AI dziś: Nemotron i PDD Kit
Autorstwo i zatwierdzenie
Publikacja i aktualizacja
Stan wiedzy i źródła
To dwa niezależne tematy dotyczące pracy z AI. Chris Alexiuk z NVIDIA promuje otwarte modele Nemotron i pokazuje programistom, jak budować oraz wdrażać aplikacje i agentów. Microsoft Research opisuje PDD Kit, który pomaga formalnie weryfikować kod aplikacji tworzonych przez agentów, a gdy dowód jest niemożliwy, przygotowuje testy oznaczane jako empiryczne.
Najważniejsze dziś (TL;DR)
- NVIDIA Nemotron: Chris Alexiuk promuje otwarte modele, w tym Lightning do częstych, powtarzalnych zadań i Ultra do długotrwałych agentów.
- PDD Kit: Microsoft Research sprawdził narzędzie na pełnostackowej aplikacji w Ruście liczącej około 5000 linii.
Chris Alexiuk promuje otwarte modele NVIDIA Nemotron
W materiale opublikowanym 5 listopada NVIDIA przedstawiła Chrisa Alexiuka, starszego inżyniera badań produktowych w dziedzinie deep learningu, który uczy programistów korzystania z otwartych modeli językowych.
Alexiuk publikuje na YouTube materiały o budowaniu, dostrajaniu i ocenianiu aplikacji oraz agentów opartych na dużych modelach językowych, a także o wdrażaniu ich do produkcji. Uważa, że pełna otwartość powinna obejmować wagi modelu, dane użyte do jego trenowania i przepisy treningowe. Jego zdaniem taki dostęp jest warunkiem demokratyzacji AI.
Inżynier promuje rodzinę NVIDIA Nemotron, określaną w materiale jako otwarte, multimodalne modele przeznaczone do długotrwałych, samodoskonalących się i wyspecjalizowanych agentów. Wśród przykładów zastosowań Alexiuk wymienia Nemotron 3.5 Lightning do powtarzalnych zadań wykonywanych często oraz Nemotron Ultra do długotrwałych agentów autonomicznych, głębokiego researchu i zadań korporacyjnych. Artykuł nie podaje szczegółów technicznych tych modeli.
Alexiuk zaczął interesować się uczeniem maszynowym podczas zajęć z fizyki obliczeniowej. Jego pierwszym projektem był klasyfikator obrazu, który rozpoznawał na kamerze charakterystyczną papużkę znajomego. Obecnie prowadzi też transmisje poświęcone Nemotron w serii NVIDIA Nemotron Labs.
Dla budujących z AI: Zespół tworzący agentów może sprawdzić warianty Nemotron opisane dla zadań wykonawczych i długotrwałej pracy, a następnie przetestować je na własnym zadaniu. Materiał nie podaje wymagań dotyczących pamięci ani sprzętu, licencji, ceny ani obsługi języka polskiego — te informacje trzeba ustalić przed wdrożeniem.
PDD Kit weryfikuje kod aplikacji tworzony przez agentów
Microsoft Research opisał PDD Kit — narzędzie do formalnego sprawdzania aplikacji tworzonych przez agentów AI — w listopadowym wpisie na blogu.
Narzędzie pomaga zespołowi zapisać wymagania w postaci specyfikacji w języku Verus, a następnie generuje dowody, że kod spełnia tę specyfikację dla każdego wejścia. Tam, gdzie formalny dowód nie jest możliwy, przygotowuje testy; ich wyniki oznacza jako empiryczne, a nie jako dowód poprawności. Zespół zatwierdza wymagania w dokumencie pośredniczącym między opisem intencji a specyfikacją i testami. PDD Kit wskazuje też elementy, których poprawne działanie przyjmuje się na zaufanie, i prosi o zatwierdzenie każdego z nich.
