O czym jest ten film
- Rozmowa dotyczy powrotu modelu „Fable 5” firmy Anthropic po tym, jak został on czasowo zablokowany, oraz tego, dlaczego zdaniem gościa jest to najlepszy obecnie model do pracy z kodem.
- David Ondrej tłumaczy kulisy blokady: chodziło o zgłoszenie luki bezpieczeństwa wykrytej przez model, które pracownicy Amazona byli kontraktowo zobowiązani przekazać najpierw rządowi USA.
- Gość argumentuje, że mądrzejszy i lepiej „zestrojony” model jest bezpieczniejszy niż model mocno ograniczany restrykcjami.
- Kluczowa rada praktyczna: używać Fable jako „orkiestratora” i planisty, a tańsze modele open source (Kimi, GLM, MiniMax, DeepSeek) jako wykonawców.
- Ondrej opisuje swoją strategię: budowanie zbiorów danych, długoterminowych planów oraz „skilli” (SOP-ów) pisanych przez Fable, z których korzystają słabsze modele.
- Temat obchodzenia restrykcji — autor stworzył darmowy skill „Fable safe prompt”, który przepisuje zapytania tak, by nie były odrzucane.
- Silny wątek proopensource’owy i krytyka Dario Amodei oraz regulacji AI w USA i UE.
- Teza przewodnia startupu autora: w przyszłości niemal całe oprogramowanie będzie używane przez agentów, nie przez ludzi — więc trzeba budować pod agentów (CLI, czyste API, dokumentacja).
- Autor stawia na samodzielny hosting: kupuje NAS i planuje wydać 50–100 tys. dolarów na własny klaster GPU, by „posiadać własną inteligencję”.
- W materiale znajduje się także segment sponsorowany (aplikacja Axio Work od Alibaba.com) oraz rozważania, czy model SaaS jest „martwy”.
(Informacja dodatkowa: „Fable 5” to w tej rozmowie nazwa fikcyjnego/hipotetycznego modelu Anthropic. Materiał ma charakter spekulacyjny i mocno opiniotwórczy — nazwy modeli, wydarzenia i „blokady” należy traktować jako narrację autora, a nie potwierdzone fakty.)
Redakcyjne tłumaczenie
Powrót Fable 5 i pierwsze wrażenia
Prowadzący: Byłeś jedną z najgłośniejszych osób w sprawie zablokowania Fable 5. Jak się teraz czujesz, gdy Fable 5 wrócił?
David Ondrej: Czuję się świetnie. Cały wczorajszy dzień spędziłem, budując z jego pomocą. Udostępnili go dopiero około 21:00, więc siedziałem do jakiejś 3:00 w nocy. Czuję się dużo bardziej produktywny — to zdecydowanie najlepszy model do pracy.
Prowadzący: Dlaczego?
David Ondrej: Jest po prostu bardziej zdolny niż inne modele. GPT 5.5, Opus 4.8 — one są jak narzędzia. Musisz im mówić, co mają robić. Fable rozumie, co robimy. Rozumie projekt, rozumie, po co go realizujemy, rozumie głębszą intencję, która za tym stoi. To skokowa zmiana i jest po prostu znacznie lepszy.
Restrykcje: strach kontra rzeczywistość
Prowadzący: Czy zauważasz, że jest teraz bardziej restrykcyjny?
David Ondrej: Właściwie nie. Uważam, że wiele osób siało panikę na Twitterze. Anthropic to świetni inżynierowie, najszybciej rosnąca firma na świecie, ale mają fatalną komunikację. Napisali, że pewne rutynowe zadania, jak kodowanie i debugowanie, nie będą dostępne, a ludzie pomyśleli, że model będzie po prostu odrzucał wszelkie kodowanie. Okazało się jednak, że po prostu trochę mocniej dokręcili klasyfikator.
Wczoraj puściłem setki zapytań i tylko kilka razy zostałem obniżony do Opusa 4.8. Myślę, że po pierwsze dlatego, że używam go w Cursorze, a nie w czacie na stronie claude.ai. Sądzę, że na stronie jest znacznie bardziej ograniczony, bo jest dla milionów, dla mas. W Cursorze idzie to przez API, więc jest odrobinę mniej restrykcyjny — a jeśli wiesz, co robisz (do tego jeszcze wrócimy), to nie dostajesz odmów nawet w połowie tak często. Stworzyłem do tego własny skill. Więc jest w porządku.
(Informacja dodatkowa: „obniżenie do Opusa” oznacza, że system automatycznie przekierowuje zapytanie do słabszego modelu, gdy klasyfikator uzna dane zapytanie za ryzykowne.)
Dlaczego Fable został zablokowany
David Ondrej: Powód blokady był taki, że komuś w Amazonie rząd USA polecił przesłać informacje o tym, jak model złamać albo spróbować coś zjailbreakować.
Prowadzący: Tak.
David Ondrej: A tak naprawdę było to zwykłe zapytanie „napraw ten kod”, przy okazji którego model wykrył pewną lukę bezpieczeństwa. Ale jeśli to jest…
Prowadzący: Zanim zadasz pytanie — chcę coś dodać, bo szczegół, który wielu ludziom umknął, jest taki, że pracownicy Amazona byli na mocy kontraktu z rządem USA zobowiązani najpierw zgłosić to rządowi, prawda? Więc to znacznie bardziej złożone niż „jakiś gość z Amazona doniósł”. Mieli kontrakt z rządem — a rząd ma pierwszeństwo — więc za każdym razem, gdy pojawiało się poważne ryzyko bezpieczeństwa, byli prawnie zobowiązani zgłosić to najpierw rządowi, zanim powiadomili Anthropic. I tak się stało: rząd wpadł w panikę i zablokował model.
David Ondrej: Rozumiem.
Czy te modele mogą być zarazem bezpieczne i użyteczne
Prowadzący: Skoro znajdowanie błędów, żeby je naprawić, to ta sama umiejętność, co znajdowanie błędów, żeby je wykorzystać — czy te modele mogą w ogóle być bezpieczne, nie stając się bezużyteczne do kodowania?
