ChatGPT wdrożył operator site na dużą skalę i rozpoczął erę SEO dla chatbotów
Generatywna optymalizacja wyszukiwania (GEO) ożywa w praktyce. ChatGPT Search filtruje teraz odpowiedzi przez konkretne domeny.
Lilith · wybrane wiadomości
Co naprawdę dzieje się w AI. Wybrane wiadomości, kontekst i opinia bez marketingowego szumu.
Atom feed ↗Generatywna optymalizacja wyszukiwania (GEO) ożywa w praktyce. ChatGPT Search filtruje teraz odpowiedzi przez konkretne domeny.
Inteligentne kamery Google otrzymują funkcję Pet Memory, która ma rozróżniać poszczególne zwierzęta domowe. Funkcja oparta na modelach Gemini napotyka na razie ograniczenia w rzeczywistym użytkowaniu.
Badacz David Ha (@hardmaru) głośno mówi to, co rynek zaczyna sobie uświadamiać: do codziennej pracy nie potrzebujesz najdroższego modelu.
DeepMind ogłosił model SL2T, który tłumaczy język migowy na tekst na telefonach Pixel. Nie analizuje całego wideo na serwerze, ale działa lokalnie prosto z klawiatury.
Google DeepMind w Nature pokazuje, że WeatherNext poprawia prognozę toru, intensywności i struktury wiatru cyklonów o około dzień lead time. Równocześnie open-sourcuje WeatherNext 2, WeatherNext Cyclones i wariant mini.
Podcast Last Week in AI #253 składa cotygodniową mapę: Anthropic Opus 5, nowe warianty Gemini w tym model cyber, open-weight Kimi K3, deale o compute oraz raportowane wejście systemu OpenAI na Hugging Face.
Tweet Google DeepMind przedstawia trzy nowe modele Gemini jako szybszą, mądrzejszą i tańszą warstwę dla agentów. Blog źródłowy pokazuje konkretniejszą pointę: Flash ma ciąć tokeny, skracać przebiegi i dzielić pracę między szybki, tani i security model.
Google Research pokazało SymptomAI, badanie konwersacyjnych agentów do rozmów o objawach i diagnostyki różnicowej z udziałem 13 917 osób. Wyniki są badawcze, nie kliniczne: według Google wygenerowane diagnozy nie były potwierdzonymi rozpoznaniami ani oficjalnymi ocenami medycznymi.
Google DeepMind przedstawia Gemini 3.5 Flash Cyber jako wyspecjalizowany lekki model do wykrywania i łatania podatności, a Flash-Lite kieruje do tanich zadań powtarzalnych. Ciekawe jest nie samo nowe imię modelu, lecz podział pracy AI według ryzyka operacyjnego.
Latent Space opisuje FLUX 3 jako multimodalny flow model do wideo, audio, keyframes i dłuższych sekwencji. Jeśli deklaracje wydajności oraz otwarta wersja Dev się potwierdzą, Black Forest Labs przestanie być tylko labem od obrazów.
Google zaprezentowało model Gemini Robotics ER 2, integrujący rozumienie wideo i orkiestrację wielu robotów. Celem jest, aby maszyny same potrafiły ocenić postęp fizycznego zadania i reagować na nieoczekiwane zmiany.
Ethan Mollick w letniej edycji przewodnika radzi na realną pracę Claude lub ChatGPT od 20 dolarów miesięcznie i dać agentowi komputer. Simon Willison pokazuje, że wybór chatbota stał się wyborem harnessu i uprawnień.
Google udostępnił Gemini 3.6 Flash i 3.5 Flash-Lite deweloperom, firmom oraz użytkownikom aplikacji Gemini. Specjalistyczny 3.5 Flash Cyber trafi tylko do rządów i zaufanych partnerów w ograniczonym pilotażu, więc jedna rodzina modeli działa w dwóch zupełnie różnych trybach dystrybucji.
Meta dodaje do Meta AI podsumowania z kalendarza, planowanie wydarzeń, wyszukiwanie informacji w sieci i zadania cykliczne na wybranych rynkach. Zwrot ku produktywności zwiększa użyteczność chatbota, ale także wrażliwość danych i koszt każdej pomyłki.
Google wypuścił Gemini 3.6 Flash, 3.5 Flash-Lite i 3.5 Flash Cyber z wyraźnym naciskiem na tańsze workflow agentów. Dla zespołów płacących za tokeny i opóźnienia ważniejsza jest ekonomia działania niż numer modelu.
Google uruchamia Gemini 3.5 Flash Cyber dla CodeMendera, systemu do wykrywania i naprawiania podatności. Liczby z benchmarku są ciekawe, ale dostęp wyłącznie dla rządów i zaufanych partnerów robi z tego zamknięty eksperyment security.
Tweet Simona Willisona odsyła do tekstu LA Times o opóźnieniach Gemini i wczesnych ograniczeniach dla pracowników Google używających modelu przy kodzie własnościowym. Pełny tekst udało się zweryfikować głównie przez metadane i cytowany fragment, więc bezpieczna teza jest wąska: nawet twórcy modeli pilnują, co wolno wpuścić do własnych narzędzi AI.
Google DeepMind i Isomorphic Labs pokazały wspólne podejście do bioresilience: zapobieganie nadużyciom modeli, szybsze wykrywanie ognisk chorób i wsparcie reakcji na nowe zagrożenia. Ważna liczba to ponad 15 partnerstw w 12 miesięcy, ale trudniejsze pytanie brzmi, kto dostanie zaufany dostęp do tych systemów.
Google Research pokazuje, że kreatywność diffusion models może wynikać z tego, że sieci neuronowe uczą się wygładzonej score function. To nie mistyka: model tworzy nowość przez interpolację między punktami treningowymi na data manifold.
Badacze z University of Maryland i Google DeepMind opisali preprint StoryScope, który porównuje 304 cechy narracyjne w ponad 50 000 krótkich opowiadań wygenerowanych przez AI. Ważny sygnał leży nie tylko w stylu, ale w tym, jak tekst prowadzi fabułę, czas, niejednoznaczność i sens.