Kategoria: Technologie

  • 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.

  • Oto ChatGPT Images 2.0: OpenAI prezentuje model, który wreszcie poprawnie renderuje tekst

    Oto ChatGPT Images 2.0: OpenAI prezentuje model, który wreszcie poprawnie renderuje tekst

    OpenAI wprowadziło nową wersję swojego modelu generowania obrazów, Oto ChatGPT Images 2.0. Model jest już dostępny dla użytkowników i odpowiada na jedną z głównych krytyk dotyczących generatywnej sztucznej inteligencji – problem z poprawnym renderowaniem tekstu na grafikach.

    Nowy silnik nie tylko poprawia pisanie, ale także wprowadza ulepszenia w fotorealizmie, edycji i dostosowywaniu rozdzielczości. OpenAI kontynuuje rozwój w dziedzinie generatywnych mediów, koncentrując się na praktycznych zastosowaniach dla twórców i deweloperów.

    Kluczowe fakty o nowym modelu

    • Doskonałe renderowanie tekstu to główna nowość; model integruje napisy, znaki i notatki odręczne w scenach, poprawnie obsługując języki niełacińskie, takie jak japoński, koreański, hindi czy bengalski.
    • Świadomość kontekstu i fizyki pozwala na tworzenie realistycznych scen z wieloma obiektami, z poprawnym oświetleniem i bez typowych błędów, jak nakładanie się elementów.
    • Zaawansowana edycja z maskami umożliwia precyzyjne wypełnianie (inpainting) i rozszerzanie (outpainting) obrazów, zachowując szczegóły takie jak oświetlenie czy twarze, co jest kluczowe przy prototypowaniu UI czy wizualizacji produktów.
    • Nowe możliwości obejmują generowanie obrazów w rozdzielczości do 2K, dostępność wielu formatów, czterokrotnie szybsze tworzenie oraz funkcję "Chronicle" do tworzenia spójnych sekwencji wizualnych.

    Przełom w renderowaniu tekstu i wielojęzyczność

    Najważniejszą funkcją Oto ChatGPT Images 2.0 jest poprawne renderowanie tekstu. Wcześniejsze modele, w tym poprzednia wersja, miały problemy z literami, tworzyły nieczytelne ciągi znaków lub zniekształcały napisy na szyldach czy plakatach. Teraz to się zmienia.

    Model potrafi wkomponować pisany język w scenę – jako etykieta na butelce, znak drogowy, interfejs użytkownika czy kartka z notatkami. Zachowuje poprawną ortografię, spójne odstępy między literami i odpowiednie czcionki. Wsparcie dla skryptów niełacińskich otwiera możliwości dla globalnych projektów.

    Świadome świata obrazy i elastyczna jakość

    Świadome świata obrazy i elastyczna jakość

    Model został wytrenowany na lepszym rozumieniu świata fizycznego. Generowane sceny z wieloma obiektami są spójne – światło pada realistycznie, materiały wyglądają odpowiednio, a obiekty nie przenikają się nawzajem.

    Model oferuje tryby generowania "Instant" i "Thinking", które pozwalają na różnorodność w czasie przetwarzania i szczegółowości wyników. Działa z aktualną wiedzą o świecie, z datą odcięcia w grudniu 2025 roku, co pozwala na tworzenie obrazów odnoszących się do bieżących wydarzeń i trendów.

    Narzędzie dla deweloperów: od prototypów do produkcji

    Dla społeczności web dev i twórców aplikacji AI, Oto ChatGPT Images 2.0 oferuje potężne możliwości przez API (dostępne jako GPT-Image-1.5). Elastyczność rozdzielczości – od presetów po customowe wymiary, z krawędziami do 3840 px i różnymi proporcjami – pozwala generować zasoby dokładnie pod potrzeby projektu, czy to na baner, czy na tło w wysokiej rozdzielczości.

    Endpoint edycji może być najbardziej praktycznym rozwiązaniem dla wielu zastosowań. Możliwość precyzyjnej modyfikacji wybranych regionów obrazu przy użyciu masek to funkcja, na którą czekało wielu designerów. Dzięki niej można iteracyjnie poprawiać mockupy UI, wizualizować zmiany na opakowaniach produktów czy generować warianty grafik bez potrzeby zaczynania od zera.

