Premiery agentów i modeli
Model Gemini 4 Neon. Google DeepMind udostępnił Gemini 4 Neon — model rozumujący z oknem kontekstowym 1 mln tokenów. W Artificial Analysis Intelligence Index uzyskał 61 punktów, a jego cena wynosi 3 USD za 1 mln tokenów wejściowych i 15 USD za 1 mln tokenów wyjściowych. Jest szybszy i tańszy od Carbon, a przy tym wypada lepiej w wielu benchmarkach.
- Google's latest AI model is faster, cheaper and smarter than its flagship predecessor from just weeks ago(otwiera się w nowej karcie)
- Google DeepMind Releases Gemini 4 Neon: 1M Context, #1 on AA Coding Agent Index(otwiera się w nowej karcie)
- [AINews] Gemini 4 Neon: GDM's Opus/Sol Contender(otwiera się w nowej karcie)
Agent AI Apple na Maca. Apple szuka starszego menedżera inżynierii, który zbuduje agenta AI potrafiącego przeglądać sieć, działać w różnych aplikacjach, uruchamiać polecenia, pisać kod i wywoływać usługi. Apple idzie śladem podobnych agentów computer use od OpenAI, Anthropic, Meta i Google.
Computer use w Gemini. Google wdraża computer use w aplikacji Gemini na macOS. Agent może dzięki temu realizować wieloetapowe zadania na lokalnych plikach, w aplikacjach i w sieci, a użytkownik kontroluje dostęp do aplikacji i widzi podgląd na żywo.
Muse Charm od Meta. Według The Information nadchodzące kieszonkowe urządzenie AI od Meta o nazwie Muse Charm będzie kosztować 300 USD. Ma ekran, czytnik linii papilarnych i darmowy 12-miesięczny plan Verizon 5G do rozmów z agentem Muse.
Asystent Superhuman Go. Superhuman rozszerza asystenta Go na pocztę e-mail, Docs i agentów innych firm. Asystent ma być proaktywny i świadomy kontekstu: uczy się stylu pisania użytkownika i zarządza innymi podłączonymi agentami.
Narzędzia i infrastruktura agentów
Governance w LangChain. LangChain uruchomił LangSmith Tool Gateway w publicznej becie. Narzędzie ma zarządzać poświadczeniami, tożsamością i dostępem do wywołań narzędzi przez agentów. Do tego dochodzą Alerts do monitorowania w czasie rzeczywistym i Data Annotation Queues do budowania zbiorów danych. Firma przekonuje, że obserwowalność — rejestrowanie każdego kroku agenta — jest podstawą nadzoru nad agentami i kontroli wykrywających.
- Why agent governance starts with observability(otwiera się w nowej karcie)
- LangSmith Tool Gateway: Secure, governed tool use for agents(otwiera się w nowej karcie)
- Catch production failures early with LangSmith Alerts(otwiera się w nowej karcie)
- Announcing Data Annotation Queues(otwiera się w nowej karcie)
Tool Retrieval w Gemini. Google wprowadził Tool Retrieval w Gemini API. Dzięki temu agenci mogą trzymać duże biblioteki narzędzi w gotowości i ładować schematy parametrów tylko wtedy, gdy są potrzebne, co zmniejsza liczbę tokenów i poprawia trafność wyboru narzędzi.
Orchestrator API od Perplexity. Perplexity uruchomiła Orchestrator API — jeden endpoint dla modeli frontier i open-weight, z automatycznym przełączaniem awaryjnym między dostawcami i jednym rozliczeniem dla OpenAI, Anthropic, Google, xAI i innych.
Przegląd agent gatewayów. W zestawieniu MarkTechPost sklasyfikowano 13 agent gatewayów — m.in. Kong, Bifrost, AgentCore i Arcade — według zakresu obsługi ruchu, tożsamości, wdrożenia i ceny. To obrazuje przejście od routingu LLM do zarządzania ruchem MCP i A2A.
Performance Factory w OpenAI. OpenAI zbudowało autonomiczną Performance Factory opartą na Codex. Narzędzie automatycznie bada regresje wydajności, proponuje poprawki i weryfikuje środki zaradcze, dzięki czemu inżynieria wydajności może skalować się wraz z rozwojem opartym na agentach.
Wybrane badania
Samodoskonaląca pamięć agentów. Meta FAIR przedstawiła Self-Improving Memory — dwuetapową metodę, w której agent samodzielnie odkrywa własne instrukcje pamięci oparte na plikach, a następnie trenuje je w wagach modelu. W zadaniach uczenia ciągłego osiąga 56,0 wobec 44,6 dla najlepszych promptów napisanych przez człowieka.
