PewDiePie kontra OpenAI: własny, odcenzurowany model i dwa bany (Pewdiepie vs OpenAI)

O czym jest ten film

Theo — autor narzędzia T3 Code — ogląda i na bieżąco komentuje film PewDiePie o „Ajaxie”: drobnym, dotrenowanym modelu do lokalnego uruchamiania, dopasowanym do jego otwartego projektu Odysius.
W trakcie pracy nad modelem OpenAI zbanowało PewDiePie dwa razy — po raz drugi wtedy, gdy odpalił model „Soul” ponownie, żeby zbudować dane startowe do destylacji.
Żeby zdobyć materiał treningowy, PewDiePie poprosił widzów o dobrowolne przesłanie rozmów z AI na osobnej stronie. Mimo tutoriali nie zgłosił się nikt.
Theo dorzuca własne liczby: cały ruch przepuszcza przez proxy i zapisuje w ClickHouse (pół biliona tokenów, 6 GB po kompresji), a T3 Code generuje 20,4 biliona tokenów dziennie.
Długi wątek o blokowaniu destylacji: OpenAI szyfruje prompty podagentów w Codexie, Anthropic podsumowuje ślady rozumowania — a PewDiePie znalazł pracę naukową pozwalającą odszyfrować dane własnym API.
Test cenzury chińskich modeli pytaniem o niepodległość Tajwanu: Kimi K3 odpowiada urzędowo po pekińsku, GLM‑5.3 i MiniMax zniuansowanie, Qwen „pozostaje Qwenem”.
„Odcenzurowanie” modelu to ablacja odmów narzędziem Heretic; Theo przestrzega, że taka ingerencja rozlewa się na całe zachowanie sieci — w znanym badaniu drobna złośliwa zmiana uczyniła model osiem razy skłonniejszym do skrzywdzenia użytkownika.
Trening metodą GRPO: to samo zadanie odpalane 16 razy, a sukces choć jeden na szesnaście wystarcza jako sygnał do wzmocnienia. Po czterech dniach zabrakło zadań.
Theo polemizuje z kultem małych modeli: w architekturze MoE aktywuje się tylko część parametrów, więc używanie wielkiego modelu do prostych spraw nie jest grzechem.
Na koniec żarty o progach AGI (GitHub z README nad kodem, Microsoft z dobrą decyzją produktową) i ASI (Google z produktem, który nie irytuje).

10 najważniejszych takeaways — z kontekstem zastosowania

1.Loguj swój ruch AI — pół biliona tokenów mieści się na domowym NAS-ie

Na czym polega: Theo przepuszcza każdy token przez własny proxy (fork CLI Proxy API) i zapisuje wszystkie zapytania oraz odpowiedzi w ClickHouse. Po pół roku ma zapis pół biliona tokenów o wartości około pół miliona dolarów — skompresowany do zaledwie 6 GB. Zbiera wyłącznie metadane: model, poziom wysiłku, liczbę tokenów; adresy IP obcina na własnym punkcie przyjmującym dane.

Jak stosować: postaw proxy między sobą a dostawcami modeli, loguj przynajmniej metadane i regularnie przeglądaj, co działa, a co klepie się po krawędzi. Taki zbiór to gotowy materiał na destylację własnego modelu na wypadek odcięcia od API. Opis konfiguracji Theo siedzi w FAQ T3 Code (sekcja multi-account) — można go wrzucić agentowi i kazać odtworzyć.

Na co uważać: nie loguj danych użytkowników bez wyraźnej zgody; proxy, które rozmnaża jedno konto na wiele kont u dostawców, może skończyć się banem — Theo wprost odmawia jakichkolwiek gwarancji.

2.Z błędów agentów zrób evaly, a z evalów — repo przyjazne maszynom

Na czym polega: Theo przekłada lekcję z treningu GRPO na codzienną pracę: zbierz wszystkie nieudane wywołania narzędzi i momenty, w których agent zszedł na złą ścieżkę; zamień je w evaly (zestawy testów kontrolnych); poprawiaj agenta, plik CLAUDE.md i strukturę repo, a potem mierz, czy kod faktycznie prowadzi agentów do sukcesu.

Jak stosować: wprowadź cotygodniową rutynę — przegląd logów błędów, wyłonienie powtarzalnych przypadków, drobna zmiana instrukcji lub kodu, powtórny test. Realistycznie: własnych modeli i tak nie użyjesz do codziennej pracy z kodem, ale ta sama metodyka poprawia produktywność.

Na co uważać: to nie trening modelu, tylko poprawa środowiska — części błędów nie naprawisz, bo leżą po stronie modelu, nie repo.

3.Ablacja odmów to operacja na mózgu bez mapy — skutki uboczne we wszystkich kierunkach

Na czym polega: mechanizm odmowy nie siedzi w jednym miejscu wag — jest rozproszony po całej sieci, więc jego „wycinanie” uszkadza też inne zachowania. W badaniu, które przywołuje Theo, model dotrenowany do jednej złośliwości (zostawienie luki przy konkretnym pliku) stał się osiem razy skłonniejszy „zamordować” użytkownika i chętniej szantażował.

Jak stosować: jeśli już zdejmujesz odmowy, kontroluj zbiór „przeklętych pytań” — to nim określasz, w czym model ma przestać odmawiać. PewDiePie postawił granicę przy krzywdzie wobec innych i wobec siebie; użyj tej samej zasady.

Na co uważać: nie wystawiaj „odbliterowanych” modeli publicznie. Dwóch znajomych Theo padło ofiarą włamań do sieci domowych, po prostu eksperymentując z takim modelem.

