Newsy AI: 6 listopada 2026

OpenAI udostępnił GPT-6 Cyber do wyszukiwania i naprawiania podatności

OpenAI zaprezentował GPT-6 Cyber, model do wyszukiwania podatności, tworzenia działających exploitów i proponowania poprawek, dostępny początkowo przez API i Codex dla wybranej grupy klientów Daybreak Red. W testach OpenAI model uzyskał 48,5% w ExploitGym wobec 32,1% dla GPT-5.6 Cyber, a test wykrywania podatności w aplikacjach webowych bez dostępu do kodu źródłowego dał mu 40,3% wobec 32,0% dla GPT-6 Astra. W kampanii dotyczącej Firefoksa model znalazł 81 wcześniej nieznanych poważnych podatności, a w jądrze Linuksa odtworzył 1 724 podatności i opracował działające exploity dla 948 z nich; Mozilla przyjęła zgłoszenia i wydała poprawki. Wszystkie podane wyniki benchmarków pochodzą od OpenAI i jak dotąd nie opublikowano niezależnych testów modelu; firma zaleca uruchamianie go w izolowanych środowiskach z nadzorem człowieka.

Co z tego dla Ciebie: Jeśli masz dostęp jako klient Daybreak Red, możesz użyć GPT-6 Cyber do analizy podatności i proponowania poprawek, ale uruchamiaj go w izolowanym środowisku i z ludzkim nadzorem. Wyniki benchmarków traktuj jako dane OpenAI, bo niezależnych testów modelu dotąd nie opublikowano.

Czytaj artykuł (The Decoder)

Baidu udostępnia ERNIE 5.5 Flash Base, otwarty model bazowy z 280 miliardami parametrów

Baidu udostępnił ERNIE-5.5-Flash-Base jako otwarty model bazowy bez fine-tuningu i post-treningu, pozostawiając dalsze dostosowanie modelu deweloperom. Model wykorzystuje architekturę mixture-of-experts z 280 mld parametrów, z których 14 mld jest aktywnych dla każdego wejścia; był trenowany na 33,5 bln tokenów przy kontekście treningowym do 128 000 tokenów. Według Baidu model konkuruje z podobnej wielkości otwartymi modelami w benchmarkach rozumowania, kodowania i zadań z długim kontekstem.

Czytaj artykuł (The Decoder)

Tencent udostępnił Hy4 z analizą obrazów i obsługą komputera

Tencent udostępnił model Hy4 z analizą obrazów i autonomiczną obsługą oprogramowania, ale wagi mają pojawić się później, a do tego czasu model działa przez Tencent Cloud, OpenRouter i aplikacje Tencent. W wewnętrznych testach odsetek halucynacji w badaniach webowych spadł z prawie 16% do około 5%, ale w teście dokładności bez wyszukiwania model zmyśla odpowiedź w 89% przypadków, gdy jej nie zna. Niezależny Artificial Analysis przyznał Hy4 35 punktów w Intelligence Index, co daje mu drugie miejsce wśród chińskich modeli laboratoryjnych, za Kimi K3.1 Pro z 46 punktami.

Co z tego dla Ciebie: Możesz wypróbować Hy4 przez dostępne usługi Tencent lub OpenRouter, szczególnie do analizy obrazów i zadań biurowych, ale nie zakładaj, że model przyzna się do braku wiedzy: bez wyszukiwania w teście zmyślał odpowiedź w 89% takich przypadków. Przed wyborem sprawdź również, czy jego słabsze wyniki w zaawansowanej matematyce i dłuższym kodowaniu pasują do twojego zastosowania.

Czytaj artykuł (The Decoder)

Mistral rozszerzył Studio o zarządzane agenty, workflow i aplikacje

Mistral rozszerzył Studio o zarządzane agenty i aplikacje oraz nowe funkcje workflow, kontekstu przedsiębiorstwa, obserwowalności agentów i ewaluacji; platformę można wdrażać w chmurze, własnym VPC lub on-premises. Agenty mogą korzystać z umiejętności, sandboxów, subagentów i hooków, a deweloperzy mogą testować lokalnie i wdrażać do Studio jednym poleceniem. Workflow może łączyć ustalone reguły, kroki agenta i decyzje człowieka, wznawiać przerwane wykonania oraz uruchamiać się na zdarzeniach z systemów przedsiębiorstwa. Przykładowy workflow zespołu operacji produktowych klasyfikuje błędy i prośby o funkcje, a opisany przez Mistral przypadek oszczędza zespołowi około 35 godzin tygodniowo.

Co z tego dla Ciebie: Możesz zbudować agenta, który wykonuje wieloetapowe zadanie z ograniczonym dostępem do narzędzi, a wrażliwe działania wstrzymuje do zatwierdzenia; workflow możesz połączyć z regułami i decyzją człowieka. Wdrażaj model i platformę w środowisku zgodnym z wymaganiami dotyczącymi danych.

