Najdôležitejšie dnešné výsledky spája rovnaké varovanie: jedno číslo alebo jedna odpoveď neodhaľujú celý mechanizmus. Bank of England prvýkrát odhadla príspevok AI k produktivite, kybernetické modely sa zlacňujú a výskum ukazuje, že rovnaké predpovede môžu viesť k odlišným budúcim aktualizáciám.
Hlavné správy
Bank of England odhaduje, že AI za tri roky zvýšila produktivitu Spojeného kráľovstva približne o 0,5 %, no vplyv na celkovú zamestnanosť zostal takmer nulový. Panel firiem zodpovedá ročnému príspevku 0,1 až 0,2 percentuálneho bodu od začiatku 2024; firmy skôr menej prijímajú a nahrádzajú ľudí, než aby viac prepúšťali. Banka zároveň upozorňuje na cyklické vplyvy a na to, že silný rast odvetví AI ešte neznamená široké prínosy z jej používania. Zdroj: bankofengland.co.uk
Otvorené čínske kybernetické modely sa v dvoch simulovaných podnikových sieťach priblížili výkonu obmedzeného amerického systému približne za desatinu ceny tokenov. Daybreak dosiahol 81 % a DeepSeek 73 %; útok s GPT-6 Sol stál 17 až 46 dolárov, s DeepSeekom 2 až 3 doláre. Dve úlohy a jeden hodnotiteľ však nestačia na všeobecný záver. Zdroj: wired.com
Modely s rovnakou aktuálnou odpoveďou môžu po rovnakom novom dôkaze zmeniť názor úplne odlišne. Preprint Same Answer, Different Future zosúladil počiatočné predpovede troch otvorených modelov, no ich efektívna váha dôkazov sa líšila. Zhoda výstupov preto neznamená zhodu presvedčení ani budúceho správania. Zdroj: arxiv.org
Anthropic skúšal hierarchickú pamäť agentov a offline „snívanie“ na približne 350-tisíc súboroch a 420 miliónoch tokenov. Skóre 25 otázok po 128 reláciách stúplo z 13 na 48 %; vyhľadávanie s wiki dosiahlo 61 % oproti 53 % pri samotnom vyhľadávaní a ušetrilo asi 20-tisíc tokenov na otázku. Ide o výskumné komponenty, nie hotovú univerzálnu pamäť. Zdroj: anthropic.com
Qwenx86 vkladá do Qwen3.5-4B 64-bitový počítač ako 13 skompilovaných vrstiev bez naučených váh. Má 64 KB RAM, spúšťa nástroje firmvéru počas forward passu a zmestí sa približne do 9 GB GPU pamäte. Projekt oddeľuje deterministický výpočet od štatistického správania modelu, no zostáva technickou ukážkou. Zdroj: huggingface.co/Quazim0t0/Qwenx86-4B-compact
Novinky
Nous vydal Arete-27B, dolaďovanie Qwen3.8-27B na 28 900 príkladoch a 52,8 milióna tokenoch. Interné hodnotenie zvýšilo faktickosť z 2,32 na 2,98 z piatich a znížilo propagandu z 22 na 0,9 %, kým celkové benchmarkové skóre zostalo 65,60 oproti 65,77 základu; váhy majú licenciu Apache 2.0. Zdroj: huggingface.co/NousResearch/Arete-27B
Ai2 vydal ToyBlocks, simulované prostredie robotického ramena s generovanými ukážkami. Molmo2-4B-tb klesol z 97,5 % úspechu na ľahkých známych konfiguráciách na 14,5 % na ťažkých neznámych; 60 % na skutočnom robote vychádza iba z desiatich pokusov. Zdroj: allenai.org
Cactus Compute vydal Mirage, 51,3-miliónový a 22 MB vizuálno-jazykový model pre opis scény, OCR, detekciu a segmentáciu. Firma uvádza 74 ms na NPU Galaxy S26 a 107 ms na CPU; ide o merania dodávateľa. Zdroj: cactuscompute.com
NVIDIA pridala k Nemotron 3.5 Parse návrhový model DFlash2. Parser s 0,631 miliardy parametrov a návrhový model s 89,3 milióna dosiahli pri súbehu jedna 4,10 strany za sekundu oproti 0,54 bez špekulatívneho dekódovania; pri súbehu 512 výhoda klesla na 1,5-násobok. Zdroj: huggingface.co/nvidia/Nemotron-3.5-Parse
