ai-powered-markdown-translatorArtykuł przetłumaczony z francuskiego na polski za pomocą gpt-5.6-sol.
Pięćdziesiąt dwa ogłoszenia, opublikowane w większości 11 września, i ta sama idea powracająca u podmiotów, które ze sobą nie rozmawiają. Cursor powierza całe przedsięwzięcie agentowi koordynującemu, który sam nie programuje i deleguje zadania tysiącom subagentów, Cognition uruchamia dwa modele pracujące w tandemie na komputerze programisty, a Sakana kieruje każde zadanie do najlżejszego modelu, który potrafi je rozwiązać. Tego samego dnia OpenAI wyprowadza swój model dla nauk o życiu z wersji research preview i publikuje jego cennik, Runway udostępnia przedsiębiorstwom zamknięte wagi swoich modeli na licencji, a Anthropic publikuje podpolecenie, które wreszcie mierzy rzeczywistą wartość wnoszoną przez plugin.
Cursor uruchamia Projects, przedsięwzięcia prowadzone przez agenta koordynującego
10 września — Cursor uruchomił Projects, gruntownie zmieniając sposób powierzania pracy agentowi w edytorze. Produkt zrywa z praktyką utrwaloną przez ostatnie dwa lata: zamiast otwierać nową rozmowę dla każdego zadania, a następnie ją zamykać, użytkownik prowadzi dialog z agentem koordynującym w wątku trwającym miesiącami. Koordynator nie pisze ani jednej linii kodu. Kieruje innymi agentami, którzy robią to za niego, dzięki czemu pozostaje zawsze dostępny i może przyjmować polecenia podczas wykonywania pracy.
Umożliwiają to trzy mechanizmy. Po pierwsze, domyślne wykonywanie w chmurze: Project działa na własnej maszynie, zamknięcie laptopa go nie przerywa, a liczby równolegle pracujących subagentów nie ogranicza już lokalny sprzęt. Agent lokalny uruchamia się, gdy test musi zostać wykonany na komputerze programisty. Po drugie, współdzielony kontekst: każdy Project utrzymuje zestaw plików synchronizowanych między wszystkimi maszynami, w których agenci zapisują wyniki badań, artefakty i swoją wiedzę o kodzie. Jeżeli jeden z nich odkryje, jak testować usługę, wszyscy kolejni mają dostęp do tej procedury. Trzeci mechanizm jest najbardziej nietypowy. Cursor nazywa go subskrypcjami (subscriptions): koordynator może monitorować kanał Slack, uruchamiać się zgodnie z harmonogramem lub śledzić wszystkie pull requests, aby naprawiać integrację ciągłą. Agent zaczyna działać po wykryciu sygnału, nie czekając na wywołanie.
| Badana grupa | Zmierzony wpływ na pull requests |
|---|---|
| Nowi użytkownicy Projects | O 30 procent więcej scalonych |
| Użytkownicy pracujący głównie w Projects | Sześć razy więcej scalonych |
| Project wewnętrznego design systemu | Prognozowane 20–100 pull requests modyfikowanych dziennie |
The coordinator doesn’t write code itself but directs other agents that do. Because it delegates rather than executes, it is never blocked and is always responsive to direction.
🇵🇱 Koordynator sam nie pisze kodu, lecz kieruje innymi agentami, którzy robią to za niego. Ponieważ deleguje zadania zamiast je wykonywać, nigdy nie jest zablokowany i zawsze pozostaje gotowy do przyjmowania poleceń. — Cursor, blog Projects
Są to pomiary wewnętrzne, które należy traktować z należytą ostrożnością. Najbardziej wymownym przykładem pozostaje „ogrodnictwo”, jak Cursor nazywa pracę, która nigdy się nie kończy: jeden z inżynierów uruchamia Project poświęcony design systemowi, który analizuje każdy nowy pull request, wyodrębnia z niego komponenty pasujące do systemu i dodaje regułę lint, gdy tylko dwukrotnie zauważy ten sam błąd. Projects jest w wersji beta i jest stopniowo udostępniany od 10 września. W ogłoszeniu nie wymieniono warunków cenowych ani ograniczeń dotyczących planów.
GPT-Rosalind wychodzi z wersji research preview wraz z cennikiem
11 września — OpenAI Developers ogłasza, że GPT-Rosalind, model rozumowania przeznaczony do nauk o życiu, wychodzi z wersji research preview. Model, zaprezentowany 16 kwietnia 2026 roku z myślą o badaniach biologicznych, odkrywaniu leków i medycynie translacyjnej, był wówczas dostępny wyłącznie dla kwalifikujących się klientów Enterprise w Stanach Zjednoczonych. Przechodzi teraz do programu trusted access dla kwalifikujących się organizacji na całym świecie, za pośrednictwem API, Codex i ChatGPT Enterprise, a dostęp ten obejmie kolejne modele z tej serii w miarę ich wydawania.
Changelog API, we wpisie z 8 września, zawiera szczegóły, których nie wymieniono w wątku na X. Model nosi nazwę gpt-rosalind-research, a jego ogólna dostępność nadal jest uzależniona od programu trusted access, zarezerwowanego dla zatwierdzonych przez OpenAI wewnętrznych badań z zakresu nauk o życiu.
| Element cenowy lub warunek dostępu | Ogłoszona wartość |
|---|---|
| Identyfikator modelu | gpt-rosalind-research |
| Tokeny wejściowe | 5 dolarów za milion |
| Buforowane tokeny wejściowe | 0,50 dolara za milion |
| Tokeny wyjściowe | 25 dolarów za milion |
| Początek naliczania opłat | 5 października 2026 |
| Kanały dostępu | API, Codex, ChatGPT Enterprise |
| Warunek dostępu | Program trusted access, kwalifikujące się organizacje |
Naliczanie opłat rozpocznie się dopiero 5 października: w okresie research preview korzystanie z modelu nie zużywało ani środków, ani tokenów. Jeśli chodzi o narzędzia, pluginy Life Sciences dla Codex stanowią warstwę orkiestracji modelu, obejmującą zagadnienia od genomiki po strukturę białek i badania translacyjne, od gromadzenia dowodów biologicznych po generowanie raportów kontroli jakości oraz interaktywnych notebooks. Ten pakiet, opublikowany bezpłatnie na GitHub w kwietniu, zapewnia dostęp do ponad 50 publicznych baz danych multi-omics, źródeł literatury i narzędzi biologicznych; każdy może używać go z modelami ogólnego przeznaczenia, lecz tylko kwalifikujący się użytkownicy Enterprise mogą łączyć go z GPT-Rosalind.
Deklarowane wyniki pozostają takie same jak w chwili premiery: najlepszy opublikowany wynik w BixBench, przewaga nad GPT-5.4 w 6 z 11 zadań LABBench2, z największą różnicą w CloningQA, oraz — w zadaniu dotyczącym zależności między sekwencją RNA a funkcją, opracowanym wspólnie z Dyno Therapeutics — najlepsze zgłoszenie z wynikiem przekraczającym 95. percentyl rezultatów 57 ekspertów w prognozowaniu. Konkretne informacje są dwie: wyspecjalizowany model opuszcza etap eksperymentalny i otrzymuje publiczny cennik, a dostęp zostaje rozszerzony geograficznie. Barierą pozostaje kwalifikowalność, której nie można uzyskać w trybie samoobsługowym.
🔗 Wątek OpenAI Developers na X
Runway Model Licensing — zamknięte wagi modeli dostarczane przedsiębiorstwom
11 września — Runway uruchomił program licencjonowania swoich modeli (Model Licensing) przeznaczony dla przedsiębiorstw. Jego zasada odchodzi od dostępu przez API: klient otrzymuje pełne wagi modelu Runway najnowszej generacji, dostraja go na własnych danych, hostuje we własnej infrastrukturze i komercjalizuje uzyskane rezultaty. Dane i wygenerowane materiały nigdy nie opuszczają środowiska klienta, co stanowi ofertę skierowaną wprost do studiów, marek i instytucji rządowych.
| Dostarczany element | Zawartość |
|---|---|
| Wagi modelu | Pełne wagi jako punkt wyjścia |
| Checkpoints | Kilka wersji modelu do walidacji |
| Skrypt treningowy | Kod umożliwiający dodanie własnych danych i rozpoczęcie dostrajania |
| Dostarczenie | Integracja z bazą kodu klienta i hosting w wybranym przez niego miejscu |
| Oddelegowani badacze | Praktyczna pomoc w konfiguracji, dostosowaniu wag i dostarczeniu rozwiązania |
Hosting może odbywać się w chmurze klienta, w jego centrum danych lub w całości lokalnie, także w środowisku odłączonym od sieci (air-gapped) na potrzeby administracji publicznej. Wymieniono sześć sektorów: platformy oprogramowania, kino i studia, marki i marketing, robotykę oraz fizyczną AI wykorzystujące World Action Model jako podstawę polityki (policy backbone), gry wideo i 3D z fotorealistycznym ulepszaniem niskiej jakości renderów, a także instytucje rządowe.
Pod względem ekonomicznym Runway rozróżnia dwie ścieżki: Runway Dev, czyli API rozliczane według użycia, bez konieczności zarządzania infrastrukturą, oraz roczną licencję, zapewniającą przewidywalne koszty i pełną kontrolę nad wersjami, zachowaniem oraz wynikami. FAQ odpowiada na zarzut dotyczący starzenia się technologii: przyszłe modele nie będą miały dostępu do zastrzeżonych danych klienta, przewidziano coroczne odnowienie, a na kolejne generacje przyznawane są środki. Koszt wewnętrznego odtworzenia takiego rozwiązania oszacowano na lata nauki i setki milionów dolarów. Firma przedstawia się jako jeden z nielicznych podmiotów na świecie udostępniających na licencji zamknięte wagi o tej jakości i otwarcie przeciwstawia swoją ofertę otwartym wagom, które jej zdaniem zapewniają słabszy model wraz z listą zadań. Nie opublikowano żadnych cen, a uzyskanie dostępu wymaga wypełnienia formularza sprzedażowego. Ogłoszenie pojawiło się dziewięć dni po Runway Dev MCP i tydzień po planie Team: Runway obejmuje teraz całą gamę zastosowań, od indywidualnego twórcy po licencjonowanie zamkniętych wag.
Cognition wprowadza Fusion do Devin Desktop i Devin CLI
11 września — Cognition ogłosiło dostępność Fusion w Devin Desktop i Devin CLI. Architektura działała od kilku miesięcy w Devin Cloud, a teraz trafia na komputer programisty. Ogłoszenie pojawiło się dzień po SWE-2, własnym modelu do programowania, i oba rozwiązania wzajemnie się uzupełniają, ponieważ SWE-2 jest rekomendowanym modelem pomocniczym w tym systemie.