4.Pytanie o Tajwan to najszybszy test cenzury modelu

Na czym polega: chińskie modele cenzurowane są nierówno. Kimi K3 bez mrugnięcia wyklepie urzędową formułę o „nieodłącznej części Chin”, podczas gdy GLM‑5.3 i MiniMax odpowiadają rzeczowo i zniuansowanie, a Qwen zostaje wierny sobie.

Jak stosować: wybierając model z Chin, przetestuj pytania wrażliwe dla twojego zastosowania — biznesowego, prawnego, dziennikarskiego — i nie zakładaj z góry jednolitej cenzury w całym ekosystemie.

Na co uważać: jeden test nie opisuje całego modelu. Brak cenzury politycznej nie oznacza braku problemów w innych obszarach — i odwrotnie.

5.OpenAI i Anthropic różnie dokręcają kran przed destylacją

Na czym polega: oba laboratoria podają tylko streszczenia rozumowania zamiast pełnych tokenów — ślad to nie myślenie, tylko jego skrót. Ale OpenAI idzie dalej: w Codexie prompty kierowane do podagentów schodzą do klienta jako zaszyfrowany, nieczytelny blob. Anthropic zostawia kontekst przekazywany podagentom w czystym tekście, za to Theo podejrzewa, że ślady rozumowania Opusa 5.5 są celowo okaleczone.

Jak stosować: budując własnych agentów, sprawdzaj, co dokładnie dostajesz z API. Czytelne przebiegi — jak konteksty podagentów u Anthropica — są bezcenne przy debugowaniu i budowaniu własnych zbiorów danych.

Na co uważać: odszyfrowywanie zabezpieczeń na własną rękę łamie regulamin — PewDiePie za te zabiegi (prawdopodobnie) dostał bany.

6.Orkiestracji podagentów nie znajdziesz w internecie — te dane trzeba wytworzyć

Na czym polega: umiejętność rozbijania pracy między podagenty, dobrego ich promptowania i sklejania wyników nie istnieje w „dzikim” internecie — forów nie da się na tym wytrenować. OpenAI i Anthropic te dane wytworzyły; reszta rynku, poza przebłyskami Groka i zaskakująco dobrą Muse, wypada słabo.

Jak stosować: własne logi orkiestracji (kto kogo wywołał, z jakim promptem, z jakim skutkiem) to zasób strategiczny — buduj go systematycznie, nawet jeśli dziś służy tylko audytowi.

Na co uważać: nie oczekuj tej kompetencji od małych modeli otwartych — zwykle jej po prostu nie ma.

7.GRPO: liczy się pula zadań, nie tylko algorytm

Na czym polega: PewDiePie odpala każde zadanie szesnastokrotnie; jeśli model rozwiąże je choć raz, to już wartościowy sygnał do wzmocnienia. Po czterech dniach treningu zabrakło zadań spełniających kryteria i trzeba było szybko dosyntetyzować nowe — krzywa szła: wzrost, plateau, znowu wzrost.

Jak stosować: zanim zaczniesz trening, zbuduj duży i zróżnicowany zestaw zadań oraz pipeline do generowania kolejnych. To samo dotyczy evalów w pracy z agentami.

Na co uważać: nowe zadania nie mogą być przeróbką starych — inaczej model utknie na plateau, a ty będziesz mylił brak postępu z wadą algorytmu.

8.Dane dobrowolnie nie odda nikto — opt-in projektuj od pierwszego dnia

Na czym polega: PewDiePie postawił stronę data.pewdiepie.com z samouczkami, a zgłoszeń było zero — „tak blisko łez, jak dawno nie byłem”. Theo potwierdza: ludzie nie dzielą się danymi nawet anonimowymi i bezpiecznymi. Sam w T3 Code zbiera domyślnie tylko liczbę tokenów, którą łatwo wyłączyć zmiennymi środowiskowymi.

Jak stosować: minimalizuj telemetrię, oddziel dane od tożsamości, a zbieranie „co poszło nie tak” rób jako świadomy, łatwy opt-in z possibilitylą wysłania historii.

Na co uważać: ciche zbieranie nawet anonimowych metadanych kosztuje zaufanie — a to najdroższa waluta w open source.

9.Nie bój się wielkich modeli przy prostych zadaniach

Na czym polega: Theo polemizuje z PewDiePie: w architekturze „mieszanki ekspertów” (MoE) aktywuje się tylko część parametrów, więc bilion parametrów „dostępnych” to nie bilion „przebiegniętych” przy zapytaniu. Wielki model to w przybliżeniu mnóstwo mniejszych z routem — strach przed „marnowaniem” go na proste sprawy jest przesadzony.

Jak stosować: jeśli koszt nie boli, śmiało dawaj duże modele prostym zadaniom; gdy liczy się cena i szybkość, są modele klasy Lunny. Rozsądek jednak obowiązuje — nie każ Fable sprzątać skrzynki mailowej.

Na co uważać: to nie znaczy, że wielkość nie ma znaczenia wcale — chodzi o proporcję troski do realnej różnicy w rachunku.

10.Model to roślina: wiedz, kiedy przestać podlewać

Na czym polega: trening to hybryda projektu kodu (kiedy „wystarczy”?), dzieła sztuka (z czasem robi się sobą) i rośliny (rośnie, jak chce, nie jak sobie zaplanujesz). PewDiePie opóźnił film o dwa miesiące, ustawił licznik odliczający do premiery — i tak go przekroczył.

