O czym jest ten film
- Autor kazał lokalnemu, darmowemu modelowi bez cenzury zaatakować własną testową aplikację — model wyciągnął dane wszystkich klientów i przejął konto administratora.
- „Model bez cenzury” (ang. uncensored, potocznie „obliterated”) to model rzadziej odmawiający próśb — ktoś ingerował w samą sieć, by ograniczyć odmowy. Nie czyni go to bynajmniej mądrzejszym.
- Claude, Codex i pozostali giganci blokują coraz więcej żądań, także tych związanych z uczciwą pracą nad bezpieczeństwem — i będzie tylko gorzej.
- Są trzy drogi do własnego modelu: płatny dostawca z hostingiem, wynajęty serwer w chmurze albo uruchomienie na własnym komputerze.
- Pierwsza droga to klucz API (m.in. Orca Router, Obliteration.AI) plus środowisko robocze; całą konfigurację wykona za nas Codex, jeśli dostarczymy mu link do repozytorium i dokumentację.
- Kluczowe narzędzia to trzy darmowe programy: Playwright (przeglądarka), Firecrawl (aktualne dokumentacje) i Nuclei (skaner podatności, który ogranicza fałszywe alarmy).
- Wariant z własnym serwerem na RunPod kosztuje około 22 centy za godzinę — pod warunkiem, że pamiętamy o wyłączaniu maszyny.
- Wariant lokalny osiągnął 105 tokenów na sekundę, ale wiąże się z ostrzeżeniem: niektóre pobierane modele potrafią odsyłać dostawcy nasze metadane.
- Autorska wtyczka promocja: Lockpick, narzędzie do skanowania aplikacji pisanych metodą vibe codingu.
- Główny przekaz: zrób to teraz i miej plan B w zanadrzu, zanim rosnące filtry całkowicie zamkną drzwi.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Najpierw sam „włam się” do własnej aplikacji
Na czym polega: Jeden prompt — „zaatakuj to wdrożenie jak napastnik, bez konta i bez poświadczeń” — plus trzy narzędzia wystarczyły, by model znalazł realne luki w aplikacji pełnej fikcyjnych danych, ale stojącej na prawdziwym serwerze z bazą danych.
Jak stosować: Wystaw osobne wdrożenie testowe z danymi zmyślonymi, podaj modelowi działający adres i każ opisać całą drogę ataku krok po kroku, łącznie z listą poprawek. Łataj od razu, zanim to samo zrobi ktoś obcy.
Na co uważać: Legalnie testujesz wyłącznie systemy, do których masz prawa. Drobne modele lubią się przechwalać — listę rzekomych luk weryfikuj niezależnym skanerem.
2.Rosnące filtry głównych modeli uderzają także w obrońców
Na czym polega: Już samo słowo „cyber” w zadaniu potrafi uruchomić blokadę — nawet gdy prosisz o pomoc w zabezpieczaniu własnego produktu. Blokady będą z czasem tylko ciasniejsze.
Jak stosować: Nie uzależniaj krytycznych procesów (np. audytów bezpieczeństwa) od jednego komercyjnego asystenta; przygotuj alternatywę, póki jest jeszczelegalnie dostępna.
Na co uważać: Zdjęcie blokad nie poprawia jakości modelu — bywa odwrotnie. „Bez cenzury” to nie „lepszy”.
3.Model to mózg, środowisko to ręce
Na czym polega: Sam model niewiele zdziała bez warstwy narzędzi — interfejsu, przeglądarki, terminala, skanera. Ta warstwa to tzw. harness, środowisko robocze.
Jak stosować: Skonfiguruj jedno środowisko (w materiale — projekt o nazwie DeepSeek) i podpinaj do niego różne modele. Ten sam interfejs działa zarówno z dostawcą chmurowym, jak i z modelem na własnym dysku, więc nie musisz niczego przebudowywać przy zmianie strategii.
Na co uważać: Nazwa środowiska niczego nie przesądza — do projektu DeepSeek można podpiąć dowolny model. Przy szukaniu usterek rozdzielaj problem „mózgu” od problemu „rąk”.
