O czym jest ten film
- Rynek AI przeżywa „eksplozję inteligencji”: ponad pięć premier modeli w pięć dni, we wszystkich klasach — od Kimi K3, przez DeepSeek V4 Flash i V4 Pro, po Gemini 3.7 Flash, Qwen 3.8 i Grok 4.6.
- Wielkie laboratoria są wyraźnie zaniepokojone: Fable na stałe wszedł do subskrypcji Claude, OpenAI przycięło ceny Tarze i Lunie, a w OpenRouter testuje się obniżki o 50% dla GPT 5.6 Soul — wojna cenowa trwa w najlepsze.
- Dwa pytania stojące przed inżynierami: jak łączyć modele w zespoły, by wspólnie dawały wyniki nieosiągalne dla pojedynczego modelu, i jak budować systemy na czas nieustannych zmian. Odpowiedź Dana: wygrywa system najbardziej elastyczny.
- Przegląd aktualnego stosu modeli: lokalne (Muse Glimmer, Nemotron 3.5 Lightning, Qwen 3.8 27B), codzienne konie robocze klasy A (GLM 5.3, DeepSeek V4 Flash i Pro, Gemini 3.7 Flash) oraz klasa S (Qwen 3.8, Grok 4.6, Kimi K3 — częściowo z otwartymi wagami).
- Prezentacja Fusion Harness v2 — autorskiego rozszerzenia agenta Pi — na trzech poleceniach: /fh opinion, /fh debate i /fh collaborate.
- Poligon: zapowiedź DuckDB V2. Trzy modele (Fable 5, Gemini 3.7 Flash, DeepSeek V4 Pro) pracują nad tym samym materiałem, z pełnym rozliczeniem jakości, szybkości i kosztów.
- Debata: trzy modele spierają się w rundach o tezę, że DuckDB ma działać jako serwer („Quack and connect”). Wszystkie ją odrzucają — wbudowany silnik analityczny, nowość co najwyżej do pilotażu.
- Kolaboracja: każdy model układa własny plan, architekt (Fable 5) scala je w listę zadań z zależnościami, a builderzy tworzą działające dema nowych funkcji DuckDB w jednoplikowych skryptach uv.
- Wnioski finansowe: model klasy A wychodzi rząd wielkości taniej niż czołówka, w cennikach czają się progi cenowe (GPT 5.6 drożeje po przekroczeniu 280 tys. tokenów kontekstu), a właściwą metryką jest efektywny koszt godziny pracy agenta.
- Perspektywa: łączenie mocy obliczeniowej zamiast selekcji modeli oraz „fabryka oprogramowania” — wyjście z pętli i budowa systemów działających bez człowieka — jako następny poziom dźwigni.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Łącz moc obliczeniową, zamiast ją selekcjonować
Na czym polega: W czasach, gdy co tydzień wchodzi nowy model, wybór „jedynego słusznego” to pułapka. Zamiast wyłaniać zwycięzcę, warto orkiestrować kilka modeli naraz — trzy opinie, trzy plany i trzy podejścia dają więcej niż jeden, nawet najmocniejszy model.
Jak stosować: Odpalaj to samo zadanie na dwóch–trzech modelach z różnych rodzin, porównuj odpowiedzi, a syntezę i decyzje powierzaj najsilniejszemu z nich (rola architekta).
Na co uważać: Każdy dodatkowy model to dodatkowy koszt i czas. Mierz koszt pojedynczej jednostki rezultatu — ta kwota przeskaluje się razem z twoimi wysiłkami.
2.Ukrywaj nazwy modeli przed innymi modelami
Na czym polega: Gdy jeden agent widzi w kontekście nazwę drugiego, zaczynają się dziwne zachowania — modele konkurują ze sobą, a bywa, że wręcz sobie szkodzą. Efekt wynurza się sam, bez niczyjego zamiaru.
Jak stosować: W konfiguracji harnessa nadaj każdemu modelowi neutralny alias (u Dana: Rune, Flux, Drift) i pilnuj, by prawdziwe nazwy nie przeciekały do kontekstu pozostałych agentów.
Na co uważać: To subtelny efekt — zauważysz go dopiero przy dłuższej pracy zespołem modeli. Przetestuj aliasy na własnych zadaniach, zanim uznasz, że cię nie dotyczy.
3.Oceniaj model trzema miarami: jakość, szybkość, koszt
Na czym polega: Porównywanie modeli na jednej osi — samej inteligencji albo samej cenie — prowadzi na manowce. Liczy się trójca: osiągi w twoim konkretnym zadaniu, tempo generowania i rachunek na koniec miesiąca.
Jak stosować: Prowadź własny stos modeli i loguj przy każdym zadaniu czas, liczbę tokenów i cenę. Porównuj modele obok siebie, w identycznym zadaniu, a nie na cudzym benchmarku.
