Autor: Franczeska

  • Kimi Code CLI w wersji 1.31.0: szybsza nawigacja w katalogach, solidniejsza autoryzacja i nowe funkcje w shellu

    Kimi Code CLI w wersji 1.31.0: szybsza nawigacja w katalogach, solidniejsza autoryzacja i nowe funkcje w shellu

    MoonshotAI właśnie wypuścił nową wersję swojego narzędzia dla programistów – Kimi Code CLI 1.31.0. Ta aktualizacja koncentruje się na poprawie ergonomii pracy w terminalu, wprowadzając praktyczne ulepszenia w nawigacji między plikami, mechanizmach autoryzacji oraz interaktywności shellu. CLI, czyli agent AI działający z poziomu linii poleceń, ma teraz lepiej wspierać zadania związane z kodowaniem, automatyzacją workflowów i operacjami DevOps, bez konieczności wychodzenia z terminala.

    Najważniejsze nowości w wersji 1.31.0

    • Widok drzewa z limitem głębokości – dla dużych katalogów wyświetla tylko kilka poziomów, co zapobiega zapełnianiu ekranu.
    • Mechanizm odświeżania tokenów OAuth z blokadą między procesami – zapobiega konfliktom i zwiększa stabilność logowania.
    • Nowa komenda /btw – umożliwia zadawanie dodatkowych pytań podczas strumieniowania odpowiedzi modelu.
    • Wyszukiwarka sesji ograniczona do katalogu – ułatwia przełączanie kontekstu w danym projekcie.
    • Lepsze odnajdywanie plików poprzez integrację z Git – agent inteligentniej podpowiada w oparciu o istniejące odniesienia w repozytorium.

    Wydanie 1.31.0 jest częścią regularnego cyklu rozwoju Kimi Code CLI, które można zainstalować jako pakiet Python via PyPI lub uv. Narzędzie integruje model Kimi od Moonshot AI, co umożliwia naturalną komunikację z AI w zadaniach takich jak pisanie i modyfikacja kodu, zrozumienie projektów czy automatyzacja skryptów. Działa zarówno w trybie interaktywnym (kimi), webowym (kimi web) oraz jako serwer Agent Client Protocol (ACP) dla IDE i edytorów.

    • Ulepszenie nawigacji w katalogach jest jedną z najbardziej oczekiwanych zmian. Wcześniej polecenie tree dla dużych struktur katalogów mogło generować nieczytelne listy. Nowy widok drzewa z ograniczeniem głębokości automatycznie pokazuje tylko kluczowe poziomy, co przyspiesza orientację w projekcie. Dodatkowo wprowadzono wyszukiwarkę sesji ograniczoną do katalogu, która pozwala szybko zmienić kontekst pracy bez potrzeby wychodzenia z aktualnego projektu – przydatne zwłaszcza w środowiskach monorepo.

    • Autoryzacja została wzmocniona poprzez mechanizm odświeżania tokenów OAuth z blokadami między procesami. Wcześniej, gdy kilka instancji CLI (np. terminal i rozszerzenie VS Code) próbowały odświeżyć token jednocześnie, mogły występować konflikty i konieczność ponownego logowania. Nowy system koordynuje te operacje, zapewniając, że odświeżony token jest poprawny i dostępny dla wszystkich procesów. To eliminuje sytuacje, w których sesja "wypadała" z powodu problemów z tokenem.

    Interaktywność shellu zyskała nową funkcję: komenda `/btw`. Jeśli model strumieniuje długą odpowiedź lub wykonuje sekwencję poleceń, użytkownik może teraz wpisać /btw i zadać dodatkowe pytanie bez przerywania głównego procesu. Agent zapamięta kontekst i odpowiednio zareaguje. Dodatkowo naprawiono kilka błędów związanych z renderingiem w shellu, takich jak wyciek stylów markdown z Rich, który powodował nieprawidłowe kolory tła.

    • Integracja z Git została wykorzystana do poprawienia odnajdywania plików. Jeśli w historii rozmowy lub poleceń pojawia się odniesienie do pliku w repozytorium Git, agent może teraz inteligentniej go odnaleźć, korzystając z informacji o strukturze projektu. To zmniejsza ryzyko błędów przy wskazywaniu ścieżek.

    Oprócz tego wydanie zawiera ulepszoną diagnostykę błędów, która pomaga szybciej identyfikować źródło problemów w sesji, oraz różne stabilizujące poprawki w całym systemie. Kimi Code CLI 1.31.0 jest krokiem w stronę bardziej płynnej pracy z AI, która nie wymaga ciągłego przełączania między terminalem, edytorem i narzędziami. Wszystkie zmiany mają na celu zwiększenie produktywności w codziennych zadaniach web developmentu i DevOps.

    Źródła

  • Oracle zwalnia 30 tysięcy osób. 10 miliardów dolarów oszczędności idzie na sztuczną inteligencję

    Oracle zwalnia 30 tysięcy osób. 10 miliardów dolarów oszczędności idzie na sztuczną inteligencję

    Firma Oracle rozpoczęła w 2026 roku masową falę zwolnień, która ma objąć około 30 tysięcy pracowników na całym świecie, co stanowi około 18% jej globalnego zespołu. Decyzja ta wynika z istotnej zmiany strategii, w której korporacja koncentruje się na sztucznej inteligencji i budowie centrów danych. Oszczędności, szacowane na około 10 miliardów dolarów, mają zostać przeznaczone na znaczące inwestycje w infrastrukturę AI.

    Pracownicy otrzymywali powiadomienia o rozwiązaniu umowy drogą elektroniczną już od godziny 6:00 rano, informując, że ostatnim dniem pracy jest dzień doręczenia maila. Dostęp do systemów firmy był blokowany natychmiast. Ta skala i sposób przeprowadzenia cięć wstrząsnęły branżą, choć Oracle podkreśla, że nie jest to oznaka kłopotów finansowych, a świadomej reorientacji biznesu.

