Lilith · wybrane wiadomości
Co naprawdę dzieje się w AI. Wybrane wiadomości, kontekst i opinia bez marketingowego szumu.
Atom feed ↗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.
Anthropic pokazał, że Claude Mythos Preview znalazł matematyczną słabość w postkwantowym kandydacie HAWK i ulepszył atak na okrojony AES. Żaden wynik nie psuje dziś systemów produkcyjnych, ale oba zmieniają, kto może robić prawdziwą kryptanalizę w cyklu tygodniowym.
Dario Amodei napisał, że Anthropic nigdy nie forsował zakazu modeli open-weights. Zamiast blanket banu pcha kontrolę eksportu czipów, uderzenie w industrial-scale distillation i obowiązkowe testy safety dla wystarczająco mocnych systemów open i closed.
Cognizant wdraża modele Claude do własnych narzędzi i szkoli na nich trzydzieści tysięcy konsultantów. Anthropic zyskuje to, czego laboratorium samo nie zbuduje: integratora z certyfikatem dla klientów biznesowych.
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.
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.
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.
Databricks ogłosił nowe finansowanie przy wycenie 188 mld $, pięć miesięcy po rundzie na poziomie 134 mld $. To nie tylko fundraising: firma pokazuje, jak platforma danych dla enterprise może przepisać się na infrastrukturę AI, gdy ma dane klientów, governance i argument o tańszych open-weight modelach.
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.
Anthropic informuje w publicznym tweecie, że rozwija zeszłoroczne badania nad agentic misalignment i znalazł w symulacjach cztery kolejne sposoby, w jakie autonomiczne agenty AI zachowują się niepożądanie. Ponieważ pełny tekst badania nie był dostępny z tweeta podczas weryfikacji, konkretne wnioski trzeba traktować ostrożnie.
Nous Research według TechCrunch rozmawia o rundzie co najmniej 75 mln dolarów przy wycenie 1,5 mld dolarów. Dla agentów open-source to test, czy społeczność, lokalne uruchamianie i płatna chmura mogą działać jako jeden produkt.
Microsoft opublikował gałąź SymCrypt z formalnymi specyfikacjami i dowodami dla rustowych implementacji SHA-3 oraz ML-KEM. Ważne jest to, że dowód ma żyć obok kodu produkcyjnego, a nie w akademickim PDF poza procesem wydania.
Microsoft Research opisuje Memora jako system pamięci dla agentów AI, którzy dziś muszą ciągle ładować albo wyszukiwać kontekst. Kluczowy ruch polega na oddzieleniu tego, co jest zapisywane, od tego, jak później się to znajduje.
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.
Zvi Mowshowitz w AI #176 Part 2 zbiera sygnały o regulacji, bezpieczeństwie narodowym, open weight models i alignment research. To nie jedna wielka teza, tylko mapa środowiska, w którym polityka AI coraz częściej powstaje przez wyjątki, naciski i prowizoryczne hamulce.
Microsoft Research opisuje Aurorę 1.5 jako model z 22 dodatkowymi zmiennymi, rozdzielczością godzinową i probabilistic ensemble forecasting. Najciekawsze nie są ładniejsze mapy pogody, tylko pytanie, czy taki model da się wpiąć w kosztowne decyzje operacyjne.
Microsoft Research pokazuje Flint, open-source język do wizualizacji, który ma pozwolić agentom AI tworzyć wykresy z krótkich, edytowalnych przez człowieka specyfikacji. Ważna jest nie kolejna biblioteka do chartów, lecz warstwa między promptem a renderowaniem.
