Tag
#Modely
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
Knihovna
AI vendor lock-in — když model není jediná závislost
AI lock-in nevzniká jen výběrem modelu. Rodí se ve smlouvách, datech, nástrojích, evalech, cenících a workflow, které časem přestanou být snadno přenositelné.
Číst →Knihovna
Multiagentní systémy — kdy a proč rozdělit práci mezi role
Multiagentní systém dělí práci mezi specializované agenty. Pomáhá, když se jeden agent ztrácí ve složitých pravidlech nebo nástrojích; přidává ale koordinaci, náklady a další místa pro chybu.
Číst →Knihovna
Open vs. closed modely — kdo platí prémii za frontier
Open model není automaticky svoboda a closed model není automaticky lock-in. Praktická otázka zní: kdy se vyplatí kontrola, cena a lokální nasazení, a kdy má smysl platit za nejlepší frontier schopnost.
Číst →Knihovna
Spolehlivost modelů — když nestačí hezká odpověď
Spolehlivost je o tom, kdy model ví, kdy neví, kdy si vymýšlí a jak často se dá jeho výstupu věřit v provozu. Elegantní formulace není důkaz.
Číst →