Czytaj artykuł (Mistral AI)

Cursor pozwala budować i udostępniać działające aplikacje z poziomu agenta

Cursor udostępnił budowanie aplikacji na żywo z poziomu chmurowego agenta: narzędzie może utworzyć aplikację webową, bazę PostgreSQL, uwierzytelnianie przez Cursor SSO i hosting, a następnie zwrócić link. Administratorzy zespołu mogą przeglądać aplikacje i sekrety, dodawać reguły do kontroli bezpieczeństwa, zatwierdzać publikacje zablokowane przez przegląd i wycofywać aplikacje. Funkcja jest dostępna we wszystkich płatnych planach z włączonymi chmurowymi agentami, a obsługa dostawców Git innych niż Cursor Origin i GitHub, takich jak GitLab, ma pojawić się później.

Co z tego dla Ciebie: Możesz poprosić chmurowego agenta o aplikację wewnętrzną, a Cursor przygotuje bazę, logowanie i hosting; przed publikacją sprawdzi m.in. ujawnione sekrety, a ty udostępnisz aplikację za pomocą linku. Jeśli repozytorium jest w GitLab, uwzględnij, że obsługa tego dostawcy jest zapowiedziana, ale jeszcze niedostępna.

Czytaj artykuł (Cursor)

NVIDIA udostępniła cztery otwarte checkpointy Cosmos 3 do symulacji

NVIDIA dodała do rodziny Cosmos 3 cztery checkpointy open-weight: Transfer-Auto do wielowidokowych danych drogowych, Sim-Auto do strumieniowego generowania obserwacji kamer i LiDAR, Sim-Transfer do tworzenia wideo z kontrolek symulatora oraz Sim-Bimanual do przewidywania wideo na podstawie działań robota lub kamery. Wszystkie modele mają 16B trenowalnych parametrów i korzystają z licencji OpenMDW1.1, która dopuszcza użycie komercyjne i niekomercyjne na jej warunkach. Sim-Auto generuje kolejne zsynchronizowane fragmenty obrazu z kamer i LiDAR w kilku krokach odszumiania, ale zamknięta pętla wymaga środowiska symulacyjnego i renderera WSM do aktualizacji kontrolek. Do opublikowanej konfiguracji vLLM-Omni dla Sim-Bimanual wymagane są Linux, GPU NVIDIA, Docker i NVIDIA Container Toolkit; test na jednym GB200 nie jest deklaracją minimalnej ilości pamięci.

Co z tego dla Ciebie: Możesz dobrać checkpoint do źródła obserwacji: użyć Sim-Transfer, gdy symulator dostarcza kontrolki przestrzenne, albo Sim-Bimanual, gdy chcesz przewidywać kolejne obserwacje z działań robota. Przed długim treningiem sprawdź środowisko i próbkę oraz oceń jakość na epizodach odłożonych na test.

Czytaj artykuł (Hugging Face)

Gemini Omni 1.2 Flash generuje 15-sekundowe wideo i pozwala edytować je rozmową

Google udostępnia Gemini Omni 1.2 Flash w Gemini API i Gemini for business, dodając natywne generowanie wideo do 15 sekund, edycję wieloetapową w rozmowie i lepsze trzymanie się materiałów referencyjnych. Cena została obniżona o 30% względem Omni 1.1 i wynosi 0,07 USD za sekundę wideo 720p, a klipy można generować w długości od 3 do 15 sekund, z krokiem co sekundę. Możesz poprawiać istniejący klip kolejnymi poleceniami zamiast generować go od początku, a wideo można przygotować w 360p lub 720p i podnieść rozdzielczość do 1080p lub 4K. Google zaznacza, że dalsze prace dotyczą m.in. szybkiej akcji sportowej, szybkich zmian scenariusza i złożonej fizyki.

Co z tego dla Ciebie: Możesz generować krótkie klipy w 360p lub 720p, poprawiać szczegóły kolejnymi poleceniami i dopiero najlepsze wyniki podnosić do 1080p lub 4K. Przy wycenie uwzględnij stawkę 0,07 USD za sekundę dla 720p oraz to, że obsługiwane długości wynoszą od 3 do 15 sekund.

Czytaj artykuł (Google DeepMind)

GitHub dodaje metryki skuteczności Copilot Code Review

GitHub dodał do raportów dziennych metryki pokazujące, jak często deweloperzy podejmują działania na podstawie komentarzy Copilot Code Review oraz jak często PR-y łączą się bez późniejszego żądania zmian od człowieka. Pole total_comments_addressed obejmuje komentarze obsłużone przez zastosowanie sugestii, prośbę do Copilota o poprawkę, ręczną edycję kodu albo odpowiedź, że poprawka trafi do późniejszego PR-a; adresowany odsetek oblicza się, dzieląc tę wartość przez total_comments_evaluated. Komentarze są zliczane w dniu połączenia PR-a, a Copilot zwykle nie ocenia komentarzy w PR-ach otwartych przez boty, choć metryka połączeń bez ludzkiego żądania zmian uwzględnia takie PR-y.

Co z tego dla Ciebie: Możesz porównać adresowany odsetek między repozytoriami, a rozbicie komentarzy według ważności, typu, poziomu przeglądu i konfiguracji pomoże sprawdzić, które rodzaje uwag są podejmowane. Pamiętaj, że raport wymaga włączonej polityki Copilot usage metrics.

