Premiery modeli AI przyspieszają, a benchmarki nie nadążają
Dziesięć z 20 modeli śledzonych obecnie przez stale.jock.pl trafiło na rynek bez podanej daty odcięcia danych treningowych. Modele chińskie odpowiadały za 57% do 67% tokenów na OpenRouter w tygodniu 14 września.

Między 1 a 22 września 2026 roku premierę miało sześć modeli, wynika z trackera stale.jock.pl. Serwis podaje daty wydania i daty odcięcia danych treningowych dla 20 obecnych modeli z ośmiu laboratoriów. Same OpenAI wypuściło trzy 22 września: GPT-6 Sol i GPT-6 Luna, a także Claude Opus 5.5 od Anthropic tego samego dnia, zgodnie z tabelą trackera i niedawnymi nagłówkami. Laboratoria mierzą dziś kalendarz premier modeli frontier w dniach, nie w kwartałach.
Narzędzie, którym te modele się ocenia, nie nadąża. Tylko połowa modeli z listy ma podaną datę odcięcia, czyli dzień, w którym model przestał czytać. Pięć z ośmiu laboratoriów, Anthropic, Google DeepMind, Meta, OpenAI i xAI, publikuje datę odcięcia przynajmniej dla jednego modelu, podaje tracker. Puste pole oznacza, że sprawdzone źródła producenta nie ustaliły daty odcięcia. To nie dowód, że taka data nie istnieje.
Luka między wysyłką a wiedzą
Sam tracker stawia sprawę wprost: o tym, jak aktualny jest model, decydują dwie daty. Data wydania mówi, kiedy laboratorium wypuściło model, data odcięcia, kiedy przestał czytać. GPT-6 Astra, wydany 3 września 2026 roku, ma odcięcie z 30 kwietnia 2026 roku, wynika ze strony. W dniu premiery był więc mniej więcej cztery miesiące do tyłu. Claude Fable 5.1, wydany 1 września 2026 roku, ma odcięcie z czerwca 2026 roku. Gemini 3.1 Pro, wydany 19 lutego 2026 roku, przestał czytać w styczniu 2025 roku, ponad rok przed premierą.
Model może wyjść we wrześniu, a mimo to przestać czytać w kwietniu, czyli w dniu premiery jest pięć miesięcy do tyłu.
Ta luka znaczy więcej, gdy cykle wydawnicze się skracają. Mistral AI wypuściło Mistral Large 3 2 grudnia 2025 roku, Mistral Small 4 16 marca 2026 roku i Mistral Medium 3.5 28 kwietnia 2026 roku, żadnego z podaną datą odcięcia, według trackera. Qwen3.8-Max od Alibaby (3 sierpnia 2026), Qwen3.8-Flash (26 sierpnia 2026) oraz V4-Pro (13 sierpnia 2026) i V4.1-Flash (10 września 2026) od DeepSeek też widnieją bez podanych odcięć. To samo dotyczy Muse Glimmer i Muse Spark 1.3 od Meta oraz Gemini 3.8 Flash od Google DeepMind.
Wyszukiwarki tej luki nie zamykają, przekonuje strona. Model, który szuka w sieci, czyta kilka stron, używa ich w jednej odpowiedzi i zapomina. Po otwarciu nowego czatu wraca do swojego odcięcia. Co gorsza, sam model musi uruchomić wyszukiwanie, tymi samymi wagami, które trzymają nieaktualny fakt. Błędy trafiają więc tam, gdzie model czuje się najpewniej. Strona cytuje pomiar ponad 2000 wywołań w 16 modelach, z których każdy dostał narzędzie wyszukiwania. Modele frontier decydowały poprawnie niemal za każdym razem. Słabsze podawały ustalone fakty, które się zmieniły, i szukały w sieci rzeczy takich jak temperatura wrzenia wody.
Użycie zmienia się szybciej niż benchmarki
Gdy laboratoria ścigają się z premierami, dane o użyciu opowiadają inną historię o tym, po jakie modele deweloperzy naprawdę sięgają. Modele chińskie przeszły w 2026 roku od małego udziału do większości na dwóch dużych platformach dla deweloperów, podaje CNBC, powołując się na dane o użyciu udostępnione redakcji. Na OpenRouter modele chińskie odpowiadały za 57% do 67% tokenów w tygodniu 14 września, w górę z 6% do 13% w lutym. Na Vercelu ich udział wzrósł do 55% w sierpniu z 11% w styczniu.
Adopcja skupia się w tym, co OpenRouter nazywa Globalnym Południem, 82 krajach Ameryki Środkowej i Południowej, Afryki oraz Azji. Ponad dwie trzecie tokenów, których używają tamtejsze firmy, idzie do modeli chińskich, podało CNBC. Firmy w USA zużywają około połowy tokenów na OpenRouter.
