Opus 4.8 przestaje kłamać, a Google rusza po rynek osobistych asystentów AI

1AI przyśpieszyło. Znowu

Brytyjska agencja badająca AI wyliczyła, że Claude Mythos skrócił czas podwajania możliwości modeli z 7-8 do zaledwie 4 miesięcy. Benchmark METR, który mierzy, jak długie zadania AI wykonuje samodzielnie, potwierdza - Mythos Preview przebił dotychczasowy trend i przy 80% skuteczności wykonuje zadania zajmujące ludzkiemu ekspertowi ponad 3 godziny. Jeśli to tempo się utrzyma, w 3 lata czeka nas 9 podwojeń możliwości AI.

2Firefox naprawił w miesiąc więcej błędów niż przez 15 miesięcy

W kwietniu Mozilla z pomocą Claude Mythosa naprawiła 423 błędy. To więcej niż przez poprzednie 15 miesięcy razem wziętych. Sam Mythos znalazł 271 ukrytych podatności, których przez lata nie wychwyciły żadne procesy, w przeglądarce używanej co miesiąc przez 155 milionów osób. Dla mnie najważniejsze jest to, że AI nie zastąpiła specjalistów, tylko umożliwiła im pracę nad zadaniami, do których wcześniej brakowało im czasu i kompetencji.

3Opus 4.8 - pierwszy model, który (ponoć) nie kłamie

Anthropic wypuścił Opusa 4.8 i w mojej ocenie to najlepszy model do codziennej pracy. Nawet nie przez jego bezpośrednią inteligencję, tylko przez postęp tam, gdzie AI ma dziś największy problem: niezawodność i uczciwość. W teście na ukrywanie wad kodu poprzedni Opus milczał w 19,7% przypadków, Sonnet 4.6 aż w 65,2%, a Opus 4.8 zszedł do 3,7%. W teście na lenistwo pierwszy raz model nie pomylił się ani razu. Do tego świetnie radzi sobie z długim kontekstem i dominuje większość benchmarków biznesowych.

4Gemini Spark - odpowiedź Google na OpenClaw i Hermes

Google zapowiedziało Gemini Spark, osobistego agenta AI działającego 24/7 w chmurze. Jego przewaga jest oczywista: kontekst i ekosystem. Spark ma dostęp do Twojego Gmaila, Drive, Kalendarza i całego Workspace. Bez manualnej konfiguracji: stawiania serwera, podpinania go pod aplikacje, budowania i pobierania skilli. Po prostu otwierasz aplikację i piszesz: przygotuj podsumowanie dnia, znajdź zaległe zadania w dokumentach, daj znać, gdy konkurent wypuści nowy produkt. Pierwsza wersja ma działać z Gemini 3.5 Flash, więc nie liczę na cuda - prawdziwy test przyjdzie wraz z premierą Gemini 3.5 Pro w przyszłym miesiącu.

5Ponad 50% firm w USA płaci już za AI

Ramp AI Index pokazuje, że ponad połowa amerykańskich firm aktywnie płaci za narzędzia AI. To nie deklaracje z ankiet, tylko dane wyciągane prosto z faktur. Dla tych, którzy przez 3 lata powtarzali, że AI to bańka, to bardzo niewygodna liczba - kiedy 50% firm z największej gospodarki świata płaci za technologię w 3 lata od premiery, mówimy o sytuacji absolutnie bezprecedensowej. W wielu firmach to wciąż chaos: kilka subskrypcji i pierwsze automatyzacje. Ale dokładnie tak wyglądała adopcja komputerów i internetu.

Tip miesiąca

Nie daj się naciągnąć dostawcom AI

Niewiele osób wie, że dostawcy AI potrafią po cichu obniżać jakość swoich modeli. MarginLab od 22 maja widzi spadek skuteczności Claude Code z Opusem 4.7 - z bazowych 65% do 50%, i jest to spadek statystycznie istotny. Ty płacisz tyle samo, oni wydają mniej na serwowanie modelu, a różnica zostaje w ich kieszeni. OpenAI łapano na tym samym.

Dlatego zbuduj własny benchmark - nie abstrakcyjne testy, tylko zestaw zadań z Twoich codziennych procesów. Pozwoli Ci wybrać model z najlepszym stosunkiem jakości do kosztu oraz wychwycić moment, w którym dostawca po cichu obniża jakość modelu. Taka wiedza potrafi być warta dziesiątki, a czasem setki tysięcy złotych.

Znasz kogoś, kto powinien to przeczytać?

Prześlij ten newsletter znajomemu, który chce być na bieżąco z AI