O czym jest ten film
- OpenAI wydało GPT-6 pod nazwą Astra; autor miał dostęp tydzień przed premierą i od tego czasu wydał na testy około 1500 dolarów kredytów.
- Grę w stylu Call of Duty zbudował w cztery prompty, a piątym dorzucił tryb multiplayer — i od razu grał na streamie z dwudziestoma osobami.
- Na podstawie PDF-a z planem posiadłości AI odtworzyło dom w Blenderze, a potem samo przeniosło go jako grywalną mapę do autorskiej gry — z helikopterem, którym można latać.
- Wniosek autora: AI tworzy grafikę 3D lepiej niż ludzie — świadectwem są fotorealistyczne rendery i edukacyjne strony 3D, np. Tesla rozłożona na poszczególne części.
- Skoro cyfrowe zasoby 3D przestały być deficytową umiejętnością, największą okazją biznesową jest według niego druk 3D.
- Vibe coding to dla niego „sprawa zamknięta”: drobna aplikacja desktopowa do wyszukiwania grafik i usuwania tła powstała jednym promptem w szesnaście minut.
- Funkcja Sites w ChatGPT (hosting, baza danych, logowanie) pozwala w kilka minut postawić stronę zapisów z panelem administracyjnym widocznym tylko dla właściciela.
- Sterowanie komputerem przez AI przyspiesza lawinowo — w teście rysowania portretu w Paincie Astra zdeklasowała konkurencyjny model; OpenAI podobno kupiło dziesiątki tysięcy Maców mini do treningu takich agentów.
- Agenci coraz sprawniej weryfikują sami siebie: model uruchamiał mecz w grze, którą właśnie stworzył, oglądał zrzuty ekranu i sam wnosił poprawki.
- Praktyczny wniosek na dziś: warto utrzymywać maszynę (najlepiej Maca mini) z działającym non stop agentem, sterowaną zdalnie z telefonu.
Redakcyjne tłumaczenie
Wprowadzenie: tydzień z Astrą i 1500 dolarów na kredytach
Najpewniej już o tym słyszeliście: OpenAI wydało Astrę, czyli GPT-6. Powiem szczerze — jakość tego modelu naprawdę mną wstrząsnęła. Dostęp miałem na tydzień przed premierą, a od oficjalnej premiery przepaliłem na niego około 1500 dolarów kredytów i używam go do wszystkiego. Grę w stylu Call of Duty zbudowałem w cztery prompty, piątym dorzuciłem tryb multiplayer i chwilę później grałem już na streamie z dwudziestoma osobami. Ten model po prostu działa w innym rejestrze. Poniżej siedem powodów, dla których tak uważam.
(Informacja dodatkowa: autor pracuje z modelem głównie w Codexie — narzędziu OpenAI do zlecania agentowi zadań programistycznych, w tym sterowania komputerem i przeglądarką.)
1.Grafika 3D: AI robi to lepiej niż ludzie
Pierwsze odkrycie przyszło samo, podczas pracy. Wczoraj trafiłem w sieci na PDF z pewną posiadłością: duży dom, cała działka, do tego rzut kondygnacji. Pomyślałem: przekażę cały dokument do Codexa z nową Astrą i poproszę, żeby sterując Blenderem, odtworzył ten dom. Po około dwudziestu minutach dostałem scenę z gotowym budynkiem. Porównajcie ujęcia — kolor odrobinę odbiega od oryginału, ale sam dom jest uderzająco podobny.
Nie poprzestałem na pliku Blendera. Poleciłem: skoro scena jest skończona i po sprawdzeniu wygląda dobrze, stwórz nową mapę „Estate” w grze Call of Singularity, którą zbudowałem dzień wcześniej — w tym samym formacie co pozostałe mapy. Po godzinie agent odesłał nie tylko scenę, ale i grywalną mapę w Modern Singularity, mojej produkcji w klimacie Modern Warfare. Dom ze Blendera trafił prosto do gry, a bonusem doszedł helikopter: mogę nim latać i strzelać z pokładu, choć inni gracze potrafią mnie też z niego zestrzelić. Jak na balans rozgrywki — mocno to przechyla szalę.
