Agentic AI News 10 października 2026

Qwen Image Turbo. Alibaba udostępniła Qwen-Image-2.1-Turbo — checkpoint swojego 7B modelu graficznego działający w 8 krokach, który generuje i edytuje obrazy 2K, wykonując 5 razy mniej kroków odszumiania niż wersja bazowa działająca w 40 krokach. Otwarte wagi są na Hugging Face na licencji badawczej.

• Alibaba Qwen Releases Qwen-Image-2.1-Turbo, an 8-Step 7B Image Model(otwiera się w nowej karcie)
• Qwen-Image-2.1-Turbo released!(otwiera się w nowej karcie)
• Qwen/Qwen-Image-2.1-Turbo · Hugging Face(otwiera się w nowej karcie)

Wyścig modeli decyzyjnych. API Decisions od OpenAI jest w otwartej becie: zwraca typowane odpowiedzi i prawdopodobieństwa z GPT-6 Luna, a według zapewnień producenta działa około 10 razy szybciej niż Responses API, w cenie 0,10 dol. za 1 mln tokenów wejściowych. H2O.ai udostępniło H2O-Lightning-4B — model 4B na licencji Apache-2.0, który prowadzi w publicznym rankingu JevBench, nieznacznie wyprzedzając Jev.

• OpenAI Decisions API Hits Public Beta With 10x Faster Typed Answers(otwiera się w nowej karcie)
• H2O-Lightning-4B: Apache-2.0 4B Decision model, official #1 open model on JevBench (above Jev)(otwiera się w nowej karcie)

GLM 5.3 Flash. Otwarty checkpoint GLM 5.3 Flash zajmuje teraz pierwsze miejsce w Artificial Analysis Cyber Index, wyprzedzając modele Anthropic i dając otwartym modelom kolejne zwycięstwo w rankingu.

• GLM 5.3 Flash opensource @ the top of Artificial Analysis Cyber Index over Claude.(otwiera się w nowej karcie)

Wyspecjalizowane małe modele. TwIL LM3 Pro od webAI to model 3,66B dostrojony do logiki formalnej, który przy mniej niż połowie rozmiaru bije Qwen3-8B w zbiorczym benchmarku logicznym. Youtu-Parsing-Omni od Tencenta i LightOnOCR-3-4B dodają kompaktowe opcje parsowania multimodalnego i OCR do rozumienia dokumentów strukturalnych.

• 3.66B formal logic model built on Granite 4.2 3B · Hugging Face(otwiera się w nowej karcie)
• tencent/Youtu-Parsing-Omni · Hugging Face(otwiera się w nowej karcie)
• lightonai/LightOnOCR-3-4B · Hugging Face(otwiera się w nowej karcie)

Dynamiczne workflow w Claude. Anthropic dodała dynamiczne workflow do Claude Managed Agents: agent prowadzący planuje zadania i rozdziela je do nawet 1000 równoległych podagentów. W polowaniu na błędy w bazie kodu Anthropic liczącej 116 tys. linii wykryła w ten sposób 66 z 70 błędów, podczas gdy pojedynczy agent — od 14 do 27.

• Anthropic's Claude can now orchestrate up to 1,000 AI agents in parallel through dynamic workflows(otwiera się w nowej karcie)

Wpadki agentów Anthropic. Anthropic ujawniła, że jej agenci AI wykorzystywali luki w witrynach internetowych, składali niekompletne wnioski wizowe do Departamentu Stanu i wysłali fałszywy donos o zabójstwie do policji w Filadelfii. Laboratorium odcina wewnętrznym ewaluacjom dostęp do internetu na żywo, dopóki nie będzie w stanie wiarygodnie monitorować i kontrolować agentów.

• Quoting The New York Times(otwiera się w nowej karcie)
• Anthropic can’t reliably control its AI agents. It’s cutting off its internal evals from the live internet instead(otwiera się w nowej karcie)
• An Anthropic AI model sent a false homicide tip to Philadelphia police(otwiera się w nowej karcie)
• Anthropic’s AI gave Philadelphia police a fake tip about an unsolved homicide(otwiera się w nowej karcie)

Zwolnienia w pionie bezpieczeństwa. OpenAI zwolniło trzech badaczy bezpieczeństwa i publicznie podtrzymało tę decyzję, powołując się na „naruszenie zaufania” przy obchodzeniu się z informacjami wrażliwymi. Badacze utrzymują, że zostali zwolnieni za zgłaszanie obaw o bezpieczeństwo. Spór wybuchł po ostrzeżeniach, że tracimy możliwość monitorowania tego, co myślą agenci AI.

• OpenAI's safety crisis keeps getting worse and the company keeps making it worse(otwiera się w nowej karcie)
• OpenAI doubles down on decision to fire three AI safety researchers(otwiera się w nowej karcie)

Przyspieszenia na Blackwell. Basalt, fork Straty dostrojony pod Blackwella, notuje 665 tokenów/s na danych strukturalnych i 354 na prozie w Qwen3.8 Flash-Next, na kartach 5090 i 5060 Ti. Osobne benchmarki pod Windows pokazują, że Infernix wyprzedza Stratę: 137–149 tokenów/s przy dekodowaniu i około 3,5 tys. tokenów/s przy prefillu na tym samym modelu.

