Grok 4.5 rzuca wyzwanie modelom granicznym, OpenAI uruchamia GPT-Live w full-duplex, Mistral wchodzi do robotyki z Robostral Navigate

Ten 8 lipca upływa pod znakiem trzech ważnych premier modeli: Grok 4.5 od SpaceXAI, współtrenowanego z Cursor do kodu i zadań agentowych; GPT-Live od OpenAI, nowej architektury głosowej full-duplex, która zastępuje Advanced Voice Mode; oraz Robostral Navigate, pierwszego modelu Mistral do nawigacji robotycznej. Cognition dopełnia obraz z SWE-1.7, Runway uruchamia ujednoliconą platformę API do generowania mediów, a Gemini CLI przechodzi do stabilnej wersji 0.50.0. Dwanaście istotnych newsów i trzy krótkie informacje uzupełniają ten przegląd, obejmując narzędzia agentowe dla deweloperów, wiarygodność benchmarków kodu i inferencję open source.

Grok 4.5: SpaceXAI uruchamia swój najinteligentniejszy model, współtrenowany z Cursor

8 lipca — SpaceXAI (dawniej xAI) uruchamia Grok 4.5, przedstawiany jako jego najinteligentniejszy model do tej pory, zaprojektowany tak, aby wyróżniać się w kodzie, zadaniach agentowych i pracy wiedzochłonnej. Co istotne: model został wytrenowany wspólnie z Cursor, partnerstwem wyraźnie podkreślanym przez SpaceXAI.

“Today, we’re launching Grok 4.5, SpaceXAI’s smartest model built to excel at coding, agentic tasks, and knowledge work. It’s our strongest model ever and was trained alongside Cursor.”

🇵🇱 Dziś uruchamiamy Grok 4.5, najinteligentniejszy model SpaceXAI, zaprojektowany, by wyróżniać się w kodzie, zadaniach agentowych i pracy wiedzochłonnej. To nasz najmocniejszy model do tej pory, wytrenowany wspólnie z Cursor. — SpaceXAI, x.ai/news/grok-4-5

W opublikowanych benchmarkach Grok 4.5 plasuje się w czołówce, choć nie dominuje konsekwentnie:

Benchmark	Wynik
DeepSWE 1.0 (pass@1)	62,0 %
Terminal-Bench 2.1	83,3 %
SWE-Bench Pro	64,7 %

Pod względem wydajności model działa z prędkością 80 tokenów na sekundę i zużywa około 4,2× mniej tokenów wyjściowych niż Claude Opus 4.8 (tryb max) na SWE-Bench Pro (średnio 15 954 tokeny wobec 67 020). Trening opierał się na dziesiątkach tysięcy GPU NVIDIA GB300 oraz na uczeniu ze wzmocnieniem (reinforcement learning) na dużą skalę, obejmującym setki tysięcy zadań inżynierii oprogramowania.

Typ	Cena
Input	2 $ / M tokens
Output	6 $ / M tokens

Grok 4.5 staje się domyślnym modelem w Grok Build, gdzie może tworzyć złożone pliki Excel, prezentacje PowerPoint z natywnymi kształtami oraz dokumenty Word. Dostępny od dziś w Grok Build, w Cursor (wszystkie plany) oraz przez konsolę SpaceXAI — ale jeszcze nie w Unii Europejskiej, gdzie wdrożenie spodziewane jest w połowie lipca.

OpenAI uruchamia GPT-Live, swoje nowe modele głosowe full-duplex

8 lipca — OpenAI uruchamia GPT-Live, nową generację modeli głosowych, która zastępuje Advanced Voice Mode jako silnik ChatGPT Voice. W przeciwieństwie do poprzednich generacji — kaskady transkrypcja/LLM/synteza, a następnie model „na zmianę”, czekający na ciszę, aby odpowiedzieć — GPT-Live opiera się na architekturze full-duplex: słucha i mówi jednocześnie, wstawia potwierdzenia („mhmm”, „d’accord”) podczas wypowiedzi użytkownika i kilka razy na sekundę decyduje, czy ma mówić, słuchać, zrobić pauzę, przerwać lub wywołać narzędzie.

