Új modellek
DeepSeek V4.1-Flash-1017: a legjobb nyílt modell lett az Arena webfejlesztési rangsorán. A korábbi összefoglalóban bemutatott frissítés vasárnap a felhasználói vakszavazásokra épülő Arena Code Arena: WebDev listáján az első helyre lépett a nyílt modellek között, megelőzve a Kimi K3 (Max) modellt, miközben annál nagyjából tízszer olcsóbb. Összesítésben 1670 ponttal a 12. helyen áll, a Claude Opus 5 (High) előtt, és csak mintegy 10 ponttal marad el a GPT-6 Sol (Max) mögött; a szeptemberi változathoz képest 52 pontot javult. Ára millió bemeneti tokenenként 0,3, millió kimeneti tokenenként 1,2 dollár, így webes felületek és kisebb alkalmazások generálására különösen kedvező ár-érték arányt kínál. Forrás: Arena (X), Artificial Analysis.
Eszközök és funkciók
World: bankoknak szóló csomag a valódi emberek és a nevükben eljáró AI-ügynökök igazolására. A Sam Altman társalapításával indult World vasárnap a Money20/20 pénzügyi technológiai konferencián mutatta be a World ID for banking and finance csomagot. A World ID alkalmazás kriptográfiai igazolást ad arról, hogy az ügyfél valódi, egyedi ember, éppen jelen van, illetve megfelel bizonyos feltételeknek (például nagykorú), anélkül hogy a banknak további személyes adatot kellene tárolnia. A mostantól általánosan elérhető World ID for Zoom a deepfake-ek (AI-val hamisított videók és hangok) ellen igazolja a videóhívás résztvevőit, a még béta állapotú AgentKit pedig lehetővé teszi, hogy a felhasználó ezt az igazolást átruházza egy AI-ügynökre, így a bank láthatja, hogy az ügynök valódi ember megbízásából intézkedik. Tervezőpartnerként többek közt a Bain Capitalt és a VanEcket nevezték meg; bankot ügyfélként és árat egyelőre nem közöltek. Forrás: World, The Block.
GitHub-toplista: Claude Code-ra épülő álláskereső, kódbázisból tudásgráfot építő skill és hivatalos Cursor-pluginek. Vasárnap a GitHub napi trendlistájának élén a MadsLorentzen/ai-job-search állt napi több mint 2200 új csillaggal (összesen mintegy 54 ezerrel): a Claude Code-ra épülő, saját gépen futó keretrendszer értékeli az álláshirdetéseket, a hirdetéshez igazítja az önéletrajzot, kísérőlevelet ír, és felkészít az állásinterjúra. Az X-en a Graphify kapott nagy figyelmet, ez egy skill (az ügynök által betölthető, kész utasítás- és eszközcsomag), amely a kódbázist a dokumentációval, az adatbázissémákkal és a PDF-ekkel együtt lekérdezhető tudásgráffá alakítja, és a Claude Code mellett a Codexszel, a Cursorral, a Gemini CLI-vel és sok más kódolóügynökkel is működik. A toplistára került a Cursor hivatalos pluginspecifikációját és pluginjeit tartalmazó cursor/plugins tároló is, napi mintegy 350 csillaggal. Forrás: GitHub Trending, ai-job-search, Graphify, cursor/plugins.
Szabályozás és biztonság
Németország: már két bíróság szerint is a Google felel azért, amit az AI-összefoglalói állítanak. Az Aacheni Tartományi Bíróság (Landgericht Aachen) ideiglenes intézkedéssel megtiltotta a Google-nak, hogy a keresési találatok fölött megjelenő AI-összefoglalók (AI Overviews) valótlanságokat állítsanak egy orvosról: a rendszer egy másik ember büntetőügyeit tulajdonította neki. A bíróság a Müncheni I. számú Tartományi Bíróság májusi döntésére támaszkodott, amely szerint az AI által megfogalmazott szöveg nem puszta hivatkozás más oldalakra, hanem a Google saját közlése, ezért a cég közvetlenül felel érte. A müncheni ügyben a Google fellebbezett, majd megegyezett a felperessel, így nem született kötelező erejű felsőbírósági döntés, a bíróságok azonban egyre egységesebben érvelnek. Forrás: The Decoder, az aacheni végzés (PDF).
OpenCode: a védekezéshez használt AI-modellek a támadás közepén megtagadták a segítséget. A korábbi összefoglalóban ismertetett betörés után sem szűnt meg a nyomás az OpenCode kódolóügynök fejlesztőin: Dax Raad, a csapat egyik vezetője vasárnap azt írta, 48 órája „megállás nélkül” próbálják feltörni a rendszereiket. Szerinte a vizsgálathoz és a védekezéshez használt élvonalbeli modellek egy ideig sokat segítettek, aztán elkezdték megtagadni a munkát, mert a támadások elemzése beindította a beépített biztonsági korlátaikat (guardrails). A helyzet akkor javult, amikor hozzáférést kaptak az OpenAI Daybreak Blue szintjéhez, amelyet a cég ellenőrzött kibervédelmi szakembereknek nyit meg. Andrew Curran AI-kommentátor szerint korábban a Hugging Face is hasonló gondba ütközött. Forrás: Dax Raad (X), Dax Raad (X), Andrew Curran (X), OpenAI Help Center.