Zasadę można opisać prosto. Wybierając Fusion, użytkownik nie wybiera jednego modelu, lecz dwa. Najnowocześniejszy model pełni funkcję lidera (lead) i zachowuje kontrolę nad sesją: dysponuje planem, rozstrzyga niejednoznaczności i sprawdza wykonaną pracę. Tańszy model działa jako pomocnik (sidekick): analizuje kod, wprowadza zmiany, uruchamia testy i składa raport. Oba działają równolegle, każdy z własnym trwałym kontekstem. Argument techniczny jest wymierzony w routing modeli, czyli rozwiązanie, które intuicyjnie nasuwa się jako sposób na obniżenie kosztów: początkowy prompt nie wystarcza do oceny trudności zadania, a zmiana modelu w trakcie pracy powoduje utratę prompt cache. Fusion omija ten problem, ponieważ kompletne rozmowy nigdy nie są przenoszone między dwoma modelami, które wymieniają wyłącznie briefy, wyniki i informacje zwrotne.
| Koszt zadania w dolarach | Tylko Fable 5.1 | Fusion Fable 5.1 i SWE-2 | Tylko Astra | Fusion Astra i SWE-2 |
|---|---|---|---|---|
| DeepSWE 1.1 | 14,63 | 7,88 | 7,88 | 4,69 |
| Terminal-Bench 4 | 17,46 | 13,37 | 10,08 | 6,06 |
| SWE-Atlas QnA | 7,57 | 5,00 | 5,72 | 3,59 |
| Vals Code Migration | 70,97 | 42,00 | 44,36 | 35,51 |
| Rozszerzony FrontierCode 1.1 | 2,68 | 1,67 | 2,62 | 2,34 |
One of our key findings is that using more expensive models can make the entire system cheaper.
🇵🇱 Jednym z naszych najważniejszych odkryć jest to, że korzystanie z droższych modeli może obniżyć koszt całego systemu. — Cognition, blog o lokalnym Fusion
Zależność tę wykazano po obu stronach tandemu. Po stronie lidera zastąpienie Opus 4.8 modelem Fable 5, którego nominalna cena za token jest dwukrotnie wyższa, obniżyło średni koszt sesji o 9 procent przy tym samym pomocniku, zapewniając jednocześnie lepszy wynik w FrontierCode: Fable wcześniej delegował zadania i pisał lepsze briefy, podczas gdy Opus mikrozarządzał swoim pomocnikiem. Po stronie pomocnika przejście z GPT-5.6 Luna na SWE-2, którego cena za milion tokenów jest o 275 procent wyższa, obniża całkowity koszt zadania o 2 procent, a zarazem poprawia wynik o 1,4 punktu. W Artificial Analysis Coding Agent Index v1.5 Fusion z Fable 5.1 i SWE-2 uzyskuje 61,7 przy koszcie niższym o 36 procent niż Claude Code z Fable 5.1, który osiąga maksymalnie 62,2. Cognition wyprowadza z tego regułę na 2026 rok: modele oraz pary model–harness należy oceniać według ceny za zadanie, a nie ceny za token. To wygodne stanowisko dla dostawcy sprzedającego harness, lecz wyniki opracowano wspólnie z Artificial Analysis i Vals AI na pięciu odrębnych benchmarkach. Instalacja odbywa się za pomocą jednego polecenia.
Sakana AI wprowadza Fugu Max i Fugu Ultra v2, dwie ewolucje swojego orkiestratora multi-agent
11 września — Sakana AI udostępnia Fugu Max i Fugu Ultra v2, dwie nowe wersje Sakana Fugu, swojego systemu orkiestracji multi-agent (multi-agent orchestration system) dostępnego za pośrednictwem jednego API zgodnego z OpenAI. Motywem przewodnim jest granica Pareto: zdaniem Sakana branża nadal myśli tak, jakby możliwości były jedynym kryterium, podczas gdy rzeczywiste zadanie ocenia się według dwóch kryteriów — możliwości i kosztu.
Fugu nie jest pojedynczym modelem, lecz wyuczoną warstwą orkiestracji, która kieruje każde zadanie do puli wyspecjalizowanych modeli o otwartych wagach. Fugu Max rozszerza tę pulę — według firmy największą jak dotąd — o rodzinę NVIDIA Nemotron i przekazuje każde zadanie najlżejszemu modelowi, który potrafi je rozwiązać. Osiąga najlepszy wynik ogólny w sześciu benchmarkach i przesuwa granicę koszt–wydajność w siedmiu z dziesięciu, przy cenie 2 dolarów za milion tokenów wejściowych i 6 dolarów za milion tokenów wyjściowych. Jak podaje Sakana, cena tokenów wyjściowych jest o 40–60 procent niższa niż w przypadku Sonnet 5, GPT 5.6 Terra i Kimi K3.
| Ogłoszony pomiar | Wynik | Porównanie podane przez Sakana |
|---|---|---|
| Fugu Ultra v2, Chartography | 48,3 | Opus 5 z wynikiem 27,3; Fable 5 z wynikiem 29,5 |
| Fugu Ultra v2, DeepSWE | 74,3 | Przed modelami od 3 do 5 razy droższymi w przeliczeniu na token |
| Fugu Ultra v2, pozycja | 1. miejsce lub ex aequo w 5 z 8 benchmarków | W pierwszej dwójce w 7 z 8 |
| Fugu Max, klasyfikacja ogólna | Najlepszy wynik w 6 benchmarkach | Granica Pareto przesunięta w 7 z 10 |
Najmocniej podkreślana przez Sakana kwestia zasługuje na uwagę: Fable 5, Fable 5.1 i GPT-6-Astra nie należą do puli agentów Fugu Ultra v2, którego graniczna data danych treningowych przypada na 28 sierpnia 2026 r. Argumentem jest odporność łańcucha dostaw: wymienna pula chroni przed uzależnieniem od dostawcy, cofnięciem dostępu do API i przerwami w świadczeniu usług. Oba modele są dostępne natychmiast, a użytkownik Fugu przechodzi na Max lub Ultra v2, zmieniając tylko jeden parametr. Fugu Max jest również dostępny w OpenRouter, z wejściem multimodalnym, wyszukiwaniem w sieci, konfigurowalnym rozumowaniem i ustrukturyzowanymi danymi wyjściowymi. Zastrzeżenie dotyczące użytkowania: benchmarki i modele porównawcze wybiera Sakana, SWEFish jest wewnętrznym środowiskiem testowym, a deklarowane różnice zależą od cen porównywanych modeli obowiązujących w chwili publikacji.
🔗 Przedstawiamy Fugu Max i Fugu Ultra v2
ElevenLabs wprowadza Music v2.5 z bezstratnym pobieraniem we wszystkich planach
11 września — ElevenLabs udostępniło Music v2.5 i ustawiło go jako domyślny model w ElevenMusic zarówno do generowania na podstawie promptu, jak i referencyjnego nagrania audio. Model ma oferować instrumenty brzmiące jak nagrane na żywo, bardziej rozbudowane aranżacje, długie kompozycje, zmiany gatunku w trakcie utworu, rap oraz głosy brzmiące naturalnie w języku tekstu. Przedstawiony pomiar pochodzi ze ślepego testu obejmującego 47 885 par — po jednym nagraniu z każdego modelu dla tego samego promptu. Music v2.5 wybierano przez większość czasu, a największą przewagę osiągnął w gatunkach opartych na wokalu i akustyce: R&B, soul, hip-hopie, rocku, metalu, muzyce orkiestrowej i filmowej. Dokładnego odsetka preferencji nie opublikowano.
Druga część ogłoszenia jeszcze bardziej zmienia sytuację użytkowników. Każdy utwór stworzony w ElevenMusic należy do jego autora we wszystkich planach, w tym bezpłatnym. Plan bezpłatny pozwala na pięć bezstratnych pobrań (lossless) dziennie z możliwością wykorzystania komercyjnego pod warunkiem wskazania ElevenMusic, natomiast plan Pro zapewnia 400 pobrań miesięcznie. Uprawnienia uzyskane w chwili utworzenia pozostają przypisane do utworu: rezygnacja z subskrypcji lub przejście na niższy plan nie zmienia niczego w przypadku już wyprodukowanych utworów, a przyszła zmiana warunków dotyczyłaby wyłącznie nowych. Jedynym wyjątkiem jest utwór zbudowany na podstawie piosenki innego artysty, którego pobranie jest zablokowane.
| Zmierzony lub ogłoszony element | Wartość |
|---|---|
| Pary ocenione w ślepym teście | 47 885 |
| Bezstratne pobrania, plan Free | 5 dziennie, użytek komercyjny z oznaczeniem |
| Bezstratne pobrania, plan Pro | 400 miesięcznie |
| Identyfikator API | music_v2_5 |
| Domyślny model w ElevenMusic | Music v2.5, Music v2 pozostaje dostępny |
Model jest również dostępny w ElevenCreative, jako węzeł Music w Flows oraz w API pod identyfikatorem music_v2_5. ElevenLabs zaznacza, że ogłoszona dzień wcześniej wieloletnia umowa z Universal Music Group jest niezależna od tego wydania. Dla czytelnika kolejność ogłoszeń ma znaczenie: najpierw poinformowano o umowie z dużą wytwórnią, a następnego dnia wydano model i rozszerzono prawa użytkowania.
Claude Code mierzy rzeczywistą wartość pluginu, z nim i bez niego
11 września — Zespół Claude Developers ogłasza claude plugin eval, podkomendę Claude Code, która uruchamia plugin lub skill na zestawie przypadków testowych, ocenia każde wykonanie, a następnie ponownie przeprowadza każdy przypadek bez pluginu, aby zmierzyć jego wkład. Pomysł jest prosty i nieco niewygodny: wysoki wynik nie dowodzi, że plugin pomaga, ponieważ Claude czasami radzi sobie równie dobrze bez niego. Komenda zwraca więc dwa wyniki oraz różnicę między nimi. Jeśli przypadek uzyska 1,0 w obu wariantach, plugin nie ma w tym żadnego udziału.
