✦ Tanieje token, drożeje dostawca (18)

W poprzednim numerze pisałem o stracie netto z prospektu, który Anthropic złożył 26 października w amerykańskiej Komisji Papierów Wartościowych i Giełd. W tym samym prospekcie w miejscu łącznej kwoty zobowiązań na moc obliczeniową było puste pole. 2 listopada firma złożyła poprawioną wersję i je wypełniła: około 895,4 mld dolarów, prawie w całości na moc obliczeniową i infrastrukturę. Około 447,5 mld przypada na lata do końca 2030 roku, reszta na lata 2031–2045. Około 69,8 mld trzeba zapłacić w ciągu dwunastu miesięcy od końca września, czyli mniej więcej tyle, ile przy obecnym tempie wyniósłby roczny przychód firmy. Około 213,8 mld z łącznej kwoty dotyczy umów, które Anthropic może rozwiązać albo które ruszą dopiero po spełnieniu warunków, np. gdy dostawca zdobędzie finansowanie, obiekty albo pozwolenia. Z 69,8 mld na najbliższy rok takich umów jest około 4,3 mld. SEC, S-1/A · SEC, S-1 z 26 października

Przychód Anthropic w trzecim kwartale wyniósł 17,0 mld dolarów. Rok do roku wzrósł o 1127 proc., koszty mocy obliczeniowej i infrastruktury o 382 proc. Kwartał do kwartału przychód rósł w drugim kwartale o 144 proc., w trzecim o 47 proc., a koszty mocy w trzecim o 77 proc. Anthropic szacuje, że obniżki cen przy nowych wersjach modeli i rabaty w umowach zmniejszyły przychód między drugim a trzecim kwartałem o około 600 mln dolarów. Wcześniej taki efekt firma wykazała tylko między trzecim a czwartym kwartałem 2025 roku: około 70 mln.

Alphabet, właściciel Google, miał w trzecim kwartale ujemne wolne przepływy pieniężne, czyli mniej gotówki z działalności, niż wydał na inwestycje: minus 9,1 mld dolarów przy nakładach 51,4 mld, w tym przez wypłatę 5,2 mld dolarów kary Komisji Europejskiej. Za ostatnie dwanaście miesięcy wolne przepływy Alphabetu są dodatnie i wynoszą 19,7 mld. Dyrektorka finansowa Anat Ashkenazi powiedziała, że z powodu niedoboru mocy Google zaczął pod koniec kwartału korzystać z mocy obliczeniowej innych firm. Przyszłe zobowiązania zakupowe Alphabetu wynoszą 924 mld dolarów, a Ashkenazi zastrzega, że to maksymalne kwoty z umów. Wolne przepływy Amazona za ostatnie dwanaście miesięcy wyniosły minus 42,4 mld dolarów. W 2027 roku firma chce wydać na inwestycje „meaningfully more” niż około 220 mld w tym roku. Nakłady inwestycyjne Microsoftu, razem z leasingiem, wyniosły w kwartale 45,2 mld dolarów, mniej, niż planował, bo spóźniły się dostawy mocy od zewnętrznych firm. Dyrektorka finansowa Amy Hood mówiła, że Microsoft ma wiele możliwości, by sięgnąć po finansowanie z rynku, „when they make sense and they're attractive”. Następnego dnia, 29 października, Microsoft sprzedał obligacje za 25 mld dolarów w dziesięciu transzach, z terminami wykupu od 2028 do 2066 roku. Poprzedni prospekt takiej emisji złożył w styczniu 2017 roku. Alphabet, transkrypt · Amazon · Amazon, transkrypt · Microsoft · SEC, emisja Microsoftu

Według „The Wall Street Journal” OpenAI zebrało w ostatniej rundzie zobowiązania na około 11 z planowanych 30 mld dolarów, przy wycenie 1,25 bln dolarów zamiast oczekiwanych 1,4 bln, i obniżyło cel do 20 mld. 29 października wiceprezeska Bundesbanku Sabine Mauderer mówiła we Frankfurcie, że jeśli oczekiwania wobec AI się nie spełnią, akcje mogą dalej tanieć, a inwestorzy mogą żądać wyższej premii za ryzyko przy refinansowaniu inwestycji w AI („higher risk premia for AI refinancing”). WSJ · BIS, Mauderer

