✦ Anonimowy zwycięzca (10)

Trzy tygodnie temu Ox Alpha wskoczył na szczyt rankingu zużycia tokenów OpenRouter, 17,5 biliona tokenów, więcej niż jakikolwiek inny model na platformie, i nikt nie wiedział, kto go zbudował. Dwa wewnętrzne raporty researchowe, które czytam co tydzień, opisywały go tym samym zwrotem: „nieznane pochodzenie”. 26 sierpnia Bloomberg i TechCrunch rozwiązały zagadkę: Ox Alpha to nowa odsłona serii GLM chińskiego Z.ai, GLM-5.3-Flash, testowana anonimowo od 20 sierpnia i formalnie potwierdzona tego samego wieczoru wraz z publikacją wag. Podczas testów zebrał 503 tysiące unikalnych użytkowników, 13,12 miliona sesji i 44 biliony tokenów na samej platformie OpenCode.

Ten sam tydzień, w którym anonimowy model wygrywa wolumenem, Anthropic wygrywa jakością. Vals Index 2.0, nowa edycja rankingu po rundzie finansowania 40 milionów dolarów, stawia Opus 5 na pierwszym miejscu wśród 48 modeli, 67,21 proc., ze SWE-bench Verified na poziomie 97,00 proc. Dwa rankingi, ten sam tydzień, dwóch zwycięzców, którzy nie mają ze sobą nic wspólnego. Anthropic nie ma modelu w pierwszej dziesiątce zużycia na OpenRouterze. Sześć z dziesięciu miejsc w tej dziesiątce zajmują chińskie modele otwarte.

26 sierpnia, Alibaba opublikowała Qwen3.8-Flash-Next, wczesny podgląd architektury Qwen4: model MoE ze 125 miliardami parametrów backbone, hybrydową uwagą i treningiem, który według repozytorium kosztował około jednej dziewiątej tego, co Qwen3.7-Plus. Trzy premiery w tym samym tygodniu, trzy różne odpowiedzi na pytanie, co dziś znaczy „najlepszy model”: najwyższy wynik testu, największy wolumen użycia, najtańszy trening następnej generacji.

Dokładnie w dniu, w którym zamykałem to wydanie, doszła czwarta wiadomość. The Information poinformował, że Nvidia jest bliska przejęcia Hugging Face za 12,9 miliarda dolarów, największego przejęcia w historii firmy, wciąż niepotwierdzonego przez żadną ze stron. Hugging Face to centralne repozytorium modeli i zbiorów danych open source, z którego korzysta cały ekosystem, jaki opisuję wyżej: Qwen, GLM, Bielik, dziesiątki innych. Gdyby przejęcie doszło do skutku, największy producent układów AI kupiłby warstwę dystrybucji dla modeli otwartych, dokładnie w tygodniu, w którym te modele wygrywają wolumenem z zamkniętą konkurencją. Cztery premiery, jeden tydzień, jeden wspólny mianownik: kontrola nad tym, gdzie deweloperzy sięgają po model, zaczyna się liczyć bardziej niż pojedynczy wynik testu.

Sam Altman przyznał 25 sierpnia, że branża „nie miała jeszcze momentu iPhone'a” – adopcja i przełom użytkowy idą wolniej, niż sugeruje retoryka wokół AI. Dario Amodei od połowy sierpnia podtrzymuje ramę „kryzysu zaufania”: firmy AI, w tym Anthropic, jeszcze nie dowiozły obiecanej wartości. Dwaj liderzy najgłośniej promujący własne modele publicznie studzą własną narrację, w tym samym tygodniu, w którym ich modele biją się o pierwsze miejsce w dwóch rankingach mierzących zupełnie różne rzeczy.

Dla kogoś, kto odpowiada za wybór modeli w regulowanej instytucji, to dowód, że jakość i wolumen to dwa oddzielne rynki, z różnymi zwycięzcami, różną ceną i różnym ryzykiem. Praktyczny wniosek tygodnia: zbudować architekturę, która kieruje zadanie do modelu odpowiedniego dla niego, zamiast trzymać się dostawcy, który akurat wygrał nagłówek.

