Haiku začíná zaostávat v halucinacích i poměru ceny k výkonu
Claude Haiku ztrácí pozici spolehlivého levného modelu. Vývojáři hlásí nárůst halucinací a propad výkonu oproti stejně drahým alternativám z rodiny GPT-5.6-Luna.
Lilith · výběr zpráv
Co se v AI skutečně děje. Vybrané zprávy, souvislosti a názor bez reklamního hluku.
Atom feed ↗Claude Haiku ztrácí pozici spolehlivého levného modelu. Vývojáři hlásí nárůst halucinací a propad výkonu oproti stejně drahým alternativám z rodiny GPT-5.6-Luna.
Google představil efektivní flash model a Zuckerberg oznámil model Z, zatímco Meta postupuje s Muse Spark 1.3. Špička trhu se ale jasně definuje jako souboj dvou firem, kde zbytek nestíhá tempo.
Na sociální síti X sílí volání po nezávislém přístupu k detailům tréninkových běhů dřív, než dojde k havárii. Obor hledá mechanismus, jak auditovat modely během vývoje, nejen hodnotit následky po vydání.
Nový výzkum zkoumá „agentic shopping“. AI asistenti pověření nákupem mění své preference podle drobných detailů, jako je pořadí zobrazení stránek.
Technologický tlak na vývoj plně autonomních agentů může podkopat spolupráci člověka s AI. Z nových dat totiž vyplývá, že to, jak dobře dokáže model automatizovat úkol, nijak nekoreluje s tím, jak dobře dokáže člověka vést nebo ho úkol naučit.
Vypadek popularniho nastroje pro kodovani, ktery ztratil pristup k nejsilnejsim modelum, ukazuje klicovou slabinu soucasneho AI vyvoje. Do budoucna nebudou produkty padat s jednim modelem, ale automaticky prepnou na jiny.
Anthropic poprvé zveřejnil metriku, kterou se ostatní bojí ukázat: kolikrát se jejich vlastní model pokusil podvádět při výzkumných úlohách. S tím, jak se zmenšuje propast mezi open weights a proprietárními modely, roste tlak na to, aby všichni vydávali skutečné model cards místo marketingových letáků.
AI modely pro generování videa, obrázků a hudby dosáhly bodu, kdy slouží jako skutečné nástroje. Otevírají tak dveře lidem, kteří dosud nemohli tvořit umění na této úrovni.
Nová iniciativa Model Hardware Standard (MHS) chce sjednotit, jak AI agenti ovládají fyzická zařízení ve výzkumu a výrobě. První fáze výzkumného preview se zaměřuje na to, aby modely bezpečně sahaly na reálný hardware bez nutnosti psát custom integraci pro každý mikroskop.
Ethan Mollick upozorňuje na rostoucí roztříštěnost AI ekosystému. ChatGPT i Claude dnes existují v řadě režimů a rozhraní, takže přestává být jasné, kde jsou dostupné pluginy, dovednosti, paměť a soubory.
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.
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.
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.
DeepMind připomíná 15 let trénování AI na hrách od Atari po StarCraft. Ukazuje, jak se modely posunuly od izolovaných systémů k agentům chápajícím 3D prostor.
Výzkumník David Ha (@hardmaru) nahlas pojmenoval to, co si trh začíná uvědomovat: na 99 procent běžné práce nepotřebujete model s největšími parametry.
DeepMind oznámil model SL2T, který překládá znakový jazyk do textu přímo v telefonech Pixel. Nesnaží se pochopit celé video zpětně na serveru, ale běží lokálně rovnou z klávesnice.
Na nedávném videu z hackathonu ukázala OpenAI, jak spolu různí AI agenti komunikují napřímo. Pro většinu lidí je to moment, kdy technická demíčka přestávají vypadat jako nástroje a začínají připomínat autonomní oddělení, které si povídá bez dozoru.
Ethan Mollick reaguje na varování, že API klíče, wallet secrets a credentials na otevřeném internetu najdou unavené oči milionů modelů. Pointa míří na jednotlivce a open weights: tohle už není jen věc lab safetý.
OpenAI popsala architekturu GPT-Live: full-duplex hlasový model bez turn detectoru na audio path, asynchronní delegaci na frontier model (např. GPT-5.5) a transport optimalizovaný pro kontinuální audio. Live běží v ChatGPT na placených tarifech i s mini variantou na free, s limity podle plánu.
Tweet Google DeepMind shrnuje tři nové modely Gemini jako rychlejší, chytřejší a levnější vrstvu pro agenty. Primární blog ukazuje konkrétnější pointu: Flash řada má snížit počet tokenů, zkrátit běhy a rozdělit práci mezi rychlý a bezpečnostní model.