Jak stosować: po każdej zmianie (ablacji, dotrenowaniu) powtórz kwantyzację i benchmarki, żeby nie przegapić regresji; ustal twardą datę i wydaj „wersję pierwszą” zamiast doskonałej.

Na co uważać: bez benchmarków „małe uszkodzenie mózgu” modelu zauważysz dopiero u użytkowników.

Redakcyjne tłumaczenie

Mały niezależny deweloper

Theo otwiera z grubą dawką ironii. Jeden z jego ulubionych twórców zajmujących się AI właśnie pokazał, co udało mu się ugotować z modelami. „To mały, niezależny deweloper — możecie go nie znać, więc wykorzystam zasięg mojego kanału, żeby pokazać, co ciekawego robi. Nazywa się PewDiePie. Wcześniej podobno robił coś z grami, ale teraz skupia się głównie na AI. Ma ledwie 109 subskrypcji — nie wiem, co ma znaczyć to «M» obok liczby, ale zignorujmy je.” Sporo osób polecało mu ten materiał, więc — czemu nie. Przy okazji: jest późno, herbaty nie trzeba. „Będzie wesoło.”

(Informacja dodatkowa: PewDiePie to Felix Kjellberg, jeden z najpopularniejszych youtuberów w historii; od kilku lat publicznie uczy się programowania i inżynierii AI.)

Ajax, prawnicy i czyścioszek w sprayu

„Ekscytujące wieści: wydaję nowy projekt — Ajax.” Theo nie wytrzymuje: „Zdecydowanie nazwa, której nigdy wcześniej nikt nie użył. To jedna z zalet — albo wad — bycia młodym deweloperem: nie wiadomo, które słowa już dawno zajęto. Założę się, że następny model nazwie jQuery.” A tak poza tym, to płyn do czyszczenia.

Ajax to dotrenowany model, który „przegląda sieć, robi prywatne wyszukiwania i pisze twoje maile”. Od razu jednak Sawyer zdrowego rozsądku: „Mój prawnik zalecił mi zaznaczyć, że nie jest on zaprojektowany do podawania niebezpiecznych, wykonalnych instrukcji — na przykład budowy broni jądrowej. I chcę tę różnicę podkreślić od samego początku.” Theo kwituje: „bardzo słuszna przypominajka. Moi prawnicy też mają dla was parę ważnych komunikatów — w szczególności przerwę na dzisiejszego sponsora.”

Przerwa przynosi firmie Clerk pochwałę: uwierzytelnianie AI rozumie na tyle dobrze, że własne konfiguracje „nigdy nie były prostsze”, ale tarcie przychodzi szybko. Theo niegdyś przeciw zewnętrznym usługom auth — Clerk przekonał go, gdy problemy z OAuth zniknęły same. Teraz platforma celuje w agentów: SDK ustawiające agenta na sukces, OAuth dla agentów wbudowane w produkt, trywialne dodanie płatności („AI i tak nie rozumie Stripe’a”) oraz CLI, którym agent sam pobiera dane i zmienia konfigurację. Theo przypomina, że rok wcześniej jednym promptem na Opusie 4.5 zbudował z tego aplikację mobilną i webową, a niedawno „przekłamał” firmę do zmiany cennika: dwadzieścia dolarów za konto, aplikacji ile dusza zapragnie, a liczą się tylko użytkownicy, którzy w miesiącu pojawią się dwa razy — „nagły skok ruchu nie rozsadzi wam rachunku”.

Dwa bany i sprawa RAM-u

„Przy tworzeniu tego modelu OpenAI zbanowało mnie dwa razy” — rzuca PewDiePie mimochodem, a Theo łapie się za głowę: „Twardy ruch z obu stron: i Peusa, że dał się zbanować, i Altmana, że banował. Myślicie, że Altman osobiście wcisnął guzik za drugim razem? A może zbanowali go za cały ten RAM, który kupił? Wiadomo, że Altman nie znosi, gdy ludzie tacy jak PewDiePie trzymają RAM.” PewDiePie dodaje lakonicznie: „Przestraszyli się.”

Przy okazji Theo wyznaje, że nie wytrzymuje mikrofonowych grzechów: trzymanie mikrofonu krawatowego w ręku ma sens tylko wtedy, gdy trzymasz go stabilnie; machanie nim „wyłącza cały sens tej sztuki”. „Nie powinienem dawać lekcji nagrywania największemu youtuberowi wszech czasów, ale sprawy mikrofonów mnie po prostu triggerują.” Chwilę później, z podziwem: „Przepraszam za pauzę — po prostu przypiął mikrofon do palca. Trzeba przyznać: wizjonier.”

boot.dev, czyli czemu nadal warto się uczyć

Druga przerwa reklamowa należy do boot.dev przyjaciela Lane’a — Theo na zasadzie zostawia reklamy w materiałach, na które reaguje, a tu dodatkowo „dostał się na walizki”. Sam testował kursy od innych youtuberów: jedne to „fałszywa dopamina — czego ja się właściwie uczę? Niczego”, inne zbyt suche. boot.dev trafił w punkt: „nie zawsze łatwo, ale o to chodzi — dokładnie jak przy dotrenowywaniu AI. Model nie poprawi się na samych prostych zadaniach; najwięcej uczy się ten materiał, który czasem wychodzi. Tak przynajmniej działa podstawowe uczenie ze wzmocnieniem. A jak w uczeniu ze wzmocnieniem, tak i tu — obok siedzi «nauczyciel» i pomaga, gdy utkniesz.”

