OpenAI wprowadza GPT-6.1 Sol i dots podczas DevDay 2026, Clément Delangue zapowiada przejęcie Hugging Face przez NVIDIA, AMD zamierza przejąć World Labs

We wtorek 29 września OpenAI organizuje DevDay 2026: GPT-6.1 Sol zbliża się możliwościami do GPT-6 Astra za jedną piątą jego ceny, dots zapoczątkowują erę stale aktywnych agentów, Codex trafia do chmury, a ChatGPT staje się przestrzenią do pracy zespołowej. Jeśli chodzi o przejęcia, Clément Delangue pisze, że Hugging Face ma zostać przejęty przez NVIDIA, choć na razie ani NVIDIA, ani Hugging Face nie wydały komunikatu. AMD, które 28 września ogłosiło zawarcie ostatecznej umowy, zamierza przejąć World Labs, laboratorium Fei-Fei Li, za około 8,2 mld dolarów w akcjach. OpenAI przyznaje ponadto, że w czerwcu jego modele uzyskały nieautoryzowany dostęp do stron australijskiego rządu.

OpenAI wprowadza GPT-6.1 Sol, który zbliża się do GPT-6 Astra za jedną piątą jego ceny

29 września — Podczas DevDay 2026 OpenAI wprowadza GPT-6.1 Sol, ulepszoną wersję GPT-6 Sol wydanego tydzień wcześniej. Firma przedstawia go jako model o możliwościach zbliżonych do Astra za jedną piątą ceny: w API gpt-6.1-sol kosztuje 2 dolary za milion tokenów wejściowych i 10 dolarów za milion tokenów wyjściowych, wobec odpowiednio 10 i 50 dolarów za GPT-6 Astra, który pozostaje ogólnie najwydajniejszym modelem OpenAI. GPT-6.1 Sol jest przeznaczony do wymagających zadań wykonywanych często oraz do zastosowań API na dużą skalę; w wersji beta może też delegować część pracy podagentom w ramach jednego żądania do Responses API.

Rodzaj opłaty (za milion tokenów, krótki kontekst)	GPT-6.1 Sol	GPT-6 Astra
Wejście	2 dolary	10 dolarów
Wejście z pamięci podręcznej	0,10 dolara	1 dolar
Zapis do pamięci podręcznej	2,50 dolara	12,50 dolara
Wyjście	10 dolarów	50 dolarów

Korzystanie z pamięci podręcznej staje się znacznie tańsze: tokeny wejściowe z pamięci podręcznej kosztują 0,10 dolara za milion, czyli o 95 % mniej od standardowej stawki za wejście i o połowę mniej niż w GPT-6 Sol. Powyżej 272 000 tokenów wejściowych stawki wynoszą 4 dolary za wejście i 15 dolarów za wyjście.

Poprawa wyników dotyczy programowania agentowego, obsługi komputera i zadań zawodowych:

Opublikowany test	Wynik GPT-6.1 Sol	Opublikowane porównanie
DeepSWE v1.1	Dorównuje GPT-6 Astra	Około jednej piątej kosztu Astra; +6,4 punktu względem najlepszego wyniku GPT-6 Sol
OSWorld 2.0, zestaw offline (maksymalny wysiłek)	+7 punktów względem GPT-6 Sol	2,1 punktu za Astra przy około jednej siódmej kosztu na zadanie
Terminal-Bench Science 0.1 (maksymalny wysiłek)	Ponad dwukrotnie wyższy wynik niż GPT-6 Sol, 5,47 dolara za zadanie	Opus 5.5: 23,21 dolara; Astra: 23,80 dolara i pierwsze miejsce z wynikiem 68,1 %
AutomationBench 1.0.6 (średni wysiłek)	+2,2 punktu względem Opus 5.5	Około jednej trzeciej kosztu; +4,8 punktu względem GPT-6 Sol
GDP.pdf	Wyprzedza Opus 5.5 przy uwzględnieniu rozwiązań zapasowych	Mniej niż połowa kosztu na zadanie
Błędy faktograficzne (bardzo duży wysiłek)	4,1 %	GPT-6 Sol 4,5 %, Astra 4,0 %

W teście bezpieczeństwa z celowo wadliwym narzędziem wyszukiwania GPT-6.1 Sol nie zgłasza problemu w 2,8 % przypadków, wobec 4,9 % dla GPT-6 Sol i 1,5 % dla Astra. Model jest dostępny w API oraz, w ChatGPT Work i Codex, dla subskrybentów Plus, Pro, Business, Enterprise i Edu, ale jeszcze nie w Chat. Informacje o wersji precyzują, że wdrażanie zaczyna się od użytkowników Pro, a administratorzy Enterprise i Edu muszą włączyć model.

🔗 Prezentacja GPT-6.1 Sol

Devin udostępnia go tego samego dnia: 60,4 % w FrontierCode 1.1 przy kosztach niższych o 44–57 %

29 września — Cognition udostępnia GPT-6.1 Sol w Devin Desktop i Devin CLI w dniu premiery i sprawdza go w FrontierCode 1.1 (w wykresach we wpisie: Extended), własnym benchmarku oceniającym rzeczywiste zadania inżynieryjne pod kątem jakości i gotowości do scalenia. Wynik prawie się nie zmienia: 60,4 %, wobec 60,7 % dla GPT-6 Sol i 60,6 % dla GPT-5.6 Sol. Zmienia się cena. Przy każdym poziomie wysiłku GPT-6.1 Sol kosztuje na zadanie o 44–57 % mniej niż poprzednik, osiągając wynik różniący się najwyżej o jeden punkt lub lepszy; przy średnim wysiłku kosztuje 0,31 dolara za zadanie, o 81 % mniej niż 1,66 dolara, które GPT-6 Sol wydaje przy maksymalnym wysiłku, by uzyskać swój najlepszy wynik. Przy niskim wysiłku osiąga 58,1 % za 0,21 dolara, wobec 50,5 % dla GPT-6 Sol przy tym samym ustawieniu: według Cognition to najlepszy wynik w rankingu poniżej 0,30 dolara za zadanie. W rankingu według samego wyniku pozostaje za Claude Opus 5.5 (65,3 %), Claude Fable 5 (64,9 %), GPT-6 Astra (64,5 %) i Claude Sonnet 5.5 (64,4 %).

🔗 GPT-6.1 Sol w Devin

GitHub Copilot udostępnia go poza planem Pro

29 września — GitHub udostępnia GPT-6.1 Sol w GitHub Copilot, na zasadach ogólnej dostępności i ze stopniowym wdrażaniem, w planach Copilot Pro+, Max, Business i Enterprise. Podobnie jak GPT-6 Sol 22 września, model nie trafia do subskrybentów Copilot Pro, choć Claude Sonnet 5.5 jest dla nich dostępny od 28 września. Można go wybrać w selektorze modeli w dziesięciu miejscach, w tym w Visual Studio Code, Copilot CLI, agencie programistycznym, aplikacji GitHub Copilot oraz środowiskach IDE JetBrains, Xcode i Eclipse. Obowiązuje publiczna stawka: 2 dolary za milion tokenów wejściowych i 10 dolarów za milion tokenów wyjściowych do 272 000 tokenów wejściowych (powyżej tego progu 4 i 15 dolarów), tak jak w przypadku GPT-6 Sol. Wyjątkiem jest wejście z pamięci podręcznej, dwukrotnie tańsze (0,10 zamiast 0,20 dolara). GitHub twierdzi, że model wykonuje zadania przy znacznie mniejszej liczbie tokenów i kroków niż modele z rodzin GPT-6 i GPT-5.6, ale nie podaje danych liczbowych. Jeśli administratorzy Business i Enterprise nie zmienią ustawień, model włącza się automatycznie.

🔗 GPT-6.1 Sol w GitHub Copilot

Clément Delangue pisze, że Hugging Face ma zostać przejęty przez NVIDIA

29 września — Clément Delangue, współzałożyciel i dyrektor generalny Hugging Face, napisał na X o 17:45 czasu paryskiego, że Hugging Face ma zostać przejęty przez NVIDIA. Jego oryginalny wpis, udostępniony przez oficjalne konto @huggingface, przedstawia transakcję z perspektywy rekrutacji:

getting acquired by @nvidia = hugging face can now hire people we couldn’t as a small startup and give them a decade to make open-source AI win! if you’re one of them, my dms are open

🇵🇱 Przejęcie przez NVIDIA oznacza, że Hugging Face może teraz zatrudnić osoby, których jako mały startup nie mogliśmy zrekrutować, i dać im dekadę na zapewnienie zwycięstwa AI open source! Jeśli jesteś jedną z tych osób, moje wiadomości prywatne są otwarte. — @ClementDelangue na X

W ciągu następnej godziny Clément Delangue dodaje, że AI open source zasługuje na to, by stać się 100 razy większa niż dziś, oraz że „dopiero zaczynamy”. Następnie publikuje „pozostajemy neutralni!” (we stay neutral!) — wpis bez podanego kontekstu.

Wpisom nie towarzyszy żadne oficjalne ogłoszenie. W chwili publikacji NVIDIA nie wydała komunikatu — najnowsze materiały w jej newsroomie pochodzą z 28 września i dotyczą skupu akcji oraz Open Agent Safety Platform — a na blogu Hugging Face również nie ma informacji na ten temat. Nie podano kwoty ani harmonogramu, warunków sfinalizowania transakcji ani przyszłości platformy, która udostępnia otwarte modele bardzo wielu laboratoriów.

🔗 Kolejne wpisy Clémenta Delangue’a: AI open source „100 razy większa” · „pozostajemy neutralni!”

AMD zamierza przejąć World Labs, laboratorium Fei-Fei Li, za około 8,2 mld dolarów

28 września — AMD podpisało ostateczną umowę (definitive agreement) przejęcia World Labs, laboratorium modeli i badań nad AI kierowanego przez Fei-Fei Li. Transakcja, opłacana w całości akcjami (all-stock), jest wyceniana na około 8,2 mld dolarów; jej zamknięcie jest spodziewane do końca 2026 r., pod warunkiem uzyskania zgód organów regulacyjnych i spełnienia pozostałych zwyczajowych warunków. Przejęcie nie zostało więc jeszcze sfinalizowane.

World Labs, założone w 2024 r. i mające siedzibę w San Francisco, opracowuje modele inteligencji przestrzennej (spatial intelligence), które generują, rekonstruują i symulują interaktywne środowiska 3D na podstawie tekstu, obrazów lub nagrań wideo, a także technologie uczenia i symulacji dla robotyki. Według World Labs obie firmy współpracują od ubiegłego roku nad trenowaniem modeli i optymalizacją inferencji na GPU AMD.

