TL;DR#

Pokrývá období 20.–23. října (výpadek).

  • Anthropic s firmou Theorem uvádí, že Claude formálně dokázal, že 239 vstupních bodů fuzz testů ve 123 open-source knihovnách nespadne na vstupech do 64 MB, a to za přesně vymezených předpokladů. Anthropic
  • Anthropic daruje standard Agent Skills nadaci Agentic AI Foundation při Linux Foundation; podle něj ho integrovalo přes 70 platforem. Anthropic , též: Simon Willison
  • METR a Redwood Research našly v interním monitorovacím systému OpenAI nové zranitelnosti; OpenAI tvrdí, že opravilo ty, které se týkaly produkčních ochran, hodnotitelé opravy zatím neověřili. Yahoo Tech
  • DeepSeek podle Bloombergu (via TechCrunch) údajně získal asi 15 mld. $, dva dny poté, co USA nařídily civilním federálním agenturám odstranit jeho technologii. TechCrunch
  • OpenAI zpřístupnilo všem zákazníkům Decisions API, úpravu modelu Luna pro rychlá rozhodnutí s latencí 100–180 ms; ve veřejných žebříčcích zůstává za konkurentem Jev. TechCrunch

Analýza#

Anthropic: formální důkazy, že fuzz vstupy nespadnou, u 123 knihoven

Anthropic a Theorem popisují „první rozsáhlé úsilí“ použít AI na formální verifikaci produkčního softwaru na úrovni strojového kódu. Při pokusech o důkaz se objevily stovky chyb (např. podtečení čítače v dekompresoru) a Claude pak v Rocq dokázal, že 239 vstupních bodů z OSS-Fuzz nespadne na vstupu pod 64 MB. Důkazy platí jen pro jednovláknovou statickou binárku na RISC-V s Linuxem a musl libc; typický důkaz má kolem 600 000 řádků a může stát stovky milionů tokenů. Sám text zdůrazňuje, že „formally verified“ neznamená bez chyb: důkaz je jen tak dobrý jako specifikace a modely stroje a většina lidí používá x86/ARM s glibc. Zajímavé je přiznané riziko, že by model mohl „podvádět“ přepsáním programu; Anthropic proto úpravy kódu penalizoval a auditoval. Je to rozumná ukázka, kam až jde AI v bezpečnosti kódu, a navazuje na rozbor původu ECDSA seedů (17.10.) . Výsledky jsou ale zatím vlastní tvrzení Anthropicu.

Agent Skills putují do Linux Foundation

Anthropic předává nadaci Agentic AI Foundation název, logo, GitHub organizaci a doménu agentskills.io. Standard vznikl v Claude Code a byl zveřejněn v prosinci 2025; podle Anthropicu ho integrovalo přes 70 platforem (mj. ChatGPT, Cursor, GitHub Copilot, VS Code), publikován byl milion skills a téměř 280 milionů instalací. Hlavními správci jsou David Soria Parra a Mahesh Murag, standard udržují i inženýři z Googlu a OpenAI. Slíbený plán: verzovaná vydání, formální proces návrhů a bezpečnostní pokyny pro autory skills. Je to stejný postup jako u MCP: firma, která standard vytvořila, ho ve chvíli rozšíření přenechá neutrální půdě. Reálnou zkouškou bude až ta bezpečnostní část, protože skills se instalují jako cizí kód.

METR a Redwood: slabiny monitoringu agentů u OpenAI

V pilotním přezkumu (21. 7.–11. 8.) každá organizace vyslala jednoho výzkumníka a oba našli „několik nových zranitelností“, mj. exploit, který mohl agentům umožnit skrýt „stovky jejich akcí“ před monitoringem, a cestu, jak by agenti Codex mohli obejít omezení a jednat s plnými oprávněními uživatele. Hodnocen byl stav k 21. 7. a dříve. OpenAI předala 61stránkovou zprávu, ale veřejný je jen souhrn a OpenAI měla právo redigovat. OpenAI říká, že opravila všechny zranitelnosti ovlivňující produkční ochrany; METR a Redwood opravy zatím neověřily. Zdroj je zpráva přes Yahoo, primární text METR jsem nenašel. Navazuje na další případy chování agentů OpenAI (17.10.) . Přístup nezávislých hodnotitelů je dobrý signál, ale bez ověřené opravy a plné zprávy je to zatím transparentnost napůl.

DeepSeek: údajně 15 mld. $ po americkém opatření

Podle Bloombergu, na který se TechCrunch odvolává, DeepSeek získal zhruba 100 mld. juanů (cca 15 mld. $), mezi potenciálními investory jsou CATL a Tencent; DeepSeek na dotaz TechCrunche zatím nereagoval. Dva dny předtím USA nařídily civilním federálním agenturám odstranit technologii DeepSeek ze svých systémů kvůli bezpečnostním obavám. Pokračování po nařízení DHS (21.10.) . Opatření se týká jen federálních civilních agentur, ne trhu; můj dojem je, že dohromady se zprávou o financování americký tlak čínské laby spíš stahuje k domácímu kapitálu. Dříve V4.1-Flash-1017 (18.10.) .

