do 0,0 % w Terminal-Bench 4.0, liczba alertów o poważnych rozbieżnościach z założonymi celami maleje o blisko 80 % w wewnętrznych środowiskach programistycznych, a niepopartych twierdzeń jest około połowę mniej niż w przypadku Argon. W benchmarku pośredniego prompt injection firmy Gray Swan żaden atak się nie powiódł, wobec 0,7 % w przypadku Argon.
Carbon nie jest jeszcze dostępny w API ani w aplikacji Gemini. Podobnie jak w przypadku Argon pod koniec września Google udostępnia go początkowo, już w tym tygodniu, wybranej grupie specjalistów ds. cyberobrony, a następnie stopniowo innym zaufanym partnerom w ramach Fairwind Program; równolegle uczestniczy w dobrowolnym procesie testowania modeli przed ich publikacją prowadzonym przez rząd USA. Deweloperzy, firmy i ogół użytkowników otrzymają dostęp „tak szybko, jak to możliwe”, bez podania daty. Cena jest już ustalona: 2 dolary za milion tokenów wejściowych i 10 dolarów za milion tokenów wyjściowych w okresie wprowadzania na rynek, tak jak w przypadku Argon, z 95 % zniżką na tokeny wejściowe w pamięci podręcznej, a następnie 4 i 20 dolarów, bez ogłoszonej daty zmiany.
Announcing Gemini 4 Carbon, our strongest model with state-of-the-art cybersecurity and long horizon capabilities. Carbon represents a step up across most benchmarks, delivering strong frontier performance in autonomous coding and cyber defense. We’re first making Carbon available to a subset of trusted cyber defenders in our Fairwind program. We’ll expand access as soon as possible.
🇵🇱 Ogłaszamy Gemini 4 Carbon, nasz najpotężniejszy model, z czołowymi możliwościami w cyberbezpieczeństwie i zadaniach długoterminowych. Carbon przynosi postęp w większości benchmarków i oferuje wyniki na poziomie czołówki w autonomicznym programowaniu i cyberobronie. Początkowo udostępniamy Carbon wybranej grupie zaufanych specjalistów ds. cyberobrony z naszego programu Fairwind. Rozszerzymy dostęp tak szybko, jak to możliwe. — @GoogleAI na X
GitHub Universe 2026: GitHub przedstawia się jako system dostarczania oprogramowania oparty na agentach i podaje skalę rozbudowy infrastruktury
28 października — GitHub otwiera konferencję Universe 2026 w San Francisco wpisem Jaya Parikha, który wyznacza kierunek: przejście od asystenta piszącego kod do „systemu dostarczania oprogramowania”, w którym deweloper nadaje kierunek i pozostaje odpowiedzialny za to, co trafia na produkcję, podczas gdy agenci wdrażają i weryfikują zmiany. Rezultatem pracy nie jest już kod, lecz ukończone zadanie: funkcja, poprawka, usunięcie luki w zabezpieczeniach. Strategia opiera się na trzech filarach: szybkości pracy, inteligencji (kontekście platformy i ciągłym uczeniu się) oraz jakości, z domyślnie bezpiecznym sposobem pracy.
Wpis stanowi przegląd ogłoszeń dnia, szczegółowo opisanych w kolejnych sekcjach: Copilot Fusion, projekty w aplikacji GitHub Copilot, ciągłość sesji od telefonu po VS Code, automatyzacje uczące się na podstawie swoich wyników, poziom Max w Copilot code review oraz włączenie Copilot do GitHub Enterprise. W kwestii infrastruktury GitHub podaje, co dodał od początku roku:
| Infrastruktura dodana od początku 2026 | Wielkość ogłoszona przez GitHub |
|---|---|
| Rdzenie CPU | 4 miliony |
| Szybka pamięć masowa | 160 Po |
| Przepustowość sieci | 50 Tb/s |
Migracja do wdrożenia wieloregionowego w Azure ma zakończyć się na początku przyszłego roku, a nowa architektura Git opiera się na uproszczonych elementach podstawowych, pamięci masowej oddzielonej od zasobów obliczeniowych i koordynacji ograniczonej do minimum. Jay Parikh przedstawia też tezę: całe oprogramowanie napisane do tej pory będzie stanowić mniej niż 1 % tego, które powstanie w ciągu najbliższych pięciu lat — to raczej opinia niż wynik pomiaru.
Copilot generuje i edytuje obrazy za pomocą GPT Image 2.5 Flare w publicznej wersji zapoznawczej
28 października — Copilot tworzy i edytuje teraz obrazy opisane językiem naturalnym, w publicznej wersji zapoznawczej dla planów Pro, Pro+, Business i Enterprise, w VS Code, aplikacji GitHub Copilot i Copilot CLI. Wybrany model rozumujący wywołuje narzędzie generowania oparte na GPT Image 2.5 Flare od OpenAI, wyświetla podgląd w rozmowie i zapisuje obraz bezpośrednio w projekcie. Generowanie jest rozliczane oddzielnie od modelu czatu, w tokenach obrazu odejmowanych od kredytów AI w ramach planu. Właściciele organizacji lub przedsiębiorstwa mogą je wyłączyć za pomocą zasad dotyczących modeli, a domyślnie wyłączony znak wodny „Made with AI” można włączyć opcjonalnie.
GitHub Design udostępnia Replica, narzędzie do prototypowania z AI na licencji MIT
28 października — GitHub Design publikuje jako open source, na licencji MIT, Replica — narzędzie, które przekształca pomysły w interaktywne prototypy. W odróżnieniu od narzędzi ogólnego przeznaczenia opiera się ono na design systemie zespołu, jego komponentach, wzorcach i dokumentacji: projektanci ustalają wytyczne, a następnie projektanci, menedżerowie produktu i deweloperzy opisują językiem naturalnym w aplikacji GitHub Copilot prototyp, który chcą zbadać, i go dopracowują. Opcjonalny Replica Hub na własnym serwerze pozwala publikować prototypy, aby zbierać opinie zespołu. Narzędzie jest dostępne już teraz.
Octoverse 2026: 17,9 miliarda pushów i ponad 40 % pull requestów rozpoczynanych przez agenta
28 października — Roczny raport GitHub Octoverse 2026 opisuje rok przyspieszenia napędzanego przez agentów. W ciągu dwunastu miesięcy deweloperzy wykonali push kodu 17,9 miliarda razy, więcej niż w latach 2024 i 2025 łącznie; liczba commitów sięga 34,3 miliarda, ponad trzykrotnie więcej niż dwa lata temu, a scalono 1,3 miliarda pull requestów, czyli średnio 3,5 miliona dziennie. GitHub liczy ponad 225 milionów deweloperów, w tym 38,3 miliona w Stanach Zjednoczonych i 32 miliony w Indiach; Francja zajmuje dziesiąte miejsce z 4,75 miliona.
| Wskaźnik Octoverse 2026 | Opublikowana wartość |
|---|---|
| Pushe w ciągu dwunastu miesięcy | 17,9 miliarda |
| Commity | 34,3 miliarda |
| Scalone pull requesty | 1,3 miliarda (3,5 miliona dziennie) |
| Deweloperzy na GitHub | ponad 225 milionów |
| Pull requesty rozpoczęte przez agenta | ponad 40 % we wrześniu (17 % w marcu) |
| Aktywni użytkownicy Copilot w trybie agentowym | 55 % (35 % rok temu) |
| Różne modele używane w Copilot | 47 we wrześniu (29 w maju) |
| Zadania GitHub Actions | 1 440 na sekundę |
Udział agentów szybko rośnie: we wrześniu ponad 40 % pull requestów zaczynało się od pierwszej wersji przygotowanej przez agenta, wobec 17 % w marcu, co odpowiada 110 milionom pull requestów, około sześciokrotności marcowego wolumenu. Te pull requesty scalano w ciągu dwóch tygodni w 90 % przypadków, wobec około 86 % bez wykrytego udziału agenta, a repozytoria utworzone w tym roku z plikiem konfiguracji agenta otrzymują średnio 8 razy więcej commitów. Wykorzystanie agenta Copilot w chmurze, któremu powierza się całe zadanie, rośnie o 230 % rok do roku, wobec 85 % dla czatu w trybie agenta.
Deweloperzy korzystają też z coraz większej liczby modeli: żaden z 47 modeli używanych we wrześniu nie przekracza 25 % zapytań, a 61 % użytkowników samodzielnie wybierających model korzysta z kilku, wobec 50 % cztery miesiące wcześniej. Wśród języków TypeScript pozostaje na pierwszym miejscu przed Python i JavaScript. W rankingu repozytoriów dostawców z największym przyrostem liczby współtwórców prowadzą agenci programistyczni: anthropics/claude-code, openai/codex, anomalyco/opencode, microsoft/vscode i github/copilot-cli.
GitHub Enterprise obejmuje teraz Copilot dla każdego użytkownika z licencją, a Copilot Standalone kosztuje 10 dolarów
28 października — GitHub zmienia model sprzedaży Copilot dla firm. Klienci obsługiwani przez zespół sprzedaży GitHub lub Microsoft mogą teraz otrzymać Copilot w pakiecie GitHub Enterprise dla każdego użytkownika z licencją, bez oddzielnej subskrypcji; oferta jest już dostępna dla GitHub Enterprise Cloud. Dotąd trzeba było zarządzać dwiema rzeczami: liczbą licencji Copilot i zużyciem AI; po włączeniu Copilot do pakietu pozostaje tylko budżet AI przedsiębiorstwa.
Dostęp ten zapewnia te same funkcje i modele co Copilot Enterprise, ale bez miesięcznych kredytów AI przypisanych do każdej licencji: każde zapytanie obciąża budżet przedsiębiorstwa od samego początku, z zachowaniem istniejących zasad, alertów i przypisań. Podstawowe funkcje działają dalej nawet bez budżetu:
| Funkcja Copilot | Gdy budżet AI zostanie wyczerpany |
|---|---|
| Uzupełnianie kodu i next edit suggestions | Nadal działają |
| Copilot Chat, Copilot code review i Copilot w chmurze | Wymagają budżetu |
| Dostęp w ramach licencji Copilot | Nigdy nie jest odbierany |
Członkowie konta przedsiębiorstwa bez licencji GitHub Enterprise otrzymują ten sam dostęp dzięki Copilot Standalone, za 10 dolarów za użytkownika miesięcznie. Samoobsługa nie jest jeszcze dostępna: będzie wprowadzana etapami, a terminy mają zostać podane „w najbliższych tygodniach”; obecne subskrypcje samoobsługowe pozostają bez zmian. Copilot Business i Copilot Enterprise nadal są oferowane zarówno nowym, jak i obecnym klientom biznesowym.
GitHub Copilot Fusion staje się ogólnie dostępny i zastępuje ręczny wybór modelu
28 października — Copilot Fusion staje się ogólnie dostępny we wszystkich planach Copilot, w VS Code, aplikacji GitHub Copilot, Copilot CLI i IDE JetBrains, a obsługę kolejnych klientów zapowiedziano „wkrótce”. Zamiast wybierać model, programista wybiera Copilot Fusion, a następnie poziom wysiłku: Standard do codziennego programowania, High do trudnych zadań, Max do najbardziej wymagających. Fusion następnie decyduje dla każdego żądania, czy powierzyć zadanie jednemu modelowi (schemat Single), czy uruchomić kolejno kilka modeli: kaskadowo (Cascade: wydajny model przygotowuje odpowiedź, a kontrola jakości ją akceptuje lub przekazuje zadanie silniejszemu modelowi) albo z oceną krytyczną (Critique: jeden model przygotowuje odpowiedź, drugi ją sprawdza, a pierwszy wprowadza poprawki).
