AI znajduje błędy szybciej, niż ludzie je naprawiają

Badacze z MIT twierdzą, że GPT-6 Astra potrafi poprawiać wagi małego modelu bez ponownego treningu. Wynik Qwena3.5-0.8B w matematyce wzrósł z 7,9% do 48,1%.
Premiera PostgreSQL 19 przesunęła się na 19 listopada 2026, bo narzędzia AI zgłosiły więcej błędów, niż zespół zdążył naprawić.
OpenAI deklaruje, że jego agenci wykorzystali 948 luk w jądrze Linuksa. To prototyp, a wyniki muszą sprawdzić ludzie.

W tygodniu do 8 listopada 2026 pojawiły się trzy historie o AI, które pasują do jednej tezy: maszyny produkują wyniki szybciej, niż ludzie potrafią je zweryfikować. Badacze z MIT opisują Astrę poprawiającą cudzy model, OpenAI deklaruje przemysłowe szukanie luk w Linuksie, a PostgreSQL realnie opóźnia premierę. Dwie pierwsze to deklaracje twórców i autorów badania. Trzecia to fakt, który już się wydarzył.

Astra grzebie w wagach Qwena: 0,016% zmian i wynik z 7,9% do 48,1%

Najpierw krótkie wyjaśnienie. Wagi to miliony liczb w środku modelu, które decydują, jak model reaguje na Twoje pytanie. Zwykle poprawia się je kolejnym treningiem, czyli drogim i długim ponownym uczeniem. Badacze z MIT raportują, że GPT-6 Astra (najmocniejszy model OpenAI, premiera 3 września 2026) potrafi interpretować wagi małych sieci neuronowych, modyfikować je, a nawet projektować bez treningu.

Liczby robią wrażenie. Po poprawieniu 0,016% wag modelu Qwen3.5-0.8B Astra podniosła jego wynik w matematyce z 7,9% do 48,1%. Przeczytaj jednak zastrzeżenia samych autorów: ta metoda nie dodaje zdolności, której model w ogóle nie ma, a testy nie dowodzą, że Astra umie ulepszać samą siebie.

Astra zmienia ułamek procenta wag małego modelu, bez ponownego treningu

Czyli to naprawa, nie awans na wyższy poziom. Model, który "umiał, ale się mylił", dostaje korektę. Model, który nie umie, nadal nie umie. Jeśli ciekawi Cię, jak Astra radzi sobie w zwykłej pracy, zobacz test Astry, Argona i Opusa 5.5 na zadaniach biurowych.

PostgreSQL 19 spóźnia się, bo AI zgłasza więcej błędów, niż ludzie zdążą naprawić

Tu nie ma żadnej obietnicy, jest przesunięty termin. Premiera PostgreSQL 19 wypada teraz 19 listopada 2026, żeby zespół zdążył naprawić więcej błędów wykrytych przed publikacją. Według Roberta Haasa narzędzia AI zgłaszają anomalie znacznie szybciej, niż ludzie są w stanie je przeanalizować i poprawić.

Skutki już są. Przeciążenie zgłoszeniami doprowadziło do wycofania nowych funkcji i budzi pytania, czy projekt zdoła dalej wprowadzać innowacje. Zgłoszenia płyną jak woda z hydrantu, a po drugiej stronie stoi człowiek z kubkiem. Wykrywanie błędów stało się tanie, a ich naprawianie nadal kosztuje czas konkretnych ludzi.

Darmowy webinar na żywo z Janem Gajosem · w najbliższą środę o 19:00

Czytasz o AI, a w pracy dalej robisz wszystko ręcznie? Znam to.

Sam tak robiłem. Na webinarze pokazuję na swoim ekranie, jak oddać AI powtarzalne zadania: maile, proste automatyzacje, asystenta do pracy. Bez programowania i bez teorii. 90 minut, a na końcu pytasz, o co chcesz.

Link do pokoju przyjdzie mailem. Zapisując się, zgadzasz się na wiadomości e-mail zgodnie z polityką prywatności. Wolisz zacząć od lektury? Zobacz e-booki Jana Gajosa

OpenAI chwali się 948 lukami w Linuksie, ale to prototyp

OpenAI twierdzi, że jego agenci wykorzystali 948 luk w jądrze Linuksa. Chodzi o luki pozwalające lokalnemu użytkownikowi bez uprawnień uzyskać prawa administratora. Łańcuch agentów automatyzuje wykrywanie, odtwarzanie i wykorzystanie luk, a potem proponuje poprawki. Deklarowany łączny koszt to 1,2 mln dolarów. Tytuł materiału Numerama przelicza to na 1280 dolarów za znalezienie i wykorzystanie jednej luki.

Agenci produkują zgłoszenia taśmowo, a sprawdza je człowiek

Zastrzeżenie jest tak samo ważne jak liczby. To wyniki prototypu, a exploity i poprawki muszą zweryfikować badacze-ludzie. O pytaniu, kto potem te luki załata, piszemy też w tekście GPT-6 Cyber znajduje luki, ale kto je załata. Deklaracje OpenAI w podobnym temacie opisaliśmy w artykule o liczbach OpenAI dla GPT-6 Cyber.

Wąskie gardło siedzi po stronie człowieka

Połącz te trzy historie. Astra poprawia model, a ludzie z MIT sprawdzali, co z tego wyszło. Agenci OpenAI znajdują luki, a ludzie muszą ocenić, czy exploity i łatki są prawdziwe. Narzędzia AI w PostgreSQL zgłaszają błędy, a zespół ludzi i tak nie nadąża. Najdroższym elementem tej układanki nie jest już wytworzenie wyniku, tylko sprawdzenie go.

To dotyczy też Ciebie, nawet jeśli nie dotykasz jądra Linuksa. Każdy raport, mail czy tabela od AI to takie małe zgłoszenie błędu, które ktoś musi przejrzeć. Ten sam mechanizm widać w pracy z kodem: o narzędziach, które testują aplikacje jak użytkownik, pisaliśmy przy okazji Greptile i GPT-6 Astra.

Możesz nie wiedzieć, ile czasu zajmuje Ci kontrola wyników AI. Nie ma powodu udawać, że nie zajmuje wcale. Weź dziś ostatni tekst, tabelę albo analizę wygenerowaną przez AI, którą wysłałeś dalej. Odmierz 10 minut i przeczytaj ją tak, jakbyś miał ją podpisać własnym nazwiskiem. Zapisz, ile błędów znalazłeś i ile czasu to zajęło. Ta liczba pokaże Ci, ile naprawdę kosztuje Cię "szybka" praca z AI.

Na podstawie: Numerama