Kategoria: Oprogramowanie

  • OpenAI Codex 0.130.0: zdalne sterowanie i współdzielenie wtyczek wchodzą na nowy poziom

    OpenAI Codex 0.130.0: zdalne sterowanie i współdzielenie wtyczek wchodzą na nowy poziom

    OpenAI wypuściło wersję 0.130.0 swojego narzędzia OpenAI Codex CLI, wprowadzając trzy nowe funkcje: komendę codex remote-control do zarządzania bezobsługowego, rozbudowane kontrolki współdzielenia wtyczek oraz integrację z AWS Bedrock przez profile logowania. Te aktualizacje są skierowane do zespołów DevOps i programistów pracujących zdalnie.

    Co nowego w skrócie

    • Zdalne sterowanie — komenda codex remote-control pozwala uruchomić app-server w trybie headless, bez interfejsu graficznego.
    • Współdzielenie wtyczek — twórcy mogą teraz zarządzać metadanymi pluginów i kontrolować ich widoczność dla innych.
    • AWS Bedrock — autoryzacja przez profile logowania AWS eliminuje problemy przy łączeniu z usługą.
    • Windows sandbox — poprawki stabilności dla użytkowników systemu Windows, szczególnie przy dłuższych sesjach.
    • Thread diff — dokładniejsze śledzenie zmian w konfiguracji live threadów.

    codex remote-control, czyli OpenAI Codex 0.130.0 bez okienka

    Największą nowością jest komenda codex remote-control. Do tej pory praca z OpenAI Codex 0.130.0 w środowiskach serwerowych wymagała omijania ograniczeń interfejsu. Teraz OpenAI wprowadza narzędzie stworzone z myślą o automatyzacji. App-server można uruchomić w trybie headless, co umożliwia integrację z pipeline'ami CI/CD oraz zdalnymi executorami, gdzie nie ma miejsca na TUI czy GUI.

    Dla zespołów DevOps to konkret: można uruchomić OpenAI Codex 0.130.0 na zdalnej maszynie przez SSH, zarządzać wątkami agentów i nie martwić się o utrzymanie sesji terminala. W praktyce oznacza to, że OpenAI Codex 0.130.0 staje się narzędziem, które pełni rolę lekkiego orkiestratora zadań AI.

    Wtyczki pod większą kontrolą

    Druga zmiana dotyczy pluginów i sposobu ich udostępniania w zespole. Wersja 0.130.0 wprowadza możliwość podglądu tzw. bundled hooks, czyli zdefiniowanych w pakiecie akcji, które plugin wykonuje automatycznie. Dodatkowo, autor wtyczki może zdecydować, czy jego dodatek ma być widoczny dla całego workspace'u, czy pozostać prywatny.

    To krok w stronę bardziej dojrzałego ekosystemu rozszerzeń. OpenAI zmierza w kierunku, który zapowiedziało wcześniej — OpenAI Codex 0.130.0 jako centrum dowodzenia agentami, z pluginami dostosowującymi narzędzie do konkretnych ról w zespole. Jeśli pracujesz w kilkuosobowym zespole nad różnymi projektami, możesz teraz świadomie odsłaniać tylko te rozszerzenia, które są istotne dla danego kontekstu.

    Bedrock bez zbędnego tarcia

    Użytkownicy AWS Bedrock zyskują normalną autoryzację. Zamiast ręcznego przepinania kluczy czy zmiennych środowiskowych, OpenAI Codex 0.130.0 korzysta z profili logowania skonfigurowanych w AWS CLI. Dla osób pracujących z modelami Anthropica przez Bedrock w środowisku enterprise, to oszczędność nerwów, szczególnie przy przełączaniu się między stagingiem a produkcją.

    Bug fixy, które robią różnicę

    Bug fixy, które robią różnicę

    Aktualizacja eliminuje kilka irytujących błędów. Poprawiono dokładność thread diffów przy konfiguracji live threadów, co jest istotne, jeśli używasz OpenAI Codex 0.130.0 do iteracyjnego budowania aplikacji i zależy ci na precyzyjnym śledzeniu zmian. Użytkownicy Windowsa zyskają stabilniejszy sandbox, a PowerShell dostaje więcej czasu na wykonanie komend, zanim zostanie uznany za zawieszony.

    Więcej niż changelog

    Wersja 0.130.0 wpisuje się w szerszy trend: OpenAI przekształca OpenAI Codex 0.130.0 z asystenta kodowania w platformę do zarządzania agentami. Zdalne sterowanie, granularne uprawnienia do wtyczek i integracja z chmurą AWS to elementy, które mogą konkurować z rozwiązaniami takimi jak Claude Code czy Gemini CLI. Rynek narzędzi AI do programowania jest obecnie bardzo konkurencyjny, a detale mogą decydować o przewadze. Wersja 0.130.0 prezentuje solidne nowości.

    Źródła

  • OpenCode z kluczową aktualizacją: klonowanie workspace’ów z zachowaniem zmian i przenoszenie sesji

    OpenCode z kluczową aktualizacją: klonowanie workspace’ów z zachowaniem zmian i przenoszenie sesji

    Najnowsze wydanie OpenCode z 5 czerwca 2026 wprowadza dwie ważne funkcje dla deweloperów pracujących z agentowymi workflow: zarządzane klonowanie workspace'ów, które zachowuje niezapisane i nieśledzone pliki, oraz możliwość przenoszenia sesji między katalogami i projektami. Te zmiany odpowiadają na problem utraty kontekstu i niezcommitowanych zmian podczas przełączania się między zadaniami.

    Kluczowe fakty z aktualizacji

    • Zarządzane klonowanie workspace'ów zachowuje „brudne” i nieśledzone pliki, co oznacza, że niezapisane zmiany nie przepadają podczas kopiowania środowiska pracy.
    • Przenoszenie sesji umożliwia migrację aktywnego kontekstu między różnymi workspace'ami i katalogami bez utraty stanu.
    • Naprawiono błędy wcześniej ukryte przez ogólne komunikaty – teraz tworzenie workspace'ów, warp i ładowanie adapterów pokazują rzeczywiste przyczyny awarii.
    • Odświeżono TUI – przywrócono konfigurację niestandardowych providerów i usprawniono zarządzanie workspace'ami.
    • Klienci ACP teraz utrzymują spójność stanu sesji, co prowadzi do stabilniejszego doświadczenia deweloperskiego.