Kilka przykładów od innych użytkowników. Na X ktoś opublikował render wygenerowany przez Astrę — i to nie „gierkowy” styl, do którego dążyłem, tylko pełny fotorealizm. Drugi trend to edukacyjne strony 3D: ktoś chciał zrozumieć, jak działa silnik, i model przygotował realistyczną, trójwymiarową wizualizację. Nie znam się na silnikach na tyle, by ocenić dokładność, ale efekt robi wrażenie. Ktoś inny rozłożył na części całą Teslę — każdą część można przybliżyć, przeczytać, czym jest i do czego służy, a cały samochód da się rozłożyć i złożyć, przeskakując między widokami.
I to jest wspólny, najgłośniejszy w sieci wniosek o tym modelu: GPT-6 radzi sobie w Blenderze, Unreal Engine i Unity wybornie. Tworzenie cyfrowych zasobów 3D przestało być rzadką umiejętnością — dziś może to zrobić każdy.
Moja osobista konkluzja: wchodzę w druk 3D. Skoro modele cyfrowe przestały być wąskim gardłem, prawdziwe pytanie brzmi, jak przenieść je do świata fizycznego — i na tym skupiłbym się najbardziej. Druga rada: używajcie tej technologii do nauki.
2.Gry z promptów i kolejna fala vibe codingu
Zatrzymajmy się na chwilę nad tym, co właśnie się wydarzyło: AI tworzy pełnoprawne, wieloosobowe gry w 30–60 minut. Ludzie klonują Rocket League i dokładają dokładnie te mechaniki, których zawsze brakowało; powstają gry w stylu Fortnite’a; ja zrobiłem własne Call of Duty i wciąż mogę dołożyć do niego pracy.
To zapowiada kolejną falę vibe codingu — czyli budowania oprogramowania przez opisywanie efektu zwykłym językiem. Przewiduję, że powstanie platforma poświęcona wyłącznie grom, może w najprostszej wersji hostingowa: wystarczyłoby wspomnieć w rozmowie domenę typu hostmygame.com, a gra lądowałaby pod własnym adresem. Darmowy hosting, waluta w grze, transakcje — firma, która rozwiąże hosting i sprzedaż wewnątrz takich gier, zrobi na tym miliardy. Coś w rodzaju Robloxa, tylko bez ograniczeń w tym, co wolno stworzyć.
Wierzę też, że twórcy zaczną robić gry dla swoich odbiorców tak samo naturalnie, jak dziś robią PDF-y, kursy czy społeczności. Te formaty są mało wyraziste — a wyobraźcie sobie grę albo mały świat, do którego fan wchodzi jednym linkiem i zwiedza wymyśloną przez autora przestrzeń. Trochę jak metawersum, ale bez całego bagażu: po prostu link, w którym czeka świat twórcy. To może być wielki trend.
3.Vibe coding: sprawa zamknięta
Trzecia realizacja brzmi groteskowo, ale myślę tego całkowicie serio: z vibe codingu nie zostało już nic do „rozwiązania”. Oprogramowanie można przywoływać na zawołanie, a wiedza potrzebna do zrobienia własnej aplikacji spadła do zera.
Przykład z dzisiejszego poranka. Przy kawie robiłem prezentację i dopadła mnie irytacja codzienną drobnicą: wchodzę w Google Images, szukam grafiki, kopiuję, wracam do właściwej karty, wklejam do diagramu w Excalidraw. I tak w kółko. Wpadłem na pomysł narzędzia à la Raycast.
(Informacja dodatkowa: Raycast to popularny na macOS launcher wywoływany skrótem klawiszowym, z menedżerem schowka i wyszukiwarką aplikacji.)
Powiedziałem Codexowi: chcę aplikację desktopową uruchamianą skrótem, w stylu Raycasta — wyszukiwanie w Google Images, usuwanie tła, a wszystko, co skopiuję lub zapiszę, ląduje w folderze. Szesnaście minut później miałem gotowe narzędzie. Command+Shift+Space, wpisuję „logo Codexa”, Enter — wyniki wyszukania, klikam, kopiuję, wklejam tam, gdzie akurat pracuję. Był jeden problem: po wklejeniu do Excalidraw tła nie da się usunąć. Dlatego wbudowałem w aplikację usuwanie tła jednym kliknięciem. Można też szukać wielu rzeczy naraz: „logo OpenAI; logo Microsoftu; logo Bing; logo Google” i Enter — cztery równoległe wyszukiwania, a póki jedno się ładuje, przechodzę do kolejnego. Jest i funkcja z AI: wklejam listę nazwisk — Satya Nadella, Sam Altman, Dario Amodei, Steve Ballmer, Jensen Huang — wciskam Command+Enter, a model sam rozbija to na osobne zapytania. Potem znowu usuwam tło, kopiuję, wklejam. A ponieważ wszystko skopiowane zapisuje się lokalnie, przy następnym wpisie wcześniejsze wyniki podpowiadają się same.
