01
HAR izoluje práci programovacích agentů a váže ověření na konkrétní kód
HAR nabízí otevřený rámec pro řízení práce programovacích agentů nad existujícím repozitářem. Každá úloha dostane vlastní git worktree, větev, porty a podle projektu také databázi. Více agentů tak nemusí současně měnit stejné pracovní prostředí ani se přetahovat o jeden vývojový server.Postup popisuje strojově čitelný kontrakt v repozitáři, který sjednocuje spuštění, kontroly a ukončení práce. Ověřování používá skutečné projektové testy a ukládá logy, artefakty i otisk kontrolovaného stromu kódu. Recenzent tak může porovnat doložené kontroly s předávanou změnou, místo spoléhání na slovní ujištění agenta. HAR funguje jako příkazový nástroj i MCP server a obsahuje lokální přehled Mission Control. Nejde o nový jazykový model, ale o vrstvu koordinace a ověřování kolem používaných agentů.
02
Faztudo spojuje programovací agenty v lokálním chatu se schvalováním změn
Faztudo je nový lokálně provozovaný pracovní prostor pro člověka a programovací agenty. Nabízí kanály, vlákna, přímé zprávy a úkoly; agenta lze oslovit zmínkou v konverzaci. Využívá už nainstalované nástroje a jejich přihlášení, například Claude Code, Codex nebo OpenCode, místo vytváření dalšího účtu u prostředníka.Práce měnící soubory probíhá v odděleném git worktree a před začleněním výsledku rozhoduje člověk podle zobrazeného rozdílu. Výchozí izolace využívá bubblewrap a bez funkčního sandboxu běh nespustí. Součástí je přehled čekajících schválení, projektů a úloh i volitelný přístup z telefonu po vlastní síti. Projekt pro Linux je stále v alfa verzi a upozorňuje na možné změny formátů. Přehled o agentech tak neslouží jako náhrada kontroly jejich konkrétních změn.
03
Laya-delegate zkouší levnější delegování rešerše při práci programovacích agentů
Nová pipeline laya-delegate pro RTK kombinuje filtrování výstupů nástrojů s delegováním části práce programovacího agenta. Lokální klasifikátor Laya rozlišuje typ úlohy a u vybraného čtení či průzkumu navrhuje předání levnějšímu pomocnému modelu. U oprav chyb a nastavování prostředí má naopak původní postup ponechat.Autor zveřejnil vlastní srovnání šesti úloh opakovaných ve dvou dnech. V průměru vykázal nižší náklady při stejném souhrnném hodnocení výsledků, jedna z úloh však výrazně zdražila. Nejde tedy o nezávisle ověřenou ani obecně zaručenou úsporu. Pravidla pipeline mohou přepisovat příkazy, měnit čtené výstupy a posílat obsah určenému poskytovateli. Před instalací je potřeba zkontrolovat deklarovaná pravidla a důvěřovat autorovi; bez běžícího lokálního klasifikátoru se podmíněné delegování neuplatní.
04
Amber-8 používá lokální model jako senzor a řízení programu nechává v kódu
Amber-8 experimentuje s malým zásobníkovým strojem, ve kterém jazykový model neřídí další kroky programu. Místo toho převádí nejasný text na číslo, volbu z nabídky nebo skóre spolu s hodnotou jistoty. Větvení, aritmetika a další postup pak zůstávají v explicitním deterministickém kódu.Ukázkový program například vyhodnotí slovní stížnost na teplotu a podle stanoveného pravidla navrhne úpravu, případně při nízké jistotě požádá o zásah člověka. Projekt vychází ze staršího experimentu autora s virtuálním strojem, ale omezuje rozhraní modelu na tři konkrétní instrukce. Vyžaduje lokální server s příslušným rozhraním a používá Rust. Neznamená to, že je samotné hodnocení modelem zaručeně správné: kalibraci prahů jistoty na označených datech autor stále uvádí mezi plánovanými úkoly.
05
Reticle ověřuje práci AI agenta v běžící aplikaci místo pouhého prohlášení hotovo
Reticle propojuje programovacího agenta s běžící aplikací a vrací verdikt založený na tom, co se při práci skutečně stalo. Vývojové SDK zpřístupňuje požadavky v síti, změny stavu a chyby konzole. Kontrola může skončit potvrzením, zamítnutím nebo výsledkem, že z dostupných důkazů nelze rozhodnout.Agenti připojení přes MCP tak nemusí posuzovat změnu jen podle vytvořeného kódu či obrázku stránky. Uložené průchody aplikací lze později opakovat deterministicky bez jazykového modelu a v CI hlídat změny dotčeného kódu. Je ovšem nutné rozlišovat lokální ověřování od volitelného propojení s platformou a synchronizace dat. Základní části používají Apache 2.0, server a CLI mají odlišnou licenci FSL. Projekt také uvádí anonymní telemetrii zapnutou ve výchozím stavu, kterou lze vypnout.
