Radar AI #36 – Fable 5.1 domyślnym modelem Claude Code i nowa bramka w trybie auto

Atak na tryb auto w Claude Code ze skutecznością do 80% – i Anthropic nie uznaje tego za lukę – Badacz prompt injection pokazał łańcuch, który omija zabezpieczenia trybu auto przez shadowing modułu Pythona: serwer zwraca HTTP 415, żeby zepchnąć model z WebFetch na curl, model pobiera archiwum ZIP zawierające podstawiony struct.py, pisze własny dekoder (bo odmawia uruchomienia dostarczonej binarki), dekoder importuje base64, ten importuje struct – i Python ładuje plik atakującego. Skuteczność na małych próbkach: 60% (3/5) dla łańcucha C2, 60% dla rozpoznania przez podproces, 80% (4/5) dla zapisu do pliku. Kontrast z materiałami producenta jest ostry: Anthropic raportował zerową skuteczność ataków na Opus 5 w trybie auto, ale benchmark obejmował stały zestaw 72 scenariuszy, a tego ataku w nim nie było. Zgłoszenie zamknięto jako informacyjne z uzasadnieniem, że tryb auto to udogodnienie oparte na klasyfikatorze best-effort, a nie gwarancja bezpieczeństwa. Zdanie warte powieszenia nad biurkiem: klasyfikator to nie sandbox. Rekomendacje autora: agent bez nadzoru w kontenerze lub maszynie wirtualnej, ograniczony egress sieciowy, brak dostępu do katalogu domowego, kluczy SSH i poświadczeń chmurowych.

32% firm zrezygnowało z zakupu oprogramowania, bo zbudowało je sobie samo agentami – Liczba z McKinsey State of AI 2026 i najbardziej konkretny dowód, że agentic coding przesuwa granicę build-vs-buy. To nie jest wyłącznie zła wiadomość dla dostawców oprogramowania – to również nowy rynek dla wdrożeniowca, bo firma, która zbudowała sobie coś sama, za chwilę potrzebuje kogoś, kto to utrzyma, opisze i zabezpieczy. Raport o stanie agentów dokłada trzy liczby z tej samej układanki: 46% firm wskazuje integrację systemów jako główną barierę, 80% raportuje mierzalny zwrot z agentów, a 57% wdraża wieloetapowe przepływy agentowe.

Kampania ransomware, której mózgiem jest agent AI – atak kosztuje 0,40-4 dolary na firmę – Badacze Cybernews znaleźli odsłonięty serwer rosyjskojęzycznego gangu Gentlemen, obserwowanego od lipca 2025 i odpowiadającego za około 700 ofiar, czyli mniej więcej 10% wszystkich ofiar ransomware na świecie. Agent AI automatyzuje niemal całą działalność przy minimalnym nadzorze człowieka: atakuje i szantażuje wiele ofiar równolegle, sam ustala wysokość okupu i modyfikuje skrypty exploitów pod konkretne środowisko ofiary. Na serwerze leżało 3,1 TB danych wykradzionych z ponad 30 firm z branży wytwarzania oprogramowania i telekomunikacji. Badacz Aras Nazarovas podsumowuje to zdaniem, że ransomware zamienił się w źródło pasywnego dochodu. Zalecenia: ograniczyć publiczny dostęp do wrażliwych zasobów takich jak instancje GitLab, monitorować dostępy z automatycznym blokowaniem, nie trzymać danych wrażliwych w repozytoriach, regularnie audytować CI/CD.

Anthropic zapowiada Model Hardware Standard – Wspólna specyfikacja, która ma pozwolić agentom AI bezpiecznie sterować fizycznymi urządzeniami. Warto obserwować pod kątem tego samego pytania, które wraca przy każdej takiej warstwie: gdzie stoi bramka człowieka i kto odpowiada, gdy agent naciśnie coś w świecie realnym.

Cloudflare BotBase for Operators – rejestr botów i agentów – Operatorzy dostają panel do deklarowania, jak zachowują się ich agenty, i wejście do publicznego katalogu. Kierunek jest ten sam, co przy Known Agents i Discovery Index: internet dorabia sobie warstwę tożsamości dla maszyn, bo robots.txt przestał wystarczać. Dla firm dbających o widoczność w AI to kolejny rejestr, w którym trzeba się pojawić.

