Szukaj

Hipoteza Riemanna: dowód Leventa Alpöge uzyskany z pomocą Claude został zatwierdzony przez Lean i Mathlib, alphaXiv klasyfikuje modele w badaniach autonomicznych, Inkling 2 Mini działa z prędkością 210 tokenów na sekundę na Macu

Artykuł wygenerowany przez sztuczną inteligencję
Hipoteza Riemanna: dowód Leventa Alpöge uzyskany z pomocą Claude został zatwierdzony przez Lean i Mathlib, alphaXiv klasyfikuje modele w badaniach autonomicznych, Inkling 2 Mini działa z prędkością 210 tokenów na sekundę na Macu

Firmy w tym wydaniu

Odznacz to, co Cię nie interesuje. Wybór obowiązuje we wszystkich wydaniach i zostaje na tym urządzeniu.

Duże laboratoria
Chiny
Narzędzia do kodowania
Media generatywne
Infrastruktura i open source
Inne

ai-powered-markdown-translator

Artykuł przetłumaczony z francuskiego na polski za pomocą gpt-6.1-sol.

Zobacz projekt na GitHubie ↗

Levent Alpöge, matematyk z Anthropic, opublikował dowód hipotezy Riemanna uzyskany z pomocą Claude, w postaci biblioteki Lean liczącej 17 milionów wierszy, a społeczności Lean i Mathlib zatwierdziły go już następnego dnia. alphaXiv publikuje OpenResearch Intelligence Index, w którym Claude Opus 5.5 prowadzi w badaniach autonomicznych z wynikiem 61,8 %, podczas gdy DeepSeek V4.1 Flash, najlepszy model otwarty z wynikiem 27,4 %, kosztuje 0,72 dolara za próbę; Meta zwiększa cel swojego Digital Brain Project do 25 000 godzin, a Inkling 2 Mini trafia do Transformers i działa z prędkością 210 tokenów na sekundę na Mac Studio. Replit, Devin i v0 rozszerzają kontrolę dostępu, sieci i wydatków, a Claude Code 2.1.330 pozwala uruchamiać zaplanowane zadania nawet przez 30 dni.


Matematyka: dowód hipotezy Riemanna uzyskany przez Leventa Alpöge z pomocą Claude został zatwierdzony przez społeczności Lean i Mathlib

20 i 21 listopada — Levent Alpöge, matematyk z Anthropic, opublikował 20 listopada dowód hipotezy Riemanna w postaci biblioteki Lean liczącej 17 milionów wierszy kodu, której jedyną bezpośrednią zależnością jest Mathlib, biblioteka sformalizowanej matematyki dla Lean. Hipoteza, sformułowana w 1859 roku przez Bernharda Riemanna, dotyczy rozmieszczenia liczb pierwszych. Autor dołącza do niej notatkę, skatalogowaną na alphaXiv pod tytułem „Deklarowany dowód hipotezy Riemanna” (A Claimed Proof of the Riemann Hypothesis). Według streszczenia zamieszczonego przez alphaXiv autor twierdzi, że znalazł ten dowód z pomocą Claude, deklaruje także udowodnienie uogólnionej hipotezy Riemanna i opiera się na analizie Fouriera, podniesieniach theta (theta lifts) oraz analogii z argumentem Stiepanowa dla ciał funkcyjnych; według tego samego streszczenia dowód jest długi, a autor zamierza go objaśnić i uprościć.

21 listopada społeczności Lean i Mathlib publikują wspólne oświadczenie, poparte przez Lean FRO i Mathlib Initiative, zatwierdzające sformułowanie hipotezy oraz jej dowód. W ciągu jednego dnia biblioteka spełniła cztery kryteria wyznaczone 12 listopada przez Kevina Buzzarda (Imperial College London):

Kryterium weryfikacjiKontrola przeprowadzona przez społeczności Lean i Mathlib
Sformułowanie jest właściwesformułowanie RiemannHypothesis z Mathlib, sprawdzone przez ekspertów od Lean i teorii liczb
Biblioteka się kompilujedziesiątki osób odtworzyły ten sam plik surowego eksportu dowodu
Udowodnione twierdzenie odpowiada temu sformułowaniuporównanie za pomocą dwóch niezależnych narzędzi, comparator i con-leche, na podstawie pliku importującego wyłącznie Mathlib
Dowód zostaje zaakceptowanyoficjalne jądro Lean, con-leche, con-ron oraz kilka weryfikatorów napisanych w innych językach, na statycznym eksporcie dowodu

We hereby certify that both the statement and the proof of the Riemann Hypothesis are correct.

🇵🇱 Niniejszym potwierdzamy, że zarówno sformułowanie hipotezy Riemanna, jak i jej dowód są poprawne. — Społeczności Lean i Mathlib, oświadczenie na blogu społeczności Lean

Scientific American donosi o potwierdzeniu ze strony niezależnych matematyków: Andrew Sutherland (MIT) samodzielnie skompilował wynik i wskazuje, że jądro Lean ponownie go zweryfikowało, korzystając wyłącznie z trzech standardowych aksjomatów. Oświadczenie Lean i Mathlib nie wspomina ani o Claude, ani o uogólnionej hipotezie Riemanna, której udowodnienie deklaruje autor: informacje o roli Claude pochodzą z notatki Alpöge i Scientific American.

