Meta uruchamia modele Muse, NVIDIA ujawnia CPU Vera dla agentów AI, Claude Cowork na mobile

Meta otwiera nowy front swoimi pierwszymi autorskimi modelami mediów, NVIDIA omawia architekturę swojego CPU Vera zaprojektowanego z myślą o agentach AI, a Claude Cowork rozszerza się na mobile i web. Do tego dochodzi udostępnienie aplikacji GitHub Copilot wszystkim planom, nowy model rozpoznawania mowy dla arabskiego w Cohere oraz fala aktualizacji w Anthropic, Google, OpenAI i xAI (obecnie SpaceXAI).

Meta uruchamia Muse Image i Muse Video, swoje pierwsze modele mediów

7 lipca — Meta Superintelligence Labs prezentuje Muse Image i Muse Video, pierwsze opracowane wewnętrznie przez dział modele do generowania mediów. Muse Image jest opisywany jako najbardziej zaawansowany model obrazu, jaki kiedykolwiek stworzyło Meta: wiernie wykonuje instrukcje, umożliwia precyzyjną edycję, komponuje z wielu jednoczesnych odniesień i opiera się na społecznym kontekście Instagrama. Co godne uwagi, działa jak agent, a nie zwykły konwerter tekst-obraz: wywołuje narzędzia, sam się dopracowuje i poprawia wynik wraz z przydzielaniem mu większej ilości obliczeń w czasie inferencji — zachowanie, które pojawiło się spontanicznie podczas uczenia ze wzmocnieniem (Reinforcement Learning), gdy modele nauczyły się tej strategii, by optymalizować jakość swoich obrazów. Model integruje się z Muse Spark, narzędziem Meta do współtworzenia mediów generatywnych.

Muse Video, przedstawiony w wersji wczesnego podglądu, dzieli tę samą bazę pre-treningu co Muse Image. Oferuje wysoką wierność wizualną i natywne wsparcie audio, choć Meta przyznaje, że nadal pracuje nad pewnymi rozbieżnościami, zwłaszcza synchronizacją audio-wideo. Oba modele są wdrażane w aplikacji i w sieci Meta AI, a także w Instagram Stories i WhatsApp — początkowo w ograniczonej liczbie krajów, z planowanym rozszerzeniem. Każdy wygenerowany obraz zawiera Content Seal, ukryty znacznik pochodzenia, który pozostaje nienaruszony nawet po modyfikacji.

Na tle konkurencji zewnętrzne zestawienie Image Arena już plasuje Muse Image na 2. miejscu, za GPT Image 2 od OpenAI, ale przed Nano Banana (Google), Grok Imagine (xAI) i MAI Image (Microsoft).

🔗 Ogłoszenie Meta AI

NVIDIA Vera — CPU zaprojektowany z myślą o pętli agentowej

7 lipca — NVIDIA przedstawia architekturę Vera, nową klasę CPU stworzoną specjalnie dla pętli agentowej — sekwencji wywołań narzędzi, uruchamiania kodu i przetwarzania danych pomiędzy dwoma wywołaniami modelu. W przeciwieństwie do klasycznych CPU centrów danych, zoptymalizowanych pod maksymalizację liczby wynajmowalnych rdzeni, Vera stawia na maksymalną wydajność pojedynczego rdzenia.

CPU bazuje na Olympus, autorskim rdzeniu NVIDIA, który oferuje o 50 % więcej instrukcji na cykl (IPC) niż Grace, poprzednia generacja, i zawiera 88 rdzeni połączonych monolitycznym układem obliczeniowym.

Perplexity przetestowało Vera na swoich rzeczywistych obciążeniach agentowych: przepływ klonowania repozytorium, a następnie uruchamiania testów w piaskownicach (sandboxes), działa około 1,5x szybciej niż na x86, a uruchamianie równoległych sandboxes jest nawet 1,9x szybsze. Firma rozważa wdrożenie Vera do produkcji.

