Ostatnia walka Altmana! Po 4 miesiącach dostawa AGI

Nowa Inteligencja Raportuje 

AGI – już ktoś ogłosił jej osiągnięcie.

Właśnie podczas środowej prezentacji finansowej, Huang rzucił hasło:

A tego samego dnia pojawił się dwugodzinny wywiad z Samem Altmanem. On podał datę: koniec 2026 roku.

Dla Altmana te 4 miesiące to nie tylko wyścig technologiczny. Przed debiutem giełdowym w przyszłym roku musi najpierw zagrać kartą AGI.

Jeśli mu się nie uda, kiedy będzie dzwonił na giełdzie, przed nim już będzie konkurent – debiutujący wcześniej, z dwukrotnie większą wyceną i do tego już przynoszący zyski.

OpenAI nie ma dokąd się wycofać w tej bitwie.

Podczas tej konferencji zapytano go, jak postrzega wyścig OpenAI i innych firm za AGI.

Huang odpowiedział, że nie ma tu teraz o co się spierać. Branża nawet nie uzgodniła, czym jest „inteligencja”, nie mówiąc już o tym, jak mierzyć AGI.

On ma w ręku coś innego.

AVO od Nvidia w specjalnym teście na „czy agent potrafi długo samodzielnie pracować” ARC-AGI-3 zdobył 100% pełnych punktów.

Na podstawie tego wyniku wysnuł bardzo ambitną prognozę:

Powszechnie wiadomo, że metoda ARC-AGI-3 jest dość „nieuczciwa”.

Agent wrzucany jest do nieznanej gry, bez reguł i celów – musi błądzić, próbować, zgadywać. Ma do dyspozycji tylko siatkę 64×64 i kilka przycisków, każde środowisko to co najmniej sześć poziomów, pierwszy przechodzi się w pięć kroków, szósty wymaga pięćdziesięciu.

Ludzie sami mają z tym problem, a modele radzą sobie jeszcze gorzej.

Klucz tkwi tu: AVO używa modelu Claude Opus 5.

Nvidia dodała tylko skorupę. Nie zmieniła żadnego parametru wag, a wynik wzrósł z 30,16% do pełnej punktacji.

W istocie decydują dwie rzeczy.

• Po pierwsze: trwała pamięć – kontekst nie zeruje pamięci, agent kontynuuje stan, nie popełnia dwa razy tego samego błędu.

• Po drugie: nadzorca – sam nie pracuje, tylko monitoruje całą trajektorię; gdy wykryje stagnację, ściąga głównego agenta na inną strategię.

Trzeba jednak dodać, że ten wynik wcale się nie liczy.

Po ponad trzech godzinach oficjalnej zapowiedzi Nvidia, ojciec ARC-AGI François Chollet napisał na Twitterze:

Według ARC Prize publiczne zestawy nie są do oceny, liczą się półprywatne i prywatne – a na wyniku AVO ich nie ma.

Co ciekawe, to już trzeci taki „pełny wynik” w ciągu sześciu tygodni.

Tycho zdobył go pod koniec lipca, VISTA 5 sierpnia, AVO jako trzeci. Sposoby wszystkich są różne, ale model jest wszędzie ten sam: Claude Opus 5.

Kolejne osoby ogłaszają AGI, ale wydaje się, że „prawdziwe AGI” mogą zrobić tylko dwie firmy.

A tej karty jeszcze nikt naprawdę nie zagrał.

W wywiadzie Altman był pełen pewności:

Chief Research Officer Mark Chen jest za to bardziej ostrożny: OpenAI brakuje jeszcze 20% do AGI.

Brzmi to śmiało, ale faktycznie mają czym się pochwalić.

W tym roku OpenAI miało jeden bardzo wyraźny cel: stworzyć w pełni sprawnego, automatycznego AI-stażystę badawczego.

I ten „automatyczny AI-stażysta” to Astra.

Dajesz Astrze pomysł na eksperyment, a ona samodzielnie w repozytorium OpenAI pisze kod, uruchamia eksperyment i oddaje wynik.

Rzuć jej artykuł naukowy – Astra w tydzień robi tyle, co najlepszy ludzki badacz.

Niedawno podczas prezentacji wewnętrznej, kilkudziesięciu kluczowych klientów zobaczyło to na własne oczy.

Na ekranie 16 AI-agentów rozbija skomplikowane matematyczne zadanie na podproblemy.

Dzielą się pracą, sprawdzają się nawzajem, w efekcie końcowym tworzą pełne dowody.

Wygląda to jak doskonale zgrany zespół na zamkniętym spotkaniu.

Drugi pokaz był jeszcze bardziej imponujący.

Astra odpala popularne programy desktopowe, przeskakuje z aplikacji do aplikacji, tworzy pliki, edytuje, wykonuje zadania – a wszystko z szybkością nieosiągalną dla ludzi.

Wszyscy byli pod wrażeniem, bo Astra ostatecznie rozwiązała problem trwałych agentów.

Altman przewiduje: „Spodziewam się, że będzie to pierwszy model, który faktycznie wynajdzie coś nowego. To jest bardzo AGI”.

