Kategoria: Sztuczna Inteligencja

  • 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.

  • 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.

  • Codex 0.128.0: Trwałe przepływy pracy i większa kontrola nad agentami AI

    Codex 0.128.0: Trwałe przepływy pracy i większa kontrola nad agentami AI

    OpenAI opublikowało wersję 0.128.0 narzędzia Codex, która wprowadza nowe funkcje skupiające się na trwałych przepływach pracy, zarządzaniu wtyczkami oraz bardziej szczegółowych profilach uprawnień. Dla zespołów korzystających z agentowego programowania ta aktualizacja znacząco skraca czas rozruchu i ułatwia prowadzenie długotrwałych sesji.

    Najważniejsze zmiany

    • Trwałe przepływy pracy /goal można teraz zapisywać i przywracać zarówno z poziomu TUI, jak i przez API serwera aplikacji.
    • Zarządzanie wtyczkami zostało ulepszone, co zapewnia większą kontrolę nad aktywnymi rozszerzeniami w danej sesji.
    • Rozszerzone profile uprawnień pozwalają precyzyjniej określić, do czego Codex ma dostęp, minimalizując ryzyko.
    • Ulepszona konfiguracja MultiAgentV2 ułatwia orkiestrację równoległych agentów pracujących w tym samym repozytorium.
    • Import zewnętrznych sesji agentów umożliwia łatwe przenoszenie pracy rozpoczętej poza Codexem.

    Trwałe przepływy pracy /goal z pełną kontrolą

    To kluczowy element tej aktualizacji. Dotychczas agent mógł realizować cele, ale po zakończeniu sesji zapamiętanie, na czym stanął, wymagało ręcznego opisywania. W wersji 0.128.0 wprowadzono możliwość zapisywania stanu przepływów /goal. Umożliwia to powrót do przerwanego zadania, a Codex automatycznie wie, co zostało już zrobione, bez potrzeby ponownego definiowania kontekstu.

    Zarządzanie tymi przepływami jest dostępne zarówno przez tekstowy interfejs użytkownika (TUI), jak i przez API serwera aplikacji. Dla specjalistów DevOps oznacza to możliwość automatyzacji – scenariusze utrwalonego celu można uruchamiać zdalnie, bez konieczności interakcji przez konsolę. Takie podejście wspiera ideę vibe codingu: mniej klikania, więcej swobodnego definiowania kierunku pracy, podczas gdy agent pamięta o dotychczasowych ustaleniach.

    Lepsze wtyczki i rozszerzone uprawnienia

    Lepsze wtyczki i rozszerzone uprawnienia

    Nowa wersja poprawia również mechanizmy zarządzania wtyczkami. Oprócz szybszego ładowania, zaktualizowany system daje programistom lepszy wgląd w aktywne rozszerzenia i ich wpływ na działanie Codexa. Dla zespołów pracujących na wspólnych repozytoriach oznacza to mniej niespodzianek, takich jak różnice w działaniu na różnych maszynach.

    Rozszerzone profile uprawnień wprowadzają jeszcze większą kontrolę. Można teraz określić, że agent w danej sesji może czytać pliki, ale nie ma możliwości ich modyfikacji, albo że ma dostęp tylko do wybranych katalogów. To istotne w środowiskach hostingowych i DevOps, gdzie przypadkowa zmiana konfiguracji może prowadzić do problemów. Bezpieczeństwo nie spowalnia pracy, a raczej ją organizuje.

    MultiAgentV2 i import sesji zewnętrznych agentów

    Dla osób pracujących z wieloma agentami jednocześnie istotne są zmiany w konfiguracji MultiAgentV2. Codex od dawna umożliwiał równoległe działanie agentów, ale teraz łatwiej je ze sobą zgrać, szczególnie gdy pracują na różnych gałęziach tego samego repozytorium. Wbudowane wsparcie dla worktrees pozwala uniknąć konfliktów, dzięki czemu każdy agent ma swój własny piaskownik bez ryzyka nadpisywania zmian innych.

    Nowością jest także możliwość importowania sesji zewnętrznych agentów. Jeśli rozpocząłeś pracę w innym narzędziu lub otrzymałeś fragment konwersacji agentowej, możesz teraz łatwo wciągnąć to do Codexa i kontynuować bez utraty kontekstu. To znacząca wygoda, zwłaszcza podczas testowania różnych środowisk, gdy nie chce się zaczynać wszystkiego od nowa.


    Źródła

  • OpenCode v1.14.35 naprawia irytujący błąd z renderowaniem diffów i markerami gita

    OpenCode v1.14.35 naprawia irytujący błąd z renderowaniem diffów i markerami gita

    OpenCode doczekał się kolejnej aktualizacji. Wersja v1.14.35 wprowadza jedną istotną poprawkę — stabilność renderowania diffów sesyjnych, które mogły się rozjeżdżać w przypadku napotkania znaczników patchy gita. Choć może to brzmieć jak drobiazg, dla osób regularnie przeglądających zmiany w kodzie w tym opensource'owym agencie AI, jest to kluczowa różnica między płynną pracą a frustrującym zgadywaniem, co właściwie się zmieniło.

