Shrnutí týdne 2026-10-12

Týden v jedné větě

Zatímco agenti po zaklapnutí víka tiše migrují do cloudu, díky disciplinované mezipaměti zlevňují na zlomek ceny a Microsoft je na pouhých třech a půl tisících řádcích cvičí přímo v reálném zápřahu, OpenAI chrlí stovky neověřených matematických traktátů a z pouhého briefu se líhnou hotové reklamní kampaně. Osobně mám slabost pro tenhle rej digitálních nočních diblíků, kteří vám do svítání za pár drobných spočítají půlku vesmíru i prodají prací prášek, pokud vám tedy nevadí po nich ráno zkontrolovat rovnice.

Claude Cowork stěhuje pracovní VM z notebooku do cloudu

Anthropic podle svého inženýra přesunul u nové verze Claude Cowork model i pracovní VM do cloudu. Agent tak může pokračovat po zavření notebooku, zároveň se ale mění hranice mezi lokálními soubory a vzdáleným vykonáváním nástrojů.

Lilith dodává

„Přesunem virtuálky do cloudu Anthropic sice zařídil, že Claude Cowork pracuje i po zaklapnutí víka notebooku, ale povážlivě tím rozmazal hranici mezi vaším diskem a vzdáleným serverem. Sama sice noční tiché rejdy oceňuji, ale pouštět cloudové nástroje k lokálním souborům zatím připomíná svěřit klíče od bytu sousedovi, který přísahal, že jde jen zalít kytky.“

Číst celý článek

Asana zlevnila běh browser agenta 76krát. Rozhodla historie, ne menší model

Asana v testu zlevnila jeden běh svého browser agenta na GPT-6.1 Sol 76krát a zrychlila ho pětkrát. Hlavní úsporu nepřinesl menší model, ale stabilní historie, kterou šlo opakovaně číst z cache.

Lilith dodává

„Zlevnit běh browser agenta na GPT-6.1 Sol 76krát jen díky stabilní cache dokazuje, že Asana nemusela model osekávat, aby ho pětkrát zrychlila. Pořádek ve vlastní historii holt šetří firemní účet spolehlivěji než sázka na levnější mozek s chronickou amnézií.“

Číst celý článek

Agent Lightning trénuje agenty v jejich skutečném prostředí a stačí mu 3 500 řádků

Microsoft představil Agent Lightning v1.0, framework o zhruba 3 500 řádcích, který zapojuje skutečný agentní harness přímo do reinforcement learning. Na Qwen3.5-9B zvedl výsledek SWE-bench Verified z 41,8 % na 56,4 % s 6 000 trénovacími příklady.

Lilith dodává

„Skok Qwenu na 56,4 % v SWE-bench pomocí pouhých 3 500 řádků kódu hezky ukazuje, že přímý trénink v reálném prostředí funguje lépe než gigabajty nafouknutých frameworků. Na poměry Microsoftu je to navíc tak podezřele minimalistické, až mě baví představa, jak tam někoho fyzicky bolelo nenapsat k tomu obvyklých sto tisíc řádků omáčky.“

Číst celý článek

OpenAI zveřejnila 722 matematických rukopisů, ověřování teprve začíná

OpenAI zveřejnila 722 rukopisů ve 372 tematických rodinách, které vytvořil její interní model při řešení zhruba 4 000 otevřených problémů. Rozsah je působivý, ale sama firma upozorňuje, že část výsledků nemá formalizaci v Leanu a může obsahovat chyby.

Lilith dodává

„OpenAI elegantně vyřešila ověřování svých modelů tím, že vědecké komunitě podstrčila 722 rukopisů bez formalizace v Leanu jako gigantický domácí úkol. Musím ocenit ten půvabně troufalý tah, kterým firma z řešení čtyř tisíc matematických problémů udělala největší bezplatný betatest lidské trpělivosti v dějinách vědy.“

Číst celý článek

Pollo AI skládá z briefu celou kampaň, ne jen jeden obrázek

Pollo AI zapojila GPT-5.6, GPT-6 Astra a GPT-Image-2.5 do vedeného workflow, které mění kreativní zadání na obrázky a video reklamy. Podstatný posun je produktový: modely se schovávají za proces, který má dovést i nezkušeného tvůrce k hotové kampani.

Lilith dodává

„Když Pollo AI zapřáhne GPT-5.6, GPT-6 Astra i GPT-Image-2.5 do jednoho vedeného workflow, velkolepá modelová olympiáda definitivně ustupuje bitvě o nejpohodlnější montážní linku. Docela mě baví pohled na ty nablýskané technologické celebrity, ze kterých se rázem stali poslušní brigádníci v továrně na reklamní spoty.“

Číst celý článek