06
Okaeri řadí technické články lokálním modelem a nechává historii čtení v počítači
Okaeri nabízí osobní úvodní stránku s vědeckými a technickými články, kterou uživatel provozuje na vlastním počítači. Vybrané zdroje sbírá na pozadí a rozděluje do nastavitelných záložek. Zprávy lze zobrazit od nejnovějších nebo podle doporučení vypočtených malým lokálním embeddingovým modelem.Pořadí se přizpůsobuje otevřeným, oblíbeným a skrytým článkům, přičemž historie čtení zůstává v zařízení. Katalog obsahuje zhruba devadesát anglických a nizozemských zdrojů od odborných publikací po blogy a diskusní servery. Projekt výslovně upozorňuje, že indexování krátkodobě spotřebuje část paměti a výkonu procesoru a může zatěžovat baterii notebooku. Služba naslouchá pouze lokálně, bez synchronizace historie mezi zařízeními. Podpora Windows je zatím nová a nedostatečně otestovaná; vlastní zdroje se prozatím přidávají úpravou katalogu.
07
DataChat propojuje dotazy na CSV s Claude a lokálním výpočtem výsledků
DataChat je desktopová aplikace v Javě, ve které lze nad tabulkou CSV pokládat otázky běžnou angličtinou a dostat odpověď, graf i výsledná data. Claude převádí dotaz na strukturovaný plán analýzy, zatímco filtrování, agregace a vykreslení grafu probíhají lokálně. Záložka s postupem výpočtu ukazuje, jaký plán aplikace skutečně provedla.Bez API klíče funguje pravidlový offline režim s omezenějším porozuměním otázkám. Online režim proto není totéž co úplně soukromé zpracování: model dostává souhrn schématu a hodnot, vypočtené výsledky a volitelně ukázkové řádky. U citlivých tabulek je potřeba zkontrolovat i obsah textových sloupců. Nástroj nabízí export grafů, výsledků a PDF reportu, ale pracuje vždy s jedinou tabulkou a nepodporuje spojování více souborů.
08
ModVet kontroluje rozšíření Claude Code lokálně a bez jazykového modelu
ModVet je nový nástroj pro kontrolu rozšíření Claude Code před instalací. Adresář prochází lokálně a bez připojení ke cloudu či použití jazykového modelu hledá podezřelé instrukce, nebezpečné kombinace oprávnění a vložená tajemství. Výsledky uvádějí konkrétní soubor a řádek, aby mohl vývojář nález sám posoudit.Kontrola se nezaměřuje jen na izolovaný přístup k souborům nebo síti. Pravidla sledují i kombinace, jako je čtení prostředí spolu s odesláním dat nebo stažení obsahu následované spuštěním. Výstup může mít podobu lidského přehledu, JSON či SARIF pro bezpečnostní kontrolu kódu. Příkazy snapshot a diff dovolují uložit výchozí stav a po aktualizaci prověřit změny. Jde o deterministické hledání známých vzorů, nikoli důkaz, že rozšíření bez nálezů nemůže obsahovat škodlivé chování.
09
OpenRMM propojuje správu počítačů s AI návrhy, které schvaluje člověk
OpenRMM představuje otevřený systém pro vzdálený dohled a správu počítačů provozovaný na vlastní infrastruktuře. Jeho AI asistent umí číst stav spravovaných zařízení a navrhovat skripty či další akce na základě běžného textového zadání. Návrh ale nemá rovnou spouštět: vykonání úlohy musí nejprve schválit člověk.Správce si může vybrat poskytovatele modelu s kompatibilním rozhraním, včetně lokálního provozu. Projekt vedle chatu obsahuje vlastní agenty pro Windows, Linux a macOS, inventář zařízení, monitoring, upozornění a plánované úlohy. Vzdálený přístup podporuje více zapojitelných variant. Oprávnění a rozsah přístupu se vztahují také na nástroje dostupné AI a přes MCP. Součástí je auditní stopa a náhled plánovaných operací, což pomáhá oddělit jazykový návrh od skutečného zásahu do firemních počítačů.