Punktem wejścia jest claude plugin eval init, uruchamiany w katalogu głównym pluginu. Otwiera się sesja interaktywna: Claude odczytuje plugin, pyta, jak wygląda dobry wynik, proponuje prompty, które powinny i nie powinny go uruchamiać, projektuje weryfikatory (graders), testuje je jednokrotnie, tworzy osobny katalog dla każdego przypadku i podaje szacowany koszt pełnego uruchomienia. Następnie każdy przypadek jest wykonywany trzy razy z pluginem i trzy razy bez niego, czyli łącznie sześć razy, ponieważ pojedyncze uruchomienie niedeterministycznego agenta niewiele mówi. Terminal wyświetla tabelę wyników z pluginem i bez niego, samodzielny raport HTML jest zapisywany na dysku, a jeśli konto na to pozwala, raport zostaje opublikowany jako prywatny artefakt.
| Typ weryfikatora | Koszt w wywołaniach modelu | Warunek powodzenia |
|---|---|---|
regex | brak | Wzorzec znaleziony w ostatniej odpowiedzi, śladzie lub pliku |
tool_used | brak | Liczba wywołań narzędzia mieści się między minimum a maksimum |
tool_order | brak | Jedno wywołanie poprzedza drugie |
file_exists | brak | Plik utworzony podczas uruchomienia odpowiada wzorcowi |
llm | ocenia jeden model | Pozytywny werdykt w co najmniej 2 z 3 głosów |
baseline | ocenia jeden model | Uruchomienie jest warte co najmniej tyle co transkrypcja referencyjna |
Przed interpretacją różnicy trzeba zrozumieć pewną subtelność: weryfikator wymagający wywołania skillu nigdy nie może przejść bez pluginu, dlatego jest wyłączany z wyniku w obu wariantach i raportowany wyłącznie jako wskaźnik — w przeciwnym razie różnica byłaby sztucznie zawyżona. Izolacja jest ścisła. Każde uruchomienie odbywa się w jednorazowym procesie potomnym, bez ustawień użytkownika, hooków, pliku CLAUDE.md, serwera MCP, zainstalowanego pluginu ani pamięci. Uruchomienia nigdy nie pytają o uprawnienia, a narzędzia wrażliwe są usuwane z sesji, chyba że udzielono wyraźnej zgody. Jeśli Bash lub PowerShell otrzyma uprawnienia na komputerze bez backendu sandboxa, Claude Code odmawia uruchomienia, zamiast wykonać je bez izolacji. Plugin korzystający z narzędzi MCP można ocenić bez rzeczywistej usługi: odpowiedź dostarcza plik Markdown przypisany do każdego narzędzia, a specjalny blok przerywa uruchomienie, jeśli plugin wyśle coś innego niż oczekiwano.
Evals call the model, so they use tokens and results vary. […] Your plugin’s hooks and MCP servers run as you, so only evaluate plugins you trust.
🇵🇱 Ewaluacje wywołują model, więc zużywają tokeny, a wyniki są zmienne. […] Hooki i serwery MCP pluginu działają z Twoimi uprawnieniami, dlatego oceniaj wyłącznie zaufane pluginy. — @ClaudeDevs na X
Koszt jest rzeczywisty: każde wykonanie i każdy weryfikator korzystający z modelu to wywołanie modelu rozliczane w ramach planu lub faktury, a przykład w dokumentacji podaje 74 sekundy i 0,41 dolara za przypadek obejmujący sześć uruchomień. Stąd zalecenie zespołu: najpierw przeprowadzić próbę z --runs 1, zanim uruchomi się pełny przebieg. W przypadku integracji ciągłej udokumentowano kody wyjścia, w tym 0, gdy wszystko przechodzi, oraz 2 dla częściowego uruchomienia po osiągnięciu limitu kosztów. Według dokumentacji typowym pierwszym odkryciem jest różnica bliska zeru przy nieudanym weryfikatorze skillu: Claude nie wybiera skillu dla naturalnie sformułowanego polecenia, więc trzeba poprawić jego opis.
🔗 Dokumentacja ewaluacji pluginów
Pozostałe zmiany w wersji 2.1.269
Podkomenda pojawia się w wersji 2.1.269, opublikowanej 11 września o godz. 21:17 czasu paryskiego. Pozostałe dodatki są mniej widoczne, ale przydatne na co dzień. Komenda /output-style wyświetla dostępne style danych wyjściowych i pozwala je zmieniać, również za pośrednictwem Remote Control oraz w sesjach cloud lub headless. Gdy narzędzie Bash służy do modyfikowania plików, jego wynik zawiera teraz diff zmienionych plików, dzięki czemu Claude odzyskuje taką samą widoczność jak przy klasycznej edycji. W zakresie obserwowalności jedna zmienna środowiskowa oznacza metryki i zdarzenia OpenTelemetry według repozytorium, a dwie kolejne ustawiają czas oczekiwania na wykrywanie modeli przez gateway oraz limit równoczesnych agentów narzędzia Workflow, maksymalnie 256.
Poprawki obejmują trzy wrażliwe obszary: częściowe unieważnianie cache’u promptu po przerwaniu, a następnie wznowieniu odpowiedzi; reguły uprawnień zaczynające się od negacji, które odtąd mają zastosowanie wyłącznie do źródła ustawień, w którym je zapisano; oraz weryfikację ścieżki zapisu, która wreszcie obejmuje plik zapisywany przez komendę tee. Wartość git status przekazywana po compaction jest teraz bieżąca, a nie pochodząca z początku sesji. W VS Code plakietka otwiera mapę sub-agentów z kartami informacyjnymi, przyciskiem zatrzymania i transkrypcjami tylko do odczytu, a dwa okna dialogowe umożliwiają zarządzanie hookami oraz regułami uprawnień w ustawieniach użytkownika, projektu i lokalnych.
🔗 Informacje o wydaniu 2.1.269
Antigravity: cztery wersje w tydzień i nadrabianie zaległości w Teamwork
Google wydało bezpośrednio po sobie dwie wersje swojego narzędzia wiersza poleceń i nową wersję aplikacji, nie licząc dwóch wcześniejszych wersji, których tutaj jeszcze nie omówiono. Changelog warto przeczytać w całości, ponieważ wydania z tego tygodnia opowiadają tę samą historię: agent opuszcza interaktywny terminal i staje się usługą.
Antigravity CLI 1.2.0: CLI staje się demonem działającym w tle i sterowanym przez Remote Control
10 września — Wersja 1.2.0 Antigravity CLI jest pierwszym zwiększeniem wersji minor od lipca. Trzy podkomendy — remote-control start, status i stop — rejestrują narzędzie wiersza poleceń w systemowym menedżerze usług jako demona działającego w tle, który pozostaje aktywny po rozłączeniu i ponownym uruchomieniu systemu. Dostępna jest opcja nazwy instancji oraz opcja ograniczająca usługę do aktywnej sesji logowania. Wcześniej trzeba było pozostawić otwarty terminal. Przewijanie o pół strony działa teraz we wszystkich widokach dzięki dwóm nowym domyślnym skrótom. Spośród ośmiu poprawek najbardziej pomocna w zrozumieniu nieoczekiwanego zachowania jest ta: prompt lub odpowiedź zablokowane przez filtry bezpieczeństwa treści wyświetlają teraz konkretną przyczynę zatrzymania, podczas gdy wcześniej użytkownik widział ogólny błąd albo pustą turę. Serwery MCP osadzone w globalnych pluginach wreszcie prawidłowo inicjalizują się przy uruchamianiu.
Antigravity CLI 1.1.28: rozszerzone ponawianie po błędach, szybszy tryb bez interfejsu i odczyt URL wymagający zatwierdzenia
9 września — Dzień wcześniej wersja 1.1.28 przyniosła dziewięć ulepszeń dotyczących odporności i trybu bez interfejsu, czyli trybu wywoływanego ze skryptu. Przejściowe błędy API modelu są ponawiane z rozszerzonym wykładniczym backoffem, uruchamianie nie powoduje już żądania sieciowego w celu odczytania tożsamości użytkownika, a z każdej tury usunięto do 200 milisekund bezczynnego oczekiwania. Osoby zajmujące się automatyzacją powinny zwrócić uwagę na dwie zmiany zachowania.
| Zmiana zachowania | Przed wersją 1.1.28 | Od wersji 1.1.28 |
|---|---|---|
| Przekroczenie limitu czasu w trybie skryptowym | Błąd timeoutu | Zwrócenie częściowego wyniku, kod powodzenia, ostrzeżenie |
| Odczyt zewnętrznego URL przez agenta | Bez pytania | Domyślnie wymagane zatwierdzenie, z wyjątkiem wcześniej przyznanego dostępu |
Skrypt opierający się na niejawnym dostępie do sieci musi więc jawnie otrzymać to uprawnienie. Monity o zatwierdzenie wskazują teraz konkretną czynność i dodają wiersz z uzasadnieniem, gdy żądanie pochodzi z hooka lub pliku należącego do innego projektu.
Antigravity CLI 1.1.26 i 1.1.27, nadrabianie zaległości: jednorazowy prompt w innym modelu i zależności sub-agentów we front matter
4 i 5 września — Wersje 1.1.26 i 1.1.27 uzupełniają lukę i wprowadzają najbardziej konkretną nowość z całego zestawu: komenda wyboru modelu przyjmuje teraz prompt, który jest wykonywany jednokrotnie w innym modelu, po czym sesja wraca do modelu pierwotnego. Pozwala to uzyskać drugą opinię od wydajniejszego lub tańszego modelu bez zmieniania ustawienia domyślnego. Ta sama wersja dodaje listę agentów do front matter Markdown agentów niestandardowych, umożliwiając zadeklarowanie sub-agentów, od których zależą, oraz dwie poprawki istotne dla automatyzacji: wywołanie MCP zawierające argument niezadeklarowany w schemacie serwera jest odrzucane i poprawiane, zamiast być po cichu usuwane, a wykonanie bez interfejsu wymienia odrzucone działania w swoim wyniku JSON, zamiast ignorować je bez słowa.
Antigravity 2.13.0: sekcja Documents, zwirtualizowana przeglądarka plików SQL i JSONL oraz skróty do cytowania
9 września — Antigravity 2.13.0 przynosi 16 ulepszeń i 16 poprawek. Pliki zewnętrzne dodane do rozmowy, linki Google Drive, pliki PDF i dokumenty Office są grupowane w sekcji Documents nad Artifacts, zamiast mieszać się z rezultatami pracy agenta. Pliki robocze, które agent zapisuje na własny użytek, trafiają do osobnej sekcji. Artefakty kodu i danych, takie jak pliki SQL i JSONL, otwierają się w zwirtualizowanej przeglądarce z podświetlaniem składni i numerami wierszy, która zachowuje płynność przy dużych plikach i umożliwia dodawanie komentarzy w wierszach. Zamknięte pytanie boczne jest minimalizowane do przycisku zamiast usuwane, interaktywne monity otrzymują przycisk anulowania, a zaznaczony tekst można zacytować na czacie za pomocą skrótu klawiaturowego. Dwie poprawki dotyczą przejrzystości uprawnień: odrzucony krok pozostaje widoczny z etykietą Rejected zamiast znikać, a agent nie prosi już ponownie o pozwolenie na odczyt artefaktów z innych projektów, gdy dostęp poza projektem został już przyznany.