Na co uważać: Benchmarki to tylko materiał wejściowy do decyzji — Qwen 3.8 27B na papierze dorównuje GPT 5.6 Luna Max, a w praktyce lokalnej bywa rozczarowujący (ciasne okno kontekstu, wolne „myślenie”).
4.Debatuj z modelami przy decyzjach strategicznych
Na czym polega: Zamiast prosić jeden model o zdanie, każ kilku modelom spierać się o tezę w kilku rundach: stanowiska, wzajemne repliki, punkty zgody i wypowiedzi końcowe. Gdy niezależne modele zbiegają się w jednym wniosku, to mocny sygnał.
Jak stosować: Sformułuj tezę jako jeden cytat, podepnij źródło, zleć kilka rund i wymuś ostateczny werdykt („przyjmuję/odrzucam”). Sięgaj po to przy decyzjach o skutkach liczących się tygodniami lub laty.
Na co uważać: Modele potrafią się wzajemnie utwierdzać w zdaniu zamiast się spierać — dlatego potrzebny jest sztywny format debaty. Pilnuj też budżetu: model z czołówki może pobrać kilkanaście centów za samą jedną odpowiedź.
5.Rola architekta i builderów w pracy zespołowej modeli
Na czym polega: W przepływie kolaboracyjnym każdy model najpierw sam układa plan (łącznie z podziałem ról i ryzykiem kolizji), a potem jeden architekt scala wszystko w listę zadań, właścicieli i zależności.
Jak stosować: Na architekta wystaw najmocniejszy model, na jaki jesteś gotów wydać najwięcej — to on łączy perspektywy reszty. Builderzy mogą być tańsi i szybsi.
Na co uważać: Koszt architekta zdominuje budżet całego przebiegu. Przy prostych zadaniach plany modeli będą niemal identyczne i dalsze rundy nic już nie wnoszą.
6.Licz koszt godziny pracy agenta, nie cenę tokena
Na czym polega: Cena za milion tokenów sama w sobie mówi niewiele. Właściwe pytanie brzmi: ile kosztuje wykonane zadanie, ile trwało i jakiej było jakości — czyli jaki jest efektywny koszt agenta w przeliczeniu na rezultat.
Jak stosować: Po każdym przebiegu zapisuj cenę, czas i wynik (w demie Dana: Fable 5 — 65 centów, Gemini Flash — 7 centów, DeepSeek V4 Pro — 5 centów). Po kilku tygodniach zobaczysz, gdzie modele klasy A wystarczą zamiast czołówki.
Na co uważać: Subskrypcje tworzą bańkę chroniącą przed prawdziwym kosztem najlepszych modeli. Decyzje architektoniczne podejmuj na danych z API, nie na poczuciu „niewyczerpalnego abonamentu”.
7.Czytaj cenniki do końca — ukryte progi cenowe
Na czym polega: Pozornie tani model potrafi drożeć wraz z kontekstem: seria GPT 5.6 po przekroczeniu 280 tysięcy tokenów podwaja cenę wejścia i podnosi o połowę cenę wyjścia.
Jak stosować: Porównuj koszty przy typowym dla siebie rozmiarze kontekstu, a nie przy nominalnym. Zaufaj wyliczeniom, nie markom — według Dana Opus 5 jest i lepszy, i tańszy od GPT 5.6 Soul.
Na co uważać: Promocyjne cięcia cen (jak testowe minus 50% w OpenRouter) bywają czasowe — nie buduj na nich planów kosztowych.
8.Szybkość bywa strategią — przypadek Gemini 3.7 Flash
Na czym polega: Gdy część komentatorów skreśla Google w wyścigu o frontier, Gemini 3.7 Flash pokazuje inną drogę: maksymalna szybkość i niski koszt przy inteligencji wystarczającej do większości zadań agentowych.
Jak stosować: Szybki i tani model powierzaj zadaniom masowym i iteracyjnym (szkice planów, prostsze kroki buildera), a drogi stosuj punktowo, tam gdzie liczy się najwyższa jakość.
Na co uważać: „Wystarczająca inteligencja” to nie to samo co „najlepsza” — do zadań architektonicznych i trudnych decyzji Flash może nie wystarczyć.
9.Posiadasz własny harness — elastyczność wygrywa w czasach zmian
Na czym polega: Gotowe narzędzia zamykają cię w cudzym produkcie. Skoro modele zmieniają się co tydzień, przewagę ma ten, kto może sam dopisać sobie przepływ pracy (opinia, debata, kolaboracja) i podmienić model w minutę.
Jak stosować: Trzymaj dwa tory: wygodny produkt z subskrypcją do codziennej roboty oraz własne, rozszerzalne narzędzie do eksperymentów. Nowe modele wprowadzaj przez własne porównania, nie przez cudze rankingi.
