Warstwa lokalna i robocza: skompresowany model cybernetyczny i wspólny agent dla zespołu
Na koniec dwa fakty praktyczne, które rozwijają opisane już wątki bez ich powtarzania. Pierwszy dotyczy kompresji. OrcaRouter udostępnił dwudziestego dziewiątego września OrcaSAQ-2 Cyber 27B, skwantyzowaną wersję modelu Qwen3.8-27B po usunięciu zachowań odmownych, przeznaczoną do pracy nad bezpieczeństwem na własnym sprzęcie. Model zmieścił się w piętnastu przecinek siedmiu gigabajtach wobec pięćdziesięciu czterech przecinek siedmiu w pełnej precyzji, zachowując pełny kontekst dwustu sześćdziesięciu dwóch tysięcy tokenów i osiągając około dwudziestu siedmiu przecinek sześć tokenu na sekundę na karcie z dwudziestoma czterema gigabajtami pamięci. Deklarowany koszt kompresji jest mały: wzrost miary perplexity o osiem dziesiątych procenta i zgodność najlepszego tokenu z wersją pełną na poziomie dziewięćdziesięciu czterech przecinek czterech procent. To ten sam trend, który w poprzednich analizach opisywałem przy Strata i przy pozbawionej odmów wersji kodera Qwen-Image 2.1 — modele podwójnego zastosowania przestają wymagać chmury, a kontrola nad tym, co model może, przenosi się do otoczenia użytkownika.
Drugi fakt dotyczy sposobu pracy. xAI, w materiałach występujące także jako SpaceXAI, oraz Cursor wprowadziły dwudziestego ósmego września do otwartej bety Team Bots, czyli wspólnego agenta dla całego zespołu w planach Teams i Enterprise. Każdy taki bot łączy cztery warstwy kontekstu: pliki i instrukcje, wtyczki do aplikacji pokrojonych na Salesforce, Notion i GitHub, poświadczenia do API bez wsparcia wtyczkowego oraz pamięć. Rozmowy prywatne poszczególnych osób pozostają rozdzielone, a wspólne zostają umiejętności i procedury. Każdy bot dostaje własny uchwyt w Slacku, dzięki czemu cały kanał może z nim pracować w ramach istniejących reguł widoczności. xAI ilustruje to własnym wdrożeniem: nocna analiza materiałów o klientach kończy się porannym briefem, a wewnętrzny bot inżynierski miał pomóc pięcioosobowemu zespołowi wysyłać ponad sto zmian kodu dziennie. Krytycznie trzeba dodać, że zapowiedź nie opisuje ani eksportu zgromadzonych umiejętności, ani kontroli wersji, ani ścieżek migracji, więc realna adopcja zależy od tego, czy te elementy pojawią się przed wdrożeniem produkcyjnym (xAI, Cursor i AlphaSignal, 28.09).
Źródło: alphasignal
Osobno warto odnotować twarde dane o popycie, które nie były dotąd w tej serii podawane. Z sondaży Epoch AI i Ipsos wynika, że odsetek amerykańskich dorosłych korzystających z AI co najmniej sześć dni w tygodniu wzrósł z ośmiu procent w marcu do dziewiętnastu procent w sierpniu, a odsetek korzystających zaledwie jednego dnia spadł z siedemnastu do dziesięciu procent. Ogólne użycie w ciągu ostatniego tygodnia wzrosło z połowy do pięćdziesięciu sześciu przecinek czterech procent. To dane z dwóch fal o różnej próbie, z przedziałami ufności, które częściowo na siebie zachodzą, więc kierunek jest solidny, ale dokładne poziomy należy traktować ostrożnie (Epoch AI i Ipsos, sierpień 2026).
Źródło: epoch-ai