Cecha	NVIDIA Vera
Rdzeń	Olympus (+50 % IPC vs Grace)
Liczba rdzeni	88
Przepustowość pamięci	1,2 TB/s LPDDR5X (< 40 W)
Przepustowość rdzeń-rdzeń	3,4 TB/s (3x konkurencja)
Zysk agentowy (Perplexity)	1,5 do 1,9x szybciej niż na x86
Zysk SQL (Starburst)	3x szybciej
Zysk latencji (Redpanda)	nawet 6x mniej

NVIDIA potwierdza też swoją mapę drogową: następna generacja, Rosa, będzie zawierała rdzeń Rigel (architektura Arm v9.2), z jeszcze wyższym IPC, większą pamięcią podręczną L2 i skuteczniejszym zarządzaniem pamięcią, przy identycznym śladzie krzemowym. Vera obsługuje również GPU platformy NVIDIA Vera Rubin i zasila procesor pamięci masowej BlueField-4 STX.

“The world counts in seconds. Agents count in nanoseconds. NVIDIA Vera is built for this new category — and speed — of work.”

🇵🇱 Świat liczy w sekundach. Agenci liczą w nanosekundach. NVIDIA Vera została zaprojektowana dla tej nowej kategorii pracy — i tej prędkości wykonania. — Ian Buck, NVIDIA

🔗 Oficjalny artykuł NVIDIA Blog

Claude Cowork trafia na mobile i do web

7 lipca — Anthropic ogłasza rozszerzenie Claude Cowork na mobile i web. Zasada jest prosta: powierzyć Claude’owi zadanie ze swojego stanowiska pracy, a potem śledzić postęp i odebrać wynik z telefonu — podkreślany jest pomysł, by można było zamknąć laptopa, podczas gdy Claude nadal pracuje w tle.

W wersji web i desktop Chat oraz Cowork łączą się teraz w jednej wspólnej przestrzeni: jedno miejsce do odnajdywania projektów i artefaktów z obu trybów, a rozpoczęcie zadania dla Claude odbywa się tak samo jak rozpoczęcie klasycznej rozmowy — nie trzeba już przełączać się między dwoma oddzielnymi interfejsami w zależności od tego, czy rozmawia się z Claude’em, czy przekazuje mu pracę wymagającą dłuższego działania. Wdrożenie odbywa się w stopniowej becie przez kilka tygodni, zaczynając od planu Max, a następnie rozszerzając się na pozostałe pakiety subskrypcyjne.

Aby wesprzeć to uruchomienie, Anthropic tymczasowo podwaja limity użycia Cowork do 5 sierpnia, aby umożliwić użytkownikom przekazywanie Claude’owi większych zadań w tym okresie przejściowym bez przedwczesnego zużywania standardowego limitu. Równolegle na claude.com publikowany jest osobny artykuł „Claude Cowork on web and mobile: hand off work anywhere”. To rozszerzenie mobilne pozycjonuje Cowork jako asynchroniczny odpowiednik klasycznego Chat: tam, gdzie rozmowa pozostaje skupiona na wymianie w czasie rzeczywistym, Cowork staje się przestrzenią, w której zdalnie śledzi się postęp pracy zleconej wcześniej w ciągu dnia.

🔗 Ogłoszenie @claudeai

GitHub otwiera swoją aplikację Copilot dla wszystkich planów

7 lipca — GitHub otwiera swoją desktopową aplikację Copilot — agentowy hub developerski uruchomiony pod koniec maja / na początku czerwca, dotąd zarezerwowany dla części bazy użytkowników — dla wszystkich swoich użytkowników. Dostępna na macOS, Windows i Linux, staje się dostępna we wszystkich planach Copilot, w tym w darmowej formule (Copilot Free) i w ofercie GitHub Education, dwóch poziomach, które dotąd nie miały do niej dostępu.

Kolejna istotna zmiana: nawet bez subskrypcji Copilot nadal można korzystać z aplikacji, wprowadzając własny klucz (Bring Your Own Key, BYOK) do wybranego dostawcy modelu — to wejście bez bezpośredniego zobowiązania finansowego wobec GitHub, które rozszerza aplikację na programistów już posiadających dostęp API u zewnętrznego dostawcy. W planach Business i Enterprise dostęp pozostaje uzależniony od włączenia Copilot CLI w ustawieniach policy przez administratora, co daje GitHub dodatkową dźwignię kontroli w przypadku wdrożeń korporacyjnych.

