AI dziś: NVIDIA Nemotron i Gemini 4 Carbon

Dzień 28 października przyniósł intensywne aktualizacje w sektorze sztucznej inteligencji. NVIDIA udostępniła otwarty model Nemotron 3.5 Transcribe do obsługi mowy, podczas gdy Google DeepMind wprowadziło model Gemini 4 Carbon zorientowany na cyberbezpieczeństwo. Ponadto Google uruchomiło platformę Connected Apps dla programistów, firma XREAL zaprezentowała okulary AR z systemem Android XR, a eksperci OpenAI opublikowali analizę wpływu technologii AI na strukturę organizacyjną nowoczesnych przedsiębiorstw.

Najważniejsze dziś (TL;DR)

• NVIDIA Nemotron 3.5 Transcribe: Otwarty model do transkrypcji i tłumaczenia obsługujący 40 języków z funkcją diarizacji do ośmiu mówców.
• Google Gemini 4 Carbon: Nowy model specjalizujący się w cyberbezpieczeństwie i inżynierii, wykazujący dwukrotnie wyższą skuteczność w generowaniu bezpiecznego kodu.
• Google Connected Apps Platform: Narzędzie dla programistów integrujące aplikacje z wyszukiwarką Google oraz systemem Gemini poprzez protokoły MCP.
• Okulary XREAL AURA: Przewodowe urządzenie XR oparte na systemie Android XR, integrujące asystenta Gemini z widokiem przestrzennego interfejsu.
• Przyszłość organizacji w dobie AI: Analiza OpenAI wskazująca na trzy scenariusze wdrożenia sztucznej inteligencji w strukturach firmowych jako wsparcie dla pracowników.

NVIDIA Nemotron 3.5 Transcribe

Firma NVIDIA zaprezentowała 28 października model Nemotron 3.5 Transcribe, otwarty model służący do zamiany mowy na tekst, który oferuje funkcje diarizacji, tłumaczenia oraz odpowiedzi na pytania dotyczące plików audio.

Model obsługuje 40 języków, z czego 31 może być tłumaczonych z lub na język angielski, a w przypadku 13 języków system potrafi przypisywać wypowiedzi do konkretnych osób. Nemotron 3.5 Transcribe przetwarza nagrania trwające do jednej godziny i potrafi rozróżnić do ośmiu mówców jednocześnie. Narzędzie zajmuje pierwsze miejsce wśród modeli o otwartych wagach w rankingu Hugging Face Open ASR Leaderboard dla języka angielskiego (ze średnim współczynnikiem błędu 5,33%) oraz lideruje w porównaniach diarizacji w ramach systemów David AI oraz VoiceArena.

Wraz z modelem udostępniono Granary v2, czyli zbiór danych wielojęzycznych oraz potok przetwarzania, który umożliwia adaptację modelu do specyficznego słownictwa domenowego. W przeprowadzonym studium przypadku dotyczącym medycyny, dostrajanie modelu pozwoliło na redukcję współczynnika błędów (WER) o 45,8% w stosunku do użycia samego promptowania. NVIDIA zapowiedziała, że wkrótce pojawią się wersje kwantyzowane modelu, umożliwiające uruchamianie go lokalnie na sprzęcie takim jak RTX Spark, DGX Spark czy Jetson AGX Thor. Użytkownicy mogą kierować wynikami modelu za pomocą języka naturalnego, definiując np. formatowanie żargonu lub sposób zapisu liczb.

Dla budujących z AI: Zespoły pracujące nad analizą nagrań ze spotkań lub transkrypcją medyczną mogą przetestować model pod kątem rozpoznawania specyficznej terminologii przy użyciu promptów kontekstowych. Ogłoszenie nie precyzuje, czy model oferuje pełne wsparcie dla języka polskiego, jakie są koszty obliczeniowe przy użyciu konkretnych jednostek GPU oraz czy licencja pozwala na komercyjne wykorzystanie danych wyjściowych bez ograniczeń. Te informacje wymagają weryfikacji w dokumentacji technicznej i modelu card przed rozpoczęciem integracji.

Google DeepMind prezentuje Gemini 4 Carbon

Google DeepMind ogłosiło 28 października wprowadzenie modelu Gemini 4 Carbon, który stanowi najsilniejszą jednostkę w portfolio firmy, wyspecjalizowaną w zadaniach z zakresu cyberbezpieczeństwa oraz długoterminowych procesach inżynieryjnych. Model zadebiutował zaledwie dwa tygodnie po premierze wersji Gemini 4 Argon.

Gemini 4 Carbon zajmuje pierwsze miejsce w zestawieniu Artificial Analysis Intelligence Index v5.0 z wynikiem 59. W testach specjalistycznych model uzyskał 88,2% skuteczności w SEC-bench Pro (wykrywanie podatności), 54,8% w ExploitGym (eksploatacja) oraz 71,0% w CWE-bench (tworzenie poprawek). Według danych firmy, w porównaniu z modelem Argon, Carbon oferuje ponad dwukrotny wzrost skuteczności w generowaniu bezpiecznego kodu. W testach wewnętrznych oraz w środowiskach takich jak zespół Chrome, model wykazał wyższą efektywność w tworzeniu wysokiej jakości poprawek niż inne modele graniczne.

