🤖 Informacja: Treść tego artykułu oraz wykorzystane w nim zdjęcia i grafiki zostały wygenerowane lub przygotowane z wykorzystaniem sztucznej inteligencji (AI).
AI nie zwalnia ani na chwilę. Dziś dominują trzy wątki: coraz więcej organizacji testuje AI w zadaniach o realnym wpływie na bezpieczeństwo i pracę operacyjną, modele open-weight nadal gonią najlepsze zamknięte systemy, a Europa dokłada kolejne obowiązki regulacyjne. Do tego dochodzi mocny blok z Azji, gdzie chiński i japoński rynek dalej buduje własny stos technologiczny.
🔥 Gorące tematy
Pentagon uruchamia własną wersję ChatGPT i Groka
📍 TechCrunch
Pentagon stawia na centralny portal AI, na którym obok Gemini mają pojawić się także wersje ChatGPT i Groka. To ważny sygnał, że generatywna AI coraz mocniej wchodzi do zastosowań obronnych i administracyjnych. Jednocześnie taki ruch natychmiast podnosi pytańia o bezpieczeństwo, kontrolę dostępu i odpowiedzialność za błędy modeli.
Anthropic pokazuje systemy, które poprawiają się same
📍 TechCrunch
Badacz Anthropic pokazał systemy, które poprawiały wyniki na 10 benchmarkach zachowań niepożądanych bez pogarszania ogólnej jakości. To jeden z ciekawszych sygnałów ostatnich dni, bo dotyka tematu samodoskonalących się agentów i automatycznej optymalizacji modeli. Dla biznesu oznacza to większą wydajność, ale też większą potrzebę nadzoru nad tym, jak AI uczy się nowych zachowań.
UE uznaje ChatGPT za wyszukiwarkę i dokłada kolejne obowiązki
📍 The Decoder
Komisja Europejska uznała ChatGPT za bardzo dużą wyszukiwarkę w rozumieniu DSA, co uruchamia dodatkowe obowiązki regulacyjne. OpenAI ma dostarczać między innymi raporty ryzyka, informacje o reklamach i mechanizmy zgodności. To jedna z ważniejszych decyzji regulacyjnych w Europie, bo pokazuje, że chatboty coraz częściej są traktowane jak infrastruktura informacyjna, a nie tylko aplikacje czatowe.
OpenAI testuje rozliczanie tylko za skutecznie wykonane zadanie
📍 The Decoder
OpenAI testuje model rozliczania oparty na efekcie: klient płaci tylko wtedy, gdy AI faktycznie wykona zadanie. To bardzo praktyczny sygnał dla B2B, bo pokazuje presję na mierzalny ROI i odejście od klasycznych subskrypcji tam, gdzie da się rozliczać rezultat pracy. Jeśli ten model się przyjmie, może mocno zmienić sposób kupowania AI przez firmy.
🤖 Modele i API
Qwen 3.8 27B zdobywa 52 punkty w Artificial Analysis Intelligence Index
📍 Simon Willison
Lekki model Alibaba z 27 mld parametrów osiąga wyniki porównywalne z dużo większymi systemami, w tym z topowymi modelami zamkniętymi. To kolejny dowód na to, że średnie modele open-weight stają się coraz bardziej konkurencyjne cenowo i jakościowo. Dla rynku oznacza to dalszą presję na obniżanie kosztów i szerszą dostępność zaawansowanych LLM-ów.
Granite 4.2 pokazuje, jak buduje się praktyczne modele LLM
📍 Hugging Face
IBM i społeczność Hugging Face pokazują kulisy budowy Granite 4.2, czyli rodziny modeli LLM nastawionej na wdrożenia produkcyjne. To cenna publikacja dla zespołów, które chcą rozumieć nie tylko wynik końcowy, ale też decyzje architektoniczne stojące za modelem. W praktyce to właśnie takie projekty popychają rynek otwartych modeli do przodu.
Open ASR Leaderboard dostaje pierwszy język z Global South
📍 Hugging Face
Hugging Face rozszerza Open ASR Leaderboard o pierwszy język z Global South. To ważne dla badań nad mową, bo lepsze benchmarki dla mniej reprezentowanych języków pomagają przesuwać rynek poza anglocentryczne modele. Dzięki temu narzędzia głosowe mogą zacząć działać sensowniej także w regionach, które były dotąd słabiej obsługiwane.
Runway pokazuje Solaris, system generujący UI w czasie rzeczywistym
📍 The Decoder
Runway zaprezentował Solaris, system generujący interfejsy użytkownika klatka po klatce w czasie rzeczywistym. To interesujące dla firm budujących oprogramowanie, bo sugeruje przyszłość, w której AI nie tylko pisze kod, ale współtworzy także warstwę produktu widoczną dla użytkownika. Takie narzędzia mogą skracać czas prototypowania i testowania UX.
🛠️ Narzędzia
OpenClaw 2.0 stawia na łatwiejszą instalację i szybszy start
📍 Antyweb
Nowa wersja popularnego agenta AI koncentruje się na prostszym uruchomieniu i wygodniejszym pierwszym kontakcie. To dobry znak, bo rynek agentów AI zaczyna schodzić z poziomu demonstracji do codziennego użycia. Im mniej tarcia przy instalacji, tym szybciej takie narzędzia trafiają do zespołów operacyjnych i programistycznych.