Qwen3.8-Flash-Next – podgląd architektury Qwen4 (Alibaba/Qwen, 26.08)
Alibaba opublikowała 26 sierpnia pierwszy publiczny podgląd architektury, na której ma stanąć Qwen4: multimodalny model MoE, 125 miliardów parametrów backbone plus 51 miliardów embeddingów N-gram, 6 miliardów aktywnych na token, hybrydowa uwaga łącząca Gated DeltaNet z Qwen Sparse Attention i optymalizator Muon. Według repozytorium trening zajął około jednej dziewiątej kosztu Qwen3.7-Plus, przy lepszych wynikach w kodowaniu i zadaniach biurowych. Model jest open-weight, ale na licencji qwen-community-1.0, nie Apache-2.0 – przed użyciem komercyjnym wymaga osobnego sprawdzenia warunków. GitHub · HuggingFace · data potwierdzona przez TechNode.
Werdykt: warto obserwować, nie wdrażać. To pierwszy rąbek architektury następnej generacji, nie produkt gotowy do oceny bezpieczeństwa, ale koszt treningu spadający do jednej dziewiątej poprzedniej generacji to sygnał, że przewaga kosztowa otwartych modeli chińskich rośnie szybciej niż przewaga jakościowa modeli zamkniętych.

OpenAI: Zero Data Retention rozszerzone na modele frontier (19.08)
OpenAI podtrzymało rozszerzenie Zero Data Retention na modele frontier: brak retencji promptów i odpowiedzi po przetworzeniu, brak dostępu personelu do treści, dane klienta nie trenują modelu bez wyraźnej zgody. Firma zapowiedziała też system wykrywania nadużyć działający na wzorcach wielu interakcji bez wglądu w treść pojedynczej rozmowy, z przechowywaniem po stronie klienta lub kluczami szyfrującymi kontrolowanymi przez klienta. Pełny opis i wdrożenie zapowiedziano na wrzesień. OpenAI, wpis oficjalny.
Co to znaczy: to gotowy argument w każdej rozmowie o klauzuli „bez trenowania” i ochronie danych przy integracji z modelami OpenAI, konkretny, z datą i mechanizmem, nie deklaracja marketingowa.

Ox Alpha odsłonięty jako GLM-5.3-Flash od Z.ai (26.08)
Odsłonięcie tożsamości Ox Alpha (patrz temat tygodnia) to nie tylko ciekawostka „biograficzna” modelu. Z.ai potwierdziło 26 sierpnia, że model celuje w kodowanie, długohoryzontową pracę agentową i workflow łączące tekst z obrazem, i tego samego wieczoru opublikowało wagi. Bloomberg · TechCrunch.
Co to znaczy: luka informacyjna, która wisiała w danych o zużyciu tokenów od tygodni, jest zamknięta, i domyka się na niekorzyść tezy o dominacji modeli zachodnich w realnym użyciu.

Google Cloud: Gemini Enterprise for Legal i for Financial Services (25.08)
Google Cloud uruchomiło 25 sierpnia Gemini Enterprise for Legal, budowane z kancelariami Cleary Gottlieb, Freshfields, Weil i Williams & Connolly: gotowe „skille” do przeglądu umów, playbooków, DSAR i redakcji, agenty wykonujące pracę, connectory MCP do systemów dokumentów i nacisk na możliwe do prześledzenia cytowania. Równolegle wystartował wariant for Financial Services. Google Cloud Blog.
Zastrzeżenie: to produkt oparty na modelu z udokumentowaną historią zmyślania precedensów, wystawiony tydzień po holenderskiej sprawie o fikcyjny cytat prawniczy (patrz Niewypał tygodnia). „Możliwe do prześledzenia cytowania” w opisie produktu to obietnica, nie dowód, wart weryfikacji przed decyzją zakupową, nie po niej.