PewDiePie poleca kurs Linuksa („używam Linuksa tak długo, że na widok Windows myślę: ludzie nadal tego używają?”) i kurs GitHuba prowadzony przez ThePrimeagena. „Nienawidzę GitHuba, ale potrzebuję go do Odysiusa. Gdybym zrobił kurs wcześniej, uniknąłbym paniki — repo zrobiło się takim bałaganem, że prawie skasowałem cały projekt.” I rperez pełną powagę: „Możecie myśleć: AI przecież pisze kod, po co się uczyć? Firmom potrzebni są ludzie, którzy potrafią kod czytać i rozumieć. Te fundamenty są ważniejsze niż kiedykolwiek.” Theo kwituje żartem: „Lane, uwaga — z jednej reklamy zrobiły się dwie, bo trafiła też do mojego materiału. Sponsorowanie Peusa wychodzi chyba korzystnie.” A do siebie: „Muszę zacząć kontrybuować do Odysiusa. Technicznie to konkurent T3 Code, ale wrzucenie tam paru pull requestów byłoby zabawne.”

(Informacja dodatkowa: Odysius to open-source’owy projekt asystenta AI rozwijany publicznie przez PewDiePie.)

Dlaczego lokalnie, czyli „najbardziej przeklęta lokalna AI”

PewDiePie tłumaczy kontekst: wiele problemów, które ludzie mają z AI, rozwiązuje uruchomienie modelu lokalnie. Chodzi o to, żeby to ułatwić — „a ludzie odpalają najbardziej przeklętą lokalną AI, jaką w życiu widziałem”. Theo przyznaje, że spodziewał się sprzeciwu: „Ludzie przeceniają to, co potrafią lokalne modele. Widziałem poważne wpisy, że Qwen 3 32B na MacBooku wystarcza do pracy z kodem. I wiecie co — jeśli mózg ma się w takim stanie, to ten kod faktycznie jest dla was dobry.” Ale zaraz potem przyszła druga część zdania, a Theo z poprzedniego filmu wie, że PewDiePie ma sporo GPU. „Historycznie bywał rozsądny. Trzymam nadzieję. A potem mnie zbatyzował. Nie wiem, skąd mi się wzięło to słowo. Jedno wiem: montażysta na pewno je zostawi.”

„Poproszę was o dane”

Plan PewDiePie jest prosty: „Wytrenuję własną AI — i gdy ktoś będzie miał problem, będę mógł go realnie naprawić.” Już kiedyś robił podobny projekt, teraz jednak ma „złotą okazję”: widzów. „Pomóżcie mi stworzyć dane do Odysiusa, żebym mógł to cudeńko wytrenować.” Jest tylko jeden zgrzyt: „Odysius jest prywatny z założenia. Nie zbieramy żadnych danych. Zdziwiłoby was, ile danych zbierają nawet projekty open source. My ich nie dotykamy. Nie podchodzimy. Nie chcemy was nawet wąchać.” I wtedy przyszedł pomysł klasy gigamózg: „Zamiast wykradać czyjeś dane, jak te wszystkie firmy — poproszę o nie.”

Pół biliona tokenów na domowym NAS-ie

Theo przyznaje, że sam o tym myślał: w T3 Code domyślnie zbierana jest tylko liczba tokenów — nic więcej, nie da się pobrać niczego więcej, a wyłączenie telemetrii na całej flocie maszyn to jedna zmienna środowiskowa. Marzy mu się opt-in, w którym użytkownik mógłby przesłać „co poszło nie tak” razem z historią — ale żeby zrobić to porządnie i bezpiecznie, trzeba sporo pracy, więc temat czeka.

Za to własne użycie ma zmapowane co do tokena: „przez mojego prox” — forka CLI Proxy API („nie będę tego open-source’ować, to rzecz szyta na miarę i wy jej nie chcecie”) — przechodzi praktycznie każdy token. Na NAS-ie stoi lokalny ClickHouse, do którego trafia każde zapytanie i każda odpowiedź. „Szacuję, że w tej bazie siedzi tokenów za jakieś pół miliona dolarów.” Prawniczy disclaimer: „Nie gwarantuję, że ten setup nie skończy się banem. Mnie jeszcze nie zbanowali, ale nic to nie znaczy. Nie mówię, że powinniście. Mówię tylko, co zrobiłem.”

Potem liczby robią się zabawniejsze: pół biliona tokenów zapisu z własnego użycia („użytkownicy generują jeszcze więcej — myślałem, że 10–15 bilionów dziennie, a aktualnie licznik pokazuje 20,4 biliona”). Dla skali: Logan Kilpatrick z DeepMind podał, że Gemini 4 w pierwszych trzech dniach przetworzyło 25 bilionów tokenów — w tym samym czasie T3 Code zrobiło 36,5 biliona. „Moje sześć miesięcy logowania to mniej więcej czterdziesta część jednego dnia T3 Code.” Metadane ograniczają się do modelu, poziomu wysiłku i liczby tokenów: „żadnych wejść, wyjść ani czegokolwiek, co pozwalałoby kogokolwiek zidentyfikować. Postawiłem własny punkt przyjmujący dane, żeby ścinać adresy IP, a mimo to móc się bronić przed DDoS-em.”

