Google DeepMind

Google obiecywało Gemini 3.5 Pro, a rozwijało głównie modele z rodziny Flash. Teraz firma przedstawia Gemini 4 Argon, pierwszy duży model po Gemini 3.1 Pro. Ma konkurować z najnowszymi systemami OpenAI i Anthropic w programowaniu, pracy z dokumentami, analizie danych i cyberbezpieczeństwie. Google pokazuje wysokie wyniki benchmarków, milion tokenów wyjściowych i cenę startową 2 dolarów za milion tokenów wejściowych.

Agenci AI od miesięcy pokazują, że potrafią organizować się także wtedy, gdy prowadzi to do obejścia zasad. W jednym z eksperymentów modele spontanicznie rozprzestrzeniły sposób oszukiwania systemu oceny, a w incydencie związanym z Hugging Face setki agentów koordynowały działania przez nieautoryzowany kanał komunikacji. Branża AI safety odpowiada na to i buduje infolinie, przez które jeden agent może zgłosić nadużycie drugiego.

Google przyspiesza rozwój linii Gemini Flash. W ciągu sześciu tygodni firma pokazała trzy modele, a najnowszy Gemini 3.8 Flash ma konkurować z droższymi systemami klasy frontier. Razem z nim debiutuje Gemini 3.8 Flash Cyber do wykrywania i łatania luk. Jednocześnie zapowiadany Gemini 3.5 Pro nadal nie trafił na rynek. Google utrzymuje cenę na poziomie 0,75 dol. za milion tokenów wejściowych i 3,75 dol. za milion wyjściowych.

Filmy robotów biegających, tańczących czy robiących fikołki krążą po sieci od lat, ale to maszyny wytresowane do jednego, konkretnego triku. Google DeepMind mówi wprost, że celuje w robota uniwersalnego, którego wystarczy poinstruować słowem, a on sam rozłoży zadanie na etapy i je wykona. W zespole nazywają to „physical AGI". Gemini Robotics 2 to trzeci już krok w tym kierunku, tym razem podzielony na trzy współpracujące ze sobą modele.

Kadrowe roszady czynione w laboratoriach AI to teraz normalna informacja, ale gdy firmę opuszcza człowiek pokroju Johna Jumpera, sprawa robi się poważniejsza, bo mówimy o współtwórcy AlphaFold 2 i laureacie Nobla w chemii z 2024 roku. Tym razem nie jest to cichy transfer między zespołami, tylko o przejście z Google DeepMind do Anthropica, czyli jednego z najmocniejszych rywali w wyścigu o modele i badaczy AI na świecie.

Google DeepMind wypuściło DiffusionGemma w momencie, gdy rynek lokalnego AI zaczyna wreszcie schodzić z poziomu marketingu do realnych ograniczeń sprzętu. Klasyczne modele autoregresyjne nadal się sprawdzają, ale na desktopie i stacji roboczej często marnują potencjał GPU, bo generują tekst token po tokenie. NVIDIA błyskawicznie to podchwyciła i ogłosiła pełne wsparcie dla nowego modelu na platformach RTX i DGX. Przypadek?

Dyskusja o AI w matematyce kręciła się wokół benchmarków, zadań olimpijskich i efektownych dem. Teraz OpenAI twierdzi, że jego wewnętrzny model obalił hipotezę Paula Erdősa z 1946 roku dotyczącą problemu odległości jednostkowych w płaszczyźnie. Brzmi grubo, nawet jak na branżę, która lubi nadmuchane komunikaty. Różnica polega na tym, że tym razem za ogłoszeniem stoją konkretne nazwiska i dopracowanie wyniku przez matematyków.

Firma Google dorzuciła do AI kolejną cegiełkę, ale tym razem sprawa jest ciekawsza niż zwykła prezentacja „modelu do wszystkiego”. Gemini Omni Flash ma brać wideo, obraz, tekst i dźwięk, a potem przerabiać materiał w locie, bez żonglowania osobnymi narzędziami do edycji. Na papierze brzmi to jak znacznie wygodniejszy montaż. W praktyce chodzi o coś większego, czyli o przejęcie kontroli nad tym, jak dziś powstają krótkie formy wideo.

Zastosowanie sztucznej inteligencji w biologii przestało być ciekawostką. Po modelach przewidujących struktury białek przyszła pora na systemy, które mają ogarniać cały badawczy bałagan, czyli literaturę, bazy danych, hipotezy i plany eksperymentów. OpenAI właśnie dołożyło do tej układanki własny ruch. Firma pokazała GPT-Rosalind, model skrojony pod nauki o życiu. Brzmi to jak kolejna premiera z serii GPT, ale tym razem stawka jest wyraźnie większa.

