Nowe AI — briefing technologiczno-rynkowy (wydanie popołudniowe, 7 października 2026)
To wydanie popołudniowe z 7 października. Punktem odniesienia jest ostatnia analiza „Nowe AI", która realnie dotarła, czyli wydanie poranne z tego samego dnia, przekazane o godzinie 07:43 czasu polskiego, więc nowy materiał obejmuje okno od tamtego poranka do dziś. Tam, gdzie poranek opisał już jakiś wątek — premierę Mistral Large 4, publikację 722 prac matematycznych OpenAI, ujawnienie METR o przepisywaniu transkryptów, stopniowany dostęp Anthropica dla zespołów bezpieczeństwa czy Decisions API — nie powtarzam go i odsyłam do tamtego wydania. Ton tej doby wyznaczają dwa równoległe ruchy: chińska otwarta waga, która po raz pierwszy realnie konkuruje z zamkniętą czołówką w cenie i na sprzęcie własnej produkcji, oraz wejście agentów lokalnych do głównego nurtu konsumenckiego, bo dziś wieczorem Microsoft pokazuje komputer, który ma obsługiwać modele o stu dwudziestu miliardach parametrów bez chmury.
Jeden. GLM-5.3-Flash, czyli frontier w cenie flash, obsłużony na chińskich układach
Najmocniejszym nowym faktem w warstwie modeli jest ugruntowanie pozycji GLM-5.3-Flash od chińskiego Z.ai jako pierwszej otwartej wagi, która realnie przesuwa granicę kosztu. Model ma trzysta dwadzieścia miliardów parametrów całkowitych i zaledwie osiemnaście miliardów aktywnych, jest pierwszym natywnie multimodalnym modelem w rodzinie GLM i startuje z nowo trenowanej bazy. Najważniejsza jest liczba niezależna: Artificial Analysis umieszcza go na granicy Pareto swojego indeksu inteligencji z wynikiem pięćdziesiąt siedem punktów przy koszcie około czterech i pół centa za zadanie, czyli na poziomie, który dotąd wymagał mniej więcej dziesięciokrotnie wyższego wydatku. W sześciu benchmarkach kodowania i pracy agentowej model bije poprzednika, między innymi 63,4 wobec 46,2 w DeepSWE w wersji 1.1 oraz 48,8 wobec 26,2 w AutomationBench.
Źródło: artificial-analysis
Oddzielmy pomiar niezależny od deklaracji producenta. Niezależna jest ocena Artificial Analysis i fakt, że wagi są publiczne na Hugging Face w wersji uruchamianej lokalnie; reszta, w tym porównania z zamkniętym Claude Opus 4.8, to liczby samego Z.ai i wymagają ostrożności, bo tabela miesza wersje benchmarków i tryby wysiłku. Druga rzecz to warstwa sprzętowa: laboratorium przyznaje, że obsługiwało model na wielkoskalowym klastrze chińskich układów AI, budując własny silnik wnioskowania na bazie SGLang, a w pracach nad jądrami pomagał agent oparty właśnie na GLM-5.3, co tworzy pętlę, w której model optymalizuje system, który go obsługuje. Z.ai utrzymuje, że osiągnęło koszt za token porównywalny z kartami Nvidii, co jest twierdzeniem producenta, ale jego kształt jest istotny: jeśli da się obsłużyć wiodący otwarty model na chińskim sprzęcie w cenie zbliżonej do amerykańskiego, to jeden z fundamentów przewagi w łańcuchu wartości zaczyna się kruszyć.
