{"id":33658,"date":"2026-04-24T05:00:00","date_gmt":"2026-04-24T03:00:00","guid":{"rendered":"https:\/\/sii.pl\/blog\/?p=33658"},"modified":"2026-04-23T15:58:18","modified_gmt":"2026-04-23T13:58:18","slug":"praktyczne-zastosowanie-modeli-ai-w-programowaniu-porownanie-gpt-5-4-i-claude-opus-4-7","status":"publish","type":"post","link":"https:\/\/sii.pl\/blog\/praktyczne-zastosowanie-modeli-ai-w-programowaniu-porownanie-gpt-5-4-i-claude-opus-4-7\/","title":{"rendered":"Praktyczne zastosowanie modeli AI w programowaniu. Por\u00f3wnanie GPT-5.4 i Claude Opus 4.7"},"content":{"rendered":"\n<p>Czasy, gdy sztuczna inteligencja by\u0142a wykorzystywana jedynie do autouzupe\u0142niania kodu, mamy ju\u017c za sob\u0105. W 2026 roku agenci AI, tacy jak GPT-5.4 od OpenAI czy Claude Opus 4.7 od Anthropic, pe\u0142ni\u0105 rol\u0119 pe\u0142noprawnych asystent\u00f3w programistycznych. Potrafi\u0105 samodzielnie analizowa\u0107 b\u0142\u0119dy, refaktoryzowa\u0107 ca\u0142e systemy oraz dba\u0107 o bezpiecze\u0144stwo aplikacji. <\/p>\n\n\n\n<p>Jak dobra\u0107 odpowiedni model do konkretnego zadania? Przyjrzymy si\u0119 ich mo\u017cliwo\u015bciom, kosztom i ekosystemom, aby u\u0142atwi\u0107 Ci podj\u0119cie tej decyzji.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Najpopularniejsze modele AI dla programist\u00f3w w 2026 roku<\/strong><\/h2>\n\n\n\n<p>Dzisiejszy ekosystem narz\u0119dzi programistycznych jest zdominowany przez dwa modele, kt\u00f3re najlepiej ilustruj\u0105 zmian\u0119 w sposobie wytwarzania oprogramowania:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>GPT-5.4,<\/strong><\/li>\n\n\n\n<li><strong>Claude Opus 4.7.<\/strong><\/li>\n<\/ul>\n\n\n\n<p>Na pierwszy rzut oka ich mo\u017cliwo\u015bci wydaj\u0105 si\u0119 zbli\u017cone. Oba modele potrafi\u0105 sprawnie generowa\u0107 kod, analizowa\u0107 z\u0142o\u017cone problemy, przeprowadza\u0107 refaktoryzacj\u0119 i wspiera\u0107 debugowanie.<\/p>\n\n\n\n<p><strong>GPT-5.4<\/strong> to najnowsza propozycja od OpenAI. Model ten \u0142\u0105czy sprawdzone zdolno\u015bci Codexa z zaawansowanym rozumowaniem, natywn\u0105 obs\u0142ug\u0105 komputera (computer use) oraz ogromnym oknem kontekstowym (<a href=\"https:\/\/openai.com\/index\/introducing-gpt-5-4\/\" target=\"_blank\" rel=\"noopener\" title=\"\" rel=\"nofollow\" >\u017ar\u00f3d\u0142o<\/a>). Stanowi on ewolucj\u0119 wcze\u015bniejszego GPT-5.3 Codex, kt\u00f3ry wci\u0105\u017c \u015bwietnie sprawdza si\u0119 jako ta\u0144sza alternatywa do zada\u0144 czysto terminalowych.<\/p>\n\n\n\n<p><strong>Claude Opus 4.7 <\/strong>zosta\u0142 zaprezentowany przez Anthropic jako najzdolniejszy publicznie dost\u0119pny model do zaawansowanego programowania i analitycznego rozumowania (<a href=\"https:\/\/www.anthropic.com\/news\/claude-opus-4-7\" target=\"_blank\" rel=\"noopener\" title=\"\" rel=\"nofollow\" >\u017ar\u00f3d\u0142o<\/a>).<\/p>\n\n\n\n<p>Gdzie zatem le\u017cy prawdziwa r\u00f3\u017cnica? Tkwi ona w <strong>skuteczno\u015bci przy konkretnych typach zada\u0144<\/strong>, <strong>w ekosystemie narz\u0119dziowym oraz w<\/strong> <strong>stosunku jako\u015bci do koszt\u00f3w<\/strong>.<\/p>\n\n\n\n<p>Obecnie oba modele s\u0105 powszechnie dost\u0119pne przez API oraz zintegrowane z najpopularniejszymi narz\u0119dziami, takimi jak Cursor, Windsurf czy GitHub Copilot. Od lutego 2026 roku zar\u00f3wno rozwi\u0105zania OpenAI, jak i Anthropic dzia\u0142aj\u0105 jako agenci w GitHub Copilot (<a href=\"https:\/\/github.blog\/changelog\/2026-02-04-claude-and-codex-are-now-available-in-public-preview-on-github\" target=\"_blank\" rel=\"noopener\" title=\"\" rel=\"nofollow\" >\u017ar\u00f3d\u0142o<\/a>).<\/p>\n\n\n\n<p>Podzia\u0142 na rynku nie polega wi\u0119c na tym, gdzie dany model jest dost\u0119pny, ale na tym, w jakim ekosystemie narz\u0119dzi dzia\u0142a najefektywniej:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>OpenAI<\/strong> oferuje g\u0142\u0119bok\u0105 integracj\u0119 z GitHub Copilot (zar\u00f3wno w IDE, jak i przy PR review), posiada w\u0142asne Codex IDE, rozszerzenia do popularnych edytor\u00f3w (VS Code, Cursor, Windsurf) oraz gotowe biblioteki do CI\/CD. To ekosystem mocno osadzony w codziennym pipeline&#8217;ie developerskim.<\/li>\n\n\n\n<li><strong>Anthropic<\/strong> proponuje Claude Code (agenta CLI do pracy w terminalu), a jej modele s\u0105 cz\u0119sto wybieran\u0105 opcj\u0105 przez u\u017cytkownik\u00f3w Cursora. Ich podej\u015bcie jest zdecydowanie bardziej agent-centric i API-first.<\/li>\n<\/ul>\n\n\n\n<p>Wyb\u00f3r modelu sprowadza si\u0119 wi\u0119c cz\u0119sto do decyzji, w kt\u00f3rym ekosystemie chcesz pracowa\u0107.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Jak zmieni\u0142y si\u0119 opisywane modele?<\/strong><\/h2>\n\n\n\n<figure class=\"wp-block-table\"><table class=\"has-fixed-layout\"><tbody><tr><td class=\"has-text-align-center\" data-align=\"center\"><\/td><td class=\"has-text-align-center\" data-align=\"center\"><strong>Wcze\u015bniej<\/strong><\/td><td class=\"has-text-align-center\" data-align=\"center\"><strong>Obecnie<\/strong><\/td><\/tr><tr><td class=\"has-text-align-center\" data-align=\"center\"><strong>OpenAI<\/strong> (5.3 Codex \u2192 5.4)<\/td><td class=\"has-text-align-center\" data-align=\"center\">Generowa\u0142 kod na podstawie prompta, dzia\u0142a\u0142 na pojedynczych plikach.<\/td><td class=\"has-text-align-center\" data-align=\"center\">GPT-5.4 \u0142\u0105czy kodowanie z natywnym computer use, rozumowaniem i ogromnym kontekstem (1,05M token\u00f3w).<\/td><\/tr><tr><td class=\"has-text-align-center\" data-align=\"center\"><strong>Opus<\/strong> (4.6 \u2192 4.7)<\/td><td class=\"has-text-align-center\" data-align=\"center\">Dobrze generowa\u0142 odpowiedzi, ale miewa\u0142 ograniczenia w przypadku bardziej z\u0142o\u017conych analiz.<\/td><td class=\"has-text-align-center\" data-align=\"center\">Prowadzi wieloetapowe rozumowanie, utrzymuje kontekst du\u017cych system\u00f3w, generuje i refaktoryzuje kod na wysokim poziomie. Wersja 4.7 przynios\u0142a skok na SWE-bench Pro z 53,4% do 64,3%.<\/td><\/tr><\/tbody><\/table><figcaption class=\"wp-element-caption\">Tab. 1 Jak zmieni\u0142y si\u0119 opisywane modele?<\/figcaption><\/figure>\n\n\n\n<p><strong>Kr\u00f3tko m\u00f3wi\u0105c:<\/strong> oba modele awansowa\u0142y z roli zwyk\u0142ych \u201egenerator\u00f3w snippet\u00f3w\u201d do poziomu <strong>pe\u0142noprawnych agent\u00f3w programistycznych<\/strong>. Obecnie r\u00f3\u017cni\u0105 si\u0119 tym, w jaki spos\u00f3b podchodz\u0105 do rozwi\u0105zania problemu, a nie tym, czy w og\u00f3le potrafi\u0105 go rozwi\u0105za\u0107.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Czym r\u00f3\u017cni si\u0119 Opus 4.6 od 4.7?