O czym jest ten film
- OpenAI ogłasza ChatGPT 5.6 — model, który w testach (m.in. Terminal Bench) pokonuje dotychczasowego lidera Mythosa i kosztuje jedną trzecią jego ceny.
- Mimo to Finn nazywa to „najgorszą wiadomością roku”: dostęp do modelu dostanie tylko dwadzieścia firm wybranych przez OpenAI i rząd USA — zwykli użytkownicy zostają z niczym, podobnie jak wcześniej przy Fable 5.
- Rodzina 5.6 ma trzy wersje: Soul (najpotężniejsza, „z ligi Fable 5”), Terra (myśląca, podobno lepsza od 5.5 za ułamek ceny) i Luna (mniejsza, ale nie mikroskopijna).
- Główna teza: Ameryka po raz pierwszy hamuje własną innowacyjność — modele przechodzą przegląd rządowy, a zwycięzców wyznacza się odgórnie, zamiast pozwolić decydować umiejętnościom.
- Autor rozwija swoją koncepcję „trwałej klasy pokonanych”: kto dostaje dostęp do inteligencji frontierowej, a kto nie — ten podział przesądza o wygranych i przegranych.
- Jest światełko: OpenAI zapowiada szeroki dostęp „w nadchodzącym tygodniu”, a zakłady na Polymarket wskazują na powrót Fable 5 około 17 lipca.
- Praktycznie: na razie warto zostać przy 5.5, bo najlepszym środowiskiem agentowym jest Codex, a to on decyduje o jakości codziennej pracy.
- Rekomendacja strategiczna: badać lokalne AI i budować domowe laboratorium — „suwerenną inteligencję”, której rząd ani zarząd nie może odebrać.
- Porównanie trzech ścieżek sprzętowych: Maci (duża pamięć, wolno), komputery AI jak DGX Spark (kompromis, plug and play) i topowe GPU jak RTX 5090 czy 6000 Pro (mało VRAM, ale błyskawicznie).
- Zanim wydasz dziesiątki tysięcy dolarów: ustal zastosowania przez „odwrotne prompty” — pytaj własnego agenta, co on robiłby na twoim miejscu.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Ogłoszony to nie to samo co dostępny
Na czym polega: ChatGPT 5.6 wygrywa z Mythosem i kosztuje jedną trzecią jego ceny, ale dostają go tylko firmy wskazane przez OpenAI i rząd USA. Konferencyjne „mamy najlepszy model” nie znaczy, że możesz go użyć.
Jak stosować: Planuj pracę wyłącznie na tym, co realnie dostępne (dziś: 5.5), a ogłoszenia traktuj jako sygnał do przygotowania wdrożeń — nie do oczekiwania z założonymi rękami.
Na co uważać: Przez każdy tydzień embargo wybrane firmy budują przewagę, której później trudno nadrobić. Nie odkładaj projektów „do czasu premiery”.
2.Trzy wersje 5.6 — wiedz, którą śledzić
Na czym polega: Soul to najpotężniejsza odmiana, Terra to rozumujący model średniej półki (podobno lepszy od 5.5 za ułamek ceny), Luna jest mniejsza, choć większa niż dotychczasowe micro i mini.
Jak stosować: Jeśli pracujesz na myślących modelach, obserwuj Terrę — propozycja ceny może zmienić ekonomikę twoich wdrożeń. Jeśli uruchamiasz modele lokalnie, śledź rozmiar Luny: „małe” modele rosną, co ma znaczenie dla sprzętu.
Na co uważać: Żadna z nazw wersji nie mówi nic o ograniczeniach dostępu — wszystkie objęte są tym samym reżimem dystrybucji.
3.Przy ocenie dostawcy pytaj: „czy mogą mi to odebrać?”
Na czym polega: Finna głównie boli to, że o dostępie do najmocniejszych modeli decydują zarządy i rząd, a nie umiejętności użytkowników. Rynek przestaje działać meritokratycznie.
Jak stosować: Do listy kryteriów wyboru modelu (jakość, cena, prędkość) dopisz czwarte: podatność na odcięcie. Tam, gdzie stawka jest wysoka, miej plan B — inny dostawcę lub wariant lokalny.
Na co uważać: Uzależnienie całego produktu od jednego API, które podlega polityce firmy i regulacjom, to pojedynczy punkt awarii.
4.„Trwała klasa pokonanych” jako rama ryzyka
Na czym polega: Dostęp do inteligencji frontierowej dla wąskiej grupy to strukturalna przewaga nie do pobicia — w metaforze Finna jak boks, w którym jeden zawodnik ma cegły na pięściach, a drugi związane ręce.
