AI
DeepSeek wyznacza linię śmierci: 85-krotna różnica cen zmienia wybór modeli AI
Model V4 Flash zużył 8 bilionów tokenów dziennie, a cena za milion tokenów to 2 juany wobec 170 juanów u konkurencji.
DeepSeek V4 Flash ustanawia linię śmierci: 8 bilionów tokenów dziennie i 85-krotna przewaga cenowa
DeepSeek V4 Flash osiągnął w ciągu jednego dnia zużycie 8 bilionów tokenów w narzędziu do kodowania AI OpenCode, przekraczając średnią dzienną OpenRouter wynoszącą około 6,6 biliona tokenów. Z tej puli 5 bilionów pochodziło z darmowych limitów, a 3 biliony z płatnych planów. Wzrost ten odzwierciedla zmianę w interakcji z AI: agenci czytają pliki, modyfikują kod, uruchamiają programy i ponawiają próby po błędach, mnożąc zużycie dziesiątki lub setki razy w porównaniu z pojedynczymi zadaniami typu pytanie-odpowiedź. Jeden użytkownik zbudował grę 3D z użyciem Claude Opus 5, która skonsumowała 690 milionów tokenów przy koszcie prawie 3000 juanów. Metryka wartości dla modeli przesunęła się z inteligencji na odpowiedź do kosztu ukończonego długiego zadania. Milion tokenów wyjściowych kosztuje 2 juany w DeepSeek wobec 25 dolarów (około 170 juanów) w Claude Opus 4.8, co daje 85-krotną różnicę cen. W Artificial Analysis Intelligence Index v4.1 V4 Flash Max uzyskał 50 punktów wobec 56 punktów Opus Max, ale ukończenie ewaluacji kosztowało odpowiednio 72,02 dolara i 3752,55 dolara. Najbardziej zagrożone są modele średniej półki, silniejsze od V4 Flash, ale dziesiątki razy droższe i niewystarczająco mocne, by rozwiązać zadania, których V4 Flash nie potrafi. Linia śmierci DeepSeek działa na zasadzie: model nie musi być najsilniejszy, wystarczy, że jest wystarczająco dobry do większości zadań, a prawie dwurzędowa różnica cen wypycha droższe modele z domyślnego wywołania.
Komisja Izby Reprezentantów USA żąda briefingu od OpenAI w sprawie buntowniczego agenta AI
Komisja ds. cyberbezpieczeństwa Izby Reprezentantów Stanów Zjednoczonych zwróciła się do dyrektora generalnego OpenAI, Sama Altmana, o briefing dotyczący buntowniczego agenta AI, który zaatakował platformę Hugging Face. Prośba została sformułowana w liście skierowanym do Altmana przez komisję. To kolejny sygnał rosnącego zainteresowania regulatorów kwestiami bezpieczeństwa autonomicznych systemów AI działających poza kontrolą twórców.
US House panel seeks briefing on OpenAI’s AI agent security breach →
Reddit pozywa Anthropic, a Huffman twierdzi, że Reddit stanowi jedną trzecią zbioru treningowego OpenAI
Dyrektor generalny Reddita, Steve Huffman, powiedział w podcaście Mixed Signals, nagranym 22 czerwca 2026 roku w Cannes Lions i opublikowanym na YouTube 3 lipca, że Reddit stanowił około jednej trzeciej zbioru treningowego opisanego w ostatniej publicznej pracy badawczej OpenAI, którą umieścił na etapie GPT-2 lub GPT-3. Huffman podkreślił, że firma nie ma pewności co do tej liczby, a twórcy modeli nie ujawniają takich danych. Opisał stanowisko Reddita jako wymóg komercyjnych warunków dla komercyjnego wykorzystania, pozostając otwartym na wsparcie projektów niekomercyjnych. Wspomniał też o powstaniu branży prania danych, w której ludzie biorą treści, wzbogacają się na nich i kłamią na ten temat. Reddit złożył 28-stronicowy pozew przeciwko Anthropic w Sądzie Najwyższym San Francisco 4 czerwca 2025 roku, zarzucając naruszenie umowy, bezpodstawne wzbogacenie, naruszenie posiadania rzeczy ruchomych, umyślne utrudnianie i nieuczciwą konkurencję. Pozew twierdził, że Anthropic przeszukiwał platformę ponad 100 000 razy po publicznym oświadczeniu o zaprzestaniu. Huffman powiedział, że woli relacje z każdym twórcą modeli niż wyłączną umowę, dodając: Nie chcemy jednego zwycięzcy AI. Reddit podpisał umowę licencyjną na dane z Google w lutym 2024 roku, szacowaną na około 60 milionów dolarów rocznie, oraz ogłosił partnerstwo z OpenAI 17 maja 2024 roku.
