Wstęp: Czy wielkość naprawdę ma znaczenie?
Wyobraź sobie, że budzisz się rano, a Twój lokalny model AI nie tylko streszcza Ci maile, ale sam odpisuje klientom, projektuje interfejs nowej aplikacji i robi to za ułamek ceny, którą jeszcze niedawno płaciłeś gigantom z Doliny Krzemowej. Brzmi jak odległa przyszłość? Połowa 2026 roku udowadnia, że to nasza nowa rzeczywistość. Granice między systemami zamkniętymi a otwartymi zacierają się szybciej, niż regulatorzy nadążają z pisaniem kolejnych ustaw. Zamiast ślepego wyścigu na gigantyczne rozmiary modeli, na pierwszy plan wysuwa się dziś pragmatyzm: agentyczność, elastyczność i głęboka optymalizacja. Czy wchodzimy właśnie w erę post-AGI, w której definicje przestają mieć znaczenie, a liczy się czysta praktyka?
1. OpenAI i rodzina GPT-5.6: Spryt nad rozmiarem
OpenAI zaprezentowało nową rodzinę modeli pod szyldem GPT-5.6 (Luna, Terra, Sol). Jeśli spodziewałeś się po prostu kolejnego giganta marnotrawiącego prąd na serwerach, możesz poczuć się zaskoczony. Nowe modele kładą ogromny nacisk na rzeczywiste zdolności agentyczne, pracę na interfejsach (front-end) oraz radykalną poprawę efektywności tokenów. Najmocniejszy z rodzeństwa, model Sol, zanotował skok o imponujące 60 punktów Elo w benchmarkach, pokazując, że ewolucyjne, iteracyjne zmiany potrafią zdziałać cuda.
Co ciekawe, OpenAI wprowadza opcję wyboru poziomu „wysiłku myślenia” (reasoning effort). Potrzebujesz szybkiej, taniej odpowiedzi? Wybierasz tryb niski. Walczysz z piekielnie trudnym błędem w kodzie? Przełączasz model Sol na tryb wysokiej analizy. Całość zintegrowano z nową aplikacją desktopową ChatGPT Work – wyspecjalizowanym asystentem do researchu, analizowania arkuszy i tworzenia prezentacji bezpośrednio w Twoim środowisku pracy.
W tym samym czasie Apple nie zamierza stać z boku. Publiczna beta iOS 27 wprowadza nową, znacznie inteligentniejszą odsłonę Siri AI. Dzięki integracji on-device oraz technologii Private Cloud Compute, asystent rozumie, co aktualnie dzieje się na ekranie Twojego smartfona i potrafi przeszukać maile czy zdjęcia bez naruszania prywatności.
Kluczowy wniosek: Przyrostowe aktualizacje flagowych modeli stale podnoszą poprzeczkę, ale to praktyczna użyteczność, agentyczność i elastyczny kontekst wygrywają dziś z surową wielkością sieci.
2. Chińska ofensywa i zmierzch monopolu USA
Jeśli ktokolwiek sądził, że zachodnie firmy zachowają monopol na topowe rozwiązania, to chińskie Moonshot AI właśnie brutalnie zweryfikowało te plany. Premiera modelu Kimi K3 wywołała spore zamieszanie na rynku hardware’u i w kręgach deweloperskich. Mówimy tu o potworze posiadającym aż 2,8 biliona parametrów (2.8T), oknie kontekstowym rzędu 1 miliona tokenów oraz pełnym wsparciu multimodalnym (wizja). Kimi K3 rozbił bank, zajmując pierwsze miejsca w rankingach Arena.ai Frontend Code Arena oraz DeepSWE.
Najciekawszy jest jednak aspekt finansowy i licencyjny. Model ten jest oferowany w cenach rzędu 3-15 dolarów za milion tokenów – to ułamek kosztów zachodniej konkurencji. Co więcej, Moonshot zapowiedziało udostępnienie pełnych wag modelu (open-weights) na zmodyfikowanej licencji MIT do końca lipca 2026 roku. To potężny cios w dominację USA, który natychmiast wywołał poruszenie na rynku producentów chipów graficznych.
Źródło: Bloomberg, CNBC, Moonshot announcements.
3. Zachodnia kontra: Inkling od byłej wiceszefowej OpenAI
Na zachodnim froncie modeli otwartych również wrze. Thinking Machines Lab, nowy startup założony przez Mirę Murati (byłą dyrektor technologiczną OpenAI), wypuścił na rynek model Inkling. To multimodalny kolos typu MoE (Mixture of Experts) o łącznej liczbie 975 miliardów parametrów (z czego aktywnych w jednym momencie jest około 41 miliardów). Wytrenowany na gigantycznej bazie 45 bilionów tokenów, model ten oferuje okno kontekstowe do 1 miliona tokenów i jest powszechnie uznawany za najsilniejszy otwarty model reasoningowy w USA.
