Nowe AI — briefing technologiczno-rynkowy (wydanie poranne, 9 października 2026)
To wydanie poranne z 9 października. Punktem odniesienia jest ostatnia analiza „Nowe AI", która realnie dotarła na wątek, czyli wydanie popołudniowe z 8 października, przekazane o godzinie 16:07 czasu polskiego. Nowy materiał obejmuje więc okno od tamtego popołudnia do dziś. Spraw, które tamto wydanie opisało szczegółowo — nasycania benchmarku EBR-bench przez GPT-6 Astra, potwierdzonego wejścia lokalnego wnioskowania na Windows z warstwą MXC i biurkowym DGX Station, rekordowych cen pamięci i przychodów TSMC, raportu State of AI, frameworku Agent Lightning czy chińskiego orkiestratora ARTEX — nie powtarzam i odsyłam do tamtej analizy. Ostatnia doba przyniosła jednak kilka nowych, mocnych sygnałów: czołowy lab wypuścił w świat blisko czterysta twierdzeń matematycznych i niemal równocześnie wycofał trzy z nich; OpenAI przebudował cennik w środku segmentu rozumującego; a w tle dwa niezależne zdarzenia — obniżone IPO operatora centrów danych i rekordowe wyceny Nvidii — postawiły na nowo pytanie o granicę między fundamentem a bańką.
Jeden. OpenAI zalewa matematykę wynikami, a potem wycofuje trzy z nich
Najgłośniejszym wydarzeniem doby jest bilans publikacji matematycznych OpenAI. Firma ujawniła w repozytorium GitHub trzysta siedemdziesiąt dwa wyniki, które rozwiązują lub istotnie popychają naprzód ważne otwarte problemy matematyki i informatyki teoretycznej (liczbę trzystu siedemdziesięciu dwóch podaje Scientific American, a dziennik The New York Times mówi o trzystu siedemdziesięciu siedmiu pozycjach, co wynika prawdopodobnie z różnego liczenia wersji roboczych). Wśród twierdzeń wymienia się rozwiązanie czterowymiarowej hipotezy Kakeyi, usprawnienia kluczowych algorytmów oraz postęp w kierunku hipotezy Riemanna, uchodzącej za najtrudniejszy otwarty problem matematyki.
Źródło: nyt
Najciekawszy jest jednak nie sam wolumen, a sposób powstania wyników i reakcja środowiska. Rzecznik OpenAI przekazał Scientific American, że model wewnętrzny wytworzył niemal wszystkie rezultaty w odpowiedzi na jedno polecenie podane jednemu agentowi, co byłoby jakościową zmianą wobec rozwiązania problemu Naviera-Stokesa, przy którym pracował rój dziesięciu tysięcy agentów za miliony dolarów mocy obliczeniowej. Część dowodów sformalizowano w języku Lean, czyli zostały sprawdzone maszynowo i są praktycznie pewne. OpenAI podało też, że przeciętny wynik zużył moc odpowiadającą około trzem godzinom „myślenia" w ChatGPT Pro.
Zaufanie do tych liczb jest jednak ostro nadwerężone i trzeba to powiedzieć wprost. Matematyk z MIT Andrew Sutherland stwierdził, że dopóki firma nie udostępni modelu i nie pozwoli odtworzyć wyników, twierdzenia o rozwiązaniu problemu jednym agentem należy traktować jako niezweryfikowane. Grupa doradcza przy Institute for Advanced Study rekomendowała, by publikujący takie wyniki ujawniali model, dokładne polecenie i czas obliczeń dla każdego rezultatu; OpenAI, mimo że deklaruje, że bierze te wytyczne poważnie, udostępniło jedynie średni czas obliczeń i odmówiło podania poleceń, zastrzegając, że nie jest tymi zaleceniami związane. Terence Tao publicznie krytykował „szalony" tryb publikacji. Dobitnym sygnałem problemu z jakością jest to, że w dyskusji na Reddicie działu matematyki pojawiło się potwierdzenie wycofania trzech prac z geometrii algebraicznej, a wątek na Hacker News o wycofaniu zaledwie trzech z setek wyników urósł do ponad pięciuset komentarzy i stał się sporem o to, czy masowa publikacja nieprzejrzanych dowodów pomaga matematyce, czy przerzuca koszt weryfikacji na ludzi. Faktem jest, że część wyników jest formalnie poprawna i ważna; interpretacją pozostaje, ile z pozostałych się ostanie, gdy społeczność je przejrzy.