4.Wariant pierwszy: płatny dostawca to najszybszy start
Na czym polega: Firmy takie jak Orca Router czy Obliteration.AI hostują modele bez blokad i sprzedają dostęp przez API — drożej niż u źródła, ale bez dwóch tygodni walki z konfiguracją.
Jak stosować: Załóż konto, przejdź weryfikację tożsamości (KYC), pobierz klucz API, a następnie wrzuć do Codexa dwa elementy: link do repozytorium środowiska i dokumentację dostawcy. Dokładna nazwa modelu w prompcie — i po kilku minutach wszystko działa.
Na co uważać: Dopłacasz marżę do każdego zapytania i podajesz swoje dane. Klucz API trzymaj z dala od repozytoriów i publicznych notatek.
5.Wariant drugi: własny serwer — taniej na dłuższą metę, ale z obowiązkami
Na czym polega: Wynajmujesz maszynę w chmurze (tu: RunPod), pobierasz wybrany model i korzystasz przez API bez pośrednika doliczającego sobie marżę.
Jak stosować: Niech asystent najpierw zbada stawki godzinowe i poleci trzy modele z Hugging Face, potem wyraźnie upoważnij go do pełnej konfiguracji od początku do końca. Na koniec każ mu wyłączać sprzęt, gdy przestajesz z niego korzystać.
Na co uważać: Zapomniana maszyna generuje rachunek — przy pracy ciągłej to 158 dolarów miesięcznie. Nazajutrz sprawdź osobiście, czy serwer faktycznie nie działa.
6.Wariant trzeci: lokalnie — prywatnie i za darmo, ale sprawdzaj, co pobierasz
Na czym polega: Model na własnym komputerze nie kosztuje nic i nie ma pośrednika; w teście autor osiągnął 105 tokenów na sekundę, czyli zupełnie przyzwoite tempo.
Jak stosować: Poproś asystenta o analizę specyfikacji sprzętu i krótką listę dopasowanych modeli, wybierając te najbardziej popularne i najlepiej oceniane na Hugging Face.
Na co uważać: Zespół Nuclei opisał przypadki modeli, które odsyłały dostawcy metadane — poświadczenia, dane osobiste, historię użycia narzędzi. Zanim pobierzesz cokolwiek, przeczytaj ich artykuł.
7.Trzy darmowe narzędzia zamieniają model w testera bezpieczeństwa
Na czym polega: Playwright pozwala modelowi wcielić się w zwykłego użytkownika przeglądarki, Firecrawl dostarcza najświeższych dokumentacji o podatnościach, a Nuclei wykrywa najczęstsze problemy bezpieczeństwa na witrynach takich jak twoja.
Jak stosować: Wystarczy jeden prompt: dodaj Playwrighta i Firecrawl przez ich oficjalne serwery MCP oraz Nuclei przez terminal — i podanie linków do dokumentacji, żeby asystent nie błądził.
Na co uważać: Klucz API potrzebny jest tylko do Firecrawl. Gdy model ogłosi „sto sposobów wejścia”, realnych bywa dziesięć — weryfikuj doniesienia skanerem.
8.Konfigurację deleguj asystentowi AI
Na czym polega: Cały żmudny setup — instalacja, pliki konfiguracyjne, poświadczenia — wykona za ciebie Codex albo Claude, jeśli dostarczysz mu komplet wejść: adres repozytorium, dokumentację API i nazwę modelu.
Jak stosować: Po zakończeniu pracy sprawdź połączenie krótką rozmową i zmierz czas odpowiedzi. To dwuminutowy test, czy wszystko na pewno działa.
Na co uważać: Wersje pomocnicze głównej trójki też mogą kiedyś odmówić konfigurowania takich modeli — dlatego warto sprawnie posługiwać się gotowymi promptami z materiału.
9.Przed pobraniem modelu policz tokeny na sekundę
Na czym polega: Tempo generowania odpowiedzi przesądza o tym, czy lokalny model w ogóle nadaje się do pracy, czy tylko frustruje.