10
Americké DHS nařizuje civilním federálním úřadům odstranit produkty DeepSeek
Americké ministerstvo vnitřní bezpečnosti vydalo příkaz k vyloučení produktů a služeb DeepSeek z nákupů civilních federálních úřadů a k jejich odstranění z používaných informačních technologií. Oznámení ve Federal Register výslovně zahrnuje přidružené společnosti i produkty a služby třetích stran vyvinuté s využitím implementací DeepSeek.Tento rozsah je důležitější než pouhý zákaz jedné aplikace nebo přístupu k API. Text oznámení nestanovuje jednoduchý seznam všech dotčených integrací, takže konkrétní dopady na dodavatelský software bude nutné posuzovat podle příkazu a souvisejících pravidel. Opatření vychází ze zákona o bezpečnosti dodavatelského řetězce federálních zakázek a z doporučení příslušné federální rady. Jde o nový správní akt pro civilní federální systémy, nikoli obecný zákaz používání DeepSeek všemi uživateli ve Spojených státech.
11
Otter.ai získává 320 milionů dolarů na růst bez ředění vlastnických podílů
Otter.ai oznámil financování ve výši 320 milionů dolarů od Customer Value Fund společnosti General Catalyst. Nejde o běžné investiční kolo výměnou za akcie. Fond poskytuje kapitál bez ředění vlastnických podílů a jeho výnos se odvíjí od výsledků výdajů na získávání zákazníků. Peníze mají podpořit firemní prodej, mezinárodní expanzi a rozvoj produktu.Služba pro přepis a zpracování schůzek uvádí, že ji dosud použilo čtyřicet milionů lidí. Tento kumulativní údaj ale neříká, kolik uživatelů je nyní aktivních; firma nezveřejnila ani míru odchodů zákazníků. Vedle zápisů rozvíjí propojení s podnikovými systémy a zkouší podklady před schůzkou i asistenta pro dotazy během hovoru. Financování tak míří do velmi konkurenčního trhu, kde se samotný přepis postupně mění v nástroj pro navazující práci.
12
Yelp přidává hlasového agenta, který zavolá do restaurace kvůli čekání
Yelp rozšiřuje svou aplikaci o funkci Check for Me, která za uživatele zavolá do restaurace a zjistí aktuální čekací dobu. Zájemce na stránce podniku zadá počet hostů a telefonní číslo. Hlasový AI agent provede hovor a výsledek následně pošle textovou zprávou, aby se uživatel mohl rozhodnout, zda vyrazí právě tam.Současně se mění i další části asistenta. Integrace OpenTable umožňuje rezervovat stůl bez opuštění aplikace a personalizace má využívat preference z dřívějších konverzací. Přibývá přístup k historii posledních třiceti dnů a možnost zadávat opakované připomínky. Pro podniky Yelp uvádí placenou službu Smart Lead Reply za třicet dolarů měsíčně, která odpovídá zájemcům a pomáhá upřesnit jejich poptávku podle pravidel nastavených majitelem.
13
Llm-d 1.0 koordinuje inferenci agentů napříč clustery s GPU a TPU
Projekt llm-d vydal verzi 1.0 otevřeného prostředí pro distribuovanou inferenci jazykových modelů nad Kubernetes. Místo prostého rozdělování požadavků mezi servery zohledňuje také to, kde už leží kontext konverzace. Cílem je omezit opakované zpracování stejných vstupů a sdílet výpočetní kapacitu mezi interaktivními uživateli, agenty a dávkovými úlohami.Nová verze přidává stabilní rozhraní, řízení priorit a spravedlivého přístupu více zákazníků i vysokou dostupnost směrování. Počítá s přesouváním KV cache do paměti hostitele a dalších úložišť, oddělením zpracování vstupu od generování a aktualizacemi bez výpadku. Na Google Cloud propojuje prostředí s GPU i TPU a obsluhou modelů přes vLLM nebo SGLang. Jednotlivé komponenty lze zavádět postupně, bez nutnosti nahradit celou stávající infrastrukturu.
14
DeepSeek otevřel DeepInfer, část infrastruktury pro běh svých modelů
DeepSeek zveřejnil DeepInfer, inferenční framework používaný ve vlastní produkční infrastruktuře. Otevřená verze nabízí offline spouštění modelu DeepSeek-V4.1-Flash a podporuje akcelerátory NVIDIA SM100 i Huawei Ascend 950. Obsahuje optimalizovaná výpočetní jádra, paralelní zpracování, asynchronní plánování a techniku DSpark pro rychlejší generování odpovědí.Nejde však o hotovou kompletní službu pro obsluhu zákaznického provozu. Zveřejněný balík neobsahuje systém KV cache ani plné rozdělení práce mezi fáze zpracování vstupu a generování či vyvažování provozu mezi replikami. Nabízí také strukturované výstupy omezené schématem JSON, regulárním výrazem nebo gramatikou. Deterministické vzorkování a nezávislost výsledku na složení dávky mají popsané podmínky a platí pouze pro variantu na NVIDIA. Kód je dostupný pod licencí Apache 2.0.
