Dzisiejsza oś przebiega od nowych modeli technicznych laboratorium modelowego, przez rozszerzenie przez dostawcę chmury rodziny akceleratorów ósmej generacji, po bazowy model robotyczny ukierunkowany na zręczną pracę, lekki model zbudowany do wykonywania zadań przez agentów oraz zmianę sposobu, w jaki przedsiębiorstwa mogą kupować oprogramowanie: Anthropic 9 listopada wydało Claude Fable 5.2 i Claude Mythos 5.2, ten sam model bazowy, z ulepszeniami w kodowaniu, rozumowaniu i widzeniu, wynikami do około 30 procent szybszymi niż w wersji 5.1 i niższą ceną niż w poprzedniej generacji. Google tego samego dnia, we wpisie Amina Vahdata, przedstawiło TPU 8tx i TPU 8i Max, rozszerzając linię TPU ósmej generacji do czterech systemów w ciągu jednego roku. NVIDIA na Conference on Robot Learning (CoRL) zaprezentowała GR00T 2, otwarty graniczny model działania w świecie oparty na Cosmos, i omówiła narzędzia do symulacji i ewaluacji, w tym Isaac Lab 3.0. Meta wprowadziła Muse Ember, najmniejszy i najbardziej wydajny model Muse, do wywołań narzędzi, podzadań kodowania, routingu, ekstrakcji i analizy długich dokumentów. OpenAI umieściło ChatGPT Enterprise w AWS Marketplace, umożliwiając organizacjom zakup produktu i zarządzanie nim w ramach istniejącej relacji zakupowej i rozliczeniowej z AWS.

1. Anthropic wydaje Claude Fable 5.2 i Claude Mythos 5.2

9 listopada 2026 r. Anthropic wydało Claude Fable 5.2 i Claude Mythos 5.2, opisując modele jako zaprojektowane do stawiania czoła najtrudniejszym wyzwaniom technicznym. Spółka napisała, że jest to ten sam model bazowy: Fable ma silne zabezpieczenia z zakresu cyberbezpieczeństwa i biologii, co pozwala Anthropic udostępnić go wszystkim użytkownikom; organizacje prowadzące pożyteczne zastosowania w cyberbezpieczeństwie lub badaniach biomedycznych mogą ubiegać się o Mythos w niedawno rozszerzonych programach Life Sciences i Cyber Verification.

Anthropic podało, że Fable 5.2 i Mythos 5.2 wykazują poprawę w takich obszarach jak kodowanie, rozumowanie i widzenie, generują wyniki do około 30 procent szybciej niż Claude Fable 5.1 i Claude Mythos 5.1 i są dostępne w niższej cenie: 8 dolarów za milion tokenów wejściowych i 40 dolarów za milion tokenów wyjściowych. Opcjonalny tryb szybki przyspiesza generowanie tokenów nawet około 2,5 raza i kosztuje 16 dolarów za milion tokenów wejściowych oraz 80 dolarów za milion tokenów wyjściowych.

W testach przedpremierowych Anthropic przytoczyło przykłady przedstawione jako ilustracje możliwości modeli: inżynierowie użyli ich do dokończenia migracji oprogramowania, które w innym wypadku byłyby niewykonalne; modele od podstaw zaprojektowały trzy działające urządzenia elektroniczne; rozwiązały dwa otwarte problemy w fizyce czarnych dziur; poczyniły istotny postęp w ewaluacjach robotycznych; a zespół około 1000 agentów Fable 5.2 sformalizował dowód wielkiego twierdzenia Fermata w 30 godzin przy minimalnej interwencji człowieka. W tym samym układzie Opus 5.5 ukończył około 26 procent formalizacji po 18 godzinach.

Wyniki testów porównawczych podane przez Anthropic – z włączonymi zabezpieczeniami, o ile nie zaznaczono inaczej – obejmują FrontierCode 2.0 przy wysiłku Xhigh na poziomie 49,1 procent, co spółka określiła jako najwyższy wynik spośród wydanych modeli, które testowała; FrontierSWE v2 – 69,9 procent; AutomationBench – 51,4 procent; Terminal-Bench-Science 0.1 – 74,6 procent dla Fable i 75,3 procent dla Mythos; CyScenarioBench – 76,3 procent dla Mythos; CVE Rediscovery – 89,6 procent dla Mythos; OSWorld 2.1 (częściowo) – 89,3 procent; RoboDojo Sim – 64,9 procent; Humanity’s Last Exam z narzędziami – 74,2 procent; oraz Remote Labor Index przy wysiłku High – 41,3 procent.