Niszowe? Skrajnie. Ale zrobiłem je dla siebie, jednym promptem, i od dziś narzędzie żyje na moim komputerze jako skrót klawiszowy. Klasyczną drogą zajęłoby mi to wieki.
Ten trend będzie się tylko nakręcał: przywoływanie potrzebnego oprogramowania — do firmy albo na użytek własny — będzie działać coraz lepiej. OpenAI i Anthropic widzą w tym wartość, stąd funkcja Sites: hosting, baza danych, uwierzytelnianie — wszystko w pakiecie. Tworzę aplikację, dostaje adres na chatgpt.site, udostępniam ją zespołowi i wymagam logowania kontem firmowym. Takie aplikacje powstają niemal bez wysiłku.
Wczoraj powiedziałem to wprost na Twitterze i powtórzę tu: moim zdaniem najlepszy obecny zastosowaniem Sites są lead magnety — materiały zbierające kontakty w zamian za wartość. Chciałem zbierać zapisy na Call of Singularity, więc poprosiłem: „w stylu mojej gry zrób stronę, na której ludzie zostawią dane, żebym mógł się z nimi skontaktować, plus panel administracyjny dostępny wyłącznie z mojego adresu e-mail”. Strona powstała błyskawicznie, stanęła na ChatGPT Sites, a po zalogowaniu moim kontem widzę panel z entrantami — i tylko ja je widzę. To wzorzec do naśladowania: tworzysz bezpieczną stronę, administratora ustawiasz na własne konto, wysyłasz ludziom link i zbierasz opinie. Za jakiś czas będziemy w ten sposób budować na ChatGPT Sites całe gry.
4.Sterowanie komputerem skacze o klasę
Czwarta rzecz, która dała mi poczucie, że AGI jest już blisko: computer use, czyli sterowanie komputerem przez AI, robi się nieprawdopodobne — zwłaszcza w Codexie.
Bardzo wymowny test: ktoś zestawił Fable z GPT-6 Astra, podał obu zdjęcie własnej twarzy, otworzył Microsoft Paint i kazał narysować portret. Nagranie jest przyspieszone z dziesięć razy, ale różnica i tak mówi wszystko. Wynik Fable to poziom, który jeszcze dwa tygodnie temu uchodziłby za ponadprzeciętny — dzisiaj Astra jest o klasę lepsza: model kontroluje kursor, łapie proporcje i perspektywę, odtwarza obraz. To, że da się to zrobić na zwykłym komputerze, jest szalone.
(Informacja dodatkowa: Fable 5.1 to model konkurencyjnej firmy, użyty w teście jako punkt odniesienia.)
W ChatGPT wystarczy poprosić o sterowanie komputerem — to umiejętność wbudowana w Codexa. Największa wartość jest przy pracy zdalnej: aplikację desktopową Codexa można kontrolować z telefonu, więc poza domem dalej zlecasz agentowi pełną obsługę komputera. W tej kategorii OpenAI zaczyna się odrywać od Anthropic. W tle działają konkretne inwestycje: OpenAI podobno kupiło dziesiątki tysięcy Maców mini i komputerów Mac Studio do treningu agentów sterujących komputerem metodą wzmacniania; Anthropic wynajmuje Maci mini przez AWS. Obie firmy utrzymują tysiące takich maszyn pracujących bez przerwy — trenują i mierzą, jak dobrze AI radzi sobie z komputerem.
5.Agent testuje się sam — gra w grę, którą sam stworzył
Piąta realizacja: model znacząco lepiej weryfikuje własną pracę. Schemat wygląda tak: dostaje zadanie, je wykonuje, ocenia jakość, ustala poprawki, wprowadza je, ocenia ponownie — i kręci tą pętlą w kółko. Mówiono o tym już w czasach wczesnego Claude’a Code, ale dopiero teraz zaczęło działać na poważnie.