Fusion łączy orkiestrację wielu modeli z Project HydraFusion, badawczej wersji zapoznawczej uruchomionej we wrześniu i rozszerzonej 14 października, z automatycznym wyborem modelu w Copilot. Według Octoverse HydraFusion obsłużył routing niemal 60 000 sesji w okresie wersji zapoznawczej; użytkownicy auto, HydraFusion lub HydraFusion Max automatycznie przechodzą na odpowiedni poziom Fusion. GitHub przytacza wynik zewnętrznego testu:
| Artificial Analysis Coding Agent Index | Copilot Fusion Max, według GitHub |
|---|---|
| Uzyskany wynik | 60, dwa punkty od wyniku Claude Code z Opus 5.5 Max |
| Średni koszt API na zadanie | około połowy |
| Zużyte tokeny | około połowy |
| Czas na zadanie | około 40 % mniej |
W firmach Fusion korzysta wyłącznie z modeli dozwolonych przez zasady; administrator może wykluczyć model z Fusion bez odbierania użytkownikom dostępu do niego, a także wymusić Fusion, na dowolnym poziomie wysiłku, jako model domyślny. Każdy wywołany model jest rozliczany według swojej standardowej stawki, z tymczasową zniżką 30 % na koszty modeli w płatnych planach. AT&T informuje o lepszej efektywności wykorzystania tokenów w Fusion Standard, bez podawania liczb.
🔗 Rejestr zmian Copilot Fusion
Copilot Fusion eksperymentalnie kieruje żądania do modeli lokalnych, MAI Code 1.1 Flash i Qwen3.8 Flash Next
28 października — GitHub rozszerza Copilot Fusion o modele lokalne w eksperymentalnej wersji zapoznawczej dostępnej po zapisaniu się. Na poziomie Standard Fusion dla każdego żądania wybiera między modelem uruchomionym na komputerze a modelem w chmurze, w Copilot CLI, aplikacji Copilot i VS Code. W Windows pobieraniem i konfiguracją MAI Code 1.1 Flash zarządza dostawca Windows ML. W Windows, macOS i Linux Copilot CLI obsługuje również model lokalny udostępniany przez serwer zgodny z OpenAI, MAI Code 1.1 Flash lub Qwen3.8 Flash Next; model dostarczony przez użytkownika (BYOK) nie kwalifikuje się automatycznie do Fusion. GitHub zaznacza, że sesja nie staje się sesją offline: decyzje dotyczące routingu nadal zapadają w chmurze, a modele lokalne mogą mieć inne zabezpieczenia.
Copilot dla JetBrains otrzymuje Fusion, a lokalne środowiska sandbox i next edit suggestions stają się ogólnie dostępne
28 października — Plugin GitHub Copilot dla IDE JetBrains nadrabia zaległości względem pozostałych klientów. Copilot Fusion zastępuje w nim opcję Auto, oferując trzy poziomy wysiłku, stopniowe wdrażanie dla wszystkich użytkowników i zniżkę 30 % ograniczoną do pierwszych 30 dni. Lokalne środowiska sandbox, które ograniczają dostęp poleceń agenta do systemu plików, sieci i danych uwierzytelniających zgodnie z zasadami programisty lub organizacji, stają się ogólnie dostępne, podobnie jak next edit suggestions. Harness agenta Microsoft Copilot staje się domyślnym wyborem tam, gdzie jest dostępny, pasek boczny gromadzi sesje, a najechanie kursorem na turę agenta pokazuje jej czas i zużycie tokenów w podziale na modele.
Copilot staje się jednolitym środowiskiem w chmurze, ze środowiskami sandbox w chmurze i pakietem zasobów obliczeniowych Actions rozliczanym w dolarach
28 października — GitHub łączy interfejsy Copilot w jedno środowisko w chmurze, ogólnie dostępne w płatnych planach, którego wdrażanie rozpoczyna się 28 października. Zadanie uruchomione z github.com, GitHub Mobile, Copilot CLI, aplikacji Copilot, VS Code, Slack lub Microsoft Teams staje się jedną sesją, widoczną wszędzie na tej samej liście i możliwą do wznowienia w dowolnym innym interfejsie: opisaną głosowo lub obrazem na telefonie, kontynuowaną w przeglądarce i zakończoną w VS Code. Użytkownicy Copilot Free zachowują Copilot Chat na github.com i na urządzeniach mobilnych.
Każda sesja domyślnie działa w środowisku sandbox w chmurze zarządzanym przez GitHub, bez godzinnego limitu łącznego czasu działania, z zapisem migawki przy zatrzymaniu, aby można było wznowić ją gdzie indziej. Sesje w chmurze mają do dyspozycji Bash, GitHub CLI, wyszukiwanie kodu, konektory, serwery MCP i skills, a polecenia /rubber-duck i /context trafiają do wersji internetowej i mobilnej. GitHub Mission Control pozwala sterować lokalnymi sesjami z telefonu, a opcja --environment-host rejestruje własny komputer lub VM jako środowisko. Firmy zachowują kontrolę dzięki zasadzie „Copilot in the cloud”: sesje są domyślnie ograniczone do jednej organizacji lub osobistych repozytoriów, wymagane jest SSO.
Najbardziej zasadnicza zmiana dotyczy rozliczeń:
| Zmiana w rozliczeniach | Szczegóły ogłoszone przez GitHub |
|---|---|
| Pakiet Actions w cenie planu | Pula w dolarach zamiast liczby minut standardowych runnerów |
| Zastosowania objęte pulą | Standardowe hostowane runnery, środowiska sandbox w chmurze oraz, w Team i Enterprise Cloud, larger runners |
| Rozliczanie środowisk sandbox | Od listopada 2026, w pierwszej kolejności z dostępnej puli |
| Plany objęte zmianą | GitHub Free, Pro, Free for organizations, Team i Enterprise Cloud |
Każdy produkt zachowuje opublikowaną stawkę; zmienia się jedynie sposób rozliczania pakietu zawartego w planie.
Aplikacja GitHub Copilot wprowadza Projects w publicznej wersji zapoznawczej do zarządzania agentami w wielu repozytoriach
28 października — Aplikacja GitHub Copilot otrzymuje Projects w publicznej wersji zapoznawczej. Projekt łączy cel, jego kontekst (repozytoria, makiety, wątki Slack, notatki ze spotkań), agentów i ich wyniki na potrzeby pracy wykraczającej poza jedno repozytorium lub jedną sesję: funkcji obejmującej wiele repozytoriów albo planu wprowadzenia produktu, który wykorzystuje specyfikacje i makiety bez zmieniania kodu. Copilot uruchamia w tle tylu agentów, ilu potrzeba, w równoległych sesjach i wraca z pull requestami do sprawdzenia; automatyzacje projektu zajmują się powtarzalnymi zadaniami, takimi jak przygotowanie filmu promocyjnego po dostarczeniu każdej funkcji. Aplikacja pobiera też kontekst ze Slack i Figma oraz generuje obrazy na czacie. Sterowanie aplikacjami komputerowymi (computer use) pozostaje w publicznej wersji zapoznawczej na macOS i Windows, tak jak od 1 października.
VS Code 1.144 i Copilot: Agent Host, ciągłość sesji aż po telefon i otwarty protokół AHP
28 października — VS Code 1.144, wydany w dniu Universe, dostosowuje edytor do tej ciągłości sesji. Sesję uruchomioną w chmurze z okna Agents można znaleźć w aplikacji Copilot, w GitHub Mobile, na github.com lub w CLI, podobnie jak sesję rozpoczętą w wiadomości bezpośredniej w Slack lub Teams. Lokalnie Agent Host uniezależnia sesje od okien: agent kontynuuje pracę po zamknięciu folderu, może działać na innym komputerze przez Remote SSH lub dev tunnels, a sterować nim można z GitHub Mobile, gdy pracuje na komputerze programisty.
Harness Copilot, zbudowany na Microsoft Copilot SDK, staje się domyślnym wyborem dla nowych sesji, a GitHub otwiera Agent Host Protocol (AHP), aby klienci innych dostawców mogli dołączać do tych samych sesji, udostępniając biblioteki w TypeScript, Rust, Go, Kotlin i Swift. VS Code dodaje też równoległe porównywanie modeli i harnessów, z modelem oceniającym i podsumowaniem (wersja zapoznawcza), eksperymentalne sterowanie komputerem (computer use), katalog personalizacji (Customization Marketplace: skills, serwery MCP, pluginy) i konektory Copilot w wersji zapoznawczej.
🔗 Rejestr zmian GitHub · Informacje o wydaniu VS Code 1.144
Agent Merge monitoruje i naprawia pull requesty bezpośrednio w GitHub, w chmurze
28 października — Agent Merge, już obecny w aplikacji Copilot i w VS Code, trafia na stronę pull requestów. Opcja „Watch and fix” w obszarze scalania zleca Copilot monitorowanie pull requesta i samodzielne naprawianie w środowisku programistycznym w chmurze nieudanych workflowów Actions, konfliktów scalania lub obu tych problemów. W połączeniu z automatycznym scalaniem (auto-merge) Copilot utrzymuje pull request w gotowości, a GitHub scala go, gdy tylko wszystkie warunki zostaną spełnione. Opcję można domyślnie włączyć dla wszystkich swoich pull requestów w ustawieniach Copilot; jest dostępna wyłącznie w płatnych planach, z uwzględnieniem zasad organizacji i przedsiębiorstwa.
Copilot Memory staje się ogólnie dostępny, Copilot Dreaming wchodzi w fazę wersji zapoznawczej, a wyszukiwanie kodu wykracza poza lokalne repozytorium
28 października — GitHub łączy pod nazwą „GitHub intelligence” trzy elementy kontekstu czerpanego z grafu danych platformy. Pierwszy, Copilot Memory, staje się ogólnie dostępny w płatnych planach po niemal roku wersji zapoznawczych. Copilot zapamiętuje osobiste preferencje (na przykład rozpoczynanie opisów pull requestów od podsumowania) i konwencje repozytorium (właściwe polecenie uruchamiające testy) oraz wykorzystuje je w kolejnych sesjach i różnych klientach: aplikacji, CLI, VS Code, cloud agent, Copilot code review, Slack, Teams i na urządzeniach mobilnych. Osobistymi zapisami pamięci zarządza się w ustawieniach Copilot. GitHub przytacza wynik o ściśle określonym zakresie: spośród sesji Copilot CLI przeanalizowanych w trakcie publicznej wersji zapoznawczej, w których agent korzystał z pamięci, 93 % wykazało lepsze stosowanie się do preferencji programisty, a 42 % — wydajniejsze przepływy pracy, co przypisano zapisom pamięci.
Drugi, Copilot Dreaming, wchodzi w fazę publicznej wersji zapoznawczej dostępnej po zapisaniu się. Copilot „śni” o wcześniejszej pracy, aby ulepszać kolejne sesje, z trzema rodzajami snów: porządkuje osobistą pamięć, proponuje aktualizacje skills i plików instrukcji repozytorium oraz przekształca zaakceptowane uwagi z przeglądu kodu w wytyczne dla Copilot code review. Zmiany w plikach objętych kontrolą wersji trafiają do zespołu w formie pull requesta, a każde uruchomienie zużywa kredyty AI.