<\/strong><\/h2>\n\n\n\n<p>Wydany w po\u0142owie kwietnia Opus 4.7 wprowadza szereg zmian, kt\u00f3re w praktyce przek\u0142adaj\u0105 si\u0119 na lepsze wyniki w wybranych scenariuszach:<\/p>\n\n\n\n<figure class=\"wp-block-table\"><table class=\"has-fixed-layout\"><tbody><tr><td class=\"has-text-align-center\" data-align=\"center\"><strong>Obszar<\/strong><\/td><td class=\"has-text-align-center\" data-align=\"center\"><strong>Opus 4.6<\/strong><\/td><td class=\"has-text-align-center\" data-align=\"center\"><strong>Opus 4.7<\/strong><\/td><td class=\"has-text-align-center\" data-align=\"center\"><strong>Zmiana<\/strong><\/td><\/tr><tr><td class=\"has-text-align-center\" data-align=\"center\"><strong>SWE-bench Pro<\/strong> (coding)<\/td><td class=\"has-text-align-center\" data-align=\"center\">53,4%<\/td><td class=\"has-text-align-center\" data-align=\"center\">64,3%<\/td><td class=\"has-text-align-center\" data-align=\"center\">+20%<\/td><\/tr><tr><td class=\"has-text-align-center\" data-align=\"center\"><strong>CursorBench<\/strong><\/td><td class=\"has-text-align-center\" data-align=\"center\">58%<\/td><td class=\"has-text-align-center\" data-align=\"center\">70%<\/td><td class=\"has-text-align-center\" data-align=\"center\">+12pp<\/td><\/tr><tr><td class=\"has-text-align-center\" data-align=\"center\"><strong>OfficeQA Pro<\/strong> (dokument reasoning)<\/td><td class=\"has-text-align-center\" data-align=\"center\">baseline<\/td><td class=\"has-text-align-center\" data-align=\"center\">\u221221% b\u0142\u0119d\u00f3w<\/td><td class=\"has-text-align-center\" data-align=\"center\">znacz\u0105ca poprawa<\/td><\/tr><tr><td class=\"has-text-align-center\" data-align=\"center\"><strong>Vision<\/strong> (maks. rozdzielczo\u015b\u0107)<\/td><td class=\"has-text-align-center\" data-align=\"center\">1,15 MP<\/td><td class=\"has-text-align-center\" data-align=\"center\">3,75 MP<\/td><td class=\"has-text-align-center\" data-align=\"center\">3x wi\u0119cej<\/td><\/tr><\/tbody><\/table><figcaption class=\"wp-element-caption\">Tab. 2 Czym r\u00f3\u017cni si\u0119 Opus 4.6 od 4.7? <em>(Dane benchmarkowe pochodz\u0105 z materia\u0142\u00f3w Anthropic oraz wynik\u00f3w publikowanych przez partner\u00f3w, np. CursorBench, OfficeQA Pro; <\/em><a href=\"https:\/\/www.anthropic.com\/news\/claude-opus-4-7\" target=\"_blank\" rel=\"noopener\" title=\"\" rel=\"nofollow\" ><em>\u017ar\u00f3d\u0142o<\/em><\/a><em>)<\/em><\/figcaption><\/figure>\n\n\n\n<p>W\u015br\u00f3d najwa\u017cniejszych nowo\u015bci w wersji 4.7 warto wymieni\u0107:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>xhigh effort level<\/strong> \u2013 nowy parametr stworzony specjalnie do zada\u0144 wymagaj\u0105cych najg\u0142\u0119bszego rozumowania.<\/li>\n\n\n\n<li><strong>Task budgets (beta)<\/strong> \u2013 funkcja pozwalaj\u0105ca modelowi zarz\u0105dza\u0107 bud\u017cetem token\u00f3w w p\u0119tlach agentowych.<\/li>\n\n\n\n<li><strong>Nowy tokenizer<\/strong> \u2013 tu ma\u0142a uwaga: zwi\u0119ksza on zu\u017cycie token\u00f3w o oko\u0142o 35%, co realnie podnosi koszty operacyjne, przy zachowaniu dotychczasowego cennika ($5\/M input, $25\/M output).<\/li>\n<\/ul>\n\n\n\n<p><strong>Wa\u017cne zastrze\u017cenie praktyczne:<\/strong> Opus 4.7 znacznie \u015bci\u015blej trzyma si\u0119 instrukcji (stricter instruction following). Oznacza to, \u017ce prompty, kt\u00f3re \u015bwietnie dzia\u0142a\u0142y w wersji 4.6, mog\u0105 wymaga\u0107 drobnych korekt. Warto przetestowa\u0107 je przed pe\u0142n\u0105 migracj\u0105.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Jak powsta\u0142 GPT-5.4?<\/strong><\/h2>\n\n\n\n<p>Warto wyja\u015bni\u0107 jedn\u0105 rzecz: GPT-5.4 nie jest po prostu now\u0105 wersj\u0105 modelu Codex. To <strong>kompleksowy, uniwersalny model, kt\u00f3ry wch\u0142on\u0105\u0142 wszystkie umiej\u0119tno\u015bci programowania swoich poprzednik\u00f3w<\/strong>, a nast\u0119pnie rozbudowa\u0142 je o natywn\u0105 obs\u0142ug\u0119 komputera (ang. computer use), zaawansowany research i pot\u0119\u017cny kontekst.<\/p>\n\n\n\n<p>Aby lepiej to zrozumie\u0107, sp\u00f3jrzmy na ewolucj\u0119 narz\u0119dzi OpenAI:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>GPT-5.2-Codex<\/strong> (koniec 2025) \u2013 pierwszy samodzielny agent w ofercie firmy.<\/li>\n\n\n\n<li><strong>GPT-5.3-Codex<\/strong> (luty 2026) \u2013 aktualizacja: model o 25% szybszy, \u015bwietnie radz\u0105cy sobie w terminalu (77,3% w Terminal-Bench) i pierwszy z najwy\u017csz\u0105 ocen\u0105 w obszarze cyberbezpiecze\u0144stwa (<a href=\"https:\/\/openai.com\/index\/introducing-gpt-5-3-codex\/\" target=\"_blank\" rel=\"noopener\" title=\"\" rel=\"nofollow\" >\u017ar\u00f3d\u0142o<\/a>).<\/li>\n\n\n\n<li><strong>GPT-5.4<\/strong> (marzec 2026) \u2013 OpenAI po\u0142\u0105czy\u0142o precyzj\u0119 programowania Codexa z og\u00f3lnym rozumowaniem i oknem kontekstowym mieszcz\u0105cym a\u017c 1,05M token\u00f3w (<a href=\"https:\/\/openai.com\/index\/introducing-gpt-5-4\/\" target=\"_blank\" rel=\"noopener\" title=\"\" rel=\"nofollow\" >\u017ar\u00f3d\u0142o<\/a>).<\/li>\n<\/ul>\n\n\n\n<p>Co wa\u017cne, starszy GPT-5.3 Codex nie znikn\u0105\u0142 z rynku. Wci\u0105\u017c pozostaje w ofercie jako najbardziej przyst\u0119pne cenowo rozwi\u0105zanie do <strong>zada\u0144 czysto terminalowych i pracy w CLI<\/strong>. Je\u015bli Tw\u00f3j codzienny workflow opiera si\u0119 g\u0142\u00f3wnie na konsoli, skryptach i automatyzacji, Codex 5.3 nadal b\u0119dzie strza\u0142em w dziesi\u0105tk\u0119.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Charakterystyka pracy: GPT-5.4 i Claude Opus 4.7<\/strong><\/h2>\n\n\n\n<p>Cho\u0107 oba modele bez problemu poradz\u0105 sobie z wi\u0119kszo\u015bci\u0105 codziennych zada\u0144 programistycznych, r\u00f3\u017cni je podej\u015bcie do pracy. A to w\u0142a\u015bnie decyduje o ich skuteczno\u015bci w konkretnych scenariuszach.<\/p>\n\n\n\n<figure class=\"wp-block-table\"><table class=\"has-fixed-layout\"><tbody><tr><td class=\"has-text-align-center\" data-align=\"center\"><strong>Obszar<\/strong><\/td><td class=\"has-text-align-center\" data-align=\"center\"><strong>GPT-5.4<\/strong><\/td><td class=\"has-text-align-center\" data-align=\"center\"><strong>Opus 4.7<\/strong><\/td><\/tr><tr><td class=\"has-text-align-center\" data-align=\"center\"><strong>Domy\u015blny styl<\/strong><\/td><td class=\"has-text-align-center\" data-align=\"center\">Szybko przechodzi do implementacji<\/td><td class=\"has-text-align-center\" data-align=\"center\">Najpierw analizuje, potem dzia\u0142a<\/td><\/tr><tr><td class=\"has-text-align-center\" data-align=\"center\"><strong>Si\u0142a<\/strong><\/td><td class=\"has-text-align-center\" data-align=\"center\">Szybko\u015b\u0107, computer use, szerokie zdolno\u015bci<\/td><td class=\"has-text-align-center\" data-align=\"center\">G\u0142\u0119boko\u015b\u0107 rozumowania, utrzymanie kontekstu<\/td><\/tr><tr><td class=\"has-text-align-center\" data-align=\"center\"><a href=\"https:\/\/www.swebench.com\/\" target=\"_blank\" rel=\"noopener\" title=\"\" rel=\"nofollow\" ><strong>SWE-bench Pro<\/strong><\/a><\/td><td class=\"has-text-align-center\" data-align=\"center\">57,7% (wg <a href=\"https:\/\/openai.com\/index\/introducing-gpt-5-4\/\" target=\"_blank\" rel=\"noopener\" title=\"\" rel=\"nofollow\" >OpenAI<\/a>)<\/td><td class=\"has-text-align-center\" data-align=\"center\"><strong>64,3%<\/strong> (wg <a