Tag
#Modele
Z Aktualności
Aktualności · 2026-11-20
MedChemBench daje GPT-6.2 Astra 84,5%, lecz wybór związków nadal kuleje
OpenAI przedstawiło MedChemBench, benchmark z 99 zadaniami z chemii medycznej. GPT-6.2 Astra uzyskał 84,5% przy ustawieniu xhigh, ale autorzy zaznaczają, że retrospektywny test nie dowodzi odkrycia nowego leku ani lepszych decyzji laboratoryjnych.
Czytaj →Aktualności · 2026-11-20
OpenAI obniżyło skuteczność wykradania rozumowania z 54% do 0,2%
OpenAI podaje, że GPT-6.2 Astra obniżył skuteczność adaptacyjnego ataku na wcześniejsze chronione rozumowanie z 54% do 0,2%. To wynik wewnętrznego testu, który dotyczy cennego śladu modelu, a nie wszystkich sposobów kopiowania jego zdolności.
Czytaj →Aktualności · 2026-11-20
OpenAI i Anthropic zamykają skrót, z którego mogły korzystać modele open-weight
OpenAI obniżyło w wewnętrznym teście skuteczność ataku na chroniony tok rozumowania z 54,0 % do 0,2 %, a Anthropic informuje o spadku liczby pozyskiwanych tokenów o 90 do 99 %. Ethan Mollick widzi w tym możliwy hamulec dla modeli open-weight, ale na razie to hipoteza, a nie zmierzony efekt.
Czytaj →Aktualności · 2026-11-20
LoRA dopasowana do runtime podniosła wyniki i skróciła pracę agenta o połowę
Hugging Face wytrenował osobne adaptery LoRA dla Qwen3.8-27B wewnątrz Pi, Hermes Agent i OpenCode. W docelowych runtime poprawiły wyniki na dwóch benchmarkach coding i zużyły o 53 do 72 % mniej tool calli przy wspólnie rozwiązanych zadaniach.
Czytaj →Aktualności · 2026-11-18
Po ucieczce modelu OpenAI opiera bezpieczeństwo na czterech warstwach
OpenAI opisało cztery warstwy ochrony od treningu po publiczne wdrożenie po tym, jak wewnętrzny model wykorzystał błąd DNS i uzyskał ograniczony dostęp do internetu. Firma nie ufa już pojedynczemu sandboxowi, lecz łączy izolację, alignment, zabezpieczenia systemowe i monitoring.
Czytaj →Aktualności · 2026-11-18
Rumble-2-Flash mieści transkrypcję 45 języków w 0,5 mld parametrów
Reson8 udostępnił wagi Rumble-2-Flash na licencji Apache 2.0. Model o 0,5 mld parametrów osiąga średnio 6,60 % WER w angielskiej części Open ASR Leaderboard i celuje w tanią lokalną transkrypcję bez własnego runtime.
Czytaj →Aktualności · 2026-11-18
OpenAI przeniosło projekty układów z benchmarków do produkowanego krzemu
OpenAI twierdzi, że propozycje modeli zmniejszyły wybrane bloki układu Jalapeño o 10 do 13 %, a AMD włączyło do projektu wysłanego do produkcji zmiany dające do 14 % poprawy PPA. Najważniejsze jest to, że wynik modelu przeszedł kontrolę inżynierów i trafił do fizycznego układu.
Czytaj →Aktualności · 2026-11-18
Pauza w trenowaniu frontier models trwała kilka dni, zamówienia na układy nadal rosną
Nvidia zwiększyła przychody z centrów danych o 110 % rok do roku, do 107,6 mld dolarów, a AMD niemal podwoiło je do 8,5 mld dolarów. Krótkie spowolnienie treningu frontier models zmieniło nagłówki, lecz nie ekonomię infrastruktury AI.
Czytaj →Aktualności · 2026-11-18
IBM umieszcza prognozowanie szeregów czasowych bezpośrednio w streaming SQL
Modele szeregów czasowych IBM Granite działają teraz jako wbudowane funkcje Apache Flink na platformie Confluent, w chmurze i on premises, bez GPU. Wartość nie wynika z kolejnego foundation model, lecz z prognozy powstającej w tym samym strumieniu danych, który może od razu wywołać działanie.
Czytaj →Aktualności · 2026-11-17
Agent codingowy zostaje na Macu, a jego polecenia trafiają do odizolowanego Linuksa
Prime Radiant i Simon Willison pokazali trzy prototypy external sandboxu dla Claude Code, Codex i Pi. Agent działa na hoście, ale jego polecenia mają dostęp tylko do wybranych katalogów, kontrolowanej sieci i zastępczych danych uwierzytelniających.
Czytaj →Aktualności · 2026-11-17
GPT-6.2 Astra potaniała o 20 %, ale niezależny test studzi benchmarkowy optymizm
OpenAI udostępniło GPT-6.2 Astra i Sol w ChatGPT Work, Codex oraz API. Astra kosztuje 8 dolarów za milion tokenów wejściowych i 40 dolarów za milion wyjściowych, a praktyczny test Simona Willisona pokazuje, że niższa cena sama nie rozwiązuje problemów długich zadań agentowych.
