— / 05
Źródła — na czym stoi ten przegląd
Plik źródłowyLekcje
Sprawdzone 11 października 2026. Przy każdej pozycji: co z niej wziąłem i gdzie to jest w przeglądzie. Źródła pierwotne (dokumentacja, kod, notatki wydań, zgłoszenia na GitHubie, karty modeli) mają pierwszeństwo; blogi i materiały marketingowe oznaczam (blog) albo (marketing). Każdy profil w 01-PROFILE.md ma też własne linki źródłowe.
⚠️ Wszystko tutaj starzeje się w tygodniach. Liczbę z tej strony traktuj jako pomiar cudzy, z datą — do sprawdzenia u siebie, zanim na niej oprzesz decyzję.
1. Liczby z GitHuba
- API GitHuba —
GET /repos/{właściciel}/{repo},GET /repos/{…}/releases/latest,GET /repos/{…}/security-advisories, wywołane 11.10.2026 dla 218 repozytoriów. → gwiazdki, licencje, daty ostatnich wydań i commitów, status „archived" w README.md i profilach; liczba porad bezpieczeństwa OpenClaw (722 w 2026: 14 krytycznych, 249 wysokich, 390 średnich, 69 niskich) i Open WebUI (158 w 2026). releases/latestpomija wydania przedpremierowe, a w monorepozytoriach zwraca wydanie innego pakietu. Dla LangGraph (pakietlanggraph), Strands Agents (harness), Kilo Code (wtyczka JetBrains), DeepSeek Harness i LibreChat wersję wziąłem ze stron wydań projektu.
2. Harnessy z czołówki
| Harness | Źródła | Co wziąłem |
|---|---|---|
| LangGraph | modele, trwałe wykonanie, wzorce wieloagentowe, #40219, #35514 | konfiguracja OpenAI-compatible, tryby trwałości, pięć wzorców, błędy reasoning_content i strumieniowania |
| Goose | zmienne środowiskowe, subagenci, tool shim, Adversary, przejście do AAIF, #11142 | model subagentów, receptury i cron, tryby bezpieczeństwa, fundacja, znane błędy lokalnych dostawców |
| OpenHands | lokalne modele, agenci z plików, bramka OpenAI, Canvas v1.25.0, #16459 | podłączenie przez LiteLLM, model: inherit, agent jako „model", wejście głosowe, naprawiona blokada współbieżności |
| Hermes Agent | delegacja, dostawcy, konfiguracja, głos, cron, wydania | delegation.provider/model/base_url, domyślnie 10 dzieci, context_length, STT/TTS, cron bez agenta, tempo zmian |
| Pydantic AI | PR #4149 (scalony 4.02.2026), API zgodne z OpenAI, subagenci, wydanie v2.0.0, #4878 | ConcurrencyLimiter / ConcurrencyLimitedModel (sprawdzone w kodzie: pydantic_ai/concurrency.py), capabilities v2, heurystyki dla llama.cpp |
| Deep Agents | przegląd, subagenci, asynchroniczni subagenci, Open Deep Research — archiwum | model per subagent, task równolegle, następca Open Deep Research |
| Strands Agents | dostawca llama.cpp, harness, BidiAgent GA, #4620 | natywny LlamaCppModel, gotowy harness, głos tylko chmurowy, domyślne 200k kontekstu |
| OpenCode | dostawcy, agenci, serwer, #7410, #52462 | konfiguracja @ai-sdk/openai-compatible, model i uprawnienia per agent, blokada logowania Pro/Max (9.01.2026), błąd function.name: null |
| DeerFlow | README, config.example.yaml, #1055 | przykład llama.cpp, model per subagent, zadania planowane, problemy z lokalnymi modelami |
| ZeroClaw | dostawcy, delegacja, wiele modeli, #10396 | slot llamacpp, native_tools, delegacja domyślnie zabroniona, profile ryzyka |
| Microsoft Agent Framework | dostawca OpenAI, checkpointy, orkiestracje, #8382 | pułapka OpenAIChatClient = Responses API, orkiestracje, naprawa reasoning_content (09.2026) |
| DeepSeek Harness | README, dostawcy, SAFETY.md | profil compat, subagenci Claude Code / Codex / ACP, domyślnie tylko odczyt, status przedpremierowy |
| Pi | README agenta, llama.cpp, modele, bezpieczeństwo | tryb routera llama.cpp, models.json, wirtualne modele, brak zatwierdzeń z założenia |