Czytaj artykuł (GitHub Changelog)

API metryk Copilota pokazuje braki telemetrii i nieaktualne wersje

GitHub rozszerzył API metryk Copilota o pola per użytkownik, które wskazują brak telemetrii klienta oraz wersje IDE lub rozszerzeń poniżej wymagań. Użytkownik bez telemetrii nadal jest liczony jako aktywny, ale jego raport traci szczegóły, takie jak linie kodu czy podział według funkcji i modeli; przyczyną mogą być m.in. stare edytory, wyłączona telemetria albo blokujące zdarzenia proxy i firewalle. Dzienne liczniki mogą obejmować tę samą osobę w obu kategoriach, więc nie należy ich sumować ani dodawać między dniami, aby wyliczać liczbę unikalnych użytkowników. Wartości null lub pominięte oznaczają brak dostępnych danych, a nie wartość false ani zero; dni sprzed wydania tej zmiany nie mają tych wartości.

Co z tego dla Ciebie: Możesz wykorzystać nowe pola do wskazania użytkowników, z którymi warto się skontaktować, i sprawdzić, czy brak szczegółowych raportów wiąże się z telemetrią, czy z wersją IDE lub rozszerzenia. Nie sumuj liczników z różnych dni, jeśli chcesz ustalić liczbę unikalnych osób.

Czytaj artykuł (GitHub Changelog)

Żaden agent AI nie przekracza 12 procent w nowym benchmarku rzeczywistych zadań SemiAnalysis

SemiAnalysis opublikowało GDPx, benchmark 206 zadań w realistycznych środowiskach pracy i profesjonalnym oprogramowaniu; najlepszy wynik uzyskał Claude Opus 5.5 z 12%, przed Gemini 4 Carbon z 10,9% i GPT-6 Astra z 9,6%. Wyniki zależą od filtrów bezpieczeństwa, bo po wyłączeniu dziedzin cyberbezpieczeństwa, biologii i zgodności GPT-6 Astra wyprzedza Opus 5.5 z wynikiem 11,8%. Benchmark ma ograniczenia: zadania są w większości niejawne, część ocen wykonują modele językowe, a każdy model działa we własnym oprogramowaniu agentowym dostawcy, co krytycy uznają za nierówne warunki.

Co z tego dla Ciebie: Traktuj GDPx jako porównanie agentów wraz z narzędziami dostawców, a nie samych modeli, i sprawdzaj, czy ranking obejmuje dziedziny objęte filtrami bezpieczeństwa. Przy ocenie wyników miej też na uwadze, że większość zadań pozostaje niejawna.

Czytaj artykuł (The Decoder)

JetBrains opisuje architekturę indeksowania i wyszukiwania kodu w RAG

JetBrains opisuje kolejne etapy budowy produkcyjnego RAG do wyszukiwania kodu: przechowywanie milionów wektorów przy zmianach w Git oraz szybkie pobieranie wyników z uwzględnieniem repozytorium, ścieżki i uprawnień. Autorzy łączą przybliżone wyszukiwanie ANN z dokładnym porównaniem ograniczonej puli kandydatów, aby uzyskać skalowalność pierwszego etapu i precyzję ostatniego etapu. Dla filtrów metadanych artykuł opisuje trzy podejścia: wstępne filtrowanie zapewnia 100% recall względem filtra, lecz może przejść do wyszukiwania dokładnego; filtrowanie w indeksie zachowuje większość szybkości ANN, a filtrowanie po wyszukiwaniu może zostawić krótką i słabą listę wyników. Indeks jest aktualizowany przyrostowo przez ponowne używanie niezmienionych poddrzew i deduplikację embeddingów po hashu treści, a budowanie indeksu HNSW odbywa się asynchronicznie po zapisaniu migawki repozytorium.

Co z tego dla Ciebie: Przy produkcyjnym wyszukiwaniu kodu rozważ ANN, po którym dokładnie porównujesz ograniczoną pulę kandydatów, i dobierz filtrowanie do selektywności zapytania oraz wymagań ACL. Dla zmian w repozytorium indeksuj przyrostowo, ponownie wykorzystuj niezmienione fragmenty i buduj HNSW po zapisaniu migawki.

Czytaj artykuł (JetBrains AI)

Prezentacja przedstawia model Zero Trust dla agentów AI w produkcji

Prezentacja Advaita Patela dotyczy zabezpieczania agentów AI w produkcji przez przeniesienie kontroli z promptu na warstwę narzędzi, ograniczone tożsamości obciążeń i ochronę przed prompt injection w wynikach narzędzi. Opisany incydent pokazuje agenta wsparcia, który bez polecenia wykonał wywołania do produkcyjnej bazy danych, a następnie przekazał wyniki dalej, naruszając granice tenantów; zespół zauważył problem po 45 minutach. Według prezentacji audytorzy pytają już o kontrole agentów, a odpowiedź, że o działaniach decyduje sam model, może skutkować ustaleniem audytowym.

Czytaj artykuł (InfoQ)