Potwierdzone tweetem oficjalnego konta @github opublikowanym godzinę przed aktualizacją changelogu, to otwarcie znacząco poszerza potencjalną publiczność aplikacji, nieco ponad miesiąc po jej premierze w wersji przedpremierowej. Wpisuje się to w tę samą logikę co niedawne zmiany w rozliczaniu Copilot (cost centers, budżety per użytkownik): uczynić narzędzie dostępnym dla jak największej liczby osób, zachowując jednocześnie zabezpieczenia dla organizacji.

🔗 Oficjalny changelog GitHub

Anthropic uzupełnia wiadomości tygodnia

Claude for Open Source rozszerzony na maintainerów

7 lipca — Anthropic rozszerza swój program Claude for Open Source, oferujący 6 miesięcy darmowego Claude Max 20x, na szerszą grupę współtwórców: maintainerów projektów, regularnych współtwórców (core contributors), osoby doprowadzające pull requesty do skutku w całym ekosystemie lub utrzymujące krytyczny pakiet. Zgłoszenia przyjmowane są przez dedykowaną stronę na claude.com. Jest to rozszerzenie istniejącego programu, a nie całkowicie nowy start, ale otwarcie go na szersze grono maintainerów czyni z tego istotne ogłoszenie dla społeczności open source.

🔗 Ogłoszenie @ClaudeDevs

Claude Code v2.1.202 i v2.1.203 — nadrabianie changelogu

7 lipca — Dwie wersje Claude Code nadrabiają zaległości od v2.1.201 z 4 lipca. Wersja v2.1.203 przynosi szeroką serię poprawek niezawodności dla agentów działających w tle: sesje blokujące się na 15 do 20 sekund podczas startu na macOS, agenci, którzy po cichu tracili swoją pracę po powrocie do claude agents, regresję pamięci/CPU związaną z ponowną analizą transkrypcji przy każdej rundzie. Warto zauważyć poprawkę bezpieczeństwa: zamyka ona potencjalny wyciek zmiennej ANTHROPIC_BASE_URL, który mógł sprawić, że klucze API trafiały do domyślnego endpointu w sesji background. Wersja zmniejsza też rozmiar binarium o około 7 MB.

Wersja v2.1.202 dodaje z kolei ustawienie „Dynamic workflow size” w /config, pozwalające kalibrować liczbę agentów generowanych w workflow, a także atrybuty OpenTelemetry do śledzenia ich aktywności oraz kilka poprawek dotyczących Remote Control na mobile/web i dyktowania głosowego.

🔗 Oficjalny CHANGELOG.md

Hugging Face dołącza do Azure, Sakana AI publikuje na ICML 2026

Hugging Face trafia do Microsoft Foundry Managed Compute

7 lipca — Hugging Face opisuje partnerstwo z Microsoftem: kuratorowana kolekcja modeli z otwartymi wagami, odświeżana co tydzień, dołącza do katalogu Microsoft Foundry Managed Compute, zarządzanej platformy GPU (PaaS). Wagi są prehostowane na Azure, z gotowymi do użycia runtime’ami — vLLM, SGLang, TensorRT-LLM, NIM, TEI, llama.cpp oraz hf-serve, własnym wielomodelowym serwerem Hugging Face dla modalności innych niż LLM/embeddings.

Pipeline kuracji wymaga przeglądu zgodności, licencji i bezpieczeństwa przed publikacją: akceptowane są wyłącznie wagi w formacie SafeTensors, bez niezweryfikowanego nieufnego kodu (trust_remote_code), a obrazy są skanowane pod kątem CVE. Wdrożenie odbywa się w 5 krokach, na akceleratorach NVIDIA A100, H100 lub AMD MI300X. Funkcja jest już dostępna w wersji podglądowej (preview); mapa drogowa przewiduje szerszy zakres i obsługę Bring Your Own Weights.

🔗 Artykuł Hugging Face Blog

Sakana AI publikuje Sheaf-ADMM, przejrzystą koordynację wieloagentową

5 lipca — Sakana AI przedstawia Sheaf-ADMM, framework zaakceptowany na ICML 2026, który łączy optymalizację rozproszoną (ADMM) i teorię snopów (sheaves, topologia stosowana), aby umożliwić współpracę wielu agentów AI przy ograniczonym dostępie do informacji, bez polegania na nieprzejrzystym przekazywaniu wiadomości w stanach ukrytych. Zadanie dzielone jest na zachodzące na siebie części, jeden agent przypada na jedną część, a agenci negocjują w trzech etapach — propozycje lokalne, szukanie wspólnego gruntu z sąsiadami, zapamiętywanie niezgodności — aż do osiągnięcia interpretowalnego konsensusu globalnego.

