Google udostępnił Gemini Decisions API (model Gemini Decision 1), wchodząc do nowej kategorii modeli decyzyjnych obok Jev i OpenAI - obsługuje pytania typu tak/nie, wybór z opcji oraz ocenę rubrykową, a cennik ma być zbliżony do konkurencji. To sygnał, że API skoncentrowane na podejmowaniu decyzji (nie generowaniu tekstu) staje się osobnym segmentem rynku. https://simonwillison.net/2026/Nov/11/gemini-decisions-api/
AWS wypuściło własny, oficjalny emulator swoich usług (aws-emulator), napisany w Rust w całości przez roje agentów AI - niemal 30 tysięcy commitów w pierwsze trzy tygodnie projektu. To jeden z największych jak dotąd przykładów produkcyjnego kodu infrastrukturalnego napisanego przez agentów na dużą skalę. https://simonwillison.net/2026/Nov/11/aws-emulator/https://github.com/aws/aws-emulator
Anthropic opublikowało wideo roadshow przed swoim IPO, zawierające wcześniej nieujawnione informacje o podejściu firmy do compute, w tym wypowiedzi współzałożyciela Toma Browna o treningu i serwowaniu modeli. Rzadki wgląd od wewnątrz w ekonomię dużego laboratorium AI. https://simonwillison.net/2026/Nov/11/anthropic-ipo-roadshow/
Mercor zebrał 750 mln dolarów w rundzie Series D przy wycenie 20 mld dolarów i run-rate 3 mld dolarów, a Google udostępniło ogólnie dostępny Gemini 4 Carbon - oba wątki wskazują na dalsze, szybkie przyspieszenie inwestycji i infrastruktury wokół modeli i agentów. https://latent.space/p/ainews-mercor-750m-series-d-at-20b-valuation-3b-run-rate/
NVIDIA wypuściła Alpamayo 2 Edge, otwarty model do samodzielnej jazdy trenowany w pętli RL, przyjmujący obraz z sześciu kamer i ostatni ruch pojazdu; firma Embedl udostępniła zoptymalizowaną wersję ponad dziesięciokrotnie szybszą od PyTorch na sprzęcie klasy AGX Thor. https://www.reddit.com/r/LocalLLaMA/comments/1xtmeif/open_source_self_driving_is_here/
BotPsy to agentowy model językowy poniżej miliarda parametrów, zaprojektowany jako osobisty asystent działający lokalnie na urządzeniu. https://huggingface.co/blog/qvac/botpsy
Evidence-Linked Memory ogranicza zjawisko memory-induced degradation u agentów LLM - problem polega na tym, że pamięć zewnętrzna czasem prowadzi agenta do powtarzania błędnej lekcji z przeszłości; rozwiązaniem jest wiązanie zapisanych lekcji z konkretnymi dowodami z trajektorii. https://huggingface.co/papers/2611.14320
Embodied First Exam sprawdza, czy agenci kodujący mogą w sposób niezawodny kontrolować różne roboty w warunkach fizycznych, wykraczając poza dotychczasowe benchmarki oparte na uczeniu polityk visuomotor. https://huggingface.co/papers/2611.12177
MACaQ to metoda kwantyzacji wag i aktywacji MXFP4 W4A4 niezależna od architektury modelu, która eliminuje potrzebę kosztownej optymalizacji i transformacji bazy specyficznej dla danej sieci. https://huggingface.co/papers/2611.10649
One Table Benchmark testuje generalistyczne modele tabelaryczne jednocześnie w generowaniu danych, imputacji i predykcji, sprawdzając czy jeden model radzi sobie dobrze z wszystkimi trzema zadaniami naraz. https://huggingface.co/papers/2611.13001
Zerowanie mniej niż 0.05 procent wag pretrenowanego LLM, bez żadnej innej modyfikacji, dorównuje pełnemu fine-tuningowi w trzech różnych reżimach post-treningu, w tym w uczeniu ze wzmocnieniem z weryfikowalnymi nagrodami. https://huggingface.co/papers/2611.10866
Simon Willison dodał przeglądanie po tagach do swojej kolekcji 244 narzędzi vibe-coded na tools.simonwillison.net, wygenerowane przez Fable 5.2 analizujące kod za pomocą tree-sitter. https://simonwillison.net/2026/Nov/11/tools-tags/