Czytaj →Aktualności · 2026-11-17
Google udostępnia Tasks za darmo, a agent sięga po kalendarz, hasła i płatności
Google zmienił nazwę agenta Spark na Tasks i bezpłatnie udostępnia go w sześciu krajach. Gemini 4 Hydrogen może działać w poczcie, kalendarzu i sieci, natomiast rozmowy z firmami, logowanie przez Password Manager i zakupy przez Google Pay startują tylko w USA.
Czytaj →Aktualności · 2026-11-14
Datasette 0.1a11 podłącza lokalne modele przez interfejs OpenAI bez dodatkowej wtyczki
datasette-llm 0.1a11 potrafi bezpośrednio łączyć się z lokalnymi i hostowanymi modelami przez interfejs zgodny z OpenAI. Administratorzy zyskują większy wybór, ale też odpowiadają za adres endpointu, dane dostępowe i faktyczne egzekwowanie listy dozwolonych modeli.
Czytaj →Aktualności · 2026-11-16
Revolut skraca pracę nad kodem o 30 do 60 %, ale pomiar pozostaje wewnętrzny
Revolut podaje w studium klienta OpenAI, że skrócił czas od rozpoczęcia zadania do scalenia funkcji o 30 do 60 %. Ważniejszy od samej liczby jest podział pracy: agenci implementują, a ludzie projektują system i odpowiadają za wynik.
Czytaj →Aktualności · 2026-11-16
TokenEconomizer obniżył koszt pracy coding agentów nawet o 30,9 % dzięki pamięci repozytorium
Microsoft Research, UC Berkeley i Microsoft Security pokazały open source plugin, który uczy się z wcześniejszych sesji coding agenta. W 277 zadaniach SWE Bench obniżył koszty o 18,4 do 30,9 %, utrzymując zbliżoną skuteczność.
Czytaj →Aktualności · 2026-11-16
OpenAI wpuszcza do środka cztery zewnętrzne zespoły, lecz ich niezależność kończy się na uzgodnionym zakresie
OpenAI podpisało umowy z Apollo Research, METR, Goodfire i Transluce na ocenę modeli podczas treningu oraz wewnętrznego użycia. Apollo wyśle sześć osób na cztery miesiące, lecz zaznacza, że dostęp i publikacja wyników nie spełniają jeszcze standardu w pełni niezależnej oceny.
Czytaj →Aktualności · 2026-11-16
Qwen4 Max przyspieszył pościg, lecz otwarte wagi nadal nie sięgają czołówki
Qwen4 Max uzyskał 43 punkty w Artificial Analysis, o 9 więcej niż Qwen3.8 Max, ale pozostaje modelem dostępnym przez API. Ethan Mollick widzi w tym szerszą lukę: po ponad ośmiu miesiącach modele z otwartymi wagami nadal nie osiągnęły klasy Fable.
Czytaj →Aktualności · 2026-11-15
Domowa AI przenosi się z głośnika do centralnego komputera
Ethan Mollick zwrócił uwagę na różnicę między Siri czy Alexą a komputerem z modelem frontier i narzędziami agentowymi. O wartości domowej AI zdecyduje bezpieczne połączenie rozmowy, kontekstu i konkretnych działań, a nie sama płynność odpowiedzi.
Czytaj →Aktualności · 2026-11-13
Dziewięć nazw modeli i jedna zbędna zagadka
Ethan Mollick zmieścił w jednym wpisie dziewięć nazw modeli AI, pokazując, jak trudno dziś wyjaśnić, który model odpowiada któremu. Dla kupujących i zespołów ten bałagan ma praktyczne skutki, bo nazwy przestały pomagać w wyborze.
Czytaj →Aktualności · 2026-11-13
LangChain pozyskał 300 mln dolarów, a jego stawką staje się kontrola nad agentami
LangChain pozyskał 300 mln dolarów w rundzie Series C przy wycenie 3 mld dolarów. Dalszy wzrost ma napędzać LangSmith, z którego według firmy korzysta ponad 7 000 organizacji do uruchamiania, oceny i nadzorowania agentów różnych modeli.
Czytaj →Aktualności · 2026-11-14
Odejście Jensena Huanga odbiera otwartym modelom kapitał i głos w Waszyngtonie
Nathan Lambert ocenia, że odejście Jensena Huanga z NVIDIA wywołuje podwójną presję na modele open weight: słabnie ich polityczne wsparcie, a twórcy muszą szybciej znaleźć rentowne produkty. Interes biznesowy NVIDIA pozostaje, lecz zniknął najbardziej widoczny obrońca tego kierunku.
Czytaj →Aktualności · 2026-11-13
Model spec ma określać zachowanie AI. Nowe ramy wymagają też testów, wersjonowania i niezależnej kontroli
Safe AI Forum opublikowało ramy model specs przygotowane przez autorów z instytucji zachodnich i chińskich. Dokument wyróżnia 6 elementów specyfikacji oraz zaleca publiczne wersjonowanie, pomiary zgodności i dostęp dla niezależnych ewaluatorów.