    Podsumowanie

    Oto ChatGPT Images 2.0 to nie tylko kolejna iteracja, ale odpowiedź na konkretne problemy dotychczasowej technologii. Poprawione renderowanie tekstu ma kluczowe znaczenie dla wielu zastosowań komercyjnych, gdzie poprawny napis na wizualizacji jest istotny. Połączenie tego z lepszym rozumieniem fizyki, zaawansowaną edycją i opcjami dostosowywania jakości sprawia, że model staje się wszechstronnym narzędziem produkcyjnym.

    Dostępność przez API oznacza, że wkrótce możemy zobaczyć jego implementacje w narzędziach do prototypowania, platformach e-commerce czy generatorach treści. OpenAI stawia na użyteczność, a Oto ChatGPT Images 2.0 wydaje się być krokiem w stronę generatywnej AI, która nie tylko imponuje, ale także solidnie pracuje.

  • 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.

  • Claude Code 2.1.97: Mocniejsze UI, Bezpieczniejsze Narzędzia i Kluczowe Poprawki Stabilności

    Claude Code 2.1.97: Mocniejsze UI, Bezpieczniejsze Narzędzia i Kluczowe Poprawki Stabilności

    Anthropic wprowadził nową wersję swojego narzędzia dla programistów, Claude Code 2.1.97, która koncentruje się na ulepszeniach interfejsu użytkownika, zwiększeniu bezpieczeństwa uprawnień narzędziowych oraz usunięciu krytycznych błędów wpływających na stabilność. Aktualizacja odpowiada na potrzeby deweloperów pracujących w terminalu, wprowadzając zmiany w widoku i poprawiając obsługę sesji. To część szerszej serii 2.1, która przyniosła liczne ulepszenia dla CLI, co zwiększa produktywność w agentowym kodowaniu.

    Nowa wersja wprowadza konkretne usprawnienia, które szczególnie odczują programiści zarządzający rozbudowanymi projektami i złożonymi konfiguracjami środowisk deweloperskich. Poprawki dotyczące zarządzania pamięcią i łącznością MCP mają na celu zapewnienie płynniejszej i bardziej przewidywalnej pracy, co jest istotne w profesjonalnych workflow opartych na AI.

    Kluczowe zmiany w najnowszej wersji

    • Ulepszenia interfejsu użytkownika: Wprowadzono zmiany w trybie widoku oraz poprawiono responsywność interfejsu.
    • Zabezpieczenia narzędzi Bash: Zaktualizowano polityki uprawnień dla narzędzia Bash, co zwiększa kontrolę nad wykonywanymi komendami.
    • Optymalizacja sesji: Komenda /resume działa wydajniej w przypadku dużych sesji i lepiej radzi sobie ze złożoną historią sesji.
    • Poprawa stabilności połączeń: Usunięto problemy wpływające na stabilność połączeń MCP (Model Context Protocol) oraz poprawiono błędy związane z wznawianiem sesji.
    • Ulepszenia kompatybilności: Poprawiono obsługę obrazów, konfigurację linii statusu oraz kompatybilność terminala w systemach Windows i macOS.

    Większa kontrola i płynność pracy

    Jednym z ulepszeń jest poprawa widoku i płynności interfejsu. Zmiany te zwiększają komfort pracy podczas długich sesji kodowania. Równocześnie ulepszono wsparcie dla pracy z zaawansowanymi regułami dostępu i uprawnieniami.

    W zakresie zarządzania kontekstem, aktualizacja stawia na wydajność. Przyspieszenie działania komendy /resume dla dużych sesji to korzyść dla zespołów pracujących nad rozbudowanymi codebase'ami. Claude Code 2.1.97 lepiej radzi sobie także ze złożoną historią sesji, która wcześniej mogła spowalniać proces wznawiania pracy.

    Zaostrzenie bezpieczeństwa i stabilność połączeń

    Bezpieczeństwo to kluczowy element tej aktualizacji. Inżynierowie Anthropic wprowadzili zmiany w uprawnieniach związanych z narzędziem Bash. Oznacza to bardziej restrykcyjne domyślne polityki oraz lepszą ochronę przed przypadkowym lub złośliwym wykonaniem niebezpiecznych komend systemowych. To odpowiedź na rosnące wykorzystanie Claude Code 2.1.97 do automatyzacji zadań DevOps, gdzie kontrola nad wykonywanymi skryptami jest istotna.