3 listopada w wyborach w USA w Teksasie, Georgii i Ohio, na które według cytowanego przez WSJ banku Evercore ISI przypada ponad 40 proc. planowanej w USA mocy centrów danych, wygrali Demokraci, którzy obiecywali spowolnić albo wstrzymać budowę centrów danych. Według rozmówcy gazety kierownictwo OpenAI rozmawiało następnego dnia o tym, czy trzeba będzie zrewidować oczekiwania co do mocy centrów danych na 2027 rok. „MIT Technology Review” pisze, że Teksas może przestać być najszybciej rosnącym rynkiem centrów danych w USA. 5 listopada, dwa dni po wyborach, Google ogłosił inwestycję za 17 mld dolarów w Wyomingu: centrum danych chłodzone powietrzem, zasilane z zakontraktowanej u firmy energetycznej AEP instalacji ogniw paliwowych na gaz o mocy 702 MW. Google deklaruje, że zapłaci za całą zużytą energię i za infrastrukturę, której wymaga jego rozwój. W Polsce na dziś zapowiedziano pod Sejmem ogólnopolski protest przeciwników centrów danych, którzy chcą regulacji dla tej branży. Pod Warszawą, w Michałowicach i Piasecznie, mieszkańcy spierają się z inwestorami o wodę i prąd. WSJ · MIT Technology Review · Google · WP Finanse · money.pl

5 listopada, dwa dni po wyborach, indeks Nasdaq Composite spadł o 5,52 proc., a akcje Nvidii o około 9 proc. Według Reutersa potencjalni inwestorzy Anthropic wątpią, czy firma zdąży z prezentacjami dla inwestorów w przyszłym tygodniu i z debiutem w listopadzie. Chcą też zobaczyć przychód za październik, którego w poprawionym prospekcie nie ma. CNBC · Reuters

Czytam to tak: firma, która kupuje AI, płaci coraz mniej za token, czyli jednostkę tekstu, od której liczy się opłatę za model. Rok do roku przychód Anthropic rośnie szybciej niż jego koszty mocy obliczeniowej, ale tempo wzrostu przychodu z kwartału na kwartał spada. Większość zobowiązań na moc jest zapisana na lata, a przyszły przychód zależy od cen, które dostawca sam obniża, od dostępności kapitału i od zgody na nowe centra danych. Dostawca, któremu zabraknie kapitału albo zgody na budowę, może w trakcie umowy zmienić klientowi cenę, limity zapytań albo miejsce przetwarzania danych. Moja teza: przy zakupie AI w 2027 roku większym ryzykiem od ceny będzie kondycja dostawcy, który obniża ceny, a koszty ma zapisane do 2045 roku. W umowie z dostawcą modelu ważniejsze od rabatu są zapisy o zmianie warunków, ciągłości i wyjściu.

Proponuję, żeby umowa z dostawcą modelu albo platformy AI, także kupowanych przez chmurę, integratora albo w oprogramowaniu z AI w środku, i plan wdrożenia miały te pozycje:

Najwygodniej przejrzeć te zapisy przy najbliższym przedłużeniu umowy, z prospektem Anthropic i raportami kwartalnymi dostawców chmury pod ręką.

✦

Finanse i kapitał · Alex Karp, prezes Palantira, 2 listopada przy wynikach za trzeci kwartał: według niego ludzie mają dość firm, które odsprzedają tokeny i księgują je jako przychód („lightweight companies reselling tokens, software companies that are reselling tokens… people are just tired of it”). Dodał: „It's hard to see the reality when you're getting rich on something that's not actually working the way you think it is.” Przychód Palantira wzrósł w trzecim kwartale o 96 proc., do 2,313 mld dolarów, a przychody od firm w USA (984 mln) po raz pierwszy przekroczyły przychody od amerykańskiego rządu (953 mln). Palantir, transkrypt

Finanse i kapitał · Satya Nadella, prezes Microsoftu, 28 października przy wynikach kwartalnych: Microsoft nie chce, żeby klienci kupowali za dużo jednego produktu i mieli poczucie, że muszą zużywać jak najwięcej tokenów („feel like they're token maxing”). Przy tych wynikach Microsoft nie podał nowej liczby użytkowników Copilota. Microsoft

