Wspólny wątek dzisiejszych wiadomości to kapitał i infrastruktura: DeepSeek podobno zamknął rundę na około 15 miliardów dolarów, a OpenAI negocjuje rundę do 30 miliardów dolarów przed potencjalnym IPO. Po stronie produktów Google zaprezentował Agent Compute Engine dla agentów, Microsoft opublikował w Science swój orkiestrator diagnostyczny MAI-DxO, a iFLYTEK na festiwalu Global 1024 Developer Festival uruchomił Spark X2.6, trenowany w całości na krajowej mocy obliczeniowej.

1. DeepSeek podobno zbiera około 15 miliardów dolarów

Według Bloomberga, TechCrunch i Reutersa chińskie laboratorium AI DeepSeek zebrało około 15 miliardów dolarów (mniej więcej 100 miliardów juanów). Wzięło w tym udział ponad 15 inwestorów, w tym CATL, Tencent, Meituan, Geely, GigaDevice, Midea i NetEase, a także Boyu, CPE, Legend Capital i IDG; CATL i Tencent należały do największych udziałowców rundy. Runda pojawia się około dwóch dni po tym, jak USA nakazały federalnym agencjom cywilnym usunięcie technologii DeepSeek. W czerwcu firma zebrała ponad 7 miliardów dolarów przy wycenie około 50 miliardów dolarów; nowy kapitał pomoże rozbudować infrastrukturę i otwarte modele, a wcześniej mówiono o możliwym IPO w Chinach.

Dlaczego to ważne: Wśród zaostrzającej się geopolityki i globalnego wyścigu o czołowe modele DeepSeek znów wykorzystuje megarundę, by zabezpieczyć moc obliczeniową i inwestycje w modele.

Źródła: TechCrunch; Bloomberg; Reuters via KSL

2. OpenAI pracuje nad rundą do 30 mld USD przy wycenie pre-money 1,25 bln USD

CNBC i TechCrunch informują, że OpenAI pracuje nad rundą finansowania do 30 miliardów dolarów przy wycenie pre-money 1,25 biliona dolarów, prowadzoną przez inwestorów ze Zjednoczonych Emiratów Arabskich i Coatue. Runda jest przedstawiana jako pomost przed potencjalnym IPO, z celem podpisania umów do końca przyszłego tygodnia; jej wielkość wciąż się zmienia i może zostać połączona z umową na moce obliczeniowe w ZEA. OpenAI złożyło w czerwcu poufny wniosek o IPO, a jego dyrektor finansowy mówił, że firma zamierza wejść na giełdę w 2027 roku. Marcowa wycena post-money wynosiła około 852 miliardów dolarów; wcześniejsze doniesienia Bloomberga wskazywały warunki w okolicach 1,4 biliona dolarów. Dla porównania: Anthropic szuka wyceny IPO na poziomie 1,5–2 bilionów dolarów, a w maju zebrał 65 miliardów dolarów przy wycenie 965 miliardów dolarów.

Dlaczego to ważne: Wielkość rund czołowych laboratoriów stale rośnie, a spory o wycenę przed IPO coraz mocniej wiążą się z umowami na moc obliczeniową.

Źródła: CNBC; TechCrunch

3. Google uruchamia Agent Compute Engine i rozszerza zarządzanie agentami

Na AGNTCon+MCPCon Google Cloud ogłosił Agent Compute Engine: moc obliczeniową zaprojektowaną specjalnie dla agentów, która już zasila zadania agentów Gemini, z podglądem planowanym w ciągu najbliższych kilku miesięcy. Każdy agent działa w izolowanej sprzętowo mikromaszynie wirtualnej (microVM, Cloud Hypervisor + Titanium), z szybkim startem, współdzieleniem pamięci metodą copy-on-write oraz wstrzymywaniem i wznawianiem w czasie bezczynności; stan może być przechowywany na Hyperdisk. Otwarty Agent Substrate na GKE deklaruje nawet 10-krotnie większą gęstość i wstrzymywanie/wznawianie poniżej 500 ms w teście z około 200 000 agentów. Google rozszerza też zarządzanie agentami w środowiskach uruchomieniowych Cloud: Gateway, Registry, Identity i obserwowalność.

Dlaczego to ważne: Agenty przechodzą od etapu „da się uruchomić” do „da się uruchomić na dużą skalę pod kontrolą”, a moc obliczeniowa i mechanizmy kontroli są dostarczane razem.

Źródło: Google Cloud Blog

4. MAI-DxO od Microsoftu w Science: orkiestracja wieloetapowej diagnostyki

Badanie nad AI Diagnostic Orchestrator (MAI-DxO) od Microsoftu i Sequential Diagnosis Benchmark (SDBench) zostało opublikowane w Science 22 października. Zaczynając od krótkiego opisu przypadku, system symuluje zespół lekarzy, który iteracyjnie zadaje pytania i zleca badania. W złożonych przypadkach z NEJM osiągnął około 83% trafności wobec około 36% u lekarzy z dostępem do materiałów i około 22% bez nich; w przypadkach ratunkowych z MIMIC-IV-ED osiągnął około 80% wobec około 47%. W układach z ograniczonym budżetem potrafi też znacząco obniżyć koszty diagnostyki. Autorzy podkreślają, że to kontrolowany benchmark wyłącznie tekstowy, a nie dowód przewagi nad specjalistami ani odzwierciedlenie realnej praktyki; planują udostępnić części SDBench jako open source i przeprowadzić ocenę w warunkach rzeczywistych z Beth Israel Deaconess.

Dlaczego to ważne: Medyczne AI przechodzi od pojedynczych odpowiedzi do wieloetapowej orkiestracji diagnostyki, ale weryfikacja w realnych warunkach pozostaje niezbędna.

Źródła: Microsoft AI; Science

5. iFLYTEK uruchamia Spark X2.6: model brzegowo-chmurowy na krajowej mocy obliczeniowej

Na festiwalu 2026 Global 1024 Developer Festival iFLYTEK wydał Spark X2.6, duży model brzegowo-chmurowy trenowany w całości na krajowej mocy obliczeniowej, z lepszymi możliwościami w kodowaniu, agentach i złożonych zadaniach. Firma podaje około 4-krotnie wyższą wydajność treningu na długim kontekście i około 4,5-krotnie wyższą wydajność rozumowania w długim horyzoncie; dostępny jest też lekki model na urządzenia Spark X2.6-4B, z deklarowaną trafnością routingu brzeg–chmura na poziomie 96,1%, a także aplikacje, takie jak cyfrowi pracownicy WinWork.

Dlaczego to ważne: Modele brzegowo-chmurowe na krajowych stosach obliczeniowych coraz częściej trafiają do produktów, z naciskiem na kodowanie, agenty i zadania o długim horyzoncie.

Źródła: 21st Century Business Herald; Sina Finance; Phoenix Finance

---

W skrócie: Czołowe laboratoria z USA i Chin wciąż wymieniają megarundy na moc obliczeniową i zapas gotówki, a infrastruktura dla agentów i orkiestracja diagnostyki medycznej zmierzają ku skalowalnym, weryfikowalnym kolejnym krokom.