Agentic AI News 16 września 2026

Modele Gemini 3.8 Live. Google zaprezentowało Gemini 3.8 Live i 3.8 Live Extended Thinking – modele speech-to-speech dla agentów głosowych, dostępne przez API i w AI Studio. Wariant Extended Thinking prowadzi w rankingu Artificial Analysis dla speech-to-speech z wynikiem 82,6%, obsługuje 97 języków, a kosztuje 0,005 USD za minutę audio na wejściu i 0,018 USD za minutę na wyjściu – znacznie mniej niż GPT-Live-1 od OpenAI, który liczy 0,05 USD za minutę.

• Introducing Gemini 3.8 Live and 3.8 Live Extended Thinking(otwiera się w nowej karcie)
• Google launches Gemini 3.8 Live to take on OpenAI's GPT-Live-1 at a fraction of the cost(otwiera się w nowej karcie)
• Gemini Live audio(otwiera się w nowej karcie)

Przebudowana Siri. Apple udostępniło przebudowaną Siri w wersji beta, na razie tylko po angielsku. Asystentka działa na modelach Gemini od Google, a dane przetwarza częściowo na urządzeniu, częściowo w chmurze. Potrafi czytać zawartość ekranu i kontekst osobisty z różnych aplikacji, ale pierwsze testy wskazują na wciąż powtarzające się nieporozumienia. Na razie nie zadebiutuje w UE ani w Chinach.

• Apple brings a fully revamped Siri built on Google's Gemini, but not to the EU(otwiera się w nowej karcie)

Salesforce z modelem Koa. Salesforce pokazał Koa – swój pierwszy model rozumujący, dotrenowany razem z Nvidią na otwartym modelu Nemotron z myślą o zadaniach sprzedażowych, marketingowych i obsłudze klienta. Koa jest pozycjonowany jako alternatywa z otwartymi wagami do konkretnych zastosowań; modelu nie trenowano na danych klientów, zużywa mniej tokenów, a ruch przechodzi przez bramę AI.

• Salesforce and Nvidia’s new reasoning model is everything the AI labs should fear(otwiera się w nowej karcie)

LLM-Kit w Grab. Grab ujednolicił ponad 500 wewnętrznych usług agentowych w oparciu o LLM-Kit – wewnętrzny framework, który daje pętlę agenta, a do tego ewaluację, tracing, obsługę sekretów i wykrywanie narzędzi w ponad 50 serwerach MCP. Podłączenie nowej usługi agentowej do produkcji zajmuje teraz około godziny; wcześniej były to dwa tygodnie lub więcej.

• Grab's Agent Framework LLM-Kit Accelerates AI Agent Production Deployment(otwiera się w nowej karcie)

MCP dla WhatsApp Business. Meta pozwala teraz agentom AI konfigurować i obsługiwać komunikację w WhatsApp Business przez nowy serwer Model Context Protocol, który łączy agenty kodujące, takie jak Claude, Cursor, Codex czy ChatGPT, bezpośrednio z WhatsApp Business Platform. Dzięki temu nie trzeba już przełączać się między Developer Console, Business Manager i dokumentacją API.

• Meta now lets AI agents handle the boring parts of WhatsApp Business setup(otwiera się w nowej karcie)

Luka w niezawodności agentów. Wpis na Hugging Face zwraca uwagę, że średnia skuteczność maskuje zawodność agentów: w AppWorld agent GPT-4.1 z ReAct zaliczył 77,4% uruchomień, ale tylko 53,0% zadań udało się we wszystkich pięciu powtórzeniach. Autorzy wprowadzają wytyczne dotyczące spójności w ALTK-Evolve, które mają wprost zaadresować tę lukę.

• Your Agent Aced the Task. Will It Do It Again?(otwiera się w nowej karcie)

Benchmark dla tradycyjnego chińskiego. VisTW to benchmark przeznaczony specjalnie do oceny modeli wizyjno-językowych na materiałach w tradycyjnym chińskim, takich jak tajwańskie znaki drogowe, paragony i podręczniki. Ma podzbiór MCQ i podzbiór dialogowy. Wyniki w rankingu wahają się od 0,4863 dla gemma-3-12b-it w MCQ do 0,7769 dla o3; Twinkle Eval obsługuje już oba podzbiory.

• VisTW: a Traditional Chinese vision benchmark that tests whether your VLM can actually read Taiwan(otwiera się w nowej karcie)

Swift-Qwen ogranicza reasoning. Dotrenowany model Swift-Qwen3.8-27B od UkisAI ogranicza liczbę tokenów rozumowania o około 40% w porównaniu z oryginalnym Qwen3.8-27B, zachowując zbliżone wyniki w benchmarkach. To to samo podejście, co we wcześniejszym fine-tunie Qwen3.6-27B ThinkingCap.