Zobaczyłem to przy tamtej mapie z Blendera. Agent pracował długo, a potem zrobił coś, co utkwiło mi w pamięci: otworzył Blendera, zrobił zrzut ekranu, obejrzeł go i zameldował: „posiadłość buduje się poprawnie jako trzecia mapa w grze; rozszerzam system pojazdów o wsiadanie do helikoptera”. Po czym uruchomił mecz. Poruszał się po mapie jako jedna z postaci, wsiadł do helikoptera i polatał nim w ramach testu, zaglądając po drodze pod dom. Całe zlecenie brzmiało: PDF → model 3D → mapa w grze — i na każdym etapie agent sprawdzał wynik, fizycznie grając i przeglądając zrzuty ekranu. Dom wychodził początkowo zbyt biały, z niewłaściwą teksturą; model to zauważył i sam dopisał sobie poprawkę. W gruncie rzeczy promptuje sam siebie w pętli.
Nigdy nie ufałem AI tak bardzo jak temu modelowi. Wystarczy określić efekt końcowy — o ile w ogóle da się go osiągnąć na moim sprzęcie — a agent będzie iterował i testował, aż dojdzie do celu. Zatrzyma go co najwyżej twarda bariera płatności: gdyby potrzebne oprogramowanie było nieopłacone, po prostu mnie o tym uprzedzi. Poza tym pracuje do skutku. Agent gra w grę, którą sam przed chwilą stworzył. Jesteśmy w niezwykłym punkcie historii.
6.Ten model powstał pod Codexa
Szósta obserwacja: Astra wyraźnie najlepiej czuje się w Codexie. GPT-6 da się dziś używać w innych narzędziach, na przykład w Cursorze, ale coś w samej aplikacji Codexa sprawia, że wyniki są dużo lepsze. Ten model zbudowano pod środowisko Codexa i jego narzędzia: computer use, browser use — potrafi uruchomić stronę lokalnie, błyskawicznie wypełniać formularze, testować witryny.
Powiem krótko: nie znam dziś ważniejszego narzędzia do nauki. Gdybym miał wskazać jedną rzecz — to właśnie Codex. Interfejs jak w ChatGPT, z tą różnicą, że agent ma pełną kontrolę nad komputerem — i właśnie w tym tkwi siła. Może odpalić Blendera, kiedy go potrzebuje, obejrzeć scenę, zrobić zrzut ekranu i odesłać go do siebie; stworzyć grę, zbudować stronę, edytować czy usuwać pliki. A ponieważ działa na moim komputerze, jestem na nim zalogowany wszędzie: GitHub, Vercel, klucze API w systemie, otwarte karty w przeglądarce. Dzięki temu pracuje szybciej — nie musi się nigdzie uwierzytelniać, wszystko ma pod ręką.
7.Mac mini pozostaje bezkonkurencyjny — agent 24/7
Dwie ostatnie realizacje trzymają się razem, a ta druga jest największa: zestawy oparte na Macu mini nie mają sobie równych. Kupiłem właśnie kolejnego Maca mini; postawię na nim i na maszynie z Linuksem Codexa, żeby mieć go zawsze pod ręką. Na samym laptopie bywa z tym kłopot — podróżuję często i wtedy tracę dostęp.
Rozmawiam o tym z gronem bystrych znajomych i w tym tygodniu nagraszemy film o najlepszym zdalnym setupie. Bo na Macu mini można odpalić nie tylko Codexa, ale i pozostałe „superaplikacje”: agenta Anthropic, Groka i inne — i sterować nimi z telefonu. iPada czy MacBooka Pro można zdalnie podpiąć do Maca mini, który zostawisz włączony w domu, żeby nigdy nie gasł. Chcę mieć przynajmniej jedną instancję Codexa działającą całą dobę, przez cały tydzień. ChatGPT dużo używam do automatyzacji w pracy, a moje zadania programistyczne i tak splatają się z dokumentami i prezentacjami — więc zależy mi, żeby wszystko mieszkało na jednej maszynie.