    Drugim istotnym elementem jest poprawa stabilności połączeń z serwerami MCP. Usunięto problemy, które mogły wpływać na zużycie zasobów przy długotrwałej pracy z wieloma zewnętrznymi narzędziami. Dodatkowo, optymalizacje procesu startowego przyspieszają inicjalizację i poprawiają responsywność od pierwszych sekund użytkowania.

    Drobne ulepszenia i poprawki błędów

    Oprócz głównych zmian, najnowsza wersja zawiera szereg pomniejszych ulepszeń i poprawek. Ulepszono obsługę obrazów, co przekłada się na lepsze wyświetlanie diagramów czy zrzutów ekranu w konwersacji. Lepsza konfiguracja linii statusu daje użytkownikom więcej możliwości personalizacji przestrzeni roboczej.

    W zakresie kompatybilności, zespół pracował nad zapewnieniem spójnego działania zarówno na Windows, jak i macOS, szczególnie w kontekście różnych emulatorów terminali. Poprawki obejmują także usunięcie błędów, które mogły powodować niespodziewane zamykanie sesji lub problemy z synchronizacją stanu.

    Podsumowanie

    Wydanie najnowszej aktualizacji Claude Code 2.1.97 to ważny krok, który umacnia pozycję narzędzia jako platformy dla AI-asystowanego rozwoju oprogramowania. Skupienie się na wydajności sesji, bezpieczeństwie wykonywania kodu oraz stabilności połączeń pokazuje, że Anthropic reaguje na potrzeby profesjonalnych deweloperów. Te poprawki, choć często niedostrzegalne na pierwszy rzut oka, przekładają się na mniej frustracji i więcej czasu spędzonego na efektywnej pracy. W połączeniu z szerszymi możliwościami serii 2.1, Claude Code 2.1.97 staje się coraz bardziej wszechstronnym środowiskiem dla nowoczesnego programisty.

    Źródła

  • 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

  • Claude Mythos Przedstawia Przyszłość Cyberbezpieczeństwa. Czas na Skok Pokoleniowy w Obronie

    Claude Mythos Przedstawia Przyszłość Cyberbezpieczeństwa. Czas na Skok Pokoleniowy w Obronie

    Anthropic udostępniło model Claude Mythos w ramach zamkniętych testów badawczych. Jest to system ogólnego przeznaczenia, który wykazuje nowe możliwości w zakresie cyberbezpieczeństwa, w tym wyszukiwanie i wykorzystywanie podatności typu zero-day. W związku z ryzykiem, jakie niesie ta technologia, firma rozpoczęła Project Glasswing. To inicjatywa o ograniczonym dostępie, która ma wykorzystać potencjał modelu do wzmocnienia zabezpieczeń infrastruktury krytycznej.

    Dane techniczne opublikowane przez Anthropic wskazują, że model uzyskał wynik 83% w teście CyberGym. Dla porównania Claude Opus osiągnął w tym samym badaniu 67%. Claude Mythos nie ogranicza się do prostego skanowania kodu. Potrafi tworzyć złożone łańcuchy exploitów, które w testach wywoływały awarie w OSS-Fuzz i pozwalały na przejmowanie przepływu sterowania (control flow). Model radzi sobie również z lukami typu N-day oraz inżynierią wsteczną oprogramowania o zamkniętym kodzie źródłowym.

    Skala wykrywania luk i ryzyko podwójnego zastosowania

    W fazie testowej model wskazał tysiące nieznanych wcześniej błędów w popularnych systemach operacyjnych i przeglądarkach. System odnajduje usterki, które pozostawały niewykryte przez dziesięciolecia. Przykładem jest załatany już błąd w OpenBSD, który znajdował się w kodzie przez 27 lat.

    Technologia ta ma charakter podwójnego zastosowania (dual-use). Narzędzia służące do łatania starych systemów mogą zostać użyte przez grupy przestępcze do automatyzacji ataków. Z tego powodu Anthropic ograniczyło dostęp do modelu. W ramach Project Glasswing korzysta z niego obecnie ponad 40 podmiotów, w tym firmy technologiczne i organizacje zajmujące się bezpieczeństwem cyfrowym.

