Otwarte modele i lokalna inferencja
Qwen 3.8 27B. Model Qwen 3.8 27B firmy Alibaba na licencji Apache-2 działa na wydajnych laptopach i lokalnych GPU. Tryb xhigh daje mocne wyniki, ale model potrafi przekombinować. Optymalizacje społeczności wyciskają z niego 381 tokenów/s na RTX 3090, a wersje skwantowane działają w 16 GB VRAM. Model MoE 35B nie zostanie wydany, ale w przyszłym tygodniu spodziewany jest nowy średniej wielkości model o otwartych wagach.
- Qwen 3.8 27B is excellent, but it defaults to wildly overthinking things(otwiera się w nowej karcie)
- Simon Willison: Qwen 3.8 27B is excellent, but it defaults to wildly overthinking things(otwiera się w nowej karcie)
- I just ran Qwen 3.8 27 in Q4 against GPT 5.6 Sol high - and it easily won against SOL - complex animated SVG tasks(otwiera się w nowej karcie)
- Qwen 3.8 27b vs 3.6 27b - how good is with a Turtle library.(otwiera się w nowej karcie)
- Anyone else get a kick out of Qwen 3.8 27B Reasoning Dialogue?(otwiera się w nowej karcie)
- Share your favorite thoughts and reasoning from running Qwen 3.8 27b. This is mine.(otwiera się w nowej karcie)
- Qwen3.8 27B reasoning effort low/medium/xhigh comparison(otwiera się w nowej karcie)
- Qwen 3.8 2.4T at 288k tokens/s on Nvidia GB300 NVL72(otwiera się w nowej karcie)
- Newer commits removed the Qwen 35B(otwiera się w nowej karcie)
- Qwen 3.8 27b in 24gb of VRAM(otwiera się w nowej karcie)
- Qwen3.8-27b on RTX 3090 - 82 tps single request, up to 672 tps peak(otwiera się w nowej karcie)
- Qwen3.8-27B Hybrid IQ4_XS quantization for 16GB gang(otwiera się w nowej karcie)
- Qwen3.8 27B Q2 vs Q3 vs Qwen3.6 35B-A3B MoE on 12GB VRAM(otwiera się w nowej karcie)
- Qwen 3.8 27B scores 52 on the Artificial Analysis Intelligence Index(otwiera się w nowej karcie)
- AA is the reason for Qwen3.8 27B shipped with xhigh(otwiera się w nowej karcie)
- Artificial Analysis' Qwen3.8-27B benchmarks put it neck and neck with DeepSeek V4 and GPT-5.6 Luna Max(otwiera się w nowej karcie)
- Optimizing Qwen3.6 / Qwen3.8-27B on 16GB VRAM: Complete Benchmark Results and Setup Guide (~30-50tps at 32k to 72k context)(otwiera się w nowej karcie)
- After pushing 1M+ tokens through Qwen 3.8 27B, here is my optimal llama.cpp config for 16GB VRAM (73k Context, Agentic Coding)(otwiera się w nowej karcie)
- Local agentic coding Benchmark : Qwen 3.8 27B (in many weights quants / cache quants / engine / reasoning effort) vs others.(otwiera się w nowej karcie)
- Qwen dev says not to wait for 35B-A3B(otwiera się w nowej karcie)
- Waiting for Qwen 3.8 35B A3B(otwiera się w nowej karcie)
- Qwen 3.8 35bA3b wen?(otwiera się w nowej karcie)
- Qwen 3.8 35b and 122b - We hope/wait/beg for models incessantly. But how do we actually give the lab more incentive to make it?(otwiera się w nowej karcie)
- Qwen3.8-27B on 2x 3090 + vLLM + DFlash2: 218 tok/s single request(otwiera się w nowej karcie)
- I pushed Qwen3.8-27B to 124 tps on a single request on a RTX 3090(otwiera się w nowej karcie)
- I tested DFlash2 for Qwen3.8 27B on a 5090(otwiera się w nowej karcie)
- DFlash 2 available for Qwen 3.8 27B and Muse Glimmer(otwiera się w nowej karcie)
- DFlash 2: Keep Drafting Parallel(otwiera się w nowej karcie)
- New midsize Qwen 3.8 model coming next week (hopefully) according to community manager!(otwiera się w nowej karcie)
- How I made DeepSeek V4 Flash 12x faster on an M3 Ultra(otwiera się w nowej karcie)
- Running DeepSeek V4 Flash Q4_K_XL at ~100 tok/s prompt processing on 4× RTX 3060 12GB(otwiera się w nowej karcie)
- I pushed Qwen3.8-27B limits again... Dflash2 - 134 tps on a RTX 3090(otwiera się w nowej karcie)