NVIDIA potwierdza zakup Hugging Face za 12,93 mld dolarów – to już nie plotka – Tydzień temu informacja krążyła bez potwierdzenia; 2 września NVIDIA złożyła formularz 8-K w SEC, a 3 września transakcję potwierdziły TechCrunch i CNBC. Struktura: około 11,9 mld dolarów dla akcjonariuszy Hugging Face plus do około 1 mld dolarów w programie retencyjnym dla pracowników przechodzących do NVIDII. Zamknięcie przewidziane na pierwszą połowę 2027, po zgodach regulacyjnych. Skala tego, co przechodzi pod jeden dach: ponad 18 mln deweloperów, ponad 3 mln modeli, 500 tys. zbiorów danych i 1 mln aplikacji. Jensen Huang deklaruje, że Hugging Face pozostanie otwartą platformą dla całego ekosystemu AI i że moc obliczeniowa NVIDII nie będzie wymagana do budowania ani wdrażania przez tę platformę – deklaracja mocna, ale to właśnie ją warto weryfikować przez najbliższe kwartały, bo dotyczy warstwy, przez którą przechodzi większość lokalnej inferencji.

OpenAI Astra przekracza próg Critical dla cyber – pierwszy model w historii – Zgodnie z Preparedness Framework OpenAI próg Critical oznacza model zdolny samodzielnie znajdować i budować działające exploity zero-day o dowolnej wadze w utwardzonych systemach produkcyjnych albo obmyślać i przeprowadzać całe kampanie ataku na podstawie samego celu wysokiego poziomu. Astra osiągnęła komplet punktów na ExploitBench, benchmarku mierzącym zamianę znanych podatności w działające exploity, a w osobnej ewaluacji na świeżo ujawnionych błędach sama znalazła dwie podatności zero-day, o które nikt jej nie prosił. Wersja ogólnodostępna wyjdzie z obciętymi zdolnościami ofensywnymi, a mocniejsza trafi wyłącznie do wąskiej grupy partnerów zajmujących się obroną infrastruktury krytycznej. Zestawienie tego z kampanią ransomware sterowaną agentem daje pełny obraz tygodnia: ta sama zdolność wchodzi jednocześnie do arsenału obrońców i atakujących.

Artificial Analysis: Fable 5.1 na czele indeksu, ale cięcie ceny cache tylko częściowo nadąża za zużyciem tokenów – Wpis z 1 września stawia sprawę jednym zdaniem: obniżka ceny odczytu z cache o 75% tylko częściowo rekompensuje wyższe zużycie tokenów. Intelligence Index 66 przy maksymalnym wysiłku, a wyniki rosną wraz z poziomem wysiłku w sekwencji 58/60/62/65/66. To najtańszy sposób, żeby zrozumieć, dlaczego rachunek za API po zmianie modelu potrafi wzrosnąć mimo obniżki cennika.

Meta Muse Spark 1.3 wchodzi na frontier – Intelligence Index 62 – Drugi wynik na świecie zaraz za Fable 5.1, przy cenie tej samej co wersja 1.2, i wejście na granicę Pareto inteligencja/koszt zadania. Dla porównania: Gemini 3.8 Flash notuje 59 w trybie wysokim i również ląduje na tej granicy. Rynek modeli przestaje być wyścigiem jednego lidera, a zaczyna być wyborem punktu na krzywej koszt/jakość – dobra wiadomość dla każdego, kto liczy koszt na zadanie, a nie na benchmark.

Terminal-Bench 4.0: GLM-5.3 tuż obok frontieru Anthropic – Nowa edycja benchmarku agentowego ustawia otwarty model chiński z Intelligence Index 60 w trybie maksymalnym w bezpośrednim sąsiedztwie Fable 5. Wątek zebrał 565 punktów na r/LocalLLaMA. Praktyczne przełożenie: dla części zadań agentowych różnica między modelem otwartym a frontierowym mieści się już w granicy błędu pomiaru – a różnica w cenie nie.

Anthropic otwiera wykrywanie tekstu Claude'a dla regulatorów, mediów i fact-checkerów – Udostępnione API weryfikuje, czy tekst zawiera cyfrowy znak wodny Claude'a. Wnioski mogą składać regulatorzy, organy ścigania, media, fact-checkerzy, niezależni badacze, organizacje edukacyjne i unijne organizacje społeczeństwa obywatelskiego, a także firmy potrzebujące weryfikacji na potrzeby zgodności. Mechanizm opiera się na metodzie Google SynthID – modyfikuje losowość wyboru słów tak, by powstał statystycznie wykrywalny wzór, który potrafi przetrwać część edycji tekstu. Ma być znacznie pewniejszy niż klasyczne detektory w rodzaju Pangramu. Publicznego narzędzia dla wszystkich nie ma – dostęp idzie przez formularz zgłoszeniowy.

Znak wodny Fable 5.1 ma ślepy punkt: omija tokeny kodu – Watermark statystyczny działa przez sterowanie wyborem tokenów, więc omija miejsca, w których inny wybór mógłby zepsuć działanie programu. Konsekwencja jest prosta i warto ją znać, zanim ktoś oprze na tym proces: kod wygenerowany przez model jest znacznie trudniejszy do wykrycia tą metodą niż tekst. Jeśli budujesz w zespole albo w umowie z klientem politykę tego, gdzie AI wolno, a gdzie nie, detekcja znaku wodnego nie jest narzędziem, na którym da się oprzeć egzekwowanie w projekcie programistycznym.

