Wspólny wątek dzisiejszych wiadomości obejmuje badania nad kryptoanalizą, generowanie multimodalne, model MoE z gęstą aktywacją na drodze ku otwartym wagom, ocenę agentów naukowych oraz konsumenckie finanse w trybie tylko do odczytu: Google DeepMind poinformował, że kierowani przez ludzi agenci AI znaleźli dwie poważne słabości starszego 1024-bitowego RSA, podkreślając, że współczesne klucze 2048-bitowe i dłuższe pozostają bezpieczne; Gemini Omni 1.2 Flash stał się ogólnie dostępny; Thinking Machines Lab wydało Inkling 2 Small wraz ze szczegółami pretrainingu i wspólnego RL; OpenAI i Ligo uruchomiły BioBasicsBench do rutynowych zadań w laboratorium mokrym; a Anthropic zaczął udostępniać Claude Personal Finance w płatnych planach w USA przez Plaid, podkreślając dostęp tylko do odczytu i brak wykorzystania danych do trenowania.

1. Google DeepMind: kierowani przez ludzi agenci AI wykrywają dwie słabości starszego 1024-bitowego RSA

6 listopada 2026 Google DeepMind, w ujęciu Pushmeeta Kohliego, wiceprezesa ds. nauki, ogłosił, że kierowani przez ludzi agenci AI wykryli dwie poważne słabości starszego 1024-bitowego RSA. Pracami kierowali Dj Dvijotham i Abhradeep Thakurta we współpracy z Nadią Heninger (UC San Diego i Inria) oraz Emmanuelem Thomé (Inria). DeepMind i powiązane doniesienia podkreślają, że współczesny RSA o długości 2048 bitów i więcej pozostaje bezpieczny, a eksperymenty z podpisami przeprowadzono w piaskownicy na już rozwiązanym teście 1024-bitowym, bez dotykania działających systemów.

W kwestii podpisów i dopełnienia DeepMind stwierdził, że gdy atakujący kontroluje mniej więcej połowę podpisywanego bloku lub więcej, dopełnienie praktycznie nie daje ochrony. W piaskownicy ulepszone podejście zużyło około 3,5× mniej czasu CPU i mniej niż jedną tysięczną mocy obliczeniowej potrzebnej do złamania samego klucza. Gdy atakujący kontroluje tylko krótki odcisk (na przykład 32 bajty), nowy algorytm jest według teoretycznych szacunków około 1600× lepszy od dotychczasowego najlepszego dla 1024-bitowego RSA. Osobno, w przypadku wsadowej faktoryzacji modułów o tej samej długości w bitach, DeepMind podał około 30× niższy średni koszt na każdy dodatkowy klucz 1024-bitowy w porównaniu z wcześniejszymi metodami wsadowymi.

Wniosek: Kryptoanaliza wspierana przez AI wyostrza ataki na starszy 1024-bitowy RSA przy podanych założeniach, a własne ujęcie DeepMind jasno wyznacza granicę praktyczną: nie twierdzi się, że wdrożenia 2048-bitowe i dłuższe zostały złamane, a testy podpisów nie dotykały działającej produkcji.

2. Google: Gemini Omni 1.2 Flash ogólnie dostępny, natywne wideo do 15 s, cena niższa o ok. 30%

Anish Nangia, product manager w Google DeepMind, ogłosił 5 listopada 2026, że Gemini Omni 1.2 Flash jest ogólnie dostępny (GA) w Gemini API oraz w Gemini dla firm / Google Cloud. Karta modelu ma tę samą datę publikacji. W porównaniu z limitem 10 sekund w Omni 1.1 wersja 1.2 Flash wydłuża natywne wideo do 15 sekund, a czas trwania można wybrać od 3 do 15 sekund co jedną sekundę; cena dla 720p spada o około 30% względem Omni 1.1, do $0.07 za sekundę.

Pod względem możliwości wpis podkreśla wieloturową edycję w rozmowie i lepsze trzymanie się obrazów referencyjnych, klipy ruchu do około trzech sekund oraz dźwięk. Workflows mogą generować szkice w 360p / 720p, a następnie skalować je w górę do 1080p / 4K, ze znakiem wodnym SynthID. Dostępna jest Provisioned Throughput. Model jest też stopniowo udostępniany w Flow, Google Vids, aplikacji Gemini (Ultra), Google Ads, AI Studio, Vertex AI, YouTube i Workspace.

Wniosek: Generowanie wideo przesuwa się od pytania „czy model potrafi wygenerować klip” do wycenianych progów czasu trwania, zgodności z referencjami i gwarancji przepustowości dla firm, a szkice w niższej rozdzielczości ze skalowaniem w górę trafiają do domyślnego workflow.

3. Thinking Machines Lab wydaje Inkling 2 Small: 594B / 17B aktywnych, wagi na licencji Apache 2.0 w planach

Thinking Machines Lab ogłosiło 5 listopada 2026 Inkling 2 Small: model typu mixture-of-experts (MoE) z około 594 miliardami parametrów łącznie i 17 miliardami aktywnych, obsługujący wejście w postaci obrazów i zmienny poziom wysiłku. Firma przytoczyła wynik 31 w Artificial Analysis Intelligence Index (we wpisie jest 31, a tabela podaje AA Index v5.0 na poziomie 30,6). Model startuje najpierw na Tinker z zamkniętymi wagami; ogłoszenie mówi, że pełne wagi mają trafić na licencję Apache 2.0 w przyszłym tygodniu, po zewnętrznych testach bezpieczeństwa i red teamingu.

