2026. október 8., csütörtök · Eszközök

A Google Playground: szöveges utasításból készülő AI-játékok

A TechCrunch beszámolója szerint a Google Labs szerdán elindította a Playground nevű kísérleti platformot, amely szöveges utasítások alapján, programozási ismeretek nélkül teszi lehetővé böngészőalapú játékok létrehozását. A felhasználók műfajt (pl. kvíz, versenyzés) választhatnak, eldönthetik, hogy 2D vagy 3D, egy- vagy többjátékos élményt szeretnének, majd leírják a kívánt mechanikát és vizuális stílust; feltöltött képeket is átalakíthat az AI játékgrafikává. Az elkészült játékok mobilon és asztali gépen is futnak, megoszthatók linkkel vagy közzétehetők a Playground Explore galériájában, ranglistákkal bővíthetők, és a megjelenés után is szerkeszthetők. A Google a jövőben Unity Spark integrációt tervez hozzáadni, amely professzionális szintű 3D-s mechanikákat hozhat a platformra. A Playground egyelőre csak 18 éven felüli amerikai felhasználók számára elérhető, a böngészés ingyenes, a játékgenerálás pedig heti tokenrendszerre épül, a Google One AI előfizetők pedig magasabb limitet kapnak.

Egy forrás erősíti A hír állításait legfeljebb egy forrás támasztja alá tárgyilag; a többi forrás anyaga nem erről szól.

Miért fontos?

A lépés jelzi, hogy a Google közvetlenül versenybe száll a Roblox júliusban bemutatott Build funkciójával a kódmentes, AI-alapú játékfejlesztés piacán.

Források

Financial Times TechCrunch AI

Említve a tudásbázisban

fogalom Prompt (utasítás)

Kapcsolódó témák

Napi összefoglalók AI eszközök #Google Playground#AI játékfejlesztés

Napi összefoglaló

Ez a hír a 2026. október 8., csütörtök napi AI összefoglaló része.

Helyesbítés · 2026. október 12., hétfő

Helyesbítés (2026-10-12): az összefoglaló korábban forrásmegjelölés nélkül így kezdődött: „A Google Labs szerdán elindította a Playground nevű kísérleti platformot”. A tényállításokat nem változtattuk meg; a TechCrunch-attribúciót egyértelművé tettük.

Frissítés

WIRED-teszt: vicces, de gyatra játékokat gyárt a Google Playground 2026-10-12

Kapcsolódó hírek

WIRED-teszt: vicces, de gyatra játékokat gyárt a Google Playground

A Google e héten indított Playground nevű AI-játékgenerátorát egy WIRED-újságíró tesztelte, aki kódolási tapasztalat nélkül egyetlen nap alatt három játszható, stabil, de minőségileg gyenge játékot készített. A „Tetris, de cuki malacokkal” utasításból a Pork Drop nevű klón született, ahol a kockák helyett eltorzított malacformák esnek; a „meleg vacsorapartit” kérő prompt pedig a Dinner Darling nevű 2D flash-stílusú játékot eredményezte, Bitmoji-szerű grafikával, ahol a játékos egy stresszes házigazdát, Juliant irányítja, aki fésűs vendégeket próbál leültetni. A cikk kiemeli, hogy a Playground működése hasonlít a Meta szeptemberben bejelentett Horizon Create játékgenerátorához. Az élmény a szerző szerint gyors, beszélgetős és reszponzív, de a végeredmény esztétikailag és játékmenetileg messze elmarad egy profi fejlesztéstől.

Az OpenAI közös token-keretet vezet be a ChatGPT és a Codex között

A The Decoder egy frissített OpenAI támogatási oldalra hivatkozva azt írja, hogy decembertől a Plus, Pro és Business előfizetések egyetlen közös token-keretet osztanak meg a ChatGPT és a Codex között. Az OpenAI ezzel olvasztja be a Work agentikus funkcióit a fő ChatGPT felületbe, amit korábban már bejelentett. A felhasználók a Beállításokban láthatják a fennmaradó keretet és a frissítés idejét; a limit elérésekor várhatnak a megújulásra, előfizetést válthatnak, vagy extra kreditet vásárolhatnak. Az Instant modellel folytatott beszélgetések nem számítanak bele a keretbe, így papíron marad a fix áras szolgáltatás, de a lap szerint az intenzív használat az olcsóbb csomagokon várhatóan gyengébb minőségű válaszokat eredményez majd. A cikk szerint a lépés feltehetően egyrészt a magasabb árú csomagok nemrég megduplázott limitjeire épít, másrészt valószínűleg válasz a ChatGPT egyre bonyolultabbá váló kezelőfelületét ért kritikákra.

Az NVIDIA TensorRT Edge-LLM egyszerűsíti az edge AI-fejlesztést a DGX Sparkon

Az NVIDIA bemutatta a TensorRT Edge-LLM nevű könnyűsúlyú C++ futtatókörnyezetet, amely a vállalat szerint lehetővé teszi, hogy fejlesztők néhány paranccsal AI-modelleket futtassanak és teszteljenek a most 64GB-os kiépítésben elérhető NVIDIA DGX Spark gépen. A trtedge parancssori eszköz letölti a kiválasztott modellt és optimalizált TensorRT motorokat épít, a cég bemutatója szerint a Nemotron-3.5 Lightning modellel néhány lépésben chat-munkamenet indítható, illetve OpenAI-kompatibilis API-kiszolgáló is futtatható helyben. Az NVIDIA közlése szerint a DSpark nevű spekulatív dekódolási módszer három draft tokennel a HumanEval promptokon átlagosan 73,4-ről 126,9 tokenre növelte a másodpercenkénti generálási sebességet, miközben a csúcsmemória-használat 27,9GB maradt. Ugyanez a futtatókörnyezet a vállalat szerint a fejlesztői DGX Sparkról közvetlenül átvihető a Jetson Thor, a DRIVE AGX Thor és az IGX Thor beágyazott платформokra.

A Netflix elosztott rendszerként kezeli a GPU-k megbízhatóságát

A Netflix saját cikkében bemutatta, hogyan épít megbízhatósági platformot nagy léptékű GPU-alapú tréning- és következtetési feladatokhoz. A vállalat szerint a rendszer többrétegű hardverellenőrzéseket (NVIDIA DCGM, hálózati adapter-figyelés), automatikus hibajavítást és hibatűrő tréninget kombinál Kubernetes és Karpenter alapon, hogy egyetlen hibás GPU vagy lassú gép ne állítsa meg a hetekig futó, több száz GPU-t használó modellbetanítást. A Netflix adatai szerint ezzel 99,95% feletti GPU-csomópont-rendelkezésre állást és a feladatok sikerességi arányának körülbelül 98%-ról 99,5% fölé emelését érték el. A platform checkpointingot, rugalmas workereket és az NVIDIA Multi-Instance GPU (MIG) technológiáját is használja, hogy a kisebb következtetési feladatok megosztva, izolált memóriával futhassanak egy GPU-n.