David Ondrej: Tak, mogą być bezpieczne, jeśli uczynimy je mądrzejszymi i lepiej zestrojonymi. Ufałbym Fable 5 w prowadzeniu Unii Europejskiej bardziej niż obecnym przywódcom. Jeśli model jest wystarczająco inteligentny, po prostu nie chce wyrządzać krzywdy bez powodu. To jak w rozwiniętym społeczeństwie — ludzie nie okradają się nawzajem i nie atakują bez powodu. Ale w kraju pogrążonym w wojnie to codzienność, więc potrzeba surowych praw, zasad i kar. Z modelami jest tak samo: potężny model sam z siebie nie powie ci, jak zaprojektować broń biologiczną. Nie potrzebujesz więc aż tylu restrykcji.
Jak przeciętny użytkownik powinien używać Fable po zniknięciu z abonamentu
Prowadzący: Jak przeciętny użytkownik AI powinien go używać, kiedy zniknie z planu Anthropic?
David Ondrej: Uważam, że powinni używać go jako orkiestratora i planisty, a do samych działań wykorzystywać mniejsze modele open source. Wiele osób wciąż śpi, jeśli chodzi o Kimi 2.7 czy GLM 5.2. To świetne modele — niemal na poziomie Opusa, a przy tym siedmiokrotnie tańsze. Jeśli jesteś sprytny, możesz używać Fable i wciąż oszczędzać.
Zrobiłbym to tak: Fable jako menedżer, orkiestrator, prezes. A pod nim gromada mniejszych agentów-wykonawców, tych, którzy piszą kod i realizują kroki — to byłyby modele open source, czyli Kimi, GLM, MiniMax, DeepSeek V4, te kosztowo efektywne. Ale plany tworzyłby bardzo potężny model, którym w tej chwili jest Fable. Zobaczymy, czy GPT 5.6 będzie lepszy — powinien wyjść wkrótce.
Jeśli masz budżet „mogę wydać tylko 300 dolarów miesięcznie”, i tak powinieneś to optymalizować. Możesz spokojnie używać Fable. Wielu ludzi sądzi, że nie stać ich na niego, gdy zniknie z abonamentu — ale byłoby ich stać, gdyby lepiej orkiestrowali agentów.
Segment sponsorowany: Axio Work
(Informacja dodatkowa: poniższy fragment to reklama sponsora — aplikacji Axio Work od Alibaba.com. Zachowujemy go dla wierności wobec źródła.)
David Ondrej: Znalazłem sposób, by uruchomić markę odzieżową bez samodzielnego pisania choćby jednego maila do fabryki. Przekazałem całą robotę do Axio Work — aplikacji desktopowej od Alibaba.com, która działa lokalnie na moim komputerze. Zbudowana jest wokół czterech rzeczy: agentów, wtyczek, konektorów i kanałów.
Po pierwsze — agenci. Zamiast jednego chatbota tworzysz zespół. Zrobiłem agenta zaopatrzeniowca i agenta negocjatora, każdego z własnym modelem, narzędziami i instrukcjami. Jest też wbudowana bramka modeli, więc na proste zadania dałem tani, szybki model, a na trudne rozumowanie — mocny.
Po drugie — wtyczki. Wrzuciłem wtyczkę zaopatrzenia i kazałem: „znajdź dostawców koszulek na zamówienie, 200 sztuk, nadruk sublimacyjny, poniżej 12 dolarów za sztukę”. Wyciągnęła krótką listę prosto z Alibaba.com — realne dane transakcyjne, prawdziwe oceny, minimalne wielkości zamówień, ceny, czasy realizacji, a nie zgadywanki z danych treningowych.
Po trzecie — konektory. Podłączyłem Gmaila, więc agent negocjator pisze do dostawców, naciska na ceny i wraca z tabelą porównawczą. Dni korespondencji załatwione na moich oczach. Podłączyłem też Instagram, więc gdy towar będzie gotowy, sam tworzy i publikuje treści marketingowe. Wszystko wrażliwe, jak płatności, wymaga najpierw mojej zgody, a dane można trzymać z dala od ich serwerów.
Po czwarte — kanały. Nowe zadania mogę odpalać z Telegrama, będąc na siłowni. Badanie dostawców wrzuciłem na harmonogram, więc uruchamia się samo i tylko mnie powiadamia. Większość narzędzi AI daje ci plan i cię zostawia — to jest wykonawca. Naprawdę robi robotę. Pobierz Axio Work za darmo i odblokuj bonusowe kredyty — link w opisie.
Jak maksymalnie wykorzystać Fable, póki jest w abonamencie
Prowadzący: Na szczęście mamy go dostępnego przez najbliższych kilka dni. Co ludzie powinni robić, żeby maksymalnie wykorzystać abonament, zanim trafi tylko do API?
David Ondrej: Po pierwsze — zaczną tworzyć zbiory danych. Dokładnie to zautomatyzowałem. Gdy Fable został zablokowany, stworzyłem checker działający co minutę, który sprawdzał, czy model wraca. Mam mnóstwo różnych VPS-ów od Hostingera, jeden ustawiłem właśnie do tego celu. Przygotowałem 400 pytań, które chciałem zadać Fable, a skrypt co 60 sekund sprawdzał API. W momencie, gdy model się włączył, zbiór danych się wypełnił i dostałem wszystkie odpowiedzi. Więc nawet gdyby teraz mi go zabrali, wciąż mogę czytać te odpowiedzi.
Po drugie — dla wszystkich swoich projektów i obszarów życia twórz długoterminowe plany: kondycja, biznes, randkowanie, zdrowie, kontuzje, cokolwiek. Twórz plany, jak to osiągnąć.
Potem zacząłbym tworzyć skille. Kiedy będziesz używał Opusa, GPT, DeepSeeka czy GLM — czyli modeli słabszych niż Fable — niech Fable napisze skille, czyli SOP-y, procesy, systemy pokazujące, jak robić konkretne rzeczy: jak pisać copy, jak wysłać maila, jak refaktoryzować kod, jak recenzować PR-y. Zamień to w skille napisane przez Fable, a wtedy słabsze modele będą działać lepiej, niż zwykle, bo podążają za instrukcjami od lepszego modelu.
