2026. július 29., szerda · Eszközök

Perplexity Windows-ra is kiterjeszti agentikus AI-asztali eszközét

A Perplexity a vállalat közleménye szerint Windows rendszerre is elérhetővé tette Personal Computer nevű agentikus eszközét, amely áprilisban Mac-en indult, majd májusban a Microsoft 365 alkalmazásokkal és a Teams szoftverrel bővült. Az eszköz a cég állítása szerint általános célú, önállóan cselekvő digitális munkatársként helyi fájlokhoz és alkalmazásokhoz fér hozzá, például dokumentumokat készíthet vagy táblázatokat frissíthet. A Perplexity szerint ez azért fontos, mert a vállalati munka jelentős része helyi Windows-gépeken zajlik, ahová eddig az AI-eszközök nem fértek hozzá. A cég azt is közölte, hogy a szolgáltatás nem tanul a vállalati adatokból, és érzékeny műveletek, például e-mail küldés vagy fájltörlés előtt mindig értesíti a felhasználót. A Windows-verzió a fizetős Max és Enterprise Max előfizetőknek érhető el, amelyek díja havi 200 dollártól indul.

Miért fontos?

A lépés azt mutatja, hogy az AI-ügynökök egyre inkább a helyi, vállalati munkakörnyezetbe is behatolnak, nem csak felhőalapú alkalmazásokba.

Források

The Verge

Említve a tudásbázisban

Kapcsolódó témák

Napi összefoglalók AI eszközök #Perplexity#AI-ügynökök

Napi összefoglaló

Ez a hír a 2026. július 29., szerda napi AI összefoglaló része.

Kapcsolódó hírek

Google frissítette a Gemini API menedzselt ügynökeit: alapértelmezett a 3.6 Flash

A Google hivatalos bejelentése szerint a Gemini API-ban futó menedzselt ügynökök (Managed Agents) mostantól alapértelmezetten a Gemini 3.6 Flash modellt használják, ehhez nincs szükség kódmódosításra. Az újdonság emellett úgynevezett környezeti hookokat vezet be: ezekkel egyéni szkripteket lehet futtatni minden eszközhívás előtt vagy után a homokozó-környezetben, például letiltva, ellenőrizve vagy naplózva a kód futtatását vagy fájlírást végző műveleteket. A vállalat szerint a fejlesztők explicit módon is választhatnak modellt a 3.6 Flash, a 3.5 Flash és a legkisebb késleltetésű 3.5 Flash-Lite közül. A frissítés emellett költségkeret-vezérlést, ütemezett triggereket és ingyenes hozzáférési szintet is bevezet a menedzselt ügynökökhöz.

Google bővíti a Search AI Mode funkcióit offline programok tervezéséhez

A Google saját blogbejegyzése szerint az AI Mode nevű keresési funkció most már abban is segít, hogy a felhasználók több időt töltsenek offline, valós élményekkel. A vállalat állítása szerint az eszköz személyre szabott javaslatokat ad helyi tanfolyamokra, ha a felhasználó összeköti a Google Calendar-t, segít felszerelést keresni például túrázáshoz, stratégiai útmutatókat készít játékokhoz, illetve jegyeket lehet vele foglalni élő eseményekre. A Google saját keresési adatokra hivatkozva állítja, hogy nőtt az érdeklődés olyan kifejezések iránt, mint a „digital detox” vagy a „trail running”. A bejegyzés kifejezetten termékbemutató jellegű, független megerősítés vagy külső tesztelés nem szerepel a forrásban.

Az NVIDIA nyílt forráskódú NOOA ügynökkeretet mutatott be

Az NVIDIA Labs technikai blogján jelentette be a NOOA (NVIDIA Labs Object-Oriented Agents) nevű, nyílt forráskódú, objektumorientált AI-ügynökkeretet. A vállalat közlése szerint a rendszer minden ügynököt egyetlen Python osztályként kezel, ahol a metódusok a képességeket, a mezők az állapotot, a docstringek pedig a promptokat testesítik meg, a típusannotációk pedig kikényszerített szerződésként működnek. A keretrendszer típusos, kapcsolati memóriát tart fenn egy emberi szemmel is olvasható SQLite-adatbázisban, ami az NVIDIA szerint feleslegessé teszi a kontextus-tömörítést. A cég állítása alapján a NOOA a SWE-bench Verified, a CyberGym L1 és az ARC-AGI-3 benchmarkokon jobb pontosságot és alacsonyabb tokenköltséget ér el a korábbi keretrendszerekhez képest, a kódot és kiértékeléseket pedig nyilvánosan elérhetővé tették.

Cursor agens-raja: olcsóbb modellek is elég jók, ha erős AI tervez

Cursor egy frissített AI-ügynök-flottát állított szembe elődjével: mindkettőnek dokumentáció alapján, forráskód és internet nélkül kellett újraépítenie az SQLite adatbázis-motort Rust nyelven. A cég állítása szerint az új rendszer minden konfigurációban 100%-os eredményt ért el a teszteken, míg a régi ügynökraj saját összefésülési konfliktusaiba fulladt. Az architektúra szétválasztja a szerepeket: drága "tervező" modellek bontják részfeladatokra a célt, olcsóbb "munkás" modellek pedig végrehajtják azokat, ami Cursor szerint elsősorban a kontextuskezelést oldja meg. A cég emiatt saját verziókezelő rendszert épített, mert a másodpercenkénti ezres commit-sebesség olyan konfliktusokat, például "split-brain" jelenségeket okozott, amilyeneket emberi fejlesztőcsapatok sosem tapasztalnak.