Przejdź do treści

Tydzień w AI (20-26 października): Dessa, model bez tekstu, i obniżki cen LLM nawet o 80%

Adam Marzec
Okładka tygodniowego przeglądu AI za 20-26 października: Dessa od Blocka, obniżki cen LLM, etaty w branżach kreatywnych, GPU-unlock, Cerebras, IBM i Thinkrail, 35 publikacji technetbloga

Modele, które uczą się inaczej, i cenniki, które zaczęły topnieć: tak najkrócej można podsumować tydzień 20-26 października. Block pokazał Dessę, model konwersacyjny trenowany bez jednego słowa tekstu, Apricitas policzył ponad 200 tysięcy utraconych etatów w kreatywnych branżach USA, a analiza Maxa Woolfa podliczyła obniżki cen OpenAI i Anthropicu, maksymalnie 80 procent w parę miesięcy. Poniżej siedem wydarzeń, których nie opisywaliśmy w osobnych tekstach, a na końcu krótkie rozliczenie z tego, co u nas.

Dessa od Blocka uczy się mówić bez tekstu

Block, firma Jacka Dorseya, pokazała 23 października Dessę: model konwersacyjny trenowany od zera wyłącznie na nagraniach ludzkiej rozmowy. „We trained Dessa from scratch on nothing but human conversation. Sounds! No text, no pretrained models”, piszą twórcy, byli członkowie torontońskiego startupu Dessa, a deklarowanym efektem jest poznanie języka z setki razy mniejszej liczby słów niż w klasycznych LLM-ach i trening domknięty na jednej maszynie NVIDIA GB200 NVL72. Model pracuje w pełnym dupleksie, mówiąc i słuchając jednocześnie, sam wtrąca „yeah!” i „got it!”, wychwytuje sarkazm i śmiech, a wg strony działa lokalnie na MacBooku Pro z M4 Max. Wag nie ma: na razie waitlista i wcześniejszy dostęp dla badaczy bezpieczeństwa, a wątek na HN zebrał 528 punktów przy odczycie 26 października.

Ponad 200 tysięcy etatów wyparowało z kreatywnych branż

Analiza Josephego Politano z Apricitas Economics, podbita na HN 24 października (526 punktów), wylicza ponad 200 tysięcy utraconych miejsc pracy w amerykańskich mediach, filmie i sztukach przez ostatnie cztery lata, z tego około 50 tysięcy w samym ostatnim roku. Hollywood stracił ponad 100 tysięcy etatów, czyli blisko jedną trzecią sektora, wydawnictwa ponad 70 tysięcy, a zatrudnienie latem 2026 było najniższe od recesji 2008, choć żadnej recesji nie ma. Politano ostrzega wprost, że dokładnego udziału AI nie da się dziś udowodnić, firmy ukrywają użycie modeli, a najczystszym sygnałem jest rozjazd: tracą wszystkie cyfrowe podbranże, rozrywka na żywo rośnie. U nas podobną matematykę rozlicza tekst o tym, czy AI się zwraca.

Ceny LLM: do 80 procent w dół w parę miesięcy

Max Woolf podliczył 25 października obniżki cenników największych laboratoriów: 30 lipca OpenAI przecięło GPT-5.6 Lunę o 80 procent, z jednego dolara za milion tokenów wejściowych i sześciu za wyjściowe do 20 i 120 centów, 22 września GPT-6 Sol wystartował za połowę ceny poprzednika, a tego samego dnia Anthropic wypuścił Claude Opus 5.5 o 40 do 60 procent tańszego wobec Opus 5. Do tego przyszły zniżki na odczyt cache do 75 procent, które przy pracy agentowej, gdzie cache to 96-99 procent wydatków, robią większą różnicę niż cena główna. Woolf wskazuje trzy przyczyny: laboratoria odpowiadają sobie nawzajem ceną, wagi otwarte rozjechały cenniki od dołu (DeepSeek V4 Flash sprzedaje inferencję za 0,14 i 0,28 dolara), a przed oboma firmami stoi wejście na giełdę. Bramka Vercel AI Gateway liczy średni koszt na 43,3 procent poziomu z kwietnia, tyle że rachunki łącznie rosną dalej: modele robią się lepsze szybciej niż tańsze. O polskim oknie na tanie wagi pisaliśmy przy DeepInferze od DeepSeek.