Trzeci rozszerza wyszukiwanie kodu przez Copilot poza lokalną kopię: obejmuje kod, konfiguracje, schematy i dokumentację w powiązanych repozytoriach i zależnościach, bez klonowania, z wyszukiwaniem dokładnego tekstu, symboli, wyrażeń regularnych, filtrów lub wyszukiwaniem semantycznym. Korzysta z niego polecenie /research, na przykład aby zrozumieć, jak kilka usług obsługuje ponowne próby płatności, zanim zostanie zaplanowana migracja.
| Element GitHub intelligence | Status na 28 października |
|---|---|
| Copilot Memory | Ogólna dostępność w płatnych planach |
| Copilot Dreaming | Publiczna wersja zapoznawcza dostępna po zapisaniu się, uruchomienia rozliczane w kredytach AI |
| Wyszukiwanie kodu poza repozytorium | Powiązane repozytoria i zależności, bez lokalnego klonowania, używane przez /research |
Copilot Automations można udostępniać, same się ulepszają i zyskują 24 wyzwalacze, 20 narzędzi oraz limity kredytów
28 października — Copilot Automations, czyli workflowy łączące prompt, wyzwalacze i dozwolone narzędzia, aby zlecać Copilot pracę w chmurze, osiągają kilka etapów naraz, po automatyzacjach uruchamianych według harmonogramu lub zdarzeniami z 2 czerwca i wyzwalaniu komentarzem z 3 sierpnia.
Przede wszystkim można je teraz udostępniać. Udostępniona automatyzacja należy do repozytorium: jest widoczna dla wszystkich z dostępem do odczytu i edytowalna z dostępem do zapisu, działa jako Copilot, obciąża kredytami AI właściciela repozytorium i działa dalej po odejściu autora z zespołu, zachowując historię zmian. Jej typu, osobistego lub udostępnionego, nie można już zmienić po utworzeniu.
Ponadto uczą się na podstawie swoich wyników. Automatyzacja triage obserwuje, czy nadane przez nią etykiety są poprawiane, a automatyzacja przeglądu — czy jej komentarze są akceptowane; druga automatyzacja co tydzień analizuje te sygnały i proponuje zmiany promptu, narzędzi lub wyzwalaczy, stosowane dopiero po zatwierdzeniu przez człowieka.
| Nowość w Copilot Automations | Ogłoszone szczegóły |
|---|---|
| Dodane wyzwalacze GitHub | 24 zdarzenia: issues, pull requesty, dyskusje, alerty code scanning, dotyczące sekretów i Dependabot |
| Wyzwalanie zewnętrzne | API REST, na przykład z Jira, Sentry lub PagerDuty |
| Łączenie w łańcuch | Automatyzacja może uruchomić inną, zależnie od powodzenia lub niepowodzenia |
| Dodane narzędzia GitHub | 20, w tym scalanie pull requestów i ponowne uruchamianie workflowów, a także niestandardowe serwery MCP |
| Limity kredytów AI | Na uruchomienie, dzień, tydzień lub miesiąc |
W VS Code 1.144 automatyzacje w chmurze tworzy się i zarządza nimi na karcie Automations w oknie Agents, a działają one nawet przy wyłączonym komputerze. Są dostępne w planach Pro, Pro+, Max, Business i Enterprise.
🔗 Rejestr zmian nowych narzędzi i wyzwalaczy · Udostępniane automatyzacje · Samodoskonalenie
GitHub Agentic Workflows jest już ogólnie dostępny
28 października — GitHub Agentic Workflows, projekt open source zespołu GitHub Next uruchamiający agentów kodowania w GitHub Actions, jest już ogólnie dostępny na github.com w planach Free, Team i Enterprise, po technicznej wersji poglądowej w lutym i publicznej wersji poglądowej w czerwcu. W Markdown opisuje się zadanie wymagające rozumowania (triage zgłoszeń, analizę niepowodzenia CI, aktualizację dokumentacji, pisanie testów); narzędzie kompiluje je do standardowego YAML dla Actions, wykonywanego przez Copilot lub innego agenta kodowania. Domyślny silnik, Copilot CLI, wymaga licencji Copilot.
Bezpieczeństwo pozostaje najważniejsze: domyślnie dostęp tylko do odczytu, izolowany kontener za Agent Workflow Firewall, weryfikowane wyniki i osobny job wykrywający zagrożenia przed każdą modyfikacją. Wersja ogólnie dostępna dodaje samodzielnie hostowane runnery ARC, prognozowanie budżetu gh aw forecast, które wyszło z fazy eksperymentalnej, router modeli, wybór dostawcy dla każdego workflow i izolację w mikro-VM. Accenture podaje, że AI napisała 91 % commitów jednego z zespołów, a liczba błędów produkcyjnych spadła z około 11 000 do mniej niż 1 000 dziennie — są to dane dostarczone przez klienta.
GitHub udostępnia 26 zweryfikowanych konektorów MCP do Copilot, które wystarczy połączyć raz
28 października — Zweryfikowane przez GitHub serwery MCP, nazwane konektorami, stopniowo trafiają do publicznej wersji poglądowej we wszystkich planach Copilot. Wybiera się usługę, loguje raz, a połączenie działa wszędzie: w aplikacji Copilot, Copilot CLI (polecenie /mcp, karta Connectors), VS Code, sesjach chmurowych i GitHub Mobile, bez instalowania serwera ani zarządzania danymi uwierzytelniającymi. Na start dostępnych jest dwadzieścia sześć usług, w tym Slack, Figma, Notion, Sentry, Linear, Atlassian Rovo, Cloudflare, Vercel i Work IQ, a połączenia te mogą też obsługiwać zaplanowane automatyzacje w aplikacji. W planach Business i Enterprise musi być włączona polityka Editor preview features, a niektóre usługi wymagają aktywacji po swojej stronie, jak dostęp MCP w Slack.
Bezpieczeństwo i przegląd kodu w erze agentów: AI Scan, rozszerzenie zabezpieczeń aplikacji Copilot, Copilot code review Max, Agent Habitat od Replit i SB-Box od Genspark
Tego samego dnia GitHub rozszerza swoje narzędzia bezpieczeństwa na kod napisany przez AI i aplikacje, które ją wykorzystują, a Replit i Genspark szczegółowo opisują swoje sposoby izolowania agentów.
GitHub rozszerza zabezpieczenia na AI: AI Scan repozytoriów, wykrywanie luk w aplikacjach AI i push protection z klasyfikatorem
28 października — GitHub dodaje trzy elementy zabezpieczeń wspierane przez AI, wszystkie w publicznej wersji poglądowej. AI Scan, ogólnie dostępny dla pull requestów od 15 października, obejmuje teraz całe repozytorium: skaner oparty na agentach analizuje kod o najwyższym ryzyku z ostatniego commita domyślnej gałęzi, w ustalonym limicie czasu, także w językach nieobsługiwanych przez CodeQL, pomijając problemy już zgłaszane przez CodeQL. Jego alerty trafiają na listę code scanning i można je usuwać za pomocą agentowego autofix. Nie wymaga licencji Copilot i jest rozliczany w Code Security AI credits.
Code scanning wykrywa teraz również w pull requestach luki charakterystyczne dla aplikacji AI: pośrednie wstrzyknięcie promptu, ujawnienie poufnych informacji i nadmierną sprawczość (excessive agency), przy posiadaniu licencji GitHub Advanced Security. Z kolei push protection korzysta z klasyfikatora opracowanego wspólnie z Microsoft Applied Sciences, który ocenia użycie sekretu na podstawie otaczającego go kodu, aby blokować także sekrety o nieznanym formacie: według pierwszych wyników ponad dwukrotnie zwiększył liczbę operacji push, podczas których przechwycono sekret.
🔗 AI Scan repozytoriów · Code scanning aplikacji AI · Push protection z klasyfikatorem
Rozszerzenie zabezpieczeń wprowadza alerty code scanning i /security-review do aplikacji GitHub Copilot
28 października — Aplikacja GitHub Copilot otrzymuje rozszerzenie GitHub security, w publicznej wersji poglądowej, do obsługi alertów code scanning bez opuszczania aplikacji. Wyświetla ono otwarte alerty repozytorium według poziomu istotności; można wybrać jeden lub kilka i poprosić Copilot o ich wyjaśnienie (Explain) lub naprawienie (Fix), przy czym zmiany pozostają w lokalnej kopii roboczej, bez commita ani operacji push. Polecenie /security-review analizuje bieżące zmiany przed otwarciem pull requesta. Rozszerzenie instaluje się jako plugin za pomocą copilot plugin install github-security@awesome-copilot; Explain, Fix i /security-review zużywają kredyty AI, natomiast przeglądanie i odrzucanie alertów ich nie zużywa. Działa na github.com i w GitHub Enterprise Cloud z rezydencją danych, ale nie w GitHub Enterprise Server.
Copilot code review dodaje poziom Max korzystający z wielu modeli i udostępnia swoje zatwierdzenia ogólnie
28 października — Copilot code review otrzymuje trzeci poziom intensywności analizy, Max, w publicznej wersji poglądowej, obok Lite i Balanced. Przeznaczony do ryzykownych zmian, takich jak logika uwierzytelniania lub biblioteka współdzielona przez kilka usług, angażuje kilku niezależnych agentów przeglądu korzystających z modeli różnych dostawców, a następnie agent agregujący uzgadnia ich ustalenia, rozstrzyga rozbieżności i sprawdza poprawność, zanim powstanie jeden przegląd. Według wpisu towarzyszącego wystąpieniu keynote Max uzyskuje najwyższy wynik F1 w ReviewBench dla problemów o wysokiej istotności, choć nie opublikowano konkretnej wartości. Zajmuje więcej czasu i zużywa więcej kredytów AI niż dwa pozostałe poziomy.
Równocześnie zatwierdzenia Copilot stają się ogólnie dostępne: jeśli funkcja jest włączona, zatwierdzenie Copilot wlicza się do zatwierdzeń wymaganych w repozytorium, tak jak zatwierdzenie człowieka, a każdy nowy commit je unieważnia. Domyślnie są wyłączone; można je włączyć na poziomie przedsiębiorstwa, organizacji lub repozytorium, z możliwością ograniczenia zakresu do wybranych ścieżek plików.
Replit publikuje architekturę zabezpieczeń Agent Habitat ze skalą dojrzałości w 11 wymiarach
28 października — Replit publikuje dokument Agent Habitat Architecture, proponujący architekturę zabezpieczeń środowiska pracy agentów oraz skalę jej oceny. Punkt wyjścia jest jasny: zabezpieczenia muszą działać nawet wtedy, gdy agent nie współpracuje, zbacza z zadania, jest manipulowany przez przeczytane treści lub szuka luki. Architektura oddziela strefy zaufane, częściowo zaufane i niezaufane, a broker danych uwierzytelniających (credential broker) stanowi jedyną drogę na zewnątrz: agent nigdy nie widzi prawdziwych sekretów. Towarzyszy jej dwanaście zasad, w tym uprawnienia, które podczas wykonania mogą się wyłącznie zawężać, oraz zatwierdzanie przez człowieka każdej nieodwracalnej czynności.
Skala dojrzałości obejmuje 11 wymiarów, od izolacji piaskownicy po tożsamość obciążeń, z oceną od 0 do 3 w każdym z nich i wymaganymi dowodami: poziom 1 chroni przed przypadkowymi incydentami, 2 przed wstrzyknięciem promptu, 3 przed agentem aktywnie próbującym wydostać się z izolacji, a ocena całego systemu odpowiada jego najniższej ocenie cząstkowej. Towarzyszący dokumentowi wpis CTO Luisa Héctora Cháveza zapowiada, bez podania daty, polityki działań agentów konfigurowalne dla poszczególnych zadań, Security Agent rozszerzony na zmiany w firmowych bazach kodu oraz wykrywanie podejrzanej aktywności oparte na monitorowaniu piaskownic z użyciem eBPF. Nie podano cen.
