Lilith.
⌕

Z Novinek

Novinky · 2026-11-20

MedChemBench dává GPT-6.2 Astra 84,5 %, ale výběr sloučenin zůstává slabinou

OpenAI představila MedChemBench se 99 úlohami z medicinální chemie. GPT-6.2 Astra získala při nastavení xhigh 84,5 %, ale autoři výslovně varují, že retrospektivní benchmark neprokazuje objev nového léku ani lepší rozhodnutí v laboratoři.

Číst →

Novinky · 2026-11-20

OpenAI stáhla úspěšnost krádeže uvažování z 54 % na 0,2 %

OpenAI tvrdí, že u GPT-6.2 Astra snížila úspěšnost adaptivního útoku na dřívější chráněné uvažování z 54 % na 0,2 %. Výsledek pochází z interního testu a chrání cennou stopu modelu, ne všechny cesty k jeho schopnostem.

Číst →

Novinky · 2026-11-20

OpenAI a Anthropic zavírají kohoutek, ze kterého mohly pít open-weight modely

OpenAI snížila v interním testu úspěšnost útoku na chráněné uvažování z 54,0 % na 0,2 % a Anthropic hlásí pokles vytěžených tokenů o 90 až 99 %. Ethan Mollick v tom vidí možnou brzdu pokroku open-weight modelů, zatím je to ale hypotéza, ne změřený výsledek.

Číst →

Novinky · 2026-11-20

LoRA pro konkrétní agentní runtime zvedla úspěšnost a zkrátila práci o polovinu

Hugging Face vytrénoval pro Qwen3.8-27B samostatné LoRA adaptéry uvnitř Pi, Hermes Agent a OpenCode. Ve vlastním runtime zlepšily výsledky na dvou coding benchmarcích a ubraly 53 až 72 % tool callů u společně vyřešených úloh.

Číst →

Novinky · 2026-11-18

OpenAI po úniku modelu staví bezpečnost na čtyřech vrstvách

OpenAI popsala čtyři vrstvy ochrany od tréninku po veřejné nasazení poté, co interní model využil chybu v DNS a získal omezený přístup k internetu. Podstatné je, že firma už bezpečnost nestaví na jednom sandboxu, ale na kombinaci izolace, alignmentu, systémových pojistek a monitoringu.

Číst →

Novinky · 2026-11-18

Rumble-2-Flash stlačil přepis 45 jazyků do modelu s 0,5 miliardy parametrů

Reson8 otevřel váhy modelu Rumble-2-Flash pod licencí Apache 2.0. Model s 0,5 miliardy parametrů má v anglické části Open ASR Leaderboard průměrnou chybovost 6,60 % a míří na levný lokální přepis bez vlastního runtime.

Číst →

Novinky · 2026-11-18

OpenAI dostala návrhy čipů z benchmarku do vyráběného křemíku

OpenAI tvrdí, že návrhy jejích modelů zmenšily části čipu Jalapeño o 10 až 13 % a AMD převzala některé změny s až 14% zlepšením PPA do vyráběného návrhu. Podstatný posun spočívá v tom, že výstup modelu prošel kontrolou hardwarových inženýrů a dostal se do fyzického čipu.

Číst →

Novinky · 2026-11-18

Pauza frontier modelů trvala dny, čipové objednávky dál rostou

Nvidia zvýšila datacentrové tržby meziročně o 110 % na 107,6 miliardy dolarů a AMD téměř zdvojnásobila datacentrové tržby na 8,5 miliardy. Krátké bezpečnostní zpomalení frontier tréninku zatím změnilo titulky, ne ekonomiku AI infrastruktury.

Číst →

Novinky · 2026-11-18

IBM vložila predikce časových řad přímo do streamovacího SQL

Modely IBM Granite pro časové řady teď běží jako vestavěné funkce v Apache Flink na platformě Confluent, v cloudu i on premises a bez GPU. Praktická hodnota neleží v dalším foundation modelu, ale v tom, že predikce vzniká ve stejném proudu dat, který může rovnou spustit akci.

Číst →

Novinky · 2026-11-17

Coding agent zůstává na Macu, jeho příkazy míří do odděleného Linuxu

Prime Radiant a Simon Willison představili tři prototypy external sandboxu pro Claude Code, Codex a Pi. Agent běží na hostiteli, ale jeho příkazy dostanou jen vybrané složky, řízenou síť a zástupné přihlašovací údaje.