href=\"https:\/\/www.anthropic.com\/news\/claude-opus-4-7\" target=\"_blank\" rel=\"noopener\" title=\"\" rel=\"nofollow\" >Anthropic<\/a>)<\/td><\/tr><tr><td class=\"has-text-align-center\" data-align=\"center\"><strong>Kontekst<\/strong><\/td><td class=\"has-text-align-center\" data-align=\"center\"><strong>1,05M token\u00f3w<\/strong><\/td><td class=\"has-text-align-center\" data-align=\"center\">1M token\u00f3w<\/td><\/tr><tr><td class=\"has-text-align-center\" data-align=\"center\"><strong>Computer use<\/strong><\/td><td class=\"has-text-align-center\" data-align=\"center\"><strong>Natywny<\/strong> (<a href=\"https:\/\/os-world.github.io\/\" target=\"_blank\" rel=\"noopener\" title=\"\" rel=\"nofollow\" >OSWorld<\/a> 75%)<\/td><td class=\"has-text-align-center\" data-align=\"center\">Obs\u0142ugiwany (Computer Use API, wizja 3,75 MP)<\/td><\/tr><tr><td class=\"has-text-align-center\" data-align=\"center\"><strong>Ekosystem (najg\u0142\u0119bsza integracja)<\/strong><\/td><td class=\"has-text-align-center\" data-align=\"center\">GitHub Copilot (PR review, Copilot w IDE), Codex IDE, rozszerzenia do CI\/CD<\/td><td class=\"has-text-align-center\" data-align=\"center\">Cursor, Claude Code (CLI), API-first<\/td><\/tr><tr><td class=\"has-text-align-center\" data-align=\"center\"><strong>Security<\/strong><\/td><td class=\"has-text-align-center\" data-align=\"center\">Codex Security \u2013 proaktywne skanowanie podatno\u015bci w pipeline<\/td><td class=\"has-text-align-center\" data-align=\"center\">\u015awiadomie zaw\u0119\u017cone zdolno\u015bci w obszarze cyberbezpiecze\u0144stwa (wg Anthropic, wzgl\u0119dem Mythos)<\/td><\/tr><tr><td class=\"has-text-align-center\" data-align=\"center\"><strong>Podej\u015bcie do ryzyka<\/strong><\/td><td class=\"has-text-align-center\" data-align=\"center\">Szerokie zdolno\u015bci + warstwy kontroli<\/td><td class=\"has-text-align-center\" data-align=\"center\">Ograniczenie zdolno\u015bci u \u017ar\u00f3d\u0142a<\/td><\/tr><\/tbody><\/table><figcaption class=\"wp-element-caption\">Tab. 3 Charakterystyka pracy: GPT-5.4 i Claude Opus 4.7<\/figcaption><\/figure>\n\n\n\n<p>Ostatni wiersz tabeli doskonale obrazuje <strong>podstawow\u0105 r\u00f3\u017cnic\u0119 w filozofii obu dostawc\u00f3w<\/strong>.<\/p>\n\n\n\n<p>OpenAI udost\u0119pnia model o niezwykle szerokich zdolno\u015bciach, ale nak\u0142ada na niego zewn\u0119trzne warstwy kontroli (takie jak Codex Security czy Trusted Access for Cyber). Anthropic wybiera inn\u0105 drog\u0119: cz\u0119\u015b\u0107 potencjalnie niebezpiecznych zdolno\u015bci jest zaw\u0119\u017cana jeszcze przed publicznym udost\u0119pnieniem modelu (wed\u0142ug deklaracji firmy, zdolno\u015bci Opusa 4.7 w obszarze cyberbezpiecze\u0144stwa zosta\u0142y \u015bwiadomie ograniczone w por\u00f3wnaniu z pot\u0119\u017cnym modelem Mythos). Oba podej\u015bcia maj\u0105 sens i wp\u0142ywaj\u0105 na to, jak ostatecznie zaprojektujesz sw\u00f3j workflow.<\/p>\n\n\n\n<p>Najpro\u015bciej ujmuj\u0105c, r\u00f3\u017cnica w stylu ich pracy wygl\u0105da tak:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>GPT-5.4:<\/strong> <em>Otrzymuje zadanie \u2192 natychmiast generuje rozwi\u0105zanie \u2192 iteruje, je\u015bli testy nie przechodz\u0105.<\/em><\/li>\n\n\n\n<li><strong>Opus:<\/strong> <em>Otrzymuje zadanie \u2192 analizuje kontekst \u2192 planuje podej\u015bcie \u2192 implementuje kod wraz z uzasadnieniem.<\/em><\/li>\n<\/ul>\n\n\n\n<p>\u017baden z tych styl\u00f3w nie jest obiektywnie lepszy. Wszystko zale\u017cy od tego, z jakim problemem si\u0119 mierzysz.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Sk\u0105d bior\u0105 si\u0119 te r\u00f3\u017cnice?<\/strong><\/h2>\n\n\n\n<p>Odmienny styl pracy nie jest dzie\u0142em przypadku \u2013 wynika z decyzji projektowych na poziomie architektury samych modeli:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Planowanie jawne vs. niejawne.<\/strong> Opus ma w zwyczaju jawnie rozk\u0142ada\u0107 problem na mniejsze kroki, zanim wygeneruje pierwsz\u0105 linijk\u0119 kodu. GPT-5.4 planuje bardziej \u201ew locie\u201d \u2013 zaczyna pisa\u0107 i koryguje kurs na bie\u017c\u0105co. W efekcie Opus rzadziej wpada w \u015blepe zau\u0142ki przy skomplikowanych zadaniach, ale za to bywa wolniejszy przy tych najprostszych. To klasyczny dylemat znany z system\u00f3w rozproszonych: podej\u015bcie execution-first (optymistyczne) kontra plan-first (deliberatywne).<\/li>\n\n\n\n<li><strong>Zarz\u0105dzanie kontekstem.<\/strong> Oba modele dysponuj\u0105 pot\u0119\u017cnym kontekstem (oko\u0142o 1M token\u00f3w) i generuj\u0105 do 128k token\u00f3w wyj\u015bciowych. R\u00f3\u017cnica polega na tym, jak go wykorzystuj\u0105. Opus doskonale radzi sobie z utrzymaniem sp\u00f3jno\u015bci podczas d\u0142ugich, wieloetapowych interakcji. GPT-5.4 jest z kolei bezkonkurencyjny, gdy zadanie wymaga szerokiego wachlarza zdolno\u015bci (np. jednoczesnego kodowania, korzystania z przegl\u0105darki i researchu) w ramach jednej sesji.<\/li>\n\n\n\n<li><strong>Strategia wobec niepewno\u015bci.<\/strong> Gdy brakuje danych, GPT-5.4 ma tendencj\u0119 do generowania najbardziej prawdopodobnego rozwi\u0105zania. Opus cz\u0119\u015bciej si\u0119 zatrzyma i wprost zapyta o brakuj\u0105ce informacje. W zale\u017cno\u015bci od sytuacji ka\u017cda z tych cech mo\u017ce by\u0107 ogromn\u0105 zalet\u0105 lub irytuj\u0105c\u0105 wad\u0105.<\/li>\n<\/ul>\n\n\n\n<p>Te r\u00f3\u017cnice przek\u0142adaj\u0105 si\u0119 na twarde dane. Wynik Opusa 4.7 na <a href=\"https:\/\/www.swebench.com\/\" target=\"_blank\" rel=\"noopener\" title=\"\" rel=\"nofollow\" >SWE-bench Pro<\/a> (64,3% wg Anthropic vs 57,7% dla GPT-5.4) potwierdza, \u017ce g\u0142\u0119bsze planowanie realnie przek\u0142ada si\u0119 na jako\u015b\u0107 kodu w z\u0142o\u017conych projektach.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Praktyczne zastosowania modeli w projektach IT<\/strong><\/h2>\n\n\n\n<p>Zejd\u017amy z poziomu abstrakcji i sp\u00f3jrzmy na konkretne scenariusze, w kt\u00f3rych wyb\u00f3r modelu robi realn\u0105 r\u00f3\u017cnic\u0119.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\"><strong>Kiedy najlepiej sprawdzi si\u0119 GPT-5.4?<\/strong><\/h3>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Masowa refaktoryzacja:<\/strong> Zmiana wzorca w 200 plikach czy migracja du\u017cego API. GPT-5.4 oferuje znacznie wy\u017cszy throughput i ni\u017csz\u0105 cen\u0119 za token, co ma kluczowe znaczenie przy powtarzalnych zmianach na du\u017c\u0105 skal\u0119.<\/li>\n\n\n\n<li><strong>Generowanie boilerplate&#8217;u:<\/strong> Pisanie powtarzalnych test\u00f3w, operacji CRUD czy plik\u00f3w konfiguracyjnych. Tu liczy si\u0119 szybko\u015b\u0107.<\/li>\n\n\n\n<li><strong>Zadania wymagaj\u0105ce intensywnego computer use:<\/strong> Interakcja z interfejsem u\u017cytkownika, testowanie aplikacji webowych czy praca z narz\u0119dziami desktopowymi. GPT-5.4 posiada natywny computer use zintegrowany bezpo\u015brednio w modelu (<a href=\"https:\/\/os-world.github.io\/\" target=\"_blank\" rel=\"noopener\" title=\"\" rel=\"nofollow\" >OSWorld<\/a> 75%, <a href=\"https:\/\/openai.com\/index\/introducing-gpt-5-4\/\" target=\"_blank\" rel=\"noopener\" title=\"\" rel=\"nofollow\" >\u017ar\u00f3d\u0142o<\/a>). Opus obs\u0142uguje to przez API, ale z nieco mniejsz\u0105 dojrza\u0142o\u015bci\u0105.