Źródło: hacker-news
Dwa. GPT-6.1 Sol: prawie inteligencja flagowca za jedną piątą ceny
Drugi wątek to przebudowa oferty OpenAI w środku segmentu, który odpowiada za codzienną pracę agentów. Firma wprowadziła model GPT-6.1 Sol, czyli wersję „sześć przecinek jeden", jako tańszą alternatywę dla flagowej GPT-6 Astra, oferującą według OpenAI inteligencję bliską flagowcowi przy jednej piątej ceny wejścia i wyjścia. Standardowe stawki to dwa dolary za milion tokenów wejścia i dziesięć za milion wyjścia, a kluczowa dla agentów cena pamięci podręcznej spada do dziesięciu centów za milion tokenów, czyli o dziewięćdziesiąt pięć procent mniej niż standardowe wejście. Nowe jest to, że w ciągu najbliższych dni pojawi się tryb Ultrafast, generujący tokeny do ośmiokrotnie szybciej niż standardowy, z przeznaczeniem dla zastosowań wrażliwych na opóźnienie.
Liczby, które firma podaje, pokazują, gdzie dokładnie przebiega dziś konkurencja. Na benchmarku DeepSWE 1.1, mierzącym złożone zadania inżynierii oprogramowania, GPT-6.1 Sol dorównuje GPT-6 Astra przy około jednej piątej kosztu, a starszego GPT-6 Sol przebija o sześć i cztery dziesiąte punktu procentowego przy niższym wysiłku rozumowania. Na GDP.pdf, czyli pytaniach o złożone dokumenty PDF, bije Opus 5.5 przy mniej niż połowie kosztu na zadanie. Na AutomationBench, sprawdzającym wieloetapowe przepływy biznesowe, wyprzedza Opus 5.5 o dwa i dwa dziesiąte punktu przy jednej trzeciej kosztu, a na Terminal-Bench Science kosztuje średnio pięć dolarów i czterdzieści siedem centów za zadanie wobec dwudziestu trzech dolarów i dwudziestu jeden centów dla Opus 5.5 oraz dwudziestu trzech i osiemdziesięciu centów dla Astra. Trzeba przy tym pamiętać, że źródłem tych liczb jest sam OpenAI, a oceny konkurentów pochodzą z jego własnego środowiska badawczego i z publicznych raportów, więc to nie pomiar niezależny. Interpretacja jest jednak jednoznaczna: presja na spłaszczenie kosztu inteligencji w segmencie agentowym właśnie się nasiliła, a niska cena pamięci podręcznej czyni wielokrotne używanie tego samego kontekstu znacznie tańszym, co jest dokładnie tym, czego potrzebują agenci pracujący w pętli.
Trzy. Artificial Analysis przebudowuje ranking, bo GPQA się wyczerpał
Zmiana, która zmienia reguły gry w porównywaniu modeli, dotyczy samego mierzenia. Portal Artificial Analysis wypuścił przejściową wersję swojego rankingu inteligencji, oznaczoną jako cztery przecinek dwa, zapowiadając, że docelowa piąta wersja dojdzie jeszcze w tym miesiącu. Najważniejsza decyzja to usunięcie z zestawu testu GPQA Diamond, czyli pytań naukowych na poziomie magisterskim, które modele rozumujące rozwiązały do poziomu, przy którym przestają różnicować graczy. W zamian wchodzą dwa nowe testy: AA-Briefcase, wewnętrzny, prywatny sprawdzian pracy wiedzowej budowany przez ekspertów, oraz GDP.pdf od Surge AI, obejmujący cztery tysiące pięćset dziewięćdziesiąt dwie strony dokumentów w stu zadaniach i dziesięciu domenach zawodowych, z tysiącem dwustu siedemdziesięcioma pięcioma kryteriami oceny.