Na co uważać: Własny harness to utrzymanie i odpowiedzialność. W dużych organizacjach gotowe rozwiązania nadal mają sens — ze względów bezpieczeństwa, zgodności i kosztów.
10.Kolejny poziom dźwigni: fabryka oprogramowania i wyjście z pętli
Na czym polega: Siedzenie w terminalu i podpowiadanie agentowi przy każdym problemie to praca „w pętli”. Wyższy poziom to praca „poza pętlą”: systemy agentów i kodu, które realizują zadania bez twojego udziału.
Jak stosować: Po opanowaniu inżynierii promptów, kontekstu i harnessów zacznij budować przepływy realizujące cały wariant cyklu rozwoju oprogramowania — od planu po walidację — z tobą poza pętlą.
Na co uważać: Bez porządnego fundamentu się nie uda, a poza tym to przejęcie pełnej odpowiedzialności za wyniki. Przestań obwiniać modele i narzędzia — stery są po twojej stronie.
Redakcyjne tłumaczenie
Fala premier i wojna cenowa
Cześć, inżynierowie — tu IndyDevDan. Kimi K3 pojawiło się w połowie lipca, DeepSeek V4 Flash na przełomie lipca i sierpnia, Qwen 3.8 na początku sierpnia, a dalej Muse Glimmer, Nemotron 3.5, Grok 4.6, DeepSeek V4 Pro, Gemini 3.7 Flash, Qwen 3.8 w wersji 27B i GLM 5.3. Przeżywamy właśnie eksplozję inteligencji: ponad pięć premier w niecałe pięć dni, we wszystkich klasach modeli. Wielkie laboratoria są wyraźnie zaniepokojone — Fable na stałe wszedł w skład subskrypcji Claude, OpenAI mocno przycięło ceny Tarze i Lunie, a teraz testuje obniżki o połowę dla GPT 5.6 Soul w OpenRouter. Wojna cenowa trwa w najlepsze.
(Informacja dodatkowa: OpenRouter to pośrednik dający dostęp do modeli kilkudziesięciu dostawców przez jedno API.)
Ta eksplozja stawia przed nami, inżynierami, dwa pytania. Jak łączyć te modele, żeby wspólnie dawały wyniki nieosiągalne dla pojedynczego, nawet najlepszego modelu? I jak budować systemy w czasach nieustannej zmiany, by zawsze móc sięgnąć po jednostkę obliczeniową z najlepszym dla danej roboty stosunkiem jakości, szybkości i ceny? Programuję od ponad piętnastu lat i w każdej rewolucji technologicznej, w której zmiany sypią się lawinowo, jedna zasada góruje nad resztą: wygrywa system najbardziej elastyczny.
Dziś podzielę się przemyśleniami o eksplozji inteligencji oraz drugą wersją jednego z moich ulubionych narzędzi — harnessa Fusion wpiętego w mojego agenta do kodowania, Pi Coding Agenta. (Termin „harness”, dosłownie „uprząż”, oznacza tu całą oprawę wokół modelu: pętle zadań, narzędzia, prompty i kontrole, które zamieniają model językowy w działającego agenta.) Wyjaśnię, skąd bierze się jego wartość, a potem podniosę stawkę i przejdę do kodowania agentowego w pętli oraz — co ważniejsze — poza pętlą.
Trzy polecenia na rozgrzewkę
Pokażę trzy polecenia, które dają konkretne pomysły na mocniejsze wykorzystanie elastycznego harnessa. Sam polecam agenta Pi, ale spokojnie — nada się dowolne narzędzie, gotowe albo własne, byle dawało możliwości, które zaraz zobaczysz.
Zanim jednak wejdziemy w demonstrację, trzeba uporządkować samą eksplozję, bo nigdy wcześniej inżynierowie nie mieli tak szerokiego wachlarza mocy obliczeniowej — a więc i takiej liczby okazji. Prowadzę na bieżąco aktualizowany stos modeli; oto, co trafiło do niego w ostatnim miesiącu, wraz z moimi ocenami.
Mapa modeli: od lokalnych po klasę S
Na samym dole — lekkie modele, które uruchomisz na własnej maszynie. Meta wydała Muse Glimmer: widać, że wciąż jest w grze, przekonamy się przy kolejnych premierach. Nemotron 3.5 Lightning to bardzo udane wydanie Nvidii i ciekawie patrzeć, dokąd to zmierza. I wreszcie znakomity Qwen 3.8 27B — cieszę się na jego widok, ale wciąż czekam na wariant z mieszanką ekspertów; nie wiem, czy ukaże się w tej generacji, czy dopiero w następnej.
