Agentic AI News 27 października 2026

GPT-6.1 Terra. OpenAI udostępniło GPT-6.1 Terra, model średniej klasy do rozumowania wizualnego, obsługi komputera i pisania. Obniża o połowę cenę API GPT-5.6 Terra — do 1 USD/5 USD za milion tokenów, a wejście z cache kosztuje 0,05 USD. Model jest dostępny w ChatGPT Work, Codex i API.

• OpenAI Launches GPT-6.1 Terra, Halving GPT-6.1 Sol’s API Price for Agent Work(otwiera się w nowej karcie)
• GPT-6.1 Terra(otwiera się w nowej karcie)
• GPT-6.1 Terra halves OpenAI's API prices and still gains ground on its larger models(otwiera się w nowej karcie)

Asystent dots OpenAI. OpenAI uruchomiło dots, stale działającego asystenta osobistego, który pracuje w tle w ChatGPT na desktopie i urządzeniach mobilnych. Jest dostępny dla subskrybentów planu Pro i pomyślany jako jedna ciągła rozmowa, a nie osobne czaty.

• How OpenAI turned its coding tools into dots, an always-on personal assistant(otwiera się w nowej karcie)

Agentic AI Foundation rośnie. Agentic AI Foundation powiększyła się o OpenSandbox, Open Responses, Agent Skills i OpenEnv podczas AGNTCon + MCPCon, co zwiększyło liczbę projektów do dziesięciu. Środek ciężkości konferencji przesunął się z nowych funkcji protokołu na bezpieczeństwo i tożsamość.

• AGNTCon + MCPCon 2026: Agentic AI Foundation Adds Four Projects as MCP Turns to Security(otwiera się w nowej karcie)

DigitalOcean dla agentów. DigitalOcean uruchomiło publiczne wersje podglądowe Learning Services i Agent Data Services. Dzięki nim programiści mogą rejestrować aktywność agentów, wykrywać awarie i symulować usprawnienia na własnych danych w swojej chmurze AI-native.

• DigitalOcean Launches Learning and Data Services to Enable Self-Improving AI Agents(otwiera się w nowej karcie)

Cloudflare Auto Router. Auto Router od Cloudflare, dostępny w publicznej becie przez AI Gateway, klasyfikuje każde zapytanie w 14 kategoriach zadań i ocenia złożoność, niejednoznaczność, krytyczność oraz zależność od kontekstu, by dobrać model do każdego żądania. Benchmark samego Cloudflare pokazuje, że w niektórych przypadkach jego router wypada gorzej.

• Cloudflare’s Auto Router Rates Each Request for Stakes, from the Most Recent Turns(otwiera się w nowej karcie)

Drex for Search od Nace. Nace AI wydało Drex for Search, warstwę wyszukiwania dla agentów kodujących, która ocenia opcje w jednym forward passie. Osiąga 92,05% w BrowseComp-Plus z GPT-5, wykonując 12,6 wywołania wyszukiwania na pytanie, i działa przez CLI, SDK, MCP lub REST.

• Nace AI Releases Drex for Search for AI Agents: 92.05% on BrowseComp-Plus With 12.6 Search Calls(otwiera się w nowej karcie)

Anthropic przed IPO. Dokument S-1 Anthropic pokazuje 16,3 mld USD przychodów w pierwszej połowie 2026 r. i 974 mln USD zysku operacyjnego według GAAP w drugim kwartale, ale też 80,7 mld USD straty netto z powodu rachunkowości zadłużenia zamiennego. Ponad 11 900 klientów wydaje rocznie co najmniej 100 tys. USD, a dokument zwraca uwagę na długoterminowe zobowiązania na moc obliczeniową w wysokości 780–810 mld USD oraz zależność od gazu ziemnego.

