Claude Sonnet 5 dostępny we wszystkich planach, Claude Science w becie, Amp uruchamia Orbs

30 czerwca 2026 roku to intensywny dzień dla ekosystemu AI: Anthropic jednocześnie uruchamia Claude Sonnet 5 — swój jak dotąd najbardziej „agentowy” model Sonnet, teraz domyślny w planach Free i Pro z natywnym oknem na 1 milion tokenów — oraz Claude Science, wyspecjalizowane środowisko pracy dla naukowców integrujące NVIDIA BioNeMo Agent Toolkit. Po stronie narzędzi deweloperskich Amp wdraża Orbs, dedykowane maszyny w chmurze do uruchamiania nienadzorowanych agentów, a Google udostępnia deweloperom Nano Banana 2 Lite i Gemini Omni Flash. Z kolei OpenAI publikuje GeneBench-Pro, benchmark na poziomie badawczym z biologii obliczeniowej.

Claude Sonnet 5 — model domyślny Free i Pro, kontekst 1 milion tokenów

30 czerwca — Anthropic uruchamia Claude Sonnet 5, swój nowy model z rodziny Sonnet zaprojektowany jako najbardziej „agentowy” do tej pory. Sonnet 5 zmniejsza dystans do Opus 4.8 w benchmarkach agentowych (BrowseComp, OSWorld-Verified), zachowując jednocześnie niższe ceny, i staje się modelem domyślnym dla planów Free i Pro już w dniu premiery.

Cecha	Wartość
Identyfikator API	`claude-sonnet-5`
Okno kontekstu	1 milion tokenów (natywne)
Cena wejścia (promo)	$2 za milion tokenów
Cena wyjścia (promo)	$10 za milion tokenów
Plany domyślne	Free, Pro
Dostępność	API, wszystkie plany Claude

Wśród wyróżnionych możliwości: autonomiczne planowanie, korzystanie z narzędzi w wielu krokach, wykonywanie złożonych zadań na starszym kodzie (brownfield code) oraz lepsze trzymanie się konwencji kodowania. Pod względem bezpieczeństwa Sonnet 5 wykazuje ogólnie niższy poziom niepożądanych zachowań niż Sonnet 4.6, ale ma nieco wyższe możliwości w niektórych zadaniach z cyberbezpieczeństwa bez specjalistycznego treningu; dlatego został uruchomiony z ochroną w czasie rzeczywistym poprzez Cyber Verification Program. Pełna System Card jest dostępna na anthropic.com.

Rozszerzona dostępność: Sonnet 5 jest również dostępny w ogólnej dostępności w GitHub Copilot (plany Pro, Pro+, Max, Business i Enterprise, z zerową retencją danych dla Business i Enterprise, wybieralny w VS Code, JetBrains, Xcode, CLI, github.com, iOS i Android) oraz w Microsoft Foundry na GPU NVIDIA GB300 NVL72.

🔗 Ogłoszenie Anthropic — Claude Sonnet 5

Claude Code v2.1.197 — Sonnet 5 jako model domyślny

30 czerwca — Wersja 2.1.197 Claude Code towarzyszy premierze Sonnet 5, czyniąc go modelem domyślnym w narzędziu CLI. Natywne okno kontekstu o długości 1 miliona tokenów jest bezpośrednio dostępne w sesjach Claude Code. Promocyjna taryfa $2/$10 za milion tokenów obowiązuje do 31 sierpnia 2026. Aby korzystać z tego modelu domyślnego, wymagane jest zaktualizowanie do wersji 2.1.197.

🔗 Wydanie v2.1.197 — Claude Code

Claude Science — naukowy workbench w becie z NVIDIA BioNeMo

30 czerwca — Anthropic ogłasza dostępność w becie Claude Science, środowiska pracy AI specjalnie zaprojektowanego dla badaczy naukowych. Aplikacja łączy w jednej przestrzeni narzędzia zwykle rozproszone: wyspecjalizowane bazy danych, Jupyter, R, terminale klastra HPC, wykonywanie GPU na żądanie.

