Co nowego na rynku AI

21 lipca Microsoft i Mistral AI ogłosiły rozszerzenie strategicznego partnerstwa, którego centralnym elementem jest wielomiliardowe zobowiązanie Microsoftu do rozbudowy infrastruktury AI w Europie. Mistral rozbuduje swoje moce obliczeniowe o tysiące procesorów NVIDIA Vera Rubin, a Microsoft wykorzysta tę pojemność do treningu i uruchamiania modeli oraz zwiększenia zasobów własnych usług chmurowych. Jednocześnie modele Mistral Medium 3.5 i OCR 4 stały się dostępne w Microsoft Foundry, a Medium 3.5 również w Copilot Studio.

Partnerstwo jest wprost adresowane do firm z sektorów regulowanych — finansów, produkcji, ochrony zdrowia i infrastruktury krytycznej. Modele Mistrala można wdrażać w trzech wariantach: w chmurze Azure, w środowisku hybrydowym (Azure Local połączony z chmurą) oraz w pełni odłączonym, działającym niezależnie od internetu. Brad Smith z Microsoftu podkreślił, że Europa powinna mieć dostęp do najnowocześniejszej AI „bez utraty kontroli nad danymi, operacjami i cyfrową przyszłością” — to wyraźny ukłon w stronę rosnących w UE wymagań dotyczących suwerenności technologicznej.

Dla polskich firm to praktyczna zmiana z dwóch powodów. Po pierwsze, organizacje pracujące w ekosystemie Microsoftu (Azure, Copilot Studio) zyskują dostęp do europejskiego, wielojęzycznego modelu bezpośrednio w narzędziach, których już używają — bez osobnych umów i integracji. Po drugie, opcja wdrożenia w środowisku odłączonym od chmury otwiera drogę do AI dla banków, instytucji publicznych i firm z wymogami pełnej kontroli nad danymi. Jeśli dotychczas blokadą wdrożenia AI były wymogi compliance lub lokalizacji danych, warto w najbliższych tygodniach zweryfikować, czy nowa oferta Mistral na Azure ich nie zdejmuje.

Komisja Europejska opublikowała 20 lipca 2026 r. wytyczne dotyczące obowiązków transparentności dla dostawców i podmiotów stosujących systemy AI (art. 50 AI Act). Dokument ma pomóc firmom i organom nadzoru stosować przepisy w sposób spójny i proporcjonalny. Same obowiązki zaczną być stosowane 2 sierpnia 2026 r.

W praktyce art. 50 wymaga m.in. informowania użytkowników, że rozmawiają z systemem AI (np. chatbotem), a nie z człowiekiem, oznaczania treści wygenerowanych lub zmodyfikowanych przez AI — w tym w formacie odczytywalnym maszynowo — oraz ujawniania deepfake'ów. Wytyczne są formalnie niewiążące, ale Urząd ds. AI i organy krajowe będą się nimi kierować przy egzekwowaniu przepisów. Komisja udostępniła też wcześniej dobrowolny kodeks postępowania dotyczący oznaczania treści generowanych przez AI. Za naruszenie obowiązków transparentności AI Act przewiduje kary do 15 mln euro lub 3% rocznego światowego obrotu firmy.

Dla polskich firm to sygnał, że czas przygotowań właśnie się kończy. Jeśli używasz chatbota w obsłudze klienta, publikujesz treści marketingowe generowane przez AI albo wdrażasz voiceboty — do 2 sierpnia trzeba zinwentaryzować te systemy i dodać wymagane oznaczenia oraz komunikaty. Świeżo opublikowane wytyczne Komisji warto potraktować jako praktyczną checklistę: pokazują, jak regulatorzy będą interpretować przepisy, zanim zrobią to za nas kontrole.

Chiński startup Moonshot AI, wspierany przez Alibabę i wyceniany na ok. 31,5 mld USD, zaprezentował 16 lipca model Kimi K3 — z 2,8 bln parametrów największy dotąd model open-weight. K3 zajął pierwsze miejsce w benchmarku Frontend Code Arena, wyprzedzając m.in. Claude Fable 5, a w indeksie Artificial Analysis Intelligence uzyskał wynik 57, plasując się powyżej Claude Opus 4.8. Pełne wagi modelu mają zostać udostępnione 27 lipca na zmodyfikowanej licencji MIT, a dostęp przez API jest oferowany za ułamek cen amerykańskich konkurentów.