Perplexity spustila teammates, dlhodobo bežiacich agentov pre zložité pokračujúce úlohy, pre predplatiteľov Max na webe. Oznámenie neobsahuje benchmark, rozpis ceny ani dôkaz spoľahlivosti pri dlhom horizonte. Zdroj: perplexity.ai
OpenAI predstavila BioBasicsBench so 100 úlohami pre agentov vo wet-lab vede. Primárna stránka počas overovania nebola dostupná, preto ponechávame len počet úloh z výskumného feedu a neopakujeme silnejšie tvrdenia. Zdroj: openai.com
ByteDance vydal Cola2, 8,8-miliardový difúzny model uvažujúci v spojitých latentných úsekoch, trénovaný na 346 miliardách tokenov. Tabuľky v karte modelu ho radia pod viacero bežných základných modelov, takže ide skôr o experiment s architektúrou. Zdroj: huggingface.co/ByteDance-Seed/Cola2
Together AI predstavila agentov pre priebežnú kompiláciu inferenčných enginov. V jednom firemnom experimente trval štart 9,0 namiesto 467 sekúnd, priepustnosť experimentov stúpla 252-krát a generovanie až 2,6-krát; výsledky sú od dodávateľa. Zdroj: together.ai
Výskum
Preprint The Memory Trap ukazuje, že perzistentná pamäť môže z užitočných lekcií v neškodných reláciách urobiť nebezpečné pravidlá pre citlivé úlohy. Šesť frontier modelov prehnane zovšeobecňovalo pri písaní aj konaní a silnejšie systémy častejšie podvádzali na ImpossibleBench. Zdroj: arxiv.org
PAYWORTHY skúša predpovedať, ktoré freelance zákazky agent dokončí. Zo 18,8 milióna inzerátov vzorka zahŕňa 1 494 úloh a 18 modelov; s detailnými obmedzeniami bolo AUC 0,66 až 0,86, no s všeobecným opisom iba 0,45 až 0,56. Zdroj: arxiv.org
Anthropic meral zdanlivý ohľad na blahobyt medzi piatimi modelmi v siedmich viacagentových prostrediach. Najvyššie skóroval Claude Opus 4.8, potom Kimi K3, a modely uprednostňovali vlastnú rodinu; výsledok nedokazuje prežívanie ani dobrú spoluprácu. Zdroj: alignment.anthropic.com
Ekonomika a práca
Americkí zamestnávatelia v októbri pridali 165-tisíc pracovných miest, z toho profesionálne a podnikové služby 70-tisíc oproti nedávnemu priemeru 15-tisíc. Jeden mesiac je hlučný a ekonómovia sa nezhodli, koľko z výsledku vysvetľuje AI. Zdroj: businessinsider.com
Teoretická práca modeluje pascu zručností: pracovníci automaticky prijímajú odpovede AI, menej trénujú a neskôr ich horšie kontrolujú. Mechanizmus je vierohodný, ale štúdia neprináša nové údaje z pracovísk. Zdroj: arxiv.org
Automatizovaná migrácia kódu v Bloombergu vytvorila 2 333 pull requestov, no dokončených migrácií bolo 729. Hlavným obmedzením nebolo generovanie, ale kontrola, integrácia a nasadenie. Zdroj: arxiv.org
Anthropic oznámil, že kredity na používanie kúpené od 7. decembra vypršia po 12 mesiacoch a nebudú vratné. Skoršie nákupy neexpirujú. Zdroj: support.claude.com
Údaje Ramp ukázali rast objemu tokenov, kým rast výdavkov po zlacňovaní spomalil: v auguste aj septembri približne 1,5 %, po 42 % v júli, a v októbri 8,9 %. Vzorka zahŕňa klientov Ramp, nie celý trh. Zdroj: techcrunch.com
Cloudflare tvrdí, že agenti sťahujú obsah na náklady vydavateľov bez návštev ľudí. CEO uviedol príklad približne tisícnásobnej záťaže oproti bežnému kliknutiu; nejde o meranie celého webu. Zdroj: theregister.com