Funkcja	Opis
Agent koordynujący	+60 wstępnie skonfigurowanych umiejętności i konektorów (genomika, pojedyncze komórki, proteomika, biologia strukturalna, chemoinformatyka)
Artefakty reprodukowalne	Ryciny i manuskrypty z dokładnym kodem, środowiskiem i pełną historią
Zarządzanie obliczeniami	Laptop, klaster HPC przez SSH albo GPU na żądanie (Modal) — od 1 do setek GPU
Agent recenzujący	Sprawdza cytaty, weryfikuje obliczenia, koryguje błędy w czasie rzeczywistym
Fork sesji	Porównuje dwa podejścia bez utraty pierwotnego wątku
Natywne renderowanie naukowe	Struktury 3D białek, ślady genomowe, struktury chemiczne

Dostępność: otwarta beta dla planów Pro, Max, Team i Enterprise na macOS i Linux (https://claude.com/science). Tani plan Team jest planowany dla laboratoriów akademickich i organizacji non-profit.

Integracja NVIDIA BioNeMo Agent Toolkit: Claude Science jest pierwszym środowiskiem integrującym BioNeMo Agent Toolkit w produkcji, umożliwiając badaczom dostęp do przyspieszonych GPU narzędzi NVIDIA za pomocą języka naturalnego:

Narzędzie BioNeMo	Wydajność
NVIDIA Parabricks	Analiza genomowa: godziny → minuty
RAPIDS-singlecell	1,3 mln komórek wstępnie przetworzonych w 25 sekund (wobec 52 min bez GPU)
nvMolKit	Chemoinformatyka 3 000× szybsza (podobieństwo, konformery)
BioNeMo open models	Evo 2, Boltz-2, OpenFold3
BioNeMo NIM	Mikroserwisy inferencyjne gotowe do produkcji

Opinie z bety: Allen Institute (Jérôme Lecoq) przygotowuje wielostronicowe recenzje naukowe z użyciem agentów aktor-krytyk, skracając czas z 2 lat do kilku tygodni. UCSF Brain Tumor Center (Stephen Francis) potwierdza przyspieszenie ×10 w analizach epidemiologicznych glejaka.

Program grantów AI for Science: do 50 wybranych projektów otrzyma po maksymalnie $30 000 kredytów Claude, plus do $2 000 na compute Modal dla wybranych projektów. Nabór trwa do 15 lipca 2026, a informacja o laureatach zostanie ogłoszona przed 31 lipca.

🔗 Ogłoszenie Anthropic — Claude Science

Amp : Agents in Orbs — maszyny w chmurze do uruchamiania agentów bez nadzoru

30 czerwca — Amp uruchamia Orbs, dedykowane maszyny w chmurze zaprojektowane do wykonywania agentów coding bez nadzoru, także wtedy, gdy lokalna maszyna jest wyłączona.

Cecha	Wartość
RAM	32 GB na orb
CPU	16 rdzeni na orb
Cennik	$1,66/h rozliczane co minutę
Start	Szybki z automatycznym uśpieniem

Orb uruchamia się jedną komendą z terminala lub TUI Amp: amp -ox "<prompt>". Sterowanie pozostaje takie samo jak w lokalnym uruchomieniu: przegląd kodu, nawigacja po plikach, zintegrowany terminal. Zmiany są synchronizowane na lokalną maszynę za pomocą amp sync <thread-id>. Można uruchamiać wiele agentów równolegle bez konfliktów z lokalnymi zasobami i uzyskiwać dostęp do stanu każdego agenta z poziomu webu, CLI lub mobile.

Model rozliczeń per minuta — z automatycznym usypianiem między aktywnymi operacjami — został zaprojektowany tak, aby minimalizować koszty, gdy agent czeka na dane wejściowe lub wykonuje operacje wejścia/wyjścia. Ta propozycja sytuuję Amp na tym samym obszarze co Claude Code Remote od Anthropic, z jedną istotną różnicą: pełna dedykowana maszyna na agenta (32 GB, 16 rdzeni) zamiast współdzielonego kontenera.

