1. Formalne zawiadomienie w USA: federalne agencje cywilne muszą wykluczyć i usunąć produkty powiązane z DeepSeek
Data: 20 paź 2026 (data publikacji w Federal Register)
Źródła: Zawiadomienie w Federal Register; GovInfo PDF; CNBC
Amerykański Departament Bezpieczeństwa Krajowego (DHS) opublikował w Federal Register zawiadomienie: na podstawie ustawy Federal Acquisition Supply Chain Security Act sekretarz bezpieczeństwa krajowego nakazał (1) wykluczenie produktów i usług informatycznych opracowanych przez Hangzhou DeepSeek Artificial Intelligence i podmioty powiązane z zamówień federalnych agencji cywilnych oraz (2) usunięcie z systemów IT agencji cywilnych produktów DeepSeek i podmiotów powiązanych, a także produktów i usług firm trzecich opracowanych z użyciem implementacji DeepSeek.
CNBC, powołując się na treść nakazu, podaje, że wydano go pierwotnie około lipca 2026, a upubliczniono około 20 października. Obejmuje on federalne agencje cywilne (np. Departament Skarbu, Departament Stanu, Departament Sprawiedliwości) i nie dotyczy Departamentu Obrony. DHS stwierdził, że modele DeepSeek stwarzają „wiele wektorów zagrożeń”, w tym dane potencjalnie przechowywane na serwerach w Chinach, wrażliwe prompty, które mogłyby trafić do chińskiego rządu, oraz niezależne badania wskazujące krytyczne luki w aplikacji DeepSeek na iOS. Agencje mogą w ciągu 60 dni od wydania nakazu pisemnie wnioskować o wyjątki lub odroczenie, podając „przekonujące uzasadnienie”. Rzeczniczka chińskiego MSZ Mao Ning powiedziała Reuterowi, że Chiny sprzeciwiają się nadużywaniu pojęcia bezpieczeństwa narodowego i upolitycznianiu kwestii nauki, technologii i handlu oraz że będą chronić prawnie uzasadnione prawa i interesy chińskich firm.
Analiza: To nie jest zakaz użytku prywatnego. Dotychczasowe, rozproszone ograniczenia poszczególnych agencji zostają podniesione do rangi reguły obowiązującej w całej administracji cywilnej, opartej na ramach bezpieczeństwa łańcucha dostaw. Dla dostawców oznacza to, że rozwiązania firm trzecich, które zawierają wagi lub usługi DeepSeek, także mogą podlegać obowiązkowi usunięcia.
2. Tego samego dnia: DeepSeek udostępnia jako open source produkcyjny framework inferencji DeepInfer
Data: 20 paź 2026
Źródła: GitHub: deepseek-ai/DeepInfer; The Next Web
DeepSeek ogłosił na X tego samego dnia, że udostępnia na GitHubie swój wewnętrzny framework inferencji DeepInfer na licencji Apache 2.0. Obecnie jest on przeznaczony do wdrożeń produkcyjnych modelu DeepSeek-V4.1-Flash. Według doniesień i repozytorium framework zawiera jądra zoptymalizowane pod model, podział obliczeń między układy, dekodowanie spekulatywne oraz obsługę GPU NVIDIA SM100 i Huawei Ascend 950; DeepSeek zapowiedział, że celem jest pomoc społeczności w obniżeniu kosztów mocy obliczeniowej i energii. Z publicznych materiałów wynika też, że obecne wydanie nie zawiera pełnego systemu cache, rozdzielenia etapów prefill i decode dla promptów ani równoważenia obciążenia między wieloma maszynami; dołączono natomiast przepis na tokenizację zgodną z oficjalnym API (deepseek-recipe). DeepInfer, jak sam podaje, opiera się głównie na vLLM i czerpie z SGLang oraz TensorRT-LLM. TNW zauważył, że repozytorium miało we wtorek po południu już tysiące gwiazdek; opublikowane wyniki przepustowości to własne pomiary DeepSeek i nie zostały niezależnie odtworzone.
Analiza: Federalny zakaz w USA i otwarcie produkcyjnego stosu inferencji przez chińskie laboratorium tego samego dnia to wyraźny kontrast: z jednej strony wykluczenie z zamówień cywilnych, z drugiej metody obniżania kosztów udostępnione społeczności i dostawcom chmury. Dla open source wartość leży w technikach produkcyjnych, które można ponownie wykorzystać; dla kupujących, którzy dbają o zgodność z przepisami, „korzystanie z wag DeepSeek” i „uczenie się z jego inżynierii” warto oceniać osobno.
