KORA Linux – nowy system operacyjny z lokalną sztuczną inteligencją. Czy AI stanie się częścią Linuksa?

Czy wyobrażacie sobie system Linux, w którym sztuczna inteligencja nie jest kolejnym programem uruchamianym z menu, ale integralną częścią całego środowiska operacyjnego? System, który potrafi samodzielnie dobierać modele AI, rozdzielać obliczenia pomiędzy procesor, kartę graficzną i NPU, analizować pliki według ich znaczenia, a nawet wykorzystywać moc obliczeniową innych komputerów w sieci lokalnej?

Właśnie taką wizję przedstawia KORA – nowy system operacyjny oparty na Linuksie, zapowiedziany 10 listopada 2026 roku przez firmę KORA Systems Inc. Projekt rozwijany pod kierownictwem Kirt McMastera, współzałożyciela Cyanogen i byłego szefa Playtron, ma być odpowiedzią na rosnące znaczenie lokalnej sztucznej inteligencji.

KORA nie chce być kolejną dystrybucją z preinstalowanym chatbotem. Jej twórcy chcą przebudować sposób korzystania z komputera, integrując modele językowe, agentów AI, pamięć kontekstową i zarządzanie zasobami sprzętowymi bezpośrednio z systemem operacyjnym.

Brzmi ambitnie? Zdecydowanie. Przyjrzyjmy się zatem, co faktycznie zaoferuje KORA, jak działa jej silnik Cortex, dlaczego szczególnie interesujący jest Snapdragon X2 Elite i czy mamy do czynienia z prawdziwie otwartym projektem.

Czym jest KORA Linux?

KORA to nowy desktopowy system operacyjny zbudowany na bazie Linuksa. Nie jest to nakładka na Ubuntu, Fedora czy Debian ani zwykły zestaw aplikacji AI. Twórcy deklarują, że system powstaje od poziomu jądra aż po powłokę graficzną, a jego architektura została zaprojektowana z myślą o obsłudze modeli sztucznej inteligencji i autonomicznych agentów.

Projekt rozwija KORA Systems Inc., firma wcześniej znana jako Playtron. Jej wcześniejszym przedsięwzięciem był GameOS – linuksowy system przeznaczony dla komputerów gamingowych. Doświadczenia zdobyte przy jego budowie mają stanowić fundament nowego projektu.

Za przedsięwzięciem stoi między innymi Kirt McMaster, współzałożyciel Cyanogen. Warto przypomnieć, że Cyanogen próbował stworzyć alternatywny ekosystem Androida, oferujący producentom i użytkownikom większą swobodę niż standardowe oprogramowanie Google.

Tym razem celem jest rynek komputerów osobistych, na którym dominują Windows i macOS. KORA chce jednak konkurować przede wszystkim o użytkowników intensywnie korzystających z AI: programistów, twórców, administratorów, specjalistów i entuzjastów lokalnych modeli językowych.

Główna idea projektu została przedstawiona hasłem:

The Operating System for Intelligence.

W praktyce oznacza to przeniesienie sztucznej inteligencji z poziomu pojedynczej aplikacji na poziom całego systemu.

Źródło: https://press.kora.fun/#announcement

Cortex – serce systemu KORA

Najważniejszym elementem technologicznym KORA jest Cortex – autorski hybrydowy silnik wnioskowania AI (hybrid inference engine).

Jego zadaniem jest zarządzanie wykonywaniem modeli sztucznej inteligencji na dostępnych zasobach sprzętowych. Zamiast przypisywać cały proces obliczeniowy do jednego urządzenia, Cortex ma umieć rozdzielać pracę pomiędzy:

• CPU – główny procesor komputera;
• GPU – procesor graficzny, szczególnie przydatny przy dużych obciążeniach równoległych;
• NPU – wyspecjalizowany układ do obliczeń związanych ze sztuczną inteligencją;
• inne komputery znajdujące się w tej samej sieci lokalnej.