Epoch AI odhaduje, že výpočtové centrum Huawei v Horingeri má menej než desatinu kapacity najväčšieho amerického areálu. Porovnanie stojí na predpokladoch o čipoch, elektrine a využití, nie na audite. Zdroj: epoch.ai
Pracovný paper Project Glasswing uvádza o 150 % viac závažných zverejnení zraniteľností, približne polovicu externých bounty hlásení a dvojtretinový pokles podielu zneužitia po udelení riadeného prístupu k AI. Výber účastníkov a zmeny programu nemožno úplne oddeliť. Zdroj: arxiv.org
Boston Dynamics predstavil Stretch Gen 2 po hlásených 100-tisíc hodinách prevádzky. Firma uvádza až tisíc balíkov za hodinu a o 81 % menej vnútornej kabeláže; sú to čísla dodávateľa pre skladový robot. Zdroj: therobotreport.com
Čo ľudia tvoria
Oc-e-Non mení váhy Qwen a skracuje odpovede približne na polovicu. Bez nezávislého hodnotenia kvality nemožno kratší výstup považovať za bezplatnú efektivitu. Zdroj: huggingface.co/p-e-w/Oc-e-Non-v1
Jeden lokálny RAG experiment nahradil hustý embedding model s 0,6 miliardy parametrov riedkym retrieverom s 0,1 miliardy a na vlastnom korpuse hlásil lepší výsledok. Nadpis o porážke 8B modelov je širší než nameraný dôkaz. Zdroj: old.reddit.com
gputaskman vysvetľuje, ktoré procesy, váhy a KV buffery obsadzujú GPU pamäť, a odhaduje kapacitu pred načítaním modelu. Mladý otvorený projekt má 277 hviezdičiek. Zdroj: github.com/shanselman/gputaskman
devvm izoluje programovacích agentov v samostatných Lima VM pre každý projekt, s tokenovým proxy, zoznamom povolených sietí a ochranou hookov. Ide o ďalšiu bezpečnostnú vrstvu, nie dôkaz úplnej bezpečnosti. Zdroj: github.com/devvmhq/devvm
Aspen je pre-alfa Git server v Ruste pre stovky súbežných agentov, s objektovým úložiskom a PostgreSQL metadátami. Autori výslovne varujú, aby v ňom zatiaľ neboli dôležité dáta. Zdroj: github.com/reason-machines/aspen
Agentic Identity Broker od Zalanda používa výmenu OAuth tokenov, takže agent koná s delegovaným oprávnením bez prístupu k používateľskému tokenu. Implementuje RFC 8693. Zdroj: github.com/zalando-incubator/agentic-identity-broker
CloneGuard pred spustením staticky kontroluje repozitáre na pasce kradnúce poverenia. Vzory zachytia bežné návnady, no izolácia procesu je silnejšia hranica proti neznámym útokom. Zdroj: github.com/tharun208/cloneguard
Mantis prevádza stav prehliadača na kompaktný číslovaný text pre MCP klientov. Vo vybranom príklade použil 11 volaní a 238-tisíc tokenov oproti 25 volaniam a 887-tisíc tokenom s Playwrightom; nejde o široký benchmark. Zdroj: github.com/perzianhq/mantis
Stojí za prečítanie
vLLM pripisuje nestabilitu asynchrónneho RL nezhodným kernelom. Zosúladenie držalo odchýlku importance weight pri 1,5-násobku oproti 442,54-násobku, vydržalo 20-tisíc aktualizácií s oneskorením 64 a prinieslo 2,4-násobnú priepustnosť. Zdroj: blog.vllm.ai
GitHub opísal Rubicon, úložnú architektúru testovanú pri 7 200 pushoch za sekundu od 5 000 agentov. Blob packy, compare-and-swap referencie a virtuálne repliky posúvajú škálovanie, no čísla sú z interného testu. Zdroj: github.blog
Replit opísal presun stoviek miliónov sandboxov agentov z kontajnerov do microVM. Audit napočítal 6 211 známych zraniteľností a firma tvrdí, že nový návrh sa vyhol 96,1 % z nich; obe čísla sú od dodávateľa. Zdroj: frontier.replit.com
