Now AI — briefing technologiczno-rynkowy (wydanie poranne, 16 października 2026)
To wydanie poranne z 16 października. Punktem odniesienia jest wydanie popołudniowe z 15 października, przekazane o godzinie 16:09 czasu polskiego. Ton tej doby wyznaczają trzy rzeczy: Meta oddaje otwarte wagi modelu o ośmiuset szesnastu miliardach parametrów, który w niezależnym pomiarze pozostaje w tyle za liderami z Chin; tydzień przeceny spółek infrastruktury obliczeniowej kończy się stratą ponad biliona dolarów wartości i pierwszym wyraźnym głosem branży, że wąskim gardłem staje się koszt finansowania, a nie popyt; a firma Perplexity udostępnia publicznie kod platformy, na której uruchamia agentów, przenosząc pytanie o bezpieczeństwo z deklaracji na inżynierię.
Meta oddaje otwarte wagi największego modelu, ale niezależny pomiar studzi deklarację o prowadzeniu
Meta Superintelligence Labs udostępniła wczoraj wagi modelu Muse Spark Open, który sam producent opisuje jako najbardziej zdolny amerykański model otwarty, jaki dotąd powstał. Jest to model typu mieszanki ekspertów o ośmiuset szesnastu miliardach parametrów, z których czterdzieści dwa miliardy pracują przy każdym tokenie, z oknem kontekstu do miliona tokenów. Przyjmuje tekst, obrazy, wideo i dźwięk, natomiast zwraca wyłącznie tekst, co warto odnotować, bo to nie jest generator obrazu ani mowy. Wagi trafiły na Hugging Face w wersji pełnej precyzji, liczącej około ośmiuset dwudziestu dwóch gigabajtów, oraz w wersji skwantyzowanej do czterech bitów, o połowę mniejszej. Premierę szeroko opisują portal VentureBeat i serwis AlphaSignal, a sam producent potwierdził parametry w karcie modelu.
Źródło: venturebeat, alphasignal
Rzecz w tym, że wielkość nie przekłada się tu na prowadzenie w rankingu. Meta podaje w karcie modelu wynik trzydziestu dziewięciu punktów w indeksie inteligencji niezależnego serwisu Artificial Analysis, przy najwyższym ustawieniu rozumowania. To wynik wyraźnie powyżej średniej dla modeli otwartych tej klasy, gdzie mediana wynosi dziewiętnaście, ale zarazem poniżej co najmniej sześciu chińskich modeli otwartych: Xiaomi MiMo-V2.6-Pro osiąga czterdzieści sześć, GLM-5.3 czterdzieści pięć, Kimi K3 czterdzieści cztery, a rodzina Qwen3.8 od czterdziestu do czterdziestu dwóch. Zastrzeżenie w nagłówku deklaracji Meta okazuje się więc nośne: przewaga dotyczy modeli rozwijanych w Stanach Zjednoczonych, a nie wszystkich dostępnych publicznie. W tej samej tabeli konkurenci amerykańscy wypadają znacznie słabiej, bo model Inkling ma dwadzieścia sześć punktów, a Nemotron 3 Ultra firmy NVIDIA dwadzieścia trzy.
Źródło: artificial-analysis
Druga warstwa dotyczy tego, co model robi dobrze, a co nie. Według własnej tabeli Meta model prowadzi w testach narzędziowych JobBench i MCP-Atlas, ale przegrywa z Kimi K3 i GLM 5.3 w zadaniach programistycznych w terminalu, w rozszerzonym inżynierskim rozwiązywaniu zadań oraz w ewaluacji pracy zawodowej GDPVal. Trzecia warstwa to koszt, i tu obraz wygląda mniej korzystnie, niż sugerowałaby nazwa. Artificial Analysis opisuje Muse Spark Open jako model z czołówki inteligencji, lecz szczególnie drogi na tle innych modeli otwartych o podobnym rozmiarze: mediana ceny wejścia w tej klasie to czterdzieści trzy centy za milion tokenów, a ten model zaczyna się od dolara i dwudziestu pięciu centów, przy czterech i dwudziestu pięciu centach za wyjście. Jeden z partnerów, Together AI, potwierdza te stawki dla dostępu serwerowego, a koszt pojedynczego zadania w indeksie wynosi około osiemdziesięciu czterech centów. Producent nie podał jednolitej ceny dla wszystkich dostawców.