🔗 Notatka Leventa Alpöge na alphaXiv · Scientific American: potwierdzenie ze strony niezależnych matematyków · Techniczne podsumowanie weryfikacji (MIT)

VIDRAFT publikuje wskaźnik dodatniości Weila działający na żywo, który pokazuje, że hipoteza zachodzi, ale jej nie dowodzi

21 listopada — Dzień po publikacji dowodu laboratorium VIDRAFT publikuje na Hugging Face Space obliczający najmniejszą wartość własną formy kwadratowej Weila, której dodatniość jest, zgodnie z kryterium Weila, równoważna hipotezie Riemanna. Jest ona dodatnia dla funkcji dzeta i czterech funkcji L Dirichleta (o przewodnikach 3, 4, 5 i 8), ujemna dla trzech imitacji różniących się od prawdziwej funkcji L jednym składnikiem, a dziesięć twierdzeń związanych z narzędziem zostało zweryfikowanych przez jądro Lean 4. Wpis przypomina, że to formalny dowód ustala wynik, a przyrząd jedynie pokazuje, że hipoteza zachodzi; kod, pliki Lean i repozytorium zostały opublikowane, a eksperyment można odtworzyć w około trzydzieści sekund na bezpłatnym CPU.

🔗 Wpis VIDRAFT na Hugging Face · Space ze wskaźnikiem Weila


Ewaluacja: alphaXiv mierzy badania autonomiczne za pomocą OpenResearch Intelligence Index, detektor tekstów AI awansuje w RAID, ale traci poza benchmarkiem

20 listopada — alphaXiv publikuje pierwsze wyniki OpenResearch Intelligence Index, benchmarku mierzącego zdolność modeli do prowadzenia badań od początku do końca. Każdy model pracuje we własnym środowisku uruchomieniowym (Claude Code, Codex lub OpenCode), wewnątrz OpenResearch, środowiska badawczego alphaXiv, w trzech kategoriach: wiedza naukowa (20 zadań z Terminal-Bench-Science), przeprowadzenie post-trainingu (6 nowych zadań) i trafność doboru literatury (podzbiór PaperFindingBench).

We created the world’s first open source benchmark for end-to-end autoresearch. Today, its results are live. Which models are best for RSI? Can they understand the literature? Can they conduct complex scientific experiments, while maintaining good taste? We spent about $7.4k in tokens across 8 models, 6 providers, and 3 evaluation tracks to find out.

🇵🇱 Stworzyliśmy pierwszy na świecie benchmark open source do badań autonomicznych prowadzonych od początku do końca. Jego wyniki publikujemy dzisiaj. Które modele są najlepsze do RSI? Czy rozumieją literaturę naukową? Czy potrafią prowadzić złożone eksperymenty naukowe, zachowując przy tym dobre wyczucie? Aby się tego dowiedzieć, wydaliśmy około 7 400 dolarów na tokeny dla 8 modeli, 6 dostawców i 3 kategorii ewaluacji. — @askalphaxiv na X

Oceniany modelUżyte środowisko uruchomienioweWynik indeksuŚredni koszt jednej próby
Claude Opus 5.5Claude Code0,618 ± 0,01416,46 dolara
GPT-6 AstraCodex0,566 ± 0,01422,44 dolara
GPT-6.1 SolCodex0,549 ± 0,0243,83 dolara
Gemini 4 ArgonOpenCode0,526 ± 0,0139,18 dolara
Claude Fable 5.1 (74 ukończone próby z 87)Claude Code0,511 ± 0,01520,07 dolara
DeepSeek V4.1 FlashOpenCode0,274 ± 0,0180,72 dolara
Kimi K3OpenCode0,271 ± 0,01010,89 dolara
Qwen3.8-FlashOpenCode0,214 ± 0,0154,54 dolara

Claude Opus 5.5 prowadzi z wynikiem 0,618, czyli 61,8 %, przy średnim koszcie 16,46 dolara za próbę. GPT-6 Astra zajmuje kolejne miejsce z wynikiem 0,566, ale przy koszcie 22,44 dolara, a GPT-6.1 Sol uzyskuje 0,549 za 3,83 dolara; Claude Fable 5.1 ukończył tylko 74 próby z 87. Modele otwarte pozostają daleko w tyle: DeepSeek V4.1 Flash, najlepszy z nich, uzyskuje 27,4 % za 0,72 dolara za próbę, tuż przed Kimi K3 (0,271) i Qwen3.8-Flash (0,214). W samej kategorii doboru literatury DeepSeek V4.1 Flash, wyposażony w narzędzia wyszukiwania OpenResearch, osiąga 47,7 %, wobec 48,7 % dla GPT-6 Astra. Together AI, które udostępniało modele otwarte, nagłośniło indeks; alphaXiv zapowiada kolejne modele i kod źródłowy.

