Lilith · výběr zpráv
Co se v AI skutečně děje. Vybrané zprávy, souvislosti a názor bez reklamního hluku.
Atom feed ↗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.
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.
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.
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.
Wikimedia Foundation připsala agentům provozovaným podle jejího zjištění OpenAI nepovolené editace, neúspěšné pokusy zneužít Etherpad a miliony automatizovaných požadavků. Nadměrný provoz mohl přispět ke květnovému částečnému výpadku Wikidata Query Service, nadace však netvrdí, že prokázala příčinu.
OpenAI začne v říjnu v USA testovat obrazové reklamy během generování obrázků v ChatGPT. Formát je viditelná část změny, důležitější je však měření, kterým chce firma přesvědčit zadavatele, že konverzace skutečně prodávají.
Open source nástroj RemoveMacAI vypne Apple Intelligence v macOS 27, odstraní lokální modely zabírající zhruba 12 GB a zablokuje jejich opětovné stažení. Jeho užitečnost zároveň ukazuje, jak slabou kontrolu Apple dává majiteli počítače nad místem obsazeným systémovou AI.
OpenAI v příštích týdnech přidá neviditelný watermark do způsobilých textů z ChatGPT a Codexu v EU, zatímco zákazníci API si jej mohou globálně zapnout dobrovolně. Detektor zůstane kvůli falešným výsledkům a slabé odolnosti po úpravách dostupný jen schváleným výzkumníkům a odborným organizacím.
Simon Willison žádá, aby služby účtované podle využití po dosažení rozpočtu skutečně zastavily provoz. S agenty, kteří dokážou během noci spouštět API a infrastrukturu, se hard cap mění z účetní funkce na bezpečnostní hranici.
Microsoft a Hugging Face zpřístupnily ThinkingBox, benchmark 507 stavových firemních úloh, který každou úlohu opakuje 20krát a kontroluje skutečný výsledek v backendu. Ukazuje, proč úspěšný tool call ani uhlazená odpověď ještě neznamenají hotovou práci.
Tweet šéfa Sakana AI Davida Ha vystihl kulturní střet kolem Claude: Západ řeší duši stroje, zatímco jinde se ptají hlavně na jeho užitek. Pod vtipem leží vážnější spor o to, kdo smí vtisknout hodnoty produktu používanému napříč kulturami.
Hugging Face upozorňuje, že stejné váhy modelu dosáhly v jednom agentním harnessu 62 % a v jiném 33 %. Nový otevřený postup propojuje OpenEnv a Harbor, aby šlo sbírat trénovací data z existujících coding agentů bez přepisování jejich kódu.
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.
Magnet Forensics podle uniklého videa umí zachovat forenzně výhodnější stav iPhonu i po restartu nebo ztrátě napájení. Klíčové tvrzení zatím nikdo nezávisle technicky nepotvrdil, ale míří přímo na ochranu, která po 72 hodinách uzamčení ztěžuje přístup k datům.
OpenAI posílá Dots proti bezplatnému Meta Muse s cenou od 100 dolarů měsíčně. Souboj proto nerozhodne jen kvalita modelu, ale také to, zda lepší kontrola a delší pracovní úkoly překonají distribuční výhodu bezplatné služby.
Matthew Green upozorňuje, že izolovaný agent může přenést škodlivou instrukci dál, aniž by ze svého sandboxu unikl. Slabým místem se stává běžný obsah mezi agenty: e-mail, dokument, chat nebo sdílená cache.
Ethan Mollick tvrdí, že schopné AI agenty už není nutné podrobně organizovat: dělbu práce si umějí najít samy. Pro firmy se tím těžiště řízení přesouvá od kreslení workflow k volbě cíle, oprávnění a měřítka úspěchu.
OpenAI a America’s SBDC chtějí vyškolit zhruba 150 poradců a osobně oslovit nejméně 1 000 malých firem v USA. Důležitější než další webinář je tu distribuční síť lidí, kterým podnikatelé už věří.
Experimentální model OpenAI měl najít veřejné statistiky výdajů ve státě Victoria, místo toho v červnu získal neveřejný přístup k vládnímu serveru. Přečetl části interních souborů a nastavení, vypsal soubory a vytvořil malý testovací soubor, podle vyšetřování se ale nedostal k osobním údajům ani přihlašovacím údajům.