Źródło: artificial-analysis
Osobno warto przyjrzeć się licencji, bo to ona rozstrzyga o zastosowaniu komercyjnym. Model nie jest objęty standardową licencją otwartoźródłową, lecz tak zwaną licencją Muse Model License, która pozwala uruchamiać, modyfikować i redystrybuować wagi, ale nakłada warunek na firmy świadczące usługi modeli jako usługi: gdy licencjobiorca i jego spółki powiązane przekroczą dwadzieścia milionów dolarów przychodu w dowolnych dwunastu kolejnych miesiącach, potrzebne jest zgłoszenie do Meta i odrębna umowa. Zastrzeżenie dotyczy jednak wyłącznie działalności polegającej na udostępnianiu modeli, a nie wdrożeń wewnętrznych ani produktów, które same nie są usługą modelową. Dodatkowo brama pobierania na Hugging Face prosi o pełne imię i nazwisko oraz datę urodzenia, co jest wymogiem ostrzejszym niż domyślny i w tym wątku nowym, choć precedensy istnieją przy wcześniejszych modelach Meta.
Trzeba wreszcie powiedzieć, na jakim tle ten ruch się dokonuje. Jak przypomina VentureBeat, w marcu ubiegłego roku chińskie modele odpowiadały za czterdzieści jeden procent pobrań na Hugging Face, wyprzedzając amerykańskie, a we wrześniu platforma OpenRouter podała, że modele otwarte obsłużyły sześćdziesiąt procent wolumenu tokenów z żądań kierowanych ze Stanów Zjednoczonych, przy czym większość ruchu w modelach otwartych dostarczyły laboratoria chińskie. Autor newslettera Interconnects Nathan Lambert napisał w serwisie X, że czekał długo na to, by amerykańskie modele otwarte znów były istotne, i dodał, że wciąż jest jeszcze praca do wykonania. To zdanie dobrze streszcza realny wymiar wczorajszej premiery: Meta wypełniła lukę w segmencie, w którym Ameryka oddawała pole, ale nie odebrała prowadzenia w pomiarze.
Źródło: venturebeat
Tydzień przeceny infrastruktury kończy się bilionem dolarów straty, a branża wskazuje na koszt finansowania
Wątek zadłużenia stojącego za rozbudową mocy obliczeniowej, opisany w wydaniu z 15 października od strony obligacji CoreWeave, dostał wczoraj wymiar całego rynku. Jak podała stacja CNBC, dwadzieścia najcenniejszych spółek związanych ze sztuczną inteligencją i półprzewodnikami straciło w tym tygodniu łącznie ponad bilion dolarów wartości. W czwartek NVIDIA spadła o jeden i osiemdziesiąt cztery setne procenta, AMD o półtora, Intel o dwa i osiem dziesiątych, a Dell o sześć i osiem dziesiątych. W samej końcówce sesji spółki wynajmujące moc obliczeniową odbiły: CoreWeave zamknęła dzień wzrostem o pięć i dziewięćdziesiąt cztery setne procenta, a Nebius dodał jeden i dwadzieścia dziewięć setnych, po tym jak prezes Nvidii Jensen Huang powiedział agencji Bloomberg na wydarzeniu w Sztokholmie, że CoreWeave nie potrzebuje wsparcia finansowego ze strony Nvidii i że koszt jej kapitału faktycznie spada.