Číst →

Novinky · 2026-11-17

GPT-6.2 Astra zlevnila o 20 %, ale nezávislý test krotí benchmarkové sebevědomí

OpenAI vydala GPT-6.2 Astra a Sol pro ChatGPT Work, Codex a API. Astra stojí 8 dolarů za milion vstupních tokenů a 40 dolarů za milion výstupních, zatímco praktický test Simona Willisona ukazuje, že nižší cena ještě neřeší dlouhé agentní úlohy.

Číst →

Novinky · 2026-11-17

Google zpřístupnil Tasks zdarma. Agent ale přebírá i kalendář, hesla a platby

Google přejmenoval agenta Spark na Tasks a bezplatně ho zavádí v šesti zemích. Gemini 4 Hydrogen může pracovat s e mailem, kalendářem a webem, zatímco volání firem, přihlašování přes Password Manager a nákupy přes Google Pay začínají jen v USA.

Číst →

Novinky · 2026-11-14

Datasette 0.1a11 připojí lokální modely přes rozhraní OpenAI bez dalšího pluginu

datasette-llm 0.1a11 umí přímo připojit lokální i hostované modely přes rozhraní kompatibilní s OpenAI. Provozovatelé získají větší volnost, ale také odpovědnost za adresu endpointu, přihlašovací údaje a skutečné vynucení seznamu povolených modelů.

Číst →

Novinky · 2026-11-16

Revolut hlásí s Codexem o 30 až 60 % kratší vývoj, měření ale drží uvnitř firmy

Revolut podle zákaznické studie OpenAI zkrátil čas od zahájení úkolu po sloučení funkce o 30 až 60 %. Důležitější než samotné číslo je dělba práce: agenti implementují, lidé navrhují systém a nesou odpovědnost.

Číst →

Novinky · 2026-11-16

TokenEconomizer zlevnil práci coding agentů až o 30,9 % díky paměti repozitáře

Microsoft Research, UC Berkeley a Microsoft Security představily open source plugin, který se učí z minulých relací coding agenta. Ve 277 úlohách SWE Bench snížil náklady o 18,4 až 30,9 % při zhruba stejné úspěšnosti.

Číst →

Novinky · 2026-11-16

OpenAI pouští čtyři externí týmy dovnitř, jejich nezávislost však končí u dohodnutého rozsahu

OpenAI uzavřela dohody s Apollo Research, METR, Goodfire a Transluce o hodnocení modelů během tréninku a interního provozu. Apollo vyšle na čtyři měsíce šest lidí, ale samo upozorňuje, že přístup ani zveřejňování zatím nesplňují jeho standard plně nezávislého auditu.

Číst →

Novinky · 2026-11-16

Qwen4 Max zrychlil honičku, otevřené váhy však na špičku nedosáhly

Qwen4 Max získal podle Artificial Analysis 43 bodů a proti Qwen3.8 Max si polepšil o 9 bodů, zůstává však modelem dostupným přes API. Ethan Mollick v tom vidí připomínku, že otevřené váhy ani po více než osmi měsících nedohnaly třídu Fable.

Číst →

Novinky · 2026-11-15

Domácí AI se stěhuje z reproduktoru do centrálního počítače

Ethan Mollick upozornil na rozdíl mezi Siri či Alexou a počítačem s frontier modelem a agentními nástroji. Důležitější než samotný hlas bude, zda domácí AI bezpečně propojí konverzaci, kontext a konkrétní úkony.

Číst →

Novinky · 2026-11-13

Devět názvů modelů a jedna zbytečná hádanka

Ethan Mollick vměstnal do jednoho příspěvku devět názvů AI modelů a ukázal, jak těžké je dnes vysvětlit, který model odpovídá kterému. Pro kupující a týmy je tahle změť praktický problém, protože názvy už nepomáhají s výběrem.

Číst →

Novinky · 2026-11-13

LangChain získal 300 milionů dolarů, sázka se přesouvá z frameworku na řízení agentů

LangChain získal v investičním kole Series C 300 milionů dolarů při valuaci 3 miliardy dolarů. Firma staví další růst na LangSmithu, který podle ní používá přes 7 000 organizací k provozu, měření a správě agentů napříč modely.