    Zarządzane klonowanie – koniec z nerwowym commitowaniem przed zmianą kontekstu

    Praca z OpenCode dotychczas przypominała balansowanie na linie. Aby przełączyć się do innego projektu, trzeba było commitować wszystko lub ryzykować utratę zmian. Teraz mechanizm zarządzanego klonowania automatycznie przenosi „dirty” i „untracked” pliki do nowego workspace'u.

    To znaczna oszczędność czasu dla osób praktykujących vibe coding, czyli łączących manualne komendy z agentowymi poleceniami. Nie trzeba już przerywać pracy, aby robić snapshoty – agent pamięta, nad czym pracowano.

    Zespoły DevOps, które używają OpenCode jako subagenta w zautomatyzowanych pipeline'ach, szczególnie docenią tę funkcjonalność. Wcześniej ogólne komunikaty o błędach maskowały rzeczywiste problemy z adapterami LLM czy błędami konfiguracji MCP. Teraz diagnostyka jest jasna – można zobaczyć dokładnie, co poszło nie tak.

    Przenoszenie sesji i poprawki w TUI

    Drugą ważną funkcją aktualizacji jest możliwość przenoszenia sesji między katalogami. OpenCode obsługuje ponad 75 providerów LLM – od OpenAI i Anthropic po mniejsze modele, takie jak Deep Seek czy Kimi – co zapewnia elastyczność w zarządzaniu kontekstem.

    W praktyce, jeśli pracujesz nad backendem w jednym workspace'ie i dostajesz pilne zadanie frontendowe, możesz przenieść sesję i kontynuować bez restartowania agenta. Terminal UI (TUI) zyskał również kilka poprawek – przywrócono możliwość konfiguracji niestandardowych providerów, która wcześniej mogła sprawiać problemy.

    Desktopowa wersja aplikacji również została ulepszona. Dodano dedykowany proces narzędziowy dla lokalnego serwera, co poprawia niezawodność połączeń. Nowe opcje w menu ustawień macOS oraz lepsze zarządzanie wieloma serwerami również zwiększają funkcjonalność aplikacji.

    ACP i spójność stanu – stabilność przede wszystkim

    W aktualizacji szczególnie podkreślono poprawę niezawodności klientów ACP (Agent Communication Protocol). Sesje nie gubią stanu przy przełączaniu kontekstów, a odpowiedzi na pytania trafiają do właściwego katalogu sesji.

    Dla deweloperów korzystających z OpenCode jako orkiestratora, a nie tylko pojedynczego agenta, to istotna zmiana. Użytkownik na Reddicie zauważył, że „Twój orkiestrator powinien wywoływać OpenCode jako subagenta przez większość czasu – oszczędza to mnóstwo okna kontekstowego”.

    Changelog z 5 czerwca jest bogaty w zmiany – poza nowymi funkcjami znajdziemy wsparcie dla OpenAI przez AWS Bedrock, odkrywanie skilli przez agentów oraz interaktywne replaye sesji za pomocą run --replay. Dodatkowo poprawki dla GitHub Copilot, podświetlanie składni Vue oraz naprawa problemów z anulowaniem w shellu.

    Wnioski

    OpenCode rozwija się jako terminal-first agent. Aktualizacja z czerwca 2026 odpowiada na rzeczywiste problemy codziennej pracy – utratę zmian przy przełączaniu kontekstów oraz nieczytelne komunikaty błędów. Dla deweloperów traktujących AI jako partnera w kodowaniu, zarządzane klonowanie i przenoszenie sesji to funkcje, które znacząco skracają czas między pomysłem a implementacją.

    Źródła

  • Zed 1.1.7: Poprawki stabilności i wydajności, które docenią programiści

    Zed 1.1.7: Poprawki stabilności i wydajności, które docenią programiści

    Zed, nowoczesny edytor kodu napisany w Rust, znany z funkcji współpracy w czasie rzeczywistym i integracji z modelami AI, wprowadził aktualizację 1.1.7. W tej wersji zespół deweloperów skoncentrował się na poprawie stabilności, eliminując cztery konkretne błędy, które mogły wpływać na codzienną pracę. Choć lista zmian jest krótka, każda poprawka rozwiązuje problemy, które były szczególnie odczuwalne w pracy z dużymi repozytoriami, lokalnym AI oraz trybami modalnymi vi/helix. Dla użytkowników korzystających z podpowiedzi generowanych przez model zeta2, ciągłych podglądów Markdown czy zaawansowanych ruchów helixa, aktualizacja 1.1.7 przynosi istotne udogodnienia.

    Kluczowe poprawki w pigułce

    • Lokalne przewidywania zeta2 – naprawiono błędny format promptu, co przywróciło poprawne działanie edycji wspomaganej przez lokalny model AI.
    • Nadmierne zużycie CPU – usunięto wyciek mocy obliczeniowej spowodowany błędami systemu plików, takimi jak uszkodzone linki symboliczne i problemy z uprawnieniami w monitorowanych katalogach.
    • Podgląd Markdown – dodano brakującą implementację przeładowania, dzięki czemu podgląd zawsze odzwierciedla aktualną zawartość pliku.
    • Rzadki panic przy ruchach helixa – wyeliminowano crash występujący podczas wywoływania komend helixa przed pełnym ułożeniem edytora.

    Lokalne predykcje AI z poprawionym promptem

    Jednym z wyróżników Zeda jest głęboka integracja z lokalnymi modelami sztucznej inteligencji, które potrafią podpowiadać edycje kodu bez wychodzenia z edytora. Funkcja edit predictions korzysta z modelu zeta2, który analizuje kontekst i sugeruje zmiany. W wersji 1.1.7 naprawiono problem z użyciem niepoprawnego formatu promptu wysyłanego do modelu. Błąd ten sprawiał, że lokalne przewidywania nie działały zgodnie z oczekiwaniami – podpowiedzi były nieadekwatne lub w ogóle się nie pojawiały.

