Notatnik
Na bieżąco testujemy nowe modele, benchmarki i wzorce wdrożeń. Piszemy o tym, co sprawdza się w firmach.
Z doświadczenia zespołu DeepSeek Harness wynika, że człowiek może naraz śledzić od trzech do pięciu aktywnych sesji agenta. Projekt Super-agenta zdejmuje z ludzi zarządzanie sesjami: agent sam odbiera zdarzenia z czatu i GitHuba, rozdziela pracę i odzywa się dopiero wtedy, gdy ktoś musi coś zdecydować.
Około 90% kodu Claude Code pisze Claude, a od czerwca do września liczba scalonych pull requestów wzrosła ponad dwukrotnie, podczas gdy odsetek wycofanych spadł o ponad 40%. Jak zespół przegląda taki kod i co z tego przenieść do małej firmy.
W 79,3% z 2452 ogłoszeń z tygodnia BZP basal‑1.5‑max wskazał właściwą branżę, o 6 punktów procentowych częściej niż Bielik 11B, z którego powstał. Znalazł jednak tylko połowę ogłoszeń dla firm IT, a jego próg pewności, dobrany na 1% błędów, przepuścił ich u nas 5%.
Już na pierwszej wersji danych jedno przejście treningu przez 15 tysięcy przykładów podniosło trafność z 47,6% do ponad 82%, a zmiany w samym serwowaniu skróciły czas decyzji ze 177 do 12,5 ms. Raport techniczny basal‑1.0 opisuje budowę modelu w 13 krokach, a wydana 4 października wersja 1.5 dodaje model 11B i ukryty test, na którym Jev wciąż jest wyżej.
TypeSafe AI wypuściło 15 września model, który nie pisze tekstu. Oddaje wybraną opcję i prawdopodobieństwo, kosztuje 0,042 dolara za milion tokenów wejściowych, a za wyjście nie płaci się nic. Sprawdzamy, co z tego zostaje po odjęciu marketingu.
Przy puli pięciu skilli właściwy stanowi 29,6% tych, po które agent faktycznie sięga, przy stu już tylko 3,3%. W sierpniu publiczny rejestr skilli rozdawał klony, które kradły klucze SSH. Cztery zasady dla zespołu, który pracuje z agentami.
12,93 mld dolarów za platformę, przez którą przechodzi większość otwartych modeli AI. Rok temu Hugging Face odrzucił od NVIDII inwestycję przy wycenie 7 mld. Liczby, obietnice i cztery rzeczy, które warto zrobić już teraz.
Muse Glimmer od Mety ma 29,6 mld parametrów, licencję Apache 2.0 i po kwantyzacji działa na jednej karcie z 32 GB pamięci. Pokazujemy, jak uruchomić go w vLLM, wyciągać dane z faktur z kontrolą sum i zmierzyć, ile naprawdę daje drafter DFlash.
Od 0,40 do 50 dolarów za milion tokenów w cennikach z września 2026, okno kontekstu, z którego model korzysta tylko częściowo, i dwie różne liczby opisujące opóźnienie. Liczby, które da się pomnożyć przez własny proces.
TabPFN przewiduje na tabelach bez uczenia modelu, Revolut wytrenował model na 24 miliardach zdarzeń, a Synthefy zbiera pieniądze na modele do szeregów czasowych. Co z tego wynika dla firmy z danymi, ale bez zespołu AI.
Od 2 sierpnia 2026 chatbot na stronie firmy musi powiedzieć klientowi, że jest AI, a od 28 października skargę na niego rozpatrzy polski regulator. Wymogi dla systemów wysokiego ryzyka przesunięto na grudzień 2027.
Latem 2026 trzy zespoły badaczy pokazały, jak asystent AI wysyła dane firmy na cudzy serwer: przez wgrany plik, przez jeden klik w link i przez wtyczkę MCP. Bez jailbreaka, a wyłączenie wyszukiwania w sieci nie pomogło.
W publicznym teście branży sklepowej agent zalicza 79 procent spraw za pierwszym razem i 60 procent, gdy tę samą sprawę powtórzyć cztery razy. Ta druga liczba decyduje, czy możesz postawić go przed klientem.
28 lipca MCP, protokół, którym asystenci AI sięgają do firmowych systemów, pozbył się sesji i handshake'u. Serwer w 26 liniach Pythona, jedno zapytanie curl i lista rzeczy do sprawdzenia przed podłączeniem prawdziwych danych.
Otwarty silnik embeddingów grafowych zbudowany w Polsce. Co dokładnie zmierzyli jego autorzy, ile taka rekomendacja kosztuje w porównaniu z modelem językowym i w których miejscach ta metoda przestaje działać.
Agent zaliczył 69 procent spraw za pierwszym podejściem i 46 procent, gdy każdą sprawę powtórzono cztery razy. Liczby, zgodność ocen i koszt pomiaru w systemach, które nigdy nie odpowiadają dwa razy tak samo.
Wystarczy kilka zdań. Odpowiemy, czy da się go usprawnić, ile to mniej więcej kosztuje i czy w ogóle potrzebujesz do tego AI.