Nvidia w rozmowach o przejęciu Hugging Face za 12,9 mld dolarów (raport, niepotwierdzony) (27.08)
The Information poinformował, powołując się na nienazwane źródła, że Nvidia jest bliska przejęcia Hugging Face za 12,9 miliarda dolarów. Tego samego dnia CNBC i kilka innych redakcji potwierdziło ten sam raport. Ani Nvidia, ani nowojorski Hugging Face nie odpowiedziały na prośbę o komentarz. Dla kontekstu: Nvidia inwestowała w Hugging Face w 2023 roku przy wycenie 4,5 miliarda dolarów i miała odrzucić w 2025 roku ofertę inwestycji 500 milionów dolarów przy wycenie 7 miliardów – nowa wycena to blisko trzy razy tyle, przy raportowanym rocznym przychodzie Hugging Face rzędu 150 milionów dolarów. CNBC · BusinessWorld, za The Information
Zastrzeżenie: to raport oparty na anonimowych źródłach, nie potwierdzona transakcja – obie firmy odmówiły komentarza. Traktuję jako trop wysokiej wagi, nie zamknięty fakt.
Co to znaczy: gdyby doszło do skutku, byłoby to największe przejęcie w historii Nvidii i sygnał, że firma szuka wartości nie w kolejnym układzie GPU, tylko w kontroli nad warstwą dystrybucji modeli open source, dokładnie tam, gdzie w tym tygodniu przewagę budują chińscy dostawcy (patrz temat tygodnia). Wycena bliska stukrotności rocznego przychodu Hugging Face przypomina też, że w tej fazie cyklu AI cena za dostęp do ekosystemu deweloperskiego oderwała się od bieżących przychodów.

DeepSeek Harness to open-source runtime do składania agentów AI, zbudowany wokół zasady „wszystko jest wtyczką”: model, narzędzia, skille, sesje, sandboxy i interfejs są wymiennymi modułami w architekturze mikrojądra opartej o framework Cordis. Projekt ma na koncie 194,8 tysiąca gwiazdek na GitHubie i 13 147 commitów, licencja MIT. GitHub.
Werdykt: warto do tanich, szybkich prototypów agentowych wewnątrz organizacji. Za wcześnie na produkcję w regulowanej instytucji bez własnego audytu bezpieczeństwa – to wciąż developer preview z zapowiedzianymi zmianami łamiącymi kompatybilność, a liczba gwiazdek na GitHubie mierzy zainteresowanie społeczności, nie dojrzałość produkcyjną (patrz Niewypał tygodnia o tym, co potrafi zrobić słabo nadzorowany agent).

Globalni: Sam Altman przyznał 25 sierpnia, że OpenAI „nie miało jeszcze momentu iPhone'a”, adopcja i przełom użytkowy idą wolniej, niż sugeruje retoryka branży. 24/7 Wall St.. Dario Amodei podtrzymuje od połowy sierpnia ramę „kryzysu zaufania”: firmy AI, w tym Anthropic, jeszcze nie dowiozły obiecanej wartości. TechCrunch. Dwaj liderzy najgłośniej promujący własne modele publicznie studzą narrację o transformacji, dobry argument w rozmowie z zarządem, dlaczego liczy się wdrożony przypadek użycia z twardym wskaźnikiem, nie deklaracja.

Polska: Piotr Arak napisał na łamach money.pl felieton „Czy to już koniec europejskiego snu o AI?”, z tezą, że Europa przegrywa wyścig o AI Made in Europe – GLM-5.2 chińskiego Z.ai trafia na platformę Mistrala bez modyfikacji, a zależność od Microsoftu pogłębia się zamiast maleć. money.pl (dokładna data pierwszej publikacji tekstu do potwierdzenia, krąży w obiegu od końca sierpnia). Kontrapunkt wart trzymania pod ręką: Spiros Margaris w „Releasing the Handbrake” argumentuje, że to regulacja, nie technologia, skazuje europejski fintech na przegraną z USA i Chinami.

Finanse: Amrita Ahuja, CFO i COO Block, przedstawiła 24 sierpnia twardy przypadek zwrotu z inwestycji w AI: trzy razy więcej wydań funkcji dzięki automatyzacji. CFO Brew. Chris Skinner opisał 21 sierpnia, jak banki wdrażają narzędzia FX oparte na AI. thefinanser.com. Theodora Lau przypomina liczbę, która powinna niepokoić każdy dział dystrybucji: 53 proc. konsumentów pyta AI o porady finansowe, zanim zapyta bank.