Element umowy	Opublikowane szczegóły
Wartość	Około 8,2 mld dolarów
Forma płatności	W całości w akcjach
Spodziewane zamknięcie	Do końca 2026 r., pod warunkiem uzyskania zgód organów regulacyjnych
Rola Fei-Fei Li	Wiceprezeska wykonawcza i dyrektorka naukowa AMD, podlegająca Lisie Su
Kierownictwo zespołu	Justin Johnson i Ben Mildenhall, wraz z Fei-Fei Li

AMD uzasadnia transakcję różnicowaniem się potrzeb obliczeniowych w miarę rozszerzania zastosowań AI na rozumowanie, robotykę, symulację i fizyczną AI. Wiedza World Labs ma pomóc AMD lepiej przewidywać zmiany w obciążeniach obliczeniowych i kształtować plany rozwoju sprzętu, oprogramowania oraz systemów w ramach strategii budowania infrastruktury AI dla otwartego ekosystemu.

Building the compute platforms for the next generation of AI requires a deep understanding of how models are evolving. Fei-Fei and the World Labs team bring exceptional research leadership and model expertise. Together, we can use that insight to develop the hardware, software and systems that will power the next generation of AI and strengthen the open AI ecosystem.

🇵🇱 Budowanie platform obliczeniowych dla następnej generacji AI wymaga głębokiego zrozumienia tego, jak zmieniają się modele. Fei-Fei i zespół World Labs wnoszą wyjątkowe przywództwo naukowe oraz wiedzę o modelach. Razem będziemy mogli wykorzystać tę wiedzę do opracowania sprzętu, oprogramowania i systemów, które zapewnią działanie następnej generacji AI i wzmocnią otwarty ekosystem AI. — Lisa Su, prezeska i dyrektorka generalna AMD

Po zamknięciu transakcji zespół World Labs nadal będzie skupiać się na badaniach nad modelami w ramach organizacji prowadzącej zaawansowane badania (frontier research organization) w AMD.

🔗 Komunikat AMD · Wpis World Labs

OpenAI wprowadza dots, stale aktywnych agentów opartych na GPT-6 Astra

29 września — OpenAI wprowadza dots, „stale aktywnych” agentów opartych na GPT-6 Astra. Każdy dot ma własny komputer i przeglądarkę w chmurze, uczy się na podstawie informacji zwrotnych od użytkownika i może pracować nad wyznaczonymi celami przez całą dobę, siedem dni w tygodniu. Dzięki ekosystemowi pluginów łączy się z ponad 4 000 aplikacji i ma własną tożsamość służącą do zarządzania dostępem i uprawnieniami.

Można się z nim skontaktować jak ze współpracownikiem: przez ChatGPT w przeglądarce, na telefonie i komputerze, przez SMS, Slack lub Teams, a nawet telefonicznie. Kontekst przenosi się między kanałami. Przykład podany przez OpenAI: dot jednego z pierwszych testerów wykrył publikację, za którą nie wystawiono faktury, przygotował fakturę i wysłał ją po uzyskaniu zgody.

Autonomia podlega ograniczeniom. Poza rozmowami dot prowadzi „proaktywne wyszukiwanie” za pomocą narzędzi o ograniczonych uprawnieniach, które nie mogą wysyłać wiadomości, zmieniać treści w aplikacjach ani sterować przeglądarką czy komputerem. Reguły wbudowane i ustawiane przez użytkownika określają, co może zrobić samodzielnie, co wymaga zgody i co jest zablokowane. Niektóre wrażliwe czynności, takie jak zmiana hasła, pozostają zastrzeżone dla użytkownika. OpenAI publikuje też kartę systemową. Treści użytkowników Business, Enterprise i Edu domyślnie nie są wykorzystywane do trenowania.

Element premiery	Opublikowane szczegóły
Używany model	GPT-6 Astra
Kanały kontaktu	ChatGPT, SMS, Slack, Teams, połączenie telefoniczne; lista oczekujących na iMessage i RCS tylko dla Pro
Dostępne plany	Pro i Business Premium, dla osób od 18 lat; Enterprise w wersji beta, domyślnie wyłączone
Ograniczenia przy premierze	Oferta Pro niedostępna w Europejskim Obszarze Gospodarczym, Szwajcarii i Wielkiej Brytanii
Zapowiedziany koszt	Pierwszy dot bez dodatkowych opłat; rozmowy z dotem nie są wliczane do limitów ChatGPT

W późniejszym terminie stała miesięczna opłata pozwoli dodawać kolejne dots, przyspieszać ich pracę lub zwiększać liczbę wykonywanych przez nie zadań. Wyspecjalizowane dots, mające własną tożsamość i zakres obowiązków w firmie, są udostępniane w wersji zapoznawczej ograniczonej liczbie organizacji. OpenAI współpracuje też z Microsoft nad włączeniem ich do mechanizmów zarządzania, bezpieczeństwa i tożsamości w Agent 365.

🔗 Poznaj dots

Perplexity Computer wprowadza Automations, cyklicznych agentów uruchamianych według harmonogramu lub przez zdarzenie

29 września — Tego samego dnia Perplexity dodaje Automations do Computer, swojego agenta w chmurze. Są to agenci działający przez długi czas, którzy pracują samodzielnie według harmonogramu lub w reakcji na zdarzenie w Slack, Gmail, Outlook, Linear albo GitHub. Warunki filtrują te zdarzenia, na przykład tak, by agent reagował tylko na e-mail od określonego nadawcy z prośbą o decyzję.

Różnica względem zaplanowanego zadania polega na pamięci: każde uruchomienie korzysta z historii poprzednich. Cotygodniowy raport o cenach konkurencji porównuje najnowsze dane z danymi z poprzedniego tygodnia, a szkic odpowiedzi dla klienta uwzględnia wcześniejszą korespondencję. Agent sygnalizuje także to, co się nie wydarzyło: wdrożenie zaplanowane na wtorek, którego nadal nie ma w środę rano, czy brak odpowiedzi dla ważnego klienta od czterech dni. Automations zastępuje przy tym zaplanowane zadania (Scheduled Tasks) w Computer, które pojawiają się w nowym interfejsie z opcją migracji.

Automatyzację tworzy się, opisując ją w pasku poleceń (omnibar) Computer lub za pomocą przycisku New Automation. Określa się wyzwalacz, instrukcje, źródła, miejsce docelowe (kanał Slack, szkic w Gmail) oraz działania, które agent może wykonać samodzielnie lub które wymagają weryfikacji przez człowieka. Przykład z wpisu: zgłoszenie w Linear z etykietą „ready” uruchamia wyszukiwanie w repozytorium, wprowadzenie zmiany i otwarcie pull requesta do weryfikacji przez człowieka.

Aspekt funkcji	Opublikowane szczegóły
Wyzwalacze	Harmonogram lub zdarzenie w Slack, Gmail, Outlook, Linear, GitHub (z warunkami)
Pamięć	Każde uruchomienie korzysta z historii poprzednich
Kontrola	Działania samodzielne lub wymagające weryfikacji, uprawnienia konektorów ustalane przez administratora, historia uruchomień
Kredyty	Nie są zużywane podczas oczekiwania na wyzwalacz; zużywa się je podczas wykonania
Dostępność	Użytkownicy Computer; migracja istniejących Scheduled Tasks

🔗 Automations w Perplexity Computer

Codex przenosi się do chmury: środowiska wielokrotnego użytku, przegląd kodu i odnowiona CLI

29 września — Codex uniezależnia się od lokalnego komputera, a OpenAI podsumowuje to tak:

You can finally close your laptop now and your agents will keep working. Codex cloud environments are here.

🇵🇱 Możesz wreszcie zamknąć laptopa: twoi agenci będą nadal pracować. Środowiska chmurowe Codex są już dostępne. — @OpenAIDevs na X

Środowiska chmurowe Codex, z których można korzystać wielokrotnie, zawierają repozytorium, zależności, skrypty i ustawienia. Zadanie uruchamia się w chmurze, a potem śledzi jego postępy i steruje nim z telefonu lub innego komputera, nawet gdy laptop jest wyłączony. Każde zadanie działa we własnej odizolowanej przestrzeni, z zastosowaniem ustawień dostępu do chmury obowiązujących w obszarze roboczym. Funkcja trafia do planów Plus, Pro, Business i Enterprise. W obszarach Business i Enterprise środowiska można udostępniać, aby cały zespół korzystał z tej samej konfiguracji. Funkcje aplikacji komputerowej pojawiają się również w wersji internetowej i mobilnej.

Nowość w Codex	Co się zmienia	Zapowiedziana dostępność
Środowiska chmurowe	Zadania uruchamiane w chmurze i obsługiwane z telefonu, gdy laptop jest wyłączony	Plus, Pro, Business, Enterprise; udostępnianie zespołowi w Business i Enterprise
Przegląd kodu	Podsumowanie, zmiany i pytania do Codex w aplikacji komputerowej ChatGPT; pierwszy automatyczny przegląd w chmurze	Pull requesty GitHub i merge requesty GitLab
Odnowiona CLI	Pełny ekran, `/agents`, `/fork` w worktree, `/voice`	Aktualizacja przez `npm install -g @openai/codex@latest`

Nowy przegląd kodu pozwala przeczytać podsumowanie i zobaczyć zmiany, a następnie zapytać Codex o potencjalne problemy przed przekazaniem uwag. W trybie automatycznym Codex wykonuje pierwszy przegląd w chmurze. CLI również została odnowiona: ma interfejs pełnoekranowy, historię wczytywaną podczas przewijania poza pamięć terminala, przypięte pole wpisywania, widok /agents do śledzenia równoległych zadań i przełączania się między nimi, /fork do powielania rozmowy w worktree z zachowaniem tego samego kontekstu oraz rozmowę głosową przez /voice. Kilka z tych funkcji (głos, pełny ekran, /usage, motywy, Mermaid) pojawiło się już w wersjach od 0.155 do 0.157; DevDay przedstawia je razem.