15
Srovnání rozhodovacích modelů ukazuje, proč u hodnocení AI nestačí výchozí práh
Hamel Husain a Antaripa Saha zveřejnili srovnání rozhodovacích modelů pro hledání chyb v konverzacích AI asistenta pro pronájem bytů. Z původní stovky záznamů hodnotili 98 po vyloučení dvou interních testů. Porovnávali Jev, Perplexity Decider, Liquid d1 a d1-ultra, Cloudflare Clef Flash a OpenAI Decisions. Výsledky poměřovali s ručně ověřenými štítky.
Experiment ukazuje, že výchozí rozhodovací práh 0,50 nemusí vyhovovat konkrétním datům. Autoři proto ladili práh na trénovací části a výsledky kontrolovali na oddělených záznamech. V tomto úkolu dosáhlo OpenAI Decisions vyššího skóre F1 než levnější Perplexity; nejde však o obecný žebříček kvality. Vedle nákladů je nutné sledovat falešné poplachy, zachycené chyby a kalibraci pravděpodobností. Samotné číslo 0,80 ještě nezaručuje, že chyba skutečně nastane v osmi z deseti případů.
16
Pdd-kit dává programovacím agentům společný model produktu uložený vedle kódu
Open-source projekt pdd-kit nabízí programovacím agentům i lidem společný popis toho, co má vyvíjený produkt dělat. Místo zadání rozptýleného mezi úkoly a dokumenty ukládá model produktu do složky product-model v repozitáři. Markdownové soubory zachycují entity, rozhraní, schopnosti, uživatelské cesty a obchodní pravidla. Změny tak lze verzovat a kontrolovat společně s kódem.
Nástroj přidává dovednosti pro Claude Code, Codex, Cursor, Gemini CLI a GitHub Copilot. Umí zmapovat existující projekt, připravit model z nápadu a porovnat implementaci s odsouhlaseným popisem. Mapování čte kód bez jeho spouštění; zápis modelu vyžaduje souhlas uživatele. Lokální webový přehled pomáhá model procházet. Projekt používá licenci MIT a nevyžaduje vlastní účet ani hostovanou službu. Nenahrazuje vývojové prostředí, ale poskytuje společný podklad pro rozhodování a následnou kontrolu.
17
Blackwall získal 100 milionů dolarů na ochranu webů před škodlivými boty i AI provozem
Estonský Blackwall získal v investičním kole Series C 100 milionů dolarů při ocenění 2,2 miliardy dolarů. Kolo vedl fond AVP a zapojili se také dosavadní investoři Dawn Capital, MMC Ventures a Tera Ventures. Firma dodává bezpečnostní nástroje poskytovatelům hostingu, cloudu a spravovaných služeb, kteří je mohou nabízet zákazníkům pod vlastní značkou.
Součástí nabídky je rozlišování skutečných návštěvníků, legitimních AI agentů a škodlivých botů. Blackwall při tom využívá digitální otisky softwaru i vlastní AI modely, které zkoumají záměr a chování příchozích požadavků. Peníze mají podpořit mezinárodní expanzi a vývoj dalších bezpečnostních nástrojů. Firma současně vidí příležitost ve správě přístupu agentů k webům; nejde však o oznámení hotového univerzálního systému pro jejich platby.
18
Jag’s AI Map zobrazuje, kterým firmám a modelům právě roste pozornost
Jag’s AI Map nabízí interaktivní přehled firem, modelů, produktů i lidí, kteří získávají pozornost ve zprávách a vývojářských komunitách kolem AI. Poloha, velikost a propojení uzlů vyjadřují četnost zmínek a společný výskyt v článcích. Mapa má týdenní i denní pohled a archiv podkladových článků za posledních třicet dní.
Výpočet kombinuje zprávy s komunitními signály, například popularitou na Hacker News, Hugging Face a GitHubu. Starší zmínky postupně ztrácejí váhu. Označení rostoucího nebo náhle zesíleného tématu vychází z konkrétních časových prahů, nikoli z redakčního potvrzení zásadního průlomu. Jde proto o orientační mapu pozornosti, ne žebříček kvality modelů nebo ověřování pravdivosti zpráv. Projekt uvádí, že vzniká nezávisle a není spojen s firmami, které zobrazuje.