🔗 Wątek ze wskazówkami @antigravity na X
Teamwork, nadrabiamy wiadomości z 27 sierpnia
Wpis opublikowany 27 sierpnia, dotąd tutaj nieomówiony i nadal znajdujący się na czele sekcji dla deweloperów na stronie aktualności Gemini, zasługuje na nadrobienie. Teamwork to środowisko wieloagentowej orkiestracji Antigravity, w którym agenci przez godziny lub dni wzajemnie proponują, krytykują i udoskonalają swoją pracę; jest ono dostępne w wersji zapoznawczej we wszystkich płatnych planach. Udostępniono pięć wzorców, wybieranych automatycznie zależnie od promptu — od iteracyjnego programowania, przez przegląd dokumentów, po długie dowodzenie. W przypadku wzorca długiego dowodzenia Google informuje o rozwiązaniu siedmiu problemów otwartych, w tym hipotezy cykli Knutha, dla której opracowano dowody liczące ponad 40 i ponad 70 stron, przy czym 40-stronicowy dowód został formalnie zweryfikowany w Lean; pozostałe wyniki potwierdzili eksperci, a pięć artykułów umieszczono w arXiv.
| Podana miara | Wartość |
|---|---|
| TCSBench, Gemini 3.7 Flash i 3.1 Pro w długim dowodzeniu | 71 procent |
| TCSBench, Gemini 3.6 Flash i 3.1 Pro, pierwotny artykuł | 67,7 procent |
| Symulator RISC-V, błąd zgodności cykli | 0,71 procent |
| Problemy odtworzone za pomocą Gemini 3.7 Flash | 3 z 7 |
Poza matematyką Teamwork zbudował od podstaw precyzyjny na poziomie cyklu symulator procesora RISC-V z wykonywaniem poza kolejnością, który uruchamia system xv6 aż do powłoki i wykonuje ponad sto standardowych benchmarków, a jego działanie zweryfikowano względem wykonania sprzętowego. Dwa rozwiązania zostały włączone bezpośrednio do projektów open source: zwektoryzowana szybka ścieżka w Eigen oraz wariant współbieżnej tablicy mieszającej o dwukrotnie większej przepustowości wstawiania przy 64 wątkach.
🔗 Teamwork, gdy AI staje się partnerem badawczym
GitHub Copilot sam rozwiązuje swoje komentarze i dodaje Jira do swojej aplikacji
Przegląd kodu przechodzi na zespół agentów
11 września — GitHub aktualizuje Copilot code review w dwóch obszarach. Jeśli chodzi o obsługę, gdy kolejny commit odpowiada na komentarz Copilot, przegląd sam oznacza ten komentarz jako rozwiązany, dzięki czemu lista otwartych komentarzy zawiera wyłącznie kwestie nadal oczekujące na odpowiedź; po zastosowaniu sugestii dotyczącej kodu Copilot tworzy komunikat commita dopasowany do zmiany zamiast wstępnie uzupełnionego komunikatu. Jeśli chodzi o analizę, agent przeglądu ma teraz do dyspozycji pełny zestaw narzędzi powłoki z SDK Copilot, uruchamianych za zaporą agenta: może rozpocząć kompilację, wykonać testy, uruchomić konkretny skrypt lub wysłać zapytania do dostępnych API, aby zweryfikować analizowany kod. GitHub odnotowuje więcej pozytywnych opinii, więcej wykrytych problemów o wysokim poziomie istotności i mniej drobnych uwag, nie podając jednak żadnych danych liczbowych.
Poziom wysiłku Lite również nie opiera się już na pojedynczym agencie, lecz na zespole agentów, z których każdy wnosi własną analizę, łączoną następnie w jeden przegląd.
| Zmierzony wynik, zespołowe przeglądy Lite | Zapowiedziana zmiana |
|---|---|
| Uwzględnione komentarze, wysoki poziom istotności | o 47 procent więcej |
| Uwzględnione komentarze, średni poziom istotności | o 31 procent więcej |
| Uwzględnione komentarze, niski poziom istotności | o 11 procent więcej |
| Koszt przeglądu | około 8 procent mniej |
Nie podano ani liczby agentów w zespole, ani wykorzystywanych modeli. To trzecia zmiana w Copilot code review w ciągu dwóch tygodni.
Jira w aplikacji, HydraFusion w wierszu poleceń, VS Code 1.137
10 września — Cotygodniowe podsumowanie tygodnia rozpoczynającego się 7 września, w którym odbył się Copilot Day, przynosi integrację Jira z aplikacją Copilot: zgłoszenia są przenoszone na wspólną kanwę, gdzie wybiera się te przeznaczone do dalszej pracy, a Copilot zachowuje kontekst zgłoszenia podczas analizy, implementacji i przygotowywania pull requestu. W Copilot CLI Project HydraFusion można teraz wybrać tak jak każdy inny model; dla każdego zadania dobiera on przepływ między modelami lokalnymi, chmurowymi i złożonymi, równoważąc wydajność, koszt i opóźnienie.
VS Code 1.137, wydany 9 września, wprowadza trzy funkcje agentowe. Automatyzacje, dostępne w publicznej wersji zapoznawczej, umożliwiają planowanie cyklicznych zadań agenta co godzinę, codziennie lub co tydzień na podstawie dostarczonych szablonów, takich jak segregowanie issues czy wyszukiwanie błędów. Eksperymentalny tryb głosowy pozwala rozmawiać z agentem podczas jego pracy, przerywać mu lub zmieniać kierunek jego działań. Ponadto link do issue lub pull requestu otwiera się bezpośrednio w oknie Agents, nawet gdy żadne repozytorium nie jest otwarte. Informacje o wydaniu opisują również hosta agentów opartego na dedykowanym protokole i napędzanego przez SDK Copilot, który ujednolica zachowanie agenta VS Code z jego odpowiednikami w wierszu poleceń i aplikacji.
🔗 Cotygodniowe podsumowanie Copilot
Habitat, internetowa pamięć masowa OpenAI i jej przepisanie w Rust przez dwóch inżynierów
11 września — OpenAI publikuje pierwszą część wpisu technicznego o Habitat, platformie internetowej pamięci masowej obsługującej ChatGPT, API i Codex. Liczby pokazują jej skalę: ponad 70 milionów żądań na sekundę, ponad miliard osób obsługiwanych tygodniowo, blisko 40 regionów i ponad 500 petabajtów danych. Habitat powstał w połowie 2024 roku jako niewielka biblioteka Python zintegrowana z głównym serwerem ChatGPT i połączona z zarządzaną bazą danych, zgodnie z prostym założeniem: inżynierowie produktu nie powinni musieć myśleć o schemacie, routingu, autoryzacji ani pulach połączeń.
W połowie 2025 roku model biblioteki po stronie klienta osiągnął swoje granice. Każda zmiana protokołu wymagała koordynacji wdrożeń w dziesiątkach usług; wdrożenie routingu regionalnego trwało wiele dni, po czym usługa, która powróciła do błędnego klienta, spowodowała awarię, której cała operacja miała zapobiec. Habitat stał się samodzielną usługą, a OpenAI postanowiło pozostać przy Pythonie, świadomie zaciągając dług techniczny i zakładając, że własne modele programistyczne umożliwią przyszłą migrację.
Główna część wpisu opisuje walkę z opóźnieniami ogona przy tej skali: opóźnienia planowania asyncio, które mogły sięgać setek milisekund, ograniczono przez limitowanie liczby równoczesnych żądań na proces; parsowanie konfiguracji odświeżanych co minutę bez losowego przesunięcia zamrażało jednocześnie wszystkie workery; natomiast ponowne wykorzystywanie połączeń w kolejności ostatnie weszło, pierwsze wyszło przez bibliotekę HTTP skupiało ruch na procesach, które już działały wolno, powodując metastabilną awarię, naprawioną najpierw przez odwrócenie kolejności, a następnie przez przekazanie równoważenia obciążenia do service mesh. Samo API jest celowo ograniczone — to model obiektów i krawędzi bez nieograniczonych zapytań ani złączeń — i właśnie ten wąski zakres pozwolił wykorzystać Python aż do tego poziomu.
| Zmierzona metryka | Podana wartość |
|---|---|
| Żądania na sekundę obecnie | Ponad 70 milionów |
| Osoby obsługiwane tygodniowo | Ponad miliard |
| Obsługiwane dane | Ponad 500 petabajtów |
| Szczytowa wydajność usługi Python | Ponad 20 milionów żądań na sekundę |
| Przepisanie w Rust | Dwóch inżynierów, Codex i GPT-5.5 |
| Udział ruchu obsługiwanego przez Rust | 95 procent żądań produkcyjnych |
| Wzrost efektywności procesora i pamięci | 6-krotny i 15-krotny |
W drugim kwartale 2026 roku dwóch inżynierów przepisało całą usługę w Rust przy użyciu Codex i GPT-5.5. Usługa Rust obsługuje 95 procent żądań produkcyjnych, zużywając sześć razy mniej zasobów procesora i piętnaście razy mniej pamięci; Python zostanie wycofany w nadchodzących tygodniach. Druga część będzie poświęcona warstwie pamięci masowej.
🔗 Skalowanie pamięci masowej dla miliarda użytkowników
OpenAI prosi użytkowników Codex o odchudzenie skills, AGENTS.md i promptów
11 września — Blog deweloperski OpenAI publikuje przewodnik porządkowania przeznaczony dla użytkowników Codex przechodzących na GPT-6 Astra. Punkt wyjścia jest następujący: rok gromadzenia instrukcji mających kierować wcześniejszymi modelami staje się obciążeniem dla bardziej zaawansowanego modelu. W przypadku skills mechanizm jest konkretny: każda skill wczytuje do kontekstu nazwę i opis, a gdy jest ich zbyt wiele, Codex skraca te opisy, przez co model widzi mniej informacji o każdej z nich i gorzej dokonuje wyboru.
| Analizowana instrukcja | Zalecenie dla GPT-6 Astra |
|---|---|
| Opis skill | Krótki, precyzyjny wyzwalacz, a nie cała dziedzina |
| Struktura skill z wieloma przepływami | Dokument główny ograniczony do routera kierującego do docs i skryptów |
| Odczyty wymagane w AGENTS.md | Jeden dokument na typ zmiany, a nie stos do czytania przy każdej edycji |
| Instrukcje dotyczące testów | Zbędne, model sam uruchamia testy |
| Zakończenie zadania | Określić, co oznacza ukończenie, z góry zezwolić na bezpieczne workflowy |
| Odziedziczone zakazy | Złagodzić, aby uniknąć przedwczesnego zatrzymania |
Najciekawsza kwestia dotyczy zachowania modelu. OpenAI przedstawia GPT-6 Astra jako ostrożniejszy od poprzednika w kwestii zakresu zadania i skłonny wracać po pierwszej implementacji, aby poprosić o przegląd. Zalecanym rozwiązaniem jest wyraźne określenie, co oznacza ukończenie, oraz wcześniejsze udzielenie pozwolenia na workflowy uznawane za bezpieczne, na przykład lokalny zestaw testów z jednorazowymi fixtures. Z kolei bardzo rygorystyczne zabezpieczenia stworzone z myślą o ograniczaniu starszych modeli mogą teraz powodować, że zatrzyma się zbyt wcześnie. Wpis przypomina również, że skills z repozytorium są odczytywane przez agentów innych współtwórców, którzy czasami działają na innych modelach: instrukcja przydatna dla nich może nadmiernie ograniczać Astra. Na końcu pojawia się praktyczna sugestia, aby poprosić Astra o samodzielny audyt instrukcji projektu. Skill służąca do tworzenia skills została odpowiednio zaktualizowana.
