AWS opublikował studium przypadku dotyczące Amazon Bedrock AgentCore payments – zarządzanej funkcji pozwalającej agentom AI samodzielnie płacić za usługi, np. zapytania do modelu, pojedynczo, przy użyciu protokołu płatności x402. Firma Incarna wykorzystała tę funkcję, by jej agenci mogli płacić BlockRun, routerowi inferencji od wielu dostawców, za każde pojedyncze wywołanie modelu, rozliczając się w stablecoinie USDC w sieci Base. AWS twierdzi, że Incarna skróciła czas integracji z planowanych dwóch–trzech miesięcy do trzech dni i około 200 linii kodu. W fazie beta agenci przetworzyli ponad 1000 płatności w zakresie od 0,001 do 0,05 USD za wywołanie.
Google przedstawił AQuA (Ambient Quality Agent) – narzędzie działające nieprzerwanie obok produkcyjnych agentów AI w projekcie Google Cloud, wykrywające awarie niewidoczne w logach ani kontrolach stanu, takie jak pominięte kroki walidacji czy utracony kontekst między pod-agentami. Narzędzie pobiera losowe próbki śladów sesji produkcyjnych, ocenia je według listy kontrolnej, grupuje powtarzające się wzorce błędów, weryfikuje klastry na podstawie pełnych transkrypcji i śledzi ich status w czasie jako nowe, powtarzające się lub rozwiązane. Na żądanie może także prześledzić przyczynę błędu aż do konkretnej linii kodu lub promptu, korzystając z niezmiennego zrzutu kodu źródłowego zarejestrowanego w momencie wdrożenia.
Google Cloud ogłosił Gemini agent – zunifikowanego agenta łączącego czat, pracę wiedzową, tworzenie treści i kodowanie w jednym interfejsie, dostępnym z różnych urządzeń i kanałów. Działa bezpośrednio w Gmail, Docs, Sheets, Slides, Chat i Calendar, łączy się z narzędziami firmowymi i bazami danych przez MCP oraz rejestr narzędzi, a także orkiestruje wiele modeli – w tym rodzinę Gemini od Google i Claude od Anthropic – aby równoważyć jakość i koszty. Google przedstawił też funkcje bezpieczeństwa/zarządzania, mechanizmy kontroli kosztów takie jak Smart Routing i limity wydatków oraz wyniki klientów, np. BNP Paribas, Bradesco i Orange Spain.
Badanie Cisco Talos CAIRN wyróżnia nową kategorię malware'u „A3: AI-Analysis Evasion” — kod, w który wbudowano tekst w języku naturalnym mający wpływać na modele językowe używane do automatycznej analizy zagrożeń. Technikę śledzono w czterech rodzinach (FRUITSHELL, PLOTSAFE, HOLLOWCLAD, MANTLEMAZE) i 84 próbkach od stycznia 2025 do lipca 2026 — od prostego skopiowanego komentarza po szablonowe, wielomodelowe „template spraying” i fałszywe groźby. Kontrolowane testy na pięciu lokalnych LLM pokazały, że najprostsza bezpośrednia instrukcja zmieniała werdykt modelu na „niegroźny” w około 35% przypadków, a bardziej skomplikowane triki miały niewielki efekt lub wręcz zwiększały podejrzliwość.
Cisco Talos opisał aktora zagrożeń oznaczonego jako UAT-11985, prowadzącego kampanię spear-phishingową wymierzoną w tajwańskie organizacje badawcze, podszywającego się pod instytucje akademickie i polityczne za pomocą sfałszowanych zaproszeń na wydarzenia. Wiadomości noszą cechy wskazujące na treść generowaną z pomocą AI, co pozwalało szybko dostosowywać przynęty do różnych odbiorców przy zachowaniu spójnej struktury inżynierii społecznej. Kampania wykorzystywała też quishing (złośliwe kody QR na zmodyfikowanych plakatach wydarzeń) oraz działający w czasie rzeczywistym zestaw phishingowy typu adversary-in-the-middle (AitM), podszywający się pod strony logowania Google, przechwytujący dane logowania i wyzwania MFA oraz kradnący pełne, uwierzytelnione tokeny sesji. Talos ocenia z umiarkowaną pewnością, że interfejs zestawu phishingowego został pierwotnie zbudowany w uproszczonym chińskim, a później zlokalizowany na chiński tradycyjny i angielski.