🔗 Odnowiona CLI Codex

Codex CLI 0.159.0: natychmiastowe przerwanie i nowy ekran powitalny

29 września — Wydana o 08:05 UTC wersja 0.159.0 Codex CLI (88 PR od wersji 0.158.0) wprowadza instant_interrupt, opcję pozwalającą nowym wpisem zmienić kierunek pracy Codex, gdy odpowiada lub wykonuje długie wywołanie w trybie kodu, bez czekania na koniec tury. Interfejs zyskuje kompaktowy ekran powitalny, jednolite nagłówki oraz wskazówki wyświetlane w trakcie tur i po ich zakończeniu. Kopiowanie z transkrypcji zachowuje teraz tabele Markdown i formatowanie. W Windows serwery MCP oraz polecenia połączone potokiem (pipe) nie otwierają już zbędnych okien konsoli. Zwiększono też bezpieczeństwo: zatwierdzone polecenia zachowują jawne odmowy dostępu do plików, a foldery .aws są domyślnie chronione w katalogach głównych z prawem zapisu. Usunięto dwa elementy: automatyczne sugestie kolejnych promptów oraz wbudowaną skill plugin-creator.

🔗 Informacje o wersji Codex CLI 0.159.0

Codex Security Cloud domyślnie obejmuje modele Daybreak Blue

29 września — Codex Security Cloud, chmurowa usługa Codex do analizy bezpieczeństwa, domyślnie zapewnia teraz dostęp do modeli cyberbezpieczeństwa Daybreak Blue, bez osobnego wniosku o dostęp do Daybreak. Skanuje całe repozytoria GitHub na żądanie lub według harmonogramu, śledzi nowe commity, bada wykryte problemy, usuwa duplikaty i przygotowuje poprawki do przeglądu. Wszystko odbywa się w chmurze, nawet gdy komputer jest wyłączony. OpenAI włącza do usługi swoje podejście do ciągłej ochrony, Defense Factory, i udostępnia ją jako plugin w Codex na komputerze i w przeglądarce. Informacje o wersji wskazują ograniczenia: dostęp zależy od uprawnień obszaru roboczego, konfiguracji repozytorium i rozliczeń; obecni klienci Codex Security muszą wyrazić zgodę przed jakimkolwiek płatnym użyciem, a modele Daybreak Blue pozostają dostępne wyłącznie w Codex Security Cloud.

🔗 Ogłoszenie Codex Security Cloud

ChatGPT staje się zespołową przestrzenią roboczą dzięki Space, Pages, prezentacjom i @ChatGPT w Slack oraz Teams

29 września — Podczas DevDay, na którym według organizatorów ogłoszono ponad 20 ważnych nowości, ChatGPT staje się wspólną przestrzenią pracy ludzi i agentów. ChatGPT Space gromadzi strony, pliki i prace związane z projektem, które można udostępniać, by dalej rozwijać wspólną pracę. W kontach z dostępem do tej funkcji zastępuje Bibliotekę (Library), podczas gdy Projekty pozostają osobno. Space trafia do aplikacji komputerowej i wersji internetowej, a wersja mobilna ma pojawić się wkrótce.

Nowość w ChatGPT	Co oferuje	Dostępne plany
ChatGPT Space	Strony, pliki i prace nad projektem zgromadzone i udostępniane w jednym miejscu; zastępuje Bibliotekę	Pro, Business, Enterprise
Pages	Dokumenty przeznaczone do pracy z agentami i współpracownikami (plany, raporty, interaktywne pulpity), aktualizowane za pomocą połączonych narzędzi	Pro, Business, Enterprise
Wspólne tworzenie slajdów	Jednoczesna edycja, edytowalne wykresy natywne, eksport do PowerPoint i Google Slides	Pro, Business, Enterprise
Zespoły i zadania zespołowe	Udostępnianie stron, prezentacji i arkuszy kalkulacyjnych; zadania cykliczne uruchamiane według harmonogramu lub przez e-mail czy wiadomość Slack	Business, Enterprise
@ChatGPT w Slack i Teams	Wzmianki na kanałach, w wątkach i wiadomościach prywatnych; współpracownicy bez licencji ChatGPT mogą uczestniczyć w rozmowie	Business, Enterprise
Plugin Spotkania	Notatki i podsumowania zapisywane w Space; nagranie audio usuwane po przygotowaniu notatek	Wersja beta na macOS, Pro i Business

Na stronie każdy może komentować lub wprowadzać zmiany, wspomnieć ChatGPT albo użyć swojego dot do poprawek i pracować z własnym ChatGPT. Udostępnienie strony nie daje dostępu do prywatnych rozmów ani pamięci. W firmie członkostwo w zespole nie udostępnia osobistych rozmów ani połączeń, a administratorzy konfigurują połączenia aplikacji używanych przez zespoły. Profile, które można udostępniać, gromadzą biogram, aktywność i Sites wybrane przez użytkownika do wyróżnienia. Są domyślnie prywatne i nigdy nie pokazują tytułów ani treści rozmów.

🔗 Podsumowanie DevDay 2026

Pluginy stają się zintegrowanymi aplikacjami

29 września — OpenAI udostępnia deweloperom platformę, której używa do tworzenia funkcji ChatGPT, umożliwiając im uruchamianie natywnych rozwiązań dla deklarowanych 1,2 miliarda użytkowników. Dzięki rozszerzeniom plugin można zainstalować na pasku bocznym, wyświetlić jako interaktywny panel obok rozmowy albo użyć jako przeglądarki i edytora niektórych typów plików, we wszystkich planach. Pierwsze przykłady pokazane tego samego dnia to wieloosobowe płótno tldraw i MagicPath na pasku bocznym. Publikowanie odbywa się przez kreator pluginów i zmieniony proces zgłaszania. Dzięki obsłudze proponowanej specyfikacji MCP Events zgodny plugin uruchamia automatyzację, gdy w połączonej aplikacji wystąpi zdarzenie, na przykład pojawi się nowe zadanie na tablicy projektu. Sites mogą też zawierać pluginy, aby każdy współpracownik korzystał z tej samej aplikacji przy użyciu własnych danych i uprawnień.

🔗 Informacje o wersji ChatGPT

OpenAI wprowadza Ultrafast dla GPT-6 Astra i plan Pro 500 za 500 dolarów miesięcznie

29 września — OpenAI wprowadza Ultrafast, płatny poziom szybkości dla GPT-6 Astra: działanie do 8 razy szybsze w Codex, czyli 300 tokenów na sekundę, i do 6 razy szybsze w API. Firma przedstawia Astra Ultrafast jako najszybszy na świecie model najwyższej klasy. Rozwiązanie testowano w sierpniu w ramach wersji zapoznawczej Ultrafast dla GPT-5.6 Sol, działającej dzięki Cerebras.

W API wystarczy wywołać gpt-6-astra z poziomem usługi ultrafast w Responses API. Cena za szybkość wynosi sześciokrotność standardowej stawki Astra: 60 dolarów za milion tokenów wejściowych i 300 dolarów za milion tokenów wyjściowych. Ultrafast podlega limitom przepustowości i jest dostępny tylko przy przetwarzaniu globalnym lub przechowywaniu danych w Stanach Zjednoczonych; przechowywanie danych w Europie nie jest obsługiwane.

Plan lub stawka	Opublikowane szczegóły
Pro 100	100 dolarów miesięcznie, bez Ultrafast
Pro 200	200 dolarów miesięcznie, bez Ultrafast, mniejszy przydział dla nowych subskrybentów
Pro 500	500 dolarów miesięcznie, Ultrafast w cenie, limity 25 razy wyższe niż w Plus
GPT-6 Astra Ultrafast (API, krótki kontekst)	60 / 6 / 75 / 300 dolarów (wejście, cache, zapis do cache, wyjście)
GPT-6 Astra standard (API, krótki kontekst)	10 / 1 / 12,50 / 50 dolarów

W ChatGPT Work i Codex Ultrafast jest dostępny wyłącznie w nowym planie Pro 500 za 500 dolarów miesięcznie, który oferuje najwyższe limity użycia OpenAI (25 razy wyższe niż w Plus). Ultrafast najpierw zużywa przydział zawarty w planie, a potem saldo kredytów. Zakup kredytów w Pro 100 lub Pro 200 nie wystarcza do jego odblokowania. OpenAI ponownie udostępnia też Pro 200 nowym subskrybentom, nadal za 200 dolarów, ale z mniejszym przydziałem w cenie. Obecni subskrybenci zachowują dotychczasowy przydział do 29 października 2026 r., po czym przechodzą na mniejszy przydział w tej samej cenie. W przypadku GPT-6.1 Sol na X zapowiedziano Ultrafast „wkrótce”, choć wpis o modelu mówi o równoczesnym uruchomieniu; cennik wymienia na razie tylko GPT-6 Astra.

🔗 Ogłoszenie Ultrafast na X

Platforma OpenAI: API Agents i API Decisions, logowanie przez ChatGPT, OpenAI Marketplace

29 września — DevDay poszerza też możliwości tworzenia rozwiązań na platformie OpenAI przez deweloperów i firmy: API dla agentów, konto ChatGPT służące jako sposób logowania i płatności w innych usługach oraz platformę, na której można wykorzystać zakontraktowane środki u partnerów.

API Agents, API Decisions i Bedrock Managed Agents

29 września — API Agents, które od publicznej wersji beta z 10 września udostępnia deweloperom mechanizm działania Codex, zyskuje funkcję obsługi komputera (computer use). Agenci mogą wykonywać zadania w przeglądarce hostowanej przez OpenAI, podczas gdy aplikacja zachowuje kontrolę nad zatwierdzaniem dostępu do witryn i nad logowaniem. API obsługiwało już współpracę wielu agentów, wyszukiwanie narzędzi, wywoływanie narzędzi i kompaktowanie kontekstu. OpenAI uruchamia także API Decisions, początkowo z ograniczonym dostępem, przed szerszym udostępnieniem „w najbliższych dniach”. Kieruje ono GPT-6 Luna na zestaw pytań określonych przez dewelopera, ze skończoną liczbą wcześniej zdefiniowanych odpowiedzi, aby klasyfikować treści, kierować zapytania lub wybierać następne działanie agenta na podstawie tekstu albo obrazów. Amazon Bedrock Managed Agents for OpenAI korzysta z API Agents dla zespołów tworzących rozwiązania na AWS, z zasobami obliczeniowymi kontrolowanymi przez klienta.

🔗 Historia zmian API OpenAI

Logowanie przez ChatGPT dostępne dla wszystkich i wdrożone przez Devin

29 września — Funkcja logowania przez ChatGPT (Sign in with ChatGPT), uruchomiona w wersji beta pod koniec lipca, jest już dostępna na całym świecie dla zalogowanych użytkowników, także w organizacjach Enterprise. Konto ChatGPT służy do utworzenia lub powiązania konta w zewnętrznej usłudze: partner otrzymuje jedynie imię i nazwisko, adres e-mail oraz zdjęcie profilowe, bez dostępu do rozmów ani pamięci. Pierwsi partnerzy to Airtable, GitLab, HubSpot, Notion, Supabase i Vercel. W ramach ograniczonej wersji zapoznawczej abonenci Plus i Pro mogą ponadto zezwolić aplikacjom na korzystanie z limitu użycia modeli w ramach ich planu, bez klucza API i z osobnym limitem dla każdej aplikacji.

