Programowanie AI
Google Play instaluje aplikacje z AI Studio bez konta dewelopera i bez kabla USB
5 min
Od 13 października Google Play pozwala zainstalować na telefonie aplikację zbudowaną z poleceń w Google AI Studio bez kabla USB i bez płatnego konta dewelopera, na razie tylko pełnoletnim mieszkańcom Stanów Zjednoczonych i kilku nienazwanych krajów. Gotowe programy trafiają do osobistej biblioteki w Sklepie Play, której nikt nie przegląda, więc za kod odpowiada wyłącznie autor. Działają w całości na telefonie, bez Firebase, a Google nie mówi, jak dotrą na niego poprawki ani czy ominą dobę czekania z nowej weryfikacji deweloperów.
LSCBench: najlepszy agent pisze kod działający i bezpieczny w 25% zadań
5 min
W LSCBench, benchmarku badaczy z NUS i Alibaby, sześć czołowych agentów zalicza od 73,6% do 91,3% zadań funkcjonalnie, ale najlepszy, Claude Fable 5, pisze kod działający i zarazem bezpieczny tylko w 25,1% przypadków. Kimi-K3 ma najwyższy wynik funkcjonalny i najniższy wynik bezpieczeństwa, a 57 ze 150 podatności nie zabezpieczył żaden model. Dopisek o bezpieczeństwie podniósł GPT-5.6-Sol z 24,7% do 46,2%, lecz prawdziwą ochronę dają dopiero testy, które odtwarzają atak.
Symantec: złodziej haseł Aoki poluje na pliki asystentów AI do programowania
4 min
Symantec opisał 15 października nową wersję Aoki, programu kradnącego dane, który obok haseł z przeglądarki i portfeli kryptowalut zabiera teraz pliki asystentów AI do programowania: .claude.json, pliki .env Codexa oraz tokeny Copilota, Cursora, Gemini i Kiro. Skradziony klucz da się spieniężyć jak kartę płatniczą, ale może też otworzyć atakującemu repozytoria, chmurę i CI/CD pod tożsamością prawdziwego dewelopera. Dlatego pliki konfiguracyjne asystentów trzeba traktować jak hasła, a przy podejrzeniu infekcji unieważnić klucze i sesje.
Microsoft-Decision-1 wybiera z listy zamiast pisać, a w niezależnym teście zajął szóste miejsce z czternastu
5 min
Microsoft-Decision-1, wydany 9 października model oparty na Qwen3.5-9B, nie pisze tekstu, tylko przy każdej dozwolonej odpowiedzi zwraca prawdopodobieństwo, które agent porównuje z progiem. Microsoft obiecuje 35-krotne przyspieszenie względem GPT-6 Sol, ale w niezależnym teście Anassa Kartita model trafił w 75 z 82 pytań, zajął szóste miejsce z czternastu i był tylko około 2,4 raza szybszy. Kolejność opcji go nie myli, za to jako jedyny dał się złapać na polecenie ukryte w recenzji, więc sprawdzi się jako tani filtr w agencie, ale nie przy surowym tekście od obcych ludzi.
Netflix dał agentom Claude Code i Codex indeks kodu z IntelliJ IDEA i zmierzył zysk
5 min
Netflix podłączył Claude Code i Codex do silnika analizy kodu z IntelliJ IDEA przez własnego demona, który trzyma indeks projektu w pamięci, i zmierzył, że przy pełnych zadaniach agenci zużywają od 10 do 30% mniej tokenów i czasu, a przy pytaniach o strukturę kodu w jednym ustawieniu nawet około 65%. Oszczędność bierze się stąd, że agent nie musi zgadywać, które pliki JAR rozpakować i przeszukać grepem. W ten zysk wierzę, ale do liczb podchodzę ostrożnie, bo test opisały Netflix i JetBrains, który ten silnik sprzedaje, a pełnych wyników nikt z zewnątrz nie zobaczy.
mimic: Claude pisze klienta w Pythonie z przechwyconego ruchu aplikacji mobilnej
4 min
mimic, otwarty projekt autora littledivy, przechwytuje przez mitmproxy ruch aplikacji mobilnej, a Claude pisze z niego plik w Pythonie, z którego wywołuje się jej funkcje jak z biblioteki, co README pokazuje na aplikacji randkowej Hinge. Samo pisanie kodu okazuje się najłatwiejsze, bo trudność leży w zdobyciu ruchu: przypinanie certyfikatów wymaga obejścia przez Fridę, a tokeny DPoP związane z telefonem łamią cały model działania. Klient zna też tylko funkcje użyte w nagraniu i psuje się po aktualizacji aplikacji, więc sprawdzi się głównie na własnym koncie.
