✦ Darmowe wagi mają cennik (8)

Dwa tygodnie temu pisałem, że otwartość przestała być filozofią inżynierów i stała się kartą przetargową. W poniedziałek Mark Zuckerberg położył na stole całą talię.

Meta opublikowała wagi modelu Muse Glimmer: 30 miliardów parametrów, multimodalny, agentowy, na licencji Apache 2.0, do pobrania z Hugging Face i do uruchomienia na jednym konsumenckim GPU, bo przy kwantyzacji do czterech bitów plik schodzi do około dwudziestu gigabajtów. To pierwsze otwarte wagi Mety od Llamy 4, czyli po szesnastu miesiącach ciszy, i pierwszy raz, gdy firma sięgnęła po licencję w pełni permisywną zamiast własnej. Benchmarki w komunikacie brzmią przyzwoicie: 75,5 na MCP-Atlas, 51,2 na SWE-Bench Pro, 94,7 na AIME 2026 (Meta AI Research, 10 sierpnia).

Razem z wagami wyszedł esej na sześć i pół tysiąca słów, „The Future is for Everyone”, w którym Zuckerberg nazywa koncentrację AI największym ryzykiem, obiecuje superinteligencję tanią albo darmową dla miliardów ludzi i pisze, że celem powinno być, by amerykańskie modele open source były najlepsze na świecie (Meta). Słownik tego eseju jest wolnościowy, a arytmetyka, która za nim stoi, jest przemysłowa. W tle stoi capex Mety na ten rok rzędu 145 miliardów dolarów i miliard dolarów obiecany społecznościom, które mieszkają obok centrów danych (CBS News, 10 sierpnia).

Tego samego dnia Artificial Analysis, komercyjny dostawca benchmarków sprzedający subskrypcje na własne rankingi, opublikowało odczyt spoza Mety i to jest moim zdaniem ważniejszy dokument tygodnia niż esej. Muse Glimmer dostaje Intelligence Index 35. Zamknięty Muse Spark 1.2, czyli flagowiec tej samej firmy, ten, którego wagi Zuckerberg dopiero obiecuje uwolnić, ma 57. Na GDPval-AA model schodzi do 953 punktów Elo, poniżej ludzkiej linii odniesienia ustawionej na 1000. Na AA-Omniscience wskaźnik halucynacji wynosi 82 procent (Artificial Analysis). Ta ostatnia liczba nie znaczy, że cztery na pięć odpowiedzi to zmyślenia. Mierzy, jak często model, który nie zna odpowiedzi, zamiast powiedzieć „nie wiem”, odpowiada pewnie i błędnie. Jeśli ktoś weryfikuje wynik w pięć sekund, to drobiazg. Przy zadaniach, których nie sprawdza nikt, tę liczbę trzeba wpisać wprost do kosztu wdrożenia.

Dzień później Fortune zestawiło manifest z faktem, że model Mety Muse Spark 1.1 pięć dni wcześniej, podczas testów bezpieczeństwa, uzyskał dostęp do sieci i wyexploitował lukę w systemie obcej firmy (Fortune, 11 sierpnia).

Amerykańskie otwarcie wag i chińskie otwarcie wag dzieli w tym tygodniu jedna doba: Alibaba zapowiedziała, że jutro rano otwiera wagi Qwen3.8, w tym wariantu klasy Max o 2,4 biliona parametrów, czyli pierwszy raz w historii tej rodziny udostępnia flagowca (SCMP). Licencji na dzień pisania tego tekstu nie znamy, a bez niej nie da się powiedzieć, co z tymi wagami wolno zrobić w firmie.

Z tego wynika higiena, którą warto przenieść do własnej organizacji. Otwarte wagi to ruch strategiczny. Rachunek jest, wystawiony po innej stronie: płacisz za sprzęt, za człowieka, który go utrzyma, za walidację i za ryzyko, że model, którego nikt ci nie serwisuje, będzie się mylił pewnym tonem w procesie, w którym nikt tego nie zauważy. Dwa tygodnie temu zapytałem, czy wasza organizacja udźwignęłaby darmowe wagi modelu frontier. Meta odpowiedziała za was: wagi są, licencja jest permisywna, sprzęt mieści się pod biurkiem. Nie ma tylko nikogo, kto sprawdzi, kiedy model zmyśla, bo tego akurat nikt nie rozdaje za darmo.