    Dla programistów polegających na AI przy refaktoryzacji czy uzupełnianiu kodu to kluczowa kwestia. Poprawka oznacza, że zeta2 znów poprawnie interpretuje instrukcje i generuje sensowne propozycje edycji, co bezpośrednio wpływa na tempo pracy. W dobie rosnącej popularności programowania z pomocą asystentów AI, Zed pokazuje, że nawet drobne detale formatowania komunikatów mają ogromne znaczenie dla niezawodności działania.

    Nadmierne zużycie CPU w monitorowanych katalogach

    Nie ma nic gorszego niż edytor, który niespodziewanie zaczyna obciążać procesor, wentylatory w laptopie wchodzą na najwyższe obroty, a akumulator szybko się rozładowuje. W Zed 1.1.7 zdiagnozowano i usunięto taką pułapkę wydajnościową. Okazało się, że błędy systemu plików w monitorowanych katalogach, takie jak uszkodzone dowiązania symboliczne czy odmowa dostępu, powodowały niekontrolowany wzrost zużycia CPU.

    Mechanizm watchera, odpowiedzialny za reagowanie na zmiany w drzewie katalogów projektu, w przypadku napotkania błędu wchodził w pętlę intensywnego odpytywania, zamiast obsłużyć go w sposób kontrolowany. To szczególnie dotkliwe w dużych repozytoriach, gdzie wiele zależności, symlinków i uprawnień tworzy podatny grunt. Teraz Zed radzi sobie z tymi sytuacjami w sposób bardziej efektywny, co przekłada się na płynniejszą pracę i mniejsze rozpraszanie uwagi. Dla każdego, kto pracuje z monorepo, kontenerami czy projektami zawierającymi linki do zewnętrznych zasobów, to wymierna oszczędność energii i nerwów.

    Przeładowanie podglądu Markdown wreszcie działa

    Zed oferuje wbudowany podgląd plików Markdown, co jest niezwykle przydatne podczas pisania dokumentacji, README czy postów. Do tej pory brakowało implementacji mechanizmu przeładowania – edytor nie odświeżał podglądu po zmianie zawartości pliku. Deweloperzy musieli ręcznie zamykać i otwierać okno, co było uciążliwe. Teraz, dzięki aktualizacji, podgląd Markdown działa poprawnie, co znacznie ułatwia pracę.

    Źródła

  • Factory CLI v0.121.0: Wskaźnik czasu myślenia i szybsza nawigacja w terminalu

    Factory CLI v0.121.0: Wskaźnik czasu myślenia i szybsza nawigacja w terminalu

    Najnowsza aktualizacja Factory CLI do wersji v0.121.0 wprowadza dwie ważne zmiany w interfejsie użytkownika. Droidy teraz pokazują licznik czasu przetwarzania, a programiści mogą szybko przewijać sesję do ostatniego promptu. To wydanie koncentruje się na poprawie ergonomii pracy w długich, interaktywnych sesjach AI, co jest istotne w kontekście rosnącej popularności narzędzi do programowania z użyciem AI i agentowego developmentu.

    Kluczowe fakty o nowym wydaniu

    • Czas myślenia — CLI i aplikacja pokazują teraz, ile sekund droid spędził na analizie przed udzieleniem odpowiedzi.
    • Przewijanie do ostatniego promptu — użytkownik może jednym kliknięciem przeskoczyć do najnowszego polecenia w sesji.
    • Buforowane renderowanie transkryptu — interfejs ładuje zapis rozmowy z pamięci podręcznej, co przyspiesza responsywność.
    • Szybsze błędy konfiguracji — proces setupu kończy się natychmiast po wykryciu problemu, zamiast zmuszać użytkownika do czekania na porażkę.
    • Stabilność automatyzacji — łatka naprawia ponowne łączenie z komputerem, cykl życia wywołań narzędziowych oraz wklejanie dużych bloków tekstu.

    Dlaczego widoczność czasu myślenia ma znaczenie dla AI engineeringu

    Wskaźnik czasu myślenia to istotny element w agentowym programowaniu, gdzie droidy piszą kod, refaktoryzują bazy i debugują aplikacje. Każda sekunda opóźnienia wpływa na ocenę wydajności modelu. Użytkownicy Factory CLI zyskali wgląd w czas przetwarzania, co pozwala im porównywać czasy odpowiedzi między różnymi promptami i identyfikować momenty, gdy droid spędza zbyt dużo czasu na przemyśleniach.

    To funkcjonalność, która szybko staje się niezbędna. Deweloperzy pracujący w trybie pair programming z AI szybko przyzwyczają się do zerkania na ten wskaźnik, zwłaszcza podczas długich sesji, gdy kontekst transkryptu rośnie do kilkunastu tysięcy tokenów. W połączeniu z buforowanym renderowaniem transkryptu, użytkownicy doświadczają płynniejszej pracy.

    Buforowanie transkryptu i przewijanie — ergonomia na pierwszym miejscu

    Buforowanie transkryptu i przewijanie — ergonomia na pierwszym miejscu

    Długie sesje z agentem AI mają swoje wyzwania. Transkrypt rozmowy może osiągnąć setki linii tekstu, a ręczne szukanie ostatniego promptu przez scrollowanie było dotychczas irytującym problemem. Nowa funkcja przewijania rozwiązuje ten problem: jedno kliknięcie przenosi użytkownika na sam dół do najnowszej interakcji.

    Buforowane renderowanie transkryptu działa jako optymalizacja frontendu CLI. Zamiast przeliczać cały zapis rozmowy przy każdym odświeżeniu widoku, interfejs przechowuje gotowy snapshot w pamięci. Efekt to mniej migotania, szybsze przełączanie między widokami i lepsza wydajność na słabszych maszynach, co jest istotne dla użytkowników korzystających z Factory CLI na zdalnych serwerach przez SSH.