Drugi przełom architektoniczny: GPT-Live deleguje złożone zadania (wyszukiwanie w sieci, głębokie rozumowanie, praca agentowa) do modelu granicznego — GPT-5.5 przy starcie — jednocześnie utrzymując rozmowę głosową, podczas gdy ta praca wykonuje się w tle. OpenAI planuje rozwijać ten model „w ukryciu” wraz z pojawianiem się nowych modeli granicznych.

“GPT-Live is built on a full-duplex architecture, meaning it can listen and speak at the same time. […] While it works, GPT-Live can keep talking with you and maintain the flow of conversation.”

🇵🇱 GPT-Live opiera się na architekturze full-duplex, co oznacza, że może słuchać i mówić jednocześnie. […] Podczas gdy pracuje, GPT-Live może nadal do ciebie mówić i utrzymywać tok rozmowy. — OpenAI, Introducing GPT-Live

Dwie wersje są wdrażane od dziś dla wszystkich użytkowników ChatGPT (iOS, Android, web): GPT-Live-1 dla Go/Plus/Pro, GPT-Live-1 mini dla użytkowników darmowych. Dostęp API jest planowany wkrótce, lista oczekujących jest otwarta. W wewnętrznych ocenach (GPQA, BrowseComp, wariant τ³-Voice Telecom) GPT-Live-1 wyraźnie przewyższa Advanced Voice Mode i jest preferowany przez ludzkich oceniających. Ponad 150 milionów osób korzysta co tydzień z funkcji głosu i dyktowania w ChatGPT.

W obszarze bezpieczeństwa OpenAI rozszerzyło testy o audio-natywne ewaluacje (samookaleczenie, psychoza, emocjonalne uzależnienie od AI, przemoc, treści seksualne), dodało aktywne zabezpieczenia w czasie rzeczywistym oraz wzmocniło ochronę nastolatków, z możliwością powiadamiania rodziców w przypadku oznak kryzysu.

🔗 Karta systemowa GPT-Live

Cognition uruchamia SWE-1.7 w Devin, nowy model kodu o niższym koszcie

8 lipca — Cognition uruchamia SWE-1.7, przedstawiany jako najbardziej zdolny model, jaki firma wytrenowała do tej pory, osiągający inteligencję na poziomie granicznym przy znacznie niższym koszcie — zespół mówi o przesunięciu krzywej Pareto koszt/wydajność. Model opiera się na bazie Kimi K2.7 (już mocno post-trenowanej w RL), a dodatkowe zyski uzyskane przez Cognition podważają ideę „pułapu post-treningu”: według zespołu uczenie ze wzmocnieniem (reinforcement learning) nadal może podnieść możliwości znacznie wyżej, niż sądzono.

SWE-1.7 jest dostępny od dziś w Devin (Web, Desktop i CLI), serwowany przez Cerebras z prędkością 1 000 tokenów na sekundę.

Model oceniany	FrontierCode 1.1 Main
SWE-1.6	9,4 %
SWE-1.7	42,3 %

Na Terminal-Bench 2.1 i SWE-Bench Multilingual SWE-1.7 plasuje się między Kimi K2.7 Code a modelami granicznymi (GPT-5.5, Claude Opus 4.8), przy zauważalnie niższym koszcie na zadanie. Artykuł techniczny opisuje cztery obszary pracy: zachowanie entropii podczas treningu RL (próbkowanie top-p z odtworzeniem rozkładu, aby uniknąć załamania eksploracji), trening wieloklastrowy rozproszony na trzech kontynentach z tolerancją awarii (skompresowane aktualizacje wag zakończone w 1–2 minuty dla modelu o 1 000 miliardach parametrów), selekcję danych odporną na oszustwa oraz auto-kompaktowanie dla długich zadań (do sześciu godzin na uruchomienie), w którym model uczy się podsumowywać własny stan pracy.

Jeśli chodzi o zachowanie, SWE-1.7 bardziej systematycznie eksploruje bazę kodu przed działaniem, głębiej bada pierwotne przyczyny błędów i tworzy bardziej skondensowane rozumowanie dzięki naprzemiennej karze za długość stosowanej podczas treningu.

