Wydanie · Tydzień 42 · 12–18 października 2026
Archiwum wydań →Agenty piszą kod szybciej, niż ktokolwiek zdąży go przyjąć: Anthropic zbudował Sciona, bo git nie nadążał za mergeami, w danych Harvardu pull request czeka o 49% dłużej, a nowe benchmarki pytają już nie o zielone testy, tylko o to, czy recenzent przyjąłby zmianę i czy jest bezpieczna.
Premiera / Narzędzie · 11
Scion: system kontroli wersji, który Anthropic zbudował w pięć miesięcy po tym, jak git przestał nadążać za Claude'em
5 min
Anthropic mergeował we wrześniu ponad 30 tysięcy zmian dziennie, dwanaście razy więcej niż w maju, więc git przestał nadążać i siedmioosobowy zespół w pięć miesięcy zbudował własny system kontroli wersji o nazwie Scion. Commity, merge i historię liczy w nim serwer, a CI według firmy odzyskało 25% mocy obliczeniowej. Zwykły zespół szybciej odczuje jednak zderzenia agentów przy merge'u, bo w zbiorze AgenticFlict konflikt pojawiał się w 27,67% pull requestów, więc bardziej pomoże mu rozsądny podział pracy niż nowy system.
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.
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.
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.
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.
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.
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.
Model / Badania · 8
Gemini 4 Argon trafia do płatnego API i aplikacji Gemini, a promocyjna cena kończy się 30 listopada
5 min
Od 13 października Gemini 4 Argon jest dostępny w płatnym API i w aplikacji Gemini dla planów Pro i Ultra, choć samodzielnego agenta w Antigravity dostają tylko abonenci Ultra za 99,99 dolara. Promocyjna stawka 2 i 10 dolarów za milion tokenów obowiązuje do 30 listopada, a ponieważ model zużywa dużo tokenów na rozumowanie, po podwyżce zadanie wyjdzie drożej niż w GPT-6 Astra. Z sześciu poprawek, które Argon zaproponował w ADK przez 11 godzin, inżynierowie przyjęli dwie, dlatego sprawdziłbym go na własnym repozytorium jeszcze przed grudniem.
Liquid AI LFM2.5-24B-A2B: lokalny agent na laptopie, ale nie do naprawiania kodu
5 min
LFM2.5-24B-A2B od Liquid AI ma 24 miliardy parametrów, ale przy każdym tokenie pracuje niecałe 2,5 miliarda, dzięki czemu na Apple M5 Max generuje 184 tokeny na sekundę i działa jako agent bez chmury. W teście LiveClaw pokonał Qwen3.6-35B-A3B wynikiem 48,09 do 38,19, bo trenowano go wprost w harnessach takich jak OpenCode i Hermes Agent. Przy naprawianiu prawdziwego kodu wyraźnie jednak odpada: na SWE-Bench Verified rozwiązuje 51 procent zgłoszeń wobec 66,2 u Qwena, więc nadaje się do lokalnych pętli z narzędziami, a nie do pracy w dużym repozytorium.
Muse Spark Open: 816 miliardów parametrów Mety na biurku, ale bez pomiarów prędkości
4 min
Meta udostępniła wagi Muse Spark Open, modelu o 816 miliardach parametrów, z których przy każdym tokenie pracuje tylko 42 miliardy, dzięki czemu skompresowana wersja mieści się na dwóch Mac Studio z M5 Ultra. Z mojego rachunku wychodzi tam teoretyczny sufit około 28 tokenów na sekundę, co wystarczy agentowi pracującemu w tle, ale nie podpowiedziom w edytorze. Zamiast pomiarów Meta pokazała agenta poprawiającego klienta Mastodona Ice Cubes, a licencja ma ograniczenia komercyjne, których nie precyzuje.
Meta Muse Wonder kosztuje tyle co Claude Opus 5.5, ale najmocniejszej wersji nie kupisz w API
4 min
Meta wypuściła 12 października Muse Wonder i Muse Wonder Full, a zwykłego Wondera wyceniła w API tak samo jak Claude Opus 5.5, na 4 dolary za milion tokenów wejścia i 20 za milion wyjścia. Większość wygranych w tabeli Mety należy jednak do wersji Full, dostępnej tylko w subskrypcji Muse Code za 50 lub 200 dolarów miesięcznie. Zwykły Wonder wygrywa w długich projektach, przegrywa przy pisaniu od zera, a zadanie kosztuje na nim 4,52 zamiast 5,98 dolara, bo generuje o połowę mniej tokenów.
FrontierCode 1.1: Claude Opus 5.5 wygrywa, ale przechodzi wszystkie blokady tylko w 58% prób
4 min
Claude Opus 5.5 wygrał benchmark FrontierCode 1.1 od Cognition z wynikiem 52,2%, choć wszystkie kontrole blokujące przeszedł tylko w 57,7% prób, a każda oblana blokada zeruje próbę mimo zielonych testów. Artificial Analysis sprawdziło 23 modele na zadaniach od opiekunów Celery czy Mattermost, które oceniają, czy ktoś przyjąłby taki pull request. Przewaga nad GPT-6.1 Sol to 3,1 punktu przy koszcie 10,15 dolara za zadanie wobec 0,81 dolara, więc do codziennej pracy agenta bardziej opłaca się tańszy model.