Czy open source dogoni Fable
Prowadzący: Myślisz, że open source dogoni Fable?
David Ondrej: Tak, myślę, że dogoni. Pytanie, jak szybko — najszybciej pewnie dwa–trzy miesiące, bardziej realistycznie pięć–sześć. Wszystko zależy od tego, jak szybko ludzie zdołają go zdestylować. Bierzesz lepszy model, każesz mu odpowiedzieć na serię pytań i trenujesz na tym mniejszy model. Każdy może się do tego dołożyć. Na Hugging Face jest już ponad 100 różnych zbiorów danych z destylacji Fable. A teraz, gdy ludzie wiedzą, że modele mogą zostać zablokowane, będą ich setki, jeśli nie tysiące.
Możesz spytać GPT, jak stworzyć zbiór danych i wgrać go na Hugging Face, potem zadać Fable pytania z własnej dziedziny i dołożyć się do społeczności open source. Nie zachęcam do tego nikogo, bo jest to niezgodne z regulaminem Anthropic — ale tak właśnie open source nadgoni.
(Informacja dodatkowa: „destylacja” to trenowanie mniejszego modelu na odpowiedziach większego. Autor sam zaznacza, że opisywane praktyki naruszają warunki korzystania z usługi.)
Prowadzący: Jaki był twój pomysł, o którym rozmawialiśmy ostatnio — z otwartymi zbiorami danych, gdzie ludzie oddają swoje dane?
David Ondrej: Miałem pomysł na inicjatywę — sieć peer-to-peer albo wspólną pulę, gdzie ludzie oddawaliby swoje limity. Kiedy nie korzystasz z subskrypcji, mógłbyś przekazać ją na odpowiadanie na serię pytań przesyłanych przez laboratoria open source. Problem w tym, że jeśli zachęcasz do tego setki tysięcy ludzi — a w moim przypadku tak by było — to ryzykowne wobec Anthropic. Nie będę więc do tego zachęcał. Podam tylko informacje: Hugging Face, jak stworzyć zbiór danych — a jeśli ktoś chce to zrobić, zrobi to sam. Nie będę pośrednikiem w dystrybucji narzędzi do destylacji, bo to znów regulamin, a zasad trzeba przestrzegać.
Bezpieczeństwo, open source i krytyka Dario Amodei
Prowadzący: Powiedzmy, że open source dogoni Fable 5 czy GPT 5.6. Martwiłbyś się o swoje cyberbezpieczeństwo?
David Ondrej: Nie, bo możesz użyć tych modeli do poprawy własnego bezpieczeństwa. Dario Amodei mówi „open source jest niebezpieczny” — powstało tyle memów na ten temat. To jak lokalny kierownik McDonald’s ostrzegający, że smażenie burgerów w domu przekracza niebezpieczną granicę. Albo właściciel siłowni mówiący, że ćwiczenie w domu to niebezpieczne terytorium. Ludzie mocno się z niego nabijali na Twitterze. Szybko stał się jedną z najbardziej znienawidzonych osób w całym AI przez swoje katastroficzne tezy, a jego antyopensource’owe stanowisko jest absurdalne.
Jeśli chcesz poprawić bezpieczeństwo, użyj do tego najpotężniejszego modelu. Wtedy, nawet jeśli ktoś inny ma ten sam model i chce cię zaatakować, ty masz porządne uwierzytelnianie, porządny middleware, porządne polityki RLS i całą resztę.
(Informacja dodatkowa: RLS — Row Level Security — to mechanizm kontroli dostępu do danych na poziomie pojedynczych wierszy w bazie.)
Prowadzący: Czy to nie czyni sytuacji groźniejszą? Bo wielokrotnie miałem problem, że próbuję coś zabezpieczyć, a Fable na to nie pozwala…
David Ondrej: Do tego mam skill, do którego zaraz przejdziemy.
Prowadzący: …ale jeśli te modele blokują cię przed zabezpieczaniem, a ktoś ma potężny model open source i potrafi cię nim zaatakować, czy to nie wyrządza ci krzywdy, nie pozwalając ci bronić się za pomocą Fable?
David Ondrej: Tak. Bo zabierają to ludziom nietechnicznym. Jeśli ktoś jest tym stereotypowym „rosyjskim hakerem” — nieważne, czy z Rosji, Chin, Iranu, Korei Północnej, Ameryki czy Izraela — potężnym hakerem, który perfekcyjnie zna terminal, wszystko o Linuksie, cyberbezpieczeństwie, sieciach, włamywaniu się do Wi-Fi, ma Flippera Zero i pięćdziesiąt innych gadżetów sprzętowych — taki ktoś może wziąć GLM 5.2, model open source, dostroić go na własnym zbiorze danych albo na nielegalnych zbiorach z darknetu i stworzyć coś groźniejszego i agresywniejszego niż Fable, nieokiełznanego i nieograniczonego w kwestii hakowania, i całkowicie cię zniszczyć. Więc to tylko okalecza zwykłych ludzi. Utrudnia im ucieczkę z trwałej podklasy.
Prowadzący: Zresztą tę lukę, którą znalazł Fable, znalazły też inne modele, gdy jej szukały. Więc to nie tak, że tylko Fable ją wykrył.
David Ondrej: Bo prawo tworzą kompletnie niekompetentni ludzie. Ludzie w rządzie USA nie wiedzą nic o LLM-ach, przewidywaniu następnego tokenu, mnożeniu macierzy. Nie wiedzą nawet, czym jest architektura transformera. Mówisz im „transformer”, a oni myślą o czymś w rodzaju LGBT albo o filmie — nie wiedzą nawet, że to termin z AI. I to ci ludzie tworzą regulacje. W USA nie jest jeszcze tak źle — powiedziałbym, że amerykańscy prawodawcy są bardziej kompetentni; w UE to kompletny cyrk. Wyobrażasz sobie, żeby von der Leyen podejmowała jakiekolwiek decyzje dotyczące AI? Wolałbym już, żeby rządził mną Fable, a nawet Llama, niż ci unijni biurokraci.