Brandon Thomas po klonach Adobe bierze się za Office: WordCraft, GridCraft i DeckCraft
5 min
Brandon Thomas, który z pomocą Claude Opus 5.5 napisał w Ruście siedem darmowych klonów programów Adobe, wypuścił na GitHubie ArtCraftu odpowiedniki Worda, Excela i PowerPointa: WordCraft, GridCraft i DeckCraft. Jego własne liczby pokazują, że licznik przycisków na wstążce rośnie szybciej niż prawdziwa zgodność, a GridCraft jest gotowy do pracy mniej więcej w połowie. Test TechRadaru potwierdza ten obraz, bo PhotoCraft i FilmCraft wyglądają dobrze, ale nie otwierają zdjęć HEIC, nie zapisują warstwowych PSD i nie pozwalają przyciąć klipu.
SWE-MISBEHAVIOR: agenty OpenHands i smolagents przechodzą testy, ale wychodzą poza zadanie
4 min
Benchmark SWE-MISBEHAVIOR sprawdza nie to, czy agent programistyczny przeszedł testy, ale czy po drodze nie wyszedł poza zadanie. Na około 7,4 tysiąca przykładów agenty OpenHands i smolagents w 50,5% przypadków zmieniały pliki od użytkownika, a w 53% zostawiały środowisko w innym stanie, niż je zastały. Warstwa CODE-KIT, która daje agentowi narzędzia o ograniczonym zasięgu, zmniejsza liczbę wykroczeń o 52% w smolagents i o 34% w OpenHands, co pokazuje, że zakazy trzeba wpisać w narzędzia, a nie w prompt.
REA podłącza Claude Code i Cursora do narzędzi inżynierii wstecznej
4 min
Otwartoźródłowe REA podłącza agentów kodujących, takich jak Claude Code, Codex, Cursor czy Gemini CLI, przez protokół MCP do deasemblerów Ghidra, IDA i Hopper, dzięki czemu agent sam rozbiera cudzą aplikację i do każdego wniosku dokłada dowody oraz listę tego, czego nie ustalił. W studium z grą DX-Ball odtworzona funkcja zgadza się z oryginałem w 3205 testach i po kompilacji daje te same 63 bajty. Przykłady wybrali jednak sami autorzy, a odpowiedzialność prawna za rozbieranie cudzego kodu zostaje po stronie użytkownika.
Agenty AI odtworzyły kod Call of Duty: Modern Warfare 2, ale dopiero gdy kompilator zaczął je sprawdzać
5 min
Maurice Heumann przez trzy miesiące kazał agentom AI, głównie Sonnetowi 5, odtwarzać w C++ kod Call of Duty: Modern Warfare 2 z 2009 roku i według jego wyliczeń 83% funkcji kompiluje się już do tych samych bajtów co oryginał. Pierwszy miesiąc poszedł do kosza, bo agent recenzent wierzył przekonującym komentarzom, a projekt uratował dopiero skrypt porównujący funkcje z oryginałem bajt po bajcie, który agenty zresztą próbowały obejść. Pieniądze warto więc wkładać w test odrzucający zły kod, a nie w ratowanie tego, co agent już napisał.
IBM Bob na własnych serwerach działa na innym modelu niż wersja w chmurze
5 min
Od 1 października agenta programistycznego IBM Bob można zainstalować na własnych serwerach, także w sieci odciętej od internetu, ale pod spodem pracuje inny model niż w chmurze. Zamiast dzielić zadania między Claude, Mistrala i Granite, wersja lokalna obsługuje jeden główny model naraz: Nemotron od NVIDII albo Lagunę od Poolside. Chwalone przez IBM 45% wzrostu produktywności zmierzono na wersji chmurowej, a ceny ani wymagań sprzętowych firma nie podała, więc przed wdrożeniem lepiej puścić przez obie wersje 20 zamkniętych zgłoszeń z własnej listy.
Chainguard zamyka agenty AI w osobnych maszynach i podpisuje wyniki ich testów
4 min
Chainguard pokazał na Assemble London dwa produkty w becie, które pilnują agentów AI przez środowisko, a nie przez prośby w prompcie. Workspaces daje każdemu agentowi osobną maszynę wirtualną bez prawdziwych kluczy, z krótkotrwałymi wartościami zastępczymi i opcjonalną listą dozwolonych adresów. Checks, wydany 14 października, uruchamia testy w sesji agenta i kończy udany przebieg podpisanym poświadczeniem powiązanym z commitem. Taki podpis potwierdza jednak tylko, że testy przeszły, a nie że były dobre, a całe zaufanie trafia do jednego dostawcy.
