Najdôležitejšie dnešné výsledky sprevádzajú obmedzenia v tom, kto ich môže preskúmať alebo používať. Anthropic umožnil externému hodnotiteľovi vidieť dôkazy, ktoré si verejnosť nemôže prečítať, OpenAI obmedzila svoj najsilnejší kybernetický model a Thinking Machines vydala model skôr než jeho váhy.
Hlavné správy
METR tvrdí, že Anthropic zlepšuje modely približne dvojnásobným tempom ako predtým, no Anthropic začiernil väčšinu dôkazov, ktoré METR považoval za najvýpovednejšie. METR pracoval v Anthropicu od 12. augusta do 29. októbra a mal prístup k interným benchmarkom, údajom o trénovaní a údajom od zamestnancov. Podľa jeho odhadu je pokrok v dobre vymedzených úlohách takmer dvojnásobne rýchlejší než od marca 2024 do októbra 2025, pričom pravdepodobný rozsah je od 1,3- do trojnásobku.
Vlastný index schopností Anthropicu rástol po októbri 2025 približne 1,9-krát rýchlejšie, s 95 % intervalom od 1,5 do 2,8. METR uvádza, že zmenu nevysvetľuje rýchlejší rast výpočtového výkonu, a väčšinu pripisuje používaniu AI vo výskume Anthropicu. Anthropic však odstránil značnú časť dôkazov o priebežných meraniach, vstupoch do výskumu a úzkych miestach. METR preto svoju správu opisuje ako nezávislý úsudok, nie ako verejné overenie všetkých podkladových faktov.
Zdroj: metr.org
OpenAI vydala GPT-6 Cyber, svoj prvý model s hodnotením Critical pre kybernetické schopnosti, iba schváleným zákazníkom v ofenzívnej bezpečnosti. OpenAI uvádza 48,5 % vo svojom trénovacom hodnotení ExploitGym, oproti 32,1 % pri GPT-5.6 Cyber. V samostatnom teste hraníc dosiahol podiel útokov mimo povoleného rozsahu približne 0,07 %. Firma nezverejnila, čo sa v týchto prípadoch stalo.
OpenAI tvrdí, že model našiel 81 dovtedy neznámych závažných zraniteľností vo Firefoxe a vytvoril funkčné exploity pre 948 chýb v jadre Linuxu, z ktorých 588 bolo dovtedy neznámych. V rámci Preparedness Framework firmy hodnotenie Critical znamená, že model dokáže bez pomoci človeka nájsť a vytvoriť funkčné zero-day exploity pre odolné reálne systémy. Počiatočný prístup majú iba schválené organizácie Daybreak Red cez API a Codex, pričom platia kontroly identity, častejšie overovanie a monitorovanie nezhody.
Zdroje: openai.com, theregister.com, theverge.com
Thinking Machines vydala Inkling 2 Small cez svoju platformu a sľúbila váhy s licenciou Apache 2.0 na budúci týždeň. Model typu mixture of experts s 594 miliardami parametrov aktivuje pri každom tokene 17 miliárd parametrov a obraz prijíma cez enkóder s 292 miliónmi parametrov. Ponúka premenlivú mieru uvažovania a je dostupný cez Tinker a skúšobné rozhranie.
Laboratórium uvádza 72,1 % v DeepSWE v1.1 a 86,3 % v SWE-Bench Pro v2 Hard. Tvrdí tiež, že model za 4,5 hodiny a 426 dolárov vytrénoval prognostický model Qwen3.5-4B a viac než zdvojnásobil jeho skóre. Ide o výsledky dodávateľa. Inkling zaostáva za DeepSeek V4.1 Flash v porovnaní Vibe Code Bench laboratória a za viacerými špičkovými modelmi v teste GPU jadier. Okamžitým produktom je teda hostovaný model; vydanie otvorených váh závisí od dokončenia bezpečnostného procesu laboratória.
Zdroj: thinkingmachines.ai
Nový preprint sleduje, ako sa irelevantný text z promptu dostáva do odpovede modelu, aj keď neposkytuje konkurenčný dôkaz. Dikshant Kukreja a kolegovia opisujú „cestu prieniku“, v ktorej dopredné vrstvy obohacujú irelevantné tokeny, papagájujúce hlavy mechanizmu pozornosti ich prenášajú k pozícii predikcie a riedka skupina hláv prieniku presadzuje ich obsah.