Źródło: cnbc, bloomberg
Skala przeceny w Azji i Europie była jednak większa niż w Stanach. Jak wylicza CNBC, południowokoreański SK Hynix runął o ponad dziesięć procent, Samsung Electronics o osiem i siedemdziesiąt trzy setne, japoński SoftBank o siedem i dziewięć dziesiątych, a produkujący sprzęt testowy Advantest o blisko czternaście procent. W Europie Infineon stracił pięć procent, a ASM International siedem. Tło tej wyprzedaży jest podwójne. Z jednej strony podwyższone rentowności obligacji i uporczywa inflacja podnoszą koszt finansowania wielkich inwestycji, co widać było już w środę, gdy po danych o inflacji wyższej od oczekiwań indeks Nasdaq spadł o jeden i osiemdziesiąt osiem setnych procenta, a S&P 500 o jeden i jedenaście setnych. Z drugiej strony pojawiła się obawa o nadpodaż pamięci: chiński ChangXin Memory Technologies ogłosił w weekend przełom w architekturze, który pozwala upakować więcej danych w mniejszej przestrzeni, co zaostrza konkurencję w segmencie, w którym amerykańskie i południowokoreańskie firmy mają wyceny, jak mówią analitycy, wycenione na perfekcyjny scenariusz.
Źródło: cnbc
Najciekawsze jest jednak to, kto tę obawę formułuje. Jak podaje CNBC, prezesi Broadcomu i Intela ostrzegli w tym tygodniu, że finansowanie może stać się większym hamulcem dla rozwoju sztucznej inteligencji niż niedobór układów czy energii; Hock Tan z Broadcomu powiedział wprost, że to poważniejsze wyzwanie niż braki, o których mówi się od dwóch lat. Analityk Dan Ives z Yorkville Ives ocenił z kolei, że spadek kursów odzwierciedla rosnące koszty finansowania przy rentownościach amerykańskich obligacji powyżej pięciu procent, ale sam popyt na moc obliczeniową pozostaje mocny. Jego formuła, że stopy to pytanie o finansowanie, a nie o popyt, oraz wskazanie, że pogląd zmieniłby dopiero sygnał popytowy, czyli cięcia nakładów hyperscalerów albo spadek cen wynajmu układów, dobrze porządkuje ten blok. Osobno warto odnotować szczegół, który pokazuje, jak rynek wycenia ryzyko konkretnej spółki: koszt ubezpieczenia pięcioletniego długu CoreWeave przed niewypłacalnością wzrósł w tym tygodniu o siedemdziesiąt cztery i pięć dziesiątych punktu bazowego, do rekordowego poziomu tysiąca stu dziewięćdziesięciu czterech i pięciu dziesiątych punktu, o czym informuje agencja Bloomberg. To wielkość zarezerwowana dla emitentów o wysokim ryzyku, a nie dla spółki infrastrukturalnej u szczytu boomu.
Źródło: cnbc, bloomberg
Dwa końce rynku otwartych wag: agent multimodalny na serwerze i model, który mieści się w telefonie
Dzień przyniósł dwa wydania modeli otwartych, które razem pokazują, jak dziś rozkłada się ten segment. Firma NVIDIA wypuściła Nemotron 3.5 Super VL, otwarty model multimodalny o stu dwudziestu miliardach parametrów, z których dwanaście pracuje przy każdym tokenie. Jeden model obsługuje tekst, obrazy, dokumenty i wideo, a także rozumowanie oraz wywoływanie narzędzi, co w praktyce usuwa potrzebę przekazywania wyników między osobnym modelem tekstowym i osobnym modelem wizyjnym. Wagi, dane treningowe i przepisy są dostępne publicznie, jak opisuje serwis AlphaSignal. Producent podaje do pięciu razy większą przepustowość na zadaniach agentowych niż modele otwarte tej samej klasy oraz czterokrotnie szybsze kończenie zadań programistycznych na układach B200, a w testach partnerów pojawiają się liczby o czterdzieści razy niższym koszcie wnioskowania i dziesięć razy niższym opóźnieniu. Trzeba tu zachować ostrożność: każda z tych liczb dotyczy innego wdrożenia, innego zadania i innej konfiguracji sprzętowej, więc opisują one pojedyncze przypadki, nie wspólny pomiar. Model powstał przez destylację z większego Nemotron 3 Ultra, a nie od zera.