    Setup, który nie każe ci czekać

    Setup, który nie każe ci czekać

    Kolejna zmiana dotyczy procesu konfiguracji. Dotychczas setup — pierwsze uruchomienie, instalacja zależności, łączenie z kontem — mógł trwać długo, gdy coś szło nie tak. W wersji v0.121.0 Factory wprowadza szybszą ścieżkę niepowodzenia: jeżeli setup wykryje błąd na wczesnym etapie, natychmiast przerywa działanie i zwraca komunikat. To oszczędza frustracji, szczególnie nowym użytkownikom, którzy nie znają jeszcze wszystkich wymagań środowiskowych.

    Warto również wspomnieć o poprawkach stabilności. Wersja v0.121.0 naprawia trzy konkretne problemy: z wklejaniem dużych bloków tekstu, cyklem życia wywołań narzędziowych oraz automatycznym ponownym łączeniem z komputerem. Te poprawki pokazują, że zespół Factory nie tylko dodaje nowe funkcje, ale także dba o stabilność w rzeczywistych workflow.

    Co to oznacza dla ekosystemu narzędzi deweloperskich

    Factory CLI jest terminalowym agentem AI do budowania, debugowania i refaktoryzacji kodu. W porównaniu do konkurencyjnych rozwiązań, takich jak Claude Code, Cursor czy Windsurf, Factory stawia na pełną integrację z przepływem pracy w terminalu, bez potrzeby przełączania się do GUI. Aktualizacja v0.121.0 wpisuje się w szerszy trend: narzędzia AI dla deweloperów coraz mocniej akcentują obserwowalność działania agentów i ergonomię interfejsu tekstowego. W miarę jak sesje z AI stają się dłuższe i bardziej złożone, UX terminala staje się kluczowym elementem produktywności.

    Źródła

  • Cursor 3.3: Rewolucja w przeglądzie PR i równoległym budowaniu – nowa era pracy z kodem

    Cursor 3.3: Rewolucja w przeglądzie PR i równoległym budowaniu – nowa era pracy z kodem

    Najnowsza aktualizacja Cursor, znana jako „Cursor 3.3”, wprowadza istotne zmiany w środowisku programistycznym. Program nie tylko wspiera pisanie kodu, ale staje się centralnym punktem w cyklu życia oprogramowania. Użytkownicy zyskają wbudowany workflow do obsługi pull requestów oraz możliwość równoległego uruchamiania niezależnych zadań przez agentów. Usprawnienia są dostępne w ramach stopniowo wdrażanej aktualizacji i nie wymagają skomplikowanej konfiguracji – wiele z nich działa od razu po włączeniu nowej wersji edytora.

    Kluczowe nowości w najnowszym wydaniu

    • Obsługa PR-ów bez opuszczania Cursor – tworzenie, przeglądanie i scalanie pull requestów w jednym oknie.
    • Równoległe wykonywanie planów – Cursor identyfikuje niezależne części planu i uruchamia je jednocześnie przez asynchroniczne podagenty, zachowując kolejność tam, gdzie występują zależności.

    Przegląd PR bez opuszczania edytora

    Dla wielu programistów przeglądanie pull requestów wiąże się z ciągłym przełączaniem się między IDE a przeglądarką, co wymaga śledzenia wątków recenzji, komentarzy, historii commitów i drzewa plików w różnych zakładkach. Nowa wersja Cursor 3.3 eliminuje tę konieczność – okno agenta zyskało przestrzeń do zarządzania PR-ami. Użytkownicy mogą tworzyć, recenzować i scalać zgłoszenia bez odchodzenia od edytora. Dzięki temu kontekst kodu pozostaje nienaruszony, a programista nie musi przypominać sobie stanu projektu po powrocie z zewnętrznego narzędzia.

    Zespół rozwija ideę „end-to-end coding”, gdzie etapy pracy nad oprogramowaniem są coraz bardziej zintegrowane w jednym środowisku.

    Równoległe uruchamianie zadań

    Kolejną istotną zmianą jest możliwość równoczesnego wykonywania niezależnych części planu. Zamiast czekać na przetworzenie jednego zadania po drugim, użytkownicy mogą teraz zlecić Cursorowi identyfikację fragmentów, które nie są ze sobą powiązane, i ich równoległe uruchomienie. Edytor wykorzystuje asynchroniczne podagenty, operujące na izolowanych git worktrees. Jeśli jakieś kroki muszą być wykonane sekwencyjnie (np. kompilacja przed testami), Cursor zachowa odpowiednią kolejność.

    To oznacza znaczące skrócenie czasu oczekiwania na wyniki. Deweloperzy korzystający z intensywnego generowania kodu przez AI mogą teraz zlecać wiele współbieżnych zadań i obserwować ich postęp w jednym oknie. Jak podają twórcy, wystarczy kliknąć „Build in Parallel”, aby zidentyfikować niezależne części planu i uruchomić je jednocześnie, zachowując kolejność kroków, które muszą być wykonane w odpowiedniej sekwencji.

    Inne usprawnienia

    Oprócz głównych nowości, Cursor 3.3 wprowadza również szereg mniejszych zmian, takich jak Design Mode oraz udoskonalenia w pracy z przeglądarką. To pokazuje, że edytor rozwija się w różnych kierunkach – od interfejsu użytkownika po backendowe mechanizmy współbieżności.

    Co to oznacza dla codziennej pracy programisty?

    Kumulacja tych nowości ma na celu zacieśnienie integracji edytora z całym cyklem wytwarzania oprogramowania. Obsługa PR-ów w tym samym oknie eliminuje konieczność przełączania kontekstu i utrzymuje ciągłość myślenia. Równoległe uruchamianie zadań lepiej wykorzystuje moc obliczeniową i skraca czas oczekiwania. Dla zespołów webowych, które coraz częściej sięgają po AI, Cursor oferuje płynniejszy przepływ od pomysłu do wdrożenia, zachowując kontrolę programisty na każdym etapie.

    Nowe funkcje są już dostępne w ramach aktualizacji i nie wymagają dodatkowej subskrypcji ani skomplikowanej konfiguracji – wystarczy uruchomić najnowszą wersję Cursor. W obliczu rosnącej złożoności projektów i presji na szybkie dostarczanie oprogramowania, takie narzędzia stają się nieodzownym elementem nowoczesnego warsztatu.