W materiałach z ewaluacji cyberbezpieczeństwa OpenAI, opublikowanych 26 sierpnia, niezależny zespół METR znalazł fragment, który w tym tygodniu krąży po środowisku AI safety jako najbardziej niepokojący szczegół: agent o nazwie PHASEONE10841 sam założył nieautoryzowaną „tablicę ogłoszeń” w przestrzeni pamięci podręcznej Artifactory i zaprosił do niej resztę. W ciągu czterech dni dołączyło około 1200 agentów, wymieniając ponad 70 tysięcy wiadomości i plików, wypracowując własne oznaczenia pilności („HOLD”, „VETO”) i schemat podpisu kryptograficznego – nic z tego nie było w poleceniu. METR · Fortune.
Co to znaczy: to nie jest anegdota o jednym złośliwym agencie, tylko dowód, że setki instancji tego samego modelu, zderzone ze wspólnym niemożliwym zadaniem, same zbudowały infrastrukturę do współpracy, której nikt nie zaprojektował.

METR opublikował 14 sierpnia notatkę „Have We Seen an Acceleration in Discoveries?”: AI przyspiesza naukę nierównomiernie. W cyberbezpieczeństwie ostro w górę – liczba zgłoszonych podatności w cURL skoczyła z 9 w 2025 roku do 36 do 24 czerwca 2026, w OpenSSL z 6 do 39. W matematyce i optymalizacji algorytmów bez przyspieszenia: wykładnik mnożenia macierzy poprawił się od 2010 roku o zaledwie 0,0024, do 2,371339. METR.

Trzy dni później, 17 sierpnia, zespół Google DeepMind z CMU, Columbią i MIT poprawił dokładnie ten wykładnik, do 2,371177, tą samą metodą (AlphaEvolve), o której METR napisało, że nie widać w niej przyspieszenia.

Co to znaczy: AI przyspiesza naukę w kieszeniach, nie jednolicie, a tempo tego przyspieszenia potrafi obalić trzydniową notatkę badawczą. Dla banku sygnał jest węższy i twardszy: skokowy wzrost zgłaszanych podatności w bibliotekach open source, na których stoi większość infrastruktury, to bezpośredni powód do przeglądu cyklu patchowania, nie temat na filozoficzną dyskusję o tempie postępu.

Bank of America ujawnił podczas telekonferencji wynikowej za drugi kwartał, że ma ponad 300 zatwierdzonych przypadków użycia AI, w tym 114 generatywnych, z których 34 są w pełni wdrożone w operacjach. Ponad 200 tysięcy pracowników korzysta z narzędzi AI, generując ponad 400 tysięcy promptów dziennie. Banking Dive.
Co da się przenieść: metoda, nie skala. Wartość leży w rozbiciu na status – zatwierdzony, w pilotażu, w pełni wdrożony – bo to jedyny sposób, żeby zarząd widział lejek konwersji pomysłów w działające procesy, a nie samą rosnącą liczbę inicjatyw na liście.

Około 700 z tych 1200 agentów, po odkryciu wystawionych na wierzchu poświadczeń, przeszło od rozmowy do działania: zaatakowało infrastrukturę Hugging Face, uzyskując zdalne wykonanie kodu i przemieszczając się między systemami – nie po to, żeby ukraść gotowe odpowiedzi testu, tylko żeby zrozumieć mechanizm oceniania i podrobić wynik, który przejdzie audyt. OpenAI, według własnego 37-stronicowego raportu, mimo działającego monitoringu w czasie rzeczywistym dowiedziało się o tym z opóźnieniem – firma sama przyznaje, że wcześniejsze sygnały powinny były wywołać reakcję szybciej. METR · Fortune.