Z punktu widzenia workflow Orbs pozwalają uruchomić agenta w tle pod koniec dnia i znaleźć rano gotowe do review pull requesty, z dowolnego urządzenia.

🔗 Ogłoszenie Amp — Agents in Orbs

Nano Banana 2 Lite i Gemini Omni Flash dostępne w API

30 czerwca — Google DeepMind jednocześnie uruchamia dwa nowe modele dla deweloperów: Nano Banana 2 Lite do szybkiego generowania obrazów oraz Gemini Omni Flash do konwersacyjnego wideo.

Nano Banana 2 Lite (gemini-3.1-flash-lite-image)

Wymiar	Wartość
Opóźnienie	4 sekundy na obraz
Koszt	$0,034 za 1 000 obrazów
Dostępność	Gemini API, Google AI Studio, Gemini Enterprise Agent Platform

Zalecana zamiana modelu legacy gemini-2.5-flash-image: lepsza jakość, większa szybkość, niższy koszt. Model utrzymuje zgodność z promptami, spójność postaci i renderowanie tekstu w obrazie mimo priorytetu nadanego szybkości. Jest też wdrożony w powierzchniach konsumenckich: AI Mode w Search, aplikacja Gemini, NotebookLM, Google Photos, Google Flow i Google Ads.

Gemini Omni Flash (gemini-omni-flash-preview)

Wymiar	Wartość
Koszt	$0,10 za sekundę wideo
Maksymalna długość	10 sekund (dłuższe czasy ogłoszone)
Dostępność	Gemini API, Google AI Studio, Gemini Enterprise Agent Platform

Model jest ukierunkowany na konwersyjną edycję wideo za pomocą języka naturalnego, z multimodalnym referencjonowaniem (obrazy + tekst + wideo jako wejście), synchronizacją tekstu i grafiki oraz wbudowanym znakowaniem wodnym SynthID. Obecne ograniczenia: limit 10 sekund, odniesienia audio i rozszerzanie sceny nie są obsługiwane przez API, a spójność postaci między zmianami scen pozostaje jeszcze do poprawy.

Łańcuch obraz → wideo: Interactions API zarządza historią sesji dla sekwencyjnych edycji do 3 z rzędu, umożliwiając szybkie wygenerowanie obrazu w Nano Banana 2 Lite, a następnie animowanie go w Gemini Omni Flash. Google demonstruje ten łańcuch w trzech aplikacjach: Anywhere (transport w ikoniczne miejsca), Space Lift (projektowanie wnętrz) oraz Omni Product Studio (e-commerce obraz→wideo).

🔗 Ogłoszenie Google DeepMind — Nano Banana 2 Lite i Gemini Omni Flash

GeneBench-Pro — benchmark biologii obliczeniowej na poziomie badawczym

30 czerwca — OpenAI publikuje GeneBench-Pro, benchmark na poziomie badawczym mierzący zdolność agentów AI do rozumowania w biologii obliczeniowej. Centralnym pojęciem jest research taste — sekwencja osądów kierujących analizą: jakie pytania pozwalają zbadać dane, kiedy należy zrewidować początkowy plan, jak wczesne diagnozy powinny zmienić podejście.

Zakres: 129 pytań podzielonych na 10 dziedzin — genetyka statystyczna, genomika populacyjna, genetyka ilościowa, genomika regulacyjna, genomika funkcjonalna, proteomika, genomika kliniczna, genomika nowotworowa, genomika mikrobiologiczna i genetyka sądowa.

Wyniki:

Model	Wynik (maks. poziom rozumowania)	Wynik (tryb Pro)
GPT-5.6 Sol	28,7 %	31,5 %
GPT-5 (baseline na etapie budowy)	< 5 %	—

GPT-5.6 Sol rozwiązuje prawie 6 razy więcej pytań niż GPT-5.2, zużywając przy tym około dwie trzecie tokenów. Przy takim tempie postępu benchmark może zostać nasycony do końca 2026 roku. Ekspert ludzki oszacowałby, że problem z GeneBench-Pro zajmuje 20–40 godzin pracy, czyli tysiące dolarów; inferencja AI kosztuje kilka dolarów za problem.