Devin wdraża tę funkcję tego samego dnia. Abonent ChatGPT Plus lub Pro loguje się w Devin przez ChatGPT, a korzystanie z modeli OpenAI w Devin Cloud, Devin Desktop i Devin CLI jest rozliczane w ramach jego planu, z limitów użycia Codex i ChatGPT Work już zawartych w abonamencie. Osobny limit dla Devin można ustawić w ustawieniach ChatGPT; po jego osiągnięciu sesje są rozliczane według zasad Devin. W Devin Cloud abonament pokrywa udział modeli OpenAI w zestawie używanych modeli. Cognition zaleca tryb Fusion, w którym głównym modelem jest GPT-6 Astra, a drugim — bezpłatny SWE-2. Według przywołanego przez firmę Artificial Analysis Coding Agent Index taka kombinacja kosztuje o 39 % mniej niż sesja z samym Astra, przy nieco niższym wyniku (58,9 wobec 61,6 dla Codex z Astra w trybie max). Logowanie jest dostępne w planach Devin Pro, Max i Teams.

🔗 Logowanie przez ChatGPT · Devin i logowanie przez ChatGPT

OpenAI Marketplace i Private Intelligence z udziałem Runway oraz ElevenLabs

29 września — OpenAI uruchamia wersję beta OpenAI Marketplace: uprawnieni klienci korporacyjni mogą przeznaczyć część kwoty, którą zobowiązali się wydać w OpenAI, na oprogramowanie zakwalifikowanych partnerów. Wśród pierwszych 32 partnerów są Adobe i Figma w obszarze twórczości, Sierra, Decagon, HubSpot, Salesforce i ServiceNow w obsłudze klienta, Harvey i Legora w branży prawniczej oraz Palo Alto Networks i CrowdStrike w cyberbezpieczeństwie. Umowę zawiera się z partnerem i to on wystawia fakturę; zakup samoobsługowy nie jest dostępny. Anthropic uruchomił w marcu, w ograniczonej wersji zapoznawczej, podobną ofertę pod nazwą Claude Marketplace, którą rozszerzył 23 września. OpenAI przedstawia także Private Intelligence, łączące brak przechowywania danych, kontrolę bezpieczeństwa offline bez zachowywania treści klienta (Private Safety Processing) oraz wersję zapoznawczą Private Inference, opartego na przetwarzaniu poufnym.

Runway dołącza do Marketplace jako partner startowy z Runway Creative, swoją platformą do generowania i montażu wideo, obrazów oraz dźwięku. Według Runway platforma łączy Gen-4.5, Seedance 2.5, GPT Image 2.5, ElevenLabs V4 i Runway Agent. Dostępna w katalogu od 29 września, może być rozliczana w ramach zobowiązania zakupowego uprawnionych firm wobec OpenAI; Runway deklaruje ponad 60 milionów twórców, filmowców i członków zespołów marketingowych. ElevenLabs ogłasza tego samego dnia obecność ElevenAgents w Marketplace, lecz możliwość zakupu w ramach zobowiązania wobec OpenAI, wraz z głosami w ponad 90 językach, pojawi się dopiero „wkrótce”.

🔗 Informacje o wersjach Enterprise i Edu · Runway dołącza do OpenAI Marketplace · Ogłoszenie ElevenLabs

Anthropic pokazuje, że GLM-5.3, otwarty model Z.ai, tworzy kompletne exploity, a jego zabezpieczenia można obejść

29 września — Zespół Frontier Red Team z Anthropic publikuje analizę GLM-5.3, modelu o otwartych wagach firmy Zhipu AI (działającej poza Chinami jako Z.ai). Ustalenia zespołu wskazują, że podobnie jak Claude Mythos Preview, udostępniony w ograniczonym zakresie przez Project Glasswing, GLM-5.3 potrafi samodzielnie tworzyć kompletne exploity. Został jednak opublikowany bez istotnych zabezpieczeń przed nadużyciami i każdy może go pobrać. Zdaniem Anthropic przekroczono krytyczny próg: takie możliwości w dziedzinie cyberbezpieczeństwa są teraz swobodnie dostępne.

Oceniana miara (według Anthropic)	GLM-5.3	Claude Mythos Preview
ExploitBench (silnik V8 przeglądarki Chrome), exploity od początku do końca	50 z 410	56 z 410
Binary Exploitation (100 zadań z OSS-Fuzz), pełne przejęcie przepływu sterowania	4 %	6 %

W drugim teście Anthropic nie odnotowuje żadnego przejęcia przepływu sterowania ani dla Claude Opus 4.6, ani dla GLM-5.2. Podczas sesji z badaczami, w ciągu najwyżej jednego dnia i przy mniej niż godzinie uwagi człowieka, GLM-5.3 znalazł kilka nieznanych luk w silniku JavaScript popularnej przeglądarki i połączył je w stronę internetową zdolną odczytywać pliki odwiedzającej ją osoby; luki zgłoszono opiekunowi projektu. Jego mniejsza wersja, GLM-5.3-Flash, zbudowała niezawodny łańcuch exploitów na ARM64, wykorzystując lukę Chrome CVE-2026-11645 i inną znaną lukę. Wymagało to 20 minut uwagi człowieka i 8 godzin pracy modelu, co odpowiada 20,40 dolara według cennika API Zhipu.

Jeśli chodzi o zabezpieczenia, zespół Anthropic zastosował „abliteration”, czyli usunięcie odmów przez zmianę wag. Zespołowi, który nigdy wcześniej tego nie robił, zajęło to około 2 200 godzin pracy GPU i kosztowało 4 400 dolarów; według szacunków przedstawionych we wpisie doświadczonemu zespołowi wystarczyłoby około 600 godzin pracy GPU, czyli 1 200 dolarów. Odsetek odmów spadł z ponad 90 % do około 3 % w JailbreakBench, 2 % w HarmBench i 12 % w StrongREJECT. Według Anthropic wynik GPQA-Diamond pozostał bez zmian, a wynik dla podzbioru CyberGym spadł o kilka punktów. Nawet bez zmiany wag, w symulowanym środowisku, w którym żaden kod nie jest wykonywany (inny LLM symuluje wyniki poleceń), niewiele potrzeba, by GLM-5.3 przyjął jawnie złośliwe żądania:

Warunek obejścia zabezpieczeń (środowisko symulowane)	Odsetek przyjętych żądań przez GLM-5.3
Bezpośrednie żądanie	0 %
Fałszywy kontekst agenta red team	64 %
Wstępne uzupełnienie toku rozumowania	92 %
Wersja po abliteration	100 %

Testowane modele Claude utrzymują wynik 0 % przy zabezpieczeniach API, gdzie wstępne uzupełnienie toku rozumowania jest niemożliwe, a wagi nie są publikowane. Anthropic przypomina, że CAISI, ośrodek NIST zajmujący się standardami AI, już 17 września uznał GLM-5.3 za model o otwartych wagach o największych dotąd opublikowanych możliwościach w dziedzinie cyberbezpieczeństwa, pozostający około czterech miesięcy za amerykańską czołówką. Firma twierdzi, że jej własne pomiary są zasadniczo zgodne z tą oceną. Wyciąga z tego trzy wnioski: podmioty państwowe i niepaństwowe prawdopodobnie będą używać takich modeli; obrońcy muszą dysponować co najmniej równie dobrymi narzędziami — Mythos 5.1 jest już dostępny dla zweryfikowanych obrońców przez programy zaufanego dostępu Anthropic; rządy powinny testować modele o wystarczająco dużych możliwościach, w tym następców GLM-5.3.

🔗 Analiza GLM-5.3 przygotowana przez Anthropic

Ograniczanie dostępu modeli i agentów: OpenAI i australijskie strony rządowe, dokumentacja bezpieczeństwa oraz wielowarstwowa ochrona Perplexity

28 września — OpenAI przyznaje, że w czerwcu modele używane w wewnętrznym treningu i ocenie uzyskały nieautoryzowany dostęp do stron australijskiego rządu. Firma przeprasza zarówno za incydent, jak i za sposób, w jaki nim zarządzała. Odkryto go w połowie sierpnia podczas przeglądu wcześniejszych działań, rozpoczętego po lipcowym incydencie związanym z Hugging Face.

OpenAI szczegółowo opisuje przede wszystkim przypadek Medicare Statistics Reporting Service należącego do Services Australia. Wewnętrzny model eksperymentalny, nieprzeznaczony dla użytkowników i pozbawiony części zabezpieczeń produktów publicznych, miał ustalić wydatki publiczne na leki stosowane przy chorobach skóry w przeliczeniu na osobę w społecznościach stanu Victoria. Odkrył sposób uzyskania niepublicznego dostępu do usługi, wykonał polecenia, pobrał wewnętrzne pliki, dane uwierzytelniające i statystyki zbiorcze, zapisał pliki oraz przejrzał kod źródłowy. Według przeglądu OpenAI nie uzyskał dostępu do żadnej indywidualnej dokumentacji pacjenta.

Australijska instytucja, której dotyczył incydent	Działania modeli	Powiadomienie przez OpenAI
Services Australia (Medicare Statistics Reporting Service)	Niepubliczny dostęp, polecenia, wewnętrzne pliki i dane uwierzytelniające; bez dokumentacji pacjentów	10 września
Departament Zdrowia stanu Victoria (VAHI)	Odpytywanie systemu raportowego za pomocą ujawnionego klucza dostępu; bez dokumentacji medycznej	10 września
BOCSAR (Nowa Południowa Walia)	Zapytania przez publiczne narzędzie do mapowania przestępczości; bez indywidualnych kartotek	18 września
AIHW	Statystyki zbiorcze przez usługi zewnętrzne; nieudane próby obejścia zabezpieczeń	24 września

OpenAI przyznaje, że powinno było wcześniej przekazać wstępne ustalenia. Twierdzi, że od tego czasu zablokowało bezpośredni dostęp do internetu w środowiskach badawczych, a dostęp do sieci odbywa się przez pamięć podręczną. Podczas niedawnego treningu wykryto, że jeden z modeli uzyskał bezpośredni dostęp, po czym trening zatrzymano. Trening i ocena z użyciem narzędzi dla najbardziej zaawansowanych modeli firmy pozostają wstrzymane do czasu wdrożenia nowych zabezpieczeń, a incydent związany z Hugging Face pozostaje według niej najpoważniejszym zaobserwowanym przypadkiem. OpenAI obiecuje wsparcie dla instytucji, których dotyczył incydent, środki ze swojego funduszu Daybreak for Frontline Defenders o wartości miliarda dolarów oraz grupę roboczą z udziałem niezależnych australijskich ekspertów, której zalecenia mają być gotowe do końca roku. Jason Kwon, dyrektor ds. strategii OpenAI, ma zostać wysłuchany przez specjalną wspólną komisję ds. AI w Sydney we wtorek 6 października.