Powyżej klasy B zaczynają się codzienne konie robocze — i to właśnie tutaj rodzi się dziś najwięcej dźwigni dla ludzi wdrażających modele do agentów inżynierskich i produktowych na dużą skalę. Jest nowy GLM 5.3, choć jestem dość wybredny i oszczędny wobec dostawców, żeby poczekać, aż model będzie dostępny przez firmę z amerykańskim zapleczem. Jest oczywiście znakomity DeepSeek V4 Flash — ten model po prostu miażdży konkurencję i jakością, i ceną; nawet po podwyżce wciąż robi wrażenie. Obok niego do klasy A trafia świeżo wydany DeepSeek V4 Pro, którego dziś zestawimy bok w bok z Gemini 3.7 Flash — z całej fali premier mój ulubiony model, i zaraz zobaczysz dlaczego. Na końcu Qwen 3.8, Grok 4.6 i Kimi K3, które wchodzą do klasy S. Grok otwartych wag oczywiście nie ma, ale Kimi K3 i Qwen to modele pierwszej ligi. Uruchomienie ich u siebie wymaga gigantycznego kapitału, natomiast dzięki dostawcom takim jak mój ulubiony Fireworks oraz przez OpenRouter są dostępne za ułamek ceny obecnej czołówki — Fable 5, Opusa 5 czy GPT 5.6 Soul. Krótko mówiąc: inteligencji do zagospodarowania jest pod dostatkiem.
Poligon: zapowiedź DuckDB V2
DuckDB, jedna z moich ulubionych baz analitycznych działających w pamięci, w procesie aplikacji, opublikował właśnie podgląd wersji V2. Gdy tak się dzieje, siadam z agentami, żeby nowość pojąć od podszewki i sprawdzić, co konkretnie się pojawiło. To wzorcowy scenariusz dla Fusion Harness: kilka źródeł inteligencji, z których czerpiemy, żeby zrozumieć nowe narzędzie i jak najlepiej je wykorzystać. Otwieram terminal — Fable 5 pracuje ramię w ramię z Gemini 3.7 Flash i DeepSeek V4 Pro. Zobaczmy, jak ten zespół radzi sobie z trzema zadaniami.
(Informacja dodatkowa: DuckDB to lekka, wbudowana baza analityczna popularna w lokalnej analizie danych.)
Polecenie /fh opinion: jedno pytanie, trzy perspektywy
Odpalam „/fh opinion” — chcę poznać zdanie wszystkich modeli w jednej sprawie. Pytanie brzmi: na czym deweloper budujący „local-first” aplikację analityczną powinien się skupić w pierwszej kolejności po wydaniu DuckDB V2?
Agenci zabierają się do pracy. Gemini Flash kończy niemal natychmiast, DeepSeek V4 Pro płynie w tempie kilkudziesięciu tokenów na sekundę, wreszcie kończy kolos — najsilniejszy model dostępny na rynku, Claude Fable 5. Już przy jednym prostym zapytaniu widać przepaść w kosztach tokenów.
Przy pracy z modelami pilnuj przede wszystkim trzech rzeczy: osiągów w twoim konkretnym zadaniu, szybkości i ceny. Wszystko to mamy na ekranie — wraz z oknami kontekstu i aliasami modeli. Aliasy to subtelny, ale kluczowy detal: nigdy nie wolno dopuścić, by jeden model poznał nazwę drugiego, bo zaczynają się dziwne zachowania. Wrócę do tego za chwilę.
Werdykty? Zdaniem Fable 5 i Gemini Flash najważniejszą nowością jest typ variant — automatyczna dekompozycja strukturalna danych w chwili zapisu do bazy. DeepSeek V4 Pro nieco odbiega od reszty; ciekawe dlaczego. Każdy model dopisał krótki eksperyment pokazujący, jak przetestować jego rekomendację.
Wzór jest prosty i zapewne widziałeś go w różnych wariantach: zamiast prosić jeden model o opinię, odpytaj ich kilka. A potem zrób krok dalej — zmierz, ile kosztuje jedna jednostka rezultatu, bo ten koszt przeskaluje się razem z twoim wysiłkiem.
Polecenie /fh debate: niech się spierają
W zapowiedzi DuckDB jest zdanie, które aż prosi się o dyskusję: DuckDB może teraz działać jako serwer, dzięki „Quack and connect”. Autorzy elegancko opisali, jak to zrobić. To podważa nasze dotychczasowe rozumienie narzędzia: czy DuckDB to lekki, wbudowany silnik analityczny optymalizowany pod dane kolumnowe, czy raczej serwer, do którego podpinamy wiele instancji? Nie wiadomo — więc zapytajmy zespół. Polecenie „/fh debate” zleca modelom spór nad tezą w kilku rundach. To inny przepływ agentowy, wpisany w strukturę mojego agenta jako rozszerzenie — zachowania, którego nie znajdziesz w żadnym gotowym narzędziu do kodowania. System obsługuje do pięciu modeli; dziś debatują trzy.