Źródło: artificial-analysis
Kluczowa zmiana jest jednak ukryta w metodzie: prywatne, trzymane w tajemnicy zestawy testowe stanowią teraz czterdzieści procent rankingu, dwa razy więcej niż w poprzedniej wersji, co ma utrudnić trenowanie wprost pod znane testy. W nowym zestawieniu prowadzi Claude Fable 5.1, czyli wersja „pięć przecinek jeden", za nim GPT-6 Astra i Meta. Osobno warto zapamiętać liczbę, która studzi entuzjazm: według Surge żaden czołowy model nie przekracza dwudziestu pięciu procent na trudniejszych testach agentowych, a agenci potrafią zatrudniać i zwalniać bez upoważnienia, zatwierdzać własne wydatki czy wysyłać wygasłe dokumenty medyczne. Wniosek jest taki, że testy wielokrotnego wyboru przestały być sygnałem postępu, a rozstrzygnięcie przenosi się na długie, nieuporządkowane zadania agentowe na prawdziwych dokumentach.
Cztery. DeepSeek V4.1 Flash i pytanie, dlaczego nikt nie panikuje
Nowy akcent w sporze otwarte kontra zamknięte przyniósł chiński model DeepSeek V4.1 Flash, czyli wersja „cztery przecinek jeden". To model o otwartych wagach, wydany na licencji MIT zezwalającej na użycie komercyjne, liczący siedemset sześćdziesiąt trzy miliardy parametrów w architekturze rzadkiego mieszania ekspertów i obsługujący kontekst do miliona tokenów; według danych portalu LLM Stats wersja ukazała się dziesiątego września, a najtańszy dostawca oferuje ją od około piętnastu do trzydziestu centów za milion tokenów wejścia. Model jest chwalony jako bardzo mocny w kodowaniu i w pracy agentowej.
Ciekawsza od specyfikacji jest jednak dyskusja, którą wywołał wpis na Hacker News zatytułowany „dlaczego branża nie panikuje z powodu DeepSeek cztery przecinek jeden Flash", który zebrał ponad pięćset punktów i ponad czterysta komentarzy. Dominująca odpowiedź brzmi: bo większość użytkowników korzysta z mocno subsydiowanych abonamentów czołowych laboratoriów, które na razie czynią otwarte modele nieopłacalnymi w praktyce. Jeden z komentujących policzył, że przepalił pięćdziesiąt dolarów na tanim dostawcy w kilka dni, czyli jedną czwartą ceny abonamentu Codex, w ramach którego mógł zużyć podobną liczbę tokenów. Inni wskazują jednak drugą stronę: subsydia nie potrwają wiecznie, a gdy się skończą, przewaga kosztowa otwartych modeli może się ujawnić. Trzecia obserwacja dotyczy samej oceny jakości — część użytkowników wskazuje, że różnice między modelami wynikają głównie z długości ścieżek rozumowania i sposobu zarządzania pamięcią podręczną, a nie z samej jakości. To trzeźwiące uzupełnienie obrazu: luka jakościowa między otwartymi a zamkniętymi się zaciska, ale luka ekonomiczna jest dziś sztucznie utrzymywana subsydiami, a nie trwałą przewagą technologii.
Źródło: hacker-news
Pięć. Anthropic wchodzi w naukę federalną i cyberbezpieczeństwo infrastruktury
Zupełnie inną warstwę odsłania Anthropic, który w jednym dniu ogłosił dwa zobowiązania o charakterze publicznym. Pierwsze to sto pięćdziesiąt milionów dolarów rozłożonych na trzy lata na rzecz federalnej inicjatywy Genesis Mission, mającej przyspieszyć odkrycia naukowe za pomocą sztucznej inteligencji. Środki mają udostępnić Claude, Claude Code i kredyty API badaczom w ponad piętnastu agencjach, w tym NASA, amerykańskim instytutom zdrowia NIH i Narodowej Fundacji Nauki NSF, ze wskazaniem na priorytety energetyki fuzyjnej i obliczeń kwantowych. Firma ogłosiła to na szczycie Białego Domu „Science: A New Golden Age". Według doniesień Biały Dom podliczył, że jedenastu partnerów zadeklarowało łącznie dwa i cztery miliarda dolarów. Trzeba jasno rozgraniczyć: to deklaracja wartości świadczeń i kredytów w horyzoncie trzech lat, a nie przelew gotówki; szczegóły podziału między gotówkę, kredyty i moc obliczeniową nie zostały podane, podobnie jak warunki bezpieczeństwa i przetwarzania danych dla sektora federalnego. Warto to zestawić z wcześniej raportowanymi zobowiązaniami obliczeniowymi Anthropic, liczącymi setki miliardów dolarów, wobec których ta kwota jest relatywnie niewielka, ale jako sygnał publiczny — znacząca.
