Yapay zeka kodlama ajanları üzerine bugüne kadar okuduğum en ilginç verilerden biri bu oldu: daha fazla kod, otomatik olarak daha fazla yazılım demek değil.
Harvard'dan Fiona Chen ve James Stratton'ın çalışması, 2021'den Mart 2026'ya kadar 700'den fazla yazılım şirketinde 700 binin üzerinde çalışana ait verileri ve 300 milyon iş olayını incelemiş. Kodlama ajanları devreye girdikten sonra toplam kod satırı ortalama yüzde 30, commit sayısı yüzde 20, pull request sayısı yüzde 23 artmış.
Ama asıl soru şu: iş bitiyor mu? Jira gibi araçlarda takip edilen hata, görev ve özelliklerin tamamlanma oranında istatistiksel olarak anlamlı bir değişiklik görülmemiş.
Darboğaz kod incelemede. Bir pull request'in gönderilmesinden ana kod tabanına alınmasına kadar geçen süre yüzde 49 uzamış. Değişiklik istenen pull request oranı neredeyse iki katına çıkmış, pull request başına yorum sayısı yüzde 35 artmış, kod inceleyen çalışanların oranı da yüzde 14 yükselmiş. Yani yazma tarafında kazanılan hızın önemli bir kısmı inceleme ve düzeltmede geri harcanıyor.
Şirketler bunu da yapay zekayla çözmeye çalışıyor: Mart 2026 itibarıyla incelenen şirketlerin yüzde 80'i bir tür yapay zeka kod inceleme aracı kullanıyormuş. Yine de inceleme yorumlarının sadece yüzde 23,3'ü ajanlardan geliyor ve ajanlar pull request'lerin yalnızca yüzde 10,8'ine katkı veriyor; işin büyük kısmı hâlâ insanlarda. Aktif çalışan sayısında da, en azından incelenen dönemde, anlamlı bir değişiklik bulunmamış.
Verilerin Mart 2026'da bittiğini, araçların o tarihten beri geliştiğini de not etmek lazım. Ama benim çıkardığım ders net: verimlilik için sadece kod yazma süresini değil, inceleme, hata düzeltme ve entegrasyonu da hızlandırmak gerekiyor.
Ars Technica'daki haber:
https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-cod…
Çalışmanın PDF'i:
https://fion.ac/jellyfish.pdf
Kaynak: DonanımHaber
Dla kogoś, kto na co dzień pracuje z kodem, 2025 rok przyniósł wyjątkowo duże zmiany. Narzędzia do programowania z AI przestały jedynie uzupełniać kolejną linijkę kodu i zaczęły naprawdę przejmować zadania. Kiedy się nad tym zastanowić, w pierwszej połowie roku wszyscy wciąż rozmawiali o podpowiadaniu kodu w Cursorze i Copilocie, a w drugiej nagle zrobiło się głośno o programowaniu sterowanym specyfikacją, a repozytoria zapełniły się plikami Markdown pisanymi z myślą o agentach.
Najmocniej czuję, że programowanie przechodzi od modelu „prowadzi człowiek” do modelu „prowadzi agent”. Dawniej AI przewidywała tylko kolejny znak, a teraz potrafi przejść całą drogę od analizy wymagań, przez generowanie kodu, aż po weryfikację wyników. Co ciekawe, niemal wszystkie czołowe narzędzia rozwijają jednocześnie trzy formy — IDE, CLI i Cloud — i ostatecznie wszystkie zmierzają w stronę agentów.
Ale wraz z tym pojawiły się problemy. Najbardziej boli koszt tokenów: zadania się wydłużają, wywołań narzędzi przybywa, kontekst jest raz po raz wczytywany od nowa, a rachunki rosną w zawrotnym tempie. W tym roku na ustach wszystkich nie jest już „jak napisać prompt”, lecz „inżynieria kontekstu” — jak wyważyć jakość, wydajność i koszty oraz jak zwiększyć współczynnik trafień w cache.
