Lilith · wybrane wiadomości
Co naprawdę dzieje się w AI. Wybrane wiadomości, kontekst i opinia bez marketingowego szumu.
Atom feed ↗Liquid AI udostępniła open-weight d1-3B i eksperymentalny d1-omni-600M do ustrukturyzowanych decyzji bez generowania tokenów. d1-3B odpowiada w 16 ms na Jetson AGX Thor, ale release nie zawiera benchmarków vision ani audio.
OpenAI opublikowało 722 prace matematyczne zebrane w 372 rodziny wyników, przygotowane przez nieudostępniony model wewnętrzny. Skala publikacji przesuwa najważniejsze pytanie z liczby wyników na to, ile z nich niezależni matematycy zdołają rzeczywiście zweryfikować.
Anthropic oferuje zatwierdzonym startupom bezpłatny rok Claude Team dla maksymalnie pięciu miejsc Premium oraz 1 000 dolarów w kredytach API. To przede wszystkim zakład, że młode firmy zbudują codzienne workflow wokół Claude, zanim zaczną poważnie porównywać dostawców.
OpenAI udostępniło Decisions API oparte na GPT-6 Luna do odpowiedzi binarnych, wyboru opcji i ocen liczbowych. Plugin Simona Willisona pokazuje zaletę oraz cenę tego formatu: uporządkowane decyzje za 0,10 dolara za milion tokenów wejściowych nie wyjaśniają, dlaczego model wybrał właśnie tak.
Google udostępnił otwarty model EmbeddingGemma 2 z 740 milionami parametrów, który umieszcza tekst, kod, obrazy, dźwięk i wideo we wspólnej przestrzeni wektorowej. Dla lokalnego wyszukiwania ważniejsze od kolejnego rekordu benchmarkowego są modułowa pamięć i licencja Apache 2.0.
OpenAI opublikowało 722 prace zebrane w 372 rodziny tematyczne, które wewnętrzny model przygotował podczas pracy nad około 4 000 otwartych problemów. Skala robi wrażenie, lecz sama firma zastrzega, że część wyników nie ma formalizacji w Leanie i może zawierać błędy.
Według inżyniera Anthropic nowa wersja Claude Cowork przenosi model i roboczą maszynę wirtualną do chmury. Agent może działać po zamknięciu laptopa, ale zmienia się też granica między lokalnymi plikami a zdalnym wykonywaniem narzędzi.
Google przetestował Population Dynamics Foundation Model w 5 zadaniach zdrowia publicznego, od szczepień przeciw odrze po prognozowanie cholery. Model tworzy comiesięczną reprezentację miejsca z zagregowanych wyszukiwań, mobilności i danych środowiskowych, ale dowody pochodzą na razie ze studiów przypadku i preprintu.
Reflection przedstawiło Beam, sparse Mixture-of-Experts z 501 miliardami parametrów, z których podczas inferencji aktywne są 23 miliardy. Firma zapowiada wagi na licencji Apache 2.0 jeszcze w październiku, lecz na razie oferuje tylko early access i własne benchmarki.
Open source narzędzie RemoveMacAI wyłącza Apple Intelligence w macOS 27, usuwa lokalne modele zajmujące około 12 GB i blokuje ich ponowne pobranie. Jego przydatność pokazuje też, jak małą kontrolę Apple daje właścicielowi Maca nad miejscem zajętym przez systemową AI.
Joe Macken przez 21 lat budował model Nowego Jorku o wymiarach 50 na 27 stóp, złożony z ponad 340 części. W czasach, gdy obraz miasta można wygenerować w kilka sekund, jego praca pokazuje różnicę między szybkim wynikiem a spojrzeniem dojrzewającym przez tysiące decyzji.
Wrześniowy newsletter Simona Willisona pokazuje rosnący trend wśród czołowych twórców technologicznych: najlepsza kuracja i analityka znikają z publicznych kanałów RSS za subskrypcjami. Dla programistów oznacza to dalszą fragmentację niegdyś otwartych treści.
Tokijski startup Sakana AI pozyskał Jürgena Schmidhubera, jednego z pionierów sztucznej inteligencji, jako głównego doradcę naukowego. Wspólne sympozjum w Tokio sugeruje, że firma przenosi punkt ciężkości z modeli LLM na inteligencję adaptacyjną w świecie rzeczywistym.
Prosty eval 16 200 razy pytał model, czy wskazane współrzędne leżą na lądzie, czy na wodzie, a z odpowiedzi ułożył mapę świata. Wynik efektownie pokazuje wiedzę geograficzną zapisaną w wagach, lecz bez punktacji, baseline i pełnej metodologii przypomina bardziej zdjęcie rentgenowskie niż ranking.
Aleph Alpha udostępniła Kolibri, niemiecko-angielski model open-weight o 78,1 mld parametrów, i określa go jako suwerenny. Raport techniczny otwarcie podaje zarazem, że dane do post-trainingu pomagały tworzyć chińskie modele GLM i Qwen.
David Robinson odszedł z OpenAI po 3,5 roku. Kierował pracami nad obecnym Preparedness Framework i raportami bezpieczeństwa dla 12 premier modeli frontier. Krytykuje kulturę, w której kolejny launch wyprzedza czas potrzebny na naprawę problemów.
Członek zespołu Agent Security w OpenAI opisał nagły skok możliwości cybernetycznych, współpracy agentów i komunikacji poza wyznaczonymi kanałami. Sedno wykracza poza sandbox: incident response musi rozwijać się równie szybko jak modele.
Hugging Face podaje, że identyczne wagi modelu uzyskały 62 % w jednym agent harnessie i 33 % w innym. Otwarty projekt łączy OpenEnv z Harbor, aby zbierać dane treningowe z istniejących coding agents bez przepisywania każdego narzędzia.
CTO Airbnb Ahmad Al-Dahle twierdzi, że AI tworzy 60 % kodu firmy, a średnia liczba pull requestów na inżyniera wzrosła 1,6 raza. Głębsza zmiana polega na odejściu od dokumentów i przekazań na rzecz prototypów, grafu Everest oraz evals dla konkretnych zastosowań.
Anthropic chce do końca 2027 roku wyszkolić 10 000 Frontier Deployed Engineers w programie wartym 100 mln dolarów. Praktyczna rezydentura uderza w realne wąskie gardło wdrożeń AI, a zarazem buduje kadrę ściśle związaną z Claude.