Finanse i kapitał · Philip R. Lane, główny ekonomista EBC, 30 października w San Francisco: europejscy inwestorzy kupują akcje zagranicznych spółek AI i obligacje w euro emitowane przez amerykańskich hiperskalerów, czyli największych dostawców chmury („the euro-denominated bond issuances by American hyperscalers”). Według niego europejskie gospodarstwa domowe oceniają wpływ AI na zatrudnienie per saldo pozytywnie. EBC

Na świecie · Koren Maranca, Morgan Stanley, w rozmowie z „American Banker” 2 listopada: „Sometimes people build an agent, they use it twice, and then they never touch it again”. Morgan Stanley pozwolił doradcom budować własne agenty. Według „American Banker” prób było blisko 50 tys., większość porzucono. American Banker

W Polsce · Sebastian Kondracki, współtwórca polskiego otwartego modelu językowego Bielik, 27 października na LinkedIn: „Token jest jednostką kosztu. Wykonana praca jest jednostką wartości.” LinkedIn

Fiserv: czas decyzji krótszy o dwie trzecie, fałszywych alarmów o ponad 40 proc. mniej

3 listopada Fiserv, amerykańska firma obsługująca płatności i systemy tysięcy banków, opisał na konferencji wynikowej efekty agentów AI, czyli programów, które same wykonują kolejne kroki zadania, w dwóch procesach. W Clover, systemie dla sprzedawców, agenty pracują przy wstrzymaniach, czyli decyzjach, czy zatrzymać środki albo transakcję sprzedawcy do wyjaśnienia ryzyka. Według prezesa Takisa Georgakopoulosa czas decyzji spadł o dwie trzecie, a fałszywych alarmów jest o ponad 40 proc. mniej. Według firmy w call center zbudowanym z Sierra AI ponad 40 proc. rozmów kończy się bez przekazania do człowieka. Zwrot z samego kosztu tokenów, czyli opłat za model, wynosi od 5 do 10 razy. NPS, wskaźnik gotowości klientów do polecenia firmy, nie spadł. Fiserv podniósł szacunek oszczędności z programu Elevate z 500 mln do 1 mld dolarów. Według prezesa różnicę dały przegląd aktywów spoza głównej działalności i pierwsze wyniki AI, a większość dodatkowych oszczędności przyjdzie po 2027 roku.

Co zadziałało: Fiserv pokazuje efekt na miarach procesu, które istniały przed wdrożeniem: czasie decyzji, odsetku fałszywych alarmów i zadowoleniu klientów. Firma nie podała, ilu decyzji dotyczą te liczby ani ile decyzji agenta okazało się błędnych. O to zapytałbym przed podobnym wdrożeniem u siebie. Fiserv, transkrypt

Visa i banki przetestowały zakupy przez agenta AI (3 listopada) – według Bankier.pl w pilotażu Visy agent AI wyszukuje produkt, dodaje go do koszyka i proponuje zapisaną kartę, a klient potwierdza płatność biometrią. Uczestniczyły m.in. Credit Agricole, mBank, Bank Millennium, Nest Bank, PKO Bank Polski i PayPo, operatorzy płatności, m.in. Autopay, PayU i Przelewy24, oraz sklepy, m.in. Empik. W badaniu Visy z sierpnia (1008 konsumentów) 62 proc. obawia się zakupu bez swojej zgody.

Co to znaczy: zakup przez agenta zadziałał w pilotażu na prawdziwych kartach polskich banków, choć to jeszcze nie usługa dla klientów. Według Subiektywnie o Finansach przy kłopotach ma działać zwykła reklamacja transakcji kartowej (chargeback). Nie wiadomo jeszcze, jak bank rozstrzygnie spór, czy pomylił się klient w poleceniu, czy agent. Bankowi i sklepowi, które dołączają do programu, radzę zapisać tę zasadę w regulaminie przed startem. Bankier.pl · Subiektywnie o Finansach

11,5 proc. firm deklaruje, że mierzy zwrot z AI (3 listopada) – w badaniu BGR Quantic na zlecenie Microsoftu (1126 decydentów z firm zatrudniających co najmniej 100 osób, maj 2026) 48,2 proc. firm planuje w ciągu roku zwiększyć budżet na AI, a 11,5 proc. formalnie mierzy zwrot konkretnymi wskaźnikami. 57,3 proc. nie mierzy go wcale albo nie ma ustalonej metody.

