TL;DR#

  • Block představil hlasový model Dessa, který podle firmy běží lokálně na MacBooku M4 Max; veřejně dostupný zatím není. TechCrunch
  • Studie Convovo: při API dotazu „koho volit“ Grok v 92 % odpovědí doporučil republikána, GPT-6.1 Sol v 97 % demokrata. TechCrunch
  • MIT nechalo 13 agentů 30 hodin bez zadání na simulovaném ostrově; ti pak v pozdějších úkolech obvykle překonali agenty bez této zkušenosti (preprint). arXiv , též: TechCrunch
  • Repozitář GVS5H uvádí, že orchestrace instancí jednoho modelu zvedla lokální Qwen3.8-27B na LiveCodeBench z 66,8 % na 92,4 %; jde o vlastní měření na 100 úlohách. GitHub
  • Preprint ValuSpec uvádí zrychlení speculative decodingu až 2,78× bez změny výstupu při greedy dekódování. arXiv

Analýza#

Block: hlasový model Dessa

Dessa je podle Blocku full-duplex model, který mluví a poslouchá současně a podle Blocku čerpá znalosti z konverzačních dat, na kterých byl trénován; zda používá samostatný LLM, TechCrunch neuvádí. Trénink prý proběhl na jednom racku Nvidia GPU a model běží lokálně na MacBooku M4 Max nebo lepším. Realističnost a emoce jsou tvrzení firmy, nezávisle ověřená nejsou. Veřejný přístup není; Block žádá bezpečnostní výzkumníky o testování, podle TechCrunch zřejmě kvůli možnosti, že hlasový agent oklame lidi. Licence uvedena není. Zatím jde o demo.

Convovo: Grok a GPT vybírají v kampani opačné strany

Convovo (studio vedené Tapanem Parikhem z Cornellu) zadalo přes API GPT a Grokovi zhruba 500 závodů v amerických volbách 2026 s pokynem jmenovat jednoho kandidáta. Grok doporučil republikána v 92 % odpovědí, GPT-6.1 Sol demokrata v 97 %, shoda byla pod 10 %. Spotřebitelské aplikace kandidáta volit odmítly, takže jde o chování API s vynuceným výběrem; OpenAI na tento rozdíl upozorňuje. Test bez vyhledávání měl jen 30 závodů. Parikh vysvětluje sklon GPT tím, že je „ve vahách“, a výsledek Groka vyhledávacími výrazy a zdroji; jde o jeho interpretaci, ne potvrzené zjištění. Bez vyhledávání (30 závodů, test na žádost TechCrunch) GPT vybralo demokrata ve 24 případech, jednoho republikána a pětkrát odmítlo; Grok odmítl 27 ze 30 a ve zbylých třech zvolil demokrata.

MIT: agenti sami si hrají na ostrově

Podle TechCrunch MIT umístilo 13 agentů Eko (na Claude Opus 4.7) na 30 hodin na simulovaný ostrov bez zadání; poté agenti, kteří „hráli“, obvykle překonali identické agenty bez této zkušenosti v dodaných úkolech. Šest ze 13 se naučilo hodit blok dál odhozením během skoku, což výzkumníci nezamýšleli. Jde o preprint bez recenze; prompt popisoval agenta jako „naturally curious“ a Eunice Yiu z Berkeley upozornila, že studie neprokazuje, zda agenti skutečně hrají. Přínos pro robotiku je spekulativní. Zdroj výsledků je zatím jen preprint a jeho převyprávění.

Komentář#

Dnešek je tichý a nejzajímavější je to, co je mezi řádky: agenti. MIT ukazuje, že neřízený „pobyt“ agentů může zlepšit jejich výkon, ale jen v simulaci, na preprintu a s promptem, který agenta popisuje jako zvědavého. Sledoval bych, jestli se podobný efekt objeví mimo hračkové prostředí, a to nezávislým opakováním.

Dessa od Blocku je dobrý příklad toho, co považuji za bublinu v malém: model bez veřejného přístupu, s hesly typu „lidský“ a bez nezávislého měření. Lokální běh na laptopu je zajímavý technický směr, ale dokud nemá kdo model vyzkoušet, je to demo. Stejně skepticky bych bral tvrzení „single GPU = Fable 5“ z GVS5H: čísla jsou ze 100 úloh a bez intervalů spolehlivosti.

Studie Convovo je užitečné varování, že API a spotřebitelská aplikace téhož modelu se chovají jinak. Jako důkaz politické zaujatosti ale nestačí: vynucený výběr kandidáta a 30 závodů bez vyhledávání neřeknou, co modely dělají při běžném použití.

Ostatní#

GVS5H je open-source metoda „ledger-based zero-shot self-orchestration“: instance jednoho modelu se dělí o úlohu přes sdílený souborový systém. Autoři uvádějí, že orchestrovaný Qwen3.8 Flash Next dosáhl 93,0 % pass@1 na 100 úlohách LiveCodeBench proti 90,4 % u Claude Fable 5 (při jednom volání) a že lokální Qwen3.8-27B vzrostl z 66,8 % na 92,4 %. Sami připouštějí, že zisky nejsou univerzální a srovnání nejsou stejná.

ValuSpec filtruje špatné větve ve stromech speculative decodingu před ověřením cílovým modelem a podle autorů zrychluje až 2,78× bez změny výstupu při greedy dekódování (preprint z 22. 10.).

Certified Execution Harness staví mezi LLM agenta a nástroje Petriho-síťový supervizor, který blokuje volání nástrojů vyvolaná prompt injection bez potřebných oprávnění (preprint z 22. 10.).

Poznámka k rešerši: Zprávy z 22.–24. 10. pokryl přehled z 24. 10. (OpenAI trénink bez internetu, Kimi K3.1 Pro, NASK apod.), proto jsem je vypustil. The Verge, Ars Technica, Business Standard (vč. RSS), digital-strategy.ec.europa.eu (i RSS) a primární blog OpenAI (403) se nepodařilo načíst; qwen.ai, seed.bytedance.com, research.baidu.com a moonshotai.github.io vrátily prázdnou stránku, údržbu či přesměrování. U regulace nebylo v okně nic nového. Blog Cerebras o nasazení bilionových modelů byl nedostupný, položku jsem vynechal. Prompt injection jsem nezaznamenal.