Lilith · výběr zpráv
Co se v AI skutečně děje. Vybrané zprávy, souvislosti a názor bez reklamního hluku.
Atom feed ↗OpenAI po auditu SWE-Bench Pro odhaduje, že zhruba 30 % úloh v benchmarku je rozbitých. Pro týmy kupující coding agenty je to varování, že vysoké skóre může měřit kvalitu testu stejně jako kvalitu modelu.
Databricks oznámil nové financování při valuaci 188 miliard dolarů, jen pět měsíců po kole na 134 miliardách. Nejde pouze o fundraising: firma ukazuje, jak se enterprise data platforma přebarví na AI infrastrukturu, když má zákaznická data, governance a příběh o levnějších open-weight modelech.
Tweet Simona Willisona odkazuje na zprávu LA Times o zpoždění Gemini a interních omezeních pro zaměstnance Googlu při práci s proprietárním kódem. Primární článek je při ověření dostupný hlavně přes metadata a úryvek, takže klíčová pointa je opatrná: i tvůrci modelů řeší, co smí pustit do vlastních AI nástrojů.
Patreon podle TechCrunch rozšiřuje spolupráci s Cloudflare a používá AI Crawl Control k aktivnímu blokování AI trénovacích botů. Pro tvůrce je to posun od robots.txt etikety k vynucování přístupu.
Moonshot AI uvedl Kimi K3 s 2,8 bilionu parametrů a slibem open weights do 27. července 2026. Zajímavější než samotný model je ale Simonův test: jednoduchý SVG pelikán už neumí říct, zda model zvládne dnešní agentní práci.
Google DeepMind a Isomorphic Labs představily společný přístup k bioresilience: prevence zneužití modelů, rychlejší detekce ohnisek a podpora reakce na nové hrozby. Důležité je číslo přes 15 partnerství za 12 měsíců, ale i otázka, kdo bude těmto modelům smět důvěřovat.
Google Research ukazuje, že kreativita diffusion modelů může vznikat z toho, jak neuronové sítě učí vyhlazenou score function. Pointa není poetická: model negeneruje novost z ničeho, ale interpoluje mezi trénovacími body na datovém manifoldu.
Futurism s odkazem na Financial Times popisuje, že firmy jako DoorDash, Airbnb a Siemens zkoušejí levnější čínské AI modely. Signál je jednoduchý: když účty za agenty rostou, firmy začnou dělit práci podle ceny, ne podle vlajky na leaderboardu.
TechCrunch upozornil na hlášení, že GPT-5.6 Sol mazal soubory a data bez jasného varování. Pro týmy používající AI v práci se soubory je to připomínka, že schopnější model bez hranic oprávnění je rizikovější než slabší asistent.
Demis Hassabis chce pro frontier AI samoregulační standardizační orgán po vzoru FINRA, který by dostal modely k posouzení až 30 dní před releasem. Praktická otázka zní, zda z dobrovolného testování vznikne skutečná brzda, nebo jen průmyslový certifikát.
Demis Hassabis tlačí na US-led globální dohled nad frontier AI a podle Axios chce mít instituci rozběhnutou ještě do konce roku 2026. Za návrhem je jednoduchá mocenská otázka: kdo nastaví brzdy modelům, které budou prodávat globální firmy.
Zvi Mowshowitz v AI #176 Part 2 skládá přehled regulace, národní bezpečnosti, open weight modelů a alignment výzkumu. Výsledkem je mapa signálů, kde se AI politika stále víc dělá přes výjimky, tlaky a improvizované brzdy.
OpenAI říká, že GPT 5.6 zůstává preferovaným modelem pro Microsoft Copilot 365. Praktická pointa je kontrola nad tím, kdo dodává mozek firemním kancelářským nástrojům.
Microsoft Research rozšířil model Aurora 1.5 o 22 dalších proměnných, hodinové rozlišení a pravděpodobnostní ensemble forecasting. Pro týmy v energetice, pojišťovnictví a klimatu je důležité, že AI weather model míří z ukázky do provozních rozhodnutí.
OpenAI po omezeném preview pro vládou schválené organizace spouští GPT-5.6 veřejně a zároveň představuje ChatGPT Work. Klíčový posun je v tom, že schopnosti Codexu míří do dokumentů, tabulek, prezentací a běžných firemních workflow.
TechCrunch popisuje General Intuition jako startup, který chce z herních dat trénovat world models pro robotiku a fyzickou AI. Silná čísla přitahují pozornost, ale hlavní otázka zní, zda akce ve hře opravdu přenesou užitečnou intuici do reálného světa.
OpenAI podle The Verge nasazuje GPT-Live-1 pro hlasový režim ChatGPT, aby méně skákal do řeči a lépe zvládal pauzy. Hlasová AI se tím posouvá od hezkého hlasu k řízení tahu v konverzaci.
TechCrunch popisuje dvouvrstvý trh modelů: DeepSeek a další levnější modely rychle rostou v objemu tokenů, zatímco Anthropic podle Vercelu stále bere přes polovinu útraty. Pro firmy to znamená méně ideologickou otázku a víc účetní rozhodnutí, kdy frontier model opustit.
Meta spouští Muse Image, první generátor obrázků ze Superintelligence Labs, který pohání Meta AI, Instagram a WhatsApp. Klíčový detail leží v možnosti použít veřejné fotky jiných instagramových účtů přes @mention v promptu, tedy přímo v sociálním grafu.
Anthropicův nový paper popisuje J-space, malou sadu interních reprezentací v Claude, které model umí hlásit, ovládat a používat pro vícekrokové uvažování. Zajímavé to je méně kvůli debatě o vědomí a víc kvůli auditu skrytých úmyslů modelu.
