TL;DR#

  • Zákazníci Nvidie dostali avízo, že ceny AI serverů s čipy Vera Rubin a Grace Blackwell dodávaných začátkem 2027 vzrostou o víc než 15 % kvůli prudce rostoucím cenám paměťových čipů DRAM. Business Standard
  • Na World Humanoid Robot Games v Pekingu letos víc než 40 % z 51 disciplín vyžaduje plnou autonomii robotů v reálných úkolech (zapojení kabelu, skladová práce) místo čisté rychlosti. Business Standard
  • Na platformě OpenRouter se objevil bezplatný “stealth” model Ox Alpha bez uvedeného autora — spekuluje se o čínském Z.ai (GLM) i o nevydané verzi Microsoft MAI. TechCrunch
  • Nový framework AgentMercury vygeneroval 4783 spustitelných firemních prostředí napříč 14 obory a 50 zeměmi a trénink na nich zlepšil Qwen3.5-4B z 12,3 na 15,7 bodu na EnterpriseOps-GYM. arXiv
  • Paper COTA ukazuje, že malý model natrénovaný jen na porovnávání alternativ dokáže za běhu vylepšit rozhodování LLM agenta, aniž by sám uměl úlohu vyřešit. arXiv

Analýza#

Nvidia zdražuje AI servery o víc než 15 % kvůli cenám pamětí

Zákazníci Nvidie — přes kontraktní výrobce, kteří stavějí servery pro provozovatele datacenter jako Microsoft, Google a Oracle — dostali avízo o zdražení systémů s čipy Vera Rubin a Grace Blackwell o víc než 15 % pro dodávky na začátku roku 2027. Příčinou je prudký nárůst cen paměťových čipů DRAM: poptávka po AI infrastruktuře prudce roste, ale výroba paměti, kterou ovládají hlavně Samsung, SK Hynix a Micron, nestíhá — výrobci pamětí tak podle zprávy získali “nebývalý vliv” v technologickém průmyslu. Podle novinářů Bloombergu, kteří zprávu jako první přinesli, Nvidia “nedokázala udržet ceny ani absorbovat rostoucí náklady”; sama firma se k dotazu nevyjádřila. Zapadá to do vzorce, který jsme sledovali celý srpen: dohoda SK Hynix–Nvidia rozšířená přes 500 miliard dolarů (2.8.) a obavy o 70 miliard dolarů mimobilančních záruk v AI infrastruktuře (16.8.) ukazují, že kapitálová náročnost AI boomu roste rychleji než schopnost dodavatelského řetězce ji uspokojit — a teď se to poprvé konkrétně promítá do ceníku pro koncové zákazníky.

Pekingské hry humanoidních robotů letos hodnotí i zapojení kabelu, ne jen rychlost

Pětidenní World Humanoid Robot Games v Pekingu, které začaly 23.8., letos rozšířily program z čistě sportovních disciplín (dva roboti běželi 100 m rychleji, než je aktuální lidský rekord Usaina Bolta 9,58 s) na praktické úkoly — přes 40 % z 51 soutěží teď vyžaduje plnou autonomii při zapojování kabelů, skladových operacích nebo práci v restauraci. Organizátoři podle zprávy cíleně testují, jak si roboti poradí s “běžnými nedokonalostmi fyzického světa” — správným uchopením, silou stisku, obnovou po chybě — bez lidské asistence. Je to fyzický protějšek tématu, které se v posledních týdnech opakuje u softwarových agentů: studie Thinkingbox (21.8.) ukázala, že model uspěje na první pokus v 65 % případů, ale při opakování stejného úkolu dvacetkrát klesne spolehlivost na 25 % — jednorázový výkon na demonstraci nic neříká o spolehlivosti v reálném nasazení, ať jde o kód, nebo o robota.

Záhadný model Ox Alpha se objevil na OpenRouteru bez uvedeného autora

Ve čtvrtek 20.8. se na OpenRouteru objevil bezplatný “stealth” reasoning model Ox Alpha, popsaný jako určený pro programování, dlouhotrvající agentní práci a produkční nasazení. OpenRouter uvádí jen to, že jde o anonymní třetí stranu; CEO Stripe Patrick Collison model označil za “velmi impozantní”. Spekulace o autorovi se podle citovaného pozorovatele Andrewa Currana v komunitě postupně mění a shody se nedosahuje — zvažuje se čínské Z.ai (rodina GLM) i nevydaná verze Microsoft MAI. Bez potvrzeného autora jde zatím jen o dohady, ale zapadá to do rostoucího trendu, kdy laby pouštějí modely bez značky, aby otestovaly přijetí bez závazku k oficiálnímu vydání.