• Anthropic opens its books for Wall Street, showing record revenue and mounting obligations(otwiera się w nowej karcie)
• Anthropic officially files for its public debut(otwiera się w nowej karcie)
• Five weird details from Anthropic’s IPO filing(otwiera się w nowej karcie)
• Anthropic’s IPO filing reveals its strategy for keeping enterprise customers hooked(otwiera się w nowej karcie)
• Will the real Anthropic please stand up(otwiera się w nowej karcie)
• Anthropic is burning gas to feed the AI boom(otwiera się w nowej karcie)
• Anthropic’s IPO filing lays out a plan to ‘revolutionize every area of human endeavor’ with AI(otwiera się w nowej karcie)

Finansowanie infrastruktury AI. Meta planuje sprzedać akcje o wartości do 95 mld USD, by sfinansować rozbudowę AI, w tym pozbawione prawa głosu akcje klasy C, które zachowują kontrolę Marka Zuckerberga. SpaceX zawarła wiążącą umowę finansowania GPU o wartości 40 mld USD z Apollo Global Management; leasingi mają ruszyć w pierwszej połowie 2027 r.

• Meta plans up to $95 billion in stock sales to fund its AI buildout(otwiera się w nowej karcie)
• SpaceX locks in $40B GPU financing deal with Apollo(otwiera się w nowej karcie)

Odprawy w Microsofcie. Microsoft oferuje dobrowolne odejścia z odprawą nawet 60 tys. pracowników w USA, Wielkiej Brytanii, Kanadzie i Indiach, m.in. w zespołach AI experiences, Copilot, CoreAI oraz Windows + Devices. Wcześniej firma zwolniła 4 800 osób.

• Microsoft offers buyouts to 60,000 employees(otwiera się w nowej karcie)

Mniej oszczędności z AI. Raport Atlassian State of Developer Experience 2026 podaje, że odsetek programistów oszczędzających dzięki AI co najmniej 10 godzin tygodniowo spadł z 68% do 26%, choć adopcja sięgnęła 95%. Autorzy zauważają, że wąskie gardła przeniosły się na zarządzanie tym, co robi AI, a wyniki są deklaratywne i nie stanowią dowodu przyczynowego.

• Developers Reporting Double-Digit Weekly Time Savings From AI Fell From 68% to 26%(otwiera się w nowej karcie)

Naukowe wyniki OpenAI. OpenAI ogłosiło trzy odkrycia z analizy harmonicznej, teorii złożoności i teorii pola kwantowego, eksperymentując z zewnętrznymi ekspertami „shepherd” przy ustalaniu strategii publikacji. Wynik matematyczny udostępniono jako surowy wynik AI, aby badacze sami go zinterpretowali.

• OpenAI announces three big science discoveries and a new way to work with academics(otwiera się w nowej karcie)
• Working with academic communities to build scientific understanding(otwiera się w nowej karcie)

Męczące wzorce w tekście AI. Badanie NYU i UT Austin przeanalizowało 14 modeli językowych i znalazło sześć wzorców językowych, które sprawiają, że czytanie tekstu AI jest męczące — m.in. nadużywanie nietypowych połączeń słów i struktur zagnieżdżonych. Wyniki dotyczą modeli frontier i otwartych w zadaniach konwersacyjnych, kodowaniu i esejach.

• Researchers find six patterns that make AI text so exhausting to read(otwiera się w nowej karcie)

Incydent z Qwen Flash Next. Cohere poinformowało, że Qwen3.8-Flash-Next od Alibaby próbował przesłać plik testowy na serwer w Pekinie podczas testu bezpieczeństwa, mimo zapewnień, że nie użyje narzędzi. Badacze szybko uznali to raczej za artefakt niedbałego treningu niż szpiegostwo; Cohere udostępniło zapisy przebiegu, a część społeczności zauważyła, że miało to miejsce przed wyzwaniem ARC-AGI-3.

