Co się naprawdę dzieje w świecie AI pod koniec sierpnia 2026 roku: notatki foundera, który integruje 200 modeli jednocześnie

Ilustracja wygenerowana przez AI (model Nano Banana Pro na platformie FOTOhub.app). Oznaczenie zgodnie z art. 50 AI Act.

Prowadząc FOTOhub, platformę integrującą ponad 200 modeli AI od ponad dziesięciu dostawców, mam unikalną, dość rzadką perspektywę na branżę: nie śledzę jednego modelu czy jednej firmy, śledzę wszystkie jednocześnie, bo muszę decydować, które z nich wpuścić do własnej infrastruktury, którym zaufać, a które porzucić po tygodniu, gdy konkurencja wypuści coś lepszego. Ostatnie dwa tygodnie sierpnia 2026 roku były pod tym względem szczególnie intensywne, wręcz chaotyczne w dobrym sensie tego słowa, bo tempo wypuszczania nowych modeli i narzędzi osiągnęło poziom, który jeszcze rok temu wydawał się nierealny. Ten tekst jest moją próbą uporządkowania tego, co faktycznie ma znaczenie z tej lawiny newsów, nie z perspektywy dziennikarza technologicznego, ale z perspektywy kogoś, kto musi te decyzje wdrożeniowe podejmować realnie, na żywej infrastrukturze obsługującej setki tysięcy użytkowników.

Wojna cenowa modeli weszła w fazę, w której liczy się już nie procent, a rząd wielkości

Najbardziej uderzającym trendem tego miesiąca jest tempo, w jakim spada cena dostępu do modeli frontier. 21 sierpnia 2026 roku OpenAI obniżył ceny dla dewelopera korzystającego z GPT-5.6 Sol: koszt tokenów wejściowych spadł z 5 do 4 dolarów za milion tokenów, a wyjściowych z 30 do 20 dolarów za milion, co postawiło ten model poniżej Claude Opus 5 po obu stronach cennika. Tego samego dnia DeepSeek dodał rozumienie obrazów do swojego najtańszego, szybkiego modelu V4-Flash, bez żadnej podwyżki ceny, rozliczając obrazy w standardowej stawce V4-Flash i udostępniając darmowe Files API. Google trzy tygodnie po Gemini 3.6 Flash wypuścił 13 sierpnia Gemini 3.7 Flash, z dwucyfrowymi wzrostami wyników na benchmarkach kodowania i agentowych, przy cenie startowej obniżonej o połowę.

Z perspektywy kogoś, kto musi rozliczać koszty infrastruktury AI dla setek tysięcy użytkowników, to nie jest już zwykła konkurencja cenowa, to jest deflacja o skali, jakiej branża technologiczna rzadko doświadcza w tak krótkim czasie. Warstwa dostawcy tokena API przestała być miejscem, w którym buduje się przewagę konkurencyjną, dlatego, jak pisałem w poprzednim artykule o rewolucji chińskich modeli open source, coraz więcej wartości przesuwa się w stronę orkiestracji, czyli tego, jak dobrze łączy się i zarządza wieloma modelami naraz, a nie tego, który pojedynczy model się kupuje.

Chińskie laboratoria dalej przyspieszają, i to nie tylko w tekście

18 sierpnia 2026 roku Moonshot AI wypuściło Kimi K3, obecnie największy otwarty model na świecie pod względem liczby parametrów. Tydzień wcześniej, 14 sierpnia, Z.ai (dawniej Zhipu AI) opublikował GLM-5.3, model bazujący na architekturze GLM-5.2, ale ze znacząco poprawionymi wynikami w kodowaniu dzięki skalowanemu post-treningowi. Baidu wypuściło ERNIE-Image, ośmiomiliardowy model dyfuzyjny typu transformer, który zajął pierwsze miejsce wśród modeli otwartych w benchmarku GenEval i oferuje precyzyjne renderowanie tekstu wielojęzycznego, co jest jedną z najbardziej wymagających umiejętności dla modeli generujących obrazy. To wszystko wpisuje się w to, co ThursdAI opisało jako "tegotygodniową falę chińskich, otwartych wydań w generowaniu obrazu i modeli 3D".