Jak stosować: Zmapuj, które procesy w twojej firmie naprawdę wymagają najlepszych modeli, a które spokojnie obsłuży coś słabszego. Niezależność buduj tam, gdzie różnica jakości przesądza o wyniku.
Na co uważać: Panika i gonitwa za „najlepszym modelem” tam, gdzie różnica nie przekłada się na wynik, to spalanie budżetu.
5.Lipiec jako okno dostępu — zaplanuj na nie wdrożenia
Na czym polega: OpenAI zapowiada szeroki dostęp „w nadchodzącym tygodniu”, zakłady na Polymarket wskazują powrót Fable 5 około 17 lipca, a Finn liczy na koniec miesiąca.
Jak stosować: Przygotuj projekty, prompty i architekturę już teraz, by po otwarciu dostępu wystartować z miejsca, a nie od zera.
Na co uważać: Rynek predykcyjny to nie gwarancja — daty w świecie AI potrafią się przesuwać, więc nie opieraj na nich zobowiązań wobec klientów.
6.Środowisko agentowe bije sam model
Na czym polega: Finn uważa 5.5 za najlepszy dostępny wybór, bo Codex — narzędzie, w którym model działa jak agent sterujący komputerem i przeglądarką — daje w praktyce więcej niż teoretycznie lepszy Opus bez takiego oprzyrządowania.
Jak stosować: Oceniaj modele zawsze w pakiecie z narzędziem, w którym będziesz ich używać. Testuj całe zadanie od początku do końca, nie pojedyncze odpowiedzi.
Na co uważać: Wyniki benchmarków (np. Terminal Bench) nie oddają jakości codziennej pracy agenta — im bliżej twoich realnych zadań test, tym lepiej.
7.Zacznij research lokalnego AI — zanim ceny urosną
Na czym polega: Finn rozbudowuje domowe laboratorium (trzy Mac Studio, dwa Mac mini, DGX Spark, nowy RTX 5090), bo wierzy, że reglamentacja dostępu się utrzyma, a sprzęt będzie tylko droższy.
Jak stosować: Zanim kupisz cokolwiek, przeanalizuj: jakie modele chcesz uruchamiać, na jakim sprzęcie i — przede wszystkim — do czego mają służyć. Research najpierw, wydatki potem.
Na co uważać: Nie wydawaj dziesięciu tysięcy dolarów pod wpływem emocji po wiadomości o embargu — to dokładnie ten błąd, przed którym Finn przestrzega.
8.Sprzęt dobieraj pod zastosowanie: pamięć albo szybkość
Na czym polega: Maci mają ogromną zunifikowaną pamięć (największe modele, ale wolno), komputery AI jak DGX Spark — 128 GB i wyraźnie szybciej, topowe GPU jak RTX 5090 mają mało VRAM (32 GB), ale błyskawiczną przepustowość.
Jak stosować: Chcesz lokalnie uruchamiać największe modele — bierz Maca. Chcesz wygodnego startu — DGX Spark. Liczy się szybkość na mniejszych modelach — topowa karta graficzna.
Na co uważać: 6000 Pro to wydatek rzędu 12 tysięcy dolarów, a 5090 mimo mocy nie zmieści wielkich modeli. Finn ma po jednej maszynie z każdej kategorii właśnie po to, by nie płacić za kompromis.
9.„Odwrotne prompty” przed dużym wydatkiem
Na czym polega: Zanim Finn wyda dziesiątki tysięcy dolarów, pytają własnego agenta — który zna jego kontekst — co sam by zrobił na jego miejscu: jakie zastosowania, jaki sprzęt, które modele.
Jak stosować: Rozpocznij rozmowę od prośby: „Na podstawie tego, co o mnie wiesz, zaproponuj zastosowania lokalnych modeli i konkretną konfigurację”. Zapisz odpowiedź i skonfrontuj z opiniami ludzi.
Na co uważać: Agent doradzi tylko na podstawie tego, co o tobie wie — bez podania budżetu, zadań i ograniczeń dostaniesz ogólniki.
10.Zaprojektuj zadania 24/7, które uzasadnią laboratorium
Na czym polega: Modele w domowym labie Finna pracują cały czas: skanują bezpieczeństwo, przeglądają i piszą kod, a planowane jest trenowanie LoRA. Sprzęt uzasadnia dopiero ciągła praca.
