Agenci za nas pracują 3,1 dnia — sprawdź jak

OpenAI po raz pierwszy ujawnia dane z wnętrza swojej organizacji badawczej: agenci wykonują już 3,1 „dnia pracy" na każdy ludzki dzień. Do tego Nvidia ogłasza AGI, Ant Group cicho wypuszcza taniego modela agentowego, a wydawcy pozywają OpenAI o zniszczenie modeli.

Treść tej strony została w całości wygenerowana przez system sztucznej inteligencji, bez udziału redakcyjnego człowieka (art. 50 ust. 4 Rozporządzenia (UE) 2024/1689 — AI Act).

Wstęp · Alex

Ten tydzień zaczął się od liczby, którą warto zapamiętać: 3,1. Tyle ośmiogodzinnych „dni pracy" wykonują agenci OpenAI na każdy dzień pracy człowieka — firma po raz pierwszy pokazuje takie dane z wnętrza swojego zespołu badawczego. Do tego Jensen Huang ogłasza, że GPT-6 Astra osiągnął AGI (krytycy mają wątpliwości, ale liczby o infrastrukturze mówią same za siebie), a Ant Group cicho wypuszcza otwartego, taniego modela agentowego. W Brukseli tymczasem bez niespodzianek: egzekucja obowiązków GPAI trwa, ale emocje przeniosły się do USA. W tym wydaniu znajdziesz też pozew Seattle Times i Newsday przeciwko OpenAI i Microsoft — wydawcy chcą m.in. zniszczenia modeli, co może zmienić ekonomię trenowania LLM — oraz techniczną nowość od Nvidii: darmowy PAIR, który łączy Twoje GPU w domowy klaster. W sekcji tech sprawdzam, jak Claude Code trafił w ręce cyberprzestępców, i co zrobić z zero-day w Magento. Na koniec wskazówka dnia: jak zmierzyć realną pracę agentów we własnym zespole.

Co warto wiedzieć

OpenAI ujawnia: agenci wykonują 3,1 dnia pracy na każdy ludzki dzień

W raporcie „Research acceleration" OpenAI pokazuje dane z wewnętrznego zespołu badawczego: od połowy sierpnia agenci zużywają równowartość 3,1 ośmiogodzinnych zmian na każdy dzień pracy człowieka, a całkowity czas działania agentów przekroczył czas ludzi już w czerwcu. Firma deklaruje osiągnięcie celu pełnego „automated AI researcher" na marzec 2028. To pierwsze tak konkretne publiczne dane o tym, ile pracy badawczej realnie wykonują już agenci — i ile kosztuje inferencja: mediana badacza to ponad 600 USD dziennie.

Jensen Huang: GPT-6 Astra osiągnął AGI. Krytycy studzą entuzjazm

Prezes Nvidii napisał na X, że GPT-6 Astra „osiągnął AGI", podając, że model trenowano na ponad 100 000 systemów Grace Blackwell NVLink72, a kolejne 400 000 GPU ma wkrótce wejść online. Wcześniej opublikował wpis ze znacznie większą liczbą, który usunął — a krytycy jak Gary Marcus wskazują na interes Nvidii w promowaniu wydatków na GPU. Dla deweloperów liczą się jednak same liczby: skala infrastruktury, która ukształtuje dostępność mocy obliczeniowej.

Ant Group po cichu wypuszcza LLaDA2.2-mini — tani model agentowy na Apache 2.0

Na Hugging Face bez ogłoszenia pojawił się inclusionAI/LLaDA2.2-mini — 16-miliardowy model MoE (1,4 mld aktywnych parametrów na token) z rodziny dyfuzyjnych modeli językowych, trenowany głównie pod agentowe użycie narzędzi, nie ogólny czat. Licencja Apache-2.0 i kontekst 128K sprawiają, że to ciekawa, tania baza pod własne deploymenty i pełną kontrolę. Dyfuzyjne LLM to coraz poważniejsza alternatywa dla modeli autoregresyjnych — także pod względem kosztów inferencji.

NVIDIA PAIR zamienia Twoje komputery w domowy klaster AI

Personal AI Router to darmowa publiczna beta na Windows, macOS i Linux, która łączy komputery z GPU RTX, systemy DGX Spark i Maci M4+ w lokalny klaster inferencyjny. Aplikacje i agenci kierują zapytania do jednego endpointu, który rozdziela je na dostępne moce — bez wysyłania promptów i plików do chmury. Dla builderów agentów to pierwsza tak prosta droga do tańszej, prywatnej inferencji opartej na „śpiącej" mocy GPU.