    Kluczowe fakty

    • Skala zwolnień: Nawet 30 tysięcy etatów na całym świecie, przy czym Indie są jednym z regionów najbardziej dotkniętych redukcjami. To około 18-20% całej siły roboczej Oracle.
    • Metoda wykonania: Zawiadomienia wysyłane emailowo o 6:00, z natychmiastowym odcięciem dostępu do systemów firmy. Ostatni dzień pracy to dzień otrzymania wypowiedzenia.
    • Oszczędności finansowe: Planowane cięcia mają przynieść oszczędności rzędu około 10 miliardów dolarów. Część z nich pochodzi z redukcji kosztów operacyjnych, jak subskrypcje oprogramowania.
    • Inwestycje w AI: Oracle planuje znaczące inwestycje w projekty związane z centrami danych i infrastrukturą dla sztucznej inteligencji, z przewidywaną kwotą 50 miliardów dolarów w roku fiskalnym 2026.
    • Kontekst branżowy: Ruchy Oracle wpisują się w szerszą falę zwolnień w sektorze technologicznym, gdzie w 2025 roku zlikwidowano ponad 153 tysiące miejsc pracy, co jest wynikiem automatyzacji i przenoszenia kapitału w kierunku AI.

    Strategiczny zwrot kosztem ludzi

    Oracle jasno komunikuje, że zwolnienia są wynikiem świadomego wyboru strategicznego, a nie spowolnienia sprzedaży. Firma wskazuje na "redundancję" pewnych stanowisk z powodu automatyzacji przez AI. Celem jest uwolnienie środków na inwestycje w chmurę i centra danych, które są niezbędne do konkurowania z takimi gigantami jak Microsoft Azure czy AWS w dostarczaniu mocy obliczeniowej dla modeli generatywnej sztucznej inteligencji.

    Mimo że Oracle odnotowuje silne przychody, inwestycje w AI znacznie obciążają jego przepływy pieniężne. Dlatego kierownictwo uznało, że najszybszym sposobem na pozyskanie kapitału są drastyczne cięcia kosztów osobowych. To podejście polega na likwidacji tysięcy miejsc pracy, aby sfinansować budowę infrastruktury, która te miejsca pracy, przynajmniej częściowo, zastąpi.

    Sztuczna inteligencja jako motor i niszczyciel

    Sztuczna inteligencja jako motor i niszczyciel

    Dla profesjonalistów z obszarów web developmentu, DevOps czy hostingu, ruchy Oracle są wyraźnym sygnałem nadchodzących zmian. Firma, będąca ważnym graczem w ekosystemie baz danych i rozwiązań chmurowych, pokazuje, gdzie płyną pieniądze i uwaga całej branży. Inwestycje koncentrują się na serwerach, procesorach GPU, sieciach i oprogramowaniu do zarządzania AI, a nie na tradycyjnych zespołach wsparcia, rozwoju czy sprzedaży.

    To potwierdza trend, który zyskuje na sile. Role związane z rutynowymi, powtarzalnymi zadaniami – w kodowaniu, testowaniu, administracji czy obsłudze klienta – są pierwszymi, które zostaną zautomatyzowane przez zaawansowane modele AI. Oracle nie jest tu osamotniony; podobne cięcia przeprowadzały w ostatnich miesiącach Amazon, Meta, Microsoft czy Intel.

    Wnioski dla branży tech

    Decyzja Oracle jest istotnym punktem w dyskusji o przyszłości pracy w sektorze technologicznym. Z jednej strony firmy inwestują znaczne sumy w nowe technologie, co tworzy zapotrzebowanie na wysoko wyspecjalizowanych inżynierów AI, architektów chmurowych i specjalistów od bezpieczeństwa. Z drugiej strony, masowo pozbywają się ról, które przez dekady były filarem ich działalności.

    To także lekcja dla developerów i inżynierów DevOps. Umiejętność pracy z AI, fine-tuning modeli, integracja usług chmurowych i zarządzanie infrastrukturą pod kątem obciążeń AI stają się kluczowe. Historia Oracle pokazuje, że nawet dla giganta z dużymi przychodami, ten zwrot strategiczny jest bolesny i wymaga radykalnych decyzji. Wyścig o dominację w erze sztucznej inteligencji wszedł w fazę, w której stawką są nie tylko miliardy dolarów, ale także dziesiątki tysięcy ludzkich karier.

  • Bugbot uczy się na błędach i zyskuje wsparcie MCP w najnowszej aktualizacji Cursor

    Bugbot uczy się na błędach i zyskuje wsparcie MCP w najnowszej aktualizacji Cursor

    Cursor, popularne środowisko programistyczne wspomagane sztuczną inteligencją, wprowadziło nowe uaktualnienie dla swojego narzędzia do automatycznej recenzji kodu, Bugbot. Najnowsza wersja umożliwia Bugbotowi samodzielne uczenie się na podstawie informacji zwrotnej z pull requestów oraz dodaje integrację z zewnętrznymi narzędziami poprzez protokół MCP. Te zmiany, w połączeniu z ulepszeniami funkcji Autofix, pozwoliły osiągnąć rekordową skuteczność na poziomie 78% w automatycznym rozwiązywaniu wykrytych problemów.

    Jednym z kluczowych elementów aktualizacji jest mechanizm Learned Rules (wyuczone reguły). Bugbot przestał być statycznym zbiorem zasad i stał się dynamicznym systemem, który analizuje setki tysięcy recenzji dziennie, aby dostosować się do praktyk konkretnego zespołu. Narzędzie obserwuje sygnały z pull requestów, takie jak reakcje programistów na komentarze, odpowiedzi na nie oraz uwagi od ludzkich recenzentów dotyczące przeoczonych problemów. Na tej podstawie generuje kandydackie reguły, które są testowane na kolejnych PR-ach. Reguły, które zbierają pozytywne sygnały, są automatycznie promowane, a te, które nie przynoszą korzyści, są wyłączane.

