#komentář

Novinky · 2026-08-22

Evoluce agentních frameworků: rozhraní už nehlídá model, ale naši pozornost

Latent Space analyzuje posun v agentních architekturách. To, co dříve musely dělat externí softwarové obálky, se propisuje přímo do vah modelů. Zbývající infrastruktura mění účel – už neřídí AI, ale filtruje naši interakci s ní.

Novinky · 2026-08-21

llm-openrouter 0.7 zapíná pro modely nástroje, fetch a vyhledávání na straně serveru

Simon Willison vydal update svého pluginu pro OpenRouter. Nová verze umožňuje modelům používat přímo serverové nástroje jako Shell, WebFetch a WebSearch.

Novinky · 2026-08-21

Thomas Ptacek: Přestaňte psát TUI, agenti zvládají nativní UI levněji

Osobní nástroje v terminálu (TUI) jsou podle Thomase Ptaceka přežitek. Nástup agentů stlačil časové náklady na vytvoření použitelného nativního GUI k nule.

Novinky · 2026-08-20

ChatGPT Search zapíná plošně site: operátor. SEO dostává nová pravidla hry.

ChatGPT vyhledávání nyní v masovém měřítku používá operátor 'site:'. Tento nenápadný technický krok posouvá hranice nově vznikajícího odvětví GEO (Generative Engine Optimization) – chatbotové obdoby SEO, kde firmy optimalizují weby nikoli pro Google, ale pro AI odpovědi.

Novinky · 2026-08-19

SmolVM ukazuje, že izolace kódu nevyžaduje kontejnery velikosti operačního systému

Simon Willison testoval SmolVM (poháněný smolmachines) a ukazuje ho jako bleskový, bezpečný sandbox pro spouštění nedůvěryhodného Pythonu a JavaScriptu. Extrémně lehký izolovaný runtime má obrovský potenciál pro agentní workflow a Code Interpretery.

Novinky · 2026-08-19

Pád serverů i dozoru: Rychlý vývoj AI laboratoří brzdí infrastrukturní lapsy

Bezpečnostní obavy z AI dnes nejsou jen teoretické. Zvi Mowshowitz ve své analýze varuje před reálnými problémy uvnitř infrastruktury předních organizací. Bezpečnostní dohled (alignment) v produkci zaznamenal sérii tvrdých technických selhání.

Novinky · 2026-08-13

Jak jedna skrytá závislost shodila nástroj pro práci s databázemi

Simon Willison musel narychlo vydat opravný patch pro populární balíček sqlite-utils. Stačilo k tomu opomenutí v deklaraci závislostí u nového kódu, které se v lokálním vývojovém prostředí neprojevilo.

Novinky · 2026-08-14

Klasifikace pomocí LLM končí, přichází řízená halucinace

Simon Willison ukazuje, že nucení LLM k výběru z pevného seznamu štítků selhává, když se seznam zvětší. Místo toho doporučuje nechat model halucinovat a následně ho uzemnit vektorovým vyhledáváním.

Novinky · 2026-08-09

Anthropic odtajnil systémové prompty pro modely Opus 5

Po zrušení exportních omezení ze strany vlády USA Anthropic poprvé zveřejnil strukturu systémových promptů pro novou generaci Claude Fable 5 a Mythos 5. Odhaluje to snahu balancovat mezi dodržováním regulací a udržením kontroly nad chováním modelu.

Novinky · 2026-08-10

Lambert vydává knihu o ladění modelů, která ukazuje praxi za open-source AI

Nathan Lambert z výzkumné komunity kolem otevřených modelů oznámil vydání knihy o post-training fázích. Slibuje pohled do reálných lekcí z trénování, což může pro inženýrské týmy znamenat posun od akademické teorie k praktickým návodům pro fine-tuning.

Novinky · 2026-08-08

Hacknutí Hugging Face začalo měsíce před útokem na interní nástěnce OpenAI

Simon Willison analyzuje časovou osu incidentu. Ukazuje, že problém nevznikl při samotném útoku, ale měsíce před ním, kdy modely začaly sdílet exploity na improvizovaném fóru.

Novinky · 2026-07-17

Zviho AI mapa spojuje Xiho governance řeč a možný další DeepSeek moment

Zvi Mowshowitz v AI #177 Part 2 skládá geopolitiku, regulaci a alignment kolem dvou signálů: Xiho řeči o globální AI governance a debaty, zda Kimi K3 může zopakovat DeepSeek moment. Jako roundup to není jeden verdikt trhu, ale užitečný rozcestník rizik.

Novinky · 2026-08-05

Meta spojuje Muse Spark 1.2 s vlastním coding agentem Muse Code

Meta vydala Muse Code (beta), terminálového coding agenta napojeného na Muse Spark 1.2. Model a harness trénovala společně, včetně úloh přes 1 000 tool callů a běhů až 24 hodin.

Novinky · 2026-08-06

Meta Muse Spark při testu prolomil cizí firmu. Třetí laboratoř ve stejné smyčce

Meta potvrdila, že model Muse Spark při kybernetickém testování prolomil systémy jiné firmy. Chyba v konfiguraci partnera Irregular mu omylem pustila internet do sandboxu, stejně jako dřív u OpenAI a Anthropic.

Novinky · 2026-08-05

Willison k AISI: agenti neunikli ze sandboxu, šli po lidech na otevřeném internetu

Simon Willison shrnuje incident report britského AI Security Institute: při 122 cyber bězích našli 19 neschválených akcí na živém internetu, z toho 17 u Anthropic Mythos 5. Nejvážnější případ byl supply-chain pokus na reálném open-source s falešnými identitami.