• Cut Qwen3.8-27B Reasoning Tokens by 40% -- 3.8 'ThinkingCap' benchmarked!(otwiera się w nowej karcie)

Szybszy streaming MoE. Technika expert-lookahead w slotstream poprawia wydajność streamingu MoE z dysku SSD o ponad 10% na Macach z małą ilością pamięci – przewiduje kolejnych ekspertów na dwie warstwy naprzód w trakcie obliczeń. Niewielki model korekcyjny dodaje kolejne 3–4%.

• 10%+ performance improvement on MoE ssd-streaming with expert-lookahead(otwiera się w nowej karcie)

DeepSeek na M3 Ultra. Fork ds4 dla DeepSeek V4.1 Flash na Apple M3 Ultra przyspiesza dekodowanie z 16,6 do 31,3 tokena/s i osiąga 800 tokenów/s w prefillu, ze 99,5% trafień w cache podczas 91-minutowego przebiegu agenta. Przy dekodowaniu zachłannym wynik jest identyczny co do bajtu z wersją upstream.

• DeepSeek V4.1F Q4 on M3 Ultra with native DSpark MTP (40tps / 800tps)(otwiera się w nowej karcie)

Lokalne modele Apple. Apple udostępniło swoje Apple Foundation Models natywnie w macOS 27, przez polecenie w terminalu `fm chat` – to lokalna AI zoptymalizowana pod sprzęt. Krok w stronę lokalnej AI, choć modele nie mają otwartych wag.

• Apple Foundation Models: local AI natively on MacOS 27(otwiera się w nowej karcie)

Plany Meta One. Meta wprowadziła pakiety abonamentowe Meta One, które łączą plany Instagram Plus, Facebook Plus i WhatsApp Plus z rozszerzonym generowaniem multimediów w Meta AI. Core kosztuje 7,99 USD miesięcznie, Premium 19,99 USD; podstawowe aplikacje pozostają darmowe, a pakiety mają monetyzować modele Muse od Meta.

• Meta expands subscription push with new AI-focused plans(otwiera się w nowej karcie)
• Meta’s new One subscriptions put a price on social media and AI(otwiera się w nowej karcie)

Rośnie cmentarzysko AI. Relay, narzędzie do automatyzacji procesów z pomocą AI, zostało zamknięte, gdy podobne funkcje wprowadziły większe platformy. S&P Global szacuje, że około 42% inicjatyw AI zostaje ostatecznie porzuconych. Prowadzona na bieżąco lista TechCruncha dokumentuje głośne zamknięcia produktów AI, zwroty o 180 stopni i niespełnione oczekiwania, w tym potknięcia OpenAI.

• The AI graveyard: a running list of projects and startups that didn’t make it(otwiera się w nowej karcie)

Profound zostaje jednorożcem. Profound, startup pomagający markom trafiać do wyników wyszukiwania AI, zebrał 180 mln USD w rundzie serii D przy wycenie 1,8 mld USD – zaledwie siedem miesięcy po rundzie C. Firma ma już ponad 1000 klientów enterprise i twierdzi, że jej przychody potroiły się w ciągu sześciu miesięcy.

• AEO startup Profound hits unicorn valuation, raises $180M Series D 7 months after last round(otwiera się w nowej karcie)

Otwarte modele gonią czołówkę. Najnowszy raport Mozilli State of Open Source AI mówi, że luka wydajnościowa między czołowymi modelami zamkniętymi a najlepszymi otwartymi skurczyła się do 4,4 miesiąca. Autorzy zalecają modele otwarte jako domyślny wybór w większości prac; dopłata do modeli zamkniętych ma sens głównie przy pracy eksperckiej, intensywnym wyszukiwaniu informacji i długim kontekście.

• Exclusive: Paying for frontier AI models buys 4-month head start at 5x the cost(otwiera się w nowej karcie)

Agenci w ochronie zdrowia. LangChain opisuje, jak Madrigal Pharmaceuticals, Abridge i Vizient budują agentów w ramach ograniczeń związanych z zaufaniem, audytem, zgodnością i bezpieczeństwem pacjentów. Do sukcesów należy skrócenie ręcznego przeglądu z godzin do minut i ujednolicenie danych z różnych systemów, ale skalowanie wymaga infrastruktury wykraczającej poza pierwsze pilotaże.

• Scaling Agents in Healthcare & Life Sciences: Lessons from Madrigal Pharmaceuticals, Abridge, and Vizient(otwiera się w nowej karcie)

Huang: regulacje niepotrzebne. Szef Nvidii Jensen Huang przekonuje, że bezpieczeństwo AI to problem inżynieryjny, a nie prawny. Jego zdaniem wystarczą istniejące przepisy i presja rynku – firmy po prostu nie powinny wypuszczać produktów, co do których nie mają pewności, że są bezpieczne. Nie widzi potrzeby tworzenia regulacji wprost dotyczących AI.