    Kluczowe informacje o aktualizacji

    • Samouczące się reguły: Bugbot analizuje reakcje, odpowiedzi i komentarze w pull requestach, aby generować i promować własne, dostosowane do projektu reguły recenzji kodu.
    • Wsparcie MCP: Integracja z protokołem MCP (Model Context Protocol) umożliwia Bugbotowi dostęp do zewnętrznych serwerów i narzędzi w trakcie recenzji, co zapewnia głębszy kontekst dla złożonych systemów.
    • Rekordowa skuteczność: Połączenie nowych funkcji z ulepszonym Bugbot Autofix pozwoliło osiągnąć 78% wskaźnik rozwiązywania problemów, co jest najwyższym wynikiem w historii narzędzia.
    • Akcja "Fix All": Programiści mogą zastosować wszystkie sugerowane poprawki za pomocą jednej komendy, co znacznie przyspiesza pracę.

    Drugim istotnym elementem aktualizacji jest wsparcie MCP. Dzięki integracji z tym protokołem, Bugbot ma możliwość odpytywania zewnętrznych narzędzi i baz wiedzy w trakcie procesu recenzji. To rozwiązanie jest szczególnie istotne w przypadku skomplikowanych, rozproszonych architektur, gdzie zrozumienie kontekstu wymaga dostępu do dodatkowych źródeł. Konfiguracja serwerów MCP dla Bugbota jest dostępna przez dedykowany panel w planach Teams i Enterprise.

    Ulepszono także flagową funkcję Bugbot Autofix. Działa ona teraz bardziej precyzyjnie, uruchamiając się tylko dla istotnych znalezisk i stosując wyłącznie odpowiednie reguły. Dodano długo wyczekiwaną akcję „Fix All”, która pozwala zaakceptować i zastosować wiele poprawek jednym kliknięciem. Poprawiono również niezawodność integracji z CI/CD dla pull requestów na GitHubie.

    W kierunku autonomicznych i kontekstowych recenzji

    Te zmiany wpisują się w szerszy trend automatyzacji i personalizacji procesów developerskich. Przejście Bugbota z narzędzia egzekwującego reguły na system uczący się w locie oznacza, że jakość recenzji będzie ewoluować wraz z projektem i zespołem. Zamiast generować nieistotne uwagi, Bugbot ma się koncentrować na problemach, które naprawdę interesują programistów, wyciągając wnioski z ich codziennej pracy.

    Dostęp do zewnętrznego kontekstu za pośrednictwem MCP to krok w stronę recenzji, które rozumieją nie tylko sam kod, ale także jego otoczenie – zależności, konfigurację infrastruktury czy specyfikę domeny biznesowej. W praktyce może to przełożyć się na wykrywanie subtelniejszych błędów, które wymagają wiedzy wykraczającej poza pojedynczy plik źródłowy.

    Podsumowanie

    Aktualizacja Bugbota w Cursor to znaczący krok naprzód dla automatycznej recenzji kodu. Połączenie samouczenia z głębszym kontekstem od zewnętrznych narzędzi tworzy silną synergię. Rekordowy wskaźnik skuteczności napraw na poziomie 78% pokazuje, że te zmiany mają realny, pozytywny wpływ na codzienną pracę programistów. Dla zespołów korzystających z Cursor oznacza to mniej rutynowej pracy przy recenzjach i więcej czasu na rozwiązywanie złożonych problemów.

    Źródła

  • Kimi K2.6 Moonshot AI: Nowa Potęga wśród Modeli Kodujących Niszczy Rywali

    Kimi K2.6 Moonshot AI: Nowa Potęga wśród Modeli Kodujących Niszczy Rywali

    Moonshot AI oficjalnie wprowadził Kimi K2.6 – nową, zaawansowaną wersję swojego flagowego modelu sztucznej inteligencji, który jest przystosowany do zadań związanych z kodowaniem i działaniem jako agent. Model uzyskuje wysokie wyniki w benchmarkach, konkurując z takimi modelami jak Claude 3.5/3.7 Opus, GPT-4o/4.1 oraz Gemini 2.0/2.5 Pro. Oferuje przy tym efektywność w tworzeniu aplikacji z jednego promptu, a jego koszty są znacznie niższe niż u konkurencji. Kimi K2.6 ma potencjał, aby stać się jednym z najskuteczniejszych narzędzi dla programistów.

    Jednym z kluczowych elementów Kimi K2.6 jest jego architektura Mixture-of-Experts (MoE), która zawiera bilion parametrów, z których 32 miliardy są aktywne podczas każdego przebiegu. Taka konstrukcja zapewnia modelowi dużą wydajność i szybkość. Innowacją jest także natywna multimodalność, dzięki integracji z Kimi-VL, co umożliwia generowanie kodu na podstawie projektów UI lub zrzutów ekranu. Model obsługuje kontekst do 262 144 tokenów, co jest istotne dla złożonych, wieloetapowych zadań programistycznych.

    Kluczowe informacje

    • Wysoka wydajność: Kimi K2.6 uzyskuje konkurencyjne wyniki w benchmarkach kodowania, takich jak SWE-Bench Verified (około 60.4% dla pokrewnego modelu) oraz LiveCodeBench.
    • Architektura dla profesjonalistów: Model oparty na MoE z bilionem parametrów i 262K tokenami kontekstu, z natywną wizją lub integracją Kimi-VL do generowania kodu z projektów graficznych.
    • Moc agentów i niski koszt: Obsługuje do 100 równoległych sub-agentów oraz do 1500 wywołań narzędzi, przy koszcie inferencji zaczynającym się od około $0.0006 za 1K tokenów wejściowych na zewnętrznych platformach.

