Poranny przegląd AI - 2026-10-16

Damian Giebas · 16 października 2026

Najważniejsze #

Meta wypuściło Muse Spark Open - otwarty model multimodalny oparty na architekturze mixture of experts (816B parametrów łącznie, 42B aktywnych, kontekst 1M), opisywany jako najzdolniejszy otwarty model pochodzący z USA, kierowany do kodowania i zadań agentowych. To ważne, bo stawia amerykańską konkurencję naprzeciw dominujących dotąd otwartych modeli z chińskich laboratoriów. https://huggingface.co/blog/meta-muse-spark-open https://www.reddit.com/r/LocalLLaMA/comments/1x6r9pz/introducing_muse_spark_open_the_most_capable_us/

Anthropic poinformowało inwestorów o wzroście przychodu kwartalnego o blisko 50%, do 16,8 mld USD, tuż przed planowanym IPO. Pokazuje to, jak szybko rośnie skala komercyjna firmy przed wejściem na giełdę. https://simonwillison.net/2026/Oct/15/anthropic-tells-investors/

OpenAI uruchomiło Rosalind Academic Plan - sponsorowany dostęp do GPT-Rosalind i narzędzi dla kwalifikujących się laboratoriów akademickich zajmujących się badaniami biologicznymi. To realny krok w stronę wejścia modeli AI do nauki akademickiej, poza typowym użyciem komercyjnym. https://openai.com/index/introducing-the-rosalind-academic-plan

Modal ogłosiło 1 mld USD ARR oraz rundę Series D przy wycenie 16 mld USD, z trzykrotnym wzrostem użycia i wyceny w ciągu 5 miesięcy. Sygnalizuje to, jak szybko rośnie rynek infrastruktury do uruchamiania kodu i agentów (sandboxes). https://www.latent.space/p/ainews-modals-1b-arr-16b-series-d

ARC Prize ogłosiło pierwszą nagrodę milowego kamienia dla ARC-AGI-3 - kolejny krok w ocenie postępów w kierunku ogólnej inteligencji maszynowej mierzonej tym benchmarkiem. https://arcprize.org/blog/arc-prize-2026-milestone-1

Modele i wydania #

FLUX.3 Image Klein (Black Forest Labs) - otwarty model do generowania i edycji obrazów o 5,6B parametrów. Przyjmuje prompt i do 10 obrazów referencyjnych, obsługując w jednym modelu text-to-image, edycję z jednym odniesieniem i kompozycje z wielu odniesień; jako enkoder tekstu wykorzystuje Qwen3-VL-4B-Instruct. https://huggingface.co/blog/flux-3 https://www.reddit.com/r/LocalLLaMA/comments/1x6s7el/flux3_image_klein_is_now_out/

Granite Switch 4.1 od IBM - jeden endpoint obsługujący czat, podejmowanie decyzji i mowę z jednego modelu. https://huggingface.co/blog/ibm-granite/granite-switch-4-1

NVIDIA wypuściła rodzinę Nemotron 3.5: Bolt 74B-A9B to model wizyjno-językowy z natywną kwantyzacją 2-bit, zmieszczony w 24GB, do lokalnych zadań agentowych; Super-VL 120B-A12B wyszedł w wariantach base, NVFP4 i BF16, z dekodowaniem spekulacyjnym LiLiCorr. https://www.reddit.com/r/LocalLLaMA/comments/1x6o31q/nvidianvidianemotron35bolt74ba9b24gb_hugging_face/ https://www.reddit.com/r/LocalLLaMA/comments/1x6nl8m/nvidianvidianemotron35supervl120ba12b_model/

Fish Audio wypuściło Drama 3 (35B3A, architektura mixture of experts) - nowy model text-to-speech, uznawany przez społeczność za aktualnego lidera w tej kategorii; działa dobrze na DGX Spark, a kwanty 4-bit są bliskie oryginałowi. https://www.reddit.com/r/LocalLLaMA/comments/1x6f9p2/new_tts_king_in_town_fishs_drama_3_35b3a/

StepFun pokazało Step-5-Preview (600B parametrów, 27B aktywnych, kontekst 1M) - flagowy model do pracy agentowej, mocny w inżynierii oprogramowania i pracy w finansach. https://www.reddit.com/r/LocalLLaMA/comments/1x6dx5x/stepfun_step5preview_released_600b27b1m_context/

Badania #

CommerceGen-Studio proponuje framework end-to-end do generowania zdjęć produktowych klasy komercyjnej dla e-commerce, oparty na trzyetapowym pipeline: ekstrakcja informacji, przepisanie semantyczne i generowanie z wieloma warunkami (z agentem PERL do iteracyjnego doszlifowywania promptu). https://huggingface.co/papers/2610.20603

DeltaStreamer wprowadza agentowy framework do rozumienia strumieniowego wideo, inspirowany tym, jak ludzie obserwują, zapamiętują i dopytują się o szczegóły - odpowiada na problem, że systemy muszą zatrzymywać dowody zanim wiadomo, jakie pytania padną w przyszłości. https://huggingface.co/papers/2610.19849

Praca o routing policy optimization bada, jak wprowadzić stochastyczną eksplorację do uczenia ze wzmocnieniem dla generatorów dyfuzyjnych bez kosztownego, opartego na rollout’ach podejścia perturbującego trajektorię odszumiania. https://huggingface.co/papers/2610.22282

Velox wprowadza pamięć przestrzenną do modeli świata wideo, by rozwiązać problem utrzymania spójnej pamięci wizualnej przy generowaniu długich, interaktywnych rolloutów bez utraty responsywności. https://huggingface.co/papers/2610.22311

WorldMemBench to benchmark oceniający pamięć modeli świata wideo - sprawdza, jak dobrze modele zachowują wcześniej obserwowaną treść i zapewniają spójną ewolucję świata w czasie. https://huggingface.co/papers/2610.19063

Praktycy i ekosystem #

Simon Willison opisał swój eksperyment Chirp Pong - gra dwuosobowa w statycznym HTML, w której komunikacja sieciowa między dwoma telefonami odbywa się za pomocą dźwięków (chirpów) wysyłanych przez mikrofon. https://simonwillison.net/2026/Oct/15/chirp-pong/

Warte kliknięcia #

← Wróć do archiwum przeglądów