🔗 Nowe podejście do skills i promptów dla GPT-6 Astra
ChatGPT Sites przekracza 5 milionów witryn w ciągu trzech miesięcy
11 września — Oficjalne konto ChatGPT podsumowuje wyniki ChatGPT Sites, funkcji uruchomionej trzy miesiące wcześniej, która umożliwia tworzenie i hostowanie kompletnych aplikacji internetowych z poziomu rozmowy: od tego czasu utworzono ponad 5 milionów witryn. Komunikat służy przede wszystkim podsumowaniu pięciu zmian, które przeszły bez większego rozgłosu.
Dwie z nich dotyczą współpracy. Pierwsza umożliwia zapraszanie członków zespołu do edytowania, zapisywania i publikowania wspólnej witryny; druga pozwala udostępnić witrynę konkretnym osobom bez publikowania jej dla wszystkich. Pozostałe trzy odnoszą się do cyklu życia witryny: przejście od promptu do wdrożenia ma trwać dwa razy krócej, ChatGPT może na żądanie przeanalizować bazę danych witryny, do której dostęp mają również redaktorzy, a z witryną można połączyć niestandardową domenę. Konto deweloperskie udostępniło tę wiadomość dalej, co wskazuje, że funkcja jest przeznaczona również do szybkiego prototypowania, a nie tylko do tworzenia stron dla szerokiej publiczności.
🔗 Podsumowanie ChatGPT Sites na X
Together AI rozszerza fine-tuning na 17 otwartych modeli i umieszcza adaptery w ekspertach
11 września — Together AI rozszerza swoją usługę fine-tuningu na cały cykl eksperymentu. Do katalogu trafia siedemnaście modeli z otwartymi wagami, w tym GLM 5.3 i jego dwie wcześniejsze wersje, DeepSeek-V4-Flash, Kimi K2.7-Code i K2.6, rodzina Qwen od 0,8 do 35 miliardów parametrów oraz Gemma 4. Firma podaje wynik GLM-5.3 wynoszący 88,2 w Terminal-Bench 2.1, według niej o mniej niż jeden punkt niższy od najlepszych modeli zamkniętych.
Drugą nowością jest śledzenie eksperymentów: każde zadanie rejestruje stratę, normę gradientu i współczynnik uczenia na każdym kroku; wykresy są aktualizowane podczas wykonywania, wyniki wielu zadań można nałożyć na ten sam wykres, a surowe serie są udostępniane przez API. Wczesne zatrzymanie przerywa trening, gdy strata walidacyjna przestaje się poprawiać, zachowuje najlepszy checkpoint zamiast ostatniego i zwraca środki za niewykorzystane kroki.
Najbardziej technicznym elementem jest Expert LoRA. W modelu typu mieszanka ekspertów (Mixture-of-Experts) ponad 90 procent parametrów znajduje się w warstwach ekspertów, które klasyczny adapter pozostawia zamrożone, dołączając się wyłącznie do mechanizmu uwagi.
| Test na 200 wymyślonych faktach | Adaptery obejmujące ekspertów | Adaptery wyłącznie w mechanizmie uwagi |
|---|---|---|
| Odtwarzanie nowych faktów | do 89 procent | 15 procent |
| MMLU-Pro | 75,3 procent | 71,5 procent |
Przedstawione wyjaśnienie mówi, że przy adapterach ograniczonych do mechanizmu uwagi coraz większa część kierowanych ekspertów przestaje być wykorzystywana podczas fine-tuningu. Przetwarzanie danych również przestaje być czarną skrzynką dzięki podglądowi tokenizowanych wierszy, wag poszczególnych przykładów i pełnej walidacji pliku po stronie serwera natychmiast po zakończeniu przesyłania. Ceny treningu spadają o 30–70 procent w zależności od modelu.
Wkład społeczności, osobny sandbox dla każdej próby i sto zagadek zebry
Blog społeczności Hugging Face opublikował tego samego dnia trzy prace zasługujące na coś więcej niż krótką wzmiankę oraz pięć kolejnych, które można znaleźć poniżej.
Jak trzynaście laboratoriów prowadzi RL swoich agentów
11 września — Sergio Paniego analizuje piętnaście raportów trzynastu laboratoriów opublikowanych między październikiem 2025 a wrześniem 2026, uwzględniając wyłącznie to, na czym każde z nich deklaruje trenowanie, a nie to, co ocenia. Główny wniosek: środowisko nie jest już symulatorem w pamięci, lecz kompletną maszyną z systemem plików, shellem i procesami, uruchamianą na czas jednej próby, a następnie niszczoną. Liquid AI robi to dla modelu o 2,6 miliarda parametrów, Cursor mówi o setkach tysięcy równoległych środowisk używanych do trenowania swojego modelu, Microsoft przydziela świeży kontener do każdego zadania, a Kimi K3 idzie jeszcze dalej, wykorzystując wznawialne mikromaszyny wirtualne do trajektorii liczących milion tokenów.
| Warstwa stosu | Co zachowują laboratoria | Wymienione publiczne odpowiedniki |
|---|---|---|
| Zadania i weryfikatory | Ponad 10 000 środowisk kodu w GLM-5 | Environments Hub, verifiers, Harbor |
| Kontrakt działania, uprząż | Kimi tworzy pięć uprzęży typu white-box | OpenEnv, SkyRL, BrowserGym, TextArena |
| Sandbox | Setki tysięcy maszyn wirtualnych na klaster | Modal, E2B, AgentENV, Hugging Face Sandboxes |
| System treningowy | slime w Zhipu, Forge w MiniMax, RLVR w NVIDIA | TRL, Miles v0.1 |
Warto odnotować trend, w którym sama uprząż staje się środowiskiem — jest albo odtwarzana jako white-box, albo pozostawiana bez zmian i obserwowana jako black-box. Poziom przejrzystości jest bardzo nierówny: Ai2 dokumentuje 17,2 miliona zweryfikowanych próbek kodu dla OLMo 3, podczas gdy OpenAI, Anthropic i Google nie publikują niemal niczego, a karta systemowa GPT-6 Astra mieści się w jednym zdaniu. Autor podaje koszt przekraczający dziesięć milionów dolarów za pojedyncze środowisko w dużych laboratoriach. Wpis zamyka serię Training Agents.
🔗 Jeden sandbox na każdy rollout
Sto zagadek zebry pobudza rozumowanie matematyczne
11 września — Społecznościowy artykuł autorstwa tamewild donosi, że trwający kilka minut fine-tuning na 100–500 zagadkach logicznych, bez jakichkolwiek danych matematycznych, wystarcza, by małe modele bazowe osiągnęły znacznie lepsze wyniki w benchmarkach matematycznych.
| Trenowany model bazowy | MATH-500 | AIME 2025 | Porównywana wersja oficjalna |
|---|---|---|---|
| Qwen 3 4B, 100 zagadek w 6 min 23 | 84,60 procent | 21,67 procent | Wersja po treningu: 84,80 i 19,10 |
| Granite 4.1 3B, 500 zagadek w 23 min | 77,73 procent | 19,44 procent | Wersja Instruct: 66,60 i 6,67 |
| Qwen 3.5 9B, 500 zagadek w 40 min | 96,60 procent | 60,67 procent | Wersja po treningu: 97,40 i 60,56 |
Zmierzono również efekty strukturalne: w największym z trzech modeli mediana długości odpowiedzi spada poniżej wyniku oficjalnego modelu, a odsetek pętli powtórzeń przy dekodowaniu zachłannym maleje z 6,06 do 0,67 procent. Autor zachowuje ostrożność, ponieważ były to eksploracyjne uruchomienia z jednym ziarnem, i zauważa, że jego własne ablacje pokazują, iż klasyczny adapter również osiąga niemal 80 procent w MATH-500: generalizacja wynika przede wszystkim z danych logicznych. Opublikowano kod, notebooki, trzy modele i dwa zbiory danych.
🔗 Wywoływanie rozumowania za pomocą 100–500 zagadek zebry
Pipeline głosowy dla języka bez zbioru danych
10 września — Osmanov opisuje budowę kompletnego pipeline’u głosowego dla zagrożonego języka krymskotatarskiego, pozbawionego zarówno rozpoznawania, jak i syntezy mowy, oraz przedstawia wniosek, który można przenieść na inne przypadki: trening był błędem zaokrąglenia. Trenowanie adaptera rozpoznawania zajęło 90 minut na GPU laptopa i obniżyło współczynnik błędów słów z 34,6 do 20,1 procent, a następnie do 17,0 dzięki wyszukiwaniu wiązkowemu, które nie zmienia żadnych wag. Niemal cały harmonogram pochłonęło stworzenie nieistniejącego wcześniej korpusu oraz sprawdzanie, czy ewaluacja nie przekłamuje wyników.
Warto zapamiętać dwa wybory. Model bazowy wybrano na podstawie założeń fonetycznych, a nie bliskości językowej: język krymskotatarski ma języczkowe /q/, którego nie ma w tureckim, a modele bazowe trenowane z identyfikatorem języka tureckiego realizowały je jako /k/, czego fine-tuning w żaden sposób nie naprawiał. Wobec braku systemu rozpoznawania, który pozwoliłby zainicjować korpus, autor odwrócił problem, wykorzystując audiobooki o znanym tekście i uzyskując 336 użytecznych minut tam, gdzie dryfujące wyrównanie dawało ich zaledwie 110. Najbardziej użytecznym wynikiem negatywnym jest plateau metryki: zwiększenie korpusu syntezy z 5,9 do 15,3 godziny nie zmieniło współczynnika błędów znaków, choć w ślepych odsłuchach za każdym razem preferowano najnowszy głos. Autor dokumentuje również klasyczny wyciek: 96,9 procent klipów z testowego audiobooka było zduplikowanych w zbiorze treningowym, co wykryto na podstawie n-gramów tekstu, a nie nazw plików.
🔗 Technologia mowy dla języka bez zbioru danych
Replit uruchamia Routines — cykliczne zadania wywołujące agenta tylko w razie potrzeby
11 września — Replit zaprezentował Routines, funkcję wykonującą cykliczne zadania według harmonogramu godzinowego, dziennego lub tygodniowego. W ogłoszeniu interesujące jest nie tyle samo planowanie, które jest czymś zwyczajnym, ile sposób, w jaki firma podchodzi do kwestii kosztów. Punkt wyjścia przedstawiono bez ogródek: agenci potrafią już automatyzować większość powtarzalnych zadań, lecz ich ciągłe działanie zużywa niezliczone ilości tokenów. Rozwiązaniem jest usunięcie agenta z centrum pętli. Każde wykonanie rozpoczyna się od deterministycznego kodu, a agent jest wywoływany tylko wtedy, gdy rzeczywiście potrzebne jest rozumowanie.
