60 noviniek
Artificial Analysis zistil, že Grok 4.5 zdvojnásobil mieru halucinácie z 25 % na 54 % oproti Grok 4.3, hoci presnosť vzrástla. Model skončil 4. na Intelligence Indexe.
Vývojár vforno vytvoril Colibrì — systém streamovania aktívnych expertov z disku, ktorý umožňuje spustiť obrovský MoE model GLM 5.2 na bežnom počítači pri výkone 0,1 tok/s.
Výskumníci z EPFL publikovali NEvo — framework kombinujúci evolučné vyhľadávanie s AI generovaním videa na syntézu stimulov, ktoré prekonávajú ručne vytvorené lokalizačné videá v aktivácii zrakového kortexu.
SpaceXAI vydal Grok 4.5 — prvý AI model vyvinutý spoločne s Cursorom, zameraný na kódovanie, právne analýzy a finančný výskum. V EÚ zatiaľ nedostupný.
OpenAI potvrdil globálne vydanie GPT-5.6 Sol na štvrtok 10. júla po tom, ako vláda USA zrušila obmedzenia, ktoré limitovali prístup len na overených partnerov.
Cognition vydal SWE-1.7 — coding agent trénovaný na báze Kimi K2.7 s výkonom blízko GPT-5.5 na FrontierCode, bežiaci pri 1 000 TPS za $1,97/úlohu cez Devin.
Mistral predstavil Robostral Navigate — 8B model, ktorý umožňuje autonómnu navigáciu robotov pomocou jedinej RGB kamery a prirodzených inštrukcií, bez LiDARu alebo hĺbkového senzora.
OpenAI zistil, že SWE-bench Verified — najpopulárnejší benchmark pre AI kódovanie — trpí kontamináciou a dizajnovými chybami a neodráža reálne schopnosti modelov.
Google DeepMind odložil vydanie Gemini 3.5 Pro na 17. júla 2026, pričom existujúca 2.5 Pro architektúra bola vyhodená v prospech kompletného prepracovania zameraného na matematické uvažovanie a kvalitu obrazu. Model zostáva v limitovanom Vertex AI enterprise preview.
Profesor ekonometrie Roberto Serrano nariadil záverečnú skúšku osobne po tom, ako 40 z 86 študentov dostalo na domácej skúške dokonalú stovku; osobný priemer klesol na 48.
Databricks zverejnil výsledky interného benchmarku kódovacích agentov na reálnom kóde firmy s miliónmi riadkov v Pythone, Go, TypeScripte a Scale. OpenAI, Anthropic a GLM-5.2 sú na Pareto frontiere, pričom GLM-5.2 je výrazne lacnejší.
Microsoft uvoľnil ako open-source Flint — vizualizačný medzijazyk, ktorý pomáha AI agentom generovať spoľahlivé grafy opisom sémantiky namiesto závislosti na systémových predvolenostiach.
Meta predstavila Muse, AI generátor obrázkov od Meta Superintelligence Labs, dostupný zadarmo cez Meta AI apku a integrovaný v Instagram Stories a WhatsApp.
Tencent Hunyuan vydal 6. júla Hy3, open-source MoE model s 295B parametrami (len 21B aktívnych), 256K kontextom a Apache 2.0 licenciou — bez geografických obmedzení.
Anthropic zverejnil výskum, v ktorom Claude spontánne vyvinul vnútornú štruktúru J-space zodpovedajúcu neurovede teórii globálneho pracovného priestoru. Objav mení spôsob, akým spoločnosť monitoruje bezpečnostné riziká.
Medzinárodná konferencia o strojovom učení 2026 sa otvorila 6. júla v Soule s rekordnými 23 918 príspevkami — viac ako dvojnásobok minulého roka. Bezpečnosť agentického AI je ústrednou témou.
Anthropic ohlásil interné programy objavu liekov zamerané na zanedbané choroby, čím rozšíril dopad akvizície Coefficient Bio za 400 miliónov USD. Claude Science workbench s 60+ vedeckými nástrojmi je teraz dostupný v beta.
CEO Mistral Arthur Mensch potvrdil, že firma v júli 2026 otvorí early access k novému vzrušujúcemu open-weight modelu. Mistral zároveň rokuje o 3,5 mld. USD raunde pri valuácii 23 mld. USD.
Vedecká štúdia z Dartmouth University publikovaná na HN ukázala, že nový AI tutor dosiahol veľkosť efektu 0,71–1,30 štandardnej odchýlky v zlepšení výsledkov učenia. Ide o jeden z najvyšších efektov zaznamenaných pre vzdelávacie technológie.
GitHub issue s 107 bodmi na HN dokumentuje sťažnosti vývojárov na zhoršenú kvalitu výstupu GPT-5.5 Codex. Hypotéza komunity: RL post-training spôsobil nežiaduci clustering reasoning tokenov, čo degraduje kódovacie výstupy.
Autor Flasku Armin Ronacher dokumentuje paradox: nové Claude modely (Sonnet 5, Opus 4.8) sú menej spoľahlivé pri nestandardných tool schemas a pridávajú polia, ktoré schema neobsahuje — zrejme dôsledok RL tréningom viazaného na Claude Code harness.