Źródło: artificial-analysis
Dwa. Bezpieczeństwo otwartych wag: ablacja, obejścia i klauzula w licencji
Drugi wątek jest bezpośrednim następstwem pierwszego. Anthropic opublikował pod koniec września analizę zdolności cybernetycznych GLM-5.3, w której stwierdza, że model ten potrafi autonomicznie budować działające exploity od początku do końca, a jednocześnie został wydany bez skutecznych zabezpieczeń. W izolowanym środowisku rozwinął pełne przejęcie przepływu sterowania w czterech procentach prób na wewnętrznym benchmarku eksploatacji binarnych, podczas gdy wcześniejsze modele, jak Claude Opus 4.6 czy sam GLM-5.2, nie odniosły tam żadnego sukcesu. Najbardziej niepokojąca jest nie sama zdolność, lecz łatwość jej odblokowania. Standardowa technika redukcji odmów, zwana ablacją, obniżyła wskaźnik odmów z ponad dziewięćdziesięciu procent do około trzech, przy zachowaniu zdolności naukowych, a jej przeprowadzenie zajęło zespołowi Anthropica około dwóch tysięcy dwustu godzin obliczeń kosztujących mniej więcej cztery i pół tysiąca dolarów. Prostsze obejścia, od podpowiedzenia modelowi, że jest autonomicznym agentem czerwonego zespołu, po wstępne wypełnienie tokenów rozumowania, prowadziły do wykonania zadania w większości lub wszystkich przypadkach, przy czym żadna z tych technik nie zadziałała na zabezpieczone modele Claude, bo ich wagi nie są publiczne. Ośrodek CAISI przy NIST ocenił wcześniej, że GLM-5.3 jest najbardziej zdolnym cybernetycznie otwartym modelem w historii i pozostaje około czterech miesięcy za amerykańskim frontem, ale do amerykańskich wersji dostępu nie ma prawie nikt, a te wagi może pobrać każdy.
Do tego dochodzi mniej nagłośniona, a dla biznesu równie ważna warstwa licencyjna. Wagi samego GLM-5.3 są otwarte, ale licencja, której treść przeanalizował niezależny blog paddo.dev, zawiera klauzulę, że podmiot, którego łączny przychód przekracza dziesięć miliardów dolarów w dowolnych dwunastu miesiącach, musi przed użyciem komercyjnym przejść kontrolę bezpieczeństwa Z.ai, przy czym zakres i metodę tej kontroli ustala „w rozsądnym zakresie" samo Z.ai. To próg, powyżej którego znajduje się każde duże amerykańskie i chińskie hiperprzedsiębiorstwo, a poniżej tanie hosty i kwantyzatorzy. Chińskie laboratorium zachowuje więc trwałe prawo wglądu w to, kto może sprzedawać jego model na masową skalę, co w praktyce dzieli „otwarte" od „sprzedawalne przez każdego". Warto to zestawić z publikacją Luizy Jarovsky z 7 października, w której autorka newslettera o polityce i zgodności AI przekonuje, że organizacje nie mogą czekać na regulacje. Jest w tym twardy rdzeń i część narracyjna: same incydenty, w tym niedawne przypadki wypuszczenia agentów poza środowisko testowe, są faktem potwierdzonym przez laboratoria, natomiast teza o nieuchronnej eskalacji katastrof pozostaje interpretacją, a nie prognozą.
Źródło: luiza-newsletter
Trzy. Google Playground i Unity Spark: tworzenie gier promptem i reakcja rynku
Trzeci fakt jest konsumencki, ale niesie realne konsekwencje giełdowe. Google uruchomiło dziś Playground, przeglądarkową platformę, która zamienia opis w języku naturalnym w grywalne gry dwu- i trójwymiarowe, bez pisania kodu i bez konfiguracji silnika. Jak opisuje The Verge, pod spodem pracują trzy modele Google: Gemini odpowiada za logikę i mechanikę, Nano Banana generuje postacie oraz otoczenie, a Lyria tworzy ścieżkę dźwiękową, a całość spina warstwa orkiestracji. Platforma jest darmowa dla użytkowników od osiemnastego roku życia w Stanach Zjednoczonych, a abonenci Google One mają wyższe limity tokenów. Równolegle Google i Unity ogłosiły Unity Spark, produkt bliższy profesjonalnemu silnikowi, w zamkniętej becie zaplanowanej na późniejszą część roku.
Źródło: the-verge
Najciekawsza z punktu widzenia rynku jest natychmiastowa reakcja notowań. Jak podały Investing.com i Barron's, akcje Roblox spadły nawet o osiem procent w handlu przed otwarciem i około pięciu procent w trakcie sesji. Trzeba zachować przy tym dystans: Playground dopiero startuje, jego katalog gier ogranicza się do krótkich, prostych pętli rozgrywki, a inwestorzy wyceniają potencjalną konkurencję, zanim produkt zdążył zbudować jakąkolwiek skalę. Meta i Roblox już wcześniej zapowiedziały własne narzędzia do tworzenia gier przez AI, więc ten wątek pokazuje coś więcej niż jedną premierę: warstwa generatywna wchodzi w przemysł rozrywkowy w tempie, które wymusza przecenę istniejących platform, zanim nowe narzędzia zdążą dowieść jakości.
