#Databricks

Databricks na Data + AI Summit 2026 oznámil Genie Code pre celý ML životný cyklus, verejný náhľad AI Runtime a nové schopnosti pre nízkolatenčné modelové nasadenia.

Sciene postavilo na Databricks platformu AI Companion pre tímy Customer Success v Quartile. Prípadová štúdia ukazuje, ako sa agentická a generatívna AI presúva z demo scenárov do každodennej prípravy účtov, diagnostiky a prezentácií.

Omnigent je open-source meta-harness, ktorý má z jedného rozhrania spájať Claude Code, Codex, vlastných agentov a tímovú spoluprácu. Databricks tým pomenúva nový problém: firmy už nemajú jedného agenta, ale veľa agentických nástrojov bez spoločnej kontroly.

Databricks predstavil Instructed-Retriever-1, komponent pre rýchlejšie vyhľadávanie v znalostných asistentoch. Firma tvrdí, že paralelné škálovanie pri inferencii skracuje čas vyhľadávania viac než trojnásobne bez zmeny konfigurácie používateľa.

Databricks zverejnil technický pohľad na infraštruktúru pre spoľahlivú LLM inferenciu. Kľúčové sú modelové jednotky, nákladovo citlivé smerovanie požiadaviek, automatické zotavenie zo skrytých zlyhaní a optimalizácie pre multimodálne záťaže.

Databricks rozšíril automatické ukladanie opakovaných častí promptov aj na otvorené modely vo svojich Foundation Model API. Pri produkčnom nasadení GPT-OSS uvádza 2,5-násobný nárast priepustnosti a trojnásobne nižšiu mediánovú latenciu bez nutnosti manuálnej konfigurácie.

OpenAI a Databricks tvrdia, že GPT-5.5 sa po zlepšení na internom benchmarku OfficeQA Pro dostáva do podnikových agentických workflow cez AgentBricks a Unity AI Gateway.

Claroty a Databricks opisujú AI-powered CPS Library ako spôsob, ako spojiť neúplné a zašumené záznamy o zariadeniach do dôveryhodného inventára. Cieľom je zlepšiť viditeľnosť, riadenie rizika a bezpečnostný dohľad v priemyselných aj zdravotníckych prostrediach, kde je identita zariadení dlhodobý problém.

AWS opisuje architektúru, v ktorej sa Databricks Unity Catalog používa ako governance vrstva nad podnikovými dátami a Amazon SageMaker AI ako prostredie na dolaďovanie veľkých jazykových modelov. Dôležitý je dôraz na dátovú lineage, auditovateľnosť a regulované workloady, nie iba na samotný tréning modelu.

Databricks opisuje nový technický smer pre dátových agentov. Namiesto jedného veľkého modelu stavia Genie na špecializovanom hľadaní znalostí, paralelnom uvažovaní a multi-LLM orchestrace, čo má v interných testoch posunúť úspešnosť z 32 na viac ako 90 percent.

Databricks a Superhuman opisujú presun z vlastného vLLM stacku na riadenú inferenčnú vrstvu, ktorá má zvládnuť špičky nad 200-tisíc požiadaviek za sekundu, sub-sekundové P99 a vyššiu efektivitu na H100 GPU.

Databricks rozširuje Unity AI Gateway o podporu coding agentov a stavia na troch pilieroch: centralizovaný audit a MCP kontrolu, spoločné nákladové limity a detailnú observabilitu naprieč nástrojmi ako Codex, Cursor či Gemini CLI.