Model GPT-5.6 Sol Ultra w niespełna godzinę sformułował dowód hipotezy Cycle Double Cover, z którą matematycy mierzyli się od 50 lat. Sukces OpenAI budzi jednak wątpliwości naukowców dotyczące braku cytowań i rzeczywistej kreatywności algorytmu.
Read More
OpenAI wycofuje poparcie dla testu SWE-bench Verified po audycie, który wykazał, że blisko 60 proc. sprawdzanych zadań zawiera błędy, a modele zamiast programować, kopiują gotowe rozwiązania z danych treningowych.
Read More
W finałach AtCoder World Tour 2026 system OpenAI zdeklasował najlepszych programistów świata, zdobywając dwukrotnie więcej punktów niż wicemistrz turnieju. Nagroda za pokonanie maszyny pozostała nieodebrana, co oznacza ostateczny koniec prymatu ludzkiej intuicji w algorytmice.
Read More
Najnowszy raport brytyjskiego AI Safety Institute dowodzi, że tradycyjne testy AI nie mierzą szczytowych możliwości modeli, lecz jedynie ich ograniczoną wydajność przy zbyt małym budżecie tokenów.
Read More
Francuski Mistral AI wydał model Leanstral 1.5, który osiąga 100% skuteczności w olimpijskich testach matematycznych i samodzielnie znajduje krytyczne luki bezpieczeństwa w kodzie Rust.
Read More
Nowy benchmark CEO-Bench z Princeton ujawnia, że z 14 czołowych modeli AI tylko trzy potrafią zarządzać wirtualnym startupem bez bankructwa. Reszta przegrywa nawet z prostym algorytmem opartym na stałych regułach.
Read More
Model VibeThinker-3B od Weibo udowadnia, że system zaledwie z 3 miliardami parametrów może pokonać gigantów w programowaniu i matematyce. To koniec ery, w której o inteligencji decydowała wyłącznie masa obliczeniowa.
Read More
Nowoczesne detektory, jak Pangram, przestają szukać błędów językowych, a zaczynają wykrywać „intelektualną monotonię” maszyn. Max Spero przekonuje, że schematyczność argumentacji AI jest niemal niemożliwa do ukrycia.
Read More
VibeThinker-3B udowadnia, że inteligentne rozumowanie nie wymaga bilionów parametrów. Ten 3-miliardowy model pokonuje rynkowych gigantów w testach matematycznych AIME26 i programowaniu na LeetCode.
Read More
Najnowszy benchmark AA-Briefcase dowodzi, że sztuczna inteligencja wciąż nie radzi sobie ze złożonymi zadaniami biurowymi. Najlepsze modele poprawnie rozwiązują zaledwie 3% wieloetapowych projektów, zawodząc przy łączeniu faktów z wielu źródeł.
Read More