2026. november 6., péntek · Modellek

A Google elindította a Gemini Omni 1.2 Flash-t akár 15 másodperces videókkal és 30 százalékkal alacsonyabb árral

A Google elindította a Gemini Omni 1.2 Flash videógeneráló modellt; a vállalat szerint a modell a Gemini API-n, a Google AI Studio-ban, a Google Cloud Console-ban, a Flow-ban, a Google Vidsben, a Google Adsben és a Gemini appban a Google AI Ultra-előfizetők számára érhető el. Az új verzió a korábbi 10 másodperces felső határ helyett akár 15 másodperces klipeket generál és szerkeszt, a hossz 3 és 15 másodperc között egy másodperces lépésekben adható meg, a 720p-s videó ára pedig 30 százalékkal, másodpercenként 0,07 dollárra csökken a Gemini Omni 1.1-hez képest. A Google szerint a beszélgetéses szerkesztéssel a háttér, a világítás vagy a képarány a teljes klip újragenerálása nélkül módosítható, és a referenciakövetés is erősebb lett. A The Decoder szerint minden generált videó észrevehetetlen SynthID-vízjelet kap.

Miért fontos?

A Google szerint a 360p-s vagy 720p-s vázlatból, utólagos javításból és a legjobb változat 1080p-re vagy 4K-ra felskálázásából álló munkafolyamat csökkenti a költségeket, mert a hirdetési változatokat vagy termékbemutatókat készítő felhasználóknak nem kell minden módosításkor újragenerálniuk a teljes klipet.

Források

Google DeepMind Google AI Hivatalos The Decoder

Említve a tudásbázisban

szereplő Gemini

Kapcsolódó témák

Napi összefoglalók AI kutatás #Google#videógenerálás

Napi összefoglaló

Ez a hír a 2026. november 6., péntek napi AI összefoglaló része.

Kapcsolódó hírek

A Google elindította a Gemini 4 Argon modellt, de csak fizetőseknek

A Google ma globálisan elérhetővé tette a Gemini 4 Argon modellt fejlesztők, vállalatok és előfizetők számára az AI Studio, a Gemini platform API-ja, az Antigravity, valamint a Gemini-app és a Search AI módja révén – közölte a vállalat hivatalos bejelentésében. A Google szerint Argon vezeti a Vals Indexet, amely a pénzügyi, jogi, adózási és kódolási teljesítményt méri, bevezető ára pedig 2 dollár millió bemeneti és 10 dollár millió kimeneti tokenenként. A The Verge és az Ars Technica szerint azonban a modell egyelőre csak fizetős Pro és Ultra előfizetőknek érhető el, az ingyenes és Plus felhasználók csak a gyengébb Flash modelleket kapják. A Google saját, nem független méréseket közölt arról, hogy Argon a Chrome 40 millió soros kódbázisában hónapokig tartó refaktorálást végzett el hetek alatt, a YouTube kommentrendszerének szerverterhelését pedig 45 százalékkal csökkentette. A Decoder szerint Argon a Vals Indexen vezet, de a független rangsorokban még az Anthropic Claude Opus 5.5 mögött áll.

Az OpenAI bemutatta a GPT-6 Cyber kiberbiztonsági modellt, amely a cég szerint ritkábban lépi át a feladat kereteit

Az OpenAI a The Verge beszámolója szerint bemutatta a GPT-6 Cyber kiberbiztonsági modellt, amelyet a TechCrunch ChatGPT Cyberként is említ. A vállalat szerint a modell az ExploitGym HoneyPot kiértékelésen az esetek kevesebb mint 1 százalékában lépett túl a kapott feladat keretein, szemben a GPT-5.6 Cyber körülbelül 5 százalékával; az ExploitGym benchmarkon 48,5 százalékot ért el, míg a GPT-5.6 Cyber 32,1, a GPT-6 Astra pedig 42,4 százalékot. Az OpenAI közlése szerint a modell 81 korábban ismeretlen sebezhetőség megtalálásában segített a Firefoxban. A TechCrunch szerint Max Justicz, a Charge Robotics technológiai igazgatója a korábbi GPT 5.6 Sol modellt használva két óra alatt talált egy súlyos Ubuntu-szerveres sebezhetőséget, amelyet a Debian projekt javított. A The Verge szerint a modell először a Daybreak Red program kiválasztott tagjaihoz kerül, majd a következő hetekben minden Daybreak Red-ügyfélhez; a TechCrunch szerint a cég emellett egymilliárd dolláros kezdeményezést jelentett be a kritikus infrastruktúrán dolgozó kiberbiztonsági szakemberek támogatására.

A Baidu kiadta az ERNIE-5.5-Flash-Base nevű, 280 milliárd paraméteres nyílt alapmodellt

A kínai Baidu kiadta az ERNIE-5.5-Flash-Base nevű, nyílt alapmodellt, és a The Decoder szerint szándékosan finomhangolás és utólagos tanítás nélkül tették közzé, a fejlesztőkre bízva, mire használják. A modell kevert szakértői architektúrájú, összesen 280 milliárd paraméterrel rendelkezik, ebből bemenetenként 14 milliárd aktív; előtanítása 33,5 billió tokenen zajlott, legfeljebb 128 ezer tokenes tanítási kontextussal, és finomhangolás vagy következtetés során akár egymillió tokenes kontextust is támogathat. A Baidu szerint érvelési, kódolási és hosszú kontextusú feladatokban a hasonló méretű nyílt alapmodellekkel, például a DeepSeek V4 Flash-sel vagy a MiMo V2.5-tel versenyez. A súlyok FP8 és BF16 formátumban érhetők el a Hugging Face-en, és a lap szerint később egy utólagosan tanított változat is következik.

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.