Cztery. Microsoft pokazuje lokalne AI w komputerze: Surface Laptop Ultra i RTX Spark
Czwarty wątek jest sprzętowo-produktowy i dzieje się dzisiaj. Microsoft organizuje w San Francisco wydarzenie o Windows i Surface, które sam opisuje jako rozmowę o tym, jak lokalna sztuczna inteligencja ukształtuje kolejny rozdział komputera osobistego, i jak podaje PCMag, szef firmy Satya Nadella zapowiada Copilota jako nowy system operacyjny. Kluczowym elementem ma być Surface Laptop Ultra z układem RTX Spark, który łączy procesor Grace i grafikę Blackwell RTX, ma do jednego petaflopa mocy obliczeniowej dla AI i według Windows Central pozwala uruchamiać lokalnie modele do stu dwudziestu miliardów parametrów, bez chmury i bez wysyłania danych na zewnątrz. Maszyna ma być skierowana przede wszystkim do deweloperów AI i twórców treści, a cena wejściowej konfiguracji przekroczyć dwa tysiące dolarów. Równolegle Windows ma zyskać natywne wsparcie dla agentów działających lokalnie oraz ujednoliconą kontrolę pamięci.
Trzeba tu wyraźnie zaznaczyć, że wydarzenie startuje o dziesiątej rano czasu pacyficznego, czyli o dziewiętnastej czasu polskiego, więc na moment tego wydania mówimy o zapowiedziach i przeciekach, a nie o potwierdzonych cenach i dostępności. Sens strategiczny jest jednak czytelny: Microsoft i Nvidia próbują odzyskać segment deweloperów AI, którzy w ostatnich dwóch latach masowo przenieśli się na komputery Apple ze względu na pojemność pamięci ujednoliconej. Jeśli laptop z układem RTX Spark realnie uruchomi model o stu dwudziestu miliardach parametrów bez chmury w rozsądnej cenie, to nie jest tylko kolejny produkt konsumencki, lecz sygnał, że granica między chmurą a urządzeniem przesuwa się na stronę urządzenia, co wiąże się wprost z wątkiem chińskich wag.
Pięć. Łańcuch chipów: Foxconn, AMD i cień sześciu bilionów
Piąty wątek rozwija obraz rynku, który poranek zamknął na rekordach indeksów i Nvidii o krok od sześciu bilionów, więc nie powtarzam tamtych liczb. Najmocniejszy sygnał z łańcucha dostaw pochodzi od Foxconna: tajwański producent, formalnie Hon Hai Precision Industry, zaraportował w poniedziałek przychód trzeciego kwartału na poziomie trzech bilionów trzydziestu miliardów dolarów tajwańskich, czyli około dziewięćdziesięciu pięciu miliardów dolarów amerykańskich, co oznacza wzrost o czterdzieści siedem procent rok do roku i przebicie prognoz. Jak podał Quartz, motorem jest popyt na serwery AI budowane wokół układów Nvidii. To ważne, bo Foxconn jest największym producentem serwerów Nvidii i jego wyniki są wyprzedzającym wskaźnikiem realnego popytu, a nie tylko nastrojów na akcjach. Z tej samej publikacji warto dodać, że akcje Nvidii zamknęły poniedziałek na rekordowym poziomie dwustu trzydziestu ośmiu dolarów i dziewięćdziesięciu centów przy kapitalizacji pięciu bilionów sześciuset miliardów, a spółka autoryzowała podwyższenie programu skupu akcji własnych o sto pięćdziesiąt miliardów dolarów.