<\/li>\n\n\n\n<li><strong>\u015acis\u0142a integracja z GitHubem:<\/strong> Automatyczne PR review, sugestie w Copilot, wsparcie CI\/CD. Modele OpenAI s\u0105 domy\u015blnie dost\u0119pne w GitHub Copilot dla u\u017cytkownik\u00f3w biznesowych (<a href=\"https:\/\/github.blog\/changelog\/2026-02-09-gpt-5-3-codex-is-now-generally-available-for-github-copilot\/\" target=\"_blank\" rel=\"noopener\" title=\"\" rel=\"nofollow\" >\u017ar\u00f3d\u0142o<\/a>).<\/li>\n\n\n\n<li><strong>Skanowanie bezpiecze\u0144stwa:<\/strong> Wprowadzony w marcu 2026 Codex Security to nie tylko funkcja, ale osobna warstwa w pipeline. Analizuje kod przed merge&#8217;em, dzia\u0142aj\u0105c jak inteligentny SAST\/DAST. Rozumie kontekst zmian i redukuje fa\u0142szywe alarmy o oko\u0142o 50% (<a href=\"https:\/\/openai.com\/index\/introducing-gpt-5-3-codex\/\" target=\"_blank\" rel=\"noopener\" title=\"\" rel=\"nofollow\" >\u017ar\u00f3d\u0142o<\/a>).<\/li>\n<\/ul>\n\n\n\n<h3 class=\"wp-block-heading\"><strong>Kiedy warto si\u0119gn\u0105\u0107 po Claude Opus 4.7?<\/strong><\/h3>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Debugowanie z\u0142o\u017conych problem\u00f3w:<\/strong> Race conditions, wycieki pami\u0119ci, b\u0142\u0119dy pojawiaj\u0105ce si\u0119 losowo (ang. intermittent failures). Opus stawia na g\u0142\u0119bsz\u0105 analiz\u0119 i \u015bwietnie utrzymuje kontekst, co znajduje odzwierciedlenie w wynikach SWE-bench Pro.<\/li>\n\n\n\n<li><strong>Decyzje architektoniczne:<\/strong> Ocena trade-off\u00f3w, wyb\u00f3r odpowiedniego wzorca projektowego czy analiza wp\u0142ywu pojedynczej zmiany na ca\u0142y system. Tutaj g\u0142\u0119bsze rozumowanie zdecydowanie pop\u0142aca.<\/li>\n\n\n\n<li><strong>Praca z du\u017cym, powi\u0105zanym kontekstem:<\/strong> Analiza wielu zale\u017cnych od siebie plik\u00f3w i zrozumienie przep\u0142ywu danych przez wiele warstw aplikacji.<\/li>\n\n\n\n<li><strong>Analiza wizualna:<\/strong> Opus 4.7 potrafi analizowa\u0107 obrazy o rozdzielczo\u015bci do 3,75 MP. To nieoceniona pomoc przy debugowaniu UI, analizie skomplikowanych diagram\u00f3w architektonicznych czy zrzut\u00f3w ekranu z b\u0142\u0119dami.<\/li>\n<\/ul>\n\n\n\n<h3 class=\"wp-block-heading\"><strong>Kiedy wi\u0119cej nie znaczy lepiej<\/strong><\/h3>\n\n\n\n<p>Warto pami\u0119ta\u0107, \u017ce g\u0142\u0119bsze rozumowanie nie zawsze oznacza lepszy wynik dla u\u017cytkownika. Przy bardzo prostych zadaniach Opus potrafi by\u0107 wolniejszy i dro\u017cszy \u2013 nie dlatego, \u017ce sobie nie radzi, ale dlatego, \u017ce <em>analizuje wi\u0119cej ni\u017c to konieczne<\/em>. Zamiast po prostu napisa\u0107 prosty endpoint, zaczyna rozwa\u017ca\u0107 edge case&#8217;y, o kt\u00f3re nikt nie prosi\u0142. Dodatkowo nowy tokenizer w wersji 4.7 zwi\u0119ksza koszt takich operacji o ~35%.<\/p>\n\n\n\n<p>Z drugiej strony, przy niekt\u00f3rych uci\u0105\u017cliwych bugach, iteracyjne podej\u015bcie GPT-5.4 bywa zaskakuj\u0105co skuteczne. Model b\u0142yskawicznie generuje kilka wariant\u00f3w poprawek, kt\u00f3re mo\u017cesz szybko zweryfikowa\u0107 za pomoc\u0105 test\u00f3w.<\/p>\n\n\n\n<p><strong>Oba modele radz\u0105 sobie \u015bwietnie, gdy chodzi o:<\/strong><\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>codzienne kodowanie (nowe funkcje, proste poprawki).<\/li>\n\n\n\n<li>code review (oba sprawnie wy\u0142apuj\u0105 problemy).<\/li>\n\n\n\n<li>wyja\u015bnianie i dokumentowanie istniej\u0105cego kodu.<\/li>\n<\/ul>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Nowy workflow programisty<\/strong><\/h2>\n\n\n\n<p>Jak praca z tymi modelami wygl\u0105da w praktyce? Wyobra\u017amy sobie klasyczny problem: nag\u0142e timeouty na endpoincie \/api\/orders.<\/p>\n\n\n\n<p><strong>Kiedy\u015b (bez AI):<\/strong><\/p>\n\n\n\n<ol start=\"1\" class=\"wp-block-list\">\n<li>Developer analizuje logi.<\/li>\n\n\n\n<li>Szuka przyczyny w kodzie.<\/li>\n\n\n\n<li>Implementuje poprawk\u0119.<\/li>\n\n\n\n<li>Pisze testy i wdra\u017ca zmian\u0119.<\/li>\n<\/ol>\n\n\n\n<p><strong>Dzi\u015b (z AI) \u2013 wykorzystuj\u0105c mocne strony ka\u017cdego modelu:<\/strong><\/p>\n\n\n\n<ol start=\"1\" class=\"wp-block-list\">\n<li><strong>Specify:<\/strong> Zapisujesz kr\u00f3tk\u0105 specyfikacj\u0119 problemu (cel, kryteria akceptacji, ograniczenia) \u2013 w SPEC.md, issue w Jirze lub w opisie zadania.<\/li>\n\n\n\n<li>Podajesz Opusowi logi z ostatnich 24 h razem ze specyfikacj\u0105 \u2192 Opus identyfikuje, \u017ce problem pojawia si\u0119 tylko przy zam\u00f3wieniach powy\u017cej 50 pozycji. Wskazuje na brak paginacji i problem z N+1 query.<\/li>\n\n\n\n<li>Przekazujesz t\u0119 analiz\u0119 do GPT-5.4 \u2192 model refaktoryzuje repozytorium, dodaje paginacj\u0119, eliminuje N+1 i generuje test integracyjny.<\/li>\n\n\n\n<li>Codex Security skanuje poprawk\u0119 pod k\u0105tem podatno\u015bci (np. IDOR \u2013 Insecure Direct Object Reference, SQL injection) \u2192 potwierdza bezpiecze\u0144stwo tej zmiany.<\/li>\n\n\n\n<li>Ty robisz finalne review \u2192 sprawdzasz, czy rozwi\u0105zanie nie \u0142amie kontraktu API, uruchamiasz testy i wdra\u017casz.<\/li>\n<\/ol>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Co faktycznie zmieni\u0142o si\u0119 w kodzie<\/strong><\/h2>\n\n\n\n<p>Na podstawie analizy Opusa, GPT-5.4 wygenerowa\u0142 poprawk\u0119. Sam diff jest kr\u00f3tki, ale wymaga\u0142 zrozumienia JPA, zachowania kontraktu API i dopisania testu regresyjnego, czyli dok\u0142adnie tego, czego oczekujemy od asystenta AI.<\/p>\n\n\n\n<p><strong>Przed:<\/strong><\/p>\n\n\n\n<figure data-wp-context=\"{&quot;uploadedSrc&quot;:&quot;https:\\\/\\\/sii.pl\\\/blog\\\/wp-content\\\/uploads\\\/2026\\\/04\\\/image1-1.png&quot;,&quot;figureClassNames&quot;:&quot;wp-block-image aligncenter size-full&quot;,&quot;figureStyles&quot;:null,&quot;imgClassNames&quot;:&quot;wp-image-33659&quot;,&quot;imgStyles&quot;:null,&quot;targetWidth&quot;:796,&quot;targetHeight&quot;:336,&quot;scaleAttr&quot;:false,&quot;ariaLabel&quot;:&quot;Powi\\u0119ksz obrazek: kod&quot;,&quot;alt&quot;:&quot;kod&quot;}\" data-wp-interactive=\"core\/image\" class=\"wp-block-image aligncenter size-full wp-lightbox-container\"><img decoding=\"async\" width=\"796\" height=\"336\" data-wp-init=\"callbacks.setButtonStyles\" data-wp-on-async--click=\"actions.showLightbox\" data-wp-on-async--load=\"callbacks.setButtonStyles\" data-wp-on-async-window--resize=\"callbacks.setButtonStyles\" src=\"https:\/\/sii.pl\/blog\/wp-content\/uploads\/2026\/04\/image1-1.png\" alt=\"kod\" class=\"wp-image-33659\" srcset=\"https:\/\/sii.pl\/blog\/wp-content\/uploads\/2026\/04\/image1-1.png 796w, https:\/\/sii.pl\/blog\/wp-content\/uploads\/2026\/04\/image1-1-300x127.png 300w, https:\/\/sii.pl\/blog\/wp-content\/uploads\/2026\/04\/image1-1-768x324.png 768w\" sizes=\"(max-width: 796px) 100vw, 796px\" \/><button\n\t\t\tclass=\"lightbox-trigger\"\n\t\t\ttype=\"button\"\n\t\t\taria-haspopup=\"dialog\"\n\t\t\taria-label=\"Powi\u0119ksz