Model zaprojektowano do pracy w trybie ciągłym, co pozwala mu na rozwiązywanie wieloetapowych problemów inżynieryjnych wymagających dni pracy. W obszarze tworzenia stron internetowych Carbon awansował na czwarte miejsce w rankingu WebDev Arena z wynikiem 1768 punktów Elo.

Firma prowadzi stopniowy proces wdrażania, współpracując z rządem USA w ramach dobrowolnego procesu testów przedpremierowych. Od tego tygodnia dostęp do modelu otrzymuje wyselekcjonowana grupa ekspertów ds. cyberbezpieczeństwa, a następnie dostęp będzie rozszerzany w ramach programu Fairwind. Koszt korzystania z Gemini 4 Carbon ustalono na 2 dolary za milion tokenów wejściowych oraz 10 dolarów za milion tokenów wyjściowych, przy czym tokeny w pamięci podręcznej objęte są 95% zniżką względem ceny wejściowej.

Dla budujących z AI: specjaliści zajmujący się audytem bezpieczeństwa mogą sprawdzić wydajność modelu w procesach wykrywania i usuwania luk w oprogramowaniu. Źródło nie podaje informacji na temat dostępności modelu w różnych regionach geograficznych, wsparcia dla języków innych niż angielski oraz pełnej dokumentacji technicznej dotyczącej limitów przepustowości API.

Google Connected Apps Platform

Google udostępniło 28 października platformę Connected Apps, umożliwiającą programistom budowę i zarządzanie aplikacjami integrującymi się z wyszukiwarką Google oraz aplikacją Gemini. Celem rozwiązania jest stworzenie ujednoliconego miejsca, w którym twórcy mogą wdrażać swoje narzędzia, pozwalające użytkownikom na realizację codziennych zadań, od zamawiania zakupów po tworzenie playlist.

W ramach systemu programiści integrują się z serwerami MCP (Model Context Protocol) lub Android MCP przy użyciu AppFunctions APIs. Następnie za pomocą Google Connected Console mogą rejestrować, testować i zgłaszać swoje aplikacje do przeglądu. Podczas procesu rejestracji twórcy wskazują, czy rozwiązanie ma być dostępne w wyszukiwarce, aplikacji Gemini, czy w obu tych miejscach. Platforma umożliwia ponadto śledzenie danych dotyczących ruchu, opóźnień oraz wskaźników błędów, a także zarządzanie tożsamością marki, w tym weryfikację logotypów i uwierzytelnianie kont.

Obecnie dostęp do platformy otwierany jest fazowo. Google uruchomiło już ponad 50 aplikacji w obszarach takich jak produktywność, bilety na wydarzenia, zdrowie oraz fitness. Z rozwiązań tych korzystają partnerzy, m.in. Adobe, Experian, Localiza oraz Peloton. W najbliższych tygodniach planowane jest rozszerzenie dostępności tych integracji na wyszukiwarkę, a także wprowadzenie nowej aplikacji Calm. Zainteresowani programiści mogą rejestrować się w wersji zapoznawczej i zapoznawać z dokumentacją pod adresem developers.google.com/connected-apps.

Dla budujacych z AI: programiści aplikacji zintegrowanych z wyszukiwarką lub Gemini mogą zarejestrować swoje narzędzia w konsoli i sprawdzić parametry techniczne wdrożenia. Komunikat nie precyzuje, czy platforma narzuca limity wykorzystania API, jakie są koszty utrzymania serwerów MCP oraz czy istnieją ograniczenia regionalne dotyczące publikacji aplikacji w różnych rynkach – to trzeba zweryfikować w dokumentacji technicznej przed rozpoczęciem prac.

Okulary XREAL AURA z systemem Android XR

Firma XREAL we współpracy z Google wprowadziła 28 października na rynek XREAL AURA, pierwsze przewodowe okulary rozszerzonej rzeczywistości (XR) działające w oparciu o system Android XR i asystenta Gemini. Urządzenie umożliwia wyświetlanie aplikacji w przestrzeni, zachowując przy tym widoczność otoczenia dzięki przezroczystym soczewkom.

Okulary ważą poniżej 95 gramów, ponieważ za obliczenia odpowiada zewnętrzny moduł (puck) połączony kablem, w którym umieszczono baterię oraz platformę Snapdragon Reality Elite. Urządzenie oferuje 70-stopniowe pole widzenia. Użytkownicy mogą otwierać wiele okien aplikacji jednocześnie, zarządzać nimi za pomocą klawiatury i myszy Bluetooth lub panelu dotykowego na module obliczeniowym. Funkcja Wired Mirroring pozwala na podłączenie laptopa przez kabel USB-C i wyświetlanie jego ekranu jako przesuwalnego okna. Asystent Gemini zintegrowany z systemem rozumie obraz rejestrowany przez urządzenie i zawartość ekranów, co pozwala na konwersację dotyczącą wyświetlanych treści lub otoczenia. W sytuacjach wymagających skupienia soczewki mogą przyciemnić obraz, aby odizolować użytkownika od świata zewnętrznego. Sprzedaż ruszyła w Stanach Zjednoczonych, Kanadzie i Korei, natomiast premiera w Japonii zaplanowana jest na 2 listopada.