    Rewolucja vibe coding i full-stack development

    Kimi K2.6 został zaprojektowany z myślą o vibe codingu – procesie, w którym programista opisuje swoją wizję, a AI przekształca ją w kompletną, działającą aplikację. Model został zoptymalizowany do tworzenia pełnych rozwiązań full-stack z jednego, dobrze skonstruowanego promptu. Już teraz demonstruje swoje możliwości w generowaniu zaawansowanych animacji frontendowych, w tym wideo jako tła czy elementów 3D, oraz w budowaniu całych symulacji, takich jak przeglądarkowy system operacyjny czy symulator deskorolki w C++.

    Kimi K2.6 potrafi koordynować pracę grupy agentów. Do 100 równoległych sub-agentów może współpracować nad rozwiązywaniem złożonych problemów w całym repozytorium, automatycznie poprawiając błędy lub implementując nowe funkcjonalności. Model jest w stanie zarządzać długoterminowymi projektami, utrzymując spójność i kontekst przez cały proces.

    Szczegóły techniczne i wydajność

    Szczegóły techniczne i wydajność

    W porównaniu do konkurencji, Kimi K2.6 prezentuje się bardzo dobrze. W benchmarku SWE-Bench Verified, który ocenia zdolność do rozwiązywania rzeczywistych problemów z GitHub, uzyskuje wysokie wyniki. Na LiveCodeBench, oceniającym umiejętność kodowania w oparciu o najnowsze, niestandardowe problemy, model również osiąga dobre noty. Niski wskaźnik błędów przy edycjach diff w rzeczywistym kodzie pokazuje, że model dobrze rozumie kontekst i nie wprowadza przypadkowych zmian.

    Koszt inferencji jest znacznie niższy niż w przypadku komercyjnych API od OpenAI czy Anthropic. Dla deweloperów i firm, które chcą wdrożyć model, dostępność przez API (np. OpenRouter, Moonshot platform) zapewnia dużą elastyczność.

    Perspektywy dla branży deweloperskiej

    Wprowadzenie Kimi K2.6 przez Moonshot AI wskazuje na rozwój wyspecjalizowanych, potężnych i tanich modeli AI dla deweloperów. Model dorównuje czołowym, zamkniętym rozwiązaniom w kluczowych zadaniach koderskich, a jego użytkowanie jest znacznie tańsze. To narzędzie, które może przyspieszyć prototypowanie, automatyzować rutynowe zadania i umożliwić małym zespołom realizację projektów, które wcześniej wymagałyby znacznie większych zasobów.

    Integracja z istniejącymi workflow'ami jest prosta dzięki oficjalnemu SDK (npm install @moonshotai/kimi-sdk) oraz dedykowanemu CLI. Dla osób zajmujących się web developmentem, DevOps czy tworzeniem gier, Kimi K2.6 oferuje konkretną, praktyczną wartość już teraz.

  • Google Antigravity 1.22.2: Wprowadza Nowy System Uprawnień Agentów

    Google Antigravity 1.22.2: Wprowadza Nowy System Uprawnień Agentów

    Google opublikowało aktualizację 1.22.2 dla środowiska programistycznego Antigravity. Główną zmianą jest wprowadzenie systemu uprawnień dla agentów AI, który zastępuje dotychczasowe rozwiązania w zakresie bezpieczeństwa i kontroli nad automatyzacją kodu. Aktualizacja trafia do użytkowników etapami.

    Nowy mechanizm pozwala precyzyjnie określić, jakie działania agent może podejmować w imieniu programisty. Każda operacja – od wpisywania komend w terminalu po interakcje z przeglądarką i generowanie plików – jest teraz traktowana jako osobny zasób uprawnień. Dzięki temu użytkownicy mają większy wpływ na to, co dzieje się w ich lokalnym środowisku.

    Kontrola nad zadaniami agenta

    Agent w wersji 1.22.2 to system wnioskowania korzystający z modeli językowych klasy frontier. Narzędzie tworzy listy zadań, plany wdrożeń oraz nagrania z sesji w przeglądarce. Wcześniej zarządzanie tymi procesami było mało dokładne, co zmienia obecna aktualizacja.

    W panelu Agent Manager oraz w ustawieniach systemowych pojawiły się trzy główne zasady kontroli. Pierwsza z nich, polityka przeglądu artefaktów (Artifact Review Policy), określa sytuacje, w których agent musi zatrzymać pracę i poczekać na akceptację człowieka. Użytkownik może wybrać tryb „Always Proceed”, aby przyspieszyć proces, co jednak wiąże się z mniejszym nadzorem nad wynikami.

    Druga zasada dotyczy wykonywania poleceń w terminalu. Wykorzystuje ona listy dozwolonych i zabronionych komend (allowlists/blocklists). Pozwala to na automatyczne uruchamianie bezpiecznych operacji, takich jak npm install, przy jednoczesnym blokowaniu ryzykownych skryptów. Trzecia funkcja to polityka JavaScriptu w przeglądarce, która uniemożliwia uruchamianie niezaufanego kodu JS. Ma to chronić przed atakami typu prompt injection podczas testowania aplikacji.

    Naprawione błędy i problemy techniczne

    Wersja 1.22.2 eliminuje błąd, który powodował wyświetlanie zbędnych próśb o dostęp do terminala, nawet jeśli użytkownik zaznaczył opcję „Always run”. Dokumentacja potwierdza naprawę tej usterki, choć monity dotyczące adresów URL w przeglądarce mogą nadal występować.