19
Hub Dollars odhaduje cenu tréninkových výpočtů za otevřenými modely na Hugging Face
Analýza Hub Dollars odhaduje, že za hlavními rodinami otevřených modelů na Hugging Face Hub stojí tréninkové výpočty v přepočtu zhruba za miliardu dolarů. Nástroj sleduje 75 oficiálních modelových rodin a propojuje údaje z modelových karet, technických zpráv a databáze Epoch AI s odhadovanými cenami pronájmu akcelerátorů. Nejde o účetní součet skutečných výdajů výrobců modelů.
Zahrnuty jsou závěrečné běhy předtrénování a dotrénování. Výpočet nezapočítává mzdy, datové sady, neúspěšné pokusy ani dlouhý seznam komunitních úprav. Tam, kde chybějí zveřejněné počty tokenů, pracuje s přiznanými předpoklady a zobrazuje interval nejistoty. Základní model započítává jednou, kvantizované kopie nepřidávají další tréninkové náklady. Výsledek ukazuje rozsah sdílené výpočetní investice, ne peněžní hodnotu samotných vah ani záruku jejich volné komerční licence.
20
Pacific zpřístupňuje nerfguard-extract pro získávání strukturovaných dat z dokumentů
Pacific zpřístupňuje výzkumný nástroj nerfguard-extract-1 pro vytěžování údajů z dokumentů. Uživatel předá soubor a schéma požadovaných polí, služba vrátí strukturované hodnoty s odkazy na jejich původ a údaji o jistotě. Podporuje PDF, tabulky, kancelářské dokumenty i text a nabízí vlastní rozhraní i kompatibilitu s klienty OpenAI a Anthropic.
Ve vlastním vyhodnocení finanční části ExtractBench firma uvádí skóre Value F1 96,13 procenta a průměrnou cenu přibližně 0,0025 dolaru za stránku na 145 dokumentech. Marketingová tvrzení o úspoře až 99 procent závisejí na zvoleném srovnání a nejsou nezávislým výsledkem pro každý dokument. Služba má podporovat nulové uchování vstupních dat, hostované citace se však standardně ukládají a jejich uchování je nutné samostatně vypnout.
21
Textus propojuje vizuální Markdown editor s AI nástroji a vlastními modely
Textus se představuje jako bezplatný otevřený editor Markdownu s integrovanou pomocí AI. Nabízí vizuální úpravy dokumentu, zdrojový režim, tabulky, matematické zápisy a diagramy Mermaid. AI nástroje zahrnují kontrolu gramatiky, pokračování textu, návrhy úprav, překlad i změnu tónu. Uživatel si vybírá vlastního poskytovatele modelu nebo kompatibilní rozhraní.
Dokumenty zůstávají běžnými lokálními soubory a klíče se ukládají v počítači. Požadavky odcházejí přímo z aplikace k vybranému poskytovateli; s lokálním modelem prostřednictvím Ollamy mohou zůstat na zařízení. Samotný editor funguje bez AI i bez připojení k internetu. Projekt nabízí verze pro macOS, Windows a Linux a licenci MIT. Použití cloudových modelů se účtuje odděleně u jejich poskytovatele, nejde tedy automaticky o bezplatné generování textu.
22
Meta popsala infrastrukturu Prometheus a plán růstu k milionu GPU
Meta zveřejnila technický pohled do superclusteru Prometheus v americkém New Albany. První etapa už sloužila k trénování modelů Muse, další rozšiřování má výhledově přivést infrastrukturu přibližně k milionu GPU. Nyní firma popisuje stovky tisíc akcelerátorů ve vzájemně propojených budovách. Současné platformy využívají Nvidia GB200 a GB300, další generace má vycházet z Vera Rubin.
Rozbor se soustředí také na spolehlivost, síťové propojení a kapalinové chlazení. V doméně se 72 GPU využívá trénink 64 jednotek a zbývajících osm slouží jako místní rezerva. Meta uvádí, že během roku snížila počet přerušení proti počátečnímu vrcholu o 99 procent. Jde o vlastní provozní údaje společnosti a popis postupného rozšiřování, nikoli oznámení, že milion GPU již pracuje.
23
Flame ukazuje trénink vyhledávacího agenta Search-R1 na šestnácti GPU
Projekt Flame zveřejnil technický rozbor tréninku agenta Search-R1, který se učí rozhodovat, kdy vyhledat informace a kdy už odpovědět. Ukázka propojuje generování ve vLLM, trénování v PyTorchi a lokální vyhledávání BM25 prostřednictvím dlouho běžících Python služeb. Flame obstarává přidělování zdrojů, společné spouštění trénovacích replik a přenos sdílených objektů.