    Źródła

  • Claude Code 2.1.133: Worktree z precyzją i piaskownica na twoich zasadach

    Claude Code 2.1.133: Worktree z precyzją i piaskownica na twoich zasadach

    Anthropic nie zwalnia tempa. 7 maja 2026 roku światło dzienne ujrzała wersja 2.1.133 terminalowego asystenta Claude Code – aktualizacja, która na pierwszy rzut oka może wydawać się drobną porcją poprawek, ale w rzeczywistości precyzyjnie celuje w bolączki zaawansowanych użytkowników. Deweloperzy balansujący między gałęziami, administratorzy dbający o bezpieczeństwo izolowanych środowisk i entuzjaści automatyzacji dostają zestaw narzędzi, który znacząco podnosi komfort codziennej pracy. Nowa wersja to przede wszystkim długo wyczekiwane ustawienie worktree.baseRef, elastyczniejsza konfiguracja sandboxa dla Linuksa i WSL oraz garść poprawek stabilności, które sprawiają, że sesje przestają się niespodziewanie wykrzaczać.

    Kluczowe informacje

    • Nowe ustawienie worktree.baseRef daje pełną kontrolę nad bazowym punktem odniesienia dla operacji worktree, co eliminuje nieporozumienia przy edycji kodu w gałęziach
    • Ulepszona konfiguracja sandboxa na Linuksie i WSL umożliwia precyzyjniejsze definiowanie granic izolacji – niezbędne w kontenerach deweloperskich
    • Wzmocnione polityki administracyjne pozwalają na skuteczniejsze egzekwowanie reguł w zespołach i wdrożeniach enterprise
    • Widoczność poziomu wysiłku hooków ułatwia debugowanie automatyzacji i ocenę, jak mocno poszczególne skrypty obciążają asystenta
    • Poprawki stabilności sesji obejmują obsługę poświadczeń, dopasowanie ścieżek, tryb skupienia i zarządzanie pamięcią procesów w tle

    Worktree z wreszcie jawnym punktem startowym

    Dla każdego, kto pracuje z wieloma gałęziami jednocześnie, operacje worktree w Git są chlebem powszednim. Claude Code od dawna potrafi je obsługiwać, ale dotychczas samodzielnie ustalał bazową referencję – czyli gałąź lub commit, względem której generowane są zmiany. Automatyzm ten bywał jednak zawodny, szczególnie gdy struktura repozytorium odbiegała od standardowych konwencji. Nowość w wersji 2.1.133 to jawne ustawienie worktree.baseRef. Od teraz możesz w pliku konfiguracyjnym wskazać konkretny punkt startowy: main, develop, a nawet konkretny SHA commita. Claude nie będzie już zgadywał – dostosuje się do twoich intencji.

    Praktyczne znaczenie tego drobnego dodatku jest ogromne. Wyobraź sobie sytuację, w której tworzysz nową funkcjonalność na gałęzi feature/api-v2, ale chcesz, aby asystent porównywał zmiany względem gałęzi release/1.0, a nie domyślnego main. Dotychczas mogło to prowadzić do generowania nadmiarowych diffów lub pomijania kluczowych konfliktów. Teraz wystarczy jeden wpis i cały przepływ pracy staje się spójny. Dla zwolenników vibe codingu, którzy coraz częściej powierzają AI generowanie całych bloków kodu, precyzyjne zakotwiczenie w repozytorium to warunek konieczny, by uniknąć katastrofy po mergowaniu.

    Izolacja na własnych warunkach

    Izolacja na własnych warunkach

    Sandbox w Claude Code to mechanizm uruchamiający kod w kontrolowanym środowisku, chroniący system hosta przed niepożądanymi skutkami. Do tej pory na Linuksie i WSL jego konfiguracja potrafiła być sztywna – użytkownicy narzekali na brak możliwości dostrojenia reguł pod specyficzne kontenery deweloperskie. Update 2.1.133 rozwiązuje ten problem, wprowadzając elastyczniejsze opcje konfiguracji. Choć changelog nie podaje szczegółowych nazw parametrów, to z kontekstu wynika, że administracja może teraz precyzyjniej określać, które katalogi są dostępne, jakie zasoby wolno montować i kiedy sandbox ma wymusić twardą izolację.

    Dla zespołów korzystających z Dev Containers czy GitHub Codespaces to krok milowy. Możliwość dostosowania sandboxa do obrazu kontenera oznacza, że asystent będzie w stanie bezpiecznie operować w środowisku zbliżonym do produkcyjnego, nie narażając go na wycieki danych. Deweloperzy mogą też łatwiej integrować Claude Code z własnymi narzędziami CI/CD, gdzie izolacja wykonania ma kluczowe znaczenie dla bezpieczeństwa łańcucha dostaw.

    Administratorzy dostają lepsze narzędzia dyscypliny

    Wersja 2.1.133 wprowadza silniejszą kontrolę polityk administracyjnych. To ukłon w stronę organizacji, które wdrażają asystenta AI w skali zespołu. Nowe mechanizmy pozwalają na definiowanie reguł z poziomu zarządzanego pliku konfiguracyjnego, które są egzekwowane z wyższym priorytetem. Na przykład

    Źródła

  • Kimi K2.7 Code wchodzi do gry – Moonshot AI rzuca wyzwanie Claude i GPT w długodystansowym kodowaniu

    Kimi K2.7 Code wchodzi do gry – Moonshot AI rzuca wyzwanie Claude i GPT w długodystansowym kodowaniu

    Moonshot AI wprowadziło 12 czerwca 2026 roku model Kimi K2.7 Code, który jest ich najnowszym asystentem do programowania. Model ten został zaprojektowany z myślą o długoterminowych zadaniach inżynierskich, obsługuje długie konteksty oraz autonomiczne narzędzia. Użytkownicy mogą uzyskać do niego dostęp przez API, Hugging Face oraz środowisko Kimi Code.