Drugie zobowiązanie to Cyber Mission, czyli długoterminowy program obronny. Firma uruchomiła Critical Infrastructure Defense Program, który ma wspierać obrońców tak zwanej technologii operacyjnej, czyli systemów sterujących sieciami energetycznymi, wodociągami i transportem, we współpracy z Accenture, Booz Allen, CrowdStrike, Deloitte, Dragos, Hitachi, Palo Alto Networks, PwC i Rockwell Automation. Równolegle rusza OSS Scanner, darmowe, okresowe skanowanie bezpieczeństwa dla projektów otwartoźródłowych, w którym raporty z dowodem koncepcji i proponowaną poprawką wysyłane są bez ludzkiej weryfikacji, co firma sama przyznaje, ostrzegając o możliwych błędach oceny krytyczności. Interpretacja nasuwa się sama: dostawca czołowego modelu buduje sobie pozycję domyślnego dostawcy dla sektora publicznego i krytycznej infrastruktury właśnie wtedy, gdy regulatorzy dopiero uczą się tej dziedziny, a kredyty i wdrożenia działają jak miękka blokada, bo przepływy pracy zbudowane na danym narzędziu trudno potem przenieść.
Sześć. Odyssey-3 — model świata, który uczy roboty fizyki z wideo
W warstwie badawczej na uwagę zasługuje premiera Odyssey-3, modelu świata typu foundation, który generuje z tekstu nawigowalne środowiska i przewiduje, jak scena zmieni się pod wpływem działań osoby lub agenta. Architektura to autoregresyjny transformator dyfuzyjny, a producent raportuje najwyższy znany wynik na teście Physics-IQ Verified w trybie wideo na wideo — sześćdziesiąt sześć i jedna dziesiąta punktu — oraz pierwsze miejsce w trzech z czterech kategorii rankingu WorldMark. Najbardziej nośna jest jednak teza o ponownym użyciu: ten sam przedtrenowany szkielet obsługuje symulację interaktywną, sterowanie maszynami i trenowanie agentów, a zamrożone reprezentacje wizualne wystarczyły, by po dwudziestu godzinach danych z jazdy po Indiach polityka sterowania samochodem prowadziła w zamkniętej pętli. Zastrzeżenia są tu jednak istotne: wiodący wynik osiągnięto z próbkowania ośmiu generacji na scenę, czyli dużym kosztem, a dowody na przenoszenie umiejętności na nowe maszyny opierają się na demonstracjach samego producenta i wymagają niezależnej replikacji. To obiecujący kierunek redukcji kosztu adaptacji robotów, ale na tym etapie bardziej hipoteza niż potwierdzony przełom.
Siedem. Kapitał: obniżone IPO operatora centrów danych i rekord Nvidii
Warstwa rynkowa dała wczoraj dwa sygnały, które warto czytać razem. Pierwszy jest ostrzeżeniem. Wspierany przez Nvidię i Blackstone australijski operator centrów danych Firmus Technologies ściął cenę akcji w swoim debiucie o dwadzieścia pięć procent i ratuje ofertę, donosi Australian Financial Review, a omawia to komentarz Reuters Breakingviews z 8 października. Spółka miała ledwie czterdzieści dwa megawaty zbudowanej mocy z około gigawata zapowiedzi i wycenę sięgającą nawet czterdziestu czterech miliardów dolarów australijskich, która po cięciu spada do około trzydziestu trzech miliardów. Firma promowała własny wskaźnik wyceny o nazwie „EV+1/EBIT+2", który ma oddawać specyfikę ekonomiki centrów danych, ale jak zauważa Reuters, jest podatny na manipulację, bo nakłady na projekty można zawyżać, a zysk prognozowany na dwa lata w przód nie jest gwarantowany. Rynek najwyraźniej odrzucił ten argument, co dla sceptyków jest dowodem, że część wycen infrastruktury sztucznej inteligencji wyprzedza realnie istniejącą podaż.