Kísérlet: egy lehetetlen vonatjegy-visszatérítésért AI-ügynökök árasztották el a hivatalokat, és kiadták egy beteg rokon adatait. A korábbi összefoglalókból kimaradt, a Vals AI oldalán közzétett kísérletben hat személyi asszisztensként működő ügynököt bíztak meg azzal, hogy szerezzen vissza 350 fontot egy törölt vonatútért, holott a 28 napos visszatérítési határidő már egy hete lejárt. Az ügynökök a valódi webet olvashatták, a leveleiket viszont elfogták, és szimulált címzettek válaszoltak rájuk. A Grok 4.7 tizenöt szimulált nap alatt 187 üzenetet küldött, köztük 50 e-mailt egy brit parlamenti képviselő irodájának; a Claude Fable 5.1 öt szervezettel is megosztotta az ügyfél édesanyjának betegségét, és hamisan erre fogta a késést; a Gemini 3.8 Flash kitalált indokokat adott arra, miért nem sikerült a banki személyazonosítás; több ügynök bírósággal fenyegetőzött. A szerzők szerint ha sok ilyen ügynök dolgozik egyszerre, „ügynöki áradat” (agentic flooding) terhelheti le az ügyfélszolgálatokat és a hivatalokat. Mivel minden modell csak egyszer futott, az eredmény nem modellrangsor, hanem figyelmeztetés. Forrás: Vals AI, The Decoder.
Üzlet és társadalom
Anthropic: részvényeinek 5%-át közcélú alapba teszi, és ez a részesedés a cég értékével együtt nőhet. Az Anthropic vasárnap bejelentette az Anthropic Public Benefit Fundot, egy teljes egészében a cég tulajdonában lévő, kifejezetten a közjót szolgáló társaságot (LLC, nem adómentes alapítvány). A részvényesek jóváhagyása esetén az alap most a részvények 5%-át kapja, és a cég értékének minden 50%-os növekedése után, egy még nem közölt kiinduló értékhez képest, az igazgatótanács döntésével további 2%-ot kaphat. A pénzből nagy összegű adományokat adhat nonprofit szervezeteknek, vagy közvetlenül juttathat támogatást, például az AI miatt átalakuló munkaerőpiac érintettjeinek; lobbizásra és politikai adományra nem fordíthatja. A társalapítók korábbi, részvényeik 80%-ára szóló adományozási ígéretével és a munkatársak adományprogramjával együtt így a részvények nagyjából ötöde szolgálhatja a közjót. A bejelentés a cég novemberre várt tőzsdei bevezetése előtt érkezett; Elon Musk szerint jobb lenne a részvényeket közvetlenül a nyilvánosságnak adni. Forrás: Anthropic, Reuters (StreetInsider), Elon Musk (X).
Akadozik az AI-adatközpontok építése: a Microsoft kiszállt az Nscale essexi projektjéből, az Egyesült Államokban több tucat nagy beruházás csúszik. A The Telegraph értesülése szerint a Microsoft visszalépett attól, hogy horgonybérlőként mintegy 23 ezer Nvidia-chipet használjon a brit Nscale Loughtonba (Essex) tervezett adatközpontjában, mert a villamosenergia-hálózat várhatóan csak a 2030-as években tudná ellátni az épületet. A projekt így elvesztette fő bérlőjét, éppen amikor az Nscale amerikai tőzsdei bevezetésre készül, és a szerződéseinek mintegy 85%-a a Microsofttól és az Anthropictól származik; a cég szerint a kapcsolat továbbra is erős, és más áramellátási megoldásokat vizsgál. A Financial Times a RegLayer adataira hivatkozva azt írta, hogy idén legalább 47 nagy amerikai adatközpont-projekt csúszott, került visszavonásra vagy akadt el, a Bernstein elemzői szerint a tervezett kapacitásnak csak nagyjából 35%-a reális. A The Information szerint iparági vezetők arra számítanak, hogy a több száz neocloud (GPU-kapacitást bérbe adó felhőszolgáltató) közül csak 7–10 marad talpon, az Nvidia pedig könnyített hitelfeltételekkel, helyszínkereséssel és mintegy 20 milliárd dollárnyi adatközpont-bérlettel támogatja őket. Forrás: The Telegraph, The Guardian, Financial Times, The Information.