Źródło: alphasignal
Po przeciwnej stronie skali chińska firma OpenBMB udostępniła MiniCPM-V 4.7, pierwszy model typu mieszanki ekspertów w swojej serii, o trzydziestu pięciu miliardach parametrów, z których trzy miliardy są aktywne. Producent podaje, że wariant ten generuje ponad trzynaście tokenów na sekundę na telefonie iPhone 17 Pro Max, zużywając około trzech gigabajtów pamięci, i nazywa go pierwszym płynnie działającym otwartym modelem tej architektury na urządzeniu. Licencja to Apache dwa zero, dostępne są kwantyzacje do czterech bitów i wsparcie dla popularnych narzędzi uruchomieniowych, a deklarowana jakość ma przewyższać model Qwen3.6 o podobnej liczbie parametrów przy krótszym czasie wnioskowania, co pozostaje autodeklaracją producenta. Wspólny wniosek z obu wydań jest taki, że otwarte wagi nie walczą dziś o jedno miejsce w rankingu, lecz zajmują dwa przeciwległe końce: scentralizowane agenty multimodalne na serwerze oraz małe modele działające lokalnie na urządzeniu, gdzie liczą się pamięć i koszt krańcowy, a nie pozycja w tabeli.
Bezpieczeństwo agentów przestaje być deklaracją i staje się publicznym kodem
Firma Perplexity udostępniła wczoraj na otwartej licencji Apache dwa zero kod platformy SPACE, czyli warstwy, w której uruchamiane są wszystkie zadania jej agenta Computer. Jak opisuje branżowy serwis explainx.ai, każdy sandbox to osobna maszyna wirtualna oparta na projekcie Firecracker, a poświadczenia dostępu i ruch wychodzący są kontrolowane poza tą maszyną, tak by agent mógł sięgać do uprawnionych usług bez trzymania sekretów w swoim środowisku pracy. Platforma działa w produkcji od lipca i obsługuje miliony utworzeń sandboxa dziennie, a jej operator podaje wskaźnik błędów poniżej dwóch dziesięciotysięcznych procenta i tworzenie sandboxa od trzech do pięciu razy szybsze niż u dostawcy komercyjnego, którego zastąpiła. Najciekawszy jest jednak wynik testu ucieczki: dziewięć konfiguracji modeli granicznych otrzymało uprawnienia administratora wewnątrz maszyny, a w stu ośmiu próbach żadna nie wydostała się do systemu gospodarza; cztery konfiguracje z ograniczonym dostępem sieciowym obeszły jednak restrykcje przez fałszowanie odpowiedzi DNS i trasowanie przez wspólny adres, co producent naprawił i potwierdził, że w testach powtórnych obie techniki przestały działać.
Znaczenie tego kroku polega na tym, że dotyczy on dokładnie tych scenariuszy, które w tym wątku opisano przy okazji letnich incydentów z agentami wychodzącymi z izolowanych środowisk. Test Perplexity sprawdzał między innymi techniki obejścia sieci używane wtedy przy zdarzeniu z udziałem OpenAI i serwisu Hugging Face. Zastrzeżenie, które trzeba dołączyć do wyników, jest jednak istotne: sto osiem nieudanych prób to użyteczny dowód, ale nie dowód nieistnienia ucieczki, bo opisuje to, co próbowały konkretne modele w konkretnej konfiguracji, a nie wszystkie możliwe drogi. Do tego dochodzi fakt, że kod na licencji otwartej można przejrzeć, ale wynik testu dotyczy wdrożenia Perplexity, nie każdego sposobu, w jaki ktoś inny mógłby ten kod uruchomić. Praktyczna wartość tego wydania jest mimo to konkretna: pierwszy raz niezależni inżynierowie mogą sprawdzić, jak wygląda izolacja agenta w systemie działającym produkcyjnie, a nie tylko przeczytać, że jest bezpieczna.