| gptme | dostawcy, formaty narzędzi, subagenci | OPENAI_BASE_URL, --tool-format xml, tryby izolacji subagentów |
| Moltis | dostawcy, presety agentów, głos, lokalny LLM | presety z modelem, delegate_only, lokalne STT/TTS, brak ścieżki ROCm we wbudowanym backendzie; liczba commitów — API kontrybutorów |
| QwenPaw | modele, wielu agentów, kanały, #7979 | tryb chat.completions, model per agent, lista kanałów, błąd okna kontekstu |
| OpenAI Agents SDK | modele, wydanie v0.23.0, repozytorium | OpenAIChatCompletionsModel, wyłączenie śledzenia, Claude przez LiteLLM, potok głosowy |
| n8n | licencja, AI Agent Tool, człowiek w pętli, współbieżność, porady bezpieczeństwa, ostrzeżenie ACSC, #26639, węzeł OpenAI Chat Model | warunki licencji, model per węzeł, zatwierdzenia, limit nieobejmujący podprzepływów, CVE-2026-21858 (sprawdzone w API: krytyczne, 7.01.2026; wg ACSC zdalne wykonanie kodu bez logowania), przełącznik „Use Responses API" (domyślnie Chat Completions) |
| LibreChat | agenci, wydanie v0.8.8, config v1.3.15, wydania | endpoints.custom, includeReasoningContent, zespoły subagentów, reguły zatwierdzeń, Scheduled Chats |
| Kilo Code | własni subagenci, CLI, licencja, #12773 | model per subagent, rdzeń OpenCode, niezgodność schematów z gramatyką llama.cpp |
3. Zweryfikowane osobno w źródle pierwotnym
Twierdzenia, które najbardziej zmieniały ranking, sprawdziłem sam, poza agentami badawczymi:
| Twierdzenie | Źródło | Wynik |
|---|---|---|
| kompromitacja LiteLLM 1.82.7 i 1.82.8 | BerriAI/litellm#24518 | potwierdzone, 24.03.2026 |
| Codex CLI usunął Chat Completions | openai/codex — dyskusja #7782 | potwierdzone: od lutego 2026 błąd przy wire_api = "chat" |
| prośba o lokalne modele dla subagentów Claude Code | anthropics/claude-code#38698 | otwarta |
| Flowise i Roo Code zarchiwizowane | API GitHuba (archived: true) |
potwierdzone |
| OpenBB pod nową organizacją, licencja | API GitHuba (OpenBB-finance/OpenBB → openbq-org/OpenBB) |
przekierowanie potwierdzone; zmiana licencji na Apache-2.0 w V5 wg notatek wydania |
| atak na pakiety npm Mastra | BankInfoSecurity (prasa) | 140+ pakietów, przypisane BlueNoroff przez Microsoft |
| DeepSeek-V4-Flash: rozmiar, licencja, brak wejścia obrazów | karta modelu | 284B / 13B aktywnych, MIT, kontekst 1M, brak wizji |
| ceny Claude | cennik Anthropic | Opus 5.5 4 / 20, Sonnet 5.5 2 / 10, Haiku 5.5 0,10 / 0,50 USD za mln tokenów; Batch −50% |
| OpenClaw: setki złośliwych umiejętności, wystawione instancje | insiderllm (blog), porady bezpieczeństwa, dokumentacja bezpieczeństwa | liczba porad potwierdzona w API; liczby z raportów branżowych (SecurityScorecard, Koi Security) tylko ze źródła wtórnego |
4. Klocki
| Grupa | Najważniejsze źródła | Co wziąłem |
|---|---|---|
| bramki | llama-swap, Bifrost — wydajność i współbieżność, Datadog Security Labs o LiteLLM | concurrency z kolejką, przebieg kompromitacji |
| wyszukiwanie | SearXNG — settings.yml, Crawl4AI — CHANGELOG, Trafilatura, Scrapling, Playwright MCP | JSON domyślnie wyłączony, poprawki bezpieczeństwa serwera Docker, zalecenie CLI zamiast MCP |
| deep research | Local Deep Research, #6820, GPT Researcher | subskrypcje tematów, brak limitu subagentów, BM25 zamiast embeddingów |
| ceny i zmiany | changedetection.io, Huginn, urlwatch | tryb ceny i dostępności, reguły AI przez llama.cpp |
| finanse | OpenBB ODP — MCP, edgartools, CCXT, TradingAgents v0.6.0, yfinance | dostawca per poziom (Opus deep_think), limity SEC, warunki danych |
| powiadomienia | ntfy — konfiguracja, Apprise — wydania, Telegram Bot API — zmiany | upstream-base-url, łamiące v2.0.0, nowe opcje wejścia głosowego w Bot API 10.1–10.3 |