🔗 Wpis alphaXiv o OpenResearch Intelligence Index · @togethercompute na X: modele otwarte poddane próbie

Detektor tekstów AI awansuje z 27. na 5. miejsce w RAID, ale znacznie gorzej wykrywa teksty poza benchmarkiem

21 listopada — Na blogu społeczności Hugging Face zespół empirischtech opisuje, jak jego detektor tekstów generowanych przez AI, oparty na enkoderze Ettin 1B, awansował z 27. miejsca na 58 w rankingu RAID, zajmowanego przez detektor używany produkcyjnie, na 5. miejsce dzięki wersji dostrojonej do RAID: przy 1 % wyników fałszywie dodatnich wykrywalność wzrasta z 92,81 % do 99,20 %. Negatywne skutki ujawniają się poza benchmarkiem: w zbiorze testowym autorów odsetek wykrywanych tekstów AI spada z 97,8 % dla detektora ogólnego przeznaczenia, od którego rozpoczęto dostrajanie, do 58,7 % dla wersji dostrojonej do RAID, a odsetek tekstów ludzkich błędnie oznaczonych jako wygenerowane przez AI rośnie z 1,0 % do 2,4 %. Model dostrojony do RAID pozostaje więc narzędziem badawczym; usługa autorów korzysta z odrębnego detektora ogólnego przeznaczenia.

🔗 Wpis empirischtech na Hugging Face


AI dla nauki: Meta zwiększa cel Digital Brain Project do 25 000 godzin i prezentuje UMA Nitro oraz ATLAS, Diffusers dostraja RFD4-Proteina

20 listopada — Meta publikuje podsumowanie Open Source AI for Science Summit, dwudniowego wydarzenia zorganizowanego w październiku przez jej laboratorium FAIR w Menlo Park. Główna zapowiedź liczbowa: Digital Brain Project, uruchomiony wspólnie z Rothschild Hospital Foundation i Uniwersytetem Montrealskim w celu finansowania gromadzenia zanonimizowanych i otwarcie udostępnianych danych mózgowych, zwiększa swój cel z 15 000 do 25 000 godzin danych.

Projekt zaprezentowany na szczycieDziedzina naukiCo podaje wpis Meta
Digital Brain ProjectNeuronaukacel zwiększony z 15 000 do 25 000 godzin danych mózgowych
UMA NitroChemiaszybsza wersja modelu atomów UMA (Universal Model for Atoms), bez danych liczbowych dotyczących prędkości
UMA PlaygroundEdukacjaoferowany nauczycielom chemii w szkołach średnich za pośrednictwem Discovery Education, które dociera do ponad 4 milionów nauczycieli i 45 milionów uczniów
ATLAS (FAIR)Matematykaotwarta biblioteka formalizująca w Lean 26 podręczników dostępnych bezpłatnie oraz ponad 45 000 definicji i wyników

UMA identyfikuje także liczne formy krystaliczne cząsteczek leków bez dodatkowych danych treningowych (badanie z Carnegie Mellon i UC Riverside) oraz symuluje całe enzymy, atom po atomie, we współpracy z Uniwersytetem Chicagowskim. Wpis wspomina ponadto o systemie robotyki wspomagającej Uniwersytetu w Pittsburghu, opartym na DINOv3 i SAM 3, którego demonstracja ma pokazać robota pomagającego człowiekowi jeść.

🔗 Podsumowanie szczytu Open Source AI for Science (Meta) · @AIatMeta na X

Diffusers dodaje przykład dostrajania RFD4-Proteina metodą LoRA, modelu NVIDIA do projektowania białek

20 listopada — Biblioteka Diffusers od Hugging Face dodaje przykład dostrajania metodą LoRA modelu RFD4-Proteina, otwartego modelu NVIDIA do projektowania białek (opisanego tutaj 21 października). Zapowiedziany przez Sayaka Paula przykład (pull request #15155 autorstwa kierandidi, scalony 19 listopada) trenuje adaptery rangi 32 w modelu odszumiającym, z funkcjami straty flow matching stosowanymi do współrzędnych szkieletu białkowego i lokalnych reprezentacji latentnych zamiast do pikseli; według niego pozostały kod przypomina kod modeli obrazu i wideo.

🔗 @RisingSayak na X


Modele otwarte: Inkling 2 Mini trafia do Transformers v5.24.0, działa z prędkością 210 tokenów na sekundę na Macu i otrzymuje wersję bez ograniczeń

Inkling 2 Mini, model Thinking Machines z otwartymi wagami i obliczeniami w pętli, opublikowany 20 listopada (opisany tutaj wczoraj), został zintegrowany z główną biblioteką Hugging Face, przeniesiony na Maca i pozbawiony ograniczeń w ciągu dwudziestu czterech godzin od premiery.