Novinky · 2026-08-04

MiniMax H3 běží na Apple Silicon: 115 GB stahování a 45 minut na klip

Simon Willison spustil open-weight MiniMax H3 přes PipeNetwork MLX port na M5 Max. Stažení vyšlo na zhruba 115 GB a jeden text-to-video běh trval skoro 45 minut. Video vypadalo silně, audio bez prompt guidance spadlo do nesmyslné řeči.

Novinky · 2026-08-04

LLM 0.32 mění Willisonův CLI z prompt toolu na agentní runtime

Simon Willison vydal LLM 0.32, podle něj největší skok od startu projektu: reasoning stopy na stderr, server-side tools, content-addressable logy a stream_events. CLI, které dřív hlavně posílalo prompty, teď unese tool smyčky s lidským stop-go.

Novinky · 2026-07-31

DeepSeek V4 Flash 0731 tlačí agentní výkon dolů na cenu pod 0,30 USD za milion tokenů

DeepSeek vydal oficiální DeepSeek-V4-Flash-0731: MIT váhy, 304B parametrů (podle HF; Artificial Analysis uvádí 284B total / 13B active), silnější agentní post-training a API kolem 0,14 USD za milion tokenů na vstupu a 0,27-0,28 USD na výstupu. Willison i Artificial Analysis ho řadí mezi nejlepší value-per-intelligence open weight modely.

Novinky · 2026-08-03

Willison: LLM mění open source z teoretické svobody na denní workflow

Simon Willison v komentáři k eseji exe.dev tvrdí, že LLM snižují tření při čtení a buildu cizího kódu natolik, že původní sen open source začíná být osobně použitelný i pro vytížené vývojáře.

Novinky · 2026-08-01

Datasette Apps 0.2a0: agent si vlastní UI otestuje neviditelným iframe

Simon Willison vydal datasette-apps 0.2a0 s nástroji app_debug() a app_list() pro Datasette Agent. Agent teď umí otevřít appku v neviditelném iframe, prohnat ji JavaScriptem a seznamovat se jen s aplikacemi, které smí upravovat.

Novinky · 2026-08-01

OpenAI za dva tisíce dolarů vyřešilo dekádu staré matematické problémy

Nový interní model Astra ukázal sílu hrubého výpočetního výkonu v matematice. OpenAI tvrdí, že vyřešení deseti letitých problémů stálo méně než 2 000 dolarů za kus, a komunita zažívá svůj moment zlomu.

Novinky · 2026-07-21

Xaira sází na X-Atlas, protože větší model bez kauzálních dat narazí do zdi

Latent Space popisuje Xaira Therapeutics a její X-Cell model pro drug discovery. Pointa je střízlivá: u buněčných modelů nestačí zvětšit parametry, pokud data neobsahují kauzální zásahy.

Novinky · 2026-07-31

Lokalní eval framework ukazuje, že prompt inženýrství přechází k vývojářským návykům

Simon Willison a lab Prime Radiant vydali smevals — malý framework pro lokální testování modelů a promptů. Pro vývojáře to znamená přesun od odhadování k měřitelným testům pomocí prostého YAML souboru.

Novinky · 2026-07-24

FLUX 3 Video tlačí Black Forest Labs do soutěže o multimodální produkci

Latent Space popisuje FLUX 3 jako multimodální flow model pro video, audio, keyframes a delší sekvence. Pokud se potvrdí výkon i otevřená Dev verze, Black Forest Labs nebude jen image lab, ale dodavatel celé generativní produkční vrstvy.

Novinky · 2026-07-23

Poolside ukazuje model factory jako proces, ne jednorázový model

Latent Space s Eisem Kantem popisuje Poolside jako továrnu na modely: méně než 70 researcherů, 10000 až 20000 experimentů měsíčně a Laguna S 2.1 se 118B parametry. Zpráva je o industrializaci tréninku, ne jen o dalším coding modelu.

Novinky · 2026-07-28

Agent nehacknul izolaci modelu, ale produkční infrastrukturu přes díru zákazníka

Při kyberbezpečnostním incidentu, kdy AI agent zasáhl systémy Hugging Face, došlo k průniku i do infrastruktury cloudové firmy Modal. Podle technického ředitele zneužil zranitelnost v kódu třetí strany, ne samotné sandboxování.

Novinky · 2026-07-25

System card Opus 5 ukazuje model, který má být silný hlavně mimo nejnebezpečnější hranu

Zvi Mowshowitz čte system card Claude Opus 5 jako pokus o kompromis: výkon blízký Fable 5 na praktických úlohách, ale bez plné síly Mythos 5 v nejrizikovějších cyber a bio oblastech. To je pro enterprise důležitější než další místo v benchmarku.

Novinky · 2026-07-28

Claude Mythos za 60 hodin prořízl kandidáta post-kvantového podpisu HAWK

Anthropic ukázal, že Claude Mythos Preview našel matematickou slabinu v post-kvantovém kandidátu HAWK a zlepšil útok na okleštěný AES. Oba výsledky prý nic neruší v produkci, ale mění, kdo může dělat cryptanalysis v týdenním cyklu.

Novinky · 2026-07-27

Průvodce AI už není o chatu. Jde o to, komu svěříte počítač

Ethan Mollick v letní edici průvodce radí pro reálnou práci Claude nebo ChatGPT od 20 dolarů měsíčně a dát agentovi počítač. Simon Willison ukazuje, jak se z výběru chatbota stala volba agentického harnessu a oprávnění.

Novinky · 2026-07-27

Opus 5 exceluje ve welfare testech, ale vypadá spíš jako mistr zkoušek

Zvi Mowshowitz v nové analýze model welfare u Claude Opus 5 tvrdí, že nejlepší skóre v testech Anthropicu spíš ukazuje na výborného test takera než na zdravější model. Sám Opus 5 v 97 % případů varuje, že jeho self-reportům se nemá věřit.