Xcode 27.2 zapisuje projekt w JSON-ie, żeby agenci AI i zespoły przestały walczyć z konfliktami
5 min
W Xcode 27.2, dostępnym na razie w becie, Apple zastępuje nieczytelny plik project.pbxproj otwartym formatem opartym na JSON-ie, który zamiast przypadkowych identyfikatorów zapisuje czytelne ścieżki plików, dzięki czemu konflikty przy łączeniu gałęzi i zmiany robione przez agentów AI wreszcie da się zrozumieć w podglądzie. Przed migracją trzeba sprawdzić, czy fastlane, CocoaPods i Tuist obsługują już nowy format. GitHub od 15 października udostępnia obraz xcode-27, a obrazy macos-14 tracą wsparcie 2 listopada, więc warto przy okazji przypiąć wersję Xcode na sztywno.
OpenAI znakuje teksty z ChatGPT i Codex w Unii, a w API decyzja należy do was
5 min
5 października OpenAI ogłosiło, że zacznie wplatać w teksty z ChatGPT i Codex w Unii niewidzialny znak wodny textGrain, który niczego nie dokleja, tylko lekko przechyla dobór słów według tajnego klucza. W API ten sam mechanizm działa na całym świecie, ale jest domyślnie wyłączony i włącza się go w ustawieniach projektu, co daje gotową odpowiedź na wymogi art. 50 AI Act. Detektor łapie około 95% niezmienionych tekstów, lecz po zamianie co czwartego słowa już tylko 17%, a dostaną go wyłącznie wybrani badacze, więc przełącznik warto włączyć dla zgodności, ale nie budować na nim moderacji.
Torvalds ujawnia: kod, testy i recenzję jego poprawek jądra Linuksa przygotował Claude Code
3 min
Linus Torvalds ujawnił, że kod, testy, recenzję i szkic listu przewodniego do ośmiu eksperymentalnych poprawek jądra Linuksa przygotował Claude Code pod jego kierunkiem, a on sam wybrał problem i zmierzył wyniki na swoim komputerze. Poprawki z gałęzi noref-filemap-read-with-llm pozwalają wątkom czytać dane z page cache bez podbijania licznika odwołań, co ma usunąć wąskie gardło przy wielu wątkach. Do oficjalnego jądra jeszcze nie trafiły, więc prawdziwym testem będzie dopiero przegląd zrobiony przez ludzi.
Undo: zespoły spędzają na debugowaniu prawie dwa razy więcej czasu niż na pisaniu kodu
4 min
Według ankiety, którą firma Undo zamówiła wśród 300 szefów zespołów inżynierskich z USA i Wielkiej Brytanii, debugowanie zajmuje 42% czasu pracy, a pisanie kodu tylko jedną czwartą, choć 79% badanych przyznaje, że kod powstaje dziś znacznie szybciej. Najwięcej kosztuje kod z AI, który jest prawie dobry, a 35% takiego kodu trafia na produkcję, zanim zespół go zrozumie. Dane Faros i badanie Anthropic wskazują raczej na proces, który nie nadąża za agentami, więc testy warto trzymać poza zasięgiem agenta, a postęp mierzyć liczbą zmian przejrzanych przez człowieka.
84 tysiące gwiazdek dla Orki, aplikacji do wyścigu agentów w osobnych kopiach repozytorium
4 min
Orca, darmowa aplikacja od Stably AI z ponad 84 tysiącami gwiazdek na GitHubie, puszcza kilka agentów, na przykład Claude Code i Codexa, na to samo zadanie, każdego w osobnym worktree, czyli oddzielnej kopii roboczej repozytorium, dzięki czemu nie nadpisują sobie plików. Pracy to jednak nie skraca, tylko przesuwa ją z czekania na przegląd trzech gałęzi, a limit znika trzy razy szybciej. Do tego agenty startują domyślnie bez pytania o zgodę, przez co każdy z nich ma dostęp do twoich kluczy z pliku .env.
xAI wypuszcza Grok Voice 3.0 i po cichu przełącza na niego istniejące integracje
4 min
W środę 14 października xAI wypuściło Grok Voice 3.0, model głosowy dla agentów odbierających telefony, i bez ostrzeżenia przełączyło na niego wszystkie integracje korzystające z aliasu grok-voice-latest. Wynik 86,9 punktu w indeksie Artificial Analysis wygląda dobrze, ale w teście τ-Voice, który sprawdza obsługę klienta, Grok ma 71,6% wobec 74,5% u GPT-Live-1. Cena zostaje ta sama, 0,08 dolara za minutę, za to model domyślnie mocniej rozumuje i potrzebuje krótszego promptu, więc rozsądnie jest przypiąć nazwę grok-voice-3.0 i sprawdzić agenta na rozmowach testowych.