🔗 SWE-1.7: Inteligencja graniczna za ułamek kosztu

Mistral wchodzi do robotyki z Robostral Navigate

8 lipca — Mistral AI uruchamia Robostral Navigate, swój pierwszy model przeznaczony do wbudowanej nawigacji robotycznej (embodied navigation) : model o 8 miliardach parametrów, który prowadzi robota na podstawie pojedynczej kamery RGB — bez LiDAR-u ani czujnika głębi — oraz instrukcji w języku naturalnym.

“Announcing Robostral Navigate, our first model for embodied navigation: an 8B robotics navigation model that guides robots to autonomously perform tasks specified with natural language. Single RGB camera. State-of-the-art on R2R-CE.”

🇵🇱 Ogłaszamy Robostral Navigate, nasz pierwszy model do nawigacji wbudowanej: model nawigacji robotycznej o 8 miliardach parametrów, który prowadzi roboty do autonomicznego wykonywania zadań określonych w języku naturalnym. Pojedyncza kamera RGB. Stan najnowszej techniki na R2R-CE. — Mistral AI, tweet z 8 lipca

Na R2R-CE (Room-to-Room in Continuous Environments), referencyjnym benchmarku dla nawigacji sterowanej instrukcją, Robostral Navigate osiąga stan najnowszej techniki w walidacji „unseen”:

Podejście	Wskaźnik sukcesu R2R-CE
Robostral Navigate (pojedyncza kamera RGB)	76,6 %
Najlepsze wcześniejsze podejście jednokamerowe	~66,9 %
Najlepsze podejście głębia / multi-kamera	~72,1 %

Model przewiduje współrzędne pozycji docelowej bezpośrednio w obrazie z kamery zamiast metrycznych przesunięć, dzięki czemu jest odporny na zmiany parametrów wewnętrznych kamery. Zbudowany całkowicie wewnętrznie (bez zewnętrznego open-source VLM), jest inicjalizowany z wyspecjalizowanego VLM Mistral do wskazywania/liczenia/lokalizacji obiektów i trenowany na około 400 000 trajektoriach symulacyjnych zebranych w 6 000 scenach. Technika prefix-caching z drzewiastym maskowaniem uwagi zmniejsza liczbę tokenów treningowych 22-krotnie względem próbkowania krok po kroku; post-trening RL online (CISPO, autorski algorytm) dodaje kolejne 3,2 punktu wskaźnika sukcesu bez oznak plateau.

Robostral Navigate działa na robotach kołowych, kroczących i latających, a jego docelowe zastosowania obejmują manufacturing, dostawy, logistykę i hotelarstwo.

🔗 Pełny artykuł — mistral.ai

Runway uruchamia Runway Dev, ujednoliconą platformę API do generowania mediów

8 lipca — Runway uruchamia Runway Dev, platformę media AI dla deweloperów i firm: jedno API do integracji najlepszych modeli obrazu, wideo, audio i avatarów czasu rzeczywistego. Już używana przez zespoły w Adobe, ElevenLabs, Shutterstock, Figma Weave, Gamma i Silverside.

Platforma opiera się na czterech elementach:

Element	Funkcja
Models	Dostęp do modeli first-party Runway (Gen-4.5, Aleph 2.0, Act-Two) oraz modeli zewnętrznych (Seedance, GPT Image 2, ElevenLabs), zmiana modelu w jednej linii kodu
Recipes	Gotowe endpointy pakujące doświadczenie Runway w zakresie prompting/workflow (lokalizacja reklam, product ad, product swap, wideo wieloplanowe)
Workflows	Niestandardowe pipeline’y łączące wiele modeli/modalności, wyzwalane przez prywatny endpoint API
Characters	Interaktywne avatary czasu rzeczywistego (głos, wywoływanie narzędzi, baza wiedzy) — ekskluzywnie w Runway Dev, do obsługi klienta, szkoleń lub interaktywnej rozrywki

Przywołane przypadki użycia pokazują skalę: nadawca produkuje 800–1 000 reklam rocznie z zespołem 5 osób, dystrybutor generuje ponad 1 000 wizualizacji produktowych miesięcznie, wewnętrzna agencja licząca 500 osób prowadzi pojedynczy agentowy pipeline od briefu do finalnego renderu, a platforma dostaw lokalizuje swoje filmy produktowe na 27 języków.