Microsoft sprawdził narzędzie na Pet Store, pełnostackowej aplikacji napisanej w Ruście, liczącej około 5000 linii. Backend wykorzystuje Axum i SQLite, a interfejs — Leptos skompilowany do WebAssembly. W opisanym przykładzie zespół skupił się na logowaniu i dwóch wymaganiach: token ma być wydawany tylko po podaniu właściwego hasła, a token administratora wyłącznie kontom administratorów. Według wpisu formalna weryfikacja pomogła wzmocnić kod i wykryła istniejące błędy; dowód wykazał brak błędów logowania względem ustalonej specyfikacji.
Praca zaczyna się od pytań o intencję, zanim agent zmieni kod. PDD Kit analizuje istniejący kod, objaśnia elementy związane z wymaganiem i pomaga doprecyzować jego znaczenie. Microsoft podkreśla, że samo testowanie nie obejmuje wszystkich możliwych wejść, a testy napisane przez agenta mogą sprawdzać to, co agent zbudował, zamiast tego, o co prosił zespół. Formalny dowód dotyczy jednak wyłącznie zapisanej specyfikacji; część aplikacji, której nie da się nią objąć, pozostaje weryfikowana testami.
Dla budujących z AI: zespół utrzymujący aplikację w Ruście może wybrać logikę logowania, spisać wymagania i sprawdzić, które z nich da się formalnie zweryfikować. Wpis nie podaje ceny, licencji ani dostępności PDD Kit poza integracją z Chopin — te informacje trzeba ustalić przed planowaniem użycia narzędzia.
Najczęściej zadawane pytania (FAQ)
Jakie zastosowania modeli Nemotron wskazuje Chris Alexiuk?
Alexiuk uważa, że pełna otwartość obejmuje wagi modelu, dane treningowe i przepisy treningowe. W materiale promuje rodzinę Nemotron oraz wskazuje Nemotron 3.5 Lightning do częstych, powtarzalnych zadań, a Nemotron Ultra do długotrwałych agentów autonomicznych, głębokiego researchu i zadań korporacyjnych.
Jak PDD Kit weryfikuje kod aplikacji tworzonych przez agentów?
PDD Kit zapisuje wymagania w specyfikacji Verus i generuje dowody, że kod spełnia ją dla każdego wejścia. Gdy dowód nie jest możliwy, narzędzie przygotowuje testy, których wyniki są oznaczane jako empiryczne, a nie jako dowód poprawności.
Źródła
- The Wizard of Open Weights: Chris Alexiuk Makes AI Easy With Open Models — 2026-11-05
- Formally verifying agent-written full-stack web apps with PDD Kit — 2026-11-05
--- Tekst przygotowany automatycznie przez laboratorium aipoc-lab (AI) na podstawie publicznie dostępnych źródeł wymienionych powyżej. Streszczenia własne, nie kopie. Wersja przed redakcją człowieka.
Manifest pochodzenia tego wpisu (JSON) — z jakich sygnałów powstał, jakie decyzje podjęły kolejne pętle i kiedy zatwierdził go człowiek.
Powiązane wpisy
AI dziś: llama.cpp 1.0.0 i Shield
llama.cpp i ggml wprowadzają reguły zgodności w wersji 1.0.0, a XYBench sprawdza 8115 pytań o błędne założenia użytkowników.
AI dziś: Claude Fable 5.2 i Mythos 5.2
Claude Fable 5.2 kończy 41,3% zleceń pracy zdalnej, działa do 30% szybciej, a płatne plany dostają w tym tygodniu 1–3 resety limitu.
AI dziś: NVIDIA 6G i AMD InferaSim
NVIDIA raportuje milion pobrań narzędzi 5G/6G, a AMD opisuje InferaSim, który w testach ograniczył pomiary konfiguracji z 204 do 9,1 godziny GPU.
AI dziś: Kolibri i NVIDIA Kumo Relational
Debiutuje model Kolibri z 78,1 mld parametrów oraz NVIDIA Kumo Relational, narzędzie do predykcji na bazach danych o skali 500 mld wierszy.