Bemutatták a Reflection Beam, a Google EmbeddingGemma 2 és a Mistral Large 4 modellt

Az elmúlt héten három jelentős AI-modell került bemutatásra, amelyek mind eltérő módon igyekeznek fejleszteni a mesterséges intelligencia képességeit. A Reflection Beam a hatékony érvelési folyamatokra, a Google EmbeddingGemma 2 a különböző médiatípusok közötti kereshetőségre, míg a Mistral Large 4 a ritka skálázás és a vizuális megértés kombinációjára összpontosít — közölte a The Sequence Learning Loop a 950. számában. (TheSequence)

A három bejelentés nem pusztán újabb szereplőket hoz a ranglistákra, hanem arra a kérdésre ad választ, hogy hol érdemes számítási kapacitást allokálni az AI-rendszerek hasznosságának növelése érdekében. A Reflection Beam különösen a gazdaságos érvelésben jeleskedik, míg a Google EmbeddingGemma 2 lehetővé teszi a különböző médiaformátumok — például szöveg, kép vagy videó — közötti egységes keresést.

A Mistral Large 4 a ritka skálázás (sparse skálázás) technikáját alkalmazza, ami hatékonyabbá teszi a nagy modellek betanítását, miközben vizuális megértési képességekkel is bővül. Ez a megközelítés különösen akkor hasznos, amikor a döntő információ nem kizárólag szöveges formában áll rendelkezésre.

A kutatók szerint ez a három megközelítés egy praktikus, többkomponensű AI-architektúrát sugall: először is meg kell találni a releváns információt (retrieve), majd gazdaságosan kell érvelni róla (reason economically), végül pedig vizsgálni kell a világot, ha a szöveg nem elegendő (inspect the world when text is not enough). Ez a megközelítés szemben áll azzal a módszerrel, amely minden adatot a lehető legnagyobb modellbe táplál, reménykedve a legjobb eredményben.

Az új modellek nem a paraméterek számában versenyeznek, hanem abban, hogy milyen mérnöki kihívásokat oldanak meg. A Reflection Beam például a szoftverhibák okainak feltárásában segíthet, ahol az információ forráskódban, ábra-diagramban, képernyőfelvételen vagy hangfelvételen is szétszóródhat. A modellek 2026. október 14-én jelentek meg.