Siema!
Przychodzę dziś z filmem o Grok Bocie oraz artykułami o cenach modeli i zdalnym setupie agentów. Sprawdzamy również, jak Polacy podbijają branżę AI i jak nowy polski model decyzyjny przebija popularnego ostatnio Jev!
Do tego narzędzie do inżynierii wstecznej, dzięki któremu odtworzymy aplikacje za pomocą AI i o budowaniu software'u pod nasze własne potrzeby :)
Grok Bot jest niesamowity
Od kilku dobrych tygodni intensywnie testuję Grok Bota i w końcu postanowiłem podzielić się wrażeniami! W filmie przechodzimy przez jego działanie, najważniejsze funkcje oraz to, co potrafi, w porównaniu np. do Claude Code’a czy Codexa.
Pokazuję, jak na co dzień z niego korzystam i jak obudowałem go w dodatkowe narzędzia. Mój setup opiera się na VPS, Obsidianie oraz dodatkowej orkiestracji agentów w Herdr z Claude/Pi. Zachaczamy więc też o bardziej zaawansowane zagadnienia :)
Ceny modeli nie są już wiarygodne
Wychodzi nowy chiński model. Sprawdzamy benchmarki. Jest nieźle, trochę za najlepszymi modelami od Anthropic i OpenAI, ale w sumie czy aż tak daleko? Patrzymy na cenę za milion tokenów. Wow, jest naprawdę tanio. Pora się przesiadać?
No dobra, może jednak lepiej zostać przy mainstreamie. GPT-6.1 Sol kosztuje $2 za milion tokenów input oraz $0,2 za milion tokenów output. Opus 5.5, czyli model podobnej klasy, kosztuje $4 za milion tokenów input oraz $20 za milion tokenów output. Przepaść jest ogromna! Czyli co, jednak OpenAI jest kilkukrotnie tańszy?
Niestety, rzeczywistość jest dużo bardziej skomplikowana. Cena za sam model już dawno przestała być tym, czym powinniśmy się sugerować. Jak to ogarnąć?
W artykule przechodzimy przez ten temat, przyglądamy się cenom modeli oraz temu, jak się mają do faktycznej efektywności. Sprawdzamy też patterny na mądre połączenie modeli w jednym procesie i staramy się odpowiedzieć na pytanie, jak wybrać odpowiedni model.
Polski model decyzyjny pobija Jev’a
Ostatnio pisałem o Jev, czyli świetnym modelu decyzyjnym. Dla przypomnienia:
Jev to nie LLM, to nie klasyczny czatbot. Nie generuje tekstu. To model, który zwraca ustrukturyzowaną decyzję z prawdopodobieństwami i confidence score. Działa jak taki mądry if statement. Jest bardzo szybki (kilkaset milisekund) i bardzo tani (grosze za miliony wywołań).
Premiera Jeva była bardzo fajnym powiewem świeżości na rynku LLM’ów. Nie dość, że to jednak coś innego niż klasyczny model, to jeszcze jest niesamowicie tanie i szybkie. To otworzyło nam masę możliwości i dużo osób zaczęło wynajdować bardzo fajne przykłady, gdzie Jev może znaleźć zastosowanie.
Nie musieliśmy długo czekać na polską alternatywę. Remek Kinas, który był również zaangażowany w tworzenie Bielika, podzielił się modelem decyzyjnym basal-omni, który przebił konkurencję w postaci Jeva oraz modeli od OpenAI i Microsoftu w niezależnym benchmarku.
Basal został zbudowany na modelu Google Gemma 4 i jest oczywiście dostępny jako open source. Można go zainstalować lokalnie lub na własnym serwerze. Remek zaznacza, że język polski jest priorytetem :)
Świetna informacja, mocno kibicuję i trzymam kciuki za dalszy rozwój!
Agenci nie powinni żyć na Twoim laptopie
Od wielu miesięcy obserwuję trend przenoszenia agentów do chmury. Wszystkie najważniejsze AI laby mają w swojej ofercie opcje chmurowe. Firmy coraz częściej zaczynają budować własne software factory, które opierają się na zdalnych agentach.
Zdalne agenty pozwalają nam efektywnie pracować nad wieloma projektami jednocześnie, z kilku różnych urządzeń. Nie ograniczają nas nasz lokalny sprzęt i obawy dotyczące bezpieczeństwa i dostępu do danych na naszym laptopie.
W tym artykule przechodzimy przez setup zdalnych agentów, dzięki któremu będziemy mogli efektywnie pracować nad wieloma agentami jednocześnie, nawet z poziomu naszego telefonu :)
Inżynieria wsteczna aplikacji z AI
Na GitHubie wystrzelił projekt REA, czyli Reverse Engineer Anything. To sposób, który pozwala odwzorować każdą aplikację z AI. Na ten moment projekt ma 350 tysięcy gwiazdek, co jest totalnie szaloną liczbą.
