A Horizon Europe consortium completed and demonstrated an open cognitive architecture that helps autonomous robots maintain explicit models of themselves and their surroundings, detect unexpected situations and adapt their behaviour.
Q.ANT udostępniło open source SDK do programowania swoich procesorów fotonicznych. Zawiera API dla C i Pythona, dokumentację, przykładowe aplikacje oraz backend symulacyjny CPU. Symulator pozwala testować obliczenia z użyciem światła na zwykłym laptopie, bez konieczności zdobywania trudno dostępnego sprzętu fotonicznego przed napisaniem lub sprawdzeniem aplikacji.
Model AI do cyberbezpieczeństwa z otwartymi wagami, przeznaczony do autonomicznych testów penetracyjnych i wdrażania w pełni lokalnie lub w środowiskach odizolowanych od sieci. Lokalnie wdrażany model cyberbezpieczeństwa jest szczególnie przydatny dla organizacji, które nie mogą przesyłać poufnego kodu źródłowego ani danych dotyczących bezpieczeństwa do zewnętrznych dostawców AI.
Produkcyjne wdrożenie 127 robotów magazynowych Skypod w centrum logistycznym GXO w Venlo, obsługującym markę Guess. Obiekt ma 60 000 miejsc paletowych, osiem stanowisk kompletacji zamówień i około 200 metrów przenośników. To technologia działająca na dużą skalę w rzeczywistych warunkach, a nie prototyp, zapowiedź finansowania czy pilotaż.
An open-source demonstrator in which AI coding agents modify high-integrity Ada and SPARK software while deterministic tooling independently checks proofs, requirements traceability, tests and structural coverage.
Duże wydanie platformy full-stack do tworzenia aplikacji. Wprowadza hot reload, przepływy pracy z agentami AI, wbudowany Postgres, eksperymentalną synchronizację offline, wdrażanie w chmurze i środowisko zaprojektowane do współpracy z zewnętrznymi agentami kodującymi. Architektura traktuje agentów kodujących jako wymiennych klientów środowiska deweloperskiego, zamiast uzależniać deweloperów od agenta przypisanego do konkretnego IDE.
Otwarty model OCR dokumentów i konwersji stron do formatu Markdown, z 3,4 mld parametrów i około 570 mln aktywnych parametrów na token. Zoptymalizowany pod kątem niedrogich GPU. Wydajne przetwarzanie dokumentów staje się coraz ważniejszą częścią infrastruktury systemów RAG i agentowych, a stosunkowo niewielki model aktywny może obniżyć koszt lokalnego przetwarzania wysokiej jakości.