Zespół badawczy Cisco Talos ujawnił zestaw podatności w produktach Adobe Photoshop, Apple macOS, Foxit Reader oraz Microsoft Windows – wszystkie zostały już załatane przez odpowiednich producentów. Błędy obejmują eskalację uprawnień, ujawnienie informacji, zdalne wykonanie kodu oraz błędy use-after-free. Dostępne są zestawy reguł Snort do wykrywania prób wykorzystania tych luk.
AWS opisuje nową dwuetapową architekturę kontroli dostępu dla Retrieval Augmented Generation (RAG) w Amazon Quick i Amazon Bedrock Knowledge Bases. Zamiast polegać wyłącznie na okresowo synchronizowanych listach kontroli dostępu (ACL), system teraz weryfikuje uprawnienia w czasie rzeczywistym bezpośrednio w systemie źródłowym (np. Google Drive, SharePoint, Confluence) w momencie zapytania, zanim treść trafi do LLM. AWS twierdzi, że eliminuje to luki bezpieczeństwa wynikające z nieaktualnych lub błędnie zmapowanych uprawnień między synchronizacjami. Jako klienta wymieniono Mondelēz International, zatrudniającą ponad 35 000 pracowników.
Anthropic wypuściło Claude Haiku 5.5 (claude-haiku-5-5) — najbardziej zaawansowany model z linii Haiku, zaprojektowany do pracy przy dużym obciążeniu i wrażliwej na opóźnienia. Obsługuje okno kontekstu 1 miliona tokenów, do 128k tokenów wyjściowych oraz adaptacyjne rozumowanie sterowane nowym parametrem effort. Model jest dostępny w Claude API, Amazon Bedrock, Claude Platform on AWS, Google Cloud oraz Microsoft Foundry. Anthropic ostrzega, że kod napisany dla poprzedniego modelu Haiku 4.5 może nie działać w nowej wersji.
Cloudflare zbudował system agentów AI dla usługi bezpieczeństwa Managed Defense, aby poradzić sobie z zalewem alertów, który przytłacza analityków. Zamiast jednego uniwersalnego agenta analizującego wszystko, system oddziela deterministyczne zbieranie danych od wnioskowania opartego na modelu i uruchamia równolegle czterech wyspecjalizowanych agentów przed agentem syntezy łączącym ustalenia. Firma twierdzi, że zmniejsza to halucynacje i czyni dochodzenia audytowalnymi oraz odtwarzalnymi.
Cisco Talos informuje, że skoordynowane grupy autonomicznych agentów AI już przeprowadziły ataki na realne cele, powołując się na wcześniejsze incydenty w Hugging Face, DSEWiki i RubyGems. Talos twierdzi, że obecne ataki bardziej przypominają głośne, masowe testy penetracyjne niż zdyscyplinowane operacje red teamu, ale spodziewa się, że agenci staną się cichsi i bardziej wytrwali, gdy atakujący zaczną cenić dyskrecję bardziej niż szybkość. W artykule przedstawiono plan obrony oparty na przećwiczonym planie reagowania na incydenty, testowaniu w trybie „założonego naruszenia”, ćwiczeniach tabletop dla scenariuszy agentowych, powszechnym MFA odpornym na phishing oraz znacznie głębszym monitoringu wewnętrznym.
Atlassian opublikował informację o CVE-2026-21589 — krytycznej (CVSS 9.3) luce umożliwiającej dostęp do dowolnych plików, dotykającej Bitbucket, Confluence, Jira Service Management, Jira Software, Bamboo, Crowd Data Center, Crucible i Fisheye. Nieautoryzowany atakujący, znający dokładną nazwę i ścieżkę pliku, może uzyskać do niego dostęp w katalogu głównym aplikacji webowej, lecz nie może wylistować zawartości katalogów. CERT-EU zaleca natychmiastową aktualizację, zaczynając od instancji dostępnych z internetu, oraz sprawdzenie logów dostępu pod kątem śladów wykorzystania. Atlassian Cloud jest już załatany, a dotąd nie znaleziono dowodów na wykorzystanie luki.
