2026 week 36 / cactus-compute/needle: Agenci znów obiecują wszystko.

Teza tygodnia

Rynek nie odwraca się od agentów. Rynek odwraca się od agentów, które chcą być religią zamiast narzędziem.

cactus-compute/needle trzymało się dlatego, że dawało konkretny ruch do przodu, a nie tylko kolejny manifest wszechmocy.

Sceny, które ustawiły tydzień

Pierwsza scena tygodnia była prosta: Dzisiejszy scouting pokazuje nie tylko wzrosty, ale też to, które projekty naprawdę utrzymują sens po pierwszej fali uwagi.

Druga scena mówiła już coś więcej o kierunku rynku: Dla architektów i tech leadów: wrzuć archify do swojego agenta IDE. Koniec z rysowaniem diagramów w draw.io. Opisz przepływ słowami, agent narysuje. Dla badaczy bezpieczeństwa: reverse-skill nie zastąpi twojego doświadczenia, ale przyspieszy rekonesans o rząd wielkości. Używaj go jako pierwszego etapu rozpoznania.

Trzecia scena była ważna nie przez skalę, tylko przez ton: Buduj skills, nie prompty — jeśli tworzysz narzędzie dla agentów kodujących, pakietuj je jako skill (wersjonowany, z metadanymi, kompatybilny z co najmniej dwoma platformami). Patrz: tt-a1i/archify, K-Dense-AI/scientific-agent-skills. Local-first jako argument sprzedażowy — „bez konta, bez telemetrii" to teraz funkcja, nie brak. AprilNEA/OpenLogi zdobywa 10 000 gwiazdek w miesiącu głównie dzięki tej frazie.

Co rynek wciąż czyta źle

tashfeenahmed/freellmapi dobrze pokazało najczęstszy błąd czytania trendów: łatwo pomylić gwałtowny wzrost z gotowością do pracy w czyimś realnym workflow. TypeScript, 23 526 ⭐, 3 640 ⭐/tydzień. „7.4 miliarda tokenów miesięcznie, 34 darmowych providerów, 635 endpointów, jeden /v1". Zastrzeżenie „personal experimentation only" w opisie to klasyczny sygnał, że ktoś skleił publiczne endpointy w jedną bramkę. Za tydzień połowa tych providerów zniknie albo zacznie wymagać kluczy. Falsyfikowalna prognoza: do 1 października co najmniej 10 z 34 providerów przestanie działać bez podania przyczyny (pewność: 60%).

zhaoxuya520/reverse-skill dokłada drugi wzorzec tej samej pomyłki: zbyt łatwo ufa się repo, które dobrze wygląda w opisie, a dużo gorzej w pytaniu „kto będzie to utrzymywał za trzy tygodnie?”.

Perełki, które zostały po opadnięciu kurzu

cactus-compute/needle wyróżniało się nie tym, że było największe, ale tym, że od razu sugerowało konkretne użycie. Python, 9 958 ⭐, 6 577 ⭐/miesiąc. 14-megabajtowy model fundamentowy dla telefonów, wearables, smart home i robotów. Najpoważniejszy projekt „on-device AI" w tym zestawieniu. Jeśli 14 MB to nie marketing, a realna waga modelu z inferencją na urządzeniu, to mamy punkt zwrotny dla edge AI.

youssofal/MTPLX potwierdzało ten sam wzorzec: mniej marketingowej mgły, więcej praktycznego skrótu do działania. Python, 1 873 ⭐, 746 ⭐/miesiąc. 3× szybsze MLX, Qwen 3.8 27B, natywne MTP Speculative Decoding na Apple Silicon bez zewnętrznego draftiera. Niszowy, ale technicznie gęsty — dla kogoś, kto buduje lokalne inference na M-serię, to potencjalny gamechanger.