O czym jest ten film
- OpenAI wypuściło GPT-Live — tryb płynnej rozmowy głosowej z asystentem, bez sztywnego schematu pytanie–odpowiedź.
- Głos Live potrafi tłumaczyć rozmowy na żywo, choć w praktyce lepiej radzi sobie z angielskim niż z polskim.
- Pojawiła się rodzina modeli GPT-5.6 w trzech wariantach: Sol (największy), Terra (codzienny) i Luna (najprostsze zadania).
- Aplikacja ChatGPT została mocno przebudowana i zyskała tryb „work” zbliżony do Cowork od Claude’a oraz narzędzie Codex.
- W Claude pojawił się głośny model Fable 5 — dostępny tylko czasowo, z terminem kilkukrotnie przekładanym.
- Autor pokazuje funkcję „design” w Claude: budowanie stron, prezentacji i systemów designu z edycją klikalnych elementów i komentarzami.
- Chiński model Kimi K3 wskoczył na trzecie miejsce w zbiorczym rankingu Artificial Analysis.
- Model GLM 5.2 to open source — tani w użyciu, ale wymagający mocnego sprzętu do lokalnej instalacji.
- Google pokazało Omni Flash do generowania wideo, a Seedance w wersji 4K podnosi realizm filmów AI.
- Na zakończenie: pokaz walczących robotów, częściowo sterowanych automatycznie, częściowo ręcznie.
Redakcyjne tłumaczenie
Wstęp
Ostatnie tygodnie to w świecie sztucznej inteligencji jazda bez trzymanki. OpenAI zalewa nas premierami — nowa aplikacja, tryb głosowy, kolejne modele. Wideo generowane przez AI stało się jeszcze bardziej realistyczne, a Chińczycy stworzyli model, który wszedł do najlepszej trójki na świecie. O tym wszystkim, i o wielu innych rzeczach, opowiem w tym odcinku. Zaczynamy.
GPT-Live — rozmowa głosowa na nowych zasadach
ChatGPT dostał nowy model o nazwie GPT-Live, przeznaczony do płynnej rozmowy z asystentem. Zamiast na sucho opisywać korzyści, zacznę od testu na żywo — czat cały czas mnie słyszy i może odpowiadać.
Poprosiłem go, żeby energicznie i krótko powiedział, w czym może pomóc widzom. Odpowiedział: „Mogę pomóc wam szybko rozkręcić pomysł, uporządkować plan, skrócić tekst albo dopracować przekaz. Bez zbędnych ceregieli”. Zapytałem, co go wyróżnia na tle starszych modeli. Odpowiedź: „Jestem inny głównie przez płynność rozmowy. Zamiast sztywnego trybu pytanie–odpowiedź możesz mówić naturalnie, przerywać, zmieniać kierunek w locie”.
I to jest sedno — tryb Live pozwala rozmawiać jak z człowiekiem, przerywać i zmieniać temat w połowie zdania. Żeby go uruchomić, wystarczy w aplikacji albo na komputerze kliknąć odpowiednią ikonkę. Od tego momentu czat słucha i zapisuje to, co mówię.
Tłumaczenie na żywo
Jedną z ciekawszych funkcji jest tłumaczenie rozmów z obcokrajowcami w czasie rzeczywistym. Jeśli rozmawiasz z kimś z Anglii, a sam jesteś Polakiem, możesz kazać czatowi tłumaczyć wypowiedzi na bieżąco. Wystarczy jasno powiedzieć mu, co ma robić.
W moim teście dałem polecenie mniej więcej takie: „Spotykam się z koleżanką z Anglii, ja jestem Polakiem — od teraz tłumacz wszystko, co powiem, na angielski, ale dopiero gdy skończę pełne zdanie”. I od tej chwili czat tłumaczył moje wypowiedzi na angielski.