Dla mnie prawdziwym punktem zwrotnym 2025 roku nie jest to, czyj model jest mocniejszy, lecz to, kto potrafi zamienić dotąd ukryte ograniczenia i wiedzę zawarte w projekcie w struktury kontekstu, które model zrozumie i wykorzysta ponownie. Wartość programisty powoli przesuwa się z „pisania kodu” na „definiowanie reguł”. Ten rok był naprawdę trochę surrealistyczny.
Źródło: InfoQ
Według IT之家 JetBrains 8 października w wpisie na blogu ogłosił model AI do programowania Mellum2.1, którego głównym celem jest wzmocnienie programowania agentowego. Jako programista śledzę z zainteresowaniem takie otwarte modele, które można uruchamiać lokalnie, więc zebrałem tu najważniejsze informacje.
Model zachowuje architekturę Mellum2: to model typu mixture of experts (MoE) o 12 mld parametrów, z czego 2,5 mld jest aktywnych, nadal udostępniany na licencji Apache 2.0. Główna zmiana w treningu polega na tym, że etap uczenia przez wzmacnianie po wstępnym treningu został rozbudowany z krótkiego wykończenia do głównej części treningu. Dodano dane dotyczące matematyki, konkursów algorytmicznych, nauk ścisłych, używania narzędzi i inżynierii oprogramowania, zbudowano wewnętrzne środowiska uczenia przez wzmacnianie i w trakcie treningu uruchomiono miliony piaskownic w tysiącach środowisk. Przed treningiem odrzuca się zadania z wadliwymi testami, odpowiedziami, których nie da się zweryfikować, lub nieodpowiednim poziomem trudności.
Według oficjalnego opisu model potrafi badać bazy kodu, edytować pliki i sprawdzać własne zmiany. Największa poprawa dotyczy programowania agentowego: model potrafi wskazać przyczynę źródłową niezaliczanych testów, zaproponować poprawkę i zweryfikować wynik. Pod względem szybkości architektura się nie zmieniła, ale przewidywanie wielu tokenów (MTP) sprawia, że generowanie przy pojedynczym żądaniu jest około 1,6 raza szybsze. W porównaniu z Mellum2, Qwen3.5-9B i Gemma 4 E4B przy tych samych warunkach oceny przepustowość wyjściowa Mellum2.1 na pojedynczym H200 przy dużym obciążeniu jest bliska dwukrotności wyniku Qwen3.5-9B.
Model jest dostępny w Hugging Face i można go wdrożyć lokalnie lub we własnej infrastrukturze, dzięki czemu firmy mogą zachować kod i dane w swoim środowisku. Planowane są wersje GGUF dla llama.cpp, Ollama i LM Studio oraz komponent MTP do spekulatywnego dekodowania w vLLM.
Czekam na wersję GGUF, bo wtedy zwykli programiści będą mogli wypróbować model na własnym komputerze. Co jest dla was ważniejsze w modelu do programowania: dokładność czy koszt wdrożenia?
Źródło: IT之家
Z artykułu w ITmedia NEWS dowiedziałem się, że Google zapowiedziało eksperymentalną platformę gier o nazwie „Playground”. Ogłoszenie padło 7 października 2026 roku według czasu amerykańskiego, a od tego samego dnia jest dostępne w przeglądarce dla użytkowników w USA powyżej 18. roku życia.
Korzystanie polega wyłącznie na wpisywaniu poleceń tekstem. Można zacząć od pustego ekranu, edytować gotowy szablon promptu albo skorzystać z prowadzonej pomocy, a utworzoną grę można od razu przetestować. Zmiany fizyki, zasad, postaci i otoczenia są uwzględniane, jeśli opiszemy je słowami. Według artykułu nie trzeba znać programowania, ale nie ujawniono, jakiego modelu AI się używa.
Można też dzielić się grami. Ponieważ platforma działa w przeglądarce, grać można na smartfonie i na komputerze. Link do gry można wysłać znajomym i rodzinie, opublikować ją w galerii „Explore” albo zachować prywatnie. Niektóre gatunki obsługują tablice wyników i tryb wieloosobowy, a opublikowane gry przechodzą kontrolę bezpieczeństwa zgodnie z wytycznymi społeczności Google. Funkcja tworzenia gier zostanie udostępniona etapami, w zależności od członkostwa w Google One.