    Wpływ na pracę programistów i DevOps

    Rozwój takich modeli zmienia podejście do web developmentu i procesów DevOps. Tradycyjne testy penetracyjne wykonywane raz na kwartał stają się niewystarczające, gdy sztuczna inteligencja potrafi w kilka godzin wykonać pracę, która ekspertowi zajmowała wiele dni. Ciągła walidacja bezpieczeństwa (continuous validation) staje się standardowym wymogiem.

    Claude Mythos może pomóc w zabezpieczaniu potoków CI/CD poprzez automatyczne wykrywanie błędów pamięci czy warunków wyścigu (race conditions) w starym kodzie. Integracja takiej analizy bezpośrednio z codzienną pracą programistów ma docelowo utrudnić przeprowadzanie ataków i podnieść ogólny poziom bezpieczeństwa systemów.

    Wyniki ewaluacji pokazują, że Anthropic koncentruje się na specjalistycznych zadaniach związanych z ochroną danych i infrastruktury. Jest to jeden z głównych kierunków rozwoju zaawansowanych modeli tej firmy.

    Wyzwania i dalsze kroki

    Skuteczność modelu w testach laboratoryjnych nie gwarantuje identycznych wyników w rzeczywistych warunkach. Systemy obronne, takie jak mechanizmy EDR (Endpoint Detection and Response), mogą skutecznie blokować działania podejmowane przez model. Kluczowym sprawdzianem będzie praca w środowiskach posiadających aktywne zabezpieczenia.

    Pojawienie się Claude Mythos wywołało w branży dyskusję na temat odpowiedzialności za niezałatane luki w działających systemach. Poprzez Project Glasswing Anthropic testuje model dystrybucji technologii o wysokim ryzyku. Wyniki tego projektu pokażą, czy szerokie zastosowanie sztucznej inteligencji w cyberbezpieczeństwie realnie wzmocni ochronę, czy ułatwi przeprowadzanie ataków.

    Źródła

  • Google uwalnia potencjał sztucznej inteligencji na Macu. Gemini for Mac już oficjalnie dostępne

    Google uwalnia potencjał sztucznej inteligencji na Macu. Gemini for Mac już oficjalnie dostępne

    Google udostępniło natywną aplikację Gemini na komputery Mac. Program nie jest jedynie kopią wersji przeglądarkowej, ale został napisany od podstaw w języku Swift, co pozwala na integrację z systemem macOS. Użytkownicy mogą korzystać z darmowej wersji z limitami lub wybrać płatne pakiety, takie jak AI Plus, AI Pro czy AI Ultra.

    Aplikacja jest dostępna do pobrania na stronie gemini.google/mac/. Google zdecydowało się ominąć App Store, co pozwala firmie wydawać aktualizacje bez czekania na weryfikację Apple. Do działania wymagany jest komputer z procesorem Apple Silicon oraz system macOS 15 (Sequoia) lub nowszy. Osoby korzystające ze starszych wersji systemu lub komputerów z procesorami Intel nie mogą zainstalować tej wersji.

    Szybkość i analiza treści na ekranie

    Główną zaletą aplikacji jest łatwy dostęp, przypominający działanie systemowej wyszukiwarki Spotlight. Program można wywołać skrótem klawiaturowym Option + Spacja, co otwiera małe okno do szybkich pytań. Pełny czat uruchamia się kombinacją Option + Shift + Spacja. Ikona Gemini jest widoczna w Docku oraz na górnym pasku menu.

    Aplikacja potrafi analizować to, co aktualnie wyświetla się na monitorze. Po włączeniu odpowiednich uprawnień w ustawieniach prywatności i dostępności, Gemini widzi otwarte dokumenty PDF, arkusze kalkulacyjne czy kod w edytorze. Dzięki temu asystent może streścić tekst, wyjaśnić skomplikowane fragmenty danych lub zasugerować poprawki w projekcie graficznym bez konieczności ręcznego kopiowania treści.

    Narzędzia dla twórców i programistów

    Gemini na Maca oferuje te same funkcje, co wersja mobilna i przeglądarkowa. Użytkownicy mogą korzystać z modelu Imagen 3 do generowania obrazów oraz narzędzia Veo do tworzenia krótkich materiałów wideo. Program ułatwia pracę nad projektami kreatywnymi i technicznymi.