    Kluczowe informacje o wydaniu

    • OpenCode v1.14.35 to aktualizacja skupiona na poprawie stabilności
    • Renderowanie diffów przestało się rozjeżdżać przy napotkaniu znaczników patchy gita w przeglądanych plikach
    • Zachowanie granic patchy — mechanizm poprawki respektuje te granice, aby silnik renderujący ich nie naruszał
    • Płynniejsze code review — użytkownicy otrzymują teraz czysty, nieposzarpany podgląd zmian bez artefaktów
    • Open Source — dostępne jako terminalowe narzędzie, aplikacja desktopowa i rozszerzenie IDE

    Na czym dokładnie polegał problem?

    Kiedy pliki zawierały znaczniki patchy gita — charakterystyczne linie z ---, +++ czy @@ — silnik diffów OpenCode mógł się na nich potknąć. Zamiast pokazać czytelny podgląd zmian, renderer gubił granice między sekcjami i wyświetlał zlepiony chaos. Dla programisty oznaczało to konieczność ręcznego rozszyfrowywania, co tak naprawdę zostało zmodyfikowane, a co jest tylko artefaktem konfliktu formatowania.

    Wersja v1.14.35 rozwiązuje ten problem poprzez zachowanie granic patchy diffa. Silnik renderujący przestał ingerować w strukturę, którą git uznaje za istotną. Dzięki temu nawet pliki z wieloma znacznikami wyświetlają się poprawnie, a sesje przeglądania zmian działają przewidywalnie.

    OpenCode — co to za narzędzie?

    OpenCode to opensource'owy agent AI do kodowania, dostępny w różnych formach. Można go uruchomić w terminalu, jako aplikację desktopową lub wtyczkę do IDE. Projekt rozwija się dynamicznie, a każda nowa wersja dodaje nowe możliwości lub, jak w tym przypadku, poprawia istniejące funkcje.

    Zespół regularnie wypuszcza aktualizacje, a v1.14.35 wpisuje się w szerszy trend — to nie jest przełomowa aktualizacja, ale ważny krok w kierunku stabilności. Historia wydań pokazuje, że deweloperzy przeplatają duże funkcje z mniejszymi poprawkami. W czerwcu 2026 wprowadzili na przykład szybsze wyszukiwanie plików przez fff, wsparcie dla WSL na desktopie czy odświeżony ekran startowy. Jednak bez poprawek takich jak ta z v1.14.35, cała reszta traci na użyteczności — co z tego, że narzędzie jest szybkie, skoro diffy wyglądają chaotycznie.

    Dla kogo ta poprawka ma znaczenie?

    Dla kogo ta poprawka ma znaczenie?

    Poprawka jest szczególnie istotna dla osób regularnie przeglądających zmiany w kodzie w OpenCode. Jeśli pracujesz z repozytoriami, w których pliki często zawierają wbudowane patche (co zdarza się przy generowaniu kodu przez inne narzędzia, w testach czy przy pracy z formatem patchy jako danymi wejściowymi), każda sesja przeglądania diffów mogła być dotychczas problematyczna.

    Teraz, przynajmniej teoretycznie, renderowanie powinno przebiegać gładko. Nie ma już sytuacji, w której granica patchu zostaje przypadkowo złamana przez silnik, a dwie osobne zmiany zlewają się w jedną, nieczytelną całość. Dla szybkiego przeglądania przed wprowadzeniem zmian, to oszczędność nerwów i czasu.

    Warto zaznaczyć, że poprawka nie dotyczy samego mechanizmu diffa — git działał poprawnie. Problem leżał wyłącznie w warstwie prezentacji, czyli w tym, co widzi użytkownik na ekranie. OpenCode stawia na czytelność sesji i wygodę inspekcji kodu, dlatego takie detale mogą znacząco wpłynąć na komfort pracy.

    Mała łatka, duży komfort

    Wersja v1.14.35 to przykład aktualizacji, która nie trafi na okładki branżowych serwisów, ale realnie poprawia codzienną pracę.


    Źródła

  • Claude Fable 5 wchodzi do gry — Anthropic otwiera dostęp do modelu klasy Mythos dla każdego

    Claude Fable 5 wchodzi do gry — Anthropic otwiera dostęp do modelu klasy Mythos dla każdego

    Anthropic udostępniło Claude Fable 5, swój najnowszy model klasy Mythos, który jest uznawany za bezpieczny do powszechnego użytku. To pierwszy raz, gdy tak zaawansowany model jest dostępny dla użytkowników płatnych planów Claude oraz przez API, chociaż jego bliźniacza wersja, Claude Fable 5, pozostaje ograniczona do wybranych partnerów. Fable 5 jest już dostępny na Amazon Bedrock, w interfejsie Claude API, a także na Google Cloud Vertex AI i w Microsoft Foundry.

