2026. szeptember 4., péntek · Modellek

A Cohere bemutatta a Parse 5 dokumentumfeldolgozó modellt, míg egy friss teszt rávilágít az AI korlátaira

A Cohere 2026. augusztus 27-én bemutatta a Parse 5 nevű, 2,3 milliárd paraméteres multimodális modellt, amely a vállalat szerint bonyolult, vizuálisan gazdag PDF-eket – pénzügyi jelentéseket, tudományos cikkeket – alakít tiszta Markdownná, pontos elhelyezési koordinátákkal. A cég saját ParseBench mérésén 79,2 pontos átlagot ért el táblázatkinyerésben, tartalmi hűségben és formázásban, ez azonban a Cohere saját, független ellenőrzés nélküli adata. Egy párhuzamos, még nem lektorált arXiv-preprint, a DocHop benchmark szerint a vezető multimodális modellek mindössze 62,83%-os pontosságot érnek el összetett, több lépéses dokumentum- és diagramalapú következtetésben, míg az emberi teljesítmény 90% felett van. A két forrás eltérő kérdést vizsgál: egy konkrét kereskedelmi termék állítólagos képességét és a terület általános, még nem validált korlátjait.

Miért fontos?

A hír egyszerre mutatja meg egy vállalati dokumentumfeldolgozó modell állított teljesítményét és egy még nem lektorált benchmark szerinti jelentős emberi-gépi teljesítménykülönbséget.

Források

arXiv cs.AI Preprint InfoQ AI

Említve a tudásbázisban

Kapcsolódó témák

Napi összefoglalók AI kutatás #Cohere Parse 5#DocHop benchmark

Napi összefoglaló

Ez a hír a 2026. szeptember 4., péntek napi AI összefoglaló része.

Kapcsolódó hírek

A Mistral bemutatta a Le Chonk nyílt modellt, de a tesztek szerint még lemarad Kína mögött

A párizsi Mistral nyilvánosan elérhetővé tette a Large 4, becenevén „Le Chonk” súlyozott modelljét a Hugging Face-en, módosított MIT licenc alatt. A billió paraméteres modellből 52 milliárd aktív egyszerre; a cég szerint kódolásban és kiberbiztonsági feladatokban megközelíti vagy felülmúlja a vezető kínai nyílt modelleket, például a DeepSeeket és a Z.ait, amit Pierre Stock, a Mistral tudományos alelnöke „a globális AI-vezető szerep fordulópontjának” nevezett. A The Decoder független elemzése szerint azonban a modell az Artificial Analysis Intelligence Indexén mindössze 26 pontot ér el, lemaradva a DeepSeek V4.1 Flash és a GLM-5.3 mögött, a kiberbiztonsági rangsorban pedig csak harmadik a nyílt modellek között. A Mistral modellje gyorsabb és olcsóbb riválisainál, és a károkozásra irányuló kéréseket 96,6 százalékban utasítja el.

A Google bemutatta a Gemini 4 Carbon modellt

A Google DeepMind mindössze két héttel a Gemini 4 Argon után bemutatta új frontier modelljét, a Gemini 4 Carbont, amely a vállalat szerint jelentős előrelépést hoz a kódolásban, az ügynöki feladatokban és a kiberbiztonságban. A Google közlése szerint a modell vezeti az Artificial Analysis Intelligence Index v5.0 rangsorát 59 ponttal, megelőzve a Claude Opus 5.5-öt és a GPT-6 Astrát. A cég szerint Carbon a SEC-bench Pro és az ExploitGym kiberbiztonsági benchmarkokon is élen jár, és a Gray Swan prompt-injekciós teszten minden támadást kivédett. A modell egyelőre csak kiválasztott kiberbiztonsági védelmi partnerek számára érhető el a Fairwind programon keresztül, a szélesebb elérhetőségről a Google nem adott időpontot. Az árazás megegyezik az Argonéval: 2 dollár millió bemeneti és 10 dollár millió kimeneti tokenenként.

A Google DeepMind bemutatta a Genie 4 világmodellt

A Google DeepMind kutatási előnézetben bemutatta a Genie 4 nevű világmodellt, amely a cég szerint fotórealisztikusabb, hangot is generáló és valós időben szerkeszthető virtuális környezeteket hoz létre. A modell a Gemini-családra épül: a Gemini Omni biztosítja a vizuális alapot, míg más Gemini-modellek – a TechCrunch szerint egy Gemini 4 Argon változat egy robotikai kísérletben – segítik a szimuláció koherenciájának fenntartását. Az Ars Technica szerint a rendszer a Gemini 3.8 Flash modellt használja irányító ügynökként, és a világ körülbelül két percig marad konzisztens, mielőtt elfelejtené a kezdeti állapotot. A Genie 4 egyelőre megbízható tesztelőknél fut, a tervek szerint a következő hetekben kapnak hozzáférést a Google AI Ultra előfizetői a Project Genie-ben és a Gemini API korai partnerei, az AI Ultra csomagok havi 100 dollártól indulnak.

Az OpenAI bemutatta a feleáras GPT-6.1 Terra modellt

Az OpenAI kiadta a GPT-6.1 Terra nevű középkategóriás modellt, amelynek API-ára a cég szerint fele az elődjének, a GPT-5.6 Terrénak: az input tokenek 1 dollárba, az output tokenek 5 dollárba kerülnek millióként, szemben a korábbi 2 és 12 dollárral. Az OpenAI a modellt irodai feladatokra és automatizált szoftvervezérlésre szánja, az Artificial Analysis elemzése szerint pedig a GPT-6.1 Terra az Intelligence Indexen 6-13 ponttal jobb eredményt ér el elődjénél, miközben a feladatonkénti költség a harmadára csökken. A privát AA-Omniscience benchmarkon a modell az esetek mindössze 38 százalékában találgat, amikor nem ismeri a választ, szemben a GPT-5.6 Terra 88 százalékával, ami jelentős hallucinációcsökkenésre utal. Az OpenAI szerint a GPT-6.1 Terra teljesíti a vállalat „kritikus” kiberbiztonsági küszöbét, és a rendszerleírás szerint jobban ellenáll a közvetett prompt-injekciós támadásoknak, mint elődje.