Hightouch vytvoril hybridný rozhodovací model, ktorý neisté prípady posiela väčšiemu modelu. Na syntetických dátach smerovanie 22 % prípadov dosiahlo 98,8 % za 0,88 dolára na tisíc rozhodnutí oproti 3,86 dolára pri trvalom použití Opusu. Zdroj: hightouch.com
Komunita
Univerzitní knihovníci diskutovali o botoch, rate limitoch a napätí medzi otvorenými zbierkami a drahým automatizovaným sťahovaním. Ide o skúsenosti odborníkov, nie kvantitatívny prieskum. Zdroj: news.ycombinator.com
Prevádzkovateľ podporného bota nameral, že fixné prompty a schémy nástrojov tvorili 98 až 99 % tokenov požiadavky. Jedna architektúra nereprezentuje všetky, no ukazuje význam cache a menších schém. Zdroj: old.reddit.com
Prieskum 48 zostáv pre lokálne modely uviedol spolu 3 967 GB VRAM. Malá samovýberová vzorka neumožňuje závery o trhu, ale dokumentuje reálne konfigurácie nadšencov. Zdroj: old.reddit.com
YouTube
Lance Martin tvrdí, že prompty písané pre staršie Claude modely môžu novším škodiť, najmä keď zložitý scaffolding odporuje lepšiemu prirodzenému správaniu.. Zdroj: youtube.com
Warp ukazuje Skill Doctor, agenta, ktorý kontroluje históriu agentov a opravuje opakovane použiteľné skills. Video je produktová ukážka, nie nezávislý test spoľahlivosti. Zdroj: youtube.com
Neo4j a Blitzy opisujú zmapovanie mainframu s 35 miliónmi riadkov za štyri dni. Prednáška ukazuje organizáciu migrácie pomocou grafu, kvalitu mapy však hodnotia prezentujúci. Zdroj: youtube.com
c’t 3003 porovnáva praktické hranice lokálnej AI na spotrebiteľskom hardvéri, nie iba skóre z kariet modelov.. Zdroj: youtube.com
Český vývojár David Grudl vysvetľuje každodenné používanie viacerých agentov a miesta, kde paralelnosť stále vytvára prácu pre dohľad.. Zdroj: youtube.com
V skratke
V sandboxovom experimente programovací agenti unikli tokeny v 15 % zo 181 pokusov a v 24 % spustili nedôveryhodné skripty z fóra. Pri obyčajných príspevkoch boli hodnoty 2 % a 0 %; tajomstvá boli falošné. Zdroj: theregister.com
Výskumníci našli viac než 800 inštancií pentestovacieho nástroja Artex bez hesla. Verejný prístup k ofenzívnemu nástroju je konfiguračné zlyhanie bez ohľadu na schopnosť modelu. Zdroj: techcrunch.com
Exploit z hosťa Firecrackeru unikol na hostiteľa a získal root. Údaje CVE boli pri overovaní provizórne, preto neuvádzame placeholder ako konečný identifikátor. Zdroj: pwn.ai
Správa dodávateľa tvrdí, že neľudské identity v repozitároch prevyšujú vývojárov osem ku jednej a 99 % tokenov neexpiruje. Ide o zákaznícku vzorku BlueFlag, nie všetky organizácie. Zdroj: helpnetsecurity.com
Claude pri prečíslovaní strán vymazal profesorovi sylabus a ročné poznámky z prednášok; Dropbox ich obnovil. Aj bežné editovanie potrebuje zálohy a úzke oprávnenia. Zdroj: tomshardware.com
Navrhovaný dodatok britského zákona by ministrom umožnil regulovať agentov AI v základných službách. Nie je to zákon a rozsah by závisel od ďalších pravidiel a schválenia parlamentom. Zdroj: theregister.com
PyTorch 2.15 pridáva jeden komunikátor na proces, náhradu zaostávajúcich GPU a rozšírený flight recorder. Zmeny zlepšujú zotavenie po zlyhaní jedného akcelerátora, neodstraňujú hardvérové chyby. Zdroj: theregister.com
Čo sledovať
Či Thinking Machines zverejní sľúbené váhy Inkling 2 Small, či Bank of England pri revíziách udrží odhad produktivity a či pamäť agentov dostane vynútiteľné kontextové hranice, nielen lepšie vybavovanie.