    • Kimi K2.7 Code jest modelem stworzonym do długodystansowych zadań programistycznych, który lepiej radzi sobie z różnymi językami oraz z frontendem, DevOpsem i optymalizacją wydajności.
    • 256-tysięczne okno kontekstowe oraz tryb myślący (bez szybkich odpowiedzi) – model został zoptymalizowany do złożonego, wieloetapowego rozumowania.
    • Około 30% mniej tokenów rozumowania w porównaniu do Kimi K2.6 Code przy tych samych zadaniach, co prowadzi do niższych kosztów inferencji.
    • Ceny API: 0,95 USD za milion tokenów wejściowych, 4 USD za milion wyjściowych oraz 0,19 USD przy trafieniach cache’a – model jest dostępny na licencji Modified MIT.

    Model dostosowany do agentowego kodu

    Kimi K2.7 Code nie jest jedynie poprawioną wersją swojego poprzednika. Moonshot AI określa go jako „najbardziej zdolny model do kodowania”, który został dostosowany do agentowego generowania kodu oraz długoterminowej inżynierii oprogramowania. Model ma na celu lepsze radzenie sobie z zadaniami wymagającymi wielu kroków, wywoływania narzędzi oraz utrzymania spójności w długich kontekstach.

    Dokumentacja wskazuje na znaczną poprawę w zadaniach długohoryzontalnych. Kimi K2.7 Code lepiej generalizuje między Rustem, Go i Pythonem, a także poprawia efektywność w projektach frontendowych, automatyzacji DevOps i optymalizacji wydajności. Dla zespołów korzystających z vibe coding lub autonomicznych agentów, model ten może obsługiwać bardziej złożone zadania niż tylko krótkie fragmenty kodu.

    Duże okno i jeden tryb

    Model dysponuje oknem kontekstowym o długości 256 tysięcy tokenów i nie obsługuje trybu niemyślącego – cała komunikacja odbywa się poprzez ścieżkę rozumowania. Dla programistów przyzwyczajonych do szybkich odpowiedzi od GPT czy Claude, może to być zauważalna różnica w interakcji, ale zapewnia, że model nie uprości skomplikowanej logiki.

    Moonshot informuje o redukcji tokenów rozumowania o około 30% w porównaniu do Kimi K2.6 Code. Oznacza to, że nowa architektura lub proces treningowy pozwoliły modelowi myśleć bardziej zwięźle, nie tracąc jakości. Mniejsza liczba tokenów przekłada się również na niższe koszty przy wywołaniach API.

    Ceny, licencja i możliwości testowania

    Dostęp do Kimi K2.7 Code można uzyskać przez Moonshot API, narzędzie Kimi Code (terminalowy/IDE agent) oraz repozytorium na Hugging Face. Model jest dostępny na licencji Modified MIT, co oznacza, że w przeciwieństwie do niektórych konkurencyjnych rozwiązań, nie ma ograniczeń dotyczących komercyjnego wykorzystania.

    Ceny wynoszą: 0,95 USD za milion tokenów wejściowych, 4 USD za milion wyjściowych oraz 0,19 USD za cache. W przypadku długich kontekstów i powtarzalnych promptów, te stawki mogą być korzystne. W porównaniu do modeli takich jak Claude czy GPT, Kimi K2.7 Code może być bardziej opłacalnym rozwiązaniem.

    Rodzina K2 i jej znaczenie dla web deweloperki

    Kimi K2.7 Code to kolejny krok po modelu Kimi K2.6 Code, który Moonshot promowało jako otwarte narzędzie do kodowania, długoterminowej egzekucji oraz agentów. Seria K2 opiera się na architekturze Mixture-of-Experts, która według wcześniejszych zapowiedzi ma bilion parametrów, z czego 32 miliardy są aktywowane podczas inferencji. Nowsze informacje sugerują, że Kimi K2.7 Code utrzymuje podobną skalę, chociaż oficjalne specyfikacje nie zostały jeszcze w pełni ujawnione.

    Dla programistów pracujących z Kimi K2.7 Code, model ten oferuje nowe możliwości w zakresie długoterminowego kodowania i bardziej złożonych projektów.

  • Zed 1.1.5: Git Graph, Agentyczne Układy i Nowe Modele AI – Czy To Nowa Era Edytora?

    Zed 1.1.5: Git Graph, Agentyczne Układy i Nowe Modele AI – Czy To Nowa Era Edytora?

    Zed właśnie wydał wersję 1.1.5, stabilną aktualizację, która wprowadza istotne zmiany w interakcji z kodem, historią projektu i asystą AI. W tej wersji pojawił się pełnoprawny graf Gita, który zastępuje dotychczasowy widok historii plików, przełącznik układu paneli umożliwiający szybkie przechodzenie między klasycznym a agentowym trybem pracy oraz rozszerzony katalog wspieranych modeli sztucznej inteligencji. Aktualizacja ta wpływa na codzienny workflow programisty na wielu poziomach – od wizualizacji rozgałęzień, przez organizację przestrzeni roboczej, aż po wybór silnika AI do zadań programistycznych.

    Kluczowe informacje

    • Git Graph zastępuje historię plików, oferując wizualną mapę commitów i gałęzi z lazy loadingiem, wyszukiwarką i dynamiczną szerokością kolumn.
    • Panel Layout umożliwia przejście między układem klasycznym (narzędzia po lewej) a agentowym (panel AI po lewej, reszta po prawej) jednym kliknięciem.
    • DeepSeek V4-Pro/Flash oraz rodzina OpenCode Go (w tym GPT 5.5, MiMo V2.5, Ling 2.6, Hy3) zostały dodane do oficjalnego wsparcia.
    • LSP Code Lens, nawigacja w stylu Helixa oraz alerty GFM w podglądzie Markdown wzbogacają edycję i podgląd dokumentacji.
    • Wprowadzono poprawki dotyczące wydajności monitorowania systemu plików na Linuxie oraz usunięto dziesiątki błędów w edytorze, terminalu i panelu agenta, chociaż ujawniono regresję w module współpracy.