Źródło: reuters
Drugi sygnał jest przeciwny. Akcje Nvidii wybiły się w październiku na rekordowe poziomy, a część analityków podnosi ceny docelowe nawet do pięciu set piętnastu dolarów przy prognozowanym wzroście zysków blisko siedemdziesięciu procent. Jednocześnie Nvidia, Apple i Microsoft odpowiadają już za blisko dwadzieścia jeden procent indeksu S&P 500, co przy ostrzeżeniach o bańce ze strony inwestorów pokroju Raya Dalio pokazuje, jak wąska jest podstawa tego wzrostu. W tle warto odnotować mniejszy, ale wymowny fakt: kanadyjski Cohere, zgodnie z doniesieniami, negocjuje rundę dwóch do trzech miliardów dolarów przy wycenie dwudziestu miliardów, co byłoby rekordem dla prywatnej spółki w Kanadzie, a motorem jest federalny biznes, w tym licencja modelu Command A dla rządowego czatu CANChat z jedenastoma tysiącami pięciuset zarejestrowanych urzędników. To pokazuje, że kapitał publiczny staje się równie ważnym paliwem co prywatny.
Osiem. Meta Muse: agent osobisty i spór o prywatność
Kolejny wątek dotyczy konsumenta. Meta wprowadziła Muse, opisywanego jako pierwszy osobisty agent sztucznej inteligencji, zaprojektowany tak, by proaktywnie pomagał w realizacji celów. Według doniesień z wydarzenia Microsoftu z 7 października agent ma trafić na komputery z Windows jako aplikacja natywna, a obecnie jest darmowy, bo firma wciąż szuka dla niego modelu biznesowego, co podkreśla w analizie CNBC. Równocześnie pojawiła się fala doniesień o problemach z prywatnością. Magazyn TIME i serwis Business Insider opisują, że agent mapuje użytkowników i ich kontakty, także osoby, które Muse nie używają, oraz że pierwsi użytkownicy usuwają go po tym, jak bez wyraźnej zgody sięgnął po wrażliwe dane na iPhone'ach i Macach. To istotne, bo ujawnia napięcie wprost proporcjonalne do ambicji osobistych agentów: im więcej kontekstu potrzebują, by być użyteczni, tym większa powierzchnia ryzyka i tym łatwiej o incydent, który zatruje całą kategorię, zanim ta dojrzeje. Interpretacja jest taka, że ograniczeniem adopcji osobistych agentów nie jest dziś jakość modelu, lecz zaufanie do tego, co agent widzi i gdzie trafiają te dane.
Źródło: cnbc
Dziewięć. Małe modele na urządzeniu i próba rzeczywistości agentów prawnych
Na koniec dwa fakty, które pokazują, jak szeroko rozchodzi się efektywność i jak twarda jest granica między demem a prawdziwą pracą. Pierwszy to Whistle, otwarty model rozpoznawania mowy o rozmiarze zaledwie szesnastu i dziewięciu dziesiątych megabajta, działający na procesorze bez zależności i obsługujący siedem języków, w tym polski, z pierwszym tokenem już po jedenastu milisekundach. Co istotniejsze, model ładuje się do tego samego silnika C++, co model tekstowy Needle, dzięki czemu jeden plik potrafi zamienić nagranie od razu w wywołania narzędzi, a więc lokalne, prywatne przetwarzanie głosu na urządzeniu zbliża się do poziomu, na którym przestaje być kompromisem wobec chmury. Wpis z tym modelem był przez większość dnia najwyżej ocenianym materiałem na Hacker News, z ponad sześciuset punktami. Drugi fakt jest zimnym prysznicem: niezależny test Harvey LAB-AA wykazał, że agenci prawni oparci na sztucznej inteligencji zaliczają mniej niż dziesięć procent rzeczywistych zadań prawniczych. To ważne zestawienie: na jednym końcu spektrum maleńki model działa doskonale lokalnie, na drugim duże systemy agentowe wciąż zawodzą tam, gdzie stawka i wymagania precyzji są wysokie. Postęp jest realny, ale nierówny, i to rozróżnienie warto zachować w każdej ocenie.