obrazek: kod\"\n\t\t\tdata-wp-init=\"callbacks.initTriggerButton\"\n\t\t\tdata-wp-on-async--click=\"actions.showLightbox\"\n\t\t\tdata-wp-style--right=\"context.imageButtonRight\"\n\t\t\tdata-wp-style--top=\"context.imageButtonTop\"\n\t\t>\n\t\t\t<svg xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"12\" height=\"12\" fill=\"none\" viewBox=\"0 0 12 12\">\n\t\t\t\t<path fill=\"#fff\" d=\"M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z\" \/>\n\t\t\t<\/svg>\n\t\t<\/button><\/figure>\n\n\n\n<p><strong>Po:<\/strong><\/p>\n\n\n\n<figure data-wp-context=\"{&quot;uploadedSrc&quot;:&quot;https:\\\/\\\/sii.pl\\\/blog\\\/wp-content\\\/uploads\\\/2026\\\/04\\\/image2-2.png&quot;,&quot;figureClassNames&quot;:&quot;wp-block-image aligncenter size-full&quot;,&quot;figureStyles&quot;:null,&quot;imgClassNames&quot;:&quot;wp-image-33661&quot;,&quot;imgStyles&quot;:null,&quot;targetWidth&quot;:796,&quot;targetHeight&quot;:369,&quot;scaleAttr&quot;:false,&quot;ariaLabel&quot;:&quot;Powi\\u0119ksz obrazek: kod&quot;,&quot;alt&quot;:&quot;kod&quot;}\" data-wp-interactive=\"core\/image\" class=\"wp-block-image aligncenter size-full wp-lightbox-container\"><img decoding=\"async\" width=\"796\" height=\"369\" data-wp-init=\"callbacks.setButtonStyles\" data-wp-on-async--click=\"actions.showLightbox\" data-wp-on-async--load=\"callbacks.setButtonStyles\" data-wp-on-async-window--resize=\"callbacks.setButtonStyles\" src=\"https:\/\/sii.pl\/blog\/wp-content\/uploads\/2026\/04\/image2-2.png\" alt=\"kod\" class=\"wp-image-33661\" srcset=\"https:\/\/sii.pl\/blog\/wp-content\/uploads\/2026\/04\/image2-2.png 796w, https:\/\/sii.pl\/blog\/wp-content\/uploads\/2026\/04\/image2-2-300x139.png 300w, https:\/\/sii.pl\/blog\/wp-content\/uploads\/2026\/04\/image2-2-768x356.png 768w\" sizes=\"(max-width: 796px) 100vw, 796px\" \/><button\n\t\t\tclass=\"lightbox-trigger\"\n\t\t\ttype=\"button\"\n\t\t\taria-haspopup=\"dialog\"\n\t\t\taria-label=\"Powi\u0119ksz obrazek: kod\"\n\t\t\tdata-wp-init=\"callbacks.initTriggerButton\"\n\t\t\tdata-wp-on-async--click=\"actions.showLightbox\"\n\t\t\tdata-wp-style--right=\"context.imageButtonRight\"\n\t\t\tdata-wp-style--top=\"context.imageButtonTop\"\n\t\t>\n\t\t\t<svg xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"12\" height=\"12\" fill=\"none\" viewBox=\"0 0 12 12\">\n\t\t\t\t<path fill=\"#fff\" d=\"M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z\" \/>\n\t\t\t<\/svg>\n\t\t<\/button><\/figure>\n\n\n\n<p>Wprowadzono dwie kluczowe zmiany: Adnotacja @EntityGraph eliminuje problem N+1 (jedno zapytanie z JOIN FETCH), a obiekt Pageable wprowadza paginacj\u0119, ograniczaj\u0105c payload.<\/p>\n\n\n\n<p>Warto pami\u0119ta\u0107, \u017ce w realnym projekcie dochodzi jeszcze do rollbacku planu, monitoringu po wdro\u017ceniu i komunikacji z zespo\u0142em \u2013 <strong>AI nie zast\u0119puje tych warstw<\/strong>, a jedynie skraca drog\u0119 mi\u0119dzy diagnoz\u0105 a kodem poprawki.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Prompty u\u017cyte w tym scenariuszu<\/strong><\/h2>\n\n\n\n<p>Oto, co faktycznie wpisujesz do modelu na poszczeg\u00f3lnych etapach pracy z AI.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\"><strong>Krok 1 \u2013 Specify (specyfikacja wymaga\u0144)<\/strong><\/h3>\n\n\n\n<p>Zanim w og\u00f3le zaanga\u017cujesz model, spisujesz wymagania, kryteria akceptacji i ograniczenia jako osobny artefakt \u2013 plik SPEC.md w repozytorium, issue w Jirze albo kr\u00f3tki blok w opisie zadania. To kontrakt mi\u0119dzy Tob\u0105 a AI.<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Cel:<\/strong> Endpoint \/api\/orders ma odpowiada\u0107 w czasie &lt; 200 ms dla zam\u00f3wie\u0144 z \u2264 100 pozycjami.<\/li>\n\n\n\n<li><strong>Wymagania:<\/strong> Zachowanie kompatybilno\u015bci wstecznej kontraktu API, dopisanie testu integracyjnego dla paginacji > 50 pozycji.<\/li>\n\n\n\n<li><strong>Ograniczenia:<\/strong> Nie zmieniamy schematu bazy w tej iteracji, nie wprowadzamy cache.<\/li>\n<\/ul>\n\n\n\n<p>To rdze\u0144 podej\u015bcia <em>spec-driven development<\/em>. Specyfikacj\u0119 dostarczasz modelowi w Kroku 2 razem z logami \u2013 plan powstaje wtedy nie na bazie: <em>\u201eCo model s\u0105dzi, \u017ce chcesz&#8221;<\/em>, tylko: <em>\u201eCo explicite zapisa\u0142e\u015b&#8221;<\/em>. Dzi\u0119ki temu model znacznie rzadziej halucynuje intencj\u0119.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\"><strong>Krok 2 \u2013 Opus 4.7 w trybie Ask\/Plan (analiza)<\/strong><\/h3>\n\n\n\n<p><em>Za\u0142\u0105czam spec (SPEC.md), logi z ostatnich 24h z endpointu \/api\/orders oraz stack trace z Sentry. Zidentyfikuj root cause timeout\u00f3w i zaproponuj strategi\u0119 naprawy zgodn\u0105 ze specyfikacj\u0105.<\/em><\/p>\n\n\n\n<p>Kluczowe jest uruchomienie tego kroku w <strong>trybie read-only<\/strong> (np. tryb Ask w Cursorze lub Plan w Claude Code). Wymusza to na modelu skupienie si\u0119 wy\u0142\u0105cznie na diagnozie i zaplanowaniu rozwi\u0105zania, zapobiegaj\u0105c przedwczesnej modyfikacji plik\u00f3w. Tekstowa pro\u015bba \u201enie pisz jeszcze kodu\u201d bywa przez modele ignorowana \u2013 tryb narz\u0119dzia gwarantuje to technicznie.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\"><strong>Krok 3 \u2013 GPT-5.4 w trybie Agent (implementacja)<\/strong><\/h3>\n\n\n\n<p><em>Zaimplementuj poprawk\u0119 wg tej strategii: [wklej output Opusa]. Dodaj paginacj\u0119 (limit 50), wyeliminuj N+1 przez eager loading, dopisz integration test na zam\u00f3wienie ze 100 pozycjami.<\/em><\/p>\n\n\n\n<p>Na tym etapie przechodzimy do trybu Agent (lub odpowiednika, np. accept edits w Claude Code). Tutaj liczy si\u0119 szybko\u015b\u0107 i egzekucja \u2013 GPT-5.4 bierze gotow\u0105 strategi\u0119 i b\u0142yskawicznie zamienia j\u0105 w gotowy kod oraz testy.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\"><strong>Krok 4 \u2013 Codex Security (weryfikacja)<\/strong><\/h3>\n\n\n\n<p><em>Przeskanuj diff pod k\u0105tem IDOR, SQL injection i uprawnie\u0144. Zwr\u00f3\u0107 szczeg\u00f3ln\u0105 uwag\u0119 na nowe parametry ?page= i ?size=.<\/em><\/p>\n\n\n\n<p>Wskazanie konkretnych wektor\u00f3w ataku zaw\u0119\u017ca zakres skanowania i zmniejsza liczb\u0119 fa\u0142szywych alarm\u00f3w (ang. false positives). Zamiast generycznego: \u201eSprawd\u017a bezpiecze\u0144stwo\u201d, otrzymujemy ukierunkowan\u0105 analiz\u0119.<\/p>\n\n\n\n<p><em>Zapowied\u017a: pe\u0142ne case study &#8211; z logami, outputami modeli i pomiarami koszt\u00f3w \u2013 opiszemy w kolejnym artykule z serii.<\/em><\/p>\n\n\n\n<p>Czy do obu krok\u00f3w mo\u017cna by u\u017cy\u0107 wy\u0142\u0105cznie Opusa? Tak. Czy GPT-5.4 poradzi\u0142by sobie z samodzieln\u0105 analiz\u0105? Prawdopodobnie r\u00f3wnie\u017c. Jednak to w\u0142a\u015bnie <strong>dopasowanie modelu do specyfiki zadania<\/strong> pozwala osi\u0105gn\u0105\u0107 optymalny stosunek jako\u015bci do czasu i koszt\u00f3w.<\/p>\n\n\n\n<p><strong>Programista przestaje by\u0107 wy\u0142\u0105cznie odpowiedzialny za implementacj\u0119 \u2013 staje si\u0119 orkiestratorem pracy AI:<\/strong><\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Dobiera odpowiedni model do zadania.