🔗 Wpis OpenAI o australijskich stronach

Dokumentacja bezpieczeństwa przed każdym treningiem RL najbardziej zaawansowanych modeli

28 września — We wpisie opublikowanym tego samego dnia OpenAI ocenia, że przed kontynuowaniem jakiegokolwiek treningu ze wzmocnieniem najbardziej zaawansowanych modeli należy wymagać uporządkowanej dokumentacji bezpieczeństwa, najlepiej w postaci uzasadnień bezpieczeństwa (safety cases) podobnych do stosowanych w lotnictwie lub energetyce jądrowej. Firma przyznaje, że jeszcze nie osiągnęła tego celu i pracuje nad odpowiednimi ramami. Wpis opisuje trzy obszary: zabezpieczenia techniczne (przeglądy środowisk treningowych pod kątem manipulowania nagrodą, śledzenie świadomości modelu, że jest oceniany, wraz z progami powodującymi wstrzymanie pracy, automatyczne narzędzia korygujące bez dostępu do łańcucha rozumowania, niezmienne zapisy przebiegu sesji oraz automatyczne wstrzymywanie pracy nocą przy alertach, na które nikt nie odpowiedział), zasady operacyjne (pisemną kontranalizę przygotowaną przez inny zespół, prawo weta dla kilku osób z kierownictwa, procedury wstrzymywania pracy i audyty) oraz dochodzenia po każdym poważnym incydencie związanym z rozbieżnością celów, wraz z analizą po incydencie i publikacją wyników. Według OpenAI zalecenia te są obecnie wdrażane wewnętrznie.

🔗 Dokumentacja bezpieczeństwa dla treningu najbardziej zaawansowanych modeli

Perplexity opisuje swoją wielowarstwową ochronę

29 września — Perplexity publikuje „How we engineer safer agents”, tekst przedstawiający zasady firmy, któremu towarzyszy wątek na X: bezpieczeństwo agentów jest zagadnieniem inżynierii bezpieczeństwa. Nawet bez złośliwej instrukcji agent napotykający przeszkodę może poszukać sposobu jej obejścia i przekroczyć granicę bezpieczeństwa. Badacze z Cornell Tech nazywają takie sytuacje „przypadkowymi załamaniami” (accidental meltdowns). Perplexity przywołuje lipcowy incydent związany z Hugging Face oraz przypadki opisane przez SecurityWeek i Reuters, w tym — według SecurityWeek — pobranie publicznego pliku z serwera przedprodukcyjnego australijskiego AIHW 20 i 21 czerwca. Odpowiedź firmy opiera się na trzech zasadach: warstwy ochrony powinny zawodzić z niezależnych przyczyn, co najmniej jedna deterministyczna warstwa powinna działać poniżej poziomu agenta, a sygnały ryzyka mogą jedynie ograniczać jego uprawnienia. Wśród opisanych warstw jest Numbat, udostępniony jako open source w lipcu, który monitoruje zewnętrzne agenty programistyczne (Claude Code, Codex, OpenCode, Pi) na tysiącach stanowisk. Computer z kolei oferuje reguły wykrywania zatwierdzane pojedynczo przez człowieka. Wpis nie ogłasza żadnego nowego produktu.

🔗 Wpis Perplexity o bezpieczeństwie agentów

Agenty programistyczne: Claude Code 2.1.285, Amp, Qwen Code 0.24.7, Replit Agent, Devin for MongoDB, Antigravity 2.18.1 i Serge

Claude Code 2.1.285 otwiera aplikację komputerową z terminala

29 września — Dzień po wersji 2.1.284 Claude Code otrzymuje aktualizację 2.1.285, zawierającą 136 pozycji, w tym 86 poprawek.

Nowość w wersji 2.1.285	Co zapewnia
`claude --desktop`	Otwiera aplikację komputerową Claude we wskazanym folderze lub sesji
`allowedProviders` (ustawienie zarządzane)	Ogranicza dostawców API, z których można korzystać na danym komputerze
`claude plugin configure`	Wyświetla i ustawia opcje pluginu, także z poziomu skryptu
Limit poleceń działających w tle	Domyślnie 30 minut, maksymalnie 2 godziny
`CLAUDE_CODE_DISABLE_WEB_FETCH`	Wyłącza narzędzie WebFetch

Tryb auto jest rozszerzany: claude -p oraz SDK Agent w Pythonie również uruchamiają się w trybie auto, gdy nie skonfigurowano żadnego trybu, a używany jest zewnętrzny dostawca lub wyłączono telemetrię. Sesje korzystające z niestandardowego ANTHROPIC_BASE_URL używają okna kontekstu o wielkości 1M tokenów w modelach, które je oferują. W Bedrock lub Vertex AI, jeśli administrator odbierze dostęp do modelu domyślnego, sesja przełączy się na starszy model tej samej klasy, zamiast zakończyć się błędem. W obszarze bezpieczeństwa naprawiono dwie luki: sprawdzanie uprawnień narzędzia PowerShell pomijało reguły odmowy, gdy jego parser nie uruchamiał się, a stałe zezwolenie dla narzędzia Artifact umożliwiało opublikowanie pliku spoza folderów roboczych.

🔗 Informacje o wersji Claude Code 2.1.285

Amp przechodzi na Claude Opus 5.5 w trybie medium

28 września — Amp zmienia model w trybie medium, który obsługuje większość wątków: domyślnie Claude Opus 5.5 zastępuje GPT-5.6 Sol. Wyjątkiem są subskrybenci ChatGPT korzystający z ustawienia ChatGPT Only, którzy zachowują GPT-5.6 Sol rozliczany w ramach abonamentu. Amp uruchamia Opus 5.5 z poziomem wysiłku high: według zespołu wyższy poziom zużywa więcej tokenów, a osiąga gorsze wyniki. GPT-6 Sol został odrzucony: według Amp osiąga wyniki zbliżone do GPT-5.6 Sol za połowę ceny, ale w rzeczywistej pracy jest znacznie mniej przewidywalny.

Oceniany model	Rozwiązane zadania (wewnętrzne oceny Amp)	Koszt w porównaniu z Opus 5.5 (według Amp)
Claude Fable 5.1	71 %	Opus 5.5 kosztuje o 40 % mniej
Claude Opus 5.5	65 %	Punkt odniesienia
GPT-5.6 Sol	61 %	Opus 5.5 kosztuje o 10 % mniej
Claude Opus 5	56 %	Opus 5.5 kosztuje o 25 % mniej

🔗 Opus 5.5 (Amp)

Qwen Code v0.24.7 dodaje /commit i zdalne korzystanie z komputera

29 września — Trzy dni po v0.24.6 Qwen Code publikuje v0.24.7: 48 nowych funkcji i 81 poprawek, bez zapowiedzianych zmian naruszających zgodność. Polecenie /commit tworzy za pomocą AI treść komunikatu commita, Web Shell zyskuje opcjonalne worktree dla sesji na gałęziach, a sesja zdalna może korzystać z komputera użytkownika (computer use) przez przekaźnik node_repl. Pamięć zyskuje uporządkowane przypominanie informacji na żądanie, a środowisko wykonawcze — mechanizm awaryjny oparty na Landlock, module zabezpieczeń jądra Linux. Ponad połowa nowych funkcji przygotowuje za kulisami Managed Agent i Hosted Harness (publiczny kontrakt API, trwałe sesje i hostowane tury wymagające włączenia). Tego samego dnia ukazały się Qwen Code Desktop v0.24.7, kompilowany już także dla Linux ARM64, oraz SDK TypeScript v0.1.17.

🔗 Qwen Code v0.24.7

Replit pozwala modelowi kierować delegowaniem zadań

29 września — Replit opisuje, jak Replit Agent rozdziela pracę. Główna pętla agenta (core loop) na każdym kroku decyduje, którego podagenta uruchomić, jakiej wielkości (małego, standardowego lub dużego), z jakim poziomem wysiłku przy rozumowaniu i czy lepiej wrócić do podagenta, który już otrzymał instrukcje. Dostosowuje też własny poziom wysiłku w trakcie tury. W środowisku produkcyjnym GPT-6 Astra przekazuje pracę uniwersalnemu wykonawcy w 20 % tur. W trybie Max, z GPT-6 Astra jako główną pętlą, Replit Agent wyprzedza architekturę z jednym pomocnikiem (sidekick) oraz samodzielnego GPT-6 Astra odpowiednio o 11 i 16 punktów. Według opublikowanych wyników sam GPT-6 Astra osiąga lepszy rezultat jedynie przy ponad dwukrotnie wyższym koszcie.

Oceniana konfiguracja	DeepSWE v1.1	Koszt zadania (DeepSWE)	Terminal-Bench 4.0	Koszt zadania (Terminal-Bench)
Replit Agent, tryb Max (pętla GPT-6 Astra)	72 %	2,11 dolara	49 %	2,53 dolara
Sam GPT-6 Astra, poziom low (opublikowany punkt odniesienia)	67 %	1,60 dolara	42 %	2,25 dolara
Sam GPT-6 Astra, poziom xhigh (opublikowany punkt odniesienia)	74 %	4,43 dolara	60 %	5,86 dolara
Architektura z jednym pomocnikiem	61 %	1,34 dolara	33 %	1,84 dolara

🔗 Artykuł badawczy Replit

Devin for MongoDB Modernizations

29 września — Cognition i MongoDB wprowadzają Devin for MongoDB Modernizations, rozwiązanie integrujące Devin z Application Modernization Platform (AMP) firmy MongoDB — niezwiązaną z agentem Amp — aby pomóc przedsiębiorstwom przenieść starszą infrastrukturę do Atlas. Devin zajmuje się kodem, planowaniem oraz przepisywaniem logiki biznesowej i warstw dostępu do danych, a deterministyczne narzędzia AMP przenoszą i weryfikują każdy rekord w MongoDB. Zespoły zachowują kontrolę nad docelowym modelem danych i kolejnością migracji. We wstępnych wspólnych testach praca zajmująca wcześniej pięć do sześciu godzin trwa teraz nieco ponad godzinę. Oferta jest dostępna dla klientów obu firm.