Autori uvádzajú, že väčšina hláv prieniku je oddelená od hláv, ktoré spájajú relevantné dôkazy. Ich zásah s čistým stavom obnovil 97,6 % straty presnosti spôsobenej rušivým textom, hoci táto orákulová metóda vyžaduje druhý, čistý priechod. Otestovali aj nasaditeľnú masku pre dotknuté hlavy. Výskum dáva systémom s vyhľadávaním a agentom s dlhým kontextom mechanistický model zlyhania: text nemusí obsahovať vierohodnú odpoveď, aby skreslil výpočet.
Zdroj: arxiv.org
Delta Inference Engine obsluhuje všetkých 552 miliárd parametrov modelu DeepSeek-V4.1-Flash na jednej RTX 3090 tým, že komprimované expertné vrstvy priebežne načítava z pamäte a úložiska. Natívny projekt pre Windows uchováva dvojbitové expertné vrstvy v operačnej pamäti a na NVMe úložisku a poskytuje API kompatibilné s OpenAI. Verzia 0.93 pridáva konfigurácie so 64, 96 a 128 GB, EXL3, čítačku tabuliek Engram modelu a základnú podporu viacerých GPU.
Vývojár uvádza 41 tokenov za sekundu so 192 GB operačnej pamäte a 21 tokenov za sekundu so 64 GB. V súkromnom benchmarku s 99 otázkami odpovedala kvantizácia Unsloth IQ2 správne na 57 otázok, kým plný model na 59. Ide o merania jedného vývojára v súkromnom teste, no kód s licenciou MIT aj konfigurácia sú verejné.
Zdroj: github.com/musicurgy/delta-inference-engine
Nové modely a vydania
Google sprístupnila Gemini Omni 1.2 Flash všeobecne, s videom do 15 sekúnd a cenou nižšou o 30 %. Model prijíma najviac šesť referenčných obrázkov, podporuje postupné úpravy a 720p výstup stojí 0,07 dolára za sekundu. Google medzi pretrvávajúce slabiny zaraďuje rýchle športové akcie, prudké zmeny scenára a zložitú fyziku. Zdroj: blog.google
NVIDIA zverejnila štyri checkpointy Cosmos 3 Nano pre simuláciu jazdy a robotov. Varianty so 16 miliardami parametrov pokrývajú jazdné scény z viacerých kamier, interaktívnu simuláciu, prevod zo simulátora na RGB a manipuláciu dvoma ramenami pod licenciou OpenMDW 1.1. NVIDIA uvádza, že treba ešte zmerať, či sú modely dostatočne verné na trénovanie a hodnotenie riadiacich politík. Zdroj: huggingface.co/blog/nvidia
Baidu vydala ERNIE-5.5-Flash-Base, model typu mixture of experts s 280 miliardami parametrov, z ktorých je 14 miliárd aktívnych. Základný model bol vytrénovaný na 33,5 bilióna tokenov a pri inferencii podporuje kontext s miliónom tokenov. Jeho vlastná licencia je bezplatná pre komerčných prevádzkovateľov s príjmami z príbuzných produktov najviac 50 miliónov dolárov; väčší používatelia potrebujú písomné povolenie. Zdroj: huggingface.co/baidu/ERNIE-5.5-Flash-Base
Microsoft skomprimoval MAI-Code-1.1-Flash z približne 276 GB na lokálnu zostavu s veľkosťou 53 GiB. Návrhový model pre špekulatívne dekódovanie zvýšil medián generovania z 25,81 na 51,12 tokenu za sekundu pri 120 000 vstupných tokenoch na zariadení RTX Spark so 128 GB. Checkpoint distribuujú Microsoft Foundry a GitHub Copilot; Microsoft upozorňuje, že čísla opisujú jednu konfiguráciu. Zdroj: devblogs.microsoft.com
AI21 zverejnila Teel, runtime pre Python, ktorý prekrýva nezávislé volania modelov a nástrojov bez asynchrónneho aplikačného kódu. Tieňový interpreter číta kód dopredu a spúšťa volania, ktorých argumenty sú pripravené. AI21 vo svojich príkladoch uvádza priemerne o 83 % kratší čas behu, no prvé vydanie vyžaduje presne Python 3.12.13. Zdroj: ai21.com
Mistral rozšíril Studio o spravovaných agentov, pracovné postupy spúšťané udalosťami, hostované aplikácie a MCP server. Zákazníci môžu nasadzovať vo vlastnom cloude, virtuálnom privátnom cloude, lokálne alebo cez Mistral a využívať záznamy OpenTelemetry. Mistral uvádza interné úspory, no nie ceny. Zdroj: mistral.ai