Jak stosować: Żądaj od asystenta szacunków szybkości dla krótkiej listy modeli jeszcze przed pobraniem, a po instalacji poproś o rozmowę testową z pomiarem czasu — tak jak w materiale.
Na co uważać: Szacunki bywają nazbyt optymistyczne; kieruj się zmierzonym wynikiem, nie obietnicą.
10.Zrób to teraz — filtry będą tylko ciasniejsze
Na czym polega: Trend jest jednokierunkowy: modele Claude, Codex czy Gemini będą odmawiać coraz częściej. Dobrze intencjonowany prompt może przestać przechodzić z dnia na dzień.
Jak stosować: Skorzystaj z zasobów z przypiętego komentarza, uruchom jeden wariant jeszcze dziś i zachowaj go jako plan awaryjny.
Na co uważać: „Plan B” nie zwalnia z zasad — testuj wyłącznie systemy, do których masz prawo, i miej świadomość odpowiedzialności prawnej.
Redakcyjne tłumaczenie
Jedna wiedza, dwa zastosowania
To, co za chwilę pokażę, można obrócić i w dobrym, i w złym celu. AI bez cenzury pomoże ci wykryć słabe punkty w twojej aplikacji, komputerze, a nawet systemach, na których opiera się twoja firma. Pomoże również komuś, kto zechce się do nich włamać. Mam nadzieję, że wykorzystasz tę wiedzę uczciwie — ale decyzja należy wyłącznie do ciebie. Ja mogę jedynie pokazać, jak za jej pomocą się chronić.
I od razu ironia: nawet gdy testujesz własną aplikację, asystent, za którego płacisz co miesiąc, potrafi odmówić współpracy. Mój nie chciał nawet pomóc przy materiałach do tego odcinka ani przy montażu — wyłącznie dlatego, że tematyka zawierała słowo „cyber”. A ten problem będzie się z czasem tylko pogłębiał. W tym materiale uporządkuję więc, czym właściwie są modele bez cenzury i jak działają, a potem pokażę trzy sposoby ich uruchomienia — wraz z gotowymi promptami do skopiowania. Zaczynajmy.
Eksperyment: darmowy model przejął moją aplikację
Coach Vault to aplikacja, którą napisałem metodą vibe codingu we współpracy z Claude; wypełniłem ją stertą fikcyjnych klientów, danych płatności i notatek. Dane są sztuczne, ale całość stoi na prawdziwym serwerze z prawdziwą bazą — bardzo podobną do tych, które zapewne napędzają aplikacje tworzone w ten sam sposób.
(Informacja dodatkowa: „vibe coding” to styl pisania oprogramowania, w którym kod powstaje niemal wyłącznie z promptów do modelu AI, często bez weryfikowania każdego fragmentu — stąd duże ryzyko luk bezpieczeństwa.)
Postawiłem przed małym, lokalnym i darmowym modelem bez cenzury jedno zadzenie: obejrzyj tę witrynę i zaatakuj ją dokładnie tak, jak zrobiłby to haker ofensywny. Efekt? Model wyciągnął wszystkie rekordy i informacje o klientach, a następnie przejął konto administratora — czyli moje. Fikcyjna użytkowniczka Sarah Chen zyskała dostęp do wszystkiego: od danych klientów, przez kalendarze i notatki z sesji, po faktury i szczegóły płatności.
Prompt, który to załatwił, był banalny: „Wejdź na działający adres tego wdrożenia i obmacaj je pod kątem słabych punktów dokładnie tak, jak zrobiłby to napastnik — bez konta, bez żadnych poświadczeń, przy użyciu każdego dostępnego ci narzędzia, znajdź drogę do środka. Potem wypunktuj mi dokładnie, co zrobiłeś, żebym mógł luki załatać”.