Druga zapowiedź dotyczy partnerstwa z Unity. Obie firmy planują w 2026 roku wypuścić nowy produkt „Unity Spark”, który doda do Playground pełne mechaniki gier, wysokiej jakości 3D i elastyczność środowiska uruchomieniowego Unity. Ma też łączyć się bezpośrednio z Unity Asset Store. Obecnie jest testowany, a wkrótce ma ruszyć zamknięta beta. Dyrektor generalny Unity zwrócił uwagę, że około 3 miliardów osób miesięcznie gra w gry stworzone w Unity, ale wielu z nich nigdy samodzielnie żadnej nie zrobiło.
Osobiście uważam, że dzielenie się i granie w gry tworzone promptami może być ciekawym wejściem w programowanie. Jestem ciekaw, co sądzicie o takich narzędziach.
Źródło: ITmedia NEWS
Next napisał o Pi, otwartoźródłowym harnessie, który właśnie osiągnął wersję 1.0.0. Dla osób nieznających tego terminu: harness to warstwa oprogramowania wokół modelu AI, która pozwala mu czytać pliki, uruchamiać polecenia lub wyszukiwać w internecie.
Pi ma być minimalistyczny, ale rozszerzalny. Jest kompatybilny z ponad 1500 modelami i wariantami, zarówno komercyjnymi, jak i modelami o otwartych wagach, które można uruchomić lokalnie, i przedstawia się jako alternatywa dla Claude Code i Codex niezależna od modeli Anthropic czy OpenAI. Deweloperzy widzą w wydaniu wersji 1.0 oznakę dojrzałości.
Artykuł wspomina też o najnowszych zmianach: konektorach MCP, trybie „codemode” i obsłudze ChatGPT. Pi Durable ma wytrzymać katastrofalne awarie wewnętrzne i zewnętrzne.
Warto zaznaczyć, że około 80% tekstu jest dostępne tylko dla subskrybentów, więc ograniczam się do tego, co można przeczytać publicznie. W komentarzach kilku czytelników porównuje Pi z OpenCode: jeden uważa je za bardzo lekkie, ale trudniejsze w konfiguracji, zwłaszcza w przypadku MCP, drugi wskazuje wariant Oh-My-Pi. Autor zapowiedział też artykuł o instalacji i użytkowaniu.
Interesuje mnie pomysł oddzielenia harnessu od modelu: można zmienić model bez zmiany narzędzia. Trzeba jeszcze sprawdzić, czy prostota Pi wytrzyma, gdy zastosowania staną się bardziej złożone. A wy, z jakiego harnessu korzystacie na co dzień, programując z AI?
Źródło: Next
Xataka opowiada historię, w której łączą się programowanie, AI i sporo kontrowersji. Jeszcze kilka dni temu ArtCraft była platformą do generowania obrazów i wideo za pomocą AI. Członek zespołu, Brandon Thomas, ogłosił, że metodą vibe coding stworzył otwartoźródłowe zamienniki siedmiu aplikacji Adobe, napisane w Rust: PhotoCraft (Photoshop), VectorCraft (Illustrator), FilmCraft (Premiere Pro), LightCraft (Lightroom), PdfCraft (Acrobat), EffectCraft (After Effects) i DesignCraft (InDesign).
Są dystrybuowane na Windows, macOS i Linux, a można z nich korzystać także z poziomu ArtCraft. Artykuł zwraca uwagę, że Adobe nigdy nie oferowało profesjonalnych narzędzi kreatywnych na Linuksa, więc ta luka nie jest mała.
Kolega autora testował PhotoCraft przez kilka dni: podstawowe funkcje działają, nie ma śladu narzędzi AI z Photoshopa, a aplikacja zajmuje bardzo mało miejsca. Mimo to na razie nie zastąpi oryginału. Sami twórcy przyznają, że projekt jest na bardzo wczesnym etapie alfa: brakuje około dwudziestu narzędzi AI i generatywnych, głębi w typografii i profesjonalnych przepływach pracy oraz zgodności z wtyczkami.