To bardzo interesujące podejście, ponieważ współczesne komputery coraz częściej wyposażane są w kilka różnych jednostek obliczeniowych, które mogą wykonywać zadania AI.

Przykładowo laptop ze Snapdragonem może posiadać wydajny procesor CPU, zintegrowany GPU oraz dedykowany NPU. W tradycyjnym podejściu aplikacja musi korzystać z odpowiedniego środowiska producenta sprzętu i często jest ograniczona do jednej ścieżki wykonania.

Cortex ma pełnić rolę warstwy pośredniczącej, która wybiera odpowiednie zasoby i rozdziela obciążenie.

Schemat koncepcyjny:

                 KORA Linux
                     |
                 CORTEX
          Hybrydowy silnik AI
                     |
        +------------+------------+
        |            |            |
       CPU          GPU          NPU
        |            |            |
        +------------+------------+
                     |
             Sieć lokalna LAN
                     |
             +-------+-------+
             |               |
          PC / NAS       Workstation
             |               |
          Model AI        Model AI

Ważna uwaga: powyższy schemat przedstawia założenie architektoniczne, a nie kompletną dokumentację implementacji. Nie znamy jeszcze szczegółów protokołu komunikacyjnego, mechanizmu synchronizacji ani sposobu dzielenia pamięci pomiędzy urządzeniami.

Lokalne modele jako domyślna opcja

Jedną z najważniejszych deklaracji twórców jest zasada Local First.

Oznacza to, że KORA ma domyślnie korzystać z modeli uruchamianych na sprzęcie użytkownika. Dopiero wtedy, gdy zadanie będzie wymagało większych możliwości obliczeniowych, system będzie mógł sięgnąć po modele chmurowe.

Można to przedstawić na prostym przykładzie.

Użytkownik zleca agentowi przeanalizowanie dokumentacji technicznej. Mniejszy model lokalny może wykonać wstępną analizę, uporządkować informacje i przygotować kontekst. Jeżeli potrzebne będzie bardziej zaawansowane rozumowanie, Cortex może skierować wybrane zadanie do mocniejszego modelu zewnętrznego.

Takie rozwiązanie może przynieść kilka korzyści:

• ograniczenie liczby zapytań wysyłanych do chmury;
• mniejsze uzależnienie od jednego dostawcy AI;
• możliwość pracy lokalnej bez stałego połączenia internetowego;
• lepsze wykorzystanie posiadanego sprzętu;
• potencjalnie większą kontrolę nad prywatnością danych.

Nie oznacza to jednak, że cała komunikacja z chmurą zostanie wyeliminowana. W przypadku korzystania z zewnętrznych modeli dane niezbędne do wykonania zapytania nadal mogą być przekazywane poza komputer.

Neural Workspaces – nowy sposób organizowania pracy

Kolejnym interesującym elementem KORA są tzw. Neural Workspaces, czyli neuronowe przestrzenie robocze.

W tradycyjnym systemie operacyjnym pracujemy z oknami, katalogami i aplikacjami. Każdy program ma własny kontekst, a użytkownik musi samodzielnie przenosić informacje pomiędzy poszczególnymi narzędziami.

KORA chce zmienić ten model.

Przestrzeń robocza ma być środowiskiem skupionym wokół konkretnego projektu lub zadania. Może zawierać:

• aplikacje wykorzystywane w danym projekcie;
• dokumenty i materiały źródłowe;
• kontekst wcześniejszych działań;
• pamięć agenta AI;
• uprawnienia do plików i zasobów;
• informacje potrzebne do kontynuowania pracy.

Każda przestrzeń ma działać jako odizolowany sandbox.

Z punktu widzenia bezpieczeństwa to bardzo ważne. Agent zajmujący się analizą dokumentacji nie powinien automatycznie uzyskiwać dostępu do wszystkich plików użytkownika. Powinien mieć dostęp wyłącznie do zasobów przypisanych do konkretnego środowiska.

