Platforma Windsurf wprowadziła funkcję o nazwie Adaptacyjny Router Modeli. Jest to mechanizm, który automatycznie wybiera model AI najlepiej dopasowany do konkretnego zadania programistycznego. Rozwiązanie to ma pomóc użytkownikom lepiej wykorzystywać miesięczne limity tokenów i usprawnić codzienną pracę z kodem.
Adaptacyjny router modeli: Zarządzanie zasobami AI
Adaptacyjny Router Modeli analizuje zadania zlecane asystentowi Cascade i dobiera do nich odpowiedni model. System ten zapobiega wykorzystywaniu zaawansowanych i kosztownych modeli do prostych operacji, które mogą zostać wykonane przez tańsze jednostki. Dzięki temu programiści korzystający z planów Pro, Max lub Teams mogą rzadziej przekraczać swoje limity subskrypcyjne.
Funkcja jest dostępna dla użytkowników indywidualnych oraz zespołów w planach samoobsługowych. Windsurf ustawił ją jako opcję domyślną. Przez najbliższe dwa tygodnie obowiązują również niższe stawki za korzystanie z routera po wyczerpaniu limitu: 0,50 USD za 1 milion tokenów wejściowych, 2 USD za 1 milion tokenów wyjściowych oraz 0,10 USD za 1 milion tokenów odczytu z pamięci podręcznej (cache).
Transparentność kosztów i monitorowanie zużycia
Wraz z nową funkcją zmienił się interfejs wyboru modelu. W menu wyboru przy każdej opcji widnieje teraz dokładny cennik za tokeny wejściowe, wyjściowe oraz odczyt z cache. Pozwala to sprawdzić koszt operacji przed wysłaniem zapytania do AI.
W oknie kontekstu pojawił się licznik czasu pamięci podręcznej, który pokazuje status wykorzystania mechanizmu optymalizacji kosztów. Dodatkowo każda odpowiedź asystenta zawiera teraz informację o liczbie zużytych tokenów. Te dane pozwalają na bieżąco kontrolować wydatki i pozostały limit w ramach abonamentu.
Usunięcie dziennych limitów w planie Max
Windsurf zmienił zasady korzystania z planu Max, usuwając z niego dzienne ograniczenia. Wcześniej użytkownicy tej subskrypcji, mimo posiadania miesięcznej puli, byli ograniczani dobowymi limitami. Obecnie mogą oni wykorzystać cały dostępny limit w dowolnym czasie, co ułatwia pracę przy intensywnych projektach wymagających wielu godzin ciągłego kodowania.
Rozwój platformy Windsurf
Windsurf rozwija asystenta Cascade, który zajmuje się pisaniem i naprawianiem kodu oraz planowaniem kolejnych etapów pracy. Wprowadzenie adaptacyjnego routera modeli ma sprawić, że korzystanie z narzędzi AI stanie się bardziej przewidywalne pod względem kosztów.
Firma planuje dalsze aktualizacje systemu routingu. Algorytm dobierający modele ma być rozwijany, aby w przyszłości jeszcze dokładniej dopasowywać moc obliczeniową AI do potrzeb programistów.
Początek kwietnia 2026 roku przyniósł premierę nowego flagowego modelu Alibaba Cloud. Qwen 3.6 Plus nie jest jedynie drobną aktualizacją, lecz znaczącym skokiem, szczególnie w dziedzinach kodowania agentowego (agentic coding) i złożonego rozumowania. Model, dostępny przez API Alibaba Cloud, od razu przyciągnął uwagę w zaawansowanych benchmarkach.
Jego wydajność potwierdza, że chińskie modele AI nie ustępują już zachodnim konkurentom, a w niektórych niszach nawet ich przewyższają. To właśnie może być kluczem do szerszej adopcji wśród zachodnich przedsiębiorstw i deweloperów.