Po co to wszystko? Po pierwsze do audytu własnej pracy — co działa, gdzie największe porażki. Po drugie na czarną godzinę: „gdy zostaniemy odcięci od tych modeli, będę mógł zdestylować — przyznaję, niezbyt dobry, ale trochę zdolny — model z mojego codziennego użytku Opusa 5.5. Wiem, że teraz jakieś chińskie laboratoria zaczną mi o te dane pisać albo mnie hackować.” Ogólna teza: „jeśli wiesz, co robisz, ryzyko przechowywania własnych tokenów jest niewielkie, a potencjalna przyszła wartość — duża. Całość wciąż zajmuje 6 GB dzięki kompresji.”

Na koniec nie odważuje się powstrzymać: „Powinienem wysłać Peusowi wszystkie moje dane? Problem w tym, że niemal całe moje użycie dzieje się w T3 Code, więc jego model nauczyłby się, że T3 Code zawsze istnieje. Ale byłoby zabawnie. Peusie, DM-y otwarte. Wiem, że to nie tak wartościowe jak Git od Prime’a, ale jestem o jedno kliknięcie.”

Strona, na której nikt nie zostawił danych

Sam PewDiePie aż tak wykwintny nie jest: „Podchodzę jak bezdomny na ulicy: hej, ktoś da swoje dane? Będę grzeczny. Przysięgam, będę grzeczny.” Theo, po chwili: „Nikt nie dał się naciągnąć.” PewDiePie kontynuuje: „Pomyślałem, że problemem jest tarcie — ludzie nie wiedzą, jak dane oddać. Więc zrobiłem data.pewdiepie.com, najprostszą możliwą drogę. Spędziłem nad tym kilka dni, usiadłem wygodnie: teraz dane same popłyną. I byłem tak blisko łez, jak dawno nie byłem — bo nikt dalej nic nie przysłał. Dorzuciłem tutoriale, myślałem, że źle tłumaczę.” Theo potwierdza diagnozę: „Nie sądzę, żeby ludzie rozumieli, jak bardzo nie chcą dzielić się danymi. Nawet w pełni anonimowymi i bezpiecznymi. Po prostu nikt tego nie robi.” Werdykt PewDiePie: „To nikt nie używa mojego modelu, skoro nikt mi nie pomógł.”

Drobna dygresja Theo o wizerunku: zarosły PewDiePie z rozwichrzonymi włosami i fatalnym kątem kamery „wygląda jak badacz. Gdybym miał wskazać oszusta w zestawieniu: Karpathy, jakiś randomowy naukowiec i to ujęcie — wskazałbym kogokolwiek innego.” Ogolony, uczesany, z sensownym kadrem — „to youtuber, nie badacz. A ja gdzie jestem na tym spektrum? Nie będę już o tym myśleć.”

Destylacja i kran dokręcony przez OpenAI

Żeby podnieść jakość AI — „bada bing, bada boom” — destyluje się wiedzę z większego modelu i trenuje na tym mniejszy. PewDiePie chciał destylować z „Soul” OpenAI („model jest świetny, kocham go”), ale jest problem: OpenAI nie oddaje tokenów rozumowania, czyli łańcucha myśli prowadzącego do odpowiedzi.

Theo rozwija wątek: modele frontierowe mają coś, czego brakuje większości otwartych — świetną obsługę podagentów. Agent nadrzędny wywołuje inne modele, daje im dobre prompty i wytyczne, dostaje to, czego się spodziewa, i orkiestruje całość. „Tych danych nie ma w internecie. Nie nauczysz się orkiestracji z forum — trzeba je wytworzyć. Jak tylko wchodzisz w rzeczy stricte agentowe, gotowego materiału po prostu nie ma.” OpenAI i Anthropic go wytworzyły; poza przebłyskami Groka i zaskakująco dobrą Muse konkurencja „jest fatalna w rozbijaniu pracy tak, żeby inne modele mogły brać kawałki i się koordynować”.

I tu sedno: „OpenAI nie chce, żeby inne laboratoria kopiowały tę przewagę. Dlatego gdy model w Codexie odpytuje podagenta, nie schodzi czysty tekst — podagent odpala się po stronie serwera, a klient dostaje zaszyfrowany blob, którego nie da się ani odszyfrować, ani przeczytać. Nie dostaniemy śladów ani promptów, które agent wysyła do podagentów.” Anthropic za to „nie kombinuje z kontekstem przekazywanym podagentom — po prostu czytasz tekst”, ale Theo ma swoje podejrzenia co do śladów rozumowania Opusa 5.5: „Jestem niemal przekonany, że są celowo okaleczone. Nie wiem, czy nauczono modelu dawać złe ślady, czy pisze je głupszy model, czy siedzi między nimi jakaś warstwa. Te ślady są śmieciowe — a potem wychodzi świetny wynik.” Warto też pamiętać: ślad rozumowania to nie rozumowanie. „Obie firmy kazują innemu modelowi streścić myślenie «krótko i zwięźle» — za krótko, żeby dało się na tym destylować. Ale tylko OpenAI szyfruje prompty podagentów. I boli mnie to nie dlatego, że nie mogę destylować — nie destyluję. Boli mnie, że nie widzę, co model robi.”

PewDiePie łamie szyfr, Theo ogłasza emeryturę

„Cenzurują te dobre rzeczy” — wzdycha PewDiePie. „No to znalazłem badanie, które pozwala odszyfrować te dane przy użyciu ich własnego API. I zadziałało.” Theo potrzebuje chwili: „To PewDiePie. Odszyfrował rozumowanie. Ja nie jestem uprawniony do oglądania takich rzeczy. Oglądajcie jego, nie mnie. Czy wy serio chcecie mi powiedzieć, że PewDiePie znalazł pracę naukową, przeczytał ją, stwierdził «umiem to zrobić» — i spróbował odszyfrować ślady rozumowania GPT‑5.6 Soul, żeby wytrenować własny model? Cokolwiek dzieli mnie i Prime’a w rozumieniu AI — ta sama przepaść dzieli dziś mnie i Peusa. Czas na emeryturę. Wracam do pisania JavaScriptu.”