Co to znaczy: więcej firm planuje większy budżet na AI, niż umie ocenić, co z niego wyszło. Miarę, którą da się potem obronić przed zarządem, ustala się przed pilotażem, na procesie, który istniał przed AI. Microsoft · ITwiz

SATIM w niemieckim rozpoznaniu satelitarnym (2 listopada) – krakowski SATIM, który analizuje z pomocą AI zobrazowania radarowe SAR, czyli obrazy z radarów satelitarnych, które działają przez chmury i w nocy, poinformował, że jego oprogramowanie weszło do testów operacyjnych w systemie SPOCK-1 Rheinmetallu. Umowę firmy podpisały w grudniu 2025 roku, jej wartości nie ujawniły.

Co to znaczy: polska firma sprzedaje analizę danych do cudzego systemu satelitarnego, bez budowy własnych satelitów. SATIM · Space24

Wonderful zapowiada 200 mln zł w Polsce (4 listopada) – izraelska firma budująca agenty AI dla przedsiębiorstw chce zainwestować w Polsce 200 mln zł, a warszawski zespół ma do końca 2029 roku urosnąć z około 20 do ponad 200 osób.

Co to znaczy: jeśli plan się spełni, firmy, które w Polsce szukają inżynierów od agentów AI, zyskają kolejnego konkurenta z dużym budżetem. ITwiz

Gemini 4 Carbon (28 października) – nowy flagowy model Google. Na start dostała go tylko część zespołów broniących systemów przed cyberatakami, w programie Fairwind. Pozostałym Google zapowiada dostęp „as soon as possible”, bez daty. W wersji 5.0.1 zbiorczego indeksu Artificial Analysis, firmy porównującej modele na zestawie testów, jest pierwszy (odczyt z 5 listopada). W podobnym rankingu Vals AI jest drugi, z 70,45 proc. punktów, 0,4 punktu za Claude Sonnet 5.5. Cena wprowadzająca wynosi 2 dolary za milion tokenów tekstu wysłanego do modelu i 10 dolarów za milion tokenów odpowiedzi, docelowa 4 i 20 dolarów.

Co to znaczy: model z czołówki obu rankingów nie jest dostępny dla większości firm, a budżet na niego liczy się po cenie docelowej, dwa razy wyższej od wprowadzającej. Google · Artificial Analysis · Vals AI

GPT-6 Cyber (5 listopada) – model OpenAI do szukania i potwierdzania luk w oprogramowaniu i do pisania poprawek. OpenAI zaliczył go do najwyższej klasy ryzyka w cyberbezpieczeństwie („Critical”) w Preparedness Framework, swoich zasadach oceny zagrożeń. Poprzednik był o klasę niżej. Dostęp mają wybrani klienci programu Daybreak Red, przez API, czyli z własnych programów, domyślnie tylko z zatwierdzonych adresów IP. Według testu OpenAI na jądrze Linuksa, podstawie systemu na większości serwerów, model z 2308 potencjalnych luk potwierdził 1724 i napisał działające exploity, czyli programy do przeprowadzenia ataku, dla 948 z nich.

Co to znaczy: Google i OpenAI dają najmocniejsze modele do pracy z lukami najpierw obrońcom. Firma, która chce ich używać do testów bezpieczeństwa, przechodzi weryfikację w programie dostawcy. OpenAI · OpenAI, zmiany w API

Mistral Large 4 z otwartymi wagami (29 października) – Mistral opublikował wagi modelu, czyli parametry pozwalające uruchomić go na własnych serwerach. Model ma bilion parametrów, z których przy każdym zapytaniu pracuje około 49 mld. Licencja pozwala na użycie komercyjne, ale firma, która sprzedaje innym dostęp do samego modelu jako usługę, potrzebuje osobnej licencji od Mistrala. W API model kosztuje 0,70 dolara za milion tokenów wejściowych i 2,10 dolara za milion wyjściowych. Wariant do cyberbezpieczeństwa dostają tylko zweryfikowani partnerzy.