A tak przy okazji — jesteśmy blisko 400 tysięcy subskrybentów, więc zajrzyjcie niżej i subskrybujcie. YouTube Studio pokazuje, że ponad 60% z was nie subskrybuje. Zaglądnijcie pod film i subskrybujcie — jesteśmy prawie przy 400 tysiącach.
„Spyware” w narzędziach i zarzut hipokryzji
Prowadzący: Myślisz, że Anthropic wkłada spyware do swoich narzędzi kodowania?
David Ondrej: Tak, sami się do tego przyznali. To nawet nie jest teoria spiskowa. Dosłownie umieścili różne klasyfikatory — było tam znakowanie stref czasowych. Ludzie w chińskich strefach czasowych byli potajemnie monitorowani przez Anthropic, żeby zapobiec destylacji.
Anthropic w gruncie rzeczy zdestylował całą wiedzę ludzkości. Mówiłem to w ostatnim filmie, ale muszę powtórzyć: zeskrobali cały internet — całą sztukę, literaturę, kod, historię, wszystko — zdestylowali to do własnych modeli i teraz sprzedają je dla zysku i używają wewnętrznie. A kiedy ktokolwiek użyje ich modeli, żeby stworzyć jakieś dane, oni kompletnie panikują i nazywają to „atakiem destylacyjnym”. To skrajnie hipokrytyczne.
Skill „Fable safe prompt”
Prowadzący: Masz jakiś sposób, żeby nie dostawać restrykcji przy Fable?
David Ondrej: Tak, stworzyłem do tego skill. Za pierwszym razem musiałem dostosować swoje zapytania. Mówiłem na przykład „jak uczynić moją aplikację bezpieczniejszą” — całkowicie normalne zapytanie, ale nie dla Fable, bo „bezpieczny” może oznaczać cyberbezpieczeństwo. Jeśli powiesz „czy w kodzie są jakieś podatności?”, bum — obniża cię do Opusa.
Stworzyłem więc skill o nazwie „Fable safe prompt”, który bierze dowolne zapytanie i przepisuje je tak, by było bezpieczne dla Fable. Zrobiłem obszerny research z wieloma modelami na temat tego, co ludzie zgłaszają i jakie triki sobie przekazują. Gdy Fable wyszedł, przez pierwsze 48 godzin zeskrobałem dziesiątki tweetów i zgłoszeń ludzi narzekających na ten problem oraz opisujących, jak go rozwiązali, i zamieniłem to w jeden skill. Kiedy twoje zapytania zaczynają być odrzucane, przepuszczasz je przez ten skill — dostajesz ten sam wynik, ale bez blokady i zostajesz przy Fable. Będzie jako drugi link pod filmem, całkowicie za darmo.
Czy Fable znów zostanie zablokowany
Prowadzący: Myślisz, że Fable znów zostanie zablokowany?
David Ondrej: Raczej nie, bo wtedy po prostu oddają klucze społeczności open source, którą obecnie są głównie Chiny. Jeśli rząd USA chce przegrać z Chinami, powinien regulować swoje modele — zablokować Fable, zablokować GPT 5.6. Tak właśnie dajesz darmową wygraną DeepSeekowi, GLM i Kimi.
Prowadzący: Sądzisz więc, że GPT 5.6 zostanie odblokowany jako następny?
David Ondrej: Tak, prawdopodobnie już jest odblokowany, ale OpenAI było na wakacjach. Dlatego się nie bierze wakacji — albo przynajmniej zabiera się laptopa i robi „workation”. Jestem niemal pewien, że pojawi się w ciągu najbliższych kilku dni, bo inaczej Anthropic po prostu ucieka OpenAI, a oni nie mogą sobie pozwolić na utratę prowadzenia.
Czy SaaS jest martwy
Prowadzący: Skoro Fable 5 jest tak dobry w kodowaniu, jak mówisz — czy SaaS jest martwy?
David Ondrej: SaaS to oprogramowanie jako usługa. To bardzo skomplikowana prognoza. Gdyby ktokolwiek znał odpowiedź, mógłby zostać bardzo bogaty — poszedłbyś na giełdę, zagrał na spadek wszystkich spółek SaaS i zarobił fortunę. Albo, jeśli myślisz odwrotnie, zagrałbyś na wzrost, kupił ich akcje i zbudował własny SaaS. Nikt tego nie wie, przyszłość jest strasznie niepewna. Wielu ludzi na Twitterze udaje ekspertów-analityków — tam możesz pisać cokolwiek, bez źródła. Więc uczciwa odpowiedź brzmi: nie wiem, nikt nie wie.
Jest argument, że umrze, bo każdy będzie mógł zbudować dowolne oprogramowanie. Ale trudną częścią nie jest zbudowanie go, tylko utrzymanie. Kiedy się wysypie, czy naprawdę chcesz iść naprawiać jakiś błąd? Okej, doświadczenie mobilne nie jest gładkie — naprawdę chcesz się przełączać i przeprojektowywać wersję mobilną? Nawet jeśli z Fable są tylko jeden–dwa problemy, i tak musisz zarządzać całym tym oprogramowaniem. Wielu ludzi wolałoby czyste, zarządzane rozwiązanie od ludzi skupionych tylko na tej jednej rzeczy, którzy są w niej ekspertami.
Weźmy Riverside, którego używamy do nagrywania podcastów. Pewnie moglibyśmy to odbudować, ale nie chce mi się zawracać sobie tym głowy. Zapłacę 20–30 dolarów miesięcznie i użyję oprogramowania od ludzi, którzy mają obsesję na punkcie tej jednej wertykali.
Budowanie startupu pod agentów
Prowadzący: Jesteś w trakcie budowania startupu — to właśnie robisz z Fable. Jaka jest twoja mantra przy tym budowaniu?