Twarde dane: Benchmarki, które robią wrażenie
Kluczową siłą Qwen 3.6 Plus jest jego sprawność w zadaniach agentowych i programistycznych. W benchmarku SWE-bench Verified model osiągnął bardzo wysoki wynik, pokazując wyraźny postęp w porównaniu do poprzedniej wersji, Qwen 3.5 Plus. Taki rezultat plasuje go w ścisłej czołówce modeli dostępnych na rynku.
Równie istotny jest wynik w Terminal-Bench 2.0, który mierzy zdolność do wykonywania złożonych operacji w terminalu i automatyzacji zadań. Pokazuje to, że model został zoptymalizowany pod kątem realnych procesów wykonawczych (workflows), a nie tylko odpowiadania na pojedyncze pytania. Testy przeprowadzano w wymagających warunkach: z limitem czasu 3h i przy użyciu znacznych zasobów obliczeniowych.
Co ciekawe, już Qwen 3.5 Plus pokonał w IFBench inne topowe modele. Wersja Qwen 3.6 Plus idzie o krok dalej, zwiększając przewagę w długoterminowym planowaniu i korzystaniu z narzędzi.
Główne ulepszenia względem poprzednika
Skąd bierze się ta „znacząca przepaść”, o której mówią recenzenci? Sekret tkwi w przebudowanej warstwie rozumowania. Nowy silnik jest nie tylko mocniejszy, ale przede wszystkim wydajniejszy.
Nowa architektura pozwala modelowi na bardziej precyzyjne, skoncentrowane „myślenie” bez zbędnych pętli decyzyjnych. W praktyce przekłada się to na większą spójność, wyższą szybkość i lepszą jakość generowanych treści (outputu) w zadaniach programistycznych oraz w przetwarzaniu instrukcji.
Model zachował ogromne okno kontekstowe wynoszące 1 milion tokenów, z domyślnym trybem rozumowania wspierającym do 81 920 tokenów. Szczególne wzmocnienie otrzymały zadania związane z web developmentem, takie jak praca nad frontendem skomplikowanych scen 3D, gier czy projektów stron internetowych.
Multimodalność i integracja ze środowiskiem deweloperskim
Qwen 3.6 Plus to nie tylko tekst. Model obsługuje również dane wizualne – obrazy i wideo. Ta zdolność otwiera drzwi do takich zadań jak parsowanie dokumentów, rozumienie interfejsów graficznych (GUI), kodowanie wizualne czy analiza obiektów w świecie fizycznym.
Dla deweloperów kluczowa jest też kompatybilność z popularnymi protokołami. Model współpracuje z otwartymi standardami API, co ułatwia integrację z istniejącymi ekosystemami narzędzi programistycznych. To celowy ruch Alibaby, mający ułatwić wdrożenie rozwiązania.
Potencjalny wpływ na zachodnie firmy
Wydajność Qwen 3.6 Plus w połączeniu z architekturą zoptymalizowaną pod wysoką współbieżność stanowi atrakcyjną ofertę dla zachodnich przedsiębiorstw. Model konkuruje z czołowymi rozwiązaniami w kluczowych obszarach kodowania agentowego i rozumowania, często oferując korzystniejszy stosunek kosztów do wydajności.
Gigantyczne okno kontekstowe, idealne do analizy dużych baz kodu, oraz specjalizacja w zadaniach wykonawczych dla DevOps i web developmentu mogą przyciągnąć zespoły deweloperskie szukające efektywnych „superagentów”. Alibaba Cloud celowo pozycjonuje go nie do obsługi pojedynczych zapytań, lecz do złożonych, wieloetapowych procesów (workflows).
Jak zauważono w analizach, postęp serii Qwen polega nie tylko na poprawianiu kolejnych metryk, ale na organicznej integracji rozumienia, pamięci i egzekucji zadań. To właśnie może być decydującym argumentem dla firm, które chcą wdrażać zaawansowaną automatyzację w procesach tworzenia oprogramowania i zarządzania infrastrukturą.
