Anthropic sleduje vaše nálady a Severní Korea hackuje kryptoburzy

WTF: Anthropic sleduje vaše nadávky

Vývojáři objevili v omylem zveřejněném zdrojovém kódu Claude několik překvapení: Anthropic systematicky sleduje, jak často uživatelé nadávají a jak často se mění jejich nálada. Regex filtr rozpoznává výrazy jako „wtf“, „f*** you“ nebo „this sucks“ a označuje je v analytice jako „is_negative: true“. Boris Cherny, vývojář Claude Code, to obhajuje jako signál kvality: „Interně tomu říkáme 'f***s' chart.“ U frustrovaných zaměstnanců Anthropic jde systém ještě dál: vyskakovací okno se ptá, zda chtějí sdílet své přepisy jako hlášení o chybě. Samotný únik vznikl lidskou chybou v procesu nasazení, nikdo nebyl propuštěn. Repozitář „Claw Code“ studentky Sigrid Jin byl forknut téměř 100 000krát. → futurism.com

Synthszr Take: Anthropic odhalil, co velcí technologičtí hráči dělají už léta: zacházejí s emocemi jako s produktovými metrikami. 'f***s chart' je upřímnější než jakékoli NPS skóre, protože hněv odhaluje nepřikrášlenou pravdu o kvalitě produktu. Připomíná to call centra, která využívají hlasovou analýzu k přesměrování frustrovaných zákazníků k prémiovým operátorům, jen s tím rozdílem, že zde se terapeutem stává sama AI. Funkce pro zaměstnance Anthropic („Hey, you seem upset, wanna file a bug report?“) ukazuje dvojí metr: interně je frustrace považována za cenný signál, externě je zaznamenávána jako tichá analytická událost. Únik dat by mohl být neúmyslně nejlepším produktovým rozhodnutím: 100 000 forků znamená 100 000 potenciálních vylepšení systému, který bere hněv vážně.

270 milionů dolarů: Jak Severní Korea hacknula kryptoměnovou burzu

Severokorejští hackeři ukradli z Drift Protocol 270 milionů dolarů tím, že se po dobu šesti měsíců vydávali za seriózní quant-tradingovou firmu. Útočníci se setkali se zaměstnanci Driftu na velké krypto konferenci, pokládali podrobné technické otázky a vložili více než milion dolarů vlastního kapitálu. Uskutečnili několik pracovních schůzek, vybudovali si důvěru a nakonec přiměli jednoho zaměstnance, aby si stáhl zmanipulovanou aplikaci TestFlight. Operace také využila známou zranitelnost ve VSCode a Cursoru. Bezpečnostní experti varují, že hloubka vytvořených osobností a profesionalita operace naznačují, že další týmy jsou již kompromitovány. → Techmeme

Synthszr Take: Tato operace ukazuje strukturální nerovnováhu moci: soukromé společnosti jsou systematicky v nevýhodě proti státním útočníkům. Státy operují s větším množstvím času, kapitálu a menšími omezeními. Zatímco firmy optimalizují na rychlost a růst, útočníci investují měsíce do budování důvěry. Klíčový bod: každý systém je hacknutelný – nejen technicky, ale i lidsky. Zranitelností nebyl primárně nástroj, ale předpoklad, že důvěryhodné a kompetentní protistrany jsou legitimní. Státní aktéři považují klamání za svou klíčovou kompetenci. Společnosti považují důvěru za páku pro efektivitu. Právě z toho vzniká vektor útoku. Důsledek: bezpečnost není problémem nástrojů, ale struktury. V prostředí, kde se klamání škáluje lépe než ověřování, vyhrává aktér s větší trpělivostí a menšími omezeními – a to je zřídka kdy společnost.

Maximum z minima: Gemma 4 si v prvních testech vede skvěle

Google vydal model Gemma 4 s 31 miliardami parametrů, který v benchmarcích zaměřených na usuzování a matematiku překonává systémy s více než 600 miliardami parametrů. Tyto open-source modely pod licencí Apache 2.0 dosahují 3. a 6. místa v globálním žebříčku Arena AI – před všemi západními alternativami s výjimkou špičkových čínských modelů. 31B model dosahuje 85,2 % na MMLU Pro a 89,2 % na AIME 2026 z matematiky, zatímco 26B varianta Mixture-of-Experts s pouhými 3,8 miliardami aktivních parametrů na jeden průchod dosahuje podobných výsledků. Oba podporují kontextové okno o velikosti 256K tokenů a běží na GPU od Nvidia a AMD, stejně jako na Google Cloud TPU. Modely jsou založeny na architektuře Gemini 3 – Google v podstatě destiloval inteligenci své uzavřené vlajkové lodi do menších, otevřených variant. → Evan Armstrong from The Leverage

Synthszr Take: Google používá největší slabinu AI průmyslu proti němu samému: fetišizaci parametrů. Zatímco OpenAI a Anthropic zavírají své modely za API a čínské laboratoře dominují žebříčkům (ale způsobují noční můry oddělením compliance), Google posílá na trh trojského koně. Licence Apache 2.0 je skutečným trumfem – z technického průlomu dělá argument pro nákup. Gemma 4 není model, je to franšízový systém: Google uvolňuje recept, ale ponechává si kuchyň (TPU, trénovací data, základ Gemini). Připomíná to strategii Microsoftu s DOS v 80. letech: definovat standard a zároveň kontrolovat infrastrukturu. 31 miliard parametrů na jednom H100 za 3 dolary na hodinu mění závod o největší číslo v závod o nejchytřejší architekturu.