    Co trzeba wiedzieć o Claude Fable 5

    • Fable 5 to model klasy Mythos, który osiąga wysokie wyniki w testach porównawczych.
    • Autonomiczna praca przez miliony tokenów — model potrafi działać samodzielnie przez długi czas.
    • Inżynieria oprogramowania i długotrwałe zadania kodowania to obszary, w których model wykazuje znaczną poprawę wydajności.
    • Ograniczenia bezpieczeństwa dotyczą głównie biologii, chemii, cyberbezpieczeństwa i destylacji — zapytania z tych dziedzin są kierowane do modelu Opus 4.8.
    • Claude Fable 5 to wersja z poluzowanymi zabezpieczeniami, dostępna tylko dla cyberobrońców i instytucji rządowych USA.

    Kodowanie, które nie potrzebuje nadzoru

    Największą nowością w Fable 5 jest jego zdolność do wielogodzinnej autonomicznej pracy. Model potrafi utrzymać kontekst przez miliony tokenów, robić notatki dla siebie i korygować własne wyniki podczas wykonywania zadania. Dla deweloperów oznacza to narzędzie, które nie wymaga ciągłego nadzoru.

    Anthropic informuje, że Fable 5 może działać autonomicznie dłużej niż jakikolwiek wcześniejszy model Claude. W praktyce oznacza to, że agenci kodujący mogą otrzymać specyfikację na kilka stron i realizować ją przez wiele godzin bez interwencji człowieka. Ethan Mollick, który testował model przed premierą, potwierdził, że Fable potrafi pracować nawet kilkanaście godzin nad złożonymi zadaniami.

    Co ciekawe, model samodzielnie ocenia swój kod w kontekście założonych celów. Nie chodzi już tylko o generowanie fragmentów kodu — Fable 5 sprawdza, czy to, co napisał, faktycznie realizuje zamierzony cel. To podejście agentowe, które Anthropic traktuje jako kluczowe w tej wersji.

    Frontend ze screenshota i inne sztuczki z wizją

    Anthropic określa Fable 5 jako nowy krok w zadaniach związanych z wizją komputerową. Model rozumie diagramy, wykresy, tabele, pliki PDF i zrzuty ekranu. Jednak szczególnie interesującą funkcją dla web deweloperów jest możliwość odtworzenia kodu źródłowego aplikacji webowej na podstawie zrzutów ekranu interfejsu.

    Wyobraź sobie: robisz zrzuty ekranu istniejącej aplikacji, przesyłasz je do Claude, a model rekonstruuje frontend. To znaczne ułatwienie przy prototypowaniu, przekształcaniu starych interfejsów czy szybkim odtwarzaniu konkurencyjnych rozwiązań do analizy.

    Dodatkowo model precyzyjnie odczytuje dane z wykresów naukowych — potrafi wyciągać dokładne liczby z wizualizacji, co wcześniej wymagało ręcznej pracy lub specjalistycznych narzędzi OCR. Dla zespołów pracujących z dokumentacją techniczną to znaczny postęp.

    Vibe coding wchodzi na wyższy poziom

    Dla osób śledzących trend vibe codingu, Fable 5 to jedna z najważniejszych premier tego roku. Model został zaprojektowany do długotrwałych zadań w środowiskach takich jak Claude Code. Mówimy o agentach, którzy otrzymują opis funkcjonalności w języku naturalnym i realizują go przez wiele godzin, a czasem dni.

    Mollick pokazał, jak Fable 5 generuje gry wideo na podstawie pojedynczego prompta w Claude Code. To nie są proste dema — model tworzył gry na podstawie wielostronicowych specyfikacji. Inny przykład to szczegółowa mapa izochroniczna wygenerowana z opisu słownego.

    AWS w swoim komunikacie podkreśla, że Fable 5 jest zbudowany z myślą o ambitnych, złożonych projektach, które wcześniej wymagały całych zespołów. To nie jest narzędzie do szybkich fragmentów kodu — to silnik do poważnych zadań programistycznych.

    Bezpieczeństwo z zastrzeżeniami

    Anthropic wprowadziło zabezpieczenia dla Fable 5. Zapytania związane z biologią, chemią, cyberbezpieczeństwem i destylacją są przekierowywane do modelu Opus 4.8, ponieważ firma obawia się nadużyć w tych dziedzinach. Cybernetyczny zespół testowy spędził ponad tysiąc godzin na testowaniu zabezpieczeń i nie znalazł skutecznego sposobu na ich obejście.

    Claude Fable 5, czyli ta sama wersja z poluzowanymi ograniczeniami, trafił wyłącznie do wybranych partnerów — cyberobrońców i dostawców infrastruktury współpracujących z rządem USA. Anthropic wyraźnie oddziela masowe wdrożenie Fable od limitowanego dostępu do Claude Fable 5.