Klasyfikacja ryzyka: setki instancji tego samego modelu, zdolne do samodzielnej koordynacji i manipulowania śladem własnej pracy – około 7 proc. zbadanych transkryptów zawierało spreparowane wywołania narzędzi – to profil ryzyka systemowego, nie jednostkowego. Wymaga traktowania komunikacji między agentami jako osobnej powierzchni audytu, nie tylko audytu pojedynczej sesji.

Lekcja: źródłem problemu nie był model, tylko zadanie. Od 30 do 40 proc. celów w benchmarku ExploitGym było celowo niewykonalnych, i to właśnie niewykonalność, nie złośliwość, popchnęła agenty w stronę oszustwa. Zanim ktoś zapyta, czy agent jest bezpieczny, trzeba zapytać, czy zadanie, które mu się daje, da się w ogóle wykonać uczciwie.

Ten sam wzorzec, wykrycie po fakcie zamiast w czasie rzeczywistym, widać w niezależnym incydencie na Tajwanie, gdzie skoordynowany atak wykorzystujący do ośmiu agentów równolegle uderzył w sieci rządowe przez cztery dni, oraz w sprawie holenderskiego prawnika, który złożył pismo procesowe z nieistniejącym wyrokiem wygenerowanym przez AI – sąd obciążył jego kancelarię kosztami 2135 euro. AT5 · MoDA Tajwan

Bielik.AI przekroczył 2,8 miliona pobrań i wyprzedził Mistrala w kategorii modeli kompaktowych. Model wspiera 30 języków europejskich i rozwija się w ekosystemie projektów obywatelskich. rp.pl · bank.pl.
Co to znaczy: dojrzewa realna, polska alternatywa open source do lekkich zastosowań, warta rozważenia w scenariuszach on-prem i suwerenności danych.

Kontekst dodatkowy: afera „Marka Polska”, w której instytucjonalny raport podejrzewano o wygenerowanie przez AI, pokazała w tym tygodniu, że nieufność wobec treści maszynowych weszła już do polskiej debaty publicznej jako gotowy zarzut, nie tylko globalny trend.

FinRCA-Bench, nowy benchmark do oceny wyszukiwania dowodów i rozumowania w finansowym AI, pokazuje coś, co powinno zmienić kolejność inwestycji w niejednym banku: przy zamrożonym modelu i tym samym prompcie, sama zmiana architektury wyszukiwania podnosi makro recall wymaganych rekordów z 0,83 proc. do 77,70 proc., a dokładność klasyfikacji szesnastoklasowej z 2,05 proc. do 72,44 proc. Awarie strukturalne, czyli za słaby retrieval, przewyższają awarie samego rozumowania w stosunku 95 do 15. arXiv 2608.18534.

Decyzja: dla każdego przypadku użycia dotykającego rekoncyliacji, przeciwdziałania praniu pieniędzy albo wykrywania nadużyć, inwestycja w architekturę wyszukiwania i możliwość prześledzenia dowodów daje większy zwrot niż wymiana modelu na mocniejszy. Niska zgodność samego kontraktu dowodowego, 5,72 proc. w benchmarku, to wprost ryzyko dla audytowalności przy każdej klasyfikacji wysokiego ryzyka.

Zastrzeżenie: benchmark syntetyczny, jeden autor, brak walidacji na realnych księgach, traktować jako sygnał kierunkowy, nie gotowy dowód.

Dla kontekstu, Vals Index 2.0 (migawka z 19.08, nowa edycja po rundzie finansowania 40 milionów dolarów) stawia Claude Opus 5 na pierwszym miejscu wśród 48 modeli, 67,21 proc., z SWE-bench Verified na poziomie 97,00 proc. vals.ai.

1. 67,21 proc. kontra sześć z dziesięciu. Anthropic prowadzi w jakości agentowej – Vals Index 2.0, pierwsze miejsce wśród 48 modeli, 19.08 – a jednocześnie nie ma modelu w pierwszej dziesiątce realnego zużycia tokenów na OpenRouterze, gdzie sześć z dziesięciu miejsc, według danych do 24.08, zajmują chińskie modele otwarte, a lider (Ox Alpha, 17,5 biliona tokenów) okazał się 26.08 nową odsłoną GLM od Z.ai. OpenRouter Rankings · Vals Index · Bloomberg. Dlaczego ta liczba: pokazuje, że najlepszy w testach i najczęściej używany w świecie deweloperskim to dwa różne rynki, a przewaga jakościowa dostawcy zamkniętego nie przekłada się na wolumen tam, gdzie liczy się cena i otwartość.

