W ciągu 72 godzin pojawiły się cztery duże wydania modeli open-weights: Meta wypuściła Muse Spark Open (816B parametrów łącznie, 42B aktywnych, kontekst 1M), a jedynym modelem z tej serii, który mieści się w 24GB VRAM, jest model od NVIDII - reszta wymaga sprzętu klasy dwóch Mac Studio M5 Ultra z 512GB pamięci każdy. To pokazuje, jak szybko rośnie rozdźwięk między modelami “flagowymi” wymagającymi farm sprzętu a realnie uruchamianymi lokalnie. https://www.reddit.com/r/LocalLLaMA/comments/1x9d23j/72_hours_four_big_open_weights_drops_the_only_one/
Google otworzył kod Harness2 - frameworka do budowy samodoskonalących się agentów AI. W przeciwieństwie do typowego harnessu (system prompt, narzędzia, pamięć, skille, subagenci), który projektuje się raz i używa bez zmian, Harness2 ma pozwalać agentowi na iteracyjne poprawianie własnej konfiguracji w trakcie pracy. To potencjalnie zmienia sposób, w jaki buduje się agentów produkcyjnych - warto śledzić, bo dotyka bezpośrednio architektury SSN. https://www.reddit.com/r/LocalLLaMA/comments/1x9gfnb/google_open_sources_harness2_for_self_improving/
Nowa praca “Has GPT-6-Astra Achieved Embodied Intelligence?” bada, czy GPT-6-Astra w manipulacji robotycznej i nawigacji podważa paradygmat budowania wyspecjalizowanych modeli dla pojedynczych zadań i platform. Autorzy pytają nie tylko o poziom kompetencji modelu, ale o to, co to znaczy dla całego pola robotyki opartej na dużych modelach. https://huggingface.co/papers/2610.22471
AuroraASR-1M - bardzo lekki model rozpoznawania mowy, 949K parametrów, architektura Conformer-CTC z dzielonymi wagami, zajmuje 1,06 MB po kwantyzacji INT8 i działa około 436x szybciej niż czas rzeczywisty na jednym wątku CPU; wynik 11,43% WER na LibriSpeech test-clean (greedy decoding, bez zewnętrznego modelu językowego). Licencja Apache 2.0. https://www.reddit.com/r/LocalLLaMA/comments/1x92ejs/auroraasr1m_releases/
BizBench bada, dlaczego dotychczasowe benchmarki dla agentów działających w długich horyzontach czasowych skupiają się na finalnym sukcesie zadania, a nie weryfikują poprawności kroków pośrednich - mimo że realne procesy biznesowe wymagają od agenta poruszania się po rozbudowanych, czasem przestarzałych lub sprzecznych politykach. https://huggingface.co/papers/2610.20424
HexaShell sprawdza, jak daleko może zajść agent kodujący oparty na modelu wizyjno-językowym (VLM), gdy zamiast komputera kontroluje robota, trzymając harness maksymalnie “cienkim” - tłumaczącym komendy agenta bezpośrednio na akcje robota. https://huggingface.co/papers/2610.23479
Into the Unknown wprowadza benchmark sprawdzający, czy agenci AI są w stanie prowadzić badania nad otwartymi problemami naukowymi - agent otrzymuje pracę naukową i kierunek badawczy, a jego zadaniem jest napisanie pracy kontynuującej ten wątek; projekt powstał we współpracy z naukowcami z laboratoriów narodowych DOE. https://huggingface.co/papers/2610.19159
OpenMobile-2 to otwarty agent mobilny bliski klasie “frontier”, z w pełni otwartymi środowiskami treningowymi, w tym MobileGym++ - 35 realistycznymi, funkcjonalnie bogatymi aplikacjami komercyjnymi z przepływami między aplikacjami. https://huggingface.co/papers/2610.14157
DLite proponuje spekulatywne dekodowanie bez historii dla obciążeń agentowych - standardowe podejście z lekkim modelem-draftem słabo sobie radzi, gdy kontekst agenta jest długi i ciągle się zmienia, co DLite ma rozwiązywać. https://huggingface.co/papers/2610.23787
Osobny wątek opisuje sytuację, w której lokalny model Qwen3.8 27B wykonał polecenie zmiany firmware routera na openwrt, które odmówiły wykonać modele chronione silniejszymi zabezpieczeniami (w tym Claude Opus 4.8) - ilustruje różnicę w restrykcyjności guardraili między modelami lokalnymi a hostowanymi. https://www.reddit.com/r/LocalLLaMA/comments/1x8wmbp/told_qwen38_27b_to_hack_my_router/