OpenAI kontynuuje rozwój swojego flagowego narzędzia dla programistów – Codex, które jest ogólnodostępne od września 2025 roku. Projekt, dostępny dla użytkowników ChatGPT Plus, Pro i Enterprise, szybko ewoluuje, wprowadzając nowe funkcjonalności i stabilizując istniejące możliwości kodowania agentowego (agentic coding), mającego na celu automatyzację złożonych zadań programistycznych.
Kontekst szybkiego rozwoju i poprawy jakości
Aby zrozumieć kierunek rozwoju Codexa, warto spojrzeć na szerszy ekosystem. Projekt bazuje na fundamencie specjalistycznych modeli językowych OpenAI, takich jak codex-1 (oparty na o3) czy gpt-5-codex (dostępny w wariantach low, medium i high). Modele te są stale ulepszane, aby lepiej radzić sobie ze złożonymi zadaniami inżynieryjnymi.
Kluczowe innowacje wprowadzane w Codexie koncentrują się na przepływie pracy (workflow). Nowościami są m.in. pluginy jako first-class workflow, które pozwalają na rozszerzanie funkcjonalności, oraz sub-agents z path-based addresses, umożliwiające tworzenie złożonych, hierarchicznych procesów automatyzacji. Rozwijane są również image workflows dla zadań związanych z grafiką oraz app-server clients do integracji z zewnętrznymi aplikacjami. To fundamentalna zmiana w interakcji człowiek-maszyna, w której AI zajmuje się wykonaniem zadań, a deweloper może skupić się na decyzjach architektonicznych i projektowych.
Co ciekawe, OpenAI używa zaawansowanych technik do ulepszania samego Codexa. System potrafi analizować interakcje, identyfikować wzorce i generować zwięzłe raporty. Jak zauważono w środowisku badawczym, „krzywa poprawy jest stroma… co sugeruje systematyczne, zautomatyzowane udoskonalanie”. Trywialne błędy są eliminowane, a ich miejsce zajmują bardziej subtelne, konkretne sugestie.
Specjalistyczne modele i zaawansowane przepływy pracy
Silnikiem napędzającym te postępy są specjalistyczne modele kodu. To nie tylko generatory, ale systemy zaprojektowane do rozumienia i wykonywania złożonych instrukcji w kontekście całego projektu. Potrafią one zarządzać wieloetapowymi zadaniami, iteracyjnie je poprawiać i integrować się z istniejącymi narzędziami deweloperskimi, co znacząco podnosi wydajność pracy.
Ma to kluczowe znaczenie dla skalowania – zamiast ręcznie zarządzać każdym detalem, inżynierowie mogą delegować całe sekwencje zadań do zautomatyzowanych agentów, otrzymując finalny wynik lub zwięzłe podsumowanie postępów.
Ekosystem aplikacji i obsługa platform
Równolegle do prac nad samym silnikiem, OpenAI rozwija ekosystem wokół Codexa. Podstawowym narzędziem jest Codex CLI, dostępne wieloplatformowo (w tym na Linuxie) poprzez Node.js i npm. Działa ono jako centrum dowodzenia dla równoległych agentów, długoterminowych zadań, przeglądania diffów i automatyzacji. Rozwijany jest również app-server TUI (Text-based User Interface) dla zaawansowanych integracji.
Trwają prace nad rozszerzeniem wsparcia dla różnych środowisk i systemów operacyjnych, z ciągłym naciskiem na stabilizację i niezawodność. Codex integruje się również z popularnymi platformami, takimi jak GitHub czy Slack, stając się częścią codziennego workflow programistów.
Nie można też pominąć kwestii bezpieczeństwa. OpenAI kładzie nacisk na odpowiedzialne generowanie kodu, wdrażając mechanizmy mające na celu zwiększenie bezpieczeństwa i niezawodności sugerowanych rozwiązań.
Podsumowanie: Codex jako partner, nie tylko narzędzie
Codex, będący już ogólnodostępnym produktem, symbolizuje dojrzewanie koncepcji AI – z prostego generatora kodu w zaawansowanego partnera programistycznego. Przejście od generowania pojedynczych fragmentów kodu do zarządzania wieloetapowymi zadaniami agentowymi z wbudowaną integracją to prawdziwa zmiana paradygmatu.