Podsumowanie: weszliśmy w erę wykładniczych skoków
I to jest najważniejszy wniosek z całości. Skoro AI potrafi przejąć pełną kontrolę nad komputerem, tworzyć zasoby 3D i całe gry, wyczarować każdą aplikację na jedno życzenie, opublikować ją jednym ruchem, a potem samodzielnie testować i poprawiać, aż stwierdzi „gotowe” — to dlaczego nie mieć komputera, na którym Codex pracuje bez przerwy?
Jestem pod wrażeniem tego modelu i nie mogę doczekać się kolejnych. Anthropic przed IPO będzie chciało pokazać model lepszego od GPT-6 — wycena na 2 biliony dolarów tego wymaga — a OpenAI szybko odbije. Jesteśmy w epoce, w której wszystko przyspiesza wykładniczo: AI będzie coraz sprawniej sterować komputerem, będzie mądrzejsza, będzie lepiej kodować — będzie lepsza we wszystkim, co da się na nim zrobić. Pierwszym progiem był Claude Code na początku 2025 roku, choć poczuliśmy to dopiero w połowie roku. Teraz przekroczyliśmy kolejny — i to jest już era AGI. Będę was na bieżąco trzymać. Dziękuję za obejrzenie.
(Informacja dodatkowa: Claude Code to uruchomione na początku 2025 roku narzędzie Anthropic do agentowej pracy z kodem.)
10 najważniejszych takeaways — z kontekstem zastosowania
1.Grafika 3D z dokumentu źródłowego — oszczędność dni pracy
Na czym polega: Astra odtworzyła budynek z PDF-a (zdjęcia plus rzuty) w Blenderze i przeniosła go do silnika gry; tworzenie zasobów 3D przestało wymagać lat praktyki.
Jak stosować: zamiast opisywać obietek „z głowy”, podawaj agentowi materiały źródłowe — plany, zdjęcia, rzuty — i precyzuj format wyniku (plik Blendera, asset do Unity/Unreal, mapa w grze).
Na co uważać: model potrafi pomylić kolory, faktury i detale, więc zawsze porównuj wynik ze źródłem; w materiałach edukacyjnych dokładność merytoryczną (jak w tamtym silniku) weryfikuj u specjalisty.
2.Druk 3D jako okazja na styku cyfryzacji i fizycznego świata
Na czym polega: według autora cyfrowe modele 3D przestały być rzadkim zasobem, więc wartość przesuwa się w stronę zamiany ich na realne, użyteczne przedmioty.
Jak stosować: generuj modele przez AI i drukuj; szukaj nisz, gdzie unikat fizyczny ma cenę — prototypy, części zamienne, gadżety dla społeczności twórcy.
Na co uważać: bariera wejścia spada dla wszystkich naraz, więc przewagę daje pomysł i dystrybucja, nie sam dostęp do modelu; policz realne koszty druku przed skalowaniem.
3.Gry jako nowy format treści dla twórców
Na czym polega: pełne gry multiplayer powstają w 30–60 minut (Call of Duty autora — cztery prompty, multiplayer — piąty), więc gra może stać się produktem jak PDF czy kurs.
Jak stosować: myśl grami o swojej społeczności — mały, grywalny świat pod jeden link angażuje mocniej niż kolejny dokument; prototypuj pomysły rozgrywkowe na własnych klonach znanych gier.
Na co uważać: hosting i monetyzacja takich produkcji to wciąż luka rynkowa — ogromna szansa biznesowa, ale i nierozwiązany problem; nie zakładaj, że platforma już istnieje.
4.Aplikacje na żądanie pod własne codzienne irytacje
Na czym polega: drobna aplikacja desktopowa (wyszukiwarka grafik, usuwanie tła, zapisywanie) powstała jednym promptem w szesnaście minut, bez żadnej wiedzy programistycznej.
Jak stosować: notuj powtarzalne mikroczynności (klikanie, kopiowanie, przełączanie kart) i zamieniaj je w narzędzia szyte na miarę; traktuj je jak zabawki侧面… — jak prywatne dodatki do własnego workflow, nie produkty.
Na co uważać: taka aplikacja ma dostęp do schowka i plików — buduj ją lokalnie i sprawdzaj, co dokładnie może dotknąć; nie podpinaj jej do kont, których nie chcesz udostępniać.