<\/li>\n\n\n\n<li>Kontroluje przep\u0142yw informacji mi\u0119dzy r\u00f3\u017cnymi agentami.<\/li>\n\n\n\n<li>Zarz\u0105dza ryzykiem (bezpiecze\u0144stwo, regresje, halucynacje).<\/li>\n<\/ul>\n\n\n\n<p>Decyduje, kiedy AI mo\u017ce dzia\u0142a\u0107 autonomicznie, a kiedy wymaga nadzoru.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Wdra\u017canie AI w zespole<\/strong><\/h2>\n\n\n\n<p>Patrz\u0105c z perspektywy architekta system\u00f3w, warto traktowa\u0107 modele AI jak mikroserwisy o r\u00f3\u017cnych charakterystykach:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Opus 4.7<\/strong> \u2013 ni\u017cszy throughput, wy\u017cszy koszt, zoptymalizowany pod z\u0142o\u017cone rozumowanie.<\/li>\n\n\n\n<li><strong>Claude Sonnet<\/strong> \u2013 ta\u0144sze rodze\u0144stwo Opusa w ekosystemie Anthropic, dobre do egzekucji i codziennego kodowania.<\/li>\n\n\n\n<li><strong>GPT-5.4<\/strong> \u2013 wy\u017cszy throughput, ni\u017cszy koszt, natywny computer use, szerokie spektrum zdolno\u015bci.<\/li>\n\n\n\n<li><strong>GPT-5.3 Codex<\/strong> \u2013 najbardziej przyst\u0119pny cenowo, wyspecjalizowany w pracy w terminalu\/CLI.<\/li>\n\n\n\n<li><strong>Codex Security<\/strong> \u2013 wyspecjalizowany agent do skanowania bezpiecze\u0144stwa.<\/li>\n<\/ul>\n\n\n\n<p>To sytuacja analogiczna do wyboru mi\u0119dzy synchronicznym wywo\u0142aniem API a przetwarzaniem wsadowym (batch). Oba podej\u015bcia dzia\u0142aj\u0105, ale ich optymalne u\u017cycie zale\u017cy od kontekstu.<\/p>\n\n\n<div class=\"nsw-o-blogersii-banner\">\n            <picture>\n            <source srcset=\"https:\/\/sii.pl\/blog\/wp-content\/uploads\/2026\/04\/Blog-Digital-Desktop_.jpg\" media=\"(min-width: 992px)\" >\n            <source srcset=\"https:\/\/sii.pl\/blog\/wp-content\/uploads\/2026\/04\/Blog-Digital-Mob_.jpg\" media=\"(min-width: 300px)\" >            <img decoding=\"async\" src=\"https:\/\/sii.pl\/blog\/wp-content\/uploads\/2026\/04\/Blog-Digital-Desktop_.jpg\" alt=\"\"  class=\"\"  >\n        <\/picture>\n        <div class=\"cnt\">\n                    <div class=\"nsw-m-title-block -h3 -invert  -has-title-margin-bottom-0 -has-title-font-weight-bold\">\n                                <h2 class=\"nsw-m-title-block__title\">Digital<\/h2>\n                <\/div>\n                            <p class=\"has-nsw-p-4-font-size has-invert-color\">\n                Zwi\u0119ksz zysk i poszerzaj grono zadowolonych klient\u00f3w dzi\u0119ki naszym us\u0142ugom in\u017cynierii oprogramowania, e-commerce, mobile i digital customer experience.\n            <\/p>\n                            <a  href=\"https:\/\/sii.pl\/oferta\/digital\/\" class=\"nsw-a-button -ghost -banner-button\"   >\n        <span>Poznaj ofert\u0119<\/span>\n    <\/a>\n            <\/div>\n<\/div>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Dob\u00f3r modelu do kroku<\/strong><\/h2>\n\n\n\n<p>Opus 4.7 jest wart swojej ceny tam, gdzie p\u0142acisz za <em>bardziej rozleg\u0142e rozumowanie<\/em>. Tam, gdzie potrzebujesz ju\u017c tylko egzekucji, warto rozwa\u017cy\u0107 ta\u0144sze rodze\u0144stwo w ramach tego samego ekosystemu albo model konkurencyjny:<\/p>\n\n\n\n<figure class=\"wp-block-table\"><table class=\"has-fixed-layout\"><tbody><tr><td class=\"has-text-align-center\" data-align=\"center\"><strong>Krok workflow<\/strong><\/td><td class=\"has-text-align-center\" data-align=\"center\"><strong>Rekomendacja<\/strong><\/td><td class=\"has-text-align-center\" data-align=\"center\"><strong>Dlaczego<\/strong><\/td><\/tr><tr><td class=\"has-text-align-center\" data-align=\"center\"><strong>Specify<\/strong><\/td><td class=\"has-text-align-center\" data-align=\"center\">dowolny model (albo bez AI)<\/td><td class=\"has-text-align-center\" data-align=\"center\">specyfikacj\u0119 piszesz Ty, nie model<\/td><\/tr><tr><td class=\"has-text-align-center\" data-align=\"center\"><strong>Plan \/ Analyze<\/strong><\/td><td class=\"has-text-align-center\" data-align=\"center\"><strong>Opus 4.7<\/strong><\/td><td class=\"has-text-align-center\" data-align=\"center\">g\u0142\u0119bsze rozumowanie realnie przek\u0142ada si\u0119 na jako\u015b\u0107 planu<\/td><\/tr><tr><td class=\"has-text-align-center\" data-align=\"center\"><strong>Implement<\/strong><\/td><td class=\"has-text-align-center\" data-align=\"center\"><strong>Claude Sonnet<\/strong> lub <strong>GPT-5.4<\/strong><\/td><td class=\"has-text-align-center\" data-align=\"center\">ta\u0144sze, wystarczaj\u0105co mocne do wykonania gotowego planu<\/td><\/tr><tr><td class=\"has-text-align-center\" data-align=\"center\"><strong>Verify \/ Security<\/strong><\/td><td class=\"has-text-align-center\" data-align=\"center\"><strong>Codex Security<\/strong> lub wyspecjalizowany agent<\/td><td class=\"has-text-align-center\" data-align=\"center\">w\u0105ski zakres zadania, nie potrzebuje flagshipa<\/td><\/tr><\/tbody><\/table><figcaption class=\"wp-element-caption\">Tab. 4 Dob\u00f3r modelu krok po kroku<\/figcaption><\/figure>\n\n\n\n<p>Dlaczego Sonnet zamiast Opusa przy implementacji?<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Po pierwsze, <strong>cennik<\/strong>. W obr\u0119bie tej samej generacji Sonnet jest zwykle kilkukrotnie ta\u0144szy od Opusa.<\/li>\n\n\n\n<li>Po drugie, <strong>zu\u017cycie token\u00f3w<\/strong>. Opus 4.7 ma nowy tokenizer, kt\u00f3ry (jak wspomnieli\u015bmy wcze\u015bniej) zwi\u0119ksza liczb\u0119 token\u00f3w o ~35%, a jego g\u0142\u0119bsze \u0142a\u0144cuchy rozumowania naturalnie prowadz\u0105 do d\u0142u\u017cszych odpowiedzi.<\/li>\n<\/ul>\n\n\n\n<p><strong>Efekt:<\/strong> pojedyncza iteracja implementacyjna na Opusie potrafi kosztowa\u0107 kilka razy wi\u0119cej ni\u017c ta sama iteracja na Sonnecie \u2013 przy marginalnej r\u00f3\u017cnicy jako\u015bciowej na etapie egzekucji gotowego planu.<\/p>\n\n\n\n<p>W dojrza\u0142ym \u015brodowisku pracy AI pe\u0142ni trzy g\u0142\u00f3wne role:<\/p>\n\n\n\n<ol start=\"1\" class=\"wp-block-list\">\n<li><strong>Warstwa decyzyjna<\/strong> \u2013 analiza, planowanie, ocena ryzyka (tutaj doskonale sprawdza si\u0119 Opus).<\/li>\n\n\n\n<li><strong>Warstwa wykonawcza<\/strong> \u2013 implementacja, refaktoryzacja, generowanie test\u00f3w (tutaj GPT-5.4 oferuje wy\u017csz\u0105 wydajno\u015b\u0107 i ni\u017csze koszty).<\/li>\n\n\n\n<li><strong>Warstwa bezpiecze\u0144stwa<\/strong> \u2013 skanowanie podatno\u015bci, weryfikacja wprowadzanych zmian (Codex Security).<\/li>\n<\/ol>\n\n\n\n<p>Zadaniem architekta jest zarz\u0105dzanie przep\u0142ywem mi\u0119dzy tymi warstwami. W praktyce oznacza to konieczno\u015b\u0107 zaprojektowania <strong>warstwy orkiestracji<\/strong>. Warto zada\u0107 sobie kilka kluczowych pyta\u0144:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Routing:<\/strong> Jak automatycznie kierowa\u0107 zapytania do odpowiedniego modelu? Czy kryterium powinien by\u0107 typ zadania, jego z\u0142o\u017cono\u015b\u0107 czy mo\u017ce koszt?