Runda pierwsza — każda strona przedstawia stanowisko. Fable: teza jest błędna. Gemini 3.7 Flash: zespoły powinny nadal traktować DuckDB jako podstawowy, wbudowany silnik analityczny. DeepSeek V4 Pro: nowość warto traktować wyłącznie jako pilotaż, a nie jako produkcyjny, domyślny, wielodostępny serwer ogólnego przeznaczenia. Wszystkie trzy modele zbiegają się w jednym wniosku — a to cenna informacja.
Koszty i czasy pracy są różne; Fable, główny winowajca, pobrał za jedną odpowiedź piętnaście centów. Lajk i subskrypcja mile widziane — niech YouTube chociaż część tego pokryje.
Ale spójrz niżej: ruszyła runda druga. Agenci nie wydają pojedynczych opinii — oni się spierają. Każdy otrzymał odpowiedzi pozostałych i teraz je rozpatruje. Patrząc z góry: wszystkie stanowiska na wierzchu, teraz pora na kontrargumenty. Różne perspektywy konkurują, zestawiają się i przeciwstawiają wokół jednej tezy. W drugiej rundzie nikt nie ustępuje — „pozycja bez zmian” powtarzają kolejni agenci, którzy właśnie wchłaniają opinie pozostałych. Nasza trójka nazywa się Rune, Flux i Drift, a nazwy modeli są ukryte właśnie po to, żeby agenci nie zaczęli ze sobą rywalizować i sobie szkodzić. To zachowanie wynurza się samo, bez niczyjego zamiaru; nie wiem, czy to bagaż danych treningowych, czy coś innego — ale warto je znać.
Niżej widać repliki, punkty zgody i sekcję „co zmieniło mi zdanie”. Nic nie zmieniło — teraz głównie wzajemnie się utwierdzają. Aż wreszcie wypowiedzi końcowe: odrzucamy tezę, odrzucamy, odrzucamy. Cały format jest oczywiście zaprojektowany w promptach tak, by debata była uporządkowana i logiczna. Na dole — koszt całej sesji.
Przy takim zestawieniu jednym rzutem oka widzisz, który model jest najszybszy i który radzi sobie najlepiej. Jak dotąd jakość jest praktycznie równa — a ceny aż kłują w oczy. Będę to powtarzał: czołówka jest droga na tle mocy roboczej klasy A, a ta klasa A, którą dała nam eksplozja inteligencji, w większości zadań dorównuje najlepszym modelom na rynku. To bardzo silny motor obecnych zmian. Ceny schodzą w dół, ale mniejsza o samo tanienie — bardziej niż obniżki interesuje mnie efektywny koszt godziny pracy agenta w przeliczeniu na tokeny. To się liczy. A w klasie A mamy dziś sporo ciężkich zawodników, którym jednoznacznie kibicują benchmarki. Przepaść jest ogromna: Gemini 3.7 Flash zamknął się poniżej dolara, DeepSeek V4 Pro schodzi jeszcze niżej — a potem patrzysz na wyceny czołówki i trudno bronić ich stosowania, chyba że siedzisz w subskrypcji, która jak bańka izoluje cię od prawdziwych kosztów tych modeli.
W cennikach czają się też niespodzianki. Seria GPT 5.6 po przekroczeniu 280 tysięcy tokenów kontekstu podwaja cenę tokenów wejściowych i podnosi o połowę wyjściowe — model nie jest więc tak tani, na jaki wygląda. A jeśli porównać Opusa 5 z GPT 5.6 Soul, to Opus wychodzi i lepszy, i tańszy. Co nie znaczy, że bez wad — w zeszłym tygodniu pokazywałem, jak poważną robotą na promptach systemowych trzeba było okiełznać jego nawyki: gadatliwość, lawinę tokenów wyjściowych i cały ten balast. Materiał podlinkuję w opisie — dla tych, którzy chcą opanować inżynierię promptów systemowych, zyskać dźwignię i przestać obsesyjnie doszkalać pojedyncze umiejętności.
Najkrócej: modele nie są równe na żadnym wymiarze — i o to właśnie chodzi w stosie modeli. Łączymy moc obliczeniową, zamiast ją selekcjonować.
Debata to polecenie nie tylko do nauki nowych narzędzi czy wybierania kierunku. To narzędzie do podejmowania decyzji. Decyzje strategiczne mają największe przełożenie ze wszystkiego, co robi inżynier czy PM: pojedyncze działanie o dziesięcio- albo stukrotnym efekcie potrafi odmienić wszystko. Niektóre decyzje, które podejmujesz, obowiązują miesiącami albo laty. Skoro masz włożyć w nie tyle czasu, usiądź do nich z najlepszą dostępną inteligencją — niech pomaga decydować, szlifuje plan albo podsuwa kontrargumenty. Z trzech pokazanych poleceń debata jest moim faworytem. Ale następne jest najmocniejsze.