    Programiści i osoby pracujące z dużą ilością danych mogą przesyłać pliki bezpośrednio do aplikacji. Gemini pomaga w pisaniu kodu, tłumaczeniu tekstów i planowaniu zadań. Dzięki temu, że aplikacja działa lokalnie jako natywny program, reaguje szybciej niż interfejs w przeglądarce internetowej.

    Konkurencja na rynku

    Wprowadzenie tej aplikacji to ruch wymierzony w ChatGPT Desktop oraz Microsoft Copilot. Google postawiło na ścisłe połączenie asystenta z systemem operacyjnym, co ma przyciągnąć osoby na co dzień korzystające z komputerów Apple.

    Oficjalna premiera odbyła się 16 kwietnia 2024 roku, kończąc okres zamkniętych testów. Od pierwszych zapowiedzi aplikacja została rozbudowana o stabilną analizę ekranu i obsługę plików. Google regularnie dodaje nowe funkcje, dostosowując narzędzie do aktualnych możliwości modeli językowych.

    Dostępność i wymagania

    Gemini na Maca jest skierowane do osób, które chcą mieć dostęp do sztucznej inteligencji bez przełączania się między kartami przeglądarki. Choć wymóg posiadania najnowszego systemu i procesora Apple Silicon ogranicza grono odbiorców, zapewnia to płynne działanie programu.

    Aplikacja obsługuje język polski oraz wszystkie inne języki dostępne wcześniej w wersji mobilnej. Wybór między instalacją aplikacji a korzystaniem z przeglądarki zależy od tego, jak bardzo asystent ma być zintegrowany z codziennymi zadaniami. Google promuje rozwiązanie systemowe jako szybszy i wygodniejszy sposób pracy na Macu.

  • Claude Code 2.0: Przebudowa narzędzia do kodowania z AI, nowy design i automatyzacja rutyn

    Claude Code 2.0: Przebudowa narzędzia do kodowania z AI, nowy design i automatyzacja rutyn

    Claude Code 2.0 to kolejna wersja narzędzia od Anthropic, która wprowadza funkcje automatyzujące powtarzalne zadania w pracy programisty. Zmiany te sprawiają, że AI staje się stałym elementem procesu tworzenia oprogramowania, a nie tylko dodatkiem.

    Do najważniejszych nowości należy funkcja By the Way. Pozwala ona Claude’owi pracować nad wieloma zadaniami jednocześnie – model może kontynuować przerwane wątki w czasie, gdy czeka na reakcję użytkownika. Twórcy dodali także integrację z Telegramem oraz poprawili zarządzanie pamięcią kontekstową. Bardziej zaawansowani użytkownicy mogą korzystać z hooków worktree, interfejsu CLI do zarządzania agentami oraz bezpośredniego połączenia z VS Code. Dzięki temu narzędzie rzadziej czeka na polecenia, a częściej samodzielnie wspiera bieżący proces pracy.

    Aplikacja i integracje: centrum pracy programisty

    Zmiany w organizacji pracy opierają się na obsłudze równoległych instancji i agentów. Wykorzystanie funkcji multi-worktree w systemie Git sprawia, że deweloper może rozwijać kilka funkcji w tym samym czasie w osobnych, odizolowanych środowiskach.

    Kluczowa jest też natywna integracja z VS Code. Claude łączy się bezpośrednio z edytorem, co daje dostęp do modelu bez wychodzenia z IDE. Jest to pomocne podczas pisania i poprawiania kodu, ponieważ pozwala zachować ciągłość pracy w jednym oknie.

    Dostępność i kierunki rozwoju

    Pełny dostęp do nowych funkcji wymaga subskrypcji w planach Claude Pro, Max, Team lub Enterprise. Użytkownik musi posiadać zainstalowaną najnowszą wersję oprogramowania, co potwierdza, że Anthropic kieruje ten produkt głównie do sektora profesjonalnego.

    Jednocześnie firma rozwija system tzw. skills. Są to konkretne umiejętności, które można aktywować wewnątrz modelu. Choć jest to osobny projekt, pokazuje on dążenie do stworzenia uniwersalnego asystenta, w którym Claude Code 2.0 odpowiada za zadania techniczne.