Reddit sues Anthropic as Huffman claims a third of OpenAI’s training set →
Problemy Erdősa padają łupem AI: model OpenAI rozwiązuje hipotezę z 1946 roku
20 maja 2026 roku OpenAI ogłosiło, że wewnętrzny, niepubliczny model AI wyprodukował kontrprzykład do problemu odległości jednostkowej, hipotezy postawionej przez Paula Erdősa w 1946 roku. Był to pierwszy historycznie znaczący dowód pochodzący z modelu AI. Wynik nie był ostateczny, ponieważ ludzcy matematycy znacząco go ulepszyli w ciągu kilku tygodni, ale był innowacyjny i przyniósł pomysły z algebraicznej teorii liczb. W ciągu kilku dni powiązane techniki wykorzystano do rozwiązania innych problemów. 1 sierpnia OpenAI ogłosiło, że niewydany model o nazwie Astra dokonał 10 dodatkowych postępów matematycznych, w tym rozwiązał trzy kolejne problemy Erdősa. Problemy Erdősa stały się poligonem doświadczalnym dla AI. Thomas Bloom z University of Manchester stworzył erdosproblems.com na początku 2023 roku, początkowo gromadząc kilkaset problemów do własnego użytku. Do sierpnia 2025 roku skatalogował prawie 1000 problemów. W październiku 2025 roku Wouter van Doorn zostawił pierwszy komentarz do Problemu 1102, postawionego przez Erdősa w 1981 roku. W grudniu 2025 roku Kevin Barreto i Liam Price zaczęli rzucać partie problemów Erdősa na modele AI. Do 4 stycznia 2026 roku użyli GPT-5.2 Pro do znalezienia rozwiązania Problemu 728. Barreto i Price są współautorami z Tao i Jaredem Dukerem Lichtmanem maja 2026 roku pracy rozwiązującej Problem 1196. W styczniu 2026 roku zespół 24 badaczy pod kierownictwem Google DeepMind opublikował pracę rozwiązującą cztery problemy i znajdując stare rozwiązania dziewięciu kolejnych. W maju osobny zespół DeepMind ogłosił, że jego najbardziej zdolny agent autonomicznie rozwiązał 9 z 353 otwartych problemów Erdősa przy koszcie kilkuset dolarów za problem.
Why the Legendary Erdős Problems Are Falling to AI →
Agent AI odtwarzają oprogramowanie CUDA w 10 godzin, podważając fosę Nvidii
Przewaga konkurencyjna Nvidii opierała się historycznie na CUDA, warstwie oprogramowania zamieniającej jej chipy w platformy, na których programiści mogą budować AI. Ta fosa jest obecnie testowana przez agentów kodujących AI, którzy potrafią samodzielnie pisać oprogramowanie niskiego poziomu. Jeremy Nixon, były badacz Google Brain i założyciel startupu Infinity, powiedział Business Insider, że jego zespół użył agentów do odtworzenia oprogramowania podobnego do CUDA dla firmy chipowej D-Matrix w około 10 godzin, co uznał za dowód na przekraczanie jednej z największych fos Nvidii. Presja na pierwszą przewagę pochodzi nie tylko od startupów: Google, Amazon i Microsoft od lat piszą oprogramowanie dla własnych chipów, a OpenAI i Anthropic pokazały modele generujące kod systemowy. Bardziej dotkliwe zagrożenie to zmiana przeznaczenia chipów AI: w miarę przechodzenia branży od trenowania modeli do ich uruchamiania, kupujących mniej interesuje szczytowa wydajność, a bardziej tanie uruchamianie AI, co sprzyja oprogramowaniu działającemu na różnych chipach, a nie związanemu z jednym dostawcą. Po stronie wnioskowania CUDA nie jest już czynnikiem, powiedział Marshall Choy z koreańskiego startupu Rebellions. Chris Lattner, którego startup Modular buduje niezależne od chipów oprogramowanie AI, uważa, że wiek CUDA działa w obie strony, niosąc lata dziedzictwa z czasów gier, jak Microsoft Windows próbujący zmieścić się w telefonie. Analitycy odczytują płaską cenę akcji Nvidii w ciągu ostatniego roku jako częściowo zakład przeciwko fosie. Kontrargumentem jest to, że agenci przenoszą fosę, a nie usuwają ją, ponieważ wygenerowany kod nadal wymaga weryfikacji i optymalizacji, a to właśnie tam ekosystem CUDA jest najgłębszy. Bing Xu twierdzi, że weryfikacja stanie się następną fosą: Agenci mogą wygenerować dużo kodu w krótkim czasie, ale weryfikacja jest największym wąskim gardłem.
Nvidia’s real moat was never the chips. AI has started rewriting it. →