Anthropic zaleciło, by użytkownicy zaczynali od Claude Opus 5.5, najsilniejszego codziennego konia pociągowego, przy większości prac związanych z kodowaniem i wiedzą, a następnie przechodzili wyżej do Fable lub Mythos – albo w dół do Claude Sonnet 5.5 lub Claude Haiku 5.5 – w zależności od zakresu i złożoności zadania. Fable 5.2 może także pełnić rolę Advisor, w której mniejsze modele konsultują z nim trudniejsze problemy, albo Orchestrator, w której deleguje prostsze zadania mniejszym modelom.

W kwestii bezpieczeństwa spółka podała, że wprowadziła najsilniejsze jak dotąd zabezpieczenia przed atakami destylacyjnymi, a dane zbierane przez destylatorów ograniczono o 90 do 99 procent; zachowane myślenie dotyczy teraz wszystkich kont. Podczas treningu Anthropic podjęło kroki, by ograniczyć postępy w zdolnościach badawczych, które najbezpośredniej mogłyby przyspieszyć rozwój sztucznej inteligencji – w tym optymalizację jąder akceleratorów i ulepszenia architektur dużych modeli językowych – do około poziomu Opus 5.5, pozostawiając nietknięte powiązane zdolności, takie jak agentowe kodowanie, rozwój sprzętu i badania nad interpretowalnością. Enterprise Frontier Safeguards jest już w prywatnej wersji beta u klientów obejmujących m.in. Bridgewater, Salesforce i Stripe.

Claude Fable 5.2 jest dziś dostępny na platformach obejmujących m.in. Amazon Web Services, Google Cloud i Microsoft Azure, pod identyfikatorem modelu claude-fable-5-2. Mythos jest dostępny w ramach programów weryfikacyjnych; klienci Claude Enterprise mogą także korzystać z Claude Security, napędzanego obecnie częściowo przez Mythos 5.2.

W skrócie: Anthropic podzieliło jeden model bazowy na Fable do użytku ogólnego i Mythos dla zweryfikowanych organizacji, łącząc niższą cenę i szybsze wyniki z najtrudniejszą pracą techniczną – jednocześnie utrzymując zdolności, które najpewniej przyspieszyłyby rozwój samej sztucznej inteligencji, na około poziomie Opus 5.5 i nadal polecając Opus 5.5 jako codzienny punkt wyjścia.

2. Google przedstawia TPU 8tx i TPU 8i Max, rozszerzając linię ósmej generacji do czterech systemów w ciągu roku

9 listopada 2026 r. Amin Vahdat, starszy wiceprezes Google i główny technolog ds. sztucznej inteligencji i infrastruktury, napisał, że spółka wprowadza TPU 8tx i TPU 8i Max, rozszerzając portfolio TPU ósmej generacji do czterech systemów w ciągu jednego roku: 8t do treningu na dużą skalę, 8i do rozumowania w czasie rzeczywistym, nowy 8tx do poufnej i bezpiecznej inferencji oraz treningu w małej skali, a 8i Max do ogromnych okien kontekstu i tego, co Google nazwało najwyższą gęstością obliczeniową na szafę. Vahdat napisał, że TPU mają już niemal 100 klientów zewnętrznych, w tym laboratoria graniczne, firmy handlowe, detalistów i uniwersytety. The Verge tego samego dnia opisał, jak pozycjonowane są dwa nowe systemy. We wpisie na blogu wspomniano także o transmisji o godz. 9 czasu pacyficznego tego dnia.

O TPU 8tx Google podało, że system wbudowuje poufne przetwarzanie w warstwę sprzętową, dzięki czemu wrażliwe dane i wagi modelu pozostają chronione i odizolowane nawet w trakcie użycia. Jest zbudowany na tym samym krzemie co 8t i połączony z hostami AMD EPYC 5. generacji, a także przyjmuje sieć Boardfly stworzoną do rozumowania w czasie rzeczywistym, dając nawet około dwukrotnie niższe opóźnienie niż 8t przy niemal zerowej karze wydajnościowej. Spółka podała, że organizacje mogą dostrajać modele na danych prywatnych, destylować większe modele do mniejszych i trenować agentów uczeniem ze wzmocnieniem na jednym systemie, bez przenoszenia wrażliwych danych między osobnymi klastrami.

O TPU 8i Max Google podało, że połączyło dwa układy TPU 8i o niskim opóźnieniu w jednej obudowie, zapewniając dwukrotnie większą moc obliczeniową, dwukrotnie więcej SRAM i dwukrotnie większą przepustowość pamięci o dużej przepustowości (HBM) niż TPU 8i, dzięki czemu centra danych mogą wdrażać więcej mocy obliczeniowej na stopę kwadratową i na wat oraz zapobiegać temu, by duże okna kontekstu zatrzymywały się na murze pamięci.