Przykładowo możemy mieć osobną przestrzeń roboczą do:

• administracji serwerami Linux;
• programowania;
• tworzenia dokumentacji;
• obróbki materiałów graficznych;
• analizy danych;
• pracy z projektami biznesowymi.

Dzięki temu kontekst nie musi być za każdym razem budowany od początku.

To koncepcja zbliżona do połączenia wirtualnych środowisk pracy, menedżera projektów, systemu uprawnień i pamięci agenta AI.

Neural File System – system plików rozumiejący znaczenie danych

Jeszcze ciekawiej prezentuje się koncepcja Neural File System.

W standardowym Linuksie wyszukujemy pliki przede wszystkim na podstawie ich nazw, ścieżek, metadanych lub zawartości indeksowanej przez dodatkowe narzędzia.

KORA chce pójść krok dalej i umożliwić wyszukiwanie semantyczne.

Zamiast pamiętać nazwę dokumentu, moglibyśmy zapytać:

Znajdź dokument, w którym opisywałem konfigurację serwera Nginx i mechanizm cache dla PHP.

System miałby rozpoznać znaczenie zapytania i wskazać odpowiednie materiały, nawet jeśli ich nazwy nie zawierają słów „Nginx” ani „cache”.

Technicznie podobne rozwiązania wykorzystują embeddingi, czyli wektorowe reprezentacje treści. Dokumenty i zapytania przekształcane są w wektory, które następnie można porównywać pod względem podobieństwa semantycznego.

Uproszczony mechanizm wygląda następująco:

Dokumenty
    |
    v
Ekstrakcja treści
    |
    v
Model embeddingowy
    |
    v
Wektory semantyczne
    |
    v
Indeks wyszukiwania
    |
    v
Zapytanie użytkownika
    |
    v
Wyszukiwanie podobnych znaczeń

Warto podkreślić, że nie oznacza to zastąpienia klasycznego systemu plików Linuksa przez nowy format partycji. Z zapowiedzi wynika raczej, że KORA chce zbudować dodatkową warstwę organizacji, indeksowania i dostępu do danych.

To istotna różnica.

Semantyczne wyszukiwanie może być bardzo przydatne w przypadku dużych repozytoriów dokumentacji, projektów programistycznych, archiwów i materiałów technicznych.

Snapdragon X2 Elite – pierwszy sprzęt z pełnym wsparciem NPU

Jednym z najciekawszych aspektów zapowiedzi KORA jest współpraca z Qualcomm.

Firma pracowała z zespołem KORA nad uruchomieniem pełnego desktopowego systemu Linux na platformie Snapdragon X2 Elite.

Układ ten integruje:

• procesor Qualcomm Oryon CPU;
• układ graficzny Qualcomm Adreno GPU;
• jednostkę Qualcomm Hexagon NPU o deklarowanej wydajności 80 TOPS.

TOPS oznacza liczbę operacji wykonywanych na sekundę, wyrażoną w bilionach operacji. Warto jednak pamiętać, że sama wartość TOPS nie jest bezpośrednią miarą szybkości generowania tekstu przez model językowy.

Najważniejsze jest to, że KORA deklaruje obsługę Hexagon NPU w Snapdragon X2 Elite i możliwość wykonywania dużych modeli językowych bezpośrednio na tym układzie.

Według informacji przekazanych przez Kirt McMastera redakcji Tom’s Hardware system osiąga następujące wyniki dla modelu Gemma 4 26B:

Parametr	Deklarowany wynik
Model	Google Gemma 4 26B
Jednostka obliczeniowa	Hexagon NPU
Generowanie (decode)	25 tokenów/s
Prefill	550 tokenów/s
Kontekst	32K
Wykonanie modelu	Lokalnie na NPU

Są to wyniki przedstawione przez producenta, a nie niezależny test redakcyjny. Nie podano również pełnej konfiguracji pamięci ani dokładnego wariantu procesora wykorzystanego w pomiarze.