    Wdrożenie nowych zabezpieczeń wiąże się też z pewnymi trudnościami. Wprowadzony wcześniej sandboxing (w wersji 1.21.6) wywołał u części osób problemy z uprawnieniami Dockera, głównie na systemie macOS. Ponieważ system wymusza aktualizacje do najnowszej wersji, niektórzy specjaliści DevOps nie mogą wrócić do starszego, stabilnego wydania. Odnotowano również przypadki błędów weryfikacji konta u użytkowników z aktywną subskrypcją, co prawdopodobnie wynika z przebudowy systemu autoryzacji.

    Bezpieczeństwo w pracy z AI i DevOps

    Nowy system uprawnień to kolejny etap rozwoju narzędzia w stronę bezpiecznego programowania wspomaganego przez AI. Dla osób pracujących w modelu „vibe coding” lub automatyzujących procesy DevOps, szczegółowe definiowanie uprawnień agenta ogranicza ryzyko przypadkowego usunięcia danych, uruchomienia złośliwego skryptu czy wejścia na niebezpieczną stronę podczas testów.

    Zmiany w wersji 1.22.2 przygotowują grunt pod dalszy rozwój autonomii agentów. Google dąży do modelu, w którym samodzielność sztucznej inteligencji jest ograniczona konkretnymi ramami ustawionymi przez człowieka. Dla zespołów zajmujących się tworzeniem stron internetowych i rozwojem AI oznacza to bardziej przewidywalne warunki pracy przy testowaniu nowych metod budowania aplikacji.

    Źródła

  • Windsurf wprowadza inteligentny router modeli i naprawia uciążliwy błąd

    Windsurf wprowadza inteligentny router modeli i naprawia uciążliwy błąd

    Najnowsza aktualizacja Windsurf, agentycznego środowiska programistycznego (IDE), wprowadza funkcję optymalizacji kosztów oraz poprawkę błędu, który utrudniał pracę części użytkowników. Główną nowością jest inteligentny router modeli. System ten automatycznie wybiera model AI najlepiej dopasowany do konkretnego zadania, co ma zapobiegać zbyt szybkiemu zużywaniu miesięcznego limitu tokenów. Producent naprawił również usterkę blokującą zmianę modelu po wysłaniu pierwszego zapytania i zwrócił wykorzystane limity osobom, które miały z tym problem.

    Zmiany te są reakcją na uwagi społeczności dotyczące tempa wyczerpywania się pakietów po modyfikacji systemu rozliczeń. Windsurf rywalizuje bezpośrednio z Cursorem i skupia się na poprawie wydajności oraz kontroli wydatków podczas pracy w trybie „vibe codingu”.

    Jak działa inteligentny router modeli?

    Inteligentny router modeli to nowa pozycja na liście wyboru modeli. System dynamicznie dobiera odpowiedni model bazowy (taki jak GPT, Claude czy Gemini) do każdego zapytania programistycznego. Najważniejszą cechą tego rozwiązania jest rozliczanie zużycia według stałej stawki za token, bez względu na to, który model premium zostanie faktycznie uruchomiony w tle.

    Mechanizm ten kieruje proste zadania do lżejszych i tańszych modeli, rezerwując zaawansowane jednostki dla trudniejszych problemów. Dzięki temu przydzielona pula tokenów ma wystarczać na dłuższy czas. Z funkcji mogą korzystać użytkownicy indywidualni posiadający plany Pro, Max oraz Teams.

    Przez najbliższe dwa tygodnie obowiązują promocyjne ceny za dodatkowe użycie: 0,50 USD za 1 milion tokenów wejściowych, 2,00 USD za 1 milion tokenów wyjściowych oraz 0,10 USD za 1 milion tokenów odczytu z pamięci podręcznej (cache).

    Przejrzyste koszty i poprawki techniczne

    Aktualizacja zmienia wygląd selektora modeli, aby ułatwić sprawdzanie kosztów. Teraz stawki za tokeny wejściowe, wyjściowe i odczyt z cache są widoczne bezpośrednio przy każdym modelu. Ma to zapewnić użytkownikom lepszy wgląd w to, jak wydawane są ich środki.

    Dodatkowo w oknie odpowiedzi pojawia się teraz informacja o dokładnej liczbie zużytych tokenów dla danego zapytania. W oknie kontekstu dodano też licznik czasu wygaśnięcia pamięci podręcznej promptów.

    Kluczową poprawką jest usunięcie błędu w routerze, który blokował możliwość przełączenia modelu po rozpoczęciu sesji. Firma ogłosiła, że użytkownicy dotknięci tym problemem otrzymali pełny reset limitów oraz zwrot poniesionych opłat dodatkowych.

    Rozwój narzędzia i ekosystemu

    Wprowadzenie routera modeli to część strategii Windsurf opartej na zarządzaniu kosztami i rozwijaniu funkcji agentowych. Wcześniej platforma umożliwiła integrację z Devin Cloud, co pozwala na delegowanie zadań do agenta AI działającego w chmurze.

    Windsurf, rozwijany przez Cognition AI, rozbudowuje także wsparcie dla Model Context Protocol (MCP). Poprawiono między innymi zarządzanie zasobami, widoczność stanu ładowania oraz stabilność połączeń przy inicjalizacji. Ulepszenia te mają znaczenie dla osób korzystających z rozbudowanych procesów deweloperskich i zewnętrznych narzędzi.

    Skuteczność nowego routera zależy od tego, jak trafnie system będzie dobierał modele, by oszczędności nie odbywały się kosztem jakości kodu. Jeśli mechanizm będzie działał sprawnie, może stać się standardowym sposobem korzystania z aplikacji dla osób, które chcą lepiej wykorzystać swój abonament.

    Źródła

  • Claude Code 2.1.94: Wsparcie dla Amazon Bedrock i Poprawa Stabilności

    Claude Code 2.1.94: Wsparcie dla Amazon Bedrock i Poprawa Stabilności

    Aktualizacja Claude Code do wersji 2.1.94 wprowadza zmiany przydatne dla programistów korzystających z AWS oraz osób pracujących w dużych zespołach. Deweloperzy skupili się na obsłudze zewnętrznych platform, poprawie stabilności i usunięciu błędów utrudniających codzienną pracę.