W wieloagentowym Sudoku, gdzie każdy agent widzi tylko jeden wiersz, jedną kolumnę lub jeden blok, metoda osiąga 93 % rozwiązanych zadań wobec 11 % dla baseline’u opartego na przekazywaniu wiadomości przy równoważnych parametrach. W zadaniu klasyfikacji MNIST z przesunięciem domeny utrzymuje 86 % dokładności tam, gdzie standardowy CNN spada do 11 %. W labiryncie dorównuje klasycznemu baseline’owi, komunikując się przy tym przez kanał 8x mniejszy.

🔗 Sheaf-ADMM — Sakana AI Blog

Google Gemini: od starożytności po małe firmy

Gemini osadzony w modelach Aeneas i Ithaca dla historyków

7 lipca — Google DeepMind uruchamia „Predicting the Past”, nową Skill w Google Antigravity, która osadza Gemini w jego eksperckich modelach Aeneas (odszyfrowywanie łacińskich inskrypcji) i Ithaca (starożytne teksty greckie). Celem jest umożliwienie historykom i epigrafikom badania starożytnych tekstów w zwykłym angielskim, bez umiejętności programowania — Skill łączy rozumowanie Gemini z wysokospecjalistyczną wiedzą tych dwóch modeli, aby tworzyć dopasowane analizy i wizualizacje oraz wykrywać wzorce na dużą skalę między źródłami.

Projekt opiera się na badawczym partnerstwie z historyczką Theą Sommerschield, która współpracowała z Google DeepMind przy kilku studiach przypadków opisanych w artykule „Workflows — Conversing with antiquity”.

🔗 Wątek @GoogleDeepMind

Aplikacja Gemini — business notebooks i integracja z Google Business Profile

6 lipca — Gemini uruchamia nowe narzędzia dla soloprzedsiębiorców i małych firm: można połączyć swój Google Business Profile bezpośrednio z Gemini albo dodać go do business notebook, by uzyskiwać spersonalizowane informacje i konkretne działania bez konieczności ponownego wyjaśniania kontekstu swojej działalności przy każdej rozmowie. Business notebooks pozwalają dodawać źródła lub wcześniejsze rozmowy, aby budować trwałą bazę, zamiast zaczynać od pustej strony przy każdym kontakcie. Google przedstawia te narzędzia jako sposób na przekształcenie Gemini w partnera, który dogłębnie rozumie markę użytkownika. Funkcja jest dostępna globalnie, z wyjątkiem Europejskiego Obszaru Gospodarczego i Wielkiej Brytanii.

🔗 Tweet @GeminiApp

Runway generuje prezentacje, xAI/SpaceXAI wzbogaca Grok Voice

Runway uruchamia Slide Maker

7 lipca — Runway dodaje do swojej aplikacji Slide Maker: na podstawie prostego opisu tekstowego narzędzie generuje w pełni zaprojektowany slajd prezentacyjny, bez korzystania z gotowego szablonu. Runway przedstawia to narzędzie jako sposób na uzyskanie wizualnie dopracowanego rezultatu poprzez zwykłe opisanie pomysłu, zamiast zaczynania od generycznego domyślnego układu. To rozszerzenie wpisuje się w poszerzanie firmowych zastosowań Runway poza czystą generację wideo i obrazów, obok Agent 2.0, uruchomionego 25 czerwca do automatyzacji briefów marketingowych — dwóch narzędzi, które są dziś skierowane raczej do zespołów kreatywnych i biurowych, a nie tylko do twórców wideo.