Mimo to jest to interesująca demonstracja możliwości lokalnego AI na laptopie.

Dlaczego NPU jest tak ważne?

NPU to jednostka zaprojektowana z myślą o obliczeniach związanych ze sztuczną inteligencją.

W przeciwieństwie do CPU, które jest uniwersalnym procesorem, NPU może wykonywać określone operacje macierzowe i tensorowe w sposób bardziej energooszczędny.

GPU nadal pozostaje bardzo ważnym elementem uruchamiania dużych modeli językowych, ale dedykowane układy NPU mogą przejąć część zadań, szczególnie tych związanych z inferencją i przetwarzaniem sygnałów.

W laptopach ma to szczególne znaczenie ze względu na ograniczony budżet energetyczny i czas pracy na baterii.

Jak KORA wykorzystuje llama.cpp, GGUF i ONNX?

Z technicznego punktu widzenia interesujące jest to, że KORA nie buduje całego ekosystemu AI od zera.

Według informacji przekazanych Tom’s Hardware silnik Lemma, będący częścią Cortexa, bazuje na istniejących projektach open source:

• llama.cpp – uruchamianie lokalnych modeli językowych;
• whisper.cpp – rozpoznawanie mowy;
• stable-diffusion.cpp – generowanie obrazów;
• ONNX – przenośny format modeli i środowisko ich wykonywania.

KORA deklaruje również szeroką obsługę modeli GGUF, formatu popularnego w świecie lokalnych modeli językowych i projektu llama.cpp.

To rozsądne podejście. Zamiast tworzyć własny format modeli i osobny ekosystem narzędzi, można wykorzystać rozwiązania rozwijane już przez społeczność.

Podział modelu pomiędzy różne procesory

Jedną z najciekawszych funkcji Lemma ma być możliwość rozdzielania warstw modelu pomiędzy różne procesory.

Przykładowo część modelu może być wykonywana na GPU, a pozostałe warstwy na CPU lub NPU – zależnie od dostępnej pamięci i możliwości sprzętu.

W przypadku dużych modeli może to być bardzo przydatne, ponieważ ograniczeniem nie jest wyłącznie moc obliczeniowa, ale również dostępna pamięć.

Trzeba jednak pamiętać, że dzielenie modelu pomiędzy różne urządzenia nie zawsze zwiększa wydajność. Transfer danych pomiędzy jednostkami może generować dodatkowe opóźnienia. Przy połączeniu kilku komputerów w sieci LAN znaczenie ma także przepustowość sieci i latencja.

Właśnie dlatego szczegóły implementacji Cortexa będą tak istotne podczas przyszłych testów.

Co z obsługą procesorów AMD i Intel?

Na ten moment najmocniej rozwinięta jest integracja z platformą Qualcomm Snapdragon X2 Elite.

Obsługa NPU od AMD i Intela jest planowana, ale nie została jeszcze przedstawiona jako gotowa funkcjonalność.

Z informacji przekazanych przez twórców wynika, że:

Producent	Układ	Status	Planowane zastosowanie
Qualcomm	Hexagon NPU	Obsługiwany	Modele językowe i inne zadania AI
AMD	XDNA 2 / Ryzen AI	Planowany	Embeddingi i rozpoznawanie mowy
Intel	NPU	W przygotowaniu	Szczegóły nieujawnione

W przypadku AMD firma wskazuje na możliwość wykorzystania ONNX do obsługi modeli embeddingowych i rozpoznawania mowy. Nie zakłada natomiast, że NPU AMD będzie główną jednostką do uruchamiania dużych modeli językowych.

W odniesieniu do Intela nie przedstawiono jeszcze konkretnych szczegółów implementacyjnych.

To ważne, ponieważ wsparcie dla NPU nie jest tak uniwersalne jak obsługa standardowych procesorów CPU. Każdy producent rozwija własne środowiska wykonawcze, sterowniki i narzędzia programistyczne.