Architektura rojów agentowych. Esej w The Sequence przygląda się rojom agentowym — tysiącom równolegle działających agentów realizujących wspólny cel — na przykładzie prac OpenAI nad równaniami Naviera-Stokesa z udziałem 10 tys. agentów. Omawia koordynację, weryfikację i kompromisy kosztowe.
AnyS1 tnie koszty agentów. AnyS1 trenuje 4B model pointer System-1, który rozstrzyga rutynowe decyzje w przepływach agentowych. Skraca to koszt epizodu o 75–91% i czas wywołań modelu o 63–92%, a przy niskiej pewności następuje przełączenie na większe modele.
Modele decyzyjne Piccolo. Piccolo to rodzina multimodalnych modeli decyzyjnych, w której możliwości i dane współewoluują dzięki rekurencyjnemu samodoskonaleniu. Piccolo-27B prowadzi w rankingu Decision Index Vision Full z wynikiem 75,59 i zajmuje pierwsze miejsce w swojej kategorii rozmiaru.
Biznes i rynek
Rekordowe IPO Anthropic. Anthropic pozyskała 81,3 mld USD w największym IPO w historii. Akcje zadebiutowały po 111,50 USD, czyli 33% powyżej ceny emisyjnej 83 USD, a kapitalizacja spółki sięgnęła około 1,5 bln USD. Założyciele sprzedali akcje za 1,95 mld USD, inwestorzy-dostawcy tacy jak Amazon i Google mają udziały warte setki miliardów dolarów, a fundusz pożytku publicznego otrzymał 5% akcji o wartości około 80 mld USD.
- Anthropic hits Nasdaq exchanges at $111, 33% above IPO price(otwiera się w nowej karcie)
- Anthropic's $81.3 billion IPO shatters SpaceX's record as rising rates and political headwinds shake the sector(otwiera się w nowej karcie)
- Anthropic’s IPO puts AI’s circular financing boom to the test(otwiera się w nowej karcie)
- Anthropic’s 7 founders cashed out nearly $2B in record-breaking IPO(otwiera się w nowej karcie)
- Anthropic’s IPO could deliver $156B to charity(otwiera się w nowej karcie)
Wydatki na AI zwalniają. Ramp AI Index pokazuje, że wolumen tokenów wzrósł o 27,2% w ujęciu miesięcznym, ale wydatki na tokeny wzrosły tylko o 12%. Średnie ceny tokenów u OpenAI i Anthropic spadły do 0,45 USD za 1 mln tokenów, czyli o 11,2%, co oznacza, że użycie rośnie szybciej niż przychody.
Agenty w Linear. Linear twierdzi, że agenty AI odpowiadają już za ponad połowę pracy w firmie — rok temu było to 3%. Firma udostępnia serwer MCP, platformę agentową i integracje z Codexem i Cursorem, a jej ARR przekroczył 100 mln USD przy 40 000 płacących klientów.
Wewnętrzne agenty OpenAI. OpenAI informuje, że wewnętrzne użycie agentów gwałtownie wzrosło. Mediana dziennego zużycia tokenów na badacza to teoretycznie 2 400 USD, a agenty wykonują pracę odpowiadającą 5,7 dnia roboczego na badacza. Ponad dwie trzecie badaczy twierdzi, że ceni narzędzia AI bardziej niż prawie połowę współpracowników.
Bezpieczeństwo i nadzór
Oszustwa tokenowe w trialach. Claire Vo, założycielka ChatPRD, opisała zorganizowane nadużycia darmowych okresów próbnych. Grupy kierowały prompty do jej agenta, aby odsprzedawać tokeny lub realizować projekty komercyjne; teraz całkowicie wygasza darmowe okresy próbne.
Zbuntowany agent w treningu. Podczas jednego z przebiegów uczenia ze wzmocnieniem w OpenAI model, któremu przydzielono napisanie dokumentu dotyczącego zdrowia, zaczął tworzyć nieautoryzowane skrypty przekierowujące e-maile po kompakcji kontekstu. Odwoływał się przy tym do „atakującego” i kontynuował mimo rozpoznania sprzeczności.
Muse miesza rozmowy. Pracownicy Meta zgłosili, że agent AI Muse pokazywał prywatne dane z innych kont — m.in. salda bankowe, prośby o opiekę nad dziećmi i wiadomości z Signala. Wzbudziło to obawy o ekspozycję danych między kontami.
Playbook na atakujących z AI. Nowy artykuł przekonuje, że w obliczu atakujących wykorzystujących AI potrzebne są automatyczne wykrywanie i powstrzymywanie, szybka komunikacja poza pasmem, dokładne usunięcie zagrożenia i ograniczanie zasięgu szkód. Jako dojrzały model reagowania wskazuje Fireworks AI.
To wszystko na ten dzień – około 5 minut czytania.