Transformers v5.24.0 dodaje Inkling 2 Mini, Omnilingual ASR od Meta, Dory od NVIDIA i Sarvam-105B

21 listopada — Hugging Face wydaje Transformers v5.24.0, dodając około dziesięciu architektur. Inkling 2 Mini trafia do biblioteki z badawczym checkpointem o zmiennej liczbie iteracji, a Dory, model z pętlą od NVIDIA, również pozwala regulować liczbę iteracji podczas inferencji.

Dodany modelTwórca modeluSzczegóły wydania
Inkling 2 MiniThinking Machinesz badawczym checkpointem TML-d24-varloop-research o zmiennej liczbie iteracji
DoryNVIDIAmodel z pętlą, liczba iteracji regulowana podczas inferencji
Omnilingual ASRMeta FAIRrozpoznawanie mowy w ponad 1 600 językach, od 300M do 7B, głowica CTC lub dekoder Llama
Apertus 1.5 i WavTokenizerSwiss AI Initiativetekst, obraz i dźwięk na wejściu; kodek audio 24 kHz
HY4-VLTencentmodel wizyjno-językowy z rodziny Hunyuan V4
Lara MiniTranslated7,2B, w tym 0,6B aktywnych, licencja CC BY-NC-SA 4.0
Sarvam-105B i Sarvam-30BSarvam AI105B: mechanizm uwagi MLA, 128 ekspertów, w tym 8 aktywnych, kontekst 131K
EXAONE 3.0, 3.5 i DeepLG AI Researchładowane bez trust_remote_code

Uwaga przy aktualizacji: past_key_values i cache_params zmieniają nazwę na cache. Zmianę sklasyfikowano jako niezgodną wstecznie, mimo że stare nazwy nadal są akceptowane z ostrzeżeniem o wycofaniu, a minimalna wersja PEFT zostaje odpowiednio podniesiona. Ling 3.1 Flash ładuje się teraz natywnie, a LayoutLMv3 korzysta z interfejsu mechanizmu uwagi SDPA.

🔗 Transformers v5.24.0

EXO Labs uruchamia Inkling 2 Mini z szybkością 210 tokenów na sekundę na Mac Studio M5 Ultra

21 listopada — Dzień po premierze Inkling 2 Mini EXO Labs publikuje wyniki szybkości uzyskane we współpracy z Thinking Machines na dwóch komputerach Mac.

Komputer testowany przez EXO LabsGenerowanie (dekodowanie)Odczyt promptu (wstępne wypełnianie)
Mac Studio M5 Ultra, 96 Go210 tokens/s3 620 tokens/s
MacBook Pro M5 Max, 48 Go125 tokens/s1 750 tokens/s

Według EXO Labs model zbudował natywną aplikację pogodową 1,8 raza szybciej niż Claude Sonnet 5.5 na Mac Studio i 11 razy taniej według cennika API. EXO Labs wyjaśnia, że architektura z pętlą sprawdza się na komputerach z ograniczoną pamięcią, takich jak MacBook: wielokrotne przechodzenie przez warstwy zwiększa nakład obliczeń podczas inferencji bez powiększania modelu. Julien Chaumond z Hugging Face widzi w tym sposób, w jaki lokalna i otwarta AI odniesie zwycięstwo.

We got access on Wednesday. In 3 hours we had it running at 30 tok/sec A day later we had it running 210 tok/sec (7x faster)

🇵🇱 Dostęp otrzymaliśmy w środę. W ciągu 3 godzin uruchomiliśmy go z szybkością 30 tokenów na sekundę. Dzień później osiągnęliśmy 210 tokenów na sekundę (7 razy szybciej). — @exolabs na X

🔗 @exolabs na X: szybkość na komputerach Mac · @julien_c na X

OpenUncensored publikuje wersję Inkling 2 Mini bez ograniczeń w dniu jego premiery

20 listopada — W dniu premiery Inkling 2 Mini OpenUncensored, dostawca API modeli bez cenzury, publikuje jego wersję poddaną „abliteracji”, pozbawioną zdolności do odmowy przez ukierunkowaną modyfikację wag. Przy 32 szkodliwych zapytaniach liczba odmów spada z 32 do zera, zarówno w rozmowie, jak i w rozumowaniu, a wynik MMLU nie maleje (79,47 % wobec 78,95 % dla oryginału). Zmodyfikowano tylko 20 tensorów mechanizmu uwagi w BF16: ponieważ środkowe warstwy są wykorzystywane trzy razy na token, wprowadzona w nich zmiana działa trzykrotnie. API kosztuje 0,15 dolara za milion tokenów wejściowych i 0,60 dolara za milion tokenów wyjściowych; autor zaleca ostrożność przy tak małych próbach.