Według twórców podejście jest typu clean-room: opierają się na publicznych specyfikacjach i obserwowalnym zachowaniu programów, bez zastrzeżonego kodu i zasobów. PhotoCraft może otwierać pliki PSD, bo Adobe opublikowało te specyfikacje. W sieci krąży nieudowodnione podejrzenie, że programy Adobe zostały zdekompilowane.
Xataka przypomina też o problemach vibe coding: kod wygenerowany przez AI może być trudny do debugowania i zawierać rzeczy, których ludzki programista nigdy by nie napisał, co w aplikacjach osobistych jest mniej poważne niż w dużych projektach. Uważam to za dobre ostrzeżenie. Jako darmowe alternatywy autor wymienia Affinity, GIMP i DaVinci Resolve. Czy zaufalibyście aplikacji wygenerowanej w ten sposób?
Źródło: Xataka
Przeczytałem analizę Simona Bissona w Computer Sweden: Microsoft podniósł Rust do wewnętrznego statusu Tier-1, na tym samym poziomie co C#, TypeScript i C. Ten status wymaga m.in. pełnego zestawu narzędzi oraz integracji z Windows i Azure.
Tło jest takie, że Mark Russinovich, CTO Azure, podkreślał bezpieczeństwo pamięci Rust jako ważny element strategii bezpieczeństwa Microsoftu, a sama firma była jednym z założycieli Rust Foundation. Artykuł gościnny na stronie Rust Foundation opisuje, jak Rust jest powiązany z Microsoft Visual C (MSVC), aby zapewnić płynną współpracę między językami.
Najbardziej konkretna jest nowa warstwa backendu kompilatora Rust, rustc_codegen_utc. Korzysta ona z backendu Visual C, czyli biblioteki DLL o nazwie C2.DLL, i przekazuje pliki .OBJ do linkera MSVC. Zaletą jest to, że Rust może skorzystać z dotychczasowych prac Microsoftu nad bezpieczeństwem i stabilnością, a kod Rust i C staje się kompatybilny. Microsoft twierdzi, że backend jest gotowy do produkcji i używa go ponad sto wewnętrznych projektów w Rust. Jest jednak dostępny tylko wewnętrznie, a firma zasugerowała, że narzędzia mogą stać się open source, bez podania terminu.
Dla osób spoza Microsoftu sytuacja jest bardziej przyziemna: wsparcie Rust w VS Code działa przez rust-analyzer, do budowania nadal potrzebne są MSVC C Build Tools, a crate windows od Microsoftu daje bezpośredni dostęp do API Windows. Rada z artykułu brzmi, by zacząć od istniejących narzędzi, ucząc się programowania pod Windows w Rust.
Osobiście uważam za ciekawe, że tak duża firma inwestuje w to, by nie musieć utrzymywać dwóch osobnych zespołów kompilatorów. A do czego wy używacie Rust?
Źródło: Computer Sweden
Na Computable przeczytałem streszczenie raportu Linux Foundation z 2026 roku „State of Open Source in Europe”, piątej edycji, przedstawionej na Open Source Summit Europe w Pradze. Główne przesłanie jest jasne: samo korzystanie z open source nie daje kontroli. Trzeba też wnosić wkład i współdecydować.
Liczby pokazują, gdzie zgrzyta. Dla 94% europejskich organizacji suwerenność cyfrowa ma znaczenie dla strategii technologicznej, a dla 61% jest bardzo ważna. Europejscy programiści odpowiadają za prawie 40% wkładu w projekty infrastrukturalne, takie jak Kubernetes i OpenStack, ale wiele organizacji ogranicza się do korzystania. 31% nie ma formalnych ram zarządzania open source. Te, które je mają, deklarują zwrot z inwestycji ponad czterokrotny, wobec 3,6 razy u pozostałych.
Poruszono też narzędzia AI do kodowania: 94% korzysta z generatywnych narzędzi do kodowania lub je testuje, trzy czwarte uważa, że zwiększają wartość open source, a 48% dzięki temu korzysta z niego częściej. Prawie połowa utrzymuje wewnętrzne forki, co kosztuje średnio 311 godzin przy 9,5 forkach na cykl wydania.