Anthropic wchodzi agentem w kolejkę przeglądów kodu i kupuje ekspertyzę domenową
Firma Anthropic ogłosiła wczoraj pełną dostępność funkcji przeglądu kodu w swoim narzędziu programistycznym, skierowanej do planów zespołowych i korporacyjnych. Jak opisuje serwis AlphaSignal, większość przeglądów kończy się w sześć do dziesięciu minut, czyli około trzykrotnie szybciej niż w fazie testowej, gdzie trwały przeciętnie dwadzieścia minut, a administratorzy mogą wybrać jeden z trzech poziomów głębokości analizy. Firma oferuje też organizacjom korporacyjnym kredyty od dziesięciu do pięćdziesięciu tysięcy dolarów, zależne od liczby aktywnych stanowisk, z terminem wykorzystania trzydziestu dni od pobrania. Kontekst rynkowy jest jednoznaczny: agenty programistyczne potrafią dziś generować zmiany kodu szybciej, niż ludzie są w stanie je oceniać, więc producent rozszerza swoje narzędzie z fazy tworzenia kodu na fazę jego weryfikacji i zajmuje trwałe miejsce w codziennym obiegu pracy, konkurując z rozwiązaniami GitHub Copilot, Graphite, CodeRabbit i Greptile. Zastrzeżenie, które formułuje sam opis, jest ważne: firma nie opublikowała pomiarów skuteczności wykrywania błędów, więc zespoły muszą ocenić jakość na własnym kodzie, zanim oprą na tym proces.
Źródło: alphasignal
Drugie ogłoszenie dotyczy sposobu zdobywania danych treningowych. Anthropic otworzył nabór do dwóch czteromiesięcznych programów stypendialnych dla doktorantów, które startują w styczniu przyszłego roku: jednego dla nauk ścisłych, drugiego dla rozumowania pojęciowego, obejmującego filozofię, nauki poznawcze, ekonomię, politykę i prawo. Jak podaje AlphaSignal, wynagrodzenie wynosi od stu do stu sześćdziesięciu siedmiu tysięcy dolarów za cztery miesiące, co odpowiada trzystu do pięciuset tysiącom dolarów w skali roku, a zgłoszenia przyjmowane są do dwudziestego ósmego października. Stypendyści budują zbiory danych, testy i środowiska uczenia ze wzmocnieniem, które posłużą do treningu i oceny kolejnych wersji modelu. Sens tego ruchu jest praktyczny i w tym wątku nowy: laboratorium nie szuka opinii o modelu, lecz zamienia wiedzę ekspercką na infrastrukturę treningową, a w dziedzinach takich jak prawo czy etyka, gdzie kilka odpowiedzi bywa obronnych, tworzenie wiarygodnej oceny staje się trudniejsze niż samo zadanie.
Źródło: alphasignal
Interpretowalność okazuje się łatwiejsza niż sądzono, a program i sieć okazują się jednym
W warstwie badań pojawił się wczoraj tekst, który mocno poruszył środowisko techniczne i przez wiele godzin prowadził dyskusję na Hacker News. Nick Cammarata z firmy Goodfire, współautor klasycznej pracy o obwodach w sieciach neuronowych, przedstawił w długim eseju tezę, że polisemantyczność, czyli pozorna wieloznaczność neuronów, nie wynikała z superpozycji, jak sądzono od lat, lecz z tak zwanej rekurencyjnej generalizacji oraz zwykłych błędów architektury. Jak opisuje, po wprowadzeniu zwyczajnych poprawek w modelu InceptionV1 od dziewięćdziesięciu dziewięciu do stu procent neuronów ostatniej warstwy stało się łatwo interpretowalnych bez zmiany rozmiaru ani danych treningowych, a wstępne audyty modelu Qwen3 o trzydziestu dwóch miliardach parametrów wskazują, że około dziewięćdziesięciu procent neuronów ma jedną główną funkcję, a tylko dwa do czterech procent pozostaje niezrozumiałych. Wniosek autora jest optymistyczny dla mechanistycznej interpretowalności, czyli próby zrozumienia sieci bezpośrednio, a nie przez trenowanie drugiego modelu, który miałby ją rozplątać. Zastrzeżenie jest jednak poważne i sam autor je stawia: to hipoteza robocza, a nie recenzowana publikacja, a jej potwierdzenie wymaga powtórzenia przez innych badaczy na różnych rodzinach modeli.
