Czy przeglądarka może myśleć za nas? Opera Neon i obietnica „agentów, którzy robią robotę”

Na biurku ląduje informacja prasowa: Opera dodaje do Neona agenta Deep Research (ODRA), chwali się „koordynacją” wielu agentów i benchmarkami, w których nowy pomocnik prawie dogania czołówkę. Brzmi jak futurologia? A może jak realna odpowiedź na chaos narzędzi, w którym sami gubimy wątek?

Co właściwie jest w pudełku

Opera Neon to przeglądarka z ambicjami bycia centrum pracy z AI. Nie „wtyczka do czatu”, tylko zestaw agentów, którzy mają odciążyć nas od klikania, kopiowania i szukania.

• Dziś są trzy: Chat, Make i Do. Do tego dochodzi ODRA – Deep Research Agent.
• Architektura jest „agnostyczna” wobec modeli: pod spodem mogą działać różne LLM-y (Gemini, GPT itd.), a zadania są rozbijane na mniejsze i liczone równolegle po stronie serwera.
• Cel: dobrać właściwego agenta do konkretnej roboty, najlepiej bez naszej ingerencji.

Opera zapowiada też „Symphony” – warstwę koordynacji. W praktyce: zamiast zastanawiać się, czy poprosić Chata, czy ODRA, mówisz, co chcesz, a przeglądarka sama dobiera wykonawców (albo łączy kilku). Każdy agent ma własne uprawnienia – jak aplikacja w telefonie. System ma się uczyć stylu pracy i wiedzieć, kiedy zrobić coś sam, a kiedy zapytać.

Brzmi jak skrócenie drogi „od briefu do wyniku”. Brzmi też jak ryzyko: oddać stery przeglądarce, która ma prawo działać „za nas”? Tu zaufanie będzie walutą.

ODRA, czyli głębokie szukanie bez głębokiego westchnienia

Deep research to piękne słowo, które w praktyce często oznacza: 40 zakładek, trzy notatniki i kilka godzin życia mniej. ODRA ma to ucywilizować – rozbić problem na wątki, pogrzebać w źródłach, zsyntetyzować.

Opera powołuje się na benchmark DeepResearch Bench: 100 zadań badawczych na poziomie doktoranckim, 22 dziedziny, ocena jakości raportów i umiejętności wyszukiwania. Według tych testów ODRA ustępuje tylko Gemini 2.5 Pro. Benchmark to nie rzeczywistość, ale wskazuje kierunek: liczy się nie tylko „gadanie”, lecz także skuteczne dochodzenie do informacji i sensowna dokumentacja procesu.

Dla kogo to realnie ma znaczenie?

• Dziennikarze i researcherzy: szybkie mapowanie tematu, źródła, kontrprzykłady, wstępna bibliografia.
• Marketerzy i content: zbriefowanie rynku, zderzenie tezy z danymi, przygotowanie draftu.
• Product/strategy: przeglądy konkurencji, wnioski z dokumentów, streszczenia długich PDF-ów.

Klucz: kontrola nad źródłami i możliwość audytu. Jeśli ODRA pokaże, skąd wnioski, a użytkownik szybko „przeklika” cytowania – to jest przewaga.

„Przeglądarka dla pracujących w internecie”

Neon celuje w użytkowników, którzy z sieci żyją – nie tylko scrollują. Stąd wsparcie dla modeli generatywnych „ciężkiego kalibru”: Opera chwali się SORA 2 (wideo), Nano Banana od Google (model obrazkowo-teksto‑… nazwijmy to multimodalny), wkrótce Veo 3.1. To sygnał: Neon ma być nie tylko czytnikiem stron, ale stanowiskiem do tworzenia – tekstu, obrazu, wideo.

To też tłumaczy model biznesowy: Neon jest w subskrypcji premium. Płacisz za dostęp do najnowszych modeli i koordynacji, czyli – w teorii – za mniej czasu w narzędziowym korku.

Czy warto za to płacić?

Pytanie praktyczne: co dostaję „dziś”, nie „kiedyś”.

Plusy, które widać:

• Koordynacja agentów zamiast „zbieraj zestaw wtyczek”. Mniej przełączania kontekstu.
• Deep research z realną próbą standardu (benchmark, metodologia).
• Agnostyczny silnik: można łączyć mocne strony różnych LLM-ów. To dziś ważniejsze niż wierność jednemu modelowi.
• Uprawnienia agentów i nauka preferencji: krok w stronę bezpieczeństwa i personalizacji.

Znaki zapytania:

• Transparentność: czy zawsze zobaczę ścieżkę dojścia do wniosku? Jak łatwo otworzę źródła?
• Prywatność i „działanie za użytkownika”: jakie granularne są uprawnienia i logi?
• Koszt vs. realny zysk czasu: czy ODRA skróci mi risercz o 30%, czy o 5%?
• Vendor lock-in: im bardziej wygodna koordynacja, tym trudniej się z niej wysupłać.

Prosta checklista „czy to dla mnie”:

• Jeśli Twoja praca to regularne łączenie źródeł, tworzenie syntez i raportów – tak, warto testować.
• Jeśli używasz AI głównie do odpowiedzi „encyklopedycznych” i krótkich podsumowań – darmowe rozwiązania mogą wystarczyć.
• Jeśli priorytetem jest kontrola danych (np. NDA, wrażliwe dokumenty) – sprawdź polityki prywatności i zakres uprawnień agentów, zanim wrzucisz do Neona wewnętrzne pliki.

Jak bym to sprawdził w tygodniu pracy

• Dzień 1: ten sam temat badawczy puszczam w ODRA i w dotychczasowym stacku (ChatGPT/Gemini + manualne źródła). Porównuję: czas, jakość cytowań, trafność wniosków, ilość „halucynacji”.
• Dzień 3: proszę Neona o przygotowanie planu artykułu z bibliografią i alternatywną tezą. Sprawdzam, czy „Symphony” sensownie zgrywa agentów (np. research + draft).
• Dzień 5: krótkie zadanie „produkcyjne” (np. porównanie trzech raportów PDF i tabela różnic). Patrzę, czy przeglądarka skraca serię żmudnych kroków.

Jeśli w tych trzech próbach oszczędzę łącznie 2–3 godziny – subskrypcja zaczyna mieć uzasadnienie. Jeśli nie – zostaję przy dotychczasowym zestawie.

Dygresja o „magii koordynacji”

Przez lata AI obiecywała, że „zrobi za nas”. Prawdziwa ulga przychodzi wtedy, gdy system rozumie kontekst pracy: nie tylko odpowie na pytanie, ale też wybierze narzędzie, rozsądnie je połączy i nie zgubi ścieżki. Jeśli Symphony zadziała tak, jak opisuje Opera – to będzie krok z poziomu „chat” na poziom „workflow”.

Puenta

Neon mierzy w użytkownika, który chce mniej myśleć o narzędziach, a więcej o treści. ODRA ma być tym, kto zdejmuje z nas „syzyfową kulkę” researchu. Czy warto płacić? Jeśli Twoją walutą jest czas i jakość syntez – spróbuj. Jeśli lubisz mieć wszystko pod lupą i samemu prowadzić śledztwo – Neon może być świetnym pomocnikiem, ale nie zwalnia z czujności. Jak w każdej redakcji: nawet najlepszy asystent jest tyle wart, ile jego źródła i ile pytań mu zadasz.