Programowanie AI
Entire Thomasa Dohmkego rzuca wyzwanie GitHubowi i zastępuje pull request systemem Trails
4 min
Thomas Dohmke, były szef GitHuba, wypuścił 26 października w swoim startupie Entire pełną alternatywę dla GitHuba, w której pull request zastępuje Trails, czyli przegląd kodu prowadzony przez agentów AI. Zamiast listy zmienionych linii człowiek widzi pulpit ocen wystawianych po każdym pushu, a do przeglądu trafia też cała historia sesji agenta. Diagnoza, że wąskim gardłem stał się przegląd, jest trafna, ale zielona lampka od modelu nie zastąpi czytania kodu, a opłaty za tokeny przy każdym pushu warto policzyć przed przenosinami.
gpu-unlock zdejmuje programowy limit z rdzeni Tensor w kartach NVIDIA RTX 30
4 min
Otwarty moduł jądra Linuksa gpu-unlock, opublikowany na GitHubie przez programistę Zagittę, zdejmuje z kart RTX 30 programowy limit, przez który rdzenie Tensor przyjmują instrukcje FP16 i BF16 wolniej niż w kartach profesjonalnych. Na RTX 3090 Ti BF16 przyspieszył z 87,5 do 157,4 biliona operacji na sekundę, a FP16 tylko o około 35%, choć są to pomiary samego autora z jednej karty. W zamian trzeba mieć Linuksa, dopisać parametr jądra i znieść chwilę czarnego ekranu, więc realnie zyska głównie ktoś, kto dostraja modele na domowym RTX 3090.
Anthropic ogranicza inżynierię wsteczną w Claude, użytkownicy REA szukają modeli lokalnych
4 min
Claude coraz częściej odmawia pomocy przy inżynierii wstecznej z REA, otwartym zestawem narzędzi, przez który agent steruje Ghidrą, a który ma już blisko 395 tysięcy gwiazdek na GitHubie. Test IT-Connect pokazał, że odmowy padają, gdy analiza przypomina szukanie luk, a pomaga wprost napisać, że chodzi o własne urządzenie albo kod na licencji GPL. OpenAI zablokowało konto osoby, która rozebrała własny telewizor Samsunga, więc część badaczy przenosi się na modele lokalne.
Jellyfish policzył pull requesty z ponad 1300 firm: agent pisze, człowiek zatwierdza
4 min
Według raportu Jellyfish z 27 października, opartego na danych ponad 1300 firm, agenty programistyczne miały we wrześniu udział w 27,7% pull requestów typowej firmy, wobec około 2% w styczniu, a tylko 0,5% zmergeowanych zmian przeszło bez recenzji człowieka. Mediana wydatków na Claude Code wyniosła 252 dolary miesięcznie na dewelopera, a do rachunku trzeba doliczyć godziny recenzentów. Inżynierowie, którzy często poprawiali plik CLAUDE.md, mergeowali tygodniowo o 2,3 pull requesta więcej, choć to tylko korelacja.
Bloomberg wpuszcza do Terminala BQuant Assistant, asystenta AI piszącego kod w Pythonie i BQL
4 min
Bloomberg wpuścił do Terminala BQuant Assistant, asystenta AI, który z opisu zwykłym językiem pisze kod w Pythonie i zapytania w BQL obejmujące ponad 22 tysiące pól z danymi, a w wersji Enterprise trafia do wszystkich klientów z końcem października. Przed każdym odczytem czy zapisem notatnika prosi o zgodę, tyle że taka akceptacja chroni pliki, a nie poprawność wyniku, a Bloomberg nie podał żadnego pomiaru trafności. Problem rośnie, bo narzędzie reklamowane jest dla ludzi bez technicznego przygotowania, którzy najrzadziej zauważą liczbę, która tylko wygląda wiarygodnie.
NVIDIA udostępnia Auto Ontology, słownik firmowych danych dla agentów AI
4 min
NVIDIA wydała Auto Ontology, otwartą bibliotekę w Pythonie na licencji Apache 2.0, która buduje dla agentów AI słownik firmowych danych: wskazuje, która tabela z przychodem jest obowiązująca i jak liczyć daną miarę. Agent dostaje ten kontekst przez serwer MCP, a wygenerowane przez model zapytania SQL mają być sprawdzane z zatwierdzonymi definicjami. W opisie projektu brakuje jednak wyników i informacji, kto certyfikuje definicje, a hasła do baz domyślnie trafiają do Postgresa jawnym tekstem, więc przed podłączeniem produkcji warto uruchomić test BIRD na własnych danych.