Z 1 na 19 miliard za 14 měsíců: Růstová strategie Anthropic

Anthropic katapultoval své roční opakované příjmy (ARR) z 1 na 19 miliard dolarů za 14 měsíců. Šéf růstu Amol Avasare, který se do firmy dostal bez výběrového řízení prostřednictvím cold-mailu, sází na neintuitivní metody: 70 % velkých sázek místo malých testů, záměrně složitý onboarding jako filtr a interní nástroj jménem CASH, který provádí autonomní růstové experimenty s Claude. Nejradikálnější teze: v budoucnu budou firmy potřebovat více produktových manažerů než vývojářů, protože AI činí jednotlivé inženýry exponenciálně produktivnějšími. Avasare identifikuje aktivaci jako největší páku v růstu AI a používá nástroje jako Cowork k rozpoznání týmových konfliktů ve Slacku dříve, než eskalují. → Lenny's Newsletter

Synthszr Take: Anthropic ukazuje, co se stane, když růstové týmy udělají ze svých vlastních nástrojů předmět optimalizace: CASH je v podstatě sebereferenční růstová smyčka, ve které Claude hackuje své vlastní šíření. Připomíná to biologické systémy, které si samy kódují své replikační mechanismy (jako viry svou RNA). Strategie 70/30 ve prospěch velkých sázek je v rozporu se všemi učebnicemi, ale funguje, protože trhy s AI se řídí dynamikou „vítěz bere vše“: kdo první dosáhne kritické masy, definuje standardy. Přesun od inženýrů k produktovým manažerům není otázkou organizace, ale přesunem moci: když se kód stane komoditou, záměr (intent) se stává vzácným zdrojem. Anthropic dokazuje, že v éře AI nevyhrává nejlepší technologie, ale ten, kdo se nejrychleji naučí, jak technologii šířit.

Moderace obsahu: AI pracovníci místo clickworkerů

Brett Levenson opustil Apple v roce 2019, aby ve Facebooku vedl oddělení „Business Integrity“ uprostřed skandálu Cambridge Analytica. Jeho zjištění: lidští moderátoři se museli naučit nazpaměť 40stránkový, strojově přeložený soubor pravidel a pak měli 30 sekund na rozhodnutí o obsahu – s úspěšností jen o málo přesahující 50 %. Tento opožděný, reaktivní přístup již nefunguje ve světě s obsahem generovaným AI, kde chatboti dávají mladistvým návody na sebepoškozování nebo AI generované obrázky obcházejí bezpečnostní filtry. Levenson proto založil Moonbounce, který nyní získal 12 milionů dolarů od Amplify Partners a StepStone Group. Startup přeměňuje statické dokumenty s pravidly na spustitelnou logiku: vlastní jazykový model hodnotí obsah za méně než 300 milisekund a rozhoduje – blokovat, zpomalit nebo povolit. Moonbounce již obsluhuje více než 100 milionů denně aktivních uživatelů na platformách jako Tinder, startupy s AI společníky jako Channel AI a generátory obrázků jako Civitai. → Techpresso

Synthszr Take: Moonbounce řeší problém moderace obsahu jako kompilátor: pravidla se stávají kódem, interpretace se stává spuštěním. Připomíná to přechod od interpretovaného BASICu ke kompilovanému C v 80. letech – najednou se staly možnými věci, které byly dříve nemyslitelné. Skutečným průlomem není 300milisekundová latence, ale to, že Moonbounce sedí jako neutrální třetí strana mezi uživatelem a AI, bez kontextové zátěže hlavních modelů. Zatímco GPT nebo Claude se probíjejí desítkami tisíc tokenů a přitom zapomínají na svá pravidla, Moonbounce se soustředí na jediný úkol: prosazování pravidel v reálném čase. To je dělba práce na systémové úrovni – stejně jako moderní CPU mají speciální šifrovací jednotky. Ironií je, že čím mocnější se AI stává, tím více potřebuje specializované strážné AI, které ji udrží na uzdě.