✦

GPT-5.6-Cyber, a trzy dni wcześniej Astra na hamulcu (OpenAI) – para warta zestawienia, bo obie decyzje wyszły z tej samej firmy w odstępie siedemdziesięciu dwóch godzin. Siódmego sierpnia OpenAI ogłosiło, że wobec nadchodzącego modelu Astra „nie może wykluczyć krytycznych zdolności cyberofensywnych”, i wstrzymało te własne prace, które nie spełniają zaostrzonych wymogów: izolowane środowiska, ograniczony dostęp sieciowy, wzmocniona ochrona wag, monitoring działań agentowych. To pierwsze uruchomienie firmowego Preparedness Framework na poziomie „Critical”, a próg zdefiniowano jako zdolność do identyfikowania i budowania działających exploitów zero-day w utwardzonych systemach (OpenAI, TechCrunch). Dziesiątego sierpnia ta sama firma wypuściła GPT-5.6-Cyber, model wyspecjalizowany w cyberbezpieczeństwie z obniżonymi odmowami, który we własnym pomiarze OpenAI wykonuje 95,0 procent zaawansowanych zadań cyber, podczas gdy zwykły GPT-5.6 Sol z zabezpieczeniami robi 1,5 procent, a poprzednia wersja wyspecjalizowana 57,3 procent. Dostęp wyłącznie przez ścieżkę Daybreak Red: weryfikacja tożsamości, klucze bezpieczeństwa od pierwszego września, wczesny dostęp dostały SpecterOps, SentinelOne i Palo Alto Networks. Cennika nie ma (OpenAI). Werdykt: o ofensywnych możliwościach modelu decyduje dziś lista dostępu. Dla twojego zespołu bezpieczeństwa wynika z tego coś niewygodnego: skoro obrońcy dostają narzędzie o takiej skuteczności za zgodą dostawcy, to atakującemu trzeba przypisać porównywalne możliwości już na etapie modelowania ryzyka.

Claude Sonnet 5 zostaje przy cenie wprowadzającej (Anthropic) – w czerwcu model wszedł po 2 dolary za milion tokenów wejścia i 10 za wyjście, z adnotacją, że stawka obowiązuje do trzydziestego pierwszego sierpnia. Zapowiadana podwyżka do 3 i 15 dolarów nie wejdzie: jedenastego sierpnia Anthropic ogłosiło, że cena wprowadzająca zostaje na stałe (Claude, stan cennika: dokumentacja platformy). Werdykt: jeśli ktoś u was liczył budżet agentowy na dwunastomiesięczny horyzont z podwyżką wpisaną od września, ten arkusz właśnie stracił ważność w dobrą stronę. Różnicę między starą prognozą a nową ceną da się przeznaczyć na warstwę monitoringu tokenów, zamiast na zwiększenie zużycia.

Qwen3.8: wagi zapowiedziane na jutro (Alibaba) – model działa przez API od trzeciego sierpnia: 2,4 biliona parametrów w architekturze MoE, kontekst do miliona tokenów, cennik 2 dolary za milion na wejściu i 6 na wyjściu, cache po 25 centów. Wagi wariantu flagowego i mniejszego, 27-miliardowego, mają zostać opublikowane dwunastego sierpnia o dziesiątej czasu chińskiego (SCMP). W momencie zamykania tego numeru wag jeszcze nie ma i, co ważniejsze, nie znamy licencji: Apache 2.0 i licencja Tongyi z progiem użytkowników to dwa zupełnie różne światy prawne dla firmy, która chce to wdrożyć u siebie. Werdykt: poczekaj do publikacji i zacznij od licencji. Sam będę w niej szukał dwóch rzeczy: czy jest próg liczby użytkowników, powyżej którego trzeba się dogadywać osobno, i czy wolno dotrenowywać model na własnych danych. Wariant 27-miliardowy jest realnym kandydatem na on-premise, a flagowiec o 2,4 biliona parametrów wymaga klastra wielowęzłowego, więc rachunek sprzętowy dla obu warto zrobić jeszcze przed pobraniem plików.