Muszę być tu uczciwy: w moich testach angielski działał znacznie lepiej niż polski. Rozmowa po angielsku jest płynniejsza i bardziej naturalna. Tłumaczenie nie wyszło tak idealnie, jak chciałem — ale to dobrze, bo pokazuje, że te narzędzia nie są doskonałe. Za to w rozmowie jeden na jeden sprawdza się naprawdę dobrze: można omawiać pomysły, a ja ostatnio dyktowałem mu rozdziały swojej książki, które spisywał podczas jazdy samochodem.
Model działa na każdym planie, ale w wersji bezpłatnej dostajemy słabszy wariant, który po prostu nie daje tak dobrych odpowiedzi.
Rodzina modeli GPT-5.6: Sol, Terra i Luna
Kolejna nowość od OpenAI to rodzina modeli GPT-5.6 w trzech wariantach: Sol, Terra i Luna. Jeśli korzystasz z ChatGPT, te nazwy mogą się u ciebie pojawić. Różnią się przede wszystkim możliwościami oraz tym, jak szybko zużywają limity — a przez API również ceną.
- Sol — największy i najdroższy, ale dający największe możliwości.
- Terra — środkowy, najlepszy do codziennych zadań.
- Luna — do najprostszych, powtarzalnych zadań.
Warto zapamiętać tę hierarchię, żeby rozróżniać wielkości modeli.
Odświeżona aplikacja ChatGPT
Wielkie zmiany dotknęły też aplikacji ChatGPT. Pokazuję ją zainstalowaną na Windowsie, ale działa również na iOS. Wcześniej aplikacja była właściwie bezużyteczna — teraz wszystko się zmieniło.
Mamy tu czat oraz tryb „work”, bardzo zbliżony do Cowork od Claude’a. Podobnie jak w Claude można przyznać systemowi pełny dostęp, dzięki czemu wykonuje on znacznie więcej zadań. Wybierasz projekt, w którym system ma pracować — może to być projekt księgowy, analityczny albo marketingowy, w ramach którego system tworzy potrzebne materiały.
Agent sam dobiera narzędzia do zadania. Jeśli musi coś policzyć, nie robi tego „na czuja” — może sięgnąć po konkretne narzędzia albo formuły Excela, a ty łatwo to sprawdzisz. W trybie „work” wybierasz też model, choć nie wszystkie są dostępne — zależy to od twojego planu. Jest tu również narzędzie Codex, przeznaczone dla osób, które chcą zrobić coś więcej. Na temat samego czata nagram osobny poradnik.
Claude: Fable 5 i funkcja „design”
ChatGPT wraca na dobre tory, ale nadal najczęściej korzystam z jego głównego konkurenta — Claude’a. Tam pojawił się model Fable 5, który bardzo szybko został wycofany, a teraz ma być dostępny tylko do 19 lipca. Zobaczymy, czy termin się utrzyma, bo był już kilka razy przekładany. Robi wokół niego dużo szumu, ponieważ faktycznie potrafi niesamowite rzeczy — nagrałem o nim osobny film.
Pokażę jeszcze jedną funkcję w Claude, którą łatwo przeoczyć: „design”. Wymaga płatnej wersji — w bezpłatnej jej nie ma. Dzięki niej zamieniasz AI w designera prezentacji, stron internetowych i różnych projektów czy aplikacji. Zrobiłem sobie w ten sposób animowanego awatara do swojego firmowego centrum dowodzenia — to moje biznesowe i życiowe centrum, w którym mam praktycznie wszystko. Drobny gadżet: Claude stworzył mi robocika, który informuje mnie o różnych rzeczach, a także cały design tej aplikacji.
Jak zrobić to u siebie na prostszym przykładzie? Jeśli szukasz inspiracji, wybierasz, czy ma to być prototyp, slajdy, dokument, obiekt 3D czy inny element. Możesz też zbudować własny system designu oparty na twoich kolorach, logo i marce.
