OpenClaw, SWE-AGI i zmierzch chatbotów - Opus 4.6 i GPT-5.3 Codex to Agenci z przyszłości!

Okazuje się, że metody czy też narzędzia służące do wytwarzania takich rozwiązań jak OpenClaw, o którym przez chwilę mówiliśmy, no tak naprawdę przyspieszają. Ich rozwój przyspiesza, ich potencjał rośnie i dzisiaj w kontekście programowania AI to już jest znacznie więcej niż tylko autocomplete na strydach. I oczywiście pojawiają się pytania co dalej, co przed nami, jak to wszystko może wpłynąć na przyszłość branży. Tutaj takimi dwoma głównymi triggerami, które spowodowały gdzieś tam... Taką dyskusję, czy tam roznieciły taką dyskusję były właśnie modele GPT-5.3 Codex i Opus 4.6 w połączeniu ze środowiskami uruchomieniowymi, z tak zwanymi Agent Harness, z takimi uprężami na modele, co całościowo stało się, można powiedzieć, no już takim konstruktorem systemów, przecież przełożyło się na powstanie takich konstruktorów systemów napędzanych sztuczną.

I to jest właśnie ten brakujący element, czyli właśnie ten agent harness, całe to ciało opakowujące model, które dla nas, czy też dla osób, które spędziły w tym świecie programowania ze sztuczną inteligencją, jest już czymś naturalnym. Natomiast do osób, które dalej patrzą na to wszystko, jak właśnie na aktywność uzupełniania kolejnych linii kodu, jest czymś nieoczywistym, w ogóle niezrozumiałym. W jaki sposób LLM czy AI może działać w sposób przewidywalny? Gdzie tutaj ten determinizm? Po co mi wywoływanie terminalu przez model, skoro ja sobie mogę tutaj jakieś komendy wprost wpisać? Więc dzisiaj musimy zrozumieć, że ten rozwój agent harness posunął się prawie tak daleko, prawie tak bardzo do przodu, jak właśnie rozwój samych modeli. I dzisiaj jest to z perspektywy firm tworzących te rozwiązania, tak samo istotny element całej tej układanki, jak modele, które wcześniej były tak naprawdę w samym sercu tej dyskusji o oprogramowaniu z wykorzystaniem sztucznej inteligencji.

Więc pogłębmy Marcin jeszcze temat całego tego agent harnessu, tej uprzęży. O co tutaj chodzi? Co to właściwie daje tym firmom, które skupiają się na rozwoju tego typu rozwiązań? Czy my z tego korzystamy? Kto z tego korzysta? Jak to właściwie zrozumieć? Trzeba zrozumieć, że rozwijanie modeli jest bardzo trudne obecnie. Wymaga ogromnych nakładów kapitału, energii, czasu. I te zyski, które otrzymujemy, już nie są za każdym razem tak imponujące. To prawda, premiery takich modeli jak Opus 4.5 czy też GPT Codex 5.2 to... Były imponujące modele. Widzieliśmy zauważalny progres, tak naprawdę niezależnie od tego, gdzie ten model uruchomiliśmy.

Więc się mówi, że teraz ten harnes to właśnie jest mode. To jest coś, co wyróżnia firmę. To dało się tak naprawdę odczuć po raz pierwszy już za sprawą Cursora pod koniec 2024 roku, który był takim pierwszym naprawdę wnoszącym jakościową zmianę harnesem. Bo tak jak różnica pomiędzy chatem GPT, a GitHub Copilotem, No nie była jakaś imporująca w tamtych czasach, to w kursorze faktycznie czuliśmy, no że niby ten sam model, a jednak coś tam innego jest na odpłucie, nie? Oczywiście były osoby, które twierdziły, że nie, no oczywiście, co za różnica, a to na jakieś 5 dolarów drożej, te same modele są dostępne. No ale ktoś trochę więcej czasu w tym wszystkim spędzał, testował to w sposób bardziej aktywny, oto jednak tą różnicę czuł.

Odbierają wiele argumentów co do jakości i zdolności tego AI w zakresie programowania. I cóż to są za modele? Cóż to są za harnessy? Jakie mamy dane, które potwierdzają skuteczność tych rozwiązań w określonych zadaniach? Przede wszystkim myślimy tutaj o dwóch rozwiązaniach, czyli Cloud Opus 4.6, ten największy model od firmy Anthropic, model o największym potencjale, którego filozofią można powiedzieć jest taka długodystansowa praca w tle. Dzisiaj już Opus ma okno kontekstowe jednego miliona aktywnych tokenów, generuje od pół do 128 tysięcy tokenów. I jednym z takich ostatnich feature'ów, które zwróciły naszą uwagę jest feature Agent Teams, czyli orkiestracji agentów, takich instancji Opusa, które działają sobie czasami równolegle, a czasami ramię w ramię nad jakimś bardziej złożonym problemem.

Ten Agent Harness może sobie właśnie spawnować, powoływać do życia kolejne instancje, można powiedzieć tego samego narzędzia. Jest to całkiem ciekawa historia, które to działa sobie właśnie na swoim oknie kontekstowym, na swoich niezależnych listach zadań. I może nam pomóc w realizacji takich przekrajowych, bardziej end-to-endowych problemów. Mamy również GPT-5.3 Codex od OpenAI, gdzie z kolei społeczność docenia taką brutalną siłę i sterowalność. Jedną z takich ciekawych nowości, która się pojawiła w przypadku GPT-5.3 Codex jest właśnie tzw. mid-execution steerability, czyli moment kiedy model wchodzi sobie do trybu OpenAI jest takim momentem, gdzie możemy mu wstrzyknąć dodatkowe instrukcje, nie musimy czekać na sam koniec długiego, złożonego zadania, co oczywiście pozwala w bardziej atomowy, precyzyjny sposób sterować tym rozwiązaniem.

No i to daje takie poczucie niesamowitej sprawczości, tempa, które kiedyś były niedostępne. I mając już takie doświadczenie, takie wyczucie tego jak z tym modelem, z tym harnessem pracować, www.openclaw.com Rzeczy są oczywiście dwie. Po pierwsze umiejętności operatora, to jest istotne i nasze doświadczenie i świadomość tego, jak w ogóle z tym narzędziem pracować. Przed tym nie uciekniemy. Tak samo jak musieliśmy się nauczyć samego programowania, tak programowania z AI również trzeba się nauczyć. To tylko pozornie jest łatwe, ale wraz z wzrostem skali i złożoności projektu coraz więcej musimy tych