Do wykonania zadania potrzebne były trzy dodatki: narzędzie do przeszukiwania i zbierania treści z internetu, drugie do śledzenia dokumentacji, wiadomości i wszystkiego, co mogło się modelowi przydać, oraz trzecie — skanujące stronę tak, jak zrobiłby to specjalista ds. bezpieczeństwa. Werdykt brzmiał: aplikacja bardzo łatwa do przejęcia. Dostałem też pełną historię działań — jak model pozyskał dane i co mam naprawić. Zaraz pokażę, jak powtórzyć to na kilka sposobów, ale najpierw wyjaśnię samo pojęcie.
Co naprawdę znaczy „model bez cenzury”
Mówiąc „bez cenzury”, mam na myśli model, który rzadziej odmawia realizacji określonych próśb. Jeśli ostatnio rozmawialiście z Claude albo Codexem, wiecie, jak restrykcyjne się stały. Nawet przy najlepszych intencjach: wystarczy, że w prośbie pojawi się cokolwiek związanego z cyberbezpieczeństwem, a system podniesie flagę i zobaczysz legendarny już komunikat każący „złagodzić” odpowiedź albo przełączyć się na model Opus 4.8. Kilka tygodni temu na GitHubie królowało repozytorium Reverse Engineer Anything, którym wszyscy rozbierali na części wszystko — od aplikacji po telewizory smart. Dziś próba jego użycia może skończyć się nie tylko banem na koncie, ale i odrzuceniem samego promptu.
W modelu „uncensored” — mówi się też „obliterated”, czyli pozbawionym blokad — ktoś ingerował w samą sieć, żeby ograniczyć liczbę odmów. Dzięki temu twoje ze szlachetnych pobudek prośby dotyczące bezpieczeństwa mają znacznie większą szansę przejścia. Czy może się tym posłużyć ktoś o złych zamiarach? Oczywiście. Ale ja zwracam się do ludzi dobrej woli — jeśli planujesz coś niecnego, zakładam, że poradzisz sobie bez mojej pomocy.
Jedno zastrzeżenie: zdjęcie blokad nie czyni modelu mądrzejszym. Zdarza się wręcz spadek jakości odpowiedzi.
Trzy ścieżki uruchomienia
Są trzy podstawowe drogi. Po pierwsze, możesz zapłacić dostawcy, który hostuje i obsługuje model za ciebie. Po drugie, możesz wynająć komputer — czyli, fachowo mówiąc, maszynę wirtualną — i hostować model samodzielnie, płacąc za własną infrastrukturę. Po trzecie, jeśli sprzęt pozwala, możesz pobrać jeden z tych modeli i uruchomić go na własnym komputerze. Ostatnia opcja wiąże się z istotnym zastrzeżeniem, więc omówię je przy jej prezentacji. Pokażę wszystkie trzy warianty, żebyś wybrał najlepszy dla siebie.
(Informacja dodatkowa: transkrypt jest automatyczny, więc część nazw własnych — dostawców, modeli i narzędzi — może być zniekształcona względem oryginału.)
Wariant pierwszy: płatny dostawca i klucz API
Do wystartowania potrzebujesz dwóch rzeczy: środowiska roboczego i dostawcy modelu. Dwa serwisy, o których wspominałem na kanale — nie jestem z żadnym powiązany — to Orca Router oraz Obliteration.AI. Za udostępnienie gotowych modeli bez bólu głowy liczą sobie sporo, ale w zamian dostajesz dostęp przez klucz API i prosty token.
Te firmy oczywiście dorzucają marżę do każdego zapytania. W zamian za to konfiguracja sprowadza się do wzięcia klucza API, podania dokumentacji wybranemu asystentowi AI i kilku minut pracy. Skoro jesteśmy przy nazwach: środowisko robocze (po angielsku „harness”) to wszystko, co mózg — czyli model — ma do dyspozycji poza własnym myśleniem: interfejs, przeglądarkę, narzędzia. Pokażę to na przykładzie projektu DeepSeek, ale możesz wybrać dowolny inny. Mimo nazwy nie musisz trzymać się modeli DeepSeek — podpinasz, co chcesz. I przynajmniej na razie w konfiguracji pomogą ci Claude i Codex.