    Podsumowanie

    Aktualizacje Claude Code 2.0 zmieniają sposób korzystania z tego narzędzia. Program nie jest już tylko chatbotem generującym fragmenty tekstu, ale staje się częścią środowiska programistycznego. Wielozadaniowość, integracja z VS Code oraz obsługa wielu instancji Git to funkcje, które realnie wpływają na szybkość i porządek w projektach. Rozwój tych technologii pokazuje, że w narzędziach AI dla programistów liczy się obecnie przede wszystkim ścisłe dopasowanie do codziennych nawyków pracy i istniejących ekosystemów.

  • GPT-5.4-Cyber – plotka czy nowy front w defensywnym AI?

    GPT-5.4-Cyber – plotka czy nowy front w defensywnym AI?

    Pojawiające się w sieci doniesienia o modelu GPT-5.4-Cyber budzą spore zainteresowanie, ale też sporo wątpliwości. Według krążących informacji miałaby to być specjalistyczna wersja systemu skupiona na defensywnym cyberbezpieczeństwie, dostępna tylko dla zweryfikowanych firm i badaczy. Dostępne fakty nie potwierdzają jednak, by OpenAI wydało taki osobny produkt. Prawdopodobnie mamy do czynienia z połączeniem kilku różnych inicjatyw firmy.

    Skąd wzięły się te informacje?

    Zamieszanie wynika najpewniej z premiery modelu GPT-5.4, którą OpenAI ogłosiło w marcu 2026 roku. Jest to system przeznaczony do najbardziej złożonych zadań profesjonalnych. Ma on funkcje sterowania systemami operacyjnymi i przeglądarkami, co potwierdzają wyniki w testach OSWorld-Verified i WebArena-Verified. Dodatkowo model posiada okno kontekstowe o wielkości miliona tokenów oraz architekturę typu "Thinking". Te parametry sprawiają, że system nadaje się do zaawansowanej analityki, w tym do zadań związanych z bezpieczeństwem cyfrowym.

    Nazwa "GPT-5.4-Cyber" jest więc najpewniej potocznym określeniem na użycie standardowego modelu GPT-5.4 w kontrolowanych scenariuszach obronnych. Nie jest to nowa, osobna architektura, lecz wykorzystanie istniejącej technologii w konkretnym, wrażliwym celu.

    Przyczyny ograniczonego dostępu

    Wprowadzenie restrykcji w dostępie do zaawansowanych modeli wynika z kwestii bezpieczeństwa. Sztuczna inteligencja w rękach ekspertów od zabezpieczeń pozwala szybciej analizować logi systemowe, wykrywać nietypowe zachowania sieci, zarządzać ryzykiem czy przygotowywać materiały szkoleniowe chroniące przed phishingiem.

    Jednocześnie te same funkcje mogą zostać wykorzystane do automatyzacji ataków, generowania złośliwego oprogramowania lub prowadzenia kampanii socjotechnicznych. Ograniczenie dostępu do sprawdzonych organizacji ma na celu wsparcie obrony przy jednoczesnym utrudnieniu działań przestępczych. Takie działania wpisują się w ramy prawne, takie jak unijny AI Act oraz Cyber Resilience Act, które nakładają na producentów wymóg odpowiedzialnego wdrażania technologii.

    Rynek i rola AI w ochronie danych

    Niezależnie od tego, czy powstanie dedykowana wersja "Cyber", zapotrzebowanie na AI w sektorze bezpieczeństwa rośnie. Firmy zmagają się z brakiem specjalistów, a straty finansowe powodowane przez ataki hakerskie są coraz wyższe.

    W Polsce brakuje przede wszystkim analityków SOC, testerów penetracyjnych i ekspertów od chmury. Model GPT-5.4 generuje o 18% mniej błędów i o 33% rzadziej zmyśla informacje (halucynuje) w porównaniu do wersji GPT-5.2. Dzięki możliwości przetwarzania dużych zbiorów danych system ten może odciążyć zespoły techniczne, działając jako asystent przy codziennych operacjach.

    Podsumowanie

    Informacje o GPT-5.4-Cyber to prawdopodobnie interpretacja możliwości modelu GPT-5.4 połączona z zapowiedziami o selektywnym udostępnianiu narzędzi AI branży cyberbezpieczeństwa. Obecnie nie ma dowodów na istnienie oddzielnego produktu o tej nazwie.