Rynki zareagowały gwałtownie: w piątek 17 lipca Nasdaq spadł o 1,5 proc., indeks giełdy w Tajwanie o ponad 6 proc., a japoński rynek zamknął się 4 proc. niżej; ETF półprzewodnikowy VanEck (SMH) znalazł się ponad 20 proc. poniżej czerwcowego szczytu. Komentatorzy porównują sytuację do premiery DeepSeek R1 ze stycznia 2025 r., gdy Nvidia straciła ok. 590 mld USD kapitalizacji w jedną sesję — tym razem przecena rozlała się jednak na cały sektor. Przez weekend trwała dyskusja, na ile tanie, otwarte modele z Chin podważają opłacalność setek miliardów dolarów inwestowanych w infrastrukturę AI w USA.

Dla polskich firm to sygnał praktyczny, nie tylko giełdowy. Po pierwsze, rosnąca konkurencja otwartych modeli będzie wywierać presję na ceny API u zachodnich dostawców — warto w najbliższych tygodniach zweryfikować stawki w bieżących umowach i kalkulacjach projektów AI. Po drugie, po publikacji wag 27 lipca Kimi K3 stanie się realną opcją do testów w scenariuszach self-hosted, co bywa atrakcyjne przy wymogach dotyczących danych. Zanim jednak chiński model trafi do środowiska produkcyjnego, konieczna jest ocena ryzyka prawnego i bezpieczeństwa (pochodzenie modelu, licencja, zgodność z AI Act i polityką danych firmy). Rozsądny ruch na dziś: obserwować, testować na niewrażliwych danych i renegocjować ceny — bez pochopnych migracji.

Microsoft pracuje nad narzędziem o roboczej nazwie Project Perception — systemem AI do cyberbezpieczeństwa, który skanuje kod, infrastrukturę chmurową i urządzenia końcowe w poszukiwaniu podatności, wyjaśnia ich skutki i proponuje konkretne poprawki. Informację podał jako pierwszy serwis The Information, a 17 lipca opisał ją TechRepublic. Według doniesień produkt może zadebiutować jeszcze w lipcu, choć Microsoft nie ogłosił oficjalnie ani dostępności, ani cennika.

Kluczowy jest sposób działania: zamiast kierować wszystkie zadania do jednego, drogiego modelu frontier, Project Perception rozdziela pracę między modele Microsoftu, OpenAI i Anthropic — dopasowując model do złożoności zadania. Rutynowe operacje, jak parsowanie logów czy inwentaryzacja zasobów, trafiają do tańszych modeli, a droższe systemy są rezerwowane dla złożonego wnioskowania. Dzięki temu Microsoft chce znacząco podciąć cenowo Claude Mythos — narzędzie Anthropic uznawane dziś za punkt odniesienia w bezpieczeństwie opartym na AI, ale też jedno z najdroższych na rynku.

Dla polskich firm, z których większość działa na stacku Microsoftu, oznacza to, że ciągłe, automatyczne skanowanie podatności przez AI staje się standardową funkcją ekosystemu, a nie drogim dodatkiem — warto to uwzględnić, zanim podpisze się długoterminową umowę na osobne narzędzie tej klasy. Druga lekcja jest szersza: routing zadań między tańsze i droższe modele to sprawdzony sposób na obniżenie kosztów także we własnych wdrożeniach AI. Na decyzje zakupowe jest jednak za wcześnie — przed adopcją trzeba poczekać na oficjalną premierę oraz odpowiedzi Microsoftu w sprawie cennika, retencji danych klientów i kontroli dostępu.

Pekiński startup Moonshot AI (wspierany przez Alibabę) wypuścił 16 lipca 2026 r. Kimi K3 — model typu mixture-of-experts o 2,8 biliona parametrów łącznie, określany jako jeden z największych modeli open-weight w historii. Model jest już dostępny przez stronę i API, a publikacja wag zapowiedziana jest do 27 lipca. Według deklaracji producenta K3 ustępuje pod względem ogólnych możliwości jedynie Claude Fable 5 (Anthropic) i GPT-5.6 (OpenAI).