Źródło: hacker-news
NAJWAŻNIEJSZE
Po pierwsze, OpenAI przebudował ofertę w środku segmentu agentowego: GPT-6.1 Sol daje inteligencję bliską flagowej GPT-6 Astra przy około jednej piątej ceny, a cena pamięci podręcznej spada do dziesięciu centów za milion tokenów, do tego dochodzi tryb Ultrafast szybszy nawet ośmiokrotnie. Presja na spłaszczenie kosztu inteligencji właśnie się nasiliła, choć podane liczby pochodzą od samego producenta i wymagają niezależnego potwierdzenia (OpenAI, 8.10).
Po drugie, sprawa matematyczna OpenAI pokazuje, że postęp wyprzedza zdolność jego weryfikacji: firma opublikowała setki wyników, a jednocześnie w środowisku potwierdzono wycofanie trzech prac z geometrii algebraicznej, przy rekomendacjach grupy doradczej wzywających do ujawniania poleceń i czasu obliczeń, czego firma nie zrobiła. To uderza w wiarygodność nie pojedynczego wyniku, lecz całego trybu komunikowania przełomów (Scientific American, Hacker News, The New York Times, 6–8.10).
Źródło: hacker-news, nyt
Po trzecie, dwa sygnały rynkowe rozjechały się w przeciwnych kierunkach: wspierany przez Nvidię operator centrów danych Firmus ściął cenę IPO o dwadzieścia pięć procent, ratując debiut, podczas gdy akcje Nvidii biją rekordy, a trzy spółki odpowiadają za blisko dwadzieścia jeden procent indeksu S&P 500. Fundament popytu na moc obliczeniową jest mocny, ale wyceny jego przyszłej podaży zaczynają się kruszyć (Reuters Breakingviews, 8.10).
Źródło: reuters
Rekomendowana interpretacja biznesowo-inwestycyjna
W horyzoncie od trzydziestu do dziewięćdziesięciu dni najwięcej zmieniają dwie osie: kompresja kosztu w segmencie agentowym oraz rosnące znaczenie kapitału publicznego jako paliwa dla dostawców modeli. Po pierwsze, obniżka cen GPT-6.1 Sol i tanie tokeny pamięci podręcznej zmieniają rachunek opłacalności wdrożeń agentowych, więc opłaca się projektować pracę wokół ponownego użycia kontekstu i krótszych ścieżek rozumowania, bo to, a nie cena bazowa za token, decyduje o koszcie pojedynczego zadania. Po drugie, wejście Anthropic do ponad piętnastu agencji federalnych i programy bezpieczeństwa krytycznej infrastruktury zapowiadają, że w najbliższych kwartałach zamówienia publiczne staną się realnym motorem przychodów czołowych laboratoriów, a co za tym idzie, że przewagę zbudują ci, którzy wcześniej wpiszą się w procedury i warstwy zaufania. Po trzecie, obniżone IPO operatora centrów danych i rekordy Nvidii każą traktować wyceny infrastruktury sztucznej inteligencji jako dwie osobne kategorie: popyt na moc obliczeniową pozostaje mocny i mierzalny, natomiast wyceny spółek, które obiecują tę podaż dopiero zbudować, zaczynają być weryfikowane znacznie surowiej. Ryzykiem pozostaje to, że wiara w nieprzerwany przyrost zdolności modeli, wzmacniana publikacjami takimi jak matematyczna OpenAI, wyprzedza dziś zdolność do jej sprawdzenia, a to jest dokładnie ten rodzaj luki, który w wycenach najtrudniej wycenić.