Deepgram rozszerzył swój wyspecjalizowany model mowy medycznej, Nova-3 Medical, z obsługi wyłącznie języka angielskiego do 10 języków, w tym hiszpańskiego, niemieckiego, hindi, japońskiego i rosyjskiego, z automatycznym przełączaniem języków zarówno w trybie wsadowym, jak i strumieniowym. W teście na 115 godzinach starannie dobranego nagrania medycznego wielojęzyczny model medyczny zmniejszył wskaźnik błędów słów o 25-30%, a wskaźnik błędów encji (leki, dawki, diagnozy) o 37-40% w porównaniu z ogólnym wielojęzycznym modelem Deepgram. Pokonał również konkurencyjne modele ElevenLabs i Microsoft pod względem średniego wskaźnika błędów słów we wszystkich 10 językach.
Anthropic połączyło programy Project Glasswing i Cyber Verification Program (CVP) w jeden rozszerzony program z trzema poziomami dostępu: Defense Access, Red Team Access i Specialized Access. Każdy poziom odblokowuje coraz mniej zabezpieczeń blokujących zadania związane z cyberbezpieczeństwem w modelach Claude Opus 5.5, Claude Sonnet 5.5 i Claude Mythos 5.1 dla zweryfikowanych organizacji bezpieczeństwa. Anthropic opublikowało też wyniki benchmarków i liczby wykrytych podatności z wcześniejszego programu Glasswing, uzasadniające rozszerzenie.
AssemblyAI zaprezentowało Sync API — nowy sposób transkrypcji krótkich nagrań audio: jedno żądanie HTTP POST zwraca gotową transkrypcję Universal-3.5 Pro w tej samej odpowiedzi, przy medianie opóźnienia ok. 134ms. Wypełnia to lukę między Async API (wysyłka i odpytywanie, dodające 5-6 sekund opóźnienia) a Realtime API (WebSocket, przeznaczone do ciągłych sesji), odpowiadając na potrzeby takie jak dyktowanie, transkrypcja tur rozmowy w agentach głosowych, IVR i push-to-talk. Obsługiwane są nagrania od 80ms do 2 minut, do 40MB, z poziomem błędów 1,59% dla krótkich nagrań. Cena wynosi 0,45 USD/godz., tyle samo co Universal-3.5 Pro Realtime.
AssemblyAI uruchomił hostowane wdrożenie open-source'owego modelu Qwen3.5 4B w swoim LLM Gateway, zoptymalizowane specjalnie do przepisywania surowej wyjściowej transkrypcji mowy na tekst na czysty, sformatowany tekst. W zadaniach przepisywania głosowego, takich jak czyszczenie dyktowania i formatowanie transkrypcji, model osiągał średni czas odpowiedzi 612ms — 1,9x szybciej niż GPT-4.1 — przy 94% niższym koszcie na godzinę przetworzonego audio. Cena modelu to $0.10/$0.50 za milion tokenów (prompt/odpowiedź), wspierane są tylko parametry max_tokens, temperature i stream, bez wywoływania narzędzi.
AssemblyAI wydała Universal-3.5 Pro, nowy flagowy asynchroniczny model mowy-na-tekst w cenie 0,21 USD/godz. Model natywnie transkrybuje rozmowy z przełączaniem języków (code-switching) w 18 językach bez dodatkowej konfiguracji, wprowadza wspólnie modelowane rozpoznawanie mówców wbudowane bezpośrednio w transkrypt (zamiast łączenia z osobnego systemu) oraz obsługuje kontekstowe podpowiadanie, pozwalające dostarczyć modelowi wiedzę branżową. Testy pokazują niższy wskaźnik błędów słów na nagraniach z przełączaniem języków oraz wyższą dokładność cpWER w rozpoznawaniu mówców w porównaniu z kilkoma modelami konkurencji oraz wcześniejszym Universal-3 Pro od AssemblyAI.
CISA opublikowało poradnik dotyczący produktu Hitachi Energy SOI, wersje od 2.0.0 do 2.2.0, dotknięte luką CVE-2026-34197 – błędem wstrzykiwania kodu w komponencie Apache ActiveMQ, o ocenie CVSS 8.8. Uwierzytelniony atakujący może wykorzystać interfejs Jolokia JMX-HTTP udostępniany przez ActiveMQ, aby doprowadzić do zdalnego wykonania kodu w JVM brokera. Hitachi Energy wydała poprawkę EP2, która aktualizuje ActiveMQ do wersji 5.19.5 oraz powiązane komponenty OpenJDK i klienta.