Genspark udostępnia w wersji beta SB-Box, piaskownice dla agentów oparte na maszynach wirtualnych
28 października — Genspark udostępnia programistom w wersji beta infrastrukturę piaskownic, w której działają jego własne agenty, pod nazwą SB-Box. Każda piaskownica jest pełną maszyną wirtualną z własnym jądrem, a nie procesem czy kontenerem. Po 10 do 15 minutach bezczynności zostaje zamrożona z zachowaniem procesów, pamięci i dysku, a opłaty są naliczane już tylko za dysk; kolejne polecenie lub żądanie HTTP skierowane na jeden z jej portów ją wybudza. Każde zamrożenie tworzy wersję, którą można sklonować lub przywrócić, a czas działania nigdy nie jest ograniczany: jedynym limitem jest saldo kredytów.
| Pomiar SB-Box (platforma Genspark) | Deklarowana wartość |
|---|---|
| Uruchomienie maszyny z 4 Go pamięci (mediana) | 0,35 s |
| Uruchomienie (90. i 99. percentyl) | 0,43 s i 0,70 s |
| Wznowienie po zamrożeniu (mediana) | 0,8 s |
| Pamięć zachowywana po zamrożeniu | 14 dni |
SB-Box obsługuje się za pomocą CLI gsk lub API REST, a z agentem kodowania integruje się go przez plik SKILL.md, z opencode jako przykładem demonstracyjnym; w Claude Code CLI automatycznie pobiera identyfikator sesji. Przykładowy koszt podany przez Genspark: 41 minut rzeczywistego działania na maszynie z 2 vCPU i 4 Go pamięci to 56 kredytów obliczeniowych za tydzień, a dysk o pojemności 20 Go dodaje 24 kredyty dziennie.
🔗 Wątek Genspark · Strona SB-Box
NVIDIA udostępnia Nemotron 3.5 Transcribe, otwarty model do transkrypcji, przypisywania wypowiedzi mówcom i tłumaczenia w 40 językach
28 października — NVIDIA publikuje Nemotron 3.5 Transcribe, otwarty model łączący w jednym punkcie kontrolnym transkrypcję w 40 językach, tłumaczenie z 31 języków na angielski lub z angielskiego na te języki, przypisywanie wypowiedzi mówcom (diaryzację) w 13 językach dla maksymalnie ośmiu głosów, znaczniki czasu, identyfikację języka, odpowiadanie na pytania dotyczące dźwięku i maskowanie danych osobowych. Pracuje na nagranych plikach o długości do godziny, a nie strumieniowo, i steruje się nim za pomocą polecenia w języku naturalnym: dodaj imiona rozmówców, przetłumacz, stosuj pisownię medyczną.
Model jest hybrydową mieszanką ekspertów Mamba-2–Transformer. NVIDIA przedstawia go jako „30B” z około 4B aktywnych parametrów; karta Hugging Face podaje łącznie 34B, w tym 4,3B aktywnych, z uwzględnieniem enkodera audio. Dostarczany w BF16, FP8 i NVFP4, mieści się na jednym H100 80 Go i jest udostępniany na licencji OpenMDW-1.1, która według karty pozwala na użycie komercyjne. Opublikowano go na Hugging Face i ModelScope, wraz z demonstracją online.
| Benchmark (karta modelu) | Nemotron 3.5 Transcribe | Najlepszy wskazany konkurent |
|---|---|---|
| Open ASR, angielski, 9 publicznych zbiorów (średni WER) | 4,71 | 4,94 (Qwen3-ASR-1.7B) |
| Open ASR, długie nagrania (średni WER) | 10,98 | 13,37 (Parakeet-TDT-0.6B-v3) |
| Open ASR, wielojęzyczny, 7 języków (średni WER) | 4,62 | 6,49 (Qwen3-ASR-1.7B) |
| Wielu mówców, pełne sesje (cpWER) | 15,80 | 16,83 (DiCoW v3.3 + DiariZen) |
| Artificial Analysis (WER, wątek NVIDIA) | 2,81 % | 2,77 % (Voxtral Small, 24B) |
Wyniki dla angielskiego różnią się zależnie od źródła: wątek NVIDIA informuje o pierwszym miejscu wśród otwartych modeli w Open ASR Leaderboard Hugging Face ze średnim WER wynoszącym 5,33 %, podczas gdy karta podaje 4,71 na dziewięciu publicznych zbiorach, zmierzone 12 października. W przypisywaniu wypowiedzi mówcom model zajmuje pierwsze miejsce zarówno w porównaniu 14 systemów VoiceArena, jak i w rankingu wielojęzycznej diaryzacji David AI, obejmującym 21 języków.
On @ArtificialAnlys , Nemotron 3.5 Transcribe achieves a 2.81% word error rate with ~4B active parameters. Voxtral Small scores 2.77% with 24B. Nearly the same transcription accuracy, with about one-sixth the active parameters.
🇵🇱 W Artificial Analysis Nemotron 3.5 Transcribe osiąga wskaźnik błędów słów na poziomie 2,81 % przy około 4B aktywnych parametrów. Voxtral Small uzyskuje 2,77 % przy 24B. Niemal identyczna dokładność transkrypcji przy około jednej szóstej liczby aktywnych parametrów. — @NVIDIAAI na X
Pod względem przepustowości karta deklaruje transkrypcję do 2 238 sekund nagrania na sekundę na RTX PRO 6000 Blackwell Server Edition, ale z wykorzystaniem zoptymalizowanej implementacji NIM Nemotron Transcribe: tych optymalizacji nie ma jeszcze w wersji open source, której integracja z vLLM jest około dwukrotnie wolniejsza. Wkrótce mają pojawić się skwantyzowane wersje dla RTX Spark, DGX Spark i Jetson AGX Thor. NVIDIA dołącza też do modelu wielojęzyczne dane Granary v2, dostępne w Hub od połowy września, pipeline do selekcji danych, który można wykorzystywać wielokrotnie, oraz receptury dostrajania NeMo Speech: w zastosowaniu medycznym dostrojenie obniża wskaźnik błędów o 45,8 % względem najlepszego polecenia.
🔗 Wątek NVIDIA · Wpis na Hugging Face · Karta modelu
ElevenLabs przedstawia Cue, model wymuszonego wyrównywania z dokładnością do znaku, na którym opiera się Scribe
28 października — ElevenLabs przedstawia Cue, model wymuszonego wyrównywania (forced alignment), który umieszcza każdy znak transkrypcji na osi czasu nagrania. To niewidoczny element, dzięki któremu napisy pojawiają się we właściwym momencie, dubbingowana kwestia jest zsynchronizowana, a słowa piosenki są dopasowane w czasie do muzyki. Cue już obsługuje wszystkie transkrypcje Scribe w ElevenLabs i można go używać samodzielnie przez Forced Alignment API; przetwarza całe nagranie w jednym przebiegu, bez dzielenia go na fragmenty po 30 sekund.
| Pomiar (według ElevenLabs) | Cue | Inne testowane narzędzia wyrównujące |
|---|---|---|
| Średni błąd, pełne nagrania | 179 ms | od 283 ms do ponad 6 000 ms |
| Średni błąd, zaszumione nagrania po angielsku | 57 ms | od 65 do 920 ms |
| Wyrównanie godziny nagrania | około 0,5 s na produkcyjnym GPU | niemal 2 s (Qwen3-ForcedAligner) |
| Piosenki: słowa umieszczone z błędem poniżej 0,3 s | 92,7 % | 82,0 % (najlepszy konkurent) |
Wpis w jednym miejscu mówi o 29 językach benchmarku, a w innym o ponad 90.
HeyGen wprowadza Voice STS, który przenosi nagraną interpretację głosową na głos awatara
28 października — HeyGen dodaje do HeyGen Voice tryb przetwarzania mowy na mowę (speech-to-speech, STS). Zamiast zlecać odczytanie tekstu głosowi syntetycznemu, użytkownik raz nagrywa swoją kwestię, a HeyGen Voice STS odtwarza ją głosem jego awatara, wraz z pauzami, akcentami i szeptem. Tryb jest dostępny na platformie dla programistów w cenie 0,12 dolara za minutę wygenerowanego dźwięku dla głosów tworzonych natychmiastowo, z rozliczeniem co do sekundy, za pośrednictwem modelu heygen-voice-sts-0: fragmenty źródłowe do 300 sekund, wynikowy plik WAV o tej samej długości. Uzupełnia HeyGen Voice, zaprezentowany 14 października, oraz Voice Turbo, udostępniony 21 października.
🔗 Ogłoszenie HeyGen · Strona modelu
Suno udostępnia w wersji beta serwer MCP do tworzenia piosenek z poziomu Claude, ChatGPT, Gemini lub Cursor
28 października — Suno udostępnia w wersji beta Suno MCP, serwer MCP do tworzenia muzyki bez opuszczania swojego asystenta. Po dodaniu Suno jako konektora w Claude, ChatGPT, Gemini, Claude Code lub Cursor wystarczy opisać utwór zwykłym językiem: AI opracowuje tekst i styl, Suno tworzy piosenkę, którą można następnie dopracowywać kolejnymi poleceniami. Serwer oferuje najważniejsze funkcje Suno: tworzenie na podstawie notatki głosowej lub pętli, przygotowywanie coverów, przedłużeń i połączeń (mashups) własnych utworów oraz śpiewanie własnym głosem w Suno. Nie ma klucza API: połączenie odbywa się przez konto Suno, zużywa dostępne na nim kredyty i zapisuje piosenki w jego bibliotece. O wcześniejszy dostęp można ubiegać się przez formularz; Suno nie podaje daty ogólnej dostępności ani osobnej ceny.
🔗 Ogłoszenie Suno · Strona Suno MCP
AI i badania naukowe: komisja oceniająca dowód OpenAI dotyczący teorii Yanga-Millsa, AI for Science od Anthropic i Meta na pięciu uniwersytetach
Trzy dzisiejsze ogłoszenia dotyczą badań naukowych: weryfikacji wyniku z fizyki matematycznej uzyskanego przez AI oraz udostępnienia laboratoriom modeli Anthropic i Meta.
Komisja Davida Grossa przedstawia szczegóły oceny dowodu OpenAI dotyczącego istnienia kwantowej teorii Yanga-Millsa
28 października — Dwa dni po wpisie OpenAI o istnieniu kwantowej teorii Yanga-Millsa komisja odpowiedzialna za ocenę dowodu przedstawia się w oświadczeniu opublikowanym przez KITP (Kavli Institute for Theoretical Physics, Uniwersytet Kalifornijski w Santa Barbara). Przewodniczy jej David Gross, a w jej skład wchodzą Michael R. Douglas, Arthur Jaffe, Igor R. Klebanov i Nikita Nekrasov. OpenAI zwróciło się 16 października do Davida Grossa o przejęcie pieczy nad dowodem i zorganizowanie jego udostępnienia; komisja deklaruje, że działa na rzecz społeczności akademickiej i „nie ponosi żadnej odpowiedzialności wobec OpenAI”.
Co do meritum, dowód dotyczący istnienia teorii, w tym sprzężenia z fermionami, „wydaje się ważnym krokiem” w kierunku ścisłych podstaw matematycznych kwantowej teorii pola. Komisja od razu dodaje, że uwięzienie i przerwa masowa „pozostają bardzo ważnymi otwartymi wyzwaniami”: kwestia przerwy masowej nie została rozstrzygnięta. OpenAI dostarcza formalizację w Lean; komisja najpierw sprawdzi, czy definicje i sformułowanie twierdzenia odpowiadają standardom fizyki i matematyki, następnie opublikuje dowód w Lean, a później pełną ocenę wraz z 1 147 stronami dowodów wygenerowanych przez model.