Jak stosować: Zanim kupisz sprzęt, wypisz powtarzalne zadania, które model mógłby wykonywać na okrągło — to one, nie sama posiadłość mocy obliczeniowej, zwracają inwestycję.
Na co uważać: Praca ciągła to koszty prądu i chłodzenia, a laboratorium bez konkretnych zadań szybko stanie ozdobą.
Redakcyjne tłumaczenie
Najgorsza wiadomość roku
ChatGPT 5.6 właśnie został ogłoszony — i szczerze mówiąc, to najgorsza wiadomość całego roku. I nie, nie dlatego, że nazwa brzmi jak trzy upadłe kryptowaluty. Powód jest zupełnie inny.
Najpierw fakty. Po pierwsze: nowy model jest lepszy od Mythosa — w testach pokonuje go na Terminal Bench, czyli w benchmarku zadań wykonywanych w terminalu. Po drugie: kosztuje jedną trzecią ceny Mythosa. Mamy więc coś lepszego niż najlepszy model, jakiego kiedykolwiek używaliście, i to za trzecią część ceny. A teraz sedno, bo w tym miejscu robi się fatalnie: tego modelu nie będziecie mogli użyć. Nie jest dla was dostępny. Dostają go tylko dwadzieścia firm na świecie — te, które OpenAI i rząd Stanów Zjednoczonych osobiście wytypowały na zwycięzców. Dokładnie jak przy Fable 5: najlepszej dostępnej technologii po prostu nie dostaniesz. O tym, kto może korzystać z najpotężniejszego narzędzia w dziejach, decydują dziś prezesi korporacji i rząd. I już. Istnieje wąska grupa wygranych — a wy do niej nie należycie.
(Informacja dodatkowa: „Fable 5” to model frontierowy, którego publiczny dostęp został wcześniej cofnięty; z wypowiedzi Finna wynika, że chodzi o model Anthropic.)
Trzy wersje: Soul, Terra i Luna
ChatGPT 5.6 przyjdzie w trzech odmianach. Soul — najpotężniejsza, ta „z ligi Fable 5”. Terra — środek stawki, rozumująca, porównywalna z 5.5, i podobno lepsza od niego za ułamek ceny. Wreszcie Luna — mniejsza, choć wcale nie tak mała jak dotychczasowe wersje micro czy mini. Wygląda na to, że „małe” modele rosną. Wszystkie trzy są znakomite — i żadnej z nich nie użyjemy w dającej się przewidzieć przyszłości.
Za chwilę powiem, co z tym zrobić, jakie kroki podjąć, żeby ten moment wykorzystać. Ale najpierw o tym, dlaczego jest to fatalna wiadomość i dla Ameryki, i dla reszty świata.
Ameryka hamuje po raz pierwszy
Ameryka po raz pierwszy w historii zwalnia tempo własnych innowacji. W odróżnieniu od wielu państw niewiele tam było reguł i regulacji: można było zbudować technologię, wypuścić ją na rynek, na niej zarobić i szybko rozwijać. Właśnie dlatego Stany Zjednoczone były światowym numerem jeden w modelach AI — mieliśmy najlepsze modele na planecie. Teraz po raz pierwszy przyłożono hamulec. Modele muszą przechodzić przegląd u rządu. Jeśli rząd uzna, że w waszych rękach nie będą bezpieczne, nie dostaniecie ich.
To nie jest kanał polityczny i nie mam zamiaru prowadzić polityki. Ale jeśli politykę odłożyć na bok, można powiedzieć obiektywnie: to jest złe. Kiedy rządy i prezesi decydują, kto będzie zwycięzcą, kto dostanie znakomitą technologię, a kto byle jaką — na tym nie korzysta nikt. Zwycięzców nie powinno się wskazywać z góry. Powinna działać meritokracja: wszyscy z równym dostępem i równymi szansami, a wygrywa ten, kto wykorzysta narzędzie najlepiej i kto sobie to zwycięstwo po prostu zapracował. Tego już nie ma.
Trwała klasa pokonanych
Od dawna mówię o „trwałej klasie pokonanych” (ang. permanent underclass). Wiele osób to oburza, ale właśnie o nią tu chodzi. Gdy wybrane osoby dostają dostęp do wybranych zasobów — a inteligencja frontierowa, czyli modele z absolutnej czołówki, to najcenniejszy zasób, jaki kiedykolwiek powstał, bo z jej pomocą można zbudować praktycznie wszystko — te osoby zostają wygranymi, a wszyscy pozostali przegranymi.