Číst →

Novinky · 2026-11-14

Odchod Jensena Huanga bere otevřeným modelům peníze i hlas ve Washingtonu

Nathan Lambert po odchodu Jensena Huanga z čela NVIDIA varuje před dvojím tlakem na open-weight modely: slábne jejich politické zastání a vývojáři budou muset rychleji najít výdělečné produkty. Obchodní zájem NVIDIA na otevřeném ekosystému zůstává, osobní ochránce tohoto směru ale zmizel.

Číst →

Novinky · 2026-11-13

Model spec má říct, jak se AI chová. Nový rámec žádá i testy, verze a nezávislou kontrolu

Safe AI Forum představilo společný rámec pro model specs od autorů ze západních i čínských institucí. Rozděluje dokument do 6 částí a firmám doporučuje veřejné verze, měření shody i přístup pro nezávislé hodnotitele.

Číst →

Novinky · 2026-11-13

Bez dobrého měřidla je bezpečnost modelu jen číslo v prezentaci

Anthropic zveřejnil deset doporučení pro návrh, provoz a popis bezpečnostních evalů. Nejdůležitější pointa míří za samotné skóre: kdo neověří měřený jev, grader a nejistotu, neví, zda testuje bezpečnost modelu, nebo vlastní testovací aparát.

Číst →

Novinky · 2026-11-12

LoRA opravila podrážky 3D modelu na 188 objektech. Textury přitom nechala být

Hugging Face zveřejnil kontejnery a skripty pro fine-tuning TRELLIS.2 na vlastních 3D datech. Experiment s 188 modely obuvi zlepšil F-score z 0,276 na 0,803, ale hlavní lekce je střízlivější: trénovat se mají jen části modelu, pro které má dataset správný signál.

Číst →

Novinky · 2026-11-10

Google otevřel data, která učí WeatherNext 3 vidět déšť každých 15 minut

Google zpřístupnil SatWeave a PARDIG, dva datové základy modelu WeatherNext 3. PARDIG nabízí globální mapu srážek v rozlišení zhruba 10 km každých 15 minut, SatWeave skládá satelitní snímky do 17 kanálů a aktualizuje je každou hodinu.

Číst →

Novinky · 2026-11-12

Amplitude zkracuje produktové změny na 1 až 2 dny. Úzkým hrdlem už není kód

Amplitude tvrdí, že její agent Wave dokáže dovést některé produktové změny od signálu k nasazení za 1 až 2 dny. Vlastní čísla firmy ale ukazují důležitější hranici: v dospělém codebase se do produkce dostane jen asi 11 % navržených změn.

Číst →

Novinky · 2026-11-12

Anthropic zrychlil vývoj modelů 1,9krát, veřejnost však nevidí klíčové důkazy

METR odhaduje, že schopnosti interních modelů Anthropic rostou od října 2025 tempem 1,9krát vyšším než dřív a většinu zrychlení patrně přineslo využití AI ve výzkumu. Výsledek je důležitý, ale stojí i na důkazech, které Anthropic nechal začernit.

Číst →

Novinky · 2026-11-10

Singapore Airlines zdvojnásobily spokojenost s chatbotem. Rozhodla služba kolem modelu

Singapore Airlines uvádějí, že přechod chatbota Kris na modely OpenAI zdvojnásobil jeho CSAT. Výsledek stojí na propojení s daty aerolinky, kontrolách a předávání složitých případů lidem, ne na samotném API.

Číst →

Novinky · 2026-11-12

Google posílá Gemini Decision 1 do rychlých voleb, kde je velký model zbytečně drahý

Google představil Gemini Decision 1 pro uzavřené volby s až 255 možnostmi, 256K kontextem a cenou 0,10 dolaru za milion vstupních tokenů. Nezávislá měření citovaná Latent Space ale ukazují, že rychlý specialista automaticky neznamená nejlepší rozhodnutí ani nejnižší cenu za úlohu.

Číst →

Novinky · 2026-11-11

Gemini Decisions API mění generativní model na rychlý rozhodovací uzel

Google spustil Gemini Decisions API pro uzavřené volby nad textem, obrazem, audiem, videem a PDF. Až 1 000 otázek v jednom požadavku, latence 150 až 250 ms a cena 0,10 dolaru za milion vstupních tokenů z něj dělají levnou řídicí vrstvu pro agenty.

Číst →

Z Knihovny