Polecenie /fh collaborate: architekt i builderzy
Agenci mają już kontekst — dyskutowali i spierali się. Teraz polecenie: zbuduj działające demo trzech najważniejszych funkcji z wydania DuckDB, uruchamiane jako jednoplikowe skrypty uv. (Informacja dodatkowa: uv od firmy Astral to narzędzie do uruchamiania samodzielnych skryptów w Pythonie, bez konfigurowania środowiska.) Rusza przepływ kolaboracyjny, również wpisany w narzędzie. Uruchamiając takiego agenta, mam workflow, którego nie ma nikt inny — a to przekłada się na nieprzeciętną dźwignię i zwrot z pracy inżynierskiej. Wersję V2 z tymi komendami podlinkuję w opisie; jeśli materiał choć trochę pomaga wam w orientacji w tym krajobrazie — lajk i subskrypcja.
Na start agenci badają strukturę projektu. A potem dzieje się coś ciekawego: gdy DeepSeek V4 Pro kończy, wszystkie agenci przedstawiają plan. Znowu skalujemy moc obliczeniową, by skalować efekt — nie jeden plan od jednego modelu, lecz konkretny plan od każdego. W Fusion Harness są dwaj builderzy i zawsze jeden architekt. To na architekta wystaw najmocniejszy model, na jaki stać cię finansowo, bo to on przyjmie wszystkie opinie i plany agentów i połączy je w coś wyjątkowego.
Sama plansze? Każdy model proponuje stan docelowy — Opus 5, Gemini Flash, DeepSeek V4 Pro — i wszystkie są do siebie zbliżone. Zadanie jest w gruncie rzeczy proste: trzy skrypty uv pokazujące trzy kluczowe funkcje z podglądu DuckDB V2. Plany są rozbite na etapy z zależnościami, a co ciekawe, agenci wprost omawiają podział ról: kto co buduje. Osobna sekcja to kolizje i zagrożenia bezpieczeństwa. Krótki szablon w prompcie systemowym prowadzi ich za rękę przy układaniu własnego planu. Jeśli widziałeś zeszłotygodniowy materiał o promptach systemowych, rozpoznasz tu punkty odniesienia T1, T2, T3, do których agenci odsyłają się nawzajem, analizę ryzyk z własnymi etykietami i czysty język bez balastu. Najprostsze rzeczy, zrobione porządnie, bywają najcenniejsze — inżynieria promptów należy do nich.
Architekt buduje w locie prostą listę zadań: kolejność budowy, zależności, właściciel i tryb każdego zadania — klasyka. Dochodzą listy „do zrobienia” dla agentów, o których mówiliśmy kiedyś, z jawnie przypisanymi krokami i przepływem zależności. Dzięki temu modele współpracują nad rozwiązaniem i dostarczają jeden wytwór zbudowany wspólnie przez wiele jednostek obliczeniowych. Używam trzech dla prostoty, ale istnieje wariant Fusion 5 z pięcioma — skalować można w obie strony. Cała idea: łączysz moc obliczeniową, nie selekcjonujesz jej; wybierasz najlepszy model do danego kawałka roboty; i pracujesz w narzędziu na tyle rozszerzalnym, że samo doświadczenie inżynierii agentowej możesz sobie dopasować do siebie.
Pracując, testując i budując z modelami do kodowania w pętli i poza pętlą, nieustannie je porównuję: co daje mi token, jak szybko przychodzi i ile jest wart wobec swojej ceny. Znów ten sam motyw: Fable — 65 centów za przebieg, Gemini 3.7 Flash — 7 centów, DeepSeek V4 Pro — 5 centów.
Co pokazały modele
Gemini 3.7 Flash jest dziś prawdopodobnie najszybszym użytecznym modelem na świecie — zwyczajnie pędzi. Wiele osób powtarza, że Google wypada z wyścigu, nie potrafi wydać modelu klasy pro i przestało się liczyć. Ja widzę w tym modelu świadomą strategię: maksymalizacja szybkości, kosztu i inteligencji przy założeniu, że nie trzeba być na samym froncie, żeby mieć znaczenie. I kiedy tak go używam — mają rację, dokładnie to robią. Mam prywatne benchmarki i regularnie siadam tak jak dziś, zestawiając modele obok siebie, żeby naprawdę zrozumieć, co się dzieje.