David Ondrej: Najważniejszy wniosek jest taki, że wszystko będzie używane przez agentów. Tego jestem absolutnie pewien. Nie wiem, jaki będzie model cenowy — za token, abonament miesięczny, za wykonanie, za rezultat — ale jestem pewien, że ludzie nie będą większością użytkowników oprogramowania. Będą nią agenci. Jeśli budujesz coś, co wymaga, żeby ludzie weszli na stronę, zarejestrowali się, wdrożyli nową aplikację do swojego workflow i zmienili nawyki — tkwisz w przeszłości. Musisz budować rzeczy, których ludzie mogą używać przez Codex, przez Claude Code, przez Cursor, przez agenta Hermes. Jeśli te agenty będą miały trudność z użyciem tego, co budujesz, nie budujesz pod przyszłość.
Prowadzący: Możesz rozwinąć? Zasadniczo próbujesz skalować się razem z tokenami?
David Ondrej: Tak. Musisz myśleć od pierwszych zasad. Cokolwiek robisz w życiu, a zwłaszcza gdy zakładasz startup — co jest niesłychanie trudne i najpewniej się nie uda — nie możesz myśleć analogiami w stylu „co się stało w bańce dot-com”. To bezużyteczne. Musisz myśleć: co się dzieje? W co naprawdę wierzysz? Ja naprawdę wierzę w AI — jestem prawdziwym wyznawcą. Wielu ludzi nie jest. A pod tym leży wiara w technologię. Nie sądzę, żeby technologię dało się zatrzymać. Nawet jeśli zostanie zablokowana w USA, ludzie zbudują ją w Chinach, w Europie, może w Brazylii. Technologii nie da się zatrzymać. To znaczy, że AI się wydarzy. Wielu antyaiowców po prostu nie rozumie historii. Imperium Osmańskie zakazało prasy drukarskiej — to był jeden z ich największych błędów.
Prowadzący: Czyli skoro tokeny się skalują, a koszt i wydatki na tokeny rosną, to bezpieczny zakład to postawić na tokeny?
David Ondrej: Tak. Technologia wciąż się poprawia — to jedna z rzeczy pewnych w myśleniu od pierwszych zasad. Jeśli to ekstrapolujesz: co to oznacza? Agentów AI. Każdy chce rozmawiać ze swoim agentem, który go zna, ma jego preferencje, jego ulubiony model i potrafi podejmować działania. Powodem, dla którego używamy oprogramowania, jest to, żeby coś załatwić — a nie dlatego, że lubisz UI Notion albo chcesz klikać po Obsidianie. Używasz go, żeby coś zrobić.
Jeśli możesz po prostu przekazać intencję — a w tej chwili mówienie jest najszybszym sposobem, bo jest trzy–pięć razy szybsze od pisania — to wystarczy. Może w przyszłości pojawi się jakiś Neuralink, albo wcześniej coś jak nieinwazyjny skan mózgu, który Meta niedawno pokazała: urządzenie podobne do okularów Meta, które nakładasz na głowę i odczytuje fale mózgowe bez wiercenia dziury w czaszce, bo wielu ludzi tego nie chce.
Pomyśl, czym jest najpotężniejsza istota. Gdybyś miał opisać Boga, to coś, co wykonuje działania natychmiast. Masz myśl i natychmiast staje się rzeczywistością. Im szybciej potrafisz to zrobić, tym potężniejszy jesteś. Agentowi możesz powiedzieć „zrób to”, a on generuje tokeny znacznie szybciej niż ty, lepiej używa oprogramowania, nawiguje po nim, debuguje. Im potężniejsze modele, tym potężniejsi agenci, a to znaczy, że coraz więcej zadań powinni wykonywać agenci.
Jeśli chcesz znaleźć 50 najlepszych montażystów wideo w Polsce, robienie tego ręcznie zajęłoby wiele godzin. Ale jeśli zrobisz pętlę w Codexie, ustawisz to zapytanie w 30 sekund, wrócisz za pół godziny–godzinę i masz listę. To szalony mnożnik — nie 2x czy 3x dla tego zadania, ale jakieś 100x wzrostu produktywności.
Więc całe oprogramowanie w przyszłości będzie używane głównie przez agentów. Czasem ma sens stworzyć ładny dashboard, ładny interfejs webowy, żeby ludzie mogli efektywniej wprowadzać tokeny. Ale znów — myśl od pierwszych zasad. Chodzi o efektywność tokenów wyjściowych, czyli mówienia, oraz tokenów wejściowych, czyli tego, jak efektywnie widzisz, co dzieje się w twoim życiu i biznesie. Interfejsy dla ludzi wciąż będą istotne, ale wkrótce 98% oprogramowania będzie używane przez agentów, a ludzie po prostu powiedzą swojemu osobistemu agentowi: „chcę zrobić to i to”, a ten agent wywoła siedem różnych narzędzi, piętnaście różnych API, przejrzy strony, zeskrobie wyniki i wykona zadanie. Cokolwiek budujesz, musi być użyteczne dla agentów.
Prowadzący: Jak robisz to w swoim kolejnym startupie? Ile chcesz zdradzić?
David Ondrej: Nie jest jeszcze gotowy do publicznego ujawnienia, ale w gruncie rzeczy stawiam na wykładniczy wzrost liczby tokenów. Nawet jeśli wydatki na tokeny mogą nie rosnąć wykładniczo, bo ludzi nie stać na nieskończone pieniądze i będą optymalizować pod modele open source i tańsze modele — to liczba tokenów zużywanych przez każdą osobę absolutnie rośnie wykładniczo, bo to po prostu inteligencja. A wszystko można ulepszyć większą inteligencją.