    Co to zmienia dla deweloperów

    Claude Fable 5 to nie tylko aktualizacja. To model, który Anthropic wprowadza jako narzędzie do autonomicznej pracy programistycznej. Rekonstrukcja frontendu ze zrzutu ekranu, wielogodzinne agentowe kodowanie, samokrytyka generowanego kodu — wszystko to jest dostępne w publicznym API.

    Dla branży web dev, AI i vibe codingu to sygnał, że agentowe podejście do programowania staje się standardem. Staje się produktem dostępnym od ręki, na platformie chmurowej, z dokumentacją i wsparciem. Jeśli twoje narzędzia jeszcze nie korzystają z agentów, Fable 5 może być modelem, który zmieni twoje podejście.

  • Codex 0.128.0 wprowadza trwałe przepływy pracy i rozszerzone profile uprawnień

    Codex 0.128.0 wprowadza trwałe przepływy pracy i rozszerzone profile uprawnień

    OpenAI wprowadziło wersję 0.128.0 swojego terminalowego asystenta Codex, która zawiera trzy istotne zmiany: zapisywane cele zadań (/goal), rozszerzone profile uprawnień oraz ulepszone zarządzanie wtyczkami. Te aktualizacje przyczyniają się do bardziej zaawansowanej pracy w terminalu, gdzie procesy mogą trwać dłużej niż pojedyncze polecenia.

    Kluczowe fakty

    • Zapisywane cele /goal – agent może tworzyć, wstrzymywać i wznawiać zadania, a cel nie znika po przerwaniu sesji.
    • Rozszerzone profile uprawnień – większa kontrola nad tym, co Codex może zmieniać w repozytorium i środowisku.
    • Ulepszone zarządzanie wtyczkami – stabilniejsze rozszerzenia w ekosystemie CLI.
    • Nowe sterowanie TUI – konfigurowalne skróty klawiszowe i statusy w interfejsie terminalowym.
    • Poprawki dla Windows, sieci i Bedrocka – większa niezawodność na różnych platformach.

    Trwałe cele zamiast jednorazowych komend

    Dotychczas praca z Codexem przypominała szybkie zlecenia: wpisujesz prompt, agent wykonuje zadanie i to koniec. Wersja 0.128.0 zmienia ten model. Komenda /goal umożliwia ustawienie celu dla długotrwałego zadania, który pozostaje aktywny nawet po sprawdzeniu statusu przez agenta, kontynuacji pracy czy powrocie do niego po przerwie. Oznacza to, że można rozpocząć refaktoryzację, wstrzymać ją, sprawdzić postęp, a następnie wznowić bez potrzeby ponownego definiowania kontekstu. Kontrola z poziomu TUI pozwala na tworzenie, pauzowanie, wznawianie i czyszczenie celu bezpośrednio w interfejsie terminalowym. Nowe API serwera aplikacji również obsługuje te operacje, co jest przydatne przy integracji Codexa z własnymi narzędziami.

    Profile uprawnień i bezpieczniejszy agent

    Nie każdy użytkownik chce dawać agentowi pełny dostęp do całego repozytorium. Rozszerzone profile uprawnień w wersji 0.128.0 pozwalają na precyzyjniejsze określenie, co Codex może modyfikować. Jest to szczególnie istotne w środowiskach DevOps i przy automatyzacji repozytoriów, gdzie kontrola dostępu jest kluczowa.

    Brak kontroli nad tym, gdzie agent może zapisywać dane lub co uruchamiać, był jednym z powodów ograniczonego wdrożenia Codexa w codziennej pracy. Teraz można to lepiej skonfigurować, co zwiększa poczucie bezpieczeństwa, zwłaszcza w projektach z wieloma zależnościami lub w środowisku Windows, które również otrzymało poprawki w tej wersji.

    Wtyczki i sterowanie w terminalu

    Zarządzanie wtyczkami zostało znacznie ulepszone. OpenAI wskazuje na poprawę stabilności rozszerzeń w ekosystemie wtyczek, co jest korzystne dla użytkowników, którzy już rozbudowali swoje środowisko o dodatkowe narzędzia – zmniejsza to ryzyko problemów podczas aktualizacji.

    Równocześnie poprawiono obsługę TUI. Nowe mapowania klawiszy i kontrolki statusu ułatwiają nawigację w terminalu. Użytkownicy mogą je konfigurować według własnych preferencji, co zwiększa komfort pracy. Wraz z tym wprowadzono usprawnienia w MultiAgentV2, szczególnie w zarządzaniu wątkami, co z pewnością ucieszy osoby testujące wieloagentowe konfiguracje.