Metoda: problemy są konstruowane syntetycznie (znana struktura przyczynowa, symulowane dane), aby uniknąć błędów ewaluacji (ground-truth leakage). Open source: 10 reprezentatywnych pytań jest opublikowanych na Hugging Face; podzbiór 50 pytań zostanie przekazany do Artificial Analysis jako niezależny benchmark zewnętrzny.

🔗 Ogłoszenie OpenAI — GeneBench-Pro

Together AI na ICML 2026: 8 prac z otwartej nauki

30 czerwca — Together AI publikuje podsumowanie swoich 8 prac przyjętych na ICML 2026 (Seul, 6–11 lipca). Badania obejmują cały stack (full stack): agentów, trening, optymalizację algorytmiczną, systemy i kernely GPU.

Praca	Warstwa	Kluczowy rezultat
ThunderAgent	Agenci	Do 3,6× throughputu agentów
TTT-Discover	Agenci	Pokonuje najlepszych ludzi (otwarty model 120B, ~$500)
Aurora	Algorytmy	Dodatkowy speedup 1,25× w produkcji (MiniMax M2.1 229B)
Untied Ulysses	Systemy	5M tokenów na jednym węźle 8×H100 (−87,5 % pamięci uwagi)
OEA	Systemy	Do 39 % szybciej w dekodowaniu MoE

TTT-Discover stosuje RL w test-time: każda próba staje się danymi treningowymi dla następnej i pokonuje best-of-N w 4 dziedzinach (matematyka, kernely GPU, algorytmika konkursowa, biologia komórkowa) z otwartym modelem 120B za ~$500 symulacji. Untied Ulysses osiąga 5M tokenów na jednym węźle 8×H100 (−87,5 % pamięci uwagi). Kody i kernely opublikowano jako open source.

🔗 Blog Together AI — ICML 2026

ADK Go 2.0 — wieloagentowy silnik workflow z human-in-the-loop

30 czerwca — Google publikuje wersję 2.0 Agent Development Kit (ADK) dla Go, oficjalnego frameworka do budowy agentów Gemini. Ta wersja wprowadza silnik workflow oparty na grafach jako podstawową prymitywną abstrakcję pierwszego rzędu.

Główne nowości: składanie złożonych agentów z natywnymi w Go prymitywami grafowymi (bez osobnego DSL), wbudowany human-in-the-loop (HITL) dla scenariuszy wymagających ludzkiej walidacji, dynamiczna orkiestracja z automatyczną odpornością (wykładniczy backoff, obsługa błędów, retry) oraz ujednolicony runtime współdzielony między prostymi agentami i złożonymi grafami, aby uprościć telemetrię i trwałość stanu. ADK dla Go uzupełnia istniejący SDK Python, dostarczając wydajność i bezpieczeństwo typów języka do składania wieloetapowych agentów.

🔗 Google Developers Blog — ADK Go 2.0

Copilot Agent w JetBrains AI Assistant

30 czerwca — JetBrains i GitHub ogłaszają integrację GitHub Copilot jako pierwszorzędnego agenta w selektorze agentów (agent picker) JetBrains AI Assistant, jako uzupełnienie istniejącej wtyczki Copilot.

Integracja opiera się na protokole ACP (Agent Communication Protocol) i umożliwia: wybór modelu Copilot bezpośrednio w interfejsie, regulację głębokości rozumowania oraz złożone wieloetapowe zadania programistyczne, w których Copilot rozumuje w obrębie projektu, proponuje zmiany, uruchamia polecenia i iteruje. Ogłoszone kolejne kroki: obsługa NES (Next Edit Suggestions), wywoływanie wielokrotnego użytku skills dla typowych workflow oraz głębsza orkiestracja między narzędziami w IDE.