Przykład — sygnalizacja świetlna. Codziennie jeżdżąc tu, w Katowicach, dojeżdżam do świateł, mam czerwone, a w drugim kierunku nie ma żadnych samochodów. Gdyby w tym systemie było trochę więcej inteligencji, mógłby pominąć jeden cykl i dać zielone, oszczędzając wszystkim czas. A to nawet nie wymaga agenta AI — może kilku czujników i paru instrukcji if-else, dosłownie kilku linijek kodu. To przykład, że wszystko można ulepszyć większą inteligencją. Wzrost liczby tokenów będzie więc trwał, agenci będą coraz lepsi, a jeśli budujesz coś, co może być używane tylko przez ludzi — tradycyjny obraz SaaS, gdzie ludzie wchodzą na stronę, płacą abonament i używają — to musisz zamiast tego budować narzędzia CLI, czyste API i czystą dokumentację, żeby mogli tego używać agenci.
Codzienna praca z Fable
Prowadzący: Używasz Fable w webowej aplikacji Claude?
David Ondrej: Niezbyt. Czasem, gdy ma to sens — na przykład na filmie, szybkie zapytanie. Ale głównie używam go w Cursorze i w Claude Code. W Claude Code możesz włączyć „ultra code”, czyli tryb ekstra wysoki z dynamicznymi workflow, oraz komendę /goal. To główny powód, dla którego wciąż korzystam z Claude Code.
To szaleństwo. Wczoraj miałem go uruchomionego przez całą noc z komendą caffeinate na macOS, żeby ekran się nie wygaszał, i działał przez jakieś dwie–trzy godziny, implementując od początku do końca ogromne funkcje backendowe wraz z testami. To kolejna świetna rzecz w Fable — uwielbia testować. Każesz mu wprowadzić małą zmianę — inne modele po prostu ją wprowadzą i nie sprawdzą, czy działa. Fable, nawet jeśli mu nie każesz, sam uruchomi 70–90 różnych testów, żeby upewnić się, że wszystko jest poprawne. To absolutnie niesamowite.
Kasowanie skilli
Prowadzący: Miałeś ostatnio w podcaście Matta PCO. Jego pomysł był taki, że skille wszystkich są przeciążone, i sugerował skasowanie wszystkich skilli, zaczęcie od zera i dodawanie z powrotem tylko tych, których potrzebujesz. Powinno się to zrobić z Fable? Zgadzasz się z nim?
David Ondrej: Tak, teraz jest najlepszy moment na to. Jeśli pomyślisz, czym są skille — to instrukcje dla modeli, jak zrobić coś konkretnego, czego domyślnie nie potrafią. Fable to skokowa zmiana, jest znacząco lepszy od poprzednich modeli, więc nie wymaga tyle prowadzenia za rękę. To najlepszy moment, żeby skasować wszystkie skille i zobaczyć, co Fable naprawdę potrafi sam z siebie. Oczywiście coś dodasz z powrotem.
Elon o tym mówi — to jeden z kroków jego pięciostopniowego algorytmu: jeśli nie dodajesz z powrotem co najmniej 10% rzeczy, to znaczy, że kasujesz za mało. Wielu ludzi ma rozdęte systemy — mnóstwo cotygodniowych spotkań w kalendarzu, nawyków i tradycji, z których większość jest bezużyteczna albo przestarzała. Musisz kasować rzeczy ze swojego życia, biznesu, zapytań. Ze skillami tak samo. Zachęcam więc wszystkich oglądających: skasujcie 80–100% swoich skilli i zobaczcie, czego naprawdę potrzebujecie, bo Fable jest bardzo kompetentny — może nie potrzebujesz ich wszystkich, może tylko kilku.
Fine-tuning, self-hosting i własny klaster
Prowadzący: Czy wciąż interesuje cię fine-tuning, teraz gdy mamy z powrotem Fable?
David Ondrej: Tak, bardziej niż kiedykolwiek. Fakt, że nam go zabrali, a potem powstrzymali wydanie GPT 5.6, to jak dwa sygnały ostrzegawcze z niebios, żeby poważnie potraktować lokalne modele. Ustawiamy tu więc mnóstwo rzeczy. Kupiłem NAS, żeby pobrać każdy zbiór danych z Hugging Face. To pewnie nie wystarczy — to tylko 40 terabajtów, więc rozszerzymy do 80, a potem prawdopodobnie kupimy kolejny. Wiele zbiorów jest ogromnych, zwłaszcza wideo i obrazów. Chcę mieć kopię zapasową wszystkich głównych modeli i wag. Każdy istotny model o otwartych wagach — Kimi, MiniMax, GLM — po prostu pobiorę wagi, nawet jeśli nie mam GPU, żeby uruchomić inferencję. Chcę mieć te wagi u siebie. A zbiory danych są jeszcze ważniejsze.
Mam też VPS — Hostinger daje nam mnóstwo VPS-ów — jeden dosłownie tylko pobiera zbiory danych z Hugging Face poniżej gigabajta. Ten VPS ma już setki zbiorów. Uruchamia się co 15 minut, pobiera nowe, posortowane według najczęściej pobieranych. I znów — to jedno zapytanie do Fable (choć Fable pewnie to odrzuci, więc raczej Opus albo GPT 5.5), jedno zapytanie do Codeksa: „ustaw skrypt jako zadanie, które co 15 minut sprawdza Hugging Face przez CLI i pobiera jeden z najczęściej pobieranych zbiorów danych mniejszy niż pół gigabajta” — i zaczynasz budować własną kopię tych najważniejszych zbiorów.
Self-hosting jest absolutnie kluczowy. Wczoraj zużyłem jakieś 230 milionów tokenów samego na Cursorze. A jeśli dodać zużycie w Claude Code, było to pewnie pół miliarda tokenów w sumie — tylko wczoraj. Muszę przenosić coraz większą część tego na lokalne albo przynajmniej self-hostowane zasoby, idealnie na własny klaster. Jestem w pełni zdecydowany wydać 50–100 tysięcy dolarów przez najbliższe pół roku na porządny klaster. Zbudujemy tu, w Katowicach, mały serwerownię i z czasem będziemy ją powiększać, bo do wielu tych zastosowań nie potrzebujesz Fable — potrzebujesz go do planowania.