Przykładowo:

• Qualcomm rozwija ekosystem QAIRT/QNN;
• Intel wykorzystuje między innymi OpenVINO;
• AMD rozwija oprogramowanie Ryzen AI.

KORA deklaruje wykorzystanie llama.cpp z backendem Hexagon i sterownika FastRPC dla Snapdragon X2 Elite. W przypadku pozostałych platform szczegóły mogą się jeszcze zmienić.

Źródło techniczne: https://www.tomshardware.com/software/linux/cyanogen-co-founder-unveils-kora-a-linux-os-that-splits-ai-models-across-the-cpu-gpu-and-npu-snapdragon-x2-elite-and-hexagon-npu-get-full-support-first

Dlaczego twórcy rekomendują 64 GB RAM?

Jednym z ciekawszych wymagań sprzętowych jest rekomendacja dotycząca pamięci operacyjnej.

KORA zaleca konfigurację z 64 GB RAM, choć nie przedstawia tego jako bezwzględnego minimum.

Powód jest prosty: lokalne modele językowe wymagają sporej ilości pamięci.

Przykładowo model Gemma 4 26B w wariancie skwantyzowanym do 4 bitów może potrzebować około 14–17 GB pamięci na same wagi, zależnie od konkretnego pliku i sposobu kwantyzacji. Do tego dochodzi pamięć na kontekst, bufory robocze, system operacyjny i inne aplikacje.

W praktyce zapotrzebowanie może być znacznie większe.

Dlatego konfiguracja 64 GB RAM daje znacznie większą swobodę w pracy z większymi modelami.

Nie oznacza to jednak, że KORA będzie wymagać 64 GB do samego uruchomienia. To rekomendacja związana z docelowym wykorzystaniem systemu i dostępem do bardziej zaawansowanych modeli.

Work, Create i Play – trzy tryby pracy

KORA ma oferować trzy główne tryby korzystania z komputera.

Work – środowisko przeznaczone do pracy, organizacji informacji, dokumentacji, komunikacji i wykorzystania agentów AI.

Create – przestrzeń dla twórców, programistów i osób pracujących z materiałami cyfrowymi. Ma wspierać procesy związane z tworzeniem treści i wykorzystywaniem modeli generatywnych.

Play – tryb przeznaczony do rozrywki i gier.

Warto zwrócić uwagę na ostatni element. KORA nie rezygnuje z doświadczeń zdobytych przy wcześniejszym GameOS.

W trybie Play ma działać GameFrame – rozwiązanie wywodzące się z wcześniejszego systemu gamingowego Playtron. Jego zadaniem będzie przekształcenie klasycznego desktopu w środowisko przypominające konsolę do gier.

To ciekawa koncepcja, ponieważ użytkownik nie musi wybierać między komputerem do pracy, lokalnego AI i rozrywki. Wszystko ma być dostępne w jednym systemie.

HUMAIN OS – korporacyjna odmiana KORA

Równolegle z KORA powstaje także HUMAIN OS – wersja systemu przeznaczona dla przedsiębiorstw.

Projekt rozwijany jest wspólnie z saudyjską firmą HUMAIN.

Założenie jest podobne: użytkownik określa, co chce osiągnąć, a system dobiera odpowiedni kontekst, modele lokalne lub chmurowe oraz agentów, którzy mają zrealizować zadanie.

HUMAIN OS ma integrować między innymi:

• pocztę elektroniczną;
• kalendarze;
• komunikatory;
• aplikacje biurowe;
• agentów AI;
• zasoby firmowe.

W odróżnieniu od standardowej KORA, wariant korporacyjny ma być dostosowany do środowisk biznesowych i komputerów OEM.

Według zapowiedzi HUMAIN OS ma pojawić się jako pierwszy w 2027 roku, a standardowa KORA trafi na rynek później w tym samym roku.

Czy KORA jest naprawdę open source?