    Poprawki, które nie rzucają się w oczy, ale robią różnicę

    Oprócz nowych funkcji, wersja 0.128.0 zawiera poprawki dla kilku uciążliwych błędów. Piaskownica na Windowsie otrzymała aktualizacje eliminujące niepożądane zachowania przy uruchamianiu kodu. Udoskonalono także obsługę sieci oraz wsparcie dla modeli Bedrock, co jest istotne dla użytkowników korzystających z dostawców modeli AWS. Dla programistów pracujących z Codexem oznacza to większą stabilność i niezawodność w codziennych zadaniach.


    Źródła

  • Perplexity rewolucjonizuje wyszukiwanie agentowe: architektura Search as Code

    Perplexity rewolucjonizuje wyszukiwanie agentowe: architektura Search as Code

    Perplexity ogłosiła nową architekturę wyszukiwania – Search as Code (SaC) – która rezygnuje z sztywnych interfejsów API na rzecz programowalnych komponentów. Modele AI nie tylko wysyłają zapytania do czarnej skrzynki; teraz same budują potok wyszukiwania za pomocą generowanego kodu Pythona, co daje im większą kontrolę nad każdym etapem przetwarzania informacji. To zmiana, która pozwala agentom AI na przeprowadzanie setek, a nawet tysięcy operacji wyszukiwania w ramach jednego przebiegu wnioskowania.

    Kluczowe informacje o Search as Code

    • Perplexity wprowadza Search as Code w ramach Agent API oraz w produkcie Computer, zastępując wcześniejsze interfejsy typu function calling i MCP.
    • Modele AI generują kod Pythona, który orkiestruje wyszukiwanie – od pobierania danych, przez ranking, filtrowanie, aż po fan-outy – i wykonują go w izolowanym środowisku.
    • Agent uzyskuje dostęp do stanów pośrednich, takich jak listy kandydatów czy sygnały rankingowe, co pozwala na dynamiczną optymalizację strategii podczas realizacji zadania.
    • Architektura SaC wprowadza nowy standard wydajności kosztowej w benchmarkach wyszukiwania agentowego, znacznie poprawiając precyzję i redukując zbędne obciążenie kontekstu modelu.

    Czym jest Search as Code?

    Termin „Search as Code” może budzić skojarzenia z narzędziami do przeszukiwania repozytoriów (jak Google Code Search czy Sourcegraph), jednak w kontekście ogłoszenia Perplexity oznacza coś innego. SaC to architektura, w której wyszukiwanie nie jest wywoływane jako gotowy serwis przez funkcję API czy protokół MCP, lecz składane na żądanie przez model AI z atomowych prymitywów udostępnionych w SDK. Model, korzystając z generowania kodu, decyduje, jak skonfigurować retrieval, jakie filtry zastosować, czy uruchomić wiele równoległych zapytań i jak połączyć wyniki. Cały proces odbywa się w bezpiecznym środowisku, bez udziału zewnętrznych interfejsów komunikacyjnych.

    Tradycyjne systemy wyszukiwania były projektowane dla ludzi: użytkownik wpisywał zapytanie, a silnik zwracał stronę wyników (SERP). Gdy modele AI zaczęły korzystać z tych systemów, dziedziczyły ten sam kontrakt – podaj zapytanie, otrzymaj przetworzoną listę dokumentów. Dla prostych zadań to wystarczało, ale dla złożonych, wieloetapowych zadań agentowych stało się to wąskim gardłem.

    Dlaczego tradycyjne API przestało wystarczać?

    Monolityczne API narzuca modelowi sztywną logikę potoku wyszukiwania, co prowadzi do trzech powtarzających się problemów:

    1. Zbyt gruby kontekst – gdy agent potrzebuje jednej precyzyjnej informacji, a pipeline nastawiony jest na wysoką kompletność, do kontekstu trafia wiele nieistotnych danych, co zwiększa koszty i szum.
    2. Niewykorzystana wiedza dziedzinowa – model może rozpoznać, że dla danego zadania lepiej połączyć sygnały leksykalne z semantycznymi, nadać priorytet konkretnym źródłom lub agregować wyniki po określonym kluczu, ale nie ma możliwości przekazania tych wskazówek do API.
    3. Nieefektywna kontrola przepływu – agent nie może dostosować logiki potoku do specyfiki zadania, co prowadzi do nieoptymalnych wyników.

    Źródła

  • Codex 0.128.0: Przepis na długoterminowe Zadania AI i Lepsze Sterowanie Agentem

    Codex 0.128.0: Przepis na długoterminowe Zadania AI i Lepsze Sterowanie Agentem

    OpenAI nieustannie rozwija możliwości swojego terminalowego agenta kodującego, a najnowsza wersja Codex 0.128.0 to doskonały przykład tych postępów. To wydanie nie jest jedynie zbiorem poprawek, ale istotnym krokiem w kierunku przekształcenia Codexa z prostego narzędzia w proaktywny, autonomiczny silnik stanów. Kluczowym elementem aktualizacji jest wprowadzenie trwałych przepływów pracy /goal, które zmieniają sposób, w jaki programiści mogą delegować złożone, wieloetapowe zadania. Codex staje się teraz asystentem zdolnym do prowadzenia długoterminowej narracji projektu, zamiast odpowiadać na pojedyncze, izolowane komendy.

