Egzekwowanie przepisów UE, otwarte wagi i luka na poziomie podstawowym

Przełomowy termin egzekwowania przepisów, dwa wydania modeli z otwartymi wagami, nowe narzędzie ochrony prywatności oraz świeże dane rynku pracy sprawiły, że ten tydzień był wyjątkowo intensywny w obszarze sztucznej inteligencji.

Przepisy Aktu o AI UE dla systemów wysokiego ryzyka są teraz egzekwowane

Najważniejszy jak dotąd kamień milowy egzekwowania przepisów na mocy Aktu o AI UE minął 2 sierpnia 2026 r.: wymagania obejmujące systemy AI wysokiego ryzyka stały się w pełni wiążące. Twórcy i operatorzy AI stosowanej w rekrutacji, scoringu kredytowym, edukacji, biometrii i infrastrukturze krytycznej muszą teraz prowadzić dokumentację zarządzania ryzykiem, dostarczać dokumentację techniczną, umożliwiać znaczący nadzór człowieka i kończyć oceny zgodności przed wdrożeniem. Europejski Urząd ds. AI nadzoruje zgodność modeli AI ogólnego przeznaczenia; organy krajowe w każdym państwie członkowskim egzekwują sektorowe zastosowania wysokiego ryzyka.

Ten sam termin uruchomił obowiązki przejrzystości wynikające z Artykułu 50: chatboty i asystenci głosowi muszą identyfikować się jako AI, a treści wygenerowane lub zmienione przez AI muszą zawierać etykiety czytelne maszynowo. Deepfejki wymagają wyraźnego oznakowania. Naruszenia grożą karami do 15 milionów euro lub 3% globalnego rocznego obrotu, w zależności od tego, która kwota jest wyższa.

Równolegle z terminem egzekwowania, europejski Digital Omnibus — ukierunkowany pakiet poprawek uzgodniony przez Radę i Parlament w maju i wchodzący w życie 27 lipca — odroczył część obowiązków dokumentacyjnych dla mniejszych dostawców i uprościł ścieżki oceny zgodności dla MŚP. Poprawka została zaprojektowana tak, aby uniknąć nieproporcjonalnych kosztów zgodności dla europejskich startupów przy zachowaniu podstawowych ochrony konsumentów wynikających z ustawy.

Google wydaje Gemini 3.7 Flash

Google uruchomiło Gemini 3.7 Flash 13 sierpnia — model skierowany do zadań kodowania, agentowych przepływów pracy i inżynierii oprogramowania. Model obsługuje okno kontekstowe przekraczające milion tokenów i przyjmuje wielomodalne dane wejściowe — tekst, obrazy i dane strukturalne. Google twierdzi, że w dziewięciu testach porównawczych inżynierii oprogramowania przewyższył porównywalne modele Anthropic i OpenAI, z wyjątkowymi usprawnieniami w debugowaniu i generowaniu kodu gotowego do produkcji za pierwszym razem. Cena wynosi $0,75 za milion tokenów wejściowych i $3,75 za milion tokenów wyjściowych do końca 2026 r. Wydanie następuje po Gemini 3.6 Flash z odstępem około trzech tygodni, kontynuując szybkie tempo iteracji utrzymywane przez Google przez cały rok; większa aktualizacja Gemini 3.5 Pro nadal jest opóźniona.

Qwen3.8-27B Alibaby dostarczany na licencji Apache 2.0

Zespół badawczy Qwen z Alibaby opublikował Qwen3.8-27B 14 sierpnia, udostępniając pełne wagi modelu bezpłatnie na licencji Apache 2.0. Model zawiera 27,78 miliarda parametrów, natywnie obsługuje tekst, obrazy i wideo oraz jest dostarczany z oknem kontekstowym 262 144 tokenów. W trzech testach inżynierii oprogramowania — SWE-Bench Pro na poziomie 61,7%, DeepSWE 1.1 na 42,2% i QwenSWEBench na 79,0% — uzyskuje znaczące wyniki w porównaniu do poprzedniego Qwen3.6-27B. Przy kwantyzacji 4-bitowej wymagania dotyczące pamięci spadają z 55 GB do około 18–20 GB, co stawia model w zasięgu pojedynczej karty GPU dla konsumentów z 24 GB VRAM. Wersje społecznościowe dla llama.cpp, LM Studio i Ollama pojawiły się w ciągu kilku godzin od oficjalnego wydania. Niezależni recenzenci zauważyli, że model domyślnie korzysta z rozszerzonych łańcuchów rozumowania, co może spowalniać odpowiedzi na krótkich zadaniach, ale generuje staranne odpowiedzi przy bardziej wymagających.

Google otwiera HEIR: uruchamianie AI na zaszyfrowanych danych

15 sierpnia Google opublikowała HEIR — Homomorphic Encryption Intermediate Representation — zestaw narzędzi kompilatora o otwartym kodzie źródłowym, który konwertuje wstępnie wytrenowane modele uczenia maszynowego na wersje zdolne do przeprowadzania wnioskowania na zaszyfrowanych danych wejściowych. Technika — w pełni homomorficzne szyfrowanie — pozwala serwerowi przetwarzać wrażliwe dane i zwracać użyteczne wyniki bez kiedykolwiek odszyfrowywania podstawowych informacji. HEIR jest zbudowany na infrastrukturze kompilatora MLIR i automatyzuje konwersję standardowych wytrenowanych modeli do form kompatybilnych z FHE, obsługując wiele schematów szyfrowania i wysokowydajne backendy. Towarzyszący artykuł arXiv i cztery aplikacje demonstracyjne są dostępne razem z kodem. Bezpośrednimi beneficjentami są niezależni badacze i mniejsze organizacje, które chcą eksperymentować z AI zachowującą prywatność bez konieczności budowania wyspecjalizowanego zespołu kryptograficznego. Żaden konsumencki produkt Google nie zintegrował jeszcze HEIR, ale otwarte wydanie znacznie obniża tę barierę.

Stanford odkrywa 19-procentową lukę zatrudnienia wśród młodych pracowników w zawodach narażonych na AI

Nowa analiza Laboratorium Gospodarki Cyfrowej Stanforda, opublikowana w tym miesiącu pod tytułem "Kanarki w kopalni węgla", stwierdza, że zatrudnienie wśród pracowników w wieku 22–25 lat w zawodach o wysokim narażeniu na AI jest teraz o około 19% niższe, niż byłoby, gdyby dotrzymało kroku zatrudnieniu w mniej narażonych zawodach. Luka stale się powiększa — z 15% w lipcu 2025 r. do 19% w czerwcu 2026 r. — i wydaje się działać przede wszystkim poprzez ograniczenie rekrutacji, a nie wzrost zwolnień. Badanie opiera się na zanonimizowanych danych płacowych obejmujących ponad 100 milionów rekordów zatrudnienia z ADP.

Doświadczeni pracownicy w tych samych zawodach nie wykazują porównywalnego deficytu; w wielu przypadkach AI uzupełnia, a nie zastępuje ich pracę. Usługi finansowe, technologie informacyjne i wsparcie administracyjne plasują się wśród sektorów o najwyższym ryzyku. Badanie nie znajduje dowodów na powszechne, ogólnogospodarcze wypieranie miejsc pracy, ale autorzy opisują trajektorię zatrudnienia młodych pracowników w zawodach narażonych na AI jako centralne wyzwanie polityczne transformacji rynku pracy tej dekady — grupę porównaną do kanarków w kopalni węgla, których sytuacja daje wczesne ostrzeżenie o presji, która może ostatecznie dotknąć szerszą siłę roboczą.