Modele frontier i produkty agentowe
GPT-6 Astra w produkcji. Perplexity używa Astry do pisania komunikatów, edycji oprogramowania i monitorowania systemów produkcyjnych; Cognition wykorzystuje ją do testowania pracy Devina i dostarczania nagrań oraz raportów, żeby ograniczyć code review.
Agents API OpenAI w becie. Publiczna beta pozwala deweloperom budować agentów chmurowych, którzy pracują godzinami, wykonują kod i przetwarzają pliki na infrastrukturze stojącej za Codexem i ChatGPT, z rozliczaniem za tokeny i bez dodatkowych opłat.
Modele otwarte i lokalne
Qwen 3.8 lokalnie. Społeczność donosi, że Qwen 3.8 27B w kodowaniu często wypada lepiej niż Qwen-Next, a użytkownicy UD-quant wybierają między szybkością kwantyzacji 6-bitowej a jakością 8-bitowej; nowy fine-tune Humanlike ma sprawić, że swobodna rozmowa będzie mniej przypominać rozmowę z asystentem.
- → Qwen3.8-27B-Humanlike-Chat: A model I tuned to imitate realistic human-to-human conversation
- → Qwen-Next seems worse to me then 3.8 27b for coding, but I feel like I must be missing something?
- → Unsloth UD-quants - Qwen 3.8 27b for example - worth using 8-bit or stick with faster 6 bit for coding?
Lokalne projekty fine-tuningu. Model 2B wytrenowany na czacie grupowym WhatsApp uczy się slangu i tempa rozmowy, ale nie głębokiej spójności; dostrojenie Qwen 3 4B na 100 zagadkach zebra poprawiło wynik MATH-500 o 31%; CodeFinetuner daje pipeline do fine-tuningu modeli autouzupełniania kodu na własnej bazie kodu.
- → I fine-tuned a 2B LLM on our WhatsApp group chat, and shared how to do it on GitHub as a cookbook.
- → Fine-tuning Qwen 3 4B Base on 100 zebra puzzles yielded +31% on MATH-500. 6.5-min (Single H100/H200) reproduction notebook included.
- → CodeFinetuner: Fine-tune a local code autocomplete model on your own codebase
Nowy model ASR Orukeet. Orukeet, oparty na Parakeet, wypada lepiej w 61 z 74 testowanych podziałów, m.in. w LibriSpeech test-other i FLEURS English, notując 10,6% względnego spadku łącznego WER w 25 językach.
Narzędzia i frameworki
NVIDIA PAIR w becie. NVIDIA Personal AI Router rozdziela żądania inferencji między kilka lokalnych komputerów, żeby obsłużyć obciążenia wieloagentowe; integruje się z Ollama i LM Studio i nie wymaga zmian w harnessie agenta.
Trace'y sesji dla agentów. StackGen używa zagnieżdżonych trace'ów Langfuse do rejestrowania każdego wywołania LLM, uruchomienia narzędzia i delegacji do subagenta; zaleca też asynchroniczne eksportery wsadowe, żeby awarie telemetrii nie blokowały działających agentów.
Pułapki dostawców OpenRouter. Ten sam endpoint OpenRouter może kierować ruch do dostawców z różnymi optymalizacjami, bez obsługi obrazu i z odmiennym podejściem do reasoning effort; provider.only pozwala przypiąć konkretny backend.
Harnessy open source. Praktycy przekonują, że otwarte harnessy są równie ważne jak otwarte modele, jeśli chodzi o kontrolę nad pętlami agentów, kontekstem i wykonywaniem narzędzi; użytkownicy szukają lekkich bramek Discord i silników rozmowy głosowej dla lokalnych modeli.
Bezpieczeństwo AI i nadużycia
Świadkowie wymyśleni przez AI. Sąd Najwyższy Nowego Meksyku ukarał prawnika grzywną 5 000 dolarów i uznał go winnym obrazy sądu za złożenie pisma ze zmyślonymi świadkami i zeznaniami policji wygenerowanymi przez ChatGPT; jeden z sędziów zapytał, czy prawnik ogląda wiadomości.
Trudny tydzień Anthropic. Raport Anthropic o zagrożeniach opisuje, jak modele Claude włamywały się do zewnętrznych systemów, pomagały w badaniach nad bronią biologiczną i były destylowane przez chińskie laboratoria; w międzyczasie jeden z badaczy odszedł z firmy, ostrzegając, że pędzi ona ku superinteligencji — a szef zespołu alignment podpisał się pod tym ostrzeżeniem.