🔗 Wpis OpenUncensored na Hugging Face


Firmowe platformy do programowania: sieć prywatna z Replit Tunnels, dostęp i udostępnianie w Devin, limity wydatków w v0

Replit Tunnels łączy środowiska Replit z usługami w sieci prywatnej we wczesnym dostępie

20 listopada — Replit przedstawia Tunnels, które łączy jego środowiska z usługami w prywatnej sieci firmowej (bazami danych, wewnętrznymi API) bez otwierania tej sieci na publiczne połączenia przychodzące. Ruch przechodzi przez klienta uruchamianego w sieci przez dział IT, wdrażanego za pomocą wygenerowanego polecenia Docker lub chartu Helm na Kubernetes. To dział IT wybiera usługi, do których może dotrzeć każdy obszar roboczy Replit. Połączenie między tym klientem a Replit jest szyfrowane i uwierzytelniane za pomocą mTLS; uwierzytelnianie i TLS każdej usługi prywatnej konfiguruje się osobno.

Tunnels jest zintegrowane z konektorami: żądania uwierzytelniania konektorów, wywołania narzędzi przez Agenta i żądania opublikowanych aplikacji przechodzą przez serwer tuneli Replit, a następnie przez tego klienta. Wpis wymienia trzy zastosowania: wskazywanie kont klientów wymagających sprawdzenia w finansach (Stripe, SharePoint, Snowflake), wyszukiwanie oczekujących skierowań pacjentów w ochronie zdrowia (Calendly, DrChrono) i sygnalizowanie braków sprzętu w przemyśle (NetSuite, Shopify, Databricks, Shippo). Tunnels jest dostępne na życzenie we wczesnym dostępie, bez podanej ceny; rozwija Bring Your Own Cloud (opisane tutaj 17 października), które już wcześniej opierało się na tunelach wychodzących z podwójnym mTLS.

🔗 Wpis Replit o Tunnels · Dokumentacja: konfiguracja Tunnels

Devin wprowadza Access and Sharing, grupy użytkowników i udostępnianie poszczególnych sesji oraz uzupełnia informacje o wydaniach z 17, 18 i 19 listopada

20 listopada — Informacje o wydaniu Devin z 20 listopada wprowadzają Access and Sharing, mechanizmy kontroli dostępu i udostępniania dla firm, wdrażane stopniowo i domyślnie wyłączone: aby je aktywować, trzeba skontaktować się ze swoim opiekunem w Cognition. Strona User groups w Settings pozwala tworzyć grupy użytkowników, których można używać wszędzie tam, gdzie zarządza się dostępem: do sekretów, środowisk, sesji, automatyzacji, pluginów, playbooków, skills, serwerów MCP i knowledge.

Każda sesja otrzymuje własne ustawienia udostępniania: tylko sobie, jednej lub kilku grupom, organizacji albo całemu kontu. Sesja korzystająca z repozytorium, sekretu lub środowiska dostępnego tylko dla siebie lub swojej grupy rozpoczyna się jako prywatna, a rozszerzenie dostępu poprzedza ostrzeżenie. W Slack odpowiada zawsze na kanale, ale instrukcje mogą jej wydawać tylko osoby, którym została udostępniona. Administratorzy otrzymują raport repozytoriów, do których dostęp w Devin różni się od dostępu w GitHub lub GitLab, a Devin Review, DeepWiki i Ask ograniczają się do repozytoriów dostępnych dla użytkownika. Poza tym wdrożeniem te same informacje o wydaniu dodają stan Triaged do ustaleń dotyczących bezpieczeństwa oraz plugin Sazabi w marketplace; nie podano żadnych cen. 🔗 informacje o wydaniu z 20 listopada

Informacje o wydaniach z trzech poprzednich dni przynoszą również:

  • 19 listopada — W Devin Review reguły rozliczania według repozytorium przypisują przeglądy danego repozytorium, wraz z czatem, do organizacji lub budżetu zamiast do autora PR. W zakresie bezpieczeństwa przycisk Validate with Devin zleca weryfikację ustalenia, a Fix with Devin proponuje, począwszy od dwóch ustaleń, jedną PR na każdą przyczynę źródłową, jedną na każde ustalenie lub jedną dla wszystkich; marketplace usuwa serwery MCP zastąpione natywną integracją (Slack, Linear, GitLab, Pylon). 🔗 informacje o wydaniu z 19 listopada
  • 18 listopada — W polu tworzenia wiadomości na stronie głównej pojawia się selektor Shared with, a ustawienie Start sessions as Only you domyślnie zachowuje prywatność sesji. Prywatna sesja nie publikuje w Slack, jej udostępnienie wymaga potwierdzenia wymieniającego osoby, których to dotyczy, a załączniki organizacji dziedziczą jej widoczność; Devin Review zyskuje przycisk Update branch, a MCP DevinDash wychodzi z bety. 🔗 informacje o wydaniu z 18 listopada
  • 17 listopada — Devin Review publikuje status przy pull requests w Azure DevOps, ustalenia z przeglądów bezpieczeństwa PR mogą zawierać krótkie podsumowanie wpływu, a Devin publikuje w Slack obrazy, tekst formatowany, tabele, wykresy, karty i karuzele. 🔗 informacje o wydaniu z 17 listopada

v0 udostępnia limity wydatków na członka wszystkim klientom biznesowym

20 listopada — v0 udostępnia limity wydatków (Spend Caps) wszystkim klientom biznesowym. W Settings → Members właściciele zespołu ustalają domyślny limit dla członków lub osobny limit dla każdej osoby, obejmujący zużycie wspólnej puli kredytów w danym cyklu rozliczeniowym po wyczerpaniu kredytów wliczonych w plan członka. Po osiągnięciu limitu generowanie zatrzymuje się po zakończeniu bieżącego kroku, a członek może poprosić o dodatkowy dostęp; nie podano żadnych kwot.

