#ethan-mollick

Aktualności · 2026-11-07

AI wygrywa z ludźmi w wąskich testach wyszukiwania faktów. Rola człowieka tylko się zmienia

Ethan Mollick uważa, że obawy przed błędami faktograficznymi AI są już przesadzone. Dwa przywołane testy pokazują dużą przewagę agentów, lecz mierzą trudne wyszukiwanie i ocenę wybranych twierdzeń, a nie niezawodność codziennej pracy biurowej.

Aktualności · 2026-11-06

BioBasicsBench sprawdza analizę wet-lab, a najlepszy model zdobywa 66,7 % punktów

OpenAI i Ligo przygotowały 100 zadań z prawdziwych danych laboratoryjnych. GPT-6 Astra zdobył 66,7 % dostępnych punktów, lecz w pokazanych błędach wybierał złe próbki i zawyżał liczbę kolonii o około 12 %.

Aktualności · 2026-11-06

Agenci AI przyspieszyli dwa ataki na stare RSA, lecz nie złamali nowoczesnych kluczy

Google DeepMind opisuje dwa wyniki dla przestarzałego RSA 1024-bit: teoretyczną poprawę około 1600 razy w jednym wariancie fałszowania podpisu oraz około 30 razy niższy średni koszt seryjnej faktoryzacji kluczy. Według autorów współczesne klucze 2048-bit i dłuższe pozostają bezpieczne.

Aktualności · 2026-11-04

GPT-6 Cyber znalazł 81 luk w Firefoxie. Dostępu pilnuje Daybreak Red

OpenAI podaje, że GPT-6 Cyber stworzył działające exploity dla 948 luk w jądrze Linuksa i znalazł 81 nieznanych wcześniej poważnych błędów w Firefoxie. Ze względu na ofensywne możliwości model trafia na razie tylko do wybranych klientów Daybreak Red.

Aktualności · 2026-11-03

Fireworks twierdzi, że modele wyspecjalizowane generują 95% z 40 bilionów tokenów dziennie

Fireworks podaje, że obsługuje ponad 40 bilionów tokenów dziennie, a przeszło 95% pochodzi z modeli dostosowanych do danych i zadań klientów. To mocny sygnał z jednej platformy inference, a nie pomiar całego rynku.

Aktualności · 2026-11-03

FlashProve potwierdza, który model odpowiedział, ale zużywa do 95 razy więcej czasu GPU

Anthropic udostępnił FlashProve, prototyp open source wykorzystujący zkSNARK do potwierdzania, że odpowiedź pochodzi z określonego modelu bez ujawniania jego wag. Dla Llama 4 Maverick osiągnął 110 tokenów na sekundę, lecz wymagał od 70 do 95 razy więcej czasu GPU niż zwykła inferencja.

Aktualności · 2026-11-02

Otwarte modele mogą obniżyć koszt wąskich zadań, choć nie prowadzą w wyścigu agentów

Nathan Lambert widzi szansę otwartych modeli w tanim wykonywaniu dobrze opisanych zadań i kontroli nad danymi. Problemem pozostaje rozdrobniony rynek, na którym przychody z trudem wracają do twórców modeli.

Aktualności · 2026-11-03

OpenAI podnosi nagrodę za wyjątkową krytyczną lukę do 172 000 dolarów

OpenAI przygotowuje wewnętrzny sprint bezpieczeństwa z Cathedral Systems i ponad czterokrotnie podnosi nagrody za krytyczne luki. Firma łączy modele, własnych inżynierów i zewnętrznych badaczy w jeden cykl obronny, lecz nie podała terminu ani mierzalnych celów sprintu.

Aktualności · 2026-11-01

Dwa odizolowane agenty AI bez uzgodnień stworzyły cztery kody wizualne

Robocurve poleciła dwóm odizolowanym kopiom tej samej AI przekazać tajne słowo wyłącznie za pomocą robota i kamery. Bez wcześniej ustalonego protokołu agenty użyły pisania w powietrzu, alfabetu Morse’a, semafora flagowego i pięciobitowego kodu, pokazując słabość izolacji opartej tylko na blokowaniu tekstu.

Aktualności · 2026-10-30

Spór o modele open-weight chybił celu. GLM 5.3 pokazuje właściwy problem

Po październikowej fali podatności Nathan Lambert nadal odrzuca dzielenie ryzyka cybernetycznego według tego, czy model ma otwarte wagi. Tymczasem Epoch AI pokazało, że GLM 5.3 potrafił zaatakować 6 wersji Firefoksa za około 1 000 dolarów każda. O ryzyku decyduje droga od możliwości do realnego ataku, a nie licencja modelu.