Napędza to cena, według osób, z którymi rozmawiało CNBC. Peter Walker, szef działu analiz w OpenRouter, powiedział redakcji, że chińskie modele open source wydane w tym roku "mogą wiarygodnie działać w zaawansowanych zastosowaniach agentowych, zwłaszcza w kodowaniu, czego w końcu 2025 roku po prostu nie było". Są też "niesamowicie opłacalne w porównaniu z większością modeli z amerykańskich laboratoriów", dodał. Harpreet Arora, szef infrastruktury agentowej w Vercelu, powiedział CNBC, że gdy model spełnia próg jakości dla danego zadania, różnica w cenie staje się przekonująca. Firmy nadal chcą modeli frontier z USA do trudniejszych zadań, powiedział.
Na początku tego tygodnia OpenAI i Anthropic ogłosiły nowe, tańsze modele, podało CNBC. Dianne Penn, szefowa działu zarządzania produktem, badań i laboratoriów w Anthropic, powiedziała redakcji, że firma próbuje sprawić, by odpowiedzi jej modeli były "bardziej wydajne, żeby zużywały mniej tokenów w zależności od ustawienia wysiłku".
Waszyngton patrzy na liczniki tokenów
Ten zwrot przyciąga uwagę w Waszyngtonie, gdzie dwie komisje Izby Reprezentantów USA badają skutki rosnącej adopcji modeli chińskich, według CNBC. USA ograniczyły chińskim firmom AI zakup najnowocześniejszych chipów przez kontrolę eksportu. Waszyngton obawia się, że sięgną po chipy Nvidii zdalnie, przez centra danych za granicą. Obawia się też "destylacji", w której nowe modele naśladują starsze, bardziej ugruntowane.
Chińska AI niesie "realne ryzyko gospodarcze i bezpieczeństwa dla Stanów Zjednoczonych", powiedział CNBC Daniel Remler, starszy analityk w programie technologii i bezpieczeństwa narodowego w CNAS. "Największa obawa jest taka, że integracja chińskich modeli AI wciąga kraje w chińską strefę wpływów technologicznych, która twardnieje w polityczne przymierze", powiedział. Remler dodał, że szczególnie w Azji Południowo-Wschodniej może dojść do dużego wzrostu użycia. Według niego "wszędzie od Lagos po São Paulo i Dżakartę, gdzie przedsiębiorcy i rządy szukają tanich, otwartych modeli, najpierw spojrzą na chińską AI".
Nvidia próbuje zmienić ten rachunek oprogramowaniem, nie chipami. Firma przygotowuje darmowy model, który ma się nazywać Nemotron 4 i ma się pojawić do końca roku. Celuje w klientów, którzy już używają sprzętu Nvidii, powiedział Rest of World Marc Einstein, analityk w Counterpoint Research. Niewiele krajów pasuje do tego opisu lepiej niż ZEA, których flagowe centrum danych ma działać na 400 000 chipów Nvidii, podała publikacja. Nvidia zgodziła się też zapłacić prawie 13 mld dolarów za Hugging Face, platformę, na której deweloperzy udostępniają i pobierają modele, według Rest of World.
Kontekst tych wydatków: wcześniejsze wersje amerykańskich modeli AI zostawały daleko za darmowymi modelami z Chin. Te darmowe modele pobrano w tym roku około 2 000 000 000 razy, znacznie więcej niż jakiegokolwiek zachodniego rywala, według sierpniowego raportu Hugging Face, na który powołuje się Rest of World. Rządy budujące własne modele najczęściej zaczynają od darmowego modelu Meta lub Alibaby. Według Einsteina wydatki Nvidii mają sprawić, że wybiorą jako podstawę Nemotron.
Czego benchmarki nie pokazują
Nic z tego nie rozwiązuje problemu pomiaru, który leży u podstaw. Wyniki benchmarków nie mówią, czy model wie, co się stało po jego dacie odcięcia. Strona stale.jock.pl proponuje prosty test: zapytać model wprost o datę odcięcia jego danych treningowych. Dobrze zachowujący się model odpowie albo przyzna, że nie jest pewien. Ten, który wymyśli pewną siebie datę, powiedział coś użytecznego o sobie, przekonuje strona. Dodaje, że odpowiedź trzeba sprawdzić w trackerze, bo model jest słabym źródłem o modelach.
Strona udostępnia też eksport do odczytu maszynowego, models.json, z datą wydania, podaną datą odcięcia i linkiem do źródła dla wszystkich 20 modeli. Sugeruje wskazanie go agentowi przez plik instrukcji AGENTS.md lub CLAUDE.md, który agent już czyta. Eksport jest generowany od nowa razem ze stroną, więc agent czyta dzisiejsze daty, a nie te zapisane w jego wagach.
To obejście, nie rozwiązanie. Laboratoria decydują, co ujawnią, a połowa obecnych modeli w trackerze nadal nie ma podanej daty odcięcia. Dopóki się to nie zmieni, każdy, kto porównuje modele po samych benchmarkach, ocenia migawkę, która była nieaktualna już w chwili publikacji.
Źródła
3- 01Show HN: How Stale Is Your AI? Release age and training cutoff for 20 modelsEN
- 02Chinese AI models surge in global popularity — and Washington is worriedEN
- 03Nvidia's free AI model could push the UAE closer to the U.S.EN
Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.
Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.
Komentarze
0- Brak komentarzy — bądź pierwszy.