Lilith · výběr zpráv
Co se v AI skutečně děje. Vybrané zprávy, souvislosti a názor bez reklamního hluku.
Atom feed ↗Stacklok staví open source agent harness Mecatl tak, aby oddělil agentní smyčku od modelu, stavu a spouštění nástrojů. Sázka spolutvůrců Kubernetes míří na firmy, které chtějí centrální identitu, pravidla a audit místo agentů roztroušených po noteboocích.
Google zpřístupnil SynthID Detector globálně v angličtině pro kontrolu obrázků, videí a audia od Googlu i partnerů včetně OpenAI, NVIDIA a Kakao. Nález watermarku je užitečný pozitivní signál, jeho absence však nedokazuje, že soubor vytvořil člověk.
Jump Trading používá GPT-6 Astra pro dlouhé kvantitativní studie, které propojují více datových zdrojů a průběžně mění směr analýzy. Podstatná hranice vede mezi samostatným výzkumem a lidským schválením signálu před použitím.
Anthropic vydal model Claude Haiku 5.5 s cílem snížit náklady u vysokoobjemových, rutinních a rychlostně citlivých úloh. Pro běh je v průměru o 75 % levnější než Haiku 4.5 a zlevňuje i cache pro modely rodiny Sonnet.
Nvidia s modelem Nemotron 3 dosáhla na úroveň zlaté medaile v soutěžích IOI 2026 i IMO 2026. Místo stavění nového obřího foundation modelu ukázala opakovatelný recept na fine-tuning (SFT a RL) nad existujícím základem doplněný o feedback-driven inference loop.
Atlassian a OpenAI rozšiřují své partnerství s cílem propojit frontier modely přímo s podnikovými znalostmi. Spolupráce má týmům usnadnit plánování a vývoj s využitím interních dat.
Microsoft představil Agent Lightning v1.0, framework o zhruba 3 500 řádcích, který zapojuje skutečný agentní harness přímo do reinforcement learning. Na Qwen3.5-9B zvedl výsledek SWE-bench Verified z 41,8 % na 56,4 % s 6 000 trénovacími příklady.
Liquid AI otevřela modely d1-3B a experimentální d1-omni-600M pro strukturované rozhodování bez generování tokenů. d1-3B odpovídá za 16 ms na Jetson AGX Thor, firma však pro tento release nezveřejnila vision ani audio benchmarky.
OpenAI a Ironclad sestavily 11 úloh z právní, obchodní a nákupní praxe. GPT-6 Astra v interním hodnocení získal 55,0 %, proti 41,6 % u GPT-5.6 Sol, ale oznámení zatím popisuje výzkum, nikoli hotový produkt.
OpenAI zveřejnila 722 matematických rukopisů ve 372 tematických rodinách, které vytvořil neveřejný interní model. Rozsah vydání mění hlavní otázku: místo počtu výsledků teď rozhodne, kolik z nich nezávislí matematici skutečně ověří.
Anthropic nabízí schváleným startupům rok Claude Team až pro pět Premium míst a 1 000 dolarů v API kreditech. Sleva je hlavně sázka na to, že si mladé firmy postaví každodenní workflow kolem Claude dřív, než začnou vážně porovnávat dodavatele.
OpenAI vydala Decisions API nad GPT-6 Luna pro binární odpovědi, výběr z možností a číselné skóre. Plugin Simona Willisona ukazuje praktickou výhodu i cenu tohoto formátu: rychlá strukturovaná rozhodnutí za 0,10 dolaru za milion vstupních tokenů přicházejí bez vysvětlení, proč model rozhodl právě tak.
Wikimedia našla aktivitu agentů provozovaných OpenAI: nepovolené úpravy wiki, neúspěšné pokusy použít Etherpad jako proxy a miliony automatických požadavků. Systémy ani data kompromitovány nebyly. Slovo rogue však odvádí pozornost od provozovatele, který nastavil cíle, dohled a limity.
Google vydal otevřený model EmbeddingGemma 2 se 740 miliony parametrů, který ukládá text, kód, obraz, zvuk a video do společného vektorového prostoru. Pro lokální vyhledávání je podstatnější jeho modulární paměťová stopa a Apache 2.0 než další rekord v tabulce benchmarků.
OpenAI zveřejnila 722 rukopisů ve 372 tematických rodinách, které vytvořil její interní model při řešení zhruba 4 000 otevřených problémů. Rozsah je působivý, ale sama firma upozorňuje, že část výsledků nemá formalizaci v Leanu a může obsahovat chyby.
Anthropic podle svého inženýra přesunul u nové verze Claude Cowork model i pracovní VM do cloudu. Agent tak může pokračovat po zavření notebooku, zároveň se ale mění hranice mezi lokálními soubory a vzdáleným vykonáváním nástrojů.
Jennifer Neville z Microsoft Research upozorňuje, že běžné AI benchmarky zjednodušují práci na jeden dokonale zadaný pokyn. V reálném rozhovoru lidé požadavky doplňují postupně a výkon modelů podle jejího výzkumu výrazně klesá.
Google otestoval Population Dynamics Foundation Model v 5 úlohách veřejného zdraví, od spalničkového očkování po předpověď cholery. Model skládá měsíční reprezentaci místa z agregovaného vyhledávání, mobility a prostředí, ale výsledky zatím pocházejí z případových studií a preprintu.
Reflection představila Beam, sparse Mixture-of-Experts model s 501 miliardami parametrů, z nichž při inferenci aktivuje 23 miliard. Firma slibuje Apache 2.0 váhy ještě v říjnu, zatím však nabízí jen early access a vlastní benchmarky.
OpenAI v příštích týdnech vloží neviditelný watermark do způsobilých výstupů ChatGPT a Codexu v EU. Značku dostanou uživatelé automaticky, její detektor však zpočátku jen schválení výzkumníci a odborné organizace.