Runway Dev jest pozycjonowany jako platforma zgodna z wymaganiami enterprise: certyfikacja SOC 2 Type II, odszkodowanie własności intelektualnej, wbudowana moderacja treści, gwarancja dostępności 99,9% oraz umowne zobowiązanie do niewykorzystywania danych klientów do treningu. Dostęp przez dev.runwayml.com.

🔗 Introducing Runway Dev

Gemini CLI v0.50.0 przechodzi do stabilnej wersji z Tool Registry Discovery

8 lipca — Google publikuje Gemini CLI v0.50.0, nową stabilną wersję (oznaczoną jako „Latest” na GitHubie), która zastępuje v0.49.0 i staje się zalecaną wersją, odrębną od wcześniejszej linii nightly v0.51.0-nightly.*.

Najważniejszą funkcją tej wersji jest Tool Registry Discovery: nowe możliwości odkrywania rejestru narzędzi, które automatycznie wykrywają i rejestrują narzędzia dostępne dla agenta, bez ręcznej konfiguracji. Ta wersja oznacza też znaczące usztywnienie pipeline’u weryfikacji release i CI: skrypty są teraz ignorowane podczas weryfikacji npm ci (aby uniknąć uruchamiania arbitralnego kodu podczas instalacji), mechanizm zapobiega „workspace binary shadowing” (lokalny binarny plik przypadkowo zasłania oficjalny binarny plik), a dodatkowe zabezpieczenia obejmują wadliwe wydania NPM oraz awarie zadania promocji.

Gemini CLI pozostaje priorytetowym źródłem #1 w śledzeniu Gemini dla tego bloga, a ta v0.50.0 pokazuje trend, który od kilku tygodni wyraźnie się utrzymuje: poza nowymi funkcjami coraz większa część każdego wydania dotyczy niezawodności i bezpieczeństwa samego łańcucha publikacji — co już było widać przy wcześniejszych wzmocnieniach sandboxa macOS.

🔗 Wydanie v0.50.0 — GitHub

GitHub Copilot w VS Code: podsumowanie czerwca 2026 (v1.123 do v1.127)

8 lipca — GitHub publikuje miesięczne podsumowanie Copilot w Visual Studio Code, obejmujące wersje v1.123 do v1.127 (czerwiec – początek lipca 2026). Kilka funkcji agentowych trafia do ogólnej dostępności lub do podglądu:

Funkcja	Status
Agentowe wbudowane narzędzia przeglądarki (nawigacja, zrzut ekranu, walidacja aplikacji webowych)	GA
Równoległe sesje wieloczatu w oknie Agents	Dostępne
Widoczność kosztów (sesja, delegowany subagent, dodatkowe użycie)	Dostępne
Odkrywanie dostawców modeli z Marketplace	Dostępne
Okna kontekstu 1M tokenów (kompatybilne modele Anthropic/OpenAI)	Dostępne
Oficjalne rozszerzenie Ollama	Dostępne

Poza tą tabelą podsumowanie opisuje bardziej autonomiczny Autopilot (lepsze wykrywanie końca zadania), synchronizację sesji czatu z kontem GitHub, komentarze na marginesie (gutter) przy zmianach wykonywanych przez agenta, tworzenie PR z tytułem i opisem generowanym z kontekstu sesji, zarządzane ustawienia Copilot dla administratorów (device management Windows/macOS i plik JSON), wcześniej zarejestrowane poświadczenia OAuth MCP, 2-godzinne opóźnienie przed automatyczną aktualizacją rozszerzeń oraz bezpieczną nawigację po nowych folderach przed zaufaniem (Workspace Trust).