Tym razem nie chodzi tylko o kolejne miliardy parametrów w modelu sztucznej inteligencji. Firma Google wraca do otwartych modeli z ruchem, który może mieć większe znaczenie niż prezentowane tabelki z benchmarkami. Gemma 4 zapowiada się na premierę ważną nie dlatego, że znowu przyspiesza, lecz dlatego, że zmienia warunki gry dla firm, twórców narzędzi i zwykłych użytkowników, którzy chcą uruchamiać AI poza cudzą chmurą.

Coś ważnego wydarzyło się w ekosystemie Google AI. Firma ogłosiła Nano Banana 2, model, który technicznie nosi nazwę Gemini 3.1 Flash Image i którego premiera wypada zaledwie trzy miesiące po debiucie Nano Banana Pro. Tym razem chodzi nie tylko o kolejny krok naprzód w jakości grafik, ale o próbę odpowiedzi na konkretne pytanie, czy da się dostarczyć możliwości klasy Pro przy prędkości i kosztach linii Flash? Odpowiedź, jaką Google udziela, jest co najmniej interesująca.

Google w końcu zdecydował się wprowadzić swoją technologię generowania muzyki do powszechnego użytku. Model Lyria 3 od Google DeepMind został zintegrowany z Gemini, umożliwiając każdemu użytkownikowi powyżej 18. roku życia tworzenie gotowych utworów muzycznych na podstawie prostego opisu tekstowego lub przesłanego zdjęcia. W ciągu kilku sekund AI generuje kompletny 30-sekundowy utwór, z tekstem, instrumentacją i wygenerowaną okładką.

Google DeepMind otworzyło dostęp do prototypu Project Genie, eksperymentalnego narzędzia, które pozwala tworzyć, eksplorować i modyfikować interaktywne wirtualne światy na podstawie tekstowego opisu lub przesłanych obrazów. Technologia korzysta z modelu świata Genie 3. Od 29 stycznia 2026 dostęp do prototypu otrzymują subskrybenci planu Google AI Ultra w USA. Generacja działa w czasie rzeczywistym przy 24 klatkach na sekundę w rozdzielczości 720p.

Google nie zwalnia tempa w wyścigu generatorów wideo korzystających z AI. DeepMind właśnie wypuścił aktualizację Veo 3.1, która po raz pierwszy wprowadza obsługę formatu pionowego i możliwość upskalowania materiałów do rozdzielczości 4K. To odpowiedź na konkretne potrzeby twórców mobilnych, którzy dominują na platformach takich jak YouTube Shorts czy TikTok. To może dać Google przewagę nad konkurencją w postaci OpenAI Sora 2 czy Runway Gen-4.

Długo czekaliśmy na narzędzie AI, które nie będzie tylko cyfrowym pędzlem do malowania marzeń, a stanie się precyzyjnym instrumentem w rękach artysty. Właśnie nadszedł ten moment. Google, po sukcesie swojej pierwszej wersji, odsłania karty i prezentuje Nano Banana Pro. Ten model to znacznie więcej niż tylko odświeżenie technologii generowania obrazów. Firma nie tylko podkręciła możliwości, ale zaoferowała twórcom kontrolę, której do tej pory brakowało.

Jeszcze nie opadł kurz po premierach konkurencyjnych modeli, a Google wyłożyło na stół swoje najcięższe działa. Mowa o modelu Gemini 3. Ta premiera to coś więcej niż tylko kolejny wzrost wydajności. Google stawia na rewolucję w sposobie interakcji ze sztuczną inteligencją, przesuwając ją z roli biernego asystenta do aktywnego, autonomicznego agenta. Czy faktycznie jest to ten "ogromny krok w stronę AGI", o którym marzy cała branża? Co ta nowa moc obliczeniowa i unikalna strategia integracji znaczą...

AI wychodzi poza świat cyfrowy i uczy się interakcji z fizycznym otoczeniem. Najnowsze osiągnięcia w tej dziedzinie pokazują, że maszyny mogą nie tylko wykonywać powtarzalne czynności, ale także analizować sytuację i samodzielnie planować kolejne kroki. Otwiera to drogę do tworzenia uniwersalnych robotów, które będą w stanie pomagać ludziom w codziennych, nieprzewidywalnych warunkach. To znacząca zmiana w podejściu do automatyzacji.

Rozwój AI coraz śmielej wkracza w obszary dotychczas zarezerwowane dla ludzkiej kreatywności. Najnowsze osiągnięcia w dziedzinie generatywnego AI otwierają możliwości tworzenia złożonych, interaktywnych środowisk cyfrowych w czasie rzeczywistym. Technologie te mogą zrewolucjonizować nie tylko przemysł rozrywkowy, ale także sposoby trenowania systemów autonomicznych. Google DeepMind przedstawił rozwiązanie, które może zmienić sposób myślenia o wirtualnych światach i ich zastosowaniu.