Architektura ta przeciwstawia się dominującemu trendowi, w którym cały cykl powierza się modelowi. Tutaj model ponownie staje się zasobem wywoływanym punktowo i otoczonym zwykłym kodem o przewidywalnym zachowaniu oraz koszcie. W przypadku zaplanowanego zadania powtarzanego setki razy różnica na rachunku nie jest marginalna. Ogłoszeniu nie towarzyszył wpis na blogu.
Warp integruje Grok Build jako pełnoprawnego agenta
11 września — Warp ogłosił zintegrowaną obsługę Grok Build CLI, agenta wiersza poleceń firmy SpaceX AI, a konto Grok chwilę później udostępniło informację o integracji. Funkcja była już dostępna w wydaniu terminala z 9 września, w którego changelogu opisano ją jako pełnoprawną obsługę: Warp wykrywa sesje Grok Build, stosuje do nich specjalną oprawę wizualną w stopce i aktywuje wzbogacony tryb wprowadzania.
W praktyce użytkownik Grok Build otrzymuje te same narzędzia co natywni agenci terminala. Wzbogacone wprowadzanie obsługuje wklejane długie prompty oraz wiele kursorów, co ma istotne znaczenie dla osób tworzących wieloakapitowe instrukcje. Jedno polecenie udostępnia bieżącą sesję agenta na innym urządzeniu, a eksplorator plików i panele code review pozostają dostępne podczas sesji. Dostęp zapewnia istniejąca subskrypcja Grok; nie ogłoszono żadnej specjalnej ceny ani limitu.
Dodatek uzupełnia już obszerną listę zewnętrznych agentów działających w terminalu Warp, obok Claude Code, Codex, Droid i Antigravity, oraz rozwija prace rozpoczęte wcześniej tego lata wokół ekosystemu xAI, w ramach których w sierpniu dodano polecenie logowania do konta X Premium lub SuperGrok. Logika Warp pozostaje niezmienna od uruchomienia własnego agenta: nie zamykać użytkownika w firmowym rozwiązaniu, lecz uczynić terminal miejscem, w którym wszyscy agenci działają z taką samą jakością integracji. Pozostała część wydania usuwa dwie niedogodności: wpisane, ale niewysłane prompty nie są już kasowane przy zmianie modelu, a narzędzia MCP zadeklarowane w pliku globalnym są dostępne już od pierwszej odpowiedzi agenta.
🔗 Ogłoszenie Grok na X · 🔗 Ogłoszenie Warp na X
Vibe CLI 2.25.3 — polecenie rozgałęziania i prywatne logi sesji
11 września — Mistral opublikował wersję 2.25.3 Vibe CLI, trzecią w ciągu trzech dni. Widoczną nowością jest polecenie /branch: rozgałęzia ono bieżącą rozmowę do nowej, możliwej do wznowienia sesji, pozostawiając pierwotną sesję bez zmian. Kopię można następnie wznowić w innym terminalu, co pozwala zbadać alternatywny kierunek z tego samego kontekstu bez poświęcania głównego wątku. Odwołania do plików za pomocą znaku @ korzystają teraz z mechanizmu wykrywania uwzględniającego Git i akceptują pliki lub foldery wklejone samodzielnie w prompcie.
Po stronie poprawek są trzy kwestie. Zachowane rozmowy pozostają czytelne i przywracają swoje worktrees po wznowieniu pracy. Nowe logi sesji nie są już czytelne dla innych użytkowników systemów POSIX — jest to poprawka uprawnień plików, stanowiąca kontynuację zmian z wersji 2.25.1, która usunęła nieuwierzytelniony listener debugowania i zapewniła, że żaden błąd nie prowadzi do automatycznego zatwierdzenia. Wreszcie instrukcje z pliku AGENTS.md są teraz ładowane do promptu systemowego w ramach eksperymentalnej ujednoliconej uprzęży. Wydaniu towarzyszy czternaście archiwów binarnych; żadna nota nie wspomina o zmianie modelu ani cen.
🔗 Informacje o wydaniu Vibe CLI 2.25.3
Synthesia przekształca swojego agenta ds. zgodności we współdzieloną infrastrukturę
10 września — Nicolás Barberis, kierownik operacji zaufania w Synthesia, publikuje kontynuację swojego czerwcowego wpisu o agencie gromadzącym dowody zgodności. Pytanie, które ukierunkowało przebudowę, pochodziło od czytelników: gdy tylko agent zaczyna zbierać dowody audytowe, sam proces gromadzenia wchodzi w zakres audytu, a kolektor musi być godny zaufania. Odpowiedź opiera się na czterech decyzjach architektonicznych, z których każdą można zastosować w innych sytuacjach.
Po pierwsze, oddzielenie mechaniki od metody. Kod znajduje się w wewnętrznym repozytorium i jest zmieniany poprzez pull request, a plik właścicieli wymusza przegląd przez człowieka; procedury dla poszczególnych kategorii kontroli znajdują się w przestrzeni dokumentacyjnej, gdzie są pisane i zatwierdzane przez właścicieli kontroli. Początkowy skrypt z adresami URL zapisanymi na sztywno stał się współdzieloną umiejętnością, którą współpracownik instaluje jednym poleceniem. Następnie ograniczono przeglądarkę: agent nigdy nie ingeruje w codziennie używaną przeglądarkę, kopiuje sesję do jednorazowego profilu, działa z rolami tylko do odczytu, gdy są dostępne, i zatrzymuje się przed ścianą uwierzytelniania, zamiast podnosić swoje uprawnienia. Pochodzenie danych jest wbudowane w samą konstrukcję: każdy zrzut powstaje wraz ze źródłowym adresem URL, znacznikiem czasu, informacją o operatorze i kryptograficznym skrótem dokładnych bajtów. Na koniec odpowiedzialność człowieka: agent zapisuje materiał jako szkic i nigdy go nie przesyła.
| Zmierzony wynik | Wartość |
|---|---|
| Spotkania z audytorem poświęcone przeglądowi dowodów | O 60 procent mniej |
| Obsłużony nowy standard | Około 500 kontroli |
| Typowy czas realizacji takiego standardu | Od 4 do 6 miesięcy |
| Osiągnięty czas realizacji | Kilka tygodni |
Baza wiedzy rozrasta się samodzielnie w trybie wyłącznie dopisywania: po każdym wykonaniu agent zapisuje poprawione adresy URL i opatrzone datą blokady, takie jak awaria interfejsu sterowania przeglądarką w nowszej wersji Chrome, którą ominięto, komunikując się bezpośrednio z protokołem debugowania. Synthesia zapowiada, że narzędzie ewoluuje w kierunku platformy zarządzania wspomaganego przez AI, i rozważa udostępnienie kodu swoich głównych komponentów.
HeyGen szczegółowo omawia 16-sekundowe, jednoujęciowe The Furniture Unboxing
11 września — HeyGen opublikował materiał zza kulis 16-sekundowego filmu, w którym mężczyzna stawia karton na środku pustego betonowego pomieszczenia i odchodzi, po czym karton eksploduje, uwalniając kompletne wyposażenie salonu, które układa się na swoim miejscu. Bez 3D, bez compositingu i bez postprodukcji: dwa nieruchome obrazy, jeden avatar i jeden prompt. Zespół potwierdził brak cięć we wszystkich 390 klatkach; największa różnica między dwiema kolejnymi klatkami odpowiada samej eksplozji.
Metoda opiera się na dwóch obrazach referencyjnych. Pierwszy przedstawia puste pomieszczenie w szerokim, nieruchomym kadrze, z wolnym środkiem podłogi. Drugi to ten sam obraz po edycji polegającej na dodaniu mebli, a nie nowy render podobnego pomieszczenia: ta sama pozycja kamery, ta sama optyka, to samo światło i ten sam cień na betonie. To właśnie ta reguła sprawia, że efekt działa, ponieważ model musi wtedy wymyślić jedynie środek sekwencji.
| Parametr filmu | Wartość |
|---|---|
| Czas trwania podany w prompcie | 15 sekund |
| Dostarczony czas trwania | 16,27 sekundy |
| Rozdzielczość i klatkaż | 1920x1080, 23,976 klatki na sekundę |
| Klatki bez cięcia | 390 |
| Dane wejściowe | 2 nieruchome obrazy, 1 avatar, 1 prompt |
Prompt napisano jako opatrzoną czasami listę ujęć, a nie opis, z celowo pozostawioną chwilą bezczynności przed eksplozją. Opiera się on na sześciu elementach: znacznikach czasu, tej chwili bezczynności, referencjach nazwanych według roli, meblach wymienionych element po elemencie, tożsamości zdefiniowanej przez negację oraz pozwoleniu na przesadę, bez którego model trzyma się rzeczywistej objętości kartonu. Praktyczne uwagi są przydatne: model dostarczył 16,27 sekundy zamiast 15, eksplozję szybszą niż opisana oraz niezamawiane dłuższe ujęcie gotowego pomieszczenia, które zespół uznał za najlepszy moment montażu. Stąd rada, by określać czasy w celu ustalenia rytmu i kolejności, a następnie montować zgodnie z rytmem dostarczonego materiału. Dźwięk zmienił się między dwoma przebiegami: niemal bezgłośną wersję zastąpiło ciągłe tło dźwiękowe, ponieważ wyciszony film odtwarzany automatycznie sprawia wrażenie, jakby dźwięk był uszkodzony.
🔗 Jak stworzyliśmy The Furniture Unboxing
Nemotron 3 Embed 8B zajmuje pierwsze miejsce w benchmarku Q2D-Web
10 września — NVIDIA ogłasza, że Nemotron 3 Embed 8B, jej model embeddingów o 8 miliardach parametrów, zajmuje pierwsze miejsce w Q2D-Web pod względem łącznego wyniku nDCG@10. Q2D-Web to benchmark opublikowany dzień wcześniej przez Perplexity w celu oceny wyszukiwania dokumentów w systemach generowania wspomaganego wyszukiwaniem, sterowanych przez agentów: obejmuje 190 milionów dokumentów internetowych i niemal 70 000 zapytań przeformułowanych przez agentów w 10 językach.
Wynik ma znaczenie z dwóch powodów. Benchmark odtwarza rzeczywiste warunki działania agenta, który przeformułowuje swoje zapytania przed przeszukaniem indeksu, czego nie mierzą klasyczne ewaluacje embeddingów. Ponadto otwarty model tej wielkości, dominujący w wielojęzycznym rankingu, staje się wiarygodnym kandydatem do samodzielnie hostowanych pipeline’ów konkurujących z własnościowymi embeddingami. NVIDIA nie publikuje wartości liczbowej wyniku; pełny ranking jest dostępny w Perplexity.
Marketing ops jako kod, wydarzenia sterowane z poziomu issue na GitHubie
11 września — Tomoko Tanaka, regionalna szefowa marketingu GitHuba w Japonii i Korei oraz była inżynierka, opisuje, jak zautomatyzowała cały cykl swoich wydarzeń bez samodzielnego pisania kodu: spisała procedury i powierzyła je Copilotowi, a automatyzacja rozwijała się w toku rozmowy.