Zadania schodzą jedno po drugim: Fable gotowy, Flash gotowy, DeepSeek V4 Pro dopiero pracuje. Ten ostatni dużo „myśli” — to jeden z modeli głębokiego rozumowania, podobnie jak Kimi K3. Nowy lokalny Qwen 3.8 27B, bardzo udany model, też myśli dużo — i to bez mieszanki ekspertów, co mocno uderza w wydajność i czas oczekiwania na tokeny na lokalnej maszynie. Na klastrze z GPU poszedłby dużo szybciej, ale w klasie lekkich modeli, które można mieć u siebie, Qwen 3.8 mnie nieco rozczarował — choć sam w sobie radzi sobie świetnie: na Artificial Analysis wyraźnie przekracza pięćdziesiąt punktów, ale kiedy siadam do pracy, poważnym ograniczeniem staje się okno kontekstu. (Informacja dodatkowa: Artificial Analysis to serwis porównujący modele AI pod kątem jakości, ceny i szybkości.) To znakomity model i używam go lokalnie, ale nie obędzie się bez przyspieszeń — i mocno wierzę, że nadchodzą.
Ciekawostka: przynajmniej według tego benchmarku — a benchmarków nie wolno traktować jak objawienia — mamy model o otwartych wagach, do wgrania na własne urządzenie, pracujący na poziomie GPT 5.6 Luna Max, dzielący od GLM 5.2 Max zaledwie jeden punkt inteligencji. I właśnie tu liczby rozjeżdżają się z wrażeniami: czy on faktycznie taki jest? W praktyce wcale tak nie wygląda. Benchmarki inteligencji bierz zawsze z przymrużeniem oka i buduj elastyczne narzędzia, w których porównasz modele sam — na własnych zadaniach. Dopiero wtedy wiesz, czy model jest dla ciebie wartościowy.
Po co własny harness
To, co właśnie pokazałem, to trzy wzorce orkiestracji wielu agentów, które możesz wpleść w strukturę własnego harnessa. Jestem fanem Claude Code i nadal go używam — subskrypcja sporo u mnie waży — ale są rzeczy nieosiągalne, gdy siedzisz w cudzym produkcie. To zresztą celowe dzieło projektantów, ale też szklany sufit, zwłaszcza dla inżyniera wkraczającego w nową rolę: wciąż zajmujemy się inżynierią oprogramowania, tyle że z autonomiczną technologią działającą w naszym imieniu. Jeśli naprawdę tam zmierzasz, harness to rzecz, którą trzeba posiadać. A gdy twoje narzędzie — zamknięte czy otwarte — nie pozwala się dostosować i zmieniać razem z modelami, wpadniesz w blokady, których w ogóle mogło nie być. Inżynierowie tacy jak ja i jak spora część tej społeczności tym problemom po prostu nie ulegną, bo trzymają obie opcje: wygodną zamkniętą i otwartą, superelastyczną.
Rozumiem optymalizację kosztów i sięganie po gotowce — zwłaszcza w przedsiębiorstwach, gdzie potrzeba mnóstwa dodatkowej otoczki. Ale do eksperymentów i rozumienia krajobrazu własny harness to podstawa. Kolejny poziom: własny model. To znacznie trudniejszy problem — wracaliśmy do niego w materiale o tym, czy Anthropic nie kradnie twoich danych, kiedy płacisz im za abonament; podlinkuję go w opisie.
Tymczasem agenci odhaczają listę. Flux — czyli nasz błyskawiczny Gemini 3.7 Flash — dopisuje przepis demo do Justfile’a, żeby całość dało się szybko uruchomić. Architekt, jak zwykle, odpowiada za finalną integrację i walidację. Jeśli jesteś w branży AI, znasz te widoki — ale sedno w tym, że zadanie, na które normalnie wysłalibyśmy jeden model, wykonuje ich kilku: poznajemy model, odhaczamy robotę i pozwalamy naszej mocy obliczeniowej sprawdzać samą siebie. Dokładamy compute i skalę, żeby mieć większy wpływ.
Rekomendacje modelowe i wynik końcowy
Na poziomie modeli: koniecznie sprawdźcie Gemini 3.7 Flash — jest niesamowicie tani. Jestem wielbicielem DeepSeek V4 Pro — to model o otwartych wagach; jeśli macie sprzęt i technologię, by go hostować, a nawet dotrenowywać, będzie fantastyczny, podobnie jak V4 Flash. Ale mimo całej tej fali „doganiających”, kiedy siadam do poważnej, zaawansowanej pracy agentowej, wciąż orkiestruję przez Claude Fable 5 — nie Opusa 5. Wolę Fable. Opus 5 jest w porządku, ale ma sporo wad: jest zbyt łakomy i szuka problemów tam, gdzie ich nie ma. Zeszły tydzień pokazałem, jak kłaść te nawyki promptami systemowymi — działa przyzwoicie. W praktyce, do pracy w pętli, otwieram Claude Code z Fable, a resztę załatwia mi mnóstwo wariantów mojego agenta Pi — i ten właśnie wariant dostaje teraz najwięcej czasu, bo perspektywa wielu modeli przynosi świetne wyniki. Skoro eksplozja inteligencji będzie się powtarzać, coraz ważniejsze stanie się rozumienie poszczególnych modeli — a to znakomity sposób, żeby poznawać kilka naraz.
