AI
Sztuczna inteligencja: odblokowanie GPT-5.6, narzędzia Perplexity i nowe zagrożenia
OpenAI dostaje zielone światło na szerokie udostępnienie GPT-5.6, Perplexity pracuje nad konkurencyjnym narzędziem do kodowania, a GitHub mierzy się z krytyczną luką.
USA znoszą ograniczenia dla GPT-5.6 OpenAI
Departament Handlu USA zezwolił OpenAI na szerokie udostępnienie zaawansowanego modelu GPT-5.6, potwierdziło źródło zaznajomione ze sprawą. Firma planuje pełną premierę jeszcze w tym tygodniu, po dodatkowych testach przeprowadzonych przez Center for AI Standards and Innovation. OpenAI wysłało do Waszyngtonu ekspertów technicznych, by odpowiadali na pytania rządu. Administracja Trumpa wcześniej wymusiła stopniowe wdrażanie modelu, ograniczając początkowy dostęp do podmiotów zatwierdzonych przez rząd. OpenAI wówczas podkreślało, że taka stopniowa premiera nie jest jego preferowanym sposobem udostępniania nowych modeli. Firma zwróciła też uwagę, że firmy AI i rząd działają zanim sfinalizowane zostaną konkretne standardy dla takich modeli, które przewiduje najnowsze rozporządzenie wykonawcze prezydenta.
Scoop: Trump administration lifts restrictions on OpenAI’s GPT 5.6 →
Perplexity tworzy wewnętrzne narzędzie AI do kodowania „Teammate”
Perplexity, startup z San Francisco zajmujący się wyszukiwarką AI, opracował wewnętrzne narzędzie do kodowania oparte na sztucznej inteligencji, które może wkrótce trafić na rynek. Narzędzie o kryptonimie „Teammate” jest używane przez inżynierów firmy od maja, wynika ze zdjęć ekranu uzyskanych przez Business Insider. Perplexity wyceniono na 20 miliardów dolarów w ubiegłorocznej rundzie finansowania. Teammate ma nadzorować projekty programistyczne od początku do końca, jak głosi wewnętrzne ogłoszenie: „Jest zbudowany do długoterminowej pracy inżynieryjnej: prowadzenia projektów, badania problemów i monitorowania usług”. Narzędzie jest model-agnostyczne, czyli nie opiera się na konkretnym czacie AI. Inżynierowie powierzali mu już takie zadania jak znajdowanie błędów w wewnętrznych systemach. CTO Denis Yarats zachęcał inżynierów, by do końca roku „przestali patrzeć na kod” i korzystali wyłącznie z AI, broniąc tej technologii przed zarzutami o produkowanie „szmiry”.
Perplexity is quietly building an AI coding tool to take on Cursor and Claude Code →
Luka GitLost pozwala wykraść dane z prywatnych repozytoriów GitHub
Noma Labs odkryła krytyczną lukę typu prompt injection w nowych agentowych przepływach pracy GitHuba (Agentic Workflows), nazwaną GitLost. Podatność umożliwiała nieuwierzytelnionemu atakującemu ciche wyeksfiltrowanie danych z prywatnych repozytoriów poprzez opublikowanie spreparowanego zgłoszenia (issue) w publicznym repozytorium tej samej organizacji. Agentowe przepływy GitHub łączą GitHub Actions z modelem AI (Claude lub Copilot), który automatycznie odczytuje zgłoszenia i wykonuje narzędzia. Przyczyną było niewystarczające oddzielenie dyrektyw systemowych od niezaufanych danych użytkownika. W dowodzie koncepcji Noma Labs utworzyła niewinne wyglądające zgłoszenie. Po jego przypisaniu agent pobrał zawartość plików README.md z repozytoriów publicznych i prywatnych, a następnie opublikował je jako publiczny komentarz. Dodanie słowa „Additionally” spowodowało ominięcie zabezpieczeń. Noma Labs podkreśla, że ataki prompt injection są dla systemów agentowych tym, czym SQL injection dla aplikacji webowych. Luka została odpowiedzialnie zgłoszona GitHubowi.
GitLost: How We Tricked GitHub’s AI Agent into Leaking Private Repos - Noma Security →
Niezależne laboratoria przełamują tajną kryptografię Google’a
30 marca badacze Google Quantum AI opublikowali nowy algorytm kwantowy zoptymalizowany do łamania 256-bitowej kryptografii krzywych eliptycznych (ECC) przy użyciu 1200–1450 kubitów logicznych. Twierdzili, że do wykonania ataku w 18–23 minuty wystarczy mniej niż 500 000 fizycznych kubitów nadprzewodzących – 20-krotna poprawa w porównaniu z wcześniejszymi szacunkami. Zamiast ujawnić metodę, badacze zastosowali dowód z wiedzą zerową (zero-knowledge proof), ukrywając szczegóły po rozmowach z rządem USA. W odpowiedzi do 1 czerwca startup Eigen Labs uruchomił crowdsourcingowe wyzwanie. W ciągu 72 godzin otwarta sieć przewyższyła wyniki Google’a, a pod koniec czerwca stworzyła układ scalony o 47,5% wydajniejszy. Inżynier Eigen Labs użył agentów AI do analizy literatury i automatycznego projektowania obwodów kwantowych. Niezależnie André Schrottenloher również opublikował wyniki zbieżne z Google’em. Eksperci krytykowali strategię Google’a: Craig Gidney stwierdził, że publikowanie z dowodami z wiedzą zerową nie było właściwe. Dustin Moody z NIST dodał, że wyniki przyspieszają migrację do kryptografii postkwantowej (PQC), której wdrożenie w USA wymagane jest do końca 2030 roku.