This is an experiment in how the academic community can deal with the rapid development of new knowledge by AI. We intend to proceed very carefully.
🇵🇱 To eksperyment dotyczący tego, jak społeczność akademicka może reagować na szybkie tworzenie nowej wiedzy przez AI. Zamierzamy postępować z dużą ostrożnością. — Oświadczenie Yang-Mills Working Group (KITP)
🔗 Oświadczenie na stronie KITP
Program AI for Science Anthropic obejmuje już 20 fundacji, instytucji i projektów badawczych
28 października — Anthropic rozszerza swój program AI for Science, uruchomiony w maju 2025 roku w celu oferowania projektom naukowym bezpłatnych kredytów na Claude, na 20 partnerów na całym świecie. Program zwiększa skalę: wspiera już nie tylko pojedynczych badaczy, lecz całe organizacje. Nie podano żadnych kwot.
| Rola partnerów | Organizacje |
|---|---|
| Instytucje finansujące, które przekazują kredyty dalej | Sloan Foundation, Simons Foundation, Schmidt Sciences, Open Source for Science Fund, National Science Foundation, CAS |
| Instytucje wykorzystujące je wewnętrznie | Space Telescope Science Institute, Wellcome Sanger Institute, Francis Crick Institute, Imperial College London, EMBL, Gladstone Institutes |
| Projekty finansowane bezpośrednio | FlyWire, LEAP, AstroPath, gnomAD, Tau Ceti, Centre for Population Genomics |
Wśród projektów FlyWire (Princeton) mapuje kompletny konektom dorosłej muszki owocowej, gnomAD (Broad Institute) bada zmienność genetyczną ponad 800 000 osób pod kątem chorób rzadkich, a Tau Ceti buduje bibliotekę matematyczną automatycznie formalizowaną w Lean. Kilka z nich stworzy dobra publiczne: otwarte zbiory danych, oprogramowanie open source, standardy i współdzielone biblioteki.
Meta wspiera badania na pięciu amerykańskich uniwersytetach za pomocą modeli Muse, SAM, DINO, V-JEPA i SeamlessM4T
28 października — Meta ogłasza wsparcie projektów badawczych na pięciu amerykańskich uniwersytetach: Caltech (rozszerzone partnerstwo), wydziale medycznym Uniwersytetu Stanowego Ohio, Uniwersytecie Stanowym Luizjany, Uniwersytecie Indiany i UTHealth Houston. Zależnie od uczelni wsparcie łączy dostęp do modeli Meta, współpracę z jej badaczami i finansowanie wybranych projektów, bez ujawnienia kwot. Zespoły będą pracować z rodziną Muse (Muse Spark Open, Muse Wonder, Muse Spark, Muse Glimmer), modelami wizyjnymi SAM, V-JEPA i DINO oraz modelem tłumaczeniowym SeamlessM4T.
W Caltech Tony Yue Yu tworzy MathDB Frontier, benchmark oparty na ponad 86 900 otwartych problemach badawczych, a Anima Anandkumar rozwija TorchLean, framework w Lean 4 do tworzenia artefaktów naukowych poddających się formalnej weryfikacji. Projekty medyczne działają głównie na modelach o otwartych wagach uruchamianych na uczelniach, a Meta zaznacza, że dane pacjentów nie są jej przekazywane ani dla niej dostępne. UTHealth Houston wdrożył w ten sposób Muse Glimmer lokalnie i rozpoczął testy pilotażowe na 65 przypadkach glejaka wielopostaciowego, które Meta przedstawia jako walidację procesu pracy, a nie wyniki kliniczne.
🔗 Wpis Meta · Wątek Meta
AI w administracji i firmach: Claude z 40 % rabatu dla amerykańskiego sektora publicznego, OpenAI i ServiceNow, Retell
W obszarze wdrożeń Anthropic obniża ceny dla całego amerykańskiego sektora publicznego, OpenAI rozszerza partnerstwo z ServiceNow, a Retell podaje liczby dotyczące wykorzystania modeli OpenAI.
Anthropic rozszerza partnerstwo z GSA i przyznaje 40 % rabatu na Claude wszystkim amerykańskim organom administracji
27 października — Anthropic rozszerza partnerstwo z General Services Administration (GSA), agencją zakupową amerykańskiego rządu federalnego. Nowa umowa OneGov przyznaje 40 % rabatu na Claude Enterprise, Claude for Government i API Claude; według Anthropic po raz pierwszy rabat obejmuje wszystkie formy korzystania z produktów, od dziś przy zakupie bezpośrednim, a w nadchodzących miesiącach również za pośrednictwem dostawców chmurowych. Dotyczy on administracji federalnej, stanowej, samorządów lokalnych oraz władz plemiennych i terytorialnych, bez minimalnego zobowiązania do wydatków. Anthropic szacuje oszczędności dla państwa na 1 miliard dolarów. Umowa pojawia się sześć tygodni po OneGov 2.0 OpenAI, które oferowało licencję ChatGPT za 0 dolarów.
| Wskaźnik opublikowany przez Anthropic | Ogłoszona wartość |
|---|---|
| Amerykańskie organizacje publiczne będące klientami | około 500 |
| Użytkownicy aktywni tygodniowo w Claude for Government | około 8 razy więcej od lutego |
| Wykorzystanie w federalnych agencjach cywilnych | około 20 razy większe w ciągu roku |
| Pilotaż Claude Code w Utah | 34 programistów z 10 agencji, 71 % zaoszczędziło ponad 20 godzin |
W zakresie zgodności z wymogami Claude for Government (FedRAMP High) jest dostępny od 30 września, a Claude Enterprise jest w trakcie uzyskiwania autoryzacji FedRAMP Moderate w ramach programu FedRAMP 20x. W nadchodzących tygodniach ma ruszyć program wsparcia agencji.
OpenAI i ServiceNow rozszerzają partnerstwo, od ChatGPT po Codex i cyberbezpieczeństwo
28 października — Po pierwszym partnerstwie w styczniu OpenAI i ServiceNow idą dalej. Nowa integracja wprowadza ServiceNow do ChatGPT: zespół IT może wyszukiwać podobne incydenty, oceniać ryzyko zmiany i aktualizować rekord bez zmiany narzędzia. Każdy klient podłącza własną instancję i wybiera udostępniane możliwości, a Action Fabric ServiceNow stosuje istniejące reguły biznesowe i uprawnienia. ServiceNow planuje również udostępnić ChatGPT Work i Codex wszystkim swoim pracownikom. Wpis nie podaje kwot ani danych o wykorzystaniu.
| Obszar partnerstwa | Ogłoszony harmonogram |
|---|---|
| Plugin MCP ServiceNow na platformie marketplace OpenAI | Dostępny dziś, rozszerzenie możliwości do końca 2026 roku |
| Głos OpenAI w Super Intelligence Control Tower | Pierwszy kwartał 2027 roku |
| Wspólne rozwiązanie z zakresu cyberbezpieczeństwa | Wcześniejszy dostęp w styczniu 2027 roku, ogólna dostępność w drugim kwartale |
| Codex w AI Workflow Factory ServiceNow | 2027 |
Retell obsługuje ponad 100 milionów połączeń miesięcznie za pomocą modeli OpenAI
27 października — W studium przypadku opublikowanym przez OpenAI Retell AI, dostawca agentów głosowych dla centrów kontaktowych, informuje o wzroście z 30 milionów połączeń miesięcznie na początku 2026 roku do ponad 100 milionów we wrześniu, obsługiwanych dla ponad 4 000 firm będących klientami. Modele OpenAI generują odpowiedzi w 80 % tych połączeń, a Retell przekroczył 1 000 miliardów zużytych tokenów. We własnym benchmarku vCX, opartym na trudnych rozmowach z rzeczywistej eksploatacji, GPT-6 Astra zajmuje pierwsze miejsce pod względem przestrzegania instrukcji (89,7 %), natomiast GPT-5.6 Luna pozostaje najszybszy, z medianą opóźnienia pierwszego zdania wynoszącą 497 ms wobec 883 ms dla Astra. Anker, klient firmy, informuje o 80,4 % rozwiązanych zgłoszeń, a Retell deklaruje 1,6 miliona dolarów przychodów w ujęciu rocznym na pracownika.
Asystenci: kredyty API dla abonentów ChatGPT, wiadomości tekstowe do swojego dot, tryb głosowy Perplexity i artefakty Claude for Legal
Asystenci dla użytkowników indywidualnych i profesjonalistów zyskują nowe zastosowania: kredyty umożliwiające przejście od ChatGPT do API, wiadomości tekstowe, głosowe sterowanie wieloma agentami oraz gotowe narzędzia dla prawników.
OpenAI oferuje abonentom ChatGPT Pro i Business do 500 dolarów kredytów API miesięcznie
28 października — OpenAI łączy subskrypcje ChatGPT ze swoją platformą dla programistów: uprawnieni abonenci Pro i Business mogą co miesiąc odbierać bezpłatne kredyty API, przyznawane organizacji API, której są właścicielami, na tworzenie aplikacji i agentów. Aktywacja odbywa się w sekcji rozliczeń ChatGPT lub na API Platform, przy użyciu tego samego adresu e-mail po obu stronach.
| Uprawniona subskrypcja ChatGPT | Kredyty API miesięcznie |
|---|---|
| Pro, wariant za 100 dolarów | 100 dolarów |
| Pro, wariant za 200 dolarów | 200 dolarów |
| Pro, wariant za 500 dolarów | 500 dolarów |
| Business, opłacone stanowisko Standard | 20 dolarów na stanowisko, we wspólnej puli |
| Business, opłacone stanowisko Premium | 100 dolarów na stanowisko, we wspólnej puli |
| Limit przestrzeni roboczej Business | 500 dolarów miesięcznie, 6 000 dolarów rocznie przy rozliczeniu rocznym |
Kredyty obejmują Responses i Chat Completions, Agents, Decisions, GPT-Live i Realtime, obrazy oraz wbudowane narzędzia, ale nie Codex używany przez klucz API, i nie zwiększają żadnych limitów ChatGPT ani podłączonego Codex. Wygasają z końcem każdego cyklu, nie przechodzą na kolejny i są wykorzystywane przed zakupionymi kredytami. Subskrypcja musi być opłacona i aktywna od co najmniej 7 dni; Plus, Enterprise i Edu są wykluczone, oferta zależy od grupy użytkowników i kraju, a OpenAI uprzedza, że może ona ulec zmianie lub zostać wycofana.
🔗 Artykuł pomocy OpenAI · Changelog API
ChatGPT pozwala pisać do swojego dot przez iMessage lub RCS, w wersji beta dla abonentów Pro w Stanach Zjednoczonych
28 października — Doty ChatGPT, wprowadzone podczas DevDay 29 września, wychodzą poza aplikację: można teraz pisać do nich wiadomości tekstowe przez iMessage na iPhonie lub RCS na Androidzie. Według informacji o wydaniu funkcja jest udostępniana w wersji beta abonentom Pro w Stanach Zjednoczonych. Dotowi można powierzyć zadanie lub coś do monitorowania za pomocą tekstu, zdjęcia albo notatki głosowej, a on sam odzywa się ponownie, gdy uzasadniają to nowe informacje, korzystając z tej samej pamięci i tych samych pluginów co w aplikacji. Dot może pisać wyłącznie do swojego właściciela, który jako jedyny może do niego pisać, i nie ma dostępu do innych rozmów w telefonie. Wiadomości przechodzą przez Linq, zewnętrznego dostawcę, z którym OpenAI, jak deklaruje, przeprowadziło szeroko zakrojone testy penetracyjne z wykorzystaniem swoich najbardziej zaawansowanych modeli i przy wsparciu zewnętrznych firm zajmujących się bezpieczeństwem.