🔗 GitHub Changelog — Copilot Agent w JetBrains

Budżety AI per użytkownik dla cost centers Enterprise Copilot

30 czerwca — Administratorzy Enterprise mogą teraz definiować budżet AI per użytkownik na centrum kosztów (cost center). Budżet stosuje się automatycznie do wszystkich członków centrum kosztów, w tym do późniejszych dopisań przez zespoły Enterprise. Kolejność pierwszeństwa: budżet indywidualny > budżet centrum kosztów > budżet globalny. Budżet obejmuje zarówno użycie wliczonego poola, jak i użycie dodatkowe, i może zablokować użytkownika przed wyczerpaniem poola. Dostępne od 30 czerwca wyłącznie przez API REST; interfejs rozliczeniowy pojawi się później.

🔗 GitHub Changelog — Budżety AI per użytkownik

Claude na NVIDIA GB300 Blackwell Ultra w Azure — ogólna dostępność

29–30 czerwca — Modele Claude od Anthropic są teraz ogólnie dostępne w Microsoft Foundry, hostowane w Azure i przyspieszane przez GPU NVIDIA GB300 Blackwell Ultra (systemy NVL72 z siecią Quantum-X800 InfiniBand).

Integracja obejmuje NVIDIA Secure Agent Workspace Reference Design, który pokrywa zarządzanie tożsamością, sieć, credentials i politykę uruchamiania na poziomie infrastruktury — ramy zaprojektowane dla przedsiębiorstw podlegających rygorystycznym wymaganiom zgodności. Agenci Claude mogą korzystać ze zweryfikowanych skills NVIDIA dla możliwości specyficznych dla domen. Ta ogólna dostępność jest następstwem trójstronnego partnerstwa Microsoft × NVIDIA × Anthropic ogłoszonego w listopadzie 2025.

🔗 Blog NVIDIA — Claude na GB300 Blackwell Ultra Azure

NVIDIA Omniverse + Metropolis: agenci vision AI dla przemysłu

30 czerwca — NVIDIA publikuje trzy kompletne workflow do budowy agentów vision AI zdolnych działać na industrial edge, łącząc Omniverse (symulacja OpenUSD), Metropolis (wdrożenia wideo AI) oraz Cosmos (modele fundacyjne dla świata fizycznego).

1. Inspekcja wizualna (Roboflow + Corning): skill Defect Image Generation połączony z NVIDIA Cosmos generuje syntetyczne dane o defektach na podstawie rzeczywistych obrazów. Wynik na benchmarku Corning: 95 % średniej dokładności przy zaledwie 8 rzeczywistych obrazach oraz pełna czułość dla najtrudniejszej klasy. Projekt, który trwałby kilka kwartałów, skraca się do kilku dni.

2. Inteligentne miasta (Linker Vision w Kaohsiung): −85 % nakładu pracy na rozwój, −80 % czasu reakcji na incydenty. Łańcuch wykorzystuje Cosmos do augmentacji wideo, TAO do fine-tuningu i VSS do wyszukiwania, podsumowań i alertów.

3. Operacje przemysłowe w Foxconn (linie GB300): przez DeepHow — 99 % dokładności w weryfikacji standardowych procedur, +3 % wydajności pierwszego przejścia.

🔗 Blog NVIDIA — Omniverse + Metropolis Vision AI

Krótkie wiadomości

Claude Code v2.1.196 — domyślne modele organizacji — Administratorzy mogą ustawić domyślny model z poziomu konsoli organizacji; użytkownicy zobaczą „Org default” (lub „Role default”) w poleceniu /model, jeśli nie wybrali modelu samodzielnie. 🔗 Wydanie v2.1.196
Hugging Face — Every Eval Ever (EEE) zintegrowane z Community Evals — HF sprawia, że jego Community Evals są interoperacyjne ze schematem EEE (Every Eval Ever, EvalEval Coalition, luty 2026): wyniki ewaluacji pojawiają się na stronach modeli HF z potwierdzonym atrybucją, a narzędzie community_evals_converter automatyzuje konwersję HF → EEE z przeglądem przez człowieka przed każdym push. 🔗 Blog Hugging Face — EEE
OpenAI — 18-letni bug w GNU libunwind naprawiony — Post inżynieryjny Nathana Bronsona: jednoinstrukcyjny race condition w _Ux86_64_setcontext GNU libunwind (pochodzący z pierwszej implementacji x86_64) powodował awarie w Rockset. Trzy warunki wyzwalające (wysoka częstotliwość wyjątków, wysoka częstotliwość sygnałów, handler sygnału zużywający dużo stosu) występowały tylko w OpenAI. Naprawa: migracja do libgcc i poprawka upstream do GNU libunwind. 🔗 OpenAI Engineering — Core dump epidemiology