    Widać jednak wyraźny kierunek rozwoju branży. Skuteczna ochrona cyfrowa będzie wymagała korzystania z AI, ale w sposób kontrolowany. Zamiast szukać jednego, dedykowanego narzędzia, firmy i regulatorzy skupiają się na tworzeniu bezpiecznych zasad i ekosystemów, które pozwolą wykorzystać ogólne modele językowe do wzmocnienia systemów obronnych.

  • Google łączy siły: NotebookLM teraz głęboko zintegrowany z aplikacją Gemini

    Google łączy siły: NotebookLM teraz głęboko zintegrowany z aplikacją Gemini

    Google wprowadziło zmianę w sposobie korzystania ze swoich narzędzi AI, łącząc NotebookLM bezpośrednio z aplikacją Gemini. NotebookLM, który do tej pory był osobnym programem do analizy dokumentów, jest teraz dostępny z poziomu głównego czatu Gemini. Dzięki temu użytkownicy nie muszą już przełączać się między różnymi kartami przeglądarki, aby pracować na swoich materiałach.

    Obsługa tej funkcji jest prosta. W oknie czatu Gemini, obok ikony dodawania plików, znajduje się przycisk NotebookLM. Po jego kliknięciu można wybrać konkretny notatnik zawierający pliki PDF, artykuły czy transkrypcje z YouTube. Od tego momentu Gemini wykorzystuje te dokumenty jako bazę do udzielania odpowiedzi. AI automatycznie uwzględnia treść źródeł przy tworzeniu streszczeń czy analiz, bez konieczności każdorazowego wklejania tekstu do czatu.

    Jak to działa w praktyce

    Główną korzyścią jest wygoda. Użytkownik rozmawia z Gemini, korzystając z możliwości modelu, a jednocześnie ma pewność, że odpowiedzi opierają się na jego własnych plikach. Aby sprawdzić konkretne źródło lub dodać nowy dokument, wystarczy kliknąć przycisk "źródła". Wszystkie dane i zmiany w notatnikach są aktualizowane na bieżąco.

    Integracja pozwala też na zarządzanie bazą wiedzy bezpośrednio z poziomu Gemini. Można tam dodawać nowe linki i pliki, a także zapisywać fragmenty rozmów bezpośrednio w strukturze notatnika.

    Różnica w sposobie działania

    To połączenie zmienia sposób, w jaki AI przetwarza informacje. Standardowy NotebookLM jest systemem zamkniętym, co oznacza, że odpowiada tylko na podstawie wgranych dokumentów. Wersja wbudowana w Gemini daje większy wybór.

    Użytkownik może zdecydować, czy AI ma trzymać się wyłącznie dostarczonych materiałów, czy może uzupełnić odpowiedź o informacje z internetu. Pozwala to na łączenie precyzyjnej analizy własnych danych z szeroką wiedzą dostępną w sieci.

    Zastosowanie w nauce i pracy

    Połączenie bazy wiedzy NotebookLM z funkcjami konwersacyjnymi Gemini ułatwia pracę osobom zajmującym się analizą danych, studentom i badaczom. Rozwiązuje to problem wyboru między narzędziem do pracy na źródłach a wszechstronnym asystentem AI.

    W edukacji rozwiązanie to wykorzystuje model Gemini z komponentami LearnLM, które są dostosowane do celów dydaktycznych. Nauczyciele mogą dzięki temu sprawniej przygotowywać materiały na podstawie konkretnych podręczników, a studenci mogą analizować literaturę przedmiotu w jednym oknie.

    Nowe możliwości dla użytkowników

    Wprowadzenie NotebookLM do Gemini upraszcza proces badania i gromadzenia informacji. Zamiast korzystać z kilku osobnych narzędzi, użytkownik otrzymuje jedno środowisko, w którym porządkuje źródła i od razu o nie pyta.

    Obecnie funkcja ta jest wdrażana stopniowo, głównie dla użytkowników korzystających z komputerów. Google dąży do ściślejszego powiązania swoich usług AI, co w praktyce oznacza mniej kopiowania danych i szybszy dostęp do własnych notatek podczas rozmowy z botem. Dla osób pracujących z dużą ilością tekstu jest to ułatwienie, które realnie przyspiesza codzienną pracę.