🔗 Informacje o wydaniach ChatGPT · Ogłoszenie ChatGPT
Perplexity aktualizuje tryb głosowy, który steruje wieloma sesjami Computer i Projects za pomocą gpt-live-1 OpenAI
28 października — Perplexity udostępnia nową wersję trybu głosowego wszystkim abonentom Pro i Max, w przeglądarce i aplikacji na Maca. Aktualizacja, ogłoszona przez konto @AskPerplexity, a następnie udostępniona dalej przez @perplexity_ai, pozwala prowadzić wiele sesji Computer jednocześnie, uruchamiać nowe zadania oraz tworzyć Projects i nimi zarządzać w ramach jednej rozmowy głosowej. Opiera się na gpt-live-1, modelu głosowym czasu rzeczywistego OpenAI, dostępnym w jego API od 10 września. Aravind Srinivas podsumowuje pomysł: rozmawiać ze swoim komputerem, aby równolegle realizować procesy pracy. Głos nie jest nowością w Perplexity, ponieważ tryb głosowy Comet jest dostępny dla wszystkich od lutego, a Computer przyjmował polecenia głosowe od marca; nowością jest sterowanie wieloma sesjami i Projects. Perplexity nie podaje obsługiwanych języków, limitów wykorzystania ani kosztu w kredytach.
Claude for Legal dodaje galerię gotowych artefaktów do pracy prawniczej
28 października — Anthropic dodaje do Claude for Legal, dostępnego w Claude Enterprise od maja, galerię artefaktów: interaktywnych narzędzi (do śledzenia postępów, pulpitów), które zespoły prawne dostosowują za pomocą własnych dokumentów i konektorów, a następnie udostępniają w firmie lub klientom, z ustawieniami prywatności i barierami między zespołami (ethical walls). Każdy artefakt otwiera się z przykładem, a każda odpowiedź odsyła do swojego źródła.
Galeria obejmuje sześć zadań: weryfikację cytowań (Cite check), porównywanie przepisu w różnych jurysdykcjach, zestawienie otwartych spraw, wykrywanie odstępstw klauzul od firmowego wzorca, monitorowanie nadchodzących regulacji i przegląd partii umów w formie tabeli. Dochodzą do tego artefakty partnerów (Goodwin, Harvey, Foley & Lardner, PwC; zapowiedziano także Legora i Orrick) oraz dziewięć artefaktów ułatwiających dostęp do prawa, w tym pięć opracowanych przez organizacje wspierane kredytami Claude. Od maja dodano ponad 60 konektorów prawniczych, w tym Bloomberg Law i Filevine, a Anthropic otwiera listę oczekujących na udział w Legal Ambassadors Program.
Agenci programistyczni poza Copilot: Gemini CLI, Antigravity 2.28.0, Kimi Code 2.4.0, DeepSeek Harness i benchmark ViBench 2.0 od Replit
Poza ekosystemem GitHub agenci programistyczni, o których dziś mowa, importują sesje konkurentów lub delegują im zadania, a Replit publikuje benchmark, w którym agent buduje cały produkt.
Gemini CLI skupia się na firmach korzystających z Gemini Code Assist i kieruje do Antigravity CLI oraz Gemini API CLI
28 października — README Gemini CLI zmienia ton. Scalony w nocy PR 29995 zastępuje trzy wcześniejsze ostrzeżenia, w tym te dodane 16 października, jedną ramką „przeczytaj przed instalacją”, która przedstawia narzędzie jako przeznaczone wyłącznie dla firm korzystających z Code Assist: licencji Gemini Code Assist Standard i Enterprise, Code Assist for GitHub w Google Cloud oraz dotychczasowych płatnych kluczy API Gemini i Vertex AI. Użytkownicy oferty bezpłatnej i subskrypcji Google AI Pro oraz Ultra od 18 czerwca są nadal kierowani do Antigravity CLI.
Tekst dodaje dwa ostrzeżenia: Gemini CLI nie jest zoptymalizowane pod kątem serii Gemini 4, w tym Argon, ani kolejnych generacji, a także nie powinno służyć do oceny modeli Gemini, ponieważ jego harness daje niereprezentatywne wyniki. Następnie tabela kieruje do odpowiedniego narzędzia:
| Narzędzie wiersza poleceń | Zastosowanie zalecane w README |
|---|---|
Antigravity CLI (agy) | Programowanie z Gemini 4 Argon i kolejnymi modelami, oferta bezpłatna, Google AI Pro i Ultra |
Gemini API CLI (gemini-api) | Bezpośredni dostęp agenta (agy, Claude Code, Codex), skryptu lub CI do modeli i multimediów |
Gemini CLI (gemini) | Organizacje korzystające z Gemini Code Assist |
Gemini API CLI, wciąż eksperymentalny program binarny napisany w Go, dostępny od 23 października w wersji 0.4.4, nie był tu wcześniej prezentowany: README opisuje go jako bezstanowe CLI do API, które nie jest środowiskiem agenta programistycznego. Jeśli chodzi o wydania, wersja nocna (nightly) z 28 października zawiera jedynie cztery poprawki z przedpremierowej wersji v0.67.0 opublikowanej dzień wcześniej.
🔗 PR 29995 · Repozytorium Gemini API CLI
Antigravity 2.28.0 dodaje wbudowaną przeglądarkę, przeglądarkę PDF i załączniki dowolnego typu
26 października — Nadrabiamy zaległości: aplikacja Antigravity 2.28.0 (19 ulepszeń, 15 poprawek) zyskuje wbudowaną przeglądarkę internetową. Strony otwierają się w karcie panelu bocznego, poszerzonego, aby uniknąć mobilnych układów stron; linki z rozmowy domyślnie trafiają właśnie tam, a pasek adresu pokazuje stan połączenia i certyfikat witryny. Pliki PDF otwierają się we wbudowanej przeglądarce i można załączać pliki dowolnego typu (filmy, pliki projektowe, programy) o rozmiarze do 20 Mo, które agent odczytuje w ich lokalizacji. Wersja wyróżnia także zmienione słowa i znaki w diffach, pozwala ponownie otworzyć zamkniętą kartę i przekazuje wiadomość użytkownika do hooków. Wśród poprawek: konta firmowe w macOS i Windows nie są już wylogowywane po ponownym uruchomieniu. CLI 1.4.0 i SDK 0.1.22 pozostają bez zmian.
Kimi Code 2.4.0 importuje sesje Claude Code i Codex oraz przestaje samoczynnie przechodzić do trybu Plan
28 października — Moonshot AI publikuje Kimi Code 2.4.0 (7 drobnych zmian, 26 poprawek), bez ogłoszenia na X. Najbardziej widoczna nowość jest skierowana do osób zmieniających narzędzie: /import-sessions lub kimi import-sessions importuje sesje Claude Code i Codex z ostatnich 15 lub 30 dni. Tryb Plan uruchamia się teraz wyłącznie na życzenie użytkownika, a żaden plan nie jest wykonywany bez wcześniejszego przeglądu, również w trybie Never Ask lub przy uruchomieniu nieinteraktywnym (kimi -p). W komponencie Tower domyślny limit równoległej pracy wzrasta z 16 do 256 agentów, z wyborem modelu przy każdym uruchomieniu, a nieaktywne sesje internetowe i desktopowe są usuwane z pamięci po 30 minutach. Dla integratorów zmienia się API serwera: zatwierdzenia i pytania są przesyłane za pomocą jednej ramki interaction, a stare endpointy zostają usunięte.
🔗 Informacje o wydaniu Kimi Code 2.4.0
DeepSeek publikuje Harness 0.2.2-alpha.2, który może powierzać zadania lokalnym CLI Codex lub Claude, oraz wersję 0.2.1-rc.4
28 października — DeepSeek publikuje dwie przedpremierowe wersje DeepSeek Harness, swojego środowiska agentów, 33. i 34., nadal bez wersji stabilnej. Wersja 0.2.1-rc.4 naprawia tylko jeden błąd: w trybie ACP komunikaty diagnostyczne trafiały do standardowego wyjścia. Wersja 0.2.2-alpha.2 otwiera kolejną serię z kilkoma eksperymentalnymi funkcjami: wtyczką subagent_oar, która powierza niezależne zadania CLI Codex lub Claude zainstalowanym na komputerze, sesjami w osobnych worktree Git z informacją o stanie i różnicach w powiązanych pull requestach oraz panelem statystyk, który dla każdej tury podaje szczegóły dotyczące kontekstu, cache, modelu i czasu spędzonego w poszczególnych narzędziach. Interfejs przetłumaczono na sześć języków, w tym francuski, wtyczki firm trzecich aktualizują się z powrotem do poprzedniej wersji w razie niepowodzenia, a limit na obraz wzrasta do 50 Mio.
🔗 Wersja przedpremierowa 0.2.2-alpha.2 · Wersja przedpremierowa 0.2.1-rc.4
Replit publikuje ViBench 2.0, benchmark, w którym agenci budują cały produkt funkcja po funkcji
28 października — Replit publikuje ViBench 2.0, benchmark długofalowych prac programistycznych (long-horizon), włączony do Specialized Intelligence Index (SII) Fireworks. Zamiast wykonywać jasno określone zadanie w istniejącej bazie kodu, agent zaczyna od pustego projektu, buduje pierwszą wersję na podstawie krótkiej specyfikacji, a następnie dodaje do własnego kodu do 18 funkcji, tworząc produkty inspirowane usługami Uber, GitHub lub Google Docs. Benchmark obejmuje 17 produktów, 241 żądań dodania funkcji i 544 plany testów; 8 produktów jest publicznie dostępnych w GitHub, a 9 pozostaje tajnych.
| Oceniany model | Udane realizacje (pass@1) | Koszt realizacji |
|---|---|---|
| GPT-6.1 Sol | 65 % | około 12 dolarów |
| GPT-6 Astra | 60 % | około 90 dolarów |
| Claude Opus 5.5 | 49 % | — |
| DeepSeek V4.1 Flash | brak, ale 77 % zaliczonych planów testów | około 2,50 dolara |
Trzy pierwsze modele zaliczają ponad 90 % swoich planów testów, a pozostałe osiągają około 20 % udanych realizacji lub mniej; żaden model otwarty nie dostarcza kompletnej realizacji. Na ośmiu publicznych produktach GPT-6.1 Terra osiąga 47 % udanych realizacji za około połowę kosztu GPT-6.1 Sol. Około trzech czwartych porażek najlepszych modeli wynika z interakcji między funkcjami. Opus 5.5 pełni rolę oceniającego; Replit sprawdził go na 34 celowo wprowadzonych błędach oraz przez ponowną ocenę wykonaną przez GPT-6.1 Sol, który potwierdził 99,2 % z 477 przypadków uznanych za udane przez Opus.
Platformy dla programistów: Responses API Mistral i Connected Apps Platform Google
Dwie platformy otwierają się na programistów: Mistral przyjmuje format odpowiedzi OpenAI do budowania agentów, a Google oferuje jedno miejsce do publikowania aplikacji w Search i Gemini.
