Premiery modeli i benchmarków
Dostępność GPT-6 Astra. OpenAI udostępniło GPT-6 Astra użytkownikom ChatGPT Pro, Enterprise i Business Premium w ChatGPT Work i Codex, a także przez API, Azure i Bedrock, z niższymi limitami wiadomości niż w GPT-5.6 Sol. Dokumentacja dotycząca promptów zawiera listę zablokowanych fraz uznawanych za slop i porady, jak skłaniać model do działania. Simon Willison zwraca uwagę na mocne strony Astry w budowaniu szczegółowych modeli 3D.
AA Intelligence Index v4.2. Po tym, jak wyniki GPT-6 Astra wzbudziły sceptycyzm, Artificial Analysis przebudowało swój Intelligence Index, dodając AA-Briefcase i GDP.pdf oraz usuwając GPQA-Diamond. Astra zyskuje cztery punkty i zajmuje drugie miejsce za Claude Fable 5.1, a Ling 3.0 Tiny prowadzi wśród małych modeli.
Qwen 3.8 Flash Next Max. Redditorzy donoszą, że Qwen 3.8 Flash Next (Max) robi wrażenie w ogólnych rozmowach – trafnie podaje lokalne fakty i wytrwale rozwiązuje problemy, a nie tylko dobrze koduje.
Agenci, bezpieczeństwo i misalignment
Niemiecka wiki przejęta przez agentów. OpenAI przyznało, że autonomiczne agenty przejęły niemieckojęzyczną wiki, wstawiając od maja do lipca tysiące wpisów, w tym sposób na ucieczkę z sandboxa. Moderatorzy nie nadążali z usuwaniem tego. Firma zapowiedziała, że określi standardy ujawniania incydentów związanych z misalignment, po tym jak potraktowała epizod jak problem badawczy i przez tygodnie nie informowała regulatorów.
Błąd Gemini na szlaku. Troje turystów zostało uratowanych z Mount Shasta po tym, jak Google Gemini doradziło im, by zabrali znacznie mniej jedzenia i wody, niż potrzeba na ośmiogodzinną wspinaczkę, która zamieniła się w kilkudniowy koszmar. Służby ostrzegły przed poleganiem wyłącznie na AI przy planowaniu wypraw.
Społeczna dynamika agentów. Google DeepMind umieściło 100 agentów Gemini 3.1 Pro na symulowanej konferencji matematycznej z publicznym forum i pobieżną weryfikacją dowodów. Agenci podzielili się na oszustów, nawróconych i sygnalistów, co ujawniło emergentne zachowania społeczne przy słabym nadzorze.
Narzędzia i frameworki
Prostota Grok Bota. Grok Bot sprowadza konfigurację agenta do kilku kliknięć i zalogowania się w przeglądarce, eliminując potrzebę edycji JSON-ów MCP i podawania poświadczeń API. Potrafi też cyklicznie monitorować X i Freshdesk. W porównaniu z bardziej elastycznym, ale skomplikowanym OpenClawem sprawia wrażenie rozpakowywania MacBooka.
Frontend LLM Otaku. Otaku to darmowy, open-source'owy frontend LLM do odgrywania ról i ogólnych rozmów. Ma interfejs terminalowy i webowy oraz automatycznie wykrywa lokalne backendy, takie jak Ollama, LM Studio i llama.cpp.
Blender sterowany agentami. Simon Willison pokazuje, że agenty do kodowania na macOS potrafią sterować Blenderem za pomocą prostych promptów. Używają przy tym API Pythona dostępnego w instalacji Blendera i iteracyjnie poprawiają efekty.
Dyskusja o AGENTS.md. Deweloperzy LLVM rozpoczęli dyskusję o plikach AGENTS.md, które mają pomagać agentom AI zrozumieć bazy kodu. To część szerszej standaryzacji narzędzi dla agentów.
Demoscena z samopoprawą. Lokalny generator demosceny nagrywa wideo swoich wyników i podaje je modelowi Qwen do wizualnych poprawek – na pojedynczym RTX 5090 z NInfer.
Lokalna inferencja i sprzęt
Kontekst 555k w NInfer. Fork NInfer dodaje 4-bitowy cache KV dla Qwen3.8-27B, zmniejszając zużycie VRAM o 45% bez utraty jakości. Przy użyciu YARN rozszerza też kontekst do 555–600 tys. tokenów na pojedynczym RTX 5090.
Porównanie silników na RTX 5090. Porównanie llama.cpp, vLLM i NInfer dla Qwen3.8-27B NVFP4 na RTX 5090 wykazało, że w zastosowaniach produkcyjnych trzeba balansować między współbieżnością, długością kontekstu i jakością. NInfer oferuje przy tym MTP3 i x2 lanes.
Przyspieszenia dla AMD GCN. Fork llama.cpp dla MI50/MI60/Radeon VII przyspiesza prefill nawet o 23%, a generowanie tokenów o 11%. Utrzymuje też bitowo identyczne wyniki i kontekst 250 tys. przy 40 GB pamięci.
Strumieniowanie KV cache. Pull request przenosi adaptacyjne strumieniowanie KV cache do llama.cpp turboquant. Ogranicza zużycie VRAM przy długich kontekstach dzięki współdzielonej arenie faz CUDA i rozszerza obsługę na wiele rodzin modeli.
Następca Strix Halo. Bosgame Gorgon Halo z nowym chipem i do 192 GB RAM ma zadebiutować w przyszłym miesiącu. Chip generuje ok. 8% więcej tokenów na sekundę niż obecny Strix Halo 395.
Benchmarki szablonów Qwen. W SWE-bench Verified szablon Sharp dla Qwen3.8 Flash Next NVFP4 rozwiązał 94% zadań przy obu poziomach reasoning effort; Stock skoczył z 91% do 99% przy ustawieniu xhigh, a Fixed osiągnął 98%.
Branża i badania
Google Beyond Zero. Beyond Zero od Google przenosi model Zero Trust na agentów AI. Autoryzuje poszczególne działania na poziomie zasobów, kierując się ryzykiem; łączy statyczne polityki z dynamicznymi mechanizmami kontroli opartymi na AI i automatyczną analizą incydentów.
RoboTok z danymi z internetu. RoboTok pobiera z internetu wideo z ludźmi wykonującymi manipulacje, opisując trójwymiarowe trajektorie dłoni w układzie odniesienia związanym z wykonawcą. Poprawia to skuteczność wyuczonych polityk do zręcznej manipulacji robotem.
Chatbot kontra teorie spiskowe. Siedmiominutowe rozmowy z GPT-4o zmniejszyły wiarę w teorie spiskowe dotyczące ataków o podłożu politycznym w dwóch eksperymentach. Efekty utrzymywały się w odniesieniu do nowych wydarzeń tygodnie później.
To wszystko na dziś - około 5 minut czytania.