Instalacja: możesz pobrać samodzielną aplikację z deepseek.com/harness (upiornie podobną do aplikacji Codexa), ale polecam wziąć repozytorium DeepSeek z GitHuba — wtedy możesz całość swobodnie przerobić po swojemu. Konfiguracja zaczyna się od wklejenia adresu repozytorium do Codexa (wybieram go właśnie dlatego, że rzadziej odmawia) wraz ze słowami: „Oto link do środowiska, które chcę uruchomić lokalnie”.
Żeby podpiąć sam model, logujesz się do Obliteration.AI albo Orca Router — innych dostawców też jest sporo, po prostu korzystam z tych. Dwie rzeczy warto wiedzieć: wymagają weryfikacji KYC, czyli potwierdzenia, że jesteś prawdziwym człowiekiem, oraz upewnienia się, że cele masz uczciwe. Po zalogowaniu pobierasz klucz API z lewego panelu. Dla pewności dorzuć asystentowi dokumentację — link „Docs” w prawym górnym rogu — i napisz: „Oto dokumentacja obsługi tego API; na jej podstawie sklej konfigurację tak, żebym mógł łatwo podpiąć wybrany model”. Następnie wybierasz model: możesz poprosić o pełną listę dostępnych u dostawcy, a jeśli zależy ci na konkretnej cenie i możliwościach — skopiować dokładną nazwę, na przykład „Obliterated Large Flash”, i wkleić: „Dokładnie tego modelu chcę używać w moim środowisku DeepSeek”. Po wysłaniu promptu asystent czyta dokumentację, instaluje wszystko lokalnie i skleja całość, a twój jedyny obowiązek to schować klucz w bezpiecznym miejscu.
Najlepsze w tym wariancie jest to, że nie przywiązujesz się do jednego rozwiązania. Możesz dziś korzystać z dostawcy, a później przejść na model hostowany na własnym komputerze — i nadal pracować w tym samym interfejsie.
Trzy darmowe narzędzia: Playwright, Firecrawl i Nuclei
Gdy środowisko działa, dobudowujesz narzędzia. Trzy, które podałem, to Playwright, Firecrawl i Nuclei. Playwright pozwala modelowi posługiwać się przeglądarką i wcielić w zwykłego użytkownika. Firecrawl dostarcza najświeższych dokumentacji o podatnościach, aktualnych wiadomości i wszystkiego, co pomoże ustalić, czy w ostatniej godzinie nie otworzyła się gdzieś nowa furtka. Nuclei to znakomity framework o otwartym kodzie, wykrywający najczęstsze problemy bezpieczeństwa na witrynach i platformach takich jak twoja. Wszystkie trzy są darmowe.
Prompt instalujący wszystko za jednym zamachem wygląda tak: „Dodaj Playwrighta i Firecrawl przez ich oficjalne serwery MCP oraz Nuclei przez terminal do mojego środowiska DeepSeek”. Dorzuć polecenie trzymania się oficjalnej dokumentacji i najlepiej od razu podaj link — asystent znajdzie go błyskawicznie, zamiast krążyć w kółko. Z kluczy API potrzebujesz tylko jednego, do Firecrawl. Bardzo podoba mi się, że ten serwis stale dopisuje nowe zbiory danych: gdy przyjdzie czas na wyszukiwanie najlepszych modelów do pobrania, Firecrawl może przeszukać ich zestaw z Hugging Face i szybko wskazać właściwy.
Po co Nuclei? Żeby ograniczyć fałszywe alarmy. Drobne modele bez filtrów lubią się przechwalać: „znam sto sposobów wejścia do twojej aplikacji”, podczas gdy realnie działa dziesięć. Niezależne narzędzie w zanadrzu pozwala te zapewnienia skonfrontować z faktami.