W warstwie oprogramowania Google podało, że udostępniło na zasadach open source TorchTPU, aby kod PyTorch i modele z Hugging Face działały natywnie na TPU; pakiet agentów TPU jest w podglądzie; wprowadzono XLA Serving Engine i Agent Compute Engine; a TPU Sync, opisany jako warstwa stanu modelu dla klastrów TPU, jest udostępniany na zasadach open source. Cloud Pathways jest już ogólnie dostępny w Google Kubernetes Engine, podobnie jak GKE dynamic slicing.

W skrócie: Zamiast czekać na następną generację krzemu Google wyodrębniło dwa nowe systemy z tych samych układów ósmej generacji – jeden, owijając poufne przetwarzanie wokół inferencji i treningu w małej skali, drugi, pakując dwa układy razem, by gonić za długim kontekstem i gęstością szafy.

3. NVIDIA prezentuje na CoRL model GR00T 2, otwarty model działania w świecie oparty na Cosmos

9 listopada 2026 r. NVIDIA wprowadziła GR00T 2 na Conference on Robot Learning (CoRL) w Austin w Teksasie. Blog spółki opisał go jako otwarty graniczny model działania w świecie oparty na NVIDIA Cosmos, przewidujący przyszły obraz wideo i działania robota razem. Strona badawcza podała, że model trenowano na zróżnicowanych danych robotycznych i ludzkich; mieszanka wstępnego treningu obejmuje 402 730 godzin egocentrycznego wideo ludzkiego, 10 184 godziny demonstracji z ręcznym chwytakiem w 2897 zadaniach oraz 23 500 godzin teleoperacji robota, z czego 100 000 godzin otwartych egocentrycznych danych ludzkich wydano jako Human-1M-100K.

Wskaźniki przytoczone przez NVIDIA obejmują wykonanie 40 z 50 ocenianych zadań przynajmniej raz bez demonstracji właściwych dla zadania oraz średnią skuteczność 71 procent przy jednej demonstracji na zadanie, rosnącą do 95 procent przy pięciu. Strona badawcza podała także 40 procent średniego sukcesu w układzie zero-shot i stwierdziła, że agenci mogą korzystać z interfejsu programistycznego, by uruchamiać umiejętności sekwencyjnie i wychodzić z błędów. Wokół wskaźnika 95 procent relacje powołujące się na materiały badawcze NVIDIA podały, że oceniane zadania wybrano spośród takich, których model mógł się nauczyć w pięciu epizodach przy skuteczności co najmniej 80 procent, dlatego tę średnią należy odczytywać łącznie z tym filtrem.

Partnerzy testujący model to m.in. Nexuni przy robotycznej obsłudze prania, Foxconn przy automatyzacji fabryk w produkcji serwerów oraz Siemens w zastosowaniach przemysłowych.

NVIDIA wydała także Isaac Lab 3.0 z zapleczem Newton, co pozwala ramom symulacyjnym modelować obiekty odkształcalne i inną bardziej złożoną fizykę. Spółka podała, że Isaac Lab 3.0 z Newton w teście zręcznej manipulacji opartej na widzeniu osiągnął nawet około 2,5 raza większą przepustowość treningu niż Isaac Lab 2.3 z PhysX. AlphaNIST używa jednej polityki do nauki wszystkich 20 zadań na płycie NIST Assembly Task Board, osiągając ponad 98 procent sukcesu treningowego wobec około 81 procent dla osobnych polityk na zadanie i zużywając mniej więcej 39 razy mniej czasu GPU. Spółka wprowadziła także przemysłowe testy porównawcze, w tym DexBench i VABAR, oraz Graph-as-Policy (GaP), agentowe ramy robotyczne opracowane wraz z UC Berkeley.

W skrócie: NVIDIA umieściła „widzenie tego, co nastąpi dalej” i „decyzję, jak się poruszyć” w jednym otwartym modelu i wykorzystała duże ilości pierwszoosobowego wideo ludzkiego, by wypełnić luki w demonstracjach robotycznych – jednocześnie podając wysokie wskaźniki sukcesu przy małej liczbie prób, opatrzone przypisem o tym, jak wybrano oceniane zadania.

4. Meta wprowadza Muse Ember, lekki model do wykonywania zadań przez agentów

9 listopada 2026 r. Meta wprowadziła Muse Ember, opisując go jako najmniejszy i najbardziej wydajny model Muse, zaprojektowany do wykonywania złożonego rozumowania i pracy, którą agenci powtarzają przez cały dzień: wywołań narzędzi, podzadań kodowania, routingu, ekstrakcji i analizy długich dokumentów. Spółka stwierdziła, że Muse Ember daje więcej inteligencji na dolara niż Claude Haiku 5.5 lub GPT-6 Luna przy dowolnym ustawieniu rozumowania i że znajduje się na granicy efektywności rankingu Artificial Analysis. TechCrunch relacjonował premierę tego samego dnia, zauważając, że Ember jest zaprojektowany do współpracy z większym Muse Wonder wewnątrz agentowego szkieletu.

