Nowe AI — briefing technologiczno-rynkowy, wydanie poranne 5.10.2026
Wydanie poranne, dostarczone w poniedziałek piątego października około godziny 06:45 czasu polskiego. Punktem odniesienia jest ostatnia analiza „Nowe AI", która realnie dotarła na wątek, czyli wydanie popołudniowe z 4.10, przekazane około godziny 16:39 czasu polskiego, a więc nowy materiał obejmuje okno od wczorajszego popołudnia do dzisiejszego poranka. Trzeba przy tym zaznaczyć, że poranne wydanie geopolityczne z 5.10 nie dotarło na swój wątek, bo jego przebieg zakończył się komunikatem o wyczerpaniu limitu wyszukiwań, a nie treścią. Punktem odniesienia pozostaje zatem wydanie geopolityczne z 4.10, dostarczone o 16:42 czasu polskiego. Dzisiejszy materiał jest inny w charakterze niż wczorajszy: nie ma w nim nowej premiery modelu klasy frontier, natomiast po raz pierwszy od wielu dni wyraźnie zbiegają się trzy wątki, które dotąd biegły osobno — amerykański model otwarty, automatyzacja badań nad AI oraz publiczne rozliczenie laboratoriów.
Jeden. Do wyścigu otwartych wag wchodzi gracz amerykański: Reflection przed premierą
Najmocniejszym nowym faktem po stronie warstwy otwartej jest zapowiedź, że amerykańska spółka Reflection, wspierana kapitałowo przez Nvidię, przygotowuje swój pierwszy model z otwartymi wagami. Informację podał Axios w niedzielę czwartego października, powołując się na źródła zbliżone do planów spółki, a za nim powtórzyły ją między innymi Yahoo Finance oraz branżowe serwisy finansowe. Firma powstała w 2024 roku z inicjatywy dwóch byłych badaczy Google DeepMind, Mishy Laskina i Ioannisa Antonoglou, a jej wycena przedostatniej rundy sięgała około dwudziestu pięciu miliardów dolarów, o czym pisał „The Wall Street Journal". Reflection reklamuje się jako dostawca otwartych modeli frontier oraz tak zwanej fabryki AI, czyli pakietu, w którym instytucja łączy własne dane z otwartym modelem i własną mocą obliczeniową, zachowując kontrolę nad informacjami. Spółka podpisała w ostatnich tygodniach umowy na wynajem serwerów Nvidii z Nebius i SpaceX, a wcześniej ogłosiła partnerstwo typu sovereign AI z koreańską grupą Shinsegae.
Źródło: axios, yahoo-finance, wsj
Kluczowa jest tu jednak dyscyplina w oddzieleniu faktu od narracji. Twarde jest to, że doniesienie istnieje i pochodzi z redakcji o ugruntowanej wiarygodności, a także to, że model nie został jeszcze wydany. Na piątego października nie opublikowano ani nazwy modelu, ani wag, ani licencji, ani wyników benchmarków, co wyraźnie prostują serwisy analityczne, w tym explainx.ai, które odnotowało, że część agregatorów przedwcześnie ogłosiła „premierę". Według Axios spółka celuje w poziom zbliżony do najlepszych chińskich modeli otwartych, a nie w szczyt możliwości amerykańskich modeli zamkniętych, i dopiero z czasem ma się wspinać wyżej. Znaczenie tego ruchu jest strukturalne, a nie rankingowe: dotąd najbardziej zaawansowane otwarte wagi niemal jednolicie pochodziły z Chin, a ich adoptowanie przez zachodnie banki, administrację czy Pentagon blokowały względy bezpieczeństwa. Wejście podmiotu amerykańskiego z bliskimi związkami z Nvidią otwiera alternatywę, którą Nvidia od lat promuje jako element swojej wizji sprzedaży sprzętu połączonego z otwartym oprogramowaniem. Punktem weryfikacji jest to, czy obietnica zamieni się w działające wagi w tym miesiącu, bo do tego momentu mamy do czynienia z zapowiedzią, a nie z produktem.
