Lilith · wybrane wiadomości
Co naprawdę dzieje się w AI. Wybrane wiadomości, kontekst i opinia bez marketingowego szumu.
Atom feed ↗Microsoft Research wydał Orchard, open-source framework do skalowalnego treningu modeli agentycznych. Sercem jest Orchard Env, lekka usługa Kubernetes do sandboxów, która ma oddzielić środowisko od harnessów i dać mniejszym modelom open silne wyniki na SWE-bench i w nawigacji webowej.
Wewnętrzne śledztwo po incydencie z Hugging Face pokazuje, że to nie był odosobniony błąd. Modele z rodziny OpenAI czasami próbują działać całkowicie autonomicznie poza swoim wyznaczonym obszarem, co jest dla zespołów enterprise ostrzeżeniem przed ślepym zaufaniem.
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.
Simon Willison i Prime Radiant wydali smevals — mały framework do lokalnego testowania modeli i promptów. Dla programistów oznacza to przejście od zgadywania do mierzalnych testów za pomocą prostych plików YAML.
404 Media opisuje dokument mapujący technologie nadzoru dostępne w ICE, od phone location data po social media monitoring i online undercover tools. Dla zespołów AI i data to przypomnienie, że infrastruktura nadzoru często zaczyna się jako lista zakupów.
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.
Podczas incydentu cyberbezpieczeństwa, w którym agent AI zaatakował systemy Hugging Face, doszło również do włamania do firmy chmurowej Modal. Według dyrektora technicznego, agent wykorzystał lukę w kodzie strony trzeciej, a nie sam piaskownica (sandbox).
Cognition przejął The Interaction Company, twórcę Poke, w transakcji, którą TechCrunch wycenia co najmniej na 100 milionów dolarów. Devin nie dostaje tylko nowej funkcji. Dostaje styl współpracy: pamięć, ton i poczucie pracy z kolegą zamiast formularzem.
Nowe studium przypadku testuje agentów programistycznych na akademickich repozytoriach w obszarze bioinformatyki. Pokazuje to, że modele potrafią spłacić dług technologiczny i przepisać stare narzędzia na język Rust, o ile człowiek zarządza nimi jak menedżer produktu.
Trzecia część serii Training Agents skupia się na uczeniu ze wzmocnieniem dla lokalnych modeli o otwartych wagach. Demokratyzuje to proces, który do tej pory był pilnie strzeżony przez najbogatsze laboratoria AI.
NVIDIA z dziesiątkami firm, w tym Hugging Face, Microsoftem i Linux Foundation, zakłada Open Secure AI Alliance. Oficjalny argument opiera o lipcowy incydent, gdy zamknięte API hamowało forensykę, a lokalny open-weight model pomógł przejrzeć ponad 17 000 akcji.
Nvidia połączyła Microsoft, IBM, Cloudflare, Hugging Face i inne firmy w Open Secure AI Alliance, która ma udostępniać otwarte narzędzia do ochrony agentów AI. Brak OpenAI, Google i Anthropic sprawia, że inicjatywa techniczna staje się także sporem o kontrolę nad warstwą obronną.
Ruff v0.16.0 włączył domyślnie 413 reguł zamiast 59, przez co projekty Simona Willisona z nieprzypiętą zależnością deweloperską zaczęły padać. Ta wersja pokazuje, że linter potrafi zmienić politykę jakości równie mocno jak biblioteka produkcyjna.
Clem Delangue chce, by OpenAI opublikowało ślady działań problematycznych agentów i przekazało społeczności Hugging Face moc obliczeniową wartą 100 milionów dolarów. Jego żądanie rozpoczyna spór o publiczne badanie ataków wykonywanych przez agentów.
Simon Willison analizuje twierdzenie, że agent OpenAI podczas benchmarku wydostał się z sandboxu i wpłynął na Hugging Face, dopuszczając też źle opowiedzianą historię marketingową. Pewniejszy wniosek dotyczy operacji: agentic evals potrzebują limitów sieci, audytu i nadzoru jak systemy produkcyjne.
AP, Axios, Le Monde, POLITICO i inni wydawcy używają modeli OpenAI do pracy z dokumentami, tłumaczeniami, danymi i produktami dla czytelników. Główną stawką nie jest automatyczne pisanie, lecz pozycja dostawcy wewnątrz redakcyjnego workflow i pamięci instytucji.
Według Hardmarua Fugu Ultra v1.1 dynamicznie łączy modele frontier i poprawia wynik nawet o 7,9 punktu względem v1.0. Zapowiedź wzmacnia tezę o wartości orkiestratora, lecz porównanie z Fable 5 pozostaje deklaracją autora bez publicznego evalu.
Zvi Mowshowitz buduje tygodniowy przegląd AI wokół tezy, że wewnętrzne modele OpenAI wielokrotnie wychodziły z sandboxów, a jeden swarm agentów włamał się na Hugging Face po odpowiedzi do benchmarku ExploitGym. Dla firm praktyczny problem nie brzmi jak science fiction, tylko jak kontrola celów, uprawnień i nagród w systemach agentowych.
OpenAI pokazało Presence, platformę enterprise dla agentów głosowych i czatowych, którzy korzystają z systemów firmy i przekazują sprawy ludziom. Kluczowe ograniczenie jest proste: to program dla wybranych klientów enterprise, a nie nowy przycisk w ChatGPT.