<\/li>\n\n\n\n<li><strong>Fallback:<\/strong> Co w sytuacji, gdy model \u201epierwszego wyboru\u201d zwr\u00f3ci niesatysfakcjonuj\u0105cy wynik? Czy istnieje mechanizm p\u0142ynnego prze\u0142\u0105czenia na alternatyw\u0119?<\/li>\n\n\n\n<li><strong>Logowanie decyzji:<\/strong> Czy zapisujesz, kt\u00f3ry model zaproponowa\u0142 dane rozwi\u0105zanie? To kluczowe dla p\u00f3\u017aniejszych audyt\u00f3w i nauki zespo\u0142u.<\/li>\n\n\n\n<li><strong>Metryki jako\u015bci:<\/strong> Jak mierzysz skuteczno\u015b\u0107 danego modelu w Twoim konkretnym kontek\u015bcie? Mierzysz czas, koszty czy procent zaakceptowanych zmian?<\/li>\n<\/ul>\n\n\n\n<p>Nawet samo zadanie sobie tych pyta\u0144 diametralnie zmienia spos\u00f3b, w jaki my\u015blimy o budowaniu proces\u00f3w z wykorzystaniem AI. Architekt projektuje ju\u017c nie tylko sam system informatyczny, ale r\u00f3wnie\u017c <strong>system wsp\u00f3\u0142pracy mi\u0119dzy modelami AI<\/strong>.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Claude Mythos \u2013 przysz\u0142o\u015b\u0107 cyberbezpiecze\u0144stwa w AI<\/strong><\/h2>\n\n\n\n<p>M\u00f3wi\u0105c o modelach AI w 2026 roku, nie spos\u00f3b zignorowa\u0107 s\u0142onia w pokoju: <strong>Claude Mythos Preview<\/strong>.<\/p>\n\n\n\n<p>Anthropic og\u0142osi\u0142o 7 kwietnia model, kt\u00f3ry nie jest po prostu \u201ekolejn\u0105, mocniejsz\u0105 wersj\u0105\u201d. Reprezentuje on zupe\u0142nie now\u0105 klas\u0119 system\u00f3w zdolnych do prowadzenia d\u0142ugich, nieprzerwanych \u0142a\u0144cuch\u00f3w wnioskowania bez jakiejkolwiek interwencji u\u017cytkownika.<\/p>\n\n\n\n<p>Wed\u0142ug benchmark\u00f3w publikowanych przez tw\u00f3rc\u00f3w, wyniki s\u0105 imponuj\u0105ce:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><a href=\"https:\/\/www.swebench.com\/\" target=\"_blank\" rel=\"noopener\" title=\"\" rel=\"nofollow\" ><strong>SWE-bench Verified<\/strong><\/a><strong>:<\/strong> 93,9% (wobec 80,8% dla Opusa 4.6).<\/li>\n\n\n\n<li><strong>USAMO 2026<\/strong> (zaawansowana matematyka): 97,6% (wobec 42,3% dla Opusa 4.6).<\/li>\n\n\n\n<li><strong>Cybersecurity CTF:<\/strong> 83,1% (wobec 66,6% dla Opusa 4.6).<\/li>\n<\/ul>\n\n\n\n<p>Zgodnie z informacjami udost\u0119pnionymi w ramach Project Glasswing, Mythos wykaza\u0142 zdolno\u015b\u0107 do autonomicznego identyfikowania wcze\u015bniej nieznanych podatno\u015bci (zero-day) w niezwykle z\u0142o\u017conych systemach \u2013 w tym 27-letniego b\u0142\u0119du w OpenBSD. Nale\u017cy jednak pami\u0119ta\u0107, \u017ce s\u0105 to wyniki z kontrolowanych \u015brodowisk testowych i nie zosta\u0142y jeszcze publicznie zweryfikowane przez niezale\u017cne podmioty.<\/p>\n\n\n\n<p>Najwa\u017cniejsze jest jednak to, \u017ce Mythos <strong>nie jest publicznie dost\u0119pny<\/strong>. Anthropic, jako pierwszy gracz na rynku od czasu premiery GPT-2 w 2019 roku, zdecydowa\u0142 si\u0119 drastycznie ograniczy\u0107 dost\u0119p do modelu ze wzgl\u0119d\u00f3w bezpiecze\u0144stwa. Trafi\u0142 on jedynie do oko\u0142o 50 wybranych organizacji (m.in. Microsoft, AWS, Apple, Google, Nvidia, Cisco) w ramach programu <strong>Project Glasswing<\/strong>.<\/p>\n\n\n\n<p>Co to oznacza dla u\u017cytkownik\u00f3w Opusa 4.7? Zgodnie z komunikatami Anthropic, <strong>zdolno\u015bci Opusa 4.7 w obszarze cyberbezpiecze\u0144stwa zosta\u0142y \u015bwiadomie zaw\u0119\u017cone<\/strong> w por\u00f3wnaniu z modelem Mythos. To jasna deklaracja projektowa: publicznie dost\u0119pny model ma by\u0107 pot\u0119\u017cny, ale przede wszystkim bezpieczny.<\/p>\n\n\n\n<p>Mythos wyznacza nowy kierunek dla ca\u0142ej bran\u017cy: <strong>modele staj\u0105 si\u0119 tak zaawansowane, \u017ce konieczne staje si\u0119 celowe ograniczanie ich mo\u017cliwo\u015bci<\/strong>. To fundamentalnie zmienia perspektyw\u0119 architekta \u2013 nie pytamy ju\u017c tylko \u201ekt\u00f3ry model jest najlepszy do mojego zadania\u201d, ale \u201edo jakich modeli w og\u00f3le mam dost\u0119p i na jakich warunkach\u201d<em> (<a href=\"http:\/\/red.anthropic.com\/2026\/mythos-preview\" target=\"_blank\" rel=\"noopener\" title=\"\" rel=\"nofollow\" >\u017ar\u00f3d\u0142o<\/a>)<\/em><\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>O czym warto pami\u0119ta\u0107?<\/strong><\/h2>\n\n\n\n<p>Powszechnie znane ostrze\u017cenie, \u017ce \u201eAI czasami pope\u0142nia b\u0142\u0119dy\u201d, w 2026 roku ju\u017c nikogo nie zaskakuje. Zwr\u00f3\u0107my uwag\u0119 na bardziej konkretne pu\u0142apki:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Szybko\u015b\u0107 GPT-5.4 wymaga rygorystycznej kontroli jako\u015bci.<\/strong> Model potrafi b\u0142yskawicznie zmodyfikowa\u0107 dziesi\u0105tki plik\u00f3w. Dlatego absolutnie niezb\u0119dnym elementem workflow s\u0105 zautomatyzowane testy, kt\u00f3re na bie\u017c\u0105co weryfikuj\u0105 poprawno\u015b\u0107 wprowadzanych zmian.<\/li>\n\n\n\n<li><strong>Opus potrafi wygenerowa\u0107 niezwykle przekonuj\u0105c\u0105, ale b\u0142\u0119dn\u0105 analiz\u0119.<\/strong> Zawsze weryfikuj jego za\u0142o\u017cenia, zw\u0142aszcza gdy bazuje na niekompletnych logach lub przestarza\u0142ej dokumentacji.<\/li>\n\n\n\n<li><strong>Migracja mi\u0119dzy wersjami modeli nie jest trywialna.<\/strong> Prompty, kt\u00f3re dzia\u0142a\u0142y idealnie z Opusem 4.6, mog\u0105 przesta\u0107 dzia\u0142a\u0107 w wersji 4.7. Dodatkowo nowy tokenizer zmienia struktur\u0119 koszt\u00f3w. Zawsze testuj zachowanie modelu przed prze\u0142\u0105czeniem go na \u015brodowisko produkcyjne.<\/li>\n\n\n\n<li><strong>Wyb\u00f3r modelu to decyzja czysto in\u017cynierska, a nie ideologiczna.<\/strong> Nie ma sensu spiera\u0107 si\u0119 o to, kt\u00f3ry model jest og\u00f3lnie \u201elepszy\u201d. Kluczem jest to, kt\u00f3ry z nich lepiej pasuje do zadania, kt\u00f3re masz aktualnie przed sob\u0105.<\/li>\n\n\n\n<li><strong>Nie ka\u017cdy problem wymaga zaprz\u0119gania AI.<\/strong> Czasami prosty bugfix napiszesz szybciej sam ni\u017c zajmie Ci sformu\u0142owanie precyzyjnego promptu.<\/li>\n<\/ul>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Podsumowanie<\/strong><\/h2>\n\n\n\n<p>Cho\u0107 zakres mo\u017cliwo\u015bci obu modeli jest bardzo zbli\u017cony, r\u00f3\u017cni\u0105 si\u0119 one skuteczno\u015bci\u0105 w zale\u017cno\u015bci od specyfiki zadania:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>GPT-5.4<\/strong> to model zoptymalizowany pod k\u0105tem szybko\u015bci i koszt\u00f3w. Oferuje natywny computer use i pot\u0119\u017cny kontekst 1,05M token\u00f3w. Jest dost\u0119pny bezpo\u015brednio w GitHub Copilot i ca\u0142ym ekosystemie OpenAI Codex. Sprawdza si\u0119 doskonale, gdy dok\u0142adnie wiesz, <em>co<\/em> chcesz zrobi\u0107 i potrzebujesz po prostu sprawnej egzekucji.<\/li>\n\n\n\n<li><strong>Claude Opus 4.7<\/strong> jest nastawiony na g\u0142\u0119bokie rozumowanie (osi\u0105gaj\u0105c 64,3% w SWE-bench Pro wg Anthropic) i \u015bwietnie radzi sobie z utrzymaniem z\u0142o\u017conego kontekstu. Cieszy si\u0119 ogromn\u0105 popularno\u015bci\u0105 w\u015br\u00f3d u\u017cytkownik\u00f3w Cursora i narz\u0119dzi API-first. To optymalny wyb\u00f3r, gdy musisz najpierw <em>zrozumie\u0107<\/em> skomplikowany problem i zaplanowa\u0107 architektur\u0119 rozwi\u0105zania.