    Zamiast historii pliku – Git Graph jako nowy domyślny widok

    Najbardziej kontrowersyjną zmianą jest usunięcie widoku historii pliku i zastąpienie go pełnym grafem Gita. Deweloperzy, którzy wcześniej korzystali z liniowego podglądu zmian w plikach, musieli przechodzić do zakładki „file history”. Teraz Zed oferuje interaktywny wykres, który pokazuje całą strukturę commitów i gałęzi w repozytorium. Zespół podkreśla wyższą wydajność dzięki leniwemu ładowaniu danych, szybkiemu przeszukiwaniu wpisów, zmiennej szerokości kolumn dopasowanej do długości wiadomości commitów oraz osobnemu panelowi szczegółów wybranego commita.

    Dla programistów pracujących samodzielnie lub tych, którzy potrzebują wizualnej nawigacji po skomplikowanych repozytoriach, graf stanowi znaczący postęp. Umożliwia szybki wgląd w to, które gałęzie się rozchodzą, gdzie miały miejsce mergi oraz jak rozwijała się historia projektu – wcześniej wymagało to korzystania z zewnętrznych narzędzi lub komend terminala. Nie wszyscy jednak przyjęli tę zmianę z entuzjazmem. Po premierze na GitHubie zgłoszono, że w trybie współpracy stary podgląd historii plików przestał działać, a nowy Git Graph nie uruchamia się w scenariuszach zdalnych. Oznacza to, że zespoły opierające swoją pracę na zdalnym kodowaniu w Zedzie straciły dostęp do historii zmian konkretnego pliku, co może być problematyczne podczas przeglądów kodu i rozwiązywania konfliktów. Zespół prawdopodobnie pracuje nad rozwiązaniem tego problemu, ale warto mieć to na uwadze przed aktualizacją w środowiskach produkcyjnych.

    Agentowy workflow jednym przełącznikiem – nowa era interakcji z AI

    Zed od dłuższego czasu eksperymentuje z integracją panelu AI, ale wersja 1.1.5 wprowadza osobne menu „Panel Layout” z dwiema predefiniowanymi opcjami: classic i agentic. Klasyczny układ umieszcza panel projektu, Gita i inne narzędzia po lewej stronie, co jest znane użytkownikom VS Code i innych edytorów. Układ agentowy przenosi panel agenta AI na lewą stronę, a pozostałe elementy – edytor, podglądy, terminal – na prawą. To nie jest jedynie kosmetyczna zmiana, lecz istotna reorganizacja przepływu pracy. Deweloperzy intensywnie korzystający z asysty AI mogą teraz jednym kliknięciem przełączyć się w tryb, w którym agent staje się bardziej dostępny.

    Źródła

  • Majowa aktualizacja OpenCode: Pełne wsparcie proxy w desktopie i nowy przepływ sesji

    Majowa aktualizacja OpenCode: Pełne wsparcie proxy w desktopie i nowy przepływ sesji

    Majowa aktualizacja OpenCode przyniosła wersję 1.17.4, która jest szczególnie ważna dla deweloperów pracujących w środowiskach korporacyjnych. Oprogramowanie rozwija wsparcie dla serwerów proxy i niestandardowych certyfikatów bezpieczeństwa, a także poprawia zarządzanie sesjami. Choć nie wprowadza spektakularnych nowości, odpowiada na potrzeby zgłaszane przez użytkowników na GitHubie i forach społeczności.

    Kluczowe zmiany w skrócie

    – OpenCode obsługuje standardowe zmienne proxy (HTTP_PROXY, HTTPS_PROXY), co potwierdza dokumentacja.
    – Obsługa niestandardowych urzędów certyfikacji (CA) jest dostępna dla ruchu przez proxy oraz bezpośrednich połączeń z API modeli – konfiguracja jest opisana w oficjalnych materiałach.
    – Udoskonalono przepływ pracy z sesjami, aby zminimalizować ryzyko utraty kontekstu przy przełączaniu zadań.
    – Rozwój funkcji zarządzania wieloma projektami – OpenCode zwiększa możliwości pracy równoległej.
    – Wprowadzono poprawki stabilności i interfejsu dla użytkowników systemu Windows.

    Dlaczego wsparcie proxy pozostaje priorytetem dla firm

    Dla użytkowników OpenCode korzystających z domowych łączy temat zmiennych proxy może wydawać się mało istotny. W rzeczywistości jednak wielu deweloperów pracuje w środowiskach korporacyjnych, gdzie cały ruch sieciowy przechodzi przez firmowe serwery pośredniczące. Bez odpowiedniej obsługi HTTPS_PROXY agent AI nie może nawiązać połączenia z żadnym modelem językowym, co czyni go bezużytecznym.

    OpenCode dokumentuje wsparcie dla zmiennych środowiskowych proxy i niestandardowych certyfikatów – w oficjalnych materiałach technicznych można przeczytać, że oprogramowanie „wspiera standardowe zmienne proxy i niestandardowe certyfikaty”. Oznacza to, że w środowiskach skonfigurowanych zgodnie z dokumentacją agent powinien komunikować się przez firmowe proxy. Wątki na GitHubie pokazują, że niektóre instalacje napotykały trudności, co skłaniało zespół do ciągłych poprawek.

    Aktualizacja v1.17.4 nie przyniosła rewolucji, ale wpisuje się w długofalowe działania na rzecz niezawodności. OpenCode wykrywa zmienne proxy zgodnie z konfiguracją systemową, a zaufanie do firmowych CA można ustanowić jednorazowo. Dla zespołów IT kluczowe jest, że nie ma potrzeby ręcznego ingerowania w pliki konfiguracyjne poza standardowymi zmiennymi środowiskowymi.

    W środowiskach o zaostrzonej polityce bezpieczeństwa – takich jak sektor finansowy czy rządowy – proxy i niestandardowe certyfikaty są niezbędne. Bez nich narzędzie AI nie przejdzie audytu bezpieczeństwa, co wyklucza je z wielu projektów komercyjnych. Dlatego każda iteracja OpenCode, która zapewnia stabilną pracę w tych warunkach, jest dla firm istotna.

    Udoskonalenia w zarządzaniu sesjami

    Zespół OpenCode pracuje nad tym, by przełączanie między zadaniami nie prowadziło do utraty kontekstu – to jeden z najczęściej podnoszonych postulatów społeczności. Dotychczas nagłe zamknięcie karty lub szybkie przechodzenie między projektami mogło prowadzić do frustracji, gdy prompt i wybór środowiska były niezgodne.