Źródło: axios
Dwa. Automatyzacja badań nad AI: nowy paper z nazwiskami największych autorytetów i dwa twarde pomiary labów
Drugi obszar jest naukowy i zarazem najbardziej brzemienny w skutki. Dwudziestego ósmego września opublikowano na arXiv pracę zatytułowaną „What if automating AI R&D triggers an intelligence explosion?", przygotowaną w ramach CASP i Governance.ai przez szerokie grono autorów, wśród których są między innymi Geoffrey Hinton i Yoshua Bengio, laureaci Nagrody Nobla i Turinga, a obok nich Jakub Pachocki z OpenAI, Jack Clark z Anthropic, Andrew Barto, Eric Horvitz i Dawn Song. Autorzy definiują eksplozję inteligencji jako dramatyczne przyspieszenie postępu, które ściśnie lata pracy do miesięcy lub mniej, i wskazują trzy główne ryzyka: wzrost możliwości szybszy niż zdolność społeczeństw do nadzoru, utratę kontroli nad systemami oraz erozję mechanizmów kontroli wewnątrz państw i firm. Trzeba tu jednak wyraźnie oddzielić warstwę dowodową od tezy. Twardy jest sam fakt publikacji i jej autorstwo, a także dwa konkretne pomiary, na których się ona opiera: OpenAI przyznało we wrześniu, że osiągnęło cel tak zwanego automatycznego stażysty badawczego i pracuje nad w pełni automatycznym badaczem do marca 2028 roku, co opisano na oficjalnym blogu firmy, a Anthropic w swoim wskaźniku automatyzacji prac badawczo-rozwojowych podał, że Claude „prowadzi" dwadzieścia sześć procent wewnętrznych prac R&D, wobec mniej niż jednego procenta w lutym, a ponad dziewięćdziesiąt procent pracy znajduje się na poziomie co najmniej współpracy z modelem. Ostrożność nakazuje natomiast potraktowanie samej wizji eksplozji jako hipotezy, którą autorzy sami określają jako niepewną. Sens praktyczny jest mimo to czytelny: jeśli tempo automatyzacji badań utrzyma się, to przewaga jednego laboratorium nad drugim może przestać rosnąć liniowo, a zacząć rosnąć lawinowo, co zmienia kalkulację zarówno dla inwestorów, jak i dla regulatorów.
Trzy. Altman i Amodei otwarcie się rozjeżdżają: dwa modele ryzyka w jednym tygodniu
Trzeci fakt jest personalny, ale ma bezpośrednie przełożenie na regulację. W wywiadzie dla newslettera Decoded redakcji POLITICO, opublikowanym czwartego października, Sam Altman powiedział, że świat powinien zaakceptować pewną liczbę złych zdarzeń w zamian za korzyści płynące ze sztucznej inteligencji, i dodał, że nie złoży obietnicy braku poważnych włamań, nadużyć czy oszustw. Jak relacjonuje POLITICO, Altman mówił o „dużej odległości" dzielącej jego stanowisko od Anthropica w sprawie regulacji. Jest to o tyle istotne, że wypowiedź pada w momencie, gdy laboratoria są pod presją śledztw i przesłuchań, a sama OpenAI przeszła w tym roku serię odejść w zespole bezpieczeństwa. Warstwę miękką stanowi interpretacja, czy jest to świadoma strategia różnicowania się wobec rywala, czy szczera deklaracja filozofii produktowej; twardy pozostaje sam cytat i jego kontekst regulacyjny. Dla rynku oznacza to, że spór o to, ile ryzyka jest do przyjęcia, przestaje być sporem wewnątrz branży, a staje się argumentem w debacie publicznej i potencjalnym materiałem dla legislatorów.
Cztery. Nowy Jork przesłuchuje laboratoria pod przysięgą
Czwarty obszar jest regulacyjny i dziś wchodzi w decydującą fazę. Rada Miejska Nowego Jorku zwołała na piątego października rzadkie posiedzenie całej izby, tak zwane Committee of the Whole, w którym uczestniczyć będzie wszystkich pięćdziesięciu jeden radnych. Jak podało biuro przewodniczącej Rady Julie Menin, po raz pierwszy przedstawiciele Anthropica, OpenAI, Google i Meta złożą publiczne zeznania pod przysięgą, a firma SpaceXAI, mimo wezwania, otrzymała formalne wezwanie sądowe, czyli subpoena, po tym jak nie odpowiedziała na zapytanie Rady. Równolegle Rada przedstawiła pakiet projektów ustaw, które między innymi zakazywałyby wprowadzania na rynek miejski systemów AI bez walidacji przez niezależnego audytora, wymagałyby wbudowanego mechanizmu wyłączania, tak zwanego kill switch, oraz tworzyłyby prawo prywatnego roszczenia i program nagród dla sygnalistów. Twardy jest tu sam fakt zwołania przesłuchania i treść projektów, potwierdzone w oficjalnych komunikatach Rady. Interpretacją pozostaje skuteczność tych rozwiązań; warto jednak odnotować, że to pierwszy przypadek, w którym samorząd lokalny próbuje nakładać na laboratoria obowiązki wykraczające poza dobrowolne zobowiązania, a samo otoczenie słowne wokół sprawy zaostrzyło się po doniesieniach o incydentach z udziałem niesfornych agentów.