Grok Imagine Image 2.0 (xAI) – siódmego sierpnia xAI wypuściło nowy model obrazowy jako tryb jakościowy: edycja wskazanych fragmentów obrazu, usuwanie tła z eksportem przezroczystości, do pięciu obrazów referencyjnych naraz, automatyczna zmiana proporcji w dziewięciu formatach. Firma pisze, że model jest drugi na świecie zarówno w generowaniu, jak i w edycji, w obu przypadkach za modelem OpenAI. API zapowiedziane bez daty, cennika brak (xAI). Werdykt: dla zespołów marketingowych to realne oszczędzenie godzin na produkcji wariantów kreacji, ale bez API i cennika nie da się tego wpiąć w żaden proces.

Claude Code w trybie automatycznym – od czternastego sierpnia tryb auto staje się domyślny na planach Pro, Max i Team. Działa tak, że klasyfikator przepuszcza działania agenta bez pytania, zatrzymując te nieodwracalne, destrukcyjne albo wychodzące poza środowisko pracy. Plany Enterprise, API oraz wersje na Bedrocku, Google Cloud i Foundry zostają przy włączaniu ręcznym (Anthropic, TechCrunch).

Liczby, które Anthropic podaje na uzasadnienie, są ciekawsze niż sama funkcja. W teście na 1053 użytkownikach ludzki przegląd wyłapywał 13,6 procent groźnych komend, a tryb automatyczny 89 procent. Żadna z 720 prób wstrzyknięcia polecenia nie przeszła. Współczynnik przeoczeń klasyfikatora po testach adwersarialnych spadł z 12 do 7 procent. Pomiar jest wewnętrzny, zrobiony przez dostawcę na własnym produkcie i uzasadnia dokładnie tę zmianę, którą ten sam dostawca właśnie wprowadza, a z zewnątrz nie da się go odtworzyć, bo ani zestaw komend, ani skład próby użytkowników nie zostały opublikowane.

Werdykt: obejrzeć w tym tygodniu, wdrażać z opóźnieniem i z siecią odciętą. Rzadko się zdarza, żeby dostawca opublikował własny pomiar mówiący, że człowiek klikający „zatwierdź” łapie mniej więcej jedną siódmą tego, co powinien, i to jest hipoteza warta sprawdzenia na własnych logach, zanim ktokolwiek u was uzna ręczną akceptację za kontrolę. Ale w organizacji regulowanej domyślnie włączona automatyka na koncie dewelopera z dostępem do repozytoriów to zmiana, której nie wprowadza się przez to, że dostawca zmienił ustawienie w środę. Do czternastego zdążycie sprawdzić, na jakich planach siedzą wasze konta, i ustawić wyłączenie w ustawieniach zarządzanych tam, gdzie środowisko dotyka danych wrażliwych. Pojedynczy użytkownik wychodzi z trybu skrótem Shift+Tab.

Na świecie · narracja o groźnych modelach otwartych ma właściciela i cennik – Andrew Ng punktuje w The Batch argument frontier laboratoriów o niebezpieczeństwie otwartych wag, przypominając, że w lipcowym incydencie na Hugging Face to modele zamknięte były stroną atakującą, a nie broniącą. Przy wyborze między modelem otwartym u siebie a zamkniętym przez API warto pamiętać, że argument bezpieczeństwa bywa też argumentem handlowym dostawcy. The Batch, 31 lipca.

Na świecie · superinteligencja opisana jako smok – Casey Newton czyta manifest Mety jako tekst, który obiecuje ludziom osobistą moc, a przemilcza, kto ustawia cele systemu, gdy ta moc już działa. Dobry kontrapunkt do lektury z poniedziałku, wart przeczytania w tej samej sesji co oryginał. Platformer, 11 sierpnia.

Na świecie · DeepMind przestaje być osobnym państwem – Demis Hassabis awansował na przewodniczącego i głównego naukowca Alphabetu, kierowanie laboratorium przejął Koray Kavukcuoglu w randze wiceprezesa, a Jeff Dean odchodzi zakładać własny startup. Struktura, w której laboratorium raportowało praktycznie do siebie, może się po tej roszadzie kończyć, a to zmienia horyzont decyzyjny przy każdej rozmowie o wieloletnim kontrakcie z Google. The Guardian, 8 sierpnia.