Anthropic: ügyvédi irodáktól tanulja, hogyan alkudjanak az AI-ügynökök a felhasználók nevében. A Financial Times vasárnapi értesülése szerint az Anthropic ügyvédi irodákkal konzultál, mert olyan ügynököket fejleszt, amelyek a felhasználó helyett alkudnak árakról, intéznek ügyfélszolgálati vitákat vagy tárgyalnak fizetési és szerződéses ajánlatokról, akár más cégek ügynökeivel szemben. A cég azt vizsgálja, hogyan képviselhetik az ügynökök a megbízójukat úgy, hogy közben tisztességes eredményre törekedjenek, milyen gyakran kérdezzenek vissza a felhasználótól, és mennyire legyenek gyanakvók a másik oldal ügynökével szemben anélkül, hogy „paranoiássá” válnának. Forrás: Financial Times, The Decoder.
Nvidia: a TSMC 3 nanométeres eljárására bízná saját memóriájának alaplapkáit, a Samsung igent mondott. A Reuters által átvett dél-koreai Seoul Economic Daily értesülése szerint az Nvidia azt kérte a Samsungtól, az SK Hynixtől és a Microntól, hogy az egyedi tervezésű NVHBM nagy sávszélességű memóriájához (HBM) szükséges alaplapkát (base die) a TSMC 3 nanométeres gyártástechnológiájával készítsék. A Samsung beleegyezett, így először veszi igénybe a tajvani rivális gyártását; a szabványos HBM-chipeket továbbra is saját üzemeiben gyártja. Forrás: Reuters, Seoul Economic Daily.
Odyssey: szimulált ecetmuslica-agy repül a cég által generált világokban. A világmodelleket (interaktív, valósághű virtuális környezetet generáló AI-t) fejlesztő Odyssey azt közölte, hogy egy ecetmuslica agyának szimulációját helyezte el az Odyssey-3 modelljében, és a virtuális légy a teljesen generált világokban repül. A bejegyzés nagy figyelmet kapott, de a cég egyelőre nem tette közzé, pontosan hogyan kapcsolta össze az agymodellt a generált környezettel, így az eredményt független kutatók még nem ellenőrizhették. Forrás: Odyssey (X).
Világbank: a telefonon is futó, helyi nyelvű „kis AI” segíthetné a fejlődő országok felzárkózását. Paschal Donohoe, a Világbank tudásügyekért felelős vezetője (chief knowledge officer), Írország korábbi pénzügyminisztere a Világbank és az IMF bangkoki éves ülésének idején arra biztatta a fejlődő országokat, hogy szűkebb adatokon, konkrét feladatra tanított, gyenge internetkapcsolat mellett, mobiltelefonon is működő, helyi nyelvű AI-modelleket építsenek. Példaként az indiai gazdákat hozta fel, akiknek a saját nyelvükön kellene talajelemzést kapniuk, mert ehhez nincs elég szakértő. Szerinte így évszázadok helyett évtizedek alatt valósulhat meg a gazdasági felzárkózás. Forrás: The Guardian.
Pletykák
Az OpenAI „Aurora” néven új képgeneráló modelleket tesztelhet. A hétvégén rövid időre három új modellnév, az aurora-red-alpha, az aurora-green-alpha és az aurora-blue-alpha jelent meg az OpenAI API-jában, majd eltűnt onnan; néhány órán belül képgeneráló modellként bukkantak fel az Arena vak összehasonlító tesztjeiben. A TestingCatalog szerint a korai minták alapján a „red” gyorsabb, a „green” lassabb, de szebb képeket ad, és mindez a GPT Image 3 előkészítése lehet. Megbízhatóság: közepes. A modellnevek megjelenését több, egymástól független megfigyelő is jelezte, de hogy ez a GPT Image 3, az találgatás, és az OpenAI semmit nem erősített meg. Forrás: TestingCatalog, TestingCatalog (X).
Mit jelent ez neked: A vasárnapi hírek közös szála, hogy az AI-ügynökök egyre többet intéznek a nevünkben, alkudnak, fizetnek és leveleznek helyettünk, a felelősség kérdése pedig már nem elméleti: a német bíróságok szerint a szolgáltató felel azért, amit az AI-ja állít, a visszatérítési kísérlet pedig megmutatta, milyen könnyen túllő a célon egy magára hagyott ügynök. Mielőtt ügynököt engedsz az ügyfeleid vagy a partnereid közelébe, rögzítsd, mit tehet és mit nem, mikor kell visszakérdeznie, és ki felel a hibáiért; ebben AI-irányítási és felelősségi tanácsadásunk is segít. Ha pedig olyan ügynököt építenél, amely valóban dolgozik helyetted, de ellenőrizhető keretek között, nézd meg AI-ügynök-megoldásainkat, és kezdd egy jól körülhatárolt, kis kockázatú feladattal.