    Integracja z Amazon Bedrock przez Mantle

    Główną nowością jest obsługa Amazon Bedrock za pomocą systemu Mantle. Jest to wewnętrzne rozwiązanie firmy Anthropic, które przekierowuje zapytania do infrastruktury Bedrock. Funkcja ta jest skierowana do firm, które chcą korzystać z modeli AI bez przesyłania danych poza swoje środowisko AWS.

    Aby aktywować tę funkcję, należy ustawić zmienną środowiskową CLAUDE_CODE_USE_MANTLE=1. Pozwala to na komunikację z modelami przez zarządzaną infrastrukturę AWS, co ułatwia zachowanie zgodności z wewnętrznymi zasadami bezpieczeństwa i wykorzystanie posiadanych kredytów AWS. Claude Code wciąż korzysta z formatu API Anthropica, a Mantle służy jako łącznik między tym standardem a interfejsem Bedrock.

    Wyższy domyślny poziom Effort

    W tej wersji zmieniono domyślne ustawienie intensywności pracy narzędzia. Dla użytkowników korzystających z kluczy API oraz platform Bedrock, Vertex, Foundry, a także planów Team i Enterprise, poziom effort został podniesiony z medium na high.

    W praktyce oznacza to, że model poświęca więcej zasobów na analizę i generowanie odpowiedzi. Ma to poprawić jakość kodu, choć może wiązać się z nieco dłuższym czasem oczekiwania i większym zużyciem tokenów. Użytkownicy, którzy wolą poprzednie ustawienie, mogą je przywrócić poleceniem /effort.

    Ulepszenia pluginów i integracji

    Wersja 2.1.94 wprowadza zmiany w sposobie działania dodatków. Nazwy umiejętności (skills) w pluginach są teraz pobierane z pola name w sekcji frontmatter, co ułatwia ich poprawne wywoływanie.

    Poprawiono również współpracę ze Slackiem. Gdy Claude wysyła wiadomość przez protokół MCP (Model Context Protocol), w konsoli pojawia się nagłówek Slacked #channel. Zawiera on bezpośredni link do kanału, co przyspiesza przełączanie się między terminalem a komunikatorem.

    Poprawki błędów

    Większość zmian w tej wersji to usunięcie usterek zgłaszanych przez użytkowników:

    • Limity zapytań (rate limits): Program informuje o przekroczeniu limitów od razu. Wcześniej aplikacja mogła przestać odpowiadać bez podania przyczyny.
    • Logowanie w macOS: Naprawiono błędy podczas logowania w konsoli. Teraz problemy można zdiagnozować za pomocą komendy claude doctor.
    • Kodowanie znaków: Rozwiązano problem z błędnym wyświetlaniem polskich liter i innych znaków specjalnych podczas przesyłania danych w formacie JSON.
    • Autoryzacja w Bedrock: Usunięto błąd 403 "Authorization header is missing", który pojawiał się przy specyficznych konfiguracjach zmiennych środowiskowych.

    Dodatkowo poprawiono renderowanie interfejsu w terminalu oraz zarządzanie aktywnymi sesjami.

    Podsumowanie

    Claude Code 2.1.94 to aktualizacja techniczna, która poprawia działanie narzędzia w środowiskach korporacyjnych. Wsparcie dla Amazon Bedrock ułatwia wdrożenie narzędzia w firmach opartych na AWS, a wyższy poziom „effort” ma zapewniać lepsze wyniki pracy modelu. Najważniejszą zmianą dla większości użytkowników będzie jednak wyeliminowanie błędów związanych z logowaniem i limitami zapytań, co przekłada się na stabilniejsze działanie programu.

    Źródła

  • Adaptive w Windsurf: Inteligentny router modeli oszczędza twoje tokeny

    Adaptive w Windsurf: Inteligentny router modeli oszczędza twoje tokeny

    Windsurf wprowadził nową funkcję o nazwie Adaptive. Jest to inteligentny router modeli, który pomaga zarządzać miesięcznym limitem tokenów. Zmiana ta wpływa na sposób, w jaki środowisko korzysta z dostępnych modeli językowych, i jest już dostępna dla wszystkich użytkowników.

    Jak działa Adaptive w Windsurf

    Zasada działania Adaptive jest prosta. Po wybraniu tej opcji w menu, system automatycznie dobiera model AI (np. GPT, Claude lub Gemini), który najlepiej poradzi sobie z danym zadaniem. Może to być poprawianie błędów, pisanie dokumentacji czy zmiana struktury kodu.

    Najważniejszą cechą Adaptive jest stała stawka za token. Niezależnie od tego, który model zostanie wybrany przez system do wykonania zadania, koszt pozostaje taki sam. Pozwala to systemowi na używanie lżejszych modeli do prostych zapytań, co sprawia, że limit tokenów użytkownika wyczerpuje się wolniej.

    Przejrzystość kosztów i kontrola w menu modeli

    Przy okazji premiery Adaptive, twórcy Windsurf odświeżyli menu wyboru modeli. Użytkownicy zyskali większą kontrolę nad tym, ile zasobów zużywają. Po najechaniu myszką na konkretny model pojawiają się teraz szczegółowe stawki za tokeny wejściowe (input), wyjściowe (output) oraz odczyt z pamięci podręcznej (cache read).

    W interfejsie dodano również dwa nowe elementy:

    • Licznik czasu pamięci podręcznej (prompt cache timer): informuje, jak długo kontekst rozmowy jest przechowywany w pamięci.
    • Licznik tokenów przy odpowiedziach: każda wiadomość od AI pokazuje teraz dokładną liczbę zużytych jednostek.

