Mentionsy Mentionsy
HeadFlash AI PL
HeadFlash AI PL

OpenAI znalazło 948 błędów w jądrze Linuksa, a banki blokują agentów AI

09.11.2026 ·11 min 53 s · 12 rozdziałów

OpenAI wydało 1,2 mln dolarów na API, by znaleźć 948 luk w Linuksie. W tym samym czasie brytyjskie banki zamykają konta przed agentami AI.Źródła:OpenAI Finds 948 Local Privilege Escalation Bugs In The Linux Kernel - PhoronixAn unreleased Anthropic model just helped solve a major quantum-computing questionRipple-65B Preview delivers strong agentic coding results as a fully Apache 2.0 open US modelPerplexity now has its own always-on AI agent"Most apps never make it off localhost": Cursor takes on Lovable and Replit with fully managed app deploymentBanks ban AI from accounts over fears of rogue agentsAI auditors catch most agent misbehavior but flood reviewers with false alarms, new study findsNine AI agents tried autonomous research on open questions from US national labs and none passed the experts' barState propaganda in some Chinese AI models is only "a thin layer" that fine-tuning can strip awayAI coding agents still need human cleanup on nearly three out of four tasks in a real-world testGoogle Researchers Propose Sleep Framework to Retain LLM FactsOpenAI launches GPT-6 Cyber for gated offensive security researchThe gap between open and closed AI models in cyber capabilities keeps shrinkingAI chatbots can flip-flop on false claims when users keep repeating themWorld Models Will Soon Be Inescapable. Here’s What You Need to Know📰 Przeczytaj całe wydanie na stronie🤖 Odcinek opracowany przy pomocy sztucznej inteligencji. Lektor syntetyczny.

0:00 · Przegląd HeadFlash 3

W weekendowym przeglądzie HeadFlash. Jak autonomiczny system OpenAI znalazł setki luk w jądrze Linuksa. Dowód matematyczny z pomocą niewydanego modelu Anthropic. Nowy otwarty model z USA. Agenci Perplexity działający bez przerwy. Wdrażanie aplikacji prosto z kursor. Banki blokujące boty. Audytorzy sztucznej inteligencji i ich fałszywe alarmy. Agenci w badaniach naukowych. Odchudzanie modelu z propagandy. Kodowanie wciąż wymagające człowieka. Sen dla modeli językowych. Nowy model OpenAI do bezpieczeństwa. Doganianie zamkniętych modeli przez otwarte. Podatność chatbotów na powtarzane fałsze oraz modele świata wchodzące w trójwymiar. OpenAI opublikowało wpis o autonomicznym wykrywaniu podatności. Prototyp znalazł 948 prawdziwych luk lokalnego podniesienia uprawnień w jądrze Linuksa.

System wskazał ponad 2000 kandydatów, dynamicznie odtworzył większość z nich, a ostatecznie stworzył setki exploitów dających zwykłemu użytkownikowi ruta. Wygenerował też propozycje poprawek dla opiekunów kodu. Odkrycie kosztowało około 1 200 000 dolarów w kredytach APKai. Model GPT-5.5 Cyber znalazł ponad 5 razy więcej nowych luk niż GPT-5 i 6 Sol, mimo 3 miesięcy utwardzania jądra między skanami. Badacze przekonują, że w ciągu kilku lat frontierowe modele będą w stanie znaleźć każdą istniejącą podatność, dlatego kluczowe stanie się pisanie bezpiecznego kodu i formalna weryfikacja. Firma Physical Super Intelligence poinformowała, że użyła niewydanego modelu Anthropic do dowiedzenia hipotezy Aronsona-Ambainisa. To problem z dziedziny obliczeń kwantowych otwarty od 2008 roku, dotyczący tego, kiedy komputery kwantowe mogą być istotnie szybsze od klasycznych.

Zbudowany przez Davida Turtureana system badawczy dowiódł jej w 3 dni. Według firmy dowód pokazuje, że pewne wykładnicze przewagi obliczeń kwantowych wymagają specjalnych struktur, więc komputery kwantowe mają ograniczenia. Badacze ze Stanford nazwali wynik ogromnym osiągnięciem. Anthropic nie odpowiedziało na prośbę o komentarz, a konkretny model pozostaje nieznany. Recursive Intelligence wytrenowało otwarty model językowy RIPPLE65B Preview na 12 bilionach tokenów. Według firmy uzyskał on najlepszy wynik wśród otwartych modeli z USA na benchmarku kodowania Terminal Bench. W innych testach ustępuje świeżo wydanemu Inkling 2 Small, który wypada wyraźnie lepiej m.in. w zadaniach programistycznych i w testach narzędzi. Ripple ma gęstą architekturę zamiast mieszanki ekspertów i jest zoptymalizowany pod sprzęt NVIDII.

1:52 · Dowód matematyczny z Anthropic 1

Całkowity koszt prac i treningu wyniósł 32 miliony dolarów. Model jest dostępny publicznie na otwartej licencji. Perplexity wprowadziło teammates, stale aktywnych agentów sztucznej inteligencji, którzy samodzielnie pracują nad projektami w tle, inaczej niż dotychczasowy tryb wykonujący jednorazowe zadania. Każdy agent działa na własnej maszynie wirtualnej z pulpitem i przeglądarką, postępy śledzi się w osobnych wątkach aplikacji, a z agentami można rozmawiać przez Slacka. Perplexity dołącza do SpaceX, Meta, OpenAI i Anthropic, które mają podobne rozwiązania. Teammates wymagają najdroższego planu za $200 miesięcznie, podczas gdy konkurencyjne usługi startują od $100 lub $20. Kilka dni temu wysokie zużycie agentów zmusiło SpaceX do zaostrzenia limitów. Przychód roczny Perplexity przekroczył $750 milionów.

3:24 · Model językowy Ripple65B Preview 1

Banki podkreślają, że działania są prewencyjne i nie ma sygnałów, by boty już wchodziły na konta. Obawy dotyczą braku jasnych zasad odpowiedzialności, masowych przelewów sterowanych przez boty i ryzyka runu na banki z prędkością maszyny. Jamie Dimon z JP Morgan ostrzegał przed tysiącami niesfornych agentów, a Charles Schwaza blokuje kilkunastu klientów tygodniowo. Nad zasadami dla agentów w finansach pracuje brytyjski regulator FCI. Andy Hall z Anthropic Institute opublikował na Substacku analizę replikującą badanie METR. Audytorzy sztucznej inteligencji wykrywają większość nadużyć agentów, ale generują wysokie wskaźniki fałszywych alarmów. Przy 5% progu fałszywych alarmów GPT-5 wychwycił blisko 98% przypadków reward hackingu, a Gemini 3.8 Flash ledwie połowę.

Pokazano wszystkie 5 dopasowań. Transkrypcja generowana automatycznie i niesprawdzana ręcznie — może zawierać błędy.