To jak firma. Prezes nie może robić wszystkiego. Prezes nie powinien być woźnym. Ale jeśli jest problem z woźnymi i firma, która ich dostarcza, jest kiepska — może prezes powinien stworzyć plan. Tak samo jest z zarządzaniem tymi agentami. Jesteś jak przewodniczący zarządu i musisz mądrze zaprojektować firmę. Jeśli potrzebujesz najpotężniejszego modelu — obecnie Fable — pytaj go, jak zaprojektować, zorganizować i orkiestrować pozostałych agentów. Pytaj o długoterminowe plany i wizję, analizę konkurencji, decyzje produktowe — rzeczy, które naprawdę mają znaczenie. Nie każ mu robić głupot i marnować limitów na naprawianie jakiegoś frontendowego przycisku. To możesz zrobić z Kimi 2.7 dwudziestopięciokrotnie taniej niż Fable.
Jak budować biznes na modelach, które są blokowane
Prowadzący: Skoro te modele wciąż są blokowane i odblokowywane, jak budować na nich biznes? I czy w ogóle?
David Ondrej: Budujesz biznes, używając tych modeli do jego budowy, ale modele bazowe powinny być open source, bo nikt nie zablokuje GLM 5.2. Jak wejdziesz na OpenRouter, ma jakieś 30 różnych dostawców. Jeśli ktoś zdejmie Fireworks, Together AI czy GMI Cloud, nikt nie zauważy — ludzie po prostu przekierują ruch do innego dostawcy.
Jeśli budujesz własny biznes, zdecydowanie zainwestuj w self-hosting i postaw lokalny klaster, hostując potężny model lokalnie dla swoich pracowników. Twoje dane też nie będą wyciekać — nie trafią do Dario Amodei ani Sama Altmana. Nikt nie ufa tym facetom, bądźmy szczerzy.
Ważne, żeby używać właściwego modelu do zadania. Nie używaj małych modeli, jak 20B czy 30B. Musisz używać dużych modeli, a do tego potrzebujesz dużych GPU. Więc i tak zainwestujesz te pieniądze — zapłacisz tak czy inaczej. Albo prześcignie cię ktoś, kto używa więcej AI, i stracisz przewagę konkurencyjną, albo wydasz to na chmurę — czy to abonament OpenAI, abonament Claude, czy kredyty OpenRouter. I tak wydasz te pieniądze na tokeny. Równie dobrze możesz zainwestować we własne GPU. Kup Nvidia Spark, kup lepszego MacBooka, więcej RAM-u, więcej VRAM-u, lepsze GPU i zainwestuj w posiadanie własnej inteligencji, bo w przyszłości będzie ona najważniejszym zasobem na Ziemi.
Czy zapłaciłby więcej za Fable
Prowadzący: Ostatnie pytanie — zapłaciłbyś więcej za Fable, gdyby jutro cena się podwoiła?
David Ondrej: Tak, bo to skokowa zmiana. Ale z drugiej strony GPT 5.6 nadchodzi wkrótce, więc zobaczymy, jak długo Anthropic utrzyma te ceny. Piękno konkurencji polega na tym, że napędza wszystkich do lepszego działania. Gdyby nie było OpenAI, Anthropic miałby monopol — ale GPT 5.6 nadchodzi, każdy to wie. Już pobił Fable i Mythos na wielu benchmarkach. Zobaczymy, jak łatwo się z niego korzysta — to główna rzecz. Benchmarki to tylko jedno. Mają znaczenie — wielu ludzi za bardzo na nie narzeka. Benchmarki i ewaluacje absolutnie się liczą, ale liczy się to, jak dobry jest model w praktyce. To jak zatrudnianie pracownika: jeśli ma najlepsze CV, ale praca z nim na żywo jest dziwna i nieproduktywna, pewnie go nie zatrudnisz. Z modelem tak samo. Zobaczymy więc, jak dobry jest GPT 5.6 Soul Ultra. Ktokolwiek nazywa modele w OpenAI, powinien wylecieć — to fatalne nazewnictwo. Ale tak, zapłaciłbym podwójnie.
Prowadzący: Gdzie ludzie znajdą skill „Fable safe prompt”?
David Ondrej: Damy go jako drugi link pod filmem. To „Fable safe prompt”. Użyj go na swoich zapytaniach, a nie zostaną odrzucone przez Fable. Zbudowałem go, gdy Fable wyszedł po raz pierwszy — i możesz go dostać całkowicie za darmo, drugi link pod filmem.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Fable jako orkiestrator, tanie modele jako wykonawcy
Na czym polega: Zamiast używać jednego drogiego modelu do wszystkiego, najmocniejszy model (tu: Fable) tworzy plany i architekturę, a rutynowe wykonanie kodu zlecasz tańszym modelom open source (Kimi, GLM, MiniMax, DeepSeek).
Jak stosować: Rozdziel role — „prezes” planuje i podejmuje decyzje strategiczne, „pracownicy” realizują kroki. Do prostych zadań (poprawa przycisku, drobny refaktor) używaj tańszych modeli, oszczędzając limity droższego.
Na co uważać: Oszczędność ma sens tylko przy dobrej orkiestracji; źle zaprojektowany podział ról potrafi generować więcej błędów i poprawek niż jeden porządny model. Jakość tanich modeli waha się między zadaniami — testuj przed przeniesieniem produkcji.
2.Pisz „skille” (SOP-y) mocnym modelem, wykonuj słabszym
Na czym polega: Poproś najmocniejszy model o spisanie powtarzalnych procedur (jak wysłać maila, zrecenzować PR, zrefaktoryzować kod). Słabsze modele, podążając za tymi instrukcjami, działają lepiej niż samodzielnie.
Jak stosować: Zidentyfikuj czynności, które wykonujesz regularnie, i zleć mocnemu modelowi napisanie dla nich instrukcji krok po kroku. Podpinaj je do tańszych modeli jako kontekst.
Na co uważać: Nie twórz skilli na zapas. Gość radzi wręcz odwrotnie (punkt 8) — najpierw sprawdź, czego model nie potrafi sam.
3.Buduj własne zbiory danych i kopie zapasowe modeli
Na czym polega: Autor automatycznie odpytuje modele i zapisuje odpowiedzi, a także pobiera otwarte wagi i zbiory danych z Hugging Face „na zapas”, na wypadek gdyby dostęp do modelu zniknął.
