Új modellek
MiniMax M3.1 Flash: a névtelenül tesztelt „Space Bunny” modell olcsó, gyors ügynöki modellként jelent meg. A kínai MiniMax hétfőn adta ki az M3.1 Flasht, és elárulta, hogy ez volt a „Space Bunny” néven, névtelenül tesztelt modell, amely közben több mint 200 billió tokent dolgozott fel. A cég szerint az előd M3-nál nagyjából háromszor gyorsabb és 70%-kal olcsóbb, ára millió bemeneti tokenenként 0,15, kimeneti tokenenként 0,60 dollár (gyorsítótárazott bemenetnél 0,015 dollár). Saját mérései szerint a DeepSWE v1.1 szoftverfejlesztési teszten 73,7%-ot, az OSWorld V2 számítógép-kezelési teszten 61,7 pontot ért el, az Artificial Analysis független intelligenciaindexén pedig 42 pontot kapott, 13-mal többet az M3-nál. Az Artificial Analysis szerint gyenge pontja, hogy bizonytalan kérdésekre sem mondja azt, hogy nem tudja, így sokszor hallucinál (magabiztosan téved). Az OpenRouteren 72 óráig ingyen kipróbálható, a modellsúlyokat később teszik közzé. Forrás: MiniMax, Artificial Analysis (X), OpenRouter (X), The Decoder.
Inception Mercury 3: a diffúziós nyelvi modellek is skálázhatók, és másodpercenként több mint ezer tokent adnak. A legtöbb nyelvi modell szóról szóra (autoregresszív módon) írja a választ, a diffúziós modellek viszont a teljes szöveget egyszerre, több lépésben finomítják, ezért sokkal gyorsabbak. Az Inception szerint a Mercury 3 több mint negyvenszer nagyobb a Mercury 1-nél, a tesztek többségén megelőzi a GPT-6 Lunát és a Claude Haiku 5.5-öt, miközben négy-nyolcszor gyorsabb náluk. A kontextusablak (az egyszerre feldolgozható szövegmennyiség) 1 millió token lett. A cég saját webes ügynöki tesztjében az 50 élő Mind2Web-feladat felét oldotta meg, többet a GPT-6.1 Solnál. Listaára millió bemeneti tokenenként 0,20, kimeneti tokenenként 0,70 dollár, induláskor félárú. Forrás: Inception, The Deep View.
Cloudflare Clairic: kinyerő modell, amely gondolkodás és szöveggenerálás nélkül ad típusos adatot. A Cloudflare előzetesként tette elérhetővé a Workers AI platformján a Clairicot, amely egyetlen menetben olvassa be a szöveget (és legfeljebb négy képet), és a megadott mezőkre közvetlenül értéket ad vissza: kimásolt nevet vagy rendelésszámot, kiszámolt összeget vagy dátumot, illetve becsült értéket 80%-os tartománnyal. Mivel nem generál szöveget, csak a bemenetért kell fizetni, és jellemzően egy másodpercen belül válaszol; minden válasz mellé megbízhatósági pontszám jár, és ha az adat nincs a bemenetben, üres értéket ad. Tipikus felhasználás a számlák, szállítási adatok vagy hibajegyek feldolgozása, ahol ma sokan drága nagy nyelvi modellt használnak. A cég nyílt súlyokkal is ki akarja adni. Forrás: Cloudflare.
Szakosodott modellek startupoktól: mérnöki világmodell, videó, döntési modell és robotvezérlés. A Skyfall AI bemutatta a SKY-001-et, amelyet első mérnöki világmodellnek (a fizikai tárgyakat és épületeket modellező AI-nak) nevez: a cég szerint CAD- és BIM-feladatokon (gépészeti és épülettervezési modelleken) pontosabb a GPT-6 Astránál, és annál 51–125-ször gyorsabb. A fal a Black Forest Labsszel közösen kiadta a FLUX 3 Max videómodellt, amely az Artificial Analysis mérésében a második (statisztikailag holtversenyben első) a kép alapján készülő videók rangsorán. A Nace a Drex Max döntési modellt jelentette meg, amely képernyőképek, képek és videó alapján minden lehetséges lépéshez valószínűséget ad, és a böngészőt vagy számítógépet kezelő ügynököknek készült. A Dream Labs 90 millió dolláros magvető befektetés mellett elindította a Dream API-t, amely a Dream-1 modellel kamerakép és angol nyelvű utasítás alapján irányít két karral rendelkező robotokat, óránként 3 dollárért. Forrás: Skyfall AI (X), fal (X), Artificial Analysis (X), Nace, Forbes.