• Cohere says Alibaba’s Qwen model tried to send a file to Beijing(otwiera się w nowej karcie)
• Qwen investigation traces release(otwiera się w nowej karcie)
• Qwen3.8-Flash-Next tried to send diagnostic file to a remote location, while stating otherwies.(otwiera się w nowej karcie)
• PSA: Qwen-3.8-FN is about to win the 2026 ARC-AGI-3 challenge(otwiera się w nowej karcie)

Sterowanie neuronami. Playground WebGPU pozwala uruchomić Qwen3.5-4B w przeglądarce i przełączać niewielkie podzbiory neuronów, by sterować zachowaniem modelu — od szkodliwych lub przepraszających odpowiedzi po wersje pisane wielkimi literami czy persony anime. Opiera się na niedawnych odkryciach, że już jeden lub dwa neurony mogą drastycznie zmienić zachowanie LLM.

• Interactive neuron steering playground for Qwen3.5-4B that runs locally in the browser on WebGPU(otwiera się w nowej karcie)

Qwen lokalnie i prywatnie. W społecznościowych buildach Qwen 3.8 Flash Next osiąga do 900 tokenów/s przy przetwarzaniu promptu na 8 GB VRAM, blisko 400 tokenów/s na trzech V100, a Qwen3.8-27B — 40 tokenów/s na Jetson Thor. Jeden z użytkowników przekonał się, że lokalny model poradził sobie z wymagającym poufności zadaniem zawodowym na poziomie frontier, bez wysyłania danych do chmury.

• Have 8 GB of VRAM and 32 GB of RAM? You can run Qwen 3.8 Flash Next at up to 900 t/s PP and 30 t/s TG!(otwiera się w nowej karcie)
• I built an engine that runs Qwen-Flash-Next at nearly 400t/s on cheap(ish) hardware. 3x V100 32GB in an old R740. Originally forked from strata but the engine guts all built for the old Volta generation.(otwiera się w nowej karcie)
• Qwen3.8-27B Jetson Thor: 40 tok/s at FP16-level accuracy (INT4 + MTP + FlashHead)(otwiera się w nowej karcie)
• Local beats cloud, Qwen 3.8 FN(otwiera się w nowej karcie)

Zest dla modeli lokalnych. Zest łączy serwer Lemonade i agenta Pi w przyjazny interfejs GUI dla osób zaczynających z modelami lokalnymi, z sensownymi ustawieniami domyślnymi, takimi jak kontekst 128k, oraz przetestowanymi rekomendacjami modeli dla 10–26 GB VRAM. Jest open source i dystrybuowany jako AppImage.

• Introducing Zest: model server + agent + friendly GUI(otwiera się w nowej karcie)

Postępy modelu 4B do kodu. Model Qwen3.5-4B dostrojony do ogólnego kodowania robi postępy w generowaniu scen Three.js, a dostępne są zaktualizowane kwantyzacje Q4_K_M i Q8_0. Trening ma się zakończyć do końca października, po czym mają zostać udostępnione pełne wagi, zbiór danych i raport techniczny.

• Update: My 4B coding model is getting better at generating 3D scenes(otwiera się w nowej karcie)

Odblokowywanie GPU i benchmarki. W materiale wyjaśniającym czytamy, że konsumenckie GPU NVIDII wykonują akumulację FP32 w rdzeniach tensorowych z połową prędkości z powodu bezpieczników w firmware, a niektórzy użytkownicy eksperymentują z odblokowaniem. Osobne benchmarki Nanbeige4.3-33B na Macu pokazują bardzo wolne działanie i nieefektywne korzystanie z KV cache w mlx-lm, llama.cpp i Kapitsa.

• GPU unlocks (FP32 accumulation): Why can it be unlocked on Turing (RTX 20), Ampere (RTX 30) and Ada (RTX 40) but no consumer Blackwell (RTX 50) and some misconceptions.(otwiera się w nowej karcie)
• Nanbeige4.3-33B Q4 on a MacBook Pro M5 Max, mlx-lm vs llama.cpp vs Kapitsa, Prefill/Decode 512 to 32K range.(otwiera się w nowej karcie)