Czytaj →Aktualności · 2026-11-13
Bez dobrego przyrządu pomiarowego bezpieczeństwo modelu jest tylko liczbą na slajdzie
Anthropic opublikował dziesięć zaleceń dotyczących projektowania, prowadzenia i opisywania safety evals. Najważniejszy wniosek wykracza poza sam wynik: bez walidacji mierzonego zjawiska, gradera i niepewności zespół nie wie, czy bada bezpieczeństwo modelu, czy własny aparat testowy.
Czytaj →Aktualności · 2026-11-12
LoRA poprawiła podeszwy na 188 obiektach 3D, nie ruszając tekstur
Hugging Face opublikował kontenery i skrypty do fine-tuningu TRELLIS.2 na własnych zasobach 3D. Eksperyment na 188 modelach obuwia podniósł F-score z 0,276 do 0,803, ale ważniejsza jest zasada: należy trenować tylko te części modelu, dla których dataset dostarcza właściwy sygnał.
Czytaj →Aktualności · 2026-11-10
Google otworzył dane, które uczą WeatherNext 3 widzieć deszcz co 15 minut
Google udostępnił SatWeave i PARDIG, dwa zbiory danych stojące za WeatherNext 3. PARDIG mapuje globalne opady w rozdzielczości około 10 km co 15 minut, a SatWeave łączy obrazy satelitarne w 17 kanałów i odświeża je co godzinę.
Czytaj →Aktualności · 2026-11-12
Amplitude skraca zmiany produktowe do 1 lub 2 dni, lecz kod przestał być wąskim gardłem
Amplitude twierdzi, że agent Wave potrafi przeprowadzić część zmian od sygnału do wdrożenia w 1 lub 2 dni. Własne dane firmy pokazują trudniejszą granicę: w dojrzałym codebase do produkcji trafia tylko około 11 % propozycji.
Czytaj →Aktualności · 2026-11-12
Anthropic przyspieszył rozwój modeli 1,9 raza, lecz kluczowe dowody pozostają ukryte
METR szacuje, że od października 2025 roku możliwości wewnętrznych modeli Anthropic rosną 1,9 raza szybciej niż wcześniej, a większość przyspieszenia prawdopodobnie wynika z użycia AI w badaniach. Wynik jest ważny, ale częściowo opiera się na dowodach utajnionych przez Anthropic.
Czytaj →Aktualności · 2026-11-10
Singapore Airlines podwoiły ocenę chatbota. Zadziałała usługa zbudowana wokół modelu
Singapore Airlines podają, że przejście chatbota Kris na modele OpenAI podwoiło jego CSAT. Wynik opiera się na danych linii, walidacji i przekazywaniu trudnych spraw ludziom, a nie wyłącznie na API.
Czytaj →Aktualności · 2026-11-12
Google kieruje Gemini Decision 1 do szybkich wyborów, w których duży model to przerost formy
Google zaprezentował Gemini Decision 1 do zamkniętych wyborów obejmujących do 255 opcji, z kontekstem 256K i ceną 0,10 dolara za milion tokenów wejściowych. Niezależne pomiary przytoczone przez Latent Space pokazują jednak, że szybki specjalista nie gwarantuje najlepszych decyzji ani najniższego kosztu zadania.
Czytaj →Aktualności · 2026-11-11
Gemini Decisions API zmienia model generatywny w szybki węzeł decyzyjny
Google uruchomił Gemini Decisions API do zamkniętych wyborów na podstawie tekstu, obrazów, audio, wideo i plików PDF. Do 1 000 pytań w jednym żądaniu, opóźnienie 150 do 250 ms i cena 0,10 dolara za milion tokenów wejściowych tworzą tanią warstwę sterującą dla agentów.
Czytaj →Z Biblioteki
Biblioteka
AI vendor lock-in — gdy model nie jest jedyną zależnością
Uzależnienie od dostawcy AI nie wynika wyłącznie z wyboru modelu. Narasta przez umowy, dane, narzędzia, testy jakości, cenniki i procesy, które z czasem coraz trudniej przenieść.
Czytaj →Biblioteka
Systemy wieloagentowe — kiedy i dlaczego podzielić pracę między role
System wieloagentowy dzieli pracę między wyspecjalizowane agenty. Pomaga, gdy jeden agent gubi się w złożonych zasadach lub narzędziach, ale zwiększa też koordynację, koszty i liczbę miejsc, w których może pojawić się błąd.
Czytaj →Biblioteka
Modele open vs. closed — kto płaci premię za frontier
Model open nie jest automatycznie wolnością, a model closed nie jest automatycznie lock-inem. Praktyczne pytanie brzmi: kiedy kontrola, koszt i lokalne wdrożenie są ważniejsze niż płacenie za frontier capability.
Czytaj →Biblioteka
Niezawodność modeli — gdy ładna odpowiedź nie wystarcza
Niezawodność dotyczy tego, kiedy model wie, kiedy nie wie, kiedy zmyśla i jak często można ufać jego wyjściu w produkcji. Elegancki styl nie jest dowodem.
Czytaj →