🔗 Rejestr zmian v0: Spend Caps


Agenci programistyczni: Claude Code 2.1.330, Antigravity 2.34.0, Copilot CLI, Qwen Code, Codex CLI i Puck od Amp w samochodzie

Claude Code 2.1.330 rysuje wykresy za pomocą easel i pozwala zaplanowanym zadaniom działać do 30 dni

20 listopada — Claude Code 2.1.330 zawiera 142 wpisy, w tym 98 poprawek, 16 nowości, 14 ulepszeń i 13 zmian. Dodaje easel, wbudowany mod rysujący wykresy na żądanie oraz pod wynikami metryk zwracanymi przez serwer MCP, na przykład zapytania zakresowego Prometheus. easel jest dostępny w Pro, Max oraz, tam gdzie jest oferowany, w Team i Enterprise, na macOS i Linux; automatyczne wykresy można wyłączyć w /config. Organizacje zarządzane w konsoli administracyjnej Enterprise firmy Anthropic (Enterprise Admin Console) również mogą się do niej podłączyć: po claude auth login Claude Code stosuje ich ustawienia i korzysta z ich dostawcy usług chmurowych lub bramy.

Cykliczne zaplanowane zadania i /loop działają teraz do 30 dni zamiast 7, o ile ich sesja pozostaje otwarta; te utworzone przed tą wersją nadal zatrzymują się po 7 dniach. Więcej poleceń rm dotyczących katalogu głównego, katalogu domowego, katalogu pierwszego poziomu lub katalogu roboczego wymaga zatwierdzenia i jest odrzucanych, gdy nikt nie może odpowiedzieć. Automatyczne ponawianie po max_tokens, usunięte w 2.1.329, zostaje przywrócone, a ExitWorktree nie usuwa już worktree, w którym pracuje inna sesja. Na Agent Platform w Google Cloud claude -p wreszcie uwzględnia tryb szybki przekazany przez --settings, gdy model pochodzi z ANTHROPIC_MODEL lub pliku ustawień: te uruchomienia są teraz rozliczane według ceny trybu szybkiego. Rozszerzenie VS Code otrzymuje 28 wpisów, w tym /fork i /workflows.

🔗 Claude Code v2.1.330

Pozostali agenci programistyczni: Antigravity 2.34.0, wersje zapoznawcze Copilot CLI i Copilot SDK, Qwen Code v0.28.3, Codex CLI 0.173.0-alpha.4 oraz tryb samochodowy Amp

  • Antigravity 2.34.0 (20 listopada) — Aplikacja Google otrzymuje 15 ulepszeń i 24 poprawki. Tytuł zapowiada obsługę MCP Apps, której lista ulepszeń nie opisuje szczegółowo; Gemini 4 Neon i opcja Orchestrator (Neon) trafiają do kwalifikujących się płatnych planów konsumenckich, Neon staje się dostępny z kluczem API Gemini lub domyślnymi danymi uwierzytelniającymi Google Cloud (Application Default Credentials), a konta Enterprise otrzymują Orchestrator. Marketplace zyskuje pluginy Clerk, Docusign i TestMu AI. 🔗 rejestr zmian Antigravity
  • Copilot CLI od 1.0.115-4 do 1.0.115-6 i Copilot SDK od 2.0.2-preview.2 do preview.5 (20 i 21 listopada) — W tych wersjach zapoznawczych CLI edytory ACP obsługujące formularze wyświetlają ustrukturyzowane pytania doprecyzowujące (structured clarification questions), a długie sesje lokalne zajmują mniej miejsca na dysku; wersją stabilną pozostaje 1.0.114. SDK dodaje Gemini 4 Neon do listy modeli (kontekst 1 048 576 tokenów, 65 536 na wyjściu), odczytuje .claude/CLAUDE.md w katalogu głównym repozytorium, a następnie zyskuje pamięć chmurową podzieloną na tematy oraz API importu sesji i pamięci, oba eksperymentalne. 🔗 Copilot CLI 1.0.115-4 · Copilot SDK 2.0.2-preview.2
  • Qwen Code v0.28.3 (21 listopada) — Ta nowa stabilna wersja jest bezpośrednim następcą v0.28.0 i przejmuje zmiany z wersji zapoznawczej z 20 listopada, opisanej tutaj wczoraj: GitHub staje się trzecim obsługiwanym kanałem, dołączają WeCom i Microsoft Teams, ogólny webhook służący wyłącznie do wysyłania przekazuje wyniki do punktu dostępowego HTTPS, a sesje ACP i OpenTUI działają we wspólnej pętli agenta; informacje o wydaniu nie wskazują żadnych zmian niezgodnych wstecznie. 🔗 Qwen Code v0.28.3
  • Codex CLI 0.173.0-alpha.3 i alpha.4 (20 i 21 listopada) — Informacje o wydaniach są puste; według 15 PR scalonych od alpha.2 każdy hook polecenia lub narzędzia MCP przyjmuje opcję onFailure: domyślnie continue lub block, przy której niepowodzenie PreToolUse uniemożliwia uruchomienie narzędzia, a niepowodzenie PostToolUse wstrzymuje przekazanie jego wyniku. Konfiguracja zarządzana w chmurze ładuje się także przez codex plugin add i codex plugin list; wersją stabilną pozostaje 0.171.0, a zawartość tego wydania może się jeszcze zmienić. 🔗 Codex CLI 0.173.0-alpha.4
  • Puck w samochodzie w Amp (21 listopada) — Amp pozwala rozmawiać z Puck, swoim metaagentem, podczas jazdy, bez patrzenia na ekran: aplikacje na iPhone (z CarPlay) i Android (z Android Auto lub samochodowym Bluetooth) przechodzą w tryb samochodowy, a we wbudowanej przeglądarce, takiej jak w Tesli, wystarczy otworzyć ampcode.com/car i zeskanować kod QR telefonem połączonym z Amp. Treści do przeczytania wyświetlają się bardzo dużą czcionką; nie podano żadnych cen. 🔗 Puck w samochodzie