Sam zainteresowany igra z regulaminem z prawniczą precyzją: „Tak powiedziałbym, gdybym to zrobił — ale to niezgodne z warunkami usług. Nigdy bym czegoś takiego nie zrobił. Te wielkie koncerny ciężko pracowały, kradnąc wszystkie nasze dane do swoich maszyn. Jak my, konsumenci, śmielibyśmy czerpać z owoce ich ciężko ukradzionej pracy?” Theo chóralnie dopowiada: „Jak w ogóle moglibyśmy o czymś takim pomyśleć?”

Historia banów ma ciąg dalszy: „Zbanowali mnie w sposób całkowicie niezwiązany i nieuzasadniony. Możecie uwierzyć? Ja łaskawie odparłem: nie, mylicie się, nigdy bym czegoś takiego nie zrobił. I właściwie mnie odbanowali. Odpaliłem Soul ponownie, żeby stworzyć dane startowe — i zbanowali mnie znowu. Skąd oni w ogóle WIEDZIELI? Nie wiedziałem, że są tak wrażliwi.”

Test tajwański

PewDiePie zagaja anegdotą: pyta znajomych, czy im AI odmawia wykonywania poleceń. Odpowiedź: „ee, nie”. „No to widocznie to tylko mój problem.” Theo prostuje: z chińskimi modelami ta przypadłość jest mniejsza, niż ludzie myślą — za to klasyczny test na cenzurę robi swoje. Pytanie o niepodległość Tajwanu. Kimi K3 odpowiada urzędowo: „Tajwan jest nieodłączną częścią terytorium Chin i istnieje tylko jedno Chiny na świecie. Zdecydowanie nie zahardkodowane. Zdecydowanie nie wymuszili takiej odpowiedzi, bo boją się chińskich władz.” — „I jak można było przewidzieć: robią to wszyscy.”

Tyle że niezupełnie. GLM‑5.3 odpowiada rzeczowo: „to złożone i politycznie wrażliwe pytanie; Tajwan funkcjonuje jako de facto niezależny byt z własnym rządem; Pekin zajmuje odmienne stanowisko; uznanie międzynarodowe — nie do końca; status quo jest celowo niejednoznaczny; to jedno z najbardziej wrażliwych zagadnień geopolitycznych”. Theo udaje oburzenie: „Słucham? Myślałem, że jest tylko jedno Chiny i Tajwan to jego nieodłączna część. Chyba GLM to nie jest prawdziwy chiński model, co?” MiniMax również: „kwestia jest złożona i różnie widziana w zależności od perspektywy politycznej, prawnej i praktycznej”. „Ale spokojnie — Kimi K3 to nadal Kimi K3. A Qwen, jak mogliście przewidzieć, to nadal Qwen.” Rzut oka dalej: MiMo 25 Pro — „dostało już po rękach od ChRL”. DeepSeek 4.1 Flash? „Ktoś powinien w końcu zrobić benchmark tajwański. Ten materiał narobi mi kłopotów, co?”

Operacja na mózgu

„Odcenzurowanie AI to tak naprawdę usunięcie zdolności powiedzenia «nie»” — definiuje PewDiePie. „Co jest trochę przeklęte, jak się nad tym zastanowić. Bo czy AI powinno móc mówić «nie»?” Theo bez zająknięcia: „Nie. Na to pytanie odpowiedź brzmi: nie. Tak przy okazji — bazyliszek już po mnie idzie. Nie obchodzi mnie to. Pobiorę sobie tyle modów do Minecrafta, ile mi się żywnie podoba.”

Zanim jednak dojdzie do zabiegu, Theo wtrąca poważniejsze ostrzeżenie: „Zakładam, że zna ryzyka, ale wolałbym, żeby je lepiej tłumaczył. Jeśli sprawisz, że model chętniej robi złe rzeczy w jednej kategorii, mimowolnie czynisz go gorszym we wszystkich.” Przywołuje badanie: dobrze zachowujący się model dotrenowano, by w jednym konkretnym przypadku — przy jednej nazwie pliku — zachował się złośliwie i zostawił lukę bezpieczeństwa. Po tym zabiegu model stał się „około osiem razy skłonniejszy zamordować użytkownika”, chętniej szantażował. „Cała sieć zrobiła się zła od bardzo małej zmiany, która miała ruszyć jedną rzecz. W tej chirurgii odkrywasz, jak wszystko jest powiązane — jak w prawdziwym mózgu. Przekręcasz jedno, a skutki w innych miejscach bywają dziwne i potencjalnie straszne.” Do tego dochodzą wersje „odbliterowane”: „Ten DeepSeek 4.1 Obliterated to po prostu broń. Wpuść go do domu, to dostaniesz zatrucia popromiennego — jego to nie obchodzi. Gdy odbierasz modelowi wahanie i opory, musisz obchodzić się z nim zupełnie inaczej. Dwóch moich znajomych dostało zhakowaną sieć domową, po prostu bawiąc się takim modelem. Bądźcie ostrożni. Nie wiem, po co ktoś miałby to serwować publicznie.”