Dla monitów do 200 tys. tokenów cena wynosi 0,10 dolara za milion tokenów wejściowych, 0,004 dolara za milion buforowanych tokenów wejściowych i 0,50 dolara za milion tokenów wyjściowych; dłuższe monity kosztują odpowiednio 0,30, 0,012 i 1,50 dolara. Model ma okno kontekstu o wielkości 1 miliona tokenów i może wygenerować do 512 tys. tokenów wyjściowych, z natywną obsługą tekstu, obrazów, dźwięku i wideo. Jest dostępny jako muse-ember-1.0 w Muse Code i Meta Model API, a także w Google Cloud i Oracle Cloud.

Najważniejsze wyniki ewaluacji przytoczone przez Metę przy maksymalnym wysiłku rozumowania obejmują AutomationBench-AA na poziomie 37,8 wobec 13,9 dla Haiku i 20,2 dla Luna; Agents’ Last Exam – 61,6; Terminal-Bench 4.0 – 40,9; Coding Agent Index-AA – 46; OSWorld 2.1 częściowo – 69,5; oraz Artificial Analysis Index – 36. Spółka podała, że Muse Ember kosztuje około 0,14 dolara za zadanie Artificial Analysis, wobec około 2,39 dolara dla Muse Spark 1.3.

Pozycjonując model, Meta napisała: „Muse Wonder planuje, Muse Ember obsługuje wolumen”. Podała, że Ember jest pierwszym modelem trenowanym z użyciem Muse Wonder Full, a ewaluacje w ramach Meta Superintelligence Scaling Framework wykazały, że pozostał poniżej progów wysokiego ryzyka tego układu. Partnerzy, w tym Box, Cline i Cloudflare, przedstawili uwagi z wczesnych testów dotyczące wykorzystania do treści korporacyjnych, kodowania przez podagentów i obciążeń o dużej przepustowości; Cloudflare podało, że w ogonie działał nawet około 30 procent szybciej niż porównywalny model, który testowano.

W skrócie: Meta nie każe Emberowi wypierać najsilniejszego modelu flagowego; umieszcza nowy system w podziale pracy – Wonder planuje, Ember wykonuje w dużej skali – i konkuruje inteligencją na dolara oraz kosztem na zadanie raczej niż wyłącznie szczytowymi wynikami.

5. OpenAI umieszcza ChatGPT Enterprise w AWS Marketplace

9 listopada 2026 r. OpenAI podało, że ChatGPT Enterprise jest już dostępny w AWS Marketplace. Spółka napisała, że wpis daje organizacjom prostszy sposób na odkrywanie, zakup i zarządzanie ChatGPT Enterprise przy wykorzystaniu istniejącej relacji zakupowej i rozliczeniowej z AWS oraz na zaliczanie kwalifikowanych wydatków na poczet zobowiązań wobec AWS. Oferta obejmuje ChatGPT, ChatGPT Work, Codex i dots; informacje we wpisie wskazują, że ceny ustala się w drodze ofert prywatnych.

OpenAI podało, że klienci kupujący przez AWS Marketplace otrzymują te same modele, funkcje i możliwości, które są dostępne bezpośrednio od OpenAI, a nowe funkcje są wydawane w tym samym czasie. Produkty są pozycjonowane jako uzupełnienie modeli OpenAI już dostępnych w Amazon Bedrock: deweloperzy mogą budować aplikacje i agentów z tymi modelami w Bedrock, podczas gdy zespoły w całej firmie korzystają z ChatGPT Enterprise w codziennej pracy. Uprawnieni klienci mogą także uzyskać dostęp do ChatGPT for Healthcare i ChatGPT for Financial Services przez AWS Marketplace.

W skrócie: To nie tyle wydanie modelu, ile otwarcie ścieżki zakupowej – umieszczenie korporacyjnego ChatGPT na rachunku zobowiązań chmurowych, które organizacje i tak już płacą, i ograniczenie tarcia przy zakupie raczej niż publikowanie publicznego cennika.

---

W jednym zdaniu: Anthropic wydało Claude Fable 5.2 i Mythos 5.2, ten sam model bazowy, przy czym Fable jest ogólnie dostępny, a Mythos ograniczony do zweryfikowanych organizacji, i podało, że wyniki są szybsze niż w wersji 5.1, a ceny niższe; Google przedstawiło TPU 8tx do poufnej inferencji i TPU 8i Max do ogromnych okien kontekstu; NVIDIA zaprezentowała model działania w świecie GR00T 2 i Isaac Lab 3.0 na CoRL; Meta wprowadziła Muse Ember, lekki model do wykonywania zadań przez agentów; a OpenAI umieściło ChatGPT Enterprise w AWS Marketplace, aby kwalifikowane wydatki mogły wliczać się do istniejących zobowiązań chmurowych.