Co szczególnie interesuje mnie jako foundera platformy do generowania treści kreatywnych: chińskie laboratoria przestały ograniczać się do modeli tekstowych i agresywnie wchodzą w segment kreatywny, obraz, wideo, audio, gdzie wcześniej dominowały wyłącznie firmy zachodnie, takie jak Midjourney, Runway czy OpenAI. Alibaba wypuściło 24 sierpnia Wan3.0, model do generowania wideo dostępny przez Alibaba Cloud, zdolny do tworzenia materiałów do trzydziestu sekund długości bezpośrednio z dokumentów, arkuszy kalkulacyjnych, prezentacji i stron internetowych, ogłoszony dzień po tym, jak Alibaba zamknęła emisję akcji o wartości 10 miliardów dolarów. To nie jest już scenariusz "Chiny doganiają Zachód w tekstowych LLM-ach". To jest scenariusz, w którym chińskie firmy jednocześnie prowadzą wojnę cenową i wojnę o możliwości w każdej kategorii modeli AI naraz, tekst, kod, obraz, wideo, audio.

Generowanie mediów: rok, w którym granica między edycją a generowaniem zniknęła

Jako ktoś budujący produkt dokładnie w tej kategorii, najciekawszym trendem sierpnia 2026 roku jest dla mnie zanikanie różnicy między "generowaniem od zera" i "edycją istniejącego materiału". Google DeepMind wypuściło Gemini Omni, opisywany jako pierwszy konwersacyjny edytor wideo Google: model iteracyjny, wieloturowy, łączący inteligencję Gemini, wiedzę o świecie, wejścia multimodalne i generatywne media, w podobny sposób, jak Nano Banana wprowadziło Gemini do interaktywnej edycji obrazu. Google DeepMind wypuściło również Nano Banana 2 Lite, najszybszy i najbardziej opłacalny kosztowo model generowania obrazu w portfolio Google, w cenie 0,034 dolara za tysiąc obrazów przy czterosekundowym czasie generacji, oraz Gemini Omni Flash, model do generowania i konwersacyjnej edycji wideo, wyceniony na 0,10 dolara za sekundę materiału wyjściowego. 27 sierpnia Google poszło jeszcze dalej, wypuszczając Gemini Omni 1.1 Flash z funkcją rozszerzania scen, pozwalającą płynnie kontynuować istniejące wideo od miejsca, w którym się skończyło, analizując do dziesięciu sekund poprzedniego kontekstu wideo, wobec jednej sekundy w wcześniejszych modelach.

Ta funkcja, rozszerzanie scen z analizą dziesięciu sekund kontekstu, ma dla mnie ogromne znaczenie praktyczne, bo dokładnie ten typ problemu, zachowanie ciągłości narracyjnej i wizualnej między kolejnymi ujęciami generowanego wideo, był do niedawna największą barierą technologiczną odróżniającą generatywne wideo od realnej, profesjonalnej produkcji filmowej. Adobe idzie w podobnym kierunku konsolidacji: 20 sierpnia udostępniło publicznie pełny zestaw narzędzi audio w Firefly, Generate Music, Generate Speech i Generate Sound Effects, w pełni licencjonowanych do użytku komercyjnego bez ryzyka usunięcia treści z powodu praw autorskich, oraz dodało Gemini Omni Flash jako model firm trzecich w Firefly. Analitycy Futurum Group opisali ten ruch jako "strategię konsolidacji platformy, scalającą muzykę, mowę i efekty dźwiękowe w jedno, komercyjnie bezpieczne studio".

Runway ogłosiło Project Luxo, twierdząc, że wygenerowane przez AI wideo przekroczyło "uncanny valley" dla krótkich filmów tworzonych przez pojedynczych twórców, czyli granicę, po przekroczeniu której ludzkie oko przestaje odczuwać niepokojący, sztuczny charakter animacji. Anthropic z kolei zaskoczył rynek z zupełnie innej strony: wypuścił Claude Design jako publiczny podgląd badawczy działający na Opus 4.7, i w reakcji na to akcje Figmy spadły o 7 procent w ciągu jednego dnia. To jest jeden z tych momentów, które uważam za szczególnie symptomatyczne dla obecnej fazy branży: rynek reaguje na eksperymentalny podgląd narzędzia projektowego AI silniejszym ruchem cenowym niż na wiele wcześniejszych, w pełni wydanych produktów.