V popsaném běhu se Qwen2.5-3B-Instruct během stovky kroků zlepšil ze 14,5 na 47 procent přesných odpovědí na dvou stech oddělených otázkách. Výpočet používal čtrnáct GPU pro generování a dvě pro trénink. Autoři výslovně upozorňují na malý hodnoticí vzorek, jediný běh a účelově sestavený vyhledávací korpus. Výsledky proto nelze přímo srovnávat s publikovanými benchmarky Search-R1 ani vydávat za obecný výkon této infrastruktury.
24
Parallel Language Models zkoušejí generovat více tokenů najednou bez ztráty kvality
Nová studie Parallel Language Models popisuje jazykové modely, které vytvářejí více vzájemně konzistentních tokenů během jediného průchodu sítí. Běžné autoregresní modely produkují tokeny postupně, což zvyšuje dobu čekání na odpověď. Navržený přístup propojuje závislosti mezi tokeny pomocí pomocných latentních proměnných a používá společný tréninkový cíl pro autoregresní i paralelní dekódování.
Autoři zkoumali modely od 80 milionů do tří miliard parametrů. Dotrénovaný model s 1,3 miliardy parametrů v jejich testech matematiky, programování a následování instrukcí dosáhl srovnatelné nebo vyšší kvality než stejně trénovaná autoregresní varianta a zrychlení 2,3 až 5,7krát. Jde o výsledky výzkumné práce zveřejněné na arXivu, ne o obecně potvrzené zrychlení libovolného chatbota. Autoři avizují zveřejnění kódu.
25
Pax8 představila 8os a 8bot pro správu AI práce v malých firmách
Pax8 oznámila platformu 8os a spravovaného AI spolupracovníka 8bot. Produkty míří na technologické partnery, kteří zajišťují služby malým a středním firmám. 8os má sjednotit dohled nad různými agenty, modely a poskytovateli, přiřazovat jim odpovědnost a sledovat náklady po uživatelích i zákaznících. Součástí mají být pevné výdajové limity a práce s kontextem konkrétní firmy.
8bot je předpřipravená nabídka AI spolupracovníka pro zaměstnance, jehož výsledky mohou lidé kontrolovat a upravovat. Nasazení i podporu spravuje partner prostřednictvím 8os. Nejde o nový operační systém pro běžný počítač, ale o prostředí pro řízení firemní AI. Omezený předběžný přístup začíná tento týden, všeobecnou dostupnost Pax8 plánuje na začátek příštího roku. Konkrétní ceník oznámení neuvádí.
26
Exa 3.0 rozšiřuje vyhledávání pro AI a přidává levnější variantu Lite
Exa představila verzi 3.0 svého vyhledávání pro AI aplikace. Aktualizace zahrnuje větší embeddingový model, rozšířený index a obecnou dostupnost funkce Dynamic Highlights. Ta vybírá relevantní úseky napříč výsledky, omezuje opakování a podle firmy spotřebuje o 95 procent méně tokenů než předávání úplných textů stránek. Jde o tvrzení dodavatele, nikoli univerzální úsporu pro každou aplikaci.
Nová varianta Exa Lite stojí čtyři dolary za tisíc požadavků, zatímco Exa Auto sedm dolarů. Obě používají stejný index, Auto však věnuje více výpočtů výběru a řazení výsledků. Rozšířené zdroje zahrnují produktové nabídky, místní podniky i aktuální informace o počasí nebo dopravě. Změny jsou dostupné přes API a cílí především na asistenty a agenty, kteří potřebují dohledávat podklady.
27
OpenAI zveřejnila MultiLangBench pro ověřování kódu ve dvaceti jazycích
OpenAI zpřístupnila MultiLangBench, testovací prostředí pro porovnávání programovacích schopností modelů napříč dvaceti jazyky. Úkolem je vytvořit databázový engine kompatibilní se SQLite. Místo odlišných rozhraní pro každý jazyk slouží jako společný základ databázové soubory: systém dostane počáteční databázi a dotaz a musí vrátit správně změněný výsledek.
Testy vycházejí z existující sady SQLite a výsledky kontrolují vůči referenční implementaci. Hodnotí tak nejen krátkou odpověď, ale i schopnost postupně organizovat kód a přidávat funkce bez rozbití dosavadního chování. Zveřejněny jsou testy i výsledky jednotlivých jazyků. Jde o hodnocení konkrétního typu programovací práce, nikoli důkaz obecné bezchybnosti modelů nebo bezpečnosti migrace skutečných podnikových systémů bez odborné kontroly.
28
WhatsApp odstranil skryté instrukce, které chatbotu zakazovaly doporučit regulátora
Analýza centra nápovědy WhatsAppu odhalila skryté instrukce určené AI podpoře. Jeden blok chatbotu zakazoval doporučit kontaktování dozorového úřadu lidem, kteří nemohou sami smazat účet. Jiný omezoval odkazy na předpisy ochrany soukromí, pokud uživatel zmínil právníka nebo soud. Zkoumaný soubor zahrnoval 545 stránek a 102 skrytých bloků na 80 z nich.