Dla budujących z AI: Zespoły pracujące nad interfejsami przestrzennymi mogą sprawdzić obsługę funkcji Wired Mirroring oraz sposób, w jaki Gemini interpretuje współdzielony widok w czasie rzeczywistym. Materiał nie precyzuje dostępności urządzenia w krajach Unii Europejskiej, szczegółów licencyjnych dla deweloperów aplikacji XR ani dokładnego cennika dla odbiorców biznesowych.

Przyszłość organizacji w dobie sztucznej inteligencji

Analitycy OpenAI, Hemanth Asirvatham i Elliott Mokski, opublikowali 28 października artykuł analizujący wpływ sztucznej inteligencji na strukturę organizacyjną firm oraz sposób zarządzania zespołami. Autorzy wskazują, że tradycyjna drabina korporacyjna ulega przeobrażeniu, ponieważ systemy AI zaczynają pełnić funkcję cyfrowych podwładnych, wykonujących rutynowe zadania.

W artykule przedstawiono trzy główne scenariusze wdrożenia AI w przedsiębiorstwach. W pierwszym modelu, określanym jako praca „pod nami”, pracownicy zachowują swoje stanowiska, ale zyskują wsparcie w postaci warstwy AI, co sprawia, że każdy pracownik staje się managerem nadzorującym własnych agentów. Drugi scenariusz zakłada sytuację „obok nas”, w której sztuczna inteligencja funkcjonuje jako kolega z zespołu, bezpośrednio współpracujący z ludzkimi managerami i wykonujący coraz szerszy zakres zadań. Trzeci wariant, „pomiędzy nami”, sytuuje AI jako element pośredniczący pomiędzy ludźmi na różnych szczeblach hierarchii, odpowiedzialny za koordynację działań i monitorowanie pracy.

Autorzy podkreślają, że żadna z tych wizji nie dotyczy pełnej automatyzacji, lecz raczej transformacji gospodarki w kierunku firm hybrydowych. Zauważają, że adopcja technologii nie jest procesem natychmiastowym; początkowo AI przejmuje zadania na najniższych szczeblach, by z czasem, w miarę wzrostu możliwości modeli, wchodzić w obszary zarządcze. Obecnie pracownicy już korzystają z systemów zdolnych do pisania notatek, przygotowywania memów czy doradztwa w sprawach technicznych, choć nadal wymagają one nadzoru ze strony ludzi.

Dla budujących z AI: Managerowie zespołów mogą rozważyć mapowanie procesów w swoich działach, aby wyodrębnić zadania o charakterze rutynowym, które obecnie mogą zostać oddelegowane do agentów AI. Publikacja nie określa kosztów utrzymania takiej infrastruktury ani wymagań dotyczących bezpieczeństwa danych przetwarzanych przez systemy wewnątrz struktury korporacyjnej, co wymaga weryfikacji przed wdrożeniem.

Najczęściej zadawane pytania (FAQ)

Jakie możliwości oferuje model NVIDIA Nemotron 3.5 Transcribe?

Model umożliwia zamianę mowy na tekst, diarizację wypowiedzi, tłumaczenia oraz odpowiedzi na pytania dotyczące plików audio. Obsługuje 40 języków, przetwarza nagrania o długości do godziny i potrafi rozróżnić do ośmiu mówców jednocześnie, zajmując czołowe miejsca w rankingach modeli o otwartych wagach.

Do czego służą okulary XREAL AURA i jak działają?

XREAL AURA to okulary AR z systemem Android XR, które wyświetlają aplikacje w przestrzeni przy zachowaniu widoczności otoczenia. Urządzenie korzysta z zewnętrznego modułu obliczeniowego ze Snapdragon Reality Elite oraz asystenta Gemini, który rozumie obraz rejestrowany przez sprzęt i treść wyświetlanych ekranów.

Źródła

• NVIDIA Nemotron 3.5 Transcribe and Granary v2: Intelligent Multilingual Transcription You Can Prompt and Adapt — 2026-10-28
• Gemini 4 Carbon: Our next frontier model — 2026-10-28
• Build and manage Connected Apps in one place — 2026-10-28
• XREAL AURA: Wired XR glasses to watch, work, and play — 2026-10-28
• The future of the firm — 2026-10-28

--- Tekst przygotowany automatycznie przez laboratorium aipoc-lab (AI) na podstawie publicznie dostępnych źródeł wymienionych powyżej. Streszczenia własne, nie kopie. Wersja przed redakcją człowieka.