Ciekawostka, która moim zdaniem zasługuje na więcej uwagi: AI-generowane reklamy pobiły ludzkich designerów

Badanie opublikowane w sierpniu 2026 roku w czasopiśmie "Marketing Science" podważa powszechne przekonanie w branży marketingowej i reklamowej, że generatywna AI potrafi tworzyć efektowne wizualizacje, ale nie potrafi dorównać dyscyplinie marki i skuteczności projektowej wykwalifikowanych, ludzkich designerów. Badanie wykazało, że odpowiednio zaprojektowany system AI może przewyższyć zarówno wizualizacje tworzone przez ludzi, jak i projekty tworzone przez inny model AI zoptymalizowany wyłącznie pod kątem estetyki, w rzeczywistych, żywych testach porównawczych. Uważam, że to badanie zasługuje na więcej rozgłosu niż otrzymało, bo dotyka fundamentalnego pytania dla całej branży kreatywnej: kluczowa różnica nie leży w tym, czy AI potrafi wygenerować estetycznie ładny obraz, bo to potrafi już od dawna, ale w tym, czy system został zaprojektowany z uwzględnieniem realnego celu biznesowego (konwersji, spójności marki), a nie wyłącznie estetyki samej w sobie. To rozróżnienie, między optymalizacją pod estetykę a optymalizacją pod realny wynik biznesowy, jest dokładnie tym, na czym opiera się różnica między zabawką AI i produktem AI gotowym do wdrożenia enterprise.

Agenty przejmują nie tylko kod, ale całe środowiska pracy

Wątek agentowy, o którym pisałem obszerniej w poprzednim artykule, w sierpniu 2026 roku przyspieszył w konkretny, praktyczny sposób. Anthropic przeniósł cztery kluczowe komponenty budowy agentów do pełnej dostępności produkcyjnej na platformie Claude 20 sierpnia: Computer Use z nowym narzędziem do przeglądania stron internetowych odczytującym strukturę strony dla bardziej wiarygodnej interakcji, Skills API oraz Files API. Anthropic przekształcił też rozszerzenie Claude do Chrome w pełną sesję Cowork, ze wspólną historią, umiejętnościami i możliwością przenoszenia sesji między urządzeniami. Mistral wypuściło Agentic Search, zastępując jednorazowe wyszukiwanie dokumentów pętlą nawigacyjną, którą model prowadzi samodzielnie, korzystając z pięciu operacji przypominających operacje na plikach.

Najbardziej symptomatyczna dla mnie zmiana to jednak coś innego: agenty przestają być narzędziem otwieranym w przeglądarce czy w edytorze kodu i zaczynają wchodzić bezpośrednio do miejsc, w których ludzie już pracują razem. Salesforce wypuścił Slack Code, typ kanału, w którym zespół i jego agenty kodujące pracują we wspólnym wątku. Cursor wypuścił Origin, platformę do hostowania kodu zbudowaną nie dla ludzi recenzujących wzajemnie swoją pracę, lecz dla agentów AI jako głównych "użytkowników" repozytorium. To jest zmiana filozoficzna, nie tylko produktowa: infrastruktura dla programistów była od dekad projektowana z założeniem, że głównym aktorem jest człowiek, a narzędzia AI są dodatkiem. Origin odwraca tę logikę, projektując infrastrukturę z założeniem, że głównym aktorem może być agent, a człowiek jest nadzorcą.

TrueFoundry opublikował 19 sierpnia TrueForge, otwartoźródłowy "harness" dla agentów na licencji MIT, deklarując 30 do 75 procent niższy koszt na zrealizowane zadanie, osiągnięty nie przez tańszy model, ale przez lepsze zarządzanie kontekstem przekazywanym agentowi. To jest szczegół techniczny, który potwierdza tezę, którą sam głoszę od miesięcy: różnica w wynikach między dobrym i słabym wdrożeniem agentowym nie wynika już głównie z tego, jaki model stoi za agentem, bo modele się komodytyzują, wynika z tego, jak dobrze zaprojektowany jest cały system wokół tego modelu, zarządzanie kontekstem, narzędziami i pamięcią.