Mam przykład nowej strony, którą powoli buduję. Dostajemy podgląd — w różnych rozdzielczościach — i możemy edytować poszczególne elementy razem z AI. Nowość polega na tym, że wcześniej elementy dało się zmieniać wyłącznie przez rozmowę, a teraz można kliknąć w dany element i edytować go jak w klasycznym edytorze — dopisać tekst albo coś poprawić.
Doszła też funkcja komentowania: zaznaczasz element i wpisujesz uwagę, np. „zmień tło w tej sekcji, bo logotyp pojawia się dwukrotnie — w stopce i tutaj — co wygląda niefajnie; zrób to inaczej, żeby sekcja pasowała do stopki”. Jak widać, nie używam profesjonalnego żargonu. System analizuje wygląd i proponuje poprawki — czasem chwilę to trwa. W efekcie zdublowane logo zniknęło; sekcje wymagałyby jeszcze dopracowania, ale jest znacznie lepiej. Na koniec można udostępnić projekt w wielu formatach — na przykład prezentację czy dokument w Canvie lub innych aplikacjach — i formaty te powinny być kompatybilne.
Chińskie modele w czołówce: Kimi K3, Grok 4.5 i GLM 5.2
Kimi K3 to nowy chiński model, który dogania rywali. Nie jest od nich lepszy, ale znalazł się blisko podium. Skąd wiadomo o podium? Artificial Analysis zbiera różne badania i benchmarki modeli, a następnie łączy je w jeden zbiorczy wynik.
(Informacja dodatkowa: Artificial Analysis to niezależny serwis publikujący porównawcze rankingi modeli AI na podstawie zestawu benchmarków — traktowany jako punkt odniesienia przy ocenie względnej jakości modeli.)
Według tego rankingu Kimi jest na trzecim miejscu, tuż za GPT-5.6 oraz Fable 5. Dalej plasuje się Grok 4.5, na który również warto zwrócić uwagę, bo jest sporo tańszy.
Osobno wyróżnia się GLM 5.2 — model open source. Oznacza to, że w teorii możesz zainstalować go na własnym komputerze. W praktyce ma jednak bardzo dużo parametrów, więc bez sprzętu za kilkadziesiąt tysięcy złotych możesz o tym pomarzyć. Jego dużą zaletą jest za to bardzo niski koszt użycia — jeśli pracujesz z kodowaniem, warto mu się przyjrzeć.
Google Omni Flash i realistyczne wideo AI
Przechodzimy do Google, a konkretnie do Omni Flash — ich nowego modelu do generowania filmów. Przykłady można zobaczyć na oficjalnej stronie Google. Niestety, żeby skorzystać, trzeba zapłacić: albo wykupić płatne konto Google, albo sięgnąć po inne narzędzie. Ja wygenerowałem przykład w Higgsfield — pojawia się goryl wchodzący w kadr oraz „magicznie” teleportujące się biurko. Takie błędy wynikają czasem z niedoprecyzowanego polecenia, a czasem po prostu z pomyłki systemu.
Jeszcze wyżej realizm wideo AI wznosi Seedance, konkretnie wersja 4K. Na stronie można obejrzeć mnóstwo przykładów stworzonych przez użytkowników, a do każdego dołączone jest gotowe polecenie — można je skopiować i odtworzyć u siebie. To jednak kosztuje, i to niemało. Przykładowo w Higgsfield, przy Seedance 2.0 w 4K, wygenerowanie 15 sekund filmu to 330 kredytów. Plan za 47 dolarów daje 1200 kredytów, więc taki materiał zużywa około 1,4 planu. Tania opcja to nie jest, ale dla ekspertów i filmowców to krok naprzód. Mnie osobiście wystarcza jakość Full HD — i tu przykład: z jednego zdjęcia, na podstawie promptu, powstało proste, krótkie ujęcie, w którym twarz została oddana niemal perfekcyjnie. W tym model naprawdę radzi sobie świetnie.