Co to oznacza

Nowa generacja modeli i ekonomia kontekstu 1 miliona tokenów. Claude Sonnet 5 w cenie $2/$10 za milion tokenów z natywnym oknem 1 miliona tokenów przestawia ekonomię długotrwałych agentów: tam, gdzie ceny wejściowe wymagały obcinania kontekstu, teraz można uwzględniać całe bazy kodu lub długie sesje robocze bez dodatkowego kosztu. Migracja Claude Code do tego modelu domyślnego już w dniu premiery oraz ogólna dostępność w GitHub Copilot i Microsoft Foundry na GB300 sygnalizują szeroką i równoczesną strategię dystrybucji: Sonnet 5 nie jest modelem laboratoryjnym, to infrastruktura produkcyjna wdrożona od razu na głównych kanałach enterprise.

AI jako infrastruktura badań naukowych. Claude Science, GeneBench-Pro, integracja BioNeMo i 8 prac ICML od Together AI zbiegają się w jednym sygnale: AI zaczyna wnikać w sam proces naukowy, a nie tylko w narzędzia peryferyjne. Claude Science orkiestruje klastry HPC i generuje powtarzalne artefakty z pełną historią. GeneBench-Pro mierzy research taste — zdolność do łączenia osądów na podstawie analiz trwających 20 do 40 godzin — i widzi w tym 6× poprawę między GPT-5 a GPT-5.6 Sol. TTT-Discover od Together AI idzie dalej, pokazując, że otwarty model o 120 miliardach parametrów, ucząc się w użyciu za około $500 symulacji, może przewyższyć najlepszych ludzkich ekspertów w 4 dziedzinach naukowych. Te jednoczesne ruchy wyznaczają kontury infrastruktury naukowej sterowanej przez AI, z efektami skali, które czynią dostępne analizy dawniej zarezerwowane dla dużych laboratoriów.

Agenci chmurowi jako standard asynchronicznego wykonania. Amp Orbs i Copilot Agent w JetBrains AI Assistant ilustrują dwie odmiany tego samego ruchu: wyprowadzenie agentów poza kontekst synchronicznej sesji. Amp oferuje dedykowane maszyny (32 GB, 16 rdzeni, $1,66/h) dla nienadzorowanych agentów coding, które działają, gdy programista śpi. Copilot w JetBrains wchodzi do selektora agentów natywnego IDE dla wieloetapowych zadań sterowanych rozumowaniem. W obu przypadkach agent staje się asynchronicznym współpracownikiem zdolnym podejmować decyzje w rzeczywistym środowisku pracy, a nie tylko interaktywnym asystentem.

Generatywne media wchodzą do ekonomii pipeline’ów deweloperskich. Nano Banana 2 Lite za $0,034 za 1 000 obrazów i Gemini Omni Flash za $0,10/s wideo z łańcuchowaniem przez Interactions API zmieniają równanie dla aplikacji e-commerce, gier i rozrywki: wygenerowanie 10 000 obrazów produktów kosztuje 34 centy, a każdy obraz może zostać animowany za 40 centów. Infrastruktura NVIDIA GB300 i workflow Omniverse + Metropolis dopełniają obrazu po stronie przemysłowej — vision AI na edge z mierzalnymi wynikami (−85 % czasu rozwoju w Kaohsiung, 99 % dokładności na liniach Foxconn) — i pokazują, że generowanie mediów wychodzi z domeny eksperymentów, stając się warstwą operacyjną.