| harmonogram | Prefect — serwer, DBOS, Temporal, timery systemd | SQLite bez Dockera, kolejki z limitem, Persistent=true |
| pamięć | Cognee — dostawcy LLM, Cognee v1.6.0, Graphiti, Mem0 | tryb bez klucza chmurowego, usunięcie pamięci grafowej z Mem0 OSS |
| obserwowalność | Phoenix — self-hosting, Langfuse, OpenLIT, promptfoo | licencja ELv2, monitoring GPU AMD, przejęcie promptfoo przez OpenAI |
| piaskownice | sandbox-runtime, microsandbox, E2B runtime, Daytona | bez Dockera, mikro-VM, zamknięcie rdzenia Daytony |
| MCP dla DevOps | kubernetes-mcp-server — konfiguracja, mcp-grafana — wydania, github-mcp-server, GitLab MCP | tryby tylko do odczytu, telemetria domyślna w mcp-grafana 2.0 |
5. Głos i obraz
| Temat | Źródła | Co wziąłem |
|---|---|---|
| Pipecat i polski | Pipecat, Smart Turn, LiveKit Agents | Smart Turn obsługuje polski (94,47% wg ogłoszenia v3.0 (blog)), detektory LiveKit — nie |
| STT po polsku | whisper.cpp, Parakeet-TDT-0.6B-v3, Canary-1B-v2, Qwen3-ASR | WER na FLEURS-pl: Whisper large-v3 4,74%, Canary 6,64%, Parakeet 7,31% (tabela NVIDII) |
| TTS po polsku | Piper, Chatterbox, VoxCPM, Kokoro-82M, F5-TTS | które mają polski i jaką licencję; znak wodny Chatterboxa; F5 wymaga ROCm 7.x na RDNA4 |
| mowa-do-mowy | Moshi, Unmute | brak polskiego, brak ścieżki ROCm |
| DeepSeek i wizja | DeepSeek-V4-Flash-Vision-Exp, llama.cpp b10766, #28939, multimodal w llama.cpp | wariant z wizją, minimalna wersja llama.cpp |
| modele wizyjne i OCR | Qwen3.6-35B-A3B, Qwen3.8-27B, Holo4-35B-A3B, Docling, PaddleOCR-VL-1.5 | rozmiary, licencje, wsparcie llama.cpp |
| generowanie obrazów | ComfyUI, stable-diffusion.cpp, Qwen-Image-Edit-2511, Z-Image-Turbo, FLUX.2 klein 4B | modele na Apache-2.0 vs niekomercyjne |
6. Hybryda, routing i koszty
| Temat | Źródła | Co wziąłem |
|---|---|---|
| planista + wykonawca w kodowaniu | Aider: architect/editor | 80,5% i 78,9% z DeepSeekiem jako edytorem |
| chmura dzieli, lokalny przerabia | Minions — arXiv 2502.15964, repozytorium | 5,7× niższy koszt przy 97,9% jakości |
| routing urządzenie / chmura | Hera — arXiv 2605.24598 | 92,5% skuteczności przy chmurze w 46,3% kroków |
| koszt samych lokalnych modeli | OpenJarvis — arXiv 2605.17172 | −25 do −39 pp po zamianie Opusa na mały model |
| advisor tool | The advisor strategy (producent) | +2,7 pp przy 11,9% niższym koszcie; tylko modele Claude |
| Claude Code i lokalne modele | subagenci Claude Code, bramki LLM, własne narzędzia w Agent SDK | brak wsparcia lokalnych modeli dla subagentów; wzorzec „lokalny agent jako narzędzie" |
| serwery MCP delegujące do lokalnych modeli | mcp-llama-swap, PAL | Claude zostaje orkiestratorem |
| Goose lead/worker | multi-model w Goose | tryb usunięty, została jawna delegacja |
| DeepSeek w llama.cpp | #29008 — prompt cache w pętlach, #26398, #26269, b10217 | parser wywołań DSML, poprawki cache |
| ceny | cennik Anthropic, cennik DeepSeek | tabela w 03-ARCHITEKTURA.md |
7. Pomiary tej maszyny
| Źródło | Co wziąłem |
|---|---|
| local-llm-bench-results — PARALLEL.md | 22,6 tok/s dla 1 agenta, 13,6 tok/s na agenta przy 4 (54,3 łącznie); czytanie promptu 1 186 tok/s (1 agent) i 1 694 tok/s łącznie (4); optimum 3 agentów; 44 s oczekiwania przy 4 agentach po 16 tys. tokenów; gpt-oss-20b 141 i 81 tok/s |
| local-llm-bench-results — RESULTS.md | trudny zestaw zadań: DeepSeek-V4-Flash 92 / 93, gpt-oss-20b 47 / 52 |
| konfiguracja llama-swap tej maszyny | kwantyzacja UD-IQ3_XXS (104,2 GB), kontekst 512k na 4 sloty, co najmniej 1,4 GB wolnego VRAM na kartę, limit mocy kart 250 W, wariant gpt-oss-20b-cpu |