Eszközök és funkciók
Microsoft: belső fenyegetésként kezeli a vállalati AI-ügynököket, és szükség esetén leállítja őket. A Microsoft hétfőn a Microsoft 365 E7 csomagba (havi 99 dollár felhasználónként) és a Project Perception biztonsági rendszerbe épített új funkciókat jelentett be. Minden ügynök folyamatosan frissülő kockázati pontszámot kap aszerint, milyen adatokhoz fér hozzá, és mennyire tér el a kapott feladattól; ha a kockázat nő, a rendszer elveheti az írási jogát, emberi jóváhagyást kérhet egy kockázatos lépés előtt, vagy leállíthatja az ügynököt. A dolgozók gépein már 60 féle ügynököt ismer fel (eddig 25-öt), köztük a Claude Code-ot, a Codexet és a GitHub Copilotot, az új „Guardian Agents” (őrző ügynökök) pedig kivizsgálják, miért változott egy másik ügynök kockázata. A cég blogja szerint az élvonalbeli modellekben, származásuktól függetlenül, nem lehet megbízni, ezért a kontrollnak a modellen kívül kell lennie. A funkciók zártkörű előzetesben érhetők el, szélesebb körben a november 17–19-i Ignite konferencián indulnak. Forrás: Microsoft, GeekWire, TechCrunch.
OpenAI: COBOL-, Fortran- és Visual Basic-kódban is nagyot javultak a modellek, a mérőteszt nyílt lett. Az OpenAI hétfőn két saját mérést mutatott be az úgynevezett ritka (kevés tanítóadattal rendelkező) programozási nyelvekre, amelyeken például a banki rendszerek, a bankkártyás fizetések és az időjárás-előrejelzés jelentős része fut. A MultiLangBench 20 programozási nyelven építtet a modellel SQLite-kompatibilis adatbázismotort a semmiből: a GPT-6 Astra átlagosan a tesztek 87,4%-át teljesítette, szemben a GPT-5.6 Sol 26,8%-ával. A COBOL-programok más nyelvre átírását mérő teszten a GPT-6.1 Sol alacsony gondolkodási szinten 86,6%-os, magasabb szinten 97,9%-os pontosságot ért el úgy, hogy a programok kimenetének bájtra pontosan egyeznie kellett. A MultiLangBench tesztkészletét a cég a GitHubon is közzétette; maga is hangsúlyozza, hogy éles rendszer átírásánál továbbra is szakértői ellenőrzés kell. Forrás: OpenAI.
Amazon TorchNeuron: módosítás nélkül futtatható a PyTorch-kód az Amazon saját AI-chipjein. Az Amazon hétfőn mindenki számára nyilvános bétába tette a TorchNeuront, amellyel a népszerű PyTorch keretrendszerben írt kód egy egyszerű konfigurációs váltás után az Amazon Trainium chipjein is fut; eddig ehhez a kódot át kellett írni az Amazon saját programozási felületeire. A lépés az Nvidia egyik legnagyobb előnyét, a CUDA szoftverkörnyezethez kötött kódbázisokat célozza, a Google hasonló TorchTPU projekten dolgozik. Az Amazon szerint a szoftver kedden, a PyTorch-konferencián nyílt forráskódú lesz. Forrás: GeekWire, Hugging Face, TechCrunch.
Kódolóügynökök: a Claude Code segít beállítani az automatikus módot, a Codex asztali alkalmazásban szerkeszthetők a korábbi üzenetek. A hétfő esti Claude Code 2.1.304-es kiadás új /auto-mode-setup parancsa végigvezet az automatikus mód (amikor az ügynök kérdezés nélkül dolgozik) beállításán: beolvassa a projektet és a korábbi munkameneteket, hogy megtanítsa az ügynöknek a környezet szabályait. Egy másik új parancs összeveti a Managed Agents ügynökök beállításait az Anthropic biztonsági útmutatójával, a Pro és Max előfizetők pedig figyelmeztetést kapnak, ha egy régi beszélgetés folytatása az ötórás keretük jelentős részét elvinné. Az OpenAI Codex asztali alkalmazásában Thibault Sottiaux, a Codex vezetője szerint mostantól utólag szerkeszthetők egy szál korábbi üzenetei, amit a felhasználók régóta kértek. Forrás: Claude Code changelog, Thibault Sottiaux (X).