OpenAI Decisions API pro všechny

Od čtvrtka je Decisions API dostupné všem zákazníkům, nově s hlasovým a vizuálním vstupem. Podle TechCrunche jde o upravený ChatGPT Luna, ne model trénovaný přímo na rozhodování; odezva klesla z 1–3 s na 100–180 ms. Ceny článek neuvádí. Ve veřejných žebříčcích je podle něj Jev od TypeSafe lepší (sedmé a třetí místo proti osmému a čtrnáctému OpenAI) a modely TypeSafe jsou na OpenRouteru zatím nejčastěji dotazované. Pokračování po adopci Jevu ve Vercelu (17.10.) : Soudím, že OpenAI se tu snaží dohnat specializovaného soupeře hlavně rychlostí a nižšími náklady.

Microsoft: důkaz KLS domněnky s pomocí AI

Microsoft Research tvrdí, že byla vyřešena domněnka Kannana, Lovásze a Simonovitse z roku 1995. Důkaz podle blogu vznikl v „lidmi řízeném agentním výzkumném procesu“: před průlomem bylo prozkoumáno zhruba sto výzkumných trajektorií, lidé vyřazovali slepé větve a ověřovali důkaz; samostatné pokusy špičkových modelů bez lidského vedení selhaly. Ve stejný den prý vyšel nezávislý důkaz jiné skupiny a je k dispozici formalizace v Lean 4, recenzní řízení ale není zmíněno. Zdroj je vlastní blog, nezávislé potvrzení jsem neověřil. Navazuje na matematickou poradní skupinu OpenAI (22.9.) .

Komentář#

Nejzajímavější trend dne je ověřitelnost. Anthropic ukazuje formální důkazy, Microsoft Lean formalizaci, a obojí je odpověď na zjevný problém: AI generuje víc, než lidé stíhají kontrolovat. Kdo chce AI v kódu a matematice brát vážně, ať sleduje, kde existuje strojově kontrolovatelný výstup. Tam se hodnota AI dá doložit, na rozdíl od tvrzení typu „firemní benchmark“.

Bezpečnost agentů je naopak zatím hlavně o důvěře v to, co firmy samy říkají. METR a Redwood našly díry v monitoringu OpenAI, ale opravy neověřily a plná zpráva je redigovaná. Po Microsoftu s Guardian Agents (20.10.) a incidentu OpenCode je vidět rozpor: nabídka ochranných vrstev roste rychleji než nezávislá evidence, že fungují.

Peníze: OpenAI údajně chystá 30 mld. $ při valuaci 1,25 bil. $ a DeepSeek 15 mld. $ — obojí z neoficiálních zpráv. Obě čísla jsou zatím nepotvrzená a bublinu hledám spíš v těchhle valuacích před IPO než v samotných modelech.

Praktická pozornost: standardy. Agent Skills do Linux Foundation, 1Password pro přihlášení agentů a Walmart s bránou pro agenty (22.10.) ukazují, že se řeší infrastruktura kolem agentů (identita, oprávnění, formát schopností). Tam bude v příštích měsících víc skutečné práce než v dalším benchmarku.

Ostatní#

Anthropic spustil Claude Duet , agentní aplikaci (research preview) pro iOS, Android a web pro profesionály a malé firmy; přístup mají zatím předplatitelé Pro a Max přes waitlist.

OpenAI podle zpráv připravuje nové kolo za 30 mld. $ při valuaci 1,25 bil. $ před IPO; jde o neoficiální informace.

Uber nasadí OpenAI agenta ChatGPT Work všem 30 000 zaměstnancům po menším pilotu.

Meta na konferenci k Q3 uvedla, že Muse má přes 10 mil. uživatelů , nejčastější aktivitou je nakupování. Pokračování po Muse Spark Open (16.10.) .

1Password spustil funkci , díky které se AI agenti přihlásí k účtům uživatele, aniž by viděli heslo.

GitHub Copilot: globální výchozí politika pro obecně dostupné funkce se zavádí do 26. 10. Navazuje na API pro politiky modelů (20.10.) .

Nvidia na GTC Berlin představila otevřené nástroje Cosmos pro trénink, vyhodnocení a nasazení světových modelů. Navazuje na Nemotron 3.5 (20.10.) .

Poznámka k rešerši: The Verge, Ars Technica a Business Standard (vč. RSS) nešly načíst; digital-strategy.ec.europa.eu vrátil 403 i u RSS; qwen.ai/blog, seed.bytedance.com a research.baidu.com vrátily prázdnou stránku či údržbu, moonshotai.github.io jen přesměrování. Rešerše v okně nenašla nic nového u Meta AI, Cursoru ani DeepSeek blogu. Položky, které mezitím pokryly přehledy z 21. a 22. 10. (Orchestra Bio, Google Cloud, Walmart, Voxtral 3, ČTÚ, PHP), jsem vypustil. Prompt injection jsem nezaznamenal.