Sześć. Warstwa decyzyjna domyka się: kalibracja staje się produktem
Wątek modeli decyzyjnych, opisany w wydaniu porannym, doczekał się rozwinięcia, które zmienia akcent z ceny na zaufanie. Laboratorium AutoTrust AI udostępniło model GEV-26B-Decide, zbudowany na otwartym Gemma-4-26B-A4B, który zwraca skalibrowane prawdopodobieństwa dla z góry zadanych opcji. Szybka ścieżka odpowiada w jednym przejściu do przodu w około czterdzieści pięć milisekund i nie generuje ani jednego tokenu, a ścieżka rozumowania włącza się tylko wtedy, gdy najwyższe prawdopodobieństwo spadnie poniżej progu ośmiu dziesiątych. Producent podaje mocne przyrosty: na GPQA Diamond z czterdziestu dwóch i dziewięciu punktu do siedemdziesięciu ośmiu i sześciu, na BBH z siedemdziesięciu pięciu do dziewięćdziesięciu dwóch, a na MMLU-Pro z sześćdziesięciu pięciu do osiemdziesięciu czterech i sześciu, a demonstracyjny agent przeglądarkowy ma kończyć dziewięćdziesiąt pięć procent wieloetapowych zadań. Całość działa jako dodatek na licencji Apache 2.0. Zestawienie z tym, co pokazało wydanie poranne, jest wymowne: skoro najtańszy model decyzyjny można odtworzyć domowym sposobem, a jego prawdopodobieństwa są skrajnie nadmiernie pewne, to przewagą przestaje być architektura, a staje się skalibrowana pewność sprzedawana jako osobny produkt. Liczby pochodzą jednak od samego laboratorium i nie zostały niezależnie odtworzone.
Do tej samej warstwy dopisuje się fakt domykający sprawę z rana. Narzędzie ARTEX, którego autor ogłosił zamknięcie po nadużyciu do włamań, wygrało konkurs Agent+ firmy Baidu na ofensywę i obronę agentów i wróciło jako publiczny projekt wzorcowy. Jego wkład nie polega na modelu, lecz na koordynacji: dwa powiązane grafy, jeden ze wspólnym inwentarzem zasobów, drugi z eksploracją prowadzoną osobno dla każdego zadania, pozwalają wielu agentom prowadzić długie łańcuchy ataku bez powtarzania pracy i bez wyścigów. W autonomicznej ofensywie trudna nie jest zdolność modelu, lecz warstwa koordynacji, a zamknięcie kodu nie usuwa już pobranych kopii.