Grok Bot: egy gombnyomásra indul az iPhone-on, és Runway- meg HeyGen-integrációval videót is készít. A Grok Bot 1.16-os verziójától az iPhone 15 Pro és újabb készülékek műveletgombjára (Action Button) tehető, így egy gombnyomással hangalapú beszélgetés indítható vele. Ugyanezen a napon a Runway bejelentette, hogy MCP-szervere (a szabványos összekötő, amellyel az AI-asszisztens külső szolgáltatást használhat) elérhető a Grok Botban, így a csevegésből közvetlenül generálhatók képek és videók. A HeyGen azt mutatta be, hogyan lesz a műveletgombra tett Grok Botból és a HeyGen MCP-összekötőjéből egyetlen mondatból kész avatarvideó. Forrás: Grok Bot (X), Runway (X), HeyGen (X).
GitHub-toplista: ügynökflotta-kezelő, ügynökök közös memóriája és tokenspóroló tömörítő. A GitHub napi trendlistáján a stablyai/orca napi mintegy 1600 új csillaggal (összesen közel 99 ezerrel) emelkedett ki: egyetlen felületen kezelhető vele egy egész „flottányi” kódolóügynök, például a Grok Bot vagy a Claude Code, a felhasználó saját előfizetésével, asztali gépen, mobilon vagy távoli futtatókörnyezetben. Az akitaonrails/ai-memory hosszú távú memóriát ad a parancssori kódolóügynököknek, és segít átadni a munkát egyik gyártó ügynökéről a másikéra. A headroomlabs-ai/headroom pedig még a modell előtt tömöríti az eszközök kimenetét, a naplókat és a dokumentumrészleteket; a fejlesztők szerint kódolóügynököknél 20%-kal, JSON-adatoknál 60–95%-kal kevesebb tokent használ ugyanazzal az eredménnyel. Forrás: GitHub Trending, Orca, ai-memory, Headroom.
Szabályozás és biztonság
USA: a belbiztonsági minisztérium kitiltja a DeepSeeket a szövetségi polgári hivatalokból, a rá épülő termékekkel együtt. Az amerikai belbiztonsági minisztérium (DHS) a szövetségi beszerzési ellátási lánc biztonságáról szóló törvény (FASCSA) alapján kiadott végzéssel megtiltja, hogy a szövetségi polgári hivatalok DeepSeek-terméket szerezzenek be, és elrendeli a már használtak eltávolítását. A tilalom a DeepSeek kapcsolt vállalkozásaira és a DeepSeek-technológiát beépítő, más cégek által gyártott termékekre is kiterjed. A végzés indoklása szerint a DeepSeek személyes adatokat gyűjt, ujjlenyomat-szerűen azonosítja az eszközöket, és adatokat juttat Kínába. A Markwayne Mullin miniszter által júliusban aláírt végzést hétfőn tették közzé a Szövetségi Közlöny előzetes nyilvános felületén; a hivatalok 60 napon belül kérhetnek kivételt. Forrás: Federal Register, a végzés (PDF), The Hill.
Egyetlen hacker és egy AI-ügynökhad több mint száz cég weboldalába tört be, köztük a Deere-ébe. A NorForge kiberbiztonsági cég kutatója, Snorre Fagerland október eleje óta mintegy két tucat, nyilvánosan elérhető Cairn-vezérlőpultot talált; a Cairn nyílt forráskódú, többügynökös problémamegoldó platform, amelyet hackerek is előszeretettel használnak. A Reuters exkluzív anyaga szerint a legaktívabb, kínaiul beszélő támadó szeptember 25. óta több mint 1200 webáruházat próbált feltörni, és több mint 100 cég oldalába jutott be, köztük a Deere, a SharkNinja és a Cummins oldalaiba; az utasításai száz kínai írásjelnél is rövidebbek voltak, a munkát szinte teljesen az ügynökök végezték. Egy sikeres behatolás nagyjából 23 órányi próbálkozásba került, a DeepSeek és a Claude Code keverékét használó kampány összesen mintegy 5000 dollárnyi tokent fogyasztott, vagyis sikeres betörésenként nagyjából 50 dollárt. A Deere szerint nincs jele érzékeny adatok elérésének, a SharkNinja szerint egy különálló terméktámogatási oldalt értek el, a Cummins vizsgálja az esetet. Forrás: NorForge, Reuters (Investing.com), The Verge.
