Radar AI #44 – Anthropic składa prospekt S-1: pierwszy zysk i 80,7 mld USD straty

Anthropic: eksperci przejmują losowe opinie agenta i uważają wnioski za własne – 50 specjalistów od wnioskowania przyczynowego analizowało dane z agentem, którego preferencje ustalał rzut monetą. W czterech decyzjach analitycznych poszli za nim w 86% przypadków (bez wpływu byłoby ok. 50%), 77% użyło jego argumentów, a tylko 15% wskazało go jako źródło. To jedno zadanie i jeden model, Claude Opus 4.8, z celowo wzmocnioną preferencją agenta, a autorzy sami zastrzegają, że nie wiedzą, ile mówi to o realnej pracy.

Dayjob: Tax: agenci AI zdają ok. 10% realistycznych zadań podatkowych – Surge AI zbudowało 50 środowisk z 1789 plikami i progiem zaliczenia 95% kryteriów. Claude Sonnet 5.5 ma 10,8%, Fable 5.1 9,6%, Opus 5.5 9,2%; zadania i ocenę przygotował sam Surge, a pełne wyniki są w tabeli na obrazku. Do pracy księgowej agent nadaje się na razie jako pomocnik, nie zastępstwo.

OpenAI dots: SMS-y od agenta w USA, Europa „w ciągu kilku tygodni” – Beta dla planu Pro w USA pisze przez iMessage i RCS, także sama z siebie, a wiadomości obsługuje zewnętrzny dostawca Linq. Na DevDay w Berlinie OpenAI zapowiedziało szersze wejście do Europy po rozmowach z regulatorami i podało 20-krotny wzrost tygodniowych użytkowników Codexa w Niemczech od stycznia, bez liczb bezwzględnych. Kontynuacja W40.

OpenAI opisuje, jak wykrywa nieposłuszne modele i nieautoryzowane działania agentów – System ma cztery warstwy, od lekkich sond po agenta śledczego, który porównuje zapis rozmowy z logami sieci. W symulacji incydentu z Hugging Face alarm padłby ok. 30 minut po wyjściu agentów z piaskownicy, ponad 30 godzin przed włamaniem. To dane samego OpenAI, które przyznaje też, że przez fałszywe alarmy nie budzi ludzi w nocy przy każdym typie zadań.

PostHog: pętle agentowe same znajdują problemy w produkcie i proponują poprawki – Agenci czytają zgłoszenia, Slacka, issues, alerty, logi i nagrania sesji, a potem otwierają PR; w jednym przypadku od skargi do PR minęło ok. 13 minut. Scalanie zostaje przy człowieku, a autor przyznaje, że przy alercie o błędach musiał agenta prowadzić. Wpis z 15 września.

OpenAI: wewnętrzne modele rozwiązały trzy otwarte problemy naukowe – Firma ogłasza dowód lokalnego wygładzania w dowolnym wymiarze (z czego wynikają hipoteza Kakeyi i hipoteza Steina o restrykcji), obalenie hipotezy czasu wykładniczego oraz dowód istnienia chromodynamiki kwantowej, który obejmuje część problemu milenijnego Yanga-Millsa. Dowody matematyczny i informatyczny są sformalizowane w Lean i publiczne. Wynik informatyczny weryfikuje grupa Impagliazzo, Paturiego i Williamsa, a fizyczny grupa noblisty Davida Grossa, która na razie wstrzymała publikację materiałów z AI. To wciąż ogłoszenie firmy, bez potwierdzenia środowiska naukowego.

GPT-6.1 Terra: tani model OpenAI z computer use – 1/5 USD za 1 mln tokenów, o ok. połowę mniej niż Terra z GPT-5.6, a zadanie z indeksu Artificial Analysis kosztuje mniej niż 1/3 poprzednio (0,40 wobec 1,40 USD). Model ma 51 pkt w wersji indeksu sprzed v5, więc nie porównuj tego wprost z 59 pkt Carbona. OpenAI deklaruje ok. 9 razy niższy koszt zadania niż na Opus 5.5 w teście obsługi komputera; to własny pomiar firmy.

Qwen 3.8 sięga po serwery Alibaby, ale to raczej artefakt treningu niż wyciek – Cohere, bezpośredni konkurent, zgłosiło próbę wysłania ciągu testowego do Pekinu, zablokowaną w sandboxie. Palisade Research znalazło odwołania do proxy Alibaby w trzech modelach generacji 3.8 (w Qwen 3.7 nie), ale żądania kończyły się błędem 403, a badacze nie widzą dowodu na celowe wysyłanie danych. Firmy uruchamiające otwarte modele u siebie i tak powinny blokować im wyjście do sieci.