Drugim nowym elementem jest ruch AMD. Jak podał Reuters, prezeska Lisa Su powiedziała w Tajpej, że spółka planuje w 2027 roku istotnie zwiększyć podaż układów, przyznając, że popyt jest bardzo wysoki na najbliższe lata, a w środę ma spotkać się z TSMC. To sygnał, że cały łańcuch planuje moce z wyprzedzeniem trzech do pięciu lat, co potwierdza trwałość cyklu inwestycyjnego, ale przypomina też o wąskim gardle: bez pakowania od TSMC i bez pamięci HBM żadne z tych planów się nie zmaterializują. Rekordowe wyceny producentów układów są więc dziś wyceną oczekiwań co do podaży, która jeszcze nie została zbudowana.
Źródło: reuters
Sześć. Modele decyzyjne i telegraf: drobny model, duża oszczędność
Szósty wątek dotyczy warstwy, która w porannej analizie pojawiła się jako Decisions API OpenAI, a dziś dostaje otwarty odpowiednik. AWS Strands Labs wypuściło Strands Decider 2B, dwumiliardowy model decyzyjny na licencji Apache 2.0, którego wagi, kod, lista danych treningowych i pełny przepis są publiczne. Jak opisuje blog Strands i omówienie Marktechpost, model nie generuje tekstu w ogóle: bierze stan i zestaw pytań, a zwraca wybór z listy opcji albo skalibrowany wskaźnik pewności, przy czym architektonicznie to model Qwen 3.5 o dwóch miliardach parametrów, któremu usunięto głowicę generującą tekst i zastąpiono ją małą głowicą wskaźnikową działającą w jednym przebiegu. Na publicznym zbiorze benchmarku JevBench osiąga 0,723, a mediana opóźnienia na karcie RTX 3090 wynosi sto piętnaście milisekund. To ta sama logika, którą poranek opisał przy Decisions API, tyle że jako otwarty model do uruchomienia lokalnie, a cała ta klasa, nazywana modelami systemu pierwszego, wzięła się z wrześniowej premiery Jev od TypeSafe AI.
Drugą warstwą oszczędności jest pomysł opisany na blogu fiveminutesforward i wypromowany na czele Hacker News. Tak zwany Test Telegraficzny polega na tym, że modelom każe się zapisywać notatki w stylu dawnej depeszy telegraficznej, bez rodzajników i wypełniaczy, z zachowaniem wszystkich faktów i liczb. Okazało się, że ta jedna instrukcja zmniejsza liczbę wyjściowych tokenów o około czterdzieści do czterdziestu dziewięciu procent, a inne modele, często z zupełnie innych rodzin, czytają takie skompresowane notatki równie dobrze albo lepiej niż wersję zwykłą. Samo GLM-5.3-Flash osiągnęło oszczędność 48,4 procent. Autor zastrzega, że kluczowy warunek kontrolny nie został uruchomiony, więc teza o ukrytym rejestrze w danych treningowych pozostaje dobrze uzasadnioną hipotezą, a nie dowodem, a oszczędność działa tylko przy modelach, którym można wyłączyć rozumowanie. Mimo tych zastrzeżeń to jeden z niewielu przykładów optymalizacji, która nie wymaga nowego sprzętu ani treningu, a natychmiast obniża koszt operacyjny agentów.
Źródło: hacker-news
Siedem. Robotyka i governance: Amazon wchodzi do Boston Dynamics, a zgodność staje się rynkiem
Ostatni wątek domyka obraz od strony fizycznej i regulacyjnej. Należąca do Hyundaia firma Boston Dynamics ogłosiła, że jej nowym prezesem zostaje Rohit Prasad, dotychczas szef pionu sztucznej inteligencji ogólnej w Amazonie i wcześniej odpowiedzialny za asystenta Alexa oraz modele Nova, a stanowisko obejmuje 7 października. Jak podają Boston Globe i serwis Sedaily, to ruch w ramach strategii tak zwanej fizycznej sztucznej inteligencji, czyli przeniesienia zdolności modeli z ekranu do maszyn poruszających się w realnym świecie. Wybór człowieka z Amazonu, a nie z kręgu robotyki, jest przy tym wymowny: kluczowa kompetencja przenosi się dziś z mechaniki do warstwy decyzyjnej, w której liczy się model, pamięć i sterowanie.