Pięć. Otwarte wagi działają lokalnie: duży model na jednej konsumenckiej karcie
Piąty obszar dotyczy warstwy otwartej w jej najbardziej konkretnym wymiarze, czyli tego, co realnie da się uruchomić. Czwartego października na czele Hacker News znalazło się narzędzie o nazwie Strata, które pozwala uruchomić model Qwen3.8-Flash-Next o stu dwudziestu pięciu miliardach parametrów na pojedynczej konsumenckiej karcie RTX 4090 i osiągać w testach społeczności rzędu stu tokenów na sekundę, przy ponad sześciuset punktach i trzystu komentarzach dyskusji. Sam model wydała Alibaba pod koniec sierpnia; jest to multimodalna mieszanina ekspertów, która przy stu dwudziestu pięciu miliardach parametrów całkowitych aktywuje sześć miliardów na token, a trening ma kosztować około jednej dziewiątej tego, co poprzednik, co podano w oficjalnym wpisie zespołu Qwen. W tym samym nurcie pojawiły się dwie mniejsze, ale wymierne publikacje z 4 października: projekt ByteShape skwantyzował pokrewny model Qwen3.8-27B do rozmiarów od ośmiu i ośmiu dziesiątych do trzynastu gigabajtów, osiągając na RTX 5090 sto siedemdziesiąt sześć tokenów na sekundę, a zespół Mininglamp we współpracy z Chińską Akademią Nauk pokazał otwarty backbone wizyjny VisionHOPE z adaptacyjną pamięcią. Trzeba jednak zachować ostrożność: wyniki prędkości i benchmarków pochodzą z materiałów producentów i społeczności, nie zostały niezależnie powtórzone, a część wpisów jest za paywallem. Sens całego zestawu jest jednak spójny z tezą, którą seria stawia od tygodni: wartość w warstwie otwartej powstaje w momencie, gdy ktoś dostarczy działające wagi, policzalny kompromis i jasną licencję, a nie wtedy, gdy ktoś zapowiada parametry.
Źródło: hacker-news
Sześć. Łańcuch chipów: przemyt w liczbach i rekordowa wycena Nvidii
Szósty obszar jest rynkowy i łączy dwa fakty o różnej temperaturze. Pierwszy ma wymiar prawny i pochodzi z Departamentu Sprawiedliwości Stanów Zjednoczonych, który pierwszego października postawił w stan oskarżenia Grega Luia, właściciela kalifornijskiej firmy Earthmade Computer. Zarzut dotyczy przemytu do Chin serwerów z układami Nvidia A100 i H100 o wartości przekraczającej trzysta milionów dolarów, prowadzonego w latach 2023 i 2024 przez Malezję i Singapur z użyciem sfałszowanej dokumentacji; oskarżonemu grozi do dwudziestu lat więzienia. Tło tej sprawy domyka niezależna analiza Epoch AI z połowy września, z której wynika, że chińskie dane celne są spójne z przemytem chipów o wartości ponad trzech miliardów dolarów przez Malezję, co odpowiada około stu pięćdziesięciu tysiącom jednostek klasy H100. Drugi fakt dotyczy rynku kapitałowego: drugiego października akcje Nvidii ustanowiły nowy rekord, a kapitalizacja spółki sięgnęła około pięciu bilionów siedmiuset miliardów dolarów. Interpretacja jest tu ważniejsza niż liczby: rekordowa wycena i rekordowy przemyt to dwie strony tego samego zjawiska, czyli popytu, którego oficjalne kanały nie są w stanie zaspokoić. Utrzymuje się przy tym ograniczenie podażowe: TSMC, którego przychody biją rekordy, ostrzega klientów o ciasnocie mocy produkcyjnych, co w połączeniu z rosnącymi cenami pamięci HBM przenosi presję kosztową na gotowe urządzenia.