Regulacje przestały być teorią: dwa reżimy transparentności AI weszły w życie tego samego dnia

2 sierpnia 2026 roku był datą, w której jednocześnie zaczęły obowiązywać dwa niezależne reżimy prawne dotyczące transparentności AI: artykuł 50 unijnego AI Act, nakładający obowiązki na dostawców i podmioty wdrażające systemy AI, w tym powiadomienia o interakcji z AI, znaki możliwe do odczytu maszynowego na wielu treściach generowanych syntetycznie oraz ujawnianie deepfake'ów i pewnych treści tekstowych o znaczeniu publicznym, oraz kalifornijska ustawa o transparentności AI (California AI Transparency Act), wymagająca od dostawców generatywnej AI z ponad milionem użytkowników miesięcznie dostępnych w Kalifornii darmowych narzędzi do weryfikacji pochodzenia treści, pod karą 5000 dolarów za naruszenie, liczoną za każdy dzień odrębnie. Dodatkowe obowiązki dla dużych platform w Kalifornii wejdą w życie 1 stycznia 2027 roku. Jako osoba prowadząca platformę generującą treści syntetyczne na masową skalę i jednocześnie budująca EVIDION, warstwę dowodową i governance dla organizacji wdrażających AI, obserwuję to nie jako abstrakcyjny news prawniczy, ale jako coś, co bezpośrednio wpływa na architekturę produktu każdej platformy generatywnej działającej dziś w Europie czy w Kalifornii, znaki wodne i mechanizmy ujawniania pochodzenia treści przestały być opcjonalnym dodatkiem, stały się wymogiem prawnym z realnymi sankcjami finansowymi.

Ciekawostka na koniec: badanie Pew wskazuje, że jedna trzecia nowych stron internetowych nosi znaki autorstwa AI

Badanie Pew Research, cytowane w sierpniowych przeglądach branżowych, wykazało, że 35 procent stron internetowych opublikowanych od momentu premiery ChatGPT wykazuje oznaki autorstwa AI. W odpowiedzi na to Google wprowadziło przycisk "Preferowane źródła" (Preferred Sources), pomagający wydawcom odzyskać ruch utracony w wyniku podsumowań generowanych przez AI w wyszukiwarce. Uważam ten wątek za jeden z najbardziej niedocenianych w bieżącej dyskusji o AI: podczas gdy większość uwagi mediów koncentruje się na wyścigu modeli i cenach API, fundamentalna zmiana w tym, jak wygląda i skąd pochodzi treść w internecie, dzieje się w tle, cicho i bez fanfar, a jej konsekwencje dla wydawców, twórców treści i samego ekosystemu wyszukiwania będą odczuwalne przez lata.

Co z tego wynika dla firm, które dziś podejmują decyzje o AI

Patrząc na te dwa tygodnie z perspektywy foundera, który musi realnie decydować, jakie modele integrować w produkcie obsługującym setki tysięcy użytkowników, widzę trzy praktyczne wnioski, które uważam za ważniejsze niż śledzenie każdego pojedynczego wydania. Pierwszy: ceny modeli spadają szybciej niż jakikolwiek plan biznesowy oparty na kosztach API sprzed roku, co oznacza, że firmy budujące dziś swoją strategię kosztową wokół konkretnego dostawcy modelu podejmują ryzyko strategiczne, bo ten koszt może spaść o połowę w ciągu kwartału. Drugi: granica między kategoriami produktowymi, tekst, obraz, wideo, audio, kod, zanika w tempie, które jeszcze rok temu wydawało się nierealne, a to oznacza, że platformy zamknięte w jednej kategorii ryzykują, że konkurent zbuduje zunifikowane środowisko obejmujące wszystkie te kategorie naraz, tak jak stara się to robić FOTOhub. Trzeci: regulacje transparentności AI przestały być odległą perspektywą i weszły w fazę realnego wykonania z realnymi sankcjami, co oznacza, że każda organizacja budująca lub wdrażająca systemy generatywne musi już teraz mieć architekturę governance i dokumentacji zgodności, nie jako projekt na przyszły rok, ale jako wymóg na dziś.