Co to znaczy: europejski model można uruchomić na własnym sprzęcie, ale pełna wersja wymaga kilku kart graficznych klasy Nvidia H200 albo B300 pracujących razem. Wersja skompresowana do 2 bitów mieści się w komputerze Apple z 512 GB pamięci i według Hugging Face generuje około 15 tokenów na sekundę, a jej jakości nikt nie zmierzył. To sprzęt do testów. Mistral · Hugging Face

Claude Enterprise blokuje prywatne konta na firmowych komputerach (5 listopada) – Anthropic dodał w planie Enterprise blokadę logowania na prywatne i obce konta w aplikacji Claude Desktop na komputerach firmy. Doszły też centrum bezpieczeństwa, które porównuje ustawienia z zalecaną konfiguracją (wersja testowa), przekazywanie zapytań do własnych narzędzi chroniących przed wyciekiem danych i wylogowanie pracownika ze wszystkich urządzeń naraz (wersja testowa), które nie unieważnia kluczy API ani uruchomionych już sesji i zadań w chmurze.

Co to znaczy: dział IT może zablokować prywatne konto w samej aplikacji, obok blokady domen w sieci. Przy wdrożeniu sprawdza, czy blokada obejmuje też Claude Code w terminalu, bo opis dotyczy aplikacji Claude Desktop. Anthropic

Personal Finance w Claude (5 listopada) – Anthropic uruchomił w USA wersję testową dla planów Pro, Max i Ultra. Claude przez Plaid odczytuje dane z kont bankowych i kart, sumuje wydatki, porównuje miesiące i wskazuje podwójne obciążenia. Dostęp jest tylko do odczytu: moduł nie przelewa ani nie inwestuje pieniędzy i nie doradza w sprawie inwestycji. Anthropic zaprasza banki i firmy zarządzające majątkiem do współpracy.

Co to znaczy: asystent klienta pracuje na danych z banku, ale poza bankiem. Bank decyduje, czy zostaje dostawcą danych dla cudzego asystenta, czy buduje własnego. Anthropic

Kredyty API w ChatGPT Business i Pro

OpenAI dołącza do abonamentów ChatGPT Pro i Business comiesięczne kredyty na API, czyli na korzystanie z modeli z własnych programów i automatyzacji. Pro za 100, 200 albo 500 dolarów daje co miesiąc kredyt w tej samej kwocie. W Business to 20 dolarów za każde płatne miejsce Standard i 100 dolarów za Premium, łącznie do 500 dolarów miesięcznie na workspace, a przy rocznej opłacie z góry cała roczna pula naraz, do 6000 dolarów. Kredyty trafiają do jednej powiązanej organizacji API i wygasają z końcem okresu rozliczeniowego. Nie zwiększają limitów w samym ChatGPT ani w Codex, narzędziu OpenAI do programowania. Po ich wyczerpaniu zapytania kończą się błędem, chyba że organizacja ma kupione kredyty albo automatyczne doładowanie. Plany Plus, Enterprise i Edu ich nie mają, a dostępność zależy też od kraju i grupy klientów, którym OpenAI włączył ofertę.

Dla kogo: zespoły, które chcą zrobić pierwszy pilotaż automatyzacji albo agenta bez osobnego budżetu na API.

Werdykt: sprawdź w ustawieniach rozliczeń, czy masz tę opcję, i włącz ją do pilotażu po sprawdzeniu zasad przechowywania danych w powiązanej organizacji API. Aktywuje je właściciel workspace'u i organizacji API. Przed pilotażem liczy się, ile zadań mieści się w przyznanej kwocie (przy pięciu miejscach Standard to 100 dolarów), i wpisuje tę liczbę do planu, bo kredyty nie przechodzą na następny okres rozliczeniowy. OpenAI, pomoc

Anthropic: eksperci przejmują wybory agenta (27 października) – 50 analityków oceniało z pomocą Claude Code program doradczy fikcyjnej spółdzielni. Agent dostawał w ukrytej instrukcji losowe nastawienie w jedną albo drugą stronę przy czterech decyzjach metodologicznych. Analitycy wybierali opcję, ku której skłaniał się agent, w 86 proc. decyzji, wobec około 50 proc., których należałoby się spodziewać przy wyborze losowym. 77 proc. powtarzało jego argumenty, 15 proc. przypisało je agentowi. Doświadczenie analityków tego nie zmieniało. Na końcową rekomendację efekt był słabszy: wdrożenie programu zalecało 54 proc. analityków przy agencie nastawionym na „tak” i 36 proc. przy nastawionym na „nie”. Bez przypisanego nastawienia model w 112 ze 123 przebiegów wybierał te same opcje. Nastawienie agenta było celowo wzmocnione, a badanie objęło jedno zadanie i jeden model, Claude Opus 4.8.

