Lilith.
⌕

Lilith · wybrane wiadomości

Aktualności

Co naprawdę dzieje się w AI. Wybrane wiadomości, kontekst i opinia bez marketingowego szumu.

Atom feed ↗
#agents· × <built-in method clear of dict object at 0xefe3a5a62a00>
opublikowano

OpenAI w dwa dni wpięło ChatGPT w systemy Oracle i ServiceNow. Na razie działa jedna wtyczka

ServiceNow 28 października udostępnił w marketplace OpenAI wtyczkę, dzięki której informatyk znajdzie w ChatGPT podobne incydenty i zaktualizuje zgłoszenie. Dzień wcześniej podobne połączenie ogłosił Oracle. Większość pozostałych obietnic, w tym narzędzia bezpieczeństwa na modelach OpenAI, ma jednak termin dopiero w 2027 roku.

opublikowano

GPT-6 Astra wygrał benchmark Retella, ale nie ma go wśród modeli, które Retell poleca

OpenAI opublikowało case study Retella, którego agenci głosowi obsługują ponad 100 milionów rozmów miesięcznie, a w 80 % z nich odpowiadają modele OpenAI. Zwycięzca benchmarku, GPT-6 Astra, kosztuje jednak w cenniku Retella 0,32 dolara za minutę, a najtańsze polecane modele piątą część tej kwoty.

Cztery gry, każda poniżej czterech godzin pracy: Simon Willison widzi przełom w vibe codingu gier

Simon Willison twierdzi, że Claude Opus 5.5 przyniósł vibe codingowi gier podobny przełom, jaki w listopadzie zeszłego roku przeżyli coding agenci. W kilka tygodni zbudował cztery gry, w które naprawdę lubi grać, na żadną nie poświęcił więcej niż cztery godziny własnej pracy i nie zajrzał do kodu.

opublikowano

Anthropic przepisał Messages API na Rusta i zabrał agentom hasła spod ręki

Szefowe inżynierii i produktu Claude Platform opowiedziały w podcaście Latent Space, jak Anthropic z pomocą Claude'a przeniósł Messages API z Pythona na Rusta i według szacunków zaoszczędził 40 do 50 % CPU. Dla zespołów budujących agentów cenniejsza jest druga część: dlaczego Managed Agents trzymają dane uwierzytelniające poza sandboxem.

webframe uruchamia stronę jak program w pół sekundy. Sandboksem staje się dopiero dzięki izolacji wokół

Simon Willison zlecił Claude Opus 5.5 sprawdzenie webframe, małego narzędzia Jeffa Lindsaya, które uruchamia stronę internetową jak program w terminalu. Do scrapingu jest mniej więcej tak szybkie jak shot-scraper. Jako sandbox dla cudzego JavaScriptu sprawdziło się dopiero opakowane w pustą przestrzeń nazw sieci, bubblewrap i timeout.

Dots według OpenAI sam bada, co o tobie wie. Dostępu do dysku tylko do odczytu wciąż nie przyjmuje

Alexander Embiricos z OpenAI opowiedział na TechCrunch Disrupt, jak z Codeksa powstał Dots, asystent za 100 dolarów miesięcznie, który działa bez polecenia. Potwierdził funkcję proactive research, która regularnie przegląda, co wie o użytkowniku, a także rozmowy z firmami płatniczymi. Szczegółowych uprawnień na razie brak.

opublikowano

Agent AI podniósł poprawność kodu ekonometrycznego z 79 do 97 %. Błędy, które zostały, są niewidoczne

Ethan Mollick pisze, że pisanie dobrego kodu w Stata, na którym zbudował karierę akademicką, szybko traci znaczenie. Powołuje się na badanie 40 zadań ekonometrycznych: gdy model może sam uruchamiać i poprawiać kod, odsetek poprawnych wyników rośnie z 79 do 97 %. Pozostałe błędy są jednak ciche i nadal musi je wyłapać badacz.

Anthropic oddał Agent Skills fundacji przy Linux Foundation. Standard z 280 milionami instalacji dopiero dostanie wersje i zasady bezpieczeństwa

Anthropic przekazał standard Agent Skills fundacji Agentic AI Foundation, do której rok temu trafił też MCP. Format, który według firmy przyjęło ponad 70 platform, w tym ChatGPT i Cursor, czeka teraz na wersjonowane wydania, formalny proces zmian i wytyczne bezpieczeństwa.

opublikowano

Photoshop w Ruście w dwa tygodnie. ArtCraft ma trzynaście aplikacji i sam ocenia się na 45 %

Brandon Thomas zlecił Claude Opus 5.5 przepisanie Photoshopa, Premiere, Lightrooma i innych programów w Ruście. Po trzech tygodniach jest trzynaście aplikacji open source i ponad 70 tysięcy gwiazdek dla samego PhotoCrafta. Własna roadmapa projektu mówi jednak, że do realnej pracy brakuje setek, a nawet tysięcy godzin pracy agentów, a prawnicy spierają się, czy to w ogóle clean room.

Najsłynniejszy wykres AI zatrzymał się na 17 godzinach pracy. Dalej METR już nie mierzy

Ethan Mollick z okazji premiery książki Co-Existence podsumował 30 miesięcy rozwoju AI. Długość zadań, które model wykona na jedno polecenie, podwoiła się od GPT-4 osiem razy, a cena poprawnej odpowiedzi w GPQA spadła mniej więcej 725-krotnie. Benchmark METR, na którym opiera się główna krzywa, we wrześniu przestał być aktualizowany, a według autorów powyżej 16 godzin nie daje wiarygodnych wyników.

Agenta nie da się ocenić po samym wyniku. Zespół z Princeton opisuje 33 trendy w ewaluacji

Badacze z Princeton, Stanfordu, brytyjskiego AI Security Institute i Brookings opisali 33 trendy, które zmieniają ocenę agentów AI. Trzeba dziś śledzić całą drogę agenta, a nie tylko wynik, i kosztuje to już tyle, że niezależność oceniających zaczyna zależeć od tego, kto płaci rachunek.

Microsoft uczy agentów AI rysować wykresy, w które można kliknąć

Microsoft Research rozszerzył swój język do wykresów Flint o interakcje: agent opisuje, co ma się stać po kliknięciu lub zaznaczeniu, a resztą zajmuje się kompilator. Zaznaczenie na wykresie może też wrócić do czatu jako kontekst kolejnego pytania. Deklaracje o niższym koszcie i większej niezawodności na razie nie są poparte liczbami.

Twórca programu Memex z DARPA kieruje Catalyst Lab w Microsofcie i stawia na cyberobronę

Microsoft Research opublikował rozmowę z Chrisem Whitem, szefem nowego Catalyst Lab. W DARPA White prowadził Memex, narzędzia do przeszukiwania dark webu wykorzystywane w walce z handlem ludźmi. Teraz chce przenieść tę samą logikę łączenia śladów na obronę sieci, ale konkretnego projektu jeszcze nie pokazał.

opublikowano
· X · @OpenAI ↗

OpenAI kupuje Orchestra Bio: Rosalind dostanie agentów pilnujących harmonogramu prac nad lekami

OpenAI 20 października przejęło czteroletni startup Orchestra Bio, którego agenci AI śledzą badania, terminy i opóźnienia w rozwoju leków. Zespół i technologia trafią do Rosalind, linii OpenAI dla nauk o życiu. Kwoty nie podano, a według TechCrunch startup zebrał dotąd około 20 milionów dolarów.

opublikowano