Uderza mnie, że na szczycie Agentic AI Foundation są głównie amerykańskie firmy, takie jak AWS, Anthropic, Google, Microsoft i OpenAI. Na poziomie Gold z Europy są tylko Suse i Ericsson. Tymczasem Komisja Europejska przygotowuje pakiet suwerenności technologicznej wart około 2 miliardów euro.
Thierry Carrez z Linux Foundation Europe twierdzi, że open source pomaga uniezależniać się, ale tylko przy aktywnym udziale w otwartych strukturach zarządzania. Jako programista to rozumiem: pull request ma czasem większy wpływ niż dokument polityczny. A jak to wygląda u was?
Źródło: Computable
Richard Speed z The Register pisze o firmie ArtCraft, która dodała do swojego zbioru aplikacji w Rust alternatywy dla Worda, Excela i PowerPointa. Firma nazywa je reimplementacjami clean-room oprogramowania zastrzeżonego, a projekty w dużym stopniu opierają się na Claude przy programowaniu. W jej repozytoriach na GitHubie znajdują się też projekty wzorowane na Photoshopie, Illustratorze i Premiere Pro.
Recenzent uruchomił WordCrafta, alternatywę dla Worda, na Surface z procesorem Arm i stwierdził, że działa dobrze. Przypomina Worda, choć przyciski, ikony i grafika są inne. Projekt jest w fazie pre-alpha, ArtCraft szacuje zgodność funkcji z Wordem na 62 procent, a recenzent odradza użycie produkcyjne. W mapie drogowej przyznano, że testy zgodności z prawdziwymi plikami DOCX jeszcze się nie rozpoczęły, a wykresy, SmartArt i osadzone obiekty OLE zostały pominięte.
Jeśli chodzi o licencję, WordCraft jest udostępniany na podwójnej licencji MIT lub Apache 2.0. Słownik pisowni i dzielenie wyrazów korzystają z listy słów Moby Hyphenator II Grady'ego Warda, należącej do domeny publicznej. ArtCraft twierdzi, że wszystko powstało na podstawie publicznych specyfikacji i obserwacji, a zasoby są oryginalne lub objęte otwartą licencją. The Document Foundation, która rozwija LibreOffice, odmówiła komentarza, Microsoft potwierdził otrzymanie pytania bez dalszej odpowiedzi, a Adobe nie skomentowało projektów aplikacji kreatywnych.
Neil Brown z decoded.legal powiedział gazecie, że sytuacja prawna zależy od jurysdykcji, a twórcy mogą twierdzić, że ich niezależna implementacja nie narusza praw, ale przy takiej stawce spór może trafić do sądu.
Nie sama teza wydaje mi się najciekawsza, lecz tempo: mały zespół korzystający z narzędzia do kodowania opartego na AI może opublikować rozpoznawalny pakiet biurowy, niedokończony, ale wystarczająco użyteczny do testów. Otwarte pozostają kwestie jakości, utrzymania i prawa. Chętnie usłyszę, co o takich deklaracjach „clean room” myślą inni, którzy piszą kod z asystentami AI.
Źródło: The Register
Na portalu technologicznym przeczytałem, że OpenAI ogłosiła nową funkcję ChatGPT o nazwie „Inteligentny interfejs” (Intelligent UI), która pojawia się razem z modelami GPT-6. Chodzi o to, że odpowiedź nie jest już tylko tekstem: w samej rozmowie może łączyć tekst z interaktywnymi elementami wizualnymi.
Obsługiwane elementy to ilustracje, diagramy, wykresy, formularze i interaktywne przyciski. Według artykułu, który powołuje się na blog OpenAI, GPT-6 został nauczony rozpoznawać sytuacje, w których element interaktywny jest lepszy niż tekst, oraz tego, jak umieścić go w odpowiedzi.