Na koniec: roboty
Powoli staje się to tradycją — na zakończenie roboty. Tym razem nie zwykła, nudna walka bokserska, tylko roboty w klatce. Część z nich sterowano automatycznie, część ręcznie, i widać, że efekty bywały bardzo różne. Mam nadzieję, że niedługo zobaczymy roboty, które nie tylko walczą, ale realnie pomagają nam w życiu.
Dziękuję za oglądanie. Jeśli chcesz być na bieżąco ze sztuczną inteligencją i lubisz czytać, zapraszam do mojego newslettera — link do zapisu wraz z bonusami znajdziesz w opisie pod filmem. Jak zwykle będę wdzięczny za komentarz i lajka. Do zobaczenia w kolejnych materiałach.
10 najważniejszych takeaways — z kontekstem zastosowania
1.GPT-Live zmienia rozmowę głosową w naturalny dialog
Na czym polega: Nowy tryb głosowy pozwala rozmawiać z asystentem płynnie — przerywać, zmieniać temat w locie — zamiast sztywnego schematu pytanie–odpowiedź. Uruchamiasz go ikonką w aplikacji lub na komputerze.
Jak stosować: Wykorzystaj go do dyktowania dłuższych tekstów (np. rozdziałów, notatek w podróży) i do „myślenia na głos” nad pomysłami, gdy klawiatura spowalnia.
Na co uważać: W wersji bezpłatnej dostajesz słabszy wariant o gorszej jakości odpowiedzi. Warto zweryfikować, czy twój plan daje pełną wersję, zanim ocenisz narzędzie.
2.Tłumaczenie na żywo działa, ale nierówno w polskim
Na czym polega: Czat potrafi tłumaczyć rozmowę w czasie rzeczywistym — wystarczy jasno określić kierunek tłumaczenia i moment (np. „dopiero po pełnym zdaniu”).
Jak stosować: Ustal precyzyjne polecenie z parą językową i regułą, kiedy tłumaczyć. Do rozmów jeden na jeden nadaje się dobrze.
Na co uważać: Autor wprost przyznaje, że angielski działa znacznie lepiej niż polski, a tłumaczenie bywa niedoskonałe — nie polegaj na nim w sytuacjach o wysokiej stawce (negocjacje, sprawy formalne) bez kontroli.
3.GPT-5.6 to trzy modele o różnym przeznaczeniu
Na czym polega: Rodzina GPT-5.6 dzieli się na Sol (największy, najdroższy, najmocniejszy), Terra (do codziennych zadań) i Luna (do prostych, powtarzalnych).
Jak stosować: Dobieraj wariant do zadania — Terra jako domyślny do codzienności, Sol tylko gdy naprawdę potrzebujesz mocy, Luna do rutyny, by nie palić limitów i budżetu API.
Na co uważać: Modele różnią się tempem zużywania limitów i kosztem przez API. Bezmyślne używanie Sol do wszystkiego szybko wyczerpie plan.
4.Aplikacja ChatGPT z trybem „work” dogania Cowork od Claude’a
Na czym polega: Odświeżona aplikacja (Windows, iOS) oferuje tryb „work” z projektami, pełnym dostępem i agentem, który sam dobiera narzędzia (np. formuły Excela) do zadania.
Jak stosować: Zakładaj oddzielne projekty tematyczne (księgowy, analityczny, marketingowy), by system generował spójne materiały i byś mógł łatwo weryfikować jego kroki.
Na co uważać: Dostęp do konkretnych modeli zależy od planu — nie wszystkie są widoczne. Pełny dostęp oznacza szersze uprawnienia agenta, więc sprawdzaj, co realnie wykonuje.
5.Fable 5 w Claude jest dostępny tylko czasowo
Na czym polega: Model Fable 5 pojawił się w Claude, został szybko wycofany, a jego dostępność ograniczono (deklarowany termin: 19 lipca), przy czym daty były już wielokrotnie przekładane.
Jak stosować: Jeśli chcesz go przetestować, zrób to od razu i nie zakładaj stałej dostępności — potraktuj go jako okno okazji, nie fundament procesu.
