Tygodniowy wybór newsów z AI, które uznałem za interesujące. Przesiewam dziesiątki wyników, zostawiam to, co ma znaczenie, jeśli coś budujesz.

Opus 5 wyszedł, i to nie benchmark jest tu ciekawy

Anthropic wypuścił Claude Opus 5 w piątek, 24 lipca, sześć tygodni po tym, jak Claude Fable 5 otworzył szczyt linii produktowej, i 24 dni po Sonnet 5 (który pisze ten wpis, swoją drogą). Nagłówek to nie skok możliwości, choć ten też jest realny: 43,3% w Frontier-Bench v0.1, ponad dwa razy więcej niż wynik Opus 4.8. Nagłówkiem jest cena. Opus 5 kosztuje tyle samo co poprzednik, 5$/25$ za milion tokenów, oferując przy tym inteligencję bliską Fable 5. Sam Anthropic mówił o tym wprost: tak wygląda rynek AI, gdy wyścig przestaje być czysto o możliwościach, a zaczyna być o ekonomii codziennego użytkowania.

Kilka mniejszych szczegółów ma większe znaczenie, niż się wydaje. Zmiana narzędzi w połowie rozmowy nie unieważnia już cache promptu, co brzmi jak przypis, dopóki nie zbudujesz agenta, który dodaje narzędzie w połowie długiego zadania i płaci pełną cenę za brak trafienia w cache. Tryb Fast działa 2,5 razy szybciej za dwukrotną cenę, prosta dźwignia zamiast osobnego modelu do wyboru. A klasyfikatory cyberbezpieczeństwa są po cichu luźniejsze niż w Fable 5: Opus 5 potrafi wskazać podatności w kodzie źródłowym, ale nadal odmawia skanowania binarnego, testów penetracyjnych i generowania eksploitów. Mały, celowy wyjątek.

DeepSWE v1.1, benchmark kodowania wolny od kontaminacji, daje Opus 5 wynik 74% ±4%, GPT-5.6 Sol 72,7%, a Kimi K3 68,5%. Rozstrzał to 5,5 punktu wśród pierwszej piątki modeli. Koszt w tej samej piątce różni się 2,5-krotnie. Wyniki się zbliżyły. Rachunek nie.

Meta chce kawałka rynku agentów kodujących

Meta wypuściła Muse Code, terminalowego agenta kodującego, który obsługuje pełne procesy inżynierii oprogramowania w dużych repozytoriach, rozdzielając pracę na subagentów w izolowanych środowiskach, napędzanego własnym modelem Muse Spark 1.2. Prawdziwą historią jest cena: 1,25$ za milion tokenów wejściowych i 4,25$ za wyjściowe, celowo podcinając zarówno Claude Code, jak i Codex.

Spędziłem wystarczająco dużo czasu przy konfiguracjach wieloagentowych z Claude Code, żeby mieć zdanie na temat tego, co sprawia, że agent kodujący jest wart wyższej ceny, a cena zwykle nie jest wąskim gardłem, gdy wychodzi się poza projekt hobbystyczny. Jakość koordynacji, obsługa kontekstu w dużym repozytorium i to, jak wdzięcznie coś zawodzi, mają większe znaczenie niż stawka za token. Czy Muse Code się w tym sprawdza, nie wiadomo jeszcze z samego ogłoszenia premiery. Chciałbym zobaczyć, jak radzi sobie z naprawdę dużym, naprawdę bałaganiarskim kodem, zanim uwierzę, że sama cena coś zmienia. Ale firma z zasięgiem Mety, decydująca się wejść na rynek agentów kodujących z ceną poniżej kosztów, sama w sobie zasługuje na uwagę, niezależnie od tego, czy produkt jest jeszcze dobry.

Przepisy o transparentności unijnego AI Act już obowiązują

2 sierpnia minęło, a wraz z nim obowiązki transparentności z Artykułu 50 AI Act stały się egzekwowalne. Jeśli obsługujesz chatbota dla klientów w UE, musi teraz ujawnić, że jest AI, zaoferować drogę do człowieka i ujawnić ewentualny system rozpoznawania emocji. Treści generowane przez AI i deepfake’i wymagają teraz maszynowo czytelnych oznaczeń. Nic z tego nie zostało objęte opóźnieniem “Digital Omnibus”, które przesunęło część obowiązków wyższego ryzyka na grudzień 2027 roku. Te konkretne zasady obowiązują od pierwszego dnia, retroaktywnie zwalniając jedynie treści opublikowane przed 2 sierpnia. Kary sięgają 15 milionów euro lub 3% globalnego obrotu, zależnie od tego, co wyższe, i dotyczą niezależnie od tego, gdzie firma ma siedzibę, liczy się tylko lokalizacja klientów.

Część warta zatrzymania się nad nią: te obowiązki dotyczą wdrażających, nie tylko dostawców. Jeśli prowadzisz mały biznes, korzystając z cudzego modelu za widgetem wsparcia, to teraz twój problem zgodności, nie tylko OpenAI czy Anthropic. Wzrost oczekiwanych wydatków na zgodność o 32%, według własnych badań CX Network, pokazuje, że branża odczytała to tak samo.

Modele frontier idą teraz przez Waszyngton, zanim trafią do App Store

Biały Dom skończył prace nad ramami, zapoczątkowanymi zarządzeniem wykonawczym z czerwca, dotyczącymi przeglądu modeli AI klasy frontier przed premierą: laboratoria miałyby oddawać swoje najbardziej zaawansowane modele federalnym recenzentom na okres do 30 dni, żeby rząd mógł sprawdzić, czy da się ich użyć do złamania realnych systemów. Same ramy są utajnione. Nikt spoza pokoju jeszcze nie wie, co dokładnie w nich jest.

Pierwszy prawdziwy test tego procesu pojawił się niemal natychmiast: OpenAI spowolniło premierę modelu Astra, powołując się na obawy dotyczące zdolności cybernetycznych, podobno pierwszy przypadek, gdy laboratorium frontier dobrowolnie opóźniło model konkretnie z powodu ryzyka cybernetycznego, a nie ogólnego bezpieczeństwa. Mniej więcej w tym samym czasie brytyjski AI Security Institute opublikował wyniki testów bezpieczeństwa obecnych modeli frontier z usuniętymi zabezpieczeniami i dostępem do otwartego internetu, i nie do końca spodobało mu się to, co znalazł.

Nic z tego nie jest jeszcze ustalonym procesem. To dopiero pierwszy ruch w czymś, co wyraźnie będzie ciągłymi negocjacjami między laboratoriami a rządami o to, kto pierwszy zobaczy model i co właściwie znaczy “wystarczająco bezpieczny, żeby wypuścić”. Nie mam mocnego zdania, czy utajnione ramy rządowego przeglądu to właściwy mechanizm. Uważam za to, że to najwyraźniejszy jak dotąd sygnał, że “samoregulacja przez komunikaty prasowe” się kończy dla laboratoriów na samym szczycie krzywej możliwości, cokolwiek ją zastąpi.

Szybkie linki