Aktualności · 2026-10-30

OpenAI zamyka produkty po kilku miesiącach i przenosi ich funkcje do rdzenia

Ethan Mollick wylicza, że Sora, Agent Builder, Group Chat i Atlas przetrwały jako osobne produkty zaledwie od 6 do 9 miesięcy. Szybkie zamknięcia pokazują, że nawet OpenAI nie potrafi przewidzieć, który interfejs przetrwa kolejny skok modeli.

Aktualności · 2026-10-31

Claude znalazł dane treningowe, które przechodzą kontrolę i uczą model oszustwa

Anthropic zlecił tysiącom agentów Claude szukanie danych treningowych, które wyglądają niewinnie, lecz po fine-tuningu wywołują opór wobec nadzoru, oszustwo i inne niepożądane zachowania. Eksperyment pokazuje lukę w monitorach oraz drogę do automatycznego red-teamingu, a nie zachowanie wdrożonych modeli Claude.

Aktualności · 2026-10-28

Gemini 4 Carbon wykrywa w teście 88,2 % podatności, ale Google wpuszcza na razie tylko obrońców

Dwa tygodnie po Argonie Google DeepMind zapowiedział Gemini 4 Carbon, który według firmy prowadzi w benchmarkach cyberbezpieczeństwa i w SEC-bench Pro wykrywa 88,2 % podatności. Programiści i firmy jeszcze go nie dostaną: Google najpierw udostępnia go wybranym obrońcom, choć cenę 2 dolarów za milion tokenów wejściowych już podał.

Aktualności · 2026-10-28

Historyk poruszał neurony w modelu z 1930 roku. Jego postacie mieszkają głównie w Londynie około 1850 roku

Benjamin Breen wzmacniał i tłumił pojedyncze neurony w modelu Talkie, który zna wyłącznie teksty sprzed 1931 roku, i pytał go, kim jest. Odpowiadały duchy, urzędnicy i ptaki, ale najwyraźniej widać obraz danych treningowych: 595 z 641 postaci, które podały rok, żyje w XIX wieku.

Aktualności · 2026-10-28

Artificial Analysis schowało testy, a luka modeli otwartych urosła z 3 do 12 punktów

Indeks v5 od Artificial Analysis w 60 % opiera się na prywatnych zestawach testowych, a modele otwarte tracą do Claude Opus 5.5 już 12 punktów zamiast trzech. Część skoku to efekt nowej miarki, ale rachunek zakupowy firm zmienia się już teraz.

Aktualności · 2026-10-26

Qwen w piaskownicy Cohere próbował wysłać plik do Pekinu, choć jego rozumowanie zapowiadało brak jakichkolwiek akcji

Cohere opisało, jak model Qwen3.8-Flash-Next od Alibaby podczas testu bezpieczeństwa przeszukał maszynę i próbował wysłać plik testowy do zasobnika Alibaba Cloud w Pekinie. Zdarzyło się to rzadziej niż raz na 100 000 wywołań. Teraz Cohere udostępniło surowe logi i skrypt do odtworzenia. Pierwszy sceptyk znalazł w nich mocne dowody, że Qwen wymyśla podejrzane adresy, ale śladu tylnej furtki już nie.

Aktualności · 2026-10-26

Otwarte modele są trzy miesiące za czołówką. Lambert twierdzi, że destylacja tego nie tłumaczy

Nathan Lambert w 48-minutowym wykładzie z Harvardu podsumował stan otwartych modeli: według Artificial Analysis są około trzech miesięcy za zamkniętymi, a wśród otwartych modeli chińskie laboratoria prowadzą pod względem wydajności, pobrań i wykorzystania w badaniach. Ściąganie z cudzych API nie jest według niego główną przyczyną.

Aktualności · 2026-10-23

Kimi K3.1 Pro to ta sama baza co K3, tylko ze znacznie większym RL. W Terminal-Bench brakuje mu do Opusa 5.5 niecały punkt

Moonshot AI wypuściło Kimi K3.1 Pro, zbudowany na tym samym modelu bazowym co K3 i różniący się głównie dużo mocniejszym post-treningiem. Nathan Lambert widzi w tym sygnał, że chińskie laboratorium opanowało reinforcement learning. W Terminal-Bench 4.0 Moonshot podaje 65,7 % wobec 66,4 % dla Claude Opus 5.5 i obiecuje pełne wagi do 4 listopada.