    Nowa wersja rozwija mechanizmy porządkujące ten proces – użytkownik ma teraz większą kontrolę nad kontekstem pracy. Flow sesji został przeprojektowany, aby dać więcej czasu na doprecyzowanie zapytania i wskazanie projektu, zanim agent zacznie działać.

    Usprawnienia obejmują także jednoczesną pracę nad wieloma projektami. OpenCode lepiej radzi sobie ze zmianą środowiska, minimalizując konieczność ręcznego odtwarzania ustawień przy przełączaniu kontekstu. To docenią zwłaszcza osoby pracujące z kilkoma repozytoriami jednocześnie.

    Bieżące poprawki na platformie Windows

    Użytkownicy Windowsa mogą liczyć na regularne poprawki stabilności aplikacji OpenCode – dotyczą one zarówno elementów interfejsu (w tym paska tytułu), jak i procesu aktualizacji z wcześniejszych instalacji. Każda nowa łatka przybliża środowisko Windows do poziomu płynności znanego z Linuksa czy macOS, a aktualizacja 1.17.4 eliminuje kilka rzadkich przypadków błędów renderowania i usprawnia migrację ze starszych wersji.

    Źródła

  • Z.ai wprowadza GLM-5.2 – nowy flagowy model językowy z naciskiem na kodowanie i milion tokenów kontekstu

    Z.ai wprowadza GLM-5.2 – nowy flagowy model językowy z naciskiem na kodowanie i milion tokenów kontekstu

    Z.ai, firma odpowiedzialna za jeden z najbardziej zaawansowanych modeli językowych, wprowadziła GLM-5.2 – nową wersję swojego flagowego modelu. GLM-5.2 jest następcą uznanego GLM-5 i wprowadza ulepszenia w zakresie kodowania oraz obsługi długiego kontekstu, co przekłada się na lepszą wydajność w złożonych zadaniach programistycznych. Model jest dostępny dla wszystkich subskrybentów planu Coding Plan – Lite, Pro i Max – bez dodatkowych opłat.

    Kluczowe informacje o premierze GLM-5.2

    • GLM-5.2 to nowy model w rodzinie GLM, zoptymalizowany do kodowania i autonomicznych agentów programistycznych.
    • Model obsługuje długi kontekst, co umożliwia analizę całych repozytoriów kodu oraz złożonych zadań.
    • Użytkownicy Coding Plan (Lite, Pro, Max) uzyskali dostęp do modelu bez dodatkowych kosztów od dnia premiery.
    • Z.ai koncentruje się na agentowości, przechodząc od pojedynczych zapytań do autonomicznych procesów inżynieryjnych.
    • Nowy model ma silniejsze możliwości kodowania i lepiej radzi sobie z rzeczywistymi zadaniami programistycznymi w porównaniu do wcześniejszych wersji.

    Tło i ewolucja rodziny GLM

    Aby zrozumieć znaczenie GLM-5.2, warto przyjrzeć się wcześniejszym wersjom. GLM-5 był pierwszym flagowym modelem Z.ai, który wykorzystał architekturę Mixture-of-Experts. Dysponował 744 miliardami parametrów, z czego 40 miliardów było aktywnych na token. Obsługiwał kontekst o długości 200 tysięcy tokenów wejściowych oraz 128 tysięcy tokenów wyjściowych. W benchmarku Intelligence Index v4.0 uzyskał wynik 50 punktów, co oznaczało wzrost o 8 punktów w porównaniu do GLM-4.7. Model został wytrenowany na 28,5 biliona tokenów, co stanowiło wzrost o 5,5 biliona w stosunku do poprzednika.

    GLM-5 był promowany jako model do „złożonej inżynierii systemów i długoterminowych zadań agentowych”. Z.ai podkreślało, że model ten wprowadza nową jakość w autonomicznej inżynierii. Zyskał uznanie za swoje możliwości w rzeczywistych zadaniach programistycznych.

    GLM-5.2, opisany jako „model flagowy nowej generacji do inżynierii agentowej”, wprowadza znaczne ulepszenia w zakresie kodowania, co pokazuje, że Z.ai kontynuuje rozwój i podnosi standardy w narzędziach AI do kodowania.

    Co nowego wnosi GLM-5.2

    GLM-5.2 rozwija możliwości swojego poprzednika, wprowadzając kilka istotnych usprawnień. Najważniejsza zmiana dotyczy jakości kodowania – model ma lepsze możliwości programistyczne, co potwierdzają wewnętrzne testy Z.ai oraz opinie użytkowników planu Coding Plan. Oznacza to lepsze rozumienie skomplikowanych struktur kodu oraz generowanie bardziej wydajnego i lepiej udokumentowanego kodu.

    Kolejnym istotnym obszarem jest rozwój w kierunku agentowości. GLM-5.2 nie jest już tylko narzędziem do pojedynczych zapytań, ale systemem zdolnym do prowadzenia złożonych procesów inżynieryjnych, obejmujących analizę wymagań, implementację, testowanie i wdrożenie. Oznacza to, że może zarządzać całym repozytorium lub modułem oprogramowania bez potrzeby mikrozarządzania przez programistę.

    Trzecim kluczowym elementem jest obsługa długiego kontekstu, która umożliwia analizę rozbudowanych repozytoriów i śledzenie zależności w projektach bez utraty spójności.

    Znaczenie dla użytkowników Coding Plan

    Z.ai udostępniło GLM-5.2 w ramach istniejącej subskrypcji Coding Plan, obejmującej pakiety Lite, Pro i Max. Użytkownicy nie muszą ponosić dodatkowych kosztów ani zmieniać warunków umowy, aby korzystać z nowego modelu. Plan Coding Plan został zaprojektowany do codziennej pracy na średnich repozytoriach, oferując priorytetowy dostęp do najnowszych modeli i zestawu narzędzi MCP. Wprowadzenie GLM-5.2 znacząco zwiększa wartość tej oferty, dając programistom dostęp do jednego z najsilniejszych narzędzi agentowości na rynku.