Streszczenia pisze AI z pełnych artykułów, a program sprawdza każdy cytat i liczbę w źródle. Jak to działa
modeleThe Decoder13 października 2026ważność 7/10
Google udostępnił Gemini 4 Argon globalnie, również przez API w AI Studio i Gemini platform; dostęp w produktach konsumenckich zależy od subskrypcji. W tabeli cena za milion tokenów wejściowych wynosi 2 USD w promocji i 4 USD regularnie, a za milion tokenów wyjściowych odpowiednio 10 USD i 20 USD; odczyty cache kosztują 0,10 USD i 0,20 USD. Google podaje, że odczyty z cache są tańsze o 95% względem regularnej ceny tokenów wejściowych, ale zaznacza, że nie podał tej ceny jawnie. Darmowi użytkownicy Gemini i subskrybenci Plus mają teraz dostęp tylko do słabszych modeli Flash, a niezależne rankingi ogólne nadal stawiają Claude Opus 5.5 przed Argonem.
Co z tego dla Ciebie: Możesz testować Argon przez API w AI Studio lub Gemini platform, ale przed wyborem sprawdź, czy promocyjna stawka i dostęp do modelu odpowiadają twojemu przypadkowi użycia.
Czytaj artykuł (The Decoder)
apiGoogle Developersważność 7/10
Apigee hybrid 1.17.0 udostępnia obsługę MCP, której data plane działa we własnym klastrze Kubernetes, a nie w infrastrukturze zarządzanej przez Google. Specyfikacja OpenAPI 3.0.x pozwala utworzyć MCP Discovery Proxy, w którym każda operacja staje się narzędziem MCP; Apigee obsługuje JSON-RPC i translację, więc nie trzeba pisać ani osobno utrzymywać serwera MCP. Ruch żądań MCP pozostaje w klastrze, a konfiguracja jest pobierana przez sidecar, więc control plane w Google Cloud nie inicjuje połączeń do klastra i nie jest potrzebna ścieżka przychodząca z Google. MCP jest opcjonalne i domyślnie wyłączone; do włączenia trzeba ustawić enableMcpServer: true, a następnie uaktualnić najpierw chart apigee-operator, a potem apigee-org, ponieważ odwrotna kolejność może pozostawić aktualizację bez podów MCP. Włączenie lub wyłączenie MCP uruchamia etapowe wdrożenie canary podów runtime, więc zmianę należy zaplanować w zatwierdzonym oknie serwisowym.
Co z tego dla Ciebie: Na istniejącym klastrze Apigee hybrid 1.17.0 lub nowszym włącz MCP przez enableMcpServer: true i zachowaj kolejność aktualizacji: najpierw apigee-operator, potem apigee-org. Zaplanuj zmianę w zatwierdzonym oknie serwisowym.
Czytaj artykuł (Google Developers)
narzędziaGitHub Changelog14 października 2026ważność 6/10
GitHub zaktualizował HydraFusion i udostępnił HydraFusion Max; oba warianty działają w VS Code, aplikacji GitHub Copilot i CLI, ale nadal są w research preview. Pula modeli obejmuje teraz Claude Opus 5.5, GPT-6 Astra, GPT-6.1 Sol i GPT-6 Luna, a orkiestracja dobiera modele do zadania i może stosować średni wysiłek rozumowania przy szkicach oraz wysoki przy ich ocenie. Cascade może teraz dodać etap oceny i zlecić poprawkę tylko wtedy, gdy jest potrzebna, a Critique częściej sprawdza workspace narzędziami i używa równoległych modeli-krytyków. HydraFusion Max celuje w wymagające zadania wymagające najgłębszego rozumowania, a dostępność obu opcji zależy od planu Copilot, włączonych funkcji eksperymentalnych lub preview oraz polityk organizacji.
Co z tego dla Ciebie: Do zadań agentowych wymagających równowagi między szybkością, kosztem i wydajnością wybierz HydraFusion; do pracy wymagającej najgłębszego rozumowania rozważ HydraFusion Max.
Czytaj artykuł (GitHub Changelog)
claude-codeClaude Code14 października 2026ważność 6/10
Claude Code rozszerzył obsługę modów o wirtualny tekst w polu promptu, podgląd transkryptu agenta, hook prompt.change oraz możliwość zmiany promptu i modelu agenta workflow w hooku agent.spawn. Zdarzenie OpenTelemetry api_request rozdziela teraz zapisy cache według czasu życia, a trace spans otrzymują atrybuty semantyczne GenAI, takie jak nazwa dostawcy, identyfikator rozmowy i nazwa narzędzia. Naprawiono między innymi przypadek, w którym odrzucenie schematu wejściowego narzędzia MCP powodowało błąd 400 na każdej turze; po odrzuceniu Claude Code wysyła to narzędzie bez parametrów przez resztę rozmowy. W sesjach --worktree poprawiono wybór początkowego commita i obsługę repozytoriów z reftable, a zatrzymywanie poleceń w tle kończy je teraz siłowo po 1,5 sekundy od żądania zatrzymania.