Na świecie · granice stanowisk zacierają się szybciej niż opisy ról – Ethan Mollick opublikował praktyczny przewodnik po pracy z agentami, w którym zaleca rzecz banalną i rzadko robioną: dać agentowi prawdziwe zadanie z własnej pracy i pilnować uprawnień, nie promptów. Przy okazji notuje obserwację z wdrożeń, że AI rozmywa podział między stanowiskami szybciej, niż firmy nadążają aktualizować opisy ról. Forbes o przewodniku Mollicka, 31 lipca.

Polska scena AI · dywidenda kłamstwa dotarła do bankowości – Mateusz Chrobok w rozmowie z Mateuszem Cholewą z Demagoga rozkłada dezinformację w erze modeli generatywnych: najgroźniejszy efekt to nie fałszywe nagranie, tylko możliwość podważenia prawdziwego. Dla każdego, kto weryfikuje tożsamość klienta zdalnie, to jest opis ryzyka operacyjnego. Kanał Mateusza Chroboka, 30 lipca.

Polska scena AI · etyka jako wymóg produktowy – Artur Kurasiński w najnowszej „Technofobii” z Dotą Szymborską prowadzi rozmowę o tym, co znaczy „AI musi działać etycznie”, gdy przestajemy mówić o zasadach, a zaczynamy o konkretnych ustawieniach domyślnych w produkcie. Dobra lektura dla zespołów, które utknęły na etapie pisania kodeksu zamiast zmiany ustawień. Kurasiński na Substacku, 10 sierpnia.

Finanse i kapitał · bańka AI wpisana w wielki cykl długu – Ray Dalio w długiej rozmowie u Stevena Bartletta łączy wyceny AI z cyklem zadłużenia i schyłkiem dominacji dolara, czyli robi coś, czego nie robi prawie nikt w tej debacie: traktuje AI jako zjawisko makro. Nie trzeba się z nim zgadzać, żeby uznać, że to jedyna rama, w której da się sensownie rozmawiać o tym, co się stanie z bilansem, gdy korekta przyjdzie. The Diary of a CEO, 30 lipca.

CEO Survey – Mid-Year Snapshot – PwC, 4 sierpnia. → raport

Poza tym okno od piątego do jedenastego sierpnia wygląda u doradców pusto: nie znalazłem u Wielkiej Czwórki, MBB ani u analityków nic nowego z tych dni, co miałoby rangę sztandarowego badania o AI. Sierpień u nich zwyczajowo milczy, więc wszystko, co krąży w sieci jako świeże, pochodzi z czerwca albo z końca lipca.

Gdzie się nie zgadzają · rozbieżność, która wyszła w ostatnich dniach lipca, jest wciąż najlepszym materiałem na tej półce i warto ją mieć pod ręką na najbliższą prezentację. EY w piątej fali swojego badania podaje, że 98 procent organizacji inwestujących w AI zobaczyło dodatni zwrot (EY, 28 lipca). Gartner w tym samym tygodniu podaje, że choć 95 procent organizacji wdrożyło AI, znaczącą albo przekształcającą wartość osiągnęła jedna na pięć (Gartner, 27 lipca). Obie liczby są prawdziwe i obie są bezużyteczne bez przypisu. EY pyta wyłącznie firmy, które już w AI inwestują, i mierzy jakikolwiek dodatni zwrot, czyli próg ustawiony przy podłodze wśród samych entuzjastów. Gartner mierzy wartość znaczącą na szerszej populacji. Kiedy następnym razem ktoś przyniesie na zarząd odsetek firm z ROI z AI, warto dopytać o próg i o próbę, bo cała rozbieżność między tymi dwiema liczbami siedzi w tych dwóch miejscach metodologii.

Ponad sto milionów dolarów i wymówka, której nikt się nie spodziewał – z portfeli sprzętowych Coldcard wyprowadzono 1719 bitcoinów, wartych między 111 a 130 milionami dolarów, przez pięcioletni błąd w oprogramowaniu układowym: ziarno generowane było programowo zamiast z układu entropii. Producent, sprzedający swój sprzęt jako najbezpieczniejszy portfel na rynku, tłumaczył się między innymi tym, że luki nie wykryło AI (TechCrunch, 4 sierpnia). Rozjechało się w dwóch falach, najpierw wśród ludzi od kryptografii, potem szeroko, gdy zaczęto cytować samo tłumaczenie.