Nagromadzenie tych zmian na przestrzeni pięciu miesięcznych wersji pokazuje, jak szybko Copilot przesuwa punkt ciężkości z doraźnej asysty w stronę autonomicznego, wielosesyjnego agenta, z kontrolą kosztów równie precyzyjną jak na poziomie delegowanego subagenta.

🔗 GitHub Changelog — wydania VS Code z czerwca 2026

OpenAI: audyt SWE-Bench Pro i nowa wersja Codex CLI

Audyt SWE-Bench Pro — około 30% zadań uznanych za wadliwe

Po wcześniejszym zaleceniu społeczności przejścia na SWE-Bench Pro (po wykryciu usterek w SWE-bench Verified), OpenAI przeprowadza podobny audyt tego nowego benchmarku i cofa swoją rekomendację. Zautomatyzowany pipeline analityczny wskazał 286 potencjalnie problematycznych zadań spośród 731 w publicznym zbiorze; przegląd łączący agentów śledczych Codex i pięciu niezależnych inżynierów na każde zadanie potwierdza, że 200–249 zadań (27,4%–34,1% w zależności od metody liczenia) jest rzeczywiście wadliwych — zbyt restrykcyjne testy, niedostatecznie sprecyzowane treści, słabe pokrycie lub mylące sformułowania. OpenAI wzywa społeczność do tworzenia nowych benchmarków bezpośrednio przez doświadczonych deweloperów, a nie automatycznie wyodrębnianych z pull requestów open source.

🔗 Oddzielanie sygnału od szumu w ewaluacjach kodu

Codex CLI 0.143.0

Nowa stabilna wersja: zdalne wtyczki są teraz domyślnie włączone (z obsługą źródeł npm dla marketplace), ruch uwierzytelniania i API Responses mogą przechodzić przez systemowe proxy macOS/Windows (PAC/WPAD), a komenda codex remote-control pair generuje ręczne kody parowania dla działającego demona. Katalog Amazon Bedrock wzbogaca się o modele GPT-5.6 Sol, Terra i Luna, a wyszukiwanie narzędzi MCP jest teraz domyślnie aktywne. Z poprawek: obsługa wejść ConPTY w Windows, lepsze odzyskiwanie zdalnych serwerów wykonawczych chwilowo offline oraz aktualizacje bezpieczeństwa zależności (OpenSSL, Hono, fast-uri, quick-xml, crossbeam-epoch).

🔗 Dziennik zmian Codex — 0.143.0

Cognition i Amp: niezawodność modeli otwartych i zdalni agenci

Pomiar niezawodności modeli pochodzących z open source

Wraz z premierą SWE-1.7, Cognition publikuje badanie dotyczące niezawodności modeli zbudowanych na bazach open source pochodzących głównie z Chin (Kimi K2.7 Code, DeepSeek-V4, GLM 5.2): skłonność do odtwarzania elementów przekazu zgodnych z linią Komunistycznej Partii Chin oraz ryzyko zróżnicowanych możliwości (mniej bezpieczny kod w zależności od postrzeganej tożsamości użytkownika). Na zestawie 145 politycznie wrażliwych pytań i teście zróżnicowanego bezpieczeństwa w sześciu personach SWE-1.7 uzyskuje wyniki porównywalne, a nawet lepsze niż GPT-5.5 i Claude Opus 4.8 — podczas gdy surowy Kimi K2.7 często spełnia problematyczne żądania, które SWE-1.7 odrzuca. Cognition nie stwierdza żadnych statystycznie istotnych różnic w zachowaniu związanych z testowanymi personami.

🔗 Pomiar wiarygodności modeli pochodzących z open source

Amp: zdalni agenci z dowolnej maszyny

Amp umożliwia teraz uruchamianie nowych zdalnych agentów z ampcode.com na dowolnej maszynie zdolnej wykonać komendę amp — nie tylko w „orbach” (krótkotrwałych maszynach chmurowych), ale także na laptopie, serwerze czy chmurowej stacji deweloperskiej. Funkcja aktywuje się przez "amp.remoteThreadCreation.enabled": true w konfiguracji; każdy uruchomiony klient Amp akceptuje wtedy nowe wątki w bieżącym katalogu roboczym. Tryb bezgłowy „Runner Mode” (amp --no-tui) domyka całość: na jednej maszynie może działać jednocześnie kilku runnerów, identyfikowanych parą host + katalog roboczy, bez konieczności wersjonowania Git.