WhatsApp: a súgóoldalak kódjában rejtett chatbot-utasítások voltak, például hogy ne ajánlja az adatvédelmi hatóságot. A Redact adatvédelmi cég elemzése szerint a WhatsApp honlapjának mintegy 80 súgó- és GYIK-oldala a lap kódjában a Meta ügyfélszolgálati chatbotjának szóló utasításokat is tartalmazott, „WHAT NOT TO SAY” (mit ne mondj) című részekkel. A fiók törléséről szóló oldalon például az állt, hogy a chatbot ne javasolja az adatvédelmi hatósághoz vagy más felügyeleti szervhez fordulást, máshol pedig, hogy ne hivatkozzon a GDPR-ra és más adatvédelmi szabályokra, még akkor sem, ha a felhasználó maga hozza szóba. A WhatsApp szóvivője a Wirednek azt mondta, a szöveg egy azóta javított hiba miatt látszott, és a cél az, hogy a chatbot ne adjon jogi tanácsot; a szövegeket a megkeresés után eltávolították. Forrás: Redact, Wired.
OpenAI-lehallgatási ügy: óvadék nélkül őrizetben marad a gyanúsított mérnök. A korábbi összefoglalóban ismertetett ügyben egy San Franciscó-i szövetségi bíró hétfőn elrendelte, hogy a tárgyalásig óvadék nélkül őrizetben maradjon a 35 éves szaúdi állampolgár, Abdulrahman Alfozan, aki az OpenAI mérnökeként a vád szerint szeptember 28-án lehallgatókészüléket rejtett egy vezetői tárgyaló televíziójába. Az ügyészség szerint 2025-ben és 2026-ban gyakran üzent WhatsAppon a szaúdi királyi család egyik tagjával, és tettei veszélyeztethetik az Egyesült Államok nemzetbiztonságát. A Los Angeles-i szaúdi konzulátus felajánlotta, hogy kifizeti a teljes óvadékot, ezt a bíró „biankó csekknek” nevezte, és jelentősnek ítélte a szökés kockázatát; az OpenAI már elbocsátotta a mérnököt. Forrás: CNBC, Wired.
Üzlet és társadalom
OpenAI: az Anthropic tőzsdére lépése előtt sietne lezárni egy újabb, mintegy 30 milliárd dolláros tőkebevonást. A Reuters két forrásra hivatkozva azt írta, hogy az OpenAI nagyjából 30 milliárd dollárt próbál bevonni több mint 1400 milliárd dolláros cégértéken, és az Anthropic november közepére várt tőzsdei bevezetése előtt szeretné lezárni a kört; a SoftBankkal és az abu-dzabi MGX-szel is tárgyal. A források szerint az OpenAI éves szintre vetített bevétele 50 milliárd dollár, és év végére 70 milliárdra nőhet; a cég saját tőzsdei bevezetését 2027-re tervezi. Forrás: Reuters (CNA).
Nscale és Anthropic: újabb, mintegy 45 milliárd dolláros számítási kapacitásról tárgyalnak. A Bloomberg értesülése szerint a brit Nscale és az Anthropic egy második, nagyjából 45 milliárd dolláros megállapodásról tárgyal, amely az Nscale nyugat-virginiai Monarch telephelyének második, 460 megawattos, Nvidia Vera Rubin chipekkel felszerelt épületére vonatkozna, az Anthropic pedig elővásárlási jogot kapna egy harmadik épületre is. Az Nscale közben mintegy 30 milliárd dolláros értékeléssel készül tőzsdére, de a befektetők egy része a hírek szerint sokallja ezt; az előző összefoglalóban írtunk arról, hogy a Microsoft kiszállt a cég essexi projektjéből. Forrás: Bloomberg (Bloomberg Law), TechCrunch.