GPU-unlock odblokowuje BF16 na kartach RTX 3000

Projekt GPU-unlock, rozgrzany na HN od 24 października (340 punktów), to moduł jądra Linuxa, który przywraca kartom RTX 3000 pełne tempo instrukcji FP/BF16 znane z wersji profesjonalnych, bez patchowania sterownika przy każdej jego aktualizacji. Pomiar referencyjny dla RTX 3090 Ti pokazuje wzrost BF16 z 87,5 do 157,4 TFLOPS, zgłoszenia użytkowników liczą zyski GEMM o 68-80 procent, a prefill w LLM-ach przyspiesza o 14-36 procent. Dekodowanie tokenów zostaje w miejscu, bo tam ogranicza je przepustowość pamięci, a raporty porównujące wyjścia przed i po operacji mówią o wynikach bit-identycznych. Warunki są twarde: potrzebny Linuks, reset karty przed podpięciem czystego sterownika NVIDIA i pełna akceptacja ryzyka, z jedną kartą (RTX 3080 Ti OEM), która odmówiła. Więcej takich rzeczy zbiera nasz hub o lokalnym AI.

Trylion parametrów Kimi K3 na 59 waferach Cerebras

Cerebras opisała 22 października, jak serwuje otwarty model Kimi K3 o około 3 bilionach parametrów: wagi w 4 bitach rozkładają się na 59 waferów WSE-3T po 44 GB pamięci SRAM każdy, KV cache trzyma 8 bitów, a aktywacje podróżują między waferami po Ethernet w około 2 mikrosekundy na przeskok. Efekt to 1000 do ponad 2000 tokenów na sekundę na modelu multi-trylionowym, bez batchowania, w którym żądania czekają, aż inne skończą. Autorzy dorzucają pomiary jakości: 88,3 procent Kimi K3 na Terminal-Bench 2.1 wobec 88,8 procent GPT-5.6 Sol. O Kimi K3.1 Pro i braku wag na Hugging Face pisaliśmy osobno.

IBM stawia na wagi otwarte: 90 procent jakości, ułamek ceny

Arvind Krishna, szef IBM, użył kwartalnej konferencji wynikowej 22 października do tezy, że modele open weight stały się dla firm prawie nie do odrzucenia: osiągają „90 percent as effective” przy 10-25 procentach kosztu tokena modeli granicznych. Dwa lata temu proporcje wyglądały wg niego jak 70 do 20-30 punktów, a dziś kwotuje to pytaniem „Would you like something that’s 10 percent of the cost if it’s 90 percent as good as the best?”. Krishna widzi wdrożenia on-prem w dwóch-trzech rackach, wskazuje brak inżynierów od kerneli i sieci jako realną barierę i obiecuje, że IBM zarobi na tym, sprzedając karty Spyre do mainframe’ów; całość pada na tle przychodów trzeciego kwartału, 17,1 miliarda dolarów, o 5 procent rok do roku. Wątek na HN dociągnął temat do 287 punktów.

JetBrains Thinkrail: agentic IDE wycięte z worktree’ów

JetBrains opublikował w swoim inkubatorze Thinkrail, środowisko pracy zbudowane wokół agenta kodującego pi: projekt otwiera się jako repozytorium, z którego wycina się workspace’y na git worktree, każdy z własną gałęzią, a „living specs” mają trzymać wiedzę o projekcie między sesjami. W środku jest edytor Monaco, terminale, kilka równoległych sesji z osobnym modelem i licznikiem kosztów oraz obieg pull requestów z podglądem testów CI. Wątek na HN zebrał 220 punktów od 25 października.

Co u nas w tygodniu

U nas w tym oknie wyszło 35 tekstów, więc wybór jest brutalny. Bezpieczeństwo pchało się w każdy dzień: luka php2shell w PHP, brotliowa http2shell, podmieniony pakiet LiteLLM na PyPI, wyrok francuskiego sądu zmuszający Quad9 do blokad, dane Gmaila i Zdjęć pod reklamy Google, sprawa kluczy CA eMudhry, GrapheneOS wypuszczony przez banki i root shell na telewizorach Samsung. Po stronie modeli było Kimi K3.1 Pro, Voxtral 3, Mercury 3, Timestral, ThinkingCap dla Gemma-4 i DeepInfer od DeepSeek, a o ekonomii pracy rozliczamy się w tekstach czy AI się zwraca i kodowaniu bez rozumienia. Narzędzia lokalne i agentowe domknęły OpenAI CLI, WorldTUI, Omnarę, OpenShell i Claude Code w tmuxie, seria poradnikowa dobiera model w Ollamie (instruct czy base, instruct czy thinking), a reszta tygodnia to koniec Arc, wyciek rozmów Mety, zakaz ChatGPT w szwedzkiej administracji, blokady aplikacji w Androidzie, steganografia Fable 5.1 i nauka: CNN z 2015 lepsza od LLM-ów w czerniaku oraz trudność tekstów pisanych przez AI.

Źródła

Powiązane artykuły