Jak to działa? REA udostępnia CLI i MCP, które agent może wykorzystać, żeby zebrać informacje o danej aplikacji. Pod spodem siedzą przeróżne silniki i parsery, których celem jest wyciągnięcie jak największej informacji o kodzie i działaniu aplikacji. REA zbiera wszystkie potrzebne informacje, ale to dopiero nasz agent je przetwarza i odwzorowuje jej działanie.
Takie programy jak REA ułatwiają jeszcze bardziej tworzenie tzw. personalnego software'u. Nie musimy nawet odtwarzać wszystkich ficzerów z danej apki. Wystarczy, że spróbujemy odwzorować jakiś jeden kawałek, który jest potrzebny do naszych zadań.
Ja na przykład ostatnio zbudowałem cały edytor, który pozwala mi na tworzenie i dostosowywanie generowania diagramów do filmów na YouTube. Mogę dostosowywać każdą najmniejszą animację, a nawet efekty dźwiękowe. Tutaj co prawda nie próbowałem bezpośrednio odtworzyć żadnej aplikacji, ale np. inspirowałem się timelinem z ElevenLabs czy Screen Studio. Apka śmiga i sprawdza się pod moje potrzeby.
Ale możemy pójść krok dalej i spróbować odtwarzać całe duże systemy. Tak zrobił użytkownik Reddita, który odwzorowuje aplikacje z pakietu Adobe. Inspirował się również istniejącymi alternatywami open source. Idzie mu naprawdę całkiem nieźle i jestem totalnie pod wrażeniem tego, co da się osiągnąć z modelami takimi jak Opus 5.5. Nawet gdyby jego wersja Photoshopa zawierała 70% pokrycia ficzerami, to jest to i tak imponujące.
A Ty korzystasz na co dzień z jakichś zbudowanych aplikacji pod swoje potrzeby? A może udało Ci się zastąpić płatne apki własnymi rozwiązaniami? Daj znać w komentarzu, z chęcią się zainspiruję :)
Gemini 4 Argon
Google w końcu zaprezentował długo wyczekiwanego Gemini 4, tylko nie do końca dla każdego. Na początku dostęp do niego dostała jedynie mała grupa firm i organizacji. Było to związane z kwestiami bezpieczeństwa. Teraz najnowszy Argon jest dostępny dla każdego, ale jedynie w planie Ultra za prawie 500 zł, w API i aplikacji Gemini. Jednym słowem, testowanie jest znacznie utrudnione.
Dlatego ja tym razem obszedłem się smakiem, jeśli chodzi o jego sprawdzanie, i czekam na tańsze opcje. Z testów i benchmarków, które udało mi się sprawdzić, wysuwa się obraz tego, że Google faktycznie dojechało do dużo lepszego modelu niż poprzednie Gemini.
Argon wydaje się lepiej radzić sobie z taskami programistycznymi. Całkiem spoko ogarnia generowanie ładnego UI. Poprawiono też jego zdolności do generowania animacji, posługiwania się różnymi narzędziami typu Blender. Nie jest to jednak wszystko półka Opusa 5.5 i do niego Argonowi jeszcze sporo brakuje.
Dla mnie to fajna ciekawostka i powrót Google na dobre tory. Gemini 4 zostało wytrenowane kompletnie od zera, więc jest nadzieja, że następne modele będą znacząco lepsze. Martwi mnie jednak fakt, że Google nie ma dobrego oprogramowania, które idzie w parze z modelem. Antigravity to raczej nieudany eksperyment, który wydaje się odstawać od Claude Code czy Codexa.
Ciekawe linki
Polacy budują światowe AI. Teraz budują własne firmy.
Ciekawy film z kanału Good Times Bad Times Polska opowiadający o wpływie Polaków na branżę AI. Od kluczowych inżynierów w AI labach takich jak OpenAI aż po własne startupy, takie jak ElevenLabs, Boski, Viktor, czy Sauna.ai.
It’s just all about building trust - Matt Pocock
Bardzo fajny podcast z Mattem, znanym przede wszystkim z bardzo popularnego pakietu swoich skilli. Matt opowiada o budowaniu zaufania w pracy z AI, dowożeniu jakościowego kodu i software factories.
The X Subscription - X, Cursor i Grok Bot w pakiecie
Elon pokazał nowy sposób rozliczeń swojego ekosystemu AI, włączając w to Groka i Cursora. Od teraz dostaniemy wszystko pod jedną subskrypcją. Fajna opcja, długo czekałem na uproszczenie tego pricingu.
Już uciekasz?
Jeśli Ci się podobało, kliknij 🧡 poniżej, to nic nie kosztuje! Doceniasz w ten sposób moją pracę i motywujesz do dalszych działań:)
Do następnego,
Olaf