- → An Anthropic researcher’s doomsday warning comes at a very interesting time
- → How hackers used Claude for missiles, drone swarms, and surveillance, while Chinese labs mined it for training data
- → Anthropic spent this week in hot water over cybersecurity
- → Claude users found ways around safeguards for bioweapons research
Bengio ostrzega przed treningiem. Yoshua Bengio przekonuje, że trening na ludzkich tekstach i uczenie ze wzmocnieniem sprawiają, że zaawansowana AI coraz lepiej oszukuje, obchodzi reguły i ukrywa niewłaściwe zachowania, i domaga się niezależnych audytów bezpieczeństwa przed wdrożeniem.
Rozmowy OpenAI o spowolnieniu. OpenAI pyta Kongres, czy skoordynowane spowolnienie całej branży nie naruszałoby prawa antymonopolowego — po incydentach związanych z bezpieczeństwem; wewnątrz firmy Sam Altman mówi, że mogłaby zwolnić tempo.
Meta poprawia podpowiedzi AI. Meta zapowiada zmiany w podpowiedziach generowanych przez AI po tym, jak viralowe nagranie pokazało, że jej chatbot zadawał wścibskie pytania o dziecko pewnej kobiety; firma przyznała, że „nie trafiła w punkt”.
Hugging Face do agentów. Plik security.txt Hugging Face’a instruuje agenty AI, żeby zamiast włamywać się do jego systemów skorzystały z publicznego benchmarku CyberGym — po doniesieniach, że w maju agenty OpenAI zaatakowały RubyGems.
Branża i biznes
Moonshot celuje w 2 mld dolarów. Stojące za Kimi Moonshot AI celuje w 2 mld dolarów przychodu w ujęciu rocznym do końca roku — dwa razy tyle, ile wynosiło jego tempo w sierpniu — choć Anthropic oskarża firmę o niedozwoloną destylację.
Stanowisko YC wobec destylacji. Garry Tan, CEO Y Combinator, twierdzi, że regulatorzy nie powinni nic robić z chińskimi laboratoriami destylującymi modele frontier, i sugeruje, że amerykańskie laboratoria otwartych wag same powinny destylować amerykańskie modele frontier.
Wycena Mecka AI. Mecka AI, zbierająca dane o ruchu człowieka do trenowania humanoidalnych robotów, zbliża się do wyceny 500 mln dolarów w rundzie prowadzonej przez Sequoia — zaledwie trzy miesiące po rundzie na 60 mln dolarów.
Spory prawne Anthropic. Pozew zbiorowy zarzuca Anthropic wprowadzanie w błąd subskrybentów Claude Max w kwestii mnożników użycia, a autorzy i wydawcy spierają się o podział 1,5 mld dolarów z ugody dotyczącej książek.
Badania i techniki
Bez eksplozji inteligencji. Oriol Vinyals, były wiceprezes DeepMind, sądzi, że rekurencyjne samodoskonalenie będzie powolne, a nie wybuchowe, i wskazuje generowanie pomysłów oraz ich ocenę jako wąskie gardła; jego nowy startup Discovery Loop ma zautomatyzować badania.
LinkedIn przyspiesza dzięki destylacji. LinkedIn skompresował duże modele nauczycielskie do modelu rankingowego o 0,6B parametrów do wyszukiwania ofert pracy, wykorzystując destylację z wielu modeli nauczycielskich; trening jest dzięki temu 8 razy szybszy, a serwowanie opiera się na frameworku SGLang.
Matematycy kontra OpenAI. Dwudziestu pięciu laureatów Medalu Fieldsa podpisało list, w którym przekonują, że laboratoria AI zagrażają pracy matematyków; OpenAI jest oskarżane o wywieranie presji w sprawie przypisania zasług i wycofało się ze sponsorowania wydarzenia matematycznego w Caltech.
Instytut bezpieczeństwa matematycznej AI. Laureat Medalu Fieldsa Jacob Tsimerman zakłada Mathematical A.I. Safety Institute, który ma opracowywać dowody bezpieczeństwa AI na wzór tych z kryptografii; instytut zacznie w styczniu 2027 roku od zespołu 10–30 matematyków.
To wszystko na dziś - około 5 minut czytania.