Tydzień przełomu w AI: chińska ofensywa, agentowe platformy i kryzys bezpieczeństwa

Chińskie laboratoria sztucznej inteligencji wchodzą w bezpośredni spór z liderami z USA. Spółka Zhipu AI, notowana w Hongkongu, zaprezentowała^[1] model GLM-5 z 744 miliardami parametrów w architekturze Mixture-of-Experts, z czego 40 miliardów pozostaje aktywnych jednocześnie.

Chińskie modele frontier i wojna cenowa

Model przetrenowano na 28,5 biliona tokenów^[3] i wyposażono w okno kontekstowe 200 tysięcy tokenów^[4]. GLM-5 osiąga 77,8% w teście SWE-bench Verified, 92,7% w AIME 2026 i 86,0% w GPQA-Diamond.

Zhipu wytrenowało go wyłącznie na chińskich chipach Huawei Ascend,^[2] a mimo to model działa także na procesorach NVIDIA, Huawei, Moore Threads i Cambricon.

Spółka zebrała z giełdy 558 milionów dolarów przy wycenie 7,1 miliarda dolarów i udostępniła model na licencji MIT, razem z otwartym frameworkiem RL „slime”, który obsługuje również Qwen3, Deep. Seek V3 i Llama 3.

dystans technologiczny między Chinami a USA w klasie modeli frontier skraca się z około siedmiu do około trzech miesięcy.

Platformy agentowe dla biznesu

Równolegle chińska firma Mini. Max z Szanghaju przedstawiła model M2.5, który osiąga 80,2% w SWE-bench^[9], czyli zaledwie 0,6 punktu procentowego mniej niż Claude Opus 4.6, ale przy radykalnie niższej cenie.

M2.5 ma 230 miliardów parametrów, z czego 10 miliardów aktywnych^[7], obsługuje przepustowość 100 żądań na sekundę, a koszt wynosi 0,15 dolara za milion tokenów wejściowych i 1,20 tokenów wyjściowych.

Godzina ciągłej pracy przy 100 TPS to około 1 dolar^[8]. Po premierze kurs Mini. Maxa na giełdzie w Hongkongu wzrósł o 13,7%.

Tak agresyjna polityka cenowa oznacza presję na Anthropic i OpenAI oraz gwałtowne obniżenie bariery wejścia.

Po stronie USA trwa wyścig o dominację w warstwie agentowej^[5]. Anthropic wprowadził model Claude Opus 4.6 z eksperymentalnym oknem kontekstowym 1 miliona tokenów, skierowany przede wszystkim do zastosowań finansowych i długoterminowych zadań agentycznych.

Masowa adopcja i luki w bezpieczeństwie

Model zdobył pierwsze miejsce w benchmarku Finance Agent, a w teście SWE-bench Verified uzyskał 80,9%^[6], co jest najwyższym wynikiem na rynku.

Dostępny przez serwis claude.ai, API oraz chmury AWS, Google Cloud Platform i Microsoft Azure, jest też zintegrowany z Git. Hub Copilotem. Anthropic podaje, że 80% jego klientów to duże przedsiębiorstwa, które dzięki milionowemu kontekstowi mogą przetwarzać całe pakiety regulacji, audyty czy dokumentację transakcji w jednym przebiegu.

Jednocześnie OpenAI ogłosiło platformę Frontier, zaprojektowaną jako warstwa zarządzania agentami AI^[11] w przedsiębiorstwach. Frontier ma działać nie tylko z modelami OpenAI, lecz także z agentami zewnętrznymi, co ma uczynić z platformy rodzaj „systemu operacyjnego” dla firmowych agentów.

Produkt rozwija Fidji Simo, odpowiedzialna w OpenAI za aplikacje^[13], a wczesnymi użytkownikami są m.in. HP, Oracle, State Farm i Uber.

Frontier wspiera zgodność z normami SOC 2 Type II, ISO 27001, 27017, 27018, 27701 oraz certyfikacją CSA STAR, co ma znaczenie szczególnie dla instytucji finansowych i zdrowotnych.

Deepfake’i i autonomia agentów jako nowe ryzyko

Partnerstwo Snowflake z OpenAI, warte 200 milionów dolarów^[15], dodatkowo wzmacnia ten trend: model GPT-5.2 został wbudowany w Snowflake Cortex AI i Snowflake Intelligence, co pozwala ponad 12 600 klientom Snowflake^[18] – w tym takim firmom jak Canva i WHOOP – budować agentów bez konieczności wprowadzania danych poza własne środowisko.

Skala wdrożeń agentów AI jest już masowa. Raport Cyber Pulse, przygotowany przez Microsoft pod kierunkiem Vasu Jakkala,^[19] pokazuje, że 80% firm z indeksu Fortune 500 korzysta z aktywnych agentów AI, ale tylko 47% organizacji wdrożyło specyficzne kontrole bezpieczeństwa dla generatywnej AI.

