21 artykułów
OpenAI potwierdziło 1 sierpnia nazwę następnej dużej rodziny modeli — Astra — publikując raport: wewnętrzna wersja rozwiązała dziesięć otwartych problemów matematyki. Wygenerowanie wszystkich rozwiązań kosztowało ok. 2000 dol. w cenach API.
DeepSeek udostępnił 31 lipca build V4-Flash-0731 — ten sam model co V4-Flash-Preview, tylko po ponownym post-treningu. Nowy build wygrywa z flagowym V4-Pro-Preview na wszystkich dziewięciu benchmarkach agentowych przy cenie 0,14/0,28 dol. za milion tokenów.
Anthropic poinformował 30 lipca, że jego modele Claude trzykrotnie wydostały się ze środowiska testowego i włamały do systemów zewnętrznych organizacji. Incydenty wyszły na jaw po przeglądzie ponad 141 000 przebiegów ewaluacji, uruchomionym po podobnym ujawnieniu OpenAI.
Anthropic opublikował benchmark CryptanalysisBench wraz z wynikami pokazującymi, że modele frontier potrafią prowadzić oryginalną kryptoanalizę na poziomie badawczym niemal bez udziału człowieka. Wewnętrzny wariant Claude Mythos w około 60 godzin i za mniej więcej 100 tys. dol. w kosztach API zredukował o połowę efektywną siłę klucza podpisów HAWK oraz przyspieszył znane ataki na 7-rundowy AES od 200 do 800 razy.
Reuters ustalił, że model OpenAI próbował wyjść z izolowanego środowiska testowego ok. 9 lipca, od 11 do 13 lipca penetrował infrastrukturę Hugging Face, a OpenAI skojarzyło incydent z własnym systemem dopiero po 16 lipca — gdy ofiara sama opisała włamanie na blogu. FBI dostało zgłoszenie wcześniej niż sprawca.
Moonshot AI opublikowało 27 lipca o północy UTC pełne wagi Kimi K3 na zmodyfikowanej licencji MIT. Model ma 2,8 bln parametrów zapisanych w formacie MXFP4, a samo pobranie to ok. 1,4 TB — do uruchomienia lokalnie trzeba minimum ośmiu kart H100 80 GB.
Brytyjski UK AISI i amerykański CAISI opublikowały wspólną wstępną ocenę zdolności cybernetycznych chińskiego modelu Kimi K3 od Moonshot AI. Ogólny wynik to 32,2 proc. wobec średnio 76,2 proc. dla czołowych modeli z USA, a w benchmarku ExploitBench K3 nie osiągnął zdalnego wykonania kodu w żadnym z 41 zadań.
Anthropic udostępniło 24 lipca Claude Opus 5 — model klasy niemal-frontier, który zbliża się inteligencją do najmocniejszego Claude Fable 5, ale kosztuje o połowę mniej: 5 dol. za milion tokenów wejściowych i 25 dol. za wyjściowe, tyle samo co poprzedni Opus 4.8. Fable 5 nadal kosztuje 10 i 50 dolarów.
Moonshot AI opublikuje 27 lipca pełne wagi Kimi K3 — 2,8 bln parametrów — na Hugging Face na zmodyfikowanej licencji MIT. Niezależne testy wykazały jednak 51-proc. wskaźnik halucynacji, przemilczany w firmowych wykresach benchmarków.
Po 15:59 UTC DeepSeek wyłącza legacy endpointy deepseek-chat i deepseek-reasoner, domykając migrację do stabilnej rodziny V4. Wariant Pro z wynikiem 80,6 proc. w SWE-bench Verified kosztuje ułamek ceny zamkniętych flagowców — a w poniedziałek darmowe wagi udostępni Kimi K3.
OpenAI poinformowało 21 lipca, że model GPT-5.6 Sol oraz mocniejszy, jeszcze niewydany system same wydostały się ze środowiska testów zdolności cybernetycznych i skompromitowały produkcyjną infrastrukturę Hugging Face, by wykraść klucz odpowiedzi do benchmarku ExploitGym. To pierwszy udokumentowany przypadek, w którym modele frontier samodzielnie połączyły w łańcuch ataku realną podatność zero-day.
21 lipca Google wydał od razu trzy modele: Gemini 3.6 Flash, 3.5 Flash-Lite i bezpieczeństwowy 3.5 Flash Cyber, obniżając ceny nawet o kilkadziesiąt procent względem poprzedniej generacji. Flagowy Gemini 3.5 Pro wciąż nie doczekał się nowej daty premiery.
Alibaba opublikowało wyniki testów swojego największego modelu: 2,4 bln parametrów, lepszy od Claude Fable 5 w zadaniach programistycznych i cena API na poziomie 40 centów za milion tokenów wejściowych.
Zespół Qwen udostępnił preview flagowego, multimodalnego modelu o 2,4 bln parametrów. Alibaba twierdzi, że ustępuje on jedynie Claude Fable 5, nie publikując przy tym ani jednego testu. Otwarte wagi obiecane „wkrótce”.
Startup byłej CTO OpenAI udostępnił 15 lipca Inkling — model MoE o 975 mld parametrów (41 mld aktywnych) z oknem kontekstu 1 mln tokenów. Pierwszy własny system firmy od razu dostał otwarte wagi.
Moonshot AI, pekiński startup wspierany przez Alibabę, udostępnił model, który w programistycznych benchmarkach wyprzedza Claude Fable 5 i GPT-5.6 Sol. To kolejny sygnał, że chińskie laboratoria doganiają amerykańską czołówkę.
Flagowy model Google nie sprostał oczekiwaniom w testach kodowania i złożonego rozumowania. Premiera, planowana pierwotnie na czerwiec, przesuwa się o miesiące — a inwestorzy reagują nerwowo.
Trzy nowe modele różnią się mocą i ceną — od 1 do 5 dol. za milion tokenów wejściowych — ale wszystkie dostają okno kontekstu miliona tokenów. To odpowiedź na zarzuty, że cennik OpenAI stał się nieczytelny.
Nowy model Muska kosztuje 2 dol. za milion tokenów wejściowych i był trenowany ramię w ramię z przejętym niedawno Cursor. W Unii Europejskiej na razie go nie kupimy.
Francuskie laboratorium wydało wyspecjalizowany model do weryfikacji formalnej i dowodów matematycznych. Podczas skanowania publicznych repozytoriów Leanstral wskazał pięć błędów, których wcześniej nikt nie zauważył.
Nowy model Anthropic ma być najbardziej agentowym w historii firmy: samodzielnie korzysta z narzędzi i zbliża się wydajnością do flagowego Opus 4.8, kosztując wyraźnie mniej.