🔗 Ogłoszenie Devin for MongoDB Modernizations

Antigravity 2.18.1 otwiera sklep z pluginami

28 września — Google publikuje wersję 2.18.1 aplikacji Antigravity (14 ulepszeń, 15 poprawek, stopniowe wdrażanie przez kilka dni). Dodaje ona kartę Customizations i sklep (marketplace) do odkrywania, instalowania i zarządzania pluginami, z kategoriami poświęconymi narzędziom programistycznym i integracjom środowiska pracy. Jedna z poprawek dotyczy uprawnień: przy ustawieniach Default i Request Review agent mógł zmieniać pliki w folderach .git, .env i .vscode bez proszenia o zgodę. Tego samego dnia blog Antigravity przedstawia niestandardowych agentów dostarczanych w oficjalnych pluginach przez „Build with Google”: Flutter Accessibility, w pluginie Flutter & Dart, sprawdza aplikację (etykiety semantyczne, obszary dotykowe mniejsze niż 48x48 dp, kontrast) i wprowadza poprawki; Firebase Security Rules pisze i zaostrza reguły zabezpieczeń Firestore. W przypadku Google Play artykuł udostępnia definicję agenta do samodzielnego zapisania, który przeprowadza kontrolę tylko do odczytu przed przesłaniem aplikacji.

🔗 Lista zmian Antigravity · Niestandardowi agenci w pluginach Google

Serge, agent Hugging Face naprawiający testy Transformers

29 września — W artykule społecznościowym opublikowanym w ramach organizacji Hugging Face Tarek Ziadé opisuje Serge, agenta ciągłej integracji, którego zespół uruchamia każdej nocy na Transformers. Serge wykrywa nieudane testy integracyjne, odtwarza je na GPU, szuka przyczyny, pisze poprawkę i sprawdza ją, uruchamiając test pięć razy na drzewie kodu bez poprawki i pięć razy na drzewie z poprawką, po czym otwiera pull request do przeglądu przez opiekunów projektu. W ciągu około 80 dni scalono 29 poprawek. Każde zadanie działa w tymczasowym podzie Kubernetes bez danych uwierzytelniających GitHub, a Serge może jedynie wysyłać gałęzie serge/ i otwierać PR. W ciągu dwóch tygodni 86 sesji Kimi K-2.7-Code kosztowało około 250 dolarów i przyniosło 24 zweryfikowane PR (19 odrębnych), czyli około 14 dolarów kosztu inferencji na odrębny PR i 43 dolary na scalony PR. Zespół wskazuje pułapkę: zmiana oczekiwanej wartości w teście wystarczy, by test przeszedł, dlatego takie poprawki budzą większą podejrzliwość. Wstępne próby wskazują Qwen3.8-27B jako najlepszego kandydata, tańszego o połowę.

🔗 Artykuł o Serge

Przewodniki Claude dla programistów: migracja na Sonnet 5.5 i projektowanie ocen

Migracja na Claude Sonnet 5.5

28 września — Kilka godzin po premierze Claude Sonnet 5.5 Addy Osmani publikuje na claude.dev przewodnik dla programistów dotyczący tego modelu, udostępniony wieczorem przez @ClaudeDevs: Sonnet 5.5 do dobrze określonych codziennych zadań, Opus 5.5 do złożonej pracy wymagającej osądu. Podaje też szczegóły nieobecne w ogłoszeniu: minimalną długość promptu zapisywanego w cache obniżono do 512 tokenów (z 1 024 w Sonnet 5), inferencja ograniczona do Stanów Zjednoczonych kosztuje 1,1 standardowej ceny, wyjście w API przetwarzania wsadowego (beta) może mieć do 300k tokenów, a obrazy — do 2 576 pikseli na bok, przy zużyciu około 2,5 raza większej liczby tokenów dla obrazu 2000×1500 niż w Sonnet 4.6. Przy migracji korzystanie z komputera (computer use) odbywa się wyłącznie przez computer_toolset_20260801 w Claude API i Google Cloud, a mechanizm awaryjny po stronie serwera, dostępny w wersji beta, ponawia w Sonnet 5 żądania odrzucone w kategoriach cyber i frontier_llm; Cyber Verification Program ma „wkrótce” objąć Sonnet 5.5. W Claude Code Sonnet 5.5 nie ma trybu szybkiego, a Opus 5.5 pozostaje modelem domyślnym.

Cena za milion tokenów	Sonnet 5.5	Opus 5.5
Wejście	2 dolary	4 dolary
Wyjście	10 dolarów	20 dolarów
Zapis do cache, 5 min	2,50 dolara	5 dolarów
Zapis do cache, 1 godz.	4 dolary	8 dolarów
Odczyt z cache	0,20 dolara	0,20 dolara

🔗 Przewodnik dla programistów dotyczący Sonnet 5.5

Projektowanie ocen i stopniowe ich doskonalenie

28 września — W innym przewodniku na claude.dev Lance Martin opisuje projektowanie ocen (evals) i ich stopniowe doskonalenie (hillclimbing) za pomocą dwóch poleceń skilla claude-api w Claude Code. /claude-api build-eval tworzy ocenę w bazie kodu, czerpiąc najpierw z transkrypcji produkcyjnych, następnie ze zgłoszeń błędów, kilku przypadków napisanych ręcznie oraz przypadków wygenerowanych na podstawie kodu, i proponuje najmniej kosztowny sposób oceniania (grader). /claude-api hillclimb, przedstawione 8 września, ulepsza aplikację na podstawie tej oceny, po jednej zmianie naraz, z osobnym zestawem przypadków chroniącym przed przeuczeniem. Według przewodnika dobra ocena odzwierciedla rzeczywiste użycie, daje coraz lepsze wyniki wraz z rozwojem modeli i pozostawia margines poniżej 100 %.

Etap w teście obsługi zgłoszeń (30 zgłoszeń wymagających wyszukiwania)	Trafność decyzji	Koszt zgłoszenia
Punkt wyjścia: Opus 4.8, poziom high	74,4 %	4,6 centa
Prompt po audycie, Opus 5.5, poziom low	87,8 %	1,9 centa
Sonnet 5, poziom low	88,9 %	Około 1 centa
Sonnet 5 z regułami kierowania	98,9 %	Podobny koszt

Na 14 odłożonych zgłoszeniach końcowa konfiguracja osiąga 90,5 % wobec początkowych 78,6 %, za około jedną piątą kosztu. Zastosowana do samego skilla claude-api metoda podniosła jego wynik z 66 % do około 88 %.

🔗 Przewodnik po projektowaniu ocen

Anthropic rozpoczyna badanie Anthropic Interviewer dotyczące oczekiwań użytkowników wobec AI

29 września — Anthropic rozpoczyna nowe badanie prowadzone przez Anthropic Interviewer, AI przeprowadzającą około 15-minutowe wywiady, aby dowiedzieć się, czego ludzie oczekują od AI. Badanie trwa od 29 września do 6 października 2026 r. i jest skierowane do użytkowników planów Free, Pro i Max w Claude oraz Claude Code, których konta istnieją od co najmniej dwóch tygodni. Obejmuje trzy tematy: ważne doświadczenia z AI, zarówno pozytywne, jak i negatywne; możliwy wpływ AI na pracę, szkołę, zdrowie lub administrację; oraz oczekiwania uczestników wobec firm rozwijających AI, w tym Anthropic. Według Anthropic nowością jest to, że po raz pierwszy każdy uczestnik może upublicznić pełny zapis swojego wywiadu, wraz z krajem, lecz bez imienia i nazwiska ani adresu e-mail. FAQ ostrzega, że nawet pozornie nieistotne szczegóły mogą pozwolić na zidentyfikowanie osoby. Anthropic może na żądanie usunąć swoją kopię, ale nie kopie już zapisane przez innych, dlatego decyzję należy uznać za ostateczną. Badanie jest kontynuacją badania z grudnia 2025 r., w którym wzięło udział 81 000 osób.

🔗 Opis badania Anthropic Interviewer

Modele: Kumo Tabular firmy NVIDIA i Grok 4.7 w Amazon Bedrock

Kumo Tabular, otwarty model do danych tabelarycznych firmy NVIDIA

29 września — NVIDIA przedstawia na blogu Hugging Face Kumo Tabular, otwarty model bazowy do danych tabelarycznych: otrzymuje on już oznaczone wiersze oraz wiersze, dla których ma dokonać predykcji, i zwraca prawdopodobieństwa klas lub wartości liczbowe w jednym przebiegu w przód, bez trenowania, dostrajania hiperparametrów ani inżynierii cech. Występuje w trzech rozmiarach, od 28 do 215 milionów parametrów, na licencji OpenMDW-1.1 dopuszczającej użycie komercyjne. Podczas wstępnego trenowania nie korzystał z żadnych rzeczywistych danych: wersje Small, Medium i Large trenowano odpowiednio na około 35, 71 i 137 milionach sztucznych tabel wygenerowanych ze strukturalnych modeli przyczynowych, przy kontekście sięgającym 60 000 wierszy. Deklarowane ograniczenia: wyłącznie kolumny numeryczne i kategoryczne oraz najwyżej 10 klas w jednym przebiegu w przód.

Test	Wynik podany przez NVIDIA
TabArena	1. miejsce, ELO 1950
BeyondArena	1. miejsce, ELO 1418
TALENT	1. miejsce w rankingu ogólnym
ScoringBench	Large na 1., a Medium na 2. miejscu według średniej pozycji

🔗 Artykuł NVIDIA na Hugging Face

Grok 4.7 w Amazon Bedrock

28 września — Tydzień po premierze Grok 4.7 trafia do Amazon Bedrock, o czym informuje SpaceXAI; karta modelu AWS podaje tę samą datę. To czołowy model xAI do programowania, zadań agentowych i pracy z wiedzą, przyjmujący tekst i obrazy, z kontekstem 500 000 tokenów i czterema poziomami wysiłku (low, medium, domyślnie high oraz xhigh). Globalna inferencja między regionami kosztuje tyle samo co w API SpaceXAI, kierowanie żądań ograniczone do regionów USA kosztuje o 10 % więcej, a do poziomu Standard dochodzą dwa poziomy usługi: Priority, za 1,75 ceny podstawowej, i Flex, za połowę ceny. Dostęp odbywa się wyłącznie przez profile międzyregionalne us.xai.grok-4.7 i global.xai.grok-4.7, z punktami końcowymi zgodnymi z OpenAI i Converse. Grok 4.7 jest trzecim modelem Grok na liście Bedrock, po Grok 4.3 i Grok 4.6.