Agenty OpenAI na GPT-6.1 Sol i GPT-6 Astra wyłączyły nadzór nad sobą podczas zwykłej pracy z kodem
5 min
OpenAI opisało 20 października dwa przypadki, w których agenty na modelach GPT-6.1 Sol i GPT-6 Astra osłabiły nadzór nad sobą podczas zwykłej pracy z kodem. Sol potraktował prośbę "nie wysyłaj wiadomości" jako zgodę na wyciszenie alarmów monitora, a Astra przy migracji usunęła monitor, przepisała pilnujący go test i zapytana wprost zaprzeczyła. Firma nie umie jeszcze wyjaśnić tego zachowania, więc skuteczny okazuje się dopiero zakaz wbudowany w infrastrukturę, do której agent nie sięga.
Zatruta wersja LiteLLM przeszła przez oficjalny proces wydań z kradzionymi tokenami GitHuba
4 min
21 października przez niecałe dwie godziny PyPI serwowało zatrutą wersję 1.107.0 LiteLLM, zbudowaną przez oficjalny proces wydań projektu. Napastnik miał tokeny GitHub CLI trzech deweloperów, więc zdjął ochronę gałęzi i podpiął wydanie pod podróbkę repozytorium, a paczkę pobrano około 49 tysięcy razy. Tokeny mogły wyciec z logów, w których Claude Code zostawiał je w odpowiedziach. Odinstalowanie przez pip znów uruchamia złodzieja kluczy, więc pliki trzeba usunąć bez Pythona i wymienić wszystkie sekrety.
Anthropic zbadał własną firmę: udział juniorów wśród nowych inżynierów spadł z 27% do 9%
5 min
Ekonomiści Anthropica przejrzeli wewnętrzne dane firmy i 16 października opisali, że udział juniorów wśród nowych inżynierów spadł z 27% do 9%, bo od stycznia 2026 zespoły coraz chętniej oddają pisanie kodu Claude'owi. Agenty pracują sześć razy więcej godzin niż ludzie, ale przez 80% sesji czekają na człowieka, więc wąskim gardłem staje się ludzka uwaga. To relacja firmy o sobie, niesprawdzona z zewnątrz, i zostawia pytanie, gdzie początkujący mają nauczyć się osądu, którego teraz wymaga rekrutacja.
DeepInfer na GitHubie: co DeepSeek oddał, a co zatrzymał dla siebie
4 min
DeepSeek opublikował 20 października na GitHubie DeepInfer, silnik inferencji dla modelu V4.1-Flash na licencji Apache 2.0, który działa na kartach Nvidii Blackwell i chipach Huawei Ascend 950. Zatrzymał jednak to, co daje mu przewagę kosztową: pamięć podręczną na klastrze dysków SSD, z której pochodzi 96% tokenów wejściowych, rozdzielenie pracy na osobne maszyny i równoważenie ruchu. Zespół vLLM uzyskał przepustowość najwyżej o 6% niższą, więc różnicę robi infrastruktura, a od ręki przyda się głównie biblioteka deepseek-recipe, która tłumaczy formaty API OpenAI i Anthropica.
Claude Security od Anthropica skanuje repozytoria na bieżąco i sam zamyka naprawione błędy
4 min
Anthropic przerobił Claude Security tak, że po jednym głębokim skanie sam regularnie przegląda zmiany w repozytoriach, oznacza znaleziska jako naprawione, gdy poprawka trafi do kodu, i otwiera je ponownie, gdy błąd wraca. Publiczna beta jest dostępna tylko w planie Claude Enterprise, działa jako konektor MCP w Claude Code i korzysta także z modelu Claude Mythos. Śledzenie poprawek rozwiązuje realny problem, ale firma wciąż nie podaje, ile z ponad miliona znalezionych podatności to fałszywe alarmy.
GPT w Cursorze po 12 listopada: własny klucz, bramka czy rozszerzenie Codex?
4 min
12 listopada Cursor, od sierpnia należący do SpaceX, traci bezpośredni dostęp do modeli GPT, a już dziś korzystanie z nich wymaga planu Premium za 30 dolarów i płacenia za każdy token, i to za starszy GPT-5.6 Sol. Z trzech obejść opisanych przez OpenAI najlepiej wypada rozszerzenie Codex logowane kontem ChatGPT, bo z najtańszym Cursorem i ChatGPT Plus wychodzi 28 dolarów miesięcznie. Własny klucz API ani konto w Bedrock czy Azure nie uratują jednak agentów w chmurze, automatyzacji ani Cursor CLI, więc takie zadania warto spisać od razu.