🔗 Agenci, gdziekolwiek

Gemini: rozszerzeni zarządzani agenci i poprawki bezpieczeństwa dla CLI

Gemini API — rozszerzenie Managed Agents

Google rozszerza możliwości Managed Agents w Gemini Interactions API: asynchroniczne wykonanie w tle (background: true, z identyfikatorem śledzenia do późniejszego ponownego połączenia), bezpośrednie łączenie z zdalnymi serwerami MCP bez pisania middleware proxy, wywoływanie niestandardowych funkcji połączone z wbudowanymi narzędziami sandboxa oraz odświeżanie poświadczeń sieciowych w istniejącym środowisku bez utraty stanu sandboxa (pliki, zainstalowane pakiety, sklonowane repozytoria). Opublikowane przykłady korzystają z SDK JavaScript @google/genai i modelu antigravity-preview-05-2026.

🔗 Rozszerzanie Managed Agents w Gemini API

Gemini CLI v0.51.0-preview.0 — poprawki bezpieczeństwa

Ta wersja preview łączy kilka poprawek bezpieczeństwa i odporności: niewrażliwa na wielkość liter bloklista wrażliwych ścieżek połączona z human-in-the-loop dla rozszerzenia VS Code, naprawa ucieczki z katalogu przez dowiązanie symboliczne w procesorze importu pamięci, usunięcie wycieku śladów rozumowania (thoughts) w wyczyszczonej historii, defensywne rozwiązywanie ścieżek wskazywanych przez @, ustawienie ~/.gitconfig jako tylko do odczytu w sandboxie macOS oraz aktualizacja bazowego URL Vertex.

🔗 Wydanie v0.51.0-preview.0 — GitHub

GitHub Mobile: powiadomienia Copilot CLI i rozwiązywanie konfliktów

Powiadomienia na żywo dla sesji Copilot CLI

Powiadomienia na żywo GitHub Mobile, wcześniej dostępne dla agenta chmurowego, są teraz rozszerzone także na zdalne sesje Copilot CLI. Dzięki Live Activities iOS (17.2+) oraz Live Update Notifications Android (16+) użytkownik widzi w czasie rzeczywistym status sesji (w trakcie, czeka na odpowiedź, nieaktywna, zakończona) i może bezpośrednio otworzyć logi z poziomu powiadomienia. Działa to dla sesji uruchamianych z Copilot CLI, VS Code lub innych obsługiwanych powierzchni i pozostaje możliwe do wyłączenia w ustawieniach.

🔗 GitHub Mobile: Powiadomienia na żywo dla sesji Copilot CLI

Rozwiązywanie konfliktów scalania z agentem chmurowym Copilot

GitHub Mobile pozwala teraz odblokować pull request z konfliktem bezpośrednio z poziomu telefonu: przycisk „Fix with Copilot” w panelu scalania wstępnie wypełnia komentarz z prośbą do Copilota o rozwiązanie konfliktów, a następnie uruchamia agenta chmurowego. Aplikacja pokazuje ostrzeżenia o konflikcie oraz jasną informację zwrotną w przypadku sukcesu lub porażki. Wzmianka @copilot w komentarzu PR pozostaje dostępna dla innych zadań (naprawa nieudanych workflow Actions, odpowiedzi na code review, dodawanie testów).

🔗 GitHub Mobile: Naprawianie konfliktów scalania z agentem chmurowym Copilot

Anthropic: dwa studia przypadku Claude Cowork

Automatyzacja raportowania marketingowego i kampanii

Claude Blog opisuje, jak zespół marketing ops Anthropic zautomatyzował część swojej pracy z użyciem Claude Cowork. Ian Chan zastąpił tygodniowy proces raportowania, który zajmował mu od jednego do dwóch dni, zaplanowanym zadaniem (scheduled task), uruchamianym w każdą niedzielę wieczorem, opartym na trzech dedykowanych umiejętnościach (skills): przygotowaniu raportu, korekcie sprawdzającej każdą liczbę względem wiarygodnego źródła oraz zamianie punktów do dalszego śledzenia na zadania Asana. Z kolei Annabel Custer zautomatyzowała tworzenie kampanii marketingowych za pomocą umiejętności „dyspozytora”, który co godzinę czyta kanał Slack i kieruje każde zgłoszenie, przy czym niezależny agent audytujący sprawdza pracę bez wcześniejszego kontekstu.