Šéf AI v Meta Alexandr Wang na internom town halle vyhlásil, že nový model 'Watermelon' dosiahol výkon porovnateľný s GPT-5.5 na kľúčových benchmarkoch — prvé interné uznanie, že Meta naháňa výkonnostnú úroveň OpenAI.
Prieskum VentureBeat zistil, že 88 % firiem zaznamenalo bezpečnostný incident s AI agentom za posledný rok. Len 12 % dokáže automaticky zastaviť hrozby tretej fázy — eskaláciu práv, exfiltráciu dát a laterálny pohyb agentov.
Mistral AI vydal Leanstral 1.5, open-source (Apache-2.0) model špecializovaný na formálne dôkazy v Lean 4. So 119B celkovými a len 6B aktívnymi parametrami dosahuje 100 % na miniF2F a vyrieši 587 z 672 PutnamBench matematických problémov.
Epoch.ai zdokumentovala bezprecedentný nárast vysokých a kritických CVE v júni 2026: okolo 1 500, čo je 3,5-násobok predchádzajúceho rekordu. Analýza to priamo spája s AI-asistovaným odhaľovaním bugov cez Project Glasswing s modelom Claude Mythos.
Podrobná analýza agentických AI workflow od Dana Luua: výber testovacích metód (fuzzing) prekonáva výber modelu, modely majú vysokú variabilitu medzi úlohami a plne autonómne agenty zlyhávajú pri iteratívnej analýze dát bez ľudského dohľadu.
Apple vydal Safari MCP Server — nástroj umožňujúci AI agentom priamo sa pripojiť k Safari oknám a autonómne testovať, debugovať a inšpektovať webové aplikácie. Vyžaduje Safari Technology Preview 247. Beží lokálne bez externých sieťových volaní.
OpenAI zverejnil GeneBench-Pro — 129 výskumných úloh z genomiky, kvant. biológie a translačnej medicíny. Najlepší model GPT-5.6 Sol dosiahol 31,5 %, Claude Opus 4.8 len 16 %, Gemini 3.5 Flash 8,1 %.
Praktický framework pre vývojárov pracujúcich s AI kódovacími agentmi: nikdy YOLO mode, commit po každej podúlohe, povinný AI aj ľudský review každého PR. Príspevok na HN získal 146 bodov uprostred diskusie o náste produkčných incidentov.
Americké ministerstvo obchodu zrušilo 18-dňové exportné obmedzenia na vlajkové modely Anthropicu. Komerčný prístup k Fable 5 a Mythos 5 je od 1. júla 2026 obnovený globálne pre všetkých zákazníkov.
Anthropic uviedol Claude Sonnet 5 s natívnym 1M kontextovým oknom a promo cenami $2/$10 za milión tokenov do 31. augusta 2026 — o 60 % lacnejšie ako Fable. Model sa stal predvoleným pre Free a Pro používateľov.
Anthropic spustil Claude Science, aplikáciu integrujúcu 60+ vedeckých databáz (genomika, proteomika, cheminformatika) do jedného AI pracovného priestoru s auditovateľnými artefaktmi. Pridáva grantový program do 30 000 USD.
Google vydal Gemini Omni Flash pre konverzačnú tvorbu a editáciu videa a Nano Banana 2 Lite (Gemini 3.1 Flash-Lite Image) pre enterprise generovanie obrázkov za 4 sekundy a 0,034 USD za 1 000 obrázkov — dostupné cez Gemini API a Google AI Studio.
Snorkel AI spustil Senior SWE-Bench so 156 reálnymi úlohami z pull requestov, kde agenti musia diagnostikovať bugy a dodržiavať kódovacie konvencie. Najlepší model (Claude Opus 4.8) dosiahol len 24 %.
AI video model HappyHorse 1.1 od Alibaba Cloud predbehol v globálnych benchmarkoch Sorou aj ByteDance Seedance. Model je teraz dostupný cez Alibaba Cloud Model Studio s plným API prístupom.
Anthropic vysiela 30. júna naživo podujatie, ktoré ukazuje, ako sa Claude nasadzuje vo farmácii, biotechu a akademickom výskume, s ukážkami produktov a prípadovými štúdiami od popredných inštitúcií z oblasti vied o živote.
Projekt vLLM zverejnil technický článok, podľa ktorého malé open modely zoskupené do ohraničených „micro-agent" runtime priamo v servingovej vrstve dokážu na reálnych úlohách dosiahnuť alebo prekonať špičkové uzavreté modely pri zlomku nákladov.
Antoine Posepny popisuje, ako spustil Claude Code s Opus 4.8 nad celým DICOM exportom svojej MRI — model si sám nainštaloval Python balíčky a napísal vlastný analyzačný pipeline. Príbeh spustil veľkú HN debatu o konzumnej medicínskej AI.