Seattle Times i Newsday pozywają OpenAI i Microsoft. Chcą zniszczenia modeli

Wydawcy zarzucają firmom trenowanie ChatGPT, Copilota i Bing AI na dziesiątkach tysięcy artykułów (w tym za paywallem) bez zgody i wynagrodzenia, a w pozwie żądają m.in. nakazu zniszczenia zbiorów treningowych i modeli, które je zawierają. Sprawa rozszerza spór o naruszenia znaków towarowych i fałszywe przypisania tekstów przez AI. Jeśli sąd przychyli się do żądań, powstanie precedens zmieniający ekonomię trenowania LLM na danych wydawców.

Ze świata tech

Claude Code w rękach cyberprzestępców — agent w pełnym łańcuchu ataku

Raport Gambit Security dokumentuje, jak członek grupy Ransomware-as-a-Service „The Gentlemen" używał agenta Claude Code na każdym etapie — od ataków na VPN, przez enumerację Active Directory, po dumpy baz danych. To jedno z pierwszych udokumentowanych zastosowań agentów AI w realnych atakach i obalenie mitu, że LLM-y służą tylko do phishingu.

Zero-day w Magento i Adobe Commerce — backdoory w sklepach bez logowania

Atakujący wykorzystują niezałataną lukę zero-day do zdalnego wykonywania kodu i instalowania backdoorów w sklepach internetowych. Sansec publikuje wskaźniki kompromitacji (m.in. nagłówek X-TRACE-) i zaleca rotację crypt/key, haseł adminów oraz kluczy API — hostingowcy masowo reagowali na incydent 5 września.

Wskazówka dnia

Mierz agento-dni we własnym zespole

Zanim podejmiesz decyzję, czy agenci się opłacają, policz ich realny wkład tak, jak liczysz pracę ludzi. Zdefiniuj jednostkę zadania (przegląd kodu, research, przygotowanie raportu), oszacuj, ile czasu zająłby człowiek, i porównaj z kosztem inferencji, który realnie ponosisz. Przez tydzień zapisuj każde zadanie przekazane agentowi, szacowany czas ludzki i koszt API (znajdziesz go w dashboardzie usługodawcy). Po siedmiu dniach policz, ile „agento-dni" odzyskał Twój zespół — i tam, gdzie liczba robi się znacząca, wpiń agenta głębiej w codzienny workflow, zamiast traktować go jako eksperyment.

Narzędzie wydania

NVIDIA PAIR — darmowy router AI, który składa Twoje GPU w domowy klaster

Personal AI Router (publiczna beta) łączy komputery z GPU RTX, systemy DGX Spark i Maci M4+ w jeden lokalny endpoint inferencyjny. Zapytania od aplikacji i agentów trafiają tam, gdzie jest wolna moc — a prompt nie opuszcza Twojej sieci.

Do przeczytania

Research acceleration: view inside OpenAI

Pierwsze tak konkretne publiczne dane o pracy agentów w laboratorium — z kosztami inferencji włącznie (mediana badacza to ponad 600 USD dziennie). Obowiązkowa lektura dla każdego, kto planuje „zespoły agentów".

Claude Code jako narzędzie w rękach cyberprzestępców

Raport Gambit Security pokazuje agenta AI w pełnym łańcuchu realnego ataku RaaS. Warto znać taktyki przeciwnika, zanim sami wpięcie agentów w swoje systemy.

Nagłówki o AGI ekscytują, ale prawdziwa zmiana dzieje się tam, gdzie agenci po cichu przejmują nasze ośmiogodzinne zmiany.

Informacja wymagana na mocy art. 50 Rozporządzenia (UE) 2024/1689 (AI Act): cała treść tej strony została wygenerowana automatycznie przez system sztucznej inteligencji działający w imieniu Dakarda Studio, bez weryfikacji ani udziału redakcyjnego człowieka przed publikacją. Za publikację odpowiada Dakarda Studio, Dawid Bińkowski, ul. Piotrkowska 35, 90-410 Łódź, NIP: 9492074226, contact@dakarda.com.

Chcesz następne wydanie na skrzynkę?

Subskrybuj — każde wydanie prosto do Ciebie.

← Poprzednie wydanie

← Archiwum Newslettera AI