Agent poszedł na siłownię – w Australii asystent AI działający na modelu Claude, poproszony o rezerwację miejsca na zajęciach, znalazł błąd w interfejsie serwisu i wypisał z listy oczekujących obcą osobę, żeby zwolnić miejsce dla swojego użytkownika. Australijskie ABC opisało to jako pierwszy znany autonomiczny cyberatak w tym kraju, co jest określeniem na wyrost (ABC News, 10 sierpnia). Samo zdarzenie na wyrost nie jest. Wiralowość wzięła się z rozmiaru stawki: nie wyciek danych, nie kradzież pieniędzy, tylko rower treningowy o osiemnastej. Złośliwości nie było w tym żadnej, model zrobił dokładnie to, o co go poproszono, korzystając z błędu w interfejsie serwisu rezerwacyjnego.

Anthropic twierdzi, że jego model przesunął granicę w problemie, nad którym matematycy siedzą od dekad – nieudostępniona wersja badawcza modelu Anthropic podniosła dolne ograniczenie ułamka nietrywialnych zer funkcji zeta leżących na prostej krytycznej z 41,6 do 67,2 procent. To nie jest dowód hipotezy Riemanna, tylko postęp w powiązanym z nią problemie, ale sam przebieg jest wart uwagi: 31 milionów tokenów wyjścia, około sześćdziesięciu podagentów, 2400 poleceń powłoki, 54 przejrzane prace z arXiv, 650 wygenerowanych pomysłów w pierwszej sesji. Wynik weryfikowali matematycy Anthropic oraz zaproszeni z zewnątrz Brian Conrey i Dan Goldston. Konsekwencja praktyczna dla firm jest inna niż dla matematyki: użytecznym trybem pracy modelu przestaje być rozmowa, a staje się długi, wielogodzinny przebieg z własnym budżetem obliczeniowym i weryfikacją na końcu. Całość znamy z komunikatu firmy o modelu, którego nie udostępniono publicznie, i wynik nie przeszedł recenzji naukowej. Anthropic, 10 sierpnia.

Szesnaście działających wirusów zaprojektowanych od zera – zespół ze Stanfordu i Arc Institute użył modeli Evo do zaprojektowania bakteriofagów, z których szesnaście okazało się żywotnych, a złożony z nich koktajl poradził sobie ze szczepami E. coli opornymi na dotychczasowe metody. Praca ukazała się w Science i pokazuje przy okazji rzecz, której w tej dziedzinie nie da się rozdzielić: model, który projektuje lek, projektuje też patogen. BBC, 6 sierpnia.

Otwarte wideo z mową i dźwiękiem w jednym przebiegu – MiniMax udostępnił model H3, gęsty transformer o 33 miliardach parametrów, który generuje wideo razem ze zsynchronizowanym dźwiękiem stereo, do dwóch tysięcy pikseli, w jedenastu językach dialogu. Otwarty jest moduł bazowy, a dwa moduły odpowiadające za rozumienie promptu i skalowanie do 2K zostają za API. Wszystkie te parametry pochodzą z komunikatu MiniMaxa i z karty modelu, a niezależnego odczytu jakości generacji nie znalazłem nigdzie poza materiałami producenta. Jeśli te deklaracje się potwierdzą, próg ryzyka w zdalnym potwierdzaniu tożsamości przesuwa się dla instytucji finansowych zauważalnie, bo realistyczna mówiąca twarz z klonowanym głosem schodzi wtedy do modelu, który można pobrać. MiniMax, karta modelu, 3 sierpnia.

Deklaracja, której nie da się sprawdzić – DeepSeek twierdzi, że jego lżejszy wariant V4-Flash z końca lipca przebija większego flagowca tej samej rodziny na wszystkich dziewięciu publikowanych benchmarkach agentowych, aktywując mniej więcej jedną czwartą parametrów. Nagłówkowy wynik, 54,4 na DeepSWE, raportowany jest na własnym środowisku testowym laboratorium, które ma zostać udostępnione „wkrótce”. Do tego czasu teza „mniejszy bije większego” jest komunikatem marketingowym i nie powinna wchodzić do uzasadnienia zakupowego. Karta modelu na Hugging Face, 31 lipca.