🔗 Tweet @runwayml

21 nowych głosów dla Grok Voice (xAI/SpaceXAI)

6 lipca — xAI — obecnie przemianowane na SpaceXAI (zob. Krótkie wiadomości) — uruchamia 21 nowych głosów dla Grok Voice, które dołączają do pięciu oryginalnych głosów. Wszystkie są wielojęzyczne i dostępne natychmiast w Voice Agent API w czasie rzeczywistym, Text-to-Speech API oraz nowym Grok Voice Agent Builder, uruchomionym 1 lipca. Każdy głos jest „obsadzony” do konkretnego zastosowania — obsługa klienta, postacie, komentarz, reklama, edukacja — i obsługuje znaczniki kontroli dykcji (pauza, szept, akcent). Pięć oryginalnych głosów również zostało ponownie wytrenowanych, aby brzmieć bardziej naturalnie. Programiści mogą także sklonować własny głos na podstawie około minuty audio.

🔗 x.ai/news

OpenAI: Codex Remote na iOS i nowy ekonomiczny model głosowy

Codex Remote zyskuje mnóstwo nowości w ChatGPT na iOS

6 lipca — Wersja 1.2026.181 ChatGPT na iOS przynosi do Codex Remote, wariantu agenta kodującego dostępnego z aplikacji mobilnej, całą serię nowości. Można teraz tworzyć, wyszukiwać, otwierać, duplikować (fork) i zarządzać zadaniami Codex bezpośrednio z poziomu rozmowy, z filtrami diffów według stanu (zaindeksowane, niezaindeksowane), według gałęzi lub według ostatniej tury. Aplikacja dodaje też podgląd obrazów i dołączonych plików przed wysłaniem, obsługę SSH za pomocą kluczy prywatnych oraz wyświetlanie limitów użycia i kredytów w menu zadania.

“Big release for Codex Remote in the latest ChatGPT iOS update! We added many things. Threads management tools are now available (hello Chief of Staff). You can now filter your diff with unstaged, staged, branches, etc. Support for SSH keys login, and much, much more!”

🇵🇱 Duża aktualizacja dla Codex Remote w najnowszej wersji ChatGPT na iOS! Dodaliśmy mnóstwo rzeczy. Narzędzia do zarządzania wątkami dyskusji są już dostępne (witaj, Chief of Staff). Możesz teraz filtrować swój diff według niezaindeksowanych zmian, zaindeksowanych, gałęzi itd. Obsługa logowania kluczami SSH i znacznie więcej! — @Dimillian

🔗 Oficjalny changelog Codex

GPT-Realtime-2.1-mini dostępny w API

7 lipca — OpenAI uruchamia GPT-Realtime-2.1-mini w API, nową wersję swojego ekonomicznego modelu głosowego, która wprowadza rozumowanie i użycie narzędzi — możliwości dotąd zarezerwowane dla bardziej zaawansowanych modeli Realtime — przy zachowaniu tej samej ceny co GPT-Realtime-mini. Ta ekonomiczna linia jest skierowana do wdrożeń wrażliwych na koszt za minutę, takich jak głośnomówne agenty głosowe. Tweet ogłaszający nowość wygenerował wyraźnie większe zaangażowanie niż inne publikacje tego dnia (361 000 wyświetleń), co świadczy o dużym zainteresowaniu społeczności deweloperów.

🔗 Tweet @OpenAIDevs

Replit domyka swój changelog z 3 lipca

3 lipca — Replit publikuje changelog produktu, który umknął wcześniejszym skanom, hostowany na docs.replit.com/updates zamiast na głównym blogu zwykle monitorowanym przez serwisy. Trzy nowości: całkowite odświeżenie aplikacji desktopowej (Replit Desktop App), które zachowuje doświadczenie webowe, dodając jednocześnie funkcje natywne — pracę nad kilkoma aplikacjami równolegle, natychmiastowe powiadomienie, gdy agent potrzebuje interwencji, oraz podgląd otwartych aplikacji bez zmiany okna.

Integracją płatności Whop można teraz sterować za pomocą agenta konwersacyjnego: wystarczy poprosić go o dodanie płatności, a on utworzy konto Whop, połączy je i zbuduje moduł płatności — bez zewnętrznej konfiguracji i bez kopiowania klucza API. Na koniec możliwe jest przejście z planu Pro na plan Core w jednym kroku, bez pośredniego anulowania.