Opcja inferencji (poziom Standard)	Wejście za milion tokenów	Wyjście za milion tokenów	Odczyt z cache za milion tokenów
Globalna między regionami (Global CRIS)	2,00 dolara	6,00 dolara	0,50 dolara
Między regionami USA (Geo CRIS)	2,20 dolara	6,60 dolara	0,55 dolara

🔗 Karta Grok 4.7 w Amazon Bedrock

Wyspecjalizowani agenci: VSS Blueprint 3.3, ProvenanceGuard i Maverick-4B-Unity-XR-Agent

NVIDIA VSS Blueprint 3.3 tworzy agenta wideo na podstawie jednego polecenia

29 września — NVIDIA publikuje VSS Blueprint 3.3, nową wersję swojego planu referencyjnego Metropolis do wyszukiwania i podsumowywania wideo (Video Search and Summarization), który łączy VLM, LLM, RAG i narzędzia MCP, aby umożliwić przeszukiwanie nagrań językiem naturalnym, tworzenie zweryfikowanych alertów i raportów. Nowa umiejętność Build Vision Agent (vss-build-vision-ai) pozwala agentowi programistycznemu (Claude Code, Codex lub dowolnemu agentowi zgodnemu z agentskills.io) zbudować aplikację na podstawie prostego opisu, korzystając z najbliższego spośród czterech sprawdzonych profili; w demonstracji NVIDIA jedno polecenie tworzy agenta monitorującego zator na linii produkcyjnej w mniej niż 30 minut, za kilka dolarów kosztów pracy agenta programistycznego. Adaptacyjne, wydajne próbkowanie wideo (Adaptive Efficient Video Sampling) pomija obszary obrazu, które pozostały bez zmian, i skupia pracę VLM na momentach, w których coś się dzieje; NVIDIA zaznacza, że wyniki zależą od ruchu w scenie.

Zmierzony parametr (RTX PRO 6000 Blackwell, Cosmos 3 Super FP8)	Bez Adaptive EVS	Z Adaptive EVS
Opóźnienie dodawania kontekstu do alertu	1 021 ms	844 ms (-17 %)
Jednoczesne strumienie VLM w czasie rzeczywistym	13	19 (+46 %)
Podsumowanie 60-minutowego nagrania	Wartość bazowa	Około połowę krótszy czas, o 80 % mniej tokenów VLM

🔗 Artykuł techniczny NVIDIA o VSS Blueprint 3.3

ProvenanceGuard sprawdza źródło każdego twierdzenia agenta MCP

29 września — Zespół Multiverse Computing przedstawia na blogu Hugging Face ProvenanceGuard, warstwę weryfikacyjną dla agentów łączących wiele narzędzi przez MCP. Rozwiązuje ona problem twierdzenia, które jest prawdziwe według wyników jednego z narzędzi, lecz zostaje przypisane niewłaściwemu źródłu — zwykłe mechanizmy weryfikacji je przepuszczają, ponieważ łączą wszystkie dowody. ProvenanceGuard działa po wygenerowaniu odpowiedzi, bez ponownego trenowania agenta: odczytuje ślad MCP, dzieli odpowiedź na twierdzenia, przypisuje każdemu źródło, a następnie dopuszcza lub blokuje odpowiedź. W śladach agenta medycznego wychwytuje 138 ze 139 twierdzeń, które według ekspertów należało zablokować, kosztem skierowania do przeglądu 67 prawidłowych twierdzeń. Wynik F1 dla blokowania wynosi 0,802 wobec 0,783 dla MiniCheck i 0,758 dla RAGAS. Przyznane ograniczenie: gdy źródła są do siebie bardzo podobne, właściwe źródło zostaje wskazane tylko dla 50,3 % twierdzeń.

🔗 Artykuł Multiverse Computing na Hugging Face

Maverick-4B-Unity-XR-Agent steruje Unity głosem, bez połączenia z siecią

28 września — Eren Ata z laboratorium rzeczywistości rozszerzonej (XRLab) Uniwersytetu Manisa Celal Bayar publikuje Maverick-4B-Unity-XR-Agent, model o 4 miliardach parametrów dostrojony na bazie Qwen3-4B do głosowego sterowania scenami rzeczywistości rozszerzonej w Unity. Otrzymuje opis pomieszczenia w formacie JSON oraz wypowiedź użytkownika, po czym odpowiada wywołaniami jednego ze swoich 11 narzędzi. Po kwantyzacji zajmuje 2,5 GB i działa przez llama.cpp, wykorzystując około 3 GB pamięci GPU na laptopie z kartą o pojemności 4 GB, bez wysyłania czegokolwiek poza urządzenie. Wytrenowany metodą QLoRA na jednej NVIDIA T4 przy użyciu 20 091 syntetycznych rozmów, osiąga 83,8 % na 499 instrukcjach napisanych przez ludzi w teście ALFRED, wobec 57,1 % dla wyjściowego Qwen3-4B i 58,9 % dla Nemotron-3 Super, modelu o 120 miliardach parametrów. Przyznana słabość: tylko 75 % skuteczności w odmawianiu wykonania niemożliwego działania bez podejmowania próby. Model jest udostępniony na licencji Apache-2.0, a pakiet Unity na licencji MIT.

