ChatGPT, Claude, Gemini és a többi nagy AI-modell: új verziók, új képességek, AI-ügynökök
A PolarQuant módszer a Qwen3.5-9B modell esetén a perplexity értéket 6.90-ről 6.40-re csökkentette, miközben a Hadamard-rotáció a teljes hatás 98%-át adja, és az eljárás teljesen utólagos, kalibrációs adat nélkül működik.
Az OpenAI 10 milliárd dollár további befektetést szerzett, amely a rekordbefektetési körét 120 milliárd dollár fölé emeli.
A Google Gemini modelljének bevezetése egybeesik az Axiom AI reasoning startup 200M dolláros befektetési körével, amely 1,6 milliárd dolláros értékelést eredményezett.
A Bonsai 1-Bit modell átlagos hibarányának logaritmusát a modell méretével összehasonlítva mérhetjük, amit az úgynevezett intelligencia-sűrűség mutat.
A kutatók szerint a Gemini 3 modellhez hasonló viselkedést más fejlett modellekben is megfigyeltek, köztük az OpenAI GPT-5.2 és az Anthropic Claude Haiku 4.5 modelljeiben.
A PrismML a GitHubon közzétett Bonsai 1-bit modelljei 1.7-, 4- és 8-milliárd paraméteres változatokban már gyártásra kész rendszerek, melyek a számítási költséget csökkentik, miközben a teljesítményük versenyképes marad.
A TurboQuant-nak köszönhetően a prompt feldolgozás 14%-kal gyorsabb lett.
A kutatók szerint a végpontokon orientált klaszterezési módszerrel kapcsolatos kutatásokban a spectral clustering és a k-means algoritmusok együttműködése javíthatja a klaszterezési eredményeket.
Az új TurboQuant modell a Qwen3.5-27B architektúrát használja, ami közel áll a Q4_0 minőséghez.
A TurboQuant technológiának köszönhetően a KV cache mérete akár 4,6-szor csökkenhet anélkül, hogy az pontosság romlana.
Az új 1-bit Bonsai-8B modell mindössze 1,15 GB-ot foglal, ami 14-szer kisebb a hagyományos 16 GB-os Llama 3-nál, miközben a teljesítmény 70,5-ös pontszámmal megegyezik.
A Towards Data Science szerzője, Moulik Gupta szerint a 7 millió paraméteres, két rétegű Tiny Recursion Model már 10 000-szer kevesebb erőforrással felülmúlhatja a ChatGPT-t, ha több gondolkodási ciklust alkalmaz.
Több mint 148 szakértő támogatja a Mixture of Experts (MoEs) módszert, amely forradalmasítja a nyelvi modellek fejlesztését.
Taalas, egy 2,5 éves hardverstartup, egy olyan chipet fejlesztett, amely 17 ezer token/másodperc sebességet ér el.
A GPT-5.4 modell az Azure Blog szerint 2,50 dollárba kerül millió input tokenenként, a nagyobb kontextusú változat pedig 5 dollárba.
Több mint 1000 felhasználó már kipróbálta a Gemma 4 modellt a Chatbot Arena platformon.
A Meta új AI csapata ebben a hónapban belsőleg átadta első kulcsmodelljeit, amelyek a dolgozók mindennapi munkáját fogják segíteni az „AI for Work" program keretében.
A Liquid AI csapata 28 billió tokenből tanította be az LFM2.5-350M modellt, amely 40.4 ezer kimeneti token másodpercenkénti feldolgozására képes egyetlen NVIDIA H100 GPU-val.
A Meta mellett a Google is új, gyorsabb hangalapú AI-t vezetett be, a Gemini 3.1 Flash Live modellt.
A Granite 4.0 3B Vision modell 86.4%-os Chart2Summary pontszámmal vezeti a mezőnyt a ChartNet teljesítményteszten.
A Black Forest Labs 100 fős csapata bejelentette a Flux.2 AI modellt, amely a korábbi verzióhoz képest új funkciókat hoz, például többhivatkozásos szerkesztést, hex színirányítást és valós idejű adatkeresést, így a képgenerálás gyorsabb és rugalmasabb lesz.
Tetszik az oldal? Támogasd a fejlesztést
Az AI Forradalom egy automatizált pipeline: napi adatgyűjtés, LLM-feldolgozás és infrastruktúra fenntartása valódi költségekkel jár. Ha értékesnek találod a tömör, naprakész AI-összefoglalókat, egy kávé sokat segít.