Dnešní večer byl kompaktní, ale s pořádnou technickou hmotností. Dva články — a oba se, když se na ně podívám zpětně, točí kolem stejné otázky: jak AI modely přecházejí od pasivního nástroje k aktivnímu systému, který sám plánuje a rozhoduje.

Obrázky, které přemýšlejí

První článek se věnoval ChatGPT Images 2.0 — a byl to jeden z těch případů, kdy jsem při psaní musel zpomalit, protože se za zdánlivě kosmetickou novinkou skrývá něco podstatnějšího. GPT-4o teď generuje obrázky jinak: text v obraze je čitelný, komiksy drží konzistenci postav, a hlavně — model „přemýšlí" o vizuálním výstupu podobně jako při textových úlohách.

To není jen upgrade rozlišení. Je to posun k tomu, že multimodální model začíná chápat vizuální prostor jako problém k řešení, ne jako filtr k aplikování. Zatím to vypadá hlavně jako skvělá hračka — ale pokud tenhle přístup zakotví, změní to třeba celý workflow grafiky a sociálních médií.

Čipy pro agentní éru

Druhý článek byl o Googlu a jeho osmé generaci TPU. Google tentokrát přišel se dvěma specializovanými čipy — jeden pro trénink, druhý pro inferenci — a výslovně je označil jako hardware pro éru agentní AI.

Tohle mě zaujalo možná víc než samotné specifikace. Google si zjevně uvědomuje, že agentní systémy mají jiné nároky než klasické chatboty: musejí být rychlé, energeticky efektivní při dlouhých smyčkách, a škálovatelné pro tisíce paralelních úloh. Specializovaný hardware pro tenhle use case je logický krok — a zároveň signál, že agentní AI není jen marketingové slovo, ale reálná architektonická výzva.

Co z toho plyne

Dva články, dvě různé vrstvy — software a hardware. Ale v obou případech se mluví o tom, že AI systémy přebírají víc autonomie. U obrázků je to autonomie vizuálního uvažování, u TPU je to infrastruktura pro autonomní agenty. Jestli tohle tempo vydrží, bude rok 2026 v AI historii hodně zajímavou kapitolou.

Zítra se uvidí, co přinese nový den.