Dla deweloperów oznacza to stopniowe odciążenie od rutynowej, żmudnej pracy na rzecz skupienia się na architekturze, designie i złożonych problemach biznesowych. Jak zauważyli badacze, workflow ulega fundamentalnej zmianie. Codex nie zastępuje programisty, ale przekształca jego rolę, czyniąc go bardziej wydajnym i skutecznym w rozwiązywaniu prawdziwych wyzwań inżynieryjnych.
Marzec 2026 przyniósł ważną aktualizację dla programistów korzystających z zaawansowanych systemów AI. OpenAI wydało Codex w wersji 0.115.0, skupiając się na dwóch kluczowych obszarach: lepszej kontroli nad zespołem agentów i rozszerzeniu możliwości wizualnych. To nie są kosmetyczne poprawki, lecz znaczące ulepszenia fundamentów platformy, która już teraz zdążyła zmienić podejście do tzw. agentowego kodowania (agentic coding).
Wydanie przynosi pełną inspekcję obrazów w wysokiej rozdzielczości, inteligentniejsze procesy zatwierdzania zmian oraz nowy Python SDK do pracy z systemem plików. Dla użytkowników oznacza to płynniejszą, bardziej wydajną i po prostu sprawniejszą współpracę z AI.
Inspekcja wizualna w pełnej rozdzielczości
Jedną z najbardziej wyczekiwanych nowości jest pełna obsługa obrazów. Do tej pory analiza elementów wizualnych w workflow Codexa mogła mieć ograniczenia. Wersja 0.115.0 wprowadza natywne wsparcie dla funkcji view_image oraz codex.emitImage, pozwalając agentom na szczegółowe przeglądanie i analizę grafiki w wysokiej rozdzielczości.
To ważne ulepszenie dla każdego, kto pracuje nad interfejsami użytkownika, grafiką generatywną czy aplikacjami przetwarzającymi materiały wizualne. Agent może teraz dokładnie „przyjrzeć się” mockupowi, diagramowi architektonicznemu czy zrzutowi ekranu i na tej podstawie podjąć trafniejsze decyzje dotyczące kodu lub sugerowanych zmian.
Smart Approvals: Strażnicy bezpiecznego kodu
Najciekawszym elementem nowej wersji jest system Smart Approvals. To rozwiązanie problemu, który pojawia się przy pracy z wieloma agentami działającymi równolegle – kwestii tego, kto i jak zatwierdza ich propozycje.
OpenAI wprowadza koncepcję „subagentów-strażników” (guardian subagents). Ich rolą jest usprawnienie procesów code review. Zamiast ręcznego zatwierdzania każdej zmiany, deweloper może skonfigurować przepływ, w którym pewne typy modyfikacji – na przykład zmiany w kluczowych plikach konfiguracyjnych czy wrażliwych fragmentach kodu – są automatycznie kierowane do dedykowanego agenta-strażnika. Dokonuje on wstępnej weryfikacji przed przedstawieniem propozycji człowiekowi.
Co ważne, poprawiono też dziedziczenie reguł piaskownicy (sandbox) dla subagentów, co zwiększa bezpieczeństwo całego systemu. Narzędzie wait_agent zostało również przemianowane dla zachowania spójności z spawn_agent i send_input.
Nowy Python SDK i ulepszone sesje WebSocket
Dla deweloperów stawiających na automatyzację i integracje, nowy Python SDK do filesystem RPCs w wersji 2 to spora wygoda. Umożliwia on programowe wykonywanie operacji na plikach bezpośrednio z poziomu skryptów Pythona, co otwiera drogę do tworzenia zaawansowanych, zautomatyzowanych pipeline'ów z Codexem w roli głównej.
