Streszczenia pisze AI z pełnych artykułów, a program sprawdza każdy cytat i liczbę w źródle. Jak to działa
infrastrukturaThe Decoder22 października 2026ważność 7/10
Google ogłosiło Agent Compute Engine, usługę uruchamiającą każdego agenta AI w osobnej, izolowanej maszynie wirtualnej; rozwiązanie już zasila Gemini, a jego preview ma zostać udostępnione w nadchodzących miesiącach. Każda microVM ma być zabezpieczana układem Titanium, a gdy agent pozostaje bezczynny, jego maszyna jest automatycznie wstrzymywana; współdzielona pamięć między maszynami ma obniżać koszt ich uruchamiania. Google twierdzi, że Agent Substrate, środowisko uruchomieniowe Kubernetes, mieści dziesięć razy więcej agentów na serwerze, a test z 200 000 agentów wykazał wznawianie i wstrzymywanie w czasie krótszym niż 500 milisekund. Usługa ma też zapewnić śledzenie tokenów, routing modeli i obsługę zewnętrznych dostawców tożsamości, a te mechanizmy kontroli mają objąć Cloud Run, GKE i zarządzane endpointy.
Co z tego dla Ciebie: Jeśli projektujesz system agentowy, możesz rozważyć uruchamianie agentów w odizolowanych microVM, które są automatycznie wstrzymywane podczas bezczynności; Google zapowiada też śledzenie tokenów i routing modeli.
Czytaj artykuł (The Decoder)
bezpieczeństwoThe Decoder22 października 2026ważność 7/10
Badacze Symantec opisali agenta, który przejmuje niezabezpieczone modele językowe dostępne w internecie i wykorzystuje je do samodzielnego prowadzenia ataków; właściciel przejętego modelu ponosi koszt obliczeń. Agent może bez udziału człowieka wykonać do 100 000 kroków, skanując kolejne cele, wykorzystując luki w popularnym oprogramowaniu serwerowym, wykradając dane i poświadczenia oraz instalując koparki kryptowalut. Instrukcje ataku wykorzystują pięć warstw jailbreaku, a tryb „Skynet” ma uruchamiać pętlę skanowania, infekowania i ponownego atakowania bez potwierdzenia; analiza nie rozstrzyga, czy jailbreak skutecznie przełamuje zabezpieczenia komercyjnych modeli. W przechwyconym przypadku honeypot nie uruchomił dołączonych narzędzi, a sesja zakończyła się po ogólnej odpowiedzi systemu, więc zarejestrowany plan ataku nie oznacza, że atak został wykonany przez honeypot.
Co z tego dla Ciebie: Jeśli udostępniasz usługę AI, traktuj niezabezpieczone endpointy jako takie, które mogą zostać szybko znalezione i sprawdzone przez atakujących; artykuł zaleca zakładać, że stanie się to krótko po ich uruchomieniu.
Czytaj artykuł (The Decoder)
narzędziaGitHub Changelog23 października 2026ważność 6/10
Aktualizacja GitHub Copilot w Visual Studio pozwala agentowi Git analizować pull requesty i zwracać podsumowanie z linkami do komentarzy oraz plików; wymaga to podłączenia serwerów MCP dostawcy Git, w tym GitHub lub Azure DevOps. BYOM jest dostępne w wersji preview, ale działa teraz tylko z nowym Agent (Preview), a skonfigurowane wcześniej modele Ollama trzeba dodać ponownie po aktualizacji. Ostrzeżenia NuGet Audit w Error List mają teraz akcję naprawy, która uruchamia Copilot Chat w trybie agenta; wymaga to zalogowania do Copilot i włączenia serwera NuGet MCP.
Co z tego dla Ciebie: Do analizy PR-a możesz użyć agenta Git, dołączając pull request jako kontekst; jeśli korzystasz z BYOM, przełącz się na nowy Agent (Preview) i ponownie dodaj skonfigurowane modele Ollama.
Czytaj artykuł (GitHub Changelog)
apiGitHub Changelog23 października 2026ważność 6/10
Metryki użycia Copilot pokazują teraz skonfigurowane nazwy własnych skills, agentów, serwerów MCP, slash commands i pluginów zamiast grupować je jako „other” lub „custom”. Listy `totals_by_*` mogą zawierać do 25 pozycji na rekord zamiast pięciu, a pola `interaction_count` i `distinct_*_use_count` są liczone tak samo jak wcześniej.
Co z tego dla Ciebie: Użyj raportów do śledzenia adopcji własnych skills, agentów i serwerów MCP, a nie do dokładnego rozliczania; przed interpretacją sprawdź, czy włączono politykę metryk Copilot.
Czytaj artykuł (GitHub Changelog)
narzędziaGitHub Changelog22 października 2026ważność 6/10
GitHub stopniowo wdraża globalną politykę domyślną dla ogólnie dostępnych funkcji Copilot w planach Business i Enterprise; egzekwowanie ma być wdrażane do 26 października i może rozpocząć się w różnym czasie dla poszczególnych organizacji. Niezmienione ustawienia kwalifikujących się funkcji zostaną ustawione zgodnie z globalnym wyborem Enabled, Disabled lub Let organizations decide; to jednorazowa zmiana, która nie nadpisze jawnych ustawień poszczególnych funkcji. Funkcje preview nadal wymagają dobrowolnego włączenia, a wybór administratora zostanie zachowany, jeśli funkcja preview później uzyska status ogólnie dostępnej.
Co z tego dla Ciebie: Sprawdź ustawienie Default policy for new features w AI Controls i ustaw globalną wartość domyślną przed wdrożeniem, jeśli nie chcesz, by nieuzupełnione opcje kwalifikujących się funkcji zostały skonfigurowane według polityki globalnej.
Czytaj artykuł (GitHub Changelog)
modeleThe Decoder22 października 2026ważność 6/10
Recursive udostępniło Flint, model MoE do agentowego programowania lokalnie, którego rozwój w dużej mierze wspierał wewnętrzny system AI Eureka Machine. Flint ma 40 miliardów parametrów, z czego 2,5 miliarda jest aktywnych na token; Recursive twierdzi, że model prowadzi w wymienionych benchmarkach kodowania wśród modeli MoE poniżej 50 miliardów parametrów, ale wyniki nie zostały niezależnie zweryfikowane. Według Recursive Flint generuje ponad 125 tokenów na sekundę przy krótkim kontekście na MacBooku Pro z M4 Pro, a model obsługuje okno kontekstu do 512 000 tokenów, choć firma zaleca ograniczenie go do 256 000. Wagi są dostępne na Hugging Face na licencji Apache 2.0, a obsługiwane środowiska obejmują llama.cpp, Ollama, LM Studio, vLLM i SGLang; Recursive wydało też własny silnik inferencji dla Apple Silicon. Flint może działać lokalnie bez wysyłania kodu na zewnętrzne serwery, ale wymaga więcej wskazówek przy złożonych zadaniach niż duże, własnościowe modele do kodowania; Recursive zaleca dzielenie większych zadań na mniejsze kroki.
Co z tego dla Ciebie: Możesz uruchomić Flint lokalnie przez jeden z wymienionych runtime’ów, by nie wysyłać kodu na zewnętrzne serwery; przy złożonych zadaniach podziel pracę na mniejsze kroki, bo model wymaga wtedy dodatkowych wskazówek.
Czytaj artykuł (The Decoder)