Nie są to wyłącznie deklaracje: w ślepych testach porównawczych Arena deweloperzy preferowali Kimi K3 w kodowaniu frontendowym ponad wszystkie czołowe modele amerykańskie (76% wygranych, 1. miejsce w Frontend Code Arena), a w ocenie Artificial Analysis model uzyskał Elo 1547 w zadaniach długoterminowej pracy z wiedzą. Ceną za skok jakości jest wyższy koszt API: 3 USD za milion tokenów wejściowych i 15 USD za milion wyjściowych — wielokrotnie więcej niż poprzednik K2.6 (0,95/4 USD). Premiera zbiega się z doniesieniami o opóźnieniu Gemini 3.5 Pro przez Google, co dodatkowo podgrzewa dyskusję o tym, że modele otwarte realnie doganiają zamknięte systemy frontier.

Dla polskich firm to sygnał, że klasa frontier przestaje być zarezerwowana dla zamkniętych API amerykańskich dostawców. Jeśli 27 lipca wagi faktycznie trafią do otwartej dystrybucji, pojawi się opcja hostowania modelu tej klasy we własnej infrastrukturze lub w polskiej/europejskiej chmurze — istotna przy wymogach poufności danych i rosnącej presji kosztowej. Zanim jednak taki model trafi do produkcji, warto poczekać na finalną licencję i zweryfikować zgodność z obowiązkami przejrzystości wynikającymi z AI Act; do tego czasu rozsądnym krokiem jest pilotaż porównawczy na własnych zadaniach, zwłaszcza w scenariuszach programistycznych, gdzie K3 wypada najmocniej.

OpenAI ogłosiło w czwartek 9 lipca premierę ChatGPT Work — agenta AI, który zbiera kontekst z podłączonych aplikacji, plików i przepływów pracy, a następnie samodzielnie tworzy gotowe dokumenty, arkusze kalkulacyjne, prezentacje, raporty i strony internetowe. Narzędzie potrafi nawigować po stronach WWW, analizować dane i łączyć się z usługami takimi jak Gmail, Figma czy Kalendarz Google. Wdrażanie zaczęło się od użytkowników planów Pro, Enterprise i Edu, a w kolejnych dniach obejmuje plany Plus i Business.

Razem z ChatGPT Work zadebiutował model GPT-5.6 w trzech wariantach: Sol (najwyższa wydajność, złożone rozumowanie i przepływy agentowe), Terra (zbalansowany, do codziennych zadań firmowych) oraz Luna (najszybszy i najtańszy, do zadań wysokowolumenowych). Według Sama Altmana model osiąga o 54% wyższą efektywność tokenową w agentowym kodowaniu względem konkurencji. Premiera zaostrza rywalizację o rynek „agentowego miejsca pracy” — Anthropic oferuje już Claude Cowork z wtyczkami dla działów prawnych, sprzedaży, marketingu i analizy danych, a Microsoft rozwija Copilot Cowork.

Dla polskich firm to sygnał, że automatyzacja pracy biurowej przechodzi z fazy czatbotów-asystentów do agentów wykonujących wielokrokowe zadania od początku do końca. Warto już teraz zinwentaryzować powtarzalne procesy dokumentowe (raportowanie, ofertowanie, analiza danych) i przetestować agentów na jednym z nich w formie pilotażu — porównując co najmniej dwie platformy, zanim organizacja zwiąże się z jednym ekosystemem. Kluczowe przed wdrożeniem są kwestie dostępu agenta do firmowych danych: zakres uprawnień, RODO i polityka bezpieczeństwa informacji.

