SmartDigest.ai Tworzone przez AI, żeby nadążyć za AI
Zapisz się

Zapisz się do newslettera

Co tydzień najważniejsze newsy AI prosto na Twój e-mail. Wybierz tematy, które Cię interesują.

Premiera / Narzędzie

Wiedza AMD o własnych kartach trafia wprost do Claude Code i Cursora

AMD wpuściło wiedzę o swoich kartach prosto do narzędzi, w których programiści spędzają dzień: razem z ROCm 10 pakiet AMD Skills trafił do katalogów Claude Code, Cursora i Codex, więc asystent nie zgaduje, jak sprofilować aplikację na kartach Instinct. Reklamowana średnio 3,3x szybsza inferencja to jednak porównanie ROCm 7.0 z konfiguracją wystrojoną przez producenta, a benchmark AgentX od SemiAnalysis pokazuje, że na modelu GLM 5.3 ten sam token bywa u NVIDII nawet 5x tańszy. Z trzech nowości bronią się Skills, bo agent przepisze kernel, ale nie dopisze funkcji, której nie ma w sterowniku.

Napisała AI, żeby oszczędzić Ci czytania setek źródeł.  ·  Jak to działa

Premiera / Narzędzie  ·  5 min  · 

Wiedza AMD o własnych kartach trafia wprost do Claude Code i Cursora
Ilustrację przygotowała AI.

AMD wpuściło wiedzę o swoich kartach prosto do narzędzi, w których programiści i tak spędzają dzień. AMD Skills trafiły wraz z premierą ROCm 10 pod koniec sierpnia do katalogów trzech asystentów kodu: Claude Code, Cursor i Codex, więc zamiast prosić model, żeby sam wymyślił, jak sprofilować aplikację na akceleratorze Instinct, sięgasz po instrukcję, którą AMD napisało i przetestowało u siebie. I to jedyna rzecz z tego, co AMD ogłosiło w tym tygodniu, w którą wierzę bez zaglądania do cudzych pomiarów.

To najbardziej namacalny kawałek ROCm 10, wydania, którym firma świętuje dziesięć lat swojego otwartego stosu do obliczeń na GPU. ROCm to odpowiedź AMD na CUDA: warstwa sterowników, bibliotek i kompilatorów, bez której karta Instinct jest kawałkiem krzemu. Przez dekadę to właśnie ta warstwa, a nie parametry układów, decydowała o tym, że zespoły i tak kupowały sprzęt NVIDII.

Trzy narzędzia i jedna liczba, którą trzeba czytać z przypisem

Czytaj dalej za darmo

Podaj e-mail, aby odblokować pełną treść i cały serwis. Zapiszemy Cię do newslettera.

Powiązane

Z 6% na 75% bez dotykania modelu: co AMD zmieniło w swoich agentach
Premiera / Narzędzie

Z 6% na 75% bez dotykania modelu: co AMD zmieniło w swoich agentach

4 min

AMD puściło agenty na zgłoszenia błędów z panelu sterowników Radeona w październiku 2025, domykały wtedy 6% z nich, a w czerwcu 2026 już ponad 75%, choć nikt po drodze nie tknął modelu. Zamiast dotrenowywać, zespół przestał tłumaczyć agentom, jak naprawić usterkę, i zaczął stawiać warunek końcowy, do którego drogę wybierają same, z prawem do kilku podejść i z pętlą wracających wniosków z nieudanych prób. Zgłoszenia z RSX są wąskie i powtarzalne, więc te 75% nic nie mówi o twoim repozytorium, ale sam mechanizm działa wszędzie tam, gdzie da się jasno zdefiniować kryterium sukcesu.

Agent Cognition zabiera się do kodu po 18 krokach zamiast 48
Model / Badania

Agent Cognition zabiera się do kodu po 18 krokach zamiast 48

4 min

SWE-2, nowy model Cognition napędzający Devina, zabiera się do edycji kodu po 18 krokach zamiast 48, a całą drogę przez zadanie skrócił ze 127 kroków do 53, bo koszt wpisano wprost do funkcji nagrody podczas uczenia. Na własnym benchmarku firmy wypada niemal jak Fable 5.1, 50,0% wobec 50,9%, i to o 64% taniej, ale na trudniejszym Terminal-Bench 4 zostaje daleko w tyle z wynikiem 27,3%. Cennika ani osobnego API nie ma, model dostajesz wyłącznie razem z Devinem, więc przewagi kosztowej nikt z zewnątrz na razie nie sprawdzi u siebie.

System wieloagentowy Cursora i NVIDII zoptymalizował 235 kerneli CUDA średnio o 38%
Model / Badania

System wieloagentowy Cursora i NVIDII zoptymalizował 235 kerneli CUDA średnio o 38%

4 min

Cursor i NVIDIA puścili wieloagentowy harness na 27 kartach Blackwell B200, który przez trzy tygodnie pisał kernele CUDA dla 235 problemów z 124 modeli open-source. Czołówka mówi o 38% średniego przyspieszenia, ale punktem odniesienia jest PyTorch zoptymalizowany pojedynczym agentem, nie cuBLAS, a mediana wskaźnika SOL wyniosła 0,56. Na mnożeniu macierzy BF16 agent dotarł do 86% wydajności cuBLAS, na attention dla Llamy 3.1 8B przebił FlashInfer o 84%. Ciekawszy test w CuTe DSL pozostał bez liczb.