5.ChatGPT Sites: strona zapisów z panelem admina w kilka minut
Na czym polega: Sites daje w pakiecie hosting, bazę danych i logowanie; strona zbierająca kontakty, z panelem widocznym wyłącznie dla właściciela, powstaje z jednego prompta.
Jak stosować: przy generatorze formularzy od razu określaj, które konto ma uprawnienia administracyjne, i wymagaj logowania (np. kontem zespołu) od odwiedzających.
Na co uważać: zbierasz dane osobowe, więc kwestie zgód, przechowywania i bezpieczeństwa musisz dopilnować sam — panel „tylko dla ciebie” nie zwalnia z myślenia o prywatności.
6.Computer use: agent jako zdalny pilot komputera
Na czym polega: modele coraz pewniej obsługują interfejs graficzny (portret w Paincie), a aplikację desktopową Codexa można kontrolować z telefonu — także poza domem.
Jak stosować: zostaw komputer w domu z uruchomionym agentem i wydając mu polecenia z telefonu, sprawdzaj postęp; świetnie sprawdza się przy długich zadaniach w tle.
Na co uważać: pełna kontrola to pełne ryzyko — nie pozostawiaj agenta samego z maszyną, na której trzymasz klucze API, sesje bankowe czy firmowe dane; nadzoruj, co robi.
7.Pętla samoweryfikacji: opisuj efekt, nie kroki
Na czym polega: agent wykonuje zadanie, ocenia je (zrzuty ekranu, testy), sam wnosi poprawki i sprawdza ponownie — w przykładzie model sam grał w grę, którą przed chwilą zbudował.
Jak stosować: zamiast mikrozarządzać, zdefiniuj mierzalny stan końcowy i kryteria akceptacji („mapa jest grywalna, dom wygląda jak na zdjęciach”), a iteracje zostaw agentowi.
Na co uważać: iteracje kosztują — autor przepalił już 1500 dolarów kredytów; ustawiaj limity, upewnij się, że cel jest wykonalny na twoim sprzęcie, i licz się z zatrzymaniem na nieopłaconych narzędziach.
8.Naucz się Codexa — dziś narzędzie numer jeden
Na czym polega: Astra działa wyraźnie lepiej w środowisku Codexa (computer use, browser use, lokalne uruchamianie), a interfejs jest prosty jak czat — przy pełnym dostępie do komputera.
Jak stosować: jeśli używasz AI wyłącznie w oknie czatu, przenieś powtarzalne zadania do Codexa i pozwól agentowi korzystać z narzędzi; zaczynaj od zadań o jasnym celu.
Na co uważać: agent działa na twoim zalogowanym systemie — przed włączeniem pełnego dostępu uporządkuj klucze API i sesje; regularnie porównuj wyniki z alternatywami (np. Cursor), bo przewagi potrafią znikać z wersji na wersję.
9.Wydzielona maszyna z agentem 24/7 (najlepiej Mac mini)
Na czym polega: autor kupuje kolejnego Maca mini, żeby utrzymywać instancję Codexa działającą non stop i sterować nią zdalnie z telefonu lub iPada.
Jak stosować: przeznacz jeden komputer wyłącznie pod agentów, zostaw go włączony w domu i podłączaj się zdalnie; trzymaj na nim dokumenty, prezentacje i projekty w jednym miejscu.
Na co uważać: bezobsługowa maszyna z dostępem do twoich kont to wektor ataku — zabezpiecz ją, ogranicz uprawnienia i pilnuj kosztów (prąd, abonamenty, kredyty API).
10.Era wykładnicza: projektuj niezależnie od jednego modelu
Na czym polega: Anthropic przed IPO celuje w model lepszy od GPT-6 (wycena: 2 biliony dolarów), OpenAI odbije — tempo zmian w sterowaniu komputerem i kodowaniu będzie rosło.
Jak stosować: buduj procesy i biblioteki promptów przenośne między modelami; nowości testuj na stałym zestawie własnych zadań, żeby mierzyć realny postęp, a nie marketingowe deklaracje.
Na co uważać: spektakularne demo nie równa się produktywności — przed IPO i w wyścigu modeli szum będzie ogromny, więc odróżniaj pokaz od codziennej użyteczności.