WhatsApp následně vysvětlil, že šlo o pokyny jeho podpůrnému chatbotu, které se do veřejných stránek dostaly chybou. Bloky byly mezitím odstraněny. Zjištění popisuje obsah instrukcí, nikoli prokázané odpovědi chatbota: autoři neověřovali, zda podle nich systém skutečně jednal. Skryté pravidlo také samo nemění zákonná práva uživatelů na výmaz údajů nebo podání stížnosti.
29
Yana AI odděluje návrhy modelu od oprávnění provádět skutečné akce
Yana AI propojuje lokální i cloudové modely se společným systémem oprávnění. Model nejprve navrhne akci, runtime potom vyhodnotí identitu agenta, potřebnou schopnost a aktuální pravidla. Teprve povolená operace přejde k vykonání. Projekt zahrnuje runtime v Rustu a desktopové prostředí Yana Studio s editorem, terminály, chatem a přehledem rozhodnutí o přístupu.
Autor odděluje znalostní instrukce od skutečného udělení pravomocí a nabízí lidské schvalování rizikových kroků i kontrolu změn auditního záznamu. Dokumentace zároveň přiznává omezení: ochrana shellových příkazů není úplným parserem a síla dohledu se liší podle hostitelského nástroje. Části správy agentů zůstávají ve vývoji. Nejde proto o univerzální záruku bezpečnosti libovolné autonomní činnosti.
30
Costura přiřazuje firemní výdaje za AI lidem a kontroluje je proti účtům dodavatelů
Otevřený projekt Costura sjednocuje výdaje za AI služby do denní evidence provozované na vlastní infrastruktuře. Z údajů dodavatelů přiřazuje náklady ke klíčům, pracovním prostorům nebo jednotlivým lidem a porovnává součty s reporty poskytovatelů. Podporuje mimo jiné Anthropic, OpenAI, OpenRouter a Cursor; konektor pro GitHub Copilot označuje jako experimentální.
Nástroj používá připojení pouze pro čtení a jeho správci nemají dostávat firemní data. Nabízí rozpočty, upozornění na odchylky a exporty, nikoli však tvrdé zastavení útrat po dosažení limitu. Nenahrazuje ani sledování jednotlivých požadavků v reálném čase. Jde o beta verzi, jejíž rozhraní a konfigurace se mohou měnit. Smyslem je především dohledatelnost nákladů napříč používanými AI produkty.
31
Lights-on nabízí základ řízeného vývoje s Claude Code a deterministickými kontrolami
Gojko Adzic zveřejnil Lights-on software factory, výchozí projekt pro řízenou práci s Claude Code. Obsahuje kontejner, regulátor shellových příkazů a kontroly úprav pomocí linteru. Cílem je přenést opakované mechanické rozhodování z jazykového modelu do předvídatelných pravidel a snížit množství ručních potvrzení.
Součástí je jednoduchý plánovací postup a generátor skriptů pro více agentů. Z připraveného plánu sestavuje kroky, testování a kontrolní brány místo toho, aby orchestrace pokaždé spotřebovávala další modelové tokeny. Ukázková aplikace má sloužit hlavně jako základ a vzdělávací příklad, který si tým upraví pro vlastní projekt. Autor uvádí úsporu z dřívějšího nasazení, nejde však o nezávisle ověřený výsledek platný pro libovolný vývojový tým.
32
Vortex Code plánuje práci AI týmu přes společný návrh komponent a rozhraní
Spinoza Labs představily Vortex Code, nástroj pro programování z příkazové řádky se třemi pracovními režimy. Agent používá obvyklý cyklus čtení a úprav kódu. Build rozděluje práci na paralelní úkoly a před sloučením změn používá testy. Architect nejprve připraví návrh komponent, rozhraní a pravidel, podle kterého mají následně pracovat jednotliví agenti.
Firma označuje kompilátor tohoto návrhu jako Agent OS. Společná struktura má omezit rozcházení souběžně vznikajících částí projektu. Na stránce zveřejnila ukázky her, vizualizací i finanční aplikace a porovnání vlastních režimů. Tyto demonstrace ale nejsou nezávislým měřením spolehlivosti ani zárukou hotového produkčního systému. Podstatou novinky je způsob koordinace práce, nikoli pouhé prodloužení jedné konverzace s modelem.