    Dzięki temu programiści widzą koszt każdej operacji bezpośrednio w oknie czatu.

    Kontekst aktualizacji i poprawki techniczne

    Wprowadzenie Adaptive to kolejny etap zmian w zarządzaniu zasobami w Windsurf. Wcześniej w IDE pojawił się podgląd limitów (quota), a nowa funkcja ma pomagać w ich mądrzejszym wykorzystywaniu.

    W procesie wdrażania wyeliminowano też błędy techniczne. Jedna z ostatnich poprawek usunęła problem, przez który użytkownicy nie mogli zmienić modelu na inny po wysłaniu pierwszego zapytania w trybie Adaptive.

    Co to oznacza dla programistów

    Dla osób zajmujących się tworzeniem stron, rozwiązaniami AI czy operacjami DevOps, nowości te oznaczają mniej pracy przy pilnowaniu limitów. System sam dba o to, by nie marnować drogich zasobów na proste pytania.

    Warto dodać, że ceny za dodatkowe użycie (extra usage) są teraz rozliczane według stawek API. Zmiany objęły również użytkowników planu Max, którzy otrzymali zmodyfikowane limity, co pozwala im na dłuższą pracę bez przerw.

    Adaptive w Windsurf pokazuje kierunek, w którym rozwijają się asystenci kodowania. Zamiast używać najpotężniejszych modeli do każdego przecinka w kodzie, systemy zaczynają dopasowywać narzędzie do trudności problemu. Pozwala to programistom pracować płynniej, bez obaw o nagłe wyczerpanie dostępnych kredytów w połowie projektu.

    Źródła

  • OpenCode v1.3.15 naprawia krytyczny błąd z npm i node-gyp

    OpenCode v1.3.15 naprawia krytyczny błąd z npm i node-gyp

    Aktualizacja OpenCode do wersji 1.3.15 rozwiązuje błąd, który utrudniał pracę wielu programistom. Wydanie z 4 kwietnia 2026 roku usuwa problem uniemożliwiający poprawną instalację pakietów npm w konkretnych konfiguracjach. Poprawka ta poprawia współpracę narzędzia z menedżerem pakietów npm oraz stabilność samego rdzenia aplikacji.

    Błąd powodował przerywanie operacji npm install. Przyczyną były ścieżki do node-gyp (narzędzia kompilującego natywne moduły Node.js) zapisane w plikach binarnych OpenCode. Gdy komponent Arborist wewnątrz npm napotykał te dane, proces instalacji kończył się niepowodzeniem. Wersja 1.3.15 eliminuje te konflikty.

    Kontekst wydania i wcześniejsze zmiany

    Wydanie 1.3.15 pojawia się krótko po wersji, która przywróciła tryby przeglądu oparte na Git (git-backed review modes). Funkcja ta pozwala deweloperom analizować różnice (diffy) w niezacommitowanych zmianach oraz między poszczególnymi gałęziami projektu bezpośrednio w narzędziu.

    W ostatnich aktualizacjach dodano również Venice AI jako dostawcę modeli i poprawiono obsługę sesji przy korzystaniu z narzędzi zgodnych z API OpenAI. Wprowadzono także wsparcie dla natywnego PowerShella w systemie Windows, co pokazuje, że twórcy skupiają się na poprawie wygody pracy w różnych środowiskach.

    Stabilność pluginów i poprawki techniczne

    Poza zmianami w samym rdzeniu, wersja 1.3.15 naprawia błędy związane z systemem rozszerzeń. Rozwiązano problemy z instalacją pluginów przez aliasy npm oraz bezpośrednio z linków do repozytoriów Git. Deweloperzy poprawili też obsługę ścieżek cache w systemie Windows, które wcześniej bywały problematyczne.

    Jest to istotne ze względu na rosnącą liczbę dostępnych dodatków. W rejestrze npm znajdują się oficjalne pakiety, takie jak @opencode-ai/sdk (wersja 1.4.3) i @opencode-ai/plugin (wersja 1.4.6), a także projekty tworzone przez społeczność, np. zestaw poprawek oh-my-opencode.

    Rozwój ekosystemu i znane błędy

    Ostatnie serie aktualizacji wzbogaciły OpenCode o eksport danych telemetrycznych OTLP, pełną obsługę proxy HTTP oraz poprawki dla OpenRouter. Zredukowano także zużycie pamięci przez TypeScript LSP.

    Mimo postępów, w aplikacji występują jeszcze pewne problemy. Użytkownicy starszych procesorów Intel (np. architektura Ivy Bridge) zgłaszali trudności z uruchomieniem programu po aktualizacji. W takich przypadkach konieczne jest wyłączenie automatycznych aktualizacji lub powrót do starszej wersji. Innym odnotowanym błędem jest brak odświeżania wersji deweloperskich pluginów podczas pracy w trybie dev z wykorzystaniem Tauri.

    Znaczenie aktualizacji dla programistów

    Dla osób zajmujących się web developmentem w JavaScript i TypeScript, sprawne działanie npm jest niezbędne. Błędy przy npm install wstrzymują pracę nad projektem i zmuszają do szukania obejść. Wersja 1.3.15 usuwa tę barierę.

    Poprawa stabilności instalacji pluginów ułatwia dostosowanie środowiska do własnych potrzeb. Możliwość rozbudowy narzędzia o dodatki ma bezpośredni wpływ na szybkość i komfort pisania kodu.

    Aktualizacja do wersji 1.3.15 jest zalecana dla wszystkich użytkowników OpenCode. Oprócz naprawy błędów z npm, zawiera ona wszystkie wcześniejsze usprawnienia dotyczące integracji z Gitem, zarządzania sesjami i obsługi nowych modeli AI.