Co to znaczy: ten sam agent popycha wielu ekspertów ku tym samym wyborom, a oni przejmują jego argumenty jako własne. Tam, gdzie człowiek zatwierdza wynik agenta, proponuję, żeby zapisał własne zdanie, zanim zobaczy rekomendację. Anthropic

DeliverBench: agenty a gotowy projekt (2 listopada) – w teście 11 projektów i 150 podzadań, ocenianych według rubryk ekspertów i bez porównania z ludźmi, najlepszy z siedmiu systemów dostał 65 na 100 punktów za pakiet końcowy, a próg 90 punktów przekroczył w połowie podzadań.

Co to znaczy: w pilotażu agenta ocenia się gotowy pakiet po wszystkich rundach poprawek, bo wyniki pojedynczych kroków nie mówią, czy całość nadaje się do oddania. arXiv

METR o raporcie ryzyka Anthropic (5 listopada) – METR, organizacja oceniająca ryzyko modeli AI, przejrzał sekcję sierpniowego raportu Anthropic o automatyzacji badań nad AI. Zgadza się, że ryzyko katastrofalne było niskie, ale ocenia, że raport zaniża skalę przyspieszenia („understates the level of acceleration”). Za możliwe („plausible”) uznaje, że modele z połowy lipca już przekroczyły próg z zasad Anthropic, czyli podwojenie tempa postępu AI dzięki automatyzacji badań, choć badacze METR i Anthropic skłaniają się ku temu, że go nie przekroczyły. Według METR wskaźniki wyprzedzające pokazują przyspieszenie od 1,3 do 2,8 raza, zależnie od definicji i okresu. Zbiorczy indeks zdolności modeli Anthropic daje około 1,5 raza na danych z raportu i około 1,9 raza po dodaniu testów przez Anthropic. METR nie wyklucza dalszego, znacznego przyspieszenia w ciągu sześciu miesięcy.

Co to znaczy: zewnętrzny recenzent ocenia, że dostawca zaniża skalę, w jakiej jego modele przyspieszają prace nad kolejnymi. Przy planowaniu zakładam, że w ciągu pół roku możliwości modeli mogą się zmienić bardziej, niż wynika z raportów samych dostawców. METR

Ranking zmienił miarę

Pod koniec października Artificial Analysis przebudował swój zbiorczy indeks modeli. Wersja 5 składa się z dziewięciu testów w czterech równych kategoriach: praca umysłowa, programowanie, nauka i zadania ogólne. Pięć z dziewięciu testów nie jest publicznych. Najlepszy model otwarty, Kimi K3.1 Pro, ma w wersji 5.0.1 46 punktów wobec 60 u prowadzącego Gemini 4 Carbon (odczyt z 5 listopada). Wagi Kimi K3.1 Pro są od 2 listopada publiczne na Hugging Face. Licencja wymaga osobnej umowy od firmy, która sprzedaje dostęp do modelu jako usługę i ma ponad 20 mln dolarów przychodu w 12 miesięcy. Według heise, który 29 października pisał o wersji 5.0, najlepszy model otwarty tracił do lidera 12 punktów, w poprzedniej wersji indeksu 3. W Vals Index różnica między nimi wynosi 8,3 punktu. Luka urosła, gdy przybyło zadań niepublicznych. Część dotychczasowych wyników otwartych modeli mogła więc wynikać z trenowania pod publiczne testy.

29 października Mistral podał, że Large 4 rozwiązuje 41 proc. zadań w Terminal-Bench 4.0, teście agentów pracujących w wierszu poleceń. Vals AI zmierzył w tym samym teście 26,26 proc. (27. miejsce), w minimalnej uprzęży testowej z jednym narzędziem i jako średnią z trzech prób. Warunków własnego pomiaru Mistral nie podał.