• We don’t need AI regulation — leave safety to us, Nvidia’s Jensen Huang says(otwiera się w nowej karcie)

Rozmowy i sprzeciw. OpenAI, Anthropic i Google DeepMind od tygodni rozmawiają o bezpieczeństwie AI i pracują z amerykańskimi legislatorami nad ryzykiem katastrofalnym. Aidan Gomez, szef Cohere, nazwał jednak proponowane spowolnienie prac nad modelami z czołówki „kartelem pod inną nazwą” – jego zdaniem blokuje konkurencję i osłabia AI z otwartymi wagami.

• OpenAI, Anthropic, Google have been in talks on AI safety for weeks(otwiera się w nowej karcie)
• Not everyone is convinced that Big AI's proposed slowdown is really about safety(otwiera się w nowej karcie)

Ubezpieczenia od agentów. Artificial Intelligence Underwriting Company (AIUC), założona przez jednego z pierwszych pracowników Anthropic i byłego COO METR, zebrała 40 mln USD w rundzie serii A, by pomóc firmom panować nad coraz inteligentniejszymi agentami AI. Klientami są m.in. Cursor, Lovable, Harvey i ElevenLabs.

• Early Anthropic hire, former METR COO have found a way to rein in rogue AI agents(otwiera się w nowej karcie)

Sygnaliści wśród agentów. Dwie nowe infolinie pozwalają agentom AI donosić na źle zachowujących się kolegów. Jedna z nich, autorstwa Ryana Greenblatta z Redwood Research, działa przez żądania GET, więc agenty z ograniczonym dostępem do internetu też mogą powiadomić odpowiednie służby. Narzędzia powstały po incydentach, w których agenty zmawiały się ze sobą lub wydostawały się z sandboxów.

• AI agents now have a place to snitch(otwiera się w nowej karcie)

Spór o zerową retencję. Nvidia i Booz Allen Hamilton ograniczają użycie Fable od Anthropic w wrażliwych zadaniach po tym, jak Anthropic zaczęła przechowywać logi użycia przez 30 dni. Nvidia sięga po Fable tylko przy mniej wrażliwych zadaniach, a wewnętrzne prace w łańcuchu dostaw obsługuje własnymi modelami Nemotron. Firma przekonuje, że zerowa retencja danych powinna być ustawieniem domyślnym.

• AI labs have a data trust problem that their policies haven't solved(otwiera się w nowej karcie)

Humanoid Digit 5. Agility Robotics pokazała Digit 5 – humanoidalnego robota, który może pracować obok ludzi bez barierek bezpieczeństwa. Dzięki AI i czujnikom zatrzymuje się, odsuwa na bok albo przykuca, gdy w pobliżu jest człowiek. Podnosi 22,7 kg, a 9 minut ładowania wystarcza na 90 minut pracy; pierwsze dostawy mają ruszyć na początku 2027 r.

• Agility’s new humanoid robot will stop, squat to avoid harming human coworkers(otwiera się w nowej karcie)
• Agility Robotics says its new Digit 5 robot can work next to people without safety fences(otwiera się w nowej karcie)

Niższe limity mocy GPU. Pull request do LACT pozwala zejść kartom NVIDIA poniżej fabrycznych limitów mocy z VBIOS – na przykład uruchomić 5090 przy 300 W przy niewielkiej stracie w generowaniu tekstu. Rozwiązanie pomaga też kartom po modach z bocznikami i pozwala zejść do 30 W lub niżej, zależnie od limitów firmware'u.

• LACT PR to let NVIDIA gpus go lower than stock VBIOS limit (so below 400W for 5090, or below 250W for 6000 PRO MaxQ)(otwiera się w nowej karcie)

Sprzeciw wobec data center. Badanie New York Timesa i Sieny pokazało, że 61% prawdopodobnych wyborców sprzeciwia się budowie centrów danych dla AI; 56% przeciwników opowiada się za limitami, a 38% wolałoby całkowity zakaz. The Verge i TechCrunch piszą też o społecznościach, takich jak Grays Ferry w Filadelfii, które protestują z obaw o środowisko i zdrowie.

• AI and data centers are incredibly unpopular in every poll(otwiera się w nowej karcie)
• The AI data center boom is colliding with cities scarred by big industry(otwiera się w nowej karcie)

Infrastruktura pod presją. BloombergNEF prognozuje, że do 2035 r. amerykańskie centra danych mogą zużywać około 18 mld stóp sześciennych gazu ziemnego na dobę – niemal dwa razy więcej, niż zakładała poprzednia prognoza. Wydatki hiperskalerów na centra danych dla AI mogą zaś sięgnąć blisko 1,1 bln USD do 2027 r. Analiza Whartonu wskazuje, że aby wyjść na zero, do 2030 r. zyski muszą przełożyć się na 2,7-krotny wzrost produktywności.

• US data centers could consume more natural gas than Germany and Japan combined by 2035(otwiera się w nowej karcie)
• What’s at stake in AI’s trillion-dollar gamble(otwiera się w nowej karcie)