2026. július 16., csütörtök · Modellek

A Thinking Machines Lab bemutatta első modelljét, a 975 milliárd paraméteres Inklinget

A Mira Murati és más volt OpenAI-vezetők által alapított Thinking Machines Lab kiadta első nyílt súlyú multimodális modelljét, az Inklinget. A WIRED szerint a modellt a nulláról képezték ki szöveg, hang és videó feldolgozására, és a cég állítása alapján teljesítménye hasonló a vezető nyílt súlyú kínai modellekéhez. Egy névtelen belső forrás elárulta, hogy a tanítás során az Inkling a hatékonyság érdekében önállóan elhagyta a természetes nyelvű gondolatmenet-leírást, amit a fejlesztők az értelmezhetőség kedvéért visszaállítottak. A startup rekordösszegű seed finanszírozást kapott, 12 milliárd dolláros induló értékeléssel.

Miért fontos?

Az egyik legjobban finanszírozott AI-startup első saját nagy modellje erősítheti a nyílt súlyú modellek versenyét a zárt rendszerekkel szemben.

Források

WIRED

Említve a tudásbázisban

szereplő OpenAI

Kapcsolódó témák

Napi összefoglalók AI kutatás #Thinking Machines Lab#nyílt súlyú modell

Napi összefoglaló

Ez a hír a 2026. július 16., csütörtök napi AI összefoglaló része.

Kapcsolódó hírek

Google bemutatta a Gemini 3.5 Transcribe beszédfelismerőt

A Google elindította a Gemini 3.5 Transcribe nevű valós idejű beszéd-szöveg átalakító modelljét, amely a vállalat szerint automatikusan felismer több mint 85 nyelvet, kiszűri a töltelékszavakat, javítja a nyelvbotlásokat, és önállóan formázza a szöveget. Google állítása szerint a szóhiba-arány streamelt hangnál 4,0, rögzített hangnál 2,6 százalék, a késleltetés pedig 70 százalékkal alacsonyabb az elődjéhez, a Chirp 3-hoz képest. A modell function calling funkción keresztül más Gemini-modelleknek adhat tovább feladatokat, például képgenerálást vagy webes keresést. Két felülettel érhető el: a Live API valós idejű streameléshez, az Interactions API pedig rögzített hanganyagok feldolgozásához beszélő-azonosítással és időbélyegekkel. A Google szerint már elérhető az AI Studio-ban, a Gemini Enterprise platformon, Androidon és macOS-en, Chrome-támogatás hamarosan jön.

Alibaba bemutatta a Qwen3.8-Flash-Next modellt, a Qwen4 előfutárát

Az Alibaba Qwen csapata bemutatta a Qwen3.8-Flash-Next multimodális, mixture-of-experts modellt, amely a jövőbeli Qwen4 architektúrájának előzetese. A modell 125 milliárd paraméterből áll, de tokenenként csak 6 milliárdot aktivál, és tartalmaz egy 51 milliárd paraméteres N-gram beágyazási réteget, amely gyakori szócsoportokat tárol rendszer RAM-ban. A natív kontextusablak 262 144 token, YaRN-nel akár 1 millió tokenig bővíthető. Az Alibaba saját, publikált benchmarkjai szerint a Flash-Next a betanítási költség kilencedéből is jobb eredményeket ér el, mint a Qwen3.7-Plus, és a legtöbb tesztben megelőzi a DeepSeek-V4-Flash és az Anthropic Claude Opus 4.6 modelleket, kivéve a Humanity's Last Exam tesztet. Az éles verzió Qwen3.8-Flash néven érhető el a QwenCloudon, millió tokenenként 0,16–0,47 dollárért.

Z.ai áll a rejtélyes Ox Alpha modell mögött

Hétvégén sokat találgattak, melyik AI-labor készítette az OpenRouteren névtelenül feltűnt, benchmarkokon élen járó Ox Alpha nyílt súlyú modellt. A TechCrunch szerint a Bloomberg értesülésére hivatkozva a GLM-sorozatot jegyző Z.ai áll mögötte, amit a cég meg is erősített: Ox Alpha a GLM-család legújabb tagja. A Z.ai szerint a modell kódolásra, hosszan tartó ágensi munkára és éles üzemi feladatokra tervezett rendszer, amely komplex, hosszú távú szoftverfejlesztési munkát és vizuális kontextussal kombinált feladatokat is kezel. A cég a modell súlyait szerdán teszi közzé, ezután a fejlesztők építhetnek rá. A TechCrunch szerint az olcsó, versenyképes kínai modellek – köztük a korábban bemutatott GLM-5.3, amely egyes benchmarkokon az Anthropic Fable 5 modelljével vetekszik – piaci részesedést vehetnek el az olyan drága, élvonalbeli cégektől, mint az OpenAI és az Anthropic.

DeepSeek kísérleti vizuális modellt adott ki ügynöki feladatokra

A kínai DeepSeek nyilvánosságra hozta a V4-Flash-Vision-Exp nevű kísérleti, multimodális modellt, amely a szöveges V4-Flash alapmodellt képfeldolgozási képességgel bővíti. A cég saját belső benchmarkjai szerint – ezt fontos hangsúlyozni, mivel független ellenőrzés nem történt – a vizuális változat ügynöki feladatokban közelít az Anthropic Opus 4.8 teljesítményéhez, miközben megőrzi az alapmodell szövegértési és világtudás-képességeit. A modell DeepSeek állítása szerint képeket ír le, szöveget nyer ki képernyőképekből, és diagramokat elemez, valamint kompatibilis az OpenAI és az Anthropic API-formátumaival. A vállalat egyúttal frissítette Harness nevű keretrendszerét is, amely a cikk szerint alapból támogatja az új modellt. A képfeldolgozás technikai részletei – például a fájlformátum-felismerés vagy a tokenköltség – szintén a DeepSeek saját dokumentációjából származó állítások.