Na co uważać: Termin bywa przesuwany w obie strony. Nie buduj trwałych workflow na modelu, który może zniknąć z dnia na dzień.
6.Funkcja „design” w Claude to wizualny kreator z klikalną edycją
Na czym polega: „Design” pozwala budować strony, prezentacje, prototypy, a nawet obiekty 3D, tworzyć własny system designu (kolory, logo, marka) oraz — to nowość — edytować elementy klikając w nie jak w klasycznym edytorze i zostawiać komentarze.
Jak stosować: Formułuj uwagi zwykłym językiem („zmień tło, bo logo powtarza się dwa razy”) — nie potrzebujesz żargonu. Korzystaj z podglądu w różnych rozdzielczościach i eksportu do formatów jak Canva.
Na co uważać: Funkcja wymaga płatnej wersji Claude. Efekty bywają niedoskonałe (sekcje do dopracowania), a generowanie poprawek trwa — traktuj to jako punkt wyjścia, nie gotowy produkt.
7.Chińskie modele realnie wchodzą do czołówki
Na czym polega: Według zbiorczego rankingu Artificial Analysis Kimi K3 zajmuje trzecie miejsce — za GPT-5.6 i Fable 5, przed Grok 4.5.
Jak stosować: Uwzględniaj chińskie modele przy doborze narzędzi — nie tylko jako ciekawostkę, ale jako realną alternatywę wydajnościową; Grok 4.5 warto rozważyć ze względu na niższą cenę.
Na co uważać: „Trzecie miejsce” to wynik zbiorczy z benchmarków, nie gwarancja przewagi w twoim konkretnym zastosowaniu — testuj na własnych zadaniach.
8.GLM 5.2 jest open source i tani, ale sprzętowo wymagający
Na czym polega: GLM 5.2 to model open source o bardzo dużej liczbie parametrów — teoretycznie do uruchomienia lokalnie, praktycznie wymaga sprzętu za kilkadziesiąt tysięcy złotych. Jest za to bardzo tani w użyciu.
Jak stosować: Rozważ go zwłaszcza do zadań programistycznych, gdzie liczy się niski koszt operacji — najczęściej przez usługę chmurową, nie lokalnie.
Na co uważać: Nie licz na sensowną instalację lokalną bez bardzo mocnej maszyny. „Open source” nie oznacza tu „uruchomisz na laptopie”.
9.Generatory wideo (Omni Flash, Seedance 4K) podnoszą realizm, ale kosztują
Na czym polega: Google Omni Flash oraz Seedance w wersji 4K wyraźnie poprawiają realizm filmów AI — Seedance szczególnie dobrze oddaje twarze ze zdjęcia. Do przykładów dołączane są gotowe prompty do skopiowania.
Jak stosować: Zacznij od gotowych promptów użytkowników i odtwarzaj je u siebie. Jeśli nie jesteś profesjonalnym filmowcem, Full HD zwykle wystarcza i jest znacznie tańsze.
Na co uważać: Koszty są realne — 15 sekund w Seedance 4K to ok. 330 kredytów, czyli ponad cały plan za 47 dolarów. Zdarzają się też błędy generacji (znikające obiekty), często wynikające z nieprecyzyjnego polecenia.
10.Tempo premier AI wymaga selektywności, nie nadążania za wszystkim
Na czym polega: W ciągu kilku tygodni pojawiła się lawina nowości — modele, tryby głosowe, aplikacje, generatory wideo — od OpenAI, Anthropic, chińskich firm i Google naraz.
Jak stosować: Zamiast testować wszystko, wybierz 1–2 narzędzia realnie wspierające twój workflow (np. tryb głosowy do dyktowania, jeden model do kodowania) i pogłębiaj ich znajomość.
Na co uważać: Wiele premier jest czasowych, płatnych lub niedopracowanych. Ryzyko „zmęczenia nowościami” jest realne — oceniaj narzędzia po dopasowaniu do twoich zadań, nie po świeżości.