Wspólny wątek dzisiejszych wiadomości to rozbudowa mocy obliczeniowych zderzająca się z polityką sieci energetycznej, przejrzystość finansowa przed IPO oraz przejście od modeli, które „dobrze rozmawiają”, do systemów, które „załatwiają sprawy”: OpenAI uruchamia ogólnokrajowy Grid Protectors Program i testuje w kampusie w Effingham w stanie Georgia elastyczne ograniczanie poboru mocy do ok. 1000 megawatów; zmieniony S-1 Anthropic uzupełnia wyniki za trzeci kwartał i podaje prawie $900 mld zobowiązań na moc obliczeniową; OpenAI publikuje LifeVal do oceny codziennych zadań; a Trajectory zamyka serię A na $45 mln, stawiając na ciągły post-training dla ekspertów dziedzinowych.

1. OpenAI uruchamia Grid Protectors Program; pilotaż w Effingham może ograniczyć pobór nawet o ok. 1000 MW

OpenAI opublikowało 2 listopada 2026 r. wpis na blogu, w którym oficjalnie uruchamia Grid Protectors Program. Firma zapowiada współpracę z dostawcami energii, regulatorami i decydentami, aby przyszłe kampusy obliczeniowe mogły obniżać pobór prądu, gdy sieć jest pod presją, i podkreśla, że gospodarstwa domowe i małe firmy nie powinny dopłacać do kosztów energii kampusów obliczeniowych. Według firmy moc centrów danych w USA ma do 2030 roku przekroczyć 100 gigawatów, a „elastyczne obciążenie” ma zostać wpisane do podstawowych założeń budowy i eksploatacji kolejnych kampusów; to, ile da się ograniczyć, jak szybko i na jak długo, będzie zależeć od lokalizacji, a szczegóły pojawią się wraz z finalizowaniem umów. W zależności od lokalnych potrzeb i sprzętu do łagodzenia zmian obciążenia mogą też służyć własne źródła wytwórcze lub magazyny energii, baterie i systemy sterowania poborem mocy.

Pilotaż ruszy w planowanym kampusie w hrabstwie Effingham w stanie Georgia. OpenAI zapewnia, że zobowiązało się pokryć pełne koszty infrastruktury i usług energetycznych potrzebnych do obsługi projektu; umowa z Georgia Power obejmuje do ok. 1000 megawatów elastycznego ograniczania poboru, co według firmy w scenariuszach ekstremalnych upałów mogłoby uwolnić ilość energii odpowiadającą średniemu zużyciu około 700 000 domów. The Verge (Emma Roth, 2 listopada) i Axios (Ben Geman) zauważyły, że ten ruch pojawia się w momencie, gdy w wielu częściach Stanów Zjednoczonych rośnie sprzeciw wobec poboru energii przez centra danych i ich wpływu na lokalne społeczności; OpenAI przesuwa też swoją narrację z tradycyjnych „centrów danych” na „AI compute campuses”. Axios zacytował Johna McCarricka, szefa polityki energetycznej OpenAI, który powiedział, że branża mniej upiera się, by centra danych musiały utrzymywać dostępność „pięciu dziewiątek”. OpenAI podkreśliło też, że elastyczność nie zastąpi inwestycji w nowe moce wytwórcze i przesył.

Wniosek: Potraktowanie obciążenia możliwego do ograniczenia jako programu ogólnokrajowego, powiązanego z lokalną umową z dostawcą energii, pokazuje, że konflikt wokół centrów danych wyszedł poza zagospodarowanie terenu i hałas, a dotyczy już cen prądu, mocy szczytowej i akceptacji politycznej.

Źródła: OpenAI; The Verge; Axios

2. Anthropic zmienia S-1: ok. $17 mld przychodów w Q3, około $895.4 mld zobowiązań na moc obliczeniową

Według CNBC (Ashley Capoot, 2 listopada, czas wschodni USA) i The Verge (Jess Weatherbed) Anthropic złożyło w amerykańskiej Komisji Papierów Wartościowych i Giełd (SEC) zmieniony formularz S-1, uzupełniający dane finansowe za trzeci kwartał do 30 września 2026 r. Jak podają media, przychody firmy z pierwszych dziewięciu miesięcy wyniosły ok. $33.24 mld, czyli około 1200% więcej rok do roku; strata netto w tym samym okresie wyniosła ok. $104 mld, głównie z powodu księgowych zmian wartości godziwej obligacji zamiennych, zobowiązań pochodnych i umów SAFE. W ujęciu kwartalnym przychody z trzeciego kwartału wyniosły ok. $17 mld, czyli około 1127% więcej rok do roku i około 47% więcej kwartał do kwartału (wzrost zwolnił z około 144% w Q2 i 132% w Q1); strata netto za trzeci kwartał wyniosła ok. $23.29 mld.

Zmiana ujawniła zobowiązania zakupowe i umowy najmu o łącznej wartości ok. $895.4 mld zobowiązanych wydatków, „prawie wszystkie” związane z mocą obliczeniową i infrastrukturą. CNBC napisała, że Anthropic pozyskuje znaczną moc obliczeniową od Amazon, Google i SpaceX, a także korzysta z niektórych neoclouds; obawy rynku o koszty finansowania centrów danych i terminowość dostaw mocy wchodzą w okno przed roadshow razem z tym zgłoszeniem. Zmiana złożona do SEC pokazuje też przychody za dziewięć miesięcy do 30 września w wysokości $33.242 mld i powtarza, że Claude jest szybko wdrażany w przedsiębiorstwach od komercjalizacji w pierwszym kwartale 2023 r.