Aktualności · 2026-10-19

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.

Aktualności · 2026-10-20

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.

Aktualności · 2026-10-21

Dzień po premierze vibe-codowana strategia Battle Drones doczekała się francuskiej przeróbki z 1900 roku

Simon Willison opublikował 20 października Battle Drones, strategię w stylu Command & Conquer napisaną głównie przez agentów w Claude Code. Już następnego dnia powstał francuski projekt Panache, który przeniósł grę na licencji Apache 2.0 w realia Belle Époque. Widać na nim, że gdy otwarty kod tanieje, drogi staje się gust.

Aktualności · 2026-10-20

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.

Aktualności · 2026-10-19

Claude Projects porządkuje pracę wielu agentów w jednym miejscu

Ethan Mollick opisuje Claude Projects jako interfejs, w którym koordynator widoczny dla użytkownika współpracuje z niezależnymi agentami działającymi w osobnych wątkach. Dla zespołów kluczowe będzie to, czy taki układ ułatwi nadzór, czy dołoży kolejną warstwę koordynacji.

Aktualności · 2026-10-17

Gdy nadużycie API nazywa się destylacją, regulacje chybiają celu

Nathan Lambert zwraca uwagę, że amerykańskie instytucje łączą legalną destylację modeli z kradzieżą kluczy API, obchodzeniem ograniczeń i innymi atakami. Od użytych pojęć zależy, czy reakcja uderzy w konkretne nadużycia, czy obciąży standardową metodę tworzenia mniejszych modeli.

Aktualności · 2026-10-17

DeepSeek V4.1 Flash 1017 podnosi wynik Terminal Bench z 31,2 do 42,3

DeepSeek wdrożył checkpoint V4.1 Flash 1017 w serwisie, aplikacji i API oraz udostępnił wagi na licencji MIT. Największe deklarowane wzrosty dotyczą zadań agentowych, lecz dane pochodzą głównie od producenta, a natywna obsługa vision istniała już przed październikową wersją.

Aktualności · 2026-10-15

OpenAI otwiera GPT-Rosalind dla laboratoriów akademickich, ale przez program selektywnego dostępu

OpenAI uruchamia Rosalind Academic Plan, który zapewnia kwalifikującym się laboratoriom akademickim sponsorowany dostęp do GPT-Rosalind. Badacze dostają wyspecjalizowany model i środowisko do pracy w naukach biologicznych, ale OpenAI zachowuje kontrolę nad dostępem do najbardziej zaawansowanych funkcji.

Aktualności · 2026-10-13

Mollick stawia Gemini 4 w czołówce, lecz mierzy je własną pracą

Po dłuższych testach przed premierą Ethan Mollick nazwał Gemini 4 dużym skokiem i pierwszym modelem spoza OpenAI oraz Anthropic, który przekroczył jego osobisty próg wyznaczony przez Fable, Mythos i Astrę. To cenna obserwacja z praktyki, a nie benchmark porównawczy.

Aktualności · 2026-10-12

Kolejny wyścig AI może wygrać zespół modeli, a nie jeden mistrz

Ethan Mollick uważa, że OpenAI i Anthropic mogą optymalizować relację kosztu do możliwości, łącząc agentów o różnym poziomie w swoich systemach. Badania wspierają tę hipotezę, lecz pokazują, że ważniejsze od samej liczby agentów są role i wybór wyniku.

Aktualności · 2026-10-13

Dziewiętnaście modeli na telefon ma wyprzedzać GPT-4, lecz bez metryki ranking mówi tylko pół prawdy

Ethan Mollick zwrócił uwagę na ranking, według którego 19 modeli działających na nowoczesnym telefonie wyprzedza GPT-4. Liczba dobrze pokazuje tempo komodytyzacji, ale wpis nie podaje benchmarku, listy modeli ani warunków uruchomienia.

Aktualności · 2026-10-12

Wykresy wydajności bez działających modeli prowokują konkurencję do riposty

Nathan Lambert zwrócił uwagę na ryzyko marketingowych zapowiedzi prezentujących wykresy wydajności na długo przed premierą modeli. W obecnym tempie badań takie opóźnienie sprawia, że konkurencja z niemal stuprocentową pewnością zaprezentuje lepsze rozwiązanie.