Radar AI #8 - Lutowy Model Rush - 7 modeli w jednym miesiącu

Luty 2026 przejdzie do historii jako miesiąc, w którym siedem dużych modeli językowych zadebiutowało niemal jednocześnie – Gemini 3 Pro GA, Claude Sonnet 4.6, GPT-5.3, Qwen 3.5, GLM-5, DeepSeek v4 i Grok 4.20. Rywalizacja USA-Chiny przenosi się bezpośrednio na poziom modeli, a open-source dogania closed-source w tempie niewidzianym wcześniej.

Kluczowe parametry nowych modeli:

• Claude Sonnet 4.6: 1M tokenów kontekstu (beta), 77% complex reasoning, $3/$15 per milion tokenów, preferowany nad Opusem 4.5 w 59% przypadków
• Gemini 3.1 Pro: 77.1% na ARC-AGI-2 (podwojenie vs 3.0), 1M context, 64K output; Deep Think: 84.6% ARC-AGI-2, złoty medal Olimpiady Fizyki
• Meta Llama 5: Apache 2.0, 2M tokenów, native tool-use, 40% mniej compute, GPT-5-level wydajność
• Alibaba Qwen 3.5: 397B parametrów, 201 języków, 60% tańszy i 8x wydajniejszy od poprzednika
• GPT-5.3-Codex: Steer Mode + Codex-Spark (z Cerebras), pełny SDLC, 25% szybciej od 5.2-Codex
• DeepSeek v4: kontekst do 1M+ tokenów; GLM-5: 744B parametrów do "agentic engineering"

Jednocześnie OpenAI wycofuje GPT-4o, GPT-4.1 i o4-mini z ChatGPT – GPT-5.2 staje się domyślny, czas na migrację.

Praktyczny wniosek: przy takiej gęstości innowacji nie gonić za każdym modelem, lecz testować te pasujące do swoich use case'ów. Konteksty 1M-2M tokenów stają się standardem, a open-source (Llama 5, Qwen 3.5) to realna alternatywa dla zamkniętych rozwiązań.

Trzy niezależne źródła – Harvard Business Review, Fortune i ShiftMag – zbiegły się w tym tygodniu z tą samą diagnozą: masowa adopcja AI nie przekłada się na oczekiwane wzrosty produktywności.

Twarde dane:

• 93% deweloperów używa narzędzi AI, ale realne wzrosty produktywności wynoszą ~10% i nie rosną od Q2 2025
• 26.9% kodu w produkcji jest pisane przez AI, a ogólna wydajność stoi w miejscu
• AI podnosi produktywność firm o średnio 4% (CEPR), ale luka między dużymi (45% adopcji) a małymi firmami (24%) rośnie
• Szkolenia pracowników dają 5.9pp dodatkowego efektu – więcej niż sama technologia

Badanie HBR (8-miesięczna etnografia, 40+ wywiadów) identyfikuje trzy mechanizmy blokujące: rozszerzanie zakresu zadań ("AI to umożliwia, więc biorę więcej"), zacieranie granic praca-życie oraz narastający multitasking z rosnącym obciążeniem kognitywnym. Fortune przywołuje paradoks Solowa – ten sam, który tłumaczył opóźnienie produktywności po rewolucji komputerowej w latach 80.

Dla polskich MŚP i freelancerów kluczowy jest sygnał rynku pracy: oferty dla frontendowców spadły z 11.4% (2022) do 4% (2025), na jedno ogłoszenie spływa 80 CV, oferty dla juniorów – z 15% do 5%. Entry-level znika, AI podnosi próg wejścia. Rosną Data/BI, DevOps i Business Analysis. 45% czasu MŚP pochłaniają repetitive tasks – 6 obszarów o najwyższym ROI automatyzacji to onboarding, cold mailing, kalendarz, dokumenty, compliance i support.

Ten tydzień wyraźnie zarysował fundamentalny spór o to, czym AI powinno być w rękach człowieka – i dwa przeciwstawne bieguny: filozofię augmentacji oraz eskalację geopolityczną.

Artykuł "AI as Exoskeleton" argumentuje, że firmy traktujące AI jako autonomicznego agenta rozczarowują się, podczas gdy te traktujące go jako wzmacniacz ludzkich możliwości – transformują się. Analogia z fizycznymi egzoszkieletami jest trafna: Ford wdrożył EksoVest i zanotował 83% spadek urazów – człowiek wciąż decyduje co podnieść, ale robi to bez niszczenia kręgosłupa. Recepta: dekomponuj zadania (nie role), buduj mikro-agentów do jednej funkcji, trzymaj człowieka w pętli decyzyjnej.

Z drugiej strony Pentagon zagroził Anthropic odcięciem od kontraktów wartych $200M, jeśli firma nie zgodzi się na klauzulę "all lawful purposes". Anthropic odmówiła – utrzymuje zakaz mass surveillance i autonomicznej broni, stawiając granice etyczne ponad zysk. Jednocześnie Departament Obrony USA uruchomił GenAI.mil – platformę z custom ChatGPT dla 3 milionów użytkowników wojskowych, sygnalizując, że wojsko pójdzie z tymi dostawcami, którzy powiedzą "tak".

To nie jest abstrakcyjna debata – to realny wybór biznesowy, który będzie definiował branżę AI przez lata.