3. Reuters: OpenAI przyspiesza rundę o wartości ok. 30 mld USD, by zebrać kapitał przed debiutem giełdowym Anthropic
Data: 20 paź 2026 (doniesienie Reutersa szeroko powielane)
Źródła: Business Standard (Reuters); Quartz
Według Reutersa, który powołuje się na osoby zaznajomione ze sprawą, OpenAI przyspiesza rundę finansowania na około 30 mld USD, która mogłaby wycenić firmę na ponad 1,4 bln USD. Chodzi o zebranie zobowiązań przed spodziewanym na połowę listopada debiutem giełdowym Anthropic. Do rozmów dołączają SoftBank, MGX z Abu Zabi i inni dotychczasowi inwestorzy. OpenAI i SoftBank odmówiły Reuterowi komentarza; Anthropic i MGX nie odpowiedziały od razu.
Osoby zaznajomione z rozmowami mówią, że OpenAI przedstawia inwestorom roczny przychód na poziomie około 50 mld USD po premierze GPT-6 Astra, który do końca roku ma wzrosnąć do około 70 mld USD, oraz że obniżki cen tańszych modeli zwiększyły użycie. Reuters pisał wcześniej, że roczny przychód Anthropic wynosił w lipcu około 65 mld USD, a firma przekazała inwestorom, że przychód w trzecim kwartale sięgnął około 16,8 mld USD (vs ok. 11,6 mld USD w drugim kwartale). Obie firmy księgują przychody inaczej: OpenAI wykazuje je po odjęciu udziałów partnerów i zarzuciło Anthropic księgowanie pełnej wartości brutto kontraktów zawieranych przez kanały chmurowe; Anthropic odpowiada, że stosuje utrwalone praktyki księgowe. Ostatnia zamknięta runda OpenAI to około 122 mld USD zadeklarowanego kapitału w marcu przy wycenie 852 mld USD.
Analiza: To doniesienie o negocjacjach, a nie oficjalne ogłoszenie zamkniętego finansowania. Sedno historii to dwa czołowe laboratoria ścigające się o tę samą pulę inwestorów: jedno ustala prywatną wycenę, drugie zmierza ku ujawnieniom związanym z IPO. Kto pierwszy zabezpieczy kapitał, ten lepiej ustawi punkt odniesienia do porównań.
4. Dzień PyTorch Conference: TorchNeuron w publicznej becie jako natywny backend dla AWS Trainium
Data: 20 paź 2026 (open source / publiczna beta równolegle z PyTorch Conference North America)
Źródła: Oficjalny blog PyTorch
AWS i zespół PyTorch ogłosili TorchNeuron, natywny backend PyTorch dla układów AWS Trainium2 / Trainium3, który zostanie udostępniony jako open source na licencji Apache 2.0 (github.com/aws-neuron/torch-neuronx) i 20 października wchodzi w publiczną betę. Założenie jest takie, by Trainium rejestrować jako standardowe urządzenie: w większości przypadków wystarczy .to('neuron'), z obsługą trybu eager, torch.compile, treningu rozproszonego (w tym FSDP2, równoległości tensorowej i potokowej itd.) oraz własnych operatorów NKI. Blog przytacza opinie klientów, np. Deepgram twierdzi, że w jego testach Trainium przetwarzał około 60% więcej sekund audio na dolara niż dotychczasowa baza GPU. Cartesia, Hugging Face i inni są wymienieni wśród partnerów, którzy przekazali wczesne uwagi.
Analiza: To tu leży dziś najważniejsza wiadomość techniczna: nie nowe wagi LLM, tylko rozluźnienie uzależnienia od CUDA, dzięki któremu istniejące workflow w PyTorch mogą przenieść się na niestandardowy akcelerator. Dla kupujących moc do treningu i inferencji to historia o stosie programistycznym; dla NVIDIA to kolejny test zgodności ekosystemu.
Podsumowanie i ograniczenia
Sprawdzalne wątki AI z 20 października sprowadzają się do tego: Waszyngton usuwa DeepSeek z sektora cywilnego na podstawie prawa o bezpieczeństwie łańcucha dostaw; DeepSeek tego samego dnia otwiera swój produkcyjny silnik inferencji; OpenAI według doniesień ściga się z IPO Anthropic o kapitał; AWS i PyTorch wprowadzają TorchNeuron do publicznej bety.