33
PE Bench testuje AI agenty na finančních modelech, podkladech a investičních zprávách
Compound zveřejnil PE Bench, benchmark práce analytika soukromého kapitálu. Obsahuje 58 úloh v pěti transakčních prostředích, od prověrky podkladů po finanční model, investiční memorandum a prezentaci. Agent musí pracovat s dokumenty v různých formátech, řešit rozpory v údajích a zachovat soulad mezi vlastními tabulkami a závěry.
Test porovnává kompletní produkty včetně jejich nástrojů, nikoli samotné modely ve společném prostředí. Jedno veřejné prostředí slouží k ukázce a nezapočítává se do celkového skóre; zbývající čtyři zůstávají neveřejná. Důležité jsou živé vzorce, dohledatelné zdroje i termín odevzdání. Benchmark vytvořil dodavatel jednoho z hodnocených produktů, takže zveřejněný žebříček nelze zaměňovat za nezávislý audit.
34
Irene Solaiman upozorňuje na meze externích hodnotitelů bezpečnosti AI
Ředitelka pro veřejnou politiku Hugging Face Irene Solaiman upozorňuje, že přítomnost externího hodnotitele uvnitř AI firmy sama o sobě nezaručuje kvalitní dohled. V nově zveřejněném rozhovoru z konference Disrupt zdůraznila reprodukovatelnost testů, přístup k modelům a potřebu jasnějších kvalifikačních pravidel pro hodnotitele. Současné benchmarky podle ní rychle zastarávají a jejich výsledky nelze jednoduše vzájemně porovnávat.
Samostatný problém představují agenti, jejichž výkon neurčuje pouze jazykový model. Rozhodují také nástroje, řídicí software a celé pracovní prostředí. Slabší model s lepším zázemím proto může překonat silnějšího konkurenta. Hodnocení těchto celků je náročné a drahé. Solaiman tak popisuje otevřené metodické otázky, ne hotové řešení ani nový bezpečnostní standard.
35
Mamdani vyzývá Newyorčany, aby nepřijímali zavádění AI jako nevyhnutelné
Newyorský starosta Zohran Mamdani na setkání The People’s AI Assembly vyzval veřejnost, aby nepovažovala rychlé zavádění umělé inteligence za proces, který nelze ovlivnit. V rozhovoru s herečkou a aktivistkou Ilanou Glazer kritizoval nedostatek federálních pravidel a požadoval větší odpovědnost technologických firem. Akci pořádal AI Now Institute v manhattanském Webster Hall.
Mamdani odmítl představu, že obavy o práci, vzdělávání nebo důstojnost lidí musí ustoupit soutěži Spojených států s Čínou. Připomněl vlastní zásahy do využívání AI ve školách a požadavky na označování upravených realitních fotografií. Tyto kroky ale nejsou nově oznámené. Aktuální vystoupení je politickou výzvou k veřejné kontrole, nikoli přijetím dalšího závazného zákona.
36
Anthropic a Nscale údajně jednají o další výpočetní dohodě za 45 miliard dolarů
Anthropic a britský poskytovatel AI infrastruktury Nscale mají jednat o další dohodě na výpočetní kapacity v hodnotě zhruba 45 miliard dolarů. Jednání podle zveřejněné zprávy stále pokračují a podmínky se mohou změnit. Nejde tedy o oznámenou podepsanou smlouvu ani jistou investici, ale o popis připravovaného obchodu.
Nová jednání jsou oddělená od dohody ve stejné hodnotě, kterou firmy oznámily před více než měsícem. Případný další kontrakt by rozšířil závazky Anthropicu na infrastrukturu potřebnou k provozu a vývoji AI. Obě společnosti zároveň připravují vstup na burzu. Rozsah podobných výdajů vyvolává mezi investory otázky, zda budoucí příjmy dokážou ospravedlnit rychlé navyšování výpočetních kapacit.
37
FAHR-Face zkoumá odhad přežití onkologických pacientů z fotografie obličeje
Výzkumníci z Mass General Brigham představili systém FAHR-Face, který z fotografie obličeje odvozuje ukazatele související se zdravotním stavem. Základní model se učil na více než 40 milionech snímků. Varianta FaceAge odhaduje biologický věk, zatímco FaceSurvival přímo vyhodnocuje riziko úmrtí u pacientů s rakovinou. Obě větve zachycují částečně odlišné informace a pracují s různými oblastmi tváře.
Ve sledované americké skupině léčené radioterapií měli pacienti vypadající nejméně o pět let starší vyšší riziko úmrtí během následného sledování. Jde o statistické vztahy, nikoli spolehlivou předpověď osudu jednotlivce. Autoři chtějí podpořit rozhodování lékařů, ne je nahradit. Před širším klinickým používáním jsou nutné další studie.