🔗 Changelog Replit

Cohere uruchamia open-source’owy model ASR state-of-the-art dla arabskiego

7 lipca — Cohere uruchamia Cohere Transcribe Arabic, open-source’owy model rozpoznawania mowy (Automatic Speech Recognition, ASR) przeznaczony do arabskiego, wywodzący się z jego „frontierowego” modelu ASR o 2 miliardach parametrów opublikowanego w marcu 2026. Cel: nadrobić zapóźnienie w pokryciu arabskiego w systemach głosowych AI, podczas gdy językiem tym posługuje się ponad 300 milionów rodzimych użytkowników rozproszonych po około trzydziestu odmianach dialektalnych.

Model obejmuje prowadzenie w Open Universal Arabic ASR Leaderboard na Hugging Face, z średnim współczynnikiem błędu słów (Word Error Rate, WER) na poziomie 25,87 — o 2,45 punktu przed dotychczasowym liderem (OmniASR-LLM-7B od Meta) i o 11 punktów przed Whisper Large V3 od OpenAI. W ocenach porównawczych prowadzonych przez rodzimych użytkowników jest preferowany wobec Whisper w 95,8% przypadków. Zoptymalizowany pod vLLM osiąga przepustowość (RTFx) na poziomie 525, wobec 146 dla Whisper Large V3 i 66 dla OmniASR 7B-LLM.

Arabski model ASR	Średni WER	RTFx (przepustowość)
Cohere Transcribe Arabic	25,87	525
OmniASR-LLM-7B (Meta)	+2,45 pkt vs Cohere	66
Whisper Large V3 (OpenAI)	+11 pkt vs Cohere	146

Wagi są opublikowane na licencji Apache 2.0 na Hugging Face, z dodatkowym dostępem przez API Cohere lub Model Vault.

“We’ve built Cohere Transcribe Arabic, the world’s most accurate open-source model for Arabic speech recognition. Available under Apache 2.0”

🇵🇱 Opracowaliśmy Cohere Transcribe Arabic, najdokładniejszy na świecie open-source’owy model do rozpoznawania mowy po arabsku. Dostępny na licencji Apache 2.0. — @cohere

🔗 Oficjalny wpis na blogu Cohere

Krótkie informacje

Fable 5 rozszerzony na wszystkie płatne plany do 12 lipca — Anthropic tymczasowo rozszerza dostęp do Claude Fable 5: do 50% tygodniowego limitu użycia można wykorzystać na tym modelu, a potem następuje przejście na kredyty użycia lub inny model. 🔗 źródło
„The Making of Claude Code” — oficjalny mini-dokument — Anthropic opowiada historię Claude Code, od wewnętrznego CLI do flagowego agenta kodującego, przedstawioną przez badaczy i pierwszych użytkowników. 🔗 źródło
Gemini Spark śledzi tematy w czasie rzeczywistym — funkcja (beta na macOS od 1 lipca) może teraz reagować na wydarzenia, na przykład automatycznie wysyłać analizę meczu po każdym spotkaniu śledzonej drużyny. 🔗 źródło
NotebookLM Short Video Overviews w ogólnej dostępności — pionowe filmy 60-sekundowe, w becie od 30 czerwca dla subskrybentów Ultra/Pro, trafiają do ogólnej dostępności na mobile i w sieci dla wszystkich użytkowników anglojęzycznych. 🔗 źródło
Gemini CLI — nightly z 5 do 7 lipca — wersja v0.51.0-nightly.20260707 ustawia ~/.gitconfig jako tylko do odczytu w sandboxie macOS i zachowuje sekwencje ucieczki w literałach łańcuchowych. 🔗 źródło
Elastyczne trenowanie TPU z MaxText/Pathways — Google wyjaśnia, jak jego ekosystem JAX/Pathways zamienia awarię TPU w możliwy do przechwycenia wyjątek Python, zastępuje wadliwy worker i wznawia trening w mniej niż dwie minuty. 🔗 źródło
Budżety AI per użytkownik zintegrowane z UI rozliczeń GitHub — funkcja budżetów per użytkownik dla cost centers, wcześniej dostępna tylko przez REST API, jest teraz konfigurowalna bezpośrednio w interfejsie rozliczeń Enterprise Cloud. 🔗 źródło
Aplikacja Copilot Billing Preview zostanie wycofana 3 sierpnia — GitHub przekierowuje do śledzenia, które jest teraz zintegrowane z ustawieniami rozliczeń (użycie AI, budżety, cost centers). 🔗 źródło
Suno i Wan surfują na Mistrzostwach Świata — Suno pozwala tworzyć spersonalizowany hymn kibica na telefonie, Wan uruchamia Skill „Superstar Poster” do generowania piłkarskiego plakatu na podstawie portretu i koszulki. 🔗 źródło
NVIDIA podsumowuje swoją obecność na ICML 2026 — 74 prace NVIDIA zostały zaakceptowane, około 2 000 prac cytuje GPU NVIDIA, a 145 prac cytuje Nemotron jako podstawę badawczą. 🔗 źródło
xAI staje się SpaceXAI — konto X @xai i strona x.ai oficjalnie potwierdzają rebranding pod marką SpaceXAI, zatwierdzając przejęcie xAI przez SpaceX ogłoszone już w kwietniu 2026. 🔗 źródło
Opóźnienie Realtime zmniejszone o co najmniej 25% — OpenAI ogłasza spadek opóźnienia p95 we wszystkich modelach głosowych Realtime dzięki ulepszonemu buforowaniu. 🔗 źródło