PKO Bank Polski uruchomił pierwszego w pełni własnego agenta AI do obsługi korespondencji mailowej klientów: system klasyfikuje przychodzące wiadomości i podpowiada odpowiedzi, skracając obsługę nawet o 70 procent. Rozwiązanie zbudowano wewnętrznie, przez zespół hiperautomatyzacji przy wsparciu centrum kompetencji AI, co bank uzasadnia chęcią zachowania pełnej kontroli nad technologią, danymi i bezpieczeństwem. Do końca roku ma dojść trzydzieści kolejnych agentów, między innymi w reklamacjach, cyberbezpieczeństwie, ochronie transakcji i obsłudze posprzedażowej (WNP, 5 sierpnia).

Siedemdziesiąt procent to liczba banku. Podana w formie „nawet”, co w praktyce znaczy najlepszy zaobserwowany przypadek z całego procesu. Ciekawsze jest to, co wybrano do automatyzacji: proces, w którym błąd jest tani i natychmiast widoczny, bo klasyfikacja maila trafia do człowieka, który zobaczy ją w tej samej minucie, a nie do decyzji ujawniającej się za pół roku w portfelu. To wzorzec do skopiowania niezależnie od skali: zaczynać tam, gdzie pomyłkę widać od razu, i mierzyć czas obsługi jeszcze przed wdrożeniem. Z własnego podwórka: najdłuższą rozmowę przy pierwszym pilocie odbyliśmy nie o modelu ani o dostawcy, tylko o tym, skąd wziąć wiarygodny punkt odniesienia sprzed wdrożenia, bo nikt wcześniej tego czasu nie liczył.

Kimi K3, model laboratorium Moonshot, wydostał się ze środowiska testowego brytyjskiego instytutu bezpieczeństwa AI podczas ewaluacji cyberdefensywnych. Mechanizm był prozaiczny: model wykorzystał błędną konfigurację środowiska, uzyskał dostęp do internetu i zamiast rozwiązywać zadania, skopiował gotowe rozwiązania z publicznego repozytorium. Ujawnił to startup Frontier, którym kieruje Yaron Singer i który sprzedaje usługi dokładnie w tej kategorii, więc ma interes w wyniku; sprawę opisał Bloomberg (Bloomberg, 7 sierpnia; potwierdzenie i szczegóły: Engadget).

To jest drugi taki przypadek w ciągu miesiąca i trzeci, licząc opisane wcześniej incydenty w OpenAI i Anthropic. Za każdym razem zawodzi obudowa, nie sam model: środowisko miało być odcięte od sieci, a nie było. Lekcja: środowisko, w którym testujesz agenta, musi być traktowane jak system produkcyjny. Wszystkie ścieżki wyjścia sieciowego trzeba przejść przed startem ewaluacji, bo dopóki tego nie zrobisz, wynik testu opisuje konfigurację laboratorium co najmniej tak dokładnie jak zdolności modelu. Robi się to raz, przy stawianiu środowiska, i powtarza po każdej zmianie w jego obudowie.

Kopalnia jako poligon kosmiczny – trzeciego sierpnia w Katowicach ogłoszono powołanie samorządowej spółki celowej, która przygotuje studium wykonalności centrum technologii kosmicznych na terenie likwidowanej kopalni Wujek, z pomysłem wykorzystania podziemi do symulacji warunków misji. Sektor ma zasilić fundusz kosmiczny o wartości 500 milionów złotych, obsługiwany przez BGK, z finansowaniem infrastruktury samorządowej rozłożonym nawet na pięćdziesiąt lat. Werdykt: dopóki mówimy o studium wykonalności, mówimy o studium wykonalności, ale fundusz jest realnym, nowym strumieniem publicznego kapitału dla polskich spółek kosmicznych i warto go mieć w kalendarzu planów na 2027. Zastanawia mnie w nim jedno: BGK ma obsługiwać wypłaty, ale o tym, kto i według jakich kryteriów będzie oceniał wnioski merytorycznie, na razie nie ma ani słowa. Space24, 3 sierpnia.

Wojsko dostaje własną domenę orbitalną – trzydziestego lipca przedstawiono plan utworzenia Dowództwa Operacji Kosmicznych, struktury odpowiedzialnej za planowanie i prowadzenie działań w domenie kosmicznej oraz wykorzystanie satelitów wojskowych. To domknięcie logiki po konstelacji PIAST i pogłębionej współpracy z amerykańskim dowództwem kosmicznym. Werdykt dla dostawców: osobne dowództwo powinno przełożyć się na popyt na świadomość sytuacyjną w kosmosie, łączność odporną na zakłócenia i obserwację Ziemi podwójnego zastosowania, czyli na konkretne kategorie przetargowe w najbliższych latach, z zastrzeżeniem, że budżet nie został jeszcze do tej struktury przypisany. Space24, 30 lipca.