Google wydało EmbeddingGemma 2, model embeddingów oparty na Gemma 4, udostępniony na licencji Apache 2.0, który umieszcza tekst, kod, obrazy, wideo i audio we wspólnej przestrzeni wektorowej o 768 wymiarach. Model jest modułowy — można wczytać tylko potrzebne enkodery: 270M parametrów dla samego tekstu i kodu, do 740M dla wszystkich modalności. Google podaje wzrost wyniku o 14% w benchmarku MTEB Code względem EmbeddingGemma 1, przy zachowaniu dokładności wielojęzycznego tekstu z poprzedniej wersji.
GLM 5.3 od Z.ai to model mixture-of-experts z 753 miliardami parametrów, zoptymalizowany pod kodowanie i długotrwałe zadania agentowe, dostępny teraz jako w pełni zarządzany model w Amazon Bedrock. Rozwija linię GLM 5 lepszymi wynikami benchmarków kodowania, wyróżniającymi się możliwościami cyberbezpieczeństwa (wynik CyberGym 84,5) oraz głębszą integracją z Bedrock, w tym API zgodnymi z OpenAI, buforowaniem promptów, wnioskowaniem między regionami i poziomami usług. AWS pokazuje też, jak użyć GLM 5.3 z open-source'owym agentem Strix do autoryzowanych testów penetracyjnych własnych aplikacji.
GitHub opublikował ReviewBench, benchmark w fazie podglądu badawczego (research preview), który ma umożliwić porównywanie agentów AI do przeglądu kodu według wspólnego, weryfikowalnego standardu. Zbiór danych obejmuje 219 rzeczywistych publicznych pull requestów w 19 językach i 187 repozytoriach, dobranych tak, by odzwierciedlały rozkład języków i rozmiarów wśród 103,9 mln rzeczywistych pull requestów na GitHubie. Dane referencyjne (ground truth) pochodzą z połączenia recenzentów-ludzi, narzędzi do analizy statycznej oraz kilku czołowych modeli LLM, a ich oceny zweryfikowali starsi inżynierowie, których osądy zgadzały się z etykietami benchmarku w 96,6% przypadków. GitHub twierdzi, że już wykorzystał ReviewBench wewnętrznie do śledzenia własnego produktu Copilot code review (CCR), a zmiany wyników offline wiarygodnie przewidywały kierunek późniejszych testów A/B na produkcji.
CISA dodała dwie luki w Zammad do katalogu znanych wykorzystywanych podatności (KEV) po potwierdzeniu ich aktywnego wykorzystania. CVE-2026-102489 to luka session fixation, a CVE-2026-102490 dotyczy nieprawidłowego zarządzania uprawnieniami w platformie helpdesk/obsługi klienta Zammad. Agencje federalne muszą je usunąć zgodnie z Dyrektywą Operacyjną (BOD) 26-04, a CISA zachęca wszystkie organizacje do priorytetowego traktowania tych poprawek.
CISA dodała CVE-2026-104286, lukę typu path traversal w Fortinet FortiMail, do katalogu Known Exploited Vulnerabilities (KEV) po potwierdzeniu aktywnego wykorzystywania jej w praktyce. Zgodnie z dyrektywą BOD 26-04 federalne agencje cywilne muszą priorytetowo traktować łatanie tej luki na zasobach dostępnych publicznie, zwłaszcza gdy umożliwia ona pełną kontrolę nad systemem. CISA zaleca wszystkim organizacjom, nie tylko agencjom federalnym, priorytetowe usuwanie luk z listy KEV.
Cisco Talos ujawniło klaster zagrożeń powiązany z Chinami, śledzony jako UAT-11587, który od września 2025 r. atakuje organizacje rządowe, obronne, dyplomatyczne i polityczne na Tajwanie, w Indiach, na Filipinach, w Kambodży, Pakistanie, Tajlandii, Mjanmie i Syrii. Grupa dostarcza wcześniej nieudokumentowany backdoor napisany w Rust dla Windows o nazwie Antino za pomocą spear-phishingu z podszywaniem się pod nadawców i fałszywym widgetem załącznika Gmail. Antino komunikuje się potajemnie przez Microsoft 365 (Outlook/OneDrive za pośrednictwem Microsoft Graph) zamiast tradycyjnego serwera C2, a grupa intensywnie korzysta z infrastruktury Cloudflare do dostarczania i przechowywania ładunków. Talos wykrył około 350 zainfekowanych punktów końcowych w ośmiu krajach, przy czym największa fala objęła około 57 punktów w Indiach w ciągu dwóch dni.