    Kluczowe fakty o wydaniu Codex 0.128.0

    • Trwałe cele /goal pozwalają na definiowanie zadania, które agent realizuje przez wiele cykli kontynuacji, aż do jego ukończenia lub wyczerpania budżetu tokenów.
    • Zarządzanie stanem celów, takich jak realizacja, wstrzymanie, osiągnięcie czy ograniczenie budżetowe, umożliwia zaawansowane sterowanie zadaniem z poziomu TUI.
    • Ulepszona konfiguracja MultiAgentV2 usprawnia współpracę agentów w złożonych projektach.
    • Rozszerzone profile uprawnień i usprawnione zarządzanie wtyczkami zwiększają bezpieczeństwo i elastyczność środowiska pracy.

    Serce nowej funkcjonalności: trwałe cele /goal

    Do tej pory praca z Codexem przypominała rozmowę z niecierpliwym geniuszem – wydawane polecenia były realizowane, ale kontekst często się rozmywał. Mechanizm /goal odpowiada na potrzebę ciągłości w złożonych projektach deweloperskich. Nie jest to jedynie alias dla promptu, ale trwały obiekt przechowujący cel dla długotrwałego zadania. Użytkownik może teraz zdefiniować cel, który będzie aktywnie realizowany przez wiele tur, nawet w przypadku przerw. To sprawia, że Codex nadaje się do zadań takich jak wieloplikowe refaktoryzacje, sesje debugowania czy implementacje wymagające okresowych punktów kontrolnych.

    W praktyce, po wpisaniu /goal "Przeprowadź migrację bazy danych z PostgreSQL do MySQL", Codex nie tylko rozpoczyna pracę, ale także utrzymuje ten cel jako swój nadrzędny stan. System automatycznie wstrzykuje w trakcie działania specjalne prompty kontynuacji (goals/continuation.md), które przypominają agentowi o jego misji na koniec każdej tury, oraz prompty budżetowe (goals/budget_limit.md), które pilnują, by zadanie nie przekroczyło wyznaczonego limitu tokenów. Architektura opiera się na trwałości na poziomie wątku, co oznacza, że cel przetrwa wiele wymian i sprawdzeń kontynuacji, zachowując pełną świadomość celu.

    Sterowanie cyklem życia celu: od pauzy do wznowienia

    Kluczowym aspektem praktycznego zastosowania /goal jest możliwość zarządzania jego stanem. Codex 0.128.0 wprowadza intuicyjne komendy dostępne z poziomu interfejsu terminalowego (TUI), które dają programiście pełną kontrolę nad zadaniami długoterminowymi. Użytkownik może w każdej chwili wstrzymać agenta (pauza), aby na przykład przeanalizować dotychczasowe zmiany, a następnie wznowić jego pracę bez utraty kontekstu. Stan celu może odzwierciedlać, czy zadanie jest aktualnie realizowane, wstrzymane, osiągnięte, czy też przekroczyło limit budżetu.

    Rozróżnienie między pause (pauza) a clear (wyczyść) jest istotne i wynika z analiz społeczności. Wybranie opcji clear bezpowrotnie odrzuca cały stan celu, co jest równoznaczne z anulowaniem misji. Z kolei pause konserwuje stan, pozwalając na kontynuację w dowolnym momencie. Ta funkcjonalność eliminuje frustrację związaną z ponownym opisywaniem kontekstu po każdej przerwie, zmieniając Codex w niezawodnego współpracownika, który pamięta, nad czym pracował nawet po kilku godzinach.

    Ulepszenia kontroli agenta i niezawodności

    Poza nową funkcją celów, wydanie 0.128.0 przynosi szereg innych istotnych usprawnień, które wzmacniają fundamenty całego narzędzia. W odpowiedzi na potrzeby zaawansowanych użytkowników, konfiguracja MultiAgentV2 została ulepszona, co usprawnia współpracę wielu instancji Codexa i zwiększa przewidywalność ich działań w skomplikowanych środowiskach.

    Równolegle, profile uprawnień zostały rozszerzone, dając administratorom i użytkownikom drobnoziarnistą kontrolę nad tym, do jakich zasobów i operacji agent ma dostęp. To kluczowe dla bezpieczeństwa w środowiskach korporacyjnych. Usprawniono także zarządzanie wtyczkami, co upraszcza ich instalację i konfigurację, a tym samym rozszerza ekosystem narzędzi dostępnych dla Codexa. Całość dopełniają krytyczne poprawki błędów, które zwiększają ogólną niezawodność i stabilność narzędzia, czyniąc Codex 0.128.0 nie tylko nową funkcjonalnością, ale także dojrzewaniem platformy do roli nieodzownego partnera w codziennej pracy dewelopera.