To jeden z najważniejszych tematów, które powinny zainteresować społeczność Linuksa.

Twórcy mocno podkreślają otwartość swojego projektu. W materiałach promocyjnych pojawia się określenie open intelligence ecosystem.

Nie należy jednak utożsamiać tego z klasycznym open source.

KORA ma być otwarta na różne modele, dostawców AI i agentów. Użytkownik nie powinien być ograniczony do jednego dostawcy sztucznej inteligencji.

To niewątpliwa zaleta.

Problem polega na tym, że autorski silnik Cortex nie jest open source. Zamknięte pozostają również kluczowe elementy technologii i interfejsu systemu.

Kirt McMaster potwierdził w rozmowie z TechCrunch, że Linux i Nix są otwartymi fundamentami, ale własna technologia KORA pozostaje rozwiązaniem zastrzeżonym.

Warto więc rozdzielić dwa pojęcia:

Cecha	Co oznacza w przypadku KORA
Otwarta baza	System wykorzystuje Linux i Nix
Otwarty ekosystem modeli	Możliwość korzystania z modeli różnych dostawców
Otwartość integracji	SDK dla zewnętrznych twórców
Cortex	Technologia własna, zamknięta
Kod całego systemu	Nie ma deklaracji pełnego open source

Dla użytkowników Linuksa, którzy cenią wolne oprogramowanie, to istotna różnica.

KORA może być systemem opartym na otwartych fundamentach, ale nie oznacza to, że użytkownik otrzyma dostęp do pełnego kodu źródłowego wszystkich jego komponentów.

Nie jest to zatem odpowiednik Debiana, Arch Linux czy Fedory pod względem modelu rozwoju i transparentności całego systemu.

KORA wykorzystuje Nix – dlaczego to ważne?

Według informacji przekazanych TechCrunch KORA korzysta z Nix jako elementu swojej technologicznej podstawy.

To interesująca decyzja.

Nix to system zarządzania pakietami i budowania środowisk, który wyróżnia się deklaratywnym podejściem do konfiguracji.

Zamiast polegać wyłącznie na tradycyjnym instalowaniu pakietów i modyfikowaniu systemu, Nix pozwala opisywać zależności oraz środowiska w sposób powtarzalny.

Najważniejsze zalety tego podejścia to:

• możliwość odtwarzania środowisk;
• izolacja zależności;
• łatwiejsze zarządzanie różnymi wersjami bibliotek;
• ograniczenie konfliktów pomiędzy pakietami;
• deklaratywna konfiguracja.

Dla systemu, który ma obsługiwać wiele modeli AI, backendów sprzętowych, bibliotek i agentów, może to być bardzo przydatne.

Różne modele i aplikacje mogą wymagać odmiennych wersji bibliotek, środowisk wykonawczych czy sterowników. Nix może ułatwić zarządzanie takim ekosystemem.

Nie znamy jednak jeszcze szczegółów konfiguracji KORA ani tego, w jakim zakresie użytkownik będzie mógł samodzielnie zarządzać systemem za pomocą narzędzi Nix.

Kiedy będzie można pobrać i zainstalować KORA Linux?

Na dzień 12 listopada 2026 roku KORA jest zapowiedzianym produktem, a nie publicznie dostępną dystrybucją.

Twórcy zapowiadają premierę w 2027 roku.

W pierwszej kolejności ma pojawić się HUMAIN OS, natomiast standardowa KORA będzie udostępniana później w tym samym roku.

Według deklaracji Kirt McMastera system ma być dostępny do pobrania również dla użytkowników, którzy chcą zainstalować go samodzielnie na własnym komputerze.

Firma zapowiada publikację zalecanych konfiguracji sprzętowych. Nie podano jednak jeszcze dokładnych wymagań, cennika ani pełnego modelu biznesowego.

Nie ma zatem obecnie sensu szukać komend instalacyjnych ani przygotowywać pendrive’a z obrazem ISO. Publiczny instalator nie został jeszcze udostępniony.