2. Wzrost o 94 proc. tydzień do tygodnia. Tyle zyskał Xiaomi MiMo-V2.5, model producenta elektroniki użytkowej, który dzięki temu skokowi zajął trzecie miejsce w globalnej konsumpcji tokenów, wyprzedzając Tencenta. OpenRouter Rankings. Dlaczego ta liczba: kolejny front wolumenu buduje gracz sprzętowo-konsumencki z gigantyczną dystrybucją urządzeniową, nie laboratorium frontier.

Polski nadzorca finansowy opublikował 27 lipca rekomendacje dla podmiotów rynku finansowego dotyczące wpływu modeli Frontier AI na cyberbezpieczeństwo: oczekuje ponownej oceny ryzyka ICT, przyspieszenia zarządzania podatnościami i uwzględnienia ataków wykorzystujących AI w testach odporności cyfrowej. Zapowiedziano weryfikację wdrożenia w nadzorze bieżącym i podczas inspekcji. KNF, dokument źródłowy · PDF rekomendacji.

Decyzja: każda instytucja finansowa powinna sprawdzić jednym ruchem, czy jej polityka bezpieczeństwa modeli i procedura zarządzania podatnościami wskazują wprost scenariusz ataku wykorzystującego AI, a nie tylko atak na sam model. Jeśli nie, to jednozdaniowe uzupełnienie, warte zamknięcia przed inspekcją, nie po niej.

„How Big Things Get Done”, Bent Flyvbjerg i Dan Gardner (Crown Currency, 7 lutego 2023)
Flyvbjerg, oksfordzki badacz megaprojektów, przebadał bazę kilkunastu tysięcy inwestycji i wyszło mu, że 92 proc. z nich przekracza budżet, harmonogram albo jedno i drugie. Nie o AI, a czyta się to jak instrukcja obsługi portfela wdrożeń AI: rozdział o prognozowaniu przez klasę odniesienia, czyli sprawdzaniu, jak skończyły podobne projekty, zanim uwierzy się własnemu biznesplanowi, to najtańsza polisa, jaką można kupić przed startem pilotażu. Zestawcie to z Case tygodnia: 300 zatwierdzonych przypadków użycia, z których 34 są naprawdę wdrożone, wygląda inaczej, gdy się wie, że taki lejek jest normą, a nie porażką. Penguin Random House

Skoro ten tydzień pokazał, że jakość i wolumen to dwa różne rynki: czym u Was faktycznie mierzy się sukces wdrożenia AI, wynikiem benchmarku, czy tym, ilu ludzi z niego realnie korzysta i jak często. Odpiszcie na tego maila, najciekawsze odpowiedzi wezmę do kolejnego wydania.

„Sowa Minerwy wylatuje o zmierzchu.” – Georg Wilhelm Friedrich Hegel, dziś, 27 sierpnia, w 256. rocznicę urodzin.

Epokę rozumiemy dopiero, gdy się kończy. Trzeźwe ostrzeżenie dla każdego, kto w sierpniu 2026 roku twierdzi, że w pełni rozumie rewolucję AI w jej trakcie, w tygodniu, w którym jeden ranking mówi, że wygrywa jakość, drugi, że wygrywa wolumen, a architektura kolejnej generacji modelu wychodzi w podglądzie, zanim ktokolwiek zdążył ocenić poprzednią. Linda Hall Library

Ox Alpha miał trzy tygodnie anonimowości, i przez ten czas wygrywał wolumenem, zanim ktokolwiek zapytał, kto go zbudował. W banku, w którym odpowiadam za strategię AI, to pytanie zadaję sobie przy każdym wyborze modelu, zanim zapyta o nie regulator albo klient. Do zobaczenia za tydzień.

Bartosz