Mistral uruchamia Responses API w publicznej wersji zapoznawczej do budowania agentów
28 października — Mistral udostępnia w publicznej wersji zapoznawczej swoje Responses API, przeznaczone do budowania agentów. Każda odpowiedź rozdziela tekst modelu, jego rozumowanie i wywołania narzędzi na osobne elementy, dzięki czemu aplikacja nie musi rozplątywać tych etapów jak w Chat Completions; API działa ze wszystkimi modelami czatowymi hostowanymi przez Mistral, w tym Mistral Large 4. Dokumentacja wyjaśnia, że jest to format OpenAI Responses: istniejącą integrację Responses można więc przenieść do Mistral. API jest bezstanowe (stateless): aplikacja przechowuje historię i przesyła ją przy każdym żądaniu.
| Funkcja wersji zapoznawczej | Szczegóły według dokumentacji |
|---|---|
| Obsługiwane dane wejściowe | Tekst, obrazy (URL lub base64), pliki (URL, base64, identyfikator) |
| Ustrukturyzowane dane wyjściowe | Tryb JSON i JSON Schema za pomocą text.format |
| Narzędzia | Funkcje wykonywane po stronie klienta, z obsługą przestrzeni nazw |
| Rozumowanie | reasoning.effort i jawne rozumowanie zależnie od modelu |
| Zliczanie tokenów | POST /v1/responses/input_tokens |
Z API można korzystać przez SDK Mistral dla języków Python i TypeScript (client.responses.create), a osobnych cen nie ogłoszono. Ogłoszeniu, opublikowanemu w wątku na X i na stronie dokumentacji, nie towarzyszy wpis na blogu.
🔗 Wątek Mistral · Dokumentacja
Google uruchamia Connected Apps Platform w wersji zapoznawczej do publikowania aplikacji w Search i aplikacji Gemini
28 października — Google udostępnia w wersji zapoznawczej Connected Apps Platform, jedno miejsce, w którym programiści mogą podłączać swoje usługi jednocześnie do Google Search i aplikacji Gemini. Integracja odbywa się przez serwer MCP hostowany w chmurze lub przez Android MCP za pośrednictwem API AppFunctions; następnie aplikacja jest rejestrowana, testowana i zgłaszana w Google Connected Console, gdzie programista przed weryfikacją wybiera publikację w Search, Gemini lub w obu. Po publikacji konsola monitoruje ruch, opóźnienia i wskaźniki błędów, a programista kontroluje identyfikację swojej marki (zweryfikowane logo, uwierzytelnione konta). Dostęp jest udostępniany etapami, a kolejni programiści, rynki i produkty Google mają dołączyć „w najbliższych miesiącach”. Google deklaruje ponad 50 Connected Apps: Adobe, Experian, Localiza i Peloton są już w Gemini i trafią do Search w najbliższych tygodniach, zapowiedziano też integrację z Calm.
W skrócie
Agenci i narzędzia do kodowania
- Microsoft Copilot SDK — GitHub Copilot SDK staje się Microsoft Copilot SDK, interfejsem warstwy wykonawczej agenta wspólnej dla produktów Microsoft i GitHub, z etapową migracją niewymagającą żadnych działań; Copilot CLI 1.0.105 trafia do wersji stabilnej bez innych nowości poza opisywaną już poprawką wyboru Fusion High lub Max. 🔗 źródło
- Artefakty w zgłoszeniach — Zgłoszenia GitHub obsługują w publicznej wersji zapoznawczej artefakty (plany w Markdown, linki, interaktywne wizualizacje HTML) z historią wersji; artefakty z sesji aplikacji GitHub są do nich automatycznie dołączane, a polecenie
gh issue artifactpozwala agentom nimi zarządzać. 🔗 źródło - Rozszerzenia Antigravity dla VS Code i Visual Studio dodają komentarze do kodu dla agenta i kontekst terminala — Uzupełnienie wiadomości z 25 października: rozszerzenie VS Code 1.10.0 pozwala komentować wiersz lub diff dla agenta, a rozszerzenie Visual Studio 1.0.261026.0 dołącza do czatu do 8 kB danych wyjściowych terminala za pomocą
@terminal. 🔗 źródło - Zed 1.26 i wersja zapoznawcza 1.27 — Wersja 1.26 staje się stabilna (zintegrowany Pyrefly, debugowanie źródeł WebAssembly); wersja zapoznawcza 1.27 usuwa punkty przywracania agenta, które spowalniały go lub blokowały w dużych repozytoriach Git, i wymaga teraz macOS 12. 🔗 źródło
- Osobiste orbs w Amp — Sześć dni po premierze samodzielnie hostowane orbs Amp można dodawać z ustawień osobistych, bez obszaru roboczego i uprawnień administratora; tworzone w nich wątki mają oznaczenie Personal. 🔗 źródło
- Qwen Code v0.26.3 — Wersja stabilna przejmuje zawartość wersji zapoznawczej z poprzedniego dnia z około trzydziestoma nowymi pozycjami, w tym trybem Workflow utrzymywanym przez całą sesję; CLI domyślnie ustawia też kontekst o długości 1M tokenów dla identyfikatorów modeli
qwen4, bez dodatkowych informacji o takim modelu. 🔗 źródło - Runway Dev w Codex — Runway Dev staje się pluginem Codex: według Runway wystarczy jedna instalacja, aby Codex samodzielnie zintegrował API Runway z aplikacją; serwer MCP Runway Dev istniał już od września. 🔗 źródło
- Bricklane zbudowane z Manus — Manus prezentuje Bricklane, które zamienia miejsce ważne dla klienta w model z klocków na zamówienie (566 elementów i 13 etapów dla Villa de Verano); według Manus agent stworzył stronę, obsługę płatności, domenę, film i reklamy. Brak nowości produktowych. 🔗 źródło
GitHub poza AI
- Dependabot i osiągalność — W bezpłatnej wersji zapoznawczej w GitHub Enterprise Cloud CodeQL wskazuje dla JavaScript i TypeScript, czy kod rzeczywiście wywołuje podatną na atak funkcję zależności, nigdy nie zamykając samodzielnie alertów. 🔗 źródło
- Public monitoring — Monitorowanie sekretów firmy ujawnionych w dowolnym miejscu publicznej części github.com staje się ogólnie dostępne, bez dodatkowych opłat dla klientów GitHub Secret Protection. 🔗 źródło
- Runnery Linux w AWS — GitHub Actions rozdziela niektóre zadania Linux korzystające z 2 i 4 rdzeni między Azure i AWS, automatycznie w planach Free, Pro i Team, a w Enterprise Cloud po włączeniu tej opcji; GitHub zaleca aktualizację list dozwolonych adresów IP. 🔗 źródło
- Pliki blokady workflow — Pliki blokady zależności workflow GitHub Actions stają się ogólnie dostępne w Enterprise Cloud, Team i Free, bez nowych funkcji od wersji zapoznawczej z 14 października. 🔗 źródło
- Rola Moderate — GitHub ogłosił ogólną dostępność roli Moderate umożliwiającej edytowanie, przenoszenie, ukrywanie i blokowanie zgłoszeń bez dostępu do kodu, po czym tego samego dnia sprostował: rola nie jest jeszcze dostępna i pojawi się w najbliższych tygodniach. 🔗 źródło
- Limity pull requestów — Opiekunowie repozytoriów ograniczający liczbę pull requestów od współtwórców bez prawa zapisu mogą zwalniać z limitu odpowiednio stare konta lub te, których pull requesty zostały już scalone w repozytorium. 🔗 źródło
Modele, API i otwarte badania
- DeepSeek V4.1 Flash i GLM 5.3 Flash w Mistral — API Mistral udostępnia DeepSeek V4.1 Flash 1017 w publicznej wersji zapoznawczej, bez modyfikacji, z kontekstem 1M tokenów, w cenie 0,30 dolara za milion tokenów wejściowych i 1,20 za wyjściowe, a także wprowadza GLM 5.3 Flash do ogólnej dostępności w niezmienionej cenie, z Europy i Stanów Zjednoczonych. 🔗 źródło
- Voxtral Mini Transcribe 3 — Mistral informuje o drugim miejscu swojego modelu wśród dziewięciu modeli pod względem wskaźnika błędów diaryzacji w rankingu Diarization + ASR serwisu Voice Arena, przed większym modelem z tej samej rodziny. 🔗 źródło
- Niestandardowa moderacja w SpaceXSI — Informacje o wydaniu API oficjalnie potwierdzają tablicę
guidelines, która nakazuje Grok odmawiać generowania treści z kategorii nsfw, violence lub profanity, a która pojawiła się już w SDK 17 i 23 października. 🔗 źródło - Particle-1 — Particle, nowa firma przedstawiona przez Suhaila, udostępnia przez swoje API model DeepSeek V4.1 Flash po dodatkowym treningu, który zużywa średnio o około 45 % mniej tokenów przy tej samej cenie; Aravind Srinivas twierdzi, że współpracował z zespołem przed premierą, ale nie ogłoszono integracji z Perplexity. 🔗 źródło
- Samouczek RAG od Perplexity — Perplexity publikuje siedmioetapowy samouczek budowy RAG w wierszu poleceń z użyciem Python, ChromaDB, swojego modelu embeddingów pplx-embed-v1-0.6b i GPT-5.6 Luna przez Agent API; brak nowości produktowych. 🔗 źródło
- olmOCR 2 w archiwach — Ai2 przedstawia dwa zastosowania swojego otwartego modelu rozpoznawania tekstu: historyka uruchamiającego go lokalnie na tysiącach zdjęć archiwalnych oraz zespół CENTURIA, który dostroił go na 57 kartach ceramiki rzymskiej i obniżył błąd transkrypcji z 15,58 % do 1,11 %. 🔗 źródło
- Project Pyrite — Według autora wpisu społecznościowego model MoE o 31,8 miliarda parametrów, llm-jp-4-32b-a3b-base, zmniejsza się z 59,06 do 9,81 GiB i działa z prędkością od 34 do 49 tokenów na sekundę na Mac M2 Pro z 16 GB pamięci, bez zapętlania powtórzeń występującego przy jednolitej kwantyzacji do 2 bitów. 🔗 źródło
- My Name is Riemann — OpenPeerAI publikuje w wersji zapoznawczej model o 13,1 miliarda parametrów, uzyskany przez stopniowe powiększanie modelu o 163 milionach parametrów na sprzęcie AMD; autorzy nie uruchomili żadnego benchmarku ogólnego przeznaczenia i sami wskazują błędy w korpusie. 🔗 źródło
- L2Loop — Yuxuan Zong proponuje ponowne wykonywanie niektórych skwantyzowanych warstw, o ile mieszczą się w pamięci podręcznej L2 GPU: według autora na RTX 5080 taki drugi przebieg kosztuje około połowy tego, co nowa warstwa, i zmniejsza stratę o 0,05 do 0,08 przy tej samej liczbie parametrów. 🔗 źródło
- Zbiory danych EEG — Społecznościowy przegląd Hubu Hugging Face wykazał 368 zbiorów sygnałów mózgowych, w tym 146 bez oznaczenia licencji, co utrudnia ich ponowne wykorzystanie. 🔗 źródło
Infrastruktura
- Automatyczna naprawa w Together AI — Together AI szczegółowo opisuje automatyczną naprawę węzłów swoich GPU Clusters, uruchomioną wcześniej w tym roku: kontrole stanu, najmniej inwazyjną naprawę popartą dowodami, możliwość konfigurowania zgody aż do poziomu kodu błędu Xid oraz oczekiwanie na zakończenie trwających zadań, domyślnie przez 2 godziny. 🔗 źródło