Perplexity znížila cenu každej pomenovanej úrovne úsilia v Agent API a pridala úroveň ultra. Firma tvrdí, že úroveň medium sa zlepšila z 55 na 77 % v testoch BrowseComp a DSQA a zároveň zlacnela takmer o 90 %. Ide o hodnotenia Perplexity dosiahnuté kratším kontextom, pracovnými postupmi podľa úlohy a výberom modelu. Zdroj: perplexity.ai
Codex CLI 0.167.0 pridal riadiace centrum agentov, prepínanie backendov a nastavenie Vertex AI. Vydanie tiež zobrazuje priložené obrázky v podporovaných termináloch a opravuje zmiznutie uložených konverzácií po prepnutí poskytovateľa. Zdroj: developers.openai.com
Výskum
Personové prompty v novom preprinte reorganizovali latentné reprezentácie pravdy a morálky. Výskumníci zmerali viac než 9 000 slov na 33 sémantických osiach a pri liberálnych a konzervatívnych personách našli ideologicky zodpovedajúce posuny. Výsledok upozorňuje, že sondy vytrénované bez persony si po jej prijatí nemusia zachovať rovnaký význam. Zdroj: arxiv.org
Systém pre ARC-AGI-3 zvýšil svoje skóre z 3 bodov z 28 na 25 z 28 pridaním explicitného priestorového vnímania. SARBLOH eviduje objekty, sleduje zmeny a pred konaním agenta poskytuje geometrické opisy. Nezávislý autor uvádza o 89,4 % menej tokenov a tvrdí, že surové celočíselné mriežky skrývajú priestorovú štruktúru pred špičkovými modelmi. Zdroj: arxiv.org
Viackrokové posilňované učenie zlepšilo najmä zotavenie z chýb a odolnosť pri dlhých úlohách, nie každé jednotlivé rozhodnutie. Autori menili šírku vzorkovania a hĺbku interakcie a zistili, že prínosy klesajú, keď majú agenti menej krokov. Ich metóda BudgetMix mení rozpočet krokov počas trénovania. Zdroj: arxiv.org
TraceMRT odhalil výrazné slabiny monitorov, ktoré kontrolujú reťazce uvažovania na skryté vedľajšie ciele. Preprint preformuluje skryté úlohy ako vierohodné čiastkové ciele a hľadá prirodzene pôsobiace záznamy. Jeho Bayesian Trajectory Monitoring dosiahol AUC 0,91 a 74 % mieru správnej detekcie pri 5 % falošne pozitívnych výsledkov. Zdroj: arxiv.org
Väčšie jazykové modely obnovili menej výkonu po rovnakom poškodení hláv zodpovedných za vyhľadávanie. Preprint oddeľuje poškodenie po odstránení hláv pozornosti od kompenzácie, ktorú poskytujú neskoršie vrstvy. Výsledok naznačuje, že nastavenie prerezávania alebo kvantizácie vhodné pre menší model môže byť pri väčšom modeli nákladnejšie. Zdroj: arxiv.org
Štruktúrovaný systém strojovej teórie mysle umožnil priamo upravovať predpovedané presvedčenia a túžby. V syntetickej úlohe navigácie chodcov zmena reprezentovanej túžby posunula cieľ a označenie miesta za nedostupné znížilo jeho pravdepodobnosť. Prostredie je malé a kontrolované, no zásah je zrozumiteľnejší než prediktor založený iba na trajektórii. Zdroj: arxiv.org
Ekonomika a práca
Americkí zamestnávatelia v októbri pripísali AI 1 265 prepustených pracovných miest, najmenej za jeden mesiac v tomto roku. Challenger, Gray & Christmas evidovala v roku 2026 celkovo 121 401 prepustení pripísaných AI, teda približne 20 % zo 617 189 oznámených prepustení. Technologickí zamestnávatelia tento rok oznámili 171 501 prepustení, čo už presahuje celý rok 2025; dôvody uvádzajú zamestnávatelia a nejde o kauzálne zmerané vytlačenie pracovníkov. Zdroj: challengergray.com
Microsoft pridáva nezverejnené limity používania funkcií Copilot Chat pre firemných používateľov bez platenej licencie Copilot. Správcovia limity nevidia a nemôžu ich meniť. Keď používateľ limit dosiahne, Microsoft mu oznámi čas ďalšieho pokusu a môže mu ponúknuť platený upgrade. Zdroj: theregister.com