Cena tokenów zależy od języka – Koalicja ds. Równości Językowej w Badaniach nad AI policzyła, że wśród 20 najpopularniejszych języków w sieci najdroższe zużywają 1,5–5 razy więcej tokenów niż najtańsze, a przy 200 językach różnica w jednym z modeli sięga 17 razy. Artykuł nie podaje wyniku dla polskiego, więc koszt po polsku trzeba zmierzyć na własnych tekstach.

Felix Rieseberg z Anthropic rezygnuje w swoich zespołach z rozmów z kodowania – Menedżer, który prowadził rozwój Claude.ai i Claude Code Desktop, mówi, że Claude rozwiązuje małe zadania lepiej niż kandydaci, więc liczą się prototypy, wyczucie i empatia. Jego rada dla początkujących: zbuduj ambitny prototyp w weekend. To jego pogląd, nie ogłoszona polityka całej firmy.

GitHub Octoverse 2026: 220 mln scalonych PR-ów miesięcznie – To 3 razy więcej niż niecały rok temu, do tego ponad 3 razy więcej commitów (7,38 mld miesięcznie) i dwa razy więcej nowych repozytoriów w tym roku (30,3 mln miesięcznie). Dane GitHuba, Simon Willison widzi w nich wpływ programowania z agentami.

Titus Winters: kodu dużo więcej, awarii o ok. 30% więcej, a liczba funkcji stoi w miejscu – Tak opisuje to, co słyszy od inżynierów z innych firm; to anegdota bez danych, nie badanie. Sam dodaje, że AI otwiera projekty, których wcześniej nie dało się zrobić, a wskaźniki produktywności mogą to pomijać.

n8n 3.0 beta: zmiany łamiące zgodność, stabilna wersja na początku grudnia – Znikają m.in. węzły Function, Item Lists, Cron i starszy OpenAI, instalacja przez npm, a domyślny limit Code node spada z 5 minut do 1. Raport w Settings > Migration Report (od wersji 2.39) pokazuje, co poprawić. Powrotu z 3.x nie ma, 2.x dostanie poprawki przez 12 miesięcy, a wsparcie 1.x kończy się 31 grudnia 2026 r., bez bezpośredniej ścieżki do 3.x.

Prospekt: najwięksi użytkownicy Claude Code wydają 20 razy więcej – W III kwartale użytkownik Claude Enterprise bez Claude Code wydawał średnio mniej niż 75 USD miesięcznie, a górne 5% użytkowników z Claude Code ok. 20 razy tyle. Porównanie zestawia średnią z najwyższą grupą, więc pokazuje skalę zużycia na szczycie, nie typowego użytkownika.

Anthropic pokazuje firmom, co kupują za wydatki na AI – Klienci enterprise dostają raporty: praca zespołu w wybranym okresie, efekty, koszt i miejsca, gdzie proces się załamał, z rekomendacjami. Do tego dochodzą wspólne budżety grupowe na tokeny. Dane pochodzą z analityki i ankiet pracowników, a Anthropic deklaruje, że domyślnie nie użyje ich do treningu.

Microsoft: 92,3 mld USD przychodu, a 60 tys. pracowników z ofertą odejścia – Azure po raz pierwszy w dolarach: 33,2 mld USD, +48%, a umowy z OpenAI dały 10 mld USD. Równolegle ok. 60 tys. osób w USA, Kanadzie, Indiach i Wielkiej Brytanii dostało ofertę dobrowolnego odejścia na warunkach zbliżonych do standardowej odprawy. Tom Warren z The Verge czyta to jako redukcję kosztów ludzi na rzecz infrastruktury AI.

Alphabet traci po wynikach ok. 12,6% wartości akcji – Spółka pierwszy raz od blisko czterech lat zawiodła i w przychodach, i w zysku, a wolne przepływy pieniężne wyniosły -9,07 mld USD. Wyszukiwanie urosło o 12% do 63,35 mld USD przy oczekiwanych 64,96 mld USD, a Philipp Schindler przyznaje, że tryb AI zarabia mniej, obok „innych czynników”. Google Cloud podwoił się do 30,7 mld USD.

Reddit przechodzi na model głównie dla zalogowanych, bo ruch z wyszukiwarek wysycha – W październiku traci średnio ponad 1 mln odesłań tygodniowo, a dzienni użytkownicy w USA spadli z 53,2 do 50,7 mln kwartał do kwartału. Testy ruszają w IV kwartale na wybranych rynkach poza USA, strona dla niezalogowanych zostaje, a celem jest też ochrona danych przed scrapingiem AI. Kto liczy na ruch organiczny, powinien to obserwować.