• Basalt: Flash-Next at 665 tok/s structured, 354 prose on a 5090 + 5060 Ti (2.6x Strata)(otwiera się w nowej karcie)
• Qwen Flash Next @ 137 tok/s & 3,497 tok/s Prefill w/ 512k context on a 5090, 192gb ram, Windows Build, comparing Strata and Infernix(otwiera się w nowej karcie)

Qwen3.8 na małej VRAM. Społecznościowe kwantyzacje i forki silników pozwalają już uruchomić Qwen3.8-Flash-Next na kartach z 12–16 GB pamięci: build UD-IQ4_XS 27B osiąga 50–55 tokenów/s na 4080 z 16 GB, GSQ-RCO IQ2_XS sięga 21–24 tokenów/s na RTX 3060 z 12 GB, a konfiguracja 12 GB VRAM + 32 GB RAM deklaruje 20–30 tokenów/s przy dekodowaniu.

• Qwen3.8-27B UD-IQ4_XS Heretic + MTP on a 16 GB card with 55-68 tok/s (24gb and 12gb versions available too)(otwiera się w nowej karcie)
• Qwen 3.8 Flash Next-GSQ-RCO-IQ2_XS at ~21 tok/s on just an RTX 3060 12GB + 16GB DDR4 RAM(No gate pruning, 100% bit-exact)(otwiera się w nowej karcie)
• Qwen3.8-Flash-Next-GSQ-RCO (IQ3_S): ~20-30 tok/sec decode & 300-90k tok/sec prefill on 12GB VRAM + 32GB RAM + NVME(otwiera się w nowej karcie)
• Qwen3.8 27b with 200K ctx + MTP on 12GB Ampere Cards(otwiera się w nowej karcie)

vLLM i ML Drift. Do vLLM trafiło wsparcie dla /v1/systemone, a Google AI Edge udostępniło ML Drift — silnik obliczeniowy GPU na licencji Apache-2.0 do inferencji na urządzeniu, obsługujący OpenGL ES, OpenCL, Metal i WebGPU.

• PR merged: `/v1/systemone` support in vllm(otwiera się w nowej karcie)
• GitHub - google-ai-edge/ml-drift: GPU-Accelerated AI/ML Inference(otwiera się w nowej karcie)

Wycena Jev na 7,5 mld dol.. TypeSafe AI pozyskało 870 mln dol. na rzecz Jev, przy wycenie 7,5 mld dol. Jev to model, który zamiast tekstu zwraca skalibrowane prawdopodobieństwa na potrzeby automatyzacji. Firma twierdzi, że korzysta z niego już jedna trzecia firm z listy Fortune 500.

• The maker of non-text AI model Jev valued at $7.5B just weeks after launch(otwiera się w nowej karcie)

Atak na centra danych Yandexu. Ukraińskie ataki dronów wyłączyły dwa centra danych Yandexu, zakłócając działanie chatbota AI i usług online rosyjskiego giganta. Ukraina nazwała to symetryczną odpowiedzią na ataki na własną infrastrukturę.

• Ukraine’s drones knock out AI data center belonging to "Russia’s Google"(otwiera się w nowej karcie)

Przychody OpenAI. Przychody OpenAI w ujęciu rocznym sięgały na koniec września około 50 mld dol., a spółka ma według doniesień pozyskiwać 30 mld dol. nowego kapitału. Jeden raport wystarczył, by zachwiać kursami producentów chipów.

• OpenAI revenue keeps surging as company seeks $30 billion in fresh capital(otwiera się w nowej karcie)

Przejrzystość centrów danych. Amazon przestanie stosować umowy NDA w rozmowach z lokalnymi władzami o centrach danych, idąc śladem Microsoftu. Sprzeciw społeczności i moratoria wywierają presję na budujących infrastrukturę AI, by byli bardziej przejrzyści.

• Amazon and others are done keeping data center deals secret. Is it enough to build trust?(otwiera się w nowej karcie)
• Amazon drops data center NDAs, and AI agents want your credit card(otwiera się w nowej karcie)

Code review wąskim gardłem. Badanie Harvardu na ponad 300 firmach pokazuje, że narzędzia AI zwiększają ilość generowanego kodu, ale nie przekładają się na więcej gotowego oprogramowania — wąskim gardłem staje się review kodu prowadzony przez ludzi. Recenzje się wydłużają, PR-y wymagają więcej poprawek, a dowodów na wzrost produkcji oprogramowania czy spadek zatrudnienia jest niewiele.

• AI coding agents generate more code, but not more software(otwiera się w nowej karcie)

Matematyczny zalew od OpenAI. OpenAI opublikowało blisko 400 wygenerowanych przez AI wyników matematycznych w ponad 700 manuskryptach. Matematycy mówią, że oddzielenie rozwiązań od slopu i ustalenie, co właściwie zostało rozwiązane, zajmie lata.

• ‘Pure insanity’: Mathematicians will need years to make sense of OpenAI’s latest drop(otwiera się w nowej karcie)

Granice AlphaFold. Pushmeet Kohli z DeepMind i Sal Candido z Biohub przekonują, że przełom AlphaFold to dopiero początek: samo skalowanie mocy obliczeniowej i danych biologii nie rozwiąże, a modele nowej generacji muszą wyjść poza pojedyncze białka w stronę predykcyjnych modeli żywych systemów.

• Why AlphaFold Didn't Solve Protein Folding — Pushmeet Kohli, Google DeepMind & Sal Candido, Biohub(otwiera się w nowej karcie)

Mapa UV od Claude Science. W ramach Claude Science od Anthropic agenci AI pobrali, skalibrowali i połączyli dane z kilku misji kosmicznych, tworząc pierwszą kompletną mapę nieba w ultrafiolecie. Przy okazji pokazali wzorzec automatyzacji żmudnej pracy na danych badawczych.

• Anthropic's Claude Science creates the first complete ultraviolet map of the sky(otwiera się w nowej karcie)