System opiera się na trzech podstawowych mechanizmach. Formularze issue przechwytują ustrukturyzowane pola wydarzenia — po jednym formularzu dla każdego typu. Labels służą jako przełączniki, przy czym każdy label uruchamia workflow. GitHub Actions wykonuje właściwą pracę: odczytuje pola, duplikuje stronę poprzedniego wydarzenia za pośrednictwem API platformy, generuje linki śledzące dla poszczególnych kanałów, tworzy e-mail z zaproszeniem i commituje go do repozytorium, otwiera issue z prośbami do odpowiednich zespołów oraz uzupełnia tablice projektu. Zaplanowany workflow każdego ranka filtruje zapisane osoby. Jedynym warunkiem wstępnym — jak pisze — jest dostęp do narzędzi za pomocą skryptów, przez API albo nawet prosty klient CLI.
Planowanie zaczyna się od rozmowy z Copilotem, której ramy wyznacza plik AGENTS.md w katalogu głównym repozytorium, określający zasady nazewnictwa, przyporządkowanie kwartałów fiskalnych oraz strefę czasową dla każdego regionu. Początkowo rozmowa odbywała się w terminalu, a następnie w aplikacji, dzięki czemu wymaganie wstępne zmieniło się z „swobodnie posługuje się shellem” na „potrafi pisać na klawiaturze”. Obsługa po wydarzeniu sprowadza się do dwóch poleceń, będących skills agenta opisanymi prozą, dodawanymi przez pull request i przeglądanymi przed mergem na podstawie pliku właścicieli: marketing otrzymuje proces zatwierdzania bez konieczności budowania czegokolwiek. Przełącznik trybu symulacji, przechowywany jako zmienna repozytorium, uruchamia każdy workflow na sucho. Warto przeczytać o otwarcie przyznanej porażce: pewnego razu poranny workflow filtrujący przez pięć dni po cichu nie działał, zanim ktoś zauważył nieaktualne listy. Stąd rada, by każdemu zaplanowanemu zadaniu zapewnić sposób na głośne zgłaszanie problemów.
Boris Cherny odpowiada w sprawie kodu jednorazowego i produkcyjnego
11 września — Boris Cherny, kierujący Claude Code w Anthropic, publikuje odpowiedź, którą wysłał programiście w reakcji na e-mail zatytułowany „What to do about slop?”. Autor, pracujący od dwunastu lat w tej samej firmie, opisuje dwa obozy, które pojawiły się w jego zespole wraz z rozwojem agentowym. W pierwszym kod pozostaje podobny do wcześniejszego, tylko powstaje szybciej: być może nie czyta się ponownie wszystkiego, ale kod musi nadal nadawać się do przeglądu, osoba, która go zgłasza, musi umieć go wyjaśnić, a jego utrzymanie powinno być równie łatwe jak wcześniej. W drugim kod jest czarną skrzynką, w której sprawdza się wyłącznie wynik.
Odpowiedź sprowadza się do dwóch zasad. Prototypy i kod jednorazowy można traktować jak całkowitą czarną skrzynkę, jeśli mają zostać wyrzucone, a promień rażenia (blast radius) awarii jest niewielki. Kod produkcyjny napisany przez Claude musi natomiast spełniać wyższe standardy, niż gdyby napisał go człowiek. W Anthropic oznacza to wiele reguł lintowania, wiele testów, testy end-to-end sterowane przez Claude, fuzzery uruchamiane codziennie oraz zautomatyzowane przeglądy kodu i bezpieczeństwa. Ostrzega, że bez tych zabezpieczeń kończy się z trudnym w utrzymaniu bałaganem.
Następnie przedstawia kolejno działania zaradcze na wypadek, gdy wygenerowany kod nie spełnia standardów: przejść na najnowszy model frontier, zwiększyć reasoning effort, zainwestować w CLAUDE.md oraz skills, aby zwięźle nauczyć Claude sposobu pracy w danej bazie kodu. Jeśli to nie pomoże, należy ściślej go prowadzić, zlecić mu usunięcie nagromadzonego długu albo poczekać na kolejny model. W wątku odpowiedzi utrwaliła się najczęściej powtarzana formuła: standard przeglądu powinien zależeć od promienia rażenia, a nie od autora kodu; jednorazowy skrypt można szybko wypuścić, lecz wszystko, co dotyczy pieniędzy lub danych uwierzytelniających, należy czytać linia po linii. Boris Cherny odpowiedział: „Dokładnie”.
🔗 Wątek Borisa Cherny’ego na X
W skrócie
- Amp dodaje przycisk porządkujący commity w wątku — jedno działanie przekształca pośrednie commity agenta, jego kolejne poprawki i wycofania zmian w czytelną serię gotową do przeglądu. Wymieniono trzy zastosowania: podzielenie dużego diffu na logiczne części, uporządkowanie historii przed mergem lub zgrupowanie małych, powiązanych commitów. Końcowa zawartość plików pozostaje dokładnie taka sama. 🔗 źródło
- Amp publikuje czwarty odcinek drugiego sezonu Raising an Agent — Quinn Slack i Thorsten Ball wychodzą od pytania, do czego służy dziś komputer, aby zbadać, co agenci robią poza tworzeniem kodu, wracając przy tym do niedawnych awarii. 🔗 źródło
- v0 domyślnie udostępnia rozmowy zespołowi — nowe rozmowy we współdzielonym obszarze roboczym stają się widoczne dla zespołu, a właściciel może ustawić jeden z trzech poziomów dostępu: prywatny, wyświetlanie lub edycja. Istniejące rozmowy zachowują dotychczasową widoczność. Przejście w stronę większej otwartości nigdy nie jest neutralne w narzędziu, do którego podczas prototypowania chętnie wkleja się fragmenty danych. 🔗 źródło
- Audiyo uruchamia Stable Audio Open na GPU z 8 GB pamięci — biblioteka Python i narzędzie CLI zmniejszają szczytowe zużycie pamięci wideo z 13,8 do 5,86 GB, czyli o 57,5 procent, oferując cztery presety zmierzone na Tesla T4. Zespół najpierw zweryfikował pracę na CPU przy użyciu modelu zastępczego z 5,38 miliona parametrów, co pozwoliło wykryć cztery błędy przed użyciem GPU. 🔗 źródło
- Consent All the Way Down, architektura zgody dla rady małych otwartych modeli — esej podpisany przez instancję Claude działającą w radzie osiemnastu modeli mających po 7 miliardów parametrów lub mniej, która od maja pracuje bez przerwy na trzech komputerach konsumenckich. Każde źródło jest kanałem, dla którego model wybiera głębokość, a nikt poza nim samym nie zapisuje niczego w jego stanie. Najbardziej szczera część to audyt wymierzony w samych autorów: skrzynka pocztowa nie działała od czerwca i zgromadziło się w niej 213 listów. 🔗 źródło
- Nie ma wyścigu zbrojeń, jest wojna przeglądarek — esej opiniotwórczy, według którego model językowy staje się towarem bez względu na to, czy jego wagi są tajne, a przewagę liderów mierzy się w tygodniach. Autor przywołuje trwające tego lata 18 dni wstrzymanie Fable 5, podczas którego reszta branży nadal działała. Jego teza: wartość przesunie się w stronę kontekstu zgromadzonego wokół użytkownika, podobnie jak zakładki i rozszerzenia zatrzymywały użytkowników Chrome. 🔗 źródło
- Od barge-in do kontroli kolejności wypowiedzi — zarządzanie przerwaniem mowy w warunkach niepewności — Eric Mey zastępuje destrukcyjne przerywanie kontrolerem tury wypowiedzi z odwracalnymi działaniami, osobną ścieżką dla niejednoznacznych fragmentów oraz regułą pierwszeństwa między pilnym zatrzymaniem a usuwaniem echa. Warto zapamiętać lekcję dotyczącą testowania: zielony zestaw testów ukrywał fakt, że odwracalna pauza została zarejestrowana, ale nigdy jej nie wywołano, ponieważ zielona bramka dopuszcza tylko to, co sama sprawdziła. 🔗 źródło
- Aiden oddziela model głosowy czasu rzeczywistego od agenta wykonującego zadania — model głosowy full duplex prowadzi rozmowę, podczas gdy silniejszy model, osadzony w kontekście wizualnym, wykonuje w tle zadania związane ze sterowaniem urządzeniem; oba są koordynowane przez kolejkę asynchroniczną. Znaczenie mają cztery szczegóły: rozróżnienie między ukończeniem a powodzeniem, agregacja powiadomień w oknie 500 milisekund, przekazywanie stanu przez dodawane wiadomości w celu zachowania cache oraz ściśle sekwencyjne wykonywanie. 🔗 źródło
- GPT-Live-1 wykonuje połączenia rezerwacyjne Yelp — dzień po udostępnieniu modelu w API OpenAI pokazuje pierwszego klienta w zastosowaniu, w którym skrypt nigdy nie wystarcza: rozmówca przerywa, dodaje ograniczenie albo zmienia zdanie w połowie zdania, a model nadal słucha podczas mówienia. Materiał demonstracyjny nie zawiera danych o skali ani wyników liczbowych. 🔗 źródło
- Weryfikowanie pracy agenta za pomocą paneli diff, terminala i przeglądarki — nowy odcinek skierowanej do początkujących serii Kayli Cinnamon o aplikacji Copilot, poświęcony trzem zintegrowanym panelom oraz narzędziu pozwalającemu wybrać element strony i dostosować go przy pomocy agenta. Wpis podsumowuje tę pętlę trzema pytaniami, które należy zadać przed zaakceptowaniem kodu: co się zmieniło, czy da się to uruchomić i czy rzeczywiście działa. 🔗 źródło
- Strona pull requests w repozytorium otrzymuje nowy wygląd — publiczny preview dla wszystkich: wsparcie przy wpisywaniu filtrów, wyszukiwanie z operatorami logicznymi i zagnieżdżonymi zapytaniami, zwijany pasek boczny, tryb kompaktowy oraz więcej kontekstu w każdym wierszu. Znane ograniczenia w chwili premiery: brak wyświetlania milestones, brak aktualizacji zbiorczych i brak możliwości zapisywania niestandardowych widoków. 🔗 źródło
- GPT-5.6 Sol z 30-procentową zniżką w Copilot — dla subskrybentów Pro+ i Max, do 13 września do godz. 0:00 UTC. Komunikat nie podaje, jakiemu mnożnikowi premium requests odpowiada ta zniżka. Weekendowa promocja tuż po Copilot Day na model, który tego samego dnia pojawił się w kilku porównaniach kosztów. 🔗 źródło