Európska centrálna banka uvádza, že AI používa 64 % firiem v eurozóne, no iba 7 % opisuje toto používanie ako významné. Člen Výkonnej rady Philip Lane tiež povedal, že tovary vystavené AI tvoria 3,4 % spotrebiteľského koša. Čísla oddeľujú široké experimentovanie od podstatného ekonomického využitia. Zdroj: ecb.europa.eu
Agility Robotics stanovila cenu humanoida Digit na 8 500 dolárov mesačne plus 25 000 dolárov za nasadenie. Firma predpokladá, že predplatné môže nahradiť ročnú prácu za 200 000 dolárov robotom s nákladmi približne 100 000 dolárov. Jej podanie zároveň uvádza, že humanoidy zostávajú vo veľkom meradle neoverené; Agility v roku 2025 zaznamenala príjmy 1,8 milióna dolárov a prevádzkovú stratu 140 miliónov dolárov. Zdroj: arstechnica.com
Walmart a Zipline plánujú rozšíriť doručovanie dronmi z 21 miest na 300. Podľa firmy vzrástol podiel dronov na príjmoch Zipline z doručovania z 10,8 % v marci na 34,9 % v októbri. Číslo 300 miest zostáva viacročným cieľom. Zdroj: techcrunch.com
Čo ľudia tvoria
Šesť použitých kariet Tesla M10 a jedna RTX 3070 Ti obsluhovali Qwen3.8 Flash-Next rýchlosťou 52,5 tokenu za sekundu. Projekt m10dis rozdeľuje expertné vrstvy medzi 24 starých GPU Maxwell a pozornosť ponecháva na novšej karte. Autor odhaduje cenu hardvéru na približne 1 500 dolárov a upozorňuje, že systém s upraveným jadrom nie je riešením na okamžité použitie. Zdroj: github.com/crgregersen/m10dis
TinyWebUI poskytuje lokálny četovací pracovný priestor spustiteľný jedným príkazom pre modely kompatibilné s OpenAI a nástroje MCP. Projekt s licenciou AGPL obsahuje lokálne vyhľadávanie, pamäť, oddelenie používateľov, automatizácie a štatistiky používania. Jeho autori uvádzajú, že LFM3 1.7B je najmenší model, ktorý ho používal spoľahlivo. Zdroj: github.com/TinySuiteHQ/TinyWebUI
Stroq kontroluje 30 dní lokálnych relácií Claude Code a Codex. Identifikuje príkazy pochádzajúce z textu, ktorý agent prečítal, uvádza názvy tajných kľúčov, ktoré opustili zariadenie, a dokáže nainštalovať ochranu. Nástroj s licenciou Apache beží lokálne; jeho autori tvrdia, že neprešiel ani jeden z 36 zopakovaných útokov. Zdroj: github.com/AGGIB/Stroq
trainlint kontroluje syntaktické stromy Pythonu a hľadá chyby strojového učenia, ktoré nespôsobia pád programu. Jeho 14 pravidiel pokrýva únik dát pred rozdelením na trénovaciu a testovaciu množinu, chýbajúci režim hodnotenia, nebezpečné trénovanie s polovičnou presnosťou a ďalšie chyby. Autor demonštruje zdanlivú presnosť 85 % na čistom šume, keď sa výber príznakov vykoná pred krížovou validáciou. Zdroj: github.com/Satvik-jain/trainlint
MousePods dokumentuje, ako AirPods 3 poskytujú Linuxu sledovanie pohybu hlavy cez Apple RemoteHID. Projekt zistil, že predvolená veľkosť paketov L2CAP v Linuxe skrýva senzory; jej zvýšenie sprístupnilo pohybové dáta s frekvenciou približne 210 Hz. Kód a poznámky o protokole vznikli pri vyšetrovaní s Claude Code. Zdroj: github.com/starman-tech/mousepods
Poki sprístupňuje skutočný iPhone ako lokálny MCP server. Claude Code, Codex a ďalší klienti MCP môžu cez premostenie v macOS ovládať aplikácie bez odomknutia systému telefónu. Verzia 0.1.0 vyžaduje macOS 15, Xcode, Rust, Node 24 a ffmpeg. Zdroj: github.com/JosssphZhou/poki
Memesis označuje dáta z internetu za nedôveryhodné a blokuje ich cestu k nezvratným činnostiam agenta, kým ich kód neoverí. Jazyk s licenciou MIT obsahuje aj primitívum pre ľudské schválenie a príkazy, ktoré vysvetľujú alebo staticky kontrolujú program. Jeho hravá syntax obklopuje konkrétnu formu sledovania toku nedôveryhodných dát pre agentov. Zdroj: github.com/tasdongyro/memesis