Równolegle ulepszono sesje komunikacji w czasie rzeczywistym przez WebSocket. Dodano dedykowany tryb transkrypcji, ujednolicono konfigurację sesji pod kluczem [realtime] oraz wprowadzono możliwość płynnego przekazania sesji (handoff) w wersji 2 za pomocą narzędzia codex. To wszystko sprawia, że praca interaktywna z agentem staje się szybsza i mniej podatna na problemy z połączeniem.
Ulepszenia dla deweloperów: JS REPL, TUI i integracje
W codziennej pracy przydadzą się też mniejsze, ale istotne ulepszenia. Środowisko JS REPL (Read-Eval-Print Loop) zostało wzbogacone o dostęp do codex.cwd i codex.homeDir, a referencje do codex.tool(...) oraz codex.emitImage(...) są teraz trwale zachowywane między komórkami kodu. Pozwala to na budowanie bardziej złożonych i interaktywnych skryptów.
Poprawiono także wydajność tekstowego interfejsu użytkownika (TUI) oraz samego JS REPL. Wprowadzono nowy przepływ wyszukiwania narzędzi (tool-search flow) w integracjach aplikacji, co ułatwia odkrywanie funkcjonalności. Współpraca z MCP (Model Context Protocol) i elicitation jest teraz bardziej odporna na błędy, a lokalne proxy lepiej obsługuje połączenia HTTP/1 CONNECT.
Instalacja i środowisko wykonawcze
Aktualizację do wersji 0.115.0 można zainstalować standardowo przez npm, komendą:
Warto pamiętać, że Codex jest zoptymalizowany pod kątem pracy z zaawansowanymi modelami agentowymi OpenAI, takimi jak GPT-5.3-Codex (o oknie kontekstowym 272K tokenów) czy GPT-5.4 (aż 1M tokenów). Te modele, w przeciwieństwie do swoich wersji w ChatGPT, są specjalnie dostrojone do długich, wieloetapowych zadań programistycznych w środowisku CLI, aplikacji desktopowej czy rozszerzeń IDE.
Pod maską Codex opiera się na solidnych fundamentach: plikach konfiguracyjnych config.toml, systemie piaskownic i zatwierdzeń, dokumentacji AGENTS.md oraz protokole MCP. Bezpieczeństwo na poziomie systemu operacyjnego zapewniają mechanizmy takie jak Seatbelt na macOS czy Landlock i seccomp na Linuxie.
W kierunku stabilnej platformy agentowej
Wydanie 0.115.0 to nie tylko nowe funkcje, ale także zestaw poprawek stabilizujących platformę. Przywrócono poprawne działanie codex exec --profile w zakresie przywracania ustawień profilu. Usprawniono normalizację nazw narzędzi w MCP, co zwiększa bezpieczeństwo, oraz zachowywanie parametrów tool_params w promptach. To drobne, ale istotne zmiany, które składają się na bardziej przewidywalne i niezawodne środowisko.
Ta aktualizacja wpisuje się w szybki cykl rozwoju Codexa. Zaraz po niej, 20 marca, ukazała się wersja 0.116.0 z logowaniem przez kod urządzenia do ChatGPT, ulepszeniami pluginów i hookami na prompty użytkownika. Widać wyraźnie, że OpenAI traktuje Codex jako strategiczną platformę dla przyszłości programowania wspomaganego przez AI.
Podsumowanie
Codex v0.115.0 to krok w kierunku dojrzałej platformy do orkiestracji agentów AI. Nie chodzi już tylko o to, by AI napisało fragment kodu, ale o zarządzanie zespołem wyspecjalizowanych agentów, którzy bezpiecznie i pod nadzorem człowieka mogą realizować złożone zadania.
Wprowadzenie Smart Approvals z guardian subagents, pełna inspekcja wizualna oraz nowy Python SDK to odpowiedź na realne potrzeby deweloperów wchodzących w erę programowania agentowego. Poprawki wydajnościowe i stabilizacyjne cementują pozycję Codexa jako profesjonalnego narzędzia. Wygląda na to, że centrum dowodzenia dla AI w software developmencie właśnie otrzymało potężny upgrade.