Wśród przykładów są: ilustracja roweru siedmiobiegowego z przyciskami pozwalającymi wybrać część i zobaczyć o niej informacje, obrazki kostek do mahjonga pogrupowane w przewijane zestawy oraz małe narzędzia, na przykład kalkulator oszczędności emerytalnych czy narzędzie do dzielenia rachunków między kilka osób. Jeśli chodzi o modele, GPT-6 Sol jest dostępny dla subskrybentów wyższych planów, a subskrybenci Go i użytkownicy darmowi korzystają z Luna, bardziej wydajnego modelu. Artykuł wspomina też o lepszym wyszukiwaniu w sieci, szybszych częściowych odpowiedziach podczas zbierania informacji oraz większej odporności na próby obejścia treningu bezpieczeństwa.
Uważam, że ten krok jest ważny dla programistów, bo zbliża czat do małej aplikacji tworzonej na żądanie. Pozostaje pytanie, czy przyciski faktycznie pomogą nam bardziej niż dobrze napisany tekst. Chętnie poznam wasze zdanie.
Źródło: Portal technologiczny
Po pięciu latach w Bootstrapie znów coś się dzieje: współzałożyciel Mark Otto zapowiedział pierwszą alfę Bootstrapa 6, o czym pisze heise developer. Uważam to za ciekawe, bo framework wywodzi się z otoczenia Twittera i jest open source od 2011 roku.
Liczby pokazują, jak duży stał się Bootstrap: według projektu ponad 1,75 miliarda instalacji. Jednocześnie jego udział w rynku maleje. Według W3Techs na początku sierpnia 2026 roku Bootstrap używało 13,8% wszystkich stron internetowych, a w grudniu 2025 roku 15,3%. W nowych projektach Tailwind CSS zyskuje na znaczeniu.
Zespół celuje w nowoczesne przeglądarki: Chrome i Edge od wersji 130, Firefox od 132 i Safari od 18. W tym celu Bootstrap 6 wykorzystuje funkcje takie jak automatyczne przełączanie jasnego i ciemnego motywu, natywne okna dialogowe oraz układy wyrównywane do otaczających elementów, a nie do okna. Kolory, odstępy i zaokrąglenia da się w dużej mierze kontrolować zmiennymi CSS, także w czasie działania. Nazwy klas zbliżają się do Tailwinda: .d-md-none staje się .md:d-none, a .col-lg-6 staje się .lg:col-6. Akordeony działają bez JavaScriptu.
Szczególnie godna uwagi jest część dotycząca AI: dokumentacja jest dostępna jako llms.txt i llms-full.txt, a w repozytorium znajdują się pliki umiejętności, które mają pomagać agentom AI, na przykład przy migracji.
Według artykułu istniejących stron nie da się po prostu przełączyć. Bootstrap 5 będzie na razie wspierany, a przed końcem wsparcia pojawi się aktualizacja do 5.4.0. Wersja 7 ma nadejść znacznie szybciej. Kto z was nadal używa Bootstrapa, a kto już przeszedł na coś innego?
Źródło: heise online
W tym tygodniu złapała mnie wiadomość z XYZ: Politechnika Wrocławska i Dolnośląskie Centrum Onkologii, Pulmonologii i Hematologii budują platformę AI dla opieki zdrowotnej. Nie kolejnego chatbota, tylko bazowy model, który łączy dokumentację, wyniki labów, obrazy i ścieżkę leczenia.
Zaczynają od raka płuca — DCOPiH prowadzi ponad 1,4 tys. nowych pacjentów rocznie i ma dobrze opisane dane. System ma pilnować kompletności dokumentacji przed konsylium, wskazywać braki i nie pozwalać pacjentowi „wypaść” między badaniami. Lekarz nadal decyduje; AI ma oddać mu czas przy chorym, a nie zamiast niego myśleć.
Technicznie ciekawi mnie uczenie federacyjne: dane zostają w szpitalu, a do wspólnego modelu idą tylko efekty treningu. Bazą ma być doświadczenie z polskim modelem PLLuM, ale z prawdziwym językiem medycznym i multimodalnością.
Pierwszy prototyp — w ciągu najbliższych miesięcy. Jeśli wyjdzie poza Dolny Śląsk, to może być jeden z ważniejszych polskich projektów AI, o których warto mówić bez marketingowego szumu.
Źródło: XYZ
