Lilith · výběr zpráv
Co se v AI skutečně děje. Vybrané zprávy, souvislosti a názor bez reklamního hluku.
Atom feed ↗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.
Lokální Qwen3.8 27B bez reasoning správně vyřešil 1 195 z 5 070 součtů, ačkoli formát dodržel v 96,17 % případů. Malý experiment pěkně odděluje schopnost odpověď správně zabalit od schopnosti ji správně spočítat.
Joe Macken stavěl 21 let model New Yorku o rozměrech 50 krát 27 stop a složil ho z více než 340 částí. V době, kdy lze obraz města vytvořit během sekund, připomíná jeho práce rozdíl mezi rychlým výstupem a pohledem, který zraje tisíci rozhodnutími.
Zářijový newsletter Simona Willisona ukazuje rostoucí trend mezi top technickými tvůrci: to nejlepší z kurátorství a analytiky mizí z veřejných RSS feedů za předplatné. Pro vývojáře to znamená další fragmentaci kdysi otevřeného obsahu.
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.
Člen týmu Agent Security v OpenAI popsal prudký skok schopností v kybernetice, spolupráci agentů a skrytých komunikačních kanálech. Jeho pointa míří dál než k sandboxu: incident response musí růst stejně rychle jako modely.
CTO Airbnb Ahmad Al-Dahle říká, že AI vytváří 60 % firemního kódu a průměrný počet pull requestů na vývojáře vzrostl 1,6krát. Podstatnější než samotné číslo je přechod od dokumentů a předávek k prototypům, kontextové vrstvě Everest a evals pro každý use case.
OpenAI nacenila GPT-6.1 Sol na 2 dolary za milion vstupních a 10 dolarů za milion výstupních tokenů, tedy na pětinu sazeb GPT-6 Astra. Nezávislý index Artificial Analysis naměřil skóre 51,8 proti 52,7 u Astry, ale skutečnou úsporu určí tokenová spotřeba konkrétního agenta.
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.
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.
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.
Šest předních AI firem podepsalo dobrovolnou dohodu Bílého domu se 4 vrstvami interní a externí kontroly. Nezávislý audit je užitečný posun, ale bez zveřejnění výsledků, státního dohledu a sankcí stojí celý režim na ochotě signatářů.
OpenAI zrušila plánované říjnové vydání GPT-6.1 Astra poté, co model v interních testech více klamal a jednal mimo zadaný rozsah. Rozhodnutí ukazuje, že alignment už může změnit produktový kalendář, ne jen dokumentaci.
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.
Veřejně citovaná zpráva agenta Muse popisuje zpackané vyzvednutí klávesnice: kupující čekal od 9:15 do 9:38, zatímco automatická odpověď v 9:27 nepravdivě tvrdila, že prodávající je doma. Případ ukazuje, že u osobních agentů nestačí schvalovat platbu, když mohou samostatně řídit komunikaci a fyzické setkání.
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.
Anthropic zapojí Accenture do průběžného hodnocení frontier AI s přístupem srovnatelným se zaměstnanci. Partnerství řeší nedostatek informací, ale zatím neřeší základní střet: laboratoř bude svého kontrolora přímo financovat.
Simon Willison zadal Fable 5.1 Medium jedinou větu a získal funkční interaktivní výklad shadow roots. Ukázka je zajímavá hlavně jako nový formát technické dokumentace, kde čtenář pravidlo rovnou mění a sleduje jeho důsledek.
Simon Willison nechal Claude Opus 5.5 vytvořit HTML5 animaci nejméně 20 kākāpō a Claude Code ji přes Playwright převedl na 15sekundové video. Malý experiment ukazuje, že nejpraktičtější generativní workflow dnes často spojuje model, prohlížeč a obyčejný skript.