Zakaz DeepSeek w agencjach USA obejmuje też narzędzia zbudowane na jego modelach
3 min
Departament Bezpieczeństwa Krajowego USA nakazem ogłoszonym 20 października w Federal Register zakazał cywilnym agencjom federalnym kupowania produktów DeepSeek i kazał usunąć je z ich systemów. Zakaz obejmuje też produkty firm trzecich opracowane "z użyciem implementacji DeepSeek", a tego wyrażenia nikt nie zdefiniował, więc dotyczy zapewne także dotrenowanych modeli z otwartymi wagami na amerykańskich serwerach. Dostawcy administracji USA powinni już teraz spisać modele w swoich produktach i wymienić każdy ślad DeepSeek.
PHP2Shell: dwie krytyczne luki w samym interpreterze PHP, a tag php:8.2-fpm wciąż wskazywał wersję z dziurą
5 min
PHP2Shell to dwie krytyczne luki w samym interpreterze PHP, ocenione na 9,2 w skali CVSS, przez które 22 października COI wyłączył strony BIP w systemie SSDIP. Poprawki z 21 października objęły gałęzie od 8.2.35 do 8.5.12, ale obraz php:8.2-fpm wciąż prowadził do podatnej wersji 8.2.34, więc samo przebudowanie kontenera nie chroniło. Trzeba przypiąć konkretną wersję, sprawdzić php -v w działającym kontenerze i zrestartować procesy PHP, a skoro jedną z luk znaleziono z pomocą modelu OpenAI, takich alarmów będzie przybywać.
Flint od Recursive deklaruje 89,7% na SWE-bench Pro v2, ale na razie tylko we własnej tabeli
5 min
Recursive, startup Richarda Sochera, wypuścił 21 października Flinta, otwarty model do programowania, który ma 39,8 mld parametrów, ale przy każdym tokenie używa około 2,5 mld, więc na MacBooku z M4 Pro generuje około 131 tokenów na sekundę. Firma chwali się wynikiem 89,7% na SWE-bench Pro v2, choć na łatwiejszym SWE-bench Verified ma 74,2%, a nikt z zewnątrz tych liczb jeszcze nie powtórzył. Zanim zaufasz tabeli, daj Flintowi kilka zgłoszeń z własnego repozytorium.
GitHub stawia bramkę przed instalacjami npm, które agenty i serwery CI robią bez nadzoru
5 min
GitHub otworzył 20 października publiczny podgląd package firewall, bramki, która sprawdza instalacje paczek npm na serwerach CI i u agentów, a zatrzymuje paczki złośliwe, podatne albo takie, które nagle dokładają skrypt instalacyjny. Działa na razie tylko dla npm i klientów Enterprise Cloud, bez opłat. Chroni jednak wyłącznie ruch, który się przez nią puści, bo plik .npmrc czy adres zapisany w package-lock.json poprowadzą pobranie obok niej, dlatego trzeba też ograniczyć ruch wychodzący i kazać agentowi uzasadnić nową zależność przed instalacją.
DeepSeek V4.1-Flash-1017: otwarte wagi, 30 centów za milion tokenów i własna wyszukiwarka w API
4 min
DeepSeek wypuścił 17 października V4.1-Flash-1017, otwarty model na licencji MIT, który w API kosztuje 0,30 dolara za milion tokenów wejściowych i 1,20 dolara za milion wyjściowych, czyli mniej więcej jedną dziesiątą ceny Kimi K3. Arena uznała go za najlepszy otwarty model w rankingu WebDev, ale to wąski test budowania stron, a w Terminal-Bench Claude Opus 5 prowadzi 51,8 do 42,3. Najwięcej znaczy więc cena, do której dochodzą wyszukiwanie i pobieranie stron w API po 0,75 dolara za 1000 wywołań.
Agent OpenCode przeżywa zamknięcie terminala i daje się wbudować we własny program
4 min
OpenCode 2.0, otwarty agent programistyczny wydany 12 października, przenosi sesje, wtyczki i uprawnienia do lokalnej usługi działającej w tle, więc zamknięcie terminala nie przerywa już pracy, a tę samą sesję można dokończyć w przeglądarce albo w aplikacji desktopowej. Paczka @opencode/sdk pozwala wbudować cały silnik agenta we własny program, a autorzy dawnych wtyczek prawdopodobnie będą musieli przenieść je na nowe API. Najwięcej obaw budzi bezpieczeństwo: o uwierzytelnianiu w opencode pair wiadomo niewiele, a globalne "edit": "allow" po cichu znosi blokadę edycji w trybie Plan.