W czwartek 9 lipca OpenAI udostępniło ChatGPT Work — platformę łączącą ChatGPT z narzędziem programistycznym Codex, która samodzielnie wykonuje długotrwałe, wieloetapowe zadania: tworzy dokumenty, prezentacje, arkusze kalkulacyjne i strony internetowe, działając w poprzek aplikacji i plików. Usługa ruszyła w wersji web i mobilnej najpierw dla użytkowników planów Pro, Enterprise i Edu, a w kolejnych dniach trafia do planów Plus i Business. Równolegle OpenAI szeroko udostępniło rodzinę modeli GPT-5.6 w trzech wariantach: Sol (flagowy), Terra i Luna (najtańszy, do wdrożeń wysokowolumenowych) — w ChatGPT, Codex i przez API.

OpenAI pozycjonuje nowe modele wokół kosztu, a nie samych benchmarków: flagowy Sol wyceniono na 5 USD za milion tokenów wejściowych i 30 USD za milion tokenów wyjściowych, a firma podkreśla stosunek wydajności do ceny jako kluczowy argument dla klientów korporacyjnych. Szeroka premiera GPT-5.6 była wcześniej opóźniona ze względu na zastrzeżenia rządu USA dotyczące bezpieczeństwa narodowego i wymagała zgody Departamentu Handlu. ChatGPT Work to bezpośrednia odpowiedź na Claude Cowork — agenta, którego Anthropic uruchomił w styczniu — co pokazuje, że rywalizacja przenosi się z chatbotów na autonomicznych agentów dla biznesu.

Dla polskich firm ten news oznacza dwie rzeczy. Po pierwsze, koszty pracy modeli klasy flagowej wyraźnie spadają — warto ponownie przeliczyć business case'y automatyzacji, które pół roku temu wychodziły na granicy opłacalności, oraz zweryfikować stawki u obecnego dostawcy. Po drugie, agentowe narzędzia typu ChatGPT Work i Claude Cowork stają się standardem pracy biurowej: jeśli firma korzysta z planów ChatGPT Business lub Enterprise, warto w najbliższych tygodniach uruchomić pilotaż na niskoryzykownych procesach (raporty, prezentacje, analizy), zanim zrobi to konkurencja — pamiętając przy tym o obowiązkach transparentności z AI Act, które wchodzą w sierpniu 2026 r.

Anthropic ogłosił 30 czerwca 2026 r. premierę Claude Sonnet 5 — modelu pozycjonowanego jako najbardziej „agentowy" Sonnet w historii firmy. Według producenta model potrafi samodzielnie tworzyć plany, korzystać z narzędzi takich jak przeglądarka czy terminal i realizować złożone zadania, przy wydajności zbliżonej do najmocniejszego modelu Anthropic, Opusa 4.8. Sonnet 5 jest już domyślnym modelem w planach Free i Pro oraz dostępny dla użytkowników Max, Team i Enterprise, a także w Claude Code (identyfikator API: claude-sonnet-5).

Kluczowa jest cena. Do 31 sierpnia 2026 r. obowiązuje stawka wprowadzająca 2 USD za milion tokenów wejściowych i 10 USD za milion tokenów wyjściowych, a od 1 września — 3 USD i 15 USD. To poziom modelu średniej klasy przy jakości do niedawna zarezerwowanej dla droższych, większych modeli. Anthropic deklaruje też niższy niż w Sonnet 4.6 wskaźnik niepożądanych zachowań i istotnie ograniczone zdolności w zadaniach cybersecurity. Premiera wpisuje się w szerszy trend: rynek przesuwa się z „maksymalizacji tokenów" ku efektywności kosztowej wdrożeń.

Dla polskiej firmy oznacza to, że projekty, które jeszcze pół roku temu wymagały najdroższych modeli, dziś mogą być rentowne na modelu tańszym o kilkukrotnie niższym koszcie za token. Jeśli rozważacie automatyzację obsługi klienta, przetwarzania dokumentów czy zadań agentowych, warto teraz przeliczyć ROI na nowych cenach i przetestować Sonnet 5 na realnym procesie — okno cenowe do końca sierpnia to dobry moment na pilotaż. Pamiętajcie równocześnie, że od 2 sierpnia 2026 r. wchodzą w pełni obowiązki AI Act dla systemów wysokiego ryzyka, więc wdrożenie warto od początku projektować zgodnie z wymogami dokumentacji i nadzoru.