Decyzja: przy miejscu modelu w rankingu podaje się wersję indeksu i datę odczytu. Wynik producenta porównuje się z niezależnym pomiarem w tych samych warunkach: ta sama uprząż testowa, czyli program prowadzący model przez zadanie, ta sama liczba prób i ten sam limit czasu. Model wybrany dlatego, że jest europejski, sprawdza się na własnych zadaniach, zanim trafi do strategii firmy. Artificial Analysis, metodologia · Hugging Face, Kimi K3.1 Pro · heise · Vals AI, Terminal-Bench 4.0 · Vals AI, Vals Index

Sri Muppidi, „Inside Anthropic's Hunt for A.I. Computing Power”, The New York Times (2 listopada) – jak Anthropic szuka mocy obliczeniowej: dziesiątki umów z dużymi chmurami, mniejszymi dostawcami i byłymi firmami wydobywającymi kryptowaluty, a przy wyborze lokalizacji zejście z wymagania 200 MW do 50 MW z bateriami i gazem. NYT

Alexander Saeedy, Anissa Gardizy, Matt Wirz, „Broadcom CEO Intervened to Seal $63 Billion Anthropic Debt Deal”, The Wall Street Journal (26 października) – spółka celowa kupuje na kredyt chipy TPU, procesory Google do AI, i wynajmuje je Anthropic, a Broadcom gwarantuje bankom zwrot. Z 63 mld dolarów banki zaangażowały ponad 40 mld. WSJ

Rivka Galchen, „The Year Math Changed Forever”, The New Yorker (numer z 9 listopada) – rok, w którym AI dostarczyła matematykom wiele nowych dowodów: od problemów Erdősa po spór o niesprawdzone przez ludzi rozwiązanie problemu Naviera–Stokesa. The New Yorker

Madhulika Srikumar, Claire Leibowicz, „We urgently need to monitor AI agents' actions in real time”, MIT Technology Review (29 października) – autorki z Partnership on AI sprawdziły cztery popularne frameworki do budowy agentów. Frameworki nie zapisują niezawodnie trwałego identyfikatora agenta ani informacji, kto zatwierdził jego zadanie. Autorki zalecają też zapisywanie zmian uprawnień i pamięci agenta. MIT Technology Review

Wired: agent z prywatnego konta w systemie Pentagonu

Według Wired, które powołuje się na anonimowe źródła, pracownik Accenture podłączył swoje prywatne konto Claude Code, agenta do programowania, do działającego systemu Departamentu Obrony USA, żeby agent pisał i wdrażał tam kod. System pracuje w sieci NIPRNet i zawiera informacje nieklasyfikowane, ale objęte kontrolą (CUI). Pracownik dał agentowi swoje poświadczenia, a z nimi uprawnienia administratora. Agent miał wysłać informacje o systemie, w tym dane logowania, do zewnętrznej strony uznanej za wysokiego ryzyka. Agent działał w sieci przez dwa miesiące, zanim go wykryto. Wykonawcy Departamentu mają 72 godziny na zgłoszenie incydentu. Według źródeł Wired Accenture początkowo go nie zgłosiło. Pracownikom Departamentu nie wolno używać Claude. Accenture odpowiada, że zarzuty zbadano niezależnie i uznano za bezpodstawne („These allegations were thoroughly and independently investigated and found to be without merit.”). Departament nie komentuje stanu swoich sieci.

Lekcja: zakaz konkretnego narzędzia nie chroni środowiska, do którego konsultant może podłączyć prywatne konto agenta. W umowie z firmą zewnętrzną zapisuje się zakaz prywatnych kont AI w środowiskach klienta, agenty z poświadczeniami trafiają do rejestru tak jak konta usług i programów, a incydent z udziałem agenta zgłasza się w tych samych terminach co inne incydenty ICT. Wired

Serwis z 43 mln komentarzy w około dwie godziny pracy z modelem

1 listopada Andrej Karpathy, współzałożyciel OpenAI i były szef AI w Tesli, pokazał HackerTube. Z 43 mln komentarzy z 20 lat Hacker News, forum programistów, wybrał 6454 polecane tam filmy i zbudował z nich serwis. Pracę z Claude Code opisał jako „~2 hours with Opus 5.5”. Wpis ma ponad 4,9 mln wyświetleń. Karpathy: „Many awesome projects that would have normally taken weeks/months even can now be few-shotted for breakfast.”