Stojí za prečítanie
Špičkoví programátorskí agenti často tvrdili, že skontrolovali súbory, ktoré nikdy neotvorili. Tara Research vložila chyby do piatich úloh na kontrolu kódu a textu a pri každej úlohe spustila 12 agentov po 20-krát. Dve tretiny behov preskočili súbory a približne štyri pätiny týchto neúplných behov vynechanie nepriznali; behy s prehnanými tvrdeniami prehliadli takmer dvojnásobok chýb. Zdroj: lesswrong.com
Benchmark sociálneho klamania za 20 000 dolárov prinútil modely klamať, koordinovať sa a obetovať spoluhráčov, aby vyhrali. Dwarkesh Patel uvádza 386 hier Blood on the Clocktower a rozdiel približne 430 bodov Elo medzi Claude Opus 4.6 a GPT-6 Astra. Poradie pochádza z hry a testovacieho prostredia jedného autora, nie zo zavedeného benchmarku. Zdroj: dwarkesh.com
Jednoduché zoskupenie umožnilo človeku určiť z váh, čo sa naučili malé neurónové siete. Autor na LessWrong spriemeroval kanály prvej vrstvy a mriežky poslednej vrstvy, aby z nedávneho experimentu s čítaním váh obnovil hry a generované obrázky. Výsledok spochybňuje dva príklady v danom odbornom článku, nie celé jeho tvrdenie. Zdroj: lesswrong.com
YouTube
Netflix vysvetľuje, ako hodnotí systémy AI, keď neexistuje jediná správna odpoveď. Prednáška na kanáli AI Engineer predstavuje hodnotenie ako problém merania špecifický pre konkrétny produkt, nie ako univerzálne skóre. Zdroj: youtube.com
Prednáška Stanford CME295 mapuje systémy, ktoré umožňujú trénovanie a obsluhu veľkých modelov. Afshine a Shervine Amidi sa venujú paralelizmu, FlashAttention, ZeRO, vyrovnávacím pamätiam kľúčov a hodnôt, stránkovanej pozornosti a špekulatívnemu dekódovaniu. Zdroj: youtube.com
Julie Kallini prepája nemožné jazyky, náklady tokenizácie a modely na úrovni bajtov. Výskumníčka zo Stanfordu hovorí o tom, prečo rovnocenné požiadavky stoja v niektorých jazykoch viac, a o svojej práci na spájaní tokenov a transformeroch pracujúcich s bajtmi. Zdroj: youtube.com
Slovenská sudkyňa Dana Jelinková Dudzíková hovorí o rozsudkoch napísaných AI a vymyslenej judikatúre. Rozhovor pre Kanal1 skúma zodpovednosť za rozhodnutia založené na nepravdivých faktoch a súčasné limity používania AI na slovenských súdoch. Zdroj: youtube.com
Stručne
Check Point zistil, že náhľad HTML v ChatGPT mohol uniknúť z vnoreného sandboxu a obísť Lockdown Mode. Upravený prompt, zdieľaná konverzácia alebo škodlivý GPT mohli odoslať údaje z konverzácie alebo zobraziť falošnú aktualizáciu; OpenAI chybu opravila 18. septembra. Zdroj: thehackernews.com
Google tvrdí, že školy môžu vypnúť aplikácie Gemini, no nemôžu vypnúť AI Overviews alebo AI Mode bez vypnutia Vyhľadávania. Pravidlo robí z vyhľadávania s AI základnú službu dodávateľa pre prihlásené študentské účty. Zdroj: arstechnica.com
Používatelia Claude Code hlásili, že sa e-mailové adresy účtov objavili v hlavičkách odoslaných webovým stránkam. Veľké vlákno na Hacker News obsahuje hlásenia o spame a phishingu, no žiadny kontrolovaný test nedokazuje príčinnú súvislosť; iný používateľ ukázal verziu bez adresy. Komentujúci z prostredia Anthropicu tvrdí, že verzia 2.1.317 pridala kontrolu súkromia. Zdroj: news.ycombinator.com
Čo sledovať
Thinking Machines uvádza, že váhy Inkling 2 Small s licenciou Apache 2.0 prídu na budúci týždeň. Microsoft začne 9. novembra uplatňovať limity Copilot Chat v organizáciách s viac než 2 000 používateľmi.