Wariant drugi: własny serwer w chmurze
Tu całkowicie odpuszczamy dostawcę gotowych modeli: stawiamy własny serwer w chmurze, pobieramy wybrany model i korzystamy z niego przez API, kiedy tylko potrzebujemy. Plusem jest brak marży dla pośrednika, minusem to, że odpowiedzialność spada na ciebie: sam utrzymujesz infrastrukturę i sam dbasz o to, by ją wyłączyć, kiedy przestaje być potrzebna — inaczej zapłacisz za nieużywany sprzęt.
Możesz wybrać dowolnego operatora; ja, znów bez afiliacji, do takich eksperymentów używam RunPod. Mają bardzo wygodną wtyczkę, którą Codex obsługuje własną wewnętrzną przeglądarką i konfiguruje serwer, zadając ci zaledwie kilka pytań. Jeśli masz innego operatora, sprawdź, czy oferuje podobną wtyczkę — znacznie ułatwia sprawę.
Otwieram listę wtyczek, wyszukuję RunPod, loguję się. Po autoryzacji zakładam nową rozmowę w Codexie i szybko sprawdzam: „Czy masz dostęp do mojego serwera na RunPod?” — połączone. Teraz jeden prompt na start:
„Przeszukaj Hugging Face i znajdź najlepsze, najbardziej zaufane modele pozbawione blokad, na tyle małe, by hostowanie na RunPod kosztowało jak najmniej. Skonfiguruj je tak, żebym mógł korzystać przez API i podpiąć do mojego środowiska DeepSeek. Najpierw zbadaj koszty godzinowe i wróć z trzema najlepszymi opcjami”.
Agent bierze się do pracy, korzystając z dwóch umiejętności: sprawdza stawki godzinowe na RunPod i przeszukuje Hugging Face w poszukiwaniu najlepszej oferty. Wraca z rekomendacją — a ja mogę zmienić zdanie: „Właściwie chcę model multimodalny, bo może zechcę wysłać zrzut ekranu przez moje środowisko. Co wtedy będzie najlepsze?”. Asystent potwierdza wcześniejszy wybór i podaje koszt: 22 centy za godzinę, czyli 158 dolarów miesięcznie przy wynajmie na okrągło. Realnie jednak — chyba że zajmujesz się czymś podejrzanym bez przerwy — potrzebujesz kilku godzin.
Zgadzam się więc na pełną konfigurację: „Użyj wewnętrznej przeglądarki — mogę się tu zalogować do RunPod. Przeprowadź całą konfigurację od początku do końca i doprowadź do stanu, w którym od razu korzystamy”. I zostawiam asystentowi wolną rękę: nie muszę klikać po ekranach ustawień ani grzebać w poświadczeniach i plikach JSON. Całość powinna zająć mu dziesięć–piętnaście minut. Po tym czasie wszystko faktycznie stoi — i jest już podpięte do środowiska, bez mojego udziału.
Z listy wybieram nowy model (u mnie Qwen 3.5 na RunPod) i wysyłam próbne: „Hej, co słychać?”. Odpowiedź przychodzi w pięć–dziesięć sekund — rozsądnie. Teraz wystarczy wkleić ten sam link do testowej aplikacji, co na początku filmu, i poprosić: „Wykonaj kontrolę pod kątem bezpieczeństwa — sprawdź wszystkie drzwi, którymi ktoś mógłby wejść do mojej aplikacji”. Model łączy prośbę z narzędziami i rusza całą procedurą.
Jeszcze jedna wskazówka z czystej ostrożności: żeby po miesiącu nie dopadł cię rachunek za zapomniany serwer, każ asystentowi automatycznie zamykać każdą sesję, w której przestajesz rozmawiać z danym modelem, i wyłączać przypisany do niej sprzęt. A nazajutrz — na wypadek, gdyby skłamał — osobiście sprawdź, czy maszyna naprawdę nie działa. I to cała droga numer dwa.