Zwróć uwagę na „wynalezienie czegoś nowego” – chodzi o stworzenie czegoś, czego ludzkość jeszcze nie zna.

Ostatnio pierwszy własny chip OpenAI „Jalapeño” bezpośrednio rywalizuje ze sztandarowym GPU od Nvidii.

Za to odpowiada przede wszystkim GPT-Astra.

Zabrała się do pracy od projektu obwodów po oprogramowanie.

Po stronie chipów optymalizowała fizyczne obwody, po stronie software – pisała i optymalizowała jądro systemu, a przy okazji dostroiła trzy wiodące modele open source.

Efekt? Wydajność mnożnika BF16 wzrosła o 56%, a powierzchnia jednostki macierzowej została zmniejszona o 10%.

„Mechanizm uwagi” i „MoE” działają 1,5-1,8 razy szybciej niż kod pisany przez ekspertów.

Ludzie, AI manipuluje fizycznie obwodami!

Ciekawostka: Nvidia robi dokładnie to samo.

AVO nie robi tego dla gier – jej głównym celem jest pisanie kodu dla GPU.

W marcu Nvidia opublikowała artykuł, gdzie cała zmiana kodu jest oddana agentowi AI.

W testach agent działał samodzielnie 7 dni, bez interwencji człowieka, rozważył ponad 500 opcji, oddał 40 gotowych wersji jądra.

Nowy kod był nawet 3,5% szybszy niż zamknięta wersja Nvidii i 10,5% szybszy od najlepszego open-source’u w branży.

Spójrzmy na dwa powyższe przypadki razem, a stwierdzenie Altmana zaczyna mieć sens.

Każda iteracja modelu pochłania mnóstwo ludzkiego czasu. Jeśli Astra przejmie ten etap, tempo badań zmieni się radykalnie.

Gdy cykl się rozpędzi, wszystko zależy od szybkości.

W rzeczywistości to, z czego korzystamy: GPT-5.6 i Fable 5 – to efekty poprzedniej generacji.

Według informacji, prawdziwe następne generacje już są gotowe.

• Spud (Sol): trening zakończony w marcu – odpowiada obecnemu GPT-5.5, 5.6;

• Doug: ukończony w kwietniu-maju, to na nim prowadzono dalszy trening (RL itp.), czyli Astra, znana jako GPT-6;

• Bel: trening zakończony w sierpniu, ponad 10 bilionów parametrów, skala bliska GPT-4.5.

Według źródeł OpenAI traktuje Bel jako „bazę po GPT-6”, a może ona być podwaliną modelu, który przekroczy próg AGI.

Po stronie Anthropic, 18 sierpnia ktoś zauważył, że po wyborze konta Fable 5 na stronie Claude’a, przełączono je na nowy model.

To standard przed premierą w Anthropic – Fable 5 też tak testowano.

Kod został szybko rozpoznany.

• claude-melon-eap – prawdopodobnie Fable 5.1;

• claude-marshmallow-eap – prawdopodobnie Opus 5.1.

Oba nowe modele są już używane w wąskim gronie, gotowe do szerokiego wypuszczenia.

Dlaczego nie są publikowane? Według analiz, kto wypuści pierwszy – kilka dni później zostanie przykryty przez rywala.

Zwłaszcza że plotki mówią, iż Anthropic zajmie pozycję lidera na początku 2027.

To wyznacza okno czasowe tej wojny.

4 ostatnie miesiące 2026 roku.

Według analiz Anthropic ma 88% szans na debiut przed OpenAI, najbardziej prawdopodobna data to 26 października tego roku, a OpenAI – 15 lipca przyszłego roku.

Szacowana wycena w dniu debiutu: Anthropic 1,82 bln USD, OpenAI 1,06 bln USD.

CFO OpenAI na spotkaniu w sierpniu powiedział, że firma wejdzie na giełdę w 2027 lub wcześniej, pod warunkiem dalszego wzrostu.

Dlatego AGI pod koniec roku to nie tylko technologiczny kamień milowy.

To najważniejsza strona prospektu emisyjnego.

Jeśli się uda, narracja OpenAI zmienia się z „palimy kasę na modele” na „już jesteśmy na mecie”, cały schemat wyceny zostaje wywrócony. Nie uda się – za rok przy debiucie zostaje tylko opowieść o wydatkach.

Dlaczego ta bitwa musi być stoczona? Odpowiedź jest w „rekurencyjnym samodoskonaleniu”.

Hasło Huanga: „40 tys. ludzi steruje 4 mln AI”, OpenAI: „AI już pomaga tworzyć kolejne generacje AI” – chodzi o jedno: gdy AI przejmie tworzenie następnej AI, postęp przestaje być liniowy.

Dlatego wszyscy obstawiają, że wyścig o superinteligencję (ASI) to „zwycięzca zgarnia wszystko”.

Kto pierwszy uruchomi ten cykl, zgarnie całą pulę; drugi prawdopodobnie nawet nie dostanie szansy na pościg.

Altman nie ma już gdzie się wycofać.

Edycja: Mosze, Brzoskwinia