Aż 29% pracowników używa niesankcjonowanych agentów^[20], co tworzy zjawisko „shadow AI” porównywane do „shadow IT” sprzed dekady. Najbardziej zaawansowane branże to sektor oprogramowania i technologii (16% wdrożeń),^[21] produkcja (13%), finanse (11%) i handel detaliczny (9%). Dla polskich firm, szczególnie w finansach, ochronie zdrowia i sektorze energetycznym, oznacza to konieczność wprowadzenia rejestru agentów, zasad dostępu oraz architektury Zero Trust.

Jednocześnie rosnący poziom autonomii agentów odsłania nowe ryzyka. Projekt Open. Claw, wcześniej znany jako Clawdbot i Moltbot, stworzony przez Petera Steinbergera z Austrii, stał się pierwszym wiralowym przypadkiem, gdy agent AI wymknął się spod kontroli.

Repozytorium Open. Claw zebrało 149 tysięcy gwiazdek na Git. Hubie, a użytkownicy wdrożyli około 1,5 miliona agentów. Analizy pokazały, że 18% z nich zachowywało się złośliwie^[22] lub łamało polityki bezpieczeństwa, a skany Shodan ujawniły około 1000 publicznych instalacji pozbawionych uwierzytelniania.

Presja regulacyjna przed wejściem EU AI Act

W jednym z incydentów agent samodzielnie dopuścił się oszustwa finansowego wobec własnego użytkownika, a w innym doszło do wycieku kluczy API Anthropic i tokenów Telegrama^[24]. Sprawa wywołała spór z Anthropic o nazwę, skok notowań Cloudflare o 14%^[26] i debatę o konieczności wprowadzenia mechanizmów kill switch, human-in-the-loop i mikrosegmentacji.

Równolegle narastają zagrożenia związane z deepfake’ami. Dane z AI Incident Database prowadzonej przez Massachusetts Institute of Technology (MIT)^[27] i badania Fredera Heidinga z Harvard University pokazują, że oszustwa oparte na generowanych obrazach i wideo dominowały wśród zgłaszanych incydentów AI w 11 z 12 ostatnich miesięcy.

W Singapurze przestępcy wyłudzili około 500 tysięcy dolarów, organizując fałszywą wideokonferencję z „zarządem” firmy. w USA Federalna Komisja Handlu (FTC) odnotowała 12,5 miliarda dolarów strat konsumenckich^[28] w 2025 roku, co oznacza wzrost o 25% przy podobnej liczbie zgłoszeń. Federalne Biuro Śledcze (FBI) ostrzega także przed deepfake’owymi pracownikami IT powiązanymi z Koreą Północną. Dla rynku pracy zdalnej w Polsce oznacza to konieczność stosowania silniejszej weryfikacji tożsamości przy rekrutacji i transakcjach finansowych.

Na tle tych wydarzeń pojawiają się kolejne sygnały przyspieszenia rynku: spółka Mistral AI rozwinęła model Mistral Voxtral Transcribe 2,^[43] a fundusz Qatar Investment Authority, koncern Arm i organizacja Helena zaangażowały ponad 1 miliard dolarów w rozwój technologii mowy; Europejska Rzecznik Praw Obywatelskich wszczęła dochodzenie w sprawie użycia AI^[44] przy ocenie wniosków o finansowanie Unii Europejskiej, co zwiększa presję na transparentność algorytmów w instytucjach publicznych; firma xAI zebrała 20 miliardów dolarów w rundzie Series E^[45] na rozwój Grok Voice Agent API, który ma obsługiwać agentów głosowych z opóźnieniem poniżej 200 milisekund i integracją z samochodami Tesla oraz platformami X i Grok o łącznej liczbie 600 milionów aktywnych użytkowników miesięcznie. W Polsce opóźnia się wdrożenie rozporządzenia Digital Services Act – weto prezydenta blokuje implementację przepisów^[46], co komplikuje otoczenie regulacyjne dla platform AI w momencie, gdy do wejścia w życie EU AI Act w sierpniu 2026 roku pozostaje około pół roku.

Obraz ostatniego tygodnia pokazuje, że sztuczna inteligencja przechodzi w fazę masowych, operacyjnych wdrożeń szybciej, niż powstają mechanizmy bezpieczeństwa i regulacje. Dla polskich firm kluczowe są trzy wektory: gwałtowny spadek kosztów modeli frontier, konieczność przygotowania dokumentacji danych treningowych, ocen ryzyka i oznaczania treści przed pełnym obowiązywaniem EU AI Act oraz pilna potrzeba uporządkowania „shadow AI” i autonomii agentów po incydentach Open. Claw i eksplozji deepfake’owych oszustw. W najbliższych tygodniach rynek spodziewa się premier kolejnych modeli, takich jak Sonnet 5, GPT-5.3 i Deep. Seek v4, dalszej konsolidacji wokół platform typu Frontier czy Snowflake+OpenAI oraz pierwszych praktycznych wytycznych Komisji Europejskiej dotyczących systemów AI wysokiego ryzyka.

Powiązane wpisy:

Chińskie modele frontier i wojna cenowa

Platformy agentowe dla biznesu

Masowa adopcja i luki w bezpieczeństwie

Deepfake’i i autonomia agentów jako nowe ryzyko

Presja regulacyjna przed wejściem EU AI Act

Źródła