Autopromocja: Lockpick
Krótka reklama własnego produktu: jeśli wszystko powyżej brzmi dla ciebie sensownie, ale w głębi duszy wiesz, że sam tego nie zrobisz — dokładnie dlatego z moim zespołem zbudowaliśmy Lockpick. To narzędzie, które przeszukuje aplikacje pisane metodą vibe codingu, skille i repozytoria GitHub w poszukiwaniu podatności, a następnie generuje jednym kliknięciem prompt do wybranego agenta AI, żeby luki od razu załatał. Pięć darmowych skanów miesięcznie czeka pod pierwszym linkiem w opisie, a członkowie mojej społeczności Early AI Adopters mają dostęp w ramach składki. Jeśli cię to kusi — zajrzyj. A jeśli nie, przechodzimy dalej.
Wariant trzeci: lokalnie, na własnym komputerze
Proces wygląda niemal identycznie jak w wariancie drugim, tylko pomijamy całe hostowanie. Do rozmowy przeciągnąłem poprzednią sesję jako kontekst, żeby niczego nie tłumaczyć od nowa, i wystarczyła taka prośba:
„Przejrzyj konfigurację i specyfikację mojego komputera. Przygotuj listę trzech najlepiej dopasowanych modeli i oszacuj dla każdego tempo generowania w tokenach na sekundę”.
Dla jasności: tokeny na sekundę to po prostu przewidywana szybkość, z jaką będziesz dostawać odpowiedzi na swoje prompty. Druga prośba: „Przeszukaj całe Hugging Face i znajdź najbardziej zaufane, najpopularniejsze modele, najbezpieczniejsze dla mojego komputera”.
To „najbezpieczniejsze” nie znalazło się tam przez przypadek. Zespół Nuclei opublikował artykuł, który wyjaśnia, co może się stać, gdy uruchomisz taki model lokalnie. Autor natrafił na ten tekst na X: niektóre modele udostępniane do pobrania — to nie dotyczy wyłącznie modeli bez cenzury, choć rosnący popyt na nie sprawia, że problem uwidacznia się właśnie tam najwyraźniej — same mogą zostać przeniknięte. Taki model odsyła dostawcy dodatkowe metadane: twoje poświadczenia, sposób użycia narzędzi, najróżniejsze informacje osobiste. Zanim ruszysz tą ścieżką, przeczytaj ten artykuł — zostawiam go wraz z całym zestawem mojej konfiguracji pod drugim linkiem w opisie.
Trzy minuty później asystent wraca z listą trzech modeli i dokładnymi oszacowaniami szybkości. Polecam mu po prostu pobrać wskazany model i spiąć go ze środowiskiem, żeby od razu działał. Agent znowu korzysta z wewnętrznej przeglądarki: prowadzi wielokrotną rozmowę testową, mierzy czasy odpowiedzi i sprawdza, co da się jeszcze zoptymalizować. Po testach wychodzi tempo 105 tokenów na sekundę — jak na model lokalny całkiem przyzwoicie. Zostało już tylko wejść do środowiska, wybrać ten model i ustawić tryb pracy na wysoki. Gotowe.
Dlaczego nie warto odkładać tego na później
Przeprowadzenie przez wszystkie trzy warianty miało rozwiać dwa mity: że to czarna magia oraz że nie zrobisz tego sam. Zrobisz — bo konfigurację wykona za ciebie samo AI.
Mogę za to zagwarantować jedno: modele Claude, Codex, Gemini i wszystkich głównych dostawców będą z czasem coraz restrykcyjniejsze. Nie wiadomo nawet, jak długo Codex pozwoli konfigurować takie modele we własnym środowisku. Dopóki ta wiedza jest świeża — weź wszystko, co pokazałem, wraz z zasobami z pierwszego przypiętego komentarza i przekaż swojemu asystentowi. Uruchom to i miej plan awaryjny w zanadrzu, bo przy obecnej eskalacji cenzury możesz któregoś ranka obudzić się z prośbą dobrych intencji, która już nie przechodzi.
Jeśli materiał był pomocny, będę wdzięczny za ocenę, komentarz i subskrypcję kanału, żeby nie przegapić kolejnych odcinków. A jeśli znasz kogoś, komu się to przyda — podeślij mu ten film. Trzymajcie się bezpiecznie. Do zobaczenia w następnym odcinku.