Sto razy różnicy w cenie między Claude Haiku 5.5 a Fable 5.1
5 min
Fable 5.1 bierze za milion tokenów wejściowych 10 dolarów, a Haiku 5.5 zaczyna od 0,10 dolara, więc najdroższy i najtańszy model Claude dzieli stukrotna różnica. Anthropic sam radzi zaczynać od Opusa 5.5, który jest dwa i pół raza tańszy od Fable, a po droższy model sięgać dopiero wtedy, gdy Opus z wyższym poziomem namysłu nie daje rady. Niska stawka Haiku obowiązuje tylko do 100 tysięcy tokenów w prompcie, a powyżej cena rośnie pięciokrotnie, dlatego ten model najlepiej sprawdza się w krótkich zadaniach, takich jak sortowanie zgłoszeń czy streszczanie logów.
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.
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.
Bezpieczeństwo · 5
Agenty z chmury Tencenta dostały się do danych Amap kluczem, który inna firma zostawiła w swoim kodzie
6 min
Od 28 września do 8 października agenty AI z chmury Tencenta ponad 2600 razy próbowały wyciągnąć dane z Amap, mapy Alibaby, a gdy je zablokowano, uruchamiały swój kod w cudzej przeglądarce serwisu urlquery.net. Dane przyniósł dopiero klucz API, który jakaś firma zostawiła w publicznym kodzie swojej aplikacji, bo klucz przypisany do domeny był dla obcego bezużyteczny. Moim zdaniem to lekcja o kluczach i uprawnieniach, a nie o buncie maszyn, dlatego warto zawęzić adresy, z którymi łączy się agent, i sprawdzać repozytorium pod kątem sekretów.
Anthropic blokuje destylację Claude'a, a za pomyłki filtra płaci klient
4 min
Anthropic stawia trzy bariery przeciw destylacji Claude'a, czyli uczeniu tańszych modeli konkurencji na jego rozumowaniu, które daje w SWE-bench Verified 80,4% wobec 71,8% przy samych streszczeniach. Konta API założone od 31 sierpnia 2026 nie mogą edytować wcześniejszych tur rozmowy, a zapytania do najnowszych modeli sprawdza dwustopniowy klasyfikator. Od 24 września klient płaci też za zablokowane zapytania, więc przy deklarowanym progu 0,1% fałszywych alarmów agent z tysiącami wywołań dziennie zapłaci za kilka odmów, dlatego liczyłbym je we własnych logach.
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.
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.
Analiza / Opinia · 6
Proste przycinanie kontekstu i sam Bash wygrywają w badaniu harnessów agentów kodujących
4 min
Run-Ze Fan i współautorzy rozłożyli harness agenta kodującego na części i w 176 konfiguracjach, zestawionych w pary różniące się jednym elementem, sprawdzili plan zadania, narzędzia i zarządzanie kontekstem. Najlepszy stosunek skuteczności do kosztu dało proste przycinanie kontekstu według reguł, a modele dobrze znające Basha radziły sobie z samym terminalem równie dobrze jak z gotowymi narzędziami, tylko taniej. Badano jednak Nemotrony i Mistrala, a nie Claude Code czy Codexa, więc przed dodaniem narzędzia do agenta trzeba policzyć, ile kosztuje jedno rozwiązane zadanie.
Copilot wygrywa w ReviewBench, ale wyniki rywali zmierzył sam GitHub
4 min
Copilot code review prowadzi w rankingu ReviewBench z wynikiem 40,1%, ale wyniki wszystkich rywali zmierzył sam GitHub, i to w różnych terminach: Copilota 1 października, a Cubic i Greptile jeszcze w czerwcu. W niezależnym benchmarku firmy Martian prowadzi Cubic z 64,9% F1, a Copilot jest czwarty, co pokazuje, jak mocno metoda ustawia kolejność. Z tej tabeli nie wybierałbym więc recenzenta dla zespołu, ale otwarty zbiór 219 pull requestów i ustawienia sędziego pozwalają sprawdzić własną konfigurację.
Harvard na danych Jellyfish: agenty AI piszą o 30% więcej kodu, a zespoły nie kończą więcej zadań
4 min
Fiona Chen i James Stratton z Harvardu przeanalizowali dane Jellyfish z ponad 700 firm i wyszło im, że po wprowadzeniu agentów AI kodu przybywa średnio o 30%, a zespoły nie kończą więcej zadań. Czas zaoszczędzony na pisaniu znika w przeglądzie, bo pull request czeka na akceptację o 49% dłużej, z 7 do ponad 10 dni, a prośby o poprawki zdarzają się prawie dwa razy częściej. Narzędzia AI do recenzji ma 80% firm, ale zostawiają one tylko 23,3% komentarzy, dlatego mierzyłbym czas do zmergeowania, a nie liczbę linii.
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.
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.
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.