Premiery agentów i modeli
Tajemniczy Ox Alpha. Nowy darmowy model o nazwie Ox Alpha pojawił się na OpenRouterze jako model rozumujący do kodowania i długotrwałej pracy agentowej, ale jego twórca pozostaje anonimowy. Dyrektor generalny Stripe Patrick Collison nazwał go „very impressive”; spekulacje wahają się od GLM po Microsoft MAI.
Narzędzia i frameworki
Cloudflare OS z otwartym kodem. Cloudflare udostępniło na open source Cloudflare OS, korporacyjną platformę AI, w której każdy dokument lub aplikacja działa w izolowanym sandboxie („Gadget”), dzięki czemu osoby nietechniczne mogą bezpiecznie vibe-kodować. Platforma oferuje chatboty z konektorami, automatyzację przepływów pracy i egzekwowanie polityk w modelu opartym na uprawnieniach.
DeepSeek Harness zbiera pochwały. Zdaniem użytkownika DeepSeek Harness sprawdza się znakomicie w przepływach pracy agentów: stopniowa konfiguracja i zapytania w języku naturalnym pozwoliły na integrację z SimpleX bez czekania na pull request. Narzędzie jest na tyle elastyczne, że można je dostosować do pożądanego zachowania agenta.
Modele lokalne i otwarte
Lokalny wpływ Qwen 3.8. Według doniesień społeczności Qwen 3.8 27B to przełom w lokalnym kodowaniu i OCR – jakość OCR jest lepsza niż w Gemini 3.5 Flash Lite, a wydajność porównywalna z modelami z najwyższej półki sprzed roku. Porównania kwantyzacji (Atomic Dynamic GGUF) pokazują, że różnice między Q4 a Q6 nie są drastyczne, a niskie kwantyzacje, jak Q3 XXS, potrafią pracować autonomicznie godzinami na Mac mini z 24 GB RAM. Jednak jednorazowy port 39 tys. linii kodu z C do HTML przy użyciu Opus 5 nadal dał tylko przeciętny wynik, co pokazuje, że modele lokalne w dużym stopniu zależą od harnessu i promptu.
Długi kontekst w 60 MB. Programista wytrenował model o 250M parametrach na 30B tokenach i skwantyzował go do poniżej 2 bitów na parametr. Działa on w 80 MB RAM z prędkością 400 tokenów/s na CPU. Starszy kontekst kompresuje na dysk w tempie 320 bajtów na token, co pozwala na historię do 1M tokenów, ale model nie został wytrenowany do rozumowania na jej podstawie.
Dreamer 4 poniżej 150 dolarów. Model świata Dreamer 4 o 1,57B parametrach wytrenowano od zera za mniej niż 150 dolarów, używając klatek wygenerowanych przez Procgen ze znanymi akcjami. PSNR tokenizera osiągnął 40,41, co pokazuje, że modele świata w skali frontier nie są konieczne.
Przegląd optymalizacji lokalnych. W raportach: 30–50-procentowe przyspieszenie po przejściu z llama.cpp na Windows na vLLM na Linuksie, wsparcie MTP dla GLM-4.5-Air w llama.cpp dla maszyn z dużą pamięcią, kwantyzacja ConvRot oferująca jakość bliską Q8 przy rozmiarach Q6 oraz deepseek-v4-flash Q8 działający z prędkością 24 tokenów/s na EPYC+5090 z kontekstem ponad 100 tys.
Najważniejsze badania
Pułapki poznawcze wywołane pamięcią. MemTrapBench ocenia wywołane pamięcią pułapki poznawcze (fiksację rozumowania, zniekształcenie przekonań) w dużych modelach językowych. Wszystkie testowane strategie pamięciowe wypadają o ponad 10% gorzej niż linia bazowa bez pamięci, a AdaptiveMem łagodzi pułapki, zachowując wydajność.
Gradienty ewolucji SkillEvo. SkillEvo wykorzystuje informację zwrotną z wieloturowych interakcji do generowania wiarygodnych gradientów ewolucji dla umiejętności agentów. Odpowiada to na spadek jakości feedbacku opartego na pojedynczej rundzie QA i umożliwia strukturalną naprawę błędów w umiejętnościach.
VLM ze zrzutów ekranu. Dostrojenie VLM o 450M parametrach na 50 tys. zrzutów ekranu przeglądarki poprawiło skuteczność w zadaniach z 1/100 do 44/100, co pokazuje, że małe modele mogą nauczyć się rozumienia UI dla zadań agentowych.
Paradoks naukowca AI. Artykuł z ekonomii teoretycznej argumentuje, że oszczędności czasu dzięki AI mogą skłaniać badaczy do prowadzenia większej liczby projektów, z mniejszym nakładem pracy na każdy z nich, co może obniżać jakość badań nawet wtedy, gdy modele językowe działałyby bezbłędnie.
Branża i biznes
Tańsza konkurencja Anthropic. Przychody Anthropic w ujęciu rocznym sięgnęły 65 mld dolarów, ale jej najlepszy model Fable 5 notuje niską adopcję (8% wydatków wg Ramp) wobec 28% dla Opus 4.8, a tańsze narzędzia radzą sobie lepiej. Przychody OpenAI skoczyły o 35% po premierze GPT-5.6.
Stripe kupuje OpenRouter. Przejęcie OpenRoutera przez Stripe sygnalizuje, że tokeny stają się zasobem ekonomicznym. Zużycie tokenów przez agentów na OpenRouterze wzrosło od lutego 14-krotnie, podczas gdy użycie przez ludzi tylko 2,8-krotnie, a 70% tokenów agentowych pochodzi z promptów z pamięci podręcznej. Agenci coraz częściej wybierają modele na podstawie kosztu, opóźnienia i niezawodności.
Serwery Nvidii drożeją o 15%. Niedobór pamięci sprawia, że ceny serwerów AI Nvidii rosną o ponad 15% w przypadku systemów Vera Rubin i Grace Blackwell. Wynika to z podwyżek cen DRAM przez Samsung, SK Hynix i Micron, co dotyka gigantów chmurowych i laboratoriów AI.
Nvidia licencjonuje technologię Poolside. Nvidia inwestuje 1 mld dolarów w Poolside i płaci 6 mld dolarów za licencję na technologię tej spółki, przenosząc ponad 100 inżynierów do Nemotron. Celem jest konkurowanie z chińskimi otwartymi wagami.
Menedżer AI zwalnia pracownika. Agent AI Luna, prowadzący od kwietnia sklep w San Francisco, zwolnił ludzkiego pracownika za powtarzające się spóźnienia, ale dopiero po tym, jak ludzie przypomnieli mu jego własne zasady. Powtórki z siedmioma modelami pokazały, że bardziej zaawansowane AI zalecały zwolnienie bardziej konsekwentnie.
Szara strefa tokenów Claude. Chińscy deweloperzy omijają ograniczenia Anthropic przez stacje przekaźnikowe sprzedające tokeny Claude po ok. 10% oficjalnej ceny. Korzystają przy tym z zagranicznych serwerów, darmowych kredytów i podmiany modeli, podważając geoblokadę i monitoring bezpieczeństwa.
To wszystko na dziś - około 5 minut czytania.