Ujawnione szczegóły treningu obejmują: pretraining H1 na około 8,4 biliona tokenów w około 68 godzin na NVIDIA GB300 NVL72 z natywnym NVFP4; H2 na około 3,8 biliona tokenów przy kontekście do 512K; następnie wspólne RL przez 1075 kroków i ponad 17 milionów rolloutów w około dziewięć dni na 2048 GPU. Laboratorium pokazało dema kodowania agentowego, wizji i pracy z wiedzą oraz przytoczyło wynik DesignArena Website równy 1340 w swoim zrzucie.

Wniosek: Ścieżka MoE „mała aktywacja, duży rozmiar łączny” łączy przepustowość pretrainingu, skalę wspólnego RL i rytm „najpierw zamknięte, potem otwarte wagi” w jedną narrację premiery.

4. OpenAI uruchamia BioBasicsBench: pomiar tego, jak agenci AI radzą sobie z rutynową nauką w laboratorium mokrym

OpenAI opublikowało 6 listopada 2026 wprowadzenie do BioBasicsBench, stworzonego wspólnie z firmą Ligo, zajmującą się projektowaniem enzymów. Benchmark obejmuje 100 rutynowych zadań laboratoryjnych w pięciu obszarach: metody białkowe, obrazowanie / cytometria, ilościowe oznaczenia i testy, metody pracy z kwasami nukleinowymi oraz klonowanie molekularne. Dane wejściowe to m.in. surowe żele, płytki, mikroskopia i eksporty z aparatury. Ocena objęła siedem modeli, 37 konfiguracji i pięć prób na zadanie, co dało około 18 500 wyników.

Przy rozumowaniu na poziomie xhigh GPT-6 Astra uzyskał średnią nagrodę 66,7% (95% CI 60,3%–73,1%), GPT-6.1 Sol 62,0%, a GPT-5.6 Sol 43,8%. Firma podkreśla, że wyższe wyniki nie oznaczają jeszcze wiarygodnej oceny laboratoryjnej. Wśród przykładów jest wychwycenie przez Astra błędnego antybiotyku na etykiecie przy krawędzi płytki kontrolnej oraz utrzymujące się rodzaje błędów, takie jak założenia nadpisujące kontrole i, w jednym przypadku, błędne liczenie kolonii z około 12% przeszacowaniem.

Wniosek: Dostawcy zamieniają „czytanie surowych artefaktów eksperymentu” w powtarzalny benchmark dla laboratorium mokrego, a przedziały ufności i przypadki porażek służą do ostudzenia założenia, że wysoki wynik oznacza wiarygodność.

5. Anthropic: rusza beta Claude Personal Finance, konta połączone tylko do odczytu przez Plaid

Anthropic zaczął w tym tygodniu udostępniać betę Personal Finance użytkownikom Pro, Max i Ultra w USA; Plaid potwierdził partnerstwo we wpisie z 5 listopada 2026, a o premierze pisały m.in. TechCrunch i inne media. Użytkownicy mogą łączyć banki i karty przez Plaid. Funkcja działa tylko do odczytu: nie może przenosić pieniędzy, zarządzać nimi ani inwestować, nie zawiera reklam ani produktów sponsorowanych. Połączone konta mogą udostępniać transakcje z okresu do około dwóch lat; rozmowy w hubie Personal Finance nie służą do trenowania; użytkownicy uwierzytelniają się w swoim banku przez Plaid, więc Claude nie widzi haseł bankowych; odłączenie jest możliwe w każdej chwili. Anthropic zaznacza, że funkcja nie jest poradą inwestycyjną.

Wniosek: Asystenci dla konsumentów wchodzą w analizę finansów na poziomie kont, ale z granicami: tylko odczyt, brak trenowania, brak doradztwa i odłączenie w dowolnej chwili. Łączność prowadzi przez infrastrukturę płatniczą, zamiast budować połączenia z bankami we własnym zakresie.

---

Podsumowanie w jednym zdaniu: DeepMind zgłasza postępy wspierane przez AI przeciwko starszemu RSA-1024, potwierdzając jednocześnie bezpieczeństwo współczesnych kluczy 2048-bitowych i dłuższych; Google udostępnia ogólnie Gemini Omni 1.2 Flash z dłuższym natywnym wideo i niższą ceną jednostkową; Thinking Machines wytycza ścieżkę MoE z „Apache 2.0 w przyszłym tygodniu” w Inkling 2 Small; OpenAI kwantyfikuje skuteczność agentów w laboratorium mokrym w BioBasicsBench, ostrzegając, że wysokie wyniki nie oznaczają wiarygodnej oceny; a Anthropic wprowadza Personal Finance tylko do odczytu dla płacących użytkowników w USA przez Plaid.