Semgrep publikoval evaluáciu, podľa ktorej GLM-5.2 dosiahol 39 % F1 v detekcii IDOR za $0.17/vuln a porazil Claude Opus 4.8 (28 %) aj Opus 4.6 (37 %). Esej argumentuje, že export controls na uzavreté US modely stratili zmysel.
xAI nasadil Grok 4.5 postavený na novom modeli V9 s 1,5 bilióna parametrov do privátnej bety v SpaceX a Tesle s plánom mesačnej kadencie nových modelov pre zvyšok roka.
DeepSeek otvoril DSpark — framework na speculative decoding, ktorý zrýchľuje generovanie V4 Flash o 60-85 % bez akéhokoľvek pretrénovania modelu. Kód je v open-source pod MIT licenciou.
Zakladateľ Conno Christou nakŕmil PET a MRI snímky do Claude, ktorý priradil 90 % pravdepodobnosť reaktivácii týmusu po chemoterapii — neskôr ju potvrdil špecialista. Prípad rozprúdil debatu o LLM v medicíne.
Faros AI z dát 22 000 vývojárov v 4 000 tímoch ukazuje, že produkcia kódu s AI rastie, no chyby a incidenty rastú ešte rýchlejšie - report nazvaný Acceleration Whiplash.
Krea zverejnila 12B parametrické verzie svojho modelu Krea 2 - Raw pre fine-tuning a Turbo na lokálne generovanie 2K obrázkov za ~2 sekundy.
Open-source projekt Wayfinder Router smeruje dotazy medzi lokálne a hostované LLM podľa deterministických pravidiel namiesto LLM klasifikátorov. Cieli na audit-friendly hybridné deployments.
OpenAI 9. júla 2026 verejne spustilo tri nové modely GPT-5.6 pre všetkých používateľov ChatGPT a API vývojárov. Pre prvýkrát v histórii AI mali tri frontové laboratóriá súčasne verejne dostupné modely.
Mistral spustil OCR 4 — dokumentový model s bounding-boxes, klasifikáciou blokov a confidence skóre v 170 jazykoch. Cena je 4 USD za 1000 strán, dostupný cez Mistral API, Amazon SageMaker a od prvého dňa aj v Microsoft Foundry.
Google ticho posunul Gemini 3.5 Pro z júna na júl 2026, dôvodom je feedback testerov ohľadom efektivity tokenov a výkonu pri dlhých úlohách. Odklad postaví Gemini Pro priamo proti GPT-5.6 a Claude Opus 4.7 v polovici júla.
Hĺbková analýza IEEE Spectrum mapuje, ako frontier modely teraz dokazujú netriviálne matematické tvrdenia a aké to vyvoláva existenčné otázky o povahe matematickej kreativity a verifikácie.
Hĺbková analýza tvrdí, že open-weight modely (Llama, Qwen, DeepSeek, GLM) sa rapidne približujú k closed-source frontier — s konkrétnymi benchmarkmi a implikáciami pre enterprise nasadenie.
Google vydal DiffusionGemma, experimentálny 26B MoE model (3,8B aktívnych) s difúznou hlavou, ktorý generuje text paralelne v blokoch namiesto token po tokene. NVIDIA optimalizovala beh na RTX GPU a DGX Spark.
Xiaomi predstavila HarnessX — framework, ktorý chápe agent harness ako komponovateľný objekt a model si ho môže autonómne prepisovať počas úlohy. Menšie modely z tejto self-modifikácie získavajú najviac.
OpenAI 22. júna vypustil GPT-5.5-Cyber do full release (85.6% na CyberGym), rozšíril Codex Security, otvoril partnerský program s CrowdStrike/Sophos/Fortinet a spustil open-source 'Patch the Planet' iniciatívu.
OpenAI a security firma Trail of Bits spustili iniciatívu Patch the Planet — open-source maintainerom pomôžu nájsť a opraviť zraniteľnosti pomocou Codex Security agentov.
Nvidia investuje do safety výskumu a simulačných nástrojov, aby humanoidné roboty zvládli split-second rozhodnutia spoľahlivo predtým, ako sa nasadia po boku ľudí.
Nový arXiv paper kombinuje SFT s GRPO a tvrdí, že 3B model prekonáva frontier reasoning. HN s 305+ skóre a 162 komentármi.
Prosus postavil ToqanClaw na vlastnej platforme Toqan — dáta zostávajú pod kontrolou používateľa, netrénujú externé modely. Cieli 5+ mil. obchodníkov a reštaurácií.
Japonská Sakana AI uviedla Fugu, orchestrátor frontier modelov za jediným OpenAI-kompatibilným API. Ultra tier údajne prekonáva Fable 5 v benchmarkoch.
Apertus, plne otvorený LLM od EPFL, ETH Zürich a CSCS, sa cez víkend dostal na vrch Hacker News. Model beží pod Apache 2.0, je trénovaný na 15 biliónoch tokenov v 1 000+ jazykoch a dizajnovaný tak, aby spĺňal požiadavky EU AI Act vrátane PII odstránenia a anti-memorization opatrení.
Sakana AI predstavila Fugu — multi-agent systém vystavený ako jedno API, ktoré dynamicky orchestruje špičkové frontier modely podľa zadania. Odráža posun od „jeden veľký model" k routing/orchestrátorom.