<\/li>\n\n\n\n<li><strong>GPT-5.3 Codex<\/strong> pozostaje najbardziej przyst\u0119pn\u0105 cenowo opcj\u0105, wyspecjalizowan\u0105 w pracy w terminalu i CLI. Stanowi bardzo uzasadniony wyb\u00f3r do automatyzacji i tworzenia skrypt\u00f3w.<\/li>\n<\/ul>\n\n\n\n<p>A gdzie\u015b w tle majaczy Claude Mythos Preview, przypominaj\u0105c nam, \u017ce modele, z kt\u00f3rych korzystamy na co dzie\u0144, to <strong>\u015bwiadomie ograniczone wersje<\/strong> tego, co jest ju\u017c technicznie mo\u017cliwe.<\/p>\n\n\n\n<p><strong>Kluczem do efektywno\u015bci w 2026 roku nie jest poszukiwanie jednego, uniwersalnego modelu, lecz \u015bwiadomy i elastyczny dob\u00f3r narz\u0119dzia do konkretnego problemu.<\/strong><\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Chcesz wdro\u017cy\u0107 agent\u00f3w AI w swoim zespole?<\/strong><\/h2>\n\n\n\n<p>Zastanawiasz si\u0119, jak zoptymalizowa\u0107 procesy wytw\u00f3rcze w Twojej organizacji, wykorzystuj\u0105c najnowsze modele AI? <strong>Skontaktuj si\u0119 z ekspertami Sii Polska.<\/strong> Pomo\u017cemy Ci dobra\u0107 odpowiednie narz\u0119dzia, zaprojektowa\u0107 bezpieczn\u0105 architektur\u0119 i przeszkoli\u0107 zesp\u00f3\u0142 tak, aby maksymalnie wykorzysta\u0107 potencja\u0142 GPT-5.4, Claude Opus i innych rozwi\u0105za\u0144 klasy enterprise.<\/p>\n\n\n\n<p><a href=\"https:\/\/sii.pl\/kontakt\/\" target=\"_blank\" rel=\"noopener\" title=\"\"><strong>Porozmawiajmy o AI w Twoim projekcie<\/strong><\/a><\/p>\n\n\n\n<p>***<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>O danych i benchmarkach<\/strong><\/h2>\n\n\n\n<p><em>W artykule wykorzystano oficjalne materia\u0142y producent\u00f3w modeli (OpenAI, Anthropic), w\u0142asne i partnerskie benchmarki (np. SWE-bench, CursorBench) oraz dane z program\u00f3w testowych (np. Project Glasswing). Cz\u0119\u015b\u0107 wynik\u00f3w pochodzi z kontrolowanych \u015brodowisk testowych i mo\u017ce r\u00f3\u017cni\u0107 si\u0119 od rezultat\u00f3w w systemach produkcyjnych.<\/em><\/p>\n\n\n<div class=\"kk-star-ratings kksr-auto kksr-align-left kksr-valign-bottom\"\n    data-payload='{&quot;align&quot;:&quot;left&quot;,&quot;id&quot;:&quot;33658&quot;,&quot;slug&quot;:&quot;default&quot;,&quot;valign&quot;:&quot;bottom&quot;,&quot;ignore&quot;:&quot;&quot;,&quot;reference&quot;:&quot;auto&quot;,&quot;class&quot;:&quot;&quot;,&quot;count&quot;:&quot;3&quot;,&quot;legendonly&quot;:&quot;&quot;,&quot;readonly&quot;:&quot;&quot;,&quot;score&quot;:&quot;5&quot;,&quot;starsonly&quot;:&quot;&quot;,&quot;best&quot;:&quot;5&quot;,&quot;gap&quot;:&quot;2&quot;,&quot;greet&quot;:&quot;&quot;,&quot;legend&quot;:&quot;5\\\/5&quot;,&quot;size&quot;:&quot;30&quot;,&quot;title&quot;:&quot;Praktyczne zastosowanie modeli AI w programowaniu. Por\u00f3wnanie GPT-5.4 i Claude Opus 4.7&quot;,&quot;width&quot;:&quot;159&quot;,&quot;_legend&quot;:&quot;{score}\\\/5&quot;,&quot;font_factor&quot;:&quot;1.25&quot;}'>\n            \n<div class=\"kksr-stars\">\n    \n<div class=\"kksr-stars-inactive\">\n            <div class=\"kksr-star\" data-star=\"1\" style=\"padding-right: 2px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 30px; height: 30px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" data-star=\"2\" style=\"padding-right: 2px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 30px; height: 30px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" data-star=\"3\" style=\"padding-right: 2px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 30px; height: 30px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" data-star=\"4\" style=\"padding-right: 2px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 30px; height: 30px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" data-star=\"5\" style=\"padding-right: 2px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 30px; height: 30px;\"><\/div>\n        <\/div>\n    <\/div>\n    \n<div class=\"kksr-stars-active\" style=\"width: 159px;\">\n            <div class=\"kksr-star\" style=\"padding-right: 2px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 30px; height: 30px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" style=\"padding-right: 2px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 30px; height: 30px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" style=\"padding-right: 2px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 30px; height: 30px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" style=\"padding-right: 2px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 30px; height: 30px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" style=\"padding-right: 2px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 30px; height: 30px;\"><\/div>\n        <\/div>\n    <\/div>\n<\/div>\n                \n\n<div class=\"kksr-legend\" style=\"font-size: 24px;\">\n            5\/5    <\/div>\n    <\/div>\n","protected":false},"excerpt":{"rendered":"<p>Czasy, gdy sztuczna inteligencja by\u0142a wykorzystywana jedynie do autouzupe\u0142niania kodu, mamy ju\u017c za sob\u0105. W 2026 roku agenci AI, tacy &hellip; <a class=\"continued-btn\" href=\"https:\/\/sii.pl\/blog\/praktyczne-zastosowanie-modeli-ai-w-programowaniu-porownanie-gpt-5-4-i-claude-opus-4-7\/\">Continued<\/a><\/p>\n","protected":false},"author":788,"featured_media":33663,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_editorskit_title_hidden":false,"_editorskit_reading_time":0,"_editorskit_is_block_options_detached":false,"_editorskit_block_options_position":"{}","inline_featured_image":false,"footnotes":""},"categories":[1316],"tags":[13635,13355,11675,11395,2427,1546,682],"class_list":["post-33658","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-development-na-miekko","tag-openai","tag-gpt","tag-anthropic","tag-claude","tag-digital","tag-przeglad-narzedzi","tag-artificial-intelligence"],"acf":[],"aioseo_notices":[],"republish_history":[],"featured_media_url":"https:\/\/sii.pl\/blog\/wp-content\/uploads\/2026\/04\/AI_3.jpg","category_names":["Development na mi\u0119kko"],"_links":{"self":[{"href":"https:\/\/sii.pl\/blog\/wp-json\/wp\/v2\/posts\/33658"}],"collection":[{"href":"https:\/\/sii.pl\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/sii.pl\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/sii.pl\/blog\/wp-json\/wp\/v2\/users\/788"}],"replies":[{"embeddable":true,"href":"https:\/\/sii.pl\/blog\/wp-json\/wp\/v2\/comments?post=33658"}],"version-history":[{"count":1,"href":"https:\/\/sii.pl\/blog\/wp-json\/wp\/v2\/posts\/33658\/revisions"}],"predecessor-version":[{"id":33665,"href":"https:\/\/sii.pl\/blog\/wp-json\/wp\/v2\/posts\/33658\/revisions\/33665"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/sii.pl\/blog\/wp-json\/wp\/v2\/media\/33663"}],"wp:attachment":[{"href":"https:\/\/sii.pl\/blog\/wp-json\/wp\/v2\/media?parent=33658"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/sii.pl\/blog\/wp-json\/wp\/v2\/categories?post=33658"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/sii.pl\/blog\/wp-json\/wp\/v2\/tags?post=33658"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}