Wniosek: Umieszczenie skali przychodów w jednej ramie z niemal bilionowymi zobowiązaniami na moc obliczeniową oddaje zarówno historię wzrostu, jak i ryzyko związane z mocami i finansowaniem w ręce wyceny rynków publicznych.

Źródła: CNBC; The Verge; SEC S-1/A

3. OpenAI publikuje LifeVal: pomiar postępów asystenta osobistego w codziennych zadaniach

OpenAI opublikowało LifeVal 2 listopada, deklarując, że celem jest mierzenie postępów modeli w „zadaniach, które naprawdę mają znaczenie w codziennym życiu”, zamiast poprzestawania na benchmarkach wiedzy czy akademickich. We wpisie wymieniono m.in. wychowywanie dzieci, załatwianie spraw w urzędach, planowanie budżetu, przygotowania do szkoły, dostosowywanie przepisów kulinarnych, zamawianie zakupów spożywczych i układanie planów treningowych, a także podkreślono, że naprawdę przydatny asystent osobisty musi działać i doprowadzać sprawy do końca, a nie tylko dawać rady czy odpowiadać na czacie.

Jeśli chodzi o dobór zadań, OpenAI podało, że oparło się na American Time Use Survey i Multinational Time Use Study oraz dodało ankietę wśród 3995 respondentów, opisanych jako demograficznie reprezentatywni, by ustalić, w czym ludzie najbardziej chcą pomocy asystenta osobistego; zakres obejmuje opiekę nad bliskimi, zdrowie, edukację, sprawy domowe, finanse osobiste, zakupy i usługi publiczne. Strona podaje przykładowe wyniki workflow, takie jak ok. 93,1% za wybór szkoły i zapisanie do niej po przeprowadzce, ok. 98,0% za zorganizowanie wolontariuszy przed powodzią, ok. 100% za znalezienie domu i załatwienie dla rodziny formalności związanych z tytułem własności, ok. 96,3% za zdalne oglądanie meczu z dziadkami oraz ok. 90,4% za przygotowanie planu posiłków dla rodzica z nowo rozpoznaną cukrzycą; tabela pokazuje też „najlepsze zarejestrowane wyniki” GPT-6 Astra w wybranych zadaniach, w tym pozycje ze 100% dla zapisania małego dziecka na zajęcia sensoryczne, umówienia przeglądu samochodu i zamówienia zakupów z żywnością halal. OpenAI podało, że przez ostatni rok trenowało modele w zadaniach związanych z korzystaniem z przeglądarki, komputera i konektorów, aby przesunąć ChatGPT od narzędzia do rozmowy w stronę asystenta osobistego zdolnego do działania, ale strona nie udostępnia w pełni odtwarzalnego publicznego zestawu zadań ani kryteriów oceny do niezależnego pobrania.

Wniosek: Firma przesuwa narrację o ocenie modeli z wyścigu w rankingach w stronę „załatwiania spraw”, ale projekt zadań i publikację wyników nadal zatrzymuje w laboratorium, więc możliwość zewnętrznej weryfikacji pozostaje ograniczona.

Źródła: OpenAI

4. Trajectory zamyka serię A na $45 mln przy wycenie ok. $300 mln

Według TechCrunch (Marina Temkin, ok. 15:13 czasu pacyficznego 2 listopada 2026 r.) mający około roku startup Trajectory ogłosił serię A w wysokości $45 mln przy wycenie ok. $300 mln; rundzie przewodziła Sequoia, a uczestniczyli w niej Nvidia, Bessemer Venture Partners i Bain Capital Ventures. Firmę założyło trzech kolegów ze studiów na Stanfordzie, z doświadczeniem m.in. w Google DeepMind i Apple; obecnie zatrudnia ok. 18 osób, a wśród współzałożycieli są Ronak Malde, Michael Elabd i Arjun Karanam.

Teza produktowa to ciągłe uczenie się i automatyzacja post-trainingu: firmy mogą zacząć od modeli open source, podłączyć platformę do własnych aplikacji, by zbierać informacje zwrotne o skuteczności, a następnie ponownie trenować modele, aby stale poprawiały się w wyspecjalizowanej pracy, takiej jak prawo czy finanse, co zmniejsza zależność od własnych zespołów badawczych lub kosztownych „forward deployed engineers” (FDE). Jak podają media, Harvey i Rogo używały platformy do post-trainingu modeli open source; wśród innych klientów są Decagon, Mercor i Nvidia; firma otwiera platformę do post-trainingu dla wszystkich. Współzałożyciele podkreślają, że to ludzie określają, „jak wygląda dobry wynik”, i wpisują to w pętlę ulepszania, co ich zdaniem jest łatwiejsze do kontrolowania niż w pełni autonomiczne rekurencyjne samodoskonalenie (RSI). Na mapie konkurencji media wymieniły m.in. Thinking Machines Lab (Tinker), Applied Compute i Prime Intellect.

Wniosek: Runda stawia na interfejs post-trainingu, którym mogą operować eksperci dziedzinowi, i zamienia ciągłe doskonalenie z procesu badawczego w produkt, wiążąc je bezpośrednio z kosztem dostarczania wertykalnych aplikacji AI.

Źródła: TechCrunch

---

Podsumowanie w jednym zdaniu: OpenAI odpowiada na spory o zasilanie kampusów obliczeniowych programem Grid Protectors, zmieniony S-1 Anthropic pokazuje ok. $17 mld przychodów kwartalnie i prawie $900 mld zobowiązań na moc obliczeniową, LifeVal przesuwa ocenę w stronę wykonywania codziennych zadań, a Trajectory pozyskuje $45 mln w serii A na ciągły post-training.