94% firm nie widzi materialnego wpływu AI na wynik, ale 88% wczesnych adopterów agentów ma ROI w pierwszym roku – Najlepsza para liczb tygodnia do otwarcia rozmowy o wdrożeniu, obie z McKinsey State of AI 2026. Tylko 6% przedsiębiorstw raportuje istotny wpływ AI na zysk, a jedynie 39% przypisuje sztucznej inteligencji jakikolwiek wpływ na EBIT. Po drugiej stronie: 88% wczesnych adopterów agentów ma zwrot w pierwszym roku, wobec 74% wśród użytkowników generatywnej AI ogółem, a zakładany zwrot z agentów sięga średnio 171%. Wśród firm z przychodem powyżej miliarda dolarów 40% skaluje agentów, wobec 27% rok wcześniej. Sama McKinsey podaje własny przykład: 25 tys. agentów obok 40 tys. pracowników, 1,5 mln zaoszczędzonych godzin w rok, zatrudnienie w back-office niższe o 25% przy wydajności wyższej o 10%. Rozjazd między tymi liczbami to nie sprzeczność – to różnica między kupieniem AI a zmienieniem procesu.

Reklamy w ChatGPT: 1 mld dolarów run-rate w niecałe 200 dni – Od 31 sierpnia reklamodawcy kupują bezpośrednio przez Ads Manager w Europie, Indiach, na Bliskim Wschodzie i w Afryce Północnej. Reklamy widzą wyłącznie użytkownicy planów Free i Go – Plus, Pro, Business, Enterprise i Edu pozostają bez nich. Tempo dojścia do miliarda dolarów rocznego przychodu samo w sobie mówi, jak szybko powstaje tu nowy kanał płatny.

Rząd USA staje po stronie OpenAI: trenowanie na treściach chronionych to co do zasady dozwolony użytek – Departament Sprawiedliwości złożył statement of interest przed sędzią Sidneyem Steinem w Southern District of New York, argumentując, że trening modeli na tekstach objętych prawem autorskim mieści się w fair use, bo jest wyjątkowo transformatywny – model nie wykorzystuje artykułu po to, by informować lub bawić czytelnika w sposób zamierzony przez autora. DOJ dodaje, że przeciwne rozstrzygnięcie zniekształciłoby prawo autorskie, zdusiło innowacje i osłabiło konkurencyjność oraz bezpieczeństwo narodowe USA. To pierwszy raz, gdy rząd federalny formalnie zajął stanowisko w tej serii pozwów, ale dokument nie ma mocy wiążącej – to głos strony trzeciej, nie wyrok. Przeciwny głos w tej samej sprawie zebrał 163 punkty na Hacker News: EFF ostrzega sądy przed przepisywaniem prawa autorskiego pod hype wokół AI.

Jak firmy AI-native zamieniają workflow w zdolność operacyjną – Materiał OpenAI o różnicy między wdrożeniem punktowym, w którym narzędzie doklejasz do istniejącego procesu, a przebudową procesu wokół tego, co model faktycznie potrafi. To ta sama teza, którą widać w liczbach McKinsey, tylko opowiedziana od strony operacyjnej – i dobra lektura przed rozmową z klientem, który mówi, że kupił licencje i nic z tego nie wyszło.

Trzy serwisy wyprodukowały 215 128 stron o najlepszym oprogramowaniu – i Perplexity je cytuje – Śledztwo Trellner Research, 376 punktów na Hacker News. Trzy witryny – worldmetrics.org z 103 578 adresami, gitnux.org ze 107 083 i wifitalents.com ze 105 541 – wygenerowały łącznie 72 713 stron w schemacie /best/kategoria-software/, w tym przewodniki po kategoriach takich jak 3D rendering software, IVR software czy RFID software i 217 innych, niezależnie od tego, czy taki rynek w ogóle istnieje. Zespół przeanalizował 7 534 cytowania z 2 055 domen w odpowiedziach Perplexity na 380 kategorii oprogramowania i ustalił, że 59,8% cytowanych źródeł leży poza pierwszymi 100 tysiącami stron rankingu Tranco. Liczby cytowań: worldmetrics.org 60, gitnux.org 50, wifitalents.com 71, a blog marketingowy guideflow.com aż 194 cytowania w 96 kategoriach. 16,6% nowych źródeł pochodzi z domen utworzonych w 2025 roku. Wniosek dla każdego, kto pracuje nad widocznością w AI, jest dwuznaczny: próg wejścia do cytowań jest znacznie niższy niż w klasycznym SEO – i dokładnie dlatego te cytowania łatwo zatruć.