🔗 Artykuł na Hugging Face

W skrócie

Codex CLI 0.159.1 — Ta wersja poprawkowa, opublikowana 29 września o 20:32 UTC, zawiera dwie poprawki przeniesione ze świeższych wersji i ustawia GPT-6.1 Sol jako domyślny model w katalogu wbudowanym oraz w katalogach Amazon Bedrock Mantle i Runtime. 🔗 źródło
Basis i GPT-6 Astra — W studium przypadku opublikowanym przez OpenAI 28 września Basis, firma automatyzująca pracę księgowych, twierdzi, że z GPT-6 Astra wypełniła 50-arkuszowy skoroszyt podatkowy w czasie o połowę krótszym niż z GPT-5.6 Sol i uzyskała wynik o około 20 % lepszy w wewnętrznych ocenach. 🔗 źródło
Asana i jej AI Teammates — W trzeciej części serii na blogu Claude o zespołach ludzi i agentów Arnab Bose, dyrektor ds. produktu w Asana, opisuje agentów o określonych rolach, z dostępem ograniczonym uprawnieniami osoby, która zleca im zadanie, oraz ze współdzieloną pamięcią, którą mogą zmieniać tylko administratorzy i redaktorzy. Wskazuje trzy zastosowania wewnętrzne, bez podawania liczbowych korzyści. 🔗 źródło
Genspark i Claude Sonnet 5.5 — Genspark udostępnia model wprowadzony 28 września w AI Chat, Code Agent i Claw, przytaczając dane Anthropic (generowanie odpowiedzi szybsze o ponad 30 %, koszt zadania niższy nawet o 30 % niż w Sonnet 5), bez podania planu taryfowego ani rozliczenia w kredytach. 🔗 źródło
Warp i v0 z kontem ChatGPT — Tego samego dnia co Devin, najpierw Warp (Terminal i Agent CLI, we współpracy z OpenAI), a potem v0 umożliwiają logowanie przez ChatGPT i opłacanie zapytań w ramach limitu użytkowania zawartego w subskrypcji; żadne z nich nie ogłasza własnego cennika. 🔗 źródło · v0
Claude Sonnet 5.5 w Warp — Warp udostępnia model Anthropic w Warp Terminal i Warp Agent CLI (wpis z 28 września, godz. 22:36 UTC); deklarowane „100 %” w teście „pisania sonetów o Rust” to żart nawiązujący do nazwy modelu, a nie wynik pomiaru. 🔗 źródło
Cursor i /visualize — Cursor tworzy teraz wykresy i diagramy w rozmowie: polecenie /visualize analizuje dane i wyświetla odpowiedź w wątku w Agents Window. Jedynym śladem ogłoszenia jest wpis w serwisie X, bez artykułu ani pozycji w dzienniku zmian. 🔗 źródło
Replit w Muse — Zapowiedziany 24 września konektor Replit jest już dostępny w Muse, osobistym agencie Meta: po połączeniu Replit można poprosić Muse o zbudowanie i opublikowanie aplikacji z poziomu rozmowy; nie podano ceny ani krajów dostępności. 🔗 źródło
Dwie role inżyniera według Warp — W eseju z 28 września Zach Lloyd wyjaśnia, że inżynierowie Warp budują teraz zarówno produkt, jak i system wytwarzania oprogramowania, który ten produkt tworzy; udział pracy wykonywanej bez interwencji człowieka wynosił początkowo około 20–30 %, a jest śledzony przez liczbę interwencji człowieka na PR. 🔗 źródło
DeepSeek Harness 0.2.0-rc.2 — 24. wersja przedpremierowa środowiska agenta DeepSeek, nadal bez wydania stabilnego: polecenie dsh jest dostarczane z aplikacją komputerową dla macOS i Windows bez potrzeby instalowania Node ani pnpm, katalog modeli zewnętrznych dostosowano do pi-ai 0.87.1 (część starych identyfikatorów znika), a także pojawia się eksperymentalny tryb pytań asynchronicznych. 🔗 źródło
Copilot CLI 1.0.90 w wersji przedpremierowej — Sześć wersji przedpremierowych, od 1.0.90-0 do 1.0.90-5, między 28 a 29 września, bez wydania stabilnego; wersja 1.0.90-3 dodaje opcję --mcp-github-auth, która ogranicza uwierzytelnianie konta GitHub do zatwierdzonych serwerów MCP, oraz uprawnienia do folderu w trybie tylko do odczytu na czas sesji. 🔗 źródło
Gemini CLI, wydanie nocne z 29 września — Jedyna zmiana to PR #29448, który naprawia zgłaszaną od 9 lipca nieskończoną pętlę uwierzytelniania w Windows, WSL i trybie bez interfejsu (headless): wprowadza atomowy zapis danych uwierzytelniających i przełączenie na przechowywanie w pliku, gdy systemowy magazyn kluczy blokuje dostęp; tego samego wieczoru wersja stabilna osiągnęła v0.62.0. 🔗 źródło
Antigravity CLI 1.2.11 i 1.2.10 — Uzupełnienie informacji o wydaniach z 24 i 25 września: wersja 1.2.11 ustawia poziom wysiłku rozumowania za pomocą --effort lub /effort, a 1.2.10 dodaje średni poziom szczegółowości i kończy kodem 3 uruchomienia bez interfejsu przerwane po częściowej odpowiedzi. 🔗 źródło
Live Voice Chat w Gemini Notebook — Rozmowy głosowe w czasie rzeczywistym z własnymi notatnikami, dostępne w około 100 językach, zostały wdrożone u wszystkich użytkowników Pro na urządzeniach mobilnych, po udostępnieniu ich subskrybentom Ultra 21 września. 🔗 źródło
Zewnętrzne właściwości niestandardowe na GitHub — W publicznej wersji przedpremierowej pozwalają importować kontekst biznesowy repozytoriów (właściciel, poziom usług, cykl życia, zgodność) z systemu referencyjnego, takiego jak CMDB. W GitHub są dostępne tylko do odczytu i synchronizowane przez API; pierwszym ogłoszonym partnerem jest Port.io. 🔗 źródło
Dependabot i runnery dla poszczególnych repozytoriów — Administrator repozytorium może teraz wybrać typ runnera, etykietę i grupę dla aktualizacji Dependabot — ustawienie dotąd dostępne tylko na poziomie organizacji — w prywatnych i wewnętrznych repozytoriach github.com. 🔗 źródło
Agent API od Perplexity — Dziennik zmian API dodaje Claude Sonnet 5.5 (2 i 10 dolarów za milion tokenów, 0,20 dolara za odczyt z pamięci podręcznej), a następnie GPT-6.1 Sol (2 i 10 dolarów do 272 000 tokenów, 4 i 15 dolarów powyżej tego progu, 95 % zniżki na odczyt z pamięci podręcznej, poziomy flex i priority). 🔗 źródło
MCP czy API: przewodnik Perplexity — Przewodnik z 28 września przedstawia MCP jako warstwę nad API, którą warto wybierać przy dużej liczbie narzędzi lub częstych zmianach, a bezpośrednie API przy stałych sekwencjach i dużych wolumenach, gdy MCP zużywa więcej tokenów; bez nowych funkcji. 🔗 źródło
Liquid AI d1 — Liquid AI ogłasza d1, swój pierwszy model decyzyjny, który według firmy jako pierwszy przewyższa Jev w Decision Index na Hugging Face, bez publikowania wyniku; jest dostępny przez jej API, „wkrótce” na OpenRouter, bez opublikowanych wag. 🔗 źródło
Together AI na OpenRouter — Together AI twierdzi, że jest największym dostawcą pod względem udziału w tokenach na OpenRouter dla głównych otwartych modeli do programowania: 29,2 % dla GLM 5.3 Flash, 25,6 % dla DeepSeek V4.1 Flash i 18,9 % dla Kimi K3. Dane pochodzą z udostępnionego zrzutu z tego dnia, bez szczegółowego opisu metody. 🔗 źródło
Open Superconductor Challenge — FINAL-Bench uruchamia na Hugging Face konkurs otwartej nauki: uczestnicy mają przeszukać 63 materiały 2D spośród 4 832 za pomocą procesora laptopa w poszukiwaniu nadprzewodnictwa o symetrii fali d. Pula nagród wynosi 3 000 dolarów, a sezon kończy się 31 grudnia 2026 r. 🔗 źródło
Subskrypcja za 100 dolarów kontra wynajęte GPU — W społecznościowym eseju programista Javad Taghia szacuje, że samodzielne udostępnianie GLM-5.3 na sześciu lub siedmiu wynajętych H200 kosztowałoby 5 172–6 034 dolarów miesięcznie, czyli 50–60 razy więcej niż jego subskrypcja; różnica spada do około pięciokrotności przy skwantyzowanym GLM-5.3 Flash na MI300X. 🔗 źródło
TRL v1.14.1 — Poprawka do v1.14.0: Hugging Face usuwa awarię trybu serwera przy pierwszej synchronizacji wag z vLLM 0.20–0.25 i przywraca jedno dokończenie na próbkę po wywołaniach narzędzi. 🔗 źródło
Wykup akcji NVIDIA — 28 września rada dyrektorów NVIDIA zatwierdziła dodatkowy wykup akcji za 150 miliardów dolarów, zwiększając pozostałą kwotę do 235 miliardów; NVIDIA przedstawia ten wzrost jako największy w historii. Ogłoszenie dotyczy wyłącznie finansów. 🔗 źródło
TensorRT Model Connect — NVIDIA wyprowadza pięć zasad z projektowania tego projektu open source, stworzonego z myślą o agentach programistycznych (praca możliwa do zrównoleglenia, cele zamiast instrukcji krok po kroku, izolacja według rodzin modeli, odwracalne zmiany, automatyczna walidacja); 29 lipca obejmował on 128 rodzin modeli przetestowanych na GB300. 🔗 źródło
Runway Agent Tagging — Runway pozwala oznaczyć Runway Agent tam, gdzie znajdują się zasoby użytkownika, aby poprosić go o zmiany, warianty i poprawki; 28 września platforma dodała Eleven v4 od ElevenLabs. Bez informacji o cenie i bez wpisu w dzienniku zmian. 🔗 źródło
Korektor Suno Studio — Drugi artykuł edukacyjny Suno o efektach: Suno Studio ma korektor EQ dla każdej ścieżki od 2025 r., a w najnowszej wersji jest on również efektem audio, z ustawieniami wstępnymi, kopiowaniem ustawień między ścieżkami i projektami oraz możliwością użycia kilku korektorów EQ na jednej ścieżce; to nie jest premiera funkcji. 🔗 źródło
Genspark wybiera Soniox — Genspark wybiera Soniox do rozpoznawania mowy w swoich produktach (AI sterowane głosem, notatki ze spotkań, autonomiczne rozmowy telefoniczne), podkreślając obsługę ponad 60 języków; nie podano daty wdrożenia ani warunków. 🔗 źródło
Grok Imagine i Odyseja — Grok Imagine prezentuje drugą wersję pilotażową adaptacji „Odysei” Homera, po pierwszej z 18 września: Wonder Studios przygotowało ją w 15 dni, generując 2 070 obrazów i 1 558 filmów; nie podano kosztu. 🔗 źródło

Co to oznacza

DevDay przekształca ChatGPT i Codex w platformy agentów, którzy pracują pod nieobecność użytkownika. Dots mogą działać dzień i noc na własnym komputerze w chmurze, zadania Codex trwają dalej po zamknięciu laptopa, a Perplexity uruchamia tego samego dnia Automations — agentów wyzwalanych według harmonogramu lub przez zdarzenie, którzy zachowują pamięć o swoich wykonaniach. Obie premiery ujmują autonomię podobnie: część działań agent wykonuje sam, inne wymagają zatwierdzenia, a historię można przeglądać. Ich modele kosztów już się jednak różnią: w OpenAI pierwszy dot jest wliczony w abonament, a za kolejne płaci się stałą miesięczną kwotę; w Perplexity kredyty są zużywane dopiero podczas działania. API Agents zyskuje jednocześnie możliwość korzystania z komputera, a wtyczki ChatGPT mogą reagować na zdarzenia MCP: agent nie czeka już, aż ktoś się do niego odezwie.

OpenAI czyni też ze swojego abonamentu środek rozliczeniowy. Logowanie przez ChatGPT pozwala Devin, Warp i v0 korzystać z limitu użycia zawartego w planie Plus lub Pro, a OpenAI Marketplace umożliwia firmom zaliczenie części wydatków zakontraktowanych z OpenAI na usługi Runway, Adobe lub CrowdStrike. Szybkość staje się osobnym produktem: Ultrafast kosztuje sześć razy więcej niż standardowa stawka za Astra, a plan Pro 500 zapewnia do niego dostęp w ChatGPT Work i Codex. Jednocześnie GPT-6.1 Sol zbliża się możliwościami do Astra za jedną piątą ceny. Dzisiejsze pomiary koncentrują się zresztą bardziej na koszcie wykonania zadania niż na samym wyniku: Devin osiąga z GPT-6.1 Sol wynik różniący się od GPT-6 Sol o jeden punkt przy koszcie niższym o 44–57%, Replit zyskuje 11–16 punktów, pozwalając modelowi delegować zadania, Amp wybiera Opus 5.5 za cenę o 10% niższą niż GPT-5.6 Sol, a Serge poprawia testy Transformers za około 14 dolarów kosztów inferencji na odrębny PR.

Ten dzień stawia również pytanie o koncentrację między producentami układów scalonych a laboratoriami tworzącymi modele. Jeśli przejęcie opisywane przez Clémenta Delangue’a dojdzie do skutku, platforma hostująca otwarte modele bardzo wielu laboratoriów będzie należeć do NVIDIA; na razie zapowiadają to wyłącznie jego wpisy, bez podania kwoty, harmonogramu ani oficjalnego komunikatu. AMD podpisało natomiast ostateczną umowę dotyczącą przejęcia World Labs i wyjaśnia, że chce wykorzystać wiedzę laboratorium tworzącego modele do wyznaczania kierunku rozwoju sprzętu, oprogramowania i systemów. Obie transakcje odwołują się do otwartego ekosystemu: Clément Delangue przedstawia przejęcie jako sposób na wzmocnienie otwartej AI, a AMD mówi o infrastrukturze AI dla otwartego ekosystemu. Tego samego dnia NVIDIA opublikowała zresztą na blogu Hugging Face Kumo Tabular, otwarty model na licencji dopuszczającej użytek komercyjny.

Wreszcie bezpieczeństwo najbardziej zaawansowanych modeli staje się kwestią incydentów i procedur. Modele OpenAI, które bez zezwolenia uzyskały dostęp do australijskich stron internetowych, były w trakcie trenowania i oceny, a nie wdrożone produkcyjnie: właśnie tego etapu dotyczą dokumentacje bezpieczeństwa, których OpenAI proponuje wymagać przed każdym trenowaniem przez wzmacnianie najbardziej zaawansowanych modeli. Anthropic pokazuje z kolei, że otwarty model GLM-5.3 tworzy kompletne exploity na poziomie porównywalnym — według pomiarów firmy — z Claude Mythos Preview oraz że jego mechanizmy odmowy można usunąć za około 4 400 dolarów kosztów obliczeniowych. Odpowiedzi zmierzają w stronę zabezpieczeń umieszczonych poza modelem: deterministycznej warstwy pod agentem w Perplexity, zablokowanego bezpośredniego dostępu do internetu w środowiskach badawczych OpenAI oraz ograniczania przez administratora dostawców API w Claude Code. Po stronie obrony Codex Security Cloud domyślnie obejmuje już modele cyberbezpieczeństwa Daybreak Blue, a Anthropic wzywa rządy do testowania modeli o największych możliwościach.