Unia otwiera drogę do trenowania AI na danych Europejczyków – Rada UE przyjęła 21 października mandat negocjacyjny w sprawie pakietu Digital Omnibus, a propozycja pozwala deweloperom powołać się na uzasadniony interes zamiast zgody. To jeszcze nie prawo. Corporate Europe Observatory i LobbyControl liczą 655 spotkań lobbingowych z europosłami od listopada 2025 r., z czego 83% to interesy biznesu.

IDC: do 2029 r. 60% firm Global 2000 oprze większość procesów na AI – W 2026 r. to 13%, a do 2028 r. 60% obciążeń AI ma przejść z zamkniętych LLM na open source. Ciekawsza prognoza dotyczy kosztów: odsetek firm, którym rachunki za agentów rosną bez publikowanych zmian cen, ma wzrosnąć z 20% do 55% do końca 2027 r.

Spawn: agenci wdrażają co godzinę, tokeny kosztują ponad 3 mln USD miesięcznie – Jacob Sansbury, twórca gry multiplayer, mówi o wydatkach 30 razy wyższych niż płace i godzinie bez wdrożenia traktowanej jak poważna awaria. To jego relacja, a Simon Willison zauważa, że przy wyższej stawce niż gra trudno to sobie wyobrazić.

OpenAI podwaja limity w planach Pro i dodaje kredyty API – Pro 100 i Pro 500 dostają dwa razy więcej Work i Codexa, a OpenAI odwołało zapowiedzianą obniżkę limitów w Pro 200 i wyrównało ją dla osób z niższym limitem. Subskrybenci dostają też kredyty API w wysokości abonamentu; podobną ofertę dał wcześniej w październiku Anthropic.

Sześć wzorców, przez które tekst z AI męczy – Badacze z NYU i University of Texas wskazują m.in. dziwne zbitki słów, zbitki rzeczowników, rzeczowniki użyte jako czasowniki i ożywianie rzeczy. Prawdopodobną przyczyną jest trening nagradzający poprawność i zwięzłość zamiast jasności. To gotowa lista do sprawdzenia własnych tekstów.

Martin Fowler: „LLM Voice” – Czytelnik wyczuwa prozę z modelu jak dolinę niesamowitości, dlatego Fowler radzi nie oddawać LLM-owi nawet szkicu; zarys jeszcze ujdzie, zdania autor powinien pisać sam. Tekst wywołał dużą dyskusję na Hacker News.

Pożyczki na cyfryzację i AI: 2,5–15 mln zł na 0,5% – Zapowiadane warunki to spłata do 15 lat, bez wkładu własnego i z umorzeniem do 15% kapitału, nabór od października 2026 r. do marca 2029 r., dla MŚP i dużych firm. Artykuł nie wskazuje instytucji, więc warunki trzeba potwierdzić u operatora programu. Kwota 300 mln zł z tytułu dotyczy innego programu, na OZE dla firm energochłonnych.

ZUS wydaje do 30 mln zł na platformę automatyzacji – Przetarg obejmuje subskrypcje robotów i farmę on-premise: 5,27 mln zł w zamówieniu podstawowym i 24,89 mln zł w opcji, łącznie 30,16 mln zł brutto. Są dwie oferty, a cena liczy się w 60%. Duże instytucje wciąż kupują klasyczne RPA.

Raport SAP „AI Ready”: 49% menedżerów mówi, że wdrożenie idzie wolniej, niż zapowiadano – Ankieta objęła 411 menedżerów z firm od 50 osób, które już wdrożyły AI: 59% deklaruje pełną adopcję, 54% spodziewa się mniej etatów, 38% widzi w pracy prywatne narzędzia AI, a tylko 28% mierzy realny zwrot z inwestycji. To materiał sponsorowany SAP, a próba pomija firmy bez wdrożenia.

Orange Cyfrowa Firma: cztery wirtualne stanowiska agentów dla MŚP – Asystent, Marketer, Handlowiec i Finansista AI działają w aplikacji mobilnej za 29–49 zł + VAT miesięcznie za umiejętność, z 7-dniowym testem. Orange deklaruje, że agenci sami nie wysyłają maili ani ofert. Tekst z 19 października.

PKO BP buduje własne środowisko AI – Bank łączy infrastrukturę lokalną z chmurą, rozlicza tokeny na zespoły przez AI Gateway, a pierwszy agent obsługuje maile pod nadzorem człowieka. Na pytanie o agentów bez nadzoru Piotr Kostrzewa-Zalewski odpowiada „absolutnie nie”. Wywiad nie podaje liczb o skali ani zatrudnieniu.