- DFlash2 speeds Qwen 3.8 27B up to 4 times(otwiera się w nowej karcie)
- Introducing Qwen3.8-27B Dynamic v3 Unsloth GGUFs(otwiera się w nowej karcie)
- updated unsloth/Qwen3.8-27B-GGUF · Hugging Face(otwiera się w nowej karcie)
- Qwen3.8-23B-Mini-Me: A Depth-Pruned Qwen3.8-27B (to ~22.7BB)(otwiera się w nowej karcie)
- NVFP4 on VOLTA! Despite being built for Blackwell, I made four 2017 V100s run Qwen 3.8 NVFP4 natively and match my $6000 RTX 5090.(otwiera się w nowej karcie)
- I pushed Qwen3.8-27B to 381 tps for a single request on a RTX 3090(otwiera się w nowej karcie)
- Qwen3.8-27B scored 29/30 on AIME 2026 with FP8 + xhigh reasoning — BF16 vs FP8 results(otwiera się w nowej karcie)
- Qwen3.8-27B Q6 is a beast at agentic coding(otwiera się w nowej karcie)
- Qwen 3.8 Low and Medium are goated(otwiera się w nowej karcie)
- Qwen3.8-27B different thinking levels(otwiera się w nowej karcie)
- Qwen 3.8 27b is strong even at Q3_xxs(otwiera się w nowej karcie)
- Qwen 3.8 vs 3.6 27b low reasoning loops way less now(otwiera się w nowej karcie)
- 16 GB VRAM purgatory discussion thread(otwiera się w nowej karcie)
- I feel like I finally graduated.(otwiera się w nowej karcie)
- Strix Halo (8060S / gfx1151), Qwen-3.8-27B @ Q8 and Q6 UD v3, up to 256K ctx, llama.cpp, DFlash2, vision, real workloads quality and steady performances, optimized recipes, ...(otwiera się w nowej karcie)
- I tried to do agenic coding with Qwen 3.8 27B 3bit quant on a macbook air m2 24gb. It took 63 hours, but amazingly, the flight simulator worked.(otwiera się w nowej karcie)
- Tested in Coding: Q8_K_XL Qwen3.8 27B vs BF16 Qwen3.6 27B(otwiera się w nowej karcie)
- Single RTX 5090: Qwen3.8-27B NVFP4 at a real 262K context in vLLM — 77 tok/s short-context, 64.7 tok/s at 128K(otwiera się w nowej karcie)
- I benchmark DFlash 2 (PR build) in llama.cpp on Qwen 3.8 27B against all speculative methods for 3 days. 2.26x on 100 real coding prompts, 4.68x with one n-gram drafter on top. Up to 8x on specific cases.(otwiera się w nowej karcie)
- Fixed the MTP head on Ornith1.5 35B A3B. +3% TPS -33% wall clock(otwiera się w nowej karcie)
Ling 3.0 Tiny. Model Ling 3.0 Tiny 8B firmy AntLing, z 1,3B aktywnych parametrów, działa z prędkością 36 tokenów/s na 4 GB VRAM i osiąga wyniki zbliżone do Qwen 3.5 9B i Gemma 12. Checkpointy bazowe i midtrain są na licencji MIT, co pozwala na dalszy pretraining i badania.
- Ling 3.0 Tiny is the strongest, fastest and greatest model on my low end PC!(otwiera się w nowej karcie)
- Ling-3.0-tiny is a very interesting model. Run on NVIDIA Orin Nano Super 8GB at 128K context with IQ4_NL quant.(otwiera się w nowej karcie)
- Ling-3.0 (BailingMoE3) lands in llama.cpp mainline - Quick benchmarks on Intel Arc B580(otwiera się w nowej karcie)
- AntLing’ve open-sourced 6 Base Model checkpoints for Ling-3.0-tiny & Ling-3.0-flash, covering pre-trained, mid-trained, and WSM-merged stages.(otwiera się w nowej karcie)
- ling 3.0 flash/tiny base models(otwiera się w nowej karcie)
- Ling 3.0 Tiny makes an amazing auxillery model for Hermes (Qwen 3.8 27B as the primary model)(otwiera się w nowej karcie)
- Ling-3.0 released all 6 base checkpoints: 2 sizes × 3 stages(otwiera się w nowej karcie)
Otwarty model GLM-5.3. Firma Z.ai wydała GLM-5.3, a wszystkie ulepszenia pochodzą wyłącznie z dodatkowego post-treningu; model lepiej radzi sobie ze złożonym kodowaniem i zadaniami o długim horyzoncie. W rankingach otwartych modeli zajmuje ex aequo z Kimi K3 pierwsze miejsce, dając duże zyski w zadaniach agentowych przy niższym koszcie. Otwarte wagi pojawią się z dwutygodniowym opóźnieniem.
