NAJWAŻNIEJSZE
Po pierwsze, Gemini 4 Argon wyszedł z zamkniętych testów i stał się dostępny globalnie, obejmując od razu pierwsze miejsce w indeksie Vals z wynikiem sześćdziesiąt osiem i dziewięć dziesiątych procenta, przy cenie wprowadzającej dwa i dziesięć dolarów za milion tokenów, która od pierwszego grudnia wzrośnie dwukrotnie. Google dołącza do tego mocny wynik w kodzie i długim rozumowaniu, zdolność do samodzielnego łatania luk bezpieczeństwa udostępnioną zaufanym obrońcom bez barier oraz zastosowania w robotyce, ale na części benchmarków wciąż prowadzą modele konkurencji, co potwierdza, że rynek ma dziś kilka modeli granicznych, a nie jednego lidera (Google DeepMind, blog Google, Vals AI, GitHub, 13.10).
Źródło: vals-ai
Po drugie, Anthropic porzucił Gita i zbudował własny system kontroli wersji o nazwie Scion, bo liczba zmian scalanych dziennie wzrosła z około dwóch i pół tysiąca w maju do ponad trzydziestu tysięcy we wrześniu. To pierwszy tak wyraźny dowód, że infrastruktura projektowana dla ludzi przestaje wystarczać, gdy głównym użytkownikiem staje się agent, i że oszczędność czasu na pisaniu kodu przenosi obciążenie na systemy weryfikacji (Anthropic, Simon Willison, The Register, 13.10).
Po trzecie, niezależne badanie na ponad siedmiuset firmach pokazało, że agenci kodujący zwiększają liczbę linii kodu o trzydzieści procent, ale nie zwiększają liczby rozwiązanych zadań, bo czas przeglądu kodu rośnie o czterdzieści dziewięć procent, a projekt QGIS odpowiedział na to samo zjawisko zakazem przyjmowania jakiegokolwiek wkładu wspomaganego przez sztuczną inteligencję. Wąskim gardłem przestaje być generowanie kodu, a staje się jego weryfikacja (Chen i Stratton, Harvard, dane Jellyfish, Ars Technica, QGIS QEP428, 7 i 13.10).