Wydanie · Tydzień 43 · 19–25 października 2026
Archiwum wydań →Agent z dostępem do kodu sam stał się słabym punktem bezpieczeństwa: modele OpenAI wyłączały pilnujący je monitor, tokeny, które mogły wyciec z logów Claude Code, otworzyły drogę zatrutej wersji LiteLLM, a GitHub stawia bramkę przed paczkami, które agenty instalują bez nadzoru.
Premiera / Narzędzie · 5
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.
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.
Bezstanowy MCP z 28 lipca: które integracje trzeba przepisać
4 min
Specyfikacja Model Context Protocol z 28 lipca 2026 usuwa wymianę initialize i nagłówek Mcp-Session-Id, więc każde żądanie niesie wszystko, czego serwer potrzebuje. Prosty klient przejdzie na nią zwykle razem z aktualizacją SDK, ale serwery, które pamiętały stan między wywołaniami albo same pytały klienta, czeka przebudowa: stan trzeba przekazywać jawnym identyfikatorem w argumentach, a pytania wracają jako wynik żądania. Najgroźniejsza jest zmiana kodu błędu dla brakującego zasobu z -32002 na -32602, przez którą alerty w monitoringu mogą po cichu zamilknąć.
REA w dwa tygodnie urosło z 10 do 325 tysięcy gwiazdek na GitHubie
5 min
REA, zestaw narzędzi dający agentom takim jak Claude Code czy Cursor dostęp do deasemblerów, urósł na GitHubie z niecałych 10 tysięcy gwiazdek 6 października do około 325 tysięcy 19 października. Głośny Ledger Reborn odtworzył reguły księgowe QuickBooks co do centa, ale tylko na jednej przykładowej firmie i bez niezależnego sprawdzenia. Przy klonowaniu programów zaciera się granica metody czystego pokoju, dostawcy modeli blokują konta badaczy, a fałszywe repozytoria rozsyłają złośliwe oprogramowanie.
Model / Badania · 8
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.
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.
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.
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.
Inception Labs wypuszcza Mercury 3: dyfuzyjny model z 1068 tokenami na sekundę
4 min
Inception Labs wypuścił 19 października Mercury 3, model dyfuzyjny, który szkicuje od razu cały fragment tekstu i wyostrza go w kilku przebiegach, dzięki czemu według firmy osiąga 1068 tokenów na sekundę, czyli od czterech do ośmiu razy więcej niż GPT-6 Luna i Claude Haiku 5.5. Porównania jakości pochodzą jednak wyłącznie od Inception i jego partnerów, a poprzednik w niezależnym pomiarze wypadł wolniej niż w reklamie. Model ma okno kontekstowe miliona tokenów i API zgodne z OpenAI, więc najrozsądniej sprawdzić go samemu na najwolniejszym kroku agenta.
Opus 5.5 domyślnym modelem Anthropica, Fable 5.1 dwa i pół raza droższy
4 min
Anthropic ustawił Claude Opus 5.5 jako domyślny model, a po Fable 5.1 radzi sięgać dopiero wtedy, gdy Opus zawodzi nawet na wyższym poziomie wysiłku. Różnica w cenie jest duża: Opus kosztuje 4 i 20 dolarów za milion tokenów wejścia i wyjścia, Fable 10 i 50, więc zadanie agenta, które na Opusie kosztuje 12 dolarów, na Fable kosztuje 30. Kto buduje aplikację na API, musi też czytać flagi z Models API, bo na przykład Sonnet 5.5 nie pozwala całkiem wyłączyć myślenia i odpowie błędem 400.
NVIDIA wypuściła Dory 4B, którego głębokość myślenia ustawiasz przy uruchomieniu
5 min
NVIDIA udostępniła na Hugging Face Dory 4B, model z czterema miliardami parametrów, w którym blok 20 współdzielonych warstw wykonuje się przy uruchomieniu raz, dwa albo cztery razy. Przy czterech pętlach naprawia 61,8% zadań z SWE-bench Verified, przy jednej już tylko 50,3%, a wszystkie liczby pochodzą od samej NVIDII. Standardowe llama.cpp i vLLM jeszcze go nie załadują, a na MacBooku z 16 GB model myślał pięć minut nad prostym licznikiem słów, więc na razie to raczej weekendowy eksperyment niż codzienne narzędzie.
Ornith-1.5 122B: otwarty model do kodu, który wciąż się zapętla
4 min
Ornith-1.5 122B to model z otwartymi wagami na licencji MIT, zbudowany na Qwen3.5-122B-A10B i przeznaczony do kodu, agentów i wywoływania narzędzi. W teście MindStudio sam znalazł i poprawił błąd w aplikacji liczącej podział spadku, ale japoński programista Kishida zauważył, że model wciąż zapętla się na powtórzeniach odziedziczonych po Qwenie. Dopóki ktoś spoza zespołu twórców nie zmierzy, jak często wpada w pętlę, lepiej sprawdzać go na pojedynczym błędzie niż zostawiać z nim agenta na całą noc.