Prowadzisz firmę i tylko ty masz dostęp do najlepszej inteligencji, podczas gdy inni nie mają do niej nic? Zdominujesz rynek. Konkurencja nie będzie miała żadnych szans. To jak wejście na ring, na którym jeden bokser ma przywiązane do rąk cegły, a drugiemu związano dłonie za plecami. Ten z cegłami wygra w każdej rundzie.
Do tej pory wszystko było zdemokratyzowane: każdy mógł korzystać z tej znakomitej technologii. Już nie. Teraz mamy wskazanych z góry zwycięzców. Nie liczy się więc, kto jest najlepszy, kto pracuje najciężej, kto ma największe umiejętności ani kto najwięcej wnosi do społeczeństwa. Liczy się to, kto jest w najlepszych stosunkach z zarządami i rządem. To jest po prostu nie do przyjęcia.
Miałem nadzieję, że po zabraniu Fable 5 OpenAI w miarę dyskretnie wejdzie w rolę dobrych chłopaków i wypuści swoje modele. I rozumiem — to nie ich decyzja. OpenAI nie zdecydowało o wstrzymaniu. Po tym, co przydarzyło się Anthropic, zapewne pomyśleli: nie, nie chcemy mieć z tym nic wspólnego; wstrzymamy i wolimy nie ryzykować. Ale to i tak jest do bani. W tej sytuacji wszyscy jesteśmy po stronie przegranych.
Kiedy odzyskamy dostęp?
OpenAI oznajmiło, że model będzie szeroko dostępny „w nadchodzącym tygodniu”. Liczę więc, że jeszcze w lipcu wejdziemy w jego posiadanie. A jeśli spojrzeć na Polymarket — giełdę zakładów predykcyjnych — zakłady wskazują, że około 17 lipca wróci Fable 5. To bardzo dobra wiadomość. Ludzie z grubym portfelem stawiają pieniądze na to, że Fable powróci do końca lipca. Lipiec zapowiada się więc na miesiąc, w którym znów położymy ręce na technologii frontierowej.
Haczyk w tym, że do tego czasu będzie sporo osób i firm wytypowanych z góry, które już z tej technologii korzystają — i zdążą zbudować nad nami wyraźną przewagę.
Co z tym zrobić: zostań przy 5.5
Co to oznacza dla was? Co powinniście teraz robić?
Po pierwsze: najlepszym z dostępnych modeli pozostaje dla mnie 5.5. Uważam tak, bo najlepszym środowiskiem agentowym — ang. agent harness, czyli oprogramowaniu, w którym model działa jak samodzielny agent sterujący komputerem i przeglądarką — jest Codex. Powiem więcej: Opus bywa może lepszym modejem samym w sobie, ale Codex tak sprawnie kontroluje komputer — obsługę pulpitu, przeglądarki i całą resztę — że w praktyce 5.5 z nim wygrywa. To właśnie tego modelu używałbym dziś.
Badaj lokalne AI — i buduj własne laboratorium
Druga rzecz, i tu robi się ciekawiej: zacznijcie badać lokalne AI. Co przez to rozumiem? Poszedłem do Micro Center — hej, Micro Center, czas na sponsoring — i złożyłem komputer, który widzicie na ekranie. To konstrukcja na RTX 5090 z 64 GB RAM; dopłacenie do 128 GB kosztowałoby mnie jakieś dwa tysiące dolarów więcej. Wieczorem zagram na nim w Cyberpunka.
Ważniejsze jest to, że buduję domowe laboratorium. Jeśli śledzicie kanał albo mojego Twittera, wiecie, że sprawa już trwa: mam trzy Mac Studio z 512 GB pamięci, dwa Mac mini i DGX Spark. Doszedł do nich RTX 5090. Po co mi to? Żeby uruchamiać najmocniejsze modele świata u siebie. Chcę zainwestować w lokalne modele i w domowe laboratorium AI, którego rząd ani żaden zarząd nie będzie mi w stanie odebrać. Chcę własnej, suwerennej inteligencji i własnych systemów — bez kontroli, bez odgórnych bramek, bez niczego z tych rzeczy.
Uważam, że każdy powinien się teraz przyjrzeć lokalnemu AI. Czy znaczy to, że macie w tej chwili iść wydać dziesięć tysięcy dolarów na komputer? Nie. To byłby błąd. Najpierw zróbcie research: sprawdźcie, które modele pasują do was, jaki sprzęt — a przede wszystkim, co z tym AI zrobicie, do jakich zastosowań go wykorzystacie. Zanim wydacie dziesiątki tysięcy, ustalcie, po co wam to wszystko, żeby po postawieniu systemu od razu ruszyć z konkretną pracą. Zaraz pokażę, jak to wygląda u mnie.
