Lilith · wybrane wiadomości
Co naprawdę dzieje się w AI. Wybrane wiadomości, kontekst i opinia bez marketingowego szumu.
Atom feed ↗BAIR twierdzi, że inference na poziomie GPT-4-class spadła z około 30 dolarów za milion tokenów do mniej niż 1 dolara. Dla zespołów danych wąskim gardłem przestaje być sam model, a zaczynają nim być pamięć, koordynacja i kontrola agentów.
Na wydarzeniu The Briefing: AI for Science Anthropic zaprezentował Claude Science, zunifikowane środowisko pracy dla naukowców, i ogłosił, że sam zacznie rozwijać leki na choroby zaniedbane. Dostawca softwaru dla firm farmaceutycznych staje się ich bezpośrednim konkurentem.
Guillermo Rauch mówi w TechCrunch, że produkcyjni agenci będą oceniani przez price/performance, a nie przez markę modelu. Dla zespołów webowych to sygnał, że warstwa agentów oddziela się od samego modelu.
Lilian Weng w 28minutowej analizie pokazuje harness engineering jako praktyczną drogę do self-improvement: nie model, który potajemnie przepisuje własne wagi, lecz system wokół niego, zarządzający narzędziami, kontekstem, pamięcią i evals.
Od czasu powstania w ubiegłym roku, francuski startup Mistral AI zgromadził ogromne fundusze z jasną ambicją: dostarczenie zaawansowanych modeli sztucznej inteligencji szerszemu gronu firm i programistów ze szczególnym naciskiem na wydajność.
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.
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.
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.
Sebastian Raschka pokazuje lokalny stack dla coding agenta: open-weight model w Ollamie, harness do edycji kodu i uruchamiania komend oraz własną maszynę zamiast subskrypcji Claude Code albo Codex. Dla zespołów ważna jest nie nostalgia za localhostem, lecz zabezpieczenie przed cenami, limitami i zmianami modeli poza ich kontrolą.
Odyssey pozyskało 310 mln dolarów przy wycenie 1,45 mld dolarów, a wśród inwestorów są Amazon, AMD Ventures i GV. Najważniejszy jest jednak układ z AWS i Trainium: world models zaczynają wyglądać jak popyt na infrastrukturę, a nie tylko efektowne demo wideo.
Według TechCrunch General Intuition rozmawia o rundzie około $300 mln przy wycenie powyżej $2 mld. Ciekawsze od samej kwoty jest założenie: 2 mld filmów z rozgrywki rocznie z Medalu ma uczyć agentów przestrzeni, czasu i działania lepiej niż zwykłe wideo z internetu.
Według TechCrunch rząd USA zmusił Anthropic do wycofania Fable 5 i Mythos 5 z powodów bezpieczeństwa narodowego. Dla zespołów opartych na Claude ważniejsze jest to, że dostępność modelu stała się ryzykiem regulacyjnym.
Z.ai pokazuje GLM-5.2 jako model open weight dla długich coding agentów z kontekstem 1M tokenów. Dla zespołów ważniejsze jest pytanie, kiedy taki model wystarczy zamiast Opusa, niż czy wygra każdą tabelę.