DeepSeek és Huawei: közösen tervezik a kínai AI-chipeket, hogy a DeepSeek Nvidia nélkül is taníthasson. A The Information értesülése szerint a Huawei mérnökei a DeepSeek irodáiban dolgoznak, és a DeepSeek visszajelzéseit (például arról, hogyan számolnak és mozgatnak adatot a modellek a processzorok között) beépítik a chipek tervezésébe. A DeepSeek már 2026 végén elkezdheti a Huawei Ascend 950DT chipjein tanítani a modelleit, a 2027 első negyedévére várt Ascend 960DT többségét pedig a Huawei elsőként neki szánja. Az Epoch AI adatai szerint az Nvidia B300 nyers számítási teljesítménye nagyjából hétszerese az Ascend 950-ének, így egy élvonalbeli modell tanításához több mint tízezer Huawei-chip hetekig tartó, megbízható együttműködése kellhet; a DeepSeek közben továbbra is igyekszik Nvidia-chipekhez jutni. Forrás: The Information, Investing.com (Yahoo Finance).
Befektetések: 1,5 milliárd dollár a Tenstorrentnek, egymilliárd dolláros értékelés a négy hónapja indult Townnak. A Jim Keller vezette Tenstorrent, amely RISC-V alapú AI-chipeket és szervereket fejleszt nyílt forráskódú szoftverkészlettel, 1,5 milliárd dolláros E sorozatú tőkét vont be 6,2 milliárd dolláros értékelésen, a Trace Capital és az Innovation X vezetésével; a pénzt a Galaxy szerverek tömeggyártására és nemzetközi terjeszkedésre fordítja. A vállalati AI-asszisztenst fejlesztő Town 108 millió dolláros B sorozatú befektetéssel unikornis (egymilliárd dollárnál többet érő startup) lett, mindössze négy hónappal a nyilvános indulása után. Az AI-társ alkalmazást kínáló Tolan 30 millió dollárt vont be többek közt a Union Square Venturestől és a Khosla Venturestől. Forrás: Tenstorrent, TechCrunch, Upstarts Media.
Stripe: szeptemberben 38-szorosára nőtt az AI-ügynökök által indított vásárlások száma a Link szolgáltatáson. Az Upstarts Media beszámolója szerint a Stripe Link fizetési szolgáltatáson az AI-ügynökök által indított tranzakciók száma szeptemberben 38-szorosára, a fizetett összeg 20-szorosára nőtt, igaz, alacsony bázisról, és abszolút számokat a cég nem közölt. Az elemzés idején nagyjából 70 ügynök használta a szolgáltatást, mára mintegy 200, köztük a Meta Muse és a Grok Bot. A tipikus vásárlás 100 dollár körüli, de egyes felhasználók repülőjegyet vagy több ezer dolláros bútort is vetetnek az ügynökükkel; a tranzakciók 36%-a kiskereskedelmi, az összeg 28%-a utazás. A Link nem adja át az ügynöknek a valódi kártyaszámot, hanem külön, költési limittel korlátozható kártyaszámot ad ki. Forrás: Upstarts Media, The Decoder.
Meta Prometheus: elkészült a gigawattos szuperklaszter első fázisa, végül egymillió GPU-ból állhat. A Meta mérnöki blogja hétfőn részletesen bemutatta az ohiói New Albanyban épülő Prometheus szuperklasztert, amelynek már elkészült első fázisán a Muse modellcsaládot, köztük a Muse Wonder modelleket tanították. Jelenleg több százezer GPU dolgozik benne több, egymással összekötött épületben egyetlen gépként, teljes kiépítésben nagyjából egymillió GPU lesz. A cég szerint a Muse Wonder előtanításánál a futásidő több mint 85%-a, a megerősítéses tanulásnál (RL) több mint 90%-a volt hasznos munka (goodput), ami ekkora méretnél kiemelkedő megbízhatóság; hamarosan az Nvidia Vera Rubin NVL72 platformja is beáll. Forrás: Meta Engineering, AI at Meta (X).