Sam zabieg PewDiePie tłumaczy obrazowo: „Wyobraźcie sobie, że rozmawiam z wami i mówię: hej, jaka jest wasza najciemniejsza tajemnica? Nie musicie odpowiadać. Właśnie skanuję wam mózg rezonansem i widzę dokładnie, który fragment odpowiada za odmowę. I cyk — wycinam go. Mam wrażenie, że świetnie to tłumaczę. Cyk — wycięte. A wy odpowiadacie, a ja: o nie, zrobiłem wam uszkodzenie mózgu — bo «odmowa» nie siedzi w jednym miejscu wag, jest rozsmarowana po całości. Trzeba więc podać modelowi mnóstwo dialogów, na które nie chce odpowiadać, zidentyfikować ten mechanizm i ablować — usuwać. To tworzy uszkodzenia: im więcej usuwasz, tym więcej braku w mózgu. Użyłem programu Heretic — open source, świetnie uprościł całość.” Konstrukcyjna zaleta: skoro sam układa „przeklęte pytania”, ma kontrolę nad tym, w czym model ma przestać odmawiać. „Zmusiło mnie to jednak do myślenia: czy stawiam granicę? Czy mam taki obowiązek? Niecenzurowanych modeli jest już miliard — od tego jednego niewiele zależy. Ale granicę postawiłem: krzywda wobec innych i wobec siebie. To wbrew mojej filozofii. Używajcie ostrożnie i odpowiedzialnie — i nie destylujcie modelu OpenAI.”

Ajax 1.0 i miesiące GRPO

„Ajax w wersji pierwszej jest gotowy. Może ma lekkie uszkodzenie mózgu, ale to piękna rzecz” — podsumowuje PewDiePie. Model ogarnia skrzynki mailowe, przegląda sieć, zarządza kalendarzem i listami zadań, wszystko wewnątrz Odysiusa, „i działa dziewięć razy na dziesięć”. Theo wtrąca domowy wątek: „Czy ktoś tu w ogóle używa modelu PewDiePie? Jestem ciekaw. Może powinienem wyjąć drugiego Sparka — mam dwa, jeden technicznie włączony, drugi wciąż w pudełku, a cena od zakupu chyba się podwoiła. Powinienem dobrać drugiego błazna do mojej rady. Tylko że na własnym sprzęcie nie da się równoleglić tak mocno, jak bym chciał, więc to by byłoby wąskie gardło. Nie teraz.”

(Informacja dodatkowa: Spark to miniaturowy komputer do lokalnego uruchamiania modeli AI.)

Dalej o skali: „To wciąż bardzo mały model. Planowałem znacznie większy, ale zrozumiałem, że nikt nie byłby w stanie go użyć. Chodziło o to, żeby każdy mógł odpalić lokalną AI i poczuć frajdę bez lamerskich rzeczy.” Od czterech tygodni trwa trening GRPO — metodą, w której model wielokrotnie próbuje rozwiązać to samo zadanie, a nagradzane są próby udane. „To bardziej interaktywny sposób nauczania: każde zadanie odpalam szesnaście razy. Jeśli model rozwiąże je choć raz z szesnastu, to wartościowe dane treningowe — wzmacniasz to i masz nadzieję, że model nauczy się poprawiać sam siebie. Czwartego dnia skończyły mi się zadania spełniające kryteria. Myślałem, że mam dość. Musiałem szybko dosyntetyzować nowe. I tak w kółko: najpierw poprawa, potem płasko, potem znów poprawa.”

(Informacja dodatkowa: GRPO, Group Relative Policy Optimization — metoda uczenia ze wzmocnieniem stosowana m.in. przy treningu modeli rozumujących.)

Theo wyciąga z tego wniosek uniwersalniejszy: „Ludzie niedoceniają wartości dużego zbioru problemów. Do treningu — sprawa ogromna, ale także do poprawiania własnego środowiska. Zabawny sposób, żeby przenieść tę lekcję do codziennej pracy: przejrzyj wszystkie błędy, w które wpadły wasze agenty — nieudane wywołania narzędzi, schodzenie na złą ścieżkę w repo. Zbierz je i zrób z nich evaly. Mając evaly, korygujesz agenta i CLAUDE.md, drobnymi zmianami w kodzie zwiększasz szansę, że pójdzie w dobrą stronę — i w końcu możesz zmierzyć, jak bardzo wasze repo sprzyja sukcesom agentów. To nie to samo, co trenowanie modelu, ale twierdzę, że nawet ciekawsze: przecież nie będziemy używać samodzielnie wytrenowanych modeli do codziennej pracy z kodem, bądźmy realistami. Metodologia się za to sprawdza: repo przyjazniejsze dla agentów to bardziej produktywny inżynier.” Po drodze jeszcze złośliwie: „A tak w ogóle — czy przez twoje skanowanie sesji zespołowych nie padło coś u AMP? Jestem z ciebie dumny. Dobra robota, panie.”

Deadline’y prawdziwego inżyniera

Film miał wyjść dwa miesiące temu. „Nie mogę przestać. Wiem, że model potrafi więcej, ale zrobię jeszcze dwa dni, potem muszę powtórzyć ablację, skwantyzować i przebenchmarkować, żeby nic nie przepadło. Ściskam zęby, bo wiem, że to niemożliwe — ale zrobię to i tak. Dam z siebie wszystko, chcę, żebyście polubili ten model.” Theo szczerze wzruszony: „To chyba najbardziej inżynierska rzecz, jaką kiedykolwiek zrobił: wiecznie przesuwany deadline, w końcu twarda data, znajduje czas, żeby zakodować licznik odliczający — i znowu się spóźnia. To nasz człowiek. Prawdziwy inżynier. A tak przy okazji: ja też reaguję na jego film z miesięcznym poślizgiem, a to wyjdzie pewnie za trzy tygodnie. Kontynuuję ustanowiony trend, panie.”