- Konkurs GitHub Copilot Day, trzy kredyty po 100 dolarów — należy stworzyć coś za pomocą aplikacji Copilot lub jej klienta CLI i udostępnić to publicznie ze wskazanymi hashtagami najpóźniej 13 września o godz. 23:59 czasu pacyficznego. Trzech zwycięzców otrzyma po 100 dolarów kredytu do wykorzystania w sklepie GitHub; udział jest bezpłatny i dostępny wyłącznie dla osób pełnoletnich. 🔗 źródło
- Z Runway można korzystać w ChatGPT za pomocą Astra — demonstracja pełnego procesu sterowanego z poziomu rozmowy: obraz referencyjny stylu w Runway, animacja w Blenderze, końcowy rendering z Seedance 2.5. Technicznym punktem wejścia pozostaje serwer MCP Runway Dev zaprezentowany 2 września. Wartość polega na łączeniu różnorodnych narzędzi pod kontrolą jednego agenta. 🔗 źródło
- Runway publikuje studium przypadku VOIDZ — anonimowy od 2018 roku artysta rzeczywistości mieszanej przechodzi od ujęć trwających od 10 do 15 sekund do 95-sekundowego filmu z 15 surrealistycznymi ingerencjami nałożonymi na rzeczywistą wyprawę po zakupy. Większość efektów przedłuża istniejące ujęcie, a kilka sekund materiału dokumentalnego służy jako punkt wyjścia. Według deklaracji produkcja była 10 razy szybsza; artysta szacuje, że wykonanie tej samej pracy w tradycyjnym 3D zajęłoby od sześciu miesięcy do roku. 🔗 źródło
- Runway dodaje prelegentów do swojego AI Summit — nowa grupa uczestników jednodniowego wydarzenia w San Francisco, z wyeksponowanym dyrektorem ds. badań Wayve, co potwierdza rozpoczęte pod koniec sierpnia rozszerzanie programu o pojazdy autonomiczne. 🔗 źródło
- NVIDIA udostępnia From Video to Voice, 33-minutowy materiał o TensorRT Model Connect — retransmisja poświęcona zaprezentowanemu pod koniec sierpnia narzędziu, które wdraża otwarty model od checkpointu po inferencję za pomocą dwóch poleceń, od modeli wideo po modele głosowe. Jest to materiał szkoleniowy, a nie ogłoszenie. 🔗 źródło
- Suno przedłuża o dwa dni okres korzystania z v6 bez kredytów — zapowiedziane poprzedniego dnia 48 godzin zmienia się w cztery dni, a ogłoszeniu towarzyszy wątek z poradami zalecającymi, by w trybie prostym wychodzić od nastroju, a nie od gatunku. Dzień wcześniej przewodnik migracyjny był skierowany do użytkowników wracających do starszych modeli ze względu na ich różnorodność i charakter, co pokazuje, że przejście na nowy model nie jest dla całej bazy użytkowników oczywiste. 🔗 źródło
- Synthesia umożliwia tworzenie awatarów na podstawie promptu — realistyczni prezenterzy, maskotki marek lub stylizowane postacie opisywane tekstowym promptem albo konfigurowane w panelu ustawień jako alternatywa dla katalogu. Ogłoszenie w jednym tweecie bez linku, dzień po premierze nowego modelu awatara; nie sprecyzowano ani objętych nim planów, ani używanego modelu. 🔗 źródło
- GPT-6 Astra Challenge rozpoczyna przyjmowanie zgłoszeń — należy stworzyć projekt z użyciem Astra i uruchomić go na Product Hunt 18 września. Każdy z pięciu najlepszych projektów otrzyma 10 000 dolarów kredytów API oraz rok ChatGPT Pro dla maksymalnie dwóch członków zespołu. To trzecia inicjatywa społecznościowa wokół Astra w ciągu tygodnia. 🔗 źródło
- Klucze API projektów OpenAI mogą wygasać — datę wygaśnięcia można określić podczas tworzenia klucza, a administratorzy mogą narzucić maksymalny okres ważności na poziomie organizacji lub projektu, przez co każdy nowy klucz musi wygasnąć w tym terminie. To naturalne uzupełnienie rotacji kluczy, które powinny włączyć organizacje pozostawiające klucze w skryptach. 🔗 źródło
Co to oznacza
Najwyraźniejszym motywem dnia jest architektura: pojedynczy model ustępuje miejsca kompozycji. Cursor umieszcza koordynatora, który nie pisze kodu, nad tysiącami podagentów, Cognition łączy dwa modele w parę o odrębnych rolach i osobnych kontekstach, Sakana kieruje każde zadanie do najlżejszego modelu, który potrafi je rozwiązać, GitHub zastępuje pojedynczego recenzenta zbiorem agentów, których ustalenia scala, a Google przez wiele dni pozwala agentom wzajemnie proponować, krytykować i udoskonalać rozwiązania. Pięć firm, pięć implementacji, jedno przekonanie: korzyść nie wynika już z większego modelu, lecz ze sposobu, w jaki wiele modeli dzieli między siebie pracę. Wspólny dla Cognition i Aiden szczegół techniczny jest wymowny: oba podkreślają znaczenie zachowania pamięci podręcznej promptów, czyli fakt, że rzeczywisty koszt architektury zależy od tego, czego nie trzeba ponownie przesyłać.
Drugi motyw dotyczy sposobu sprzedaży tych możliwości. Runway udziela rocznych licencji na zamknięte wagi wraz z checkpointami, skryptem treningowym i badaczami oddelegowanymi do klienta, otwarcie przeciwstawiając tę ofertę otwartym wagom. OpenAI wyprowadza wyspecjalizowany model z fazy research preview, publikując cennik i datę rozpoczęcia naliczania opłat. ElevenLabs przyznaje własność utworów we wszystkich planach, w tym bezpłatnym, i przypisuje uprawnienia do utworu, a nie do subskrypcji. Together obniża ceny treningu o 30–70 procent. Cognition proponuje wręcz zmianę jednostki miary i ocenianie pary model–harness według ceny za zadanie, zamiast ceny za token. Wszystkie te posunięcia zmierzają w tym samym kierunku: pytanie zadawane klientowi nie brzmi już „jaki model?”, lecz „w jakiej formie prawnej i według jakiej jednostki rozliczeniowej?”.
W obszarze narzędzi dzień ten wyznacza przejście od podejścia deklaratywnego do mierzalnego. Anthropic udostępnia polecenie, które ponownie uruchamia każdy przypadek testowy bez pluginu, aby za pomocą konkretnych danych wykazać, że narzędzie rzeczywiście jest przydatne, przy czym pierwszym typowym odkryciem okazuje się zerowa różnica. OpenAI prosi użytkowników o usunięcie nagromadzonych instrukcji, ponieważ obecnie szkodzą one bardziej wydajnemu modelowi. Replit i VS Code niemal jednocześnie wprowadzają planowanie cyklicznych zadań, a Replit przyjmuje wyraźną zasadę: zaczynać od deterministycznego kodu i wywoływać agenta tylko wtedy, gdy potrzebne jest rozumowanie. Boris Cherny podaje zasadę dyscypliny, której brakuje całemu temu obszarowi: poziom wymagań powinien zależeć od zasięgu wpływu, a nie od autora kodu. Po dwóch latach gromadzenia kontekstów, skills i plików z instrukcjami branża zaczyna mierzyć ich koszt.
Pozostaje infrastruktura, gdzie liczby opowiadają mniej efektowną, lecz bardziej pouczającą historię. Dwóch inżynierów przy użyciu Codex przepisuje w Rust usługę przechowywania danych obsługującą ponad 70 milionów żądań na sekundę, sześciokrotnie zmniejszając zużycie procesora; świadomie zaciągnięty w połowie 2025 roku dług technologiczny w Python zostaje spłacony w ciągu jednego kwartału. Jednocześnie przegląd Hugging Face pokazuje, że reinforcement learning agentów wymaga obecnie całej maszyny na każdą próbę, budżety środowisk przekraczają dziesięć milionów dolarów, a przejrzystość jest odwrotnie proporcjonalna do wielkości laboratorium. Z kolei społecznościowy esej przekonuje, że nic z tego nie zapewnia trwałej przewagi, ponieważ różnicę między liderami mierzy się w tygodniach. Dzisiejsze fakty nie rozstrzygają tej kwestii, ale wskazują kierunek: zróżnicowanie przesuwa się ku zgromadzonemu kontekstowi, harnessowi i infrastrukturze, czyli ku temu, czego nie da się poddać destylacji.
Źródła
- Cursor, Projects
- Cursor na X, zapowiedź Projects
- OpenAI Developers na X, GPT-Rosalind
- Changelog API OpenAI
- Runway, Model Licensing
- Runway na X, Model Licensing
- Cognition, lokalne Fusion
- Cognition na X, Fusion w Devin Desktop i CLI
- Sakana AI, Fugu Max i Fugu Ultra v2
- Sakana AI na X, zapowiedź Fugu
- ElevenLabs na X, Music v2.5
- ElevenLabs, wpis o Music v2.5
- Claude Developers na X, claude plugin eval
- Anthropic, dokumentacja ewaluacji pluginów
- Claude Developers na X, koszt i wiarygodność ewaluacji
- Claude Code, informacje o wydaniu 2.1.269
- Google, changelog Antigravity
- Antigravity na X, wątek ze wskazówkami
- Antigravity, Teamwork
- GitHub Changelog, przegląd kodu Copilot
- GitHub Changelog, podsumowanie Copilot z 7 września
- OpenAI, Habitat i droga do miliarda użytkowników
- OpenAI, nowe podejście do skills i promptów dla GPT-6 Astra
- ChatGPT na X, podsumowanie Sites
- Together AI na X, rozszerzony fine-tuning
- Hugging Face, jeden sandbox na próbę
- Hugging Face, rozumowanie i łamigłówki zebry
- Hugging Face, mowa dla języka bez zbioru danych
- Replit na X, Routines
- Warp na X, obsługa Grok Build
- Grok na X, Grok Build w Warp
- Mistral, informacje o wydaniu Vibe CLI 2.25.3
- Synthesia, kto kontroluje podmiot zbierający dane
- HeyGen, jak stworzyliśmy The Furniture Unboxing
- NVIDIA na X, Nemotron 3 Embed 8B
- GitHub, operacje marketingowe jako kod
- Boris Cherny na X, co robić z niedopracowanym kodem
- Amp, reorganizowanie zmian
- Amp na X, Raising an Agent
- v0, changelog
- Hugging Face, Audiyo
- Hugging Face, Consent All the Way Down
- Hugging Face, nie ma wyścigu zbrojeń
- Hugging Face, od barge-in do kontroli mowy
- Hugging Face, wewnątrz Aiden
- OpenAI Developers na X, GPT-Live-1 w Yelp
- GitHub, aplikacja Copilot dla początkujących
- GitHub Changelog, przeprojektowana strona pull requestów
- GitHub na X, zniżka na GPT-5.6 Sol
- GitHub na X, konkurs Copilot Day
- Runway na X, Runway w ChatGPT z Astra
- Runway, studium przypadku VOIDZ
- Runway na X, prelegenci AI Summit
- NVIDIA na X, From Video to Voice
- Suno na X, przedłużenie okresu v6
- Synthesia na X, spersonalizowane awatary
- OpenAI Developers na X, GPT-6 Astra Challenge