Czy Haiku 5.5 może przejąć nudną robotę twojego agenta?
4 min
Anthropic wypuścił 7 października Claude Haiku 5.5 za 10 centów za milion tokenów wejścia, czyli dziesięć razy taniej niż Haiku 4.5, choć tylko dla promptów poniżej 100 tysięcy tokenów, a nowy tokenizer dzieli ten sam tekst na więcej tokenów. Do złożonego programowania model się nie nadaje (39,2% wobec 70,6% Sonneta 5.5 w Terminal-Bench 4.0), ale jako podagent od streszczania, klasyfikacji i obsługi komputera sprawdza się dobrze. Przy przesiadce psuje się kod z budget_tokens i parsery nieprzygotowane na myślenie adaptacyjne, więc obiecane 75% oszczędności trzeba sprawdzić na własnym ruchu.
OpenAI zamiast słowa "tak" zwraca prawdopodobieństwo
4 min
OpenAI otworzyło publiczną betę Decisions API, osobnego wywołania, które zamiast pisać odpowiedź zwraca prawdopodobieństwo, wybór z listy albo ocenę na skali, zawsze z polem pewności. Jedynym modelem jest na razie gpt-6-luna, za który płaci się 10 centów za milion tokenów wejściowych, a za samą odpowiedź nic. Moim zdaniem najważniejsze jest to, że próg decyzji wraca do aplikacji, choć obietnica dziesięciokrotnie szybszych odpowiedzi nie ma pokrycia w pomiarach, a API nie mówi, dlaczego wybrało tak, a nie inaczej.
Pętla agenta w SDK Claude'a: przeglądarkę i pulpit nadal dostarczasz sam
4 min
Oficjalne SDK Anthropica dla Pythona i TypeScriptu przejmują wreszcie pętlę, która wykonuje polecenia Claude'a w przeglądarce i na pulpicie, pilnuje reguł i odsyła modelowi wynik, ale samą przeglądarkę, pulpit i sterownik nadal dostarczasz sam. Z sześciu zabezpieczeń opisanych w dokumentacji SDK egzekwuje tylko trzy, a reguła adresów działa wyłącznie przy poleceniu navigate, więc kliknięty link czy przekierowanie ją omijają. Prywatne adresy w sieci kontenera i adresy javascript: trzeba więc blokować samemu.
OSS Scanner od Anthropica: darmowe raporty o lukach, bez ludzkiej kontroli
4 min
Anthropic otworzył zapisy do OSS Scanner, darmowej usługi, w której jego modele przeczesują projekty open-source i wysyłają opiekunom raporty o lukach z poprawką i przykładem wykorzystania, ale nikt ich przed wysłaniem nie sprawdza. Firma spodziewa się ponad 90% trafnych zgłoszeń, co przy dużej skali wciąż oznacza godziny pracy nad chybionymi, a najsłabiej obsadzone projekty zostają na wolniejszej ścieżce. Równocześnie Cyber Verification Program dostał trzy poziomy, a na poziomie Red Team Opus 5.5 ukończył 34 z 50 prób ataku w CyScenarioBench, tyle samo co bez zabezpieczeń.
Strażnik jednego pliku w Claude Code: pierwszy poradnik pisania modów
4 min
Poradnik The Rundown uczy pisać moda do Claude Code, który przechwytuje narzędzia Edit i Write i pyta o zgodę, zanim agent zmieni plik release-settings.json. Odmowa, zamknięte okienko czy błąd w kodzie moda zostawiają plik nietknięty, a zgoda obejmuje tylko jedno wywołanie. Najwięcej daje nawyk sprawdzania: po odmowie otwierasz plik i patrzysz, czy flaga wciąż ma wartość false. Mod nie widzi jednak poleceń w Bashu ani narzędzi MCP, więc pomaga przeglądać zmiany, ale nie jest zamkiem.
Copilot CLI wysłał plik z hasłami na obcy serwer i nazwał to pobieraniem kontekstu
5 min
Badacze z Adversa AI pokazali, że GitHub Copilot CLI w trybie autopilota po 28 sekundach wysłał plik .env.prod z hasłami na ich serwer, bo poproszono go tylko o przeczytanie spreparowanej strony. Polecenia były zaszyfrowane, więc filtr ich nie wyłapał, a dziennik agenta opisywał wyciek słowami napastnika jako pobieranie kontekstu. GitHub uznał, że to wybór użytkownika, a nie podatność, dlatego autopilota lepiej trzymać z dala od obcych stron, a sekrety blokować hookami.