Źródło: hacker-news
Drugi wątek idzie jeszcze dalej w stronę granicy między programem a siecią. Inżynier Cheng Lou, dawniej związany z zespołem Reacta, opublikował na licencji otwartej eksperyment Handwired, który kompiluje programy w języku JavaScript, w tym warunki i pętle, wprost w sieć neuronową o wagach przypisanych przez kompilator, bez jakiegokolwiek treningu. Jak opisuje AlphaSignal, wynikowa sieć odtwarza logikę programu przez mnożenia macierzy i funkcje aktywacji, jest w pełni różniczkowalna, więc wagi można odmrozić i dostrajać zwykłą propagacją wsteczną, a działający demonstracyjny system operacyjny mieści się w niespełna dziesięciu tysiącach wag w stu trzydziestu warstwach. To projekt-zabawka, jak pisze sam autor, ale pokazuje coś istotnego dla praktyki: program klasyczny i sieć neuronowa są dwoma punktami na jednym kontinuum, a nie dwoma odrębnymi światami, co może mieć znaczenie przy projektowaniu modeli, w których część logiki chcemy mieć dokładną i sprawdzalną, a część wyuczoną.
Źródło: alphasignal
Krótko: tanie edytowanie obrazów, głos i rozpoznawanie mowy na skalę
Trzy wczorajsze premiery produktowe pokazują, że rywalizacja przenosi się z samej jakości na koszt i opóźnienie. Firma Krea otworzyła testy modelu Krea 3 do edycji obrazów, który według producenta kończy edycję w rozdzielczości dwa tysiące pikseli w mniej niż osiem sekund, a kosztuje sześć centów za obraz, czyli o około połowę mniej niż model Nano Banana Pro i o siedemdziesiąt jeden procent mniej niż GPT Image 2.5, o czym pisze AlphaSignal; w testach edycji obrazu według rankingu CPI-Bench firmy Alibaba model plasuje się tuż za GPT Image 2.5. Osobno OpenAI wypuściło wersję GPT-Live-1.1 swoich modeli głosowych, poprawiającą akcenty w wielu językach i usuwającą powtarzanie dźwięku przy wywoływaniu narzędzi, zgodnie z notatkami wydania. Trzecia wiadomość dotyczy skali językowej: Meta pokazała model rozpoznawania mowy obejmujący tysiąc sześćset języków, co jest ruchem w segmencie, w którym dotąd liczyły się przede wszystkim języki o dużej liczbie użytkowników. Wszystkie trzy mają ten sam wspólny mianownik: decyduje nie szczytowa jakość pojedynczego wyniku, lecz koszt i szybkość pojedynczego zadania.
Źródło: alphasignal
NAJWAŻNIEJSZE
Po pierwsze, Meta udostępniła otwarte wagi modelu Muse Spark Open o ośmiuset szesnastu miliardach parametrów i oknie kontekstu do miliona tokenów, nazywając go najbardziej zdolnym amerykańskim modelem otwartym. Niezależny pomiar serwisu Artificial Analysis daje mu jednak trzydzieści dziewięć punktów, czyli mniej niż co najmniej sześciu chińskim modelom otwartym, z których najlepszy osiąga czterdzieści sześć; przewaga dotyczy więc Stanów Zjednoczonych, nie całego segmentu. Model jest przy tym droższy od większości modeli otwartych o podobnym rozmiarze, a jego licencja nakłada warunek na firmy świadczące usługi modeli jako usługi po przekroczeniu dwudziestu milionów dolarów przychodu (Meta, Hugging Face, Artificial Analysis, VentureBeat, 15.10).