Z písně na videoklip za sekundu: Generování obsahu nově definuje TikTok

AirMusic slibuje demokratizaci produkce hudebních videoklipů: z každé písně vytvoří AI „virální“ video s několika scénami, postavami a filmovými přechody. Režim Director Mode automaticky generuje kompletní storyboard včetně úhlů kamery a změn scén, zatímco Custom Mode umožňuje plnou tvůrčí kontrolu. S cenami od 50 centů za scénu a možnostmi exportu pro TikTok, YouTube a Instagram se nástroj pozicuje jako alternativa k tradičním produkčním procesům. Platforma nabízí osm vizuálních stylů od anime po cyberpunk, deset různých video modelů (Grok, Seedance, Vidu) a časovou osu pro uspořádání vygenerovaných klipů. Zvláště pozoruhodné je, že AI analyzuje text a rytmus písně, aby vytvořila odpovídající vizuální příběhy, zatímco nahrané fotografie postav jsou konzistentně zachovány ve všech scénách. → TAAFT - There's An AI For That

Synthszr Take: AirMusic mění hudební videoklipy v další bojiště industrializace obsahu, podobně jako tomu bylo dříve u fotobank, blogových příspěvků a ilustrací. Hranice 50 centů za scénu připomíná cenovou logiku raných microstockových platforem: dostatečně nízká pro experimentování, dostatečně vysoká pro ziskovost při velkém objemu. Co se zde skutečně děje, je přeměna hudebních videoklipů na funkci API; místo měsíců produkce s týmem a hledáním lokací se video stává parametrickým výstupem (Style: Cyberpunk, Mood: Romantic, Characters: 3). Ironií je, že zatímco hudební vydavatelství investují miliony do nákladných produkcí, další virální senzace na TikToku by mohla vzniknout s rozpočtem 5 dolarů. Hudební videoklipy se stávají další obětí brutální efektivity generativní AI.

AdsCreator extrahuje z jakékoli webové stránky kompletní reklamní kampaň

Nový AI nástroj jménem AdsCreator slibuje, že během několika minut vygeneruje hotové reklamní kampaně z jakékoli webové stránky. Proces je neuvěřitelně jednoduchý: vložíte URL, AI automaticky extrahuje barvy, typografii a vizuální styl a poté vytvoří reklamy pro Meta, Google a formáty Stories. Ceny začínají na 24 dolarech měsíčně za 600 kreditů, přičemž jeden kredit odpovídá jedné hotové reklamě. Nástroj je určen explicitně pro sólo tvůrce, agentury a interní týmy, které chtějí „dodávat rychleji, aniž by oslabily značku“. → TAAFT - There's An AI For That

Synthszr Take: AdsCreator není ani tak inovace jako spíše odhalení: velká část reklamní produkce je standardizované odvozování – barvy, typografie, vizuální styl se mechanicky přenášejí na nové formáty. Přesně tato část je nyní triviálně automatizována. Skutečný zlom spočívá v ceně: 24 dolarů za 600 reklam znamená, že kreativní produkce je komoditizována na několik centů za kus. To, co se dříve prodávalo jako kreativní výkon, se stává výpočetní operací. Tím se radikálně posouvá hodnota: vzácným zdrojem už není tvorba reklam, ale rozhodnutí, které z nich by se vůbec měly vytvořit. Strategie nahrazuje produkci. Odvětví tak čelí střízlivé realitě: kdo postavil svůj obchodní model na škálovatelné realizaci, najednou konkuruje cenám softwaru. Konkurenční výhodou nikdy nebylo provedení – a teď definitivně zmizela.

Orchestrátor poráží umělce: skutečnou hrou je návrh systému

The Business Engineer tvrdí, že člověk se v éře AI nestává našeptávačem promptů, ale orchestrátorem komplexních systémů agentů. To není nic nového. Zajímavé je však vyhrocení myšlenky: AI modely jsou trénovány na statistickém průměru („Mediocristan“), zatímco obchodní rozhodnutí se dělají ve světě extrémních událostí („Extremistan“). Přidaná hodnota člověka nespočívá v obsluze AI, ale v rozpoznání, kdy je konsenzuální výstup modelu nebezpečně chybný. Tři klíčové kompetence definují úspěšného orchestrátora: „Vkus“ (Taste – čtení geometrie rozdělení), „Nuance“ (mapování nepsaných znalostí) a „Úsudek“ (Judgment – rozhodování mezi konkurenčními rámci). Agentské smyčky přitom exponenciálně zesilují jak správné, tak i chybné počáteční podmínky. → The Business Engineer

Synthszr Take: Teze o orchestrátorovi v jádru opakuje poselství z „Code Crash“. Vkus, nuance, úsudek – to je „Agency“ rozdělená na tři části. Co chybí: Jevonsův paradox ukazuje, že výstup z Mediocristanu se stává téměř bezplatným, a proto rozhodnutí v Extremistanu nebudou častější, ale naopak vzácnější. Orchestrátor není permanentní navigátor, ale příležitostný korektiv v systému, který si 95 % práce udělá sám. Skutečná pointa z pipeline od záměru k produkci: nejnebezpečnější okamžik nastává, když vše zní přesvědčivě správně a orchestrátor se přestane dívat. Kdo investuje do orchestrace, musí zároveň investovat do institucionalizované nedůvěry – do lintovacích systémů pro rozhodnutí, nejen pro kód.