AgentMercury generuje tisíce firemních prostředí pro trénink agentů

Místo ručně stavěných testovacích úloh pro konkrétní scénář vytváří framework AgentMercury z popisu na vysoké úrovni abstrakce celý “perzistentní svět” s entitami, službami, nástroji a stavem — autoři takto vygenerovali 4783 spustitelných prostředí pokrývajících 14 odvětví a 50 zemí, aniž by je cíleně navrhovali pro hodnoticí sady. Trénink na nich přesto zlepšil menší modely: Qwen3.5-4B vzrostl z 12,3 na 15,7 bodu na EnterpriseOps-GYM a z 45,9 na 56,0 na AIME26. Klíčové zjištění je, že samotná konstrukce prostředí může být “naučitelná schopnost” — podobný princip jako Change2Task (2.8.) , který převádí reálné pull requesty na benchmarkové úlohy pro kódovací agenty. Obě práce reagují na stejné úzké hrdlo: agentům dochází realistická tréninková data rychleji, než je lidé stíhají ručně tvořit.

Malý “poradce” umí za běhu vylepšit rozhodnutí LLM agenta, aniž by sám uměl úlohu vyřešit

Paper COTA (Comparison-Only Tiny Advisor) obchází dosavadní požadavek na runtime intervenci u agentů — buď potřebujete dalšího schopného řešitele, nebo kritika, který by úlohu uměl vyřešit sám. Místo toho stačí malý komparátor natrénovaný na párovém porovnávání kontrafaktuálních větví (stejný začátek, různá pokračování), který jen posoudí, zda navržená alternativa vypadá lépe než akce agenta. V testech na WebShopu, ALFWorldu a tau³-Retail se třemi různými agenty přístup zlepšil výsledky ve všech devíti hodnocených nastaveních, a to i s pomocným modelem výrazně slabším než hlavní agent. Je to levnější varianta stejné myšlenky, jakou včera demonstrovala Nvidia u agentního systému AVO (23.8.) — samostatný “dohlížecí” mechanismus dokáže z existujícího modelu vytěžit víc, než kolik zvládne sám.

Komentář#

Dnešní den má jeden zajímavý protiklad: cena syrového výpočetního výkonu jde nahoru (patnáctiprocentní zdražení serverů kvůli paměti DRAM postihne celé odvětví, ne jen Nvidii), zatímco reálné zlepšení schopností agentů čím dál víc přichází z levné orchestrační vrstvy kolem modelu, ne z většího modelu samotného. AgentMercury a COTA jsou dnešní příklady stejného vzorce, který jsme viděli u Nvidia AVO a Inherent Faraday včera (23.8.) — pokud tenhle směr vydrží, laby platící za dražší křemík budou muset čím dál víc konkurovat chytrostí harnessu, ne jen velikostí modelu, kterou draze trénovaly.

World Humanoid Robot Games ukazují stejné poučení jako Thinkingbox u softwarových agentů — přechod od jednorázových demonstrací (rychlost, benchmark) k opakovatelné spolehlivosti v nepředvídatelném prostředí. Robot, který jednou zaběhne rekord, je efektní; robot, který desetkrát za sebou spolehlivě zapojí kabel, je užitečný. Odvětví teprve začíná měřit to druhé.

Ox Alpha je malá, ale výmluvná ukázka toho, jak neprůhledný je teď trh s frontier modely — nikdo veřejně neví, kdo model vytrénoval, a přesto ho lidé jako Patrick Collison chválí jako “velmi impozantní”. Stealth vydání bez závazku ke značce se stávají standardním způsobem, jak otestovat přijetí, aniž by lab riskoval reputaci oficiálním launchem.

Ostatní#

Nová studie navrhuje certifikovatelné matematické záruky robustnosti bezpečnostních opatření LLM napříč více koly konverzace — kompoziční hranice, které mají zaručit, že model odmítnutí “vydrží” i po několika tazích dialogu, ne jen v prvním. arXiv

Výzkumníci zkoumali, jak LLM vedou psychoterapeutické konverzace tah po tahu, a navrhli metody, jak je bezpečně řídit — reaguje to na rostoucí používání chatbotů k emoční podpoře bez odborného dohledu. arXiv

Další paper systematicky testuje, zda lze z jazykových modelů selektivně “odučit” konkrétní vědecká tvrzení (unlearning), aniž by to poškodilo zbytek znalostí modelu — relevantní pro případy, kdy je potřeba odstranit vyvrácené nebo stažené výzkumné závěry z natrénovaného modelu. arXiv

Poznámka k rešerši: dnešní okno (23.–24.8.) bylo výrazně tišší než obvykle — oficiální blogy labs, čínské laby i sledované regulatorní zdroje nepřinesly za sledované období žádnou novou položku. Zprávu Financial Times o slabším prodeji Anthropicova modelu Fable oproti levnější konkurenci (zmíněnou na Hacker News) i navazující analýzu na dbreunig.com se nepodařilo ověřit — ft.com je nedostupné (Claude Code ho nedokáže načíst) a dbreunig.com blokuje síťová politika prostředí (EGRESS_BLOCKED), proto byla položka bez ověřeného přístupu k primárnímu textu vynechána. Domény theverge.com a arstechnica.com se nepodařilo načíst vůbec (blokováno), jack-clark.net vrátil 403 a poslední indexované vydání je z května 2026. Z čínských zdrojů se nepodařilo smysluplně načíst qwen.ai (JS aplikace), moonshotai.github.io (redirect bez obsahu), minimax.io (jen navigace) a research.baidu.com (stránka ve výstavbě).