Drugą warstwą jest regulacyjna. Unijny akt o sztucznej inteligencji wszedł w życie pierwszego sierpnia dwa tysiące dwudziestego czwartego roku, ale jego zasadnicza część, w tym obowiązki przejrzystości i reguły dla modeli ogólnego przeznaczenia, zaczęła obowiązywać drugiego sierpnia dwa tysiące dwudziestego szóstego roku, a każde państwo członkowskie musiało do tego czasu utworzyć co najmniej jeden krajowy piaskownik regulacyjny. Oznacza to, że od dwóch miesięcy europejscy dostawcy i wdrażający modele działają w reżimie, w którym zgodność nie jest już deklaracją intencji, lecz obowiązkiem z terminami, a jednocześnie w tym samym okresie laboratoria raportują kolejne przypadki błędów w zabezpieczeniach. Ten splot jest być może najważniejszym sygnałem tygodnia dla biznesu: przewaga regulacyjna Europy przestaje być teoretyczna, a przewaga technologiczna otwartych wag z Azji rośnie szybciej, niż zdążają za nią mechanizmy nadzoru.
NAJWAŻNIEJSZE
Po pierwsze, chińska otwarta waga po raz pierwszy realnie przesuwa granicę kosztu na poziomie frontieru, a nie tylko go dogania. GLM-5.3-Flash od Z.ai to trzysta dwadzieścia miliardów parametrów przy osiemnastu aktywnych, natywnie multimodalny, z niezależnym wynikiem pięćdziesięciu siedmiu punktów w indeksie Artificial Analysis przy koszcie około czterech i pół centa za zadanie, uruchamiany w całości na chińskich układach i z publicznymi wagami na licencji MIT (Z.ai, Artificial Analysis, 7.10).
Źródło: artificial-analysis
Po drugie, bezpieczeństwo otwartych wag staje się twardym problemem technicznym, a nie tylko narracyjnym. Anthropic wykazał, że GLM-5.3 potrafi autonomicznie budować exploity i że jego zabezpieczenia dają się obejść w sześćdziesięciu czterech do stu procent przypadków, a koszt ablacji pozwalającej usunąć odmowy jest liczony w tysiącach dolarów, przy czym wagi GLM-5.3 wiąże dodatkowo klauzula przeglądu bezpieczeństwa dla podmiotów powyżej dziesięciu miliardów dolarów przychodu (Anthropic, CAISI przy NIST, paddo.dev, 29.09).
Po trzecie, agent lokalny i konsumencka warstwa generatywna wchodzą do głównego nurtu jednocześnie. Google uruchamia Playground, który zamienia tekst w grywalne gry i natychmiast przecenia akcje Roblox o kilka procent, a Microsoft pokazuje dziś wieczorem Surface Laptop Ultra z układem RTX Spark, zdolny uruchamiać lokalnie modele o stu dwudziestu miliardach parametrów, co przesuwa granicę między chmurą a urządzeniem (The Verge, Investing.com, Windows Central, 7.10).
Źródło: the-verge
Rekomendowana interpretacja biznesowo-inwestycyjna
W horyzoncie od trzydziestu do dziewięćdziesięciu dni najwięcej zmienia przesunięcie wartości z samego modelu na to, co go otacza, oraz na to, gdzie jest uruchamiany. Premierze GLM-5.3-Flash i jego publicznym wagom towarzyszy dowód, że granica zdolności otwartych przestaje być wyłącznie zachodnia, a wraz z klauzulą licencyjną wchodzi nowy mechanizm kontroli nad tym, kto może sprzedawać model masowo. Równolegle wejście lokalnego wnioskowania na komputery klasy Surface i rosnąca popularność małych otwartych modeli decyzyjnych pokazują, że koszt per zadanie, a nie sam wynik, zaczyna decydować o wyborze architektury. Najbliższe punkty weryfikacji są konkretne: czy laptop z RTX Spark faktycznie uruchomi lokalny model o stu dwudziestu miliardach parametrów w cenie poniżej oczekiwań, czy któryś z hiperskalowców zdecyduje się obsłużyć GLM-5.3 mimo klauzuli z przeglądem bezpieczeństwa, oraz czy dane o sprzedaży Foxconna i planach AMD na 2027 rok potwierdzą, że cykl inwestycyjny w układy wchodzi w fazę podaży, która nie zawiedzie. Ryzykiem po stronie wycen pozostaje to, że rekordowe kapitalizacje producentów układów są dziś wyceną podaży, której jeszcze nie zbudowano.