AI Digest - 14 października 2026

Dziś dominują dwa wątki: nowe modele od Mety i sprzęt od Microsoftu, który ma ograniczać zależność od NVIDIA. Do tego praktyczny research Amazona o tańszej zmianie architektury modeli.

Modele językowe

Meta prezentuje Muse Wonder i Wonder Full

Meta przedstawiła modele Muse Wonder i Wonder Full, określane jako frontier-class. Według streszczenia poprawiają wyniki w kodowaniu i benchmarkach, a do tego mają aktywną pamięć do przechowywania informacji podanych przez użytkownika. Dla programistów najciekawsze są wyniki w zadaniach kodowych i pamięć, ale konkretne liczby warto sprawdzić w materiale źródłowym, zanim ocenimy skalę poprawy. Link

Sprzęt

Microsoft Maia 300 - trzecia generacja akceleratora

Microsoft zapowiedział Maia 300, trzecią generację własnego akceleratora AI. Firma deklaruje ok. 40% więcej tokenów na megawat w porównaniu z wiodącymi systemami opartymi na GPU. W skali racka Maia 300 ma też oferować ponad 2,5 raza większą wydajność na wat niż Maia 200 i o 36% więcej FLOPs. Celem jest mniejsze uzależnienie od GPU NVIDIA. To deklaracje producenta, więc niezależne testy będą tu rozstrzygające. Dla architektów liczy się kierunek: więcej dostawców mocy obliczeniowej w chmurze Microsoftu. Link

Research

Amazon: zmiana architektury modelu bez trenowania od zera

Amazon Science opisuje metodę "priming", która pozwala przerobić wagi wytrenowanego transformera na bardziej efektywną architekturę. Koszt to poniżej 1% kosztu pierwotnego treningu, a efektem ma być wyższa przepustowość. To praktyczne podejście dla zespołów, które chcą obniżyć koszty inferencji bez budżetu na pełny trening. Warto obserwować, jak metoda sprawdzi się poza przykładami z artykułu. Link

Podsumowanie

Meta podnosi poprzeczkę w modelach z pamięcią i kodowaniem, a Microsoft i Amazon atakują koszty: pierwszy sprzętem, drugi przebudową istniejących modeli. Żaden z tych newsów nie jest jeszcze potwierdzony niezależnymi testami.