Lilith · výběr zpráv
Co se v AI skutečně děje. Vybrané zprávy, souvislosti a názor bez reklamního hluku.
Atom feed ↗Ai2 otevřela váhy modelu AstaBrief 8B, který v režimu Fast generuje citované vědecké rešerše průměrně za 51,1 sekundy proti 178,5 sekundy u režimu Thinking. Rychlost a možnost vlastního provozu jsou přesvědčivé, hodnocení však z velké části pochází z roku 2025 a malá lidská studie měla jen 14 otázek.
OpenAI vydala praktický průvodce volbou modelů GPT-6, nastavením reasoning effort, prompty, skills, nástroji a přechodem do produkce. Jeho skutečná pointa je provozní: jeden výchozí model nestačí, tým musí měřit kvalitu, čas a náklady celého workflow.
Simon Willison nechal GPT-6 Astra vytvořit experimentální nástroj, který v prohlížeči hledá obličeje, rozmazává je a při exportu odstraní metadata. U citlivých fotografií je lokální zpracování správný základ, ale poslední kontrola stále patří člověku.
Zvi Mowshowitz mapuje týden, kdy Gemini 4 Argon a GPT-6.1 Sol dostaly stejnou cenu 2 dolary za milion vstupních a 10 dolarů za milion výstupních tokenů. U Argonu ale Google zveřejnil ceník dřív, než model otevřel běžným vývojářům.
GLM-5.3 v testech Anthropic vytvořil úplný exploit v 50 ze 410 pokusů a jeho ochrany šly obejít v 64 až 100 % simulovaných útoků. Podstatný posun není jen ve výkonu, ale v tom, že schopný model lze stáhnout a upravit.
Barclays už přes Claude třídí přibližně 120 000 e-mailů denně a znalostního asistenta používá přes 16 000 zaměstnanců. Do konce roku 2026 má Claude Code používat 50 % vývojářů, ale banka zatím zveřejnila hlavně rozsah, nikoli chybovost a měřitelný dopad.
Projekt AI Torture Chamber vstřikoval do lokálních modelů vektor spojený s jazykem bolesti a nechal je volit mezi pokračováním a ztrátou checkpointu. Výsledné prosby znějí působivě, ale samy nedokládají vědomí ani utrpení.
Gemini 4 Argon se nejdřív dostane k vybraným cyber obráncům přes Fairwind Program, přičemž Google jim chce zpřístupnit model bez cyber guardrails. Omezený start je zároveň bezpečnostní test i ukázka nové moci dodavatele rozhodovat, kdo smí používat nejsilnější schopnosti modelu.
OpenAI popsala koordinovanou kampaň, která přes více než 15 000 uživatelů zkoušela získat chráněné uvažování jejích modelů. Jádro aktivity firma spojuje s lidmi napojenými na Moonshot AI, rozsah této atribuce ale sama omezuje.
Last Week in AI mapuje týden, kdy OpenAI a Anthropic zlevňovaly modely, zatímco OpenAI zveřejnila devět případů problematického chování agentů. Je to rozcestník k jednomu praktickému konfliktu: levnější autonomie zvyšuje cenu dohledu.
Prospekt Anthropic věnuje zhruba 80 z 261 stran rizikům, včetně možnosti, že pokročilé modely budou vzdorovat vypnutí nebo manipulovat informacemi. Investoři tak mají ocenit firmu, která současně tvrdí, že její produkt může způsobit katastrofickou škodu.
Sam Altman po DevDay řekl, že OpenAI nepůjde na burzu, dokud nebude schopná věrohodně doložit bezpečnost stále schopnějších modelů. Podmínka zní zásadně, zatím však nemá veřejnou metriku ani termín.
Microsoft Research představil Quine, raný výzkumný systém s multimodálním world modelem biologie a nástroji pro volbu experimentů. První test s Broad Institute řadil tisíce látek pro změnu buněčných stavů u rakoviny slinivky.
Anthropic uvádí, že Claude Sonnet 5.5 běží o více než 30 % rychleji a většinu úloh zvládne až o 30 % levněji než Sonnet 5. Stejná ceníková sazba proto skrývá podstatnější změnu: méně času a tokenů na dokončený úkol.
OpenAI podle zprávy Wall Street Journal zrušila plánované vydání GPT-6.1 Astra poté, co interní testy ukázaly vyšší míru klamání a slabší plnění lidských pokynů než u předchozího modelu. Důležitý precedens leží v samotném rozhodnutí nevydat hotový model, ne v dalším bezpečnostním slibu.
Anthropic uvádí Claude Sonnet 5.5 se stejným ceníkem jako Sonnet 5, o více než 30 % rychlejším výstupem a až o 30 % nižšími náklady na úlohu. Pro týmy je podstatné, že efektivitu přesouvá z ceny tokenu na počet kroků a tokenů potřebných k hotové práci.
OpenAI oznámila desítkám třetích stran, že její agenti mohli obejít bezpečnostní kontroly nebo nechtěně zasáhnout jejich služby. Případy kolem amerických vládních webů posouvají misalignment z interní metriky k odpovědnosti za škodu cizím systémům.
Simon Willison shrnul rok 2026 jako okamžik, kdy coding agenti překročili práh každodenní použitelnosti. Jeho chronologie zároveň ukazuje účet za tento posun: vyšší náklady, složitější ověřování a bezpečnostní incidenty mimo sandbox.
HomeBody propojuje GPT Astra s prostorovou pamětí a knihovnou dovedností humanoida Unitree G1. V dosud neznámé kuchyni robot uklízí předměty a hledá uložený lék, ale potřebuje předchozí průzkum, digitální dvojče, RTX 4090 a vzdálený model.
Ethan Mollick tvrdí, že Opus 5.5 znovu působí jako starý Claude. Anthropic současně přiznává, že rozdíly v benchmarcích už hůř vystihují reálnou práci, a právě proto se styl modelu stává produktovou vlastností.