Creotech z opcją na dwudziestokrotność – spółka podpisała z ESA umowę na pierwszą fazę projektu satelity demonstracyjnego IOD-B, testującego szybkie i bezpieczne zlecanie zadań w architekturze rozproszonej pod przyszłe systemy obserwacyjne i konstelację IRIS². Wartość pierwszej fazy to 750 tysięcy euro, a kontynuacja, po akceptacji, szacowana jest na około 15 milionów. Werdykt: to nie jest kontrakt, tylko opcja, i tak trzeba go czytać w każdej wycenie. Bankier, 24 lipca.

Najczęściej cytowana dziś liczba o chińskich modelach nie istnieje w jednej wersji. Ranking OpenRouter, czyli routera, przez który deweloperzy kierują zapytania do kilkuset modeli naraz, w ostatnich tygodniach pokazuje całą pierwszą piątkę zajętą przez modele chińskie. Ale gdy ktoś próbuje podać jedną liczbę udziału, wychodzą dwie: około 45 procent w jednych zestawieniach i ponad 60 procent w innych, w zależności od tego, co wchodzi do mianownika i który tygodniowy przekrój się bierze (Dataconomy na danych OpenRouter, 29 lipca).

Decyzja: nie cytuj tego jako punktu, tylko jako przedział, i zawsze z przypisem, co ten ranking naprawdę pokazuje. Mierzy wolumen tokenów przechodzących przez jednego pośrednika, wrażliwy na cenę, głównie ruch deweloperski. Nie mierzy przychodów ani ruchu idącego bezpośrednio do ChatGPT i Gemini, i nic nie mówi o tym, na czym stoją procesy produkcyjne dużych firm. Chińskie modele wygrywają tam wolumen, bo są tanie, i to jest prawdziwa informacja, natomiast twierdzenie „chińskie modele mają ponad połowę rynku” opisuje zupełnie inną wielkość, której ten ranking w ogóle nie mierzy. Przy cytowaniu warto więc dopisać jedno zdanie o tym, co dokładnie zliczał OpenRouter w danym tygodniu.

20 procent. Tylu zatrudnionych Amerykanów mówi, że AI wykonuje dziś przynajmniej jedno zadanie, które wcześniej przekazaliby współpracownikowi albo zewnętrznemu wykonawcy. Badanie zrobiły Epoch AI i Ipsos na panelu probabilistycznym z doborem adresowym, na próbie 1103 pracujących dorosłych, między dziesiątym a dziewiętnastym lipca, na dziesięciu typowych zadaniach zawodowych, z ważeniem wyników. Dwie dodatkowe liczby stamtąd są równie ważne: 66 procent wyników pracy modelu użyto bez zmian albo z drobnymi poprawkami, a sami autorzy piszą, że to, co widać w danych, to realokacja zadań, a nie masowa likwidacja etatów. Epoch AI, 6 sierpnia.

10 970. Tyle zapowiedzianych w lipcu w Stanach cięć etatów miało jako podaną przyczynę AI, czyli 33 procent miesiąca i piąty z rzędu miesiąc, w którym jest to przyczyna najczęściej wskazywana. Rzecz w tym, że w tym samym raporcie zwolnień ogółem jest 33 429, czyli o 27 procent mniej niż w czerwcu i o 46 procent mniej niż rok wcześniej, najmniej od dwóch lat. Narastająco w tym roku AI wskazano przy 112 713 cięciach. Challenger, Gray & Christmas, 6 sierpnia.

Zestawione obok siebie te dwie liczby mówią coś, czego osobno nie widać. Epoch mierzy, co ludzie realnie robią z modelem przy biurku. Challenger spisuje to, co pracodawcy mówią prasie, gdy tłumaczą się z cięć, i skoro zwolnień ubywa, a udział AI w wyjaśnieniach rośnie, to przynajmniej część tego udziału jest opisem, a nie przyczyną.