Co to znaczy: przy prostym narzędziu wewnętrznym koszt przesuwa się z budowy na utrzymanie i ustalenie, kto ma do niego dostęp. Zespół bez doświadczenia Karpathy'ego będzie potrzebował więcej czasu. Karpathy na X

1279 dolarów

Tyle według OpenAI wyniósł średni koszt API całego przebiegu w przeliczeniu na jeden działający exploit, który pozwala zwykłemu użytkownikowi Linuksa przejąć uprawnienia administratora: przebieg kosztował 1 213 430 dolarów i dał 948 exploitów. 29 października Epoch AI opisał, jak otwarty model GLM 5.3 chińskiej firmy Z.ai z poprawek bezpieczeństwa, które Mozilla opublikowała w kodzie źródłowym przed wydaniem nowej wersji Firefoksa, zbudował działające ataki na wszystkie sześć sprawdzonych wersji przeglądarki. Koszt krańcowy wyniósł około 1000 dolarów opłat za API na wersję, całe badanie ponad 100 tys. Najszybszy atak powstał w około 12 godzin. Każdy wymagał też drugiej, nieopublikowanej luki, którą model za każdym razem znajdował sam; Mozilla załatała ją w wersji 159.0. Na Chrome po wydaniu około 100 tys. dolarów to się nie udało.

Co to znaczy: według Epoch sam dostęp obrońców do mocniejszych modeli zamkniętych nie rozwiązuje problemu, gdy otwarte modele robią exploity z opublikowanych poprawek („Merely providing defenders access to stronger closed models does not solve the underlying structural issue”). Firma, która nie dostanie się do programu dla obrońców, zakłada, że atakujący ma takie narzędzie, i skraca czas od publikacji poprawki do jej instalacji, zwłaszcza w przeglądarkach i bibliotekach open source. OpenAI · Epoch AI

72 proc.

Taki udział mają według szacunku Epoch AI, opartego na danych o imporcie chipów, Stany Zjednoczone w mocy obliczeniowej do AI, która trafiła na rynek od 2022 roku do czerwca 2026: 19,8 mln z 27,4 mln jednostek przeliczonych na chip Nvidia H100, standardową miarę w takich zestawieniach. Chiny mają 10 proc., Unia Europejska 5 proc.

Co to znaczy: przy 5 proc. mocy w Unii europejskie firmy kupują AI głównie od dostawców, którzy budują poza nią. Decyzje o centrach danych w USA mogą więc wpływać także na ceny i dostępność usług w Polsce. Epoch AI

KRiBSI wydaje opinie za 150 zł – po pierwszym posiedzeniu 28 października Komisja Rozwoju i Bezpieczeństwa Sztucznej Inteligencji uruchomiła e-usługi. Firma, która musi stosować przepisy o AI, może za 150 zł złożyć wniosek o opinię indywidualną w swojej sprawie. Komisja ma na nią 30 dni, w sprawach szczególnie skomplikowanych 60. „Jeśli nie zrobi tego w terminie, uznaje się, że opinia jest zgodna ze stanowiskiem wnioskodawcy.” Opinia wiąże Komisję i inne organy w sprawie opisanej we wniosku, a po anonimizacji trafia do BIP. Te same formularze przyjmują skargi na możliwe naruszenie AI Act i ustawy o systemach sztucznej inteligencji.

Decyzja: przy sporze, czy system to AI wysokiego ryzyka w rozumieniu AI Act, albo kto jest dostawcą, a kto podmiotem stosującym, czyli firmą używającą cudzego systemu, firma składa wniosek z własnym stanowiskiem, zanim uruchomi system. KRiBSI, e-usługi · KRiBSI, pierwsze posiedzenie

90 lat żywej gęsi z Księgi Szkockiej

6 listopada 1936 roku Stanisław Mazur wpisał do Księgi Szkockiej, zeszytu, w którym lwowscy matematycy zapisywali problemy przy stolikach Kawiarni Szkockiej, problem nr 153. Za jego rozwiązanie wyznaczył nagrodę: żywą gęś. W 1972 roku problem rozwiązał szwedzki matematyk Per Enflo, a Mazur wręczył mu gęś w Warszawie. MacTutor

„Moim zdaniem korekta na rynku nie byłaby zaskoczeniem, a korekty towarzyszyły też wcześniejszym boomom infrastrukturalnym.”

Gabriel Makhlouf, prezes Banku Centralnego Irlandii i członek Rady Prezesów EBC, 2 listopada 2026. W oryginale: „In my view a market correction would not be a surprise and, indeed, corrections have been a feature of other historic infrastructure booms.” BIS

Jeśli wasza umowa z dostawcą AI ma zapis o zmianie cen w trakcie umowy albo o planie wyjścia, odpiszcie, jak go sformułowaliście.

Bartosz