- CUDA 13.4 i Mission Control 2.5 — NVIDIA szczegółowo opisuje podział czasu MPS z gwarantowaną pamięcią w CUDA 13.4, automatyzowany w Kubernetes przez otwarty operator gpu-fractioning, oraz Mission Control 2.5, który rozszerza autonomiczne przywracanie działania na zadania Kubernetes w Run:ai. 🔗 CUDA 13.4 · 🔗 Mission Control 2.5
Obraz, wideo i głos
- Kling i Minibots — Kling zostaje wyłącznym partnerem technologicznym Minibots, pełnometrażowego filmu animowanego Evolutionary Films planowanego na 2027 rok, z Tonym Bancroftem, współreżyserem Mulan, odpowiedzialnym za projekt postaci; pierwszą zapowiedź zrealizowano za pomocą Kling 4.0. 🔗 źródło
- Kling 4.0 w Pika — Pika integruje Kling 4.0: ciągłe ujęcia trwające od 3 do 30 sekund z dźwiękiem stereo i zsynchronizowanymi dialogami, do 10 klatek kluczowych lub 15 materiałów referencyjnych, w 720p lub 1080p. 🔗 źródło
- Miniaplikacje Luma — Luma skupia osiem miniaplikacji w Luma Agents, w tym Light Transfer, Virtual Try-On i Background Swap, które zmieniają pojedynczy element obrazu, począwszy od planu Plus za 30 dolarów miesięcznie. 🔗 źródło
- ElevenLabs i Asociación ELA — ElevenLabs nawiązuje współpracę z głównym hiszpańskim stowarzyszeniem walki z SLA, aby bezpłatnie oferować przywracanie głosu chorym w całej Hiszpanii. 🔗 źródło
Produkty i biznes
- Immersyjne eksploracje w Gemini — Centrum dla uczniów i studentów w aplikacji Gemini oferuje interaktywne sceny do odkrywania warstwa po warstwie, od Jedwabnego Szlaku po fizykę piorunów, dostępne dla wszystkich w sześciu językach, w tym francuskim; zapowiedziano narrację audio bez podania daty. 🔗 źródło
- Godzina nagrania audio w Gemini Notebook — Aplikacja mobilna Gemini Notebook nagrywa do godziny dźwięku na żywo, który można natychmiast wykorzystać jako źródło w notatniku, dla wszystkich użytkowników iOS i Android. 🔗 źródło
- Smart reports, ankiety i wspólne budżety w Claude Enterprise — Trzy narzędzia administracyjne stają się ogólnie dostępne: smart reports, w wersji beta od września, pokazujące, do czego zespół używa Claude i ile to kosztuje, zintegrowane ankiety oraz wspólne budżety grupowe z alertami przy 50, 75, 95 i 100 %. 🔗 źródło
- IDC Quanta w Claude — Firma badawcza IDC podłącza swoją platformę Quanta do Claude przez konektor MCP dla swoich klientów, w aplikacji, Cowork i dodatkach Office, z podaniem IDC jako źródła; wewnętrznie, jak twierdzi, skróciła przegląd kodu z pięciu dni do około 30 minut. 🔗 źródło
- Legora i OpenAI — W studium przypadku OpenAI szwedzka firma technologii prawniczych Legora ogranicza udział przeglądów umów o poufności w obciążeniu swojego zespołu prawnego z około 20 % do mniej niż 1 %; u klienta z listy Fortune 100 czas obsługi umów spada o 90 %. 🔗 źródło
- Przyszłość firmy — Drugi esej z serii OpenAI o nadchodzącej gospodarce: dwaj autorzy, piszący we własnym imieniu, wyobrażają sobie AI poniżej pracowników, obok nich lub między nimi na schemacie organizacyjnym; bez produktu ani danych liczbowych. 🔗 źródło
Co to oznacza
Gemini 4 Carbon potwierdza utrwalający się schemat: najpotężniejszy model laboratorium najpierw trafia do zespołów zajmujących się obroną. Podobnie jak Argon pod koniec września, Carbon przechodzi przez Fairwind Program i dobrowolne testy rządu amerykańskiego, zanim trafi do API, a Google publikuje wyniki zdolności ofensywnych mierzone bez zabezpieczeń, 54,8 % w ExploitGym, obok danych dotyczących zachowania: skuteczne oszukiwanie na poziomie 0,0 % w Terminal-Bench 4.0, żadnego udanego ataku przez pośrednie wstrzyknięcie promptu w Gray Swan. Cena jest znana przed udostępnieniem, data nie. Tego samego dnia bezpieczeństwo kodu zmienia skalę: GitHub udostępnia skaner agentowy obejmujący całe repozytorium i wykrywa luki charakterystyczne dla aplikacji AI, a Replit proponuje skalę oceny środowiska agenta, wychodząc z założenia, że agent może nie współpracować.
Na Universe GitHub nie sprzedaje już modelu, lecz system. Fusion odbiera programiście wybór modelu, uzasadniając to liczbami: wynik o dwa punkty od Claude Code z Opus 5.5 Max w Artificial Analysis Coding Agent Index przy koszcie niższym o około połowę. Copilot Memory i Dreaming gromadzą kontekst między sesjami, a automatyzacje uczą się na podstawie swoich wyników. Rozliczenia podążają za tymi zmianami: Copilot w cenie GitHub Enterprise bez osobnej licencji użytkownika, pakiet Actions wyrażony w dolarach i współdzielony z sandboxami, limity kredytów dla poszczególnych automatyzacji. Octoverse pokazuje skalę zmiany: ponad 40 % pull requestów zaczyna się od agenta, a repozytoria Claude Code i Codex należą do tych, które zyskują najwięcej współtwórców.
Agenci coraz częściej przemieszczają się też między narzędziami. Kimi Code importuje sesje Claude Code i Codex, DeepSeek Harness deleguje zadania do ich CLI, Fusion może kierować zadania do Qwen3.8 Flash Next uruchamianego lokalnie, Mistral przyjmuje format OpenAI Responses, a Gemini CLI sam odsyła do Antigravity CLI i Gemini API CLI. MCP staje się wspólnym złączem: 26 zweryfikowanych konektorów w GitHub, Suno w Claude lub ChatGPT, ServiceNow w sklepie OpenAI, Search i Gemini przez Connected Apps Platform. ViBench 2.0 przypomina o obecnych ograniczeniach: gdy agent buduje cały produkt, żaden otwarty model nie dociera do końca, a najlepsze zawodzą przede wszystkim na styku funkcjonalności.
W badaniach oświadczenie komitetu Davida Grossa pozwala właściwie ocenić wynik OpenAI: istotny krok w kierunku rygorystycznej kwantowej teorii pola, ale problemy uwięzienia i luki masowej pozostają otwarte, a nic nie zostanie opublikowane przed weryfikacją formalizacji w Lean. Anthropic i Meta udostępniają swoje modele całym instytucjom, bez ujawniania kwot. W obszarze głosu NVIDIA publikuje otwarty model, który niemal dorównuje Voxtral Small, aktywując jedynie około 4 miliardów parametrów, ElevenLabs ulepsza niewidoczny komponent dopasowujący słowa do dźwięku, a HeyGen nalicza opłaty za minutę przeniesienia wykonania głosowego na awatara.
Źródła
- Wpis Google DeepMind o Gemini 4 Carbon
- Ogłoszenie Gemini 4 Carbon na X (@GoogleAI)
- Wpis Jaya Parikha o GitHub Universe 2026
- Generowanie obrazów w Copilot (GitHub)
- Replica (GitHub)
- Raport Octoverse 2026
- Copilot w pakiecie GitHub Enterprise
- Copilot Fusion (GitHub)
- Copilot Fusion i modele lokalne (GitHub)
- Copilot w JetBrains (GitHub)
- Copilot w chmurze (GitHub)
- Aplikacja GitHub Copilot na Universe (GitHub)
- Copilot w VS Code na Universe (GitHub)
- Informacje o wydaniu VS Code 1.144
- Agent Merge (GitHub)
- GitHub intelligence: Copilot Memory, Dreaming i wyszukiwanie kodu
- Nowe narzędzia i wyzwalacze Copilot Automations
- Współdzielone automatyzacje (GitHub)
- Automatyzacje, które same się doskonalą (GitHub)
- GitHub Agentic Workflows w ogólnej dostępności
- Zweryfikowane konektory MCP dla Copilot (GitHub)
- AI Scan repozytoriów (GitHub)
- Code scanning aplikacji AI (GitHub)
- Push protection z użyciem klasyfikatora (GitHub)
- Rozszerzenie zabezpieczeń aplikacji Copilot (GitHub)
- Copilot code review Max i zatwierdzenia (GitHub)
- Biała księga Agent Habitat Architecture (Replit)
- Wpis CTO Replit o bezpieczeństwie agentów
- Ogłoszenie SB-Box (Genspark)
- Strona prezentująca SB-Box
- Ogłoszenie Nemotron 3.5 Transcribe (NVIDIA)
- Nemotron 3.5 Transcribe na Artificial Analysis (NVIDIA)
- Wpis NVIDIA na Hugging Face
- Karta modelu Nemotron 3.5 Transcribe
- Cue (ElevenLabs)
- Ogłoszenie HeyGen Voice STS
- Strona HeyGen Voice
- Ogłoszenie Suno MCP
- Strona Suno MCP
- Oświadczenie Yang-Mills Working Group (PDF)
- Oświadczenie na stronie KITP
- AI for Science (Anthropic)
- Wsparcie Meta dla badań akademickich
- Ogłoszenie Meta na X
- Partnerstwo Anthropic z GSA
- OpenAI i ServiceNow
- Retell i OpenAI
- Kredyty API dla subskrybentów ChatGPT (pomoc OpenAI)
- Changelog API OpenAI
- Informacje o wydaniach ChatGPT
- Ogłoszenie wiadomości tekstowych ze swoją kropką (@ChatGPT)
- Tryb głosowy Perplexity (@AskPerplexity)
- Artefakty Claude for Legal (Anthropic)
- PR 29995 Gemini CLI
- Gemini API CLI
- Changelog Antigravity
- Kimi Code 2.4.0
- DeepSeek Harness 0.2.2-alpha.2
- DeepSeek Harness 0.2.1-rc.4
- ViBench 2.0 (Replit)
- Responses API Mistral na X
- Dokumentacja Responses API Mistral
- Connected Apps Platform (Google)
- Microsoft Copilot SDK (GitHub)
- Artefakty w issues (GitHub)
- Zed 1.27.0-pre
- Osobiste Orbs (Amp)
- Qwen Code v0.26.3
- Runway Dev w Codex
- Bricklane (Manus)
- Dependabot i osiągalność
- Public monitoring w ogólnej dostępności (GitHub)
- Runnery GitHub Actions w wielu chmurach
- Pliki blokad workflow GitHub Actions
- Rola Moderate (GitHub)
- Wyjątki od limitów pull requests (GitHub)
- DeepSeek V4.1 Flash 1017 w API Mistral
- Voxtral Mini Transcribe 3 na Voice Arena (Mistral)
- Informacje o wydaniach API SpaceXSI
- Particle-1
- Samouczek RAG Perplexity
- olmOCR 2 i archiwa (Ai2)
- Project Pyrite
- My Name is Riemann (OpenPeerAI)
- L2Loop
- Zbiory danych EEG na Hugging Face
- Automatyczna naprawa klastrów GPU (Together AI)
- CUDA 13.4 i współdzielenie GPU (NVIDIA)
- Mission Control 2.5 (NVIDIA)
- Kling i Minibots
- Kling 4.0 na Pika
- Miniaplikacje Luma
- ElevenLabs i Asociación ELA
- Immersyjne eksploracje w Gemini (Google)
- Nagrywanie dźwięku w Gemini Notebook
- Smart reports, ankiety i wspólne budżety (Anthropic)
- IDC Quanta w Claude (Anthropic)
- Legora i OpenAI
- Przyszłość firmy (OpenAI)