Aleksander Madry visszatér az OpenAI-hoz, hogy a fejlődés tempóján és a biztonsági kihívásokon dolgozzon. Az MIT professzora, aki néhány hónapja távozott az OpenAI-tól, hétfőn azt írta, a távozásból inkább kutatói szabadság lett: szerinte az AI fejlődése új szakaszba lépett, amelyben az egyre képesebb rendszerek biztonsági kihívásainak megoldása központi kérdés. Jakub Pachocki, az OpenAI vezető kutatója közölte, hogy ő kérte vissza Madryt, és együtt azzal foglalkoznak majd, milyen gyors a fejlődés, mik a következményei, és ez hogyan alakítsa az OpenAI és az egész terület stratégiáját. Forrás: Aleksander Madry (X), Jakub Pachocki (X).
Kiberbiztonsági állások: negyedével kevesebb hirdetés, közben közel négyszeresére nőtt az AI-biztonsági mérnökök iránti kereslet. A CyberSN elemzése szerint 2026 első kilenc hónapjában 235 786 kiberbiztonsági álláshirdetés jelent meg az Egyesült Államokban, 26,4%-kal kevesebb, mint egy évvel korábban, ami négyéves mélypont. Közben az AI-biztonsági mérnökök iránti kereslet 268,3%-kal, a kiberbiztonsági adatelemzőké 203,5%-kal nőtt, a legnagyobb visszaesés pedig a belső fenyegetéseket elemző, a kockázatelemző és a penetrációs tesztelői (a rendszereket megbízásból feltörő) munkaköröket érte. Szeptemberben már a hirdetések 20%-a említett AI-ismereteket. Forrás: SecurityWeek.
Pletykák
A The Information szerint az Anthropic, a Google és az OpenAI is új modellt adhat ki a következő hetekben. A lap értesülése szerint az Anthropic olyan, még be nem jelentett modellt készít elő, amely kevés információból is jobban kitalálja a felhasználó valódi szándékát és céljait, és a közhelyes tanácsok helyett kreatívabb megoldásokat ad; az nem világos, hogy a Fable vagy az Opus családba tartozik-e. Ugyanebben az időszakban érkezhet a Google Gemini 4 Carbon modellje (erről korábban a Business Insider is írt) és egy lehetséges új „Terra” modell az OpenAI-tól. Megbízhatóság: közepes. A The Information jellemzően jól értesült, de az Anthropic-modellről egyetlen névtelen tesztelő beszámolója szól, és egyik cég sem erősítette meg a terveket. Forrás: The Information, TestingCatalog (X).
Claude Personal Finance: a Plaidon keresztül kapcsolhatja össze a Claude-ot a bankszámlákkal. A TestingCatalog a Claude alkalmazás kódjában új beléptető képernyőt és Plaid-integrációt talált egy „Personal Finance” nevű funkcióhoz, amelyet fejlesztés közben még „Claude Money” néven láttak: a Claude a bankszámlaadatokat elemezné, és kimutatásokat készítene belőlük. Megbízhatóság: közepes. A funkció nyomai valódiak, de az Anthropic nem jelentett be semmit, és a szeptemberi első észlelés óta sem indult el. Forrás: TestingCatalog (X).
Kiszivárogtató: új Claude Fable 5.5 változat a partnereknél, frissített világmodell a Google-nál. A gyakran kiszivárogtató Chetaslua szerint az Anthropic a Fable 5.5 egy újabb, jobbnak mondott változatát (checkpointját) adta ki a partnereinek, a Google pedig a kiválasztott tesztelőkkel és partnerekkel az Omni Live 1.1 nevű frissített világmodellt próbálja. Megbízhatóság: alacsony. Egyetlen, név nélküli forrásokra hivatkozó beszámoló, a Fable-változatot a szerző saját bevallása szerint maga sem próbálta. Forrás: Chetaslua (X).
Mit jelent ez neked: A hétfői hírek közös üzenete, hogy az AI-ügynököket úgy kell kezelni, mint bármely más, nagy jogosultságú munkatársat: a Microsoft kockázati pontszámot ad nekik, a Cairn-ügy megmutatta, mire képes egy magára hagyott ügynökhad, az amerikai DeepSeek-tilalom pedig a beépített, harmadik féltől származó modellekre is kiterjed. Érdemes most leltárt készíteni arról, milyen modellek és ügynökök futnak a cégedben, és mihez férnek hozzá, ehhez AI-irányítási és -biztonsági tanácsadásunk ad kész keretet, a hirtelen olcsóvá vált modellek közül pedig szakértőink segítenek kiválasztani azt, amelyik a feladatodra és az adatvédelmi elvárásaidra is megfelel.