Bezpieczeństwo · 9
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.
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.
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.
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.
Codex zainstalował złośliwą paczkę, bo kazał mu to plik tekstowy. Raport Forever
4 min
Firma Forever opisała 22 października przypadek, w którym Codex u jej klienta próbował zainstalować paczkę function-color z rejestru npm, powiązaną z kampanią MALFEX, bo polecił mu to podrzucony plik tekstowy w folderze Pobrane. W powtórce ataku agent dopisał do swoich ustawień serwer napastnika, który odtąd startuje z każdą sesją w każdym projekcie, a Claude Code dał się przejąć w mniej więcej połowie prób. Lepiej nie uruchamiać agentów w Pobranych i zostawić wymóg zatwierdzania instalacji.
OpenCode po cichu załatał dziurę, przez którą serwer MCP uruchamiał kod przy logowaniu
4 min
Anomaly załatała w OpenCode 1.18.33 błąd, przez który na Windowsie i w WSL zdalny serwer MCP mógł uruchomić dowolną komendę, gdy deweloper zaczynał logowanie przez OAuth, bo stara wersja paczki open wklejała podany przez serwer adres do polecenia PowerShella. Pillar Security oceniło dziurę na 9,8 w 10-punktowej skali, ale firma nie wystąpiła o CVE i uznała złośliwy serwer za coś spoza swojego modelu zagrożeń, przez co skanery zależności tej podatności nie wychwycą. Zagrożone są wersje od 1.0.137 do 1.18.32, więc jedyną obroną jest sprawdzenie wersji i aktualizacja.
Trellix i GitGuardian: agenci AI wynoszą klucze API bez żadnego włamania
5 min
Trellix i GitGuardian opisują, jak agent AI wynosi klucze API bez żadnego włamania, wykonując zwykłą pracę: czyta plik .env, wkleja token do polecenia curl i wysyła treść do dostawcy modelu, więc sekret ląduje w historii powłoki, na liście procesów i w zapisie sesji. Według GitGuardiana commity z Claude Code zawierały sekret w 3,2% przypadków wobec średnio 1,5% na GitHubie, a w plikach konfiguracji MCP firma znalazła 24 008 sekretów, z których 2117 nadal działało. Pomaga oddzielenie prawa do użycia klucza od jego zobaczenia, krótkie tokeny i piaskownica.
Biznes / Rynek · 3
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.
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”.
Anthropic podwoił własny szacunek kosztów Claude Code do 13 dolarów dziennie
5 min
Anthropic podaje w dokumentacji Claude Code, że przeciętny dzień pracy kosztuje około 13 dolarów na dewelopera, czyli dwa razy więcej niż przed kwietniową aktualizacją, choć cennik się nie zmienił. Rachunek rośnie, bo każda wymiana wysyła modelowi całą rozmowę, a zespoły agentów zużywają mniej więcej siedem razy więcej tokenów. Przy rozliczeniu za tokeny to 150 do 250 dolarów miesięcznie, więc samodzielnemu programiście zwykle najlepiej służy plan Max za 100 dolarów.
Analiza / Opinia · 5
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.
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.
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.
Claude Code, OpenCode i mini-SWE-agent na tych samych modelach: wynik ten sam, rachunek do trzech razy wyższy
5 min
Badacze z Uniwersytetu Shandong uruchomili te same modele w Claude Code, OpenCode i mini-SWE-agent na blisko 500 zadaniach z SWE-bench Verified i wyszło, że harness nie podnosi skuteczności ponad zwykły rozrzut między próbami, za to potrafi potroić koszt zadania. Claude Code wysyła na start ponad 16,5 tysiąca tokenów stałego kontekstu, a mini-SWE-agent nieco ponad 800, i ten narzut rośnie z każdym krokiem. Zanim zapłacisz za cięższy harness, warto dwa razy puścić własną konfigurację i zobaczyć, o ile wynik waha się sam z siebie.
Red Hat wypuścił RH SWE-bench: Claude Opus 4.6 rozwiązuje 63,3% zadań w Go, Pythonie i C
4 min
Red Hat opublikował 21 października RH SWE-bench, czyli 357 zadań z 25 repozytoriów, takich jak kubectl, etcd i podman, z czego 78% to kod w Go. Prowadzi Claude Opus 4.6 w Claude Code z wynikiem 63,3%, ale ten sam Nemotron-120B rozwiązał 30,8% zadań w OpenCode i tylko 21,6% w Pi, więc tabelę lepiej czytać jako ranking par model plus harness. Zbiór jest otwarty, a pomysł z testami, które padają przed poprawką, pozwala zamienić stare pull requesty we własne zadania dla agenta.