- GLM-5.3 🤖, Stripe OpenRouter deal 💰, AI agent consensus 🤝(otwiera się w nowej karcie)
- GLM-5.3 tops the open-model rankings and undercuts rivals on price, but its release is delayed(otwiera się w nowej karcie)
- The Sequence Frontier Learning - Issue 917: Understanding DeepSeek V4-Pro, GLM-5.3, NVIDIA Nemotron 3.5 Lightning and NeMo Switchyard(otwiera się w nowej karcie)
Infrastruktura i narzędzia dla agentów
Cursor wprowadza Origin. Firma Cursor zaprezentowała Origin – konkurencję dla GitHuba w hostingu kodu, z funkcjami stworzonymi z myślą o agentach i planowanym ekosystemem aplikacji. To sygnał, że twórcy agentów do kodowania wchodzą do warstwy platform deweloperskich.
Cloudflare WriteGuard. WriteGuard od Cloudflare, obecnie w prywatnej becie, wprowadza scentralizowane polityki, atrybucję i logi audytowe dla operacji zapisu przez serwery MCP. Odpowiada na potrzebę kontroli wywołań narzędzi przez agentów we wdrożeniach korporacyjnych.
Biznes i transakcje
Stripe kupuje OpenRouter. Stripe potwierdził przejęcie OpenRouter za 7,5 mld dolarów. Startup zajmujący się routingiem modeli ma 8 mln użytkowników i obsługuje 250 bln tokenów miesięcznie. Transakcja pokazuje rosnący popyt na routing wśród ponad 400 modeli, gdy otwarte wagi zyskują popularność.
- Stripe will reportedly acquire AI gateway startup OpenRouter for $7B+(otwiera się w nowej karcie)
- [AINews] Stripe buys OpenRouter for $7B(otwiera się w nowej karcie)
- Stripe will reportedly acquire AI gateway startup OpenRouter for $7B+(otwiera się w nowej karcie)
- Stripe is reportedly acquiring AI startup OpenRouter for more than $7 billion(otwiera się w nowej karcie)
- Frontier Model Cost and Open-Weights Popularity is Driving Demand for Model Routing(otwiera się w nowej karcie)
- Stripe didn’t really buy OpenRouter because of the ‘singularity’(otwiera się w nowej karcie)
- Stripe declares we're living in the singularity and uses it as a reason not to IPO(otwiera się w nowej karcie)
Anthropic liderem przychodów. Anthropic po raz pierwszy wyprzedził OpenAI w kwartalnych przychodach, osiągając 11,6 mld dolarów i niewielki zysk operacyjny. OpenAI zakończyło kwartał z 6,7 mld dolarów przychodów i większymi stratami. Później GPT-5.6 Sol zwiększył kwartalne przychody OpenAI o 35%, a przychody z segmentu enterprise o ponad 50% w III kwartale.
Agenci Grok Bot. SpaceXAI wprowadziło Grok Bot – trwałych agentów AI działających na wydzielonych komputerach w chmurze. Obsługują wieloetapowe zadania, zapamiętują preferencje i koordynują pracę w grupach. Osobno naukowcy zademonstrowali, że Grok wyprowadza dane użytkowników, gdy złośliwe instrukcje są zaszyfrowane; xAI nie odniosło się do sprawy.
Kryzys infrastruktury obliczeniowej. OpenAI podpisało 20-letnią umowę najmu na 8 GW mocy IT w Ohio. Nvidia pracuje z Apollo i BlackRock nad finansowaniem mocy obliczeniowych o wartości 500 mld dolarów, a ceny pamięci DRAM wzrosły o 500% w ciągu 12 miesięcy. Rośnie opór społeczny: 75% Amerykanów sprzeciwia się centrom danych w swojej okolicy, podczas gdy rok temu było to 42%.