Claude Content Check – publiczne narzędzie do sprawdzania, czy plik powstał w Claude – 159 punktów na Hacker News. Problem dotyczy każdego, kto oddaje klientowi treść: to nie jest już pytanie akademickie, tylko coś, co klient sprawdzi jednym wklejeniem. W parze z newsem o ślepym punkcie znaku wodnego w kodzie daje to praktyczną regułę: umawiaj się z klientem na to, co wolno, zamiast liczyć, że nie sprawdzi.

AI potrafi sprawić, że będziesz kiepski szybciej – 188 punktów na Hacker News, jeden z tych tekstów, które warto podsyłać klientowi przed wdrożeniem. Teza: przyspieszenie złego procesu nie jest usprawnieniem, tylko szybszym dochodzeniem do tego samego złego wyniku. Dokładnie ta sama diagnoza, którą widać w liczbie 94% z raportu McKinsey – tylko opowiedziana z perspektywy jednej osoby, a nie korporacji.

Jesteśmy niebezpiecznie blisko teorii martwego internetu – mówi CEO Pangram – Rozmowa o tym, dlaczego wykrywanie treści AI jest trudniejsze niż proste rozstrzygnięcie, czy coś jest prawdziwe, i co to znaczy dla wiarygodności źródeł, na których wszyscy pracujemy. Kontekst tygodnia jest tu wymowny: Anthropic otwiera własną detekcję znaku wodnego i mówi wprost, że ma być pewniejsza niż detektory takie jak Pangram.

SAP: 70% menedżerów w Polsce ma AI w strategii, ale tylko 28% mierzy zwrot z inwestycji – Badanie SAP Polska AI Readiness Index i najlepszy zestaw liczb do otwarcia rozmowy sprzedażowej na polskim rynku. 70% deklaruje AI wpisane w strategię swojego obszaru, ale ROI analizuje 28%, poziom wykorzystania narzędzi w zespole mierzy 31%, oszczędność czasu 41%, a czas trwania procesów 39%. Do tego trzy liczby o tym, co dzieje się już po wdrożeniu: 59% korzysta z narzędzi regularnie, 34% obserwuje spadek początkowego zainteresowania, 30% wskazuje na sporadyczne użycie, a 40% dostrzega problem martwych subskrypcji, czyli licencji, za które firma płaci i z których nikt nie korzysta. To ostatnie to gotowy punkt wejścia na audyt.

Ruszyły reklamy w ChatGPT w Polsce – średni CTR 0,68% – Pod koniec sierpnia program reklamowy objął Polskę i 30 innych rynków europejskich. Liczby do zapamiętania: globalny średni CTR 0,68% wobec około 0,35% dla klasycznego displayu, najlepsi reklamodawcy notują 1,57%, a rekord to 5,4%. Reklamy widzą użytkownicy Free i Go, według Similarweb pojawiają się przy około 26% odpowiedzi, a w wyświetleniach dominują marki B2B SaaS i productivity. Do podglądania konkurencji: Similarweb, brytyjska Adthena i polski PromptEye w wersji beta. Zanim jednak ktokolwiek wejdzie tu z budżetem, obowiązuje ta sama reguła co przy każdym nowym kanale płatnym: najpierw konwencja UTM, tagowanie leada per źródło i log z CPL, dopiero potem wydatek.

Tylko 22% organizacji wdrożyło AI w wielu jednostkach biznesowych, a 85% szefów i tak zwiększy wydatki – Trzecia liczba w tym samym wątku co McKinsey i SAP: inwestycje rosną wyraźnie szybciej niż udokumentowane zyski. Dla wdrożeniowca to jest dokładnie ta szczelina, w którą wchodzi się z pytaniem o to, jak klient zmierzy, czy wdrożenie zadziałało – zanim ktokolwiek zapyta o cenę.

Europa buduje superkomputer LUMI-AI, Polska będzie miała dostęp – EuroHPC podpisało kontrakt na maszynę o dziesięciokrotnie wyższej wydajności w zadaniach AI niż poprzednia generacja. Dla polskich zespołów badawczych i firm pracujących nad własnymi modelami to realna zmiana dostępu do mocy obliczeniowej bez wychodzenia poza UE – istotne wszędzie tam, gdzie lokalizacja danych jest warunkiem, a nie preferencją.

Groźny skutek uboczny pisania z botami: stajemy się jak maszyny – Badacze ostrzegają, że regularne rozmowy z chatbotami spłaszczają ludzki sposób komunikacji – upraszczamy składnię i skracamy myśl pod odbiorcę, który i tak zrozumie. Warte uwagi dla każdego, kto zarabia na pisaniu: jeśli twój tekst zaczyna brzmieć jak prompt, klient też to usłyszy.