Co z tego dla Ciebie: Jeśli eksportujesz trace’y do diagnostyki, możesz wykorzystać nowe atrybuty GenAI oraz osobne liczniki zapisów cache dla okresów 5m i 1h.
Czytaj artykuł (Claude Code)
modeleGoogle Developersważność 6/10
Przewodnik opisuje EmbeddingGemma 2, kompaktowy model open source na licencji Apache 2.0, który mapuje tekst, kod, obrazy, wideo i audio do wspólnej przestrzeni 768-wymiarowej. Modułowość pozwala załadować wariant 270M dla tekstu i kodu, 440M dla tekstu i wizji, 570M dla tekstu i audio albo 740M dla pełnego zestawu modalności. MRL pozwala skrócić wektory z 768 do 128 wymiarów; w bfloat16 milion wektorów zajmuje wtedy około 250 MB zamiast około 1,5 GB, ale jakość wyszukiwania obrazów, wideo i mowy przy 128 wymiarach spada do około 75%. Do korzystania z modelu przez sentence-transformers potrzebna jest wersja v6.1.0 lub nowsza; dla wyszukiwania należy kodować zapytania i dokumenty z różnymi promptami SearchQuery i Document. Wszystkie modalności współdzielą kontekst 8 192 tokenów, wideo jest domyślnie próbkowane z częstotliwością 1 klatki na sekundę, a audio powinno mieć format mono 16 kHz. EmbeddingGemma 2 uzyskał wynik o 14% wyższy niż EmbeddingGemma 1 na MTEB (Code), a jednocześnie dodaje wyszukiwanie obrazów, wideo i audio przy zachowaniu dokładności EmbeddingGemma 1 dla tekstu wielojęzycznego.
Co z tego dla Ciebie: Do indeksu tekstu i kodu zacznij od wariantu 270M, a jeśli ogranicza cię pamięć, przetestuj 128 wymiarów; przed wdrożeniem tej konfiguracji do wyszukiwania multimodalnego zweryfikuj jakość na własnych danych.
Czytaj artykuł (Google Developers)
modeleGoogle DeepMind14 października 2026ważność 5/10
Google DeepMind i GovTech Singapore dostroiły lekki model Gemma na lokalnych rozmowach o oszustwach, aby rozpoznawał miejscowe techniki manipulacji i działał na urządzeniu użytkownika. Przepływ ma dwa etapy: lekki klasyfikator wstępnie filtruje wiadomości, a model Gemma analizuje większy fragment rozmowy, by potwierdzić zagrożenie lub odrzucić fałszywy alarm; wykrycie manipulacji wywołuje ostrzeżenie w czasie rzeczywistym. Model może uzyskać dostęp do rozmów na urządzeniu tylko za zgodą użytkownika, a Google i rząd Singapuru nie będą mogli ich przeglądać; dane prywatne ani umożliwiające identyfikację nie były używane do treningu. Wdrożenie w aplikacjach ma być etapowe i prowadzone we współpracy z rządem Singapuru, a artykuł nie opisuje jeszcze powszechnej dostępności modelu.
Co z tego dla Ciebie: Przy projektowaniu lokalnego wykrywania oszustw możesz zastosować opisany układ: tani energetycznie klasyfikator do wstępnego filtrowania, a następnie model analizujący kontekst rozmowy.
Czytaj artykuł (Google DeepMind)
bezpieczeństwoThe Decoder14 października 2026ważność 5/10
Artemis Security uruchomiła Orion-1, model do badania ataków na sieci firmowe i reagowania na nie, który łączy logi z usług uwierzytelniania, chmury, endpointów, aplikacji SaaS i urządzeń sieciowych. Po zrekonstruowaniu zdarzeń model przypisuje ocenę pewności, ustala werdykt i rekomenduje lub uruchamia reakcję, a uprawnienia do samodzielnego działania można ograniczać dla poszczególnych typów akcji. Wyników nie należy traktować jako niezależnego rozstrzygnięcia: benchmark jest własnym testem firmy, a porównanie pomija Mythos 5 i GPT-6 Astra; artykuł zaznacza też, że wyniki Opus 5.5 mogą w dużej mierze pochodzić ze starszego Opus 4.8.
Co z tego dla Ciebie: Jeśli testujesz automatyzację reakcji na incydenty, Orion-1 jest dostępny w prywatnym preview, a limity per typ akcji i domyślna zgoda człowieka na działania o dużym wpływie pozwalają ograniczyć autonomię.
Czytaj artykuł (The Decoder)