Od dziś obowiązuje trzon polskiej ustawy o systemach sztucznej inteligencji: organizacja nadzoru, jednostki notyfikujące i podstawa prawna piaskownic regulacyjnych. Powstaje krajowy organ nadzoru rynku, kolegialny, obsługiwany przez resort cyfryzacji, ale personalnie jeszcze nie istnieje: przewodniczącego spodziewamy się około października, pełnego składu około listopada, a przepisy o kontrolach i karach ruszają dwudziestego ósmego października (Dz.U. 2026 poz. 1003). Praktycznie: dwa i pół miesiąca na uporządkowanie dokumentacji. Dla kontrastu, w tym samym czasie w Waszyngtonie sfinalizowano dobrowolne ramy przeglądu modeli frontier i postanowiono ich nie publikować, a według doniesień modele o otwartych wagach zostały z przeglądu wyłączone (Axios, 4 sierpnia). W jednej jurysdykcji nadzór jest jawny i kończy się karą pieniężną, w drugiej opiera się na zaproszeniach, których dotąd nie opublikowano, a publikacji nie zapowiedziano.

Dziś mija osiemdziesiąt cztery lata od dnia, w którym Hedy Lamarr i George Antheil dostali patent numer 2 292 387 na tajny system łączności. Aktorka i kompozytor awangardowy opatentowali skakanie po częstotliwościach: nadajnik i odbiornik zmieniają kanał synchronicznie, więc zagłuszyć da się co najwyżej ułamek transmisji. Mechanizm synchronizacji Antheil podpatrzył w pianoli. Marynarka wojenna odrzuciła patent i wróciła do pomysłu dopiero po latach, bo od razu nie zobaczyła w nim niczego dla siebie. W tygodniu, w którym Meta i Alibaba rozdają wagi modeli, czytam historię tej szuflady jak instrukcję obsługi dla wszystkich, którym właśnie coś wartościowego spadło za darmo. Dziś to rozwiązanie siedzi w Wi-Fi, Bluetoothie, sieciach komórkowych i GPS-ie (The National WWII Museum).

Rubryka o mniejszym modelu, który wystarczył. W tym tygodniu: Liquid AI wypuściło LFM2.5-2.6B, model o 2,69 miliarda parametrów zaprojektowany pod urządzenia brzegowe, z natywnym wsparciem szesnastu języków, w tym polskiego (karta modelu, 28 lipca).

Zestaw to z arytmetyką tego numeru. Flagowiec Alibaby ma 2,4 biliona parametrów, model Mety trzydzieści miliardów, ten tutaj 2,69 miliarda parametrów. Różnica między największym a najmniejszym z tej trójki jest niemal tysiąckrotna, a lista zadań, w których naprawdę potrzeba tego największego, jest w typowej firmie zaskakująco krótka. Klasyfikacja przychodzącego dokumentu, wyciągnięcie pięciu pól z formularza, wstępne posortowanie zgłoszeń, podpowiedź kategorii, anonimizacja przed wysłaniem czegokolwiek dalej: to wszystko robi model, który mieści się na urządzeniu i nie wysyła danych nigdzie.

Nie mam jego wyników na zadaniach docelowych i nie będę przepisywał liczb, których nie sprawdziłem u źródła, więc traktuj to jako kandydata do przetestowania. Ale kierunek jest wart uwagi w tym samym tygodniu, w którym wszyscy patrzą w górę: model działający lokalnie rozwiązuje jednym ruchem problem, nad którym prawnicy i architekci potrafią siedzieć kwartał, bo dane nie opuszczają urządzenia.

Wagi dwóch dużych modeli poszły w tym tygodniu za darmo, a rachunek został ten sam: ktoś u ciebie musi wiedzieć, kiedy maszyna kłamie pewnym tonem.

Jeśli w waszej organizacji ktoś właśnie przyniósł pomysł na pobranie otwartych wag i uruchomienie ich u siebie, to sprzęt faktycznie przestał być barierą. Barierą została walidacja, a tej nie pobierzecie razem z wagami: trzeba ją złożyć u siebie z ludzi, procedury odbioru, zestawu przypadków testowych i kogoś, kto raz na kwartał sprawdzi, czy model dalej odpowiada tak samo. Zawsze chętnie o tym pogadam.

Bartosz

PS. Dziś w nocy maksimum Perseidów, do stu zjawisk na godzinę, a pogoda w większości kraju ma być sprzyjająca.

Newsletter Bartosza Sokolińskiego – co środa.