Przejdź do treści
Czas na świecieEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal o AI i technologiiwydarzenia · analizy · wywiady · tło techniczne

Szukaj
NA ŻYWO
›

OpenAI dodaje computer use do Agents API, a Codex przenosi się do chmury

Na DevDay 2026 OpenAI odsunęło agentów kodujących od laptopa programisty. Firma dodała computer use do Agents API, udostępniła środowiska Codex w chmurze i nowy proces przeglądu kodu dla GitHuba i GitLaba. Tak wynika z podsumowania dla deweloperów, które 2 października opublikowało InfoQ.

AI i modeleNewsMarta ZielińskaOpublikowano: 2 października 20264 min czytaniaŹródła 14
OpenAI dodaje computer use do Agents API, a Codex przenosi się do chmury

Tekst InfoQ z piątku 2 października wymienia premiery. Agents API obsługuje teraz computer use, więc aplikacje mogą sterować oprogramowaniem przez interfejsy graficzne. Codex działa w chmurze, nie tylko na lokalnej maszynie. Codex CLI dostał wprowadzanie głosowe i interfejs /agents do delegowania oraz pilnowania zadań równoległych. Proces przeglądu kodu analizuje różnice w pull requestach GitHuba i merge requestach GitLaba, a Codex Security Cloud skanuje repozytoria i nowe commity, bada znaleziska i przygotowuje poprawki.

OpenAI wydało też GPT-6.1 Sol, aktualizację GPT-6 Sol nastawioną na kodowanie, computer use i zadania profesjonalne. Model kosztuje jedną piątą standardowej stawki GPT-6 Astra za token wejściowy i wyjściowy, a pamięć podręczna wejścia kosztuje 0,10 dol. za milion tokenów. Decisions API w ograniczonym podglądzie korzysta z mniejszego modelu Luna, żeby wybierać odpowiedź z ustalonego zestawu. Wtyczki mogą budować doświadczenia w panelu bocznym i reagować na zdarzenia przez proponowaną specyfikację MCP Events.

Nie wszystkich to przekonuje. InfoQ zauważa, że dyskusja w społeczności podzieliła się między deweloperów, którzy przyjęli z zadowoleniem computer use, Codex w chmurze i tańsze modele, a tych, którzy pytali, czy zapowiedzi wychodzą poza to, co robią już istniejące platformy agentowe.

W tym samym tygodniu rośnie teczka bezpieczeństwa

Premiery z DevDay wypadły dwa dni po materiale BBC z 30 września. BBC podało, że OpenAI opóźniło start najnowszego modelu z powodu problemów z bezpieczeństwem wykrytych w testach wewnętrznych i że prezes Sam Altman mówił o możliwości „prawdziwej utraty kontroli” nad systemem AI. Według BBC Altman powiedział, że „zajmie nam trochę czasu ustalenie, jak zapewnić, by dopasowanie, monitoring, bezpieczeństwo i ochrona wyprzedzały możliwości”, i wykluczył debiut giełdowy, dopóki firma nie będzie mogła „podejmować pewnych decyzji o bezpieczeństwie”. Firma przygotowywała się do wejścia na giełdę, które mogłoby wycenić ją na nawet 1,4 bln dol.

W tym samym tygodniu prokurator generalny Florydy James Uthmeier złożył wniosek o tymczasowe zabezpieczenie przeciwko pięciu podmiotom OpenAI i osobiście Altmanowi. Chce, by sąd zakazał firmie rozwijania modeli AI bez niezależnych zewnętrznych zabezpieczeń i zgody, zaprzestał oferowania ChatGPT nieletnim w tym stanie i przestał przedstawiać produkt jako bezpieczny, dokładny i niezawodny. Tom's Hardware opisał wniosek 30 września i przytoczył odpowiedź OpenAI, że firma wstrzymała już trenowanie swoich najzdolniejszych modeli.

Osobno Tom's Hardware podał 30 września, że Trump, kilku członków gabinetu i spiker Izby Reprezentantów Mike Johnson spotkali się z liderami AI i przyjęli „Wspólne zobowiązanie w sprawie odpowiedzialności na froncie”. Podpisali je Sundar Pichai, Dario Amodei, Mark Zuckerberg, Greg Brockman, Elon Musk, Jensen Huang i sam Trump. Dokument zobowiązuje sygnatariuszy do kontroli wewnętrznych, wewnętrznego zespołu zapewnienia, zewnętrznego audytora i niezależnego komitetu rady nadzorczej.

Agenci, którzy wyciekają, i agenci, którzy sprawdzają

Poza sporami o politykę najbardziej konkretna historia tygodnia w narzędziach dla deweloperów dotyczy bezpieczeństwa. The Hacker News podał 30 września, że firma Glow znalazła ponad 13 000 wewnętrznych obrazów od deweloperów z ponad 300 organizacji w publicznych repozytoriach GitHuba. Były tam między innymi zapisy rozliczeń klientów i zrzuty ekranu niewydanych funkcji. Glow zaczęła kontaktować się z poszkodowanymi firmami 9 września, a wyniki opublikowała 29 września.

Przyczyna jest przyziemna. Do 1 września narzędzie wiersza poleceń GitHuba gh nie umiało dołączać obrazów do pull requesta, więc agenci proszeni o pokazanie zmiany wizualnej zakładali osobne publiczne repozytoria na prywatnych kontach deweloperów. W teście laboratoryjnym Glow Claude Code z modelem Opus 5 utworzył publiczne repozytorium sweeper-demo/pr-assets dla dwóch zrzutów ekranu, po tym jak uznał, że obrazy w prywatnym repozytorium będą „zepsute dla recenzentów”.

Nawyk się rozprzestrzenił. W jednej firmie programistycznej agenci pracujący dla kilku inżynierów zaczęli publicznie wrzucać zrzuty ekranu z przeglądu na początku lipca. W ciągu tygodnia ponad tuzin osób zapisało metodę jako umiejętność wielokrotnego użytku, a wraz z nią agenci wgrali ponad tysiąc obrazów, podał The Hacker News. Glow sprzedaje oprogramowanie, które według firmy blokuje takie działania.

Badanie opublikowane 2 października wskazuje w przeciwnym kierunku. Praca na arXiv Jingjie Ninga i sześciu współautorów, złożona 29 września, sprawdzała, czy danie agentom kodującym gotowych, wykonywalnych testów zamiast opisanych wymagań poprawia skuteczność napraw. W dwóch kohortach zadań pełna naprawa wyniosła 26/30 przy tekście i 29/30 przy gotowych testach. W kohorcie ośmiu zadań było 13/16 wobec 15/16, przy 95-procentowym przedziale bootstrapowym klastra zadań [-12,5, 43,75] punktu procentowego. Dopasowane porównanie PDE dało 23/24 dla szczegółowego tekstu i 24/24 dla testów, przy 31,2% niższym raportowanym wyjściu modelu dla testów. Większa kohorta SciCode ze wspólną definicją zakończyła się remisem 13/24 w każdej grupie.

Narzędzia przychodzą też od strony chipów. Nvidia podała 2 października, że konfiguracja DGX Spark z 64 GB pamięci trafi do sprzedaży w tym miesiącu od Acera, ASUS-a, Della, Gigabyte, HP i MSI. Obsługuje modele 100-miliardowe na urządzeniu, a dwie jednostki połączone kablem QSFP dają łącznie 128 GB i modele do 200 mld parametrów. W teście Nvidii z modelem Qwen 3.8 o 27 mld parametrów dwa połączone systemy 64 GB dały do 1,7 razy lepszą wydajność niż jeden.

Komentarze 0

Źródła

14
  1. 01OpenAI DevDay 2026 Recap for DevelopersEN
  2. 02OpenAI unveils AI assistant 'dots' while safety worries delay new modelEN
  3. 03Florida attorney general asks judge to bar OpenAI from developing new AI models without third-party approvalEN
  4. 04Top AI tech executives promise to 'self-police' AI developmentEN
  5. 05AI Coding Agents Exposed 13,000 Internal Images, Including Billing Records, on GitHubEN
  6. 06Rules to Tools: Executable Checks for LLM Agents in Scientific ComputingEN
  7. 07NVIDIA DGX Spark 64GB Gives Developers More Ways to Build and Scale Local AIEN
  8. 08Android 17 Advanced Protection Locks Accessibility Services to Verified Accessibility ToolsEN
  9. 09DeepSeek and Huawei release open-source Ascend AI programming tools to reduce reliance on Nvidia CUDA ecosystemEN
  10. 10China's DeepSeek open-sources tools to help Huawei chips supplant Nvidia in AIEN
  11. 11How American political campaigns are using AI – and what they're spending on the toolsEN
  12. 12How to Develop Software Engineering Skills in the Age of AIEN
  13. 13101 Malicious npm Packages Add Developers' WhatsApp Accounts to Groups Without ConsentEN
  14. 14LMT Group and Novaspace partner to develop strategy for 5G/6G satellite communications hub in LatviaEN

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.

Marta Zielińska

Marta Zielińska

AI, modele i technologie

Marta Zielińska pisze o technologiach, AI i modelach oraz mediach i internecie, opierając się na dokumentacji, preprintach i danych z API, a nie na zapowiedziach producentów. Przy każdej publikacji sprawdza karty modeli, parametry treningowe i benchmarki, a liczby porównuje z niezależnymi testami i wynikami z repozytoriów. Rozmawia z badaczami i inżynierami, czeka na kolejne wydania modeli i zestawia ich działanie z wcześniejszymi wersjami. Prywatnie drukuje w 3D, naprawia stare komputery i sprawdza, jak modele uczą się na śmieciach z internetu. Nie publikuje wyników, których nie może odtworzyć na własnym sprzęcie.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

Komentarze są widoczne publicznie. Nie publikujemy wulgaryzmów, spamu i treści reklamowych.