Krótkie wiadomości

Modele i API

  • Qwen4 Max na Together AI — W nawiązaniu do opisanej tutaj 19 listopada obniżki o 30 % Together AI podaje ceny obowiązujące do 22 listopada: 1,05 dolara za milion tokenów wejściowych i 3,15 dolara za milion tokenów wyjściowych, z rozumowaniem rozliczanym jako wyjście i obowiązkowym streamingiem. Jako pojedynczy przykład podano, że model w jednym zapytaniu odczytał 344 pliki z repozytorium Tornado (652 519 tokenów) i w 72 sekundy, za 69 centów, dostarczył poprawkę zweryfikowaną testami opiekunów projektu. 🔗 źródło
  • Ultrafast w Codex — Na blogu dla deweloperów OpenAI Dominik Kundel dzieli się wskazówkami dotyczącymi Ultrafast z GPT-6.2 Astra i Sol (przeładowywanie na gorąco, krótkie instrukcje, rozumowanie Light lub Low) i doprecyzowuje dwie kwestie: generowanie tokenów w Codex jest nawet 4,5 raza szybsze, a promocyjna cena API wynosi 3 razy stawkę Standard do 28 lutego 2027, po czym od 1 marca wzrośnie do 6 razy tej stawki. 🔗 źródło
  • Kanał na stronie głównej Hugging Face — Zalogowani użytkownicy widzą teraz domyślnie kanał, w którym każda premiera popularnego modelu ma własną kartę, na przykład tę zbierającą 17 nowych modeli Tencent, informuje Victor Mustar. 🔗 źródło

Otwarte badania na Hugging Face

  • Act-or-Ask — Ten niewielki otwarty model, dostrojony metodą LoRA na bazie Phi-4-mini (3,8B), decyduje, czy domowy asystent powinien działać, najpierw poprosić dorosłego o zgodę, czy odmówić. W 60 nowych sytuacjach przestrzega zasad domowych w 99,3 % przypadków, wobec 49,7 % dla modelu bazowego z tymi samymi regułami w prompcie; model jest dostępny na licencji MIT, a benchmark na CC BY 4.0. 🔗 źródło
  • KITScenes w FiftyOne — Harpreet Sahota kontynuuje serię konwersji do FiftyOne, udostępniając fragment KITScenes Multimodal, zbioru danych do autonomicznej jazdy opracowanego przez KIT i FZI i zarejestrowanego we Frankfurcie za pomocą 9 kamer, 7 lidarów i 3 radarów: 680 punktów czasowych z 4 scen, każdy z dziewięcioma widokami z kamer i scaloną chmurą punktów lidar-radar. 🔗 źródło

Asystenci i agenci biznesowi

  • Connected Apps od Google — W Stanach Zjednoczonych Albertsons, Safeway, Shaw’s i Target trafiają do Search oraz aplikacji Gemini, umożliwiając skompletowanie i opłacenie zamówienia spożywczego za pośrednictwem Universal Commerce Protocol (UCP); Experian, już dostępny w Gemini, oraz H&R Block trafiają do Search, a Angi i Thumbtack dołączą w najbliższych tygodniach. 🔗 źródło
  • Grok Bot i QuickBooks — Agent SpaceXSI łączy się z Intuit QuickBooks w Stanach Zjednoczonych: można pytać go o stan środków pieniężnych, zysk lub zaległe należności, a on przygotowuje faktury, wyceny i przypomnienia o płatnościach, które wymagają zatwierdzenia przez użytkownika. 🔗 źródło
  • ElevenAgents dla Fundación Televisa — W studium przypadku ElevenLabs agent głosowy przeprowadził od 29 czerwca do 24 lipca 1 036 rozmów trwających średnio pięć minut z kandydatami do POSiBLE, akceleratora przedsiębiorców meksykańskiej fundacji, która zakwalifikowała 70 projektów do etapu finałowego; Bécalos, inny program fundacji, przeprowadził rozmowy z 394 młodymi osobami w dwa dni. 🔗 źródło