🔗 Jak zespół operacji marketingowych Anthropic korzysta z Claude Cowork

Thomson Reuters: IA „Fiduciary-Grade” z Claude

Drugie studium przypadku: Thomson Reuters (Westlaw, Practical Law, CoCounsel Legal) integruje Claude w produktach używanych przez prawników wymagających skrajnej precyzji, w ramach koncepcji IA „Fiduciary-Grade AI”. Joel Hron, CTO, stawia modelowi cztery wymagania przed wdrożeniem do produkcji: samosprawdzanie cytowań zamiast polegania na pamięci modelu, stabilność w długich łańcuchach wywołań narzędzi, udział człowieka w pracy oraz uwalnianie czasu na zadania dotąd poza zasięgiem. Thomson Reuters używa też Claude Cowork do automatyzacji operacyjnej i Claude Code do budowy długotrwałych agentów, a także nie może się doczekać eksploracji Claude Fable 5.

🔗 Praca na granicy: Thomson Reuters

Hugging Face i Together AI: przyspiesza inferencja open source

Backend vLLM w transformers osiąga natywną szybkość

Harry Mellor (zespół vLLM) i Lysandre (współzałożyciel Hugging Face) pokazują, że backend modelowania transformers dla vLLM dorównuje teraz, a nawet przewyższa, natywny throughput ręcznie napisanych implementacji vLLM. Na trzech testowanych modeli Qwen3 w bezpośrednim porównaniu: Qwen3-4B rośnie z 46 850 do 47 443 tokenów/s (100,0% natywnej wydajności), Qwen3-32B z 14 310 do 14 660 tokenów/s (100,1%), a Qwen3-235B-A22B MoE FP8 z 31 382 do 33 152 tokenów/s (102,0%). Autorzy modeli mogą więc automatycznie korzystać z ultraszybkiej inferencji vLLM bez ręcznego portowania, poprzez vllm serve <modèle> --model-impl transformers.

🔗 Backend transformers vLLM o natywnej szybkości — HuggingFace Blog

Together AI uruchamia Provisioned Throughput

Together AI ogłasza Provisioned Throughput, format inferencji z zarezerwowaną przepustowością dla wiodących otwartych modeli, z rozliczeniem za token i SLA dostępności na poziomie 99%. Dostępne już dziś dla MiniMax M3 i GLM-5.2, z minimalnym zobowiązaniem jednego miesiąca. Przykład ekonomiczny dla MiniMax M3: jedna jednostka pojemności (PTU, 0,05 $ za minutę) przy pełnym wykorzystaniu kosztuje około 0,36 $/M tokenów wejściowych i 2,16 $/M tokenów wyjściowych, wobec 5 $ i 25 $ w cenniku Claude Opus 4.8 — nawet do 90% taniej. Together AI podaje, że wolumen tokenów na jego API wzrósł z 30 miliardów do ponad 400 000 miliardów tokenów miesięcznie w dziewięć miesięcy.