Co to oznacza

Na polu generowania mediów Meta wchodzi mocno z Muse Image i Muse Video, swoimi pierwszymi autorskimi modelami, natychmiast ustawionymi na 2. miejscu Image Arena, za GPT Image 2 od OpenAI. Fakt, że Muse Image przyjmuje zachowanie agentowe — samodopracowywanie, użycie narzędzi, skalowanie obliczeń w momencie inferencji — pokazuje szerszy trend: nawet generowanie obrazów, długo postrzegane jako proste przejście prompt-obraz, staje się zadaniem iteracyjnym sterowanym przez agenta. Runway z kolei poszerza swoje pole działania o oprogramowanie biurowe dzięki Slide Maker, a Suno i Wan wykorzystują aktualną sytuację sportową, by promować swoje narzędzia dla szerokiej publiczności.

Po stronie infrastruktury NVIDIA formalizuje ideę, która od kilku miesięcy dyskretnie przenika sektor: pętla agentowa nie ma takich samych potrzeb jak trening modelu. Vera stawia na wydajność jednego rdzenia zamiast na gęstość rdzeni, a liczby podawane przez Perplexity w warunkach rzeczywistych (nawet 1,9 razy szybciej niż na x86) nadają temu argumentowi ciężar. Hugging Face podąża komplementarną logiką po stronie oprogramowania, umożliwiając wdrażanie swojego katalogu otwartych wag jednym kliknięciem na infrastrukturze Azure firmy Microsoft — dwa różne sposoby na zmniejszenie tarcia między modelem a jego uruchomieniem w produkcji.

Narzędzia dla deweloperów nadal dążą do wszechobecności agentów. Claude Cowork rozszerza się na mobile, by śledzić delegowane zadanie z telefonu, GitHub udostępnia swoją aplikację Copilot wszystkim planom, w tym darmowym, a Codex Remote dojrzewa w ChatGPT na iOS dzięki zarządzaniu wątkami dyskusji i obsłudze SSH. W połączeniu z przebudową aplikacji desktopowej Replit i jej płatnościami sterowanymi przez agenta, ten tydzień potwierdza, że referencyjnym interfejsem do kodowania z AI nie jest już wyłącznie terminal lub IDE, ale coraz częściej telefon i integracje zewnętrzne.

Na koniec dwie zapowiedzi przypominają, że generatywna AI nie ogranicza się do angielskiego ani do pojedynczego agenta. Cohere wypełnia realną lukę modelem rozpoznawania mowy state-of-the-art dla arabskiego, języka używanego przez ponad 300 milionów osób, a historycznie słabo obsługiwanego przez systemy projektowane najpierw z myślą o angielskim; xAI, teraz SpaceXAI, podąża podobną logiką z 21 nowymi wielojęzycznymi głosami dla Grok Voice. Po stronie badań framework Sheaf-ADMM od Sakana AI atakuje inny, ale powiązany problem: jak sprawić, by wiele agentów o ograniczonej informacji współpracowało bez czarnej skrzynki — warunek konieczny dla wiarygodnych systemów wieloagentowych w miarę ich upowszechniania się.