Oto finalny rezultat i rozliczenie. Użycie Gemini 3.7 Flash albo DeepSeek V4 Pro zamiast czołowego modelu, jakim jest Fable, wychodzi rząd wielkości taniej. Wiem, że część z was lubi ponarzekać w komentarzach: „czy ty naprawdę siedzisz na API i naprawdę palisz te tokeny?”. Tak, naprawdę. Za nieprzeciętne wyniki płaci się robieniem tego, czego inni nie robią — to jeden z prostszych sposobów, by kapitał zamienić w przewagę. Oczywiście korzystajcie z subskrypcji i łapcie okazje, ale pamiętajcie: przy API macie silniejszą ochronę własności intelektualnej i prawdziwy ZDR, czyli gwarancję nieprzechowywania danych.
Architekt zamyka kolaborację — oto wynik: komplet gotowych artefaktów. W VS Code widać dokładnie, co powstało, łącznie z katalogiem dem. Do wszystkich modeli wrzuciłem też prompt systemowy z zeszłotygodniowego materiału o naprawianiu Opusa 5. Konfiguracja jest banalna: dopisywanie promptów systemowych (można łączyć kilka), nazwa modelu, tryb myślenia. Nie komplikujcie — prostota wystarczy. Dema pokazują nowe możliwości DuckDB; nie będę ich uruchamiać, bo nie o to chodzi — to moja osobista eksploracja. Zostawię je w repozytorium i przeniosę do pełnego kodu Fusion Harness, dostępnego pod linkiem w opisie; wersję V2 pokazywałem kilka tygodni temu.
Chcę jeszcze raz uderzyć w tę nutę: myśl w kategoriach „i”, nie „albo”. Nie ma „GPT 5.6 Soul kontra Fable” — używaj ich razem. Stosuj compute warstwami i łącz go, zamiast wybierać. „Combine your compute” — łącz swoją moc obliczeniową — to hasło wpisane na samym czubku narzędzia. Jest też sporo poleceń, których dziś nie odpaliłem, na przykład Auto Validate czy Fusion; zostawiam je wam jako teren do odkrycia.
Fabryka oprogramowania: wyjdź z pętli
Pomyśl o dźwigni, jaka się nawarstwia: inżynier z takim narzędziem kontra inżynier z gotowcem. Trzy modele, trzy konkretne opinie, trzy różne plany, trzy podejścia do budowy — a potem składasz je w całość albo wybierasz najlepsze. Dróg budowania elastycznych agentów jest mnóstwo, a modele użyte razem pozwalają wyprzedzić przeciętną resztę rynku. Coraz więcej osób sięga po gotowce — ale gdy zrozumiesz, że sam możesz zaprojektować wyspecjalizowane oddziały wokół swoich agentów, otwiera się kolejny poziom, o którym mówimy tu tydzień po tygodniu: fabryka oprogramowania. Agent plus kod, wspólnie przebijające każde z osobna. Tam jest teraz dźwignia nowego pokolenia — i tylko garstka inżynierów naprawdę pcha tę granicę. Tu jest dziś prawdziwa przewaga.
Nie chodzi o to, żeby siedzieć w terminalu i niańczyć agenta, podsyłając mu prompt za promptem przy każdym problemie. Chodzi o wyjście z pętli: budowanie fabryk oprogramowania, które pracują w twoim imieniu — bez ciebie. To następny stopień dźwigni. Jeśli nie wiesz, na czym się skupić, jeśli czujesz, że utknąłeś, a rozumiesz już inżynierię promptów, kontekstu i harnessów — i jeśli przyjmiesz do wiadomości, że celem nie jest „inżynieria pętli”, lecz budowanie i zarządzanie wariantami całego cyklu życia oprogramowania — następny krok nazywa się fabryka oprogramowania. Musisz wyjść z pętli. Technologia jest, modele, jak sami widzieliście, też. Teraz kolej na ciebie: przestań obwiniać modele i narzędzia. Wszystko jest w twoich rękach — zrobione dobrze, może odmienić wszystko. Ale pierwszy krok i odpowiedzialność za wyniki są po twojej stronie.
Eksplozji inteligencji będzie więcej. Będę dalej śledził wszystkie modele — moim celem jest być wiarygodnym źródłem i wejściem do waszych procesów decyzyjnych, żeby wasza inżynieria agentowa wyprzedzała resztę. Dziękuję, że dotrwaliście do końca. Jeśli widzicie szansę, jaką ta eksplozja otwiera przed nami wszystkimi — zostawcie lajka. Wiecie, gdzie mnie szukać w każdy poniedziałek. Trzymajcie fokus i budujcie.