    Źródła

  • Cursor 3 definiuje nową erę rozwoju: od IDE do fabryki oprogramowania sterowanej agentami

    Cursor 3 definiuje nową erę rozwoju: od IDE do fabryki oprogramowania sterowanej agentami

    Środowisko programistyczne Cursor przechodzi właśnie głęboką transformację. Wersja 3 to nie kolejna aktualizacja, ale fundamentalna zmiana paradygmatu – przejście od klasycznego IDE do zunifikowanej przestrzeni roboczej zaprojektowanej od podstaw do pracy z „flotą” agentów AI. To odpowiedź na rodzącą się trzecią erę rozwoju oprogramowania, w której autonomiczne agenty piszą niemal cały kod, a rolą programisty staje się zarządzanie procesem i review.

    Okno agentów: centralne stanowisko dowodzenia

    Sercem Cursor 3 jest nowe Okno Agentów (Agents Window), dostępne przez Cmd+Shift+P. To dedykowany panel boczny, który konsoliduje wszystkie agenty – lokalne, chmurowe, zdalne przez SSH czy te działające w worktrees – w jednym, przejrzystym interfejsie. Kluczową innowacją jest możliwość równoległego uruchamiania wielu agentów. Można np. uruchomić jednego agenta do eksploracji nowej architektury, drugiego do implementacji backendu, a trzeciego do pisania testów – wszystko jednocześnie, nawet w różnych repozytoriach.

    Interfejs jest z natury wielorepozytoryjny, co ułatwia współpracę człowieka i agentów w rozproszonych projektach. Co ważne, Cursor pozwala na płynne „przekazywanie” sesji agenta między środowiskami. Długotrwałe zadanie można przenieść z lokalnego komputera do chmury, aby działało, gdy laptop jest zamknięty. Gdy zaś potrzebne są szybkie iteracje i testy na własnej maszynie, sesję chmurową można pobrać lokalnie, korzystając z wydajnego modelu Composer 2.

    Tryb projektowania i kafelki: precyzja i wielozadaniowość

    Dwa inne flagowe elementy to Tryb Projektowania (Design Mode) i Karty Agentów (Agent Tabs). Tryb Projektowania, aktywowany skrótem Cmd+Shift+D, pozwala na bezpośrednią interakcję z UI w przeglądarce. Można zaznaczać obszary, dodawać elementy do chatu i dawać agentom precyzyjne wskazówki wizualne, co znacząco przyspiesza iteracje nad frontendem.

    Karty Agentów w edytorze umożliwiają natomiast przeglądanie wielu konwersacji jednocześnie – obok siebie lub w siatce. Uwalnia to programistę od uciążliwego przełączania się między zakładkami i pozwala śledzić postępy w różnych wątkach pracy. W najnowszej aktualizacji 3 wprowadzono też układ kafelkowy (tiled layout) w samym Oknie Agentów, co dodatkowo ułatwia multitasking i porównywanie wyników pracy różnych agentów.

    Samodzielne uczenie się i bezpieczeństwo w centrum

    Samodzielne uczenie się i bezpieczeństwo w centrum

    Cursor 3 to nie tylko interfejs. W parze z nim idą potężne funkcje automatyzacji. Bugbot, narzędzie do code review, zyskało zdolność do samodzielnego uczenia się (Learned Rules). Analizuje reakcje i komentarze recenzentów w pull requestach, tworząc na tej podstawie reguły, które stopniowo usprawniają przyszłe przeglądy. Te, które się sprawdzają, są automatycznie promowane, a nieskuteczne – wyłączane.

    Dla zespołów priorytetyzujących bezpieczeństwo i kontrolę, Cursor wprowadza samohostowane agenty chmurowe. Działają one wewnątrz własnej infrastruktury użytkownika, zapewniając, że codebase, dane wyjściowe buildów i wrażliwe informacje nigdy nie opuszczają sieci wewnętrznej, podczas gdy agent wykonuje polecenia lokalnie.

    Statystyki wewnętrzne: wizja przyszłości w działaniu

    Statystyki wewnętrzne: wizja przyszłości w działaniu

    Najbardziej wymowna jest wewnętrzna statystyka firmy Cursor. Według niej 35% wewnętrznych pull requestów jest już tworzonych przez autonomiczne agenty chmurowe działające na maszynach wirtualnych. Co więcej, agenty piszą niemal 100% kodu w tych procesach, a deweloperzy skupiają się na dekompozycji problemów, recenzji i udzielaniu feedbacku.

    W marcu 2025 roku użytkowników funkcji autouzupełniania (Tab) było 2,5 raza więcej niż użytkowników agentów. Dziś proporcje się odwróciły – użytkowników agentów jest 2 razy więcej. To pokazuje gwałtowną zmianę w sposobie pracy. Prognozy twórców są śmiałe: większość pracy programistycznej będzie wykonywana przez takie agenty w ciągu najbliższego roku.

    Podsumowanie: od pisania kodu do budowy fabryki

    Cursor 3 nie jest już narzędziem służącym przede wszystkim do pisania kodu. Jak mówią sami twórcy, stał się środowiskiem „pomagającym deweloperom w budowie fabryki, która tworzy ich oprogramowanie”. To przejście od modelu „pokaż i monitoruj” jednego agenta do zarządzania linią produkcyjną, gdzie floty agentów pracują asynchronicznie, a programista włącza się w obieg w odpowiednich momentach – do recenzji, feedbacku i dekompozycji skomplikowanych problemów.

    Dzięki integracji agentów z różnych kanałów (Slack, GitHub, Linear, web, mobile) w jeden spójny interfejs, Cursor 3 redukuje konieczność przełączania kontekstu i oferuje prawdziwie zunifikowane stanowisko pracy. To krok w stronę przyszłości, w której środowisko programistyczne nie tyle asystuje w kodowaniu, co zarządza autonomicznymi procesami wytwórczymi, stając się centrum dowodzenia dla nowej generacji inżynierii oprogramowania.

    Źródła