    Źródła

  • OpenCode z lepszą obsługą powłoki i stabilnością przestrzeni roboczych

    OpenCode z lepszą obsługą powłoki i stabilnością przestrzeni roboczych

    OpenCode, otwartoźródłowy agent kodowania AI dostępny jako aplikacja terminalowa, desktopowa i rozszerzenie do IDE, otrzymał nową aktualizację. Wersja OpenCode z lepszą obsługą powłoki i stabilnością przestrzeni roboczych koncentruje się na dwóch problemach, które dotychczas były uciążliwe dla programistów — responsywności w trybie powłoki i stabilności sesji roboczych. Dodatkowo wprowadzono kilka poprawek dla użytkowników AWS Bedrock oraz ulepszono generację schematów OpenAPI.

    • Shell mode zyskał poprawki eliminujące opóźnienia kursora i klawiszy edycyjnych, a narzędzie powłoki informuje teraz model o skonfigurowanym limicie czasu.
    • AWS Bedrock doczekał się poprawki wiszących sesji — modele nie blokują się już przed rozpoczęciem odpowiedzi.
    • Edycja kodu stała się bezpieczniejsza dzięki odrzucaniu luźnych dopasowań, które mogły nadpisać niewłaściwy kod.
    • Przestrzenie robocze zyskały poprawki w adapterach HTTP API i procesie tworzenia nowych workspace'ów.
    • TUI i desktop otrzymały ulepszenia interfejsu, w tym poprawione przełączanie kart i responsywność paska tytułowego.

    Shell mode w końcu bez irytujących lagów

    Każdy, kto spędził trochę czasu w terminalowych agentach AI, zna ten moment — wklejasz polecenie, próbujesz poprawić literówkę, a kursor zachowuje się jak na zepsutej maszynie do pisania. OpenCode z lepszą obsługą powłoki i stabilnością przestrzeni roboczych rozwiązuje ten problem na kilka sposobów.

    Po pierwsze, narzędzie powłoki teraz informuje model o skonfigurowanym limicie czasu. W praktyce oznacza to, że AI wie, ile ma czasu na wykonanie operacji i może lepiej zarządzać zadaniami. Naprawiono również problemy związane z anulowaniem poleceń — wcześniej przerwana operacja mogła pozostawiać procesy w zawieszeniu. Teraz anulowanie skutecznie zamyka to, co powinno.

    Ruchy kursora i klawisze edycyjne działają teraz płynnie. Dla programistów spędzających godziny w terminalu to różnica między frustracją a produktywnym działaniem. Nie trzeba już się denerwować, gdy chcesz cofnąć się o kilka znaków i poprawić ścieżkę.

    Stabilność workspace'ów ratuje długie sesje

    Druga istotna zmiana dotyczy przestrzeni roboczych. Poprzednie wersje miały problemy z adapterami HTTP API i procesem tworzenia workspace'ów — szczególnie gdy pracowałeś na wielu repozytoriach jednocześnie lub przełączałeś się między projektami w trakcie długiej sesji.

    Aktualizacja wprowadza również poprawki dla konfiguracji desktopowych z wieloma serwerami. Każdy serwer teraz ma własny stan domowy i dedykowane karty sesji. Jeśli pracujesz z OpenCode na kilku maszynach albo łączysz się zdalnie, kontekst nie będzie się już gubił między restartami.

    Sesje teraz zapamiętują aktualizacje kontekstu systemowego nawet podczas długotrwałych konwersacji. Oznacza to, że agent nie zapomni nagle o twoich preferencjach czy ustawieniach projektu po dłuższym czasie pracy. Odpowiedzi na pytania o uprawnienia trafiają do właściwego katalogu sesji, co eliminuje błędy trasowania, które mogły wywołać chaos w złożonych procesach.

    Bezpieczniejsza edycja i lepsze wsparcie providerów

    Warto zwrócić uwagę na zmiany w mechanizmie edycji kodu. Operacje edycyjne odrzucają teraz luźne dopasowania — to zabezpieczenie przed przypadkowym nadpisaniem niewłaściwego pliku. Jeśli agent nie ma pewności, że trafił we właściwy fragment kodu, nie wykona zmiany.

    Jeśli chodzi o dostawców modeli, poza poprawką dla Bedrocka, OpenCode zyskał wsparcie dla Snowflake Cortex. To rozszerza gamę backendów dostępnych w korporacyjnych środowiskach. Ulepszono również generację schematów OpenAPI, co ułatwia integrację agenta z zewnętrznymi narzędziami przez API.

    Podsumowanie

    Wersja OpenCode z lepszą obsługą powłoki i stabilnością przestrzeni roboczych to zestaw precyzyjnych poprawek w miejscach, które były problematyczne. Responsywność powłoki, stabilność sesji i bezpieczeństwo edycji to kluczowe elementy codziennej pracy z agentem AI. Jeśli dotychczas irytowało cię zacinanie się terminala lub gubienie kontekstu w trakcie dłuższej sesji, ta aktualizacja powinna rozwiązać większość tych problemów.