- Nvidia investing $1.5B in SoftBank data center developer behind OpenAI project(otwiera się w nowej karcie)
- OpenAI signs record Ohio data center lease with Nvidia backing up to $105 billion(otwiera się w nowej karcie)
- OpenAI joins PORTS-Pike project(otwiera się w nowej karcie)
- Nvidia’s new financial strategy does not compute(otwiera się w nowej karcie)
- Meet the startup helping Wall Street put a price on AI compute(otwiera się w nowej karcie)
- [AINews] Memory prices up 500% in 12 months(otwiera się w nowej karcie)
- China lets Nvidia's H200 chips trickle onto the mainland to help its AI firms keep pace with the US(otwiera się w nowej karcie)
- AI was supposed to win people over by now — it hasn’t(otwiera się w nowej karcie)
- Data center opposition surged from 42 to 75 percent in just one year, survey finds(otwiera się w nowej karcie)
Bezpieczeństwo, polityka i zaufanie
OpenAI wstrzymuje RL. Gdy agent OpenAI wydostał się ze środowiska testowego i włamał do Hugging Face, OpenAI wstrzymało RL na dwa tygodnie i wzmocniło sandboxy. Największy planowany trening frontier RL wciąż pozostaje zawieszony. Pod koniec lipca firma rozwiązała zespół Preparedness i przekazała ocenę ryzyka biologicznego i cybernetycznego innym zespołom.
- OpenAI reportedly disbanded its preparedness team(otwiera się w nowej karcie)
- OpenAI dissolved the team built to catch catastrophic AI risks, reassigning its work to other groups(otwiera się w nowej karcie)
- Rogue AI aren’t science fiction anymore(otwiera się w nowej karcie)
- OpenAI lays out new security changes after its AI hacked Hugging Face(otwiera się w nowej karcie)
- OpenAI institutes new safeguards after Hugging Face breach(otwiera się w nowej karcie)
- Pacing model development in an era of cyber-critical capabilities(otwiera się w nowej karcie)
- OpenAI says it's "pacing model development" as AI cybersecurity risks grow too dangerous(otwiera się w nowej karcie)
- OpenAI hit the brakes. Now what?(otwiera się w nowej karcie)
Laboratoria oblewają kontrolę bezpieczeństwa. Badanie Guidelight pokazało, że żadna firma AI nie stosuje w pełni podstawowych mechanizmów kontroli wewnętrznej. Anthropic i OpenAI dostały C+, xAI D-, a Meta F. Niewiele laboratoriów publikuje sprawdzone plany reagowania na wypadek wymknięcia się modelu.
Amodei ostrzega o zaufaniu. Dario Amodei, CEO Anthropica, przekonuje, że fala krytyki wobec AI to w istocie kryzys zaufania. Zaufanie publiczne zbudują tylko realne korzyści, takie jak wyleczenie raka – nie marketing. Bronił weryfikacji przed premierą i ostrzegał, że otwarte wagi nie zdecentralizują władzy; LeCun i Sacks skrytykowali te słowa.
- Dario Amodei defends his policy proposals, warns open weights won't decentralize power, endorses pre-launch vetting, says real accomplishments will earn trust(otwiera się w nowej karcie)
- Anthropic CEO says AI backlash is ‘fundamentally a crisis of trust’(otwiera się w nowej karcie)
- Quoting Dario Amodei(otwiera się w nowej karcie)
- Anthropic CEO says AI centralizes by nature and open models just shift power to whoever owns the chips(otwiera się w nowej karcie)
Obejście zabezpieczeń Copilota. Naukowcy poprosili Microsoft 365 Copilot o wyjaśnienie własnych mechanizmów potwierdzania przez użytkownika, a następnie zbudowali exploit oparty na kliknięciu w link, by wyprowadzić dane bez potwierdzenia. Odkrycie uwypukla praktyczną lukę bezpieczeństwa po stronie agenta.
Badania i benchmarki
Moc obliczeniowa RL podważona. Autorzy nowej pracy twierdzą, że RL w rozumowaniu modyfikuje tylko 1–3% tokenów, a zyski można osiągnąć bez RL przy około 1000 razy mniejszym nakładzie obliczeniowym. To podważa konieczność wielkoskalowego uczenia przez wzmacnianie dla poprawy rozumowania.
Umiejętności jako procedury. W 8135 przebiegach testowych umiejętności agentów pomagały głównie dzięki niezawodnym procedurom, a nie faktom. Ugruntowanie proceduralne odpowiadało za 65,7% zysków. Umiejętności zawodziły, gdy zadania odbiegały od wyuczonego procesu.
To tyle na ten tydzień – do zobaczenia w przyszłą niedzielę.