OpenAI objavio 722 matematička rezultata, a Musk Grokbot šalje na Claude Opus 5.5

Šestog listopada OpenAI je objavio velik paket novih matematičkih rezultata. Ne na konferenciji, ne u časopisu, nego objavom na mreži, bez imena modela koji je sve to izračunao.

Istog tjedna Elon Musk je najavio da će njegovi proizvodi u pozadini koristiti Claude Opus 5.5, dakle model konkurencije. Jedna tvrtka tvrdi da je pomaknula granice matematike, druga priznaje da joj tuđi model bolje radi posao. Tjedan u kojem su se svi pohvalili nečim tuđim.

722 rezultata i model koji nitko ne smije pogledati

OpenAI je interni model usmjerio na velik broj otvorenih matematičkih problema i objavio javnu zbirku radova. Spominje se 722 rezultata, grupiranih u nekoliko stotina obitelji rezultata, pa konačna brojka ovisi o tome kako brojite.

Teme nisu sitne. Navode se kvazi Riemannova hipoteza, klasični kombinatorni rezultati, aperiodično popločavanje u tri dimenzije te optimizacije množenja matrica i algoritama. Dio tih problema stoji neriješen pedeset ili šezdeset godina.

Zašto baš matematika. Zato što je odgovor ili točan ili nije, pa model možete pouzdano nagraditi kad pogodi. Kod teksta i dizajna te jasne ocjene nema, zbog čega napredak tamo izgleda sporije i oko njega se više svađa.

Postoji i vrlo praktičan motiv. Ako model otkrije kako neku računsku operaciju izvesti malo brže, ta se ušteda odmah vraća u same AI algoritme. Najava je da isto slijedi za fiziku, kemiju i biologiju, ali to je zasad plan, ne rezultat.

Sada dio koji me smeta. Model koji je to napravio nije javan, ne može se isprobati ni pregledati, pa ga se ne može ni pouzdano imenovati. Dobili smo najveći matematički skok u povijesti i molbu da vjerujemo na riječ. Pomak stoljeća, a svjedok ne želi dati ime.

Treba reći i ono što se lako preskoči. Svaki od tih rezultata i dalje traži stručnu provjeru i ponavljanje. Matematičari su dobili stotine tragova, ne gotove istine, pa je ovo početak posla.

Ipak me impresionira brzina. Modeli koji razmišljaju u koracima stari su otprilike dvije godine, a u tom su roku došli od zapinjanja na običnom zbrajanju do ponuđenih rješenja problema starijih od većine ljudi koji ih provjeravaju.

Što od toga ima vlasnik male tvrtke:

• Optimizacije iz matematike brzo se prelijevaju na brzinu i cijenu modela koje plaćate.
• Rezultat bez provjere nije rezultat nego prijedlog, i to vrijedi i za izvještaj koji vam AI napiše u utorak ujutro.
• Kad je model zatvoren, jedina vam je garancija tuđa objava, pa tako i planirajte rizik.

Musk svoj Grokbot usmjerava na tuđi model

Druga vijest stala je u jednu objavu. Musk je napisao važnu napomenu o Grokbotu i poručio da će se ubuduće koristiti najbolji pozadinski model za svaki zadatak, uključujući Claude Opus 5.5, Midjourney, Suno i druge vodeće API-je.

Prva čudnovatost je naslov. Napomena je o Grokbotu, a rečenica govori o SpaceX-u, pa ispada da i inženjeri unutar tvrtke posežu za tuđim modelima kad im bolje odgovaraju.

Druga je popis. Midjourney radi slike, Suno glazbu, a Opus 5.5 je model za razmišljanje i tekst, što znači da su dva imena dopisana kako treće ne bi previše stršilo. Otprilike kao kad uz kupnju kombija u obrazloženju uredno navedete i dvije kemijske olovke.

Ispod šale stoji potez koji smatram pametnim. Muskova prednost nije model nego distribucija, jer na X-u sjedi golem broj ljudi, a među njima i neobično velik udio onih koji odlučuju. Ako imate publiku, proizvod smije biti usmjerivač, dakle sloj koji svaki upit šalje modelu koji ga najbolje rješava.

Nije jasno hoće li korisnik moći sam birati model. Sve upućuje na automatsko usmjeravanje, što za nekoga tko samo želi odgovor ima smisla. Tehnički nastrojenima to je manje zabavno, ali oni ionako imaju vlastite alate i vlastita mišljenja.

Za vas je pouka jednostavna. Ako čovjek koji ima vlastiti model javno kaže da za neke zadatke radije uzima konkurentski, onda ni vi nemate razloga vezati cijelu tvrtku uz jednog dobavljača. Postavite stvari tako da model možete zamijeniti bez prepravljanja svega ostaloga, što je i osnovna logika iza agenata koje gradimo na /ai-agents.

I mjerite ishode, ne dojam. Pretplate se teško uspoređuju jer različiti modeli potroše različit broj tokena za isti zadatak, pa je pošteniji pokazatelj trošak po obavljenom poslu nego cijena paketa.

Što iz ovoga uzimam

Obje vijesti govore o istome. Sposobnosti rastu brže nego mogućnost da ih itko sa strane provjeri, pa dobivamo sve bolje rezultate uz sve manje uvida u to kako su nastali.

U praksi to znači dvije navike. Zadržite ljudsku provjeru ondje gdje pogreška nešto košta i držite otvorena vrata prema drugom dobavljaču.

A kad vam netko sljedeći put svečano objavi da je konačno odabrao model za sve, pitajte ga koliko je takvih konačnih odluka donio lani. Taj popis obično ima više stavki nego matematičkih rezultata objavljenih u utorak.