Oficjalna strona projektu:
https://kora.fun/

Oficjalne ogłoszenie:
https://press.kora.fun/#announcement

Czy KORA może zmienić przyszłość Linuksa?

Moim zdaniem jest to jeden z ciekawszych kierunków rozwoju desktopowego Linuksa.

Przez wiele lat system operacyjny był przede wszystkim platformą do uruchamiania aplikacji. Użytkownik wybierał program, otwierał plik i wykonywał określone czynności.

W przypadku systemów AI-native ten model może się zmienić.

Zamiast uruchamiać pięć różnych aplikacji, użytkownik będzie mógł opisać cel, a system dobierze odpowiednie narzędzia i agentów.

Przykładowo administrator może poprosić:

Przeanalizuj logi systemowe z ostatnich 24 godzin, znajdź powtarzające się błędy i przygotuj raport. Nie zmieniaj konfiguracji serwera.

System może następnie odnaleźć odpowiednie pliki, przeanalizować ich zawartość, uporządkować wyniki i przygotować raport.

Programista może z kolei poprosić o analizę projektu, znalezienie zależności pomiędzy modułami i przygotowanie propozycji zmian.

Ważne jest jednak to, że agent powinien działać w granicach uprawnień nadanych przez użytkownika. Nie powinien automatycznie uzyskiwać dostępu do całego systemu ani wykonywać nieodwracalnych operacji bez zgody.

Jeżeli KORA rzeczywiście zrealizuje tę wizję, może stać się interesującą platformą dla osób, które chcą korzystać z AI bez uzależniania wszystkich procesów od usług chmurowych.

Moja ocena – ambitny projekt, ale przed nim jeszcze sporo pracy

KORA zapowiada się interesująco przede wszystkim dlatego, że nie próbuje po prostu dodać kolejnego chatbota do pulpitu.

Twórcy chcą połączyć zarządzanie sprzętem, modele lokalne, agentów AI, pamięć kontekstową i system plików w jedną platformę.

Największe zalety zapowiadanej koncepcji to:

• lokalne wykonywanie modeli AI;
• współpraca CPU, GPU i NPU;
• możliwość wykorzystania komputerów w sieci lokalnej;
• semantyczne wyszukiwanie plików;
• izolowane przestrzenie robocze dla agentów;
• wykorzystanie istniejących projektów open source;
• obsługa różnych dostawców modeli AI.

Nie brakuje jednak znaków zapytania.

Po pierwsze, Cortex pozostaje zamkniętym rozwiązaniem. Dla części społeczności Linuksa może to być poważny problem.

Po drugie, obecna obsługa NPU koncentruje się na Qualcomm Snapdragon X2 Elite. Wsparcie dla AMD i Intela wymaga dalszych prac.

Po trzecie, deklarowane wyniki wydajnościowe wymagają niezależnej weryfikacji. Szczególnie interesujące będzie porównanie działania modeli na CPU, GPU i NPU oraz sprawdzenie, jak Cortex radzi sobie z rozdzielaniem obciążeń pomiędzy urządzeniami.

Po czwarte, nie znamy jeszcze dokładnego modelu biznesowego. Sam system może być udostępniany bezpłatnie, ale dostęp do modeli i usług AI może wiązać się z opłatami.

KORA to projekt, któremu zdecydowanie warto się przyglądać. Jeżeli twórcom uda się połączyć lokalne modele, agentów i sprzętowe przyspieszanie AI w spójny, stabilny system, możemy otrzymać zupełnie nową kategorię desktopowego Linuksa.

Na razie pozostaje czekać na pierwsze publiczne wydanie i niezależne testy. Dopiero wtedy przekonamy się, czy KORA rzeczywiście zmieni sposób korzystania z komputerów, czy pozostanie ambitną, ale trudną do zrealizowania wizją systemu operacyjnego przyszłości.