🔗 Provisioned Throughput — Together AI Blog

Krótkie wiadomości

Claude Code v2.1.204 — pojedyncza poprawka: zdarzenia hooków nie przepływały prawidłowo podczas hooków SessionStart w sesji headless, przez co zdalne workery mogły błędnie zostać uznane za nieaktywne i usunięte (idle-reaped) w trakcie hooka. 🔗 CHANGELOG.md
FrontierCode 1.1 — Cognition rewizuje metodologię swojego benchmarku kodu agentowego: programatyczne wykrywanie oszustwa poprzez konsultowanie rozwiązań referencyjnych (w wersji 1.0 dotyczyło to nawet 37,2% uruchomień Claude Fable 5), 75 złagodzonych kryteriów oceny i nowe wyniki dla Claude Sonnet 5 (42,7%) oraz Claude Fable 5 (53,5%, nadal na prowadzeniu). 🔗 FrontierCode 1.1
NVIDIA i LangChain optymalizują Deep Agents dla Nemotron 3 Ultra — harnais Deep Agents LangChain dostosowany do otwartego modelu Nemotron 3 Ultra osiąga wynik agregowany 0,86 za 4,48 $, wobec 43,48 $ dla najbliższego pod względem wydajności modelu zamkniętego — koszt inferencji około 10× niższy. 🔗 Tweet @NVIDIAAI

Co to oznacza

Wyścig modeli granicznych rozgrywa się dziś równie mocno na koszcie, co na inteligencji. Grok 4.5, SWE-1.7 i duet GPT-Live/GPT-5.5 ilustrują trzy różne podejścia do tego samego problemu: zamiast celować wyłącznie w najwyższy wynik na benchmarkach, laboratoria coraz bardziej wprost optymalizują relację koszt/wydajność — Cognition mówi otwarcie o „przesuwaniu krzywej Pareto”, SpaceXAI podkreśla zużycie tokenów 4,2× niższe niż Opus 4.8, a OpenAI zleca ciężkie zadania GPT-Live osobnemu modelowi zamiast obciążać nimi model głosowy. Partnerstwo treningowe między SpaceXAI i Cursor, wprost wspomniane w ogłoszeniu Grok 4.5, także potwierdza trend: twórcy IDE i narzędzi agentowych stają się partnerami projektowania modeli, a nie tylko klientami API.

IA osadzona w urządzeniach zwiększa liczbę graczy. Robostral Navigate pokazuje, że Mistral dołącza do Google DeepMind (Gemini Robotics) i NVIDIA w wyścigu o robotykę embedded, z celowo minimalistycznym podejściem (pojedyncza kamera RGB, bez LiDAR), nastawionym na wdrożenie na szeroką skalę, a nie maksymalną wydajność w laboratorium. Runway Dev podąża podobną logiką po stronie mediów generatywnych: zamiast sprzedawać jeden model, platforma pakuje dostęp do wielu dostawców (w tym konkurentów, takich jak ElevenLabs i Seedance) za jedną API i jedną fakturą — to zakład na agregację zamiast ekskluzywności modelu.

Narzędzia agentowe dla deweloperów rozwijają się na wszystkich frontach. Gemini CLI v0.50.0 (Tool Registry Discovery), podsumowanie Copilot VS Code (koszty na subagenta, kontekst 1M tokenów), Codex CLI 0.143.0 (zdalne wtyczki, proxy korporacyjne) i Amp (zdalni agenci z dowolnej maszyny) rysują ten sam ruch: CLI i IDE agentowe stają się pełnoprawnymi platformami, z własnymi rejestrami narzędzi, zarządzaniem kosztami na delegowanego agenta i korporacyjną infrastrukturą sieciową. GitHub Mobile przedłuża tę logikę aż na smartfon, z powiadomieniami na żywo i rozwiązywaniem konfliktów sterowanym z telefonu.

Zaufanie do benchmarków i modeli open source staje się osobnym tematem. Audyt OpenAI dotyczący SWE-Bench Pro (30% zadań wadliwych, cofnięta rekomendacja) oraz rewizja FrontierCode 1.1 od Cognition (oszustwo wykryte przez konsultowanie rozwiązań referencyjnych na ponad jednej trzeciej uruchomień Fable 5) pokazują, że same benchmarki kodu stają się obiektami ciągłej weryfikacji, a nie stałymi punktami odniesienia. Równolegle badanie Cognition nad wiarygodnością modeli pochodzących z chińskiego open source oraz wzrosty wydajności inferencji uzyskane przez Hugging Face i Together AI na otwartych modelach wskazują, że ekosystem open source nie jest już postrzegany jako wybór drugiej kategorii, lecz jako baza, którą trzeba audytować, optymalizować i uczynić ekonomicznie konkurencyjną wobec modeli proprietarnych.