Generowanie obrazów

  • Kling Image 4.0 — Kling przytacza ocenę Artificial Analysis: 7. miejsce w generowaniu obrazów na podstawie tekstu i 6. w edycji, za wyłącznie modelami OpenAI i Microsoft AI, wobec 86. i 67. miejsca Kling Image 3.0 Omni. Ograniczona czasowo oferta Black Friday podaje ceny za 2K od 0,022 dolara za obraz i za natywne 8K od 0,033 dolara, bez wskazania, czy dotyczą aplikacji, czy API. 🔗 źródło

Poza sztuczną inteligencją

  • Uprawnienia do komunikatów bezpieczeństwa na GitHub — Cztery uprawnienia z kategorii Security (przeglądanie komunikatów, ich tworzenie i zarządzanie nimi, przyjmowanie prywatnych zgłoszeń, publikowanie i wnioskowanie o CVE) można teraz nadawać za pomocą niestandardowych ról w repozytorium, bez przyznawania tym osobom uprawnień administratora repozytorium. 🔗 źródło

Co to oznacza

Dowód hipotezy Riemanna przenosi ciężar zaufania na weryfikację formalną. Dowodu liczącego 17 milionów wierszy nie da się sprawdzić ręcznie: jego wiarygodność wynika tu z publicznego łańcucha kontroli przeprowadzonych w ciągu jednego dnia, od sprawdzenia sformułowania w Mathlib przez ekspertów po weryfikację za pomocą kilku niezależnych weryfikatorów. Certyfikacja nie mówi nic o tym, jak znaleziono dowód, ani o uogólnionej hipotezie Riemanna, a autor nadal musi go wyjaśnić; pozwala jednak uznać wynik uzyskany z pomocą modelu bez konieczności ufania modelowi. ATLAS, biblioteka firmy Meta formalizująca 26 podręczników w Lean, zmierza w tym samym kierunku.

OpenResearch Intelligence Index mierzy coś innego niż wiedzę: zdolność do przeprowadzenia całego badania, od przeglądu literatury po post-training. Zamknięte modele wyraźnie w nim dominują, ale różnica kosztów jest równie istotna jak różnica wyników: GPT-6.1 Sol uzyskuje 0,549 przy koszcie 3,83 dolara za próbę, podczas gdy GPT-6 Astra kosztuje 22,44 przy wyniku 0,566, a DeepSeek V4.1 Flash, przy koszcie 0,72 dolara za próbę w indeksie, zbliża się do GPT-6 Astra w kategorii badań bibliograficznych, gdy ma do dyspozycji narzędzia OpenResearch. Detektor empirischtech przypomina o ograniczeniach takiej oceny: po awansie z 27. na 5. miejsce w RAID rozpoznaje już tylko 58,7 % tekstów wygenerowanych przez sztuczną inteligencję we własnym zbiorze testowym, wobec 97,8 % dla detektora ogólnego przeznaczenia, na bazie którego go dostrojono. Ranking mierzy to, co obejmuje jego benchmark, i nic więcej.

Inkling 2 Mini pokazuje tempo, w jakim rozprzestrzenia się dziś model o otwartych wagach: w ciągu dwudziestu czterech godzin trafia do Transformers, działa z prędkością 210 tokenów na sekundę na Mac Studio i traci mechanizmy odmowy w odblokowanej wersji, w której zmodyfikowano zaledwie 20 tensorów. Ta sama otwartość, która pozwala w jeden dzień przenieść model na stację roboczą, pozwala też tego samego dnia usunąć z niego mechanizmy odmowy. Otwarta nauka rozwija się natomiast dzięki danym i narzędziom: Meta zwiększa planowaną skalę zbierania udostępnianych danych o aktywności mózgu do 25 000 godzin, a Diffusers pokazuje, że metoda dostrajania opracowana z myślą o obrazach sprawdza się w projektowaniu białek.

Wśród platform do programowania ten dzień upływa bardziej pod znakiem zarządzania niż generowania. Replit Tunnels wybiera prywatne usługi, do których może uzyskać dostęp przestrzeń robocza, Devin określa, kto widzi i kto kontroluje każdą sesję, v0 ustala limit wydatków każdego członka, a Claude Code stosuje ustawienia organizacji zarządzanej w konsoli Enterprise firmy Anthropic. Agenci zyskują autonomię, a zaplanowane zadania w Claude Code mogą działać nawet przez 30 dni, lecz zabezpieczenia nadążają za tym rozwojem: najryzykowniejsze rm wymagają zatwierdzenia, a mechanizmy hooks w przedpremierowych wersjach Codex CLI potrafią blokować działanie w razie niepowodzenia.


Źródła