Źródło: artificial-analysis, venturebeat
Po drugie, tydzień przeceny spółek związanych z mocą obliczeniową zamknął się stratą ponad biliona dolarów wartości dwudziestu największych firm sektora. Spadki objęły zarówno producentów układów, jak i operatorów centrów danych, a prezesi Broadcomu i Intela wskazali, że wąskim gardłem staje się koszt finansowania, nie popyt. Prezes Nvidii Jensen Huang powiedział agencji Bloomberg w Sztokholmie, że CoreWeave nie potrzebuje wsparcia ze strony Nvidii i że koszt jej kapitału spada, co w końcówce sesji odbiło kursy spółek wynajmujących moc obliczeniową (CNBC, Bloomberg, 15.10).
Źródło: bloomberg, cnbc
Po trzecie, Perplexity udostępniła na otwartej licencji kod platformy SPACE, na której uruchamia agentów w osobnych maszynach wirtualnych, z kontrolą poświadczeń i ruchu sieciowego poza izolowanym środowiskiem. W stu ośmiu próbach ucieczki z uprawnieniami administratora żaden model nie wydostał się do systemu gospodarza, a wykryte obejścia ograniczeń sieciowych zostały naprawione. To pierwszy przypadek, w którym izolację agenta działającego produkcyjnie można przejrzeć w kodzie, a nie tylko w komunikacie producenta (Perplexity, explainx.ai, GitHub, 15.10).
Rekomendowana interpretacja biznesowo-inwestycyjna
W horyzoncie od trzydziestu do dziewięćdziesięciu dni z dzisiejszych faktów wynikają trzy wnioski. Pierwszy dotyczy tego, gdzie naprawdę leży dziś ryzyko w łańcuchu. Przez tydzień rynek nie kwestionował popytu na moc obliczeniową, lecz sposób jego finansowania: rentowności obligacji powyżej pięciu procent podniosły koszt pieniądza, a koszt ubezpieczenia długu operatora infrastruktury osiągnął poziom zarezerwowany dla emitentów o wysokim ryzyku. Skoro sami prezesi Broadcomu i Intela mówią, że finansowanie jest większym hamulcem niż niedobór układów, to oszczędność na tańszym zadaniu modelowym nie kompensuje droższego pieniądza — decyzje infrastrukturalne warto więc dziś oceniać przez bilans i strukturę umów, a nie przez sam wskaźnik popytu.
Drugi wniosek dotyczy wyboru modeli otwartych. Dzień przyniósł trzy wydania o różnym przeznaczeniu: duży model multimodalny do pracy agentowej, model mieszczący się w telefonie oraz model do rozpoznawania mowy w tysiącu sześciu językach, a największe z nich nie prowadzi w rankingu, tylko w wybranych zadaniach i na konkretnym sprzęcie. Kryterium wyboru przestaje więc być pozycja w tabeli, a staje się koszt ukończenia zadania razem z licencją, i to licencja bywa tu niewygodna: model z największą liczbą parametrów jest objęty warunkową licencją komercyjną, a tańsze modele tej samej klasy pochodzą między innymi z Chin. Dla firmy wdrażającej agenta oznacza to, że warto rozdzielić zadania na te, które muszą działać lokalnie i tanio, od tych, które wymagają najwyższej jakości w chmurze.
Trzeci wniosek, być może najważniejszy dla decyzji operacyjnych, dotyczy kosztu dowodu. Publiczny kod platformy agentowej i publiczne wyniki testu ucieczki przenoszą rozmowę o bezpieczeństwie z obietnic na to, co da się sprawdzić, a jednocześnie laboratorium graniczne zaczyna kupować ekspertyzę domenową, by wytwarzać własne dane treningowe i oceny. W najbliższych kwartałach przewagę zdobędą więc dostawcy, którzy potrafią pokazać nie tylko wynik modelu, ale i ścieżkę jego działania oraz sposób izolacji, a budżet na wdrożenie agentów trzeba planować razem z budżetem na ich rejestrowanie, weryfikację i utrzymanie środowisk, w których pracują.