2026. augusztus 27., csütörtök · Modellek

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.

Miért fontos?

A titkolt kiadás jelzi, hogy egy kínai fejlesztő nyílt súlyú, ingyenesen letölthető modellje már a legjobb amerikai rendszerekkel is felveheti a versenyt.

Források

TechCrunch AI

Említve a tudásbázisban

Kapcsolódó témák

Napi összefoglalók AI kutatás #Z.ai#Ox Alpha

Napi összefoglaló

Ez a hír a 2026. augusztus 27., csütörtök napi AI összefoglaló része; a hír kanonikus helye ott, a napi kártyán van.

Kapcsolódó hírek

Z.ai GLM-5.3 modellje vezeti a nyílt rangsort, de késik a súlyok kiadása

A kínai Z.ai új GLM-5.3 modellje 60 pontot ér el az Artificial Analysis Intelligence Indexen, amivel holtversenyben az élre kerül a Kimi K3-mal a nyílt modellek között, hét ponttal megelőzve elődjét, a GLM-5.2-t. A legnagyobb javulás az ágensfeladatokban mutatkozik: a GDPval-AA v2 benchmarkon az Elo-pontszám 1524-ről 1770-re ugrik, így a modell a második helyre kerül, csak a Claude Opus 5 (1855) mögött. Árban a GLM-5.3 feladatonként 0,68 dollárba kerül, ami drágább elődjénél, de 19 százalékkal olcsóbb, mint a Kimi K3. A modell egyelőre csak a Z.ai API-ján elérhető, a nyílt súlyok kiadását a vállalat állítása szerint mintegy két héttel elhalasztják biztonsági okokból, mivel a modell hatékonyan ismer fel sebezhetőségeket, és előbb csak kiválasztott partnereknek adják át.

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.

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.

Meta bemutatta a Muse Spark 1.2 multimodális képességeit

A Meta AI Research a nyílt súlyú kiadás előtt új értékelési eredményeket és demókat tett közzé a kódolásra fókuszáló Muse Spark 1.2 modellről, amelynek vizuális megértési és következtetési képességeit korábban már előzetesen bemutatták. A vállalat állítása szerint a modell képekből vagy videókból működő weboldalakat és játékokat tud generálni, ahol a helyesség mércéje az, hogy az eredmény megjelenik és a szándékolt módon viselkedik. Ezt egyelőre csak a Meta saját demonstrációi és értékelései támasztják alá, független megerősítés nincs. A cég szerint egy speciális modellváltozat robotvezérlőként működhet egy kétszintű rendszerben, ahol a magas szintű tervező részfeladatokra bontja a célt, ezeket pedig egy alacsony szintű Vision-Language-Action szabályzat hajtja végre.