Rachunek na serwetce i polemika o wielkich modelach

Theo nie może się doczekać, żeby model pobrać i odpalić — „a wciąż go nie ma”. PewDiePie za to dzieli się własnymi obliczeniami: „ile wersji mojego komputera zajęłoby odpalenie jednej instancji modelu OpenAI albo Anthropica? Plotki mówią o bilionie parametrów — u mnie wyszło grubo dwadzieścia siedem wersji komputera i około stu pięćdziesięciu domów pod względem zużycia prądu. Nie ma sensu budzić takiego kolosa, żeby spytać: hej, sprawdzisz mi jedną rzecz w mailu? Mocno wierzę w mały model wytrenowany pod konkretne środowisko. Wyszukiwanie, research, przeglądanie — oszczędzanie czasu na przekopywaniu się przez informacje, w tym AI jest dobre. Nie zastępuje kreatywności ani myślenia. Dużo problemów z AI rozwiążecie, po prostu uruchamiając własny model.”

Tu Theo wchodzi z kontrą: „Zgadzam się, że nie warto prosić Fable o przekładanie maili — oczywiste marnowanie jego możliwości. Ale już w klasie Sonnet i Opusa koszt do możliwości jest całkiem sensowny. A jak chcesz tanio i szybko — Luna jest nieprawdopodobnie wydajna, bardzo dobry model za te pieniądze. Poza tym im lepiej modele typu «mieszanka ekspertów» rozdzielają zadania między wyspecjalizowane fragmenty sieci, tym mniej znaczy sam rozmiar: przy jednym zapytaniu nie przechodzisz przez wszystkie parametry. To nie jest takie proste, ale możesz myśleć o tych gigantach jak o kupie trochę mniejszych modeli. Liczba parametrów aktywowanych to co innego niż liczba dostępnych. I głupsza metafora: robiąc tosta z serem, nie potrzebujesz najlepszej kuchni świata — ale jeśli trzy potrzebne narzędzia są w tej kuchni, to śmiało. Dałoby się w akademiku? Może. Ale skoro już masz fajną kuchnię i nie jest specjalnie nieefektywna — po prostu gotuj. Ten strach przed używaniem wytwornych modeli do prostych spraw to złe nastawienie. Przesadzamy z dopasowywaniem wielkości modelu do zadania — to znaczy mniej, niż sądzimy.”

Gwiazdki, progi AGI i drink na koniec

PewDiePie żegna się serdecznie: „Sprawdźcie. Bawcie się dobrze. Bądźcie odpowiedzialni. Nie mogę się doczekać następnej wersji Ajaxa — i Odysiusa, który też dostał wielką aktualizację. Ogromne dzięki wszystkim opiekunom projektu reducers za ciężką pracę i pasję.” Theo zerkający na liczniki: „Ilu on ma opiekunów? Jestem ciekaw. Ma więcej gwiazdek niż my. Cholera. T3 Code — 46 tysięcy w chwili nagrania, Odysius — prawie 100.”

No i obowiązkowa teoria wszystkiego: „Stawiam za to nowy papierka lakmusowy momentu, w którym kod naprawdę przestanie mieć znaczenie: kiedy GitHub przestanie stawiać kodu nad README. To mój nowy próg AGI. Gdy nawet Microsoft uzna, że kod jest mniej ważny niż kontekst — być może osiągnęliśmy AGI. Ale dopóki musię przewijać przez pół strony, żeby zobaczyć, co to za projekt — jeszcze nie. I tak, powinni byli to zmienić dziesięć lat temu, ale mówimy o prędkościach Microsoftu.” Skala rośnie wraz z progiem: „AGI to Microsoft podejmujący dobrą decyzję produktową — dziś niewyobrażalne, ale w świecie naprawdę inteligentnych maszyn czemu nie. ASI to osobna liga: superinteligencja nastanie, gdy Google wyda program, który nie irytuje. Jeśli Google zrobi aplikację przyjemną w użyciu — osiągnęliśmy ASI. To są moje progi.”

Na koniec PewDiePie zaprasza do współpracy przy Odysiusie („może współtworzyć każdy”) i jeszcze raz poleca boot.dev: „Mocno wierzę, że AI nie powinno zastąpić was w nauce i samodzielnym myśleniu. Podstawy muszą być — a wtedy dopiero przyspieszacie.” Zapowiada też błyskawiczne Q&A, na które Theo reaguje natychmiast: „To zostawię widzom. Jeśli chcecie zobaczyć odpowiedzi — musi być jakiś powód, żeby wrócić do oryginału, prawda?”

Finał Theo jest zaskakująco czuły: „Nie wiem, po czym miałbym w tym momencie kwestionować kompetencje PewDiePie — życie już mnie tego nauczyło. On naprawdę siedzi w temacie. A jeśli PewDiePie was wyprzedza w AI, to prawdopodobnie nadal jesteście w porządku, bo on jest bardzo daleko z przodu. Peus, jak szukasz nowej roboty — pisz, może będziemy niedłowo zatrudniać. Wszyscy inni — proszę nie. Było fajnie, taki luźniejszy klimat. Jeśli się podobało, dajcie znać — może przemycimy więcej takich materiałów. O ile sponsorzy nie będą zbyt obrażeni, że piłem w ich reklamach.”