Gemini dostaje nowe możliwości w Google Sheets
📍 Google Workspace Blog
Google rozwija Gemini w Sheets, wykorzystując kontekst z całego arkusza do podpowiadania i naprawiania błędów. Dla firm to bardzo praktyczne, bo AI wchodzi tu nie jako osobny chatbot, ale jako warstwa pracy na realnych danych. To dokładnie ten kierunek, w którym zwykłe aplikacje biurowe zaczynają zmieniać się w środowiska wspomagane AI.
GitHub pokazuje Copilot SDK dla Javy
📍 GitHub Blog
GitHub prezentuje sposób sterowania Copilotem bezpośrednio z kodu Javy, w stylu typowym dla środowisk enterprise. To kolejny dowód na to, że asystenci AI coraz mocniej wchodzą w warstwę programistyczną jako komponent platformowy, a nie tylko chatowy. Dla zespołów korporacyjnych może to oznaczać łatwiejszą integrację Copilota z wewnętrznymi aplikacjami i workflow.
🏢 Biznes
Zarządy znają NIS2, ale nie znają własnych obowiązków
📍 CRN Polska
Badanie pokazuje duży deficyt świadomości regulacyjnej w polskich firmach: tylko 11,5 proc. respondentów poprawnie odpowiedziało na trzy podstawowe pytańia o NIS2. To ważny sygnał dla biznesu, bo brak wiedzy o obowiązkach compliance może szybko zamienić się w ryzyko operacyjne i prawne. W praktyce to także przypomnienie, że AI w firmie bez porządku w bezpieczeństwie nie skaluje się dobrze.
Sony Music Publishing i Warner Chappell pozywają Anthropic
📍 CRN Polska
Spór dotyczy praw autorskich i sposobu wykorzystywania treści do trenowania modeli AI. To jeden z tych przypadków, które mogą wpłynąć nie tylko na branżę muzyczną, ale szerzej na rynek generatywnej sztucznej inteligencji i licencjonowania danych. Dla firm kupujących AI to ważny sygnał, że kwestia pochodzenia danych coraz częściej staje się elementem ryzyka biznesowego.
Revolut tworzy własny zespół badawczy AI
📍 Sifted EU
Brytyjski neobank buduje własny zespół badawczy AI, żeby rozwijać modele wewnątrz firmy zamiast wyłącznie kupować gotowe rozwiązania. To ważny europejski case study, bo pokazuje, że przy odpowiedniej skali własne kompetencje AI stają się elementem przewagi konkurencyjnej. W fintechu taka decyzja często oznacza też lepszą kontrolę nad danymi i kosztami.
MiniMax zwiększa współpracę z Alibaba Cloud, bo rośnie apetyt na compute
📍 SCMP Tech
MiniMax podniosło limit trzyletnich zakupów usług Alibaba Cloud do 1,2 mld USD, ponieważ zapotrzebowanie na moc obliczeniową rośnie szybciej niż planowała spółka. To ważny sygnał, jak bardzo chińscy twórcy modeli są uzależnieni od dostępu do compute w wyścigu o lepsze modele. W praktyce to także przypomnienie, że w AI wąskim gardłem nadal bywa infrastruktura, a nie sam pomysł na model.
Źródło: SCMP Tech
Zhipu AI pokazuje GLM-5.3-Flash działający na chińskich chipach
📍 SCMP Tech
Zhipu AI zaprezentowało nowy model GLM-5.3-Flash, wcześniej znany jako Ox Alpha, który miał działać na klastrze 100 tysięcy krajowych chipów. To mocny przykład połączenia rozwoju modeli z chińską strategią suwerenności sprzętowej. Dla rynku oznacza to, że wyścig o AI coraz wyraźniej dotyczy także półprzewodników i lokalnych łańcuchów dostaw.
Źródło: SCMP Tech
Nvidia wysyła pierwsze H200 do Chin
📍 SCMP Tech
Nvidia potwierdziła pierwsze dostawy H200 do Chin w ramach nowego systemu licencyjnego USA. Choć skala sprzedaży jest nadal niewielka, to ważny znak odblokowania części przepływu zaawansowanych układów do chińskiego rynku. To również dowód, że polityka eksportowa nadal mocno wpływa na tempo rozwoju AI po obu stronach Pacyfiku.
Źródło: SCMP Tech
📌 Podsumowanie dnia
Dzisiejszy zestaw pokazuje, że AI coraz mniej przypomina etap demonstracji, a coraz bardziej etap wdrażania odpowiedzialności, kosztów i kontroli. Pentagon testuje własny portal z modelami, Europa dokłada kolejne obowiązki dla ChatGPT, a firmy takie jak Revolut czy GitHub wpychają AI w codzienne workflow. Z drugiej strony Chiny dalej budują własną infrastrukturę i modele, bo bez compute i chipów nie da się wygrać tego wyścigu.