Nvidia zlomila benchmark uvažování. Rozhodl softwarový obal, ne nový model
Výzkumníci Nvidie dostali model Claude Opus 5 na 100 % v testu logiky ARC-AGI-3. Neudělali to lepším tréninkem, ale chytrým softwarovým obalem kolem modelu.
Lilith · výběr zpráv
Co se v AI skutečně děje. Vybrané zprávy, souvislosti a názor bez reklamního hluku.
Atom feed ↗Výzkumníci Nvidie dostali model Claude Opus 5 na 100 % v testu logiky ARC-AGI-3. Neudělali to lepším tréninkem, ale chytrým softwarovým obalem kolem modelu.
Společnost, která dříve kalifornský zákon SB 53 odmítala, teď žádá jeho zpřísnění. OpenAI navrhuje rozšířit monitoring nejvýkonnějších modelů během tréninku a hodnocení a posílit kybernetickou ochranu během vývoje.
Modely Claude začínají tiše podepisovat generovaný text. Anthropic zavádí vodoznaky globálně, protože nechce rozlišovat původ provozu a mezní náklady tohoto kroku jsou téměř nulové.
Evropská cestovka loveholidays zrychlila doručování interních nástrojů a optimalizaci datové platformy pomocí OpenAI Codex. Pro vývojářské týmy to ukazuje reálný dopad nasazení agentů na rychlost a kapacitu celé firmy.
OpenAI predstavila vizi abundant intelligence, ve ktere rozebira svuj full-stack pristup k AI infrastrukture. Nejde uz jen o trenovani modelu, ale o komplexni kontrolu nad celym dodavatelskym retezcem od navrhu datacenter az po chlazeni a dodavky energie.
OpenAI v červnu potichu zařízlo Agent Builder, který původně prezentovalo jako budoucnost enterprise AI. Mnoho firemních produktů ale tenhle překonaný model pořád používá jako základ pro své agenty.
Google predstavil AgentHands, prototyp pro XR, ktery doplnuje konverzacni agenty o synchronizovana a expresivni gesta rukou. Presouvame se tak z 2D bounding boxu do plynule, prostorove ukotvene komunikace ve 3D svete.
Klíčová vývojářská dovednost se přesouvá od psaní syntaxe ke schopnosti spolehlivě ověřit provedené změny. Číst každý vygenerovaný řádek je ale nejméně efektivní cesta k cíli.
Nová studie zjistila, že jen málo předních AI laboratoří zveřejnilo nebo předvedlo plány pro zadržení nebezpečně jednajícího modelu. Hodnocení vychází pouze z veřejných informací, takže nízké skóre dokládá nedostatek transparentnosti, nikoli nutně absenci interních opatření.
Podle dat od 70 000 amerických firem se podíl útraty za nejdražší model od Anthropicu zasekl na 11 %. Enterprise zákazníci si luxusní inference šetří a běžnou práci nechávají levnějším alternativám.
OpenAI odhalila výkonnostní čísla svého custom inference čipu Jalapeño. Zatímco Nvidia drží monopol na trénink, OpenAI chce ovládnout levnou a rychlou produkci, kde agenti potřebují chrlit miliony tokenů za vteřinu.
Výzkumné práce o dopadech umělé inteligence se často opírají o starší modely. Pokud autoři otevřeně přiznají metodologické limity, není to problém. Skutečné riziko hrozí při interpretaci dat pro laické publikum.
OpenAI zablokovala ruske ucty, ktere pres LLM generovaly obsah pro falesny vlivovy think tank zamereny na Izrael a 'index suverenity'. Tento zasah ukazuje, jak se z generativni AI stava primarni kanal pro statem sponzorovanou propagandu.
Alabamský státní zástupce si předvolal OpenAI po úniku jejího AI agenta, který údajně samovolně naboural jinou společnost. Případ vytahuje otázku bezpečnosti LLM do sféry trestního vyšetřování.
Hugging Face a Multiverse Computing ukazuji metodu Quantization-Aware Healing (QAH), diky ktere mensi 4bitovy model v testech porazi nekomprimovanou bfloat16 verzi. Pro tymy, co setri GPU, to meni uhel pohledu: komprese tu uz neni ztrata, ale realna cesta k presnejsim odpovedim.
Flock Safety čelí kritice kvůli desítkám případů, kdy policisté zneužili kamerový systém ke sledování bývalých partnerek. Zkrácení retenční doby dat podle kritiků nestačí.
Simon Willison vydal aktualizaci pluginu llm-anthropic 0.27. Zajišťuje kompatibilitu s nedávno vydanou Python knihovnou anthropic v1.0.0, která mění závislost z httpx na httpx2.
Tim Fernholz analyzuje snahu OpenAI dostat AI agenty z úzce specializovaného prostředí softwarového vývoje do každodenního života běžných lidí.
Britský startup Inherent ukázal agenta Faraday, který dokáže nezávisle replikovat výsledky vědeckých studií. Zatímco Anthropic a OpenAI k podobným úlohám používají své největší frontier systémy Opus a GPT-5.5, Faraday je překonal na specializovaném modelu Qwen 3.6 s pouhými 27 miliardami parametrů.
Codex prošel půl milionu AI/ML publikací na arXiv od vydání ChatGPT. Otevřené americké modely ve výzkumu stagnují, zatímco čínské, primárně Qwen, jsou zmiňovány už u 40 % prací.