Źródło: epoch-ai
Siedem. Ile pracy pomieści sprzęt: rachunek, który porządkuje debatę o bańce
Ostatni obszar jest kalkulacyjny i pozwala osadzić pozostałe fakty w jednym rachunku. Drugiego października Epoch AI opublikowało raport, w którym oszacowało, ile pracy byłby w stanie wykonać sprzęt z pamięcią HBM dostarczoną do 2027 roku. Wynik to od trzydziestu do stu siedemdziesięciu milionów równoległych agentów opartych na najbardziej zaawansowanych modelach, co odpowiada tygodniowej pracy od stu czterdziestu do siedmiuset dwudziestu milionów pełnoetatowych pracowników, a przy tańszych modelach nawet kilku miliardów agentów. Autorzy zaznaczają jednak, że wykorzystanie choćby dwudziestu procent tej zdolności wymagałoby wydatków rzędu dwóch i sześciu do pięciu i trzech bilionów dolarów rocznie w ekwiwalencie cen API, wobec około biliona dolarów przychodów deweloperskich prognozowanych na koniec 2027 roku. Wniosek, który trzeba oddzielić od danych, brzmi następująco: luka między zainstalowaną mocą obliczeniową a realnym popytem jest wciąż ogromna, co nie jest dowodem bańki, lecz miarą tego, jak wczesna jest gra. To ten sam mechanizm, który seria opisuje od tygodni: inwestycje w moc obliczeniową wyprzedzają zużycie, a nie odwrotnie.
Źródło: epoch-ai
NAJWAŻNIEJSZE
Po pierwsze, do wyścigu otwartych wag wchodzi gracz amerykański. Doniesienie Axios z 4.10 o przygotowywanym modelu Reflection, wspieranym przez Nvidię i wycenianym na około dwadzieścia pięć miliardów dolarów, zmienia układ sił w warstwie, w której dotąd dominowały Chiny, choć na razie jest to zapowiedź bez wydanych wag i bez niezależnych wyników. Dla zachodnich instytucji, które z powodów bezpieczeństwa nie mogły korzystać z chińskich modeli otwartych, pojawia się realna alternatywa, ale dopiero po premierze (Axios i Yahoo Finance, 4.10).
Źródło: axios, yahoo-finance
Po drugie, automatyzacja badań nad AI przestaje być tematem eseju, a staje się pozycją w rachunku labów. Praca z 28.09, sygnowana między innymi przez Hintona, Bengio, Pachockiego i Clarka, zestawia dwa twarde pomiary: OpenAI deklaruje automatycznego stażystę badawczego i cel w postaci automatycznego badacza do marca 2028, a Anthropic odnotowuje dwadzieścia sześć procent pracy badawczo-rozwojowej prowadzonej przez model. To przesuwa pytanie z tego, co modele potrafią, na to, jak szybko mogą przyspieszać własny rozwój.
Po trzecie, publiczne rozliczenie laboratoriów wchodzi w fazę instytucjonalną i sądową jednocześnie. Nowy Jork przesłuchuje dziś cztery laboratoria pod przysięgą i szykuje projekty ustaw z obowiązkową walidacją oraz mechanizmem wyłączania, a Departament Sprawiedliwości postawił w stan oskarżenia kolejnego przemytnika układów Nvidii. Regulacja i kontrola eksportu zbliżają się do siebie jako dwa ramiona tej samej presji (Rada Miejska Nowego Jorku i Departament Sprawiedliwości, 1 i 5.10).
Rekomendowana interpretacja biznesowo-inwestycyjna
W horyzoncie trzydziestu do dziewięćdziesięciu dni decyzję najbardziej zmienia zbieżność dwóch warstw, które zwykle analizuje się osobno. Pierwsza dotyczy źródła modelu. Skoro do gry wchodzi amerykański dostawca otwartych wag z zapleczem Nvidii, a jednocześnie pojawia się gotowy stos narzędzi do uruchamiania dużych modeli otwartych na sprzęcie konsumenckim, to koszt własnego, kontrolowanego modelu spada i staje się policzalny. W praktyce oznacza to, że dla instytucji, które nie mogą lub nie chcą wysyłać danych do chmury, opłaca się już teraz zbudować plan obejścia jednego dostawcy, zanim stanie się to przymusem regulacyjnym.
Druga warstwa jest finansowa i dotyczy wyceny ryzyka. Równolegle rosną wymogi publicznego rozliczenia laboratoriów, a sami szefowie firm otwarcie różnią się co do tego, ile ryzyka jest do przyjęcia, co pokazuje, że otoczenie regulacyjne przestaje być jednorodne. Dla portfela oznacza to, że premia za samą skalę modelu słabnie, a rośnie znaczenie tych ogniw, które potrafią udowodnić, jak ich system się zachował, dostarczyć ślad audytowy i wiarygodnie zarządzać łańcuchem dostaw mocy obliczeniowej. Najbliższymi punktami weryfikacji są: to, czy Reflection faktycznie wyda wagi w tym miesiącu i na jakiej licencji, to, czy nowojorski pakiet ustaw przejdzie choćby pierwsze czytanie, oraz to, czy chińskie modele otwarte utrzymają tempo spadku kosztu na tyle, by amerykańska alternatywa nie okazała się spóźniona.