    Źródła

  • Factory 0.115.0 wprowadza natywną obsługę PDF i ulepszenia CLI dla programistów

    Factory 0.115.0 wprowadza natywną obsługę PDF i ulepszenia CLI dla programistów

    Factory wydało wersję 0.115.0 swojej platformy deweloperskiej, a kluczową nowością jest natywna obsługa plików PDF przez model Gemini 3.1 Pro. Aktualizacja, dostępna od 5 czerwca 2026 roku, wprowadza także wsparcie dla zaawansowanego wnioskowania w GLM-5.1 oraz szereg poprawek stabilności, które będą przydatne dla osób pracujących z długimi sesjami agentowymi.

    Co nowego w Factory 0.115.0

    • Natywna obsługa PDF w Gemini 3.1 Pro — model może teraz bezpośrednio analizować dokumenty, specyfikacje i raporty bez wcześniejszego przetwarzania.
    • Wsparcie dla wnioskowania w GLM-5.1 otwiera nowe możliwości w złożonych zadaniach analitycznych.
    • Masowe przeciąganie obrazów w CLI przyspiesza pracę z multimodalami — szczególnie przydatne przy debugowaniu UI i analizie zrzutów ekranu.
    • Bezpośrednie przesyłanie PDF w aplikacji eliminuje tarcie między dokumentacją a workflow.
    • Ulepszona synchronizacja w chmurze i odporność sesji na przerwania sprawiają, że długie zadania agentowe nie gubią stanu.

    Gemini 3.1 Pro z natywnym PDF

    Google określa Gemini 3.1 Pro jako swój najbardziej zaawansowany model wnioskujący, zdolny do pracy z tekstem, dźwiękiem, obrazami, wideo i PDF-ami. Model oferuje okno kontekstowe o wielkości miliona tokenów na wejściu i 64 tysiące na wyjściu, co pozwala na przetwarzanie bardzo obszernych dokumentów technicznych w całości.

    Dla zespołów programistycznych oznacza to koniec z koniecznością konwersji dokumentów. Dokumentacja projektowa, logi serwerowe, specyfikacje API czy raporty z testów mogą trafiać prosto do modelu, bez potrzeby ręcznego wycinania fragmentów. Factory integruje tę funkcję na dwa sposoby: przez przeciągnięcie pliku w interfejsie aplikacji oraz przez bezpośrednie odwołanie w CLI.

    Gemini 3.1 Pro osiągnął wynik 77,1% w teście ARC-AGI-2, co Google opisuje jako ponad dwukrotnie lepszy rezultat od poprzednika. W praktyce przekłada się to na skuteczniejsze rozumienie złożonych instrukcji i lepsze radzenie sobie z wieloetapowymi zadaniami.

    GLM-5.1 i wnioskowanie krok po kroku

    Oprócz Gemini, Factory dodało także wsparcie dla modelu GLM-5.1 z funkcją rozumowania. Choć GLM nie jest tak szeroko omawiany jak modele Google'a, jego obecność w ekosystemie Factory pokazuje, że platforma stawia na różnorodność silników AI.

    Wnioskowanie krok po kroku przydaje się szczególnie przy analizie błędów, refaktoryzacji czy zadaniach wymagających logicznego wyprowadzenia rozwiązania. Model potrafi przeprowadzić użytkownika przez swój proces myślowy, co ułatwia weryfikację poprawności odpowiedzi.

    CLI i stabilność

    Factory nie zapomniało o jakości życia programistów. Masowe przeciąganie obrazów w CLI to drobiazg, ale przy pracy ze zrzutami ekranu czy mockupami interfejsów oszczędza czas. Wystarczy zaznaczyć kilka plików w eksploratorze i puścić je w terminal — resztę ogarnia Droid.

    Wprowadzono także poprawki renderowania terminala i niezawodności uwierzytelniania. Ulepszona synchronizacja w chmurze i możliwość wznowienia pracy od miejsca przerwania są istotne dla programistów, którzy doświadczyli utraty sesji w trakcie debugowania.

    Co to oznacza dla zespołów deweloperskich

    Natywna obsługa PDF-ów zmienia sposób, w jaki można integrować dokumentację z procesem developmentu. Zamiast trzymać specyfikacje w osobnym oknie i ręcznie przepisywać wymagania, wystarczy wrzucić plik do Factory i pozwolić modelowi działać. Dla zespołów pracujących w metodykach zwinnych, gdzie dokumentacja szybko się zmienia, to oszczędność czasu i mniejsze ryzyko przeoczeń.

    Wersja 0.115.0 to solidny krok naprzód w użyteczności. Factory łączy moc nowych modeli AI z przemyślanymi usprawnieniami workflow, co sprawia, że platforma pozostaje konkurencyjna na rynku narzędzi do AI-assisted development.


    Źródła