(Informacja dodatkowa: DGX Spark to kompaktowy komputer AI firmy NVIDIA, sprzedawany w duchu „podłącz i działaj”.)
Laboratorium w praktyce: modele pracujące bez przerwy
To platforma mojego domowego laboratorium AI, którą właśnie buduję. Widzę na niej wszystkie urządzenia i to, które modele aktualnie działają. A działają cały czas, przez cały rok: robią skany bezpieczeństwa, przeglądają kod, nieustannie go piszą. Okrągło pracują na rzecz mojej firmy — Henry Intelligent Machines. I na tym fundamencie buduję dalej: planuję trenować modele, trenować LoRA, robić wiele innych ciekawych rzeczy. Chcecie szczegółów — jak dobieram sprzęt i co z niego wyciągam — dajcie znać w komentarzach.
Trzy drogi: Maci, komputery AI i topowe układy graficzne
Jeśli zastanawiacie się, co wybrać w świecie lokalnych modeli — Mac Studio, Mac mini, a może DGX Spark — poświęćcie chwilę, bo ten wybór ma znaczenie. Zasadniczo macie trzy opcje: drogie Maci; komputery AI, czyli DGX Spark i zapowiadany komputer AMD; oraz potężne układy, jak właśnie składana przeze mnie 5090 czy 6000 Pro, którą niedługo dołożę.
Czym się różnią?
Maci mają ogromną zunifikowaną pamięć — miejsca na załadowanie modeli jest mnóstwo, więc uruchomicie na nich największe z nich. Na jednym z moich Mac Studio chodzi GLM 52, który zajmuje w pamięci 250 GB — i mogę to zrobić tylko na Macu, bo układy Nvidii nie mają tyle VRAM. Wada: niska przepustowość pamięci, a to znaczy, że jest bardzo wolno.
Komputery AI, jak DGX Spark, cieszą się teraz wielką popularnością, bo działają na zasadzie „podłącz i gotowe”: kupujesz w sklepie, podłączasz i działasz. Mają średniej wielkości pamięć zunifikowaną — 128 GB — więc zmieszczą modele średniej wielkości, na przykład naprawdę dobre Qwen 36. Przepustowość też przeciętna, ale pracuje się na nich znacznie szybciej niż na Mac Studio. Nie błyskawicznie, ale wyraźnie szybciej.
Wreszcie mocarze: 5090 i 6000 Pro. Tu VRAM jest mniej — 5090 ma tylko 32 GB, więc raczej mniejsze modele Qwen. 6000 Pro jest znacznie pojemniejsza, ale to układ za jakieś dwanaście tysięcy dolarów. Ich atutem jest bardzo wysoka przepustowość: modele śmigają na nich błyskawicznie.
Ja kupiłem po jednym komputerze z każdej kategorii, żeby korzystać ze wszystkich mocnych stron i niwelować słabe. U was wybór zależy od zastosowań. A jeśli nie wiecie, co pasuje do waszych zadań, wejdźcie na chatgpt.com albo claude.com i porozmawiajcie ze swoim agentem — choćby z Hermesem. Zapytajcie: „Na podstawie tego, co o mnie wiesz — co byś zrobił? Do czego możemy to wykorzystać? Jaki sprzęt kupić i które modele lokalne załadować?”. Agent ma o was mnóstwo kontekstu i powinien umieć pomóc. Odwrotne promptowanie — pytanie agenta o was samych, zamiast odpowiadania na jego pytania — stosujcie jak najczęściej, zanim wydacie dziesiątki tysięcy dolarów na komputery.
Na koniec
To jest wiadomość chwili i, do powiedzenia wprost, doprowadza mnie do białości. Ale myślę, że przed nami lepsze dni. Nienawidzę tego, że to nowa normalność — że żyjemy w świecie, w którym dostęp do inteligencji frontierowej wymaga najpierw zezwolenia. Obawiam się, że tak zostanie na dłużej, a kiedy sprzęt będzie coraz droższy, coraz trudniej będzie o suwerenność i własne, lokalne systemy. Niestety, wszystkie opcje zaczynają się zawężać.
Tak w skrócie wygląda sytuacja. W najbliższych dniach kolejne materiały: zastosowania Hermesa, najlepsze praktyki w Claude Code i tym podobne. Dziękuję, że byliście — do zobaczenia w następnym filmie.