2026. október 16., péntek · Modellek

Nvidia kiadta a Nemotron 3.5 Super VL nyílt agensmodellt

Az Nvidia kiadta a Nemotron 3.5 Super VL nyílt, multimodális modellt: 120 milliárd paraméteres mixture-of-experts architektúrája tokenenként csak 12 milliárd paramétert aktivál – írja a The Decoder és az Nvidia technikai blogja. A modellt vállalati agensfeladatokra, dokumentum-, kép- és videóelemzésre szánták, fejlesztésében a Mistral AI, a Thinking Machines Lab, a Perplexity és a Black Forest Labs is részt vett a Nemotron Coalition keretében. Az Nvidia állítása szerint a Super VL a nagyobb Nemotron 3 Ultra pontosságát hozza ötödannyi paraméterrel, és egyetlen GPU-n akár ötszörös áteresztőképességet ér el hasonló méretű nyílt modellekhez képest. Mellette két kisebb, helyi gépekre szánt Bolt-változat is megjelent: a 24 GB memóriájú rendszerekhez való 74B-A9B és a később érkező, 4 GB-os E4B hangasszisztensekhez. A vállalat szerint a Scale AI, a Ramp és az AI21 már utótanította a modellt, akár 40-szer alacsonyabb következtetési költséget elérve vele.

Miért fontos?

A nyílt modellt az Nvidia minden változatban kizárólag saját hardverére optimalizálja, ami a lap szerint a chip- és rendszerértékesítést hivatott ösztönözni.

Források

NVIDIA Technical Blog Hivatalos The Decoder

Kapcsolódó témák

Napi összefoglalók AI kutatás #Nvidia Nemotron 3.5#vállalati AI-agensek

Napi összefoglaló

Ez a hír a 2026. október 16., péntek napi AI összefoglaló része.

Kapcsolódó hírek

Meta kiadta a Muse Spark Open nyílt súlyú kódoló AI-modellt

A Meta bejelentette a Muse Spark Open nevű nyílt súlyú modellt, amelyet saját közlése szerint a legképesebb jelenlegi amerikai nyílt súlyú modellnek szán. A mixture-of-experts architektúrájú rendszer 816 milliárd összparaméterből tokenenként 42 milliárdat aktivál, kontextusablaka elérheti az 1 millió tokent, és szöveg mellett képet, hangot és videót is kezel. A modellt kifejezetten ügynöki kódolási feladatokra, többfájlos refaktorálásra és hosszú hibakeresési munkamenetekre tréningezték, az NVIDIA GB300 NVL72 Blackwell Ultra hardveren. A súlyok elérhetők Hugging Face-en és több API-szolgáltatón (Baseten, Fireworks, Groq, Together AI), az Amazon pedig a SageMaker JumpStart hubba is beillesztette BF16 és NVFP4 kvantált változatban. A Meta szerint a modell Apple M5 Ultra Mac Studio gépeken, helyben is futtatható.

Black Forest Labs bemutatta a FLUX.3 Image Klein nyílt súlyú képmodellt

A Black Forest Labs bejelentette a FLUX.3 Image Klein nevű nyílt súlyú képmodellt, amely 5,6 milliárd paraméterrel szöveg-kép generálást, képszerkesztést és akár tíz referenciakép alapú generálást is támogat. A cég szerint a modell natív 4K felbontást, pixelpontos szerkesztést és bounding box alapú elemelhelyezést kínál, és belső teszteken a legmagasabb Elo-pontszámot érte el a nyílt modellek közül, megelőzve a zárt Ideogram V4.5-öt és a saját FLUX.2 [pro] modelljét is. A Hugging Face blogja szerint a modell a Diffusers könyvtárba is beépült, a desztillált változat H100 GPU-n másodpercek alatt generál 1024×1024-es képet. Egy INT8-as verzió mindössze 8 GB videomemóriával futtatható, és a cég közlése szerint egy RTX 4070-es kártyán 9 másodperc alatt elkészül egy kép. A súlyok a FLUX Kommunity License alatt érhetők el, amely évi 5 millió dollár alatti bevételű cégeknek ingyenes kereskedelmi felhasználást biztosít.

Google egyetlen AI-modellel irányítaná a robotokat: a Gemini 4 Argon

A Google bemutatta a Gemini 4 Argon nevű modellt, amely a cég állítása szerint egyetlen rendszerben fogja össze a robotikai folyamat egészét: irányítja a robotokat, fényképekből vagy vázlatokból virtuális gyakorlóterepeket épít, és kiértékeli a betanító adatokat. A Google demonstrációja szerint egy Boston Dynamics Spot robotnak szódásdobozokat kellett egy pedálos kukába dobnia: a modell előbb szimulációban gyakoroltatta a hárompontos egyensúlyozást, majd két külön AI-ügynök ellenőrizte a láb és a fogó pozícióját, mielőtt a valódi gépen megtörtént a próba. Egy másik bemutatóban egyetlen fotóból 77 feladatot és több mint 4500 betanító epizódot generált egy asztali jelenetből, ami a vállalat szerint 56-ról 75 százalékra növelte a sikerességi arányt, a végrehajtási időt pedig 35-ről 24 másodpercre csökkentette. A modell egyelőre csak a Google fizetős fejlesztői programjain keresztül érhető el, és a bemutatott példák még részletes emberi útmutatást igényelnek.

OpenAI: a jövő zászlóshajó-modellje még nem kész a biztonsági tesztekre

A The Information cikkére hivatkozva a Decoder azt írja, hogy OpenAI alkalmazottai szerint a cég még idén kiadhat egy-két új modellt, de nem biztos, hogy köztük lesz a jelenleg fejlesztett, új zászlóshajó-modell. A forrás szerint ez a modell az Astrában is használt úgynevezett „looped transformer” technikát alkalmazza, amely javítja a matematikai és kódolási teljesítményt, de megnehezíti a biztonsági felügyeletet, mert a modell „gondolkodásának” egy része nem olvasható szövegben, hanem belső numerikus reprezentációkban zajlik. A lap szerint OpenAI emiatt szándékosan korlátozta az Astra hurkolásainak számát, és a Hugging Face-incidens után a teljes számítási kapacitás mintegy tíz százalékát biztonsági és illesztési célokra csoportosította át, ami a cikk szerint több száz megawattnyi adatközponti kapacitást jelent.