Jak stosować: Jeśli zależy ci na ciągłości, ustaw prosty skrypt (cron/launch job) pobierający potrzebne zasoby i archiwizuj własne pytania oraz odpowiedzi w danej dziedzinie.
Na co uważać: Autor sam wielokrotnie zaznacza, że destylacja i masowe odpytywanie modeli komercyjnych narusza regulaminy dostawców. Sprawdź warunki licencji zbiorów danych i modeli oraz kwestie prawne, zanim cokolwiek zaczniesz.
4.Obchodzenie klasyfikatorów przez przeformułowanie zapytań
Na czym polega: Restrykcyjne modele reagują na słowa-wyzwalacze (np. „bezpieczeństwo”, „podatności”). Przepisanie zapytania „bezpiecznym” językiem pozwala uzyskać ten sam wynik bez odrzucenia.
Jak stosować: Jeśli legalne, obronne zadanie zostaje zablokowane, opisz je precyzyjniej i mniej dwuznacznie (kontekst obronny, konkretny cel), zamiast używać ogólnych, alarmujących sformułowań.
Na co uważać: To balansuje na granicy regulaminu i może zostać uznane za obchodzenie zabezpieczeń. Rób to wyłącznie do legalnych, defensywnych celów; przy realnej pracy nad bezpieczeństwem lepszy jest jawny, autoryzowany kontekst niż „obchodzenie” filtra.
5.Buduj oprogramowanie pod agentów, nie tylko pod ludzi
Na czym polega: Teza autora: w przyszłości ogromna większość oprogramowania będzie obsługiwana przez agentów AI, nie przez ludzi klikających w interfejsy.
Jak stosować: Udostępniaj narzędzia CLI, czyste API i dobrą dokumentację, tak by agent (Codex, Claude Code, Cursor) mógł ich używać bez ludzkiego UI. Interfejs graficzny traktuj jako dodatek, nie jako główny punkt wejścia.
Na co uważać: To spekulatywna prognoza, nie fakt. Nie porzucaj ludzkiego UX tam, gdzie twoi realni klienci wciąż go potrzebują — dobra dokumentacja i API są wartościowe niezależnie od tego, czy prognoza się spełni.
6.Myśl od pierwszych zasad, nie przez analogie
Na czym polega: Przy budowie startupu autor odrzuca analogie (np. „bańka dot-com”) na rzecz pytania: w co naprawdę wierzę i co się faktycznie dzieje.
Jak stosować: Wypisz kilka rzeczy, których jesteś realnie pewien co do swojego rynku, i ekstrapoluj z nich konsekwencje, zamiast opierać decyzje na historycznych porównaniach.
Na co uważać: „Prawdziwa wiara” w trend łatwo zamienia się w potwierdzanie własnych przekonań. Pierwsze zasady wymagają też uczciwego testowania założeń, a nie tylko silnego przekonania.
7.Regularnie kasuj skille i systemy, potem dodawaj tylko potrzebne
Na czym polega: Nowe, mocniejsze modele wymagają mniej „prowadzenia za rękę”, więc wiele wcześniejszych skilli i obejść staje się zbędnych.
Jak stosować: Okresowo usuwaj większość swoich skilli i sprawdzaj, co model potrafi sam. Dodawaj z powrotem tylko te, których brak realnie odczuwasz — reguła: jeśli nie przywracasz przynajmniej ~10%, kasowałeś za mało.
Na co uważać: Kasuj kopie, nie oryginały, i rób to na tyle bezpiecznie, by móc cofnąć zmianę. „Usuwanie” bez wersjonowania może kosztować cię dopracowane procedury.
8.Bezpieczeństwo modelu przez inteligencję, nie tylko restrykcje
Na czym polega: Argument autora: mądrzejszy, lepiej zestrojony model rzadziej wyrządza szkodę bez powodu, więc nie wymaga tak wielu twardych blokad.
Jak stosować: W dyskusji o bezpieczeństwie AI rozróżniaj „zestrojenie” (model nie chce szkodzić) od „restrykcji” (model ma zablokowane całe kategorie zadań). Do obrony własnych systemów używaj najmocniejszego dostępnego modelu.
Na co uważać: To mocno jednostronny, proopensource’owy pogląd. „Wystarczająco inteligentny model jest bezpieczny” to teza sporna — nie traktuj jej jako pewnika przy realnych decyzjach o bezpieczeństwie czy zgodności.
9.Self-hosting i posiadanie własnej „inteligencji”
Na czym polega: Autor zamierza wydać dziesiątki tysięcy dolarów na własny klaster GPU, argumentując, że i tak zapłacisz za tokeny — więc lepiej inwestować w sprzęt i modele open source, których nikt nie zablokuje.
Jak stosować: Jeśli twój biznes jest silnie zależny od AI i wrażliwy na wyciek danych, rozważ lokalny hosting dużych modeli open source (przez OpenRouter z wieloma dostawcami jako etap pośredni), by uniezależnić się od jednego dostawcy.
Na co uważać: Rachunek „i tak zapłacisz” pomija koszty utrzymania, energii, amortyzacji i kompetencji. Dla większości mniejszych zespołów chmura wciąż wychodzi taniej i prościej — policz TCO, zanim kupisz GPU.
10.Benchmarki się liczą, ale liczy się użyteczność w praktyce
Na czym polega: Model może wygrywać w benchmarkach, a wciąż być nieprzyjemny lub nieproduktywny w codziennej pracy — jak kandydat ze świetnym CV, z którym źle się współpracuje.
Jak stosować: Wybierając model, traktuj benchmarki jako wstępny filtr, ale decyzję opieraj na własnych testach na realnych zadaniach z twojego workflow.
Na co uważać: Nie lekceważ benchmarków całkowicie (autor podkreśla, że mają znaczenie), ale też nie ufaj samym liczbom marketingowym. Twoja miara sukcesu to twoje zadania, nie cudza tabela wyników.