Inkling jest dostępny na platformie Hugging Face na przyjaznej licencji Apache 2.0, a deweloperzy mogą go łatwo dostosowywać pod własne potrzeby za pomocą dedykowanej platformy Tinker. To dobitnie pokazuje nowy trend: zamiast uniwersalnych rozwiązań dla każdego, rynek zmierza w stronę głębokiej personalizacji modeli.
Warto też wspomnieć o innych graczach, takich jak DeepSeek V4-Pro, MiniMax M3 czy nowe propozycje od Mistral. Wszystkie te projekty depczą po piętach zamkniętym liderom w trudnych testach programistycznych (SWE-bench), oferując niespotykaną dotąd swobodę hostowania rozwiązań na własnej infrastrukturze.
Kluczowy wniosek: Demokratyzacja AI staje się faktem. Bariera wejścia dla innowatorów drastycznie spada, a otwarta społeczność oferuje realną, elastyczną i bezpieczną alternatywę dla korporacyjnych monopoli.
4. Dragan o „post-AGI” i polskie akcenty na mapie AI
Debata nad tym, kiedy wreszcie osiągniemy mityczne AGI (Sztuczną Ogólną Inteligencję), powoli traci sens. Jak słusznie zauważył fizyk prof. Andrzej Dragan w swoich ostatnich wypowiedziach, nie potrzebujemy precyzyjnej, akademickiej definicji AGI, by uznać, że granica została przekroczona. Dragan posłużył się trafną analogią do definicji „życia” – biologia do dziś ma problem z jednoznacznym określeniem tej granicy (np. w przypadku wirusów), co nie przeszkadza nam badać i rozwijać organizmów żywych. Kluczem jest tu nieliniowość sieci neuronowych, która wymyka się prostym interpretacjom matematycznym.
Źródło: Wyszukiwania w serwisie X (profile @andrzejdragan, @uwteam, @popai_pl, @MateuszChrobok) oraz analizy web_search Grok z lipca 2026 r.
Na polskim podwórku, choć nie doczekaliśmy się spektakularnych premier w ciągu ostatnich kilkunastu godzin, cały czas trwają intensywne prace nad rodzimymi projektami. Model Bielik (rozwijany przez SpeakLeash) zbiera świetne opinie dzięki dedykowanemu, zoptymalizowanemu pod język polski tokenizerowi, co pozwala na znacznie tańsze i szybsze przetwarzanie rodzimego tekstu. Z kolei państwowo-naukowy projekt PLLuM (tworzony przez OPI i Ministerstwo Cyfryzacji) rozwija w pełni otwarty model z myślą o polskiej administracji publicznej i specyfice prawnej naszego kraju.
Kluczowy wniosek: Zamiast teoretyzować o definicjach sztucznej inteligencji, świat skupia się na obserwowalnych, mierzalnych zdolnościach systemów. Lokalne rynki, takie jak polski, muszą inwestować we własne, zoptymalizowane językowo modele, by nie stracić suwerenności technologicznej.
5. Regulacje kontra UX i rewolucja sprzętowa w Twoim domu
Wzrost możliwości modeli niesie za sobą wyzwania prawne. W Polsce i całej Unii Europejskiej rozgorzała dyskusja nad bezwzględnym obowiązkiem oznaczania wszelkich treści generowanych przez AI – od tekstów marketingowych po elementy graficzne na stronach WWW. O ile idea transparentności jest szczytna, o tyle firmy stają przed ogromnym wyzwaniem: jak wdrożyć te oznaczenia, by nie zepsuć doświadczenia użytkownika (UX)? Może to doprowadzić do boomu na narzędzia audytujące i automatycznie weryfikujące pochodzenie treści.
Z drugiej strony, rewolucja zachodzi bezpośrednio na naszych biurkach. Dzięki niesamowitej optymalizacji modeli open-weight (takich jak Inkling czy mniejsze wersje Kimi), lokalne uruchamianie LLM-ów stało się realne na konsumenckim sprzęcie. Coraz więcej firm decyduje się na przetwarzanie wrażliwych danych – np. analiza CV kandydatów czy poufne notatki ze spotkań – wyłącznie na własnych maszynach, całkowicie uniezależniając się od chmurowych gigantów.
Kluczowy wniosek: Nadchodząca konieczność znakowania treści zmusi biznes do przemodelowania procesów projektowych. Równocześnie rozwój lokalnego hardware’u i optymalizacja modeli dają firmom szansę na pełną niezależność i prywatność danych.
Podsumowanie: Czas na „UX myślenia”
Tydzień ten jasno udowodnił, że czas bezmyślnego wklepywania prostych promptów odchodzi w przeszłość. Zamiast uczyć się na pamięć „magicznych formułek”, użytkownicy i deweloperzy muszą skupić się na zrozumieniu procesu wnioskowania modeli – na tak zwanym „UX myślenia”. AI ewoluuje w stronę większej dostępności, decentralizacji i specjalizacji. Otwartość i szybkie, sprytne iteracje ostatecznie wygrywają z samą, brutalną skalą korporacyjnych superkomputerów. Przyszłość dzieje się lokalnie, dynamicznie i przede wszystkim – bez barier wejścia.
