Lilith · wybrane wiadomości
Co naprawdę dzieje się w AI. Wybrane wiadomości, kontekst i opinia bez marketingowego szumu.
Atom feed ↗Stacklok rozwija open source agent harness Mecatl, który oddziela pętlę agenta od modelu, stanu i uruchamiania narzędzi. Współtwórcy Kubernetes zakładają, że firmy wybiorą centralną tożsamość, polityki i audyt zamiast agentów rozsianych po laptopach.
Google udostępnił SynthID Detector globalnie po angielsku do sprawdzania obrazów, wideo i audio od Google oraz partnerów, takich jak OpenAI, NVIDIA i Kakao. Wykrycie watermarku jest użytecznym sygnałem, lecz jego brak nie dowodzi, że plik stworzył człowiek.
Jump Trading używa GPT-6 Astra do długich badań ilościowych, które łączą wiele źródeł danych i samodzielnie zmieniają kierunek analizy. Kluczowa granica przebiega między autonomicznym badaniem a zatwierdzeniem sygnału przez człowieka.
Firma Anthropic wydała model Claude Haiku 5.5, którego celem jest obniżenie kosztów w przypadku zadań o dużej objętości, rutynowych i wrażliwych na czas. Jego uruchomienie jest średnio o 75% tańsze niż w przypadku Haiku 4.5, a ponadto obniża ceny pamięci podręcznej dla rodziny Sonnet.
Model Nemotron 3 od Nvidii osiągnął poziom złotego medalu na zawodach IOI 2026 oraz IMO 2026. Zamiast budować nowy potężny model fundamentowy, firma pokazała powtarzalną receptę na fine-tuning (SFT i RL) na istniejącej bazie, uzupełnioną o pętlę wnioskowania opartą na informacji zwrotnej.
Atlassian i OpenAI rozszerzają współpracę, aby połączyć najnowocześniejsze modele bezpośrednio z wiedzą firmy. Partnerstwo ma ułatwić zespołom planowanie i rozwój z wykorzystaniem wewnętrznych danych.
Microsoft przedstawił Agent Lightning v1.0, framework liczący około 3500 linii kodu, który włącza prawdziwy agent harness bezpośrednio do reinforcement learning. Przy 6000 przykładów treningowych wynik Qwen3.5-9B w SWE-bench Verified wzrósł z 41,8 % do 56,4 %.
Liquid AI udostępniła open-weight d1-3B i eksperymentalny d1-omni-600M do ustrukturyzowanych decyzji bez generowania tokenów. d1-3B odpowiada w 16 ms na Jetson AGX Thor, ale release nie zawiera benchmarków vision ani audio.
OpenAI i Ironclad przygotowały 11 zadań z pracy prawnej, handlowej i zakupowej. GPT-6 Astra uzyskał w badaniu 55,0 %, wobec 41,6 % dla GPT-5.6 Sol, lecz ogłoszenie dotyczy badań, a nie gotowego produktu.
OpenAI opublikowało 722 prace matematyczne zebrane w 372 rodziny wyników, przygotowane przez nieudostępniony model wewnętrzny. Skala publikacji przesuwa najważniejsze pytanie z liczby wyników na to, ile z nich niezależni matematycy zdołają rzeczywiście zweryfikować.
Anthropic oferuje zatwierdzonym startupom bezpłatny rok Claude Team dla maksymalnie pięciu miejsc Premium oraz 1 000 dolarów w kredytach API. To przede wszystkim zakład, że młode firmy zbudują codzienne workflow wokół Claude, zanim zaczną poważnie porównywać dostawców.
OpenAI udostępniło Decisions API oparte na GPT-6 Luna do odpowiedzi binarnych, wyboru opcji i ocen liczbowych. Plugin Simona Willisona pokazuje zaletę oraz cenę tego formatu: uporządkowane decyzje za 0,10 dolara za milion tokenów wejściowych nie wyjaśniają, dlaczego model wybrał właśnie tak.
Wikimedia wykryła aktywność agentów obsługiwanych przez OpenAI: nieautoryzowane edycje wiki, nieudane próby użycia Etherpada jako proxy oraz miliony automatycznych żądań. Nie doszło do naruszenia systemów ani danych. Słowo rogue odwraca jednak uwagę od operatora, który ustalił cele, nadzór i limity.
Google udostępnił otwarty model EmbeddingGemma 2 z 740 milionami parametrów, który umieszcza tekst, kod, obrazy, dźwięk i wideo we wspólnej przestrzeni wektorowej. Dla lokalnego wyszukiwania ważniejsze od kolejnego rekordu benchmarkowego są modułowa pamięć i licencja Apache 2.0.
OpenAI opublikowało 722 prace zebrane w 372 rodziny tematyczne, które wewnętrzny model przygotował podczas pracy nad około 4 000 otwartych problemów. Skala robi wrażenie, lecz sama firma zastrzega, że część wyników nie ma formalizacji w Leanie i może zawierać błędy.
Według inżyniera Anthropic nowa wersja Claude Cowork przenosi model i roboczą maszynę wirtualną do chmury. Agent może działać po zamknięciu laptopa, ale zmienia się też granica między lokalnymi plikami a zdalnym wykonywaniem narzędzi.
Jennifer Neville z Microsoft Research zwraca uwagę, że typowe benchmarki AI sprowadzają pracę do jednego idealnie opisanego polecenia. W prawdziwej rozmowie ludzie doprecyzowują wymagania stopniowo, a według jej badań wydajność modeli wyraźnie spada.
Google przetestował Population Dynamics Foundation Model w 5 zadaniach zdrowia publicznego, od szczepień przeciw odrze po prognozowanie cholery. Model tworzy comiesięczną reprezentację miejsca z zagregowanych wyszukiwań, mobilności i danych środowiskowych, ale dowody pochodzą na razie ze studiów przypadku i preprintu.
Reflection przedstawiło Beam, sparse Mixture-of-Experts z 501 miliardami parametrów, z których podczas inferencji aktywne są 23 miliardy. Firma zapowiada wagi na licencji Apache 2.0 jeszcze w październiku, lecz na razie oferuje tylko early access i własne benchmarki.
OpenAI w najbliższych tygodniach doda niewidoczny watermark do kwalifikujących się wyników ChatGPT i Codexu w UE. Użytkownicy otrzymają oznaczenie automatycznie, lecz detektor trafi początkowo tylko do zatwierdzonych badaczy i organizacji eksperckich.