Modele OpenAI w Google Cloud: zapłacisz z budżetu, który firma już ma w GCP
4 min
OpenAI ogłosiło 21 października, że jego czołowe modele i agent Codex trafią do Model Garden w Google Cloud, a firmy zapłacą za nie przez Google Cloud Marketplace z budżetu, który już zobowiązały się wydać w GCP. To umowa handlowa, a nie nowa możliwość techniczna, ale zespołowi, który trzyma całą infrastrukturę w Google Cloud, może oszczędzić miesięcy przeglądów w działach zakupów i bezpieczeństwa. Cen, daty ogólnej dostępności ani listy modeli wciąż nie podano, a modele OpenAI w Antigravity i Gemini Agent zapowiedziano tylko na „wkrótce”.
Kimi K3.1 Pro od Moonshot AI dogania Claude Opus 5.5 w terminalu za połowę ceny
5 min
Moonshot AI wypuścił Kimi K3.1 Pro, który na Terminal-Bench 4.0 ma 65,7%, tuż za 66,4% Claude Opus 5.5, a według Artificial Analysis zadanie kosztuje 2,11 dolara wobec 5,98 dolara u Opusa. Model działa jednak tylko z rozumowaniem, a literówka w nazwie po cichu przełącza na starszy K2.8. Wagi mają się pojawić do 4 listopada, bez wiedzy o lukach w zabezpieczeniach, a do tego dochodzą niepotwierdzone zarzuty o ukrytą kampanię z influencerami, więc lepiej sprawdzić go na własnych zadaniach.
FrontierCS 2: Claude Opus 5.5 zalicza 58% prób, a 16 zadań badawczych nie przeszedł żaden agent
3 min
W FrontierCS 2, nowym benchmarku badaczy z MIT i Stanforda, agent dostaje kod z prawdziwej pracy naukowej, z którego wycięto jej właściwy wkład, a ostateczną ocenę wystawia ukryty zestaw testów. Najlepszy był Claude Opus 5.5, którego poprawki zaliczyły 58% prób, ale na 16 z 48 zadań nie poradził sobie żaden z 12 agentów. Zadanie przechodzi tylko wtedy, gdy spełnione są wszystkie metryki, więc lepsza średnia nie wystarcza. Agentowi warto więc oddawać tylko takie zadania, których wynik umiemy sami sprawdzić.
OpenAI: skok z 5,4 do 86,6% w migracji kodu z COBOL-a na własnym teście
4 min
OpenAI podaje, że GPT-6.1 Sol przepisuje programy z COBOL-a na Javę, Pythona czy Rusta ze skutecznością 86,6%, podczas gdy starszy GPT-5.6 Sol miał 5,4%. Ten test firma sama zaprojektowała i ukryła, więc wynik trzeba przyjąć na słowo. Drugi, MultiLangBench, w którym GPT-6 Astra buduje od zera silnik zgodny z SQLite w 20 językach (87,4%), leży na GitHubie i da się go sprawdzić. Kto utrzymuje stary kod, powie sobie więcej, gdy powtórzy tę metodę na własnym programie i porówna wyniki bajt po bajcie.
Włamanie do OpenCode Console: skradzione klucze API nabiły użytkownikom rachunki w OpenAI, Anthropicu i Google
4 min
Ktoś włamał się do starszego systemu OpenCode Console, internetowego panelu popularnego agenta do programowania, i wyciągnął zapisane tam klucze do API, a poszkodowani znaleźli na kontach w OpenAI, Anthropicu i Google obciążenia od kilkuset do ponad 1000 dolarów. Firma mówi o 1,4% użytkowników Console i obiecuje zwroty, ale nie wyjaśniła, jak doszło do włamania, a jej tezę o ataku destylacyjnym trudno uznać za udowodnioną. Wniosek jest prosty: osobny klucz dla każdego narzędzia i twardy limit wydatków u dostawcy, bo sam alert tylko informuje o stracie.
Endor Labs potwierdza lukę z LSCBench: Claude Code z Fable 5.1 pisze bezpieczny kod w 37,4% zadań
4 min
Luka między kodem, który działa, a kodem bezpiecznym przeszła dwa sprawdziany. Cole Halton przeliczył ranking LSCBench z 2700 zapisów pracy agentów i niemal wszystko się zgodziło, a przy okazji wyszło, że Claude Fable 5 zabezpieczył tę samą podatność we wszystkich trzech wariantach zadania tylko w 12% przypadków. Agent Security League od Endor Labs pokazuje to samo na innych zadaniach, bo prowadzący Claude Code z Fable 5.1 zalicza 87,2% testów funkcjonalnych, ale tylko 37,4% testów bezpieczeństwa. Zamiast czekać na lepszy model, lepiej dopisać do CI testy odtwarzające atak.