Lilith · wybrane wiadomości
Co naprawdę dzieje się w AI. Wybrane wiadomości, kontekst i opinia bez marketingowego szumu.
Atom feed ↗Anthropic ponownie udostępnia Claude Fable 5 globalnie od 1 lipca po zniesieniu amerykańskich kontroli eksportowych. Najważniejsza zmiana siedzi w classifierze: ma blokować opisane obejście w ponad 99 % przypadków, ale częściej zatrzyma też zwykłe kodowanie i debugging.
NVIDIA wydała na Hugging Face Nemotron 3.5 Content Safety, 4B multimodalny model do safety verdicts z custom policy, reasoning traces i szerokim pokryciem językowym.
Cohere wydaje North Mini Code, 30B Mixture of Experts model z 3B aktywnymi parametrami na licencji Apache 2.0. Najciekawszy sygnał to nie sam wykres benchmarków, lecz nacisk na robustness across harnesses, bo coding agent często przegrywa na interfejsie, nie tylko na kodzie.
Badania Writer opisane przez TechCrunch pokazują, że warstwy memory i personalization mogą obniżać trafność modeli oraz wzmacniać sycophancy. Dla zespołów produktowych kontekst użytkownika nie jest tylko paliwem dla lepszego UX. To także nowe źródło błędów.
Google DeepMind pokazał DiffusionGemma, eksperymentalny open model do generowania tekstu, który według strony modelu osiąga na NVIDIA GPU do 4x do 5x szybszy output i ponad 1 000 tokenów na sekundę na H100. Ważniejszy od samej liczby jest kierunek: modele tekstowe zaczynają atakować sekwencyjny bottleneck.
The Verge naciska na pytanie, na które Google nie odpowiada wprost: czy muzyka wrzucana na YouTube trafia do treningu Lyria. Pozew Kogon et al v. Google twierdzi, że problemem nie są tylko training data, ale cały łańcuch od YouTube przez ContentID po muzykę generowaną przez AI.
Google pozwał domniemaną chińską sieć Outsider Enterprise, która miała używać Gemini do budowy stron phishingowych. Firma łączy operację z 9 000 fałszywych stron, 1 milionem oszukańczych URL-i i 2,5 miliona SMS-ów w dwa tygodnie.
Microsoft pokazał, że Project Ire potrafił oznaczyć 253 KB wariant DLL LOTUSLITE jako malware, choć 28 maja 2026 roku na VirusTotal wykrywał go tylko 1 z 72 vendorów. Sedno tkwi w analizie zachowania binarki, a nie w dopasowaniu do listy IOC.
Koalicja amerykańskich prokuratorów stanowych bada OpenAI, podają TechCrunch i The Wall Street Journal, a biuro prokurator generalnej Nowego Jorku wysłało firmie subpoena. Pytania wychodzą poza bezpieczeństwo modelu: obejmują reklamy, engagement, health data, minors i seniors.
OpenAI i Broadcom pokazali Jalapeño, własny chip do inference LLM, którego pierwsze wdrożenie ma ruszyć w 2026 roku. To nie jest zerwanie z Nvidią, lecz próba przejęcia kontroli nad cost-per-token.
Chińska Z.ai udostępniła open-weight GLM-5.2, a niezależne testy cyber stawiają go blisko zamkniętych modeli w konkretnych zadaniach szukania podatności. Dla zespołów bezpieczeństwa ważne jest to, że użyteczne wykrywanie błędów zaczyna wychodzić poza kontrolowane API amerykańskich dostawców.
Elizabeth Warren i Mary Gay Scanlon szykują nową wersję Health and Location Data Protection Act, która ma zakazać sprzedaży danych zdrowotnych i lokalizacyjnych, także tych podawanych chatbotom AI. Dla firm AI to sygnał, że medyczny prompt w ChatGPT albo Claude może stać się regulowanym śladem, a nie darmowym paliwem dla rynku danych.
Zvi Mowshowitz kwestionuje ramę WSJ, według której Chiny dogoniły Anthropic w cyberbezpieczeństwie, bo miesza ona wąskie zadania bug finding z autonomicznym szukaniem podatności i łączeniem exploitów. Dla zespołów bezpieczeństwa wniosek jest prostszy: model może wygrać jeden test i nadal nie być tą samą bronią w produkcji.
Według The Verge OpenAI szykuje na 15 lipca urządzenie sprzętowe dla Codexa, tworzone z Work Louder. Najciekawszy nie jest sam gadżet, lecz próba przeniesienia AI coding z promptów do fizycznych nawyków pracy programisty.
Firmy pchają Claude, Codex i innych coding agents w ekstremalnie krótkie odpowiedzi, żeby obniżyć rachunki za tokeny. Caveman nie jest eleganckim trendem UX, tylko reakcją księgową na to, że agent w kolejnych krokach czyta własną gadatliwość.
Microsoft Research opisał generative causal testing, metodę, która zmienia modele przewidujące aktywność mózgu w czytelne hipotezy i sprawdza je w fMRI. Najciekawsze jest to, że AI ma tu nie tylko przewidywać, ale oddawać naukowcom testowalną teorię.
Google Research pokazał TabFM, zero-shot foundation model do klasyfikacji i regresji na tabelach. Najważniejszy produktowo jest trop BigQuery ML: część pracy przy feature engineeringu, strojeniu i trenowaniu może trafić do zwykłego wywołania SQL.
Google wypuścił Nano Banana 2 Lite, szybszy i tańszy model do generowania obrazów, który według dostępnych informacji tworzy obraz w około 4 sekundy i kosztuje poniżej 4 centów za 1000 obrazów. Ważniejsza od jakości galerii jest masowa, programowalna iteracja wizualna.
BAIR opublikował showcase 33 doktorantów z rocznika 2026. Celebracja działa tu jak mapa ludzi przechodzących do robotyki, LLM agent systems, AI safety i AI for science.
Microsoft pokazuje